基于ARMA模型的我国油菜籽单产预测分析
邵艳君
(西安工业大学 经济管理学院，陕西 西安 710021)
[摘 要] 随着我国人口的增长，农产品的单产一直备受关注。油菜籽作为油菜的种子和油料的原料，在农产品中占有重要地位。文章将采用国家统计局在1985—2017的数据，对其中1985—2014年的数据进行分析，建立ARMA模型，用2015—2017的数据进行拟合结果检验，并预测出2018—2020年的油菜籽单位产量，为油菜的留种和播种提供一定的指导。
[关键词] ARMA模型；油菜籽；单产预测
1 引 言
农作物的单产一直是农学界关注的重点之一。[1]我国人口增长和耕地减少的现象使得我国油菜的单产越来越受到重视[2]，油菜籽是油菜的种子，也是油菜种中油料的主要来源，所以预测分析我国油菜籽的单产对指导油菜的留种和播种具有现实意义。
课前扎实认真备课，将物理学科的知识前后做一个联系，讲到前面知识的时候学会为后面的知识做好铺垫，学生学到后面就不会有陌生和唐突的感觉，讲到后面的知识时，也可适当提问前面的内容，帮助学生做好巩固工作。如在讲解电场这一章时，教师可以将高一阶段所学的受力分析，做直线、曲线的条件、重力场的特点等复习一下，为电场方面的学习打下基础。
因此，可以看到，我国审前程序的一元性价值不可避免地暴露出以下弊端。第一，审前准备活动内容笼统，流于形式，无实质性内容，不利于保护当事人的合法权益，没有达到应有的效果。第二，证据规则缺乏和没有固定争点，往往导致盲目开庭，多次开庭，有些案件久拖不决，浪费诉讼资源，失去效率。第三，审前准备程序自身所附带的庭前和解程序和替代诉讼解决纠纷程序的功能未得到充分发挥。我国所有案件在经过审前准备程序之后，全部进入了庭审程序，庭审是一个案件得到判决或调解的必经程序，使得审前准备程序无法充分发挥出审前准备程序所附带的解决纠纷的功能，加大了诉讼成本，耗费了过多的审判资源，不利于纠纷的解决。
在估测油菜单产时，蔡承智等利用ARIMA模型预测了2017—2020年我国的油菜单产，为油菜的生产提供一定的决策依据，提出着重改良中低耕地，并同时保持高产耕地的策略；[3]熊艳芳等预测了油菜籽的生产效率，根据1987—2009年的数据，采用最小二乘法并考虑了油菜籽的技术创新对产量的影响。[4]蒋贵飞提出了考虑油菜籽的种植密度来提高油菜的种植品质，并利用BP神经网络预测油菜品质。[5]但是，运用ARMA模型宏观预测油菜籽单产的文献鲜见。
常用的预测模型需要结合必要的生长因子等大量历史数据，尽管运算结果可靠性高，但运算过程比较复杂。文章所采用的ARMA模型不用考虑油菜籽种植的影响因素，也不用考虑生产投入要素变化。因为这些投入变量理论上都是随时间变化的，故可以采用 “时间序列”来集中反映影响因素和投入变量的变化[3]。该模型需要的数据量较少，计算也比较方便，但预测结果可靠性受“时间序列”数据平稳性的影响，且只能进行短期预测。
2 基于ARMA模型的我国油菜籽单产预测
从表中可以看出，根据模型的回归结果，可以分别得出四个模型赤池信息准则(AIC)和施瓦茨信息准则(SC)的取值，因为这两个值在模型的拟合中越小说明的拟合效果越好，所以分析比较表2中的数据，可以看出ARMA(2,2)模型的AIC和SC最小，R2的值最大，并且R2的结果变大的比较明显，所以最后选择ARMA(2,2)模型来对我国油菜籽单产的情况进行预测。
q =1565.023+1.987423q t-1 -0.999999q t-2 +ε t -1.987805ε t-1 +0.999800ε t-2
图1 1985—2014年我国油菜籽单产变化
数据来源：国家统计局网站。
3 我国油菜籽单产预测模型建立
3.1 数据预处理
1985—2014年我国油菜籽单产“时间序列”数据ADF单位根检验结果如表1所示。
表1 1985—2014年我国油菜籽单产时间序列的ADF单位根检验结果
数据来源：运用Eviews 9.0软件计算。
t统计量低于在5%和10%水平下的临界值，表明我国油菜籽单产“时间序列”在90%和95%的置信度下，时间序列平稳(历史数据具有一定的可靠性)，不需要进行差分处理，可以基于该数据对数值构建预测基础数据。
为了选择拟合度最高的模型预测我国油菜籽单产，参考自相关(AC)和偏自相关(PAC)的统计图，确定阶数p、q的取值，建立基础模型。AC值的检验结果是拖尾，而PAC的检验结果也是拖尾，由此判断可以采用ARMA模型。
3.2 建立预测模型
可靠性监测与检测蕴含着一个巨大的可利用网络服务体系，能认识到它的作用才能走进真正的汽车维修行业网络服务时代。汽修“互联网+”未能成功的原因，就是很多人并不了解维修企业与客户之间的关系。汽车维修企业需要真正解决的问题是有效地解决客户问题，让客户走进企业并留住客户。注意，这里说的客户走进企业是指同一个客户先期认可性；而留住客户指的是该客户成为忠诚性客户。
表2 我国油菜籽单产模型回归结果统计
文章采用1985—2014年我国油菜籽单产数据建立ARMA模型，用2015—2017的数据检验拟合结果，进而预测2018—2020年我国油菜籽的单产值。ARMA模型主要用于预测分析“时间序列”变量的宏观变化趋势，是较为公认的预测方法。该方法要求变量随时间推移呈现一定变化趋势，且每个步骤符合模型的推理逻辑，但不要求考虑变量的影响因子。1985—2014年我国油菜籽单产的历年统计值变化随时间在波动中保持增长趋势，如图1所示。因此可以选择ARMA模型进行短期趋势预测分析。
数据来源：运用Eviews 9.0软件计算。
为了选择拟合度较高的模型，在建立完全符合AC与PAC的检验结果的AR(1)模型后，采用逐步回归，尝试了其他ARMA模型的拟合结果，并将各个模型的拟合结果进行了比较。检验结果如表2所示。
根据Eviews 9.0软件的运行结果可以估计出ARMA(2,2)模型的系数，由于滞后阶数为2，由原方程模型：
结合如表3所示的模型系数估计结果，得出我国油菜籽单产的预测模型为：
q =c +φ 1q t-1 +φ 2q t-2 +ε t +θ 1ε t-1 +θ 2ε t-2
两个研究区域分别位于南京市的江宁区和栖霞区。仙林大学城位于南京市栖霞区西部(118°52′～118°59′ E、32°4′～32°8′ N)，紫金山东麓，该区域突出生态环境和人文内涵，其规划体现人与自然的和谐统一的理念，人与自然和谐统一的生态型大学城是该区域建设的重要目标。牛首山区域位于江苏省南京市江宁区(118°38′～118°48′E，31°45′～31°52′N)，该区域包含银杏湖、牛首山、大金山、蒋门山，生物种类丰富，生态系统保护较好，而且该区域位于南京市江宁区美丽乡村核心区域，是城市化发展与自然保护矛盾较为尖锐的区域，选择这两个区域作为研究对象对生态体育城市构建具有重要的参考意义。
运用ARMA模型的预测步骤为：首先，检验1985—2014年我国油菜籽单产数据的平稳性。其次，选择、建立、拟合相应ARMA模型，通过与2015—2017年统计数据的比较判断拟合效果。最后，运用ARMA模型对2018—2020年我国油菜籽单产进行预测分析。
表3 我国油菜籽单产ARMA(2,2)模型回归结果(1)
按照民事诉讼法的规定，检察机关有权通过检察建议对审判监督程序以外的其他审判程序中审判人员的违法行为进行监督，但是未规定检察机关提出检察建议之后的程序。比如，审判机关收到检察建议后多长时间内对建议内容向检察机关回复、审判机关收到检察建议后以何种形式对建议内容进行审核、审判机关与检察机关就建议所涉事项认识不一时如何处理等等问题均未明确。这就可能造成民事诉讼中法律监督虎头蛇尾的局面。毕竟，在缺乏程序规制的情况下，监督效果很大程度上将取决于被监督方是否配合，法律监督甚至失去了启动程序的刚性。
微信服务目前在起步阶段，大部分已经开通了微信服务的中学图书馆，也只是仅仅开通了而已，并没有提供实质性的服务内容。究其原因，首先中学图书馆的师生都以高考和会考为主要目标，并不十分重视图书馆的相关工作；其次中学图书馆服务人员和管理人员的水平有限，在提升服务层次，优化服务技术方面力不从心；再次许多中学在管理过程中，以学习为第一要务，禁止学生携带手机，微信服务又离不开手机运营，造成该服务的受众不明朗；最后开发运营图书馆微信服务客户端，还需要投入资金支持和技术支持，需要校领导的重视和支持。中学图书馆要升级理念，改善服务还有很长的路要走。
4 我国油菜籽单产预测分析
4.1 模型检验
通过对拟合结果进行分析比对，证实拟合结果具有一定的可信度，在具体的取值上有一些滞后性，但基本符合变化趋势。对估计后的残差序列进行白噪声检验，结果显示模型残差序列的样本自相关数和偏相关数都落入随机区间内，所有Q值都小于0.05 的检验水平下的分布临界值，所以残差序列是白噪声序列，模型是显著有效的。通过对回归方程的残差序列进行单位根检验，结果如表5所示。
表4 我国油菜籽单产ARMA(2,2)模型回归结果(2)
数据来源：运用Eviews 9.0软件计算。
表5 我国油菜籽单产ARMA模型残差的ADF单位根检验结果
数据来源：运用Eviews 9.0软件计算。
t统计量低于在5%和10%水平下的临界值，表明我国油菜籽单产“时间序列”在90%和95%的置信度下，残差序列保持稳定，所以ARMA可以用于我国油菜籽单产预测。
4.2 我国油菜籽单产预测分析
根据ARMA(2,2)模型对我国2018—2020年的数据进行如图7所示的预测。在Eviews 9.0软件中在估计模型下对数据进行预测，结果如表6所示，将2015—2017年的数据作为比对数值，来考虑2018—2020年的数据可信度。
表6 我国油菜籽单产ARMA(2,2)模型预测结果
根据2015—2017年的差值以及之前一些年份根据ARMA(2,2)模型的预测结果可以看出，前期模型的差值较小，后期拟合之后的数值，普遍比真实值要小，所以在针对之后2018—2020年的油菜籽单产数据进行分析的时候可以适当地在预测值上进行扩大化预测，一定程度上可以更贴近真实值，从而对我国油菜籽的产量进行有效的管理。
5 结 论
文章中分析得出的ARMA模型拟合值虽然高，但是与实际值仍有一定的差距，并且在后期的预测中，预测的数据普遍偏小，这是数据本身缺少了考虑重大的技术突破[4]，或者耕地面积的增大等政策对分析数据会造成的影响，但是就预测数值本身而言，在仅仅以数据为参考进行分析的情况下，能够较好地得出一个接近的数据，并且该数据具有一定的参考价值，也是文章的价值所在，后期可以对预测数值与实际数值的差值进行分析，从而将差值的扰动因素加入模型，提高模型预测的精准度。从文中的数据可以猜测出，油菜籽单产数据估计在后期进行调控的时候可以适当地在预测值上进行扩大化预测，保证在一定程度上更贴近真实值，从而让管理部门对近些年的产量有初步的判断，进而进行油菜播种和留种前期的调控。
参考文献：
[1]吴丽丽,李谷成,尹朝静.生长期气候变化对我国油菜单产的影响研究——基于1985—2011年中国省域面板数据的实证分析[J].干旱区资源与环境,2015,29(12):198-203.
[2]刘爱民,贾盼娜,王立新,等.我国饲(草)料供求及未来需求预测和对策研究[J].中国工程科学,2018,20(5):39-44.
[3]蔡承智,王芳,莫洪兰,等.基于ARIMA模型的我国油菜单产预测分析[J].中国农业资源与区划,2018,39(1):71-76.
[4]熊秋芳,段志红,周江霞,等.油菜新品种对油菜籽种植面积和单产影响的经济学评价——以湖北省为例[J].农业技术经济,2013(8):40-46.
[5]姜贵飞. 精准播种环境下的油菜品质预测[D].安徽农业大学,2015.
[DOI] 10.13939/j.cnki.zgsc.2019.28.050
[作者简介] 邵艳君(1995—)，女，汉族，江苏无锡人，西安工业大学在读研究生，研究方向：管理科学与工程。
标签：ARMA模型论文; 油菜籽论文; 单产预测论文; 西安工业大学经济管理学院论文;