基于ARMA模型的山东粮食产量预测研究 | 您所在的位置:网站首页 › arma阶数确定 › 基于ARMA模型的山东粮食产量预测研究 |
基于 ARMA 模型的山东粮食产量预测研究
以 1980 年以来的山东粮食产量数据为基础,先后通过平稳化检验及自相关 与偏相关分析, 建立 ARMA 模型, 确定模型参数并对残差序列进行白噪声检验。 借助 Eviews 软件对其走势进行分析研究,通过理论模型对粮食产量进行预测, 并将预测情况与山东省粮食的实际产量做对比,为政府及相关部门提供决策参 考。
标签: ARMA 模型;粮食产量;预测
粮食产量的预测问题是金融及农业领域长期研究的问题, 面对严峻复杂的经 济形势, 为了寻找适合的模型, 专家们已做了大量的研究。 山东省作为全国产粮 第三大省,粮食丰收可以确保国家粮食安全,保障了广大农业人员的生活水平, 为经济的平稳健康发展及社会的稳定和谐提供了有力支撑, 因此加强对省内粮食 产量变动趋势的检测和研究显得尤为重要。 粮食产量的预测是基于时间序列数据 的。 基于时间序列数据的预测方法有很多种, 最常用的技术有分解分析法、 回归 分析法、移动平均法、指数平滑法、混沌时间序列法、自适应过滤法、小波分频 技术、 自回归滑动平均模型等。 ARMA 模型 (自回归移动平均模型, Auto-regressive and Moving Average Model )由博克斯( Box ) 、詹金斯( Jenkins )于 20 世纪 70 年代创立,因此也称为 BJ 方法,是目前最为常用的研究时间序列模型之一。本 文根据山东省粮食近三十年的产量数据建立 ARMA 模型, 并用 Eviews 软件对其 波动趋势进行预测分析。
1 模型介绍
1.1ARMA 模型
AR ( p )模型也称为自回归模型,它的预测结果主要由过去的观测值和现在 的干扰值的线性组合决定。
记:
yt=c+1yt-1+2yt- 2+…+pyt - p+μt ( 1 )
c 为常数, p 为自回归模型的阶数, 1 ( i=1 , 2 , 3 , … , p )自回归系数,随 机项 ut 服从均值为零,方差为 σ2μ 的正态分布,通常标记为 μt ~ WN ( 0 , σ2t ) , μt 是相互独立的白噪声序列。
MA ( q )模型也称为移动平均模型。其预测方式是通过过去的干扰值和现 在的干扰值的线性组合预测。
记:
|
CopyRight 2018-2019 实验室设备网 版权所有 |