基于國內(nèi)棉花產(chǎn)量序列的實證分析

喬　喬

基于國內(nèi)棉花產(chǎn)量序列的實證分析

喬喬

（內(nèi)蒙古財經(jīng)大學(xué)內(nèi)蒙古呼和浩特010070）

近年來，全球棉花市場呈現(xiàn)出供小于求的局面。為探究國內(nèi)棉花產(chǎn)量時間序列變化規(guī)律，揭示棉花產(chǎn)量序列的性質(zhì)，分析棉花產(chǎn)量大幅變化帶來的影響，文章通過運用Stata軟件進(jìn)行時間序列分析及模型擬合預(yù)測，得出結(jié)論：由于近5年～10年全球棉花市場的變化，以及國內(nèi)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，棉花整體產(chǎn)量小幅下降，且由于棉花的多功能性及多需求性，供不應(yīng)求的局面在一定程度上會持續(xù)。并基于國內(nèi)棉花生產(chǎn)存在的問題，對進(jìn)一步保障國內(nèi)棉花產(chǎn)量及市場預(yù)測提出了合理化建議。

棉花；產(chǎn)量；Stata軟件；時間序列；時序分析

近年來，棉花產(chǎn)量持續(xù)小幅下降，全球棉花貿(mào)易局勢漸變。如何根據(jù)國內(nèi)棉花產(chǎn)量時間序列數(shù)據(jù)及面板數(shù)據(jù)，與時俱進(jìn)地為“革新棉花相關(guān)產(chǎn)業(yè)政策，推動新時代棉花高質(zhì)量發(fā)展”提供可參考性分析及建議，已成為國內(nèi)諸多相關(guān)學(xué)者亟須解決的關(guān)鍵課題。

為推進(jìn)國內(nèi)棉花產(chǎn)量序列相關(guān)分析研究，本文延續(xù)朱愛孔等（2021）學(xué)者的研究方向[1]，參考王麗娜等（2004）學(xué)者的模型研究思路[2]，根據(jù)近40年國內(nèi)棉花產(chǎn)量時間序列數(shù)據(jù)，運用描述性統(tǒng)計分析及模型分析方法，探究國內(nèi)棉花產(chǎn)量時間序列變化規(guī)律，進(jìn)而預(yù)測未來棉花市場變化。

1 研究背景及意義

1.1 研究背景

自2021年3月起，棉花貿(mào)易整體局面持續(xù)變化。伴隨著棉花產(chǎn)量的持續(xù)下降，棉花貿(mào)易整體局面日漸嚴(yán)峻，國內(nèi)相關(guān)產(chǎn)業(yè)首當(dāng)其沖。

不難發(fā)現(xiàn)，目前棉花競爭格局較為穩(wěn)定，而我國作為全球棉花出口大國之一，自2017年棉花產(chǎn)量小幅下降，種植面積減少，早已呈現(xiàn)供難應(yīng)于求的局面。加上棉花貿(mào)易整體局面的變化，棉花產(chǎn)量將會持續(xù)變化。

1.2 研究意義

為厘清國內(nèi)棉花產(chǎn)量時間序列變化規(guī)律，揭示棉花產(chǎn)量序列的性質(zhì)，本文采用時間序列分析、建模及預(yù)測進(jìn)行擬合，通過對結(jié)果進(jìn)行量化分析，發(fā)掘現(xiàn)存問題，并提出一定的可參考性建議。

2 指標(biāo)選取與數(shù)據(jù)搜集

基于棉花整體貿(mào)易的嚴(yán)峻局勢，且棉花作為重要的農(nóng)作物之一，其果實、果殼等均可利用，其年產(chǎn)量具有很好的現(xiàn)實分析意義與經(jīng)濟(jì)分析意義。本文選取1978年—2021年國內(nèi)棉花產(chǎn)量作為分析指標(biāo)，通過在EPSDATA數(shù)據(jù)庫中選擇既定指標(biāo)及指標(biāo)數(shù)據(jù)，進(jìn)行后續(xù)數(shù)據(jù)分析及建模。

3 實驗過程

3.1 平穩(wěn)性檢驗

將1978年—2021年棉花產(chǎn)量序列數(shù)據(jù)導(dǎo)入Stata軟件數(shù)據(jù)框中，通過圖檢驗法及單位根ADF檢驗方法檢驗序列的平穩(wěn)性，輸出結(jié)果如下。

3.1.1 圖檢驗法（初步檢驗）

通過對時序圖（如圖1）初步判斷，得出該序列跨度為44年，無缺失值；棉花產(chǎn)量序列存在線性趨勢，即原序列不平穩(wěn)。周期長度并不固定，不符合季節(jié)效應(yīng)，更無明顯曲線趨勢。

圖1　（原序列）時序圖

由于原序列圖初步判斷不平穩(wěn)，則需對原序列進(jìn)行差分，先嘗試一階差分。將原序列差分后記為序列{t}，并對差分后序列再做時序圖檢驗，結(jié)果如圖2所示。

圖2　一階差分后時序圖

由圖2可知，根據(jù)平穩(wěn)時間序列均值、方差為常數(shù)的性質(zhì)，差分后序列{t}的時序圖始終在一個常數(shù)值附近隨機(jī)波動，且波動范圍有界，無明顯趨勢或周期性特征，故初步判斷該序列{t}平穩(wěn)。

3.1.2 單位根ADF檢驗

由于時序圖無法準(zhǔn)確判定序列的平穩(wěn)性，為了進(jìn)一步確定其平穩(wěn)性，對差分后序列{t}做單位根ADF檢驗及結(jié)果如下：

（1）Step 1：建立假設(shè)——

0：差分后序列{t}非平穩(wěn)。

1：差分后序列{t}平穩(wěn)。

（3）Step3：計算值進(jìn)行判定：

當(dāng)＜=0.05時，拒絕原假設(shè)，認(rèn)為差分后序列{t}顯著平穩(wěn)；

當(dāng)＞=0.05時，接受原假設(shè)，認(rèn)為差分后序列{t}顯著非平穩(wěn)。

經(jīng)過單位根ADF檢驗，得到檢驗統(tǒng)計量=-6.992，且由于ADF統(tǒng)計量的值小于顯著性水平=0.05，所以拒絕原假設(shè)，即差分后序列t是平穩(wěn)序列。

3.2 純隨機(jī)性檢驗

在差分后序列通過平穩(wěn)性檢驗，認(rèn)定為平穩(wěn)序列后，對平穩(wěn)差分后序列進(jìn)行純隨機(jī)性檢驗及結(jié)果如下：

（1）Step 1：假設(shè)條件——

0：平穩(wěn)序列{t}為純隨機(jī)序列。

1：平穩(wěn)序列{t}為非純隨機(jī)序列。

（2）Step 2：構(gòu)造檢驗統(tǒng)計量/。

（3）Step 3：計算值進(jìn)行判定——

當(dāng)部分延遲階數(shù)下，檢驗統(tǒng)計量的＜時，則認(rèn)為拒絕原假設(shè)，該序列為非白噪聲序列，序列之間有相關(guān)關(guān)系，有研究價值（允許部分值大于的情況出現(xiàn)）。

當(dāng)全部延遲階數(shù)下，檢驗統(tǒng)計量的＞時，則認(rèn)為無法拒絕原假設(shè)，該序列為純隨機(jī)序列，序列之間無相關(guān)性，無研究價值。

經(jīng)過純隨機(jī)性檢驗，得出大部分值均小于給定的顯著性水平=0.05，從而拒絕純隨機(jī)序列的原假設(shè)，認(rèn)為該序列為非純隨機(jī)序列，即該序列蘊含相關(guān)信息，有分析研究價值，可以建立模型擬合該序列中信息的規(guī)律。

3.3 模型定階

針對平穩(wěn)非純隨機(jī)序列{t}，通過求出觀察值序列的樣本自相關(guān)系數(shù)ACF與樣本偏自相關(guān)系數(shù)PAC的值，根據(jù)ACF及PAC的性質(zhì)，選擇階數(shù)適當(dāng)?shù)腁RIMA（,,）模型。

3.3.1 輔助判斷標(biāo)準(zhǔn)——2倍標(biāo)準(zhǔn)差范圍

如果樣本自相關(guān)系數(shù)或偏自相關(guān)系數(shù)在最初的階明顯大于2倍標(biāo)準(zhǔn)差范圍，而后幾乎95％的自相關(guān)系數(shù)都落在2倍標(biāo)準(zhǔn)差的范圍以內(nèi)，而且通常由非零自相關(guān)系數(shù)衰減為小值波動的過程非常突然。這時，通常視為（偏）自相關(guān)系數(shù)截尾，截尾階數(shù)為。

如果有超過5%的樣本自相關(guān)系數(shù)落入2倍標(biāo)準(zhǔn)差范圍之外，或者由顯著非零的相關(guān)系數(shù)衰減為小值波動的過程比較緩慢或者非常連續(xù)，這時，通常視為不截尾。

3.3.2 模型定階

通過計算各階ACF值得出，自相關(guān)系數(shù)是以一種有規(guī)律的方式，按指數(shù)函數(shù)軌跡衰減的。這說明自相關(guān)系數(shù)衰減到零不是一個突然截尾的過程，而是一個連續(xù)漸變的過程，這時自相關(guān)系數(shù)表現(xiàn)為拖尾。

通過計算各階PAC值得出，除了2階偏自相關(guān)系數(shù)在2倍標(biāo)準(zhǔn)差范圍之外，其他階數(shù)的偏自相關(guān)系數(shù)都在2倍標(biāo)準(zhǔn)差范圍內(nèi)，這時偏自相關(guān)系數(shù)可判斷為拖尾或2階截尾。

根據(jù)自相關(guān)系數(shù)拖尾，偏自相關(guān)系數(shù)1階截尾的屬性，可以初步確定對原序列擬合ARIMA(1,1,1)模型、ARIMA(2,1,0)模型以及疏系數(shù)ARIMA（(2),1,0）模型。

3.4 參數(shù)估計

針對差分后序列初步確定的擬合模型進(jìn)行參數(shù)估計，并使用最小二乘法確定模型口徑。

3.4.1 模型1

對原序列擬合ARIMA(1,1,1)模型等價于對差分后序列擬合ARIMA(1,0,1)，擬合模型及輸出結(jié)果如下：

3.4.2 模型2

對原序列擬合ARIMA(2,1,0)模型等價于對差分后序列擬合ARIMA(2,0,0)，擬合模型及輸出結(jié)果如下：

3.4.3 模型3

對原序列擬合疏系數(shù)ARIMA（(2),1,0）模型，擬合模型及輸出結(jié)果如下：

3.5 模型檢驗

3.5.1 參數(shù)顯著性檢驗

（1）檢驗步驟

①Step 1：提出假設(shè)——

0：參數(shù)顯著為零，即參數(shù)不顯著。

1：參數(shù)顯著非零，即參數(shù)顯著。

②Step 2：構(gòu)造檢驗統(tǒng)計量。

③Step 3：給定顯著性水平，計算值進(jìn)行判斷——

如果＜=0.05，拒絕0，認(rèn)為參數(shù)顯著；

如果＞=0.05，不拒絕0，認(rèn)為參數(shù)不顯著。

（2）三個模型分別進(jìn)行參數(shù)顯著性檢驗

①模型1：對差分后序列擬合ARIMA(1,0,1)模型

通過擬合ARIMA（1,0,1）模型，maL1.的=1.000，在=0.1水平下參數(shù)不顯著。

②模型2：對差分后序列擬合ARIMA(2,0,0)模型

通過擬合ARIMA（2,0,0）模型，arL1.的=0.335，在=0.1水平下參數(shù)不顯著。

③模型3：對差分后序列擬合疏系數(shù)ARIMA（(2),0,0）模型

3.5.2 模型顯著性檢驗

（1）檢驗步驟

①Step 1：提出假設(shè)——

0：殘差序列為白噪聲序列。

1：殘差序列為非白噪聲序列。

②Step2：構(gòu)造統(tǒng)計量。

③Step3：給定顯著性水平，計算值進(jìn)行判斷——

在任意延遲階數(shù)下，如果存在任意＜，則拒絕0，認(rèn)為殘差序列為非白噪聲序列，信息提取不充分，擬合模型不顯著，為無效模型。

在所有延遲階數(shù)下，如果所有＞，則不能拒絕0，認(rèn)為殘差為白噪聲序列，提取信息充分，擬合模型顯著有效。

（2）對三個模型分別進(jìn)行檢驗

①模型1：對差分后序列擬合ARIMA(1,0,1)模型

通過軟件擬合得出：對于任意延遲階數(shù)，檢驗統(tǒng)計量的值均大于顯著性水平（=0.05），故在95%的概率下，不能拒絕該序列為純隨機(jī)性序列的原假設(shè)，即模型殘差序列為純隨機(jī)序列。

②模型2：對差分后序列擬合ARIMA(2,0,0)模型

通過軟件擬合得出：對于任意延遲階數(shù)，檢驗統(tǒng)計量的值均大于顯著性水平（=0.05），故在95%的概率下，不能拒絕該序列為純隨機(jī)性序列的原假設(shè)，即模型殘差序列為純隨機(jī)序列。

③模型3：對差分后序列擬合疏系數(shù)ARIMA((2),0,0)模型

通過擬合得出：對于任意延遲階數(shù)，檢驗統(tǒng)計量的值均大于顯著性水平（=0.05），故在95%的概率下，不能拒絕該序列為純隨機(jī)性序列的原假設(shè)，即模型殘差序列為純隨機(jī)序列。

3.6 模型優(yōu)化

將模型1、2、3的檢驗結(jié)果總結(jié)如下：

模型1與模型2均未通過參數(shù)顯著性檢驗，而模型3參數(shù)顯著性檢驗及模型純隨機(jī)性檢驗均通過。模型優(yōu)化是針對通過模型檢驗的模型進(jìn)行選擇，故將前兩個模型舍去，選擇模型3。故后續(xù)分析均針對模型3進(jìn)行。

通過軟件擬合，輸出模型3結(jié)果：AIC=496.512 8，SBC=501.865 3。

3.7 數(shù)據(jù)預(yù)測

針對模型3——對差分后序列擬合疏系數(shù)模型進(jìn)行數(shù)據(jù)預(yù)測，輸出結(jié)果如圖3、圖4所示。

圖3　數(shù)據(jù)預(yù)測圖

圖4　最終趨勢圖

4 結(jié)論與建議

4.1 基于國內(nèi)棉花產(chǎn)量序列分析的結(jié)論

由圖3可知，與真實數(shù)據(jù)（差分后數(shù)據(jù)）相比：在1987年之前序列預(yù)測存在很大的差異性；在1990年—2000年、2010年—2020年序列預(yù)測較為準(zhǔn)確。這反映出國內(nèi)外不斷調(diào)整棉花種植等的相關(guān)政策對棉花產(chǎn)量預(yù)測有直接影響，會導(dǎo)致某一階段預(yù)測的偏差。我國應(yīng)密切關(guān)注全球貿(mào)易局勢，進(jìn)而指導(dǎo)國內(nèi)生產(chǎn)。整體看來，序列數(shù)據(jù)預(yù)測擬合較好，即可根據(jù)趨勢指導(dǎo)未來國內(nèi)棉花生產(chǎn)和市場風(fēng)險評估。

由圖4可知，差分后數(shù)據(jù)擬合預(yù)測曲線（曲線whitexhat）與差分后原序列數(shù)據(jù)擬合曲線（曲線blackdx）整體趨勢一致，反映出差分得當(dāng)；序列數(shù)據(jù)預(yù)測曲線在2010年之后整體特征大體符合原序列及差分后序列波動。

最終得出結(jié)論：由于近5年～10年全球棉花市場的變化，以及國內(nèi)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，棉花整體產(chǎn)量小幅下降，且由于棉花的多功能性及多需求性，供不應(yīng)求的局面在一定程度上會持續(xù)。加之棉花整體貿(mào)易局勢的動蕩，如何保證國內(nèi)棉花儲備率，成為現(xiàn)階段亟須解決的問題。

4.2 基于國內(nèi)棉花產(chǎn)量序列分析的意見及建議

針對以上問題，加之國內(nèi)外棉花整體產(chǎn)量持續(xù)小幅下降的現(xiàn)狀，我國應(yīng)在棉花種植及采摘環(huán)節(jié)提高自動化普及率，提升我國農(nóng)業(yè)生產(chǎn)效率；同時密切關(guān)注全球貿(mào)易局勢，進(jìn)而調(diào)整國內(nèi)棉花生產(chǎn)過程，一定程度上緩沖非可控因素對國內(nèi)棉花產(chǎn)業(yè)的沖擊。

通過序列擬合及后續(xù)影響因素分析，做好未來棉花市場的風(fēng)險預(yù)測，應(yīng)對棉花市場供不應(yīng)求的持續(xù)局面，讓國內(nèi)棉花堅持向優(yōu)質(zhì)高效生產(chǎn)的方向發(fā)展。

5 結(jié)語

本文基于棉花貿(mào)易局面大幅動蕩，分析國內(nèi)棉花產(chǎn)量趨勢，得出結(jié)論：國內(nèi)外棉花產(chǎn)量整體小幅下降的局面將會持續(xù)，且由于我國為提升綜合國力進(jìn)而調(diào)整國內(nèi)產(chǎn)業(yè)結(jié)構(gòu)，國內(nèi)棉花產(chǎn)量將受到更多非可控因素的共同影響。密切關(guān)注全球經(jīng)濟(jì)局勢，靈活調(diào)整國內(nèi)棉花生產(chǎn)，努力提高農(nóng)業(yè)高效自動化普及率，成為當(dāng)前相關(guān)人員亟須面對并解決的事情；并通過預(yù)測未來棉花產(chǎn)量趨勢及市場潛在風(fēng)險，促進(jìn)國內(nèi)棉花產(chǎn)業(yè)高質(zhì)量發(fā)展。

[1]朱愛孔,何芳,韓明悅.需求側(cè)管理下的我國新疆棉紡織產(chǎn)業(yè)高質(zhì)量發(fā)展路徑探索[J].中國棉花加工,2021(4):16-19.

[2]王麗娜,肖冬榮.基于ARMA模型的經(jīng)濟(jì)非平穩(wěn)時間序列的預(yù)測分析[J].武漢理工大學(xué)學(xué)報(交通科學(xué)與工程版),2004(1):133-136.

10.3969/j.issn.2095-1205.2022.05.33

F326.1

A

2095-1205(2022)05-100-04