摘要:通過2009年~2018年中國(guó)茶產(chǎn)業(yè)銷售市場(chǎng)數(shù)據(jù)分析,在學(xué)術(shù)界首次創(chuàng)新運(yùn)用灰色Verhulst模型建模并預(yù)測(cè)2019年、2020年、2021年未來三年中國(guó)茶葉產(chǎn)業(yè)銷售市場(chǎng)規(guī)模,提高茶產(chǎn)業(yè)市場(chǎng)的資源配置效率,同時(shí)為茶葉生產(chǎn)鏈各利益相關(guān)者提供生產(chǎn)、銷售決策依據(jù)。
關(guān)鍵詞:灰色模型;商貿(mào)流通;茶葉產(chǎn)業(yè)市場(chǎng);預(yù)測(cè)
中圖分類號(hào):F323;F327;F724文獻(xiàn)識(shí)別碼:A文章編號(hào):
2096-3157(2020)05-0042-03
中國(guó)是世界茶葉的發(fā)源地,也是世界最大的茶葉生產(chǎn)國(guó)和出口國(guó)。隨著經(jīng)濟(jì)的發(fā)展,茶葉文化的普及、消費(fèi)者消費(fèi)觀念的轉(zhuǎn)變,越來越多的年輕人把飲茶作為生活習(xí)慣和生活態(tài)度,中青年消費(fèi)者正替代老年消費(fèi)者成為中國(guó)茶葉消費(fèi)市場(chǎng)的主流消費(fèi)人群。經(jīng)過2013年、2014年、2015年震蕩調(diào)整,中國(guó)茶葉市場(chǎng)消費(fèi)空間擴(kuò)大,消費(fèi)者群體結(jié)構(gòu)發(fā)生改變。中國(guó)商貿(mào)流通中茶葉市場(chǎng)占據(jù)了及其重要的地位。在中國(guó)茶葉市場(chǎng)的研究中,學(xué)者們對(duì)茶產(chǎn)業(yè)規(guī)模研究集中于茶葉出口貿(mào)易、茶葉產(chǎn)量、茶葉物流市場(chǎng)等預(yù)測(cè)及趨勢(shì)分析,目前,尚沒有學(xué)者對(duì)中國(guó)商貿(mào)流通中茶葉市場(chǎng)規(guī)模進(jìn)行預(yù)測(cè)與分析。
本文擬對(duì)?2009年~2018年以來我國(guó)茶葉內(nèi)銷市場(chǎng)進(jìn)行研究,運(yùn)用灰色系統(tǒng)模型,預(yù)測(cè)未來?3?年(2019年~2021年)我國(guó)的茶葉內(nèi)銷市場(chǎng)規(guī)模。
一、中國(guó)國(guó)內(nèi)銷售市場(chǎng)分析
茶葉流通協(xié)會(huì)數(shù)據(jù)統(tǒng)計(jì),2018年中國(guó)茶葉國(guó)內(nèi)銷售量較2017年增加5.15%,達(dá)到191.05萬噸,茶葉國(guó)內(nèi)銷售價(jià)格為每公斤139.3元,同比增長(zhǎng)5.2%,截至2018年,中國(guó)茶葉國(guó)內(nèi)銷售市場(chǎng)達(dá)到2661億元。
圖1?2009年~2018年茶葉國(guó)內(nèi)銷售市場(chǎng)分析圖
數(shù)據(jù)來源:中國(guó)統(tǒng)計(jì)年鑒、中國(guó)茶葉流通協(xié)會(huì)相關(guān)數(shù)據(jù)整理分析
中國(guó)2009年~2018年茶葉國(guó)內(nèi)銷售市場(chǎng)由2009年89.02萬噸增加到2019年191.05萬噸,年平均增加率為8.92%,中國(guó)2009年~2018年茶葉產(chǎn)量規(guī)模從135.06萬噸到261.04萬噸,年平均增加率為7.63%。
二、灰色Verhulst模型市場(chǎng)預(yù)測(cè)
1.數(shù)據(jù)分析
本文統(tǒng)計(jì)數(shù)據(jù)來源中國(guó)茶葉流通協(xié)會(huì)及中國(guó)統(tǒng)計(jì)年鑒2009年~2018年相關(guān)數(shù)據(jù)。
2.灰色Verhulst模型
灰色系統(tǒng)理論是由我國(guó)學(xué)者鄧聚龍教授提出,是研究少數(shù)據(jù)不確定性的理論。
(1)級(jí)比檢驗(yàn)、建模可行性判斷
設(shè)原始序列為x(0)(k),級(jí)比σ(0)(k)為:
σ(0)(k)=x(0)(k-1)x(0)(k)
若滿足σ(0)(k)∈(e-2n+1,e2n+1)
則認(rèn)為,x(0)(k)是可以作為GM(1,1)建模和進(jìn)行數(shù)列灰預(yù)測(cè)。
(2)累加生成(1-IAGO)
做一次累加后,生成(1-IAGO):
x(1)(k)=∑ki=1x(0)(i),k=1,2,3,...,n,通過1-IAGO弱化了數(shù)據(jù)的波動(dòng)性。
(3)GM(1,1)冪模型
z(1)為x(1)的緊鄰均值生成序列:則GM(1,1)冪模型為:
x(0)(k)+az(1)(k)=b(z(1)(k))a
(4)灰色Verhulst模型及求解
均方差比值C=S2S1,對(duì)于給定的c0,C (4)小誤差概率 小誤差概率為:p=p(|ε(k)-|<0.6745S1),對(duì)于給定的p0,P 精度檢驗(yàn)中,平均相對(duì)誤差和模擬誤差都要求越小越好,絕對(duì)關(guān)聯(lián)度要求越大越好,均方差比值越小越好,說明殘差方差小,原始序列方差大,小誤差概率越大越好。 4.模擬測(cè)算 (1)事前檢測(cè) 原始序列: 經(jīng)序列級(jí)比驗(yàn)算,原始序列滿足G(1.1)建模條件。 (2)預(yù)測(cè)分析 第一步:原始序列的1-IAGO。 1-iAGO序列:89.02,9.79,10.80,14.40,9.82,16.42,17.66,3.15,10.64,9.35, 第二步:(1-IAGO)的緊鄰均值生成。 緊鄰均值生成序列:93.92,104.21,116.81,128.92,142.04,159.08,169.49,176.38,186.38, 第三步:發(fā)展系數(shù)和灰色作用量的計(jì)算。 a=-0.203290?b=-0.000827 ax(1)(0)=-18.096857 a-bx(1)(0)=-0.129645 bx(1)(0)=-0.073645 第四步:模擬數(shù)據(jù)計(jì)算。 由此可以得到(1)(k)模擬值如表2 (3)模型精度分析 第一種方法:計(jì)算平均相對(duì)誤差。 由表1可得到平均相對(duì)誤差: Δ=199k=1Δk=1.64% 灰色Verhulst模型平均相對(duì)精度:99.9836% 進(jìn)驗(yàn)算,對(duì)比表1得出相對(duì)誤差檢測(cè)灰色Verhulst模型精度等級(jí)二級(jí)。 第二種方法:計(jì)算灰色絕對(duì)關(guān)聯(lián)度η。 第一步:序列的始點(diǎn)零化像。 原始序列x(0)(k)始點(diǎn)零化像:0.0000,9.7900,20.5900,34.9900,44.8100,61.2300,78.8900,82.0400,92.6800,102.0300 模擬序列(0)(k)始點(diǎn)零化像:0.0000,11.8300,24.1000,36.5700,48.9800,61.0900,72.6600,83.5200,93.5200,102.0400 第二步:計(jì)算|s0|、|si|、|si-s0|。 |s0|=476.0350,|si|=483.2900,|si-s0|=7.2550 絕對(duì)關(guān)聯(lián)度η=0.9925 進(jìn)行驗(yàn)算,對(duì)比表1得出絕對(duì)誤差檢測(cè)灰色Verhulst模型精度等級(jí)一級(jí)。 第三種方法:計(jì)算均方差比C。 s1=34.171433,s2=2.698608,c=0.078973<0.35 進(jìn)行驗(yàn)算,對(duì)比表1得出均方差比檢測(cè)灰色Verhulst模型精度等級(jí)一級(jí)。 第四種方法:計(jì)算小誤差概率。 經(jīng)驗(yàn)算,對(duì)比表1得出小誤差概率檢驗(yàn)灰色Verhulst模型精度等級(jí)一級(jí)。 綜述所述,通過模型平均相對(duì)精度、灰色聚堆關(guān)聯(lián)度、均方差比和小誤差概率的檢驗(yàn),平均相對(duì)精度檢驗(yàn)灰色Verhulst模型為二級(jí),灰色聚堆關(guān)聯(lián)度、均方差比和小誤差概率檢驗(yàn)灰色Verhulst模型精度為一級(jí),證明模型是可行的。 5.預(yù)測(cè)分析 通過建立灰色Verhulst模型,預(yù)測(cè)2019年、2020年、2021年中國(guó)茶葉國(guó)內(nèi)銷售量如表3。 三、結(jié)果與分析 在對(duì)2009年~2018年原始數(shù)據(jù)的級(jí)比檢驗(yàn)基礎(chǔ)上,判斷建??尚?,,通過建立灰色Verhulst模型,得出2009年~2018年模擬數(shù)據(jù),再通過平均相對(duì)精度、灰色聚堆關(guān)聯(lián)度、均方差比和小誤差概率的檢驗(yàn),得出除平均相對(duì)精度檢測(cè)模型精度為二級(jí)外,其余三種檢測(cè)模型精度均為為一級(jí),證明所建立灰色Verhulst模型是可行的,最后預(yù)測(cè)出2019年~2021年中國(guó)茶葉國(guó)內(nèi)銷售量。中國(guó)茶葉國(guó)內(nèi)銷售量的灰色模擬值與實(shí)際值比較見圖2,據(jù)圖2分析模型擬合度較好,預(yù)測(cè)結(jié)果較為理想。預(yù)測(cè)數(shù)據(jù)得到2019年中國(guó)茶葉國(guó)內(nèi)銷售量將突破200萬噸,并且2019年~2021年三年茶葉銷售量都將達(dá)到200萬噸,并且呈現(xiàn)逐年增長(zhǎng)的趨勢(shì)。 圖2?中國(guó)2009年~2018年茶葉產(chǎn)量的灰色模擬值與實(shí)際值比較 四、討論 通過2009年~2018年中國(guó)國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)中國(guó)居民消費(fèi)價(jià)格指數(shù),測(cè)算出中國(guó)居民消費(fèi)價(jià)格指數(shù)年平均增長(zhǎng)率為2.55%,以2018年中國(guó)茶葉國(guó)內(nèi)銷售價(jià)格為每公斤139.3元為基數(shù),測(cè)算出,2019年~2021年中國(guó)茶葉國(guó)內(nèi)銷售價(jià)格為每公斤142.85元、146.49元、150.23元,再根據(jù)建立的灰色Verhulst模型預(yù)測(cè)2019年~2021年中國(guó)茶葉國(guó)內(nèi)銷售量,推算出2019年~2021年中國(guó)國(guó)內(nèi)茶葉銷售市場(chǎng)總共金額分別為2954億元、3121億元、3281億元,中國(guó)中國(guó)國(guó)內(nèi)茶葉銷售市場(chǎng)規(guī)模穩(wěn)定并呈逐年上升趨勢(shì)。 參考文獻(xiàn): [1]錢韌.適應(yīng)?“一帶一路”需求,提升中國(guó)茶葉國(guó)際競(jìng)爭(zhēng)力的對(duì)策研究[J].?福建茶葉,2017,(10):40~40. [2]吳瀟,陳紹志,趙榮.基于?GM(1,1)模型的中國(guó)油茶產(chǎn)業(yè)發(fā)展預(yù)測(cè)[J].林業(yè)經(jīng)濟(jì)問題,2017,(5):92~97. [3]薛亮.貴州省茶葉物流需求預(yù)測(cè)方法的比較研究[J].物流工程與管理,2019,(4):41~44. [4]邱海蓉,馮中朝.我國(guó)茶葉出口貿(mào)易的發(fā)展特征及趨勢(shì)分析[J].經(jīng)濟(jì)縱橫,2010,(5):113~115. [5]鄧聚龍.灰預(yù)測(cè)與灰決策[M].武漢:華中科技大學(xué)出版社:2002,(9):98~98 [6]胡克滿,胡海燕?基于灰色神經(jīng)網(wǎng)絡(luò)的茶葉產(chǎn)量預(yù)測(cè)算法[J].浙江農(nóng)業(yè)科學(xué),2019,(4):577~579,583. [7]劉思峰,謝乃明.灰色系統(tǒng)理論及其應(yīng)用[M].北京:科學(xué)出版社,2013. [8]邱慧,胡運(yùn)紅,馮青梅.基于新陳代謝和Verhulst灰色模型的山西省人口老齡化趨勢(shì)預(yù)測(cè)[J].數(shù)學(xué)的實(shí)踐與認(rèn)識(shí),2015,(13):192~197. [9]唐海軍,張瑞,何聰.萬源市茶葉產(chǎn)量的發(fā)展帶預(yù)測(cè)[J].華師范大學(xué)學(xué)報(bào)(自然科學(xué)版).2013,(4):418~421. [10]李佳禾.2018年中國(guó)茶葉市場(chǎng)消費(fèi)報(bào)告[EB/OL].www.sohu.com/a/307103886_307138. [11]方孝榮,丁希斌,李曉麗.基于灰色馬爾柯夫鏈模型的浙江省名優(yōu)茶產(chǎn)量預(yù)測(cè)[J].農(nóng)機(jī)化研究,2014,(7):18~21. [注]基金項(xiàng)目:四川省商務(wù)廳科研專項(xiàng)項(xiàng)目“精準(zhǔn)扶貧視角下西部農(nóng)村電子商務(wù)發(fā)展探析—以四川省為例”(川商綜合【2018】5號(hào)) 作者簡(jiǎn)介: 李志勤,四川商務(wù)職業(yè)學(xué)院,副教授,西南財(cái)經(jīng)大學(xué)MBA專業(yè)碩士;研究方向:管理學(xué),工商管理,農(nóng)業(yè)經(jīng)濟(jì)管理。