基于ARIMA的河北省花生产量预测分析

阴明哲 李一帆 芦铃元 邢家轩 崔永福

摘要：花生是河北省种植面积排第三位的农作物（次于玉米、小麦）和第一位的油料作物，大力发展花生产业不仅能够提振河北经济，对保障国家的粮油安全也具有重要意义。但是近年来由于多重因素综合影响导致河北省花生产量持续下降，产业发展受到一定程度的阻碍。文章利用时间序列分析中的 ARIMA（p，d，q）模型，对河北省 2000 ～2017 年花生产量数据进行了随机性分析，并结合 EVIEWS7.02时间序列分析软件，经过模型识别、比较、建立以及检验等过程，最终后确定了 ARIMA（2，1，3）模型，并运用此模型拟合了河北省 2000～2017 年的花生产量，同时对河北省 2018～2020 年3年的花生产量进行了分析与预测。

关键词：时间序列;ARIMA模型;河北省;花生产量

自二十世纪七十年代以来，世界范围内主要花生生产国家的花生生产技术持续发展并取得了重大突破，技术推广成果显着，有力地促进了花生产业的发展。特别是通过基因育种技术，不断培育出花生新品种，极大地提高了花生的产量和品质。自20世纪90年代，尤其是中国加入世贸组织（WTO）之后，花生成为中国众多出口贸易产品中为数不多的净出口大宗农产品。此后，花生产业发展问题逐渐被学术研究者广泛研究，形成了丰富的研究成果。但是近年来，河北省花生播种面积不断减少，河北省花生的产量连续多年处于下滑状态。与粮食作物和其他油料作物（例如大豆和油菜籽）相比，某些区域的花生生产没有受到政府和生产者的重视，被看作无足轻重的作物，种植规模和开发力度趋弱。另一方面河北具有较强的产业发展优势，环绕京津两大消费市场，拥有秦皇岛、黄骅两大港口，邻省山东是全国主要的花生出口市场，具有强大的流通优势;河北省花生种植在收获期干旱少雨，具有较低的黄曲霉毒素污染的风险，其产业发展潜力十足。

因此，本文以河北省为例，利用时间序列分析方法，建立河北省花生产量时间序列模型，分析产量变化的内在特征。并对未来三年我国河北省花生产量变化做出预测，为政府制定经济发展战略提供依据。

一、时间序列分析方法及基本模型

时间序列分析（Time-series analysis）是基于随机过程理论和数理统计学，通过处理动态数据来研究随机数据序列所遵从的统计规律，以解决实际问题的一种统计方法。通过时间序列方法的应用可以反映出数据的趋势变化、周期性变化和随机性变化规律。一般用于短期预测，当然数据的样本越多，设计的模型越准确，误差相应的会更小。但是预测的结果仅为在当前趋势下的理论数值，不能预测到突发事故对结果的影响。但是数值的预测仍是具有借鉴意义的，可以为未来调节生产安排和工作计划起到数据支撑作用。

由自回归和移动平均构成的随机过程称为自回归移动平均过程，可以记为 ARMA（p，q），其中 p，q 分别表示自回归和移动平均部分的最大阶数。ARMA（p，q）的一般表达式见式（1）。

式（2）称为 p 阶自回归模型 AR（p）;如果模型中？覬i=0，则模型为式（3）。也称为 q 阶移动平均模型 MA（q）。

二、数据分析

（一）数据来源

通过对2000～2017 年河北省花生产量数据进行了初步的整理和汇总，并以此为样本数据，进一步建立模型，以便更好地对河北省花生产量进行时间序列分析與预测，如表1。

（二）产量变化曲线

从产量变化曲线图（图1）中明显可以看到花生产量总体呈下降趋势，在2000～2003年和2006～2008年出现了明显上升，其余年间大多数表现为下降趋势，且2016年的产量已经成为最低点，2017年上升趋势不大。

（三）平稳性检验

在建立模型之前须对数据进行序列的平稳性检验，只有平稳的序列才满足建立时间序列模型的条件。对数据进行单位根检验，当检验值的绝对值大于临界值的绝对值时，则为平稳序列;反之，为非平稳数据。利用Eviews7.2对其进行的检验结果如图2所示，数据具有较好的平稳性。

通过考察平稳时间序列的自相关和偏相关的函数性质来进行定阶，利用Eviews7.2作出河北省花生产量的二阶差分序列X的自相关-偏相关图和河北省花生产量的二阶差分序列的时序图，结果见图3和图4。

从图中可以看出，DDX自相关函数和偏相关函数的值都是拖尾衰减的，而且都出现了一个峰值后的正弦衰减，所以先建立了ARMA（4，1，4）模型并使用EVIEWS 7.2来计算模型的参数，并结合AIC和AC值最小原则进行项数筛选，最终得到AR（1）、AR（2）和MA（2）的系数具有显著性。Eviews7.2计算结果如图5，由此得到模型的最终表达式如下。

X=70.77298+0.259362Xt-1-0.638341Xt-2-0.967427Xt-2

（四）模型检验与预测

为了保证时间序列模型结果的真实性须检验残差是否为白噪声。利用Ewviews7.2软件对ARIMA（3，12）模型进行Q统计量检验，检验结果见图6，该模型的残差自相关-偏相关图没有任何模式，则残差序列平稳。由此得知，此模型拟合成功，可以进行预测。利用该模型，通过进行样本内（2000～2017年）的静态预测，使用Dynamic forecast方法对2018～2020年河北省花生产量进行预测，结果如表2。

由预测结果可以看出河北省产量在未来几年仍然会呈下降趋势，且增长率将处于放缓状态，但从数值上来看下降趋势仍是较严峻的。

三、结语

通过对河北省花生生产2000～2017年模拟数据发现，建立的模型拟合较好。对河北省花生2018～2020年产量数据预测发现，其下降趋势仍然持续。基于调研和对文献的梳理，以下原因可能对河北省花生产量变化存在影响：

1. 花生种植区域布局缺乏合理性。河北省花生的种植缺乏规模效益，主要是以农户为主的小型种植，与山东、河南两个花生种植大省相比，规模偏小，另一方面表现在由于补贴政策向玉米、小麦倾斜，导致花生比较效益降低，播种面积萎缩，这是导致花生产量下降的一个重要原因。

2. 河北省花生生产中农业机械使用并不广泛，花生生产的复杂性增大了农机农艺融合难度。当前，还主要使用小型机械进行独立作业，生产效率低，大型机械使用偏少。花生是劳动密集型产业，需要投入大量的劳动力，这不仅加大了花生生产成本，而且在一定程度上会促进农村劳动力的转移这又限制了花生产业的发展。另外由于花生的自然特性，在生产中应普及高效率、损耗低的花生剥壳机械，花生联合收获机，从而可以极大的提高劳动生产率，从而降低人工成本。

3. 花生副产物综合利用率低。尤其是花生秧占生物量的百分之五十左右，粗蛋白含量可达12%，是苏丹草的1.5倍，略微高于多年生黑麦草，但在实际中大量的花生秧却没有被很好利用。如果将花生秧用作牛，羊饲料，则可以为农户争取更多的利益，从而促进花生生产的积极性，现在的主要问题是从花生秧采集到处理过程之中一些标准化原则的问题。

4. 花生病虫害防治效果欠佳，花生病害如叶斑类病、真菌土传病害等。花生果腐病（烂果病），近年来在河北省加重之势，重病田可致绝收，对花生产量和品质危害极大。或许可以利用间作，轮作等绿色防控措施减低病害的发生率。例如，赵庆雷等的研究表明水旱轮作模式对花生的果腐病和蛴螬具有较理想的防控效果。

5. 受花生替代品价格影响严重。河北省花生加工近一半以上用于榨油，而近年大豆价格下降，替代效应对花生油的价格产生了极大的影响，从而导致花生市场价格不高，严重的打击了农户种植积极性。另一方面花生与大豆存在着本质的区别，随着人们生活水平的提高应更多地开拓高端花生油市场与廉价低质量的其他油相区别。

以上问题严重影响了河北省花生的产量，邻近的山东省和河南省在花生生产方面的优势（从2012年以后数据看，两省花生单产保持在4400公斤/公顷以上），作为河北省第三大作物的花生其稳产提质和健康发展面临较大的压力。

近几年河北省农科院和河北农业大学专注于高油酸花生的育种，花生生产大县大名县、滦州市、新乐市等相继开始试点高油酸花生种植，百信花生专业合作社等新型农业经营主体也在积极带动农户扩大高油酸花生种植面积，此外秦皇岛市气候、土壤条件也非常适合高油酸花生的种植。以上，为建设高油酸花生规模化生产示范区提供了条件，并力争在全省范围内用最短时间使高油酸花生成为花生优势区域的主导品种（花生冀花16号、冀花13号在2019年被河北农业农村厅选为农业主导品种，二者皆为高油酸花生品种）。目前的花生生产表现出了向专用化品种发展的趋势，未来河北省高油酸花生发展势头较好。在京津冀协同发展的背景下，应加大对花生产业的政策扶持并充分发挥当地的生产优势，河北省花生生产和花生产业将会越来越好。

参考文献：

[1]陳鼎玉，万坚，程瀚锋.基于ARIMA模型的我国粮食产量预测[J].营销界，2019（13）：95-96.

[2]梁后军，冯宜强，谢睿，周万怀，常郝，刘从九，徐守东，李浩.基于时间序列的全国棉花产量预测方法研究[J].中国纤检，2018（06）：81-84.

[3]高蕾.基于ARIMA模型的安徽省粮食产量预测研究[J].合肥学院学报（社会科学版），2015，32（05）：85-87.

[4]孟强，李海晨.基于ARIMA模型的东三省粮食产量时间序列分析[J].黑龙江科技信息，2015（21）：128-129.

[5]王巧巧，朱喃喃.基于ARMA的粮食产量模型的构建——以安徽省为例[J].经济研究导刊，2010（07）：153-154.

[6]梁后军，冯宜强，谢睿，周万怀，常郝，刘从九，徐守东，李浩.基于时间序列的全国棉花产量预测方法研究[J].中国纤检，2018（06）：81-84.

[7]黄艳红.花生种植技术及提高种植效益的措施分析[J].种子科技，2019，37（04）：63.

[8]王淑霞，徐光强.浅析花生的优质高产栽培技术[J].农民致富之友，2018（24）：14.

[9]谢元瑰.时间序列分析方法在农业经济预测中的应用研究[D].湖南农业大学，2013.

[10]卢山，吴佳宝，邱柳，刘登望，李林.花生高产栽培研究进展及我国南方花生高产途径分析[J].湖南农业科学，2011（11）：44-48.

[11]史正芳，王兰安.浅谈花生收获机械发展现状与趋势[J].农机质量与监督，2019（07）：35+34.

[12]赵庆雷，信彩云，王瑜，阴筱，刘奇华，林香青.不同轮作模式对花生病虫害及产量的影响[J].植物保护学报，2018，45（06）：1321-1327.

*本文是河北农业大学大学生创新创业课题“河北省花生产业发展的空间计量分析（2019105）”的部分成果。本论文受河北省第二期现代农业产业技术体系油料创新团队项目（HBCT2018090301）资助。

（作者单位：河北农业大学。崔永福为通讯作者）