ARMA模型的应用

基于ARMA模型的湖南省工业总产值的时间序列分析

摘要:改革开放以来，湖南省的工业经济增长取得了举世瞩目的成就。故本文以1978-2013年湖南省工业总产值的历史数据为基础，对1978-2009年的数据进行了平稳化处理，并进行了模型的识别、参数估计、显著性检验、优化，建立了适合湖南省工业发展的自回归移动平均模型（ARMA）；然后对2010-2013年湖南省工业总产值进行了拟合预测，以检验模型的实际拟合效果；最后对2014-2016年的工业总产值进行了统计预测，得出ARMA模型是一种很好的短期时间序列预测方法，并从中找出了湖南省工业发展的内在规律，提出了工业发展的相关政策建议。

关键词：ARMA模型；工业总产值；时间序列；短期预测

一、引言

2014年湖南省政府工作报告在回顾2013年工作时指出“工业实力增强，全部工业增加值突破1万亿元，规模工业主营业务收入超过3万亿元”。改革开放以来，湖南省工业总产值从1978年的142.78亿元上升到2013年的40004.55亿元，工业增加值占地区生产总值的比重也由1978年的35.3%上升到2013年的40.8%。2013年，湖南省规模以上工业增加值增长11.6%，规模以上工业新产品产值增长23.2%，占工业总产值比重为13.1%，比上年提高1个百分点。可见湖南省工业不断得到发展，并取得了较为瞩目的成就。但是工业的发展也呈现出一系列问题，工业的发展速度从1978年的121.6%呈现波动性下降，这进一步说明湖南省工业经济在取得重大发展的过程中也付出了极大的代价，特别是环境方面的代价，这在某种程度上阻碍了湖南省工业经济的进一步发展。此外，随着我国经济增长中心由东部沿海地区向西部地区推移，作为我国主要的能源基地和原材料工业基地的中部六省必定成为我国工业经济的高速增长点，而湖南省两型社会（资源节约型和环境友好型）的构建，使其面临了更多的机遇和挑战。从某种程度上说，湖南省工业发展的好坏，将会影响我国未来经济的发展和环境友好型社会的构建，这就迫切需要我们对湖南省工业经济发展的模式做出重新选择。为了探索出湖南省工业发展的内在规律和短期波动情况，促进湖南省工业经济的发展，从而更好定位我国未来经济的发展和构建环境友好型社会，本文运用ARMA模型对湖南省工业总产值序列进行了平稳化处理、模型识别、参数估计、模型检验以及模型优化，最终建立起符合湖南省工业经济发展的疏系数模型（ARIMA模型），并对2014-2016年的工业总产值进行了统计预测。

ARMA模型是国际上比较流行的单一时间序列预测模型，特别适合处理复杂时间序列的预测，且在短期预测时精度较高，故在各个领域运用得也非常广泛。从宏观层面来看，张煜（2006）将ARMA模型应用于我国外贸进出口总额的时间序列的分析中，证实了ARMA模型是一种较好的短期预测模型]1[。夏蓉（2008）以1952-2004年我国工业总产值的历史数据为基础，建立ARMA模型，探析出ARMA 模型能较好的分析和计算我国工业的发展波动情况，我国工业总产值在保持稳定速度增长的同时也存在一些问题]2[。陈德艳（2011）]3[、苏雷（2012）]4[等分别将ARMA模型应用于我国城乡收入差距、土地利用需求量的预测中。从微观层面

来看，梁来存等（2003）]5[、沈楠（2009）]6[、李斌（2011）]7[将ARMA 模型分别应用于湖南省人均GDP 、工业废气排放量、产业承接转移等领域中，并证实出ARMA 模型是一种较好的短期预测方法。

综上说述，国内各学者虽将ARMA 模型应用到很多行业领域，并形成了一些较为成熟的理论和方法，但还是存在很多不足，且很多行业领域未涉及到。湖南省作为中部省份之一，近年来工业结构不断改善，新产品开发不断加快。故本文在以往学者研究的基础上，通过借鉴其研究成果及思路，主要从湖南省工业总产值序列展开分析的。

二、研究方法和数据说明

（一）研究方法

如果随机序列{x t }满足：x t =0φ+1φx 1-t +…+p φx p t -+t ε-1θ1-t ε-…-q θq t -ε，其中残差序列{t ε}为零均值白噪声序列。则称时间序列{x t }服从（p,q ）阶自回归移动平均模型]8[，简记为ARMA(p,q)。若0φ=0，则模型为中心化ARMA （p,q ）模型。引进延迟算子，ARMA （p,q ）模型简记为：

t x B )(Φ=t B ε)(Θ

式中，

P P B B B φφ---=Φ...1)(1，为p 阶自回归系数多项式。

q q B B B θθ---=Θ...1)(1，为q 阶移动平均系数多项式。

显然，当p=0时，ARMA(p,q)模型就退化为AR （p ）模型，当q=0时，ARMA(p,q)模型就退化为MA （q ）模型。AR （p ）和MA （q ）模型实际上是ARMA(p,q)模型的特例。

本文中，由于所选取的时间序列的特殊性，采用ARIMA （p,d,q ）模型，它是指d 阶差分后自相关最高阶数为p ，移动平均最高阶数为q 的模型，其预测方法与ARMA 模型非常相似，该模型的一般表示方法为：

t t d B x B B ε)()1)((Θ=-Φ

（二）数据说明

本文采用的数据是1978-2013年湖南省工业总产值，其中1978-2012年的数

据来自于《2013湖南省统计年鉴》，2013年的数据是根据《湖南省2013年国民经济和社会发展统计公报》中的数据换算求得（原始数据见附录表1）。

三、湖南省工业总产值序列的实证分析

目前最容易分析的一种序列是平稳非白噪声序列，而现实生活中绝大多数序列都是非平稳序列，因而在时间序列建模分析之前，需要先对时间序列进行平稳性处理和白噪声检验，以便进行更深入的分析。

（一）时间序列的预处理

1.平稳性检验

这里首先通过时序图直观的判断工业总产值序列的平稳情况，同时为了精确的判断工业总产值序列是否平稳，运用ADF单位根检验进行平稳性检验。利用Eview6.0软件对数据进行处理，结果如图1和表1所示：

图1 湖南省工业总产值时间曲线图

表1 X序列ADF检验结果

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 5.757623 1.0000 Test critical values: 1% level -3.737853

5% level -2.991878

10% level -2.635542