论文部分内容阅读
摘要：居民的消费对国民经济有重要的影响，以广东省居民猪肉产品的消费需求作为研究对象，从消费的角度出发，运用ARIMA模型对采集到的相关数据进行实证研究，针对广东省居民猪肉产品的需求情况进行了预测，并针对存在的问题提出了相应政策和建议。
关键词：需求预测；ARIMA模型；趋势分析；猪肉
中图分类号：F2文献标识码：Adoi：10.19311/j.cnki.16723198.2017.26.013
1引言
在十三五规划中，中央就我国农业畜牧产品市场的发展问题提出有关规划建议。建议中明确指出，要大力推广现代化农业，加速农业生产方式的转变，推广多维度规模经营，阐扬其在农业现代化建设中的示范作用，促进粮经饲统筹、农林牧渔业相结合、种养加一体化、一二三产业有机结合的发展模式，大力推广高产出、资源节约型、环境友好型的现代化农业发展模式。因此，当前必须认识到畜牧产品消费需求的变化对农业发展的影响，进而不断完善对畜牧产品的消费需求预测方法，推动我国农业信息化建设走上现代化的发展道路。
本文可能的创新点为：第一，前人大部分的研究是对猪肉的产量进行预测，本文是对广东省居民猪肉产品消费需求进行预测；第二，在对广东省居民猪肉产品消费需求预测时首次引入城市GDP水平这个变量；第三，本文运用ARIMA方法（Box ，Jenkins，1970），基于實证数据的真实性，对广东省居民猪肉产品需求进行了预测分析，是对过去研究的有益补充，同时对稳定猪肉产品市场具有重要的现实意义。
剩下的内容分为五个部分：二部分文献回顾与假设提出；第三部分是变量选取和模型设定；第四部分是实证分析；第五部分是对研究结果进行讨论；第六部分是政策含义。
2文献回顾与假设提出
通过对大量猪肉消费需求的相关文献资料进行梳理，影响广东省居民猪肉消费需求的因素有很多。本文总结确定了各种主要影响因素，包括餐饮业的发展情况、居民家庭人均收入、城市GDP水平、猪肉的价格以及其他肉类产品的价格五个影响因素，具体如下。
2.1猪肉价格与猪肉需求
居民对猪肉的需求，受到价格的影响。猪肉价格与猪肉需求呈反向变化：当猪肉价格上升时，需求量下降；当猪肉价格下降，需求量上升（刘秀梅，2005）。根据以上分析，本文提出假设如下：
假设1：猪肉价格与猪肉需求呈负相关关系。
2.2居民家庭人均收入与猪肉需求
生命周期理论认为财产越多，消费水平越高。收入是影响猪肉消费主要因素。相对来说，居民的收入越高，其购买力就会增强。这适合于大部分的产品的消费规律。城乡居民人均可支配收入能够很大程度上影响居民消费（宁芳蓓，孙世宁和杨贤慧，2012）。随着经济的不断发展，居民生活水平的不断提高，居民的支付能力也在提升，这会增加对猪肉的消费量。根据以上分析，本文提出假设如下：
假设2：居民家庭人均收入与猪肉需求呈正相关关系。
2.3其他肉类产品的价格与猪肉需求
猪肉与其他肉类产品存在很强或较强的替代性。一般地说，在其它条件一定的情况下，替代农产品在食物消费结构中的比重下降而该种农产品价格上涨，则会引起该种农产品需求量的减少和替代农产品需求量的增加（Barrera，Garcia，2013）。根据以上分析，本文提出假设如下：
假设3：其他肉类产品的价格与猪肉需求呈正相关关系。
2.4餐饮业的发展与猪肉需求
近年来，我国城市居民人均在外用餐支出占食品支出比重不断提高，而且随着城乡居民收入水平的普遍提高和农村城市化进程的不断加速，餐饮业的发展带动了猪肉的户外消费，并且餐饮业的发展水平越高，猪肉的需求越高（刘华，2009）。根据以上分析，本文提出假设如下：
假设4：餐饮业的发展与猪肉需求呈正相关关系。
2.5城市GDP水平与猪肉需求
凯恩斯（1936）的绝对收入理论强调消费支出是实际收入的稳定函数。一个国家或者城市GDP水平越高，那么对产品的消费需求也就越高。根据以上分析，本文提出假设如下：
假设5：城市GDP水平与猪肉需求呈正相关关系。
3变量选取与模型设定
3.1變量选取
本文选取被解释变量为广东省居民猪肉需求量（Y），解释变量为猪肉价格（PP）、居民家庭人均收入（HIPC）、其他肉类产品的价格（PO）、餐饮业的发展（Cater）和城市GDP水平（GDP），数据来自广东省统计局。
3.2模型建立
关于ARIMA模型在需求预测方面的研究国内已经有大量学者对该问题进行了研究。王艳涛、王记志（2009）构建了ARIMA模型对农产品贸易进行了预测。郑莉、段冬梅和陆凤彬（2013）采用ARIMA模型对猪肉需求进行预测。本文运用了单对数及双对数回归模型来将数据模型化，对广东省的数据进行了分析，模型设立时采用四种时滞：零时滞、12个月时滞、18个月时滞及24个月时滞，并且通过使用价格和数量的实际测量值和取对数值来对数值模型进行了估计。
4实证分析
4.1数据来源及处理
4.1.1数据来源
本文选取的是2014年1月份～2015年12月份广州市白云山畜产品市场猪肉的批发价格数据，一共120条记录。其中，每个月份有5个记录。2014年猪肉价格波动比较剧烈，在2014年的7月份，猪肉价格达到这两年的一个极值最高点。
4.1.2趋势分析及平稳性检验
本文对2015年的记录进行趋势分析进行分析比对看出，2015年的猪肉消费需求在波动中呈现出逐步上升的趋势，最佳Alpha值为095167，其拟合效果比较理想，下面对模型进行平稳度检验。 本采用的方法是ADF检验法进行平稳性检验，结果如下：变量水平数据以及一阶差分数据都为不平稳，然而其二阶差分数据都平稳，所以判定因变量和自变量存在着同阶单整。然后要进行协整查验，采用E-G两步法。从回归结果来看（见表1），R2=0993257，拟合程度好；lnPP，lnHIPC，lnPO，lnGDP四个变量在95%置信区间有显著性，Durbin-Watson值为2541560，说明随机误差项没有自相关关系。
根据残差平稳性检验，ADF值为-4.407507，均小于1%，5%和10%的t临界值。残差序列平稳，因此，变量之间存在协整关系。
根据回归方程（1）分析其经济意义：猪肉价格与居民肉类消费需求的回归系数为0.81，也就是猪肉价格每变动1%就会使进居民肉类消费需求变动81%；居民家庭人均收入与居民肉类消费需求变动，相关系数为063，也是正相关关系，代表居民家庭人均收入每增加1%，居民肉类消费需求增加63%；其他肉类产品价格与居民肉类消费需求呈正相关关系，其他肉类产品价格每上升1%，居民肉类消费需求平均增加98%；城市GDP水平与居民肉类消费需求呈正相关关系，并且关系显著，城市GDP水平每变动1%，居民肉类消费需求增加21%。
4.2对ARIMA（p，d，q）模型进行定阶
本文对相关数据进行了自相关函数检验，在滞后阶数2之后的ADF值基本上都为零。在ARIMA（p，d，q）模型中将q值暂定为2，通过上述检验的模型用于预测2015年的猪肉消费需求偏相关函数，可以判断2015年数据的时间序列是平稳的。接下来进行一阶差分滞后的自相关函数和偏相关函数的新函数的建立。
一阶差分滞后的自相关函数和偏相关函数，ADF在滞后阶数为4之后基本在虚线内，可以视为零，在滞后阶数为4之后PADF的值同样可以视为零，因此经过初步分析将ARIMA的模型初步确定为（4，1，4）。通过对上述模型数据的预处理，由于ARIMA（4，1，4）模型的拟合度比较高，因此作为最终模型。
4.3模型检验与预测
最终确定的模型的残差序列的自相关系数都在置信区间范围内，并且统计量在所有的时间点上都没有明显的显示，说明ARIMA（4，1，4）模型与原数据的模拟的拟合程度较高。通过残差自相关检验结果表明，残差通过了白噪声显著性检验。根据ARIMA（4，1，4）模型拟合所得的残差近似于均值为零的正态分布，表明模型ARIMA（4，1，4）具有较高的可信度。对ARIMA模型识别拟合之后，采用t检验对模型进行诊断分析，该模型在Alpha为095时为最优值，AR=2、AR=3、AR=4、MA=1、MA=2、MA=4時，P值均大于005，模型ARIMA （4，1，4）可信度较高。
本文模型对广东省居民猪肉未来需求的预测与实际情况基本吻合。所选用的模型ARIMA（4，l，4）对未来消费需求数据进行分析预测，预测点数为10（即现实时间的2个月），预测的消费需求上限和下限都在95%的置信区间范围内，也就是猪肉消费需求可能出现的区间在未来两个月的需求都在这个区间，也就是在预测点10以内，超过这个预测点就不能准确的对未来猪肉的消费需求走势进行预估，从而需要对该模型进行进一步的改进。
5结论
居民的消费对国民经济有重要的影响。本文以广东省居民猪肉产品的消费需求作为研究对象，建立了ARIMA模型，利用Granger因果检验筛选出显著影响因素，从而对广东省猪肉产品消费需求进行了预测，最后，基于动态集成预测方法对建立的模型进行合成，通过2011年～2015年的数据对实证结果进行检验。猪肉价格与居民猪肉产品消费需求呈正相关关系；居民家庭人均收入与居民猪肉产品消费需求变动呈正相关关系；其他肉类产品价格与居民猪肉产品消费需求变动呈正相关关系；城市GDP水平与居民猪肉产品消费需求成正相关关系。因此，广东省居民猪肉产品消费需求受到猪肉价格、居民家庭人均收入、其他肉类产品价格以及城市GDP水平的影响。
6政策含义
居民的消费需求多样化，导致居民对大宗畜牧产品的要求呈现多样化和优质化的趋势。但是，由于畜牧产品的生产具有时间周期性特征，并且在季节性和区域性等方面存在一定的矛盾。同时，在传统畜牧产品的流动环节中存在与现代畜牧业发展不相匹配的问题，例如中间环节过多，信息不对称，交易成本高以及流通效率低下等。存在的这些问题无法与现代新的市场形势相匹配，在一定程度上阻碍了畜牧产品市场的发展。因此，当前必须认识到畜牧产品消费需求的变化对农业发展产生的影响，进而不断完善对畜牧产品的消费需求方法，推动我国农业信息化建设走上现代化的发展道路。
参考文献
[1]Box G， Jenkins G.Time Series Analysis.Forecasting and Control[M].San Francisco ： Holden Day，1970： 111.
[2]刘秀梅，田维明.我国农村劳动力转移对经济增长的贡献分析[J].管理世界， 2005，（01）： 9195.
[3]宁芳蓓，孙世民，杨贤慧. 猪肉消费者超市购买行为影响因素的实证分析rolAnaly560位消费者的问卷调查[J].山东农业大学学报（社会科学版），2012，04：4550+118.
[4]Barrera A A T， Garcia P， Mallory M. Price Density Forecasts in the U.S. Hog Market： Composite Procedures[C]. 2013.
[5]刘华，钟甫宁.食物消费与需求弹性[J].南京农业大学学报（社会科学版），2009，03：3643.
[6]Keynes J M.General Theory of Employment， Interest and Money[J]. 1936.
[7]汪艳涛，王记志.中国农产品贸易ARIMA模型的建立及预测：2009—2012年[J].经济與管理， 2009，（07）： 1115.
[8]郑莉，段冬梅，陆凤彬.我国猪肉消费需求量集成预测1-15ARIMA、VAR和VEC模型的实证[J].系统工程理论与实践， 2013，（04）： 918925.
基金项目：南京市工商局“南京市新媒体广告发展状况及监管对策”项目；江苏高校品牌专业建设工程项目“园林”（PPZY2015A063）。
作者简介：马高曼（1991-），女，江苏南京人，南京林业大学人文学院2015级研究生，研究方向：广播电视；林雪冬（1994-），女，黑龙江绥化人，南京林业大学人文学院广告与传媒系学生，研究方向：广告学。
关键词：需求预测；ARIMA模型；趋势分析；猪肉
中图分类号：F2文献标识码：Adoi：10.19311/j.cnki.16723198.2017.26.013
1引言
在十三五规划中，中央就我国农业畜牧产品市场的发展问题提出有关规划建议。建议中明确指出，要大力推广现代化农业，加速农业生产方式的转变，推广多维度规模经营，阐扬其在农业现代化建设中的示范作用，促进粮经饲统筹、农林牧渔业相结合、种养加一体化、一二三产业有机结合的发展模式，大力推广高产出、资源节约型、环境友好型的现代化农业发展模式。因此，当前必须认识到畜牧产品消费需求的变化对农业发展的影响，进而不断完善对畜牧产品的消费需求预测方法，推动我国农业信息化建设走上现代化的发展道路。
本文可能的创新点为：第一，前人大部分的研究是对猪肉的产量进行预测，本文是对广东省居民猪肉产品消费需求进行预测；第二，在对广东省居民猪肉产品消费需求预测时首次引入城市GDP水平这个变量；第三，本文运用ARIMA方法（Box ，Jenkins，1970），基于實证数据的真实性，对广东省居民猪肉产品需求进行了预测分析，是对过去研究的有益补充，同时对稳定猪肉产品市场具有重要的现实意义。
剩下的内容分为五个部分：二部分文献回顾与假设提出；第三部分是变量选取和模型设定；第四部分是实证分析；第五部分是对研究结果进行讨论；第六部分是政策含义。
2文献回顾与假设提出
通过对大量猪肉消费需求的相关文献资料进行梳理，影响广东省居民猪肉消费需求的因素有很多。本文总结确定了各种主要影响因素，包括餐饮业的发展情况、居民家庭人均收入、城市GDP水平、猪肉的价格以及其他肉类产品的价格五个影响因素，具体如下。
2.1猪肉价格与猪肉需求
居民对猪肉的需求，受到价格的影响。猪肉价格与猪肉需求呈反向变化：当猪肉价格上升时，需求量下降；当猪肉价格下降，需求量上升（刘秀梅，2005）。根据以上分析，本文提出假设如下：
假设1：猪肉价格与猪肉需求呈负相关关系。
2.2居民家庭人均收入与猪肉需求
生命周期理论认为财产越多，消费水平越高。收入是影响猪肉消费主要因素。相对来说，居民的收入越高，其购买力就会增强。这适合于大部分的产品的消费规律。城乡居民人均可支配收入能够很大程度上影响居民消费（宁芳蓓，孙世宁和杨贤慧，2012）。随着经济的不断发展，居民生活水平的不断提高，居民的支付能力也在提升，这会增加对猪肉的消费量。根据以上分析，本文提出假设如下：
假设2：居民家庭人均收入与猪肉需求呈正相关关系。
2.3其他肉类产品的价格与猪肉需求
猪肉与其他肉类产品存在很强或较强的替代性。一般地说，在其它条件一定的情况下，替代农产品在食物消费结构中的比重下降而该种农产品价格上涨，则会引起该种农产品需求量的减少和替代农产品需求量的增加（Barrera，Garcia，2013）。根据以上分析，本文提出假设如下：
假设3：其他肉类产品的价格与猪肉需求呈正相关关系。
2.4餐饮业的发展与猪肉需求
近年来，我国城市居民人均在外用餐支出占食品支出比重不断提高，而且随着城乡居民收入水平的普遍提高和农村城市化进程的不断加速，餐饮业的发展带动了猪肉的户外消费，并且餐饮业的发展水平越高，猪肉的需求越高（刘华，2009）。根据以上分析，本文提出假设如下：
假设4：餐饮业的发展与猪肉需求呈正相关关系。
2.5城市GDP水平与猪肉需求
凯恩斯（1936）的绝对收入理论强调消费支出是实际收入的稳定函数。一个国家或者城市GDP水平越高，那么对产品的消费需求也就越高。根据以上分析，本文提出假设如下：
假设5：城市GDP水平与猪肉需求呈正相关关系。
3变量选取与模型设定
3.1變量选取
本文选取被解释变量为广东省居民猪肉需求量（Y），解释变量为猪肉价格（PP）、居民家庭人均收入（HIPC）、其他肉类产品的价格（PO）、餐饮业的发展（Cater）和城市GDP水平（GDP），数据来自广东省统计局。
3.2模型建立
关于ARIMA模型在需求预测方面的研究国内已经有大量学者对该问题进行了研究。王艳涛、王记志（2009）构建了ARIMA模型对农产品贸易进行了预测。郑莉、段冬梅和陆凤彬（2013）采用ARIMA模型对猪肉需求进行预测。本文运用了单对数及双对数回归模型来将数据模型化，对广东省的数据进行了分析，模型设立时采用四种时滞：零时滞、12个月时滞、18个月时滞及24个月时滞，并且通过使用价格和数量的实际测量值和取对数值来对数值模型进行了估计。
4实证分析
4.1数据来源及处理
4.1.1数据来源
本文选取的是2014年1月份～2015年12月份广州市白云山畜产品市场猪肉的批发价格数据，一共120条记录。其中，每个月份有5个记录。2014年猪肉价格波动比较剧烈，在2014年的7月份，猪肉价格达到这两年的一个极值最高点。
4.1.2趋势分析及平稳性检验
本文对2015年的记录进行趋势分析进行分析比对看出，2015年的猪肉消费需求在波动中呈现出逐步上升的趋势，最佳Alpha值为095167，其拟合效果比较理想，下面对模型进行平稳度检验。 本采用的方法是ADF检验法进行平稳性检验，结果如下：变量水平数据以及一阶差分数据都为不平稳，然而其二阶差分数据都平稳，所以判定因变量和自变量存在着同阶单整。然后要进行协整查验，采用E-G两步法。从回归结果来看（见表1），R2=0993257，拟合程度好；lnPP，lnHIPC，lnPO，lnGDP四个变量在95%置信区间有显著性，Durbin-Watson值为2541560，说明随机误差项没有自相关关系。
根据残差平稳性检验，ADF值为-4.407507，均小于1%，5%和10%的t临界值。残差序列平稳，因此，变量之间存在协整关系。
根据回归方程（1）分析其经济意义：猪肉价格与居民肉类消费需求的回归系数为0.81，也就是猪肉价格每变动1%就会使进居民肉类消费需求变动81%；居民家庭人均收入与居民肉类消费需求变动，相关系数为063，也是正相关关系，代表居民家庭人均收入每增加1%，居民肉类消费需求增加63%；其他肉类产品价格与居民肉类消费需求呈正相关关系，其他肉类产品价格每上升1%，居民肉类消费需求平均增加98%；城市GDP水平与居民肉类消费需求呈正相关关系，并且关系显著，城市GDP水平每变动1%，居民肉类消费需求增加21%。
4.2对ARIMA（p，d，q）模型进行定阶
本文对相关数据进行了自相关函数检验，在滞后阶数2之后的ADF值基本上都为零。在ARIMA（p，d，q）模型中将q值暂定为2，通过上述检验的模型用于预测2015年的猪肉消费需求偏相关函数，可以判断2015年数据的时间序列是平稳的。接下来进行一阶差分滞后的自相关函数和偏相关函数的新函数的建立。
一阶差分滞后的自相关函数和偏相关函数，ADF在滞后阶数为4之后基本在虚线内，可以视为零，在滞后阶数为4之后PADF的值同样可以视为零，因此经过初步分析将ARIMA的模型初步确定为（4，1，4）。通过对上述模型数据的预处理，由于ARIMA（4，1，4）模型的拟合度比较高，因此作为最终模型。
4.3模型检验与预测
最终确定的模型的残差序列的自相关系数都在置信区间范围内，并且统计量在所有的时间点上都没有明显的显示，说明ARIMA（4，1，4）模型与原数据的模拟的拟合程度较高。通过残差自相关检验结果表明，残差通过了白噪声显著性检验。根据ARIMA（4，1，4）模型拟合所得的残差近似于均值为零的正态分布，表明模型ARIMA（4，1，4）具有较高的可信度。对ARIMA模型识别拟合之后，采用t检验对模型进行诊断分析，该模型在Alpha为095时为最优值，AR=2、AR=3、AR=4、MA=1、MA=2、MA=4時，P值均大于005，模型ARIMA （4，1，4）可信度较高。
本文模型对广东省居民猪肉未来需求的预测与实际情况基本吻合。所选用的模型ARIMA（4，l，4）对未来消费需求数据进行分析预测，预测点数为10（即现实时间的2个月），预测的消费需求上限和下限都在95%的置信区间范围内，也就是猪肉消费需求可能出现的区间在未来两个月的需求都在这个区间，也就是在预测点10以内，超过这个预测点就不能准确的对未来猪肉的消费需求走势进行预估，从而需要对该模型进行进一步的改进。
5结论
居民的消费对国民经济有重要的影响。本文以广东省居民猪肉产品的消费需求作为研究对象，建立了ARIMA模型，利用Granger因果检验筛选出显著影响因素，从而对广东省猪肉产品消费需求进行了预测，最后，基于动态集成预测方法对建立的模型进行合成，通过2011年～2015年的数据对实证结果进行检验。猪肉价格与居民猪肉产品消费需求呈正相关关系；居民家庭人均收入与居民猪肉产品消费需求变动呈正相关关系；其他肉类产品价格与居民猪肉产品消费需求变动呈正相关关系；城市GDP水平与居民猪肉产品消费需求成正相关关系。因此，广东省居民猪肉产品消费需求受到猪肉价格、居民家庭人均收入、其他肉类产品价格以及城市GDP水平的影响。
6政策含义
居民的消费需求多样化，导致居民对大宗畜牧产品的要求呈现多样化和优质化的趋势。但是，由于畜牧产品的生产具有时间周期性特征，并且在季节性和区域性等方面存在一定的矛盾。同时，在传统畜牧产品的流动环节中存在与现代畜牧业发展不相匹配的问题，例如中间环节过多，信息不对称，交易成本高以及流通效率低下等。存在的这些问题无法与现代新的市场形势相匹配，在一定程度上阻碍了畜牧产品市场的发展。因此，当前必须认识到畜牧产品消费需求的变化对农业发展产生的影响，进而不断完善对畜牧产品的消费需求方法，推动我国农业信息化建设走上现代化的发展道路。
参考文献
[1]Box G， Jenkins G.Time Series Analysis.Forecasting and Control[M].San Francisco ： Holden Day，1970： 111.
[2]刘秀梅，田维明.我国农村劳动力转移对经济增长的贡献分析[J].管理世界， 2005，（01）： 9195.
[3]宁芳蓓，孙世民，杨贤慧. 猪肉消费者超市购买行为影响因素的实证分析rolAnaly560位消费者的问卷调查[J].山东农业大学学报（社会科学版），2012，04：4550+118.
[4]Barrera A A T， Garcia P， Mallory M. Price Density Forecasts in the U.S. Hog Market： Composite Procedures[C]. 2013.
[5]刘华，钟甫宁.食物消费与需求弹性[J].南京农业大学学报（社会科学版），2009，03：3643.
[6]Keynes J M.General Theory of Employment， Interest and Money[J]. 1936.
[7]汪艳涛，王记志.中国农产品贸易ARIMA模型的建立及预测：2009—2012年[J].经济與管理， 2009，（07）： 1115.
[8]郑莉，段冬梅，陆凤彬.我国猪肉消费需求量集成预测1-15ARIMA、VAR和VEC模型的实证[J].系统工程理论与实践， 2013，（04）： 918925.
基金项目：南京市工商局“南京市新媒体广告发展状况及监管对策”项目；江苏高校品牌专业建设工程项目“园林”（PPZY2015A063）。
作者简介：马高曼（1991-），女，江苏南京人，南京林业大学人文学院2015级研究生，研究方向：广播电视；林雪冬（1994-），女，黑龙江绥化人，南京林业大学人文学院广告与传媒系学生，研究方向：广告学。