时间序列在预测安徽省粮食产量中的应用—ARMA模型.docVIP

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 1949 782347 1968 1446767 1987 3494473 1950 833067 1969 1316216 1988 3500209 1951 945067 1970 1621332 1989 3567588 1952 972649 1971 1682686 1990 3714061 1953 993128 1972 1785504 1991 3157879 1954 1015734 1973 1820508 1992 3844427 1955 1303013 1974 1859265 1993 4309404 1956 1102707 1975 1865545 1994 4446276 1957 1264190 1976 1976376 1995 5079625 1958 1196149 1977 1780060 1996 5669534 1959 996308 1978 1767967 1997 6252654 1960 862945 1979 1912351 1998 6291171 1961 681173 1980 1900053 1999 6807047 1962 817652 1981 2337464 2000 6920054 1963 872172 1982 2504164 2001 7113463 1964 1255282 1983 2538109 2002 7425395 1965 1245734 1984 2892687 2003 7007308 1966 1337978 1985 3231291 2004 7640445 1967 1430897 1986 3340396 2005 7818436 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。