裝甲兵學(xué)院 朱思瑾 李 康 沈吉鋒 劉新永
本文試圖通過對(duì)30年來全國安全生產(chǎn)歷史數(shù)據(jù)的分析、擬合,并進(jìn)行短期預(yù)測(cè),從而為正確判斷未來安全生產(chǎn)形勢(shì),制訂相應(yīng)措施提供可靠依據(jù)。
ARMA模型是一種比較成熟的模型,適于短期預(yù)測(cè)。模型建立,要求時(shí)間序列是隨機(jī)和平穩(wěn)的,而且需要長(zhǎng)期連續(xù)數(shù)據(jù),編寫程序進(jìn)行模型的辨識(shí)。
2.1.1 AR模型
AR模型也稱為自回歸模型,它的預(yù)測(cè)方式是通過過去的觀測(cè)值和現(xiàn)在的干擾值的線性組合預(yù)測(cè)。自回歸模型的數(shù)學(xué)公式為:
式中:p為自回歸模型的階數(shù);
Φi(i=1,2,…,p)為模型的待定系數(shù),et為誤差;Yt為一個(gè)時(shí)間序列。
2.1.2 MA模型
MA模型也稱為滑動(dòng)平均模型,它的預(yù)測(cè)方式是通過過去的干擾值和現(xiàn)在的干擾值的線性組合預(yù)測(cè)。滑動(dòng)平均模型的數(shù)學(xué)公式為:
式中:q為模型的階數(shù);jθ(j=1,2,……q)為模型的待定系數(shù),et為誤差,tY 為觀測(cè)值。
2.1.3 ARMA模型
自回歸模型和滑動(dòng)平均模型的組合,便構(gòu)成了用于描述平穩(wěn)隨機(jī)過程的自回歸滑動(dòng)平均模型ARMA。數(shù)學(xué)公式為:
2.1.4 ARMA模型的預(yù)測(cè)步驟
(a)對(duì)時(shí)間序列進(jìn)行差分,以得到一個(gè)平穩(wěn)隨機(jī)序列,然后O一1均值化序列。
(b)計(jì)算差分后序列的自相關(guān)系數(shù)和偏相關(guān)系數(shù),以選擇一個(gè)合適的ARMA模型。
(c)用最小二乘法對(duì)ARMA模型分析,計(jì)算模型參數(shù)值。
(d)對(duì)估計(jì)得到的模型,進(jìn)行適應(yīng)性檢驗(yàn),重新改進(jìn)模型,直至得到最優(yōu)模型為止。
(e)進(jìn)行預(yù)測(cè)。
1983年至2012年中國工業(yè)企業(yè)事故死亡人數(shù)、職工人數(shù)來源于《安全生產(chǎn)年鑒》、《中國統(tǒng)計(jì)年鑒》和《中國勞動(dòng)統(tǒng)計(jì)年鑒》等正式出版物。以1983-2012年全國工業(yè)企業(yè)事故死亡人數(shù)、死亡率作為建?;A(chǔ)數(shù)據(jù),如表l所示:
表1 1983~2012年全國工業(yè)企業(yè)事故死亡人數(shù)與死亡率
表2 根據(jù)ARMA模型所得自相關(guān)系數(shù)和偏相關(guān)系數(shù)值
先對(duì)原始數(shù)據(jù)進(jìn)行初步分析,通過繪制數(shù)據(jù)趨勢(shì)圖檢驗(yàn)時(shí)間序列??梢园l(fā)現(xiàn),2O世紀(jì)8O年代初到90年代初,工傷死亡人數(shù)略呈平穩(wěn)下降,然后明顯上升。1996年后逐漸下降,2000年又出現(xiàn)上升趨勢(shì)。但死亡率除個(gè)別年代出現(xiàn)波動(dòng)外,總體上是呈下降趨勢(shì),時(shí)間序列為非平穩(wěn)序列。由于ARMA模型只能分析0-1均值化的時(shí)間序列,而計(jì)算出序列的均值為0.045,表明對(duì)序列的影響很小,故忽略不計(jì),認(rèn)為數(shù)據(jù)是均值化的。根據(jù)ARMA模型的自相關(guān)和偏相關(guān)分析法編寫程序,識(shí)別模型的階數(shù)。相關(guān)系數(shù)和偏相關(guān)系數(shù)分析如表2所示。
經(jīng)過自相關(guān)分析圖分析,ρk的取值范圍在置信區(qū)間[-2.59,2.59]內(nèi),可見序列是一隨機(jī)列,而且當(dāng)k>3時(shí),在零值附近上下波動(dòng),可見序列是一平穩(wěn)序列當(dāng)ρ k>2時(shí),取值都在[-2.59,2.59]內(nèi),且有收斂到零的趨勢(shì),根據(jù)定階準(zhǔn)則,證明符合AR(2)模型。
模型參數(shù)的估計(jì)使用最小二乘法.用統(tǒng)計(jì)軟件SAS分析,結(jié)果如下:Zt=0.003993-0.5830747Xt,F(xiàn)值為7.05,遠(yuǎn)遠(yuǎn)大于F0.01(2,43),所以回歸是高度顯著的.分析表明AR(2)是合適的。
從本研究的具體估計(jì)結(jié)果來看.多數(shù)年份相對(duì)誤差在10%以下,說明此方法預(yù)測(cè)比較精確,短期預(yù)測(cè)可信度較高。而2000年以來有所上升.這與我國經(jīng)濟(jì)發(fā)展正處于快速發(fā)展上升周期,不斷加大的能源需求,而安全生產(chǎn)投人相對(duì)滯后等因素有較大關(guān)系。
[1]徐國祥.統(tǒng)計(jì)預(yù)測(cè)和決策[M].上海財(cái)經(jīng)大學(xué)出版社,2006.
[2]王振龍.時(shí)間序列分析[M].中國統(tǒng)計(jì)出版社,2003.