ARIMA计量技术下河南省农民增收预测模型探究.doc

ARIMA计量技术下河南省农民增收预测模型探究摘要：笔者根据河南省1978年～2005年的农民人均纯收入统计数据，将这些数据进行平稳化、零均值化处理，并利用时间序列的自相关函数，偏自相关函数的性质，确认数据所适合的模型。通过对样本数据所做的回归拟合模型定量分析，从而为河南省“十一”规划提供量化指标依据。 关键词：时间序列；ARIMA模型；农民收入；预测 作者简介：杨茂(1963－)，男，河南汝南人，河南工业大学副教授，管理学博士，主要从事管理理论研究。 中图分类号：F270　文献标识码：A　文章编号：1006－1096(2007)04－0110－03　收稿日期：2007－06－13 进入新世纪后，河南农村经济有了很大的发展，农民生活水平有了较大的提高。但从上世纪90年代后期以来，我省农民人均纯收入增长幅度明显地不稳定，农民人均纯收入增幅由1991年的2.34％上升到1995年的35.41％，然后又下降到2000年的1.92％，2000年以后农民的人均纯收入的增幅有了一定的提高，但总体来说还是比较缓慢，2001年和2002年虽然有所增加，但增幅只有5.64％和5.61％，最高增幅是2004年的14.2％，最低的是2003年的0.9％。农民增收困难已成为新世纪之初我省农业和农村工作中的突出问题。本文从计量经济的角度出发用ARIMA模型分析我省在过去28年间农民的人均纯收入，并通过此模型来预测我省在将来几年农民人均纯收入的值(赵蕾、陈美英，2007；石美娟，2005)。 一、ARIMA模型的建模步骤 时间序列模型是建立在随机序列平稳性假设的基础上的，因此时间序列的平稳性是建模的重要前提。 ARMA模型及ARIMA模型都是在平稳时间序列基础上建立的。任何非平稳时间序列只要通过适当阶数的差分运算就可以实现平稳，就可以对差分后的序列进行ARMA(p，q)拟合了(潘有仙、李均立，2005)。 ARIMA(p，d，q)模型的具体建模步骤流程图如图1所示。 二、河南省农民增收的ARIMA模型的建立和预测 我们用1978年至2005年河南省农民人均纯收入时间序列数据作为样本建立ARIMA模型，根据过去的数据得出其变化规律，建立预测模型，用此来预测未来的发展变化，人均收入用x。表示。表1为河南省1978年～2005年农民人均纯收入数值，介绍ARIMA模型的建模过程，并通过模型预测未来几年内河南省农民纯收入的变化情况。 由以上两个模型对2004的预测值和误差精度可以看出：2004年的误差精度比较差。造成这种现象的主要原因是在2003年度我国经历了“非典”的非常时期，正如引言中所提到的，2003年的农民人均纯收入较2002年只增加了0．9％，而2004年一切恢复正常，所以农民的人均纯收入也较2003年增加了14.2％。因此，对于这种非常时刻造成的差距悬殊是无法预料的，预测模型的精度也不能很好地说明问题。 (四)模型的预测 由2.3得出模型(2)优于模型(1)，所以我们用模型(2)对以后近几年农民人均纯收入的值进行预测得表2： 以上表2中的预测值只是所建立模型的预测值，并没有考虑到其他的特殊情况，如我国的扶农、助农政策，2008奥运会等等这些都会影响到河南农民人均纯收入的值，届时这些预测数据将会有一些上下浮动。 三、结论 ARIMA(p，d，q)模型对具有明显趋势的时间序列分析提供了很好的数学模型，它不依赖于变量所牵涉到的专业知识，只依靠样本数据本身来实现建模。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势的。借助历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测。其拟合模型是一种预测精度相当高的短期预测模型。本文通过对1978～2005年河南省农民人均纯收入数据的分析，利用ARIMA(d，p，q)模型拟合样本数据，用过去人均纯收入的值和过去误差来预测未来人均收入的走势。结果显示：该预测模型对河南省农民收入有较强的预测能力，从而为经济政策的调整和制定提供参考。 (编校：延　河) 1