基于ARIMA模型的中国能源消费量增长预测 .pdfVIP

基于ARIMA模型的中国能源消费量增长预测

摘要：能源影响着我国经济社会的稳定持续发展，对未来能源

消耗的准确预测具有重要意义。我国能源消费量序列是一组依赖于

时间变化的随机变量，可用arima模型予以近似描述。文章运用

1975～2011年我国能源消费数据建立了arima（3，1，2）模型，

经诊断检验与实证检验发现，预测精度较高，可用于我国能源消费

量预测。科学的能源消费量预测结果可为国家合理规划能源生产和

进出口提供重要依据。

关键词：arima模型；平稳时间序列；能源消费量；预测

中图分类号：c811文献标识码：a文章编号：1005-5312（2013）

20-0280-01

一、arima模型的构建步骤

通过时间序列的散点图或折线图可对序列进行平稳性初步判断。

如果时间序列存在一定变化趋势，则需要对序列进行差分处理使之

转化成为平稳时间序列，此时差分的次数便是arima（p，d，q）模

型的阶数d。

根据平稳时间序列的自相关图和偏自相关图可初步确定arima模

型数p与q。如果平稳时间序列的自相关值或偏自相关值在±2倍

估计标准差以内，则其在显著水平为5%的情形与零无显著差异。若

序列的滞后k期偏自相关函数在km时等于零，则可近似判断是m

阶截尾；若序列的滞后k期自相关函数在kn时，则可近似判断是

n阶截尾。此时，通过偏自相关图中与m相邻几期的偏自相关函数

可初步确定p的可能取值；同理，利用自相关图中与n相邻几期的

自相关函数初步确定q的可能取值。然后借助aic准则确定p与q

的取值。

二、我国能源消费量arima建模

（一）时间序列的平稳化处理

序列{xt}存在显著增长趋势，且随时间推移不断扩大，这表明该

序列存在异方差，序列{xt}的adf检验统计量（1.108141）大于1%，

5%与10%显著性水平的临界值，表明该序列是非平稳的，pp检验也

验证了该结论（pp检验统计量大于其1%，5%与10%显著性水平的

临界值）。这说明我国能源消费量受多种因素影响不宜采用结性因

果模型预测。由于序列{xt}存在异方差，对其进行对数转换，令

yt=log（xt），但序列的{yt}的adf和pp检验（含常数项和趋势项）

结果显示，该序列仍是非平稳的。接着对{yt}进行一阶差分处理，

令zt=yt-yt-1，对序列{zt}进行平稳性检验（无常数项和趋势项），

检验结果显示，该序列的adf检验统计量和pp检验统计量分别为

-3.533102和-3.533102，在99%的置信水平下通过adf检验和pp

检验，因而序列{zt}为平稳时间序列。

（二）arima模型阶数p与q的确定

为确定arima（p，d，q）模型阶数p与q，计算{zt}序列1-12

期的相关关系。可知序列1、2阶偏自相关系数超出倍估计标准差，

在显著水平为5%的情形下显著不为零，2阶以后偏自相关系数在倍

估计标准差以内，即偏自相关函数2阶以后截尾；同理，序列1、2

阶自相关系数超出倍估计标准差，在显著水平为5%的情形下显著不

为零，2阶以后偏自相关系数在倍估计标准差以内，即自相关函数

2阶以后截尾，结合自相关图和偏自相关图可初步确定p=2或p=3，

q=2或q=3。计算不同p与q组合所对应的aic值。当p=3，q=2时

对应的aic值最小，故最终确定：p=3，q=2。由此，arima（p，d，

q）模型可确定为arima（3，1，2）。

（三）arima模型参数估计与诊断检验

为了选择统计性质优良的模型，在同等或相似条件下，尤其是当

滞后分布的长度确定时，通常选择信息准则统计量（aic）较小的

模型。由模型的aic（-4.524056）、r2（0.658048）与2（0.572560），

可初步确定arima（3，1，2）为平稳序列{xt}较为理想的预测模型。

通过对模型的残差序列进行单位根检验，发现adf检验统计量为

-10.39883，明显小于1%、5%与10%显著性水平的临界值，这表明

模型残差序列为白噪声序列。由此可确定arima（3，1，2）为平稳

序列{zt}较为理想的预测模型。

（四）模型预测

经过上面的分析，得到原时间序列的预测公式为：