對我國食品價格的變動分析與預測研究

摘 要：本文根據我國50個主要城市2013年1月至2014年6月初食品價格的月度數據構建AR、ARIMA模型，對2014年6月中旬食品價格進行預測。文中首先采用SPSS軟件運用聚類分析法對原始數據進行分類，根據聚類成員表選取具有代表性的4種食品香蕉、黃瓜、豆角、大白菜，對其價格建立模型并進行預測。

關鍵詞：食品價格；AR模型；ARIMA模型；SPSS；Eviews

一、模型介紹

二、模型求解與預測

1. 數據分類

本文根據我國50個主要城市2013年1月至2014年6月初食品價格的月度數據（數據均來自國家統計局），首先選取2013年1月至2014年5月食品價格數據，6月份數據預留出來，作為模型預測值進行參照對象。食品價格每月均有上、中、下旬數據，共計51組數據，本文用每月的1、11、21日代表相應的上、中、下旬。

2.模型建立與預測

（1）香蕉價格的模型建立

由香蕉的價格隨時間增加有上升趨勢，價格的平均值大于0，序列非平穩。香蕉價格的自相關圖與偏自相關可看出，香蕉價格自相關具有拖尾性，偏自相關具有一階截尾性，具有為檢驗模型預測效果，特將最新數據2014年6月1-10日50個主要城市的食品價格的實際觀測值留出，作為評價模型精度的參數對象。

利用建立的兩階自回歸模型對6月份的香蕉價格進行預測，將模型樣本擴展為2013年1月1日至2014年6月21日，通過運用軟件可以直接得到香蕉價格的短期預測值，預測出2014年通過模型預測，2014年6月1-10日的預測誤差百分比為4.1428%，一般認為誤差百分比的值低于10%時預測模型精度較高，所以本模型預測效果非常好。

（2）黃瓜價格的模型建立與預測

黃瓜價格存在季節性，每年1月份價格最高，因此采用季節差分步長通過模型預測，2014年6月1-10日的預測誤差百分比為-6.45%，一般認為誤差百分比的值低于10%時預測模型精度較高，所以本模型預測效果非常好。

（3）豆角價格的模型建立與預測

建立模型通過模型預測，2014年6月1-10日的預測誤差百分比為8.7313%，一般認為誤差百分比的值低于10%時預測模型精度較高，所以本模型預測效果非常好。

（4）大白菜價格的模型建立與預測

對大白菜價格做同樣的分析，運用中進行預測結果如下表5。

通過模型預測，2014年6月1-10日的預測誤差百分比為3.419%，一般認為誤差百分比的值低于10%時預測模型精度較高，所以本模型預測效果非常好。

三、結論

對于具有季節性的食品黃瓜、豆角分別建立了季節模型，消除了季節的影響。最后對預測結果進行評價，可以看出時間序列模型可以很好地應用到食品價格預測中，對于預測未來食品具有一定的參考價值。

本文分析了各種類食品在2013年1月到2014年5月的變動情況及趨勢，從27種食品中運用層次分析選出有代表性4種食品進行了詳細分析，可能會引起一點的分析誤差，有點以偏概全。但就這4種而言，研究很是詳盡，并且給出了預測結果， 運用6月上旬的最新數據與預測值進行比較，對模型的評價起到一定作用。由于價格隨時間變動較為頻繁、波動幅度比較小，也給模型估計帶來了一定的困難，但這也正是價格的一個特點，本文選取的價格均為每十天的平均價格，是統計局公布的數據，具有一定的權威性。

參考文獻：

[1]吳群英，方開泰.實用多元統計分析[M].上海：華東師范大學出版社，1989.

[2]王燕.應用時間序列分析[M].中國人民出版社，2008（12）.

[3]薛薇.統計分析與SPSS的應用[M].中國人民大學出版社，2011（1）.

[4]樊歡歡，張凌云.Eviews統計分析與應用[M].北京：機械工業出版社，2009.

[5]謝佳利，楊善朝，梁鑫.我國CPI時間序列預測模型的比較及實證檢驗[J].統計與決策，2008（10）：4-6.

[6]李璇，黃冬冬.基于ARIMA模型的CPI實證分析及預測[J].沈陽大學學報，2013（3）：307-310

[7]李子奈，潘文卿.計量經濟學[M].高等教育出版社，2010（7）.

[8]游家興.如何正確運用因子分析法進行綜合評價[J].統計教育，2003（5）：10-11.

[9]王揚眉，楊桂元.基于季節ARIMA模型的安徽省CPI預測[J].統計與決策，2012（8）：10-1.