基于ARIMA的河北省花生產(chǎn)量預(yù)測分析

陰明哲 李一帆 蘆鈴元 邢家軒 崔永福

摘要：花生是河北省種植面積排第三位的農(nóng)作物（次于玉米、小麥）和第一位的油料作物，大力發(fā)展花生產(chǎn)業(yè)不僅能夠提振河北經(jīng)濟(jì)，對保障國家的糧油安全也具有重要意義。但是近年來由于多重因素綜合影響導(dǎo)致河北省花生產(chǎn)量持續(xù)下降，產(chǎn)業(yè)發(fā)展受到一定程度的阻礙。文章利用時間序列分析中的 ARIMA（p，d，q）模型，對河北省 2000 ～2017 年花生產(chǎn)量數(shù)據(jù)進(jìn)行了隨機(jī)性分析，并結(jié)合 EVIEWS7.02時間序列分析軟件，經(jīng)過模型識別、比較、建立以及檢驗(yàn)等過程，最終后確定了 ARIMA（2，1，3）模型，并運(yùn)用此模型擬合了河北省 2000～2017 年的花生產(chǎn)量，同時對河北省 2018～2020 年3年的花生產(chǎn)量進(jìn)行了分析與預(yù)測。

關(guān)鍵詞：時間序列;ARIMA模型;河北省;花生產(chǎn)量

自二十世紀(jì)七十年代以來，世界范圍內(nèi)主要花生生產(chǎn)國家的花生生產(chǎn)技術(shù)持續(xù)發(fā)展并取得了重大突破，技術(shù)推廣成果顯著，有力地促進(jìn)了花生產(chǎn)業(yè)的發(fā)展。特別是通過基因育種技術(shù)，不斷培育出花生新品種，極大地提高了花生的產(chǎn)量和品質(zhì)。自20世紀(jì)90年代，尤其是中國加入世貿(mào)組織（WTO）之后，花生成為中國眾多出口貿(mào)易產(chǎn)品中為數(shù)不多的凈出口大宗農(nóng)產(chǎn)品。此后，花生產(chǎn)業(yè)發(fā)展問題逐漸被學(xué)術(shù)研究者廣泛研究，形成了豐富的研究成果。但是近年來，河北省花生播種面積不斷減少，河北省花生的產(chǎn)量連續(xù)多年處于下滑狀態(tài)。與糧食作物和其他油料作物（例如大豆和油菜籽）相比，某些區(qū)域的花生生產(chǎn)沒有受到政府和生產(chǎn)者的重視，被看作無足輕重的作物，種植規(guī)模和開發(fā)力度趨弱。另一方面河北具有較強(qiáng)的產(chǎn)業(yè)發(fā)展優(yōu)勢，環(huán)繞京津兩大消費(fèi)市場，擁有秦皇島、黃驊兩大港口，鄰省山東是全國主要的花生出口市場，具有強(qiáng)大的流通優(yōu)勢;河北省花生種植在收獲期干旱少雨，具有較低的黃曲霉毒素污染的風(fēng)險，其產(chǎn)業(yè)發(fā)展?jié)摿κ恪?/p>

因此，本文以河北省為例，利用時間序列分析方法，建立河北省花生產(chǎn)量時間序列模型，分析產(chǎn)量變化的內(nèi)在特征。并對未來三年我國河北省花生產(chǎn)量變化做出預(yù)測，為政府制定經(jīng)濟(jì)發(fā)展戰(zhàn)略提供依據(jù)。

一、時間序列分析方法及基本模型

時間序列分析（Time-series analysis）是基于隨機(jī)過程理論和數(shù)理統(tǒng)計學(xué)，通過處理動態(tài)數(shù)據(jù)來研究隨機(jī)數(shù)據(jù)序列所遵從的統(tǒng)計規(guī)律，以解決實(shí)際問題的一種統(tǒng)計方法。通過時間序列方法的應(yīng)用可以反映出數(shù)據(jù)的趨勢變化、周期性變化和隨機(jī)性變化規(guī)律。一般用于短期預(yù)測，當(dāng)然數(shù)據(jù)的樣本越多，設(shè)計的模型越準(zhǔn)確，誤差相應(yīng)的會更小。但是預(yù)測的結(jié)果僅為在當(dāng)前趨勢下的理論數(shù)值，不能預(yù)測到突發(fā)事故對結(jié)果的影響。但是數(shù)值的預(yù)測仍是具有借鑒意義的，可以為未來調(diào)節(jié)生產(chǎn)安排和工作計劃起到數(shù)據(jù)支撐作用。

由自回歸和移動平均構(gòu)成的隨機(jī)過程稱為自回歸移動平均過程，可以記為 ARMA（p，q），其中 p，q 分別表示自回歸和移動平均部分的最大階數(shù)。ARMA（p，q）的一般表達(dá)式見式（1）。

式（2）稱為 p 階自回歸模型 AR（p）;如果模型中？覬i=0，則模型為式（3）。也稱為 q 階移動平均模型 MA（q）。

二、數(shù)據(jù)分析

（一）數(shù)據(jù)來源

通過對2000～2017 年河北省花生產(chǎn)量數(shù)據(jù)進(jìn)行了初步的整理和匯總，并以此為樣本數(shù)據(jù)，進(jìn)一步建立模型，以便更好地對河北省花生產(chǎn)量進(jìn)行時間序列分析與預(yù)測，如表1。

（二）產(chǎn)量變化曲線

從產(chǎn)量變化曲線圖（圖1）中明顯可以看到花生產(chǎn)量總體呈下降趨勢，在2000～2003年和2006～2008年出現(xiàn)了明顯上升，其余年間大多數(shù)表現(xiàn)為下降趨勢，且2016年的產(chǎn)量已經(jīng)成為最低點(diǎn)，2017年上升趨勢不大。

（三）平穩(wěn)性檢驗(yàn)

在建立模型之前須對數(shù)據(jù)進(jìn)行序列的平穩(wěn)性檢驗(yàn)，只有平穩(wěn)的序列才滿足建立時間序列模型的條件。對數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，當(dāng)檢驗(yàn)值的絕對值大于臨界值的絕對值時，則為平穩(wěn)序列;反之，為非平穩(wěn)數(shù)據(jù)。利用Eviews7.2對其進(jìn)行的檢驗(yàn)結(jié)果如圖2所示，數(shù)據(jù)具有較好的平穩(wěn)性。

通過考察平穩(wěn)時間序列的自相關(guān)和偏相關(guān)的函數(shù)性質(zhì)來進(jìn)行定階，利用Eviews7.2作出河北省花生產(chǎn)量的二階差分序列X的自相關(guān)-偏相關(guān)圖和河北省花生產(chǎn)量的二階差分序列的時序圖，結(jié)果見圖3和圖4。

從圖中可以看出，DDX自相關(guān)函數(shù)和偏相關(guān)函數(shù)的值都是拖尾衰減的，而且都出現(xiàn)了一個峰值后的正弦衰減，所以先建立了ARMA（4，1，4）模型并使用EVIEWS 7.2來計算模型的參數(shù)，并結(jié)合AIC和AC值最小原則進(jìn)行項數(shù)篩選，最終得到AR（1）、AR（2）和MA（2）的系數(shù)具有顯著性。Eviews7.2計算結(jié)果如圖5，由此得到模型的最終表達(dá)式如下。

X=70.77298+0.259362Xt-1-0.638341Xt-2-0.967427Xt-2

（四）模型檢驗(yàn)與預(yù)測

為了保證時間序列模型結(jié)果的真實(shí)性須檢驗(yàn)殘差是否為白噪聲。利用Ewviews7.2軟件對ARIMA（3，12）模型進(jìn)行Q統(tǒng)計量檢驗(yàn)，檢驗(yàn)結(jié)果見圖6，該模型的殘差自相關(guān)-偏相關(guān)圖沒有任何模式，則殘差序列平穩(wěn)。由此得知，此模型擬合成功，可以進(jìn)行預(yù)測。利用該模型，通過進(jìn)行樣本內(nèi)（2000～2017年）的靜態(tài)預(yù)測，使用Dynamic forecast方法對2018～2020年河北省花生產(chǎn)量進(jìn)行預(yù)測，結(jié)果如表2。

由預(yù)測結(jié)果可以看出河北省產(chǎn)量在未來幾年仍然會呈下降趨勢，且增長率將處于放緩狀態(tài)，但從數(shù)值上來看下降趨勢仍是較嚴(yán)峻的。

三、結(jié)語

通過對河北省花生生產(chǎn)2000～2017年模擬數(shù)據(jù)發(fā)現(xiàn)，建立的模型擬合較好。對河北省花生2018～2020年產(chǎn)量數(shù)據(jù)預(yù)測發(fā)現(xiàn)，其下降趨勢仍然持續(xù)?；谡{(diào)研和對文獻(xiàn)的梳理，以下原因可能對河北省花生產(chǎn)量變化存在影響：

1. 花生種植區(qū)域布局缺乏合理性。河北省花生的種植缺乏規(guī)模效益，主要是以農(nóng)戶為主的小型種植，與山東、河南兩個花生種植大省相比，規(guī)模偏小，另一方面表現(xiàn)在由于補(bǔ)貼政策向玉米、小麥傾斜，導(dǎo)致花生比較效益降低，播種面積萎縮，這是導(dǎo)致花生產(chǎn)量下降的一個重要原因。

2. 河北省花生生產(chǎn)中農(nóng)業(yè)機(jī)械使用并不廣泛，花生生產(chǎn)的復(fù)雜性增大了農(nóng)機(jī)農(nóng)藝融合難度。當(dāng)前，還主要使用小型機(jī)械進(jìn)行獨(dú)立作業(yè)，生產(chǎn)效率低，大型機(jī)械使用偏少?；ㄉ莿趧用芗彤a(chǎn)業(yè)，需要投入大量的勞動力，這不僅加大了花生生產(chǎn)成本，而且在一定程度上會促進(jìn)農(nóng)村勞動力的轉(zhuǎn)移這又限制了花生產(chǎn)業(yè)的發(fā)展。另外由于花生的自然特性，在生產(chǎn)中應(yīng)普及高效率、損耗低的花生剝殼機(jī)械，花生聯(lián)合收獲機(jī)，從而可以極大的提高勞動生產(chǎn)率，從而降低人工成本。

3. 花生副產(chǎn)物綜合利用率低。尤其是花生秧占生物量的百分之五十左右，粗蛋白含量可達(dá)12%，是蘇丹草的1.5倍，略微高于多年生黑麥草，但在實(shí)際中大量的花生秧卻沒有被很好利用。如果將花生秧用作牛，羊飼料，則可以為農(nóng)戶爭取更多的利益，從而促進(jìn)花生生產(chǎn)的積極性，現(xiàn)在的主要問題是從花生秧采集到處理過程之中一些標(biāo)準(zhǔn)化原則的問題。

4. 花生病蟲害防治效果欠佳，花生病害如葉斑類病、真菌土傳病害等?；ㄉ。€果?。陙碓诤颖笔〖又刂畡?，重病田可致絕收，對花生產(chǎn)量和品質(zhì)危害極大?；蛟S可以利用間作，輪作等綠色防控措施減低病害的發(fā)生率。例如，趙慶雷等的研究表明水旱輪作模式對花生的果腐病和蠐螬具有較理想的防控效果。

5. 受花生替代品價格影響嚴(yán)重。河北省花生加工近一半以上用于榨油，而近年大豆價格下降，替代效應(yīng)對花生油的價格產(chǎn)生了極大的影響，從而導(dǎo)致花生市場價格不高，嚴(yán)重的打擊了農(nóng)戶種植積極性。另一方面花生與大豆存在著本質(zhì)的區(qū)別，隨著人們生活水平的提高應(yīng)更多地開拓高端花生油市場與廉價低質(zhì)量的其他油相區(qū)別。

以上問題嚴(yán)重影響了河北省花生的產(chǎn)量，鄰近的山東省和河南省在花生生產(chǎn)方面的優(yōu)勢（從2012年以后數(shù)據(jù)看，兩省花生單產(chǎn)保持在4400公斤/公頃以上），作為河北省第三大作物的花生其穩(wěn)產(chǎn)提質(zhì)和健康發(fā)展面臨較大的壓力。

近幾年河北省農(nóng)科院和河北農(nóng)業(yè)大學(xué)專注于高油酸花生的育種，花生生產(chǎn)大縣大名縣、灤州市、新樂市等相繼開始試點(diǎn)高油酸花生種植，百信花生專業(yè)合作社等新型農(nóng)業(yè)經(jīng)營主體也在積極帶動農(nóng)戶擴(kuò)大高油酸花生種植面積，此外秦皇島市氣候、土壤條件也非常適合高油酸花生的種植。以上，為建設(shè)高油酸花生規(guī)模化生產(chǎn)示范區(qū)提供了條件，并力爭在全省范圍內(nèi)用最短時間使高油酸花生成為花生優(yōu)勢區(qū)域的主導(dǎo)品種（花生冀花16號、冀花13號在2019年被河北農(nóng)業(yè)農(nóng)村廳選為農(nóng)業(yè)主導(dǎo)品種，二者皆為高油酸花生品種）。目前的花生生產(chǎn)表現(xiàn)出了向?qū)Ｓ没贩N發(fā)展的趨勢，未來河北省高油酸花生發(fā)展勢頭較好。在京津冀協(xié)同發(fā)展的背景下，應(yīng)加大對花生產(chǎn)業(yè)的政策扶持并充分發(fā)揮當(dāng)?shù)氐纳a(chǎn)優(yōu)勢，河北省花生生產(chǎn)和花生產(chǎn)業(yè)將會越來越好。

參考文獻(xiàn)：

[1]陳鼎玉，萬堅，程瀚鋒.基于ARIMA模型的我國糧食產(chǎn)量預(yù)測[J].營銷界，2019（13）：95-96.

[2]梁后軍，馮宜強(qiáng)，謝睿，周萬懷，常郝，劉從九，徐守東，李浩.基于時間序列的全國棉花產(chǎn)量預(yù)測方法研究[J].中國纖檢，2018（06）：81-84.

[3]高蕾.基于ARIMA模型的安徽省糧食產(chǎn)量預(yù)測研究[J].合肥學(xué)院學(xué)報（社會科學(xué)版），2015，32（05）：85-87.

[4]孟強(qiáng)，李海晨.基于ARIMA模型的東三省糧食產(chǎn)量時間序列分析[J].黑龍江科技信息，2015（21）：128-129.

[5]王巧巧，朱喃喃.基于ARMA的糧食產(chǎn)量模型的構(gòu)建——以安徽省為例[J].經(jīng)濟(jì)研究導(dǎo)刊，2010（07）：153-154.

[6]梁后軍，馮宜強(qiáng)，謝睿，周萬懷，常郝，劉從九，徐守東，李浩.基于時間序列的全國棉花產(chǎn)量預(yù)測方法研究[J].中國纖檢，2018（06）：81-84.

[7]黃艷紅.花生種植技術(shù)及提高種植效益的措施分析[J].種子科技，2019，37（04）：63.

[8]王淑霞，徐光強(qiáng).淺析花生的優(yōu)質(zhì)高產(chǎn)栽培技術(shù)[J].農(nóng)民致富之友，2018（24）：14.

[9]謝元瑰.時間序列分析方法在農(nóng)業(yè)經(jīng)濟(jì)預(yù)測中的應(yīng)用研究[D].湖南農(nóng)業(yè)大學(xué)，2013.

[10]盧山，吳佳寶，邱柳，劉登望，李林.花生高產(chǎn)栽培研究進(jìn)展及我國南方花生高產(chǎn)途徑分析[J].湖南農(nóng)業(yè)科學(xué)，2011（11）：44-48.

[11]史正芳，王蘭安.淺談花生收獲機(jī)械發(fā)展現(xiàn)狀與趨勢[J].農(nóng)機(jī)質(zhì)量與監(jiān)督，2019（07）：35+34.

[12]趙慶雷，信彩云，王瑜，陰筱，劉奇華，林香青.不同輪作模式對花生病蟲害及產(chǎn)量的影響[J].植物保護(hù)學(xué)報，2018，45（06）：1321-1327.

*本文是河北農(nóng)業(yè)大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)課題“河北省花生產(chǎn)業(yè)發(fā)展的空間計量分析（2019105）”的部分成果。本論文受河北省第二期現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系油料創(chuàng)新團(tuán)隊項目（HBCT2018090301）資助。

（作者單位：河北農(nóng)業(yè)大學(xué)。崔永福為通訊作者）