Modelling of Production Amount of Nuts Fruit by Using Box-Jenkins Technique

Year 2013, Volume: 23 Issue: 1, 18 - 30, 01.03.2013

Şenol Çelik

Abstract

Autoregressive and Moving Average (ARIMA) which are mixture of autoregressive (AR) and moving average (MA) models are the most common stationary Box-Jenkins models. Non-stationary models which are models stationary by difference operator are called autoregressive moving average (ARIMA) models. ARIMA model are also called model with that fits to time series and forecasting. In this study, production amount of nutfruit species (pistachios, walnuts, hazelnuts, almond and chestnuts) were analyzed by Box Jenkins methodology for the years 1936–2011. After the data are stationary, Autoregressive Integrated (ARIMA(2,1,0)) pistachios production, Autoregressive Integrated (ARIMA(1,1,0)) production of walnuts, Integrated Moving Average (ARIMA(0,1,1)) production of hazelnuts and almond and Seasonal Autoregressive Integrated Moving Average models ( (0,1, 0)(0, 0,1)ARIMA ) production of chestnuts were determined as the fitting model for the data. The forecast are proposed for the period 2012-2020 by using the obtained models. According to the proposed forecasts increase in nut production is expected. As a result, predictions were obtained between 2012–2020, established policies for the future of production of nuts fruit is intended to give a direction.

Keywords

ARIMA models, Box-Jenkins technigne, Forecasting, Production of nut fruit.

Sert Kabuklu Meyvelerin Üretim Miktarının Box-Jenkins Tekniği İle Modellenmesi

Abstract

Otoregresif (Autoregressive) ve hareketli ortalama (Moving Average) modellerinin karışımı olan Otoregresif Hareketli Ortalama (Autoregressive Moving Average) en genel durağan Box-Jenkis modelleridir. Durağan olmayıp fark alma işlemi sonucunda durağan hale getirilen serilere uygulanan modellere Bütünleşik Otoregresif Hareketli Ortalama (Autoregressive Integrated Moving Average) modeli denir. ARIMA modeli Box-Jenkins modeli olarak da adlandırılır. Box-Jenkins modellerinde amaç zaman serilerine uyan modelin belirlenmesi ve öngörü yapılmasıdır. Bu çalışmada, 1936–2011 yıllarına ait sert kabuklu meyvelerin türlerine göre (antepfıstığı, ceviz, fındık, badem ve kestane) üretim miktarları Box Jenkins yöntemiyle analiz edilmiştir. Veriler durağan hale getirildikten sonra bu veri kümesine uyan model, antepfıstığı üretiminde Bütünleştirilmiş Otoregresif (ARIMA(2,1,0)), ceviz üretiminde Bütünleştirilmiş Otoregresif (ARIMA(1,1,0)), fındık ve badem üretimi Bütünleştirilmiş Hareketli Ortalama (ARIMA(0,1,1)) ve kestane üretimi Bütünleştirilmiş Mevsimsel Otoregresif Hareketli Ortalama (0,1, 0)(0, 0,1)ARIMA modeli olarak belirlenmiştir. Elde edilen modeller kullanılarak sert kabuklu meyvelerin 2012–2020 dönemi için öngörüleri yapılmıştır. Yapılan öngörüler sonucunda sert kabuklu meyvelerin üretim miktarında artış olacağı tahmin edilmiştir. Bunun sonucunda ileriye yönelik sert kabuklu meyve üretimi ile ilgili oluşturulacak politikalara yön vermesi amaçlanmıştır.

Keywords

ARIMA modelleri, Box-Jenkins tekniği, Öngörü, Sert kabuklu meyve üretimi.

References

• Ağaoğlu S, Çelik H, Çelik M, Fidan Y, Gülşen Y, Günay A, Halloran N, Köksal İ ve Yanmaz R (1997). Genel Bahçe Bitkileri. Ankara Üniversitesi Ziraat Fakültesi Yayınları, Ankara. Yayın no:1579 Akdi Y (2010). Zaman Serileri Analizi (Birim Kökler ve Kointegrasyon). Gazi Kitabevi, Ankara, 27.
• Bowerman BL, O'Connell RT (1993). Forecasting and Time Series: An Applied Approach, Duxbury Press.
• Box-Jenkıns (1976). Time Series Analysis Forecasting and Control Lancester UK, 90.
• Brocklebank JC, Dickey DA (2003). SAS for Forecasting Time Series, SAS Institue Inc., Cary, NC, USA, Brockwell PJ, Davis RA (2006). Time Series: Theory and Methods. Springer, New York, 311.
• Cooray TMJA (2008). Applied Time Series. Analysis and Forecasting. Narosa Publishing House Pvt. Ltd, New Delhi, 144, 194.
• Cryer JD (1986). Time Series Analysis, PWS Publishers, USA, 89.
• FAO İstatistikleri (2009). http://faostat.fao.org/site/342/default.aspx Erişim tarihi: 09.06.2012.
• FAO İstatistikleri (2010). http://faostat.fao.org/site/339/default.aspx Erişim tarihi: 06.06.2012.
• Günay S, Eğrioğlu E, Aladağ ÇH (2007). Tek Değişkenli Zaman Serileri Analizine Giriş, Hacettepe Üniversitesi Yayınları, Ankara, 16.
• Johnston J, Dinardo J (1997). Econometric Methods, McGraw-Hill International Edit., New York, 110.
• Kadılar C (2009). SPSS Uygulamalı Zaman Serileri Analizine Giriş, Bizim Büro Yayınevi, Ankara, 188, 2
• Kayım H (1985). İstatistiksel Ön Tahmin Yöntemleri, H.Ü. İktisadi ve İdari Bilimler Fakültesi Yayınları, No:11, Ankara.
• Kutlar A (2005). Uygulamalı Ekonometri, 2. Baskı, Nobel Yayınları, Ankara.
• Koç B, Tonkaz T (2010). GAP Bölgesinde Çeltik Üretimi İklim İlişkileri ve Çeltik Üretiminin Uzun Dönem Eğilim Analizi. Türkiye IX. Tarım Ekonomisi Kongresi, 622–628, 22–24 Eylül 2010, Şanlıurfa.
• Montgomery DC, Johnson LA, Gardiner JS (1990). Forecasting and Time Series Analysis, McGraw-Hill, Inc., USA, 249.
• Onurlubaş HE, Kızılaslan H (2007). Türkiye’de Bitkisel Yağ Sanayindeki Gelişmeler ve Geleceğe Yönelik Beklentiler. Tarım Ekonomisi Araştırma Enstitüsü.
• Özmen A (1989). Mevsimler Dalgalanmalar içermeyen Zaman Serilerinde Kısa Dönem Öngörü Amaçlı Box-Jenkins (ARIMA) Modellerinin Kullanımı, Fen-Edebiyat Fakültesi Dergisi, Cilt:2, Sayı:1, 105-1
• Semerci A, Özer Sİ (2011). Türkiye’de Ayçiçeği Ekim Alanı, Üretim Miktarı ve Verim Değerinde Olası Değişimler. Tekirdağ Ziraat Fakültesi Dergisi, 8(3), 46-52.
• Shumway RH, Stoffer DS (2006). Time Series Analysis and its Applications with R Examples. Springer, New York, 54.
• TÜİK(Türkiye İstatistik Kurumu Başkanlığı) (2011). Dış Ticaret İstatistikleri. http://tuikapp.tuik.gov.tr/disticaretapp/disticaret.zul?param1=3&param2=4&sitcrev=4&isicrev=0 &sayac=5807 Erişim tarihi: 09.06.2012
• TÜİK (Türkiye İstatistik Kurumu Başkanlığı) (2011). İstatistik Göstergeler 1923–2010.
• TÜİK (Türkiye İstatistik Kurumu Başkanlığı) (2012). Bitkisel Üretim İstatistikleri, 2011 Haber Bülteni Sayı: 10780 Tarih 28.03.2012.
• Wei WWS (2006). Time Series Analysis, Addison Wesley Publishing Company, New York, 44,156.