时间序列在预测安徽省粮食产量中的应用ARMA模型.doc

时间序列在预测安徽省粮食产量中的应用—ARMA模型 一、问题的提出 自古以来，民以食为天，粮食作为一种特殊的商品倍受人们的关注。粮食生产预测也历来受到各国政府与学者的普遍关注。目前国际上预测谷物产量的方法主要有三种：气象产量预测法、遥感技术预测法、统计动力学生长模拟法。根据文献报导，气象预测法和遥感技术预测法的预测误差通常为产量的5％一l0％，统计动力学生长模拟法由于数据获取困难，仍处于小范围试验阶段。国内外也已经建立了不少反映农产品供给反应的模型，如FAO的GIEWS系统，ERS的CCAP模型，罗斯格兰特等人的IMPACT模型，黄季煜的CAPSIM模型。因为地域、环境、政策的不同，粮食产量的形成过程也就不相同，模型就不能完全适用，基于此，本节探讨利用ARMA模型构建单变量的粮食产量短期预测系统。 二、方法选择 建立随机时间序列模型，首先应当考虑研究对象的性质（时间序列的随机性、平稳性和季节性），以判断它是否满足建模的条件。如果序列不符合ARMA模型的条件，应考虑对原序列做适当调整，进而分析新序列是否能够用ARMA模型。 运用ARMA模型研究时间序列，最重要的工具是自相关和偏相关。EVIEWS可以同时给出自相关和偏自相关数值及分析图。 若模型经检验是合适的，同时也符合实际意义，可以用于短期预测。 三、统计指标和数据收集 时间总产值时间总产值时间总产值19497823471968144676719873494473195083306719691316216198835002091951945067197016213321989356758819529726491971168268619903714061195399312819721785504199131578791954101573419731820508199238444271955130301319741859265199343094041956110270719751865545199444462761957126419019761976376199550796251958119614919771780060199656695341959996308197817679671997625265419608629451979191235119986291171196168117319801900053199968070471962817652198123374642000692005419638721721982250416420017113463196412552821983253810920027425395196512457341984289268720037007308196613379781985323129120047640445196714308971986334039620057818436资料来源：1949-1999来自《安徽统计年鉴2000》，2000年以后的数据来自《安徽统计年鉴2006》 四、学习目的和要求 （一）教学目的 1、通过本案例的教学，使学生掌握平稳时间序列的建模； 2、理解短期预测与长期预测的区别； 3、学会消除趋势性和季节性。 （二）教学要求 1、理解平稳时间序列的概念； 2、会使用单位根检验； 3、会使用自相关图。 五、讨论的问题 1、安徽省粮食生产总量有什么样的发展趋势，这个趋势用什么模型拟合最合适？ 2、模型中的参数如何选择？并加以解释。 3、对未来几年（2006年至2010年）的产量进行预测，并对误差加以解释。 六、撰写分析报告 学生做完案例后，应提交一份报告，以便在讨论课中进行交流分析和研讨。分析报告的具体要求： 1???研究的目的； 2、所依据的数据以及特征说明； 3、采用的统计分析方法及原因说明 4、写出上机操作的运算过程和运算结果（包括数据和图表结果） 写出结论，并对结论进行分析和评论，提出改进的建议或新思路。