基于时间序列模型的山东省农业总产值预测

《基于时间序列模型的山东省农业总产值预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于时间序列模型的山东省农业总产值预测　　摘要：本文利用了山东省1981-2012年32年间的农业总产值的数据，通过建立时间序列模型对山东农业总产值进行了合理的预测分析。其中利用前31年的数据进行建模，2012年的数据进行模型评价。运用Eviews软件做了偏自相关图等各种统计分析，并经过多次试验和比较，本文成功建立了ARIMA（2，1，1）模型并且通过对该模型的预测进行评价，认为该拟合的模型是理想的。并利用该模型预测了未来一年即2013年的山东省的农业总产值，发现农业总产值有逐年上升的趋势。　　关键词：时间序列；农业总产值；ARIMA模型；预测　　一、引言　　健康稳定的农业发展可以有效的解

2、决好"三农"问题，农业作为我国第一产业，它是国民经济健康、和谐、有序的基础，是国家安全稳定和社会和谐的保障。　　山东省是我国农业大省，主要的粮食生产基地，农业总产值连续多年位居首位，尤其自2000年起，农业产值有了长足的提升，由2000年1300.44亿元增长到2010年3670.07亿元，年平均增长率10.93%。农业的发展也同时带动了工业和服务业的发展，研究山东省的农业、对山东省农业总产值进行正确的分析与预测对于全面把握山东省未来经济发展状况具有重要的作用。　　二、预测模型的选择　　农业总产值是农林牧渔业总产值之和，是以货币为表现形式的农、林、牧、渔业全部产品的总量，它是一定时期内农业

3、生产的总规模和总成果的体现。在预测农业总产值模型的建立过程中发现，如果选择建立多元线性回归模型，它必须去寻找一些影响自变量的一些因素，再根据因素的需要去寻找一些指标建立线性函数模型。其弊端就是在我们寻找影响因素的时候，容易找不全，稍不注意就会遗漏一些比较关键的因素。而且再根据因素去寻找指标的时候，会发现一些影响因素的数据是难以找到的，而且因素之间往往会存在线性关系容易造成多重共线性等问题，不利于模型的建立，建好的模型的预测精度也不高　　本文所用模型是以时间序列分析方法建立的，最早于1976年由伯克斯和詹金斯提出。目前许多领域已广泛应用这种方法，如自然科学和社会科学等，特别是经济领域。这种建

4、模的特点是不考虑其他解释变量的作用，而是依据变量本身的变化规律，利用外推机制描述时间序列的变化。通过观察农业总产值随着时间变化的序列图可以发现，农业总产值的变化与时间有着一定的关系，而且还与变量本身的变化有关系，因此我们选择建立时间序列模型。　　三、指标的选取与数据来源　　本文选择的指标是山东农业总产值Y（亿元），是从1981-2012年的32年的数据，数据是从中国统计局网上取得的。前31年的数据用于模型的建立，2012年的数据用于模型的检验。　　四、时间序列模型的建立　　（一）样本序列的平稳化　　建立时间序列模型之前需要检验序列的平稳性，只有平稳序列才能建立时间序列模型。利用EVIEWS

5、数据分析软件对时间序列进行单位根检验，以判断其平稳性，当检验值（Augmenteddickey-Fullerteststatistic）的绝对值大于临界值的绝对值时，序列为平稳序列；否则，为非平稳序列。　　1、判断样本序列的平稳性　　利用软件做出山东省农业总产值的曲线图。通过直观的观察发现该时间序列是非平稳的，随着时间的变化呈现上升的趋势。接着对该序列进行了单位根检验，发现其为不平稳的时间序列。　　进而对数据做了取对数处理，处理之后进行了单位根检验，发现取了对数之后的时间序列仍为非平稳的时间序列。　　2、样本的平稳化　　对取过对数的时间序列进行一阶差分，得到一阶差分后的时间序列D（lnY）

6、。对该序列进行单位根检验，发现其检验值的概率值大于显著性水平0.05，为平稳的时间序列。所以，该序列为一阶单整的时间序列。　　（二）时间序列模型的识别和建立　　1、模型的识别　　即是选择建立AR（p）、MA（q）还是ARIMA（p，d，q）模型，对平稳的时间序列做偏自相关图。若平稳时间序列的偏相关函数是截尾的，而自相关函数是拖尾的，则可断定此序列适合AR模型；若平稳时间序列的偏相关函数是拖尾的，而自相关函数是截尾的，则可断定此序列适合MA模型；若平稳时间序列的偏相关函数和自相关函数均是拖尾的，则此序列适合ARIMA模型。　　观察差分后的时间序列的自相关和偏自相关图，我们发现其自相关图呈现出

7、两阶拖尾，偏相关图呈现一阶拖尾，因此我们尝试去建立ARIMA（2，1，1）模型。　　2、模型的参数估计　　六、结语　　时间序列模型一般只能用于短期预测，对于中长期预测可能会有误差累计的情况出现，因此本模型只能对未来进行短期预测。其次，观察拟合曲线在1991-2005年间发现预测的曲线比实际曲线存在一定的滞后性，即波动趋势相似，但是波动的时间段不同。说明模型的预测还是有一定偏差的。本模型的预测结果只有在预测短期内、无重大事