【正文】 ]。,B39。 D=[,291.1226,]。 Y=[,003,22,]。,D39。 M=Y39。 C=[,339.0952,]。]。,B39。 B=[,141.1933,2,]。 Y=[,16,2,]。 estimate method=ml q=4。 identify var=x_1(1,1,1) stationarity=(adf=1)。 symbol c=black v=star i=join。 cards。,39。 input x_3。 estimate q=5。 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 39 identify var=x_2(1,1,1) stationarity=(adf=1)。 symbol c=black v=star i=join。 cards。,39。 input x_2。 estimate method=ml p=1 q=3。 identify var=x_1(1,1,1) stationarity=(adf=1)。 symbol c=black v=star i=join。 cards。,39。 input x_1。 estimate method=ml p=5 。 identify var=x_qc(1,1,1) stationarity=(adf=1)。 symbol v=star c=black i=join。 cards。,39。 input x_qc。 id province。 proc cluster data=pock method= nonorm outtree=A10。 九 、參考文獻(xiàn) 【 1】 王燕 .應(yīng)用時(shí)間序列分析（第二版） .北京：中國(guó)人民大學(xué)出版社， 2020,12 【 2】 王松鬼，陳敏，陳立萍 .線性統(tǒng)計(jì)模型 — 線性回歸與方差分析 .北京：高等教育出版社， 1999,9 【 3】 于秀林 ,任雪松 .多元統(tǒng)計(jì)分析 .北京：中國(guó)統(tǒng)計(jì)出版社， 1999,8 【 4】 何書元 .應(yīng)用時(shí)間序列分析 .北京：北京大學(xué)出版社， 2020,9 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 34 【 5】李雷 .平穩(wěn)過(guò)程的狀態(tài)空間模型及隨機(jī)實(shí)現(xiàn)算法時(shí)多元情況的解決 .北京大學(xué)碩士論文， 1991 【 6】高惠 璇 .實(shí)用 SAS統(tǒng)計(jì)方法與 SAS 系統(tǒng) .北京：北京大學(xué)出版社， 2020,10 【 7】劉寶柱 ,蘇彥華 ,張宏林 . 從入門到精通（修訂版） .北京：人民郵電出版社， 2020,5 【 8】 國(guó)家統(tǒng)計(jì)局農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查司 .19852020 年中國(guó)農(nóng)村 統(tǒng)計(jì)年鑒 .北京：中國(guó)統(tǒng)計(jì)出版社 【 9】國(guó)家統(tǒng)計(jì)局農(nóng)村社會(huì)經(jīng)濟(jì)調(diào)查總隊(duì) .19852020 年中國(guó)農(nóng)產(chǎn)品價(jià)格調(diào)查年鑒 .北京：中國(guó)統(tǒng)計(jì)出版社 【 10】 【 11】 【 12】 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 35 附錄 I（相關(guān)程序） SAS 程序 data pock。 八 、結(jié) 束 語(yǔ) 本文研究了豬肉總產(chǎn)量、豬肉的價(jià)格指數(shù)走勢(shì)，進(jìn)而對(duì)其進(jìn)行預(yù)測(cè)，以達(dá)到為政府部門進(jìn)行決策提供一定的參考依據(jù)的目的。 缺點(diǎn) :① 模型的穩(wěn)健性不夠好，一旦出現(xiàn)特殊情況使得產(chǎn)量的起伏波動(dòng)較大，預(yù)測(cè)的結(jié)果將可能與實(shí)際情況產(chǎn)生一定的偏差。 總的來(lái)看，上述三個(gè)模型均能夠較好的預(yù)測(cè)未來(lái)的價(jià)格指數(shù)，反映客觀實(shí)際，因而認(rèn)為所建立的模型相對(duì)較優(yōu)，可為政府部門的決策提供有力的定量依據(jù)。 由圖 ④ 可看出，家禽價(jià)格指數(shù)同價(jià)格指數(shù)的關(guān)系可近似看做 線性 函數(shù)，即可用 線性 函數(shù)來(lái)擬合。 參數(shù)估計(jì) 利用 Matlab 軟件，對(duì)上述回歸模型進(jìn)行參數(shù)估計(jì)，得到如下結(jié)果： 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 31 表 29 第二 類地區(qū)模型參數(shù)估計(jì) 0a 1a 2a 3a 4a 5a 表 30 模型顯著性檢驗(yàn)結(jié)果 相關(guān)系數(shù) 檢驗(yàn)統(tǒng)計(jì)量 F F對(duì)應(yīng)的 P值 從表 30可以看到，檢驗(yàn)統(tǒng)計(jì)量的 P值顯著小于 ，因此認(rèn)為該回歸方程顯著，從 而得到第二 類地區(qū)模型為： 8 1 . 3 2 9 8 0 . 3 6 2 2 l n 3 . 1 9 8 0 l n 0 . 3 6 5 7 l n 0 . 5 2 6 0 l n 2 . 1 9 9 5 l nY A B C D E ?? ? ? ? ? ? ? ? 模型預(yù)測(cè) 利用上述模型，進(jìn)行預(yù)測(cè)，先做 2 期期預(yù)測(cè)得到： 20 2020 年的價(jià)格指數(shù)分別為 、 ，與真實(shí)值 、 的差異較小，可近似認(rèn)為該模型反映了客觀實(shí)際，因此可以預(yù)測(cè) 2020 年價(jià)格指數(shù)的為 。 由圖 ③ 可看出，工資指數(shù)同價(jià)格指數(shù)的關(guān)系可近似看做指數(shù)函數(shù)，即可用指數(shù)函數(shù)來(lái)擬合。 模型建立 由上述分析可知，各個(gè)因素同豬肉價(jià)格指數(shù)的關(guān)系均可 近似 用指數(shù)函數(shù)來(lái)擬合， 綜合考慮各方面因素 ，可建立如下的 雙對(duì)數(shù) 回歸模型： 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 29 0 1 2 3 4 5l n l n l n l n l n l nY a a A a B a C a D a E ?? ? ? ? ? ? ? 其中， ~ (0,1)N? ， Y為豬肉價(jià)格指數(shù)， A、 B、 C、 D、 E分別表示 工資指數(shù)、家禽價(jià)格指數(shù)、水產(chǎn)品產(chǎn)量、豬肉產(chǎn)量、牛羊肉產(chǎn)量。 由圖 ② 可看出 ，牛羊肉產(chǎn)量同價(jià)格指數(shù)的關(guān)系可近似看做指數(shù)函數(shù)，即可用指數(shù)函數(shù)來(lái)擬合。 考慮到我國(guó)居民對(duì)食物偏好情況，豬肉的替代產(chǎn)品的產(chǎn)量及 價(jià)格指數(shù)必然對(duì)其價(jià)格指數(shù)有重要影響， 鑒于 我國(guó)的經(jīng)濟(jì)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(chǎng)購(gòu)買力，從而影響豬肉的價(jià)格指數(shù)。 利用 SAS 軟件進(jìn)行計(jì)算得到： 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 27 表 26 第三類地區(qū)產(chǎn)量模型參數(shù)估計(jì) 參數(shù) 1c 2c 3c 4c 估值 因此得到適合的模型為： 2 3 4( 1 1 . 5 8 3 9 8 B + 0 . 6 8 0 8 8 B + 0 . 1 4 5 4 5 B 0 . 2 4 2 1 7 B )ttX ?? ? ? 產(chǎn)量預(yù)測(cè) 利用上述模型做兩期預(yù)測(cè)分別得到 2020 年以及 2020 年的豬肉產(chǎn)量為： 萬(wàn)噸，與 2020 年實(shí)際查得的產(chǎn)量 萬(wàn)噸相差甚微，故認(rèn)為該模型真實(shí)反 映了全國(guó)的豬肉產(chǎn)量趨勢(shì)，因而， 2020 年的預(yù)測(cè)產(chǎn)量可信度高，可認(rèn)為 2020 年全國(guó)豬肉產(chǎn)量約為 萬(wàn)噸，對(duì)第三類地區(qū)豬肉產(chǎn)量加權(quán)平均貢獻(xiàn)大的省份其產(chǎn)量估值在其上游浮動(dòng)，相反地，對(duì)第三類地區(qū)豬肉產(chǎn)量加權(quán)平均貢獻(xiàn)大的省份其產(chǎn)量估值在其下游浮動(dòng)。 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 19852020 年第三類地區(qū)產(chǎn)量 3 階差分后序列的自相關(guān)圖 基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 26 圖 23 19852020 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)。 利用 SAS軟件對(duì) 3階差分后序列作純隨機(jī)性檢驗(yàn)可得： 表 24 19852020 年第三類地區(qū)豬肉產(chǎn)量 3階差分序列純隨機(jī)性檢驗(yàn)結(jié)果 延遲階數(shù) LBQ 統(tǒng)計(jì)量 P 值 6 12 18 由上表可見，在顯著性水平取為 ， 12階和 18階的 LBQ 統(tǒng)計(jì)量的 P值均小于 ，說(shuō)明原序列 3階差分序列不可視為白噪聲序列，即 3階差分后序列基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 25 還蘊(yùn)含著不容忽視的相關(guān)信息可供提取，從而有分析的價(jià)值。 利用 SAS軟件對(duì) 19852020年第三類地區(qū)的數(shù)據(jù)繪制其時(shí)序圖及樣本自相關(guān)圖，如下圖 所示： 圖 19 19852020 年第三類地區(qū) 產(chǎn)量 時(shí)序圖 圖 20 19852020 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(shì)性，從 1985 年到 2020 年呈現(xiàn)出明顯遞增的趨勢(shì)，從圖 20 看到，序列自相關(guān)系數(shù)遞減到零的速度相當(dāng)緩慢，在很長(zhǎng)的延遲時(shí)間里，自相關(guān)系數(shù)一直為正，而后又一直為負(fù)，在自相關(guān)圖上顯示出明基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 23 顯的三角對(duì)稱性，因而初步判斷其為具有單調(diào)趨勢(shì)的非平穩(wěn)序列，對(duì)其進(jìn)一步作單位根檢驗(yàn)（ 1 階自相關(guān) ADF 檢驗(yàn)）得到： 表 22 19852020 年 第三類地區(qū)豬肉產(chǎn)量序列單位根檢驗(yàn)結(jié)果 類型 延遲階 數(shù) Tau 統(tǒng)計(jì)量 P值 無(wú)均值、無(wú)趨勢(shì) 0 1 有均值、無(wú)趨勢(shì) 0 1 有均值、有趨勢(shì) 0 1 由表 22可見， Tau統(tǒng)計(jì)量的 P值顯著大于 ，因而可以斷定該序列非平穩(wěn)。 利用 SAS 軟件計(jì)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 0 MA 1 MA 2 MA 3 MA 4 MA 5 MA 6 MA 7 AR 0 0 0 0 AR 1 0 0 0 AR 2 0 0 0 AR 3 0 0 0 0 AR 4 0 0 0 0 0 0 0 0 AR 5 0 0 0 0 0 0 0 0 AR 6 0 0 0 0 0 0 0 0 AR 7 0 0 0 0 0 0 0 0 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。 設(shè)對(duì) 3階差分 后序列建立模型為： ( ) ( )ttB X B ?? ? ? 則原始序列的模型為： 3( ) ( )ttB X B ?? ? ? ? 其中， 33(1 )B? ? ? 表示對(duì)原始序列的 3階差分； 212( ) 1 ... ppB a B a B a B? ? ? ? ? ?為 p 階自回歸系數(shù)多項(xiàng)式； 212( ) 1 ... qqB c B a B c B? ? ? ? ? ?為 q階移動(dòng)平均系數(shù)多項(xiàng)式。 模型建立 經(jīng)過(guò)觀察和計(jì)算發(fā)現(xiàn)，對(duì) 19852020 年全國(guó)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。 （三） 第二類地區(qū)模型建立及預(yù)測(cè) 數(shù)據(jù)預(yù)處理 為了判斷該序列是否有分析價(jià)值，必須對(duì)該序列進(jìn)行純隨機(jī)性檢驗(yàn)，即白噪聲檢驗(yàn)。為了盡量避免因個(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識(shí)別問(wèn)題，利用 SAS 軟件對(duì) 3階差分后序列進(jìn)行相對(duì)最 優(yōu)定階，以獲得一定范圍內(nèi)的最優(yōu)模型定階。 綜上所述， 3階差分后序列為平穩(wěn)非純隨機(jī)序列，因此，可考慮對(duì) 3 階差分后序列建立 ARMA（ p,q）模型，即對(duì)原序列建立 ARIMA（ p,d,q）模型（此處 d=3）。 綜上認(rèn)為，該序列為非平穩(wěn)非白噪聲序列，因此，可先對(duì)其進(jìn)行差分過(guò)程，基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量及價(jià)格指數(shù)預(yù)測(cè)畢業(yè)論文 12 而后再加以研究。 利用 SAS軟件進(jìn)行計(jì)算得到： 表 8 全國(guó)模型系數(shù)估計(jì) 參數(shù) 1a 2a 3a 4a 5a 估值 由此可得 最終模型為： 2 3 4 5( 1 1 . 6 3 2 6 4 1 . 1 9 2 4 8 9 1 . 5 4 0 2 6 0 . 8 8 0 0 9 0 . 2 8 1 1 8 )ttB B B B B X? ? ? ? ? ? ? 產(chǎn)量預(yù)測(cè) 利用上述模型做兩期預(yù)測(cè)分別得到 2020 年以及 2020 年的豬肉產(chǎn)量為： 萬(wàn)噸，與 2020 年實(shí)際查得的產(chǎn)量 萬(wàn)噸相差無(wú)幾，故認(rèn)為該模型真實(shí)反映了全國(guó)的豬肉產(chǎn)量趨勢(shì)，因而， 2020 年的預(yù)測(cè)產(chǎn)量可信度高，可認(rèn)為 2020 年全國(guó)豬肉產(chǎn)量約為 萬(wàn)噸。為了盡量避免因個(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識(shí)別問(wèn)題，利用 SAS 軟件對(duì) 3階差分后序列進(jìn)行相對(duì)最優(yōu)定階，以獲得一定范圍內(nèi)的最優(yōu)模型定階。 當(dāng) p=0 時(shí)，模型簡(jiǎn)化為 MA（ q）模型；當(dāng) q=0 時(shí)，模型簡(jiǎn)化為 AR（ p）模型。 模型建立 利用 SAS軟件，作出 3階差分后序列的時(shí)序圖以及自相關(guān)圖如下：