太原工業(yè)學(xué)院理學(xué)系 連高社
中國(guó)是一個(gè)農(nóng)業(yè)大國(guó),而山西省的農(nóng)業(yè)并不十分發(fā)達(dá),“三農(nóng)” 問題一直都是中國(guó)關(guān)注的重點(diǎn)問題,就其本質(zhì)上而言,“三農(nóng)”問題的核心就是增收,提高農(nóng)民的可支配收入。農(nóng)村居民人均可支配收入的高低是評(píng)判農(nóng)村經(jīng)濟(jì)發(fā)展快慢和農(nóng)村居民生活水平是否提高的重要依據(jù)。因此本文的重點(diǎn)就是預(yù)測(cè)山西省農(nóng)村居民人均可支配收入。
人均可支配收入,是指平均每個(gè)人可以用來自由支配的收入,一般來說,可支配收入常常被用來衡量一個(gè)地區(qū)人們的生活水平,二者之間成正比,可支配收入越高,就意味著當(dāng)?shù)厣钏皆礁撸虼瞬捎棉r(nóng)村人均可支配收入作為農(nóng)村居民收入的指標(biāo)進(jìn)行研究。設(shè)初始數(shù)據(jù)變量為PCDI(人均可支配收入),用Eviews8.0 做出PCDI 的時(shí)序圖,可以看到,人均可支配收入隨著時(shí)間的推移快速增長(zhǎng),呈現(xiàn)出指數(shù)增長(zhǎng)的形式,因此現(xiàn)在以PCDI作為因變量,時(shí)間t 作為自變量,構(gòu)造人均可支配收入關(guān)于時(shí)間的指數(shù)函數(shù)模型[1]。
首先重新定義時(shí)間t 的取值范圍為1~19 (對(duì)應(yīng)原來的2000~2018 年),將因變量人均可支配收入PCDI 取自然對(duì)數(shù)得lnpcdi,先在Eviews8.0 軟件中,采用最小二乘法擬合出lnpcdi 與t 的線性回歸方程,最后再把線性回歸方程進(jìn)行還原,得到指數(shù)模型表達(dá)式。
由上述參數(shù)估計(jì)結(jié)果可知,給定顯著性水平0.05,變量t 與常數(shù)項(xiàng)前系數(shù)對(duì)應(yīng)的P 值均小于顯著性水平,故拒絕原假設(shè),認(rèn)為變量系數(shù)均有效;模型的擬合優(yōu)度R2=0.994665,表明模型擬合效果非常好。
將上述線性模型還原為指數(shù)模型,表達(dá)式為:
ARIMA 模型是通過差分的方式把所要研究的時(shí)間序列模型轉(zhuǎn)化為平穩(wěn)的,然后再進(jìn)行建模的,所以ARIMA(p,d,q)稱為差分自回歸移動(dòng)平均模型,其中的d 就是在做平穩(wěn)化處理時(shí)的差分次數(shù)。ARIMA 模型最后是檢驗(yàn)殘差的,可以很好地減小預(yù)測(cè)的誤差,但是ARIMA 模型本身認(rèn)為所要研究的時(shí)間序列從始至終的趨勢(shì)是一致的,所以它在預(yù)測(cè)時(shí),不能分析到有意外的發(fā)生[2]。
從數(shù)據(jù)和PCDI 的時(shí)序圖可以看出,變量PCDI 具有明顯的上升趨勢(shì),因此可以基本認(rèn)為變量PCDI 不是平穩(wěn)時(shí)間序列,需要對(duì)變量PCDI 進(jìn)行平穩(wěn)化處理。對(duì)變量PCDI 直接進(jìn)行一次差分,得到變量DPCDI,時(shí)序圖如圖1 所示。
圖1 變量DPCDI 時(shí)序圖
由圖1 可知,變量DPCDI 不具有明顯的趨勢(shì)性與周期性,因此可初步認(rèn)為變量DPCDI 具有一定的平穩(wěn)性。
對(duì)變量PCDI、DLPCDI 進(jìn)行ADF 檢驗(yàn),變量PCDI 存在單位根,變量PCDI 為非平穩(wěn)時(shí)間序列。變量DPCDI 沒有單位根,具有平穩(wěn)性。變量DPCDI 是非白噪聲的。
觀察自相關(guān)圖與偏自相關(guān)圖,變量DPCDI 自滯后1 階后快速落入隨機(jī)區(qū)間內(nèi)。為尋找合適的模型估計(jì)參數(shù),采用窮舉法,分別建立帶有常數(shù)項(xiàng)的ARI(1,1)、ARI(2,1)以及ARIMA(1,1,1)等模型。
建模后,綜合考慮AIC 準(zhǔn)則與SIC 準(zhǔn)則,并結(jié)合模型系數(shù)的有效性,最終選擇ARI(1,1)模型作為最終的預(yù)測(cè)模型,ARI(1,1)模型的擬合優(yōu)度為0.565901,表明模型擬合效果良好。具體的模型表達(dá)式與參數(shù)估計(jì)如公式3 所示:
給定顯著性水平為0.05,參數(shù)AR(1)與常數(shù)項(xiàng)系數(shù)對(duì)應(yīng)的P值均小于顯著性水平,說明模型系數(shù)顯著不為0。
對(duì)模型的殘差進(jìn)行白噪聲檢驗(yàn),殘差的各個(gè)Q 統(tǒng)計(jì)量所對(duì)應(yīng)的P 值都遠(yuǎn)大于0.05,可以認(rèn)為模型的殘差是白噪聲序列。所以認(rèn)為AIR(1,1)模型是可以進(jìn)行建模和預(yù)測(cè)的。
利用ARI(1,1)模型使用Eviews 進(jìn)行預(yù)測(cè),對(duì)2000~2018 年數(shù)據(jù)采用靜態(tài)預(yù)測(cè)法擬合,對(duì)2019~2023 年的數(shù)據(jù)采用動(dòng)態(tài)預(yù)測(cè)法預(yù)測(cè)。
著名學(xué)者鄧聚龍教授創(chuàng)建了灰色系統(tǒng)理論[3],灰色模型在數(shù)據(jù)的處理和對(duì)未來趨勢(shì)的預(yù)測(cè)等方面都很有獨(dú)到性。
通過Matlab 計(jì)算得到如下結(jié)果:a(發(fā)展系數(shù))=-0.1022,b(灰作用量)=1896.44143535264。
所以模型表達(dá)式為
此外,用MATLAB 代碼求出的Q=0.0541,C=0.0969,P=1,用求出的三個(gè)指標(biāo)對(duì)照精度表,進(jìn)行精度對(duì)比,可得:
從表1 可以看出,相對(duì)誤差Q 合格,均方差比值C 和小概率誤差P 均是好,說明該模型擬合較好,可以進(jìn)行建模和預(yù)測(cè)。
表1 灰色模型檢驗(yàn)指標(biāo)精度表
組合預(yù)測(cè)的思想就是依據(jù)一個(gè)標(biāo)準(zhǔn)建立一個(gè)函數(shù),然后通過已知的信息求出這個(gè)函數(shù)在區(qū)間內(nèi)的極值,這樣就可以得到每一種預(yù)測(cè)模型的權(quán)重系數(shù),就得到了最優(yōu)的組合預(yù)測(cè)模型[4]。
將第t 期實(shí)際值、預(yù)測(cè)值分別記為y1、fit,則預(yù)測(cè)的誤差為:
求解條件極值:
其中,Wn=(W1,W2,...,Wn)是組合權(quán)重向量,En=(Cij)n×n是預(yù)測(cè)誤差信息矩陣,
對(duì)于本文所要研究的3 種單項(xiàng)預(yù)測(cè)模型,設(shè)f1為指數(shù)函數(shù)模型,f2為灰色GM(1,1)預(yù)測(cè)模型,f3為ARMA 預(yù)測(cè)模型。那么可以通過Excel 求出這三種單項(xiàng)預(yù)測(cè)模型的信息誤差矩陣為:
用MATLAB 編程計(jì)算,可得到組合預(yù)測(cè)模型預(yù)測(cè)權(quán)重向量為:w=(-0.024252428 0.279343498 0.74490893)T,所以建立的組合預(yù)測(cè)模型表達(dá)式為:
從表2 可以看出,組合預(yù)測(cè)模型的各種誤差指標(biāo)都小于其他的單項(xiàng)預(yù)測(cè)模型,因此可以認(rèn)為組合預(yù)測(cè)模型的誤差更小,預(yù)測(cè)更準(zhǔn)確,可以用組合預(yù)測(cè)模型來進(jìn)行預(yù)測(cè),現(xiàn)在利用該模型對(duì)山西省農(nóng)村居民2019~2023 年的可支配收入進(jìn)行預(yù)測(cè),預(yù)測(cè)結(jié)果如表3 所示:
表2 四種模型預(yù)測(cè)效果評(píng)價(jià)指標(biāo)比較
表3 四種模型對(duì)2019~2023 年的預(yù)測(cè)值
最終預(yù)測(cè)出2019~2023 年的山西省農(nóng)村居民人均可支配收入分別為:10750 元,11521 元,12334 元,13193 元,14103 元,每年的增長(zhǎng)率分別為:7.17%,7.06%,6.96%,6.90%,可以看出山西省農(nóng)村居民人均可支配收入每年都在穩(wěn)定增長(zhǎng),而且增長(zhǎng)率較平穩(wěn)。