王穎俐
(長(zhǎng)治學(xué)院 數(shù)學(xué)系,山西 長(zhǎng)治 046011)
數(shù)學(xué)家耶爾最早提出時(shí)間序列分析方法與自回歸模型,此后不斷發(fā)展完善。時(shí)間序列分析方法主要應(yīng)用于預(yù)測(cè),例如房?jī)r(jià)預(yù)測(cè)、碳排放預(yù)測(cè)、人口預(yù)測(cè)等等。
人口數(shù)量與地區(qū)及國(guó)家經(jīng)濟(jì)發(fā)展關(guān)系密切。因此人口的研究、預(yù)測(cè)與控制關(guān)乎國(guó)計(jì)民生。最早提出人口預(yù)測(cè)模型的人是英國(guó)人口學(xué)家馬爾薩斯。隨后,人們又提出logistic模型和隨機(jī)性模型。文章選取1980-2017年的全國(guó)人口數(shù)據(jù),采用時(shí)間序列分析方法建立模型進(jìn)行分析及預(yù)測(cè)。具體數(shù)據(jù)見(jiàn)表1。
ARIMA模型(自回歸移動(dòng)平均模型)是時(shí)間序列分析中使用范圍較廣的模型,其結(jié)構(gòu)如下:
ARIMA模型建模的基本思想就是將差分運(yùn)算與ARMA模型進(jìn)行組合。首先將非平穩(wěn)時(shí)間序列進(jìn)行一定階數(shù)的差分后轉(zhuǎn)化為平穩(wěn)時(shí)間序列,進(jìn)而對(duì)差分后的序列擬合ARMA模型。它遵循如下操作流程(見(jiàn)圖1)。
表1 我國(guó)1980-2017年年末人口數(shù)
圖1 建模流程圖
圖2 時(shí)序圖
圖3 一階差分序列時(shí)序圖
圖4 二階差分序列時(shí)序圖
由圖2知,序列呈上升趨勢(shì),即序列為非平穩(wěn)。接下來(lái)通過(guò)ADF單位根檢驗(yàn),知其P值均比0.05大,故是非平穩(wěn)序列。
由圖3、圖4知,序列二階差分后方為平穩(wěn)序列,且經(jīng)過(guò)ADF檢驗(yàn)知其P值均比0.05小,故是平穩(wěn)序列,與時(shí)序圖直觀顯示出來(lái)的結(jié)果一致。
圖5 自相關(guān)圖
圖6 偏自相關(guān)圖
由圖5及圖6知二階差分序列自相關(guān)圖及偏自相關(guān)圖均截尾,這與ARMA模型的定階原則不相符。因此應(yīng)嘗試以下各種模型,并估計(jì)各模型的參數(shù)的參數(shù),最后通過(guò)對(duì)比從中得到最佳模型。
表2 各擬合模型對(duì)比表
運(yùn)用R軟件可得表2所示數(shù)據(jù),得AR(1)模型和MA(1)模型相對(duì)最優(yōu),且都能通過(guò)顯著性檢驗(yàn),因此可以選用這兩個(gè)模型來(lái)擬合該序列。
(四)預(yù)測(cè)
圖7 AR(1)預(yù)測(cè)圖
圖8 MA(1)預(yù)測(cè)
表3 未來(lái)5年的預(yù)測(cè)值
圖7給出由AR(1)模型預(yù)測(cè)得到我國(guó)未來(lái)五年的人口趨勢(shì)圖,圖8為由MA(1)模型預(yù)測(cè)得到我國(guó)未來(lái)五年的人口趨勢(shì)圖,這兩個(gè)圖十分相似。表3為兩個(gè)模型預(yù)測(cè)可得的具體人數(shù),由表中數(shù)據(jù)可知,應(yīng)用這兩個(gè)模型預(yù)測(cè)差別不大。
對(duì)1980~2017年我國(guó)人口數(shù)據(jù),應(yīng)用時(shí)間序列分析中ARIMA模型,對(duì)我國(guó)人口問(wèn)題進(jìn)行預(yù)測(cè)。首先對(duì)原序列進(jìn)行二階差分后得到平穩(wěn)序列;進(jìn)而通過(guò)多個(gè)模型的對(duì)比,選用AR(1)模型和MA(1)模型來(lái)擬合該序列;最后運(yùn)用模型進(jìn)行了預(yù)測(cè),發(fā)現(xiàn)這兩個(gè)模型預(yù)測(cè)出的結(jié)果相差不大。確立的我國(guó)人口預(yù)測(cè)模型為
由預(yù)測(cè)結(jié)果可知我國(guó)未來(lái)5年內(nèi)人口可能還會(huì)持續(xù)增長(zhǎng),這將使我們面臨許多社會(huì)問(wèn)題,比如住房困難問(wèn)題、就業(yè)嚴(yán)峻問(wèn)題、教育問(wèn)題等。