时间序列分析——我国粮食增量的时间序列预测
“十二五”时期我国粮食需求状况的分析与预测
１９ ９ ０年 的 ２ ２１千克 下 降 到 ２ ０ ６． ０ ９年 的 １９３千 克 ，平 均 每 年 下 ２１ 饮 食 结 构 的改 善 ８． ．
降 ３６ ． ４千克 。 ห้องสมุดไป่ตู้
１ 饲 料 用 粮 ． ２
改 革 开 放 以后 ． 国 的 总体 经 济 形 势 越 来 越 好 ． 家 经 济 实 我 国
般 来 讲 ，任 何 一 个 国 家 的 粮 食 需 求 基 本 上 都 由 城 乡 居 民 波 动 。 占每 年 我 国粮 食 总 需 求 量 的 ２ ３ 约 ％～ ％。 随 着 粮 食 播 种 面
口粮 需 求 、 料 用 粮 需 求 、 子 用 粮 需 求 和 工 业 用 粮 需 求 ４个 部 积 的 日趋 稳 定 、 业 科 技 进 步 以及 农 业 基 础 设 施 建 设 的 进 一 步 饲 种 农
城 乡居 民 的 粮 食 消 费 总 量 逐 渐 呈 现 上 升 的 趋 势 ．０ １年 全 国粮 就 会 对 粮 食 总 需 求 量 产 生 一 定 的 影 响 。 响 我 国粮 食 需 求 量 的 闪 ２０ 影
食 消 费 量 约 为 ４８ ５亿 千 克 ，０ ５年 约 为 ４９ ７亿 千 克 ．０ ０年 素 有 很 多 ， 括 ： Ｅ增 长 、 食 结 构 的改 善 、 镇 化 进 程 加 快 、 ４ ２ｏ ７ ２１ 包 人 ｌ 饮 城 产
［ 中圈分类号］ Ｆ ０ ；３ ６ｌ ［ ２ １Ｆ ２ ｌ 文献标识码】Ａ １ 我 国粮 食 需求 的构 成 情 况 分 析
一
【 文章编号】１７ 一 １４ ２ ｌ ）９ ０ ４— ３ ６ ３ ｏ ９ （０ １ｌ－ ０ ４ ０
幅 度 不 是 很 大 ． 以每 年 的 种 子 用 粮 数 量 都 在 一 个 较 小 的 范 围 内 所
计量经济学论文-我国粮食产量影响因素分析与预测
我国粮食产量影响因素分析与预测摘要：本文采用计量经济分析方法,以1980—2010年中国粮食产量及其重要影响因素的时间序列数据为样本,仿照C-D生产函数，建立了以粮食产量为因变量，以农用化肥施用量、有效灌溉面积、财政支农支出、农村用电量、农村机械总动力、粮食作物播种面积、农业灾害成灾面、农业劳动力八种可量化的影响因素为自变量的多对数回归模型，利用模型对各个因素进行了比较分析。
同时，对模型进行检验与修整，并在此基础上提出了一些关于增加粮食产量的可供参考的意见。
关键字：计量经济分析粮食产量多对数回归模型一、前言粮食是关系国计民生的重要战略物资。
粮食综合生产能力与粮食安全问题一直是世界性的重大问题，备受世界各国政府及专家学者的关注与研究。
近年来，中国粮价上涨过快，通货膨胀压力明显加大，不仅给低收入群体的生活带来很多困难，也使得国民经济的发展受到了制约。
粮食近年来连续减产、国家储备库存和农民手中的存粮减少，加上消费者需求的过量扩大，粮食将从结构性短缺转为战略性短缺。
粮食生产关系到我国的社会经济发展，因此认真研究和加深了解中国粮食生产的规律和特点，找出影响粮食总产量的主要因素，并采取针对性的粮食增产措施，对于稳定和发展粮食生产就有重要意义，对增加农民收入，乃至拉动整个国民经济的增长具有重要作用。
二、文献综述我国学者很早就对粮食生产问题展开了研究，并取得了一系列突出成果。
赵俊晔、王川采用逐步回归和灰色关联分析的方法对1991-2004年影响我国粮食产量变化的主要因素进行了分析，发现有效灌溉面积与粮食产量一直保持高的关联度，成灾面积与粮食产量的关联仅次于有效灌溉面积，在此基础上对提高我国粮食生产科技支撑能力、稳定发展粮食生产提出了建议。
梁子谦、李小军选取了15个指标，通过建立因子分析模型，对中国粮食单产和播种面积的影响因子进行了市政分析，研究结果表明，对粮食单产影响最大的因子是科技进步，其次是物质投入因子、环境与气候因子和中策因子。
我国粮食产量预测的时间序列模型与应用研究
最终得到每一频率所对应的功率谱，如果在功率谱上出现了比较明显的高峰值，其对应的频率就能够确定该序列的主要周期分量。
由于粮食产量的具有波动性，因此这一波动序列必然为多个周期分量的叠加函数。
三、时间趋势和周期波动模型的实证分析(一)我国粮食产量时间序列的单位根检验利用Eviews5.0对我国1949-2008年的粮食产量的原序列与一阶差分序列进行单位根检验。
表1中的ADF检验值为-2.29，大于各个水平的临界值，而表2中的检验值均小于各个水平的临界值。
粮食产量序列是非平稳的，其一阶差分是平稳的。
粮食产量序列是一阶单整序列。
在这种情况下，通常要对其进行趋势项和周期项的分离。
(二)我国粮食产量的HP滤波法的时间趋势模型按照滤波分析原理，对我国1949-2008年的粮食产量(设为Y)序列进行滤波处理(万吨)，得到图1结果。
图1可以直观看到，新中国以来，我国粮食产量的趋势一直是增长的，但是由于粮食产量呈现出非线性的复杂特征，可以用一个时间变量t来代替所有的复杂的不确定影响因素。
综合考虑，笔者建立粮食产量时间趋势序列与时间t的趋势多项式函数如公式(9)。
粮食产量不仅跟时间有关，还存在三阶滞后。
粮农对每一年的粮食播种结构或者其他投入等都存在一种习惯性，导致前几年的产量对下一年产生影响。
时间的一阶分量对趋势产量的影响远远大于二阶分量的影响。
可以认为60年来我国粮食产量的增长趋势几近于直线增长状态。
图2显示了利用公式(10)对1952-2020年的产量拟合预测的误差区间，从其中的几个判断标准看出，对粮食产量的时间趋势序列拟合效果非常好。
该模型预测未来粮食产量的大体走势是上升的，但是这条趋势曲线随着时间的趋势近于平缓增长。
从图2中还可以看出，我国粮食产量的趋势序列的增长曲线斜率是凹凸交替的，即呈现出初始斜率逐渐增大然后降低趋于平缓，紧接利用公式5到公式8，计算得出谱分析系数A和B的值，并以此计算样本谱的值，其计算结果如表4。
我国粮食产量预测的时刻序列模型与应用研究
我国粮食产量预测的时刻序列模型与应用研究一、引言保证国家粮食安全是一项长期的、须臾不可放松的历史重任(刘志澄，2009)，粮食关系着国计民生，是一个具有时间和空间永恒性的问题(李岳云等，2001)，而粮食生产本身是由自然、社会、经济等诸多因素综合影响的一个不确定系统。
从统计数据上看，1998年我国粮食产量曾经达到历史上的高点，此后却出现连年下滑，持续稳产增产的时间基本没有超过3年。
到了2003年，我国粮食产量只有亿吨，是1990年以来最低的一年。
面对严峻的粮食生产形势，国家及时采取了一系列支农惠农政策来带动种粮积极性。
自2004年开始，我国粮食生产开始出现连续增产。
继2007年突破了5亿吨后，2008年粮食产量又上了新的台阶，达到亿吨，不仅实现了粮食连续五年增产，也结束了我国多年来粮食生产“两丰一平一减”周期性波动的历史。
未来我国粮食生产走势能否达到国家粮食安全目标的要求？粮食产量还将如何波动？准确地分析和把握以上两个问题，对调整国家粮食政策，保障粮食安全具有非常重要的指导意义和实践价值。
国内学者在粮食产量的预测和波动性方面做了大量的研究工作。
对粮食产量的预测方面，国内学者主要采用了指数平滑、灰色预测等时间序列方法。
指数平滑法的缺点就是不同的平滑系数就可能造成结果出现较大的差异，而且到目前为止尚没有一个固定的方法来确定平滑系数。
大多数研究是根据经验来选择平滑系数，导致预测结果失真。
灰色预测仅仅对原始数据进行叠加，排除了波动干扰项，所以在做长期预测时会有比较大的偏差。
在粮食产量的波动方面，主要采用速度法、剩余法。
喻翠玲等(2006)的波动指数法、王玉斌等(2007)的变异系数法均属于速度法，这类方法由于不能将数据的长期趋势剔除，当期的粮食产量会受到相邻年份波动影响。
剩余法是利用某种方法如移动平均、直线滑动平均模拟法等，将趋势与波动进行分离，着重考察其绝对波动产量。
国内大多数学者都采用剩余法来研究波动的特征，在此基础上建立我国粮食产量的波动与自然、社会、经济等一系列影响因素的关系模型，分析各因素变化的影响效果。
我国粮食产量预测的时间序列模型研究
我国粮食产量预测的时间序列模型研究摘要粮食是关系国民生计的重要战略物资，为做好粮食预测，本文介绍了时间序列的几种建模方法。
通过分析1978-2009年我国粮食生产总量数据特点，建立了单积自回归移动平均模型ARIMA(p，d，q)。
最终，利用Eviews6.0软件计算完成了我国粮食产量的预测。
结果表明，在未来几年我国粮食产量在不受自然灾害影响的前提下，依然会进行缓慢增长。
经分析，重大自然灾害对我国粮食产量影响严重，确保粮食产量要做好重大自然灾害预防。
关键字：粮食产量；时间序列； ARIMA ；预测Research for Forecasting of China’s Grain Yield Basedon Time Series ModelAbstractGrain is an important livelihood strategy for the national relationship between material. Forecast for the grain, this thesis introduces several modeling methods of time serials Method and establishes autoregressive moving average model ARIMA (p, d, q) by analyzing characteristics of China’s grain yield from 1978 to 2009. Finally, forecasting of China’s grain yield is finished by means of Eviews6.0 and the result shows that China’s grain yield will still grow slowly in the next few years if not being affected by natural disasters.Key words:grain yield; time serials; ARIMA; forecasting目录1 引言 (1)1.1课题背景 (1)1.2国内外研究现状 (1)1.3本课题研究的意义 (2)1.4本课题的研究方法 (2)2 几种时间序列预测分析法简介 (2)2.1自回归（AR）模型 (2)2.2移动平均（MA）模型 (3)2.3自回归移动平均（ARMA）模型 (3)2.4差分自回归滑动平均（ARIMA）模型 (4)2.4.1ARIMA模型原理 (4)2.4.2ARIMA模型预测的基本程序 (4)3 数据分析及模型建立 (4)3.1数据分析 (4)3.2数据平稳化 (6)3.3模型的定阶 (8)3.4模型优化 (10)3.5模型检验 (11)3.6模型有效性检验 (11)3.7模型预测 (12)结论 (12)参考文献 (12)附录 (13)致谢............................................................................................................错误!未定义书签。
粮食产量预测
1数据分析及模型建立1.1数据分析1978-2009年我国粮食产量（单位：万吨）如下表1：注：数据来源于中国统计局网。
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数据分析软件对时间序列进行ADF检验]3[，以判断其平稳性，当检验值（Augmented dickey-Fuller test statistic）的绝对值大于临界值的绝对值时，序列为平稳序列；否则，为非平稳数据。
利用EVIEWS6.0软件作出我国历年粮食产量的曲线图，见图1：图1 我国粮食产量曲线图从曲线图中明显可以看到粮食产量总体呈上升趋势，在1998-2003年出现了明显下降，直观表现为非平稳序列。
利用Eviews6.0对其进行单位根检验，检验结果为图2：图2 粮食产量时间序列单位根检验由图中检验结果可以看出FOOD时间序列单位根为-0.972583大于10%水平下临界值，故该序列存在单位根，为非平稳时间序列。
1.2数据平稳化用Eviews将粮食产量时间序列做一阶差分并对其进行单位根检验，结果分别见图3和图4：图3 我国粮食产量一阶差分图图4 粮食产量一阶差分单位根检验结果图通过看图，粮食产量一阶差分后得到的序列在某一常数附近波动，可初步识别序列已平稳。
并且ADF的检验值为－4.879665，分别小于不同检验水平的三个临界值，因此它通过了ADF检验，为一平稳序列。
在这里应该注意的是要防止过度差分。
一般来说平稳序列差分得到的仍然是平稳序列，但当差分次数过多时存在两个缺点，（1）序列的样本容量减小；（2）方差变大；所以建模过程中要防止差分过度。
对于一个序列，差分后若数据的极差变大，说明差分过度。
此处，我们认为一阶差分已可以消除序列的非平稳性。
因此在ARIMA(p,d,q)模型中d=1。
.1.3 模型的定阶ARIMA 模型的定阶方法主要有如下三种：自相关和偏相关函数定阶法；FPS 准则；AIC 和SC 准则[]4。
中国粮食生产的预测与分析
回归分析中国粮食生产1146718 王晨燕一、 问题分析如附表，把粮食总产量作为因变量，根据实际生活经验可知，农业化肥施用量、粮食播种面积、成灾面积都是影响粮食产量的因素。
用y 表示粮食总产量（万吨）。
x1表示农业化肥施用量（万千克），x2表示粮食播种面积（千公顷），x3表示成灾面积（公顷）。
从中国统计年鉴上得到的数据（1990--2011）如附表所示二、 相关分析由相关分析可知，y(粮食总产量)与X1（农田化肥施用量）成显著正相关关系。
y(粮食总产量)与X2（粮食播种面积）成微弱正相关关系。
Y(粮食总量)与X3(成灾面积)成低度负相关的关系。
说明最显著影响粮食产量的是农田的化肥施用量。
粮食产量与粮食播种面积对粮食产量的影响相对较小。
三、模型建立如附表所示，R=0.764393 R 2=0.584296 F=8.43335 所以根据数据，可以建立如下的多元线性模型： ^y --48365.2+5.805161*X1+0.656962*X2+ 0.009904*X3四、模型检验1.拟合优度检验样本决定系数R 2的值越接近1，说明回归直线对观测值的拟合程度越好，反之，R 2 的值越接近0，说明回归直线对观测值的拟合程度差。
由数据可得，样本R 2= 0.584296 基本符合条件。
2.方差分析表：用于整个回归方程进行显著性检验P （F>8.43335）=0.001033 <0.05 所以回归方程是显著的。
3.解释变量t 检验：经回归分析所有解释变量通过t 检验。
综上，该模型通过了检验。
五、数据分析1.在全国范围内增加化肥的施用量化肥对我国粮食的产量起到了非常重要的作用。
化肥施用量越多，粮食单位面积产量也越高；所以在全国范围内增加化肥的投入能够带来较大的粮食增长。
因此，我国应在化肥的实施方面做好工作。
2.继续保持现有的控制灾害的手段数据可以看出，近20年灾害对粮食产量的危害比较小。
说明现在我国对灾害采取了一定的措施，如干旱时期人工灌溉、火灾时及时救火、提前对火灾的防治等。
基于ARIMA模型的我国粮食产量预测
95焦点 FOCUS基于ARIMA 模型的我国粮食产量预测陈鼎玉 万坚 程瀚锋摘要：基于1949-2018我国粮食产量数据，通过构建ARIMA 模型对其进行拟合并预测。
研究发现：我国粮食产量总体增长迅猛，但有起有伏，未来预计产量增速放缓为1.9%，预计2019年底粮食产量约6.687亿吨。
关键词：ARIMA 模型；粮食；产量预测一、引言粮食产量一直以来是我国各生产部门制定规划方案所关注的重点目标。
改革开放近40年以来，随着国民经济的迅猛发展及人民生活水平的提高，人们对粮食的需求量越来越大。
并且近些年在我国旅游业飞速发展现状的推动作用下，粮食消费逐年增长。
一方面，各部门生产都在经历结构性改革，另一方面，粮食需求的影响因素的发展趋势也在不断变化，依赖历史数据量的统计预测模型面临着巨大的挑战，准确而及时的粮食产量预测有助于我国粮食生产部门结构的优化和收益的提高，更有利于人民日益增长的美好生活需要。
国内外有关粮食产量的研究数不胜数，主要集中于对粮食产量影响因素的度量包括实验法、计量模型等(汪阳洁，2015)。
其中，郭建平（2015）运用天气气候以及地理条件限制等因素，研究气候对粮食产量的影响。
也有些研究者从温度角度考虑，考察温度的浮动对粮食产量的影响（李彩侠等，2014）。
陈鹏狮等（2009）认为观测实验法片面性很强，且气候、温度和降雨量这些表面主观现象难以采取物理的方法得到与事实情况一致的结论。
而以往研究大多从气候、温度、湿度等气象原因的角度来考察粮食产量的影响因数，而少有研究者从计量经济学的角度去探讨粮食产量的内生影响以及把握其客观变化规律。
本文以计量经济学模型为切入点，采用常见的ARIMA 模型对粮食产量时间序列进行建模，以期为有关生产部门的政策制定作理论参考。
二、模型构建ARIMA 模型是目前表述较为完善的时间序列预测模型。
其主要思路是，将预测主体随时间变化的序列视作随机序列，但序列的变化具有一定的规律性，可以将其用数学模型来描述，并根据序列的过去值来预测未来值。
我国粮食生产的统计预测
我国粮食生产的统计预测摘要：21世纪以来，全球一些地区粮食短缺，粮价飞涨，发生饥饿粮荒，最终导致通货膨胀和社会动荡。
与此相对的是，我国粮食供求平衡，粮食自给率连续十年保持在95％以上。
然而，随着我国将迎来15亿人的人口峰值对粮食需求量的巨大推动，以及城镇化率和人均收入迅速提高对人均粮食消费数量及结构的重要影响，我国粮食生产与消费在未来三五十年是否依然可以继续保持乐观形势是摆在党和政府面前的重要问题。
因此，有必要根据相关影响要素，构建我国粮食生产与消费中长期变化的可能情景，在此基础上做出预测分析。
关键词：粮食生产与消费中长期情景预测1我国粮食生产的影响因素及情景预测1．1我国粮食综合生产能力的结构当前，我国主要通过提高粮食综合生产能力增产促收，通过各种生产要素综合投入、有机组合及相互作用，相对稳定的实现一定产量的粮食产出。
影响我国粮食综合生产能力的直接因素是：耕地面积、单产水平。
影响我国粮食综合生产能力的间接因素是：城镇化对耕地的占用、中间品投入对单产水平的作用(农业科技进步的影响分散体现于各种中间品中)、劳动投入对单产水平的作用。
土地投入对粮食生产的贡献率为7％-15％，稳中有升，说明近年来随着我国城镇化率提高，耕地资源逐渐减少，其稀缺性逐渐增加，必然对我国粮食生产造成显著影响，并且这种影响还将继续加大。
中间品投入对粮食生产的贡献率为50％～62％，三者中保持最高水平，说明它的投入对粮食生产的影响最大，但随着国家综合实力和政府对农业的重视程度不断提高，中间品逐渐由改革开放初期的紧张供应变为现在的基本保障，已经不再是制约我国粮食生产的主要方面，因此近年来对粮食生产的作用相对稳中有降，但依然是对粮食生产作用最明显的因素。
劳动投入对粮食生产的贡献率为33％～41％，基本保持平稳，仅有幅度较小的波动，说明农业劳动力一直是我国粮食生产中的主要因素，相当程度上意味着在我国无论土地、农业科技等其他因素发展到什么水平，农民对粮食生产作用始终是非常重要的。
粮食产量数据分析报告(3篇)
第1篇一、报告概述随着我国经济的快速发展和人口的不断增长，粮食安全问题成为国家和社会关注的焦点。
为确保粮食安全，提高粮食产量是关键。
本报告通过对我国近年粮食产量的数据分析，旨在揭示粮食产量的变化趋势、影响因素及未来发展趋势，为我国粮食生产政策制定提供参考。
二、数据来源及分析方法1. 数据来源本报告数据来源于国家统计局、农业农村部等官方机构发布的粮食产量相关数据。
2. 分析方法（1）趋势分析：通过对粮食产量时间序列数据的分析，揭示粮食产量的变化趋势。
（2）相关性分析：分析粮食产量与其他相关因素（如种植面积、化肥施用量、农业机械化程度等）之间的关系。
（3）影响因素分析：结合相关理论和实证研究，分析影响粮食产量的主要因素。
三、粮食产量变化趋势分析1. 总体趋势近年来，我国粮食产量呈现出波动上升的趋势。
2000年至2020年，全国粮食产量从46260万吨增长到66949万吨，年均增长率为2.3%。
其中，2015年至2018年粮食产量连续四年保持在65000万吨以上，创历史新高。
2. 季节性波动粮食产量在年度间存在一定的季节性波动。
夏季粮食产量占全年粮食产量的比例较高，冬季粮食产量相对较低。
这主要是由于夏季是我国主要粮食作物（如稻谷、小麦、玉米）的收获季节，而冬季粮食产量相对较低。
3. 区域差异我国粮食产量在区域间存在较大差异。
北方地区以小麦、玉米为主，南方地区以水稻为主。
近年来，北方地区粮食产量稳步增长，南方地区粮食产量波动较大。
四、粮食产量影响因素分析1. 种植面积种植面积是影响粮食产量的重要因素。
近年来，我国粮食种植面积总体保持稳定，但区域间存在一定差异。
北方地区粮食种植面积呈增长趋势，南方地区粮食种植面积相对稳定。
2. 单产水平单产水平是决定粮食产量的关键因素。
近年来，我国粮食单产水平不断提高，主要得益于农业科技进步、农业机械化程度提高和农业基础设施改善。
3. 化肥施用量化肥施用量对粮食产量有显著影响。
“十二五”时期我国粮食需求状况的分析与预测
“十二五”时期我国粮食需求状况的分析与预测作者：邵鲁盛亚军来源：《中国管理信息化》2011年第19期［摘要］我国的粮食需求主要包括城乡居民口粮需求、饲料用粮需求、种子用粮需求和工业用粮需求。
由于我国人口的持续增长、居民收入水平的不断增加以及工业化进程的加快，使得我国在未来一段时间内对粮食的总体需求刚性上涨，且粮食供需缺口有被进一步拉大的风险。
本文首先介绍了我国粮食需求的构成情况，其次对影响我国粮食需求的主要因素进行了详细的分析，最后采用计量经济学中经典的GARCH模型，并利用我国1949-2010年粮食人均占有量时间序列数据对我国“十二五”时期（2011－2015年）的粮食人均占有量和粮食总需求量进行了分析与预测，并得到了相关结论。
［关键词］粮食需求；粮食产量预测；GARCH模型doi : 10 . 3969 / j . issn . 1673 - 0194 . 2011 . 19. 023［中图分类号］F201；F326.11 ［文献标识码］A ［文章编号］1673 - 0194（2011）19- 0044- 031我国粮食需求的构成情况分析一般来讲，任何一个国家的粮食需求基本上都由城乡居民口粮需求、饲料用粮需求、种子用粮需求和工业用粮需求４个部分构成。
改革开放以来，在国内人口持续增长、居民收入水平不断增加以及工业化进程逐渐加快的情况下，虽然我国粮食的供求总量保持了基本平衡，但是国内粮食总需求的构成情况却发生了一些变化，具体如下。
１．1居民口粮我国是一个人口大国，随着人口的增长和收入的提高，我国城乡居民的粮食消费总量逐渐呈现上升的趋势，２００１年全国粮食消费量约为４８４５亿千克，２００５年约为４９７７亿千克，２０１０年粮食总消费量约为５２５０亿千克。
但是，从人均口粮消费趋势来看，我国居民的口粮人均消费量却在逐年下降，例如：１９９０－２００９年的２０年时间里，我国农村居民家庭每年的人均粮食消费量从１９９０年的２６２．１千克下降到２００９年的１８９．３千克，平均每年下降３．６４千克。
11年中国粮食生产周期的提出及预测实践(一)
11年中国粮食生产周期的提出及预测实践(一)1988年3月至6月，我曾在吉林大学欧阳植教授指导下，应用时间序列分析方法，进行过太阳黑子相对数预测预报研究工作。
在这项研究过程中，我大量阅读到了有关气候、农业、疾病等与太阳黑子变化有一定关系的专着和论文，对太阳黑子相对数11年周期有了进一步的了解；但同时也发现：缺少更有说服力的证据和定量分析结果证明这一观点。
我们曾企图进一步研究太阳黑子相对数同气候或疾病之间变化的关系，因缺少相关资料只好做罢。
1988年8月，我来到甘肃省统计局从事农产量抽样调查工作，使我有机会全面了解农业生产的全貌和获得比较完整的粮食产量历史资料。
1989年3月至6月，在进行甘肃省粮食产量周期研究与预测的过程中，我应用了时间序列分析的Box─Jenkins模型；并发现尽管甘肃省粮食产量历史数据的平稳性较差，但所做的拟合预测具有一定的可信度。
这一结果直接鼓励我将研究对象，转到了中国粮食生产周期的研究与预测；并于1989年7月完成了《中国粮食生产周期的研究与预测》一文，提出了11年中国粮食生产周期的观点。
在当时对1989年粮食产量普遍预计预测减产的情况下，根据11年周期和预测结果，大胆提出了1989、1990年将连续创历史最高水平的预测预报。
同年8月，受到了当时农业部长何康的肯定；同时，论文也分别在《统计与决策》1989·5，《发展》1989·6上发表，并且前者加一编者按。
1990年6月，又将当年的预测结果寄呈何康部长。
1991─1992年进行了跟踪预测。
1993年7月，又一次在普遍预计预测全年减产的形势下，给有关领导人寄呈了《1993年全国粮食产量将创历史最高水平》的预测报告。
1994年6月又撰写了《1994年及未来我国粮食产量的预测与分析》一文，并将此文上报国家统计局、农调总队、农业部等有关部门及领导人。
1994年7月，此文和《中国粮食生产周期的研究与预测》作为“全国第三届市场经济与统计改革研讨会”的征文参加研讨，后一篇论文还被评为优秀论文二等奖。
中国食用粮食消费总量的时序预测
A Time Series Forecasting of the Trend of Total
Food-grain Consumption in China 作者： 霍新林 [1] 常平凡 [2] 白磊 [2]
作者机构： 山西农业大学,资源环境学院,山西,太谷,030801[1] 山西农业大学,经贸学院,山西,太谷,030801[2]
出版物刊名： 山西农业大学学报：社会科学版
页码： 317-320页
主题词： 粮食消费总量 时序预测 对数时序模型 二次时序模型 幂函数时序模型
摘要：粮食消费预测是安排粮食生产、调整粮食种植结构、制定粮食安全和农业可持续发展战略的重要理论依据.利用粮食消费量与时间之间的相关关系,采用SPSS程序包进行筛选,建立我国食用粮食消费总量的时序预测模型.研究结果表明,所建立的三个时序预测模型的拟合度等统计指标高度显著,运用所建模型对所获资料进行的内推预测比较准确,但外推预测结果因影响因素多,其准确性有待时间和实际的检验.。
“十二五”时期我国粮食需求状况的分析与预测
“十二五”时期我国粮食需求状况的分析与预测［摘要］我国的粮食需求主要包括城乡居民口粮需求、饲料用粮需求、种子用粮需求和工业用粮需求。
由于我国人口的持续增长、居民收入水平的不断增加以及工业化进程的加快，使得我国在未来一段时间内对粮食的总体需求刚性上涨，且粮食供需缺口有被进一步拉大的风险。
本文首先介绍了我国粮食需求的构成情况，其次对影响我国粮食需求的主要因素进行了详细的分析，最后采用计量经济学中经典的GARCH模型，并利用我国1949-2010年粮食人均占有量时间序列数据对我国“十二五”时期（2011－2015年）的粮食人均占有量和粮食总需求量进行了分析与预测，并得到了相关结论。
［关键词］粮食需求；粮食产量预测；GARCH模型1我国粮食需求的构成情况分析一般来讲，任何一个国家的粮食需求基本上都由城乡居民口粮需求、饲料用粮需求、种子用粮需求和工业用粮需求４个部分构成。
改革开放以来，在国内人口持续增长、居民收入水平不断增加以及工业化进程逐渐加快的情况下，虽然我国粮食的供求总量保持了基本平衡，但是国内粮食总需求的构成情况却发生了一些变化，具体如下。
１．1居民口粮我国是一个人口大国，随着人口的增长和收入的提高，我国城乡居民的粮食消费总量逐渐呈现上升的趋势，２００１年全国粮食消费量约为４８４５亿千克，２００５年约为４９７７亿千克，２０１０年粮食总消费量约为５２５０亿千克。
但是，从人均口粮消费趋势来看，我国居民的口粮人均消费量却在逐年下降，例如：１９９０－２００９年的２０年时间里，我国农村居民家庭每年的人均粮食消费量从１９９０年的２６２．１千克下降到２００９年的１８９．３千克，平均每年下降３．６４千克。
1.２饲料用粮人们生活水平的提高必然会带来膳食结构的改善，具体表现为口粮消费的减少和畜产品、海产品等动物性食品消费的增加。
居民对动物性食品消费的增加也会使得对饲料用粮的需求越来越大，有关数据表明，近10年我国肉类产量年均增长速度在３％左右，而与之关系紧密的饲料用粮则平均每年以２％的速度递增。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
石河子大学商学院
课程论文
题 目: 课程名称: 院（系）: 年 级: 专 业: 班 级: 组 员:
我国粮食增量的时间序列预测 应用时间序列分析 商学院统计与金融系 2011 级 统计学 统计 2011（1）班
.
.
目录
1. 引言………………………………………………………………………………5 2. 分析方法介绍……………………………………………………………………5
.
.
摘要
1996 年，我国政府首次发表《中国的粮食问题》白皮书以来，我国在维护 粮食安全方面取得了巨大成绩。近 10 年来，我国粮食综合生产能力稳步提高， 年均产量较上一个 10 年增长了 10%以上，粮食自给率基本保持在 95%以上，居 民膳食结构显著改善，以市场化为方向的粮食流通体制改革不断深入，国家对粮 食实施宏观调控的物质基础更加巩固、手段更加灵活，实现了立足国内粮食自给 的预定目标。粮食生产的发展消除了国际社会对中国粮食问题的担忧，解决了 13 亿人口的吃饭问题，为世界粮食安全做出了重大贡献。在我国粮食生产取得 巨大成绩的同时也必须看到，当前我国粮食安全的现状：根据国家统计局的数字， 2006 年我国粮食总产实现连续三年增产，达到 9949 亿斤，不仅接近历史最高水 平，也可望提前实现“十一五”末粮食总产达到 1 万亿斤水平的规划目标。但在 形势出现转机之际，更要对目前存在的困难保持清醒认识。
.
.
限制条件
条件一： 这个限制条件保证了模型的最高阶数。 条件二： 这个限制条件实际上是要求随机干扰序列 为零均值白噪声序列。 条件三： 这个限制条件说明当期的随机干扰与过去的序列值无关。
ARIMA 模型
ARIMA 模型又称自回归求和移动平均模型，当时间序列本身不是平稳的时 候，如果它的增量，即的一次差分，稳定在零点附近，可以将看成是平稳序列。 在实际的问题中，所遇到的多数非平稳序列可以通过一次或多次差分后成为平稳 时间序列，则可以建立模型：
这说明任何非平稳序列只要通过适当阶数的差分运算实现差分后平稳，就可 以对差分后序列进行 ARIMA 模型拟合了。模型是指阶差分后自相关最高阶数为， 移动平均最高阶数为的模型，通常它包含个独立的未知系数：。它可以用最小均 方误差原则实现预测：用历史观察值的线性函数表示为：式中，的值由下列等式 确定：如果把记为广义自相关函数，有容易验证的值满足如下递推公式：那么， 真实值为：由于的不可获取性，所以的估计值只能为：真实值与预测值之间的均 方误差为：要使均方误差最小，当且仅当，所以在均方误差最小原则下，期预报 值为：预测误差为：真实值等于预测值加上预测误差：其中，预测误差的均值和 方差分别为：
3 问题分析
我们给出我国 1975—2013 年的粮食产量，借助这些数据对我国粮食增量的 时间序列预测。我们用了模型识别的方法和回归预测的方法
.
.
文中的数据来源于国家统计局网站其中部分数据是通过以上相关数据计算 求得的即数据具有真实性权威性从而使得到的结果具有意义能反映现状。
绘制序列时序图
时序图给我们提供的信息非常明确该序列既有明显的递增趋势又含有以年 为周期的季节效应所以不是平稳序列为了稳妥起见我们还需要利用自相关图进 一步辅助识别由于平稳序列通常具有短期相关性自相关系数一般会随着延迟期 数的增加而很快地衰减向零反之非平稳序列的自相关系数衰减向零的速度通常 会比较慢这就是我们利用自相关图进行平稳性判断的标准
2.分析方法介绍
2.1 模型识别预测
时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估 计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线 性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规 划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作 物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。
上，建立变量之间的回归方程，并将回归方程作为预测模型，根据自变量在预测 期的数量变化来预测因变量关系大多表现为相关关系，因此，回归分析预测法是 一种重要的市场预测方法，当我们在对市场现象未来发展状况和水平进行预测 时，如果能将影响市场预测对象的主要因素找到，并且能够取得其数量资料，就 可以采用回归分析预测法进行预测。它是一种具体的、行之有效的、实用价值很 高的常用市场预测方法。
Key words：Food production model recognition regression forecast SAS
.
.
1.引言
在我国粮食生产取得巨大成绩的同时也必须看到，当前我国粮食安全的现 状：根据国家统计局的数字，2006 年我国粮食总产实现连续三年增产，达到 9949 亿斤，不仅接近历史最高水平，也可望提前实现“十一五”末粮食总产达到 1 万亿斤水平的规划目标。但在形势出现转机之际，更要对目前存在的困难保持清 醒认识。
具有如下结构的模型称为 阶自回归模型，简记为： 如果一个系统在某时刻的响应与其以前的响应无关，而与其以前进入系统的扰动 存在一定的相关关系，这一类系统则称之为移动平均 MA 系统。 这是因为是由一系列的及其滞后项的加权和构造而成。这里的“移动”指的变化， 而“平均”指加权和。一般移动平均模型由部分构成，形成如下： 为了分析的方便将其表述为与系统因素的延迟项一致，即将模型中各加号改为减 号有：用滞后因子表示为：把具有如下结构的模型称为自回归移动平均模型，简 记为：引进延迟算子，模型简记为：式中：，为阶自回归系数多项式。，为阶移动 平均系数多项式。
3.问题分析……………………………………………………………………………7 3.1 模型识别的过程……………………………………………………………7 3.1.1 模型拟合的结果……………………………………………………8 3.2 回归预测结果及分析………………………………………………………11
4.总结及建议………………………………………………………………………17 参考文献……………………………………………………………………………19 附表…………………………………………………………………………………20
时间序列是一种特殊的随机过程，当中的取非负整数时，就可以代表各个时 刻，就可以看作是时间序列（time series),因此，当一个随机过程可以看作时间序 列时，我们就可以利用现有的时间序列模型建模分析该随机过程的特性。
2.2 回归预测
回归分析预测法 回归分析预测法，是在分析市场现象自变量和因变量之间相关关系的基础
关键词：粮食产量 模型识别 回归预测 SAS
.
.
Abstract
In 1996, our country the government issued a white paper on \"China's grain problem\" for the first time since, our country has been a huge success in the maintenance of food security. In recent 10 years, China's comprehensive grain production capacity will increase steadily, and annual output, up more than 10% in a decade, its self-sufficiency rate of grain basic stay above 95%, significantly improve residents' dietary structure, take the market as the direction of the grain circulation system reform deepening, the state of the material basis for the implementation of macroeconomic regulation and control of grain cements, means more flexible, achieve the intended target of domestic self-sufficiency. The development of grain production to eliminate the international social concern about China's food problems, solve the problem of 1.3 billion people to eat, made a major contribution to world food security. Great achievements of grain production in China also need to see at the same time, the current status of our country's food security: according to the national bureau of statistics figures, in 2006 China's total output of grain production for three consecutive years, 994.9 billion jins, not only close to record levels, also is expected to achieve at the end of the period of \"11th five-year plan\" in advance grain output reached 1 trillion tons level of planning objectives. But in the turnaround of the situation, more understanding of the existing difficult to stay awake.ຫໍສະໝຸດ 2.1.2 模型识别的步骤抽样