摘要:吉林省是我國重要的商品糧生產基地,時間序列分析中的ARIMA(p,d,q)模型可以很好地反映吉林省的糧食生產狀況。利用吉林省1978—2012年的糧食產量數(shù)據(jù),根據(jù)時間序列分析法,通過Eviews軟件得到吉林省糧食產量預測模型,由該模型預測吉林省未來糧食產量呈現(xiàn)穩(wěn)中增長的勢頭,但增產幅度逐漸減弱。
關鍵詞:吉林??;時間序列分析;糧食;產量;預測模型
中圖分類號: F326.11文獻標志碼: A文章編號:1002-1302(2014)10-0478-02
收稿日期:2013-12-14
基金項目:國家自然科學基金(編號:31160103)。
作者簡介:何延治(1966—),男,吉林龍井人,碩士,副教授,從事計量經濟學研究。E-mail:yzhe@ybu.edu.cn。吉林省是一個農業(yè)大省,是我國重要的糧食主產區(qū),吉林省糧食生產對全國糧食安全具有舉足輕重的作用。能夠準確預測吉林省的糧食產量對吉林省乃至全國農業(yè)發(fā)展具有重要的意義[1]。本研究利用吉林省1978—2012年的糧食產量數(shù)據(jù),選用時間序列分析中的ARIMA(p,d,q)模型,建立吉林省糧食產量預測模型,并用該模型擬和吉林省2011年和2012年的糧食產量,同時預測吉林省2013年和2014年的糧食產量,這可為指導吉林省糧食生產提供科學的理論依據(jù)。
1時間序列分析方法
時間序列分析方法是由美國著名統(tǒng)計學家博克斯和英國的詹金斯于1976年提出,簡稱B-J方法,是一種應用廣泛的數(shù)量分析方法,主要用于描述和探索現(xiàn)象隨時間發(fā)展變化的數(shù)量規(guī)律,是一種時間序列短期預測方法。時間序列預測是通過對預測目標自身時間序列的處理來研究其變化趨勢,即通過時間序列的歷史數(shù)據(jù),揭示現(xiàn)象隨時間變化的規(guī)律,將這種規(guī)律延伸到未來,從而對該現(xiàn)象的未來作出預測。時間序列分析中的預測模型不同于其他計量經濟預測模型的一個重要特點是不考慮被研究變量以外的任何其他變量,而是依靠被研究變量本身的外推機制來描述經濟變量的變化,強調讓數(shù)據(jù)自己說話,重點分析時間序列本身的隨機性[2-3]。這也是本研究采用該方法的主要原因。
2時間序列模型
時間序列基本模型有3種:自回歸模型(autoregressive model),簡稱AR模型;移動平均模型(moving average model),簡稱MA模型;自回歸移動平均模型(autoregressive moving average model),簡稱ARMA模型,前2種模型是它的特殊形式。這3種模型均只適用于平穩(wěn)的時間序列。但是,實際問題中,許多時間序列并不近似為平穩(wěn)的時間序列,因此不能直接用非平穩(wěn)的時間序列建立模型,需要通過差分處理,產生一個平穩(wěn)的新的時間序列,再用ARMA模型建模,
4結論
時間序列分析法是一種重要的預測方法,其模型比較簡單,對資料的要求比較單一,只需變量本身的歷史數(shù)據(jù),在實際應用中有廣泛的適用性。在應用中需根據(jù)所要解決的問題及其特點等因素,綜合考慮并選擇相對最優(yōu)的模型。由研究建立的ARIMA(1,1,1) 模型預測分析可知,吉林省未來糧食產量呈現(xiàn)穩(wěn)中增長的勢頭,但增產幅度將逐漸減弱。
為更好地進行吉林省糧食生產,提高吉林省糧食生產的產量,要堅持穩(wěn)定面積、主攻糧食單產的總方針,向科學技術要產量,要不斷加強高標準農田建設,深入實施測土配方施肥,加強病蟲害監(jiān)測與防控能力建設,加快農作物新品種和高效耕作技術的研發(fā)推廣,促進農產品合理高效流通,充分調動農民的生產積極性。
參考文獻:
[1]王波,郭夜白,高來斌,等. 最優(yōu)加權預測在吉林省糧食產量預測中的應用[J]. 吉林農業(yè)大學學報,2008,30(5):760-763.
[2]潘紅宇. 時間序列分析[M]. 北京:對外經濟貿易大學出版社,2006:45-97.
[3]張樹京,齊立心. 時間序列分析簡明教程[M]. 北京:北方交通大學出版社,2003:33-84.
[4]樊亮,常迎香,李菊梅. 時間序列分析模型在甘肅省GDP中的應用[J]. 甘肅科學學報,2009,21(4):140-142.
[5]張曉杰,張希良. 時間序列分析模型在山東省糧食總產量預測中的應用[J]. 水土保持研究,2007,14(3):309-311.
[6]王延停,杜院錄,賈利新. 時間序列分析在糧食產量預測中的應用[J]. 河南科學,2011,29(5):520-523.
[7]王燕. 應用時間序列分析[M]. 北京:中國人民大學出版社,2005:45-60.
[8]于平福,陸宇明,韋莉萍,等. 基于小波廣義回歸神經網絡的糧食產量預測模型[J]. 湖北農業(yè)科學,2011,50(10):2135-2137.
[9]張曉峒. 計量經濟學軟件EViews使用指南[M]. 天津:南開大學出版社,2003:232-242.
[10]張曉峒. 計量經濟學基礎[M]. 天津:南開大學出版社,2001:282-341.endprint
摘要:吉林省是我國重要的商品糧生產基地,時間序列分析中的ARIMA(p,d,q)模型可以很好地反映吉林省的糧食生產狀況。利用吉林省1978—2012年的糧食產量數(shù)據(jù),根據(jù)時間序列分析法,通過Eviews軟件得到吉林省糧食產量預測模型,由該模型預測吉林省未來糧食產量呈現(xiàn)穩(wěn)中增長的勢頭,但增產幅度逐漸減弱。
關鍵詞:吉林??;時間序列分析;糧食;產量;預測模型
中圖分類號: F326.11文獻標志碼: A文章編號:1002-1302(2014)10-0478-02
收稿日期:2013-12-14
基金項目:國家自然科學基金(編號:31160103)。
作者簡介:何延治(1966—),男,吉林龍井人,碩士,副教授,從事計量經濟學研究。E-mail:yzhe@ybu.edu.cn。吉林省是一個農業(yè)大省,是我國重要的糧食主產區(qū),吉林省糧食生產對全國糧食安全具有舉足輕重的作用。能夠準確預測吉林省的糧食產量對吉林省乃至全國農業(yè)發(fā)展具有重要的意義[1]。本研究利用吉林省1978—2012年的糧食產量數(shù)據(jù),選用時間序列分析中的ARIMA(p,d,q)模型,建立吉林省糧食產量預測模型,并用該模型擬和吉林省2011年和2012年的糧食產量,同時預測吉林省2013年和2014年的糧食產量,這可為指導吉林省糧食生產提供科學的理論依據(jù)。
1時間序列分析方法
時間序列分析方法是由美國著名統(tǒng)計學家博克斯和英國的詹金斯于1976年提出,簡稱B-J方法,是一種應用廣泛的數(shù)量分析方法,主要用于描述和探索現(xiàn)象隨時間發(fā)展變化的數(shù)量規(guī)律,是一種時間序列短期預測方法。時間序列預測是通過對預測目標自身時間序列的處理來研究其變化趨勢,即通過時間序列的歷史數(shù)據(jù),揭示現(xiàn)象隨時間變化的規(guī)律,將這種規(guī)律延伸到未來,從而對該現(xiàn)象的未來作出預測。時間序列分析中的預測模型不同于其他計量經濟預測模型的一個重要特點是不考慮被研究變量以外的任何其他變量,而是依靠被研究變量本身的外推機制來描述經濟變量的變化,強調讓數(shù)據(jù)自己說話,重點分析時間序列本身的隨機性[2-3]。這也是本研究采用該方法的主要原因。
2時間序列模型
時間序列基本模型有3種:自回歸模型(autoregressive model),簡稱AR模型;移動平均模型(moving average model),簡稱MA模型;自回歸移動平均模型(autoregressive moving average model),簡稱ARMA模型,前2種模型是它的特殊形式。這3種模型均只適用于平穩(wěn)的時間序列。但是,實際問題中,許多時間序列并不近似為平穩(wěn)的時間序列,因此不能直接用非平穩(wěn)的時間序列建立模型,需要通過差分處理,產生一個平穩(wěn)的新的時間序列,再用ARMA模型建模,
4結論
時間序列分析法是一種重要的預測方法,其模型比較簡單,對資料的要求比較單一,只需變量本身的歷史數(shù)據(jù),在實際應用中有廣泛的適用性。在應用中需根據(jù)所要解決的問題及其特點等因素,綜合考慮并選擇相對最優(yōu)的模型。由研究建立的ARIMA(1,1,1) 模型預測分析可知,吉林省未來糧食產量呈現(xiàn)穩(wěn)中增長的勢頭,但增產幅度將逐漸減弱。
為更好地進行吉林省糧食生產,提高吉林省糧食生產的產量,要堅持穩(wěn)定面積、主攻糧食單產的總方針,向科學技術要產量,要不斷加強高標準農田建設,深入實施測土配方施肥,加強病蟲害監(jiān)測與防控能力建設,加快農作物新品種和高效耕作技術的研發(fā)推廣,促進農產品合理高效流通,充分調動農民的生產積極性。
參考文獻:
[1]王波,郭夜白,高來斌,等. 最優(yōu)加權預測在吉林省糧食產量預測中的應用[J]. 吉林農業(yè)大學學報,2008,30(5):760-763.
[2]潘紅宇. 時間序列分析[M]. 北京:對外經濟貿易大學出版社,2006:45-97.
[3]張樹京,齊立心. 時間序列分析簡明教程[M]. 北京:北方交通大學出版社,2003:33-84.
[4]樊亮,常迎香,李菊梅. 時間序列分析模型在甘肅省GDP中的應用[J]. 甘肅科學學報,2009,21(4):140-142.
[5]張曉杰,張希良. 時間序列分析模型在山東省糧食總產量預測中的應用[J]. 水土保持研究,2007,14(3):309-311.
[6]王延停,杜院錄,賈利新. 時間序列分析在糧食產量預測中的應用[J]. 河南科學,2011,29(5):520-523.
[7]王燕. 應用時間序列分析[M]. 北京:中國人民大學出版社,2005:45-60.
[8]于平福,陸宇明,韋莉萍,等. 基于小波廣義回歸神經網絡的糧食產量預測模型[J]. 湖北農業(yè)科學,2011,50(10):2135-2137.
[9]張曉峒. 計量經濟學軟件EViews使用指南[M]. 天津:南開大學出版社,2003:232-242.
[10]張曉峒. 計量經濟學基礎[M]. 天津:南開大學出版社,2001:282-341.endprint
摘要:吉林省是我國重要的商品糧生產基地,時間序列分析中的ARIMA(p,d,q)模型可以很好地反映吉林省的糧食生產狀況。利用吉林省1978—2012年的糧食產量數(shù)據(jù),根據(jù)時間序列分析法,通過Eviews軟件得到吉林省糧食產量預測模型,由該模型預測吉林省未來糧食產量呈現(xiàn)穩(wěn)中增長的勢頭,但增產幅度逐漸減弱。
關鍵詞:吉林?。粫r間序列分析;糧食;產量;預測模型
中圖分類號: F326.11文獻標志碼: A文章編號:1002-1302(2014)10-0478-02
收稿日期:2013-12-14
基金項目:國家自然科學基金(編號:31160103)。
作者簡介:何延治(1966—),男,吉林龍井人,碩士,副教授,從事計量經濟學研究。E-mail:yzhe@ybu.edu.cn。吉林省是一個農業(yè)大省,是我國重要的糧食主產區(qū),吉林省糧食生產對全國糧食安全具有舉足輕重的作用。能夠準確預測吉林省的糧食產量對吉林省乃至全國農業(yè)發(fā)展具有重要的意義[1]。本研究利用吉林省1978—2012年的糧食產量數(shù)據(jù),選用時間序列分析中的ARIMA(p,d,q)模型,建立吉林省糧食產量預測模型,并用該模型擬和吉林省2011年和2012年的糧食產量,同時預測吉林省2013年和2014年的糧食產量,這可為指導吉林省糧食生產提供科學的理論依據(jù)。
1時間序列分析方法
時間序列分析方法是由美國著名統(tǒng)計學家博克斯和英國的詹金斯于1976年提出,簡稱B-J方法,是一種應用廣泛的數(shù)量分析方法,主要用于描述和探索現(xiàn)象隨時間發(fā)展變化的數(shù)量規(guī)律,是一種時間序列短期預測方法。時間序列預測是通過對預測目標自身時間序列的處理來研究其變化趨勢,即通過時間序列的歷史數(shù)據(jù),揭示現(xiàn)象隨時間變化的規(guī)律,將這種規(guī)律延伸到未來,從而對該現(xiàn)象的未來作出預測。時間序列分析中的預測模型不同于其他計量經濟預測模型的一個重要特點是不考慮被研究變量以外的任何其他變量,而是依靠被研究變量本身的外推機制來描述經濟變量的變化,強調讓數(shù)據(jù)自己說話,重點分析時間序列本身的隨機性[2-3]。這也是本研究采用該方法的主要原因。
2時間序列模型
時間序列基本模型有3種:自回歸模型(autoregressive model),簡稱AR模型;移動平均模型(moving average model),簡稱MA模型;自回歸移動平均模型(autoregressive moving average model),簡稱ARMA模型,前2種模型是它的特殊形式。這3種模型均只適用于平穩(wěn)的時間序列。但是,實際問題中,許多時間序列并不近似為平穩(wěn)的時間序列,因此不能直接用非平穩(wěn)的時間序列建立模型,需要通過差分處理,產生一個平穩(wěn)的新的時間序列,再用ARMA模型建模,
4結論
時間序列分析法是一種重要的預測方法,其模型比較簡單,對資料的要求比較單一,只需變量本身的歷史數(shù)據(jù),在實際應用中有廣泛的適用性。在應用中需根據(jù)所要解決的問題及其特點等因素,綜合考慮并選擇相對最優(yōu)的模型。由研究建立的ARIMA(1,1,1) 模型預測分析可知,吉林省未來糧食產量呈現(xiàn)穩(wěn)中增長的勢頭,但增產幅度將逐漸減弱。
為更好地進行吉林省糧食生產,提高吉林省糧食生產的產量,要堅持穩(wěn)定面積、主攻糧食單產的總方針,向科學技術要產量,要不斷加強高標準農田建設,深入實施測土配方施肥,加強病蟲害監(jiān)測與防控能力建設,加快農作物新品種和高效耕作技術的研發(fā)推廣,促進農產品合理高效流通,充分調動農民的生產積極性。
參考文獻:
[1]王波,郭夜白,高來斌,等. 最優(yōu)加權預測在吉林省糧食產量預測中的應用[J]. 吉林農業(yè)大學學報,2008,30(5):760-763.
[2]潘紅宇. 時間序列分析[M]. 北京:對外經濟貿易大學出版社,2006:45-97.
[3]張樹京,齊立心. 時間序列分析簡明教程[M]. 北京:北方交通大學出版社,2003:33-84.
[4]樊亮,常迎香,李菊梅. 時間序列分析模型在甘肅省GDP中的應用[J]. 甘肅科學學報,2009,21(4):140-142.
[5]張曉杰,張希良. 時間序列分析模型在山東省糧食總產量預測中的應用[J]. 水土保持研究,2007,14(3):309-311.
[6]王延停,杜院錄,賈利新. 時間序列分析在糧食產量預測中的應用[J]. 河南科學,2011,29(5):520-523.
[7]王燕. 應用時間序列分析[M]. 北京:中國人民大學出版社,2005:45-60.
[8]于平福,陸宇明,韋莉萍,等. 基于小波廣義回歸神經網絡的糧食產量預測模型[J]. 湖北農業(yè)科學,2011,50(10):2135-2137.
[9]張曉峒. 計量經濟學軟件EViews使用指南[M]. 天津:南開大學出版社,2003:232-242.
[10]張曉峒. 計量經濟學基礎[M]. 天津:南開大學出版社,2001:282-341.endprint