转移函数模型及其在我国粮食产量预测中的应用研究.pdfVIP

转移函数模型及其在我国粮食产量预测中的应用研究 孟毅 辽宁工程技术大学工商管理学院（123000 ） E-mail ：mengyi_yong@ 摘 要：转移函数模型是一类多变量时间序列模型，它在表达系统动态影响机制方面有着独 到的优势。本文将转移函数模型应用于我国粮食产量的预测，并且与ARIMA 模型进行了比 较分析，说明了回归项的引入有利于提高模型的拟合效果。 关键词：转移函数，ARIMA 模型，粮食产量预测 1 引 言 预测粮食作物产量的变化趋势对国家粮食安全、政策宏观调控和区域结构调整有着十分 重要的意义。目前我国粮食供给基本满足粮食需求，但相当部分需要依赖进口。考虑到国家 间基于国家利益的竞争日趋激烈，为避免在粮食短缺时其他国家以出口粮食进行要挟，粮食 安全的维护必须以国内供给为基础。而准确地对粮食产量进行预测，对于安排粮食进出口、 存储、消费和农业生产计划都有非常重要的作用。 时间序列分析是处理动态数据的一种行之有效的参数化时域分析方法。它从数学模型出 发，获得数据的动态变化规律，从而可以达到控制和预测未来的目的。20 世纪70 年代美国 [1] 威斯康辛大学的Box 和Jenkins 提出了一套比较完善的动态数据的建模理论和方法 。单变 量的纯ARIMA 模型在显示变量的动态演变规律方面有着较为丰富的结构。但是它没有涉及 [ 2] 其他变量，因此无法表达经济系统中变量间的相互影响关系 。因此当数据本身存在外生 变量的影响时，可以考虑在ARIMA 模型中引入回归项，建立带回归项的ARIMA 模型，即 [3] 转移函数模型，是解决这一问题的有效方法 。文献[4]和文献[5]都在不同的时间段对我国 粮食产量时间数列建立了ARIMA 模型，取得了比较好的预测效果。但是由于ARIMA 模型 适合短期预测，而且在2000 年我国的粮食产量出现大幅下降，原有的模型可能已不能很好 的拟合我国粮食产量的数列，因此本文拟通过SAS 软件建立带有回归项的ARIMA 模型（即 转移函数模型），对我国的粮食总产量状况进行预测，并与单纯ARIMA 比较分析，为我国 粮食产量的预测找到一种有效、实用的方法。 2 模型的概念和方法 2.1 ARIMA 模型 ARIMA 模型又称博克斯-詹金斯模型（Box-Jenkins Model ），简称B-J 模型，它是由美 国统计学家Geogre E.P.Box 和英国统计学家Gwilym M.Jenkins 于1970 年提出的一种时间序 列预测方法。用公式表示为： y ϕy =+ϕ y +L +ϕ y +a −θa −L −θ a （1） t 1 t −1 2 t −2 p t −p t 1 t−1 q t−q 其中，y (t 1,2,L ) 为平稳时间序列，p ，q 分别为自回归阶数、滑动平均阶数。其 t 建模基本思想可归结如下： - 1 - (1) 根据时间序列的散点图，自相关函数（ACF ）图和偏自相关函数（PACF ）图，观 察其方差、趋势及其季节性变动规律，识别该序列的平稳性，平稳性的检验通常采用DF 或 [6] ADF 单位根检验 ； (2) 对数据进行平稳化处理。如果数据序列存在一定的趋势（如增长趋势、下降趋势等）， 则需对数据进行差分处理；如果数据序列存在异方差性，则需对数据进行对数转换，或者对 数据进行开方处理，直到处理后的数据自相关函数值有迅速趋近于