关于我国建国以来能源生产总量的时间序列分析

关于我国建国以来能源生产总量的时间序列分析摘要：众所周知，能源对于一个国家有着至关重要的作用。能源影响着人们的衣食住行，也影响着一个国家的经济发展情况。所以，对于能源的研究就显得很有必要。尤其是，随着建国以来，各行各业都在复苏，严重加剧了对能源的需求。所以，选择自1949到2008年这59年的能源生产总量进行分析。利用sas软件对这组数据进行整理，建模分析。并根据所建模型进行预测。关键词：能源生产总量时间序列分析SAS软件建国以来，我国各产业百废待兴，加剧了对能源的大量需求。随着经济的迅猛发展，人们的生活质量得到大幅度提高，各种新兴产业也大量出现，加剧对能源的消耗。所以，导致能源出现濒危局面。为了合理预测未来能源的发展趋势，所以利用sas软件进行时间序列分析，根据预测模型，提出宝贵意见。一，1949至2008年能源生产总量数据来源表一：中国能源生产总量单位：万吨标准煤年份总量年份总量年份总量19492374196923104199010392219503174197030990199110484419513903197135289199210725619524871197237785199311105919535192197340013199411872919546262197441626199512903419557295197548754199613261619568242197650340199713241019579861197756396199812425019581984519786277019991091261959271611980637352000106988196029637198163227200112100019612122419826677820021383691962171851983712702003160300196317009198477855200418734119641723219858554620052058761965188241986881242006221056196620833198791266200723541519671749419889580120082630001968187151989101639--二，数据分析结果（一）运用sas软件对原始数据做时序图。如图一x0100000200000300000t19401950196019701980199020002010图一：原始数据时序图根据图一可以明显看出能源总产量呈现出递增趋势，所以选择对原始数据进行一阶差分（二）一阶差分后的时序图，图二difx-20000-100000100002000030000t19401950196019701980199020002010图二：一阶差分后的时序图由图二可以看出，一阶差分后的时序图具有平稳性。但由于时序图的判断可能具有主观主义色彩，会产生判别误差，所以进行自相关，偏自相关检验。（三）自相关，偏自相关检验图三：自相关图图四：偏自相关图由图三看出自相关图从2阶开始在两倍的标准差范围内波动，且二阶截尾。由图四可以看出，偏自相关图从二阶开始在两倍的标准差范围内波动，且一阶截尾。所以可以初步认为一阶差分后的序列有很强的短期相关性，并且平稳。初步推断可以建立ARIMA(2，1,1))模型。(四）对平稳的一阶差分序列进行白噪声检验运用SAS软件，输出结果如表二：表二：1阶差分后序列白噪声检验由表二知，在检验的显著性水平取0.005时，由于延迟6阶的2检验统计量的P值001.0，所以该差分后不能视为白噪声序列，即差分后序列还蕴藏着不容忽视的相关信息可供提取。（五）最优模型的定阶延迟阶数2统计量P值642.25001.01244.05001.0表三MinimumInformationCriterionLagsMA0MA1MA2MA3MA4MA5AR017.83817.24217.12217.11417.11817.168AR117.05917.01117.08017.15017.17117.209AR217.03117.07217.12417.17817.17717.215AR317.09417.11417.17817.24317.23317.279AR417.10617.11617.18517.24917.29517.350AR517.13517.16217.22617.28617.34817.417Errorseriesmodel:AR(5)MinimumTableValue:BIC(1,1)=17.0108根据表三知，BIC相对信息量较小的是ARMA(1，1)模型。所以下一步进行参数估计（六）参数估计SAS程序运行结果如表四表四ConditionalLeastSquaresEstimationStandardApproxParameterEstimateErrortValuePr|t|MU4603.92563.11.800.0779MA1,1-0.372060.16410-2.270.0273AR1,10.710310.136185.22.0001根据表四看出MU输出结果为0.0779.大于0.05，不显著。所以去除常数项之后再次进行参数的显著性检验，如表五表五ConditionalLeastSquaresEstimationStandardApproxParameterEstimateErrortValuePr|t|MA1,1-0.339730.16410-2.200.0323AR1,10.823270.136187.32.0001由表五看出未知参数均显著（七）拟合模型的具体形式ttBBxB32827.0133978.01)1(（八）对残差序列进行检验，检验结果如表六所示表六残差的白噪声检验延迟阶数2统计量P值62.940.5678127.230.7034188.950.91542414.520.8820显然，拟合检验统计量的P值都显著大于0.05，可以认为该残差序列为白噪声序列。说明ARIMA(1,1,1)对该序列建模成功。由于最终所建模型与开始预测模型不同，所以说明有时人直接判断的模型并不是十分精确。三，模型预测根据所建模型对2009-2018年能源生产总量预测，预测结果如表七：表七2009-2018年能源生产总量单位：万吨标准煤年份能量生产总量2009290926.80932010313918.05482011332846.00892012348428.78582013361257.58582014371819.12482015380514.10082016387672.39542017393565.58942018398417.2669四，延伸探讨根据预测模型和预测数据，不难发现能源生产总量不断扩大，意味着全社会对能源的消耗越来越大。由于能源并不是取之不尽，用之不竭。所以，应该加快经济的转型，寻找新的能源替代方式。大力发展诸如潮汐能，风能，太阳能等清洁能源，改变传统的能源消耗模式。这样才能保持经济的长久可持续发展。参考文献：[1]王燕．应用时间序列分析[M]．北京：中国人民大学出版社，2005．AnalysisontheTimeSeriesofTotalEnergyProductioninChinaSincetheFoundingofNewChinaAbstract:aseveryoneknows,theenergyplaysaveryimportantroleinacountry.Energyaffectspeople'sbasicnecessitiesoflife,butalsoaffectstheeconomicdevelopmentofacountry.So,fortheenergyresearchisverynecessary.Especially,withthefounding,inallwalksofliferecovery,intensifiedthedemandforenergy.So,carriesontheanalysisfrom1949to200859yearsthisenergyproduction.TothisgroupofdatausingSASsoftware,modelinganalysis.Onthebasisofthemodelstoforecast.Keywords:energyproductiontimeseriesanalysissoftwareSAS