猪肉价格的统计模型
基于多元线性回归模型的2020年猪肉价格走势的分析预测
基于多元线性回归模型的2020年***市猪肉价格走势分析预测黄驯骅由于2018年下半年非洲猪瘟疫情影响，我市生猪存栏量持续下滑，特别是能繁殖母猪存栏量降幅较大，导致了我市2019年下半年的猪肉供应明显偏紧，猪肉价格大幅上涨。
在此，通过对2017年至2019年生猪相关统计数据观察分析，发现我市猪肉价格波动的主要原因不是作为猪饲料主要原料的玉米、豆粕和小麦麸，因为其价格这三年来涨幅一直较低，主要还是在于能繁殖母猪存栏量和仔猪价格的变动。
基于此，可以通过多元线性回归分析模型对2020年我市的猪肉价格走势作出大致的分析预测。
一、近三年生猪生产及价格相关数据为反映近期我市猪肉价格波动的主要内生动力，现将近三年来生猪存栏、存栏及价格数据整理如下：从上表可以看出，仔猪价格对后期生猪存栏量具有一定影响，特别是对能繁殖母猪补栏存在显著影响，因为当仔猪价格持续上涨时，养殖行业对未来猪肉行情保持较为乐观的预期，增加能繁殖母猪存栏量的意愿不断增强，当仔猪价格持续下降时，养殖行业对未来猪肉行情逐渐看空，必定会减少能繁殖母猪的数量以减少其养殖成本，因此仔猪价格和能繁殖母猪存栏量是监测未来一段时期生猪价格的重要前瞻指标。
由于能繁殖母猪是养猪生产力最核心因素，按照生猪生产规律，从母猪怀孕、仔猪出生，到育肥猪出栏需约11个月左右，基于此进行观察，发现仔猪价格变动影响到能繁殖母猪存栏量的增减大约要经过5个月左右的时间，而能繁殖母猪存栏量的增减大约经过11个月左右的时间对次年同期猪肉价格形成影响，并呈现出负相关性，具体走势如下图：除了以上仔猪价格和能繁殖母猪存栏量对次年生猪价格的影响较为明显外，当期生猪出栏量和生猪补栏量也对次年生猪价格存在明显影响。
二、多元线性回归模型的建立0.010.020.030.040.050.060.00.05.010.015.020.025.030.035.040.0图1：仔猪价格与次年猪肉价格走势102030405060510152025303540图2：能繁殖母猪存栏量与次年猪肉价格走势能繁殖的母畜猪肉价格仔猪价格（元/公斤） 白条猪肉价格 （元/公斤）白条猪肉价格（元/公斤） 能繁殖母猪存栏数 （万头）1.模型变量的选取被解释变量：全市平均白条猪肉价格Y；解释变量选择：能繁殖母猪存栏量占生猪存栏量的比重X1，当季生猪补栏量占生猪存栏量的比重X2，本地仔猪价格X3。
猪肉价格的统计模型
猪肉价格的统计模型摘要本文就猪肉价格预测的问题，根据题目中的条件和要求，在合理的假设下，建立三个模型。
模型一为简单的直线方程模型；模型二是在采用灰色关联度建立猪肉价格与其影响因素的关系模型后，利用关联度返算，建立猪肉价格预测模型；模型三是建立养猪场盈亏平衡点等式模型。
通过求解这三个模型，很好的解决了问题。
在问题一中，利用半数平均法，建立猪肉价格预测模型。
首先通过对2000年1月至2009年6月我国猪肉价格数据的分析，得出猪肉价格在短期内呈线性增长趋势，然后用直线方程拟合该时间序列（猪肉价格随时间变化的序列），在完全确定直线方程模型后，通过该方程求出时间序列的各趋势值，接着运用EXCEL 软件作出二者的曲线并进行比较，证明该直线方程模型的可行性，最后在此基础上，预测出2009年下半年猪肉价格的趋势值。
在问题二中，确定影响猪肉价格的因素，采用灰色关联法，建立猪肉价格与其影响因素的关系模型。
首先使用季节平均法得出猪肉价格的季节指数（1234'1,'0.98,' 1.08,' 1.13S S S S ====），其次对猪肉价格与玉米价格时间序列图进行观察比较，易知两者变化呈正相关，然后利用灰色关联法，以往年的猪肉价格作为参考序列，以往年的玉米价格和季节指数作为比较序列，求出玉米价格和猪肉价格和季节指数与猪肉价格的关联度分别为0.755和0.972。
最后，利用关联度返算，推导得出猪肉价格的预测公式： 2.92109.26'i X G S =++.在问题三中，首先根据猪的不同重量，将猪分为三个成长阶段：1Kg ～15Kg 为幼年期；15Kg ～90Kg 为成长期；90Kg ～100Kg 为成年期。
由于猪的体重从5到100公斤呈正态分布，可以算出三个阶段的猪的数量分别为5，990，5。
然后根据猪场收入与成本建立猪场盈亏平衡点等式模型，可以得到猪粮比为6.5：1，即该养猪场的盈亏平衡点。
生猪出售时机模型
按照假设，w 80 rt(r 2)，p 8 gt(g 0.1).
又知道 R p, C 4t, 再考虑到纯利润扣掉以
(2)
rg
当r 2, g 0.1时，t 10, Q(10) 20,
即10天后出售，可得最大纯利润20元。
敏感性分析 由于模型假设中的参数（生猪 每天体重的增加和价格的降低g）是估计 和预测的，所以应该研究它们有所变化时 对模型结果的影响。
1.设每天生猪价格的降低g=0.1元不变，研 究r变化的影响，由（2）式可得
定的，只要它们的变化不大，上述结论就是 可用的。
另外，从敏感性分析知，S(t, r) 3,
所以若1.8 w 2.2 (10 % 以内)，则结果应为 7 t 13 (30%以内)。
若设p 0.1是最坏的情况，如果这个(绝对) 值更小，t就应更大。
所以最好的办法是： 过大约一周后重新估计 p, p, w, w,再作计算。
即生猪价格每天的降低g增加1%，出售时间 提前3%，r和g的微小变化对模型结果的影 响并不算大。
强健性分析（Robustness） 建模过程中假 设了生猪体重的增加和价格的降低都是常 数，由此得到的w和p都是线性函数，这无 疑是对现实情况的简化。更实际的模型应 考虑非线性和不确定性，如记w = w (t), p = p (t) ,则（1）式应为
S(t, r) t t d t r
(5)
r r d r t
又（3）式，当r=2时可算出
S(t, r) 60 3
(6)
统计分析理论猪肉产量及价格指数预测
基于统计分析理论的猪肉产量及价格指数预测四川大学杨利锋、陈秋燕、许小静摘要国家对市场经济的宏观调控往往受到多个指标的影响，各指标的定性及定量分析往往对政府部门的决策起到了关键的作用。
本文旨在关注市场经济中两个最为重要的经济指标—产量及价格指数，以我国猪肉市场为实例，在统计分析等相关理论的基础之上，我国猪肉市场的，对影响我国猪肉市场的两个指标的因素加以分析，考虑到产量及价格指数因地而异的特点，搜集历年统计年鉴及农业统计年鉴中的相关数据，对全国31个省市自治区进行聚类分析，对于各类分别建立了产量的时间序列模型及价格指数的多元回归模型，并成功地预测了2018年产量及价格指数，为政府部门的决策提供了依据。
关键词：聚类分析时间序列模型多元回归模型猪肉产量价格指数一、问题的提出新的经济政策的提出，不断修正和完善着现有经济体制，使得我国的经济体系日趋成熟，从而赫然屹立于世界经济强国之列。
众所周知，工业为强国之本，然而，农业为民生之本，受历史因素及传统观念的影响，我国仍然是一个以农业为主导产业的大国，1952、1953年，我国农业总产值为346亿、381.4亿，分别占国内生产总值的50.96%、46.603%<国内生产总值679亿、824.2亿），随着科技的发展，农业也有所发展，直至近年<如2007、2008年），我国的农业总产值大幅增加<28627亿、34000亿），依然占国内生产总值较大的比重：11.13%、11.31%<国内生产总值为257305.6亿、300670亿），因此，在我国，对于农业的关注在相当长一段时间内有很大的必要性。
作为农业一大支柱的畜牧业，其重要性自然不言而喻。
畜牧业在很大程度上是为人类提供生活必需品，例如食物、绒毛产品等。
自1985年以来，我过猪肉产量及平稳增长，猪肉价格指数趋于稳定，然而，在2008年，由于受到禽流感等疾病的影响，猪肉市场曾一度引起轩然大波，猪肉产量猛降，猪肉价格在2008年大幅上涨，导致其价格指数起伏较大，因此，研究我国猪肉产量以及价格指数的走势有重大意义：通过分析猪肉产量的走势，能够预测未来的猪肉产量。
时间序列分析在对猪肉价格的预测分析中的应用
时间序列分析在对猪肉价格的预测分析中的应用作者：冀德刚周静李春兰来源：《商场现代化》2008年第13期[摘要] 文章通过引入Box-jenkins随机序列ARMA(p , q)和ARIMA(p ,d, q)模型，对河北省唐山市猪肉进货价格变化情况进行了预测和分析，并提出一些对策和建议。
[关键词] 猪肉进价 ARIMA(p ,d, q)模型自从2007年五月份以来，全国猪肉价格普遍上涨，而且上涨速度和上涨幅度都比较大，引起了全社会的普遍关注。
本文试图采取时间序列的分析方法，通过对唐山市2005年～2007年猪肉价格的分析，找出猪肉价格的变化规律，并预测未来的发展趋势，同时提出减少这种价格波动的几点建议。
一、建立模型1.数据预处理。
据唐山市物价局提供的2005年～2007年唐山市每月猪肉平均进价的数据，令Xt表示t月的猪肉进价。
根据序列Xt的变化曲线不难看出它是非平稳序列，故对其作一阶差分变换得到序列Yt。
根据平稳性的非参数检验法，经计算统计量|Z|=1.857242.模型定阶。
由于序列Yt的自相关函数呈正弦波衰减特征，而偏相关函数在k=2之后呈现拖尾特征，由此初步判定非季节模型应用ARIMA(2,1,0)模型；同时由于Xt的一阶季节差分序列偏自相关系数在k=1时截尾，故考虑季节性ARIMA(1,1,0)模型。
同时考虑ARIMA (1,1,0)×(1,1,0)模型和ARIMA(1,1,1)×(1,1,0)模型和ARIMA(2,1,1)×(1,1,0)模型对数据的拟和情况。
通过比较ARIMA(1,1,0)×(1,1,0)模型的AIC和SBC值最小，因此可以认为利用ARIMA (1,1,0)×(1,1,0)对Xt进行拟和是比较合适的。
3.模型的检验和预测。
本文采取残差序列的卡方检验，通过观察残差序列的自相关函数图，其自相关系数均落在置信区间内，而且Box-Ljung统计量在所有时点上都没有显著性显示，因此确定模型的拟合精度很高，认为ARIMA(1,1,0)×(1,1,0)模型可以用来预测未来猪肉价格的走势。
2023年生猪价格影响因素分析预测方案模板
数据收集方法与过程
1. 生猪价格数据来源
生猪价格数据主要来源于国家农业部门、农业研究机构和各类市场调研报告。这些数据通常包括生猪的生产成本 （饲料、劳动力等）、市场需求、政策因素（如进口关税、环保政策等）以及季节性影响等因素。例如，中国农业 部每月发布的《农产品批发市场价格信息》中包含了生猪的价格信息。
应用与结果评估
市场供需 政策因素
历史数据
预测 趋势分析
猪价
Thanks
2023/9/3
分享人：victoria
2. 生猪价格数据的处理方法
在收集到生猪价格数据后，我们需要对其进行处理以便于分析。这包括数据清洗（去除异常值和缺失值）、数据转 换（如将连续数据转换为分类数据）以及数据分析（如计算平均值、标准差等）。例如，我们可以使用Python的 Pandas库进行数据处理。
以下是一个简单的数据处理示例：
python
其次，疫情防控也是一个重要的影响因素。近年来，非洲猪瘟等疫情的爆发曾对中国的生猪养殖业造成巨大的冲击，导致生猪供 应紧张，进而推高猪肉价格。因此，2022年疫情的防控情况将直接影响到生猪的养殖数量和生产能力，进而影响到猪肉价格的波 动。
4.生猪养殖成本影响生猪供应和猪肉价格
预测模型建立
1. 数据收集与整理：收集2021年的生猪价格数据，包括 每月价格变动、季节性趋势等。同时，还需要收集关于生 猪市场的其他相关数据，如生猪存栏数量、饲料价格、疫 情情况等。将这些数据进行整理和清洗，以便后续建模分 析。 2. 特征选择：通过对收集到的数据进行分析，识别出对生 猪价格有影响的关键特征。这些特征可能包括猪肉进口量、 生猪出栏数量、政策法规变化等。通过统计分析和相关性 选择方法，确定最具影响力的特征。 3. 模型建立：选择适合预测生猪价格的算法模型，如 ARIMA模型、LSTM模型等。根据选定的模型，使用历史 数据进行训练并调整模型参数，使其能够较准确地预测未 来的生猪价格。 4. 模型验证与评估：将部分历史数据保留作为验证集，用
猪肉需求弹性对价格波动的模型优化
猪肉需求弹性对价格波动的模型优化在经济学中，需求弹性是衡量消费者对价格变动的敏感程度。
在猪肉市场中，价格波动对需求量有着重要影响。
因此，优化猪肉需求弹性模型对于合理预测价格波动，并采取相应政策调控具有重要意义。
本文将探讨如何优化猪肉需求弹性模型，以便更好地应对价格波动。
文章将分为4个部分：需求弹性的定义和计算，优化需求弹性模型的方法，模型在猪肉市场中的应用，以及结论。
需求弹性是指当某一产品的价格发生变化时，消费者对该产品的需求量的变化程度。
需求弹性可以通过价格弹性系数来衡量，计算公式如下所示：需求弹性=（需求量的变化百分比）/（价格变化百分比）为了优化猪肉需求弹性模型，我们可以采用以下几种方法。
首先，建立一个完整的数据集，收集猪肉的市场价格和需求量，并进行统计分析。
其次，利用回归分析方法，确定其他影响猪肉需求弹性的关键因素，如收入水平、价格替代品的供应情况等。
然后，建立一个基于这些因素的计量经济模型，并进行模型拟合和参数估计。
最后，优化模型，使其更好地拟合实际情况，并提高模型的准确性和预测能力。
在猪肉市场中应用优化的需求弹性模型，可以帮助政府和企业制定更合理的政策和战略。
例如，当猪肉价格上涨时，需求弹性模型可以帮助政府预测市场需求的下降程度，并及时采取措施，如增加进口量或提高生猪养殖补贴，以稳定市场供应。
此外，模型还可以用于预测价格波动对农民收入的影响，从而指导农民的生产和销售决策。
总之，优化猪肉需求弹性模型是应对价格波动的重要工具。
通过建立完整的数据集、确定关键影响因素、建立计量经济模型以及优化模型，可以更好地预测价格波动，并采取相应的政策措施。
这将有助于稳定猪肉市场，保障市场供应，并提高农民的收入水平。
对于政府、企业和消费者来说，优化猪肉需求弹性模型具有重要的实践意义。
通过合理运用这一模型，我们将能够更好地应对价格波动，实现市场的稳定和经济的可持续发展。
中国猪肉价格波动的实证分析——基于GARCH类模型
'( ) *! " # $% $ & '( ) * +, - . /$0 1 2 34 5 %&6 " # 7 8 9 7 : '"("5(5-, ; )*< = > ? @ A B C . D E F GH . / $01 2 3 45 %&< = >? @ A B7 +"("(,5(5 ; )*< => ? @ A. / E F 7 @ I J K L M N O P Q -. D E F R S & # ' ( ) * + . D $0 1 2 3 4 5 %T U V K L .&"("5A8;@((+)/ + , - . W X Y "5%-,0 )1Z 1! " [ \ ] 1^ _ 17 ` 1K L a b c d e @ /
蛋 4个经济指标，并利用（6）式分别计算了其价格收
益率，依次记为{RY}、{RF}、{RB}、{RE}序列，其样本区
t
t
t
t
间和数据来源与{RPt}序列完全一致。 ! " # $ % ! " # $ % & ' ( ) * + , -
根据 GARCH类模型的构造思想，第一步是最大
限度地提取序列的固定信息，为此，本文对其水平均
自相关函数，二者都呈现典型的拖尾特征，并且滞后
6、12、18、24期的 Q统计量 所对应 P值均 远 远 小 于
①
0.0001，说明该序列存在明显的自相关性，是非白噪
声序列。平稳性和相关性检验都通过后，对{RP}序列 t
生猪价格的预测模型
实证分析：实验过程
10.30 9.30 8.30
7.30
6.30
5.30
实际值 逐步回归预测值 逐步回归组合模型预测值
2000年1月 2000年4月 2000年7月 2000年10月 2001年1月 2001年4月 2001年7月 2001年10月 2002年1月 2002年4月 2002年7月 2002年10月 2003年1月 2003年4月 2003年7月 2003年10月 2004年1月 2004年4月 2004年7月 2004年10月 2005年1月 2005年4月 2005年7月 2005年10月 2006年1月 2006年4月
Yt=0.99727+0.50665*MEAT t+0.42317*FEEDt2 (1)
此模型拟合效果见下页图
实证分析：实验过程 多项式回归拟合效果
10.30
实际值
9.30
预测值
8.30
7.30
6.30
5.30 2000年210月00年240月00年2070月0年1200月01年210月01年240月01年2070月1年1200月02年210月02年240月02年2070月2年1200月03年210月03年240月03年2070月3年1200月04年210月04年240月04年2070月4年1200月05年210月05年240月05年2070月5年1200月06年210月06年4月
国外生猪市场定性预测研究方法也大致类似，也是采 用猪粮比价为标准，分定性析预测市场变化方向。
国内外生猪市场预测研究概况
定量预测方面： 国内方面研究较少 国外方面研究
市场价格预测方法简介
回归分析法
此方法是根据被预测变量与其他变量之间的因果关系 预测未来，因此是建立在因果关系分析的基础上的。 因而针对具体的经济问题，首先要进行背景因素分析， 收集影响该问题的主要经济指标，收集历史数据，然 后构建理论模型。
用ARIMA 模型对我国猪肉价格的走势分析
猪业论道TALKING SWINE INDUSTRY126猪业科学 SWINE INDUSTRY SCIENCE 2013年 第6期用ARIMA模型对我国猪肉价格的走势分析李骥泽1，廖正录2，申世芳2，刘若余3，毛以智4（1.遵义市兽药饲料监测站，贵州 遵义 563000；2.贵州省农业委员会，贵阳 550001；3.贵州大学动物科学学院，贵阳 550025；4.遵义市动物疾控中心，贵州 遵义 563000）猪肉是我国居民动物蛋白质的主要来源，生猪产业是我国畜牧经济的重要支柱，该产业持续稳定健康发展事关我国畜牧业经济稳定健康发展，事关猪肉产品价格稳定和畜牧产品市场有效供给。
2000年以来，我国猪肉价格发生了3次大幅波动，对居民生活的影响程度越来越深。
基于此，近年来，很多学者对此进行了大量研究，大多学者认为猪肉价格、食品价格与CPI 呈高度正相关，且猪肉价格波动影响我国食品价格波动，食品价格波动又影响我国CPI 波动，影响均为显著，影响程度正在逐步加深。
但对未来价格周期波动趋势研究不足，不能及时指导生猪养殖户合理调整养殖结构致使养猪跟风，助推了猪肉价格波幅上升。
为此很有必要研究探讨我国猪肉价格的数学预测函数，以制定未来价格预测函数图，并指出我国当前生猪产业发展中存在的问题，提出有针对性的建议，为各级相关部门适时制定稳定生猪产业健康发展的正确决策提供理论依据。
1 未来3年我国猪肉价格波动预测1.1 预测模型创建从图1可看出，我国的猪肉价格变摘 要：通过对我国2000年以来的猪肉价格波动趋势进行分析发现我国猪肉价格波动规律与差分自回归移动平均组合数学模型（ARIMA）[1]的波动规律相似，并用该模型对我国2000年以来的猪肉价格变化情况进行拟合，得出与我国生猪价格实际值拟合度达到99.18%预测函数，并用该函数对我国未来3年生猪价格进行了预测分析，制定了趋势图，提出紧接着的波谷与波峰期的时间位置；通过对我国猪肉价格比值、食品价格比值与CPI 总体趋势分析，发现我国当前猪肉价格变化速度与生产统计信息之间存在较大矛盾，并提出了相应的对策建议。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
猪肉价格的统计模型摘要本文就猪肉价格预测的问题，根据题目中的条件和要求，在合理的假设下，建立三个模型。
模型一为简单的直线方程模型；模型二是在采用灰色关联度建立猪肉价格与其影响因素的关系模型后，利用关联度返算，建立猪肉价格预测模型；模型三是建立养猪场盈亏平衡点等式模型。
通过求解这三个模型，很好的解决了问题。
在问题一中，利用半数平均法，建立猪肉价格预测模型。
首先通过对2000年1月至2009年6月我国猪肉价格数据的分析，得出猪肉价格在短期内呈线性增长趋势，然后用直线方程拟合该时间序列（猪肉价格随时间变化的序列），在完全确定直线方程模型后，通过该方程求出时间序列的各趋势值，接着运用EXCEL 软件作出二者的曲线并进行比较，证明该直线方程模型的可行性，最后在此基础上，预测出2009年下半年猪肉价格的趋势值。
在问题二中，确定影响猪肉价格的因素，采用灰色关联法，建立猪肉价格与其影响因素的关系模型。
首先使用季节平均法得出猪肉价格的季节指数（1234'1,'0.98,' 1.08,' 1.13S S S S ====），其次对猪肉价格与玉米价格时间序列图进行观察比较，易知两者变化呈正相关，然后利用灰色关联法，以往年的猪肉价格作为参考序列，以往年的玉米价格和季节指数作为比较序列，求出玉米价格和猪肉价格和季节指数与猪肉价格的关联度分别为0.755和0.972。
最后，利用关联度返算，推导得出猪肉价格的预测公式： 2.92109.26'i X G S =++.在问题三中，首先根据猪的不同重量，将猪分为三个成长阶段：1Kg ～15Kg 为幼年期；15Kg ～90Kg 为成长期；90Kg ～100Kg 为成年期。
由于猪的体重从5到100公斤呈正态分布，可以算出三个阶段的猪的数量分别为5，990，5。
然后根据猪场收入与成本建立猪场盈亏平衡点等式模型，可以得到猪粮比为6.5：1，即该养猪场的盈亏平衡点。
最后，文章根据模型分析的结果，在更全面了解影响猪肉价格因素的基础上，就目前我国已存在的猪肉市场相应的政策与机制，提出了合理可行的意见与建议。
关键词：半数平均法 季节平均法 灰色关联法 猪粮比 盈亏平衡点一、 问题重述我国猪肉价格从2007年5月开始突然以历史最大的涨幅攀升，部分地区猪肉批发价在短时间内翻番。
在联动效应作用下，肉、蛋、油价格迅速蹿高。
于是，居民消费价格指数（CPI ）连续四个月大幅上涨，2007年8月涨幅创下6.5%这一10年新高。
猪肉现在已经是大多数人必须的消费品之一，猪肉价格已经成为国民经济中的一个非常重要的影响因素。
猪肉价格的大幅上调直接影响到了相当一部分中低收入群体的生活。
究竟是什么原因导致猪肉价格波动如此之大的呢？有关部门与专家认为：一是饲料价格上涨，从而导致养猪成本增加，农民养猪积极性受挫；二是生猪收购价格偏低，导致养猪户积极性不高。
因此，猪肉市场出现尴尬现象。
猪肉市场供不应求，最终导致了猪肉价格冰火两重天的现象。
由此我们可以看到，这次肉价上涨并不是没有先兆的，老话说，未雨应绸缪，防患于未然。
假设有关部门之前早早地就积极组织调配各地货源，保证货源充足，就能改善这种状况。
根据题意，本文要解决的问题有： a对于问题一，首先通过对2000年1月至2009年6月我国猪肉价格月数据的对比分析，得出我国猪肉价格在短期内呈线性增长趋势(要充分的考虑影响我国猪肉价格的因素)（2007年8月是一个例外），而且由于该时间序列观察值的逐期增长量大致相同，所以运用半数平均法[1]将数据拟合成一条直线：ˆ14.040.116;57,56,55.......tX t t =+=---然后根据时间编码规则，得出各月份猪肉价格的趋势值。
再对趋势值与实际值进行分析，运用EXCEL 软件画出二者的曲线并进行比较，证明该模型的可行性。
最后在此基础上，对2009年下半年的猪肉价格进行了预测，得出各月份对应的猪肉价格趋势值；对于问题二，考虑到影响猪肉价格的主要因素为：季节变动和玉米价格。
首先，考虑季节变动因素，使用季节平均法[1]得出猪肉价格的季节指数，分别为1234'1,'0.98,' 1.08,' 1.13S S S S ====，易知猪肉价格受到季节的影响，且呈周期性变化。
其次，考虑玉米价格因素，根据2000年1月到2009年6月的猪肉和玉米价格月数据[7]画出时间序列图，并进行观察比较，可以清楚得看出猪肉价格和玉米价格的变化呈正相关，所以，玉米价格在一定程度上也影响着猪肉价格。
然后，利用灰色关联法，以往年的猪肉价格作为参考序列，以往年的玉米价格和季节指数作为比较序列，分别求出玉米价格、季节变动与猪肉价格的关联度，分别为0.755和0.972。
最后，根据其关联度返算，推导得出猪肉价格的预测公式： 2.92109.26'i G S =++Ｘ，其中G 为玉米价格，'i S 为季节指数；对于问题三：根据猪的不同重量，将猪分为三个成长阶段：1Kg~15Kg 为幼年期，15Kg~90Kg 为成长期，90Kg~100Kg 为成年期。
由于1000头猪的体重从5到100公斤呈正态分布，可以算出三个阶段的猪的数量分别为5，990，5。
则成年期的猪所创造的当日猪场收入=生猪价格×5×100。
而成长期的猪所吃的饲料为主要的饲料成本＝玉米价格×990×平均采食量[5]，根据饲料所占比例为总生产成本之62%[6]，可以列出等式：62%×生猪价格×5×100=玉米价格×990×平均采食量，可以得出：生猪价格:玉米价格=6.5:1，即猪粮比为6.5：1。
可以推导出猪粮比计算公式：2.0310062%⨯=⨯⨯成长期猪数量猪粮比成年期猪数量；对于问题四，通过对猪肉价格影响因素的分析，客观提出几点为稳定猪肉市场，妥善解决猪肉价格上涨引起的民生问题，促进生猪产业健康发展的建议。
二、模型假设1) 在预测期间内，不发生大的疫情，灾难或国家政策干预等引起猪肉价格急剧变化的事件；2) 预测期间内，饲料价格不会发生大的波动，可以以往年平均值来预测未来价格变化趋势；3) 在问题研究中不考虑玉米以外的猪饲料；4) 假设消费者对猪肉的需求量不发生巨大变化；5) 忽略猪肉的出入口对国内猪肉价格的影响。
三、符号及变量说明ˆX猪肉价格的趋势值；tX猪肉价格的实际值；tX猪肉价格的平均值；X第t年第i个季节的猪肉价格tiX2001年至2008年第i季节的猪肉总平均价格.iX2001年至2008年猪肉总平均价格..S第i季节的季节指数iS调整后第i季节的季节指数'iγ猪肉价格与玉米价格的关联度2γ猪肉价格与记得的关联度3X猪肉价格G玉米价格n幼年期猪数量1n成长期猪数量2n成年期猪数量3m成长期猪的总食量X生猪价格生四、模型的建立与求解5.1问题一模型的建立与求解5.1.1分析数据图中描绘了2000年1月到2009年6月我国猪肉价格的走势图。
从图中可以看出2003年5月时，猪肉价格到达最低近两年的最低点9.68元/公斤，随后猪肉的价格一直保持在12～14元/公斤，但当到达2006年5月时，价格暴跌知10.71元/公斤，随后，价格有所回升，但当到2007年8月时价格一跃升至24.02元/公斤，达到了历史的最高点，随后价格一直一路攀升，到2007年12月时，价格已达到28.8元/公斤。
随后价格有所下降。
但仍然比历史的平均猪肉价格高出很多。
由于以下原因：（1）2006年猪肉价格过低，降低了农民养猪的积极性；（2）南方省市蓝耳疫病的爆发，造成大量生猪被杀，这被认为是猪肉价格猛增的主要原因；（3）2007年世界粮价猛增，加之有的国家将猪饲料的主要成分玉米作为其他的用途，引起2007年猪肉价格的急剧上升。
综上所述，2007年由于蓝耳疫病的影响，使我国猪肉价格从2007年8月便开始猛增。
所以我们在进行数据分析时，对于2007年8月到2009年1月的数据不作考虑。
5.1.2 拟合预测从总体趋势上来看，我国的猪肉价格在短期内呈线性增长趋势。
因为该时间序列观察值的逐期增长量大致相同，所以可以拟合直线方程：ˆtX a bt =+ 由于所给的资料是奇数，为了能够平分时间序列，去掉2004年10月的数字15.03，运用时间编码及半数平均法估计a 和b 的值，各月份的编码及猪肉价格的趋势值及有关计算见附表二。
由公式 2t t t a X tX b t ⎧=⎪⎪⎨=⎪⎪⎩∑∑ 得 14.040.116a b =⎧⎨=⎩ 所以拟合直线方程为： ˆ14.040.116;57,56,55.......tX t t =+=--- 根据题中的编码规则，2009年7月，8月，9月，10月，11月，12月的编码分别应为57，58，59，60，61，62，从而得到各月份的猪肉价格趋势值：57ˆ14.040.1165720.657X =+⨯=元/公斤； 58ˆ14.040.1165820.768X =+⨯=元/公斤； 59ˆ14.040.1165920.884X =+⨯=元/公斤； 60ˆ14.040.1166021.000X =+⨯=元/公斤； 61ˆ14.040.1166121.116X =+⨯=元/公斤； 62ˆ14.040.1166221.232X =+⨯=元/公斤。
则对2009年下半年猪肉价格的预测值如下表：表5.1.1 2009年下半年猪肉价格预测值（此图是根据历年的数据编写而得其中已经包含了季节以及饲料的因素）图5.1.1 2000年1月—2009年6月我国猪肉实际价格与线性拟合价格趋势值的对比21.321.221.12120.920.820.720.620.52009年8月2009年9月2009年10月2009年11月2009年12月图5.1.2 2009年下半年猪肉价格预测图通过建立的直线方程模型求出时间序列的各个观察值（实际值）的趋势值，将其与观察值进行比较，并用EXCEL将二者的曲线绘制在同一个坐标系内进行比较，得出该直线的拟合度比较好，从而证明了该直线模型的可行性。
5.2问题二模型的建立与求解5.2.1猪肉价格的季节指数的计算摘取题目中2001年至2008年猪肉价格月数据，按季节平均，得出猪肉价格的季节数据：表5.2.1 2000年—2008年猪肉价格的季节平均表（元/千克）根据上表数据，利用季节平均法，计算猪肉价格的季节指数，可分以下几个步骤： 第一，先求出不同年份同一季节的猪肉价格平均数。
用ti X 表示第t 年第i 个季节的猪肉价格，1,2,...,9,1,2,3,4t i ==，则9.11i ti t X X n ==∑。