基于SAS公路货运量预测.docVIP

基于SAS公路货运量预测 　　摘 要：公路运输是交通运输方式中最重要的方式之一，对国民经济的发展具有重要的意义，而货运是公路运输的一种重要职能，提前对货运量进行准确的预测对于公路部门安排运力和做好发展规划具有一定的指导意义。本文主要利用自回归移动平均（ARMA）模型的基本思想，基本理论以及一般模型，对1985年至2011年我国公路货运量进行时间序列分析，用SAS软件检验模型可行性，并进行预测应用。结果表明，基于ARMA模型的公路货运量的模拟值和真实值比较吻合。 　　关键词：铁路货运量；ARMA；预测；时间序列；SAS 　　中图分类号：F532文献标识码： A 文章编号： 　　0 引言 　　公路货运作为一种重要的运输方式，在整个国民经济中占有重要的地位。由于公路货物运输具有机动灵活，适应性强、可实现“门到门”直达运输，在中、短途运输中，运送速度较快、原始投资少，资金周转快、掌握车辆驾驶技术较易等特点。关于公路货运量的预测，在理论界和实务界的研究也比较多，但大多都集中在线性回归、神经网络和灰色预测等方面。但在本文中，笔者试图结合ARMA模型和SAS软件，以近二十多年的数据为基础，并对将来三年的公路货运量进行了预测，希望为公路部门在制定相关政策时提供参考。 　　1. ARMA模型的基本理论 　　ARMA模型的基本形式： 　　 　　或简记为，其中B为延迟算子. 　　当时，ARMA(p，q)模型就退化成了AR(p)模型； 　　当时，ARMA(p，q)模型就退化成了MA(q)模型。 　　当时间序列是平稳时间序列时，可以直接用ARMA模型模拟，但是当时间序列是非平稳的时候，则需要考虑对其进行差分，可以将差分后的序列看成平稳的序列，对差分平稳序列我们用ARIMA(p,d,q)模型来拟合。 　　ARIMA(p，d，q)模型的结构： 　　其中，p，d，q分别表示自回归阶数、差分阶数和移动平均阶数。 　　SAS软件介绍 　　2.1 基本介绍 　　SAS是美国使用最为广泛的三大著名统计分析软件（SAS，SPSS和SYSTAT）之一，是目前国际上最为流行的一种大型统计分析系统，被誉为统计分析的标准软件。 　　SAS系统是一个组合软件系统，它由多个功能模块组合而成，其基本部分是BASE SAS模块，BASE SAS模块是SAS系统的核心，承担着主要的数据管理任务，并管理用户使用环境，进行用户语言的处理，调用其他SAS模块和产品。本文中相关操作通过SAS/ETS（经济计量学和时间序列分析模块）模块实现。 　　SAS是一套完整的计算机语言，其用户界面也充分体现了这一特点：它采用MDI（多文档界面），用户在PGM视窗中输入程序，分析结果以文本的形式在OUTPUT视窗中输出。使用程序方式，用户可以完成所有需要做的工作，包括统计分析、预测、建模和模拟抽样等。 　　2.2 SAS的特点 　　SAS把数据存取，管理，分析和展现有机地融为一体。主要特点如下： 　　功能强大，统计方法齐，全，新； 　　(2)使用简便，操作灵活； 　　(3)提供联机帮助功能。 　　3.ARMA模型的建立与预测 　　建立时间序列模型的基本步骤： 　　 　　ARMA模型的预测：由于手工计算十分繁琐，故在本文中使用SAS程序进行预测分析，具体的预测命令为： 　　forecast lead=5 id=time out=result； 　　run； 　　其中，lead是指定预测期数；id是指定身份标识；out是指定预测后的结果存入某个数据集。 　　4 ARMA模型的应用 　　4.1 数据来源 　　本论文的数据来自中国统计年鉴2012。 　　4.2 数据分析与建模 　　4.2.1时序特性分析 　　首先对原始数据作时序图，如图1，由图1可知，该序列有一定的线性增长趋势，故对其进行差分处理，对差分后的序列（记为）再进行分析，自相关、偏自相关图如图2、图3，发现其基本平稳。 　　 　　图1 时序图 　　 　　图2 的自相关图 　　 　　图3 的偏自相关图 　　 　　图4 参数估计 　　 　　图5残差检验 　　4.2.2. 差分序列的白噪声检验 　　从图3知，在显著性水平为0.05的条件下，由于延迟6阶的χ2检验统计量的p值显著小于0.05。所以该序列不是白噪声序列，有建模的价值，我们可以对平稳序列进行建模。 　　4.2.3 模型的识别 　　根据时序特性的分析，因为一阶差分后的序列自相关图拖尾、偏自相关图截尾，由于进行过一次差分，故d=1；根据图3，有效的偏自相关似乎为1较合适，即p=1，由以上分析，可初步选定模型ARIMA(1，1，0)。 　　4.2.4 模型建立 　　根据以上分析，利用1985至201