ARMA论文Word格式文档下载.docx
《ARMA论文Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《ARMA论文Word格式文档下载.docx（10页珍藏版）》请在冰豆网上搜索。
综上所述，为实现我国经济的健康可持续发展，同时做到保护环境、保护自然，预测和控制能源消费是一个重要的手段。
做好能源消费预测，使其满足经济发展需要，对于我国经济建设和构建和谐环境有着重要的现实意义。
二、理论研究回顾
刘勇、汪旭晖（2007）
【1】指出能源影响我国社会经济的稳定持续发展，准确预测未来能源消耗具有重要意义。
以我国1978—2005年能源消费总量，运用ARIMA模型进行能源消费的预测，达到了最小方差意义下的最优预测的效果。
同时，对我国未来的能源发展给出了由开发与节能并重转变为节能优先的政策性建议。
张峰、刘伟（2008）
【2】通过构建ARIMA（1,2,1）模型，对北京市2007-2015年能源消费进行短期预测，得出北京市未来能源消费呈加快增长态势。
这对于北京市建设资源节约型和环境友好型城市的目标是一大挑战。
并提出倡导全面节能观念、完善能源供应体系、实现多元化能源消费、建立以价格杠杠和市场为导向的长效节能机制等建议。
邢瑞军、刘丽英（2008）
【3】以湖北省为例，以能源消费总量的历史数据为基础，分析了湖北省能源消费总量的数据特征，根据模型的检验统计量综合分析，选择了ARIMA（1,2,1）模型对湖北省能源消费总量进行预测，它不仅预测结果的准确性高，而且预测结果的稳定性好。
薛黎明等（2011）
【4】运用ARIMA模型，对我国2020年前的能源消费总量及煤炭消费总量、非化石能源消费总量进行了预测，对我国能源结构现状及未来能源结构发展趋势进行了分析。
预测结果表明，我国能源消费总量持续增大，调整经济结构和节能减排依然是我国今后经济发展的主要任务。
并提出我国应加快实现煤炭的清洁利用、优化煤炭定价机制、着力调整能源消费结构和加快清洁能源建设的建议。
三、变量选取与数据来源
为探究我国能源消费增长情况，在广泛参考前人研究成果的基础上，本文选取我国能源消费增长速度（NY）作为数据基础和研究对象。
一方面由于前人对我国能源消费总量的实证研究显示出：
能源消费总量非平稳，需要进行差分运算才能获得平稳序列。
另一方面，我国能源消费增长速度数据可从《中国能源统计年鉴2011》中直接获得，可有效避免数据在预处理中产生的误差。
鉴于此，本文尝试直接运用能源消费增长速度作为研究对象：
既可以使模型中变量的经济含义更加明确，又可免去在建模时差分运算浪费数据信息的缺点。
四、ARMA模型的构建与分析
（一）序列NY的特征分析
1、时序图法
时序图是描述序列特征最基本、最直观、最简便的一种方法。
结果如图1所示。
图2序列NY的时序图
由图2可以看到，序列NY从整体上是看波动比较随机，没有明显的趋势。
但是有局部的观测值数值较大，该序列可能不平稳。
2、单位根检验
由于图示法的结论比较粗糙，因此辅以单位根检验的方法，检验序列NY是否为平稳序列。
本文对该序列选择用仅含截距项的模型进行ADF检验。
结果如图3所示。
图3序列NY的单位根检验
图3的检验结果显示，ADF检验统计量的伴随概率值为0.0227，小于5%的显著性水平，因此拒绝原假设，即认为序列NY是平稳的。
（二）ARMA模型的识别
本文欲对序列NY建立ARMA（p,q）模型，在估计模型之前需确认模型的形式，可通过分析序列的自相关函数和偏自相关函数来识别，其结果见下图。
图4序列NY的自相关图、偏自相关图
从图4可以看出，序列NY的自相关函数和偏自相关函数随着滞后阶数的增加而逐渐衰减。
其中一阶偏自相关系数和一阶自相关系数都明显超过2倍标准差范围。
其他阶自相关系数和偏自相关系数都在2倍标准差范围内，但二阶偏自相关系数较大。
因此，尝试考虑建立ARMA（2,1）、ARMA（1,1）、ARMA（1,0）和ARMA（2,0）模型，根据相关准则来比较判断最优模型。
（三）模型建立与估计
对模型ARMA（2,1）、ARMA（1,1）、ARMA（1,0）、ARMA（2,0）和分别进行估计，四个模型的后多项式的倒数根在单位圆内。
进一步地，通过对比四个模型的检验统计量和检验标准，选择最佳模型。
实证结果经汇总，如下表所示：
表1四种模型各检验统计量和检验标准的对比
编号
模型类型
F统计量
t统计量
AIC
SC
1
ARMA（2,1）
通过
均不通过（α=0.1）
7
6
2
ARMA（1,1）
均通过（α=0.1）
3
ARMA（1,0）
通过（α=0.05）
4
ARMA（2,0）
4.90
从表1可以看出，四个模型的F统计量都通过显著性检验。
但ARMA（2,1）中的t统计量不显著，因此排除第一种模型。
从模型的整体拟合效果来看，调整后的拟合优度都相差不多。
AIC、SC两种判别准则都是要求数值越小越好，相比起来，第四个模型的结果更好。
因此本文选用第四个模型ARMA（2,0）。
因此该模型的结果为：
（5.9092）
（4.7602）（-1.7778）
因此，该ARMA（2,0）模型的口径为：
因此说明，序列NY的当期值受到滞后一期和滞后二期的共同影响，因此可以推断，当前我国能源消费增长速度在很大程度上依赖于其过去的增长惯性。
（四）残差检验
1、自相关检验：
LM检验
由于DW检验适用于检验无滞后解释变量模型的残差自相关性。
因此，需用LM检验准确判断残差项是否存在自相关，一阶自相关检验的结果如图5所示。
图5ARMA（2,0）的残差的LM检验结果
在图5中，LM的检验统计量Obs*R-squared=1.8153，其伴随概率值为0.1778，因此不能拒绝残差序列不存在一阶序列自相关的原假设，即认为该模型的残差不存在序列自相关。
由于不存在一阶自相关，因此认为残差也不存在高阶自相关。
因此，该模型是有效的。
2、白噪声检验：
Q统计量检验
残差的Q统计量检验结果如下图所示。
图6模型的残差相关图和Q统计量
从图6中可以看到，残差序列的样本自相关函数都在95%的置信区域以内，且Q统计量的显著性水平大于5%，不能拒绝该序列是白噪声序列的原假设，因此认为模型估计结果的残差序列不存在自相关。
3、真实值、拟合值和残差值图
图7序列NY的真实值、拟合值和残差值图
从该图中可以看出，模型的拟合效果总体来说还不错。
残差基本上也是在0均值附近随机波动。
至此，该模型成功建立。
（五）模型预测
图8序列NY的预测图
2010年能源消耗增长率的预测值为，真实值为%<
5%，大体上可以接受，因此该模型的建立比较科学、合理。
类似的，可以对序列NY2010-2020年的取值进行预测。
由于篇幅原因，将预测值汇总表（表2）如下。
表22010-2020年间序列NY的预测值
单位：
%
时间
预测值
2010
2011
2012
2013
2014
2015
可以看出我国在未来一段时期内，能源消费增长速度依旧保持增长态势。
五、主要结论及政策建议
通过本文对能源消耗增长速度的实证研究，本文得出结论：
1、我国能源消费增长速度很大程度上受到其自身惯性的影响。
2、我国能源消费增长在未来一段时期内仍保持增长态势。
因此，在可持续发展和低碳发展的大背景下，我们应该根据预测结果，结合我国具体国情，制定相关政策以减缓这种长期增长的情况。
为促进经济和自然的和谐发展，就必须走低消耗、低排放、再利用、高效率的循环经济发展道路，我国应采取以下措施：
第一，减少能源的消耗不仅需要社会倡导全面节能观念，更需要建立“节能降耗减排”的硬约束指标。
在生产部门，要制定提高能源的效率的指标，促进对能源消耗总量的削减。
在家庭部门，也应积极发展城市公共交通，建立降低交通能耗的硬性指标。
第二，应大力发展和利用清洁能源，如太阳能、风能等新兴能源。
同时通过能源结构的调整，完成由以煤炭为主的一元型能源消费模式向天然气、电力和新能源等多元化的能源消费模式转变，减少碳的排放同时提高能源的利用水平。
第三，形成能源的市场价格机制，充分体现能源开发过程中的环境成本，体现资源的稀缺程度和市场供求关系。
附录
附表1我国能源消费增长速度单位：
%
年份
能源消费增长速度
1980
1990
2000
1981
1991
2001
1982
1992
2002
1983
1993
2003
1984
1994
2004
1985
1995
2005
1986
1996
2006
1987
1997
2007
1988
1998
2008
1989
1999
2009
《中国能源统计年鉴2011》
附图1ARMA（2,1）估计结果附图2ARMA（1,1）估计结果
附图3ARMA（1,0）估计结果附图4ARMA（2,0）估计结果
参考文献
【1】刘勇,汪旭晖.ARIMA模型在我国能源消费预测中的应用.经济经纬[J],2007年第5期
【2】张峰,刘伟.北京市能源消费预测与政策建议.中国人口·
资源与环境[J],2008年第13期
【3】邢瑞军,刘丽英.基于ARIMA模型对湖北省能源消费的预测.统计与决策[J],2008第24期
【4】薛黎明,侯运炳,闫旭,何广.基于ARIMA模型的我国能源消费结构趋势分析与预测.中国矿业[J],2011年4月
【5】中华人民共和国国家统计局.中国统计年鉴2011[M].北京：
中国统计出版社,2011
【6】国家统计局能源统计司.中国能源统计年鉴2011[M].北京：
中国统计出版社,2012
【7】李子奈.计量经济学（第二版）[M].北京：
高等教育出版社,200
升级会员 