基于时间序列分析的吉林省粮食产量预测模型

摘要：吉林省是我国重要的商品粮生产基地，时间序列分析中的ARIMA（p，d，q）模型可以很好地反映吉林省的粮食生产状况。利用吉林省1978—2012年的粮食产量数据，根据时间序列分析法，通过Eviews软件得到吉林省粮食产量预测模型，由该模型预测吉林省未来粮食产量呈现稳中增长的势头，但增产幅度逐渐减弱。

关键词：吉林省；时间序列分析；粮食；产量；预测模型

中图分类号： F326.11文献标志码： A文章编号：1002-1302（2014）10-0478-02

收稿日期：2013-12-14

基金项目：国家自然科学基金（编号：31160103）。

作者简介：何延治（1966—），男，吉林龙井人，硕士，副教授，从事计量经济学研究。E-mail：yzhe@ybu.edu.cn。吉林省是一个农业大省，是我国重要的粮食主产区，吉林省粮食生产对全国粮食安全具有举足轻重的作用。能够准确预测吉林省的粮食产量对吉林省乃至全国农业发展具有重要的意义[1]。本研究利用吉林省1978—2012年的粮食产量数据，选用时间序列分析中的ARIMA（p，d，q）模型，建立吉林省粮食产量预测模型，并用该模型拟和吉林省2011年和2012年的粮食产量，同时预测吉林省2013年和2014年的粮食产量，这可为指导吉林省粮食生产提供科学的理论依据。

1时间序列分析方法

时间序列分析方法是由美国著名统计学家博克斯和英国的詹金斯于1976年提出，简称B-J方法，是一种应用广泛的数量分析方法，主要用于描述和探索现象随时间发展变化的数量规律，是一种时间序列短期预测方法。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势，即通过时间序列的历史数据，揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。时间序列分析中的预测模型不同于其他计量经济预测模型的一个重要特点是不考虑被研究变量以外的任何其他变量，而是依靠被研究变量本身的外推机制来描述经济变量的变化，强调让数据自己说话，重点分析时间序列本身的随机性[2-3]。这也是本研究采用该方法的主要原因。

2时间序列模型

时间序列基本模型有3种：自回归模型（autoregressive model），简称AR模型；移动平均模型（moving average model），简称MA模型；自回归移动平均模型（autoregressive moving average model），简称ARMA模型，前2种模型是它的特殊形式。这3种模型均只适用于平稳的时间序列。但是，实际问题中，许多时间序列并不近似为平稳的时间序列，因此不能直接用非平稳的时间序列建立模型，需要通过差分处理，产生一个平稳的新的时间序列，再用ARMA模型建模，

4结论

时间序列分析法是一种重要的预测方法，其模型比较简单，对资料的要求比较单一，只需变量本身的历史数据，在实际应用中有广泛的适用性。在应用中需根据所要解决的问题及其特点等因素，综合考虑并选择相对最优的模型。由研究建立的ARIMA（1，1，1） 模型预测分析可知，吉林省未来粮食产量呈现稳中增长的势头，但增产幅度将逐渐减弱。

为更好地进行吉林省粮食生产，提高吉林省粮食生产的产量，要坚持稳定面积、主攻粮食单产的总方针，向科学技术要产量，要不断加强高标准农田建设，深入实施测土配方施肥，加强病虫害监测与防控能力建设，加快农作物新品种和高效耕作技术的研发推广，促进农产品合理高效流通，充分调动农民的生产积极性。

参考文献：

[1]王波，郭夜白，高来斌，等. 最优加权预测在吉林省粮食产量预测中的应用[J]. 吉林农业大学学报，2008，30（5）：760-763.

[2]潘红宇. 时间序列分析[M]. 北京：对外经济贸易大学出版社，2006：45-97.

[3]张树京，齐立心. 时间序列分析简明教程[M]. 北京：北方交通大学出版社，2003：33-84.

[4]樊亮，常迎香，李菊梅. 时间序列分析模型在甘肃省GDP中的应用[J]. 甘肃科学学报，2009，21（4）：140-142.

[5]张晓杰，张希良. 时间序列分析模型在山东省粮食总产量预测中的应用[J]. 水土保持研究，2007，14（3）：309-311.

[6]王延停，杜院录，贾利新. 时间序列分析在粮食产量预测中的应用[J]. 河南科学，2011，29（5）：520-523.

[7]王燕. 应用时间序列分析[M]. 北京：中国人民大学出版社，2005：45-60.

[8]于平福，陆宇明，韦莉萍，等. 基于小波广义回归神经网络的粮食产量预测模型[J]. 湖北农业科学，2011，50（10）：2135-2137.

[9]张晓峒. 计量经济学软件EViews使用指南[M]. 天津：南开大学出版社，2003：232-242.

[10]张晓峒. 计量经济学基础[M]. 天津：南开大学出版社，2001：282-341.endprint

摘要：吉林省是我国重要的商品粮生产基地，时间序列分析中的ARIMA（p，d，q）模型可以很好地反映吉林省的粮食生产状况。利用吉林省1978—2012年的粮食产量数据，根据时间序列分析法，通过Eviews软件得到吉林省粮食产量预测模型，由该模型预测吉林省未来粮食产量呈现稳中增长的势头，但增产幅度逐渐减弱。

关键词：吉林省；时间序列分析；粮食；产量；预测模型

中图分类号： F326.11文献标志码： A文章编号：1002-1302（2014）10-0478-02

收稿日期：2013-12-14

基金项目：国家自然科学基金（编号：31160103）。

作者简介：何延治（1966—），男，吉林龙井人，硕士，副教授，从事计量经济学研究。E-mail：yzhe@ybu.edu.cn。吉林省是一个农业大省，是我国重要的粮食主产区，吉林省粮食生产对全国粮食安全具有举足轻重的作用。能够准确预测吉林省的粮食产量对吉林省乃至全国农业发展具有重要的意义[1]。本研究利用吉林省1978—2012年的粮食产量数据，选用时间序列分析中的ARIMA（p，d，q）模型，建立吉林省粮食产量预测模型，并用该模型拟和吉林省2011年和2012年的粮食产量，同时预测吉林省2013年和2014年的粮食产量，这可为指导吉林省粮食生产提供科学的理论依据。

1时间序列分析方法

时间序列分析方法是由美国著名统计学家博克斯和英国的詹金斯于1976年提出，简称B-J方法，是一种应用广泛的数量分析方法，主要用于描述和探索现象随时间发展变化的数量规律，是一种时间序列短期预测方法。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势，即通过时间序列的历史数据，揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。时间序列分析中的预测模型不同于其他计量经济预测模型的一个重要特点是不考虑被研究变量以外的任何其他变量，而是依靠被研究变量本身的外推机制来描述经济变量的变化，强调让数据自己说话，重点分析时间序列本身的随机性[2-3]。这也是本研究采用该方法的主要原因。

2时间序列模型

时间序列基本模型有3种：自回归模型（autoregressive model），简称AR模型；移动平均模型（moving average model），简称MA模型；自回归移动平均模型（autoregressive moving average model），简称ARMA模型，前2种模型是它的特殊形式。这3种模型均只适用于平稳的时间序列。但是，实际问题中，许多时间序列并不近似为平稳的时间序列，因此不能直接用非平稳的时间序列建立模型，需要通过差分处理，产生一个平稳的新的时间序列，再用ARMA模型建模，

4结论

时间序列分析法是一种重要的预测方法，其模型比较简单，对资料的要求比较单一，只需变量本身的历史数据，在实际应用中有广泛的适用性。在应用中需根据所要解决的问题及其特点等因素，综合考虑并选择相对最优的模型。由研究建立的ARIMA（1，1，1） 模型预测分析可知，吉林省未来粮食产量呈现稳中增长的势头，但增产幅度将逐渐减弱。

为更好地进行吉林省粮食生产，提高吉林省粮食生产的产量，要坚持稳定面积、主攻粮食单产的总方针，向科学技术要产量，要不断加强高标准农田建设，深入实施测土配方施肥，加强病虫害监测与防控能力建设，加快农作物新品种和高效耕作技术的研发推广，促进农产品合理高效流通，充分调动农民的生产积极性。

参考文献：

[1]王波，郭夜白，高来斌，等. 最优加权预测在吉林省粮食产量预测中的应用[J]. 吉林农业大学学报，2008，30（5）：760-763.

[2]潘红宇. 时间序列分析[M]. 北京：对外经济贸易大学出版社，2006：45-97.

[3]张树京，齐立心. 时间序列分析简明教程[M]. 北京：北方交通大学出版社，2003：33-84.

[4]樊亮，常迎香，李菊梅. 时间序列分析模型在甘肃省GDP中的应用[J]. 甘肃科学学报，2009，21（4）：140-142.

[5]张晓杰，张希良. 时间序列分析模型在山东省粮食总产量预测中的应用[J]. 水土保持研究，2007，14（3）：309-311.

[6]王延停，杜院录，贾利新. 时间序列分析在粮食产量预测中的应用[J]. 河南科学，2011，29（5）：520-523.

[7]王燕. 应用时间序列分析[M]. 北京：中国人民大学出版社，2005：45-60.

[8]于平福，陆宇明，韦莉萍，等. 基于小波广义回归神经网络的粮食产量预测模型[J]. 湖北农业科学，2011，50（10）：2135-2137.

[9]张晓峒. 计量经济学软件EViews使用指南[M]. 天津：南开大学出版社，2003：232-242.

[10]张晓峒. 计量经济学基础[M]. 天津：南开大学出版社，2001：282-341.endprint

摘要：吉林省是我国重要的商品粮生产基地，时间序列分析中的ARIMA（p，d，q）模型可以很好地反映吉林省的粮食生产状况。利用吉林省1978—2012年的粮食产量数据，根据时间序列分析法，通过Eviews软件得到吉林省粮食产量预测模型，由该模型预测吉林省未来粮食产量呈现稳中增长的势头，但增产幅度逐渐减弱。

关键词：吉林省；时间序列分析；粮食；产量；预测模型

中图分类号： F326.11文献标志码： A文章编号：1002-1302（2014）10-0478-02

收稿日期：2013-12-14

基金项目：国家自然科学基金（编号：31160103）。

作者简介：何延治（1966—），男，吉林龙井人，硕士，副教授，从事计量经济学研究。E-mail：yzhe@ybu.edu.cn。吉林省是一个农业大省，是我国重要的粮食主产区，吉林省粮食生产对全国粮食安全具有举足轻重的作用。能够准确预测吉林省的粮食产量对吉林省乃至全国农业发展具有重要的意义[1]。本研究利用吉林省1978—2012年的粮食产量数据，选用时间序列分析中的ARIMA（p，d，q）模型，建立吉林省粮食产量预测模型，并用该模型拟和吉林省2011年和2012年的粮食产量，同时预测吉林省2013年和2014年的粮食产量，这可为指导吉林省粮食生产提供科学的理论依据。

1时间序列分析方法

时间序列分析方法是由美国著名统计学家博克斯和英国的詹金斯于1976年提出，简称B-J方法，是一种应用广泛的数量分析方法，主要用于描述和探索现象随时间发展变化的数量规律，是一种时间序列短期预测方法。时间序列预测是通过对预测目标自身时间序列的处理来研究其变化趋势，即通过时间序列的历史数据，揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测。时间序列分析中的预测模型不同于其他计量经济预测模型的一个重要特点是不考虑被研究变量以外的任何其他变量，而是依靠被研究变量本身的外推机制来描述经济变量的变化，强调让数据自己说话，重点分析时间序列本身的随机性[2-3]。这也是本研究采用该方法的主要原因。

2时间序列模型

时间序列基本模型有3种：自回归模型（autoregressive model），简称AR模型；移动平均模型（moving average model），简称MA模型；自回归移动平均模型（autoregressive moving average model），简称ARMA模型，前2种模型是它的特殊形式。这3种模型均只适用于平稳的时间序列。但是，实际问题中，许多时间序列并不近似为平稳的时间序列，因此不能直接用非平稳的时间序列建立模型，需要通过差分处理，产生一个平稳的新的时间序列，再用ARMA模型建模，

4结论

时间序列分析法是一种重要的预测方法，其模型比较简单，对资料的要求比较单一，只需变量本身的历史数据，在实际应用中有广泛的适用性。在应用中需根据所要解决的问题及其特点等因素，综合考虑并选择相对最优的模型。由研究建立的ARIMA（1，1，1） 模型预测分析可知，吉林省未来粮食产量呈现稳中增长的势头，但增产幅度将逐渐减弱。

为更好地进行吉林省粮食生产，提高吉林省粮食生产的产量，要坚持稳定面积、主攻粮食单产的总方针，向科学技术要产量，要不断加强高标准农田建设，深入实施测土配方施肥，加强病虫害监测与防控能力建设，加快农作物新品种和高效耕作技术的研发推广，促进农产品合理高效流通，充分调动农民的生产积极性。

参考文献：

[1]王波，郭夜白，高来斌，等. 最优加权预测在吉林省粮食产量预测中的应用[J]. 吉林农业大学学报，2008，30（5）：760-763.

[2]潘红宇. 时间序列分析[M]. 北京：对外经济贸易大学出版社，2006：45-97.

[3]张树京，齐立心. 时间序列分析简明教程[M]. 北京：北方交通大学出版社，2003：33-84.

[4]樊亮，常迎香，李菊梅. 时间序列分析模型在甘肃省GDP中的应用[J]. 甘肃科学学报，2009，21（4）：140-142.

[5]张晓杰，张希良. 时间序列分析模型在山东省粮食总产量预测中的应用[J]. 水土保持研究，2007，14（3）：309-311.

[6]王延停，杜院录，贾利新. 时间序列分析在粮食产量预测中的应用[J]. 河南科学，2011，29（5）：520-523.

[7]王燕. 应用时间序列分析[M]. 北京：中国人民大学出版社，2005：45-60.

[8]于平福，陆宇明，韦莉萍，等. 基于小波广义回归神经网络的粮食产量预测模型[J]. 湖北农业科学，2011，50（10）：2135-2137.

[9]张晓峒. 计量经济学软件EViews使用指南[M]. 天津：南开大学出版社，2003：232-242.

[10]张晓峒. 计量经济学基础[M]. 天津：南开大学出版社，2001：282-341.endprint