【文章內(nèi)容簡介】 關(guān)圖如下： 圖15 19852009第二類地區(qū)豬肉產(chǎn)量3階差分序列時序圖 圖16 19852009第二類地區(qū)豬肉產(chǎn)量3階差分序列自相關(guān)圖由圖15可見，3階差分后序列顯示出一定的平穩(wěn)性，遞增的趨勢已被消除；由圖16可見，3階差分后序列的自相關(guān)系數(shù)一直都比較小，始終控制在2倍標準差范圍內(nèi)，可認為3階差分序列的自相關(guān)自始至終都在零附近波動，因而初步斷定3階差分后序列為平穩(wěn)序列，對其進一步作單位根檢驗（1階自相關(guān)ADF檢驗）得到：表17 19852009年第二類地區(qū)豬肉產(chǎn)量3階差分序列單位根檢驗結(jié)果類型延遲階數(shù)Tau統(tǒng)計量P值無均值、無趨勢01有均值、無趨勢01有均值、有趨勢01，由表17可見，可以認為3階差分后序列顯著平穩(wěn)。利用SAS軟件對3階差分后序列作純隨機性檢驗可得： 表18 19852009年第二類地區(qū)豬肉產(chǎn)量3階差分序列純隨機性檢驗結(jié)果延遲階數(shù)統(tǒng)計量P值61218由上表可見，，說明原序列3階差分序列不可視為白噪聲序列，即3階差分后序列還蘊含著不容忽視的相關(guān)信息可供提取，從而有分析的價值。綜上所述，3階差分后序列為平穩(wěn)非純隨機序列，因此，可考慮對3階差分后序列建立ARMA（p,q）模型，即對原序列建立ARIMA（p,d,q）模型（此處d=3）。設(shè)對3階差分后序列建立模型為： 則原始序列的模型為： 其中， 表示對原始序列的3階差分； 為p階自回歸系數(shù)多項式； 為q階移動平均系數(shù)多項式。 模型定階 定階原則同表6及其說明。 利用SAS軟件作出3階差分后序列的自相關(guān)圖及偏自相關(guān)圖如下： 圖17 19852009第二類地區(qū)豬肉產(chǎn)量3階差分序列自相關(guān)圖圖18 19852009第二類地區(qū)豬肉產(chǎn)量3階差分序列偏自相關(guān)圖從圖17可看到，自相關(guān)系數(shù)拖尾，從圖18可看到，偏自相關(guān)系數(shù)亦拖尾，因而初步考慮該模型為ARMA(p,q)模型，人為根據(jù)上述兩幅圖難以確定其階數(shù)。為了盡量避免因個人經(jīng)驗不足導致的模型識別問題，利用SAS軟件對3階差分后序列進行相對最優(yōu)定階，以獲得一定范圍內(nèi)的最優(yōu)模型定階。利用SAS軟件計算ARMA(p,q)模型的BIC信息量，得到如下結(jié)果： 表19 第二類地區(qū)產(chǎn)量模型BIC信息量延遲階數(shù)MA 0MA 1MA 2MA 3MA 4MA 5MA 6 MA 7AR 0000AR 1000AR 2000AR 30000AR 400000000AR 500000000AR 600000000AR 700000000由表19可見，在ARMA(0,5)處BIC信息量最小，因此，該模型選為ARMA(0,5)模型，即MA(5)模型。 參數(shù)估計MA(q)模型參數(shù)估計可采用下述方法：由于MA(q)序列的子協(xié)方差函數(shù)q階后截尾，定義 按照文獻【5】給出的方法，定義 ， ， 則有MA(q)模型的參數(shù)估計值為：其中， 利用SAS軟件進行計算得到：表20 第二類地區(qū)模型參數(shù)估計參數(shù)估值 由此可得最終模型為： 產(chǎn)量預(yù)測利用上述模型做兩期預(yù)測分別得到2010年以及2011年的豬肉產(chǎn)量為：，故認為該模型真實反映了全國的豬肉產(chǎn)量趨勢，因而，2011年的預(yù)測產(chǎn)量可信度高，對第二類地區(qū)豬肉產(chǎn)量加權(quán)平均貢獻大的省份其產(chǎn)量估值在其上游浮動，相反地，對第二類地區(qū)豬肉產(chǎn)量加權(quán)平均貢獻大的省份其產(chǎn)量估值在其下游浮動。（四）第三類地區(qū)模型建立及預(yù)測 數(shù)據(jù)預(yù)處理為了判斷該序列是否有分析價值，必須對該序列進行純隨機性檢驗，即白噪聲檢驗。利用SAS軟件對19852009年第三類地區(qū)豬肉產(chǎn)量作純隨機性檢驗，得到：表21 19852009年第三類地區(qū)豬肉產(chǎn)量序列純隨機檢驗結(jié)果延遲階數(shù)統(tǒng)計量P值61218由表21可見，各階延遲的統(tǒng)計量的P值都非常?。ǎ瑥亩泻艽蟮陌盐眨ㄖ眯潘?）斷定該序列屬于非白噪聲序列，因而，該序列有進一步研究的價值。利用SAS軟件對19852009年第三類地區(qū)的數(shù)據(jù)繪制其時序圖及樣本自相關(guān)圖，如下圖所示：圖19 19852009年第三類地區(qū)產(chǎn)量時序圖 圖20 19852009年第三類地區(qū)產(chǎn)量自相關(guān)圖由圖19可見，該序列具有明顯的趨勢性，從1985年到2009年呈現(xiàn)出明顯遞增的趨勢，從圖20看到，序列自相關(guān)系數(shù)遞減到零的速度相當緩慢，在很長的延遲時間里，自相關(guān)系數(shù)一直為正，而后又一直為負，在自相關(guān)圖上顯示出明顯的三角對稱性，因而初步判斷其為具有單調(diào)趨勢的非平穩(wěn)序列，對其進一步作單位根檢驗（1階自相關(guān)ADF檢驗）得到：表22 19852009年第三類地區(qū)豬肉產(chǎn)量序列單位根檢驗結(jié)果類型延遲階數(shù)Tau統(tǒng)計量P值無均值、無趨勢01有均值、無趨勢01有均值、有趨勢01由表22可見，因而可以斷定該序列非平穩(wěn)。綜上認為，該序列為非平穩(wěn)非白噪聲序列，因此，可先對其進行差分過程，而后再加以研究。 模型建立經(jīng)過觀察和計算發(fā)現(xiàn)，對19852009年全國豬肉產(chǎn)量序列作3階差分，得到的新的序列為平穩(wěn)序列序列。 模型建立利用SAS軟件，作出3階差分后序列的時序圖以及自相關(guān)圖如下： 圖21 19852009年第三類地區(qū)產(chǎn)量3階差分后序列的時序圖 圖22 19852009年第三類地區(qū)產(chǎn)量3階差分后序列的自相關(guān)圖由圖21可見，3階差分后序列顯示出一定的平穩(wěn)性，遞增的趨勢已被消除；由圖22可見，3階差分后序列的自相關(guān)系數(shù)一直都比較小，始終控制在2倍標準差范圍內(nèi)，可認為3階差分序列的自相關(guān)自始至終都在零附近波動，因而初步斷定3階差分后序列為平穩(wěn)序列，對其進一步作單位根檢驗（1階自相關(guān)ADF檢驗）得到： 表23 19852009年第三類地區(qū)豬肉產(chǎn)量3階差分序列單位根檢驗結(jié)果類型延遲階數(shù)Tau統(tǒng)計量P值無均值、無趨勢01有均值、無趨勢01有均值、有趨勢01可以看到， ，從而有很大的把握斷定3階差分后序列屬于非白噪聲序列，因而，可以對其進行進一步的研究。利用SAS軟件對3階差分后序列作純隨機性檢驗可得： 表24 19852009年第三類地區(qū)豬肉產(chǎn)量3階差分序列純隨機性檢驗結(jié)果延遲階數(shù)統(tǒng)計量P值61218由上表可見，，說明原序列3階差分序列不可視為白噪聲序列，即3階差分后序列還蘊含著不容忽視的相關(guān)信息可供提取，從而有分析的價值。綜上所述，3階差分后序列為平穩(wěn)非純隨機序列，因此，可考慮對3階差分后序列建立ARMA（p,q）模型，即對原序列建立ARIMA（p,d,q）模型（此處d=3）。設(shè)對3階差分后序列建立模型為： 則原始序列的模型為： 其中， 表示對原始序列的3階差分； 為p階自回歸系數(shù)多項式； 為q階移動平均系數(shù)多項式。 模型定階定階原則參見表6及其說明。作出3階差分后序列的自相關(guān)圖及偏自相關(guān)圖如下： 圖23 19852009年第三類地區(qū)產(chǎn)量3階差分后序列的自相關(guān)圖圖23 19852009年第三類地區(qū)產(chǎn)量3階差分后序列的自相關(guān)圖從圖8可看到，自相關(guān)系數(shù)拖尾，從圖9可看到，偏自相關(guān)系數(shù)亦拖尾，因而初步考慮該模型為ARMA(p,q)模型，人為根據(jù)上述兩幅圖難以確定其階數(shù)。為了盡量避免因個人經(jīng)驗不足導致的模型識別問題，利用SAS軟件對3階差分后序列進行相對最優(yōu)定階，以獲得一定范圍內(nèi)的最優(yōu)模型定階。利用SAS軟件計算ARMA(p,q)模型的BIC信息量，得到如下結(jié)果：表25 第三類地區(qū)產(chǎn)量模型BIC信息量延遲階數(shù)MA 0MA 1MA 2MA 3MA 4MA 5MA 6 MA 7AR 0000AR 10000AR 20000AR 300000AR 4000000AR 500000000AR 600000000AR 700000000可以看到，BIC信息量相對最小的是ARMA(0,4)模型，即MA(4)模型。 參數(shù)估計MA(q)模型參數(shù)估計方法在第二類模型已做過介紹，此處不再贅述。利用SAS軟件進行計算得到： 表26 第三類地區(qū)產(chǎn)量模型參數(shù)估計參數(shù)估值因此得到適合的模型為： 產(chǎn)量預(yù)測利用上述模型做兩期預(yù)測分別得到2010年以及2011年的豬肉產(chǎn)量為：，故認為該模型真實反映了全國的豬肉產(chǎn)量趨勢，因而，2011年的預(yù)測產(chǎn)量可信度高，對第三類地區(qū)豬肉產(chǎn)量加權(quán)平均貢獻大的省份其產(chǎn)量估值在其上游浮動，相反地，對第三類地區(qū)豬肉產(chǎn)量加權(quán)平均貢獻大的省份其產(chǎn)量估值在其下游浮動。綜合全國產(chǎn)量模型和各類地區(qū)產(chǎn)量模型來看，可以發(fā)現(xiàn)，全國預(yù)測產(chǎn)量增加，各類也相應(yīng)的增加，說明模型的一致性較好，同時也可看出給全國模型作為對比組的重要性。六、價格指數(shù)模型的建立及預(yù)測價格指數(shù)作為一種經(jīng)濟指標，反映了不同時期商品價格水平的變化方向、趨勢和程度，國家部門對市場的宏觀調(diào)控在很大程度上依賴于商品的價格指數(shù)，因而預(yù)測價格指數(shù)顯得相當重要和迫切。因此，在聚類分析的基礎(chǔ)上，綜合考慮影響豬肉價格指數(shù)的因素，包括替代品價格指數(shù)、豬肉產(chǎn)量、工資指數(shù)等，找出其之間的相互依賴關(guān)系，分析搜集到的數(shù)據(jù)的特征，針對各類地區(qū)建立模型，并將豬肉產(chǎn)量的預(yù)測值代入該相應(yīng)模型，對價格指數(shù)作以預(yù)測。考慮到我國居民對食物偏好情況，豬肉的替代產(chǎn)品的產(chǎn)量及價格指數(shù)必然對其價格指數(shù)有重要影響，鑒于我國的經(jīng)濟狀況，各類地區(qū)的工資指數(shù)不盡相同，工資指數(shù)在一定程度上影響著市場購買力，從而影響豬肉的價格指數(shù)。綜合上述考慮，本文擬采取豬肉產(chǎn)量、牛羊肉產(chǎn)量、水產(chǎn)品價格指數(shù)、家禽價格指數(shù)以及工資指數(shù)作為影響豬肉價格指數(shù)的幾個因素來建模。