ARMA模型在我国农林牧渔业发展中应用.doc

ARMA模型在我国农林牧渔业发展中应用 　　[摘 要]农林牧渔业总产值在国内总产值中占有重要地位，其发展对我国国民经济稳定快速发展有着深远的意义。利用1975-2004年中国农林牧渔业总产值的年度数据（数据来源：《新中国50年汇编》和中国统计年鉴），通过自相关函数、偏自相关函数和单位根检验判断其平稳性，并应用对数和二阶差分方法对该数据进行平稳性处理，在此基础上，选择一个较适合的ARMA模型，并进行了预测和比较。 　　[关键词]农林牧渔业总产值 平稳性处理 ARMA模型 　　 　　一、引言 　　大力发展农林牧渔业，有利于调整农村经济结构，促进地方经济发展，增加农民收入，对我国的发展有着深远的意义。 　　种植业是农业生产的基础，十一届三中全会以来，农村实行联产承包责任制后，种植业产品产量大幅度增加。我国在造林绿化方面，也取得了较大进展。造林面积不断增加，生态环境有所改善，主要林产品产量大幅度增加。在森工产品方面，比建国初期有大幅度增长。畜牧业在我国农业生产中所占的地位日见明显，尤其是在改革开放的今天，它已成为增加农民收入、满足城乡人民需求的一个重要产业。同时水产品生产能力大幅度提高，养殖渔业发展迅速，捕捞渔业健康发展。 　　 　　二、问题分析 　　农林牧渔业总产值的历年数据是一个典型的时间序列数据。目前预测经济运行时间的理论和方法较多，比较经典的有灰色理论、指数平滑法等。这些方法对经济长期趋势把握比较准，但对短期波动把握不够。而ARMA模型是国际上比较流行的单一时间序列模型，特别适合处理复杂时间序列的预测情况，在短期预测时精度较高。 　　ARMA模型表示一个系统在某一时刻的响应不仅与以前的自身值有关，而且还与其以前时刻进入系统的扰动存在着一定的依存关系。通过对农林牧渔业总产值历年数据的平稳化处理及其自相关、偏相关函数值的大概判断，本文选择了ARMA模型进行预测。 　　 　　三、实证分析 　　（一）数据资料 　　本文研究选用1975-2004年我国农林牧渔业总产值的年度数据。 　　本文主要运用以上数据来解决下面两个问题: 　　1．通过数据的折线趋势图、单位根检验法及其自相关和偏自相关函数图多方面检验我国农林牧渔业总产值时间序列数据的平稳性，若检验得出为非平稳的，则通过对数和差分方法对其进行平稳性处理。 　　2．在时间序列分析的基础上，选择适当的模型，并对2004－2006年的年度数据进行预测和比较。 　　（二）平稳性检验与平稳化处理 　　大多数的时间序列是非平稳的，在建模之前要对序列进行平稳化处理，一般采用对数或差分方程的方法。看序列有什么样的趋势性，如存在指数增长形势就进行对数处理，如果存在线性趋势就进行一阶差分等方法处理。 　　在以年份为横轴，以中国农林牧渔业总产值为纵轴的坐标系中做折线图如图1所示。从图1中可以看出中国农林牧渔业总产值不具有周期变化，但呈现出明显的增长趋势，所以它是非平稳的。 　　 　　图1 中国1975－2004年农林牧渔业总产值折线图 　　这种非平稳性可以进一步从单位根检验中看出，因为ADF=-0.362563，明显大于不同检验水平下的三个临界值，所以中国出口总额的时间序列是非平稳的。其检验结果如图2所示： 　　 　　另外根据它的自相关与偏自相关函数图也可判断，样本自相关图既不具有明显的拖尾和截尾特征，所以中国农林牧渔业总产值的时间序列是非平稳的。 　　根据折线图的大概趋势，本文首先考虑对中国农林牧渔业总产值数据作对数变换，得到其对数序列（lnzzh）趋势图如图3所示。其序列图也有明显的增长趋势，所以中国农林牧渔业总产值的对数序列仍然是非平稳的。 　　 　　图3 中国农林牧渔业总产值对数序列折线图 　　接下来对Lnzzh做一阶差分，得到dlnzzh的序列。由图4可以认为该序列仍然是不平稳的。所以继续对该序列做差分运算。 　　 　　图4 差分对数序列单位根检验结果 　　对lnzzh做了二阶差分后得到序列ddzzh,然后计算ddlnzzh的样本的折线图和自相关函数、偏自相关函数图（如图5、6所示），显然现在的序列是平稳的了。 　　 　　图5 ddlnzzh的折线趋势图 　　图6 dlnzzh序列的自相关和偏自相关图 　　（三）模型的估计与确定 　　由上述两图，可认为得到相对平稳的时间序列，根据时间序列模型的识别规则，PACF和ACF的规律均不明显，故不能单纯用AR模型或MA模型拟合，于是初步认定ddzzh是一个ARMA模型。 　　根据该序列的自相关函数和偏自相关函数图，可以初步大概判定模型的形式和阶数，本文在模型定阶时选用的是AIC准则。为了较好的确立模型，本文试验了多个模型，主要通过DW值和AIC值来选择最佳模型。根据AIC定阶准则