基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量與價(jià)格指數(shù)預(yù)測畢業(yè)論文

1、 PAGE47 / NUMPAGES47基于統(tǒng)計(jì)分析理論的豬肉產(chǎn)量與價(jià)格指數(shù)預(yù)測摘要國家對市場經(jīng)濟(jì)的宏觀調(diào)控往往受到多個(gè)指標(biāo)的影響，各指標(biāo)的定性與定量分析往往對政府部門的決策起到了關(guān)鍵的作用。本文旨在關(guān)注市場經(jīng)濟(jì)中兩個(gè)最為重要的經(jīng)濟(jì)指標(biāo)產(chǎn)量與價(jià)格指數(shù)，以我國豬肉市場為實(shí)例，在統(tǒng)計(jì)分析等相關(guān)理論的基礎(chǔ)之上，我國豬肉市場的，對影響我國豬肉市場的兩個(gè)指標(biāo)的因素加以分析，考慮到產(chǎn)量與價(jià)格指數(shù)因地而異的特點(diǎn)，搜集歷年統(tǒng)計(jì)年鑒與農(nóng)業(yè)統(tǒng)計(jì)年鑒中的相關(guān)數(shù)據(jù)，對全國31個(gè)省市自治區(qū)進(jìn)行聚類分析，對于各類分別建立了產(chǎn)量的時(shí)間序列模型與價(jià)格指數(shù)的多元回歸模型，并成功地預(yù)測了2011年產(chǎn)量與價(jià)格指數(shù)，為政府部門的決策

2、提供了依據(jù)。關(guān)鍵詞：聚類分析 時(shí)間序列模型 多元回歸模型 豬肉產(chǎn)量 價(jià)格指數(shù)一、問題的提出新的經(jīng)濟(jì)政策的提出，不斷修正和完善著現(xiàn)有經(jīng)濟(jì)體制，使得我國的經(jīng)濟(jì)體系日趨成熟，從而赫然屹立于世界經(jīng)濟(jì)強(qiáng)國之列。眾所周知，工業(yè)為強(qiáng)國之本，然而，農(nóng)業(yè)為民生之本，受歷史因素與傳統(tǒng)觀念的影響，我國仍然是一個(gè)以農(nóng)業(yè)為主導(dǎo)產(chǎn)業(yè)的大國，1952、1953年，我國農(nóng)業(yè)總產(chǎn)值為346億、381.4億，分別占國生產(chǎn)總值的50.96%、46.603%（國生產(chǎn)總值679億、824.2億），隨著科技的發(fā)展，農(nóng)業(yè)也有所發(fā)展，直至近年（如2007、2008年），我國的農(nóng)業(yè)總產(chǎn)值大幅增加（28627億、34000億），依然占國生產(chǎn)總值

3、較大的比重：11.13%、11.31%（國生產(chǎn)總值為257305.6億、300670億），因此，在我國，對于農(nóng)業(yè)的關(guān)注在相當(dāng)長一段時(shí)間有很大的必要性。作為農(nóng)業(yè)一大支柱的畜牧業(yè)，其重要性自然不言而喻。畜牧業(yè)在很大程度上是為人類提供生活必需品，例如食物、絨毛產(chǎn)品等。自1985年以來，我過豬肉產(chǎn)量與平穩(wěn)增長，豬肉價(jià)格指數(shù)趨于穩(wěn)定，然而，在2008年，由于受到禽流感等疾病的影響，豬肉市場曾一度引起軒然大波，豬肉產(chǎn)量猛降，豬肉價(jià)格在2008年大幅上漲，導(dǎo)致其價(jià)格指數(shù)起伏較大，因此，研究我國豬肉產(chǎn)量以與價(jià)格指數(shù)的走勢有重大意義：通過分析豬肉產(chǎn)量的走勢，能夠預(yù)測未來的豬肉產(chǎn)量。于宏觀來說，通過對豬肉產(chǎn)量的預(yù)

4、測，政府部門能夠很好地調(diào)控豬肉市場，避免囤貨居奇現(xiàn)象的出現(xiàn)，使得豬肉市場得以平穩(wěn)發(fā)展，對于我國這樣以農(nóng)業(yè)為主產(chǎn)業(yè)的大國影響頗大；于微觀來說，預(yù)測豬肉產(chǎn)量能夠很好的引導(dǎo)農(nóng)民飼養(yǎng)家畜，防止因?yàn)樨i肉價(jià)格的上漲而引起市場盲目性，而對廣大飼養(yǎng)戶造成經(jīng)濟(jì)損失，對于保障廣大農(nóng)民的利益意義重大。通過分析豬肉價(jià)格指數(shù)的走勢，能夠較好地預(yù)測未來豬肉的價(jià)格指數(shù)。一方面，預(yù)測價(jià)格指數(shù)能夠規(guī)豬肉市場，控制市場價(jià)格，防止投機(jī)倒把行為；另一方面，預(yù)測價(jià)格指數(shù)從而又可以有效的預(yù)測價(jià)格，這給飼養(yǎng)戶以與廣大消費(fèi)者一個(gè)正確的指引，防止其受到不法商販的欺騙，損害其合法權(quán)益。由此可見，豬肉產(chǎn)量與價(jià)格指數(shù)的預(yù)測，不僅能夠保障廣大人民的利

5、益，又對政府部門的決策至關(guān)重要，對整個(gè)國家的畜牧業(yè)乃至農(nóng)業(yè)發(fā)展影響可觀，于國家的經(jīng)濟(jì)建設(shè)更是息息相關(guān)。二、問題分析考慮到我國氣候、經(jīng)濟(jì)狀況等特點(diǎn)，各個(gè)地區(qū)的畜牧業(yè)發(fā)展不均衡，導(dǎo)致豬肉的產(chǎn)量因地而異，同時(shí)，由于價(jià)格跟產(chǎn)量也有相當(dāng)大的關(guān)系，因此，各省豬肉的價(jià)格指數(shù)也是不盡一樣。鑒于上述分析，在建立模型的時(shí)候需對全國各省進(jìn)行聚類，即將地域（地域差異導(dǎo)致氣候不同 ）等因素考慮進(jìn)去，將全國各省分成幾個(gè)不同的大類，再對各類依次建模，同時(shí)，可對全國的總體情況建模用以對比。對于產(chǎn)量的預(yù)測，考慮到搜集到數(shù)據(jù)的特征，為隨時(shí)間變化的序列，因而可考慮借助時(shí)間序列分析的工具來對其進(jìn)行分析和處理，具體來說，可在分析所得數(shù)

6、據(jù)特點(diǎn)（包括平穩(wěn)性、純隨機(jī)性等）的基礎(chǔ)上對其建立ARMA等相關(guān)模型，從而分析產(chǎn)量走勢并進(jìn)行預(yù)測。對于價(jià)格指數(shù)的預(yù)測，分析可能影響價(jià)格指數(shù)的一些因素，諸如產(chǎn)量、替代品價(jià)格指數(shù)、工資指數(shù)等，將這些可能因素綜合起來，在經(jīng)過數(shù)據(jù)預(yù)處理的基礎(chǔ)上，可考慮對每一類建立一個(gè)多元回歸模型，分析豬肉價(jià)格指數(shù)的走勢，對其進(jìn)行預(yù)測。三、模型假設(shè)假設(shè)1：假設(shè)所搜集到的數(shù)據(jù)真實(shí)可信，客觀地反映了我國豬肉市場的相關(guān)信息。假設(shè)2：在所考慮的年份，不考慮特大自然災(zāi)害（如地震等因素）引起的豬肉產(chǎn)量以與價(jià)格的巨大變化。假設(shè)3：由于本文所考慮的豬肉產(chǎn)量與價(jià)格指數(shù)為自然性質(zhì)的，因此在分析和討論模型時(shí)不考慮政府部門的干預(yù)，不考慮政治因素

7、對豬肉產(chǎn)量等的影響。假設(shè)4：由于港澳臺地區(qū)社會制度、經(jīng)濟(jì)發(fā)達(dá)程度均與陸有較大差異，因此，對于所得數(shù)據(jù)中港澳臺的數(shù)據(jù)信息予以剔除，不在本文所討論的地區(qū)圍之。四、模型準(zhǔn)備本文的主要研究目的在于豬肉產(chǎn)量的預(yù)測與其價(jià)格指數(shù)的預(yù)測，從而為國家部門提供決策依據(jù)。然而，對于上述兩個(gè)經(jīng)濟(jì)指標(biāo)的預(yù)測，由于各省市氣候、經(jīng)濟(jì)狀況、農(nóng)業(yè)發(fā)展程度的的不同，導(dǎo)致各個(gè)地區(qū)的畜牧業(yè)發(fā)展不均衡，豬肉的產(chǎn)量也因地而異，因此最完美的做法是針對各個(gè)省市分別建立一個(gè)模型，分省市分別進(jìn)行預(yù)測，然而作為本文所考慮的情況，預(yù)測豬肉產(chǎn)量與價(jià)格指數(shù)的目的在于：為國家對于豬肉市場的宏觀調(diào)控，因此分省市分別建模的做法代價(jià)過高，同時(shí)不利于國家作決策。

8、因此，可考慮尋求一種簡單而實(shí)用的方案。鑒于我國氣候、經(jīng)濟(jì)狀況等特點(diǎn)，各個(gè)地區(qū)的畜牧業(yè)發(fā)展不均衡，導(dǎo)致豬肉的產(chǎn)量因地而異，因而可以考慮利用搜集到的產(chǎn)量相關(guān)數(shù)據(jù)對全國31個(gè)省市自治區(qū)（港澳臺除外）進(jìn)行聚類，分為幾個(gè)大類來考慮，分類體現(xiàn)出了各省經(jīng)濟(jì)發(fā)展的程度不同，因而國家在進(jìn)行宏觀調(diào)控的時(shí)候可以考慮針對各個(gè)大類來進(jìn)行，因此，該方案既必要又可行。將搜集到的數(shù)據(jù)作初步處理，對每個(gè)省市自治區(qū)求1985-2009年豬肉產(chǎn)量的平均值如下表：表1 各省市自治區(qū)求1985-2009年豬肉產(chǎn)量的平均值表24.115116.6544196.524436.2842355.0400123.218072.3006569.7

9、342020.7016181.133198.1128152.172095.5020144.4952243.0086245.9536190.2480301.514190.0495155.587422.8323135.4692425.737896.0200141.69090.7166854.984038.311607.069686.7744012.06120在得到上表的基礎(chǔ)上，采用最大距離法，利用SAS軟件對其進(jìn)行聚類分析如下圖： 圖1 最大距離法聚類圖根據(jù)上圖，結(jié)合實(shí)際情況，將全國31個(gè)省市自治區(qū)分為3類地區(qū)： 第一類：、； 第二類：、； 第三類：、。其中，第一類地區(qū)多為北方省市，其氣候干燥，影

10、響草本植物的生長，直接導(dǎo)致豬的食物供給有限，屬于豬肉產(chǎn)量較少的地區(qū)；第二類地區(qū)多為南方與沿海省市，其氣候濕潤，適宜草本植物生長，為豬的生長提供了充足的食物，同時(shí)沿海地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)，這也為農(nóng)村居民養(yǎng)豬提供了必要的條件，該類地區(qū)豬肉的產(chǎn)量較為豐富；第三類地區(qū)為人口大省，人口基數(shù)大，飼養(yǎng)豬的人數(shù)較多，直接導(dǎo)致該類地區(qū)豬肉產(chǎn)量高居各類地區(qū)之首。 結(jié)合上述分析，同時(shí)考慮到我國的實(shí)際情況，認(rèn)為上述分類合理。五、產(chǎn)量模型的建立與預(yù)測在聚類的基礎(chǔ)上，本文考慮分別針對三類地區(qū)進(jìn)行建模與預(yù)測，同時(shí)，對全國產(chǎn)量建立模型用以對比。全國產(chǎn)量模型建立與預(yù)測1.數(shù)據(jù)預(yù)處理1.1序列純隨機(jī)性檢驗(yàn)為了判斷該序列是否有分析價(jià)值

11、，必須對該序列進(jìn)行純隨機(jī)性檢驗(yàn)，即白噪聲檢驗(yàn)。白序列為純隨機(jī)說明該序列無章可循，隨機(jī)波動(dòng)，故而沒有研究的價(jià)值，只有當(dāng)序列為非純隨機(jī)序列時(shí)，該序列才有進(jìn)一步分析的必要。利用SAS軟件對1985-2009年全國豬肉產(chǎn)量作純隨機(jī)性檢驗(yàn)，得到： 表2 1985-2009年全國豬肉產(chǎn)量序列純隨機(jī)檢驗(yàn)結(jié)果延遲階數(shù)統(tǒng)計(jì)量P值671.010.00011277.290.000118146.190.000124211.750.0001由表2可見，各階延遲的統(tǒng)計(jì)量的P值都非常?。?9.999%）斷定該序列屬于非白噪聲序列，因而，該序列有進(jìn)一步研究的價(jià)值。1.2序列平穩(wěn)性檢驗(yàn)一個(gè)平穩(wěn)的時(shí)間序列唯一決定了其自相關(guān)系數(shù)，

12、然而，一個(gè)自相關(guān)系數(shù)未必唯一對應(yīng)著一個(gè)平穩(wěn)時(shí)間序列，即可能導(dǎo)致模型的不唯一，因而有必要對序列進(jìn)行平穩(wěn)性檢驗(yàn)。平穩(wěn)性的檢驗(yàn)可根據(jù)時(shí)序圖與自相關(guān)圖顯示出的特征作出判斷，也可構(gòu)造檢驗(yàn)統(tǒng)計(jì)量進(jìn)行（本文中采取單位根檢驗(yàn)法）。利用SAS軟件1985-2009年全國豬肉產(chǎn)量的時(shí)序圖與自相關(guān)圖如下： 圖1 1985-2009年全國豬肉產(chǎn)量時(shí)序圖 圖2 1985-2009年全國豬肉產(chǎn)量自相關(guān)圖由圖1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2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)圖上顯示出明顯的三角對稱性

13、，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(jìn)一步作單位根檢驗(yàn)（1階自相關(guān)ADF檢驗(yàn)）得到： 表3 1985-2009年全國豬肉產(chǎn)量單位根檢驗(yàn)結(jié)果類型延遲階數(shù)Tau統(tǒng)計(jì)量P值無均值、無趨勢01.720.975811.810.9794有均值、無趨勢0-1.140.68191-1.180.6646有均值、有趨勢0-2.350.39451-1.910.6193由上表可見，Tau統(tǒng)計(jì)量的P值顯著大于0.05，因而可以斷定該序列非平穩(wěn)。綜上認(rèn)為，該序列為非平穩(wěn)非白噪聲序列，因此，可先對其進(jìn)行差分過程，而后再加以研究。2、模型建立經(jīng)過觀察和計(jì)算發(fā)現(xiàn)，對1985-2009年全國豬肉產(chǎn)量序列作3階差分，得

14、到的新的序列為平穩(wěn)序列序列。2.1 模型建立利用SAS軟件，作出3階差分后序列的時(shí)序圖以與自相關(guān)圖如下： 圖3 1985-2009年全國豬肉產(chǎn)量3階差分序列時(shí)序圖 圖4 1985-2009年全國豬肉產(chǎn)量3階差分序列自相關(guān)圖由圖3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4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(biāo)準(zhǔn)差圍，可認(rèn)為3階差分序列的自相關(guān)自始至終都在零附近波動(dòng)，因而初步斷定3階差分后序列為平穩(wěn)序列，對其進(jìn)一步作單位根檢驗(yàn)（1階自相關(guān)ADF檢驗(yàn)）得到：表4 1985-2009年全國豬肉產(chǎn)量3階差分序列單位根檢驗(yàn)結(jié)果類型延遲階數(shù)Tau統(tǒng)計(jì)量P值無均

15、值、無趨勢0-10.170.00011-6.840.0001有均值、無趨勢0-9.920.00031-16.380.0004有均值、有趨勢0-9.730.00021-6.470.0003由表4可見， Tau統(tǒng)計(jì)量的P值小于0.05，從而有很大的把握斷定3階差分后序列屬于平穩(wěn)序列。 利用SAS軟件對3階差分后序列作純隨機(jī)性檢驗(yàn)可得： 表5 1985-2009年全國豬肉產(chǎn)量3階差分序列純隨機(jī)性檢驗(yàn)結(jié)果延遲階數(shù)統(tǒng)計(jì)量P值611.390.07701236.130.00031836.310.0064由上表可見，在顯著性水平取為0.05的條件下，由于12階和18階的統(tǒng)計(jì)量的P值均小于0.05，說明原序列3

16、階差分序列不可視為白噪聲序列，即3階差分后序列還蘊(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。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(xiàng)式；為q階移動(dòng)平均系數(shù)多項(xiàng)式。當(dāng)p=0時(shí)，模型簡化為MA（q）模型；當(dāng)q=0時(shí)，模型簡化為AR（p）模型。2.2 模型定階由上述分析可知，一旦3階差分后模型ARMA（p,q）的階數(shù)確定，那么原始序列模型也隨之而確定。ARMA（p,q）模型階

17、數(shù)的確定，一般從樣本自相關(guān)圖以與偏自相關(guān)圖的性質(zhì)入手，采取如下的原則： 表6 ARMA（p,q）模型定階原則模型自相關(guān)系數(shù)偏自相關(guān)系數(shù)AR(p)拖尾P階截尾MA(q)q階截尾拖尾ARMA(p,q)拖尾拖尾在自相關(guān)系數(shù)和片自相關(guān)系數(shù)均拖尾的情況下，為了盡量避免因個(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識別問題，可計(jì)算ARMA(p,q)模型在p和q一定圍的BIC信息量，其中BIC信息量達(dá)到最小的模型即為所選模型，此即為相對最優(yōu)定階，可獲得一定圍的最優(yōu)模型定階。因此，作出3階差分后序列的自相關(guān)圖與偏自相關(guān)圖如下： 圖5 1985-2009年全國豬肉產(chǎn)量3階差分序列自相關(guān)圖 圖6 1985-2009年全國豬肉產(chǎn)量3階差

18、分序列偏自相關(guān)圖從圖5可看到，自相關(guān)系數(shù)拖尾，從圖6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，但人為根據(jù)上述兩幅圖難以確定其階數(shù)。為了盡量避免因個(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識別問題，利用SAS軟件對3階差分后序列進(jìn)行相對最優(yōu)定階，以獲得一定圍的最優(yōu)模型定階。利用SAS軟件計(jì)算ARMA(p,q)模型的BIC信息量，考慮到數(shù)據(jù)的個(gè)數(shù)，指定SAS系統(tǒng)輸出所有自相關(guān)延遲階數(shù)小于等于7，移動(dòng)平均延遲階數(shù)也小于等于7的ARMA(p,q)模型的BIC信息量，得到如下結(jié)果：表7 全國產(chǎn)量模型BIC信息量延遲階數(shù)MA 0MA 1MA 2MA 3MA 4MA 5MA 6MA 7AR 011

19、.313938.006547.6709275.7308210000AR 18.5032.48.0701597.772105-26.2893-28.3385000AR 27.0493497.1649297.30178-28.26740000AR 34.181198-28.5343-27.898-28.77240000AR 4-24.9978-27.6439-27.188700000AR 5-31.2330000000AR 600000000AR 700000000由上表可見，在ARMA(5,0)處BIC信息量最小，因此，該模型選為ARMA(5,0)模型，即AR(5)模型。2.3 模型參數(shù)估計(jì)對A

20、R(p)模型進(jìn)行參數(shù)估計(jì)，采用Yule-Walker方程進(jìn)行。設(shè)序列的自協(xié)方差函數(shù)分別為、,則Yule-Walker方程為：求解該方程即可得到該模型的系數(shù)估計(jì)值。利用SAS軟件進(jìn)行計(jì)算得到： 表8 全國模型系數(shù)估計(jì)參數(shù)估值-1.63264-1.92489-1.92489-0.88009-0.28118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年以與2011年的豬肉產(chǎn)量為： 4625.2193萬噸，與2010年實(shí)際查得的產(chǎn)量4689.3562萬噸相差無幾，故認(rèn)為該模型真實(shí)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，可認(rèn)為2011年全國豬肉產(chǎn)量約為4781

21、.3083萬噸。(二)第一類地區(qū)模型建立與預(yù)測數(shù)據(jù)預(yù)處理1.1純隨機(jī)性檢驗(yàn)為了判斷該序列是否有分析價(jià)值，必須對該序列進(jìn)行純隨機(jī)性檢驗(yàn)，即白噪聲檢驗(yàn)。利用SAS軟件對1985-2009年第一類地區(qū)豬肉產(chǎn)量作純隨機(jī)性檢驗(yàn)，得到下表：表9 1985-2009年第一類地區(qū)豬肉產(chǎn)量序列純隨機(jī)檢驗(yàn)結(jié)果延遲階數(shù)統(tǒng)計(jì)量P值661.180.00011268.100.000118116.640.0001由表9可見，各階延遲的統(tǒng)計(jì)量的P值都非常?。?9.999%）斷定該序列屬于非白噪聲序列，因而，該序列有進(jìn)一步研究的價(jià)值。1.2 平穩(wěn)性檢驗(yàn)利用SAS軟件對1985-2009年第一類地區(qū)的豬肉產(chǎn)量數(shù)據(jù)繪制其時(shí)序圖與樣

22、本自相關(guān)圖如下圖所示： 圖7 1985-2009年第一類地區(qū)豬肉產(chǎn)量時(shí)序圖 圖8 1985-2009年第一類地區(qū)豬肉產(chǎn)量時(shí)序自相關(guān)圖由圖7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8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(jìn)一步作單位根檢驗(yàn)（階自相關(guān)ADF檢驗(yàn)）得到下述結(jié)果： 表10 1985-2009年第一類地區(qū)豬肉產(chǎn)量單位根檢驗(yàn)結(jié)果類型延遲階數(shù)Tau統(tǒng)計(jì)量P值無均值、無趨勢01.020.91411.090.922

23、5有均值、無趨勢0-1.180.66681-1.140.6817有均值、有趨勢0-2.120.51061-1.880.6323可以看到Tau統(tǒng)計(jì)量P值顯著大于0.05，因而可以斷定該序列非平穩(wěn)。綜上認(rèn)為，該序列為非平穩(wěn)非白噪聲序列，因此，可先對其進(jìn)行差分過程，而后再加以研究。模型建立經(jīng)過觀察和計(jì)算發(fā)現(xiàn)，對1985-2009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。2.1 模型建立利用SAS軟件，作出3階差分后序列的時(shí)序圖以與自相關(guān)圖如下： 圖9 1985-2009年第一類地區(qū)豬肉產(chǎn)量3階差分序列時(shí)序圖圖10 1985-2009年第一類地區(qū)豬肉產(chǎn)量3階差分序列自相關(guān)圖由圖9可見

24、，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10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(biāo)準(zhǔn)差圍，可認(rèn)為3階差分序列的自相關(guān)自始至終都在零附近波動(dòng)，因而初步斷定3階差分后序列為平穩(wěn)序列，對其進(jìn)一步作單位根檢驗(yàn)（1階自相關(guān)ADF檢驗(yàn)）得到：表11 1985-2009年第一類地區(qū)豬肉產(chǎn)量3階差分序列單位根檢驗(yàn)結(jié)果類型延遲階數(shù)Tau統(tǒng)計(jì)量P值無均值、無趨勢0-10.160.00011-6.40.0001有均值、無趨勢0-9.910.00031-6.230.0004有均值、有趨勢0-9.670.00021-6.050.0005可以看到， Tau統(tǒng)計(jì)量的P值均小于0.

25、05，從而有很大的把握斷定3階差分后序列屬于平穩(wěn)序列。利用SAS軟件對3階差分后序列作純隨機(jī)性檢驗(yàn)可得： 表12 1985-2009年第一類地區(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)統(tǒng)計(jì)量P值615.700.01551230.390.00241830.460.0332由上表可見，在顯著性水平取為0.05的條件下，各階的統(tǒng)計(jì)量的P值均小于0.05，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(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。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3階差分后序列建立ARMA（p,q）模型，即對原序列建立ARIMA（p,d,

26、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(xiàng)式；為q階移動(dòng)平均系數(shù)多項(xiàng)式。2.2 模型定階 定階原則同表6與其說明。利用SAS軟件作出3階差分后序列的自相關(guān)圖與偏自相關(guān)圖如下： 圖11 1985-2009年第一類地區(qū)豬肉產(chǎn)量3階差分序列自相關(guān)圖 圖12 1985-2009年第一類地區(qū)豬肉產(chǎn)量3階差分序列偏自相關(guān)圖從圖11可看到，自相關(guān)系數(shù)拖尾，從圖12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(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識別問題，利用SAS軟

27、件對3階差分后序列進(jìn)行相對最優(yōu)定階，以獲得一定圍的最優(yōu)模型定階。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13 第一類地區(qū)產(chǎn)量模型BIC信息量延遲階數(shù)MA 0MA 1MA 2MA 3MA 4MA 5MA 6MA 7AR 04.1349834.0239423.9582253.0906150000AR 12.921732.9370822.728716-31.59380000AR 23.0371922.9090352.84851100000AR 31.5273470000000AR 400000000AR 500000000AR 600000000AR 7000000

28、00由表13可見，在ARMA(1,3)處BIC信息量最小，因此，該模型選為ARMA(1,3)模型。2.3 參數(shù)估計(jì)ARMA(p,q)序列的自協(xié)方差函數(shù)滿足延伸的Yule-Walker方程， 求解上述方程即可得到自回歸多項(xiàng)式系數(shù)的估計(jì)值；對于移動(dòng)平均多項(xiàng)式系數(shù)的估計(jì)，可采用如下的方法： 令則其滿足MA(q)模型，因此，在得到的估計(jì)值后，便可根據(jù)MA(q)模型參數(shù)估計(jì)的方法（見第二類地區(qū)模型參數(shù)估計(jì)介紹部分）估計(jì)的值。利用SAS軟件進(jìn)行計(jì)算得到：表14 第一類地區(qū)模型參數(shù)估計(jì)參數(shù)估值-0.956970.733670.82297-0.55795 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

29、得到2010年以與2011年的豬肉產(chǎn)量為：74.0409萬噸，與2010年實(shí)際查得的產(chǎn)量73.1328萬噸相差甚微，故認(rèn)為該模型真實(shí)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，可認(rèn)為2011年全國豬肉產(chǎn)量約為74.0790萬噸，對第一類地區(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，對第一類地區(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)。（三）第二類地區(qū)模型建立與預(yù)測數(shù)據(jù)預(yù)處理1.1純隨機(jī)性檢驗(yàn)為了判斷該序列是否有分析價(jià)值，必須對該序列進(jìn)行純隨機(jī)性檢驗(yàn)，即白噪聲檢驗(yàn)。利用SAS軟件對1985-2009年第一類地區(qū)豬肉產(chǎn)量作純隨機(jī)性檢驗(yàn)，得到下表：表15

30、 1985-2009年第二類地區(qū)豬肉產(chǎn)量序列純隨機(jī)檢驗(yàn)結(jié)果延遲階數(shù)統(tǒng)計(jì)量P值667.400.00011271.730.000118136.720.0001假設(shè)檢驗(yàn)水平=0.05，由上表可見，而延遲各階的的P值(0.001)顯著小于=0.05，則它非純隨機(jī)序列（非白噪聲序列），我們可以認(rèn)為該波動(dòng)有統(tǒng)計(jì)規(guī)律可循，可做進(jìn)一步研究。1.2平穩(wěn)性檢驗(yàn)利用SAS軟件繪制1985-2009年第二類地區(qū)時(shí)序圖與自相關(guān)圖如下： 圖13 1985-2009年第二類地區(qū)豬肉產(chǎn)量時(shí)序圖 圖14 1985-2009年第二類地區(qū)豬肉產(chǎn)量自相關(guān)圖由圖13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

31、趨勢，從圖14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(jìn)一步作單位根檢驗(yàn)（階自相關(guān)ADF檢驗(yàn)）得到下述結(jié)果： 表16 1985-2009年第二類地區(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值無均值、無趨勢01.750.977211.680.9736有均值、無趨勢0-1.050.71901-1.070.7109有均值、有趨勢0-2.350.39341-2.240.4470由表16可見，Tau統(tǒng)計(jì)量的P值顯著大于0.05，因而可以斷定該序列非平穩(wěn)

32、。綜上認(rèn)為，該序列為非平穩(wěn)非白噪聲序列，因此，可先對其進(jìn)行差分過程，而后再加以研究。模型建立 經(jīng)過觀察和計(jì)算發(fā)現(xiàn)，對1985-2009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。2.1 模型建立利用SAS軟件，作出3階差分后序列的時(shí)序圖以與自相關(guān)圖如下： 圖15 1985-2009第二類地區(qū)豬肉產(chǎn)量3階差分序列時(shí)序圖 圖16 1985-2009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(biāo)準(zhǔn)差圍，可認(rèn)為3階差分序列的自相關(guān)自始至終都在零附近波動(dòng)，因而

33、初步斷定3階差分后序列為平穩(wěn)序列，對其進(jìn)一步作單位根檢驗(yàn)（1階自相關(guān)ADF檢驗(yàn)）得到：表17 1985-2009年第二類地區(qū)豬肉產(chǎn)量3階差分序列單位根檢驗(yàn)結(jié)果類型延遲階數(shù)Tau統(tǒng)計(jì)量P值無均值、無趨勢0-9.550.00011-6.780.0001有均值、無趨勢0-9.290.00031-6.590.0004有均值、有趨勢0-9.120.00021-6.430.0003當(dāng)顯著性水平取為0.05時(shí)，由表17可見，Tau統(tǒng)計(jì)量的P值顯著小于0.05，可以認(rèn)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(jī)性檢驗(yàn)可得： 表18 1985-2009年第二類地區(qū)豬肉產(chǎn)量3階差分序列純隨機(jī)性

34、檢驗(yàn)結(jié)果延遲階數(shù)統(tǒng)計(jì)量P值611.070.08641237.210.00021837.520.0045由上表可見，在顯著性水平取為0.05的條件下，12階和18階的統(tǒng)計(jì)量的P值均小于0.05，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(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。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(xiàng)式；為q階移動(dòng)平均系數(shù)多項(xiàng)式。2.2

35、 模型定階 定階原則同表6與其說明。 利用SAS軟件作出3階差分后序列的自相關(guān)圖與偏自相關(guān)圖如下： 圖17 1985-2009第二類地區(qū)豬肉產(chǎn)量3階差分序列自相關(guān)圖圖18 1985-2009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(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識別問題，利用SAS軟件對3階差分后序列進(jìn)行相對最優(yōu)定階，以獲得一定圍的最優(yōu)模型定階。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

36、信息量延遲階數(shù)MA 0MA 1MA 2MA 3MA 4MA 5MA 6 MA 7AR 04.8063312.6127911.807763-1.012550-36.187400AR 13.1236242.5124251.801722-30.349-32.9652000AR 20.5461920.6096480.500899-32.1106-32.5998000AR 3-0.74916-25.5013-32.3093-32.91330000AR 400000000AR 500000000AR 600000000AR 700000000由表19可見，在ARMA(0,5)處BIC信息量最小，因此，該模

37、型選為ARMA(0,5)模型，即MA(5)模型。2.3 參數(shù)估計(jì)MA(q)模型參數(shù)估計(jì)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(xiàn)5給出的方法，定義 ， ， 則有MA(q)模型的參數(shù)估計(jì)值為：其中，利用SAS軟件進(jìn)行計(jì)算得到：表20 第二類地區(qū)模型參數(shù)估計(jì)參數(shù)估值1.51433-0.43819-0.401100.33085-0.0058944 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年以與2011年的豬肉產(chǎn)量為：209.7559萬噸，與2010年實(shí)際查得的產(chǎn)量213.5328萬噸相差甚微，故認(rèn)為該模型真實(shí)反映了全國的豬肉產(chǎn)量趨勢，因而，20

38、11年的預(yù)測產(chǎn)量可信度高，可認(rèn)為2011年全國豬肉產(chǎn)量約為210.6702萬噸，對第二類地區(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，對第二類地區(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)。（四）第三類地區(qū)模型建立與預(yù)測數(shù)據(jù)預(yù)處理1.1純隨機(jī)性檢驗(yàn)為了判斷該序列是否有分析價(jià)值，必須對該序列進(jìn)行純隨機(jī)性檢驗(yàn)，即白噪聲檢驗(yàn)。利用SAS軟件對1985-2009年第三類地區(qū)豬肉產(chǎn)量作純隨機(jī)性檢驗(yàn)，得到：表21 1985-2009年第三類地區(qū)豬肉產(chǎn)量序列純隨機(jī)檢驗(yàn)結(jié)果延遲階數(shù)統(tǒng)計(jì)量P值647.800.00011249.290.000118101.380.0001由表21可見，各

39、階延遲的統(tǒng)計(jì)量的P值都非常?。?9.999%）斷定該序列屬于非白噪聲序列，因而，該序列有進(jìn)一步研究的價(jià)值。1.2平穩(wěn)性檢驗(yàn)利用SAS軟件對1985-2009年第三類地區(qū)的數(shù)據(jù)繪制其時(shí)序圖與樣本自相關(guān)圖，如下圖所示：圖19 1985-2009年第三類地區(qū)產(chǎn)量時(shí)序圖 圖20 1985-2009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(dāng)緩慢，在很長的延遲時(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(jìn)一步作單位

40、根檢驗(yàn)（1階自相關(guān)ADF檢驗(yàn)）得到：表22 1985-2009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值無均值、無趨勢00.790.876210.900.8961有均值、無趨勢0-1.920.31741-1.790.3770有均值、有趨勢0-2.960.16201-2.660.2595由表22可見，Tau統(tǒng)計(jì)量的P值顯著大于0.05，因而可以斷定該序列非平穩(wěn)。綜上認(rèn)為，該序列為非平穩(wěn)非白噪聲序列，因此，可先對其進(jìn)行差分過程，而后再加以研究。模型建立經(jīng)過觀察和計(jì)算發(fā)現(xiàn)，對1985-2009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。2.1 模型建立利用SA

41、S軟件，作出3階差分后序列的時(shí)序圖以與自相關(guān)圖如下： 圖21 1985-2009年第三類地區(qū)產(chǎn)量3階差分后序列的時(shí)序圖 圖22 1985-2009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(biāo)準(zhǔn)差圍，可認(rèn)為3階差分序列的自相關(guān)自始至終都在零附近波動(dòng)，因而初步斷定3階差分后序列為平穩(wěn)序列，對其進(jìn)一步作單位根檢驗(yàn)（1階自相關(guān)ADF檢驗(yàn)）得到：表23 1985-2009年第三類地區(qū)豬肉產(chǎn)量3階差分序列單位根檢驗(yàn)結(jié)果類型延遲階數(shù)Tau統(tǒng)計(jì)量P值無均值、無趨勢0-10.13

42、0.00011-6.560.0001有均值、無趨勢0-9.890.00031-6.380.0004有均值、有趨勢0-9.700.00021-6.200.0004可以看到， Tau統(tǒng)計(jì)量的P值小于0.05，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(jìn)行進(jìn)一步的研究。利用SAS軟件對3階差分后序列作純隨機(jī)性檢驗(yàn)可得： 表24 1985-2009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)統(tǒng)計(jì)量P值611.400.07671237.830.00021838.550.0033由上表可見，在顯著性水平取為0.05的條件下，12階和18階的統(tǒng)計(jì)量的P值均小于0.05，說

43、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(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。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(xiàng)式；為q階移動(dòng)平均系數(shù)多項(xiàng)式。2.2 模型定階定階原則參見表6與其說明。作出3階差分后序列的自相關(guān)圖與偏自相關(guān)圖如下： 圖23 1985-2009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 1985-2009年第三類地區(qū)產(chǎn)量3

44、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(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識別問題，利用SAS軟件對3階差分后序列進(jìn)行相對最優(yōu)定階，以獲得一定圍的最優(yōu)模型定階。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 07.3273094.3937311.8013780.205278-35.0337000AR 12.9384153.00062

45、41.6914880-34.3305000AR 21.39760.727145-5.80160-33.8083000AR 30-32.5002-33.2739-34.68290000AR 4-33.3919-33.1409000000AR 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。2.3 參數(shù)估計(jì)MA(q)模型參數(shù)估計(jì)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(jìn)行計(jì)算得到： 表26 第三類地區(qū)產(chǎn)量模型參數(shù)估計(jì)參數(shù)估值1.58398-0.68008-0.145450.24217因此得

46、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年以與2011年的豬肉產(chǎn)量為：385.6269萬噸，與2010年實(shí)際查得的產(chǎn)量389.2157萬噸相差甚微，故認(rèn)為該模型真實(shí)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，可認(rèn)為2011年全國豬肉產(chǎn)量約為388.5483萬噸，對第三類地區(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)。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(shí)也可看出給全國模型作為對比組的重要性。六、價(jià)格指數(shù)

47、模型的建立與預(yù)測價(jià)格指數(shù)作為一種經(jīng)濟(jì)指標(biāo)，反映了不同時(shí)期商品 HYPERLINK :/baike.baidu /view/1174883.htm t _blank 價(jià)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(jià)格指數(shù)，因而預(yù)測價(jià)格指數(shù)顯得相當(dāng)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(jià)格指數(shù)的因素，包括替代品價(jià)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(jià)格指數(shù)作以預(yù)測?？紤]到我國居民對食物偏好情況，豬肉的替代產(chǎn)品的產(chǎn)量與價(jià)格指數(shù)必然對其價(jià)格指數(shù)有重要

48、影響，鑒于我國的經(jīng)濟(jì)狀況，各類地區(qū)的工資指數(shù)不盡一樣，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(jià)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(jià)格指數(shù)、家禽價(jià)格指數(shù)以與工資指數(shù)作為影響豬肉價(jià)格指數(shù)的幾個(gè)因素來建模。鑒于影響豬肉價(jià)格指數(shù)因素頗多，考慮采用回歸模型對搜集到的數(shù)據(jù)進(jìn)行擬合，進(jìn)而作出預(yù)測。第一類地區(qū)模型建立與預(yù)測模型準(zhǔn)備利用Matlab軟件依次作出各因素同價(jià)格指數(shù)的散點(diǎn)圖，如下： 圖= 1 * GB3 圖= 2 * GB3 圖= 3 * GB3 圖= 4 * GB3 圖= 5 * GB3由圖= 1 * GB3可看出，豬肉產(chǎn)量同價(jià)格指數(shù)的關(guān)系可近似看做指數(shù)函數(shù)，

49、即可用指數(shù)函數(shù)來擬合。 由圖= 2 * GB3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)來擬合。由圖= 3 * GB3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)來擬合。由圖= 4 * GB3可看出，家禽價(jià)格指數(shù)同價(jià)格指數(shù)的關(guān)系可近似看做指數(shù)函數(shù)，即可用指數(shù)函數(shù)來擬合。由圖= 5 * GB3可看出，水產(chǎn)品產(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)來擬合，綜合考慮各方面因素，可建立如下的雙對數(shù)回歸模型：其中，Y為豬肉價(jià)格指數(shù)，A、B、C、D、E分別表示工資指數(shù)

50、、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。參數(shù)估計(jì)利用Matlab軟件，對上述回歸模型進(jìn)行參數(shù)估計(jì)，得到如下結(jié)果： 表27 第一類地區(qū)模型參數(shù)估計(jì)25.01490.09020.43710.25851.2570-1.8878表28 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FF對應(yīng)的P值0.74677.66500.0015從表28可以看到，檢驗(yàn)統(tǒng)計(jì)量的P值顯著小于0.05，因此認(rèn)為該回歸方程顯著，從而得到第一類地區(qū)模型為：模型預(yù)測利用上述模型，進(jìn)行預(yù)測，先做2期期預(yù)測得到：2009、2010年的價(jià)格指數(shù)分別為357.4、402.1，與真實(shí)值369.2、408.5的差異較小，可近似認(rèn)為該模型反映

51、了客觀實(shí)際，因此可以預(yù)測2011年價(jià)格指數(shù)的為447.9。第二類地區(qū)模型建立與預(yù)測模型準(zhǔn)備利用Matlab軟件依次作出各因素同價(jià)格指數(shù)的散點(diǎn)圖，如下： 圖 = 1 * GB3 圖= 2 * GB3 圖 = 3 * GB3 圖= 4 * GB3 圖= 5 * GB3 由圖= 1 * GB3可看出，豬肉產(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)來擬合。 由圖= 2 * GB3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)來擬合。由圖= 3 * GB3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)來擬合。由圖= 4 * GB3可看出，家禽價(jià)格指數(shù)

52、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)來擬合。由圖= 5 * GB3可看出，水產(chǎn)品產(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)來擬合，綜合考慮各方面因素，可建立如下的半對數(shù)回歸模型：其中，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。參數(shù)估計(jì)利用Matlab軟件，對上述回歸模型進(jìn)行參數(shù)估計(jì)，得到如下結(jié)果：表29 第二類地區(qū)模型參數(shù)估計(jì)-81.3298-0.36223.1980-0.3657-0.52602.1995表30 模型顯著性檢驗(yàn)結(jié)果

53、相關(guān)系數(shù)檢驗(yàn)統(tǒng)計(jì)量FF對應(yīng)的P值0.902223.98740.0000從表30可以看到，檢驗(yàn)統(tǒng)計(jì)量的P值顯著小于0.05，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：模型預(yù)測利用上述模型，進(jìn)行預(yù)測，先做2期期預(yù)測得到：2009、2010年的價(jià)格指數(shù)分別為302.6、348.9，與真實(shí)值310.2、358.4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2011年價(jià)格指數(shù)的為385.1。第三類地區(qū)模型建立與預(yù)測模型準(zhǔn)備利用Matlab軟件依次作出各因素同價(jià)格指數(shù)的散點(diǎn)圖，如下： 圖= 1 * GB3 圖= 2 * GB3 圖= 3 * GB3 圖= 4 * GB3 圖= 5 *

54、GB3由圖= 1 * GB3可看出，豬肉產(chǎn)量同價(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)來擬合。 由圖= 2 * GB3可看出，牛羊肉產(chǎn)量同價(jià)格指數(shù)的關(guān)系可近似看做線性函數(shù)，即可用線性函數(shù)來擬合。由圖= 3 * GB3可看出，工資指數(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)來擬合。由圖= 4 * GB3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)來擬合。由圖= 5 * GB3可看出，水產(chǎn)品產(chǎn)量同價(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)系均可近似用線性函數(shù)來擬合，綜合考慮各方面因素，可建立

55、如下的線性回歸模型：其中，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。參數(shù)估計(jì)利用Matlab軟件，對上述回歸模型進(jìn)行參數(shù)估計(jì)，得到如下結(jié)果： 表31 第三類地區(qū)模型參數(shù)估計(jì)189.5732-0.01331.00760.0341-0.95782.5599表32 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FF對應(yīng)的P值0. 927533.25000.0000從表32可以看到，檢驗(yàn)統(tǒng)計(jì)量的P值顯著小于0.05，因此認(rèn)為該回歸方程顯著，從而得到第三類地區(qū)模型為：模型預(yù)測利用上述模型，進(jìn)行預(yù)測，先做2期期預(yù)測得到：2009、2010年的價(jià)格指數(shù)分別為

56、341.1、390.6，與真實(shí)值338.2、377.5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2011年價(jià)格指數(shù)的為406.3?？偟膩砜?，上述三個(gè)模型均能夠較好的預(yù)測未來的價(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較優(yōu)，可為政府部門的決策提供有力的定量依據(jù)。七、模型分析與優(yōu)缺點(diǎn)1.豬肉產(chǎn)量模型優(yōu)缺點(diǎn)優(yōu)點(diǎn):= 1 * GB3建立的模型可靠，預(yù)測出的產(chǎn)量與實(shí)際產(chǎn)量吻合程度高，能夠較好地預(yù)測產(chǎn)量走勢。= 2 * GB3將全國各省市自治區(qū)分為3類建模，模型針對性較強(qiáng)。= 3 * GB3數(shù)據(jù)處理的時(shí)候采用加權(quán)平均，一定程度上能夠反映出各省市自治區(qū)的情況。缺點(diǎn):= 1 * GB3模型

57、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)測的結(jié)果將可能與實(shí)際情況產(chǎn)生一定的偏差。2.豬肉價(jià)格指數(shù)模型優(yōu)缺點(diǎn)優(yōu)點(diǎn)：= 1 * GB3考慮影響價(jià)格指數(shù)的因素較多，能夠真實(shí)的反應(yīng)客觀實(shí)際。= 2 * GB3數(shù)據(jù)處理的時(shí)候采用加權(quán)平均，不僅使得結(jié)果更加精確，同時(shí)一定程度上能夠反映出各省市自治區(qū)的情況。綜上所述，模型的有點(diǎn)在于建立的模型較為可靠，能夠反映客觀實(shí)際，針對性強(qiáng)，考慮以因素較多，比較全面，然而，模型依然有可改進(jìn)之處，例如提高模型的穩(wěn)健性等。八、結(jié)束語 本文研究了豬肉總產(chǎn)量、豬肉的價(jià)格指數(shù)走勢，進(jìn)而對其進(jìn)行預(yù)測，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。首先，根據(jù)198

58、5年到2009年全國各省豬肉總產(chǎn)量數(shù)據(jù)，對其加權(quán)平均處理得到新數(shù)據(jù)后采用多元統(tǒng)計(jì)分析中的最大距離聚類法對全國各省市進(jìn)行聚類分析，得到較為合理的三類；其次，對全國以與三類分別進(jìn)行時(shí)間序列分析，分析豬肉總產(chǎn)量走勢，建立總產(chǎn)量與時(shí)間的模型，預(yù)測2010年全國豬肉總產(chǎn)量以與各類豬肉總產(chǎn)量，具有較好的預(yù)測效果。最后，對全國豬肉價(jià)格指數(shù)以與各類豬肉價(jià)格指數(shù)關(guān)于相應(yīng)的豬肉總產(chǎn)量、替代品牛羊總產(chǎn)量、替代品水產(chǎn)品總產(chǎn)量、家禽產(chǎn)量指數(shù)、居民工資指數(shù)進(jìn)行多元回歸擬合，進(jìn)而預(yù)測出相應(yīng)的下一年的豬肉價(jià)格指數(shù)?？梢詾檎?010對豬肉進(jìn)行定價(jià)決策的時(shí)候提供了一定的參考，具有較好的研究意義。九、參考文獻(xiàn)1王燕.應(yīng)用時(shí)間序

59、列分析（第二版）.：中國人民大學(xué)，2008,122王松鬼，敏，立萍.線性統(tǒng)計(jì)模型線性回歸與方差分析.：高等教育，1999,93于秀林,任雪松.多元統(tǒng)計(jì)分析.：中國統(tǒng)計(jì)，1999,84何書元.應(yīng)用時(shí)間序列分析.：大學(xué)，2003,95雷.平穩(wěn)過程的狀態(tài)空間模型與隨機(jī)實(shí)現(xiàn)算法時(shí)多元情況的解決.大學(xué)碩士論文，19916高惠璇.實(shí)用SAS統(tǒng)計(jì)方法與SAS系統(tǒng).：大學(xué)，2001,107寶柱,彥華,宏林.MATLAB7.0從入門到精通（修訂版）.：人民郵電，2010,58國家統(tǒng)計(jì)局農(nóng)村社會經(jīng)濟(jì)調(diào)查司.1985-2010年中國農(nóng)村統(tǒng)計(jì)年鑒.：中國統(tǒng)計(jì)9國家統(tǒng)計(jì)局農(nóng)村社會經(jīng)濟(jì)調(diào)查總隊(duì).1985-2010年中國農(nóng)產(chǎn)品價(jià)格調(diào)查年鑒.：中國統(tǒng)計(jì)10 HYPERLINK :/ HYPERLINK :/edu-data.drcnet .cn/web/ edu- HYPERLINK :/ icandata / .icandata./附錄= 1 * ROMANI（相關(guān)程序）1.聚類分析SAS 程序data pock;input province $ x;cards; 24.1150968 16.6544 196.5243563 36.28423107 55.504 123.218 72.30064536 69.73419742 20.7016 181.1330614 98.1128 152.172 95.502