成品油价格与家庭汽车

2013年河南科技大学数学建模选拔赛

承 诺 书

我们仔细阅读了数学建模选拔赛的规则.

我们完全明白，在做题期间不能以任何方式（包括电话、电子邮件、网上咨询等）与队外的任何人研究、讨论与选拔题有关的问题。

我们知道，抄袭别人的成果是违反选拔规则的, 如果引用别人的成果或其他公开的资料（包括网上查到的资料），必须按照规定的参考文献的表述方式在正文引用处和参考文献中明确列出。

我们郑重承诺，严格遵守选拔规则，以保证选拔的公正、公平性。如有违反选拔规则的行为，我们将受到严肃处理。

我们选择的题号是（从A/B/C中选择一项填写）： A 队员签名 ：

日期：2013年8月 27日

2013年河南科技大学数学建模竞赛选拔

编 号 专 用 页

评 阅 人 评 分 备 注

评阅编号（评阅前进行编号）：

评阅记录（评阅时使用）：

成品油价格与家庭汽车

摘要

本文研究成品油价格和家庭汽车等问题，利用时间序列预测模型和非线性拟合模型，来预测未来中国成品油价格情况、家庭汽车的发展前景等情况。

第一小题： 针对问题一：我们通过查阅报刊和到互联网上来了解分析影响中国成品油价格的因素。综合所得的资料，得出影响中国成品油价格的因素有12种。其中国际原油价格对中国成品油价格影响最大。

针对问题二，通过互联网，搜索2009年至2013年，国内成品油价格调整数据，分别创建汽油价格和柴油价格的时序列，作出游程检验，p值为0，为非平稳时序列。先后进行3阶差分和4阶差分后的平稳时序列，作出两者的自相关图和偏相关图，观察并估计系数，然后建立时间序列模型，参数值未通过显著性检验。于是我们选择直接对原数据进行时间序列模型创建，分别得到汽油价格模型和柴油价格模型，得出2015年国内成品油价格的预测。 第二小题：

针对问题一：我们选杭州市作为样本。首先，到杭州市统计局官网查找家庭汽车的相关数据并整理成表格。然后，我们做车辆数随年份的散点图，观察出它不是线性相关的，且它是小样本数据，我们就利用MATLAB编程求解系数值，从而建立了非线性拟合模型。此模型为：

通过模型我们预测到2020年的车辆数为1.8388亿辆，且从2014年到2020年间家庭汽车以指数形式增长，所以预测出到2020年家庭汽车市场前景良好。

针对问题二：我们整理所需数据进行处理，得到家庭汽车数量和成品油价格随时间发展的各个斜率制成表格，画图能清楚的看出成品油价格增长幅度和家庭汽车增长幅度呈负相关。 第三小题：

分析外国的成品油价格因素，了解到大多数国家的成品油定价中，都考虑了原油价、税收、进出口、供给需求等。所以我们在下一问中建立的模型三就考虑研究成品油价格和国际原油价格，税收，石油进口量之间的关系。选择汽油价格来建立适合中国国情的成品油定价模型，选择主要因素：国际原油价格，税收，进口量，进行因素与汽油价格之间相关性分析，并建立多元线性回归模型，得到定价模型

关键字：成品油价格，家庭汽车数量，MATLAB编程，非线性拟合模型，

时间序列模型 多元线性回归

y?

1

1、问题重述

随着汽车行业的兴起，汽车越来越成为百姓生活必需品，然而节节攀升的油价给人们的生活消费带来了负面影响。请你就某个城市，搜集家庭汽车、影响成品油价格因素等实际数据（标出来源），对以下问题建立数学模型，并回答问题。

1. 1分析影响中国成品油价格的因素，建立数学模型，并预测到2015年中国成品油价 格情况。

1.2对家庭汽车数量的增长给出数学模型，并预测到2020年家庭汽车的发展前景，说明成品油价格对家庭汽车增长的影响。

1.3分析国外成品油价格的定价因素，给出一份适合中国国情的成品油定价模型。 1.4根据你所建立的模型，给国家发改委提出中国成品油定价机制的建议。

2、模型假设

2.1：假设网上找到的数据是真实可靠的。

2.2：假设当月未查到的成品油价格表示成品油价格未发生改动，所以就跟从前个月的

价格。

2.3：假设私人汽车就是家庭汽车。

2.4：假设成品油价格调整日期在月初或月末，每个月15号之前的调价为月初调,价，

15号之后调价为月末调价。

2.5：原油进口价格以布伦特石油价格为基准价格。 2.6：我国原油供给全部来自进口原油。 2.7：国内成品油价格只考虑消费税的税费。 2.8成品油价格影响因素之间相互独立。

3、变量说明

名称说明：

时间距离----表示年份与2000年之间的时间差。例2000年的时间距离为0；2001年的时间距离为1。 符号说明

a------表示截距 b------表示趋势

c------表示加法模型的季节因子

t-------表示年份，t?2007,2008,...,T

yt------时序列中年份为t时序列值

k------向后平滑期数

yt'?k-----时序列中年份为t?k时的序列值

2

d------表示时间距离。 t-------表示时间。 pd------表示近似函数。 Yi------表示私人汽车数。

D------表示近似函数的系数矩阵，D?[a0,a1,a2,a3,a4,a5]。

A-------表示时间距离的矩阵，A?[1,di,di2,di3,di4,di5]。 B-------表示家庭汽车的数量矩阵，B=AD。 Q------汽油价格。

Q'------汽油价格减去税费的值。

m------国际原油价格系数 n------进口量系数

x2------国际原油价格 x1------进口量

4、问题分析

4.1：我们把问题分成两部分。问题一为分析影响中国成品油价格的因素；问题二为建

立时间序列预测模型，并预测到2015年中国成品油价格情况。

4.1.1： 按照(文献【1】)得定义成品油是指汽油、煤油、柴油及其他符合国家产品质量标准、具有相同用途的乙醇汽油和生物柴油等替代燃料。而在生活中汽油和柴油被广泛使用，且在国际上也是以汽油价格和柴油价格来衡量成品油价格。综合以上，我们将分析成品油价格转化为分析汽油和柴油的价格。

我们根据(文献【2】、文献【3】、文献【4】)总结得出影响成品油价格的十二种主要因素：（1）国际成品油价格,（2）国际原油价格，（3）替代能源及发展战略，（4）国家环境保护及能源消费有关政策，（5）加入WTO,(6)燃油附加税，（7）成品油进出口量，（8）走私贩运成品油，（9）国家石油储备制度，（10）成品油市场的供给与需求，（11）交通运输，（12）成品油市场竞争。在影响成品油价格的因素中,表层现象原因取决于国际成品油油价、成品油供给因素、需求因素以及行业竞争情况;国家环境保护有关政策、成品油净进口量、政局原油储备体制、燃油附加税、走私贩运成品油则是五个较深层次的影响因素;替代能源因素和国际贸易依存度是两个深层次原因;而原油价格是影响成品油价格的根源。

4.1.2：建立中国成品油价格的数学模型，并预测2015年国内成品油价格的情况， 我们选择对汽油价格和柴油价格分别建立时间序列，并通过以下流程建立所需的预测模型，并进行预测。

3

获得观测值序列平衡检验NOYES白躁检验NOYES分析结果差运拟合模型 4.2我们也把问题分成了两部分。问题一为建立模型二即非线性拟合模型来预测到2020

年的家庭汽车数量情况。问题二我们同过模型一和模型二中的数据，整理处理，画出他们增长斜率的变化图来分析成品油价格增长幅度和家庭汽车增长的影响。

4.2.1：针对问题一：我们选杭州市作为样本。首先，到杭州市统计局官网查找家庭汽车的相关数据并整理成表格。然后，我们做车辆数随年份的散点图，观察出它是不是线性相关的。若它不是呈线性相关的则根据它是小样本数据，我们就利用MATLAB编程求解系数值，从而建立了非线性拟合模型。

通过模型我们预测到2020年的车辆数，且根据画出模型的图型来分析到2020年间家庭汽车的变化情况，从而预测出到2020年家庭汽车市场前景好坏。

4.2.2：我们整理所需数据进行处理，得到家庭汽车数量和成品油价格随时间发展的各个斜率制成表格，画图能清楚的看出成品油价格增长幅度和家庭汽车增长幅度呈负相关。

4.3.1：目前，世界各国国内市场成品油价格的形成机制主要有市场竞争形成价格和国家定价两种。

其中大部分国家都是采用市场竟争的模式来定成品油价，比如韩国、日本、美国、英国等。为了分析完全市场化，我们分析了美国的成品油定价机制。在美国，汽柴油价格会随着原油价格的波动随时调整。美国汽油随行就市的一个主要原因是它的成本构成中原油成本占据主要部分。按照美国能源部近年的统计，汽油平均成本中，55%是原油，22%是炼油环节，19%是税收，4%是批发和营销。

但也有国家采用国家定价机制。例如比利时，它是个典型的“无油国”，但是比利时政府、企业和消费者面对居高不下的油价却并不惊慌，原因就在于比利时独特的燃油定价机制。在比利时，燃油零售价中共包括四个部分的费用：一是进口成本价；二是经销商的利润；三是消费税；四是增值税。其中，消费税相对固定，而增值税则是前三项之和再乘以一个固定的比例。

所以综合以上来看现在各国的成品油定价机制无论最终采取什么样的定价方法，都在坚持与国际市场价格接轨的方向和原则，建立既反映国际市场石油价格变化，又考虑国内市场供求、生产成本和社会各方面承受能力等因素的成品油定价机制。且在所有国家的成品油定价中，都考虑了原油价、税收、进出口、供给需求等。所以我们在下一问中建立的模型三就考虑研究成品油价格和国际原油价格，税收，石油进口量之间的关系

。

4.3.2：针对中国国情，我们选择“国际原油价格”，“税收”“原油进口量”三个因素来决定成品油价格，建立了关于汽油价格的多元回归定价模型。从互联网中搜集数据，获得2009年至2011年每月布伦特原油的价格和国内原油进口量。自2009年1月1日起，

4

我国汽油消费税由0.2/升提升到1元/升。每立方米体积的车用汽油为0.725吨，1立方米=6.29桶（油），一吨车用汽油为6.29/0.725=8.67桶，一桶=158.98升，所以一吨车用汽油所交税费为8.67?158.98?1?1379.29元。得到三大因素的值，建立模型。

5、模型建立

5.1：模型一

5．1.1在第一问的基础上，首先我们通过互联网（文献【5】，文献【6】）查找到我们需要的数据，我们把数据整理出来，（见附表一）。 然后，我们利用（附表一），按每月月初、月末数据归属来建立表格（见附表二）。 5.1.2：根据表格二利用EXCEL绘制该序列的时序图。

图一：

10000

9000

8000

7000

6000

价格50002009年1月2009年3月2009年5月2009年7月2009年9月2009年11月2010年1月近年国内成品油价格调整走势图（元/吨）2010年3月2010年5月2010年7月2010年9月2010年11月2011年1月2011年3月2011年5月2011年7月2011年9月2011年11月2012年1月2012年3月2012年5月2012年7月2012年9月2012年11月

2013年1月4000六、模型的评价与改进 汽油价格柴油价格时间 从图上看出自2009年-2012年，同时期汽油价格都高于柴油价格。汽油价格和柴油价

格都是向上增长，可以看出成品油整体上是呈向上增长的趋势。但在小范围内时，价格波动较平凡。其中2010年11月份-2011年5月份，在这阶段内汽油价格和柴油价格都在不停的增长，增长幅度较大；而在2012年4月份-2012年8月份左右，在这阶段内汽油价格和柴油价格都呈直线形势下降。

5.1.3：利用游程检验来检验平稳性。利用spss作游程检验来检验其平稳性， 表一：

游程检验 检验值 案例 < 检验值 案例 >= 检验值 案例总数 Runs 数 Z 渐近显著性(双侧) a. 中值

5

a汽油价格 7730 24 26 50 2 -6.858 .000 柴油价格 6980 24 26 50 2 -6.858 .000

游程检验中p值都为0，所以汽油价格时序列和柴油价格时序列都是非平稳的。根据分析，序列蕴含着曲线趋势，利用spss通过三阶差分提取曲线趋势的影响。并绘制出时序图。

图二：汽油价格三阶差分后时序图

图三：柴油价格三阶差分后时序图

由时序图分析，汽油价格和柴油价格大致在0值附近波动，波动范围游街，且无明显趋势和周期特征。进一步检验其平稳性，再次对其做游程检验。

表二：游程检验

DIFF(汽油价

6

DIFF(柴油价

格,3) 检验值 案例 < 检验值 案例 >= 检验值 案例总数 Runs 数 Z 渐近显著性(双侧) a. 中值 a格,3) 0 18 29 47 30 0 18 29 47 30 1.964 .049 1.964 .049

P值为0.049，接受时序列为平稳时序列，但并不显著，于是利用spss作出四阶差分，作出时序图，

图四：汽油价格四阶差分后时序图

图五：柴油价格四阶差分后时序图

7

该时序图波动范围有界，无明显趋势及周期特征，认为是平稳序列，进一步作游程检验，

表三：游程检验 DIFF(汽油价格,4) 检验值 案例 < 检验值 案例 >= 检验值 案例总数 Runs 数 Z 渐近显著性(双侧) a. 中值 aDIFF(柴油价格,4) 0 20 26 46 35 0 20 26 46 35 3.305 .001 3.305 .001 由表分析，p值极小，所以四阶差分后时序列为平稳序列。下面作出差分后序列自相关图、偏相关图来确定模型。

图六 汽油价格自相关图

自相关图中延迟3阶后，自相关系数衰减到小范围中波动，这表明序列明显短期相关，序列由显著地相关系数衰减为小值波动的过程有些缓慢。

图七：偏自相关图

8

延迟5阶后的偏自相关系数都在小范围中波动，偏相关系数衰减为小值波动的过程相当缓慢。

图八：柴油相关系数图

考察该序列的自相关图，自相关图中延迟3阶后，自相关系数全部衰减到小范围中波动。 图九：

9

偏自相关

5.1.4：求解参数值。序列由显著偏自相关系数衰减为小值波动的过程相当缓慢。接着利用spss进行模型创建，得到模型参数 表四：

指数平滑法模型参数 模型 DIFF(柴油价格,4)-模型_1 无转换 Alpha (水平) Delta (季节) Alpha (水平) Delta (季节) 估计 .002 2.543E-5 .002 8.240E-6 SE .014 .146 .014 .143 t .174 .000 .171 5.756E-5 Sig. .863 1.000 .865 1.000 DIFF(汽油价格,4)-模型_2 无转换 模型参数的p值都大于0.05，没有通过显著性检验。 于是通过对原始数据进行spss创建模型，并进行预测。 表五：

指数平滑法模型参数

模型 汽油价格-模型_1 柴油价格-模型_2 无转换 无转换 Alpha (水平) Gamma (趋势) Delta (季节) Alpha (水平) Gamma (趋势) 估计 1.000 1.431E-6 .001 1.000 1.398E-6 SE .154 .080 331.234 .155 .086 t 6.473 1.788E-5 3.019E-6 6.441 1.623E-5 Sig. .000 1.000 1.000 .000 1.000 10

Delta (季节) .001 266.914 3.747E-6 1.000 得出汽油价格模型： yt'?k?at?btk?ct?kat?yt?ct?sbt?1.431?10(at?at?1)?(1?1.431?10)bt?1ct?0.001(yt?at)?0.999ct?sa?6?6

表示截距，b表示趋势，c为加法模型的季节因子，t?1,2,3,...T;k为向后平滑期数，

k?0，s表示季节周期的长度，对于月度数据s=12。 柴油价格模型：

yt'?k?at?btk?ct?kat?yt?ct?sbt?1.398?10(at?at?1)?(1?1.398?10)bt?1ct?0.001(yt?at)?0.999ct?s?6?6

a表示截距，b表示趋势，c为加法模型的季节因子，t?1,2,3,...T;k为向后平滑期数，

k?0，s表示季节周期的长度，对于月度数据s=12。

5.1.5：预测值为表六：

2015年国内成品油价格预测 模型 汽油价格-模型_1 柴油价格-模型_2 预测 UCL LCL 预测 UCL LCL 1 月 2015 9993 12197 7789 9108 11244 6972 2 月 2015 10053 12305 7801 9168 11350 6986 3 月 2015 10331 12629 8033 9413 11640 7186 4 月 2015 10683 13027 8340 9743 12014 7472 5 月 2015 10601 12989 8212 9666 11980 7351 6 月 2015 10511 12943 8079 9583 11940 7226 表七： 2015年国内成品油价格预测 模型 汽油价格-模型_1 柴油价格-模型_2 预测 UCL LCL 预测 UCL LCL 7 月 2015 10556 13031 8081 9633 12032 7235 8 月 2015 10598 13116 8081 9671 12110 7231 9 月 2015 10811 13370 8252 9881 12360 7401 10 月 2015 10688 13288 8088 9758 12278 7239 11月2012 10791 13431 8150 9850 12417 7299 12月2015 10791 13471 8111 9858 12455 7261

11

图十：

拟合预测图形

观察2015年国内成品油价格的预测值，成品油价格波动明显，但是总体是上升趋势。 5.2模型二：

由于题中要求选一个城市，来研究家庭汽车数随年的变化。选择了杭州市的车辆变化。 5.2.1：在杭州统计局官网查找资料通过（文献【6】、文献【7】、文献【8】、文献【9】、文献【10】、文献【11】、文献【12】）找到我们所需的数据并整理成表格。 表格八：

杭州私家车数量变化

年份 2007 2008 2009 2010 车辆数(辆) 477588 565182 718675 942427 12

2011 2012 1162925 1408700 我们利用表格八在EXCEL中制作了散点图，如下图： 图十一：

杭州私家车数量随时间的散点图

杭州私家车数量变化 车辆数(辆)1600000140000012000001000000800000600000400000200000020062007200820092010201120122013杭州私家车数量变化 车辆数(辆)通过图十一，我们能看出杭州私家车数量变化随年递增，且递增幅度越来越大。同时也能从侧边反应社会经济的快速发展，杭州市民的生活水平在逐年提高。时间和私家汽车数量也不是线性关系，所以我们不用线性回归模型，而用拟合模型来预测未来汽车的变化。

5.2.2首先我们处理数据，将2000年作为临界点，然后利用公式计算时间距离。 公式：

利用此公式制作表格九：

部分时间距离表

时间距年份 离 2007 7 2008 8 2009 9 2010 10 2011 11 2012 12 2013 13 5.2.3：

已知（di,yi）的六组数据，利用插值拟合建立模型。

根据公式：公式（1）表示的是近似函数与时间距离的关系式； 公式（2）表示的是近似函数等于家庭汽车数。

13

公式（1）： 公式（2）：

要求：n<=5 结合公式（1），公式（2）得到公式（3）：公式三表示的是家庭汽车与时间距离的关系。 公式（3）：

我们根据公式三转换为矩阵形式，得到公式四。 公式四：

A =

1 7 49 343 2401 16807 1 8 64 512 4096 32768 1 9 81 729 6561 59049 1 10 100 1000 10000 100000 1 11 121 1331 14641 161051 1 12 144 1728 20736 248832

B =

477588 p(?a

DA=B

565182 718675 942427 1162925 1408700

利用MATLAB求解方程系数：

>> D=A\\B

得到 D =

1.0e+007 *

-9.8132 5.4934

14

-1.2111 0.1318 -0.0071 0.0001

解得近似函数的系数: D= [a0;a1;a2;a3;a4;a5]=

1.0e+007 * [ -9.8132 5.4934 -1.2111 0.1318 -0.0071 0.0001]

于是得到模型二：

也可以写成 B=AD

5.2.4：我们根据所建模型来预测到2020年家庭汽车的发展前景。

我们利用模型二并结合MATLAB编程（程序见附表1）预测到2020年的家庭汽车数量及图表。 表格十：

2007年-2020年间的杭州家庭汽车数量情况表

单位：亿两 家庭汽年份 车 2007 0.0048 2008 0.0057 2009 0.0072 2010 0.0094 2011 0.0116 2012 0.0141 2013 0.0199 2014 0.0368 2015 0.0789 2016 0.1686 2017 0.3383 2018 0.6321 2019 1.1078 2020 1.8388 表十预测出到2020年间的杭州家庭汽车数量，能直接的得到具体数据 如图十二

15

yi?

2007年-2020年间的杭州家庭汽车数量情况表

21.81.61.41.210.80.60.40.2068101214161820x 108 图三清楚的描绘了到2020年杭州市的家庭汽车数量变化情况。开始汽车增长的较缓慢，到2014年开始呈指数形式递增，增长数度很快，说明家庭汽车到2020年前的需求很大。所以预测到2020年家庭汽车的发展前景良好。

5.2.5

初级检验：为了检验模型的准确性，我们进行MATLAB拟合画图，得图四。 图十三：

原值与利用近似函数求的解的对比拟合图

21.81.61.41.210.80.60.40.2068101214161820x 108 图十三中红色线表示的是2007-2020年间利用模型二求得的值，而‘*‘表示的是2007-2012年间的原值。从图中可以看出原值与拟合值很接近，所以我们认为，模型二的拟合度较好。

5.2.6：为了说明成品油价格对家庭汽车增长的影响。

16

由于成品油中的汽油对家庭汽车影响较大，所以我们这里利用汽油价代替成品油价。 我们利用表格二，表格三用均值来将数据进行处理得到如下表： 表十一：

2009-2012年家庭汽车数量和汽油价表

年份 车辆数 汽油价 2009 718675 6257.5 2010 942427 7246.67 2011 1162925 8321.67 2012 1408700 8560 根据表十一对数据进一步做处理。得到 表十二：

汽油价和车辆数随年份变化产生变化的斜率

年份 汽油价 车辆数 2009 0.16 0.31 2010 0.17 0.23 2012 0.03 0.21 利用表十二，我们制作了下图：

图十四：

汽油价和车辆数随年份变化产生变化的斜率

0.350.300.250.200.150.100.050.030.002009201020120.160.170.310.230.21汽油价车辆数

从图十四可以清楚的看出当汽油价上升幅度增大时，汽车数量增长形势下降幅度极快；当汽油价大幅度下降时，家庭汽车数量增长形势下降幅度减缓。综合上面可知，当成品油价格对家庭汽车增长的有较大影响。成品油价格增长幅度和家庭汽车增长幅度呈负相关。

5.3模型三：

5.3.1制作表格：

国内成品油定价因素数据表 月份 汽油价格y 国际原油价格x1 税收 17

原油进口量x2 汽油价格—税收y'

元/吨 2009年1月 2009年2月 2009年3月 2009年4月 2009年5月 2009年6月 美元/桶 5440 45.75 5440 43.86 5730 47.25 5730 51.44 5730 57.88 6130 69.1 元/吨 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 万吨 元/吨 4060.71 4060.71 4350.71 4350.71 4350.71 4750.71 1282 1160 1634 1617 1709 1660 此为部分数据，具体见附表11 利用spss对x1，x2，y'作相关性分析，

相关性 汽油价格 Pearson 相关性 显著性（双侧） N 汽油价格 1 原油价格 .970** .000 原油进口量 .736** .000 36 .686** .000 36 .970** .000 36 .736** .000 36 36 1 原油价格 Pearson 相关性 显著性（双侧） N 36 .686** .000 36 36 1 原油进口量 Pearson 相关性 显著性（双侧） N 36 **. 在 .01 水平（双侧）上显著相关。

汽油价格y'和原油价格，进口量相关性分别为0.97,0.736，相关性很强，所以我们利用spss作出多元线性回归模型。

模型汇总 模型 1 2 R .970a .975b R 方 .941 .950 调整 R 方 标准 估计的误差 .939 .947 233.52189 217.64499 a. 预测变量: (常量), 原油价格。 b. 预测变量: (常量), 原油价格, 原油进口量。 c. 因变量: 汽油价格 Anova 模型 1 回归 残差 平方和 2.945E7 1854104.096 df 1 34 均方 2.945E7 54532.473 F 539.983 Sig. .000a 18

总计 2 回归 残差 总计 3.130E7 2.974E7 1563188.237 3.130E7 35 2 33 35 1.487E7 47369.341 313.890 .000b a. 预测变量: (常量), 原油价格。 b. 预测变量: (常量), 原油价格, 原油进口量。 c. 因变量: 汽油价格

系数 非标准化系数 模型 1 (常量) 原油价格 2 (常量) 原油价格 原油进口量 B 2284.946 43.352 1714.618 39.286 .471 标准 误差 160.197 1.866 274.328 2.391 .190 标准系数 试用版 t 14.263 .970 23.238 6.250 .879 .133 16.433 2.478 Sig. .000 .000 .000 .000 .018

得出模型三： y'?1714.618?39.286x1?0.471x2

y?3031.908?39.286x1?0.471x2

5.4问题四： 目前，世界各国国内市场成品油价格的形成机制主要有市场竞争形成价格和国家定价两种。而我国正是国家定价机制，且存在着一些机制性问题。为实现既反映国际市场石油价格变化，又考虑国内市场供求、生产成本和社会各方面承受能力等因素的成品油定价机制，针对性的提出一些建议：

（1）成品油调价时间适当缩短，及时灵敏地反映市场变化。国内成品油价格调整与国际市场变化最好一致，降低囤积居奇等投机行为，从而规范市场竞争，使市场稳定发展。 （2）与国际油价接轨，再根据中国市场的正常需求来合理安排油价。一是定价水平较合理，与实际价格误差缩小，从而达到促进生产的目的，使得国家指导价起不到指导作用。二是世界各地成品油消费结构、习惯及季节变化等，与国内市场不尽相同，而且国内各地市场的需求情况也不尽相同，按照国际市场油价制定国内价格，同国内市场的实际状况必然有出入。结合我国国内对石油市场的需求供给，降低税收，来制定定价机制。 （3）建立成品油、原油期货交易市场，建立国家能源战略储备，推动成品油市场体制改革等等这些长久的战略措施，而后争取在国际油品市场上的定价权。

6、模型的评价与改进

19

模型一的评价：

优点：（1）时间序列分析预测模型是根据客观事物发展的这种连续规律性，运用过去的历史数据，进一步推测市场未来的发展趋势。时间序列分析预测模型突出了时间因素在预测中的作用。

缺点：(1)时间序列模型因突出时间序列暂不考虑外界因素影响，因而存在着预测误差 的缺陷，只考虑时间因素不考虑外界因素对石油价格的影响，其预测结果就会与实际状况严重不符。

改进: 石油价格，牵一发而动全身，而我们的模型预测只是考虑了主要的因素，而国内石油价格决定是由背后诸多因素所决定的，它们的变化对预测值必定要产生重大影响。 我们可将决定油价的具体因素考虑进去。 模型二的评价：

优点：（1）利用MATLAB编程求解系数简单快速。

（2）拟合度较高，能较快的预测到2012年之前的每年都家庭汽车数量，且将此

模型画图，可以较清楚的看出未来家庭汽车行业的前景。

缺点：（1）数据有限，样本容量太小。

(2)直接找时间与家庭汽车数量的变化，没有考虑汽油价格、GDP、汽车的销售价

变化等因素影响，会造成偏离实际，对预测造成较大的误差。

模型改进: 先找汽油价格、GDP、汽车的销售价变化等因素与时间的变化的模型，再通

过前面的因素对汽车数量的影响建立模型，结合两个模型来预测未来家庭汽车的数量变化。

模型三的评价： 优点：（1）模型建立较简单，能较快的初步了解国内成品油定价。 （2）找到的数据样本容量较合适，建立的模型也较合理。

（3）可以定量的描述成品油价格和国际原油价格，税收，石油进口量之间的关系

从而可以有效的拟合成品油价格的变化和发展。

（4）利用方差分析，较好的检验了模型的好坏。 缺点：（1）由于知识方便有限，无法准确的将信息利用。

（2）模型只找了国际原油价格，税收，石油进口量与成品油价格的关系。

替代能源因素、成品油市场竞争、走私贩运成品油、国家环境保护及能源消费有关政策等影响因素，使模型给出的定价不够合理，扭曲了市场的正常需求。

改进: 去除以点带面的思想，将影响的国内油价的各方面因素考虑进去，例如原油的

运输提炼成本，石油企业盈利，国家的经济水平，并且选取更多数据，让模型有强大、 可信的现实依据，从而得到更加客观真实的模型。

七、模型的推广

模型一: 时间序列分析预测模型的哲学依据，是唯物辩证法中的基本观点，即认为一切事物都是发展变化的，事物的发展变化在时间上具有连续性，市场现象也是这样。所以我们可将模型应用于经济发展，人口，作物产量等的预测。

20

模型三:该模型是多因素影响的最终结果，所以该模型可用于多因素决策，例如水质的评价、产品的销量等等。

八、参考文献

【1】发改委，《成品油市场管理办法》（商务部令2006年第23号） 第四条

【2】王德耀 ，成品油价格影响因素的ISM分析【J】 ，现代商贸工业，2012年07期

【3】余晓钟 ，成品油价格影响因素的ISM分析【J】 ，天然气经济，2003年02期 【4】程伟力 ，影响国际石油价格因素的定量分析【J】 ，国际石油经济，2005年08期

【5】综合 ，2013年国内成品油价首次上调多城市重回“8元时代” ， http://www.infzm.com/content/88347 ,2013-02-25 16:16:07 【6】互联网， 2005年至今中国成品油历次价格调整一览，

http://fiinance.ifeng.com.//roll/20090803/1028894.shtml ,2009-8-03 【7】杭州统计信息网，杭州统计年鉴社会机动车辆拥有量，

http://www.hzstats.gov.cn/web/tjnj/nj2008/5/nj.htm , 2008-10-15 【8】杭州统计信息网，杭州统计年鉴社会机动车辆拥有量，

http://www.hzstats.gov.cn/web/tjnj/nj2009/5/nj.htm ，2009-10-15 【9】杭州统计信息网，杭州统计年鉴社会机动车辆拥有量，

http://www.hzstats.gov.cn/web/tjnj/nj2010/5/nj.htm ，2010-11-02 【10】杭州统计信息网，杭州统计年鉴社会机动车辆拥有量，

http://www.hzstats.gov.cn/web/tjnj/nj2011/5/nj.htm ，2011-11-28 【11】杭州统计信息网，杭州统计年鉴社会机动车辆拥有量，

http://www.hzstats.gov.cn/web/tjnj/nj2012/5/nj.htm ，2012-11-20 【12】杭州统计信息网，杭州统计年鉴社会机动车辆拥有量，

http://www.hzstats.gov.cn/web/ShowNews.aspx?id=x2Y+lBeZikk= ，2013-1-14 【13】http://wenku.http://www.wodefanwen.com//view/615cc217f18583d049645974.html

九、附录 附表1：

近年国内成品油价格调整一览表（单位：元/吨）

日期 汽油价格 柴油价格 2009年1月14日 5440 4810 2009年3月1日 5730 4990 2009年6月1日 6130 5390 2009年6月30日 6730 5990 2009年7月28日 6510 5770 2009年9月1日 6810 6070

21

附表二

2009年9月30号 6620 5880 2009年11年09日 7110 6360 2010年4月14日 7420 6680 2010年6月1日 7190 6460 2010年10月26日 7420 6680 2010年12月22号 7730 6980 2011年2月20号 8080 7330 2011年4月7号 8580 7730 2011年10月9号 8280 7430 2012年2月8号 8580 7730 2012年3月20号 9180 8330 2012年5月10号 8850 8020 2012年6月9号 8320 7510 2012年7月10号 7900 7110 2012年8月10号 8290 7480 2012年9月11号 8840 8020 2012年11月16号 8530 7720 2013年2月25号 8830 8010 近年国内成品油价格调整一览表（单位：元/吨）

月份 汽油价格 柴油价格 2009年1月 5440 4810 2009年2月 5440 4810 2009年3月 5730 4990 2009年4月 5730 4990 2009年5月 5730 4990 2009年6月 6130 5390 2009年7月 6730 5990 2009年8月 6510 5770 2009年9月 6810 6070 2009年10月 6620 5880 2009年11月 7110 6360 2009年12月 7110 6360 2010年1月 7110 6360 2010年2月 7110 6360 2010年3月 7110 6360 22

2010年4月 2010年5月 2010年6月 2010年7月 2010年8月 2010年9月 2010年10月 2010年11月 2010年12月 2011年1月 2011年2月 2011年3月 2011年4月 2011年5月 2011年6月 2011年7月 2011年8月 2011年9月 2011年10月 2011年11月 2011年12月 2012年1月 2012年2月 2012年3月 2012年4月 2012年5月 2012年6月 2012年7月 2012年8月 2012年9月 2012年10月 2012年11月 2012年12月 2013年1月 2013年2月 7420 7420 7190 7190 7190 7190 7190 7420 7420 7730 7730 8080 8580 8580 8580 8580 8580 8580 8280 8280 8280 8280 8580 8580 9180 8850 8320 7900 8290 8840 8840 8530 8530 8530 8530 6680 6680 6460 6460 6460 6460 6460 6680 6680 6980 6980 7330 7730 7730 7730 7730 7730 7730 7430 7430 7430 7430 7730 7730 8330 8020 7510 7110 7480 8020 8020 7720 7720 7720 7720

利用MATLAB编程求解2007年-2020年的杭州家庭汽车数量的变化。 >> X2=7:20

23

>>A =

1 7 49 343 2401 16807 1 8 64 512 4096 32768 1 9 81 729 6561 59049 1 10 100 1000 10000 100000 1 11 121 1331 14641 161051 1 12 144 1728 20736 248832 1 13 169 2197 28561 371293 1 14 196 2744 38416 537824 1 15 225 3375 50625 759375 1 16 256 4096 65536 1048576 1 17 289 4913 83521 1419857 1 18 324 5832 104976 1889568 1 19 361 6859 130321 2476099 1 20 400 8000 160000 3200000

>> Y=A*ans Y =

1.0e+008 *

0.0048 0.0057 0.0072 0.0094 0.0116 0.0141 0.0199 0.0368 0.0789 0.1686 0.3383 0.6321 1.1078 1.8388

>> x=7:12

>> y=[477588 565182 718675 942427 1162925 1408700] >>plot(X2,Y,'+')

>>plot(x,y,'*',X2,Y,'-r') 附表2：游程检验spss程序

24

NPAR TESTS /RUNS(MEDIAN)=汽油价格 柴油价格 /RUNS(MEAN)=汽油价格 柴油价格 /STATISTICS DESCRIPTIVES /MISSING ANALYSIS. 附表3：三阶差分spss程序

GET FILE='C:\\Users\\lenovo\\Desktop\\作业\\0.0.sav'. CREATE /dif1=DIFF(汽油价格 3)/dif=DIFF(柴油价格 3).

附表4：三阶差分后时序图spss程序

* 序列图. TSPLOT VARIABLES=新汽油价格 /ID=DATE_ /NOLOG /FORMAT NOFILL NOREFERENCE.

TSPLOT VARIABLES=新柴油价格 /ID=DATE_ /NOLOG /FORMAT NOFILL NOREFERENCE.

附录5：游程检验spss程序 NPAR TESTS /RUNS(MEDIAN)=新汽油价格 新柴油价格 /RUNS(MEAN)=新汽油价格 新柴油价格 /STATISTICS DESCRIPTIVES /MISSING ANALYSIS. 附录6：四阶差分spss程序

CREATE /dif4=DIFF(汽油价格 4)/dif3=DIFF(柴油价格 4). 附录7：四阶差分后时序图spss程序

* 序列图. TSPLOT VARIABLES=新汽油价格2 /ID=DATE_ /NOLOG /FORMAT NOFILL NOREFERENCE.

TSPLOT VARIABLES=新柴油价格2 /ID=DATE_ /NOLOG /FORMAT NOFILL NOREFERENCE.

附录8：游程检验spss程序 NPAR TESTS /RUNS(MEDIAN)=新汽油价格2 新柴油价格2 /RUNS(MEAN)=新汽油价格2 新柴油价格2 /STATISTICS DESCRIPTIVES /MISSING ANALYSIS. 附录9：自相关图、偏相关图spss程序

ACF VARIABLES=新汽油价格2 新柴油价格2 /NOLOG /MXAUTO 16 /SERROR=IND /PACF.

自相关系数表 序列:DIFF(汽油价格,4) 滞后 1 2 3 4 5 6 7 8 9 10 自相关 -.762 .416 -.269 .103 .122 -.160 .034 .050 -.070 .118 标准 误差 .143 .141 .140 .138 .136 .135 .133 .131 .129 .128 aBox-Ljung 统计量 值 28.458 37.144 40.866 41.420 42.218 43.627 43.691 43.837 44.132 44.992 df 1 2 3 4 5 6 7 8 9 10 Sig. .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 b 25

11 12 13 14 15 16 -.173 .142 -.063 .058 -.098 .051 .126 .124 .122 .120 .118 .117 46.874 48.176 48.438 48.670 49.360 49.552 11 12 13 14 15 16 .000 .000 .000 .000 .000 .000 a. 假定的基础过程是独立性（白噪音）。 b. 基于渐近卡方近似。 偏自相关系表 序列:DIFF(汽油价格,4) 滞后 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 偏自相关 -.762 -.390 -.354 -.548 -.237 .044 -.134 .041 .097 .089 -.013 -.043 -.066 .084 .006 -.136 标准 误差 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 柴油价格自相关图 序列:DIFF(柴油价格,4) 滞后 1 2 3 自相关 -.774 .434 -.273 标准 误差 .143 .141 .140 aBox-Ljung 统计量 值 29.390 38.842 42.666 df 1 2 3 Sig. .000 .000 .000 b 26

4 5 6 7 8 9 10 11 12 13 14 15 16 .092 .136 -.176 .054 .033 -.060 .106 -.149 .112 -.037 .039 -.089 .061 .138 .136 .135 .133 .131 .129 .128 .126 .124 .122 .120 .118 .117 43.108 44.103 45.821 45.989 46.051 46.264 46.952 48.356 49.165 49.255 49.360 49.919 50.191 4 5 6 7 8 9 10 11 12 13 14 15 16 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 .000 a. 假定的基础过程是独立性（白噪音）。 b. 基于渐近卡方近似。 偏相关系数表 序列:DIFF(柴油价格,4) 滞后 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 偏自相关 -.774 -.411 -.352 -.592 -.343 -.060 -.234 -.062 .079 .094 .053 .011 -.067 .098 .012 -.150 标准 误差 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147 .147

27

附录10：原数据模型创建spss程序

PREDICT THRU YEAR 2015 MONTH 12. * 时间序列建模器. TSMODEL /MODELSUMMARY PRINT=[MODELFIT] /MODELSTATISTICS DISPLAY=YES MODELFIT=[ SRSQUARE] /MODELDETAILS PRINT=[ PARAMETERS RESIDACF RESIDPACF FORECASTS] /SERIESPLOT OBSERVED FORECAST FIT /OUTPUTFILTER DISPLAY=ALLMODELS /SAVE PREDICTED(预测值) LCL(LCL) UCL(UCL) NRESIDUAL(NResidual) /AUXILIARY CILEVEL=95 MAXACFLAGS=24 /MISSING USERMISSING=EXCLUDE /MODEL DEPENDENT=汽油价格 柴油价格 INDEPENDENT=YEAR_ MONTH_ OUTFILE='C:\\Users\\lenovo\\Desktop\\作业\\第三次模拟训练\\模型9.xml' PREFIX='模型' /EXPERTMODELER TYPE=[ARIMA EXSMOOTH] TRYSEASONAL=YES /AUTOOUTLIER DETECT=OFF.

附表11：

国内成品油定价因素数据表 汽油价格 国际原油价格 税收 原油进口量 汽油价格—税收 月份 元/吨 美元/桶 元/吨 万吨 元/吨 5440 4060.71 2009年1月 45.75 1379.29 1282 5440 4060.71 2009年2月 43.86 1379.29 1160 5730 4350.71 2009年3月 47.25 1379.29 1634 5730 4350.71 2009年4月 51.44 1379.29 1617 5730 4350.71 2009年5月 57.88 1379.29 1709 6130 4750.71 2009年6月 69.1 1379.29 1660 6730 5350.71 2009年7月 65.65 1379.29 1963 6510 5130.71 2009年8月 73.15 1379.29 1846 6810 5430.71 2009年9月 69.41 1379.29 1720 6620 5240.71 2009年10月 75.73 1379.29 1934 7110 5730.71 2009年11月 78.05 1379.29 1712 7110 5730.71 2009年12月 74.41 1379.29 2126 7110 5730.71 2010年1月 79.45 1379.29 1711 7110 5730.71 2010年2月 76.45 1379.29 1851 7110 5730.71 2010年3月 81.25 1379.29 2106 7420 6040.71 2010年4月 84.44 1379.29 2117 7420 6040.71 2010年5月 73.62 1379.29 1784 7190 5810.71 2010年6月 75.29 1379.29 2227 7190 5810.71 2010年7月 76.32 1379.29 1900 7190 5810.71 2010年8月 76.62 1379.29 2090 7190 5810.71 2010年9月 75.17 1379.29 2329 7190 5810.71 2010年10月 81.89 1379.29 1639 7420 6040.71 2010年11月 84.2 1379.29 2091 7420 6040.71 2010年12月 89.07 1379.29 2086 7730 6350.71 2011年1月 89.38 1379.29 2180 7730 6350.71 2011年2月 89.57 1379.29 1995 8080 6700.71 2011年3月 98.64 1379.29 2167

28

2011年4月 2011年5月 2011年6月 2011年7月 2011年8月 2011年9月 2011年10月 2011年11月 2011年12月 8580 8580 8580 8580 8580 8580 8280 8280 8280 122.73 114.94 114.1 116.55 110.01 110.45 108.49 110.45 107.88 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 2154 2155 1970 1943 2104 2045 2082 2269 2192 7200.71 7200.71 7200.71 7200.71 7200.71 7200.71 6900.71 6900.71 6900.71 附表12:相关性分析spss程序

CORRELATIONS /VARIABLES=汽油价格 原油价格 原油进口量 /PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES /MISSING=PAIRWISE.

附表13：多元线性回归spss程序

REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) CIN(95) /NOORIGIN /DEPENDENT 汽油价格 /METHOD=STEPWISE 原油价格 原油进口量 /SCATTERPLOT=(*ZRESID ,*ZPRED) /RESIDUALS HIST(ZRESID) /CASEWISE PLOT(ZRESID) OUTLIERS(3) /SAVE COOK LEVER MCIN ICIN.

29

2011年4月 2011年5月 2011年6月 2011年7月 2011年8月 2011年9月 2011年10月 2011年11月 2011年12月 8580 8580 8580 8580 8580 8580 8280 8280 8280 122.73 114.94 114.1 116.55 110.01 110.45 108.49 110.45 107.88 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 1379.29 2154 2155 1970 1943 2104 2045 2082 2269 2192 7200.71 7200.71 7200.71 7200.71 7200.71 7200.71 6900.71 6900.71 6900.71 附表12:相关性分析spss程序

CORRELATIONS /VARIABLES=汽油价格 原油价格 原油进口量 /PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES /MISSING=PAIRWISE.

附表13：多元线性回归spss程序

REGRESSION /MISSING LISTWISE /STATISTICS COEFF OUTS BCOV R ANOVA COLLIN TOL /CRITERIA=PIN(.05) POUT(.10) CIN(95) /NOORIGIN /DEPENDENT 汽油价格 /METHOD=STEPWISE 原油价格 原油进口量 /SCATTERPLOT=(*ZRESID ,*ZPRED) /RESIDUALS HIST(ZRESID) /CASEWISE PLOT(ZRESID) OUTLIERS(3) /SAVE COOK LEVER MCIN ICIN.

29

本文来源：https://www.bwwdw.com/article/ztsw.html