全 文 ：中国经贸导刊
贵州省菜椒价格预测
——基于自回归单整移动平均模型的研究
文 韩 雯
摘要：本文以 2008 年 5 月至
2010 年 9 月贵州省菜椒月价格为
例，构建了拟合指标优良的 ARIMA
（1，1，0）模型，且发现该模型能很好
地预测菜椒月价格趋势，从而为地
方政府调控菜椒市场的供求关系、
农户调整生产结构以及菜椒交易商
掌握较准确的交易信息提供依据和
参考。
关键词：贵州省 农产品 价格
预测 ARIMA模型
一、引言
贵州省是全国辣椒产业的优势
区域，其辣椒种植面积占全国的
12%，已经成为我国最大的辣椒加工
制品产地和我国南方最大的辣椒集
散地，在全国辣椒产业中具有举足轻
重的地位。2009年贵州辣椒种植面
积 260万亩，全省现有辣椒加工企业
130余家，产品销往国内 20余个省
（市、区），全省辣椒产业产值 38.6亿
元。然而由于多种因素的制约，贵州
辣椒主要品种之一的菜椒，其优势
与潜力尚未得到很好的发挥。菜椒
价格波动直接影响菜椒流通和生
产，同时加大了菜椒生产经营和总
体物价水平的波动风险，因此，研究
菜椒价格变动对于指导辣椒生产以
及调整辣椒业结构具有重要意义，
而使用菜椒的历史价格数据对未来
价格趋势进行有效的预测显得尤为
重要。
目前，国内学者已广泛应用自回
归单整移动平均模型（Autoregressive
Integrated Moving Average Model，
ARIMA）对非平稳时间序列建模和
预测，但将之用于农产品价格预测领
域的研究不多。ARIMA模型作为定
量预测方法之一，在经济预测过程中
既考虑了经济现象在时间序列上的
依存性，又考虑了随机波动的干扰
性，对于经济运行短期趋势的预测准
确率较高。有鉴于此，本文对贵州省
菜椒价格构建 ARIMA模型并预测
其价格未来的月价格，以期能够对地
方政府调控菜椒市场的供求关系、农
户调整生产结构以及菜椒交易商掌
握较为准确的交易信息提供可靠的
参考依据。
二、ARIMA模型的建立及数据
来源
（一）ARIMA模型
ARIMA模型是用它的过去值及
随机扰动项所建立起来的时间序列
模型，其具体形式为
Xt＝φ1Xt- 1＋φ2Xt- 2＋ ...＋φpXt-p＋
εt＋θ1εt- 1＋...＋θqεt-q （1）
（二）数据来源
本文随机选取贵州省菜椒月价
格（记作时间序列{yt}）为研究样本，
样本数据来源于：http://www.gznw.
gov.cn贵州省农经网，样本区间设定
为 2008年 5月至 2010年 9月，对序
列{yt}建立一个合理预测的模型来预
测 2010年 10月至 12月贵州省菜椒
月价格，并与实际月价格相比较，使
其达到预期的结果。
三、实证分析
（一）时间序列的稳定性检验
根据序列{yt}的时间序列图容易
判断 2008年 5月至 2010 年 9 月贵
州省菜椒月价格呈上升趋势，增长
幅度不同，这说明该序列既存在上
升趋势又存在异方差，需对其进行
平稳化处理。利用 Eviews6.0软件对
序列{yt}进行单位根检验，即对序列
{yt}进行一阶差分转换，令 xt＝yt－
yt-1，并对序列{xt}进行单位根检验，
其 ADF统计量（- 4.095203）小于在
1% （- 2.653401）、5% （- 1.953858）、
10%（- 1.609571）显著水平下的临界
值，所以{xt}为平稳序列，该序列的
ADF 统计量检验通过了平稳性检
验。
（二）模型识别与模型定阶
模型识别，选择是用 AR（p）、MR
（q）还是用 ARMA（p，q）模型对平稳
序列{xt}进行估计，可根据时间序列
的识别规律判定序列{xt}适合 ARMA
（p，q）模型。
模型定阶，模型定阶方法有许多
种，如：Ljung- Box（1978）检验、利用
ACF图和 PACF图性质确定模型阶
数、最佳准则函数定阶法。由于通过
平稳序列的自相关分析图（ACF图）
价格监管
54 2011年第 15期
中国经贸导刊
和偏自相关分析图（PACF 图）无法
准确判断模型的阶数，因此，采用最
佳准则函数定价法进行模型定阶，通
常选择信息准则量（AIC）和贝叶斯
准则量（SBC）较小的模型。经过多次
估计，ARIMA（1，1，0）的 AIC值和
SBC值均优于其它两个模型，即选定
ARIMA（1，1，0）模型，具体模型估计
结果见表 1。
（三）模型的检验与预测
模型检验是对模型残差序列是
否为白噪声序列的检验，如果模型
通过检验，则可以进行预测，否则对
选用模型类型进行重新识别。通过
对 ARIMA（1，1，0）模型的残差序列
进行 ADF 检验，其 ADF 统计量
（- 5.157492）小于在 1%（- 2.653401）、
5%（- 1.953858）、10%（- 1.609571）显
著水平下的临界值，并对其 ACF图
和 PACF图观察可知，其残差序列为
白噪声序列。从 Eviews6.0软件输出
ARIMA（1，1，0）模型估计结果可知，
模型的常数项 C 为 0.035106，系数
为 0.279509。因此 ARIMA（1，1，0）模
型为平稳序列 {xt} 的最佳预测模型
为：
xt＝0.035106＋0.279509xt- 1 （2）
预测分析，根据序列{xt}的 ARI-
MA（1，1，0）模型（1）可以推导出序列
{yt}的预测公式为：
xt＝yt－yt- 1
yt＝0.035106＋0.279509xt- 1＋yt- 1
（3）
通过预测公式（3）的计算，得出
贵州省 2010 年 10—12 月菜椒价格
的预测值，并与实际值相比发现，二
者相对误差基本在正负 5%以内，具
体见表 2。因此预测结果较为精确，
可用于未来贵州省菜椒价格的预测。
四、结束语
通过对 2008 年 5 月至 2010 年
9月贵州省菜椒价格进行时间序列
分析，首先建立 ARIMA（1，1，0）模
型，用单位根检验其残差序列为白
噪声序列，说明该模型的拟合指标
优良，其结果切实可行；其次，利用
该模型对 2010年 10—12月贵州省
菜椒价格进行预测，实际值与预测
值的相对误差基本控制在正负 5%
以内，预测结果较理想。从预测结
果来看，贵州省菜椒价格在 2010年
10—12 月短期内呈现出平稳增长
趋势。但由于该模型得出的预测结
果只是一个预测值，而影响贵州菜
椒价格的因素很多，如供求关系、
地方收入水平、天气变化、饮食习
惯、国家宏观调控及有关政策等因
素影响，都将对未来时期菜椒价格
趋势造成重要影响。因此，应当适
时根据实际情况来修正 ARIMA模
型，从而使模型具有更好的预测
性。■
参考文献：
①张绍刚，张太平，龙明树，邵
宇．贵州辣椒产业及优势区域布局
[J]．中国蔬菜，2008，（11）：5- 7
②涂祥敏，杨红，韩世玉. 贵州
辣椒产业的优势、问题及对策发展
[J]. 湖 南 农 业 科 学 ，2008，（5）：
121 - 123
③刘峰，王儒敬，李传席．ARIMA
模型在农产品价格预测中的应用
[J]. 计算机工程与应用，2009，（25）：
238- 239，248
④刘勇，汪旭辉．ARIMA模型在
我国能源消费预测中的应用[J]．经
济经纬，2007，（15）：11 - 13
⑤孙奕，贾翠平，覃世龙. 儿童
伤害住院费用 ARIMA预测模型研究
[J]. 数理统计与管理 ，2007，11
（26）：24- 28
⑥蒋佐斌，谢双琴，张欢．ARIMA
模型在银行贷款规模预测中的应用
[J]．金融与经济，2010，（7）：13- 15
⑦高铁梅. 计量经济分析方法
与建模[M]．北京：清华大学出版社，
2006
⑧易丹辉 . 数据分析与 Eviews
应用[M]．北京：中国统计出版社，
2002
⑨张晓峒 . 计量经济学基础
[M]．天津：南开大学出版社，2008
⑩蒋燕．ARIMA模型在广西省
社会固定资产投资预测中的应用
[J]．数理统计与管理，2006，9（25）：
588- 592
〔本文系贵州省软科学研究项目
“贵州省农产品价格组合预测研究”
（项目编号：黔科合体 R 字 [2010]
LKC2013号）阶段性成果〕
（韩雯，1980年生，湖北武汉人，
贵州财经学院金融学院讲师。研究
方向：保险理论与实务、金融投资）
价格监管
2011年第 15期 55