基于時(shí)間序列分析的吉林省糧食產(chǎn)量預(yù)測(cè)模型

摘要：吉林省是我國(guó)重要的商品糧生產(chǎn)基地，時(shí)間序列分析中的ARIMA（p，d，q）模型可以很好地反映吉林省的糧食生產(chǎn)狀況。利用吉林省1978—2012年的糧食產(chǎn)量數(shù)據(jù)，根據(jù)時(shí)間序列分析法，通過(guò)Eviews軟件得到吉林省糧食產(chǎn)量預(yù)測(cè)模型，由該模型預(yù)測(cè)吉林省未來(lái)糧食產(chǎn)量呈現(xiàn)穩(wěn)中增長(zhǎng)的勢(shì)頭，但增產(chǎn)幅度逐漸減弱。

關(guān)鍵詞：吉林?。粫r(shí)間序列分析；糧食；產(chǎn)量；預(yù)測(cè)模型

中圖分類號(hào)： F326.11文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2014）10-0478-02

收稿日期：2013-12-14

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：31160103）。

作者簡(jiǎn)介：何延治（1966—），男，吉林龍井人，碩士，副教授，從事計(jì)量經(jīng)濟(jì)學(xué)研究。E-mail：yzhe@ybu.edu.cn。吉林省是一個(gè)農(nóng)業(yè)大省，是我國(guó)重要的糧食主產(chǎn)區(qū)，吉林省糧食生產(chǎn)對(duì)全國(guó)糧食安全具有舉足輕重的作用。能夠準(zhǔn)確預(yù)測(cè)吉林省的糧食產(chǎn)量對(duì)吉林省乃至全國(guó)農(nóng)業(yè)發(fā)展具有重要的意義[1]。本研究利用吉林省1978—2012年的糧食產(chǎn)量數(shù)據(jù)，選用時(shí)間序列分析中的ARIMA（p，d，q）模型，建立吉林省糧食產(chǎn)量預(yù)測(cè)模型，并用該模型擬和吉林省2011年和2012年的糧食產(chǎn)量，同時(shí)預(yù)測(cè)吉林省2013年和2014年的糧食產(chǎn)量，這可為指導(dǎo)吉林省糧食生產(chǎn)提供科學(xué)的理論依據(jù)。

1時(shí)間序列分析方法

時(shí)間序列分析方法是由美國(guó)著名統(tǒng)計(jì)學(xué)家博克斯和英國(guó)的詹金斯于1976年提出，簡(jiǎn)稱B-J方法，是一種應(yīng)用廣泛的數(shù)量分析方法，主要用于描述和探索現(xiàn)象隨時(shí)間發(fā)展變化的數(shù)量規(guī)律，是一種時(shí)間序列短期預(yù)測(cè)方法。時(shí)間序列預(yù)測(cè)是通過(guò)對(duì)預(yù)測(cè)目標(biāo)自身時(shí)間序列的處理來(lái)研究其變化趨勢(shì)，即通過(guò)時(shí)間序列的歷史數(shù)據(jù)，揭示現(xiàn)象隨時(shí)間變化的規(guī)律，將這種規(guī)律延伸到未來(lái)，從而對(duì)該現(xiàn)象的未來(lái)作出預(yù)測(cè)。時(shí)間序列分析中的預(yù)測(cè)模型不同于其他計(jì)量經(jīng)濟(jì)預(yù)測(cè)模型的一個(gè)重要特點(diǎn)是不考慮被研究變量以外的任何其他變量，而是依靠被研究變量本身的外推機(jī)制來(lái)描述經(jīng)濟(jì)變量的變化，強(qiáng)調(diào)讓數(shù)據(jù)自己說(shuō)話，重點(diǎn)分析時(shí)間序列本身的隨機(jī)性[2-3]。這也是本研究采用該方法的主要原因。

2時(shí)間序列模型

時(shí)間序列基本模型有3種：自回歸模型（autoregressive model），簡(jiǎn)稱AR模型；移動(dòng)平均模型（moving average model），簡(jiǎn)稱MA模型；自回歸移動(dòng)平均模型（autoregressive moving average model），簡(jiǎn)稱ARMA模型，前2種模型是它的特殊形式。這3種模型均只適用于平穩(wěn)的時(shí)間序列。但是，實(shí)際問(wèn)題中，許多時(shí)間序列并不近似為平穩(wěn)的時(shí)間序列，因此不能直接用非平穩(wěn)的時(shí)間序列建立模型，需要通過(guò)差分處理，產(chǎn)生一個(gè)平穩(wěn)的新的時(shí)間序列，再用ARMA模型建模，

4結(jié)論

時(shí)間序列分析法是一種重要的預(yù)測(cè)方法，其模型比較簡(jiǎn)單，對(duì)資料的要求比較單一，只需變量本身的歷史數(shù)據(jù)，在實(shí)際應(yīng)用中有廣泛的適用性。在應(yīng)用中需根據(jù)所要解決的問(wèn)題及其特點(diǎn)等因素，綜合考慮并選擇相對(duì)最優(yōu)的模型。由研究建立的ARIMA（1，1，1） 模型預(yù)測(cè)分析可知，吉林省未來(lái)糧食產(chǎn)量呈現(xiàn)穩(wěn)中增長(zhǎng)的勢(shì)頭，但增產(chǎn)幅度將逐漸減弱。

為更好地進(jìn)行吉林省糧食生產(chǎn)，提高吉林省糧食生產(chǎn)的產(chǎn)量，要堅(jiān)持穩(wěn)定面積、主攻糧食單產(chǎn)的總方針，向科學(xué)技術(shù)要產(chǎn)量，要不斷加強(qiáng)高標(biāo)準(zhǔn)農(nóng)田建設(shè)，深入實(shí)施測(cè)土配方施肥，加強(qiáng)病蟲(chóng)害監(jiān)測(cè)與防控能力建設(shè)，加快農(nóng)作物新品種和高效耕作技術(shù)的研發(fā)推廣，促進(jìn)農(nóng)產(chǎn)品合理高效流通，充分調(diào)動(dòng)農(nóng)民的生產(chǎn)積極性。

參考文獻(xiàn)：

[1]王波，郭夜白，高來(lái)斌，等. 最優(yōu)加權(quán)預(yù)測(cè)在吉林省糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，30（5）：760-763.

[2]潘紅宇. 時(shí)間序列分析[M]. 北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2006：45-97.

[3]張樹(shù)京，齊立心. 時(shí)間序列分析簡(jiǎn)明教程[M]. 北京：北方交通大學(xué)出版社，2003：33-84.

[4]樊亮，常迎香，李菊梅. 時(shí)間序列分析模型在甘肅省GDP中的應(yīng)用[J]. 甘肅科學(xué)學(xué)報(bào)，2009，21（4）：140-142.

[5]張曉杰，張希良. 時(shí)間序列分析模型在山東省糧食總產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 水土保持研究，2007，14（3）：309-311.

[6]王延停，杜院錄，賈利新. 時(shí)間序列分析在糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 河南科學(xué)，2011，29（5）：520-523.

[7]王燕. 應(yīng)用時(shí)間序列分析[M]. 北京：中國(guó)人民大學(xué)出版社，2005：45-60.

[8]于平福，陸宇明，韋莉萍，等. 基于小波廣義回歸神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)模型[J]. 湖北農(nóng)業(yè)科學(xué)，2011，50（10）：2135-2137.

[9]張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)軟件EViews使用指南[M]. 天津：南開(kāi)大學(xué)出版社，2003：232-242.

[10]張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)[M]. 天津：南開(kāi)大學(xué)出版社，2001：282-341.endprint

摘要：吉林省是我國(guó)重要的商品糧生產(chǎn)基地，時(shí)間序列分析中的ARIMA（p，d，q）模型可以很好地反映吉林省的糧食生產(chǎn)狀況。利用吉林省1978—2012年的糧食產(chǎn)量數(shù)據(jù)，根據(jù)時(shí)間序列分析法，通過(guò)Eviews軟件得到吉林省糧食產(chǎn)量預(yù)測(cè)模型，由該模型預(yù)測(cè)吉林省未來(lái)糧食產(chǎn)量呈現(xiàn)穩(wěn)中增長(zhǎng)的勢(shì)頭，但增產(chǎn)幅度逐漸減弱。

關(guān)鍵詞：吉林省；時(shí)間序列分析；糧食；產(chǎn)量；預(yù)測(cè)模型

中圖分類號(hào)： F326.11文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2014）10-0478-02

收稿日期：2013-12-14

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：31160103）。

作者簡(jiǎn)介：何延治（1966—），男，吉林龍井人，碩士，副教授，從事計(jì)量經(jīng)濟(jì)學(xué)研究。E-mail：yzhe@ybu.edu.cn。吉林省是一個(gè)農(nóng)業(yè)大省，是我國(guó)重要的糧食主產(chǎn)區(qū)，吉林省糧食生產(chǎn)對(duì)全國(guó)糧食安全具有舉足輕重的作用。能夠準(zhǔn)確預(yù)測(cè)吉林省的糧食產(chǎn)量對(duì)吉林省乃至全國(guó)農(nóng)業(yè)發(fā)展具有重要的意義[1]。本研究利用吉林省1978—2012年的糧食產(chǎn)量數(shù)據(jù)，選用時(shí)間序列分析中的ARIMA（p，d，q）模型，建立吉林省糧食產(chǎn)量預(yù)測(cè)模型，并用該模型擬和吉林省2011年和2012年的糧食產(chǎn)量，同時(shí)預(yù)測(cè)吉林省2013年和2014年的糧食產(chǎn)量，這可為指導(dǎo)吉林省糧食生產(chǎn)提供科學(xué)的理論依據(jù)。

1時(shí)間序列分析方法

時(shí)間序列分析方法是由美國(guó)著名統(tǒng)計(jì)學(xué)家博克斯和英國(guó)的詹金斯于1976年提出，簡(jiǎn)稱B-J方法，是一種應(yīng)用廣泛的數(shù)量分析方法，主要用于描述和探索現(xiàn)象隨時(shí)間發(fā)展變化的數(shù)量規(guī)律，是一種時(shí)間序列短期預(yù)測(cè)方法。時(shí)間序列預(yù)測(cè)是通過(guò)對(duì)預(yù)測(cè)目標(biāo)自身時(shí)間序列的處理來(lái)研究其變化趨勢(shì)，即通過(guò)時(shí)間序列的歷史數(shù)據(jù)，揭示現(xiàn)象隨時(shí)間變化的規(guī)律，將這種規(guī)律延伸到未來(lái)，從而對(duì)該現(xiàn)象的未來(lái)作出預(yù)測(cè)。時(shí)間序列分析中的預(yù)測(cè)模型不同于其他計(jì)量經(jīng)濟(jì)預(yù)測(cè)模型的一個(gè)重要特點(diǎn)是不考慮被研究變量以外的任何其他變量，而是依靠被研究變量本身的外推機(jī)制來(lái)描述經(jīng)濟(jì)變量的變化，強(qiáng)調(diào)讓數(shù)據(jù)自己說(shuō)話，重點(diǎn)分析時(shí)間序列本身的隨機(jī)性[2-3]。這也是本研究采用該方法的主要原因。

2時(shí)間序列模型

時(shí)間序列基本模型有3種：自回歸模型（autoregressive model），簡(jiǎn)稱AR模型；移動(dòng)平均模型（moving average model），簡(jiǎn)稱MA模型；自回歸移動(dòng)平均模型（autoregressive moving average model），簡(jiǎn)稱ARMA模型，前2種模型是它的特殊形式。這3種模型均只適用于平穩(wěn)的時(shí)間序列。但是，實(shí)際問(wèn)題中，許多時(shí)間序列并不近似為平穩(wěn)的時(shí)間序列，因此不能直接用非平穩(wěn)的時(shí)間序列建立模型，需要通過(guò)差分處理，產(chǎn)生一個(gè)平穩(wěn)的新的時(shí)間序列，再用ARMA模型建模，

4結(jié)論

時(shí)間序列分析法是一種重要的預(yù)測(cè)方法，其模型比較簡(jiǎn)單，對(duì)資料的要求比較單一，只需變量本身的歷史數(shù)據(jù)，在實(shí)際應(yīng)用中有廣泛的適用性。在應(yīng)用中需根據(jù)所要解決的問(wèn)題及其特點(diǎn)等因素，綜合考慮并選擇相對(duì)最優(yōu)的模型。由研究建立的ARIMA（1，1，1） 模型預(yù)測(cè)分析可知，吉林省未來(lái)糧食產(chǎn)量呈現(xiàn)穩(wěn)中增長(zhǎng)的勢(shì)頭，但增產(chǎn)幅度將逐漸減弱。

為更好地進(jìn)行吉林省糧食生產(chǎn)，提高吉林省糧食生產(chǎn)的產(chǎn)量，要堅(jiān)持穩(wěn)定面積、主攻糧食單產(chǎn)的總方針，向科學(xué)技術(shù)要產(chǎn)量，要不斷加強(qiáng)高標(biāo)準(zhǔn)農(nóng)田建設(shè)，深入實(shí)施測(cè)土配方施肥，加強(qiáng)病蟲(chóng)害監(jiān)測(cè)與防控能力建設(shè)，加快農(nóng)作物新品種和高效耕作技術(shù)的研發(fā)推廣，促進(jìn)農(nóng)產(chǎn)品合理高效流通，充分調(diào)動(dòng)農(nóng)民的生產(chǎn)積極性。

參考文獻(xiàn)：

[1]王波，郭夜白，高來(lái)斌，等. 最優(yōu)加權(quán)預(yù)測(cè)在吉林省糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，30（5）：760-763.

[2]潘紅宇. 時(shí)間序列分析[M]. 北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2006：45-97.

[3]張樹(shù)京，齊立心. 時(shí)間序列分析簡(jiǎn)明教程[M]. 北京：北方交通大學(xué)出版社，2003：33-84.

[4]樊亮，常迎香，李菊梅. 時(shí)間序列分析模型在甘肅省GDP中的應(yīng)用[J]. 甘肅科學(xué)學(xué)報(bào)，2009，21（4）：140-142.

[5]張曉杰，張希良. 時(shí)間序列分析模型在山東省糧食總產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 水土保持研究，2007，14（3）：309-311.

[6]王延停，杜院錄，賈利新. 時(shí)間序列分析在糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 河南科學(xué)，2011，29（5）：520-523.

[7]王燕. 應(yīng)用時(shí)間序列分析[M]. 北京：中國(guó)人民大學(xué)出版社，2005：45-60.

[8]于平福，陸宇明，韋莉萍，等. 基于小波廣義回歸神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)模型[J]. 湖北農(nóng)業(yè)科學(xué)，2011，50（10）：2135-2137.

[9]張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)軟件EViews使用指南[M]. 天津：南開(kāi)大學(xué)出版社，2003：232-242.

[10]張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)[M]. 天津：南開(kāi)大學(xué)出版社，2001：282-341.endprint

摘要：吉林省是我國(guó)重要的商品糧生產(chǎn)基地，時(shí)間序列分析中的ARIMA（p，d，q）模型可以很好地反映吉林省的糧食生產(chǎn)狀況。利用吉林省1978—2012年的糧食產(chǎn)量數(shù)據(jù)，根據(jù)時(shí)間序列分析法，通過(guò)Eviews軟件得到吉林省糧食產(chǎn)量預(yù)測(cè)模型，由該模型預(yù)測(cè)吉林省未來(lái)糧食產(chǎn)量呈現(xiàn)穩(wěn)中增長(zhǎng)的勢(shì)頭，但增產(chǎn)幅度逐漸減弱。

關(guān)鍵詞：吉林省；時(shí)間序列分析；糧食；產(chǎn)量；預(yù)測(cè)模型

中圖分類號(hào)： F326.11文獻(xiàn)標(biāo)志碼： A文章編號(hào)：1002-1302（2014）10-0478-02

收稿日期：2013-12-14

基金項(xiàng)目：國(guó)家自然科學(xué)基金（編號(hào)：31160103）。

作者簡(jiǎn)介：何延治（1966—），男，吉林龍井人，碩士，副教授，從事計(jì)量經(jīng)濟(jì)學(xué)研究。E-mail：yzhe@ybu.edu.cn。吉林省是一個(gè)農(nóng)業(yè)大省，是我國(guó)重要的糧食主產(chǎn)區(qū)，吉林省糧食生產(chǎn)對(duì)全國(guó)糧食安全具有舉足輕重的作用。能夠準(zhǔn)確預(yù)測(cè)吉林省的糧食產(chǎn)量對(duì)吉林省乃至全國(guó)農(nóng)業(yè)發(fā)展具有重要的意義[1]。本研究利用吉林省1978—2012年的糧食產(chǎn)量數(shù)據(jù)，選用時(shí)間序列分析中的ARIMA（p，d，q）模型，建立吉林省糧食產(chǎn)量預(yù)測(cè)模型，并用該模型擬和吉林省2011年和2012年的糧食產(chǎn)量，同時(shí)預(yù)測(cè)吉林省2013年和2014年的糧食產(chǎn)量，這可為指導(dǎo)吉林省糧食生產(chǎn)提供科學(xué)的理論依據(jù)。

1時(shí)間序列分析方法

時(shí)間序列分析方法是由美國(guó)著名統(tǒng)計(jì)學(xué)家博克斯和英國(guó)的詹金斯于1976年提出，簡(jiǎn)稱B-J方法，是一種應(yīng)用廣泛的數(shù)量分析方法，主要用于描述和探索現(xiàn)象隨時(shí)間發(fā)展變化的數(shù)量規(guī)律，是一種時(shí)間序列短期預(yù)測(cè)方法。時(shí)間序列預(yù)測(cè)是通過(guò)對(duì)預(yù)測(cè)目標(biāo)自身時(shí)間序列的處理來(lái)研究其變化趨勢(shì)，即通過(guò)時(shí)間序列的歷史數(shù)據(jù)，揭示現(xiàn)象隨時(shí)間變化的規(guī)律，將這種規(guī)律延伸到未來(lái)，從而對(duì)該現(xiàn)象的未來(lái)作出預(yù)測(cè)。時(shí)間序列分析中的預(yù)測(cè)模型不同于其他計(jì)量經(jīng)濟(jì)預(yù)測(cè)模型的一個(gè)重要特點(diǎn)是不考慮被研究變量以外的任何其他變量，而是依靠被研究變量本身的外推機(jī)制來(lái)描述經(jīng)濟(jì)變量的變化，強(qiáng)調(diào)讓數(shù)據(jù)自己說(shuō)話，重點(diǎn)分析時(shí)間序列本身的隨機(jī)性[2-3]。這也是本研究采用該方法的主要原因。

2時(shí)間序列模型

時(shí)間序列基本模型有3種：自回歸模型（autoregressive model），簡(jiǎn)稱AR模型；移動(dòng)平均模型（moving average model），簡(jiǎn)稱MA模型；自回歸移動(dòng)平均模型（autoregressive moving average model），簡(jiǎn)稱ARMA模型，前2種模型是它的特殊形式。這3種模型均只適用于平穩(wěn)的時(shí)間序列。但是，實(shí)際問(wèn)題中，許多時(shí)間序列并不近似為平穩(wěn)的時(shí)間序列，因此不能直接用非平穩(wěn)的時(shí)間序列建立模型，需要通過(guò)差分處理，產(chǎn)生一個(gè)平穩(wěn)的新的時(shí)間序列，再用ARMA模型建模，

4結(jié)論

時(shí)間序列分析法是一種重要的預(yù)測(cè)方法，其模型比較簡(jiǎn)單，對(duì)資料的要求比較單一，只需變量本身的歷史數(shù)據(jù)，在實(shí)際應(yīng)用中有廣泛的適用性。在應(yīng)用中需根據(jù)所要解決的問(wèn)題及其特點(diǎn)等因素，綜合考慮并選擇相對(duì)最優(yōu)的模型。由研究建立的ARIMA（1，1，1） 模型預(yù)測(cè)分析可知，吉林省未來(lái)糧食產(chǎn)量呈現(xiàn)穩(wěn)中增長(zhǎng)的勢(shì)頭，但增產(chǎn)幅度將逐漸減弱。

為更好地進(jìn)行吉林省糧食生產(chǎn)，提高吉林省糧食生產(chǎn)的產(chǎn)量，要堅(jiān)持穩(wěn)定面積、主攻糧食單產(chǎn)的總方針，向科學(xué)技術(shù)要產(chǎn)量，要不斷加強(qiáng)高標(biāo)準(zhǔn)農(nóng)田建設(shè)，深入實(shí)施測(cè)土配方施肥，加強(qiáng)病蟲(chóng)害監(jiān)測(cè)與防控能力建設(shè)，加快農(nóng)作物新品種和高效耕作技術(shù)的研發(fā)推廣，促進(jìn)農(nóng)產(chǎn)品合理高效流通，充分調(diào)動(dòng)農(nóng)民的生產(chǎn)積極性。

參考文獻(xiàn)：

[1]王波，郭夜白，高來(lái)斌，等. 最優(yōu)加權(quán)預(yù)測(cè)在吉林省糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 吉林農(nóng)業(yè)大學(xué)學(xué)報(bào)，2008，30（5）：760-763.

[2]潘紅宇. 時(shí)間序列分析[M]. 北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2006：45-97.

[3]張樹(shù)京，齊立心. 時(shí)間序列分析簡(jiǎn)明教程[M]. 北京：北方交通大學(xué)出版社，2003：33-84.

[4]樊亮，常迎香，李菊梅. 時(shí)間序列分析模型在甘肅省GDP中的應(yīng)用[J]. 甘肅科學(xué)學(xué)報(bào)，2009，21（4）：140-142.

[5]張曉杰，張希良. 時(shí)間序列分析模型在山東省糧食總產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 水土保持研究，2007，14（3）：309-311.

[6]王延停，杜院錄，賈利新. 時(shí)間序列分析在糧食產(chǎn)量預(yù)測(cè)中的應(yīng)用[J]. 河南科學(xué)，2011，29（5）：520-523.

[7]王燕. 應(yīng)用時(shí)間序列分析[M]. 北京：中國(guó)人民大學(xué)出版社，2005：45-60.

[8]于平福，陸宇明，韋莉萍，等. 基于小波廣義回歸神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量預(yù)測(cè)模型[J]. 湖北農(nóng)業(yè)科學(xué)，2011，50（10）：2135-2137.

[9]張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)軟件EViews使用指南[M]. 天津：南開(kāi)大學(xué)出版社，2003：232-242.

[10]張曉峒. 計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)[M]. 天津：南開(kāi)大學(xué)出版社，2001：282-341.endprint