- A+
小学春季值周工作总结范文第1篇
一、数据、指标及计量方法的选择
（一）滞留率概念界定
远程开放教育学籍8年（16个学期）有效。在学分制背景条件和个性化学习需求下，学生最短3个学期可以修完学分，取得毕业证书。所谓滞留生，即超过学籍有效期仍没有毕业的学生。伪滞留生，我们定义为第4学期至第16学期在籍的学生，这部分学生虽然超过了最短学习年限但在学籍有效期内仍具备学习与毕业的资格。滞留率，即滞留生的人数在注册学生总人数中的比例，本文研究的滞留生范围包括伪滞留生、滞留生。滞留率=滞留生÷注册学生总数
（二）数据资料的分析与处理
1.样本数据来源
利用天津广播电视大学远程开放教育教务管理系统平台，提取2011年8月前的1999年秋季—2008年秋季18届学生的相关数据，主要包括：注册学生数、毕业人数、退学人数、专业以及地区等。
2.滞留率指标
滞留率与伪滞留率，因为2009年春季-2011年春季入学的学生无毕业生，故本文中的滞留率共涉及1999年秋季—2008年秋季18个届别的学生。不同专业的滞留率：共选取了三个具有代表性的专业，会计学、法学、计算机科学与技术。法学作为文法类专业的代表，计算机科学与技术作为理工类专业的代表，会计学属于综合性学科，招生时文理皆可。不同地区的滞留率：市区的滞留率，主要涉及总校本部五个直属学院以及市区的其他分校，共选取13个；郊县的滞留率，涉及郊区及县内的部分分校，共选取9个。
（三）计量方法
基于SPSS16.0对分层次滞留率、分地区滞留率、分专业滞留率进行t检验，进行差异比较。基于Excel对总体滞留率和影响滞留率的各相关因子进行灰关联分析，找出影响滞留率的强关联因子、次强关联因子以及弱关联因子[1]。
二、滞留率的变化趋势分析与周期变化
（一）滞留率的总体概况
1999年秋季—2008年秋季远程开放教育共招生13万余人，毕业生人数10万余人，退学人数1万余人。如图1所示，1999年秋季—2008年秋季的学生总数、毕业生数、退学学生数整体呈曲折变化趋势。学生总数、毕业生数、退学学生数在2003年秋季达到最高值，此届招生总数为13,861人，占1999年秋季—2008年秋季学生总数的10.66%；毕业生数为11,074人，占毕业生总数的10.6%。从整个变化趋势来看，每年秋季招生规模要远高于春季，在2005年秋季以前这种变化趋势非常明显，2006年春季以后，变化趋势渐缓，招生总人数趋于稳定，固定在8,000人左右。表1显示，开放教育学生的滞留率比较稳定，变化趋势不明显，滞留率维持在0.1以下。滞留率最高的是1999年秋季入学的学生，滞留率为0.09；滞留率最低的是2002年春季入学的学生，滞留率为0.02。第一个毕业年的伪滞留率整体呈下降趋势，1999年秋季学生的伪滞留率达到最低点，为0.28。从2002年春季开始，第一个毕业年的伪滞留率呈逐年下降趋势，2006年秋季下降幅度最大，下降了27个百分点。出现这种现象的原因主要有：第一，2006年秋季之后，教育部有关规定要求，成人学习最短毕业年限为2.5年（5学期），故学生的第一个毕业年均在第5个学期，学习时间变长，学生有更多的时间来学习知识，获得课程学分；第二，2007年开放教育由试点转为常规，教学模式趋于稳定，教学质量也得到了大幅度的提升。2006年之前，天津电大为了支持学生个性化学习，在其它各项条件合格的情况下，允许学生1年半（3个学期）毕业。如2003年春季，为了提高检察院工作人员的整体能力，天津电大和检察院进行合作，设立了法学（检察方向）专业，学生在学习1年半（3个学期）之后，各项考试合格，就允许其毕业并为其颁发毕业证书。表1显示了第一个毕业年的伪滞留率和最后一个毕业年的滞留率，图2显示了各级学生不同学期的滞留率，整体呈不同程度的下降趋势。第3学期至第期下降趋势明显，平均降幅达到14%；从第期开始，下降趋势渐趋平缓，滞留率基本维持在0.1以下。学生在经过9个学期的学习之后，逐渐达到教学计划规定的要求，完成学习任务，顺利拿到毕业证，致使滞留率降低。
（二）滞留率的周期变化
把开放教育的滞留率划分为三个周期，第一个周期为3至6学期，第二个周期为7至期，第三个学期为10至16学期。周期划分依据为：一般情况下3至6学期属于学生的第一个毕业年所在学期，如表1所示；7至期开放教育的滞留率还处在剧烈的变化之中，如图2所示；进入第期之后，滞留率渐趋稳定，变化较小。第一周期处于第一个毕业年，滞留率相对较高，平均滞留率为0.49，如表1所示；第二周期，学生在继续学习了4个学期之后，毕业人数明显上升，平均滞留率降至0.13，两年时间下降了37个百分点；第三周期，滞留率相对稳定，平均滞留率为0.06，和最后一个毕业年的滞留率基本吻合。
远程开放教育具个性化学习的特征，学习者需要自我组织、自主制订学习计划并按计划学习。在第一周期，学生由于不适应远程开放教育学习模式，再加上学习者多是有职业的人，时间相对不宽裕，导致第一周期的滞留率较高，约有50%的学生不能按期毕业[2]。第一周期的退学率也相对较高，约占退学学生总数的95%。第二周期，随着学校支持服务功能的加强以及学生自主学习能力的加强，滞留率大幅度下降。最后一个周期，随着学习年份的增多，滞留的这部分学生自信心下降，学习积极性下降，毕业学生明显减少，滞留率变化幅度较小。
三、多视点的滞留率变化趋势分析与差异比较
（一）不同层次的滞留率变化趋势与差异比较
1.本、专科滞留率的变化趋势
2002年春季之前入学的本科学生，滞留率呈逐年下降趋势（见图3），下降幅度较大，说明开放教育的质量不断提升，毕业人数显著增多，天津电大远程开放教育逐步探索出属于自己的教育模式。2002年春季的滞留率达到历史最低点，仅0.01。2002年秋季—2006年春季的滞留率渐趋稳定，没有大的波动，均在0.06以下。其中，滞留率最高的两届学生是2005年春季和2005年秋季，为0.06。2006年春季之后的本科学生滞留率上升速度加快，主要原因是2006年春季之后的学生还没有超过八年的学籍有效期，仍有一部分学生会在今后几年拿到毕业证书，目前属于伪滞留阶段。2000年秋季入学的学生滞留水平明显低于1999年秋季学生滞留水平，下降幅度较大。2001年春季—2007年春季学生的滞留率趋于稳定，2002年春季学生的滞留率水平达到专科滞留率的最低点，为0.03。2007年春季之后的专科滞留率和本科滞留率相类似，出现逐渐上升的趋势，同是出于学籍8年有效期的原因，目前属于伪滞留阶段。从图3的变化曲线来看，开放教育的专科滞留率要略高于本科滞留率、总体滞留率，变化也相对比较剧烈，平均高出总体滞留率3个百分点。
2.本、专科滞留率的差异比较
由表2可知，本科滞留率的均值为0.0721，专科滞留率的均值为0.1089。经t检验，本科滞留率和专科滞留率之间存在显著差异，t统计值为7.655（P 0.05），专科滞留率显著高于本科滞留率[3]。
（二）不同地区滞留率的变化趋势与差异分析
1.市区和郊县滞留率的整体变化趋势市区的总体滞留率偏高，平均滞留率为0.12，高于总体滞留率和郊县滞留率的水平。从图4的变化曲线来看，市区滞留率的变化曲线高于郊县滞留率和总体滞留率的变化曲线，整体呈上升趋势。郊县滞留率则相对平稳，2006年秋季以前的学生滞留率基本维持在0.05以下。从整体来看，市区的滞留率高于总体滞留率，总体滞留率高于郊县滞留率，郊县滞留率处于较低水平。2002年春季学生的滞留率降至最低点，滞留率为0。2.市区、郊县滞留率的差异比较市区滞留率的均值为0.1221，郊县滞留率的均值为0.0468（见表3）。经t检验，市区滞留率和郊县滞留率之间存在显著差异，t统计值为7.11，p值为0.00（p 0.05），郊县学生的滞留率显著低于市区学生的滞留率。
（三）不同专业滞留率的变化趋势及差异比较
目前，天津广播电视大学开设的专业有40余种，本文选取三个具有代表性且招生人数较多的专业进行分析研究。会计学专业总人数25,549人，约占1999年秋季—2008年秋季总人数的20%；法学专业总人数16,673人，约占1999年秋季—2008年秋季总人数的12%；计算机科学与技术专业总人数较少，2,000余人，但它是理科专业中招生年数较多的一个具有代表性的专业。
1.会计学、法学、计算机科学与技术滞留率的变化趋势
从图5中可以看出，会计学、法学、计算机科学与技术专业滞留率的变化曲线起伏较大。会计学的滞留率较为稳定，起伏较小，法学、计算机科学与技术的波动幅度较大，且变化无规律，滞留率也相应高于会计学的滞留率。滞留率最低的是2001年秋季和2002年春季法学专业，滞留率为0.01。滞留率最高的是2007年秋季和2008年秋季的计算机科学与技术专业，达到0.3。
2.专业间滞留率的差异比较
如表4，经过t检验，会计学滞留率和法学滞留率的t检验值为2.1，p值为0.053（p 0.05），会计学滞留率和法学滞留率之间并不存在显著差异。会计学滞留率和计算机科学与技术滞留率的t检验值为3.494，p值为0.004（p 0.05），两者之间存在显著差异，计算机科学与技术滞留率的平均值高于会计学滞留率平均值0.05个百分点。
四、滞留率与相关因子的灰关联分析
由于前述的各项滞留率是对同一批次的数据进行的分类统计，无法用多元回归分析来比较学历层次、地区、专业对滞留率影响力的大小。借鉴统计分析方法———灰关联分析对影响滞留率的各项因子进行分析，以找出影响滞留率的强关联因子、次强关联因子以及弱关联因子。
（一）指标分类
将天津电大远程开放教育2002年—2008年13批次入学学生总体滞留率作为参考序列，各批次本科滞留率、专科滞留率、郊县滞留率、市区滞留率、会计学滞留率、法学滞留率、计算机科学与技术滞留率作为比较因素序列，借助灰色系统理论分析两组序列间的关联性，以进一步探索天津电大远程教育总体滞留率的影响因素。参考序列：X0(k),k=1,……,13比较因素序列：Xi(k),i=1,……,7,k=1,……,13
（二）数据标准化
将各批次数据除以初始批次数据进行数据标准化，得到其倍数数列即为初值化数列，转化数列具有可比较性,可以将问题转向对原始数据列中各因素增长倍数进行分析对比。
（三）计算关联系数
将标准化后的总体滞留率作为母序列y0(k)，将标准化后的各滞留率作为关联序列，分别计算各组关联序列与母序列间的关联系数L0i(k)=min+ρmax0i(k)+ρmax，其中0i(k)=y0(k)-yi(k)；min和max分别代表所有比较序列各个时刻绝对差中的最大值与最小值；ρ是灰关联系数的分辨系数，其意义是削弱最大绝对差数值太大引起的失真，提高关联系数之间的差异显著性，经验数据ρ一般取值0.5[4]。
（四）计算关联度
关联度：r0i=1Nk=1ΣL0i(k)关联度描述了系统发展过程中因素间相对影响程度的大小，N为期间数量，关联度等于不同期间关联系数的加权平均值。
关联度数值反映了各因子序列对总体滞留率影响力的大小，通过关联度数值，我们可以找出影响总体滞留率的强关联因子、次强关联因子以及弱关联因子，并以此作为降低开放教育滞留率的切入点，揭示滞留规律，对强关联因子加强研究、关注，有针对性地提出对策。表7显示，在影响滞留率的各项因子中，本科滞留率为最强关联因子，对总体滞留率的变化影响力最大。其次为专科滞留率。不同专业的滞留率对总体滞留率变化的影响力各不相同，影响力最大的为会计学滞留率，在以后的教学活动中，应加强对会计学教学水平的关注。在本次研究中，对总体滞留率影响力最低的为市区滞留率和郊县滞留率，说明地区滞留率这个相关因子对总体滞留率影响不大，在哪个地区上学并不会影响到毕业学生的质量及数量。
五、主要结论与思考
（一）主要结论
通过对总体滞留率的整体变化趋势分析以及周期比较分析，并对不同层次、地区、专业的滞留率变化趋势分析以及差异比较，我们得出了初步的结论，更深层次的研究成果需要我们继续挖掘[5]。
———滞留率整体呈下降趋势。从表1可以看出，无论是伪滞留率还是滞留率都呈逐年下降趋势，学生的第一个毕业年所在学期也渐趋稳定，一般维持在第7学期。实践证明，学生经过7个学期的学习是比较合理的，此时第一个毕业年的伪滞留率相对较低。
———第二周期的滞留率下降速度较快。若将滞留率划分为三个流动周期，则滞留率在第二周期下降最快，下降速度为37个百分点。此时，学生通过前期的学习已经有了一定的基础，对学习还充满兴趣，并没有失去信心，仍有充足的动力去完成学业，加之教师的正确引导，本周期是降低滞留率、提高毕业率的最佳时期。进入第三周期，滞留率变化趋势不明显，滞留率基本稳定，没有很大的改进空间。
———专科滞留率高于本科滞留率。通过t检验显示，本科滞留率和专科滞留率有显著差异，专科的滞留率明显高于本科滞留率。本科学生在经过了前期的专科学习之后，有一定的学习基础，学习自律性也相对较高，因此，滞留率低于专科滞留率。
———市区滞留率高于郊县滞留率。通过t检验显示，市区滞留率和郊县滞留率有显著差异，市区的滞留率高于郊县的滞留率。这就打破了一些传统的观念。在传统上，一般情况下市区的教育质量高于郊县教育质量，滞留生也会相对较少。天津广播电视大学采用远程开放教育方式，真正达到了资源共享，郊县的学生也可以享有优质的教学资源，从而提高了教育质量，滞留率出现了低于市区的情况。
———专业间滞留率的比较。专业滞留率相对分层次滞留率和分地区滞留率来说，变化幅度较大，稳定性相对较低。计算机科学与技术作为理工科代表专业，滞留率高于法学和会计学，变化曲线起伏较大。开放教育的学生多是基础较差的学生，理工类课程的学习需要学生具备较高的学习能力和自主性，因此，开放教育理工类学生的滞留率相对较高。
———灰关联结果分析。以本科滞留率、专科滞留率、市区滞留率、郊县滞留率、法学滞留率、会计学滞留率、计算机科学与技术滞留率为相关因子，通过灰关联分析，可揭示各项因子对总体滞留率影响力的大小。通过分析，本科滞留率为最强关联因子，其次是专科滞留率、会计学滞留率、法学滞留率。在开放教育中，应加强对本科学生的关注，进一步提高本科教学质量。在专业方面，加强对会计学等学科的投入，加大专业建设力度，提升课程建设水平。
（二）对策思考
对策一，建立导学机制，加大支持服务力度。研究发现，在三个流动周期中，处于第二周期的学生上升空间最大。因此，可建立有效的导学机制，及早发现处于第二周期的学生的学习困难，提供相应的支持服务，使这部分伪滞留生顺利毕业。建立有效的导学机制，要从以下两方面出发。首先，进行深入细致的思想教育，端正学生的学习动机，强化他们的学习意志，激发学习热情，使他们保持良好的学习状态。其次，提高面授辅导质量。面授辅导在整个学习过程中起着答疑、解惑的作用，是开放教学中不可缺少的一环[6]。为处于第二周期的伪滞留生聘请高质量的面授辅导教师，制定适合他们的特色学习计划，发现他们学习中的不足，提高课堂的趣味性，使学生积极投入到学习过程中。同时，在条件允许的情况下，为学生增加面授课程次数，增加学生和教师直接接触的机会。
对策二，加大对本科教育的投入。对影响总体滞留率的相关因子进行分析后得出结论，最强关联因子为本科。因此，降低滞留率，需要加大对本科教育的投入，提高本科教育的教学水平。天津电大的远程开放教育模式需要学生具有一定的学习主动性，这就需要学生有一定的独立学习能力。而本科生在完成了专科学习之后，具有了一定的学习基础，良好的学习习惯也逐渐形成，更适合于这种远程教育模式。学校应加强对本科师资力量、教学设备的投入，切实加强媒体建设，提高视听、文字教材质量，为本科生的学习创造良好的环境。
对策三，为学生提供个性化服务。信息社会的快速发展，使得远程教育的教学媒体向着多样化发展，准确、及时地向学生传递学习信息，使学生不断完善个人的知识体系，建立自己的学习模式尤为重要。学校应不断更新资源库，为学生提供多样化学习资源，满足学生的个性化发展需求。
小学春季值周工作总结范文第2篇
1.1资料来源该研究选取新安气象站1979~2008年逐年的年、季平均气温、平均最高气温和平均最低气温以及逐年、季极端最高气温和极端最低气温及逐年无霜期、降水量等资料。
1.2划分标准季节划分采用气象学上的标准:春季是3~5月,夏季是6~8月,秋季是9~11月,冬季是12月和次年1~2月;高温天数指气温≥35℃的天数,低温指天数气温≤-5℃的天数;无霜期指从春季的无霜日到秋季的初霜日为无霜期。
1.3研究方法研究主要采用回归分析、趋势线分析等方法。通过引入气候倾向率和气候趋势系数来研究各要素的气候倾向趋势和变化幅度,并采用相关系数统计检验方法,检验气候趋势系数是否显著。
2气候变化特点
2.1气温变化特征
2.1.1平均气温年际变化特点。新安1979~2008年30年平均气温年际变化如所示。新安历年平均气温是14.3℃。从中可以看到,20世纪80年代初期平均气温最低,从80年代中期开始平均气温在平均值以上的次数越来越多,相对峰值和相对谷值都呈明显升高趋势;从90年代开始,波动较大,升温剧烈。新安近30年来,气温呈显著上升趋势,拟合方程为y=0.046x+13.54,升温倾向率达0.46℃/10a,相关系数为0.71,高于中国50年的0.22℃/10a平均水平。
2.1.2气温的季节变化特点。新安1979~2008年各季平均气温年际变化如所示。新安春季的平均气温是14.8℃,从中可以看出,新安春季增温比其他各季的增温都剧烈,波动也比较大,线性增温倾向率0.92℃/10a,相关系数为0.73,在四季中增幅最大。从90年代初期开始,气温上升速率加快,一直保持在较高水平,特别是从2000年以来,春季气温平均值基本都在15℃以上。新安冬季气温升高明显(),线性增温倾向率达0.36℃/10a。新安冬季的平均温度是1.9℃,从80年代开始到90年代末,冬季气温在波动中上升,波动较小,80年代的平均温度基本都在2℃以下,1984年出现了30年来冬季的最低值;90年代的平均温度基本都在2℃以上,从90年代开始,增温速率加快,冬温显著升高,暖冬现象严重;进入2000年后,冬季的气温波幅远远大于其他时期,气温忽高忽低,说明新安在冬季气温不断升高的同时,出现暖冬与冷冬的概率也在不断加大。新安秋季气温波动较大(),虽然有升有降,但总体在波动中上升,增温倾向率为0.36℃/10a,气候趋势系数为0.39,与冬季线性增温倾向率相同;平均气温是14.3℃,与全年平均气温相同。由可以看出,从20世纪90年代初期开始,新安的秋季平均气温基本都在14℃以上,呈稳定上升趋势。新安夏季气温波动较大(),平均气温是25.9℃。总体来看,虽然新安夏季气温呈上升趋势,线性增温倾向率为0.18℃/10a,但气温随年度变化的相关性还不强,尤其是从1997年开始,新安的夏季平均气温在波动中有下降趋势。
2.1.3极端最高(最低)气温年际变化特点。新安1979~2008年极端最低气温变化如所示。新安极端最低气温多出现在1月和12月,极端最低气温气候平均值是-10.9℃,其年际差异十分显著,2007年最高值-4.7℃比1990年最低值-14.7℃高10℃。极端最低气温变暖趋势十分明显(),增温剧烈,30年来极端最低气温除1990年的特殊年份外,总体呈明显的波动上升趋势,其线性拟合气候增暖倾向率为每10年1.06℃,气候趋势系数为0.5。新安极端最高气温多出现在6~8月份,极端最高气温平均值是39.4℃。新安1979~2008年极端最高气温年际变化中(),有升温趋势,线性升温倾向率0.26℃/10a。极端最高气温差异十分显著,1993年最低值36.6℃比2005年最高值41.7℃低5.1℃。与极端最低气温变暖趋势相比,极端最高气温趋势波动较大,有明显的周期性变化规律,气温升高与降低的周期一般为4年。
2.1.4高(低)温天数年际变化特点。新安平均高温天数是15.4d,在高温天数年际变化序列中,其年际差异十分显著,波动较大,1997年出现高温43d比1983年出现高温2d相差41d。新安1979~2008年近30年最高气温天数年际变化如所示。从中可以看出,新安高温天数峰值升高趋势比谷值升高趋势明显,高温天数的增加也十分明显,高温天数线性上升倾向率为2.29d/10a,气候趋势系数为0.27。新安平均低温天数是19.3d,在低温天数年际变化序列中,其年际差异十分显著,波动较大,1976年出现低温40d比2001年出现低温5d相差35d。新安1979~2008年近30a最低气温天数年际变化如所示,可以看出新安低温天数的减少十分明显,低温天数线性下降倾向率为5.11d/10a,气候趋势系数为0.52。
2.2无霜期年际变化特点新安平均无霜期是220d,在无霜期年际变化序列中,其年际波动不一(),在1979年到1982年间,无霜期波动较大,最大值在2006年的271d与最小值在1976年的195d的差值为76d。从1979年开始到1988年间,无霜期上升趋势比较稳定,是第一个高峰期;从1991年到2002年处于较低的缓慢地上升期;从2004年开始无霜期上升迅速,振幅增大。从无霜期年际变化的总体角度看呈明显性上升,上升倾向率为10.86d/10a,气候倾向率为0.55。
2.3降水变化特征
2.3.1降水的年际变化特征。新安1979~2008年降水量的变化序列如图8所示,新安年平均降水量为646.3mm,降水量总体趋势是在波动中明显减少,降水递减倾向率为3.97mm/10a,干旱化趋势在不知不觉中发生。同时还明显看出,气候变暖后,年降水量振幅的相对变率比气候变暖前有明显的增加,表明随着气候的变暖新安年降水量变率增大,出现大旱大涝的可能性增加。就年代变化而言:80年代为丰水期,降水量比较稳定,高于平均值34mm,90年代波动中急剧减少,低于平均值44mm,为严重干旱期;2000~2008降水量比90年代有所增加,如果不考虑2003年的峰值,仍低于90年代的平均水平,其中,2003年的降水量是30年来最高,为严重洪涝年,使得10年平均值增大,其他年度降水量仍相对较少,干旱威胁依然存在。
2.3.2降水的季节变化特征。新安1979~2008年近30a来各季降水情况如图9所示。新安平均春季降水量为126.8mm。从图9中可知,新安春季降水在波动中呈减少趋势,递减率为6.87mm/10a,但降水量与年际变化相关性不强,而降水波动性规律较明显,春季最大降水量在整体变化趋势中呈7~8年的周期性,最小降水量在整体变化趋势中呈5~6年的周期性。春旱现象越来越严重。新安年降水主要集中在夏季,夏季平均降水量为322mm,占全年总降水量的50%,对全年降水影响最大。由图9可以看到:新安夏季降水同春季降水一样呈减少趋势,递增率为3.78mm/10a。虽然夏季降水量与年际变化相关性不强,但夏季最大降水量波动规律性最强,在整体变化趋势中呈6~7年的周期性变化,最小降水量波动规律也相对较明显,在整体变化趋势中相对呈5~6年的周期性变化。新安平均秋季降水量为167.4mm。由图9可知,新安秋季降水略有增加趋势,其降水量与年际变化相关性不强,降水波动规律也不明显,波幅较大,突变性较强。从2003年以来秋季降水量减少明显。新安平均冬季降水量为34.2mm。由图9可知,新安冬季降水略有增加,递增率为3.23mm/10a。由于冬季降水总量较少,故对全年降水变化趋势影响不大。
3气候变暖对农业及生态环境的影响
3.1气候变暖对农业气候资源的影响气候是进行农业生产的自然环境中最基本最重要的条件之一。气候年复一年,周而复始地为农业生产提供着光、热、水、空气等能量和物质资源。因此,从农业的观点看,气候是一种重要的农业自然资源。大气中CO2等温室气体含量增多,引起“温室”效应,使气候变暖。以气候变暖为主导的气候变化必将对作物生长发育和产量形成产生明显的影响[1]。因为CO2是植物进行光合作用制造有机物质所必不可少的原料,是太阳能量的转化和储存以及地球生物圈赖以生存和平衡的基础。一般说来,在其他条件不变时,其含量增加将有利于植物的生长发育,但温度升高、有效水分减少会抑制作物对CO2的吸收,进而减弱光合同化过程的强度。气候变暖将导致地表径流、旱涝灾害频率发生变化。对气候变化敏感的传染性疾病的传播范围可能增加;与高温热浪天气有关的疾病和死亡率增加。研究表明,年平均气温升高1℃将引起农田蒸散量增加10%,地表流经量将减少62.9%,水资源总量将减少40%,土壤含水量减少10%,气温升高0.5℃耗水每公顷将增加30~75m3,加剧干旱的影响[2-6]。
3.2气候变暖对农业气象灾害的影响随着气温的升高,不定因素增多,气候变率加大、振幅增高,时空分布不均,气象自然灾害有明显的加剧趋势。主要表现在以下5个方面:①从新安的降水量来看,总体趋势是在波动中明显减少,降水递减倾向率为3.97mm/10a,再加上气温升高导致蒸发力加大,造成作物水分亏缺,产生严重干旱;②降水变率加大、振幅增高,在干旱发生频繁的同时会导致暴雨、冰雹、大风等气象自然灾害的加剧,甚至出现严重洪涝;③从各季气温变化振幅来看,冬季的振幅最大,正负差值达到4.2℃,说明在冬季气温不断升高的同时,温度的不稳定程度有所增加,出现暖冬与冷冬的概率也在不断加大,冬季的寒潮和雪灾也会时有发生,低温冷害和霜冻会给农业造成损失。④从增温速度和波动情况来看,春季增温比其他各季的增温都剧烈,波动也比较大,说明新安春季的倒春寒发生概率也很大,对农业影响更大。由于果树因气候变暖开花期提前,处在开花、授粉期桃树、梨树、核桃、苹果等抗冻能力下降,倒春寒不仅影响传粉授精,更严重会导致果树花朵冻枯脱落,产量下降。⑤从高温天数和最高气温变化情况来看,新安极端最高气温以每10年0.26℃的速度上升,高温天数以每10年2.29d的速度增加,说明新安炎热时间不断延长,干热风、热浪和酷暑的影响不断加大。由于作物生长对适宜温度、能够忍受的高温和低温都有一定的要求,超过上限的高温会使作物遭受高温胁迫危害,生长发育受到抑制,产量大大降低,如果高温和干旱结合,就会导致植株大量失水,迅速枯死。夏季是苹果、核桃、柿子幼果膨大期,超过35℃以上的高温会严重抑制果实的生长发育,气温高达38℃以上就会对果实产生日灼伤害,使果实停止生长、枯死、脱落。
3.3气候变暖对粮食作物的影响气候变暖尤其是随之而来的异常高温会给粮食作物带来以下影响:①会对作物生长产生不利的热害,胁迫作物来不及灌浆甚至中断或终止正常的生长发育进程而提前成熟;②温度升高加速土壤中肥料的分解和流失,蒸散率增加抵消了原本不多的降水量,从而使作物生长的水分胁迫加重;③较高的温度加快了作物的生育进程,缩短生育期,使之来不及累积光合同化产物、充盈籽粒而提前成熟,导致籽粒不饱满或瘪粒而减产。玉米、高粱和谷子是耗水量较小的喜温作物,适应性强,气温升高对玉米、高粱和谷子产量影响不大[7];大豆是喜凉作物,气温超过25℃,就会抑制其生长,致使减产;小麦是喜冷作物,由于冬季变暖、寒冷期缩短,会使其停止生长的越冬期缩短。王石立等的计算揭示了气温升高时因蒸发变大而导致小麦水分亏缺情况,表明小麦全生育期内农田蒸散量将大于当前气候8%~12%,以小麦拔节、抽穗阶段更为突出,由于小麦全生育期水分亏缺加剧引起的小麦减产值将比当前气候下大8%~20%,灌溉将增加25%~33%,有灌溉条件的地区,小麦可能增产,但灌溉增加使生产成本提高,而在没有灌溉条件的地区,水分胁迫加剧则将导致减产。
3.4气候变暖对作物病虫害的影响害虫是变温动物,其体温随环境温度的变化而变化。环境温度高,其生理代谢旺盛,生长发育快;环境温度低,其生理代谢弱,生长发育就慢。气候变暖,特别是冬季温度升高,将有利于害虫和病原体安全越冬,使来年春夏的虫病源基数增大,引发危害面积扩大,危害程度加重;春秋季温度升高,将延长害虫和病菌的可生育时期,有利于病虫害春季早发,冬季休眠推迟,危害期延长;而积温增加,可使1年中病虫繁育的世代增多,致使农作物受害概率增大;空气中CO2浓度增大,植株中含碳量增高,含氮量下降,致使害虫的采食量增大,导致对农作物的危害加重。
3.5气候变暖对自然植被的影响地球表面的植被类型及其分布基本上取决于年降水、年生物温度与湿度3个要素。未来各类自然植被将发生明显北移,南方的热带季风雨林将逐渐引进,相当多的树木面临不适宜的新的气候条件可能变得更为脆弱,尤其是寒温带针叶林将向北移入,部分树种甚至面临濒危状态。气候变暖,降水不能保持与温度的同步增加,导致植被光合作用所需水分供应不足,相当多的树种面临不适应新的气候条件,会变得更加脆弱、更易遭到病虫害侵袭。根据李英年对1987年以来黄河源区土壤湿度的监测结果分析,黄河源区下垫面蒸散量的加大使土壤向干暖化发展。这种气候因素的影响,导致近十几年来植被地上净初级生产力按9.506g/(m2 a)的倾向率下降[8]。
4对策与建议
气候变暖将导致地球气候系统的深刻变化,使人类与生态环境业已建立起来的相互适应关系受到显著影响和扰动。气候变暖将导致地表流经、旱涝灾害频率发生变化,特别是水资源供需矛盾更加突出;气候变化将使我国未来农业生产的不稳定性增加,产量波动大;气候变化将影响人类居住环境,最直接的威胁是洪涝、山体滑坡和与高温热浪天气有关的疾病和死亡率增加等。因此研究气候变化的影响,探讨增强新安农业应变能力的对策措施,为新安农业今后的发展方向和结构布局的调整提供一些科学依据和可供选择的对策方案。
(1)调整农业结构和布局,发展特色农业、旱作农业和生态农业。引进农业新技术、新品种,改变传统的耕作方式,大力发展经济作物经济林果业。
(2)水资源在减少,水需求在增加,水危机在加深。面对此环境,必须合理开发利用水资源,推广集雨技术和节水灌溉技术,推广渠道防渗、管道输水、喷灌滴灌等技术;加大人工影响天气力度,把开发空中水资源作为解决新安缺水问题的一条主要途径。
小学春季值周工作总结范文第3篇
关键词：电离层TEC 日变化 季节变化 Tash站
1、引言
电离层是指地球大气层中自由电子数量足以对无线电波传播产生重要影响的区域，高度范围一般认为是60～1000km，是太阳辐射与地球上层大气原子与分子的相互作用从而使中性大气电离的结果。电离层电子总含量（Total Electron Content，简称TEC）是指沿无线电信号传播路径上电子浓度的积分，是电离层重要的特征参数之一，它的时空变化对各种依赖无线电技术的系统产生不可忽视的影响。目前电离层TEC的获取手段多样，包括利用地面电离层垂测仪和卫星高度计获取电离层TEC等[1]，最为常见的是利用接收机接收GPS卫星信号，通过一定的方法提取电离层信息。
基于GPS/TEC数据，杨忠祥[2]利用GPS观测值分析了昆明地区电离层TEC周日变化特征，王建平[3]利用上海地区GPS观测网数据分析了该区域电离层TEC变化特征，史珂[4]基于CORS研究了高原地区电离层不对称性，由于电离层TEC存在地区分布特性，因此不同地区的分布特征研究都具有一定的价值。本文将介绍利用GPS双频信号获取电离层TEC的方法，然后利用解算的数据研究新疆地区电离层TEC的日变化和季节变化特征。
2、GPS/TEC解算方法[5]
电离层是色散和各向异性的双折射介质，使得穿过电离层的无线电信号具有相对于真空的附加传输时延，产生的延迟与电波频率的平方成反比，因此利用不同频率的电磁波信号便可以有效消除电离层的影响。GPS采用双频信号（ ， ）以修正电离层延迟误差，不同波段的信号传播必须经过硬件路径和内部电子环路，使得GPS卫星和接收机电路存在延迟偏差，这种硬件延迟可能会带来大约7ns的误差，必须引起特别注意，所以完整的伪距和相位观测方程必须写成：
（1）
式中， 、 分别为电离层绝对和相对TEC， 、 分别为GPS卫星的两个工作频率， 为 、 频率下两个伪距观测量之差， 、 分别为两个频率伪距观测的卫星电路延迟之差和伪距观测的接收机电路延迟量之差，在实际计算时，常将GPS卫星硬件延迟和接收机硬件延迟作为一个整体即通常所说的硬件延迟 ； 为 、 频率下两个相位观测量之差，
分别为两个频率相位观测的卫星电路延迟之差和相位观测的接收机电路延迟量之差， 为整周期模糊度组合常数。
在利用GPS双频观测数据解算电离层TEC时，通常用到电离层薄层假设模型（Single Layer Model，简称SLM），该模型如图1所示：
图1 电离层单层模型
在电离层薄层模型假设中，GPS卫星信号探测的结果是穿刺点（Ionospheric Pierce Point，简称IPP）处垂直方向的电离层TEC，因此必须知道IPP处具置信息。IPP处纬度 、经度 ：
式中， 、 分别为测站纬度和经度， 为测站处卫星方位角。
在SLM的假设下，斜TEC（电子密度沿卫星信号传播路径上的积分）可以转化为穿刺点处的VTEC：
（2）
投影函数 主要有三角函数型、Klobuchar模型、Clynch Q因子以及欧吉坤提出的分段取值等形式。在卫星仰角大于15o～20o时，各类投影函数的计算效果没有显著差异，因此，在实际计算时应尽可能选取卫星仰角大于15o的数据，本文的投影函数选用简单实用的三角函数，即
电离层单层多项式展开模型是一个广泛用于模拟区域电离层TEC时空变化的模型。它是将一段时间内垂直总电子含量VTEC看作是纬度差
和太阳时角差 的函数，具体表达式为：
（3）
式中， ， 、 分别为穿刺点地理纬度和经度，
为观测时刻， 为该时段内的计算起始时间， 为测站在 时刻的太阳时角， 为多项式拟合系数， 为多项式阶数。由（1）、（2）式得：
（4）
式中， 为接收机、卫星硬件的组合硬件延迟。
由（3）、（4）式可得新观测方程为：
假设在该时段内可以跟踪到 颗卫星，则观测方程中待估计的参数为
（ ）个，采用最小二乘法可以同时解算该时间段内的电离层模型参数、接收机和卫星的组合硬件延迟。
本文使用新疆塔什库尔干地区一个GPS台站（37.78°N，74.24°E）解算的2010年电离层TEC观测数据进行预报试验，为了保证数据的完整，采用Matlab软件中的立方插值方法对缺省数据插值，该样本数据时间采样间隔为15分钟。
3、电离层TEC变化特征分析
利用Tash站电离层TEC数据首先分析其随地方时变化特征，结果如图2所示。图2为2010年第70天电离层TEC日变化分布情况，从图中可以看出，电离层TEC存在显著的地方时变化，凌晨02：00LT出现一个极大值10TECU，之后处于减小趋势，06：00LT达到极小值7TECU，日出后电离层TEC出现快速增长，14：00LT达到最大值18.5TECU，随后开始下降，直到00：00LT达到最小值5.8TECU。一天之内最大值和最小值可以相差12.7TECU，即最大值是最小值的3倍左右，说明太阳辐射的作用对电离层来说是非常显著的。
图2 2010年第70天电离层TEC日变化特征
为了研究电离层TEC的季节变化特征，图3给出了四个不同地方时（02：00LT、08：00LT、14：00LT和18：00LT）电离层TEC变化特征。从图中可以看出：2010年02：00LT电离层TEC变化范围为2～10TECU，08：00LT电离层TEC变化范围为4～18TECU，14：00LT电离层TEC变化范围为5～23TECU，20：00LT电离层TEC变化范围为1～17TECU；02：00LT冬季TEC大小低于其他季节，08：00LT春季TEC大小高于其他季节，14：00LT春秋季节TEC大小高于夏季和冬季，20：00LT冬季TEC大小明显低于其他季节。
图3 电离层TEC在四个不同时刻的全年变化特征
图4给出了4个季节电离层TEC平均状态，从图中可以看出：不管哪个季节，一天中TEC的最小值都出现在05：00LT，并且春季最大，秋季次之，冬季最小；最大值出现的时间存在较大的不同，冬季最早，出现在11：00LT，秋季次之，出现在11：30LT，夏季再次，出现在12：00LT，春季最晚，出现在12：30LT，并且最大值依次为春季、夏季、秋季和冬季；随着太阳高度角的降低，电离层TEC开始迅速下降，但是值得注意的是夏季19：00LT电离层TEC出现一个极大值，冬季22：00LT出现一个极大值，秋季00：00LT出现一个极大值；四个季节最大值和最小值的比值分别为2.5、3.5、2.5和2.5。
图4 不同季节电离层TEC日变化
4、结论
本文介绍了利用GPS接收机数据结算电离层TEC的方法，并分析了新疆地区2010年电离层TEC日变化和季节变化特征，得出以下结论：
（1）02：00LT、08：00LT、14：00LT和20：00LT时刻电离层TEC变化范围分别为2～10TECU、4～18TECU、5～23TECU和1～17TECU；
（2）02：00LT冬季TEC大小低于其他季节，08：00LT春季TEC大小高于其他季节，14：00LT春秋季节TEC大小高于夏季和冬季，20：00LT冬季TEC大小明显低于其他季节；
（3）电离层TEC的最小值都出现在05：00LT附近，并且数值大小上春季最大，秋季次之，冬季最小；
（4）电离层TEC最大值出现的时间冬季出现在11：00LT，秋季出现在11：30LT，夏季出现在12：00LT，春季出现在12：30LT，并且最大值依次为17TECU、15TECU、13TECU和10TECU；
（5）夏季19：00LT电离层TEC出现一个极大值，冬季22：00LT出现一个极大值，秋季00：00LT出现一个极大值；
（6）四个季节电离层TEC最大值和最小值的比值分别为2.5、3.5、2.5和2.5。
电离层TEC具有显著的时空变化特征，由于新疆地区探测数据和研究相对较少，因此有必要在今后的工作中继续加强相关的研究工作。
参考文献
[1] 方涵先， 翁利斌， 杨升高， 等. IRI、NeQuick和Klobuchar模式比较研究[J]. 地球物理学进展， 2012， 27（1）： 1～7.
[2] 杨忠祥. 利用双频GPS观测值分析高原（昆明）地区电离层TEC周日变化特征[D]. 昆明理工大学， 昆明， 2008.
[3] 王建平. 中国及周边地区电离层TEC短期预报方法研究[D]. 西安电子科技大学， 西安， 2008.
小学春季值周工作总结范文第4篇
德阳市人民医院运营管理部，四川德阳 618000
[摘要] 目的 分析医院医疗业务收入的季节变化规律，为医院有效调度医疗资源提供依据。方法 运用移动平均趋势剔除法，找到季节指数。结果 医院医疗业务收入季节性明显。1~2月、5月、10月为淡季，4月、7~9月、12月为旺季。结论 移动平均趋势剔除法能准确反映医院医疗业务收入的季节变化规律，为医院管理决策提供科学依据。
[
关键词 ] 移动平均趋势剔除法；季节变动；医院效益
[中图分类号] R195.1
[文献标识码] A
[文章编号] 1672-5654（2014）10（c）-0051-02
Moving average trend rejection method in the analysis of hospital efficiency
FEI YanghuaHAN JiaHUANG Chengguang
First-author acute;s address People acute;s Hospital of Deyang City Operations management department,Deyang,Sichuan 618000 ,China
[Abstract] Objective Analyze the rule of seasonal change of hospital business income, provide the basis for effective scheduling medical resources. Methods Using the method of moving average trend strip, find seasonal index. Results The seasonal obvious hospital business income. In January and February, in May and October off-season, April, Between July and September, December for the season. Conclusion Moving average trend strip method can accurately reflect the rule of seasonal change of hospital business income, which will provide a scientific basis for hospital management decisions.
[Key words] Moving average trend rejection method；seasonal changes；Hospital efficiency
医院效益分析是了解医院经营状况，改善经营环境的重要手段。医院效益受到季节变动的影响较大，并在一个年度随着季节的更替而发生有规律的波动，认识并利用季节变动的规律性，以便合理安排、组织医疗活动。
季节变动是指对一个自然年度内由于社会、政治、经济、自然因素等影响，形成的以一定时期为周期的有规则的重复变动。测定季节变动的方法主要分两种：①不排除长期趋势的影响，直接根据原时间数列来测定，叫做月（季）平均法；②依据消除长期趋势后的时间数列来测定，叫做趋势剔除法。由于我院收入近几年呈持续递增趋势，所以本文选取移动平均趋势法来消除原时间数列中的长期趋势的影响，寻找季节变动的一般规律。
1 移动平均趋势剔除法
1.1移动平均趋势剔除法的计算步骤
①根据时间数列中各年按月的数值（yi）计算其12个月的移动平均数[1]。
由于是12项移动平均数落点在两个月的中间，因此，必须对它们进行移正平均，来确定中间月份的趋势值。如1~12月平均数在该年6~7月之间（即年的中间点），2月至下年1月的平均数在7~8月之间，就要把这两者加以再平均，才能用以代表7月份的趋势值（yc）。依次类推，形成以趋势值构成的新数列。
②各月实际数值除以趋势值，得出修匀比率（Ui），使增长趋势的影响得以消除，以表明各月份的季节变动程度。修匀比率的计算式Ui =yi÷yc（yi代表各月的实际数值，yc代表趋势值）。
③将各年同月的修匀比率加以平均，得到各年同月的平均修匀比率：
式中：n为同月修匀比率的项数。
平均修匀比率已是季节比率，但由于12个月的总和不等于1200%，需通过以下第4和5步骤进行调整来最后确定。
④由12个月修匀比率计算月总平均修匀比率。
⑤对以上计算的各月平均修匀比率进行调整来确定季节比率Is。
1.2季节比率Is的含义
是根据季节比率Is与其平均数(100%)的偏差程度测定季节变动的程度。如果某一月份或季度没有明显季节变动，各期的季节比率等于100%；如果某一月份或季度有明显的季节变化，各期的季节比率应大于或小于100%。季节比率偏离100%越远，代表季节变动越明显。
2用移动平均趋势剔除法在实际工作中的运用
2.1根据德阳市人民医院2009 —2013年的医疗业务收入
（医疗业务收入=医疗收入+药品收入）用移动平均趋势剔除法计算各月季节比率，结果如图1。
2.2结果分析
2.2.1时间数列的分析，从上图我们可以看出医院收入在一个年度中波动较大，如1月份77.3偏离均数22.7个百分点，9月份偏离均数17.6个百分点，正负差异40.3个百分点。
2.2.2医院医疗业务收入季节性明显1~2月、5月、10月为三个明显的淡季，4月、7~9月、12月为三个旺季。
2.2.3淡季分析对1~2月、5月、10月淡季的分析，主要是受到春节、黄金周节假日的影响，春节是中国传统佳节，国人有“腊月忌尾，正月忌头”的传统观念，一般非危急重症不会到医院就诊，门诊人次和住院人次均受到影响，特别是择期手术。同时春节前后，医护人员劳累了一年也存在过节期间确保安全，减少工作量的主观思想。5月正值农忙时节，周边县市乡镇农村劳动力主要在从事农业生产，看病就医人员减少。另外5月劳动节放假3 d也影响医院业务收入。10月国庆节放假7 d，放假期间专科门诊大部分停诊，仅保留便民门诊和常年门诊，门诊人次大幅度降低。部分科室为了确保节假日医疗安全，有意减少在院病人，并且主观上不愿意收治病人的现象存在。
针对节假日的建议：医院内部应该引起高度重视，积极做好宣传活动，开发假日医疗市场，提高假日病床使用率，实行假日手术预约、体检预约等手段，吸引上班族利用黄金周进行身体的充电和加油。如专门分析和出台政策保障节假日的医疗安全和提高工作效率，绩效管理上能出台政策鼓励节假日手术，节假日收治病人等。
2.2.4 旺季分析从季节比率可以看出医院收入的旺季主要在4月、7~9月和12月。旺季出现在4月主要是4月是各种传染病、流行病的发病高峰，同时4月万物复苏，季节和气候均适宜开展手术，手术科室患者明显增加。旺季出现在7~9月主要是学生放假，家长和学生有时间和精力来医院咨询、检查、就诊，择期手术如乳腺手术、包皮手术、白内障手术多选择在此间进行[2]。同时夏秋交替季节，也是秋季传染病流行高峰。12月严冬季节，是儿童、老年及体弱患者呼吸系统疾病、心血管系统疾病的发病高峰，随着我市人口的逐渐老龄化，这一季节的患病人数将呈上升趋势。12月也是医院会计年度的结尾，部分集中收款、各地医保、新农合结算等均在12月，也造成12月医疗业务收入较高。
2.3对未来医疗业务收入的预测
运用季节变动的资料，可以进行某些外推预测[3]。有两种方法：①如果已测得下1年度全年预测值，则各月（季）预测值等于月（季）平均预测值乘以该月（季）的季节比率。②如果已知下1年份几个月的实际水平，则以后各月（季）的预测值等于已知月（季）的实际水平乘以后各月（季）的季节比率与已知月（季）季节比率之比。
如：根据2014年我院预计收入目标，季节比率可计算出每月的计划收入额，可计算半年的目标计划完成率为（77.3+87.3+97.7+105.2+93.3+103）/1200=46.98%。
3结语
定量分析和定性分析结合在医院经营管理中越来越重要，利用移动平均趋势法计算的季节比率，可以定量地分析医院收入的变动趋势情况，指导我们合理分配医疗资源[4]，调整医疗流程，更好地为病人服务，同时为科学分解医院总目标提供技术支持。
[
参考文献]
[1]李洁明,祁新娥.统计学原理[M].5版.上海：复旦大学出版社,2010.
[2]王春如，卢爱玲.移动平均比率法预测门诊人次[J].中国病案,2007，8(12):38-40.
[3]陈辉,周雄辉.移动平均季节指数法在预测门诊量和出院人数中的运用[J].中国卫生统计,2012，4(2):312.
小学春季值周工作总结范文第5篇
关键词：小麦价格；价格波动；长期波动；波动周期；X12季节调整模型；HP滤波模型
小麦是我国主要的粮食作物之一，其播种面积占粮食（水稻、小麦、玉米）总播种面积的25%左右，其产量占我国粮食总产量的1/5左右，在全球小麦产量大约占17%；同时小麦也是我国食用消费的主要粮食品种之一，2000年小食用消费约占粮食总消费量的30%左右。频繁波动的小麦市场价格导致了粮食市场的高频波动和农民种粮行为的不稳定。种种现状造成了全国粮食缺口持续增大，对我国粮食安全战略的实施存在一定威胁。我国自2006年实行粮食保护政策，即最低收购价政策，逐渐稳定了小麦市场价格，价格波动的频幅都在逐渐减弱。由此可见，价格波动已经成为我国小麦产业发展中主要的内涵特征，也是小麦产业面临的核心问题。
目前，粮食品种价格波动的研究在探寻波动特征规律和波动周期的划分方面比较丰富，大都是采用HP滤波法、季节调整法和ARCH模型等序列数据的分析方法，可是他们主要采取主观意识来划分粮食价格波动周期，存在划分不科学的缺点。所以，本研究会先计算出小麦市场价格波动偏离率指标，并且通过该指标的变动幅度来确定小麦市场价格周期的划分，旨在用客观角度提取出全国小麦市场价格波动特征。
一、研究方法及数据来源
（一）研究方法
目前，分解经济时间序列的趋势因素和循环要素，测定长期趋势的方法丰富， HP滤波方法是用来分析状态空间中的时间序列，等同于极小化波动方差，方法运用方便灵活，不拘于经济周期峰谷的确定，HP滤波提高了经济周期的频率，从而减弱了周期波动。
该方法的基本原理为：设是一个时间序列，有趋势成分和波动成分两部分，其中YtT是趋势成分，YtC是波动成分，得出：Yt=YtT+YtC（t=1，2，L，T）将YtT分离出来，使min{（Yt-YtT）2+λ（YTt+1-YtT）-（YtT-YTt-1）}最小化，所以用惩罚因子λ来调节趋势的变化，λ存在递增性。HP滤波依赖于参数λ的确定，当λ=0时，满足该条件的趋势序列为Yt序列；随着λ值的增加，估计的趋势更加光滑。研究经验证明，在使用月度数据时，设λ=14400。然后计算波动项对趋势项的偏离率：RV=YtC/YtT，RV表明了指定经济时间序列对长期趋势的偏离幅度，进而表现出其短期波动状态。为提高周期划分的科学性，本文以偏离率RV作为周期划分的标准。
（二）数据来源
本文以2002年12月至2014年10月小麦市场价格指数作为研究对象，数据来源于中经网产业数据库（CEInet Industry Database），数据相对完整。
二、我国小麦市场价格波动主要特征
（一）小麦市场价格短期波动剧烈
在研究期内，我国小麦市场价格短期波动剧烈，呈现出与市场供需波动一致的状态。小麦价格在143个月中形成了12个上涨和下跌的交替波动。自2003年8月开始，小麦价格开始剧烈上涨，在2004年，小麦价格有6个月的平均环比增长速度是14.17%，2004年的下半年开始剧烈下跌，下跌速度为10.44%，直到2005年年末才转为缓慢环比上涨。2006年年初开始，缓慢上涨和下跌交替，上涨速度不超过4%，下跌速度不超过2%。图1为研究期内小麦市场价格环比增长速度。
由图1可得，2005年年末前，我国小麦价格存在大幅度波动，环比上涨或下跌速率大于5%，波峰和波谷的环比速度差高达24%，振荡式的上涨和下跌，而从2006年年初开始，波动幅度减小，波动趋于稳定。这表明了我国小麦市场价格的波动幅度和波动频率都在逐渐减小。
（二）小麦市场价格总体呈上涨态势，周期变化不一
研究期内，从总体上来看，我国小麦市场价格呈上涨趋势，存在周期性变化，波动周期时长各异，最长周期有64个月，最短周期只有4～5个月，且波动周期呈现越来越平缓的态势。小麦市场价格在2003年4月至2003年9月、2006年2月至2007年11月波动相较剧烈；小麦市场价格在2002年12月至2003年3月、2003年10月至2005年5月波动十分剧烈；小麦市场价格在2007年12月至2013年3月趋于稳定，其环比增长速度曲线趋于0（见图1）。
三、我国小麦市场价格波动计量分析
（一）X12季节调整模型分析
通常来说，经济时间序列由长期趋势要素T、循环要素C、季节变动要素S 和不规则要素I组成。季节变动因素会导致非常显著的季节性波动，通常和不规则要素掩盖了客观的经济变化，增加了对价格变动速度和形势的分析难度，降低了研究结论的可信度。因此，为准确地研究我国小麦市场价格，原价格序列需先进行季节性调整。季节调整是从经济时间序列中估计和剔除季节因素影响的过程。调整后的数据能反映出瞬时变化和其变化的转折点；还能挖掘出时间序列长期波动规律，并对未来做出比较准确的趋势预测。
本文首先对原价格序列进行X12季节调整，剔除了价格序列中季节要素的影响，使隐藏的趋势循环波动序列显现。本文选择加法模型作为季节调整分解形式，即Yt=TCt+St+It，原始价格序列Yt，St和It代表季节要素和不规则要素，趋势循环要素TCt。对加法模型利用 Eviews6.0进行模拟，发现了我国小麦市场价格在研究期内的季节性波动特征。比较图5和图2，发现小麦市场价格趋势序列比原始序列更加平滑，表明小麦市场价格在很大程度上受季节因素的影响，是由于我国小麦产销存在季节性分布不平衡特征。
图3中，我国小麦市场价格季节要素序列也明显表现出季节分布特征，可以看出小麦价格在1、2、10、11、12月上涨，在4、5、6、7、8月下跌，3月和9月相较稳定。春秋和夏冬因素分别导致价格的上涨和下落，这基本与小麦的生长周期保持一致。
图4中，小麦价格不规则分量在2002年底到2005年中表F明显，说明小麦价格发生剧烈波动。在2004年，价格不规则分量远远低于0值，说明小麦价格在2004年达到历史低峰。2005年开始，价格不规则分量在0值上下浮动不大，表明我国小麦价格整体趋于平稳。
（二） HP滤波分解模型分析
1. 长期趋势分解。采用HP滤波法对排除了季节和不规则因素影响后的月度价格序列进行趋势分解，图6所示，Trend和Cycle分别是从月度价格序列分解出的价格长期趋势值和HP滤波波动值。
图6中，HP滤波波动值以0值线上下浮动，能够发现 HP滤波法对进行了季节调整后的小麦市场价格长期趋势的拟合效果比较满意。对波动值序列进行平稳性检验，检验选择同时包含常数项和趋势项，滞后期为5的模型，结果见表1。
表1中，ADF统计值同时小于在1%、5%和10%显著性水平下的临界值，表明剔除了长期趋势的波动循环序列是平稳序列， 说明HP滤波法对我国小麦市场价格长期趋势的拟合效果令人满意。
通常将偏离率上升到邻近波峰再反弹下落至临近波谷当作是一个完整的周期。我们将偏离率每次形成的峰谷落差大于8%划分为一个波动周期，高于水平0值部分作为波峰，低于部分作为波谷，划分结果见表2。
2. 我国小麦市场价格波动周期分析。表2中，在2002年12月到2014年10月，我国小麦市场价格发生了3次周期变化，包括2次完整周期和1次起始周期，平均每18个季度就会有一次大的价格波动。
2002年年底到2004年初，小麦价格逐渐回升，因为2003年夏小麦减产，小麦质量因自然灾害而降低，并且国内小麦进口量降低，出口量加剧增长（2002 年同比增长38%，2003年同比增长超过150%），供需差额进一步加大。2003年年底，小麦价格剧烈上涨，而当年夏秋小麦产量降低，小麦供不应求，粮食加工企业和产销区开始加购小麦储存。在2003年年底到2004年年初小麦价格经历了短暂的上涨，然后又出现了回落的状态。2005年前三个月，国家开始实行粮食保护政策，小麦价格基本稳定，存在下降的趋势，。2005年4月末和6月，我国分别发出《关于做好小麦购销工作稳定市场价格的紧急通知》和《关于积极做好夏粮收购工作的通知》，对小麦价格下跌起到了一定抑制的作用。2006年年初，我国实施了小麦最低收购价政策，对小麦价格起到了有力的支撑作用。
最后，比较波动周期持续时间和峰谷落差，可以得出2个完整周期是具有不重复性和非对称性的。
四、结论
本文基于国小麦市场月度价格指数，运用季节调整方法和HP 滤波法进行分解，分析了我国小麦市场价格的波动特征和波动规律，而且按照波动偏离率客观划分了我国小麦市场价格波动周期，研究发现小麦市场价格呈现明显的季节性波动，夏秋和春冬因素分别导致小麦价格上涨和下跌，与其生长期一致。在研究期内，平均每18个季度发生一次剧烈价格波动，波动周期呈现延长，而波动幅度存在逐渐缩小的趋势，说明我国小麦市场价格趋于稳定。并且由于我国实行粮食保护政策，这延长了小麦价格的周期。所以，针对价格的异常波动，我国需要依循小麦价格波动规律进行宏观调控，还需注意市场内部力量。
参考文献：
[1]刘俊杰.我国粮食价格波动研究―以小麦为例[D].南京农业大学，2011.
[2]徐雪高，靳兴初，沈杰，等.我国农产品价格波动的历史回顾及启示[J].中国物价，2008（05）.
[3]庄岩.我国农产品价格波动现状分析[J].中国对外贸易：英文版，2012（02）.
[4]金三林，张江雪.国际主要农产品价格波动的特点及影响因素[J].经济纵横，2012（03）.
[5]罗万纯，刘锐.中国粮食价格波动分析：基于ARCH类模型[J].中国农村经济，2010（04）.
