1995─2010年甘肃省粮食产量的趋势预测

-本文为网络收集精选范文、公文、论文、和其他应用文档，如需本文，请下载-19952010年甘肃省粮食产量的趋势预测本文从网络收集而来，上传到平台为了帮到更多的人，如果您需要使用本文档，请点击下载按钮下载本文档（有偿下载），另外祝您生活愉快，工作顺利，万事如意！研究粮食生产波动与消费并对未来情况的作出预测，是粮食问题宏观决策和控制的主要条件。短期研究一般应用多元统计的回归分析方法，从价格、比较效益、投入、经营方式等方面对波动给出了事后解释，却没有令人满意的事前预测。的确，农业生产的独特性增加了对它预测的难度，因为事先并不知道当年农业实际投入与未来实际气候条件。所以，“避开”上述这一切因素，仅仅研究这些因素交互作用下的客体(粮食)自身的变化，以求得某种规律。本文正是基于这种思想，根据19491994年甘肃省粮食产量历史资料，运用自回归动平均模型(简称ARIMA模型)，对我省未来粮食生产量情况所做的一次有益的尝试性研究。一、三因素的选择一个经济时间序列t(t1,2,n)，通常认为由三种因素组成，即长期趋势、周期因素(季节因素)、随机因素。对于一个时间序列，宜于选用自相关分析图来判别序列的平稳性与周期，并且通过自相关和偏相关分析图确定ARIMA模型的自回归阶p与动平阶q。自相关系数 n-kt=1(Xt-X)Xt+k-X) rk nt=1(Xt-X)2 其中X为Xt(t1,2,n)的平均值，rk为滞后k期的自相关系数。 (1)平稳性识别如果rj(j1,k)随着j增大而迅速靠近零，或散乱地分布在零点周围，则认为序列平稳；否则非平稳。对于非平稳序列，通过差分，消除其趋势。 (2)周期识别对于一平稳序列，观察其自相关分析图，如果每隔时间T，自相关系数显著偏高，可以认为该序列具有周期T；否则，无周期(无季节性)。偏自相关系数在已知自相关系数的条件下，解如下一系列方程组：1 r1 rk-1k1 r1r1 1 rk-2k2r2 rk-1 1 kk rk得到偏自相关系数11，22，kk。然后根据自相关系数和偏自相关系数的截尾与拖尾确定自回归阶p与动平均阶q。参数估计。 二、周期的确立 “经济周期也叫商业循环或经济波动，这种周期在每一次重复出现中，周期的长度和振幅都不同，完全相似的经济周期是不存在的”，“只有经济从一个高峰到另一个高峰，或者从一个底谷到另一个底谷，波动的时间在15个月以上，才可以算作一个经济周期”。这种对经济周期的定义，笔者认为着重于对经济的事后分析而不是事前预测，并且忽略了两个极其重要的事实：即经济数据的离散性和由于经济增长趋势的影响，可能使后期的底谷值大于前期的高峰值，这样就使对底谷的预见性大幅度降低，造成了对经济周期研究困难性进一步加大。可以考虑通过差分方法剔除趋势项，并把根据自相关分析图得到的周期视为经济周期。它如同一个数学函数如y=SinX周期(最小正周期2)，并不规定周期有某种特定的始末点(如高峰点或低谷点)，仅仅要求它使函数满足Sin(2+X)SinX(Sin(2k+X)SinX，k=1,)，或具有统计意义上的类似关系。当然一个周期是否有效或有意义，就看采用这个周期所做的预测模型，是否能够拟合和反映现实。经过差分、计算、分析、筛选和拟合预测结果及对比，最后确定全省粮食生产周期T8或10年。 趋势项的剔除令 X(1)tXt+1-Xt,然后进行平稳性识别，如不平稳，继续差分，直至得到一平稳序列Zt(t1,2,mn)。 周期项的剔除观察Zt的自相关分析图，从可能的周期5、8、10、11年中，经过计算分析筛选，最后确定全省粮食生产周期T=8年。 令 YtZt+T-Zt 得到一个无周期的平稳序列Yt(t1,2,m-T)。 三、粮食产量预测与分析根据19491994年粮食产量历史数据，对19952010年产量进行多步预测，分别选用ARIMA(9,1,9)、ARIMA(2,1,2)、ARIMA(9,1,12)模型，预测方程如下：(1-1B-pBp)(1-B)dXt=(1-1B-qBq)t 其中：p=9,2,9，d=1，q=9,2,12。预测结果见表。 未来甘肃省粮食产量预测表 单位：万吨年 份 低 值 中 值 高 值 1995 199619971998199920002001200220032004200520062007200820092010 从今年全省农情与气候条件分析，近两年1995年、1996年粮食产量将呈低位运行态势，今年全年粮食将减至649万吨左右，减幅达；如果夏粮实际减产幅度达到两成，则全年减产幅度将会更大，总产有可能降至598万吨左右。对预测结果的中长期趋势 12下一页欢迎浏览更多论文联盟首页 经济论文 经济学 经济学理论文章本文从网络收