固定资产投资考虑因素

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇固定资产投资考虑因素范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

固定资产投资考虑因素范文第1篇

【关键词】疆煤外运；影响因素；主成分分析法

1.引言

近年来，随着我国经济的发展，我国的煤炭的消费量在不断增加。而煤炭的主产地产煤量却在日益缩减，煤炭供求出现较大缺口。就目前我国的煤炭资源形势来看，适度合理的开发新疆煤炭资源及将新疆煤炭外运满足其他省份煤炭需求，无论是出于对促进新疆经济增长的考虑，还是出于对国家能源安全的考虑，都是十分必要的。新疆地区的煤炭外运主要方式是铁路运输，另外，其公路运输、煤制气及煤制油的管道运输、煤发电的电网运输也是十分重要的运输方式，本文将对不同外运形式的不同影响因素进行分析，从而找到其中主要的外运影响因素，进而给出相关政策建议。

2.疆煤外运主要影响因素分析

2.1原始数据的选取

影响因素分别选取铁路营业里程、铁路固定资产投资、公路营业里程、公路固定资产投资、铁路公路煤炭外运量、管道输油气里程、管道固定资产投资、电力供应固定资产投资八个指标。原始数据表如表1所示。

由表2旋转后的正交因子载荷矩阵可知，第一公共因子高载荷的指标有X4公路固定资产投资、X8电力供应固定资产投资、X6管道输油气里程、X1铁路营业里程、X5公路铁路煤炭外运量、X3公路营业里程、X2铁路固定资产投资；第一公因子记为F1。第二公因子上高载荷的指标有X7管道固定资产投资；第二公因子记为F2。

通过主成分分析法，计算出成分得分系数矩阵以及标准化数据，根据成分得分系数矩阵及标准化数据可以计算各种成分得分，公式如下：

2.3结果分析

首先，由主成分分析的历年综合得分排名可以看出，新疆煤炭外运能力从2002年至2012年十年间，其煤炭外运能力综合水平是逐年上升的。

其次，由旋转后的正交因子载荷矩阵可知，第一公共因子载荷较高的前两个指标有X4公路固定资产投资、X8电力供应固定资产投资。第二公因子上高载荷的指标有X7管道固定资产投资。因此，新疆煤炭外运影响因素中，固定资产投资不足是最为重要的影响因素。

【参考文献】

[1]段国钦.交通走廊运输需求分析及其运输结构优化研究[D].长安大学，硕士学位论文，2000.

固定资产投资考虑因素范文第2篇

摘 要 国有集团企业投资面临诸多影响因素制约，为国有企业集团制定合理的投资政策提供理论和实证支持，进而有利于国有企业集团提高投资效率，提升企业价值，本文选取A股市场国有企业集团的上市公司为研究样本，充分考虑国有企业集团的政治和经济特性，建立多元线性回归模型研究影响企业固定资产投资对企业价值的影响。

关键词 固定资产 投资 实证 分析

本文采用回归分析等方法对国有企业集团固定资产投资与企业价值进行实证研究，并对国有企业集团固定资产投资决策的合理控制和战略思考提出了一些合理建议。通过实证分析，揭示国有企业集团固定资产投资与企业价值的关系，为国有企业集团制定合理的固定资产投资政策提供理论与现实支持，完善集团企业固定资产投资管理模式，进而有利于集团企业能够提高投资效率。

一、研究假设及变量定义

从会计学角度看，企业价值定义为资产负债表的历史成本计量的会计价值，即账面价值。从财务角度来讲，公司的价值不仅体现为每股净资产、企业利润的增长以及盈利能力的提高，固定资产投资的收益率超过资本成本，同样也反映了公司价值的提高。本文研究企业价值按照财务与会计学角度计量企业价值，选取市场价值、市账比、股东价值、盈利能力等四方面综合考虑企业价值。

本文提出假设H1：固定资产投资额与代表样本企业价值的市场价值没有显著关系。本文提出假设H2：固定资产投资额与代表样本企业价值的市账比没有显著关系。本文提出假设H3：固定资产投资额与代表样本企业股东价值的每股净资产正相关。本文提出假设H4：固定资产投资额与代表样本企业获利能力的每股收益正相关。

（一）被解释变量定义

本文被解释变量为企业价值。我们设计了如下指标：

Y1 =Ln （股价*总股数）；Y2 =股价/每股账面价值；Y3 =股东权益/股本总数；Y4 =税后利润/股本总数。其中：Y1 为加总企业所有发行在外的证券的市场价值；Y2 为股价相对每股账面值的比率；Y3 为每股净资产；Y4 为每股收益。以上指标体现了企业价值最大化的不同财务目标，并且这些指标在一定程度上剔除了公司规模的影响。表1是对被解释变量的定义。

表1 被解释变量定义表

被解释变量名称 符号 研究变量 计算公式

市场价值 Y1 市场价值 Ln （股价*总股数）

市账比 Y2 市账比 股价/每股账面价值

股东价值 Y3 每股净资产 股东权益/股本总数

获利能力 Y4 每股收益 税后利润/股本总数

（二）表2是对解释变量（固定资产投资额）的定义

考虑到国有企业集团的规模大小不同、行业特点不同，特采用解变量固定资产头额的自然对数为代替变量。

表2解释变量定义表

解释变量名称 符号 计算公式

2008年固定资产投资 X1 Ln（2008年固定资产投资额）

2009年固定资产投资 X2 Ln（2009年固定资产投资额）

2010年固定资产投资 X3 Ln（2010年固定资产投资额）

（三）控制变量定义

企业价值不仅受固定资产投资额的影响，还与公司的规模存在重要联系，因此本文选取这些作为控制变量。一般认为小型国有企业集团和大型国有企业集团在固定资产投资中具有不同优势。小型国有企业集团在固定资产投资方面主要具有灵活性优势 而大型国有企业集团主要拥有资源优势，因此规模因素应加以控制。本文，选用企业集团资产对数作为企业规模的变量，设定为X4 。

二、数据来源和样本选择

本文以国泰安的CSMAR数据库提供的国有企业集团上市公司固定资产投资与企业价值数据为基础，主要以深沪两市2008年-2011年的A股国有集团上市公司为研究样本。样本的选取遵循以下原则：第一，选取2007年12月31日前在我国深沪上市的公司为样本，为了保持样本数据的平衡性；第二，剔除了ST、PT类企业，企业要进行固定资产投资首要前提是企业具有承担社会责任的能力，ST、PT类企业自身盈利存在一定困难，因此将其剔除；第三，剔除数据信息不全的上市企业。根据上述原则，最后选取了79家上市公司4年的数据作为研究样本。

三、实证分析

（一）建立回归模型

本文选取样本企业企业价值Yi作为被解释变量，以样本企业固定资产投资额Xi作为解释变量，建立回归模型如下：

Yi=β0+β1X1+β2X2+β3X3++β4X4+ε

其中，Yi――样本企业企业价值（被解释变量）；X1、2、3――样本企业固定资产投资（解释变量）；X4 ――样本企业规模（控制变量）；β0――模型的截距；

βi（i=1，2，3……，k） ――解释变量系数；εi――随机误差。

（二）回归分析

1.本研究在回归模型的建立方法中选取进入法、逐步法或删除法。被解释变量“市场价值”（Y1）和“市账比”（Y2）由于“2008年固定资产投资”（X1）、“2009年固定资产投资”（X2）和“2010年固定资产投资”（X3）三个变量F值的概率都大于0.1，没有通过T检验，故剔除无效变量。被解释变量“每股净资产”（Y3）和“每股收益”（Y4）的三个变量F值的概率都小于0.1，通过了T检验。

被解释变量“市场价值”（Y1）、“市账比”（Y2） 、“每股净资产”（Y3）和“每股收益”（Y4）由于控制变量企业集团规模（X4 ）变量F值的概率都大于0.1，没有通过T检验，故剔除无效变量。

2.“2008年固定资产投资”（X1）、“2009年固定资产投资”（X2）、“2010年固定资产投资”（X3）三个变量的“每股净资产”（Y3）模型和“每股收益”（Y4）模型的调整R2分别为0.662、0.521，拟合优度较好，代表被解释变量“每股净资产”（Y3）模型和“每股收益”（Y4）的变化中有多少是由“2008年固定资产投资”（X1）、“2009年固定资产投资”（X2）、“2010年固定资产投资”（X3）三个变量的变化引起的。Durbin-Watson检验的结果分别为1.965、1.870，非常接近2，说明被解释变量“每股净资产”（Y3）和“每股收益”（Y4）的取值不存在一阶序列相关。

注：预测变量： （常量） X1，X2，X3 。

3.“每股净资产”（Y3）模型和“每股收益”（Y4）模型均达到了0.000的显著水平，说明“每股净资产”（Y3）模型和“每股收益”（Y4）模型具有理论与实证意义。

4.“每股净资产”（Y3）模型和“每股收益”（Y4）模型的容差均大于0.1，说明“2008年固定资产投资”（X1）、“2009年固定资产投资”（X2）、“2010年固定资产投资”（X3）自变量之间不存在多重共线性。

根据线性回归原则，“市场价值”（Y1）和“市账比”（Y2）模型的变量没有通过T检验，故剔除无效变量，因此“市场价值”（Y1）和“市账比”（Y2）模型无效；“每股净资产”（Y3）模型和“每股收益”（Y4）模型中的有效变量为“2008年固定资产投资”（X1）、“2009年固定资产投资”（X2）、“2010年固定资产投资”（X3）。

5.“每股净资产”（Y3）模型和“每股收益”（Y4）模型的样本量为79、78，残差平均值为0，标准化残差平均值为0，说明“每股净资产”（Y3）模型和“每股收益”（Y4）模型的残差分布均满足均值为零的假设。

6.通过观察散点图和残差检测不存在异方差性，变量整体通过了显著性检验。得到回归方程为：

式中，Y3――每股净资产；Y4――每股收益； X1――2008年固定资产投资；

X2――2009年固定资产投资；X3――2010年固定资产投资。

四、结果讨论

通过回归模型的实证，根据样本企业市场的具体环境对其实证结果进行具体分析：

结果一：代表样本企业价值的市场价值与企业投资的固定资产额相关性不@著，假设H1成立。市场价值等于股权市值与净债务价值之和，近几年，企业的净债务价值受到通货膨胀的影响，受到更多相互制约的因素的影响，不能真实反映公司的企业价值，故市场价值与固定资产投资额没有显著关系。

结果二：代表样本企业价值的市账比与企业投资的固定资产额相关性不显著，假设H2成立。通过描述性统计分析可以得出平均市账比为1.587，充分说明样本企业的企业价值被严重高估，没有真实反映上市公司的真实价值，导致代表企业价值的市账比与企业投资的固定资产额没有显著关系。

结果三：代表样本企业股东价值的每股净资产与企业2009年固定资产投资、2010年固定资产投资显著正相关，说明样本企业的固定资产投资额对每股净资产的影响比较显著，假设H3成立。从财务角度来讲，样本企业进行固定资产投资，所创造的企业价值不仅体现为企业利润的增长，更能提升企业的盈利能力，使其能够持续发展；代表样本企业获利能力的每股净资产与企业2008年的固定资产投资呈显著负相关，2008年开始，全球的经济受到2008年全球金融风暴的影响导致全球经济不景气，企业没有及时抵抗风险，致使企业的获利能力下降。

结果四：代表样本企业获利能力的每股收益与企业2009年固定资产投资、2010年固定资产投资显著正相关，说明样本企业的固定资产投资额对每股收益的影响比较显著，假设H4成立。代表样本企业股东价值的每股收益与企业2008年的固定资产投资呈显著负相关，其原因可能与2008年的全球金融风暴有关，股东价值受到重创，降低了代表股东价值的每股收益数值，致使对上市公司的股东价值产生了负面影响。

固定资产投资考虑因素范文第3篇

关键词：广西各地市；固定资产投资；GDP 面板模型；分析

国内生产总值（GDP，gross domestic product）是指在国民经济的发展过程中按市场价格计算的一个国家或地区所有常住单位在一定时期内生产活动的最终成果。而作为市场经济条件下发展经济的主要手段的固定资产投资（IFA，investment in fixed assets）不仅包括全社会固定资产投资、城镇固定资产投资，还包括农村农户固定资产投资和建房，它是衡量一个国家或地区一年内在固定资产投资建造和购买活动的总量，是反映固定资产投资规模、速度和使用方向等的综合性指标，对经济的增长作用显而易见，它既能对生产形成需求，又能增加生产能力，同时也决定了投资对经济增长的双重效应；我国各地通过建造并购置固定资产，采用更为先进的生产技术，有利于促进各地生产率的提高，从而促进整个地区的经济发展；一个地区的固定资产投资发展水平亦将成为评价投资环境优劣和经济竞争力的重要方面。总之，固定资产投资与经济增长之间存在着一定的因果关系，因此，研究固定资产投资对地方经济的影响显得颇为重要。

对于该研究方向，学者们目前多采用截面数据（空间单元某一年数据或者多年数据均值）来建立空间计量模型，或者将截面空间单元与时间序列相结合来建立静态面板数据的空间计量模型。截面空间计量模型简单易行，但仅仅用样本考察期内某一年数据进行估计，不仅缺乏时间上的滞后效应，也未能充分利用数据信息，增加了结果的偶然性和随机性。而采用动态空间面板模型即可有效解决此类问题。面板模型有如下三类。

①无个体影响的不变系数模型：lnyit=c+αlnxit+uit。模型假设不同地区在各时期的固定资产投资对GDP没有显著作用，模型中各方程截距项c和系数α均相同，此模型适宜模拟不同地区固定资产投资对GDP的平均效应。可利用OLS法直接求出参数c和α的一致有效估计，即联合回归模型。

②个体效应变截距模型：lnyit=cit+αlnxit+uit。模型假设不同地区之不同时期的固定资产投资对GDP存在个体效应但没有结构效应，个体效应可用截距cit的差异来说明，即模型中各方程截距项不同而系数α均相同，此模型适宜识别不同地区固定资产投资平均值的偏离。

③变系数面板模型：lnyit=cit+αitlnxit+uit。模型假设不同地区在不同时期既存在个体效应也存在结构效应，用不同的截距项cit解释不同地区固定资产投资对GDP的个体效应，用不同的系数向量αit说明不同地区固定资产投资对GDP的结构效应，即模型中各方程截距项cit和系数向量αit均不同。

一、研究数据及其来源

本文采用2001～2010年广西14个地级市固定资产投产量和GDP这两个时间序列数据来分析固定资产投资与GDP之间的关系。其中所有的原始数据来源于《广西统计年鉴》和中经网统计数据库。

二、广西14城市固定资产投资与GDP的整体分析

2001～2010年间，广西全区GDP由2 279.34亿元增加到9 569.89亿元，年均增长速度达到17.39%；广西全区固定资产投资总额也由655.6亿元增加到7057.6亿元，年均增长速度达30.42%，成为推动全区经济持续发展的重要因素。广西各地按照区域经济发展战略及五大经济区发展规划的要求，逐步加大区域对固定资产投资的规模和力度，区域特色经济发展明显加快。从收集的数据来看，广西14城市中，固定资产投资增长率曲线与经济增长率曲线变化趋势基本相同，它们之间存在着相对稳定的均衡关系，除个别年份外，固定资产投资增速与GDP增长率之间的上下波动几乎同向。两条波动曲线虽不完全一致，但变化趋势和波动周期却基本相同，投资率在年度间的波动可能反映了经济冷热的敏感性，亦即短期的偏离并不会影响长期的走势。

三、面板数据模型设定

基于前人研究结果，借鉴面板数据模型形式拟建立城市产出效应面板模型，结合广西14个市从2001～2010年的GDP和固定资产投资建立二者关系的面板数据模型。

式中，gdpit和init为i城市t年该市的生产总值和固定投资；αit为与固定投资的弹性系数，越大说明其固定投资对该市的生产总值的增加越显著；μit为随机误差项，可用于测定城市生产总值的水平效应；cit为常数项。

根据柯布―道格拉斯函数性质，模型截距项cit可用于测定各市GDP的效应，cit越大则水平越高；系数项ait为弹性，可用于测定增长效应，ait越大则表明增效越显著。

四、模型的参数估计及检验

首先采用Eview6.0对联合面板模型、变截距模型和变系数模型进行估计（表1）。

由表1可见，模型的拟合优度为0.99，回归方程高度显著，即固定资产投资总额的变动很大程度上影响了GDP的变动。模型通过了F检验，表明方程的整体性关系显著。其中，DW=1.6747说明变量之间不存在自相关关系，也表明模型设定基本正确。

然后再进行模型设定形式检验，以研究模型形式的正确性，估计结果见表2。

由此可见，各地区固定资产投资与GDP的关系存在着一定程度的差别，某一城市在不同时期其固定资产投资对GDP的作用也有其差异。对上述所得模型进行检验，结果如表3。

由此可见，通过将原假设H设为混合模型后，得到P

五、结果分析

从表2的估计结果中可见，GDP对固定资产投资的弹性相对略大的几个城市分别为贵港（0.2605）、南宁（0.2557）、柳州（0.2386）和百色（0.2236），表明贵港、南宁、柳州3市的固定资产投资每增长1个百分点，城市的GDP就分别增长0.2605、0.2557和0.2386个百分点，说明这3个城市对固定资产的投资力度作用反过来又对GDP产生了相对区内其他城市较为显著的增长作用，加大固定资产投资对生产总值是有显著的效应的；而弹性系数相对较小的3个城市是桂林（-0.0037）、贺州（0.0636）、来宾（0.0886），说明这几个城市的固定资产投资并未对GDP的增长产生明显的效应，甚至还出现了反作用，特别是作为旅游城市的桂林，一段时间内加大固定资产的投资可能对其生产总值非但没能促进，反而出现负效应，所以该市在完善其设施后不宜再继续加大固定资产的投资，防止资源被过度浪费；崇左（0.1168）、玉林（0.1595）和防城港（0.1864）3个市的固定资产投资对GDP的促进效应虽看不出明显的增进作用，但其GDP与固定资产投资是保持着比较相对平稳的增长，可以适当地加大一定的投资量以促进进一步的发展。另外，广西14城市中有梧州、北海、钦州和河池没能通过5%的显著性水平检验，意味着这几个城市的固定资产投资对GDP或许不存在明显促进作用，因果关系不甚确定，或许因为这4个城市的时间序列数据非平稳态或受多种因素影响所致。

改革开放以来，广西经济迅速发展，经济水平不断提高，由以上分析可见，广西也是一个典型的投资驱动型经济增长模式，固定资产投资的规模大小对GDP的影响举足轻重。从根本上来看，固定资产投资的数量和质量决定了广西经济的发展，大规模投资有利于促进生产力发展，活动涉及到投资活动的方方面面，投资的结果直接影响产业结构和行业结构，因此固定有利于优化生产力布局和资源配置，促进经济结构的调整。但也必须看到，固定资产的投资资产投资除了对项目微观情况进行审计外，还须从宏观角度审查项目建设对整体布局、产业结构、行业结构的影响，避免重复建设和损失浪费。固定资产投资的增长固然能够带动GDP的增长，但如果不考虑客观可能，一味盲目追求固定资产投资规模的扩大，则由此所带来的GDP的增长可能以破坏环境、浪费资源为代价，还可能造成国民经济的严重失调，是不可取的。不能为了投资而投资，重要的是必须得提高资本的利用率。

1997年广西党委提出的区域经济战略中首次明确地将广西划分为桂东、桂西、桂南、桂北和桂中五大经济区，提出了各经济区的功能定位和优势产业。各地按照区域经济发展战略和全区五大经济区发展规划的要求，加大了对区域优势产业的扶持力度，区域特色经济发展明显加快。但在经济快速增长的同时，区域经济差异也在不断扩大，成为制约广西经济进一步发展的障碍，影响到广西经济的可持续发展。由于各地区所处的工业化进程阶段不同，导致了各地区固定资产投资的方向和重点不同，因此固定资产投资的数量规模及效益也不尽相同，与GDP之间的关系也就存在着一定的差别。

六、政策启示

由上可见，在当今广西经济发展中，以轻工业为主的贵港和南宁、以重工业为主的柳州及以开发矿业为主的百色地区走在了前列，这与改革开放以来这些城市的大量投资特别是吸引外资有着密不可分的关联。而发展工业的梧州、沿海外贸发达的北海、钦州以及内陆城市河池4城市的资本投入虽然在当地崛起且在西部大开发以来有大幅增长，但仍处于严重不足的阶段。尤其河池市的投资主要仰赖国家投资，而外资和民间资本在当地的投入相对较少。从以上模型分析来看，长此下去有可能使这种趋势得以强化。

广西14个城市间经济发展存在差异的原因有很大一部分是来自于城市间固定资产投资与GDP关系的不同。因此，要实现国民经济协调快速的发展，就必须缩小城市或地区间固定资产投资和经济增长关系之间的差距，使之保持在适度的范围内。在此提出相关经济政策的几点建议：①对一些固定资产投资对GDP有明显影响作用的几个城市或地区来说，可以继续加大固定资产的投资力度，以进一步扩大经济的增长幅度；②对一些固定资产投资对GDP无明显影响作用的几个城市或地区而言，必须转变观念，从另一角度来考虑对GDP增长的有效措施，而不必一味单纯从加大固定资产投资来希望促进经济增长，以免造成资源的浪费；③对一些固定资产投资对GDP有一定影响但不甚明显的几个城市则必须重新审视原有的政策途径，力图从稳定经济的角度来抓好经济发展的每一环节。

参考文献：

[1] 方军武. GDP与固定资产投资关系分析――以湖北省为例[J]. 现代商业，2011（6）：176-177.

[2] 潘黎霞. 固定资产投资对东、中、西部发展的实证分析[J].统计与决策，2012（11）：94-98.

[3] 张向妮. 我国固定资产投资对GDP影响的实证分析[J]. 东方企业文化，2011（4）：36.

固定资产投资考虑因素范文第4篇

【关键词】 固定资产投资 经济发展 状态空间模型

固定资产投资是一个国家(地区)经济增长的前提保证,是优化产业结构的重要途径,也是实现经济持续健康发展的重要动力。通过建造和购置固定资产的活动,国民经济不断采用先进技术装备,建立新兴部门,进一步调整经济结构和生产力的地区分布,增强经济实力,对加快经济发展,构建社会主义和谐社会具有重要的意义。

一、数据的选取与说明

数据来源于江苏省统计年鉴年度数据。文章选取1974―2008年江苏省的GDP和固定资产投资总额。对数据取对数,以消除异方差。LNGDP代表国内生产总值,LNTZ代表固定资产投资。

二、研究方法说明

首先检验两者之间的协整关系,这样建立二者长期均衡关系才有实际意义,并且通过实证研究得到的政策建议才具有未来的推测性。并且由于经济的发展,江苏省的经济结构不断地发生变化,经济变量影响关系也可能发生变化。利用状态空间模型可以很好地反映二者之间的动态关系,以消除经济结构变化所带来的干扰。

三、数据平稳性检验

由表1可以看出,LNGDP、LNTZ的检验统计值大于临界值,说明原序列是非平稳的;两序列的差分序列的检验统计值小于临界值,说明二者的差分序列是平稳的,两个原序列都是一阶单整的。

四、协整关系检验

在进行协整检验之前,首先建立无约束的向量自回归(VAR)模型,确定模型中变量的最佳滞后阶数,根据AIC准则,确定VAR模型最优滞后阶数为1。本文采用Johansen协整检验对LNGDP、LNTZ两个序列进行检验。

表2结果表明:在显著水平5%的水平下,GDP与固定资产投资存在一个协整关系。这说明江苏省GDP与固定资产投资存在长期变动关系。

五、格兰杰因果关系

前面的检验结果说明,能源消费与产出水平之间存在着协整关系。为了理解江苏固定资产投资与经济增长之间的相互关系,有必要测算两者之间的因果方向。在回归方程中,一个解释变量影响因变量,意味着解释变量的变化引起了因变量的变化,这就是所谓的变量间的因果关系。运用Granger因果检验方法对江苏省经济产出数据与固定资产投资数据进行关系检验的结果如表3所示。

检验结果显示,固定资产投资是经济增长Granger原因,经济增长不是固定资产投资Granger原因,但是两者都不存在反向的关系。这说明尽管江苏省的固定资产投资与经济增长之间存在长期的均衡关系,但并不是严格的双向因果关系。江苏省的经济增长受投资拉动的迹象明显。

六、建立状态空间模型

状态空间模型是由一组观察方程和状态方程构成。在这里,以状态空间模型考察GDP与固定资产投资的关系,建立如下形式模型:

得到的估计模型如下:

量测方程LNGDP=4.21+SC1?鄢LNTZ+εt

状态方程SC1=0.025+0.959sc1(-1)+ηt

图1是状态方程的估计值的线图。

在考虑经济结构变化的基础上以及估计的SC1可以看出,投资的产出弹性是出于震动的上涨,但是总体的趋势向上的,这意味固定资产投资对于经济增长的拉动作用还是很明显的。

七、结论

第一,投资对经济增长的作用具有双重作用,它既能增加生产能力,又对生产构成需求,即兼有供给效应和需求效应。短期内,投资主要是作为一种需求影响经济发展,而从长远来,投资供给效应的作用更为时显。江苏省固定资产投资与经济增长存在长期的均衡关系。固定资产投资是江苏省经济增长的一个主要拉动因素。第二,通过Ganger因果检验表明,江苏固定资产投资和GDP增长之间存在单向因果关系,固定资产投资的增加或减少必然会引起GDP的增加或减少,而GDP的变化对固定资产投资的变化没有直接因果关系。从协整检验可以看出,固定资产投资对经济的长期增长影响显著。这表明江苏省固定资产投资始终是经济快速健康发展不可或缺的推动力,而固定资产的投资由于其存在的内在刚性,对经济波动的反映程度较弱。第三,通过状态空间模型可以看出,固定资产投资对于经济增长的拉动作用愈来愈大,已经基本上达到了0.62,江苏省应该提高投资效率,发挥其重要作用。统筹兼顾,优化固定资产投资结构;充分利用资本市场,拓宽投融资渠道;注重规划,确保投资均衡发展;坚持市场规范和结构改善并举,进一步完善房地产市场调控。

【参考文献】

固定资产投资考虑因素范文第5篇

内容摘要:固定资产投资往往会受很多不确定因素的影响,这些不确定因素中有些因素可以量化,有些因素是不能量化的。本文以1997年至2008年的四川省固定资产投资总额为样本数据建立组合模型,对模型进行识别、估计、检验,并且用2004年至2008年数据进行组内验证预测,预测精度都达到95%以上,文章运用此模型对未来5年的固定资产投资总额进行预测,以期为四川省有关部门制定固定资产投资政策提供比较科学的依据。

关键词:固定资产投资总额 组合模型 ARIMA模型 预测

研究方法综述

据2009年7月18日金融时报中经济专家分析,我国经济刺激仍延续了投资主导的模式。政府主导的基础设施投资保持高速增长,地方项目投资增速超过中央,私人投资开始跟进,四川省的经济发展也不例外。因此,作为宏观调控的重要措施之一的投资备受关注,其也成为各级政府和相关研究者更加关注的焦点问题之一。由于全社会固定资产投资往往受到许多因素的制约,这些因素的关系又是错综复杂的,有些是可以量化的,有些是不能量化的,而且即使可以量化,量化的数据的质量也会影响到固定资产投资的准确性,因此运用它方数据结合模型对固定资产投资分析并预测一般比较困难。为了更加准确地模拟四川省固定资产投资总额的变化趋势,为政府的宏观调控提供科学的依据,研究数据自身的发展变化规律,并据此进行科学的预测尤为重要。

对于时间数列的分析方法有很多种,一般简单的就是指标分析法,比如统计学教程中用到的平均增长速度、平均增长量等。还有相对比较复杂的模型分析法,针对确定性时间数列和随机性时间数列分析方法又各不相同。

一般确定性时间数列的分析方法包括指数平滑法、移动平均法、时间回归法、季节指数法等。认为事物的变化是渐进式而不是跳跃式的,影响事物的因素在过去、现在和将来基本上是不变的,即使变化不大,事物的发展具有稳定性和类推性,而且随机因素的影响相对不显著,根据时间序列的历史资料可以采用定性和定量相结合的方法描述出这种确定性的趋势,并依此来预测将来的发展变化。对随机性时间数列的分析方法一般包含ARIMA模型法和组合模型法,认为很多社会经济现象变动形成的时间数列都可以看作是一个随机过程的实现,利用随机过程去分析描述事物的发展变动趋势。

从系统论的观点出发,现实中很多经济时间数列都是由确定性趋势和随机波动两部分构成,具体可以用以下模型来表述:Xt=f(t)+Yt ,其中,f(t)表示数列Xt中随时间变化的确定性趋势部分,可以用一定的函数形式来模拟;Yt 为Xt中剔除随时间变化的确定性趋势后余下的随机波动部分,可以用ARMA模型来模拟。由于指标分析法和确定性时间数列分析法认为时间数列中随机变动因素影响不显著是不科学的,因此,本文选用随机性时间数列分析方法分析四川省固定资产投资总额的变化趋势。

本文运用Eviews软件,采用2009年《四川统计年鉴》中实际固定资产投资总额数据,首先介绍了ARIMA模型法与组合模型法两种随机性时间数列分析方法;然后利用1997至2008年的数据建立组合模型,对模型进行识别、估计和检验,对2004至2008年这五年的固定资产投资总额进行了组内验证预测,并用该模型对未来五年的固定资产投资总额进行了组外推断预测和分析,为四川省政府制定“十二五”发展规划中固定资产投资政策提供比较科学的依据。

ARIMA模型法与组合模型法

(一)ARIMA模型法的原理

ARIMA模型法建模的基本思想是:将预测对象随时间推移而形成的数据数列视为一个随机数列,即除去个别的偶然原因引起的观测值外,时间数列是一组依赖于时间t的随机变量,构成该时序的单个数列值虽然具有不确定性,但整个数列的变化却有一定的规律性,可以用相应的数学模型近似描述。这组随机变量所具有的依存关系或自相关性表征了预测对象发展的延续性,而这种自相关性一旦被相应的数学模型描述出来,就可以从时间序列的过去值及现在值预测其未来的值。ARIMA模型法一般不考虑确定性趋势的具体形式,采用直接差分的数学方法,使时间数列Xt的趋势剔除,然后对剩余数列进行自回归滑动平均模型(ARMA模型)的模拟,最后经过逆运算得出时间数列Xt,即ARIMA模型。

(二)组合模型法的原理

组合模型法建模的基本思想是:将预测对象随时间推移而形成的数据数列视为一个随机数列,而时间数列是一组依赖于时间t的随机变量,用相应的数学模型近似描述数列与时间t的确定性关系,然后用ARMA模型描述随机变动部分。 组合模型法考虑确定性趋势的形式,以直线、指数、多项式、双曲线等具体不同形式,构造时间t的函数去模拟确定趋势,然后对剩余数列进行ARMA模型的模拟,最后综合两部分得出了最终模型,即组合模型。

(三)ARIMA模型法与组合模型法的关系

ARIMA模型法与组合模型法都是研究随机性时间数列的方法,二者异曲同工,又各有优劣,具体采用哪种模型来拟合时间数列趋势,应视具体情况而定。其一,组合模型法可以取不同的函数形式模拟确定趋势,而ARIMA模型法多为通过一般差分来剔除趋势的,而且多数是线性趋势的效果才好,对于非线性趋势的数列一般要经过取对数等线性数学替换后才能够进行差分剔除趋势;其二,组合模型法中模型参数的经济含义更好解释,而ARIMA模型法的参数经济含义则难以解释;其三,现实中多数经济时间数列的变动并非都是呈现线性趋势,ARIMA模型法的数学变换经常使得原始数据面目全非,最后在模型中的数据和原始数据相差甚远。

组合模型的实现

首先,拟合确定性趋势部分 。根据固定资产投资时间数列变动趋势图,发现存在指数变动趋势,因此建立指数增长模型对其进行拟合,估计方程为:

f(t)=601.787170*EXP(0.227480*t)

T统计量 9.695477 21.028890

式中,参数都通过了显著性检验,相对应的T检验值分别为9.695477和21.028890,绝对值远远大于2;整体的模拟效果也比较好,拟合优度达到0.985542,F检验效果也非常好;同时,对剩余数列进行包含常数项和趋势的单位根检验,选择Automatic based on AIC和MAXLAG=4,发现ADF值达到-3.460619小于5%显著性水平下的临界值-3.875302,说明剩余数列已经平稳。

其次,对剩余数列y用Box-Jenkins法模拟ARMA(p,q)模型。由于数列的确定性部分模拟的是非线性回归模型,因此,只能采用AR(p)形式对剩余数列进行建模。根据数列y的自相关和偏自相关图可以断定,初步识别数列的分布至少服从一阶自回归。比较R2、R2、残差平方和、AIC及SC各种统计量,综合预测误差的结果最终确定剩余数列服从二阶自回归,模型为:

y=[AR(1)=1.642876,AR(2)=-0.841110]

T值6.251015-3.339783

各种计量经济检验和统计检验如下:模型中一、二阶自回归参数的T统计量值的绝对值均大于2,表明各参数显著不为零;F检验伴随概率的P值为0.000011,表明模型从总体上看是显著有效的;R2、R2在85%以上,说明拟合效果比较好,同时残差平方和、AIC及SC都相对最小;从残差自相关和偏自相关图及相应的Q统计量来看,残差的任意滞后期自相关和偏自相关系数与零无显著差异,同时LM检验也表明残差数列不存在高阶自相关,且ARCH检验的伴随概率比较高,表明不存在异方差;因而该模型总体上是最佳的。

最后,用非线性最小二乘法对组合模型的参数进行整体估计,参数的初始值和精确估计相差不大,综合确定趋势的指数模型和剩余数列的ARMA模型,得到最终的组合模型为:

Xt=f(t)+Yt

f(t)=601.787170*EXP(0.227480*t)

y=[AR(1)=1.642876,AR(2)=-0.841110]

本研究根据上述组合模型对2004-2008年的固定资产投资进行了组内预测,从近五年预测的预测情况(见表1)来看,预测值和实际值的差异较小,相对误差率基本上控制在5%以内,这说明此模型预测的效果较好,能够较真实地刻画固定资产投资数据的动态变化规律,可以用于预测。

预测及分析

本文对1997年至2008年四川省固定资产投资数据建立的指数增长和自回归组合模型通过各种诊断检验,而且进行的组内验证预测效果也很好,因此利用该模型对四川省未来五年的固定资产投资总额进行外推预测,预测结果详见表2。预计2009年至2013年四川省固定资产投资总额依次为9307.75、11664.10、14605.91、18292.79、22924.77亿元,年平均增长高达3000亿元左右,逐年增长率都在25%左右。其中如果相对误差控制在5%内,则“十一五”发展规划结束时,固定资产投资总额预测值将在区间(8842.36,9773.14)之内变动。

改革开放三十多年间四川省固定资产投资持续快速增长。从1978年的22.48亿元增长到2008年的7602.4亿元,年平均增长252.664亿元,极个别少的年份逐年增长率出现负增长或低于10%,但50%年份的逐年增长率都高于20%,尤其是2004年至2008年,年平均增长高达1238.485亿元,且逐年增长率在30%左右。而且从预测值来看,未来五年年平均增长高达3000亿元左右,逐年增长率都在25%左右。

进入21世纪后固定资产投资发展更快,“十一五”规划中明确指出工业强省,所以近几年的固定资产投资总额保持30%左右的增长水平。目前由40名专家组成的四川省“十二五”规划专家委员会的有关负责人表示,结合地方实际情况最重要,强调转变发展方式,调整经济结构,同时正在思考未来四川发展中的工业化、城市化、农业回笼化几个方面的关系。因此,在工业化和城市化的进程中,在保证有效率投资的基础上,配合经济增长仍然需要保证大量的投资,预测未来五年,四川省固定资产投资总额逐年增长25%左右,与全国的水平保持一致,作为西部地区的四川省这一估计已经相对保守了。

但该组合模型也存在一定的局限性。该模型在短期内预测比较准确,随着预测期的延长,预测误差会逐渐增大。但尽管如此,与其它指标预测或者确定性预测方法相比,其预测的准确度还是比较高的。当然如果遇到毁坏性比较大的情况则需要考虑引进干预变量改进组合模型。

参考文献:

1.易丹辉.数据分析与Eviews应用[M].中国统计出版社,2002

2.四川省统计局等.四川统计年鉴(2009)[M].中国统计出版社,2009

3.石美娟.ARIMA模型在上海市全社会固定资产投资预测中的应用[J].数理统计与管理,2005(1)

4.王艳明,许启发.时间序列分析在经济预测中的应用[J].统计与预测,2001(5)