| 1995─2010年甘肃省粮食产量的趋势预测
| | 免费论文下载研究粮食生产波动与消费并对未来情况的免费论文下载作出预测，是粮食问题宏观决策和控制的免费论文下载主要条件。短期研究一般应用多元统计的回归分析方法，从价格、比较效益、投入、经营方式等方面对波动给出了事后解释，却没有令人满意的事前预测。的确，农业生产的独特性增加了对它预测的难度，因为事先并不知道当年农业实际投入与未来实际气候条件。所以，“避开”上述这一切因素，仅仅研究这些因素交互作用下的客体(粮食)自身的变化，以求得某种规律。本文正是基于这种思想，根据1949──1994年甘肃省粮食产量历史资料，运用自回归动平均模型(简称ARIMA模型)，对我省未来粮食生产量情况所做的一次有益的尝试性研究。
一、三因素的选择
一个经济时间序列｛ｘt｝(t＝1,2,…,n)，通常认为由三种因素组成，即长期趋势、周期因素(季节因素)、随机因素。对于一个时间序列，宜于选用自相关分析图来判别序列的平稳性与周期，并且通过自相关和偏相关分析图确定ARIMA模型的自回归阶p与动平阶q。
⒈自相关系数
n-kt=1∑(Xt-X)Xt+k-X)
rk＝─────────
nt=1∑(Xt-X)2
其中X为｛Xt｝(t＝1,2,…,n)的平均值，rk为滞后k期的自相关系数。
(1)平稳性识别
如果rj(j＝1,…,k)随着j增大而迅速靠近零，或散乱地分布在零点周围，则认为序列平稳；否则非平稳。对于非平稳序列，通过差分，消除其趋势。
(2)周期识别
对于一平稳序列，观察其自相关分析图，如果每隔时间T，自相关系数显著偏高，可以认为该序列具有周期T；否则，无周期(无季节性)。
⒉偏自相关系数
在已知自相关系数的条件下，解如下一系列方程组：
|
| | |
|
教育论文中心