固定資產投資考慮因素

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇固定資產投資考慮因素范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

固定資產投資考慮因素范文第1篇

【關鍵詞】疆煤外運；影響因素；主成分分析法

1.引言

近年來，隨著我國經濟的發展，我國的煤炭的消費量在不斷增加。而煤炭的主產地產煤量卻在日益縮減，煤炭供求出現較大缺口。就目前我國的煤炭資源形勢來看，適度合理的開發新疆煤炭資源及將新疆煤炭外運滿足其他省份煤炭需求，無論是出于對促進新疆經濟增長的考慮，還是出于對國家能源安全的考慮，都是十分必要的。新疆地區的煤炭外運主要方式是鐵路運輸，另外，其公路運輸、煤制氣及煤制油的管道運輸、煤發電的電網運輸也是十分重要的運輸方式，本文將對不同外運形式的不同影響因素進行分析，從而找到其中主要的外運影響因素，進而給出相關政策建議。

2.疆煤外運主要影響因素分析

2.1原始數據的選取

影響因素分別選取鐵路營業里程、鐵路固定資產投資、公路營業里程、公路固定資產投資、鐵路公路煤炭外運量、管道輸油氣里程、管道固定資產投資、電力供應固定資產投資八個指標。原始數據表如表1所示。

由表2旋轉后的正交因子載荷矩陣可知，第一公共因子高載荷的指標有X4公路固定資產投資、X8電力供應固定資產投資、X6管道輸油氣里程、X1鐵路營業里程、X5公路鐵路煤炭外運量、X3公路營業里程、X2鐵路固定資產投資；第一公因子記為F1。第二公因子上高載荷的指標有X7管道固定資產投資；第二公因子記為F2。

通過主成分分析法，計算出成分得分系數矩陣以及標準化數據，根據成分得分系數矩陣及標準化數據可以計算各種成分得分，公式如下：

2.3結果分析

首先，由主成分分析的歷年綜合得分排名可以看出，新疆煤炭外運能力從2002年至2012年十年間，其煤炭外運能力綜合水平是逐年上升的。

其次，由旋轉后的正交因子載荷矩陣可知，第一公共因子載荷較高的前兩個指標有X4公路固定資產投資、X8電力供應固定資產投資。第二公因子上高載荷的指標有X7管道固定資產投資。因此，新疆煤炭外運影響因素中，固定資產投資不足是最為重要的影響因素。

【參考文獻】

[1]段國欽.交通走廊運輸需求分析及其運輸結構優化研究[D].長安大學，碩士學位論文，2000.

固定資產投資考慮因素范文第2篇

摘 要 國有集團企業投資面臨諸多影響因素制約，為國有企業集團制定合理的投資政策提供理論和實證支持，進而有利于國有企業集團提高投資效率，提升企業價值，本文選取A股市場國有企業集團的上市公司為研究樣本，充分考慮國有企業集團的政治和經濟特性，建立多元線性回歸模型研究影響企業固定資產投資對企業價值的影響。

關鍵詞 固定資產 投資 實證 分析

本文采用回歸分析等方法對國有企業集團固定資產投資與企業價值進行實證研究，并對國有企業集團固定資產投資決策的合理控制和戰略思考提出了一些合理建議。通過實證分析，揭示國有企業集團固定資產投資與企業價值的關系，為國有企業集團制定合理的固定資產投資政策提供理論與現實支持，完善集團企業固定資產投資管理模式，進而有利于集團企業能夠提高投資效率。

一、研究假設及變量定義

從會計學角度看，企業價值定義為資產負債表的歷史成本計量的會計價值，即賬面價值。從財務角度來講，公司的價值不僅體現為每股凈資產、企業利潤的增長以及盈利能力的提高，固定資產投資的收益率超過資本成本，同樣也反映了公司價值的提高。本文研究企業價值按照財務與會計學角度計量企業價值，選取市場價值、市賬比、股東價值、盈利能力等四方面綜合考慮企業價值。

本文提出假設H1：固定資產投資額與代表樣本企業價值的市場價值沒有顯著關系。本文提出假設H2：固定資產投資額與代表樣本企業價值的市賬比沒有顯著關系。本文提出假設H3：固定資產投資額與代表樣本企業股東價值的每股凈資產正相關。本文提出假設H4：固定資產投資額與代表樣本企業獲利能力的每股收益正相關。

（一）被解釋變量定義

本文被解釋變量為企業價值。我們設計了如下指標：

Y1 =Ln （股價*總股數）；Y2 =股價/每股賬面價值；Y3 =股東權益/股本總數；Y4 =稅后利潤/股本總數。其中：Y1 為加總企業所有發行在外的證券的市場價值；Y2 為股價相對每股賬面值的比率；Y3 為每股凈資產；Y4 為每股收益。以上指標體現了企業價值最大化的不同財務目標，并且這些指標在一定程度上剔除了公司規模的影響。表1是對被解釋變量的定義。

表1 被解釋變量定義表

被解釋變量名稱 符號 研究變量 計算公式

市場價值 Y1 市場價值 Ln （股價*總股數）

市賬比 Y2 市賬比 股價/每股賬面價值

股東價值 Y3 每股凈資產 股東權益/股本總數

獲利能力 Y4 每股收益 稅后利潤/股本總數

（二）表2是對解釋變量（固定資產投資額）的定義

考慮到國有企業集團的規模大小不同、行業特點不同，特采用解變量固定資產頭額的自然對數為代替變量。

表2解釋變量定義表

解釋變量名稱 符號 計算公式

2008年固定資產投資 X1 Ln（2008年固定資產投資額）

2009年固定資產投資 X2 Ln（2009年固定資產投資額）

2010年固定資產投資 X3 Ln（2010年固定資產投資額）

（三）控制變量定義

企業價值不僅受固定資產投資額的影響，還與公司的規模存在重要聯系，因此本文選取這些作為控制變量。一般認為小型國有企業集團和大型國有企業集團在固定資產投資中具有不同優勢。小型國有企業集團在固定資產投資方面主要具有靈活性優勢 而大型國有企業集團主要擁有資源優勢，因此規模因素應加以控制。本文，選用企業集團資產對數作為企業規模的變量，設定為X4 。

二、數據來源和樣本選擇

本文以國泰安的CSMAR數據庫提供的國有企業集團上市公司固定資產投資與企業價值數據為基礎，主要以深滬兩市2008年-2011年的A股國有集團上市公司為研究樣本。樣本的選取遵循以下原則：第一，選取2007年12月31日前在我國深滬上市的公司為樣本，為了保持樣本數據的平衡性；第二，剔除了ST、PT類企業，企業要進行固定資產投資首要前提是企業具有承擔社會責任的能力，ST、PT類企業自身盈利存在一定困難，因此將其剔除；第三，剔除數據信息不全的上市企業。根據上述原則，最后選取了79家上市公司4年的數據作為研究樣本。

三、實證分析

（一）建立回歸模型

本文選取樣本企業企業價值Yi作為被解釋變量，以樣本企業固定資產投資額Xi作為解釋變量，建立回歸模型如下：

Yi=β0+β1X1+β2X2+β3X3++β4X4+ε

其中，Yi――樣本企業企業價值（被解釋變量）；X1、2、3――樣本企業固定資產投資（解釋變量）；X4 ――樣本企業規模（控制變量）；β0――模型的截距；

βi（i=1，2，3……，k） ――解釋變量系數；εi――隨機誤差。

（二）回歸分析

1.本研究在回歸模型的建立方法中選取進入法、逐步法或刪除法。被解釋變量“市場價值”（Y1）和“市賬比”（Y2）由于“2008年固定資產投資”（X1）、“2009年固定資產投資”（X2）和“2010年固定資產投資”（X3）三個變量F值的概率都大于0.1，沒有通過T檢驗，故剔除無效變量。被解釋變量“每股凈資產”（Y3）和“每股收益”（Y4）的三個變量F值的概率都小于0.1，通過了T檢驗。

被解釋變量“市場價值”（Y1）、“市賬比”（Y2） 、“每股凈資產”（Y3）和“每股收益”（Y4）由于控制變量企業集團規模（X4 ）變量F值的概率都大于0.1，沒有通過T檢驗，故剔除無效變量。

2.“2008年固定資產投資”（X1）、“2009年固定資產投資”（X2）、“2010年固定資產投資”（X3）三個變量的“每股凈資產”（Y3）模型和“每股收益”（Y4）模型的調整R2分別為0.662、0.521，擬合優度較好，代表被解釋變量“每股凈資產”（Y3）模型和“每股收益”（Y4）的變化中有多少是由“2008年固定資產投資”（X1）、“2009年固定資產投資”（X2）、“2010年固定資產投資”（X3）三個變量的變化引起的。Durbin-Watson檢驗的結果分別為1.965、1.870，非常接近2，說明被解釋變量“每股凈資產”（Y3）和“每股收益”（Y4）的取值不存在一階序列相關。

注：預測變量： （常量） X1，X2，X3 。

3.“每股凈資產”（Y3）模型和“每股收益”（Y4）模型均達到了0.000的顯著水平，說明“每股凈資產”（Y3）模型和“每股收益”（Y4）模型具有理論與實證意義。

4.“每股凈資產”（Y3）模型和“每股收益”（Y4）模型的容差均大于0.1，說明“2008年固定資產投資”（X1）、“2009年固定資產投資”（X2）、“2010年固定資產投資”（X3）自變量之間不存在多重共線性。

根據線性回歸原則，“市場價值”（Y1）和“市賬比”（Y2）模型的變量沒有通過T檢驗，故剔除無效變量，因此“市場價值”（Y1）和“市賬比”（Y2）模型無效；“每股凈資產”（Y3）模型和“每股收益”（Y4）模型中的有效變量為“2008年固定資產投資”（X1）、“2009年固定資產投資”（X2）、“2010年固定資產投資”（X3）。

5.“每股凈資產”（Y3）模型和“每股收益”（Y4）模型的樣本量為79、78，殘差平均值為0，標準化殘差平均值為0，說明“每股凈資產”（Y3）模型和“每股收益”（Y4）模型的殘差分布均滿足均值為零的假設。

6.通過觀察散點圖和殘差檢測不存在異方差性，變量整體通過了顯著性檢驗。得到回歸方程為：

式中，Y3――每股凈資產；Y4――每股收益； X1――2008年固定資產投資；

X2――2009年固定資產投資；X3――2010年固定資產投資。

四、結果討論

通過回歸模型的實證，根據樣本企業市場的具體環境對其實證結果進行具體分析：

結果一：代表樣本企業價值的市場價值與企業投資的固定資產額相關性不@著，假設H1成立。市場價值等于股權市值與凈債務價值之和，近幾年，企業的凈債務價值受到通貨膨脹的影響，受到更多相互制約的因素的影響，不能真實反映公司的企業價值，故市場價值與固定資產投資額沒有顯著關系。

結果二：代表樣本企業價值的市賬比與企業投資的固定資產額相關性不顯著，假設H2成立。通過描述性統計分析可以得出平均市賬比為1.587，充分說明樣本企業的企業價值被嚴重高估，沒有真實反映上市公司的真實價值，導致代表企業價值的市賬比與企業投資的固定資產額沒有顯著關系。

結果三：代表樣本企業股東價值的每股凈資產與企業2009年固定資產投資、2010年固定資產投資顯著正相關，說明樣本企業的固定資產投資額對每股凈資產的影響比較顯著，假設H3成立。從財務角度來講，樣本企業進行固定資產投資，所創造的企業價值不僅體現為企業利潤的增長，更能提升企業的盈利能力，使其能夠持續發展；代表樣本企業獲利能力的每股凈資產與企業2008年的固定資產投資呈顯著負相關，2008年開始，全球的經濟受到2008年全球金融風暴的影響導致全球經濟不景氣，企業沒有及時抵抗風險，致使企業的獲利能力下降。

結果四：代表樣本企業獲利能力的每股收益與企業2009年固定資產投資、2010年固定資產投資顯著正相關，說明樣本企業的固定資產投資額對每股收益的影響比較顯著，假設H4成立。代表樣本企業股東價值的每股收益與企業2008年的固定資產投資呈顯著負相關，其原因可能與2008年的全球金融風暴有關，股東價值受到重創，降低了代表股東價值的每股收益數值，致使對上市公司的股東價值產生了負面影響。

固定資產投資考慮因素范文第3篇

關鍵詞：廣西各地市；固定資產投資；GDP 面板模型；分析

國內生產總值（GDP，gross domestic product）是指在國民經濟的發展過程中按市場價格計算的一個國家或地區所有常住單位在一定時期內生產活動的最終成果。而作為市場經濟條件下發展經濟的主要手段的固定資產投資（IFA，investment in fixed assets）不僅包括全社會固定資產投資、城鎮固定資產投資，還包括農村農戶固定資產投資和建房，它是衡量一個國家或地區一年內在固定資產投資建造和購買活動的總量，是反映固定資產投資規模、速度和使用方向等的綜合性指標，對經濟的增長作用顯而易見，它既能對生產形成需求，又能增加生產能力，同時也決定了投資對經濟增長的雙重效應；我國各地通過建造并購置固定資產，采用更為先進的生產技術，有利于促進各地生產率的提高，從而促進整個地區的經濟發展；一個地區的固定資產投資發展水平亦將成為評價投資環境優劣和經濟競爭力的重要方面。總之，固定資產投資與經濟增長之間存在著一定的因果關系，因此，研究固定資產投資對地方經濟的影響顯得頗為重要。

對于該研究方向，學者們目前多采用截面數據（空間單元某一年數據或者多年數據均值）來建立空間計量模型，或者將截面空間單元與時間序列相結合來建立靜態面板數據的空間計量模型。截面空間計量模型簡單易行，但僅僅用樣本考察期內某一年數據進行估計，不僅缺乏時間上的滯后效應，也未能充分利用數據信息，增加了結果的偶然性和隨機性。而采用動態空間面板模型即可有效解決此類問題。面板模型有如下三類。

①無個體影響的不變系數模型：lnyit=c+αlnxit+uit。模型假設不同地區在各時期的固定資產投資對GDP沒有顯著作用，模型中各方程截距項c和系數α均相同，此模型適宜模擬不同地區固定資產投資對GDP的平均效應。可利用OLS法直接求出參數c和α的一致有效估計，即聯合回歸模型。

②個體效應變截距模型：lnyit=cit+αlnxit+uit。模型假設不同地區之不同時期的固定資產投資對GDP存在個體效應但沒有結構效應，個體效應可用截距cit的差異來說明，即模型中各方程截距項不同而系數α均相同，此模型適宜識別不同地區固定資產投資平均值的偏離。

③變系數面板模型：lnyit=cit+αitlnxit+uit。模型假設不同地區在不同時期既存在個體效應也存在結構效應，用不同的截距項cit解釋不同地區固定資產投資對GDP的個體效應，用不同的系數向量αit說明不同地區固定資產投資對GDP的結構效應，即模型中各方程截距項cit和系數向量αit均不同。

一、研究數據及其來源

本文采用2001～2010年廣西14個地級市固定資產投產量和GDP這兩個時間序列數據來分析固定資產投資與GDP之間的關系。其中所有的原始數據來源于《廣西統計年鑒》和中經網統計數據庫。

二、廣西14城市固定資產投資與GDP的整體分析

2001～2010年間，廣西全區GDP由2 279.34億元增加到9 569.89億元，年均增長速度達到17.39%；廣西全區固定資產投資總額也由655.6億元增加到7057.6億元，年均增長速度達30.42%，成為推動全區經濟持續發展的重要因素。廣西各地按照區域經濟發展戰略及五大經濟區發展規劃的要求，逐步加大區域對固定資產投資的規模和力度，區域特色經濟發展明顯加快。從收集的數據來看，廣西14城市中，固定資產投資增長率曲線與經濟增長率曲線變化趨勢基本相同，它們之間存在著相對穩定的均衡關系，除個別年份外，固定資產投資增速與GDP增長率之間的上下波動幾乎同向。兩條波動曲線雖不完全一致，但變化趨勢和波動周期卻基本相同，投資率在年度間的波動可能反映了經濟冷熱的敏感性，亦即短期的偏離并不會影響長期的走勢。

三、面板數據模型設定

基于前人研究結果，借鑒面板數據模型形式擬建立城市產出效應面板模型，結合廣西14個市從2001～2010年的GDP和固定資產投資建立二者關系的面板數據模型。

式中，gdpit和init為i城市t年該市的生產總值和固定投資；αit為與固定投資的彈性系數，越大說明其固定投資對該市的生產總值的增加越顯著；μit為隨機誤差項，可用于測定城市生產總值的水平效應；cit為常數項。

根據柯布―道格拉斯函數性質，模型截距項cit可用于測定各市GDP的效應，cit越大則水平越高；系數項ait為彈性，可用于測定增長效應，ait越大則表明增效越顯著。

四、模型的參數估計及檢驗

首先采用Eview6.0對聯合面板模型、變截距模型和變系數模型進行估計（表1）。

由表1可見，模型的擬合優度為0.99，回歸方程高度顯著，即固定資產投資總額的變動很大程度上影響了GDP的變動。模型通過了F檢驗，表明方程的整體性關系顯著。其中，DW=1.6747說明變量之間不存在自相關關系，也表明模型設定基本正確。

然后再進行模型設定形式檢驗，以研究模型形式的正確性，估計結果見表2。

由此可見，各地區固定資產投資與GDP的關系存在著一定程度的差別，某一城市在不同時期其固定資產投資對GDP的作用也有其差異。對上述所得模型進行檢驗，結果如表3。

由此可見，通過將原假設H設為混合模型后，得到P

五、結果分析

從表2的估計結果中可見，GDP對固定資產投資的彈性相對略大的幾個城市分別為貴港（0.2605）、南寧（0.2557）、柳州（0.2386）和百色（0.2236），表明貴港、南寧、柳州3市的固定資產投資每增長1個百分點，城市的GDP就分別增長0.2605、0.2557和0.2386個百分點，說明這3個城市對固定資產的投資力度作用反過來又對GDP產生了相對區內其他城市較為顯著的增長作用，加大固定資產投資對生產總值是有顯著的效應的；而彈性系數相對較小的3個城市是桂林（-0.0037）、賀州（0.0636）、來賓（0.0886），說明這幾個城市的固定資產投資并未對GDP的增長產生明顯的效應，甚至還出現了反作用，特別是作為旅游城市的桂林，一段時間內加大固定資產的投資可能對其生產總值非但沒能促進，反而出現負效應，所以該市在完善其設施后不宜再繼續加大固定資產的投資，防止資源被過度浪費；崇左（0.1168）、玉林（0.1595）和防城港（0.1864）3個市的固定資產投資對GDP的促進效應雖看不出明顯的增進作用，但其GDP與固定資產投資是保持著比較相對平穩的增長，可以適當地加大一定的投資量以促進進一步的發展。另外，廣西14城市中有梧州、北海、欽州和河池沒能通過5%的顯著性水平檢驗，意味著這幾個城市的固定資產投資對GDP或許不存在明顯促進作用，因果關系不甚確定，或許因為這4個城市的時間序列數據非平穩態或受多種因素影響所致。

改革開放以來，廣西經濟迅速發展，經濟水平不斷提高，由以上分析可見，廣西也是一個典型的投資驅動型經濟增長模式，固定資產投資的規模大小對GDP的影響舉足輕重。從根本上來看，固定資產投資的數量和質量決定了廣西經濟的發展，大規模投資有利于促進生產力發展，活動涉及到投資活動的方方面面，投資的結果直接影響產業結構和行業結構，因此固定有利于優化生產力布局和資源配置，促進經濟結構的調整。但也必須看到，固定資產的投資資產投資除了對項目微觀情況進行審計外，還須從宏觀角度審查項目建設對整體布局、產業結構、行業結構的影響，避免重復建設和損失浪費。固定資產投資的增長固然能夠帶動GDP的增長，但如果不考慮客觀可能，一味盲目追求固定資產投資規模的擴大，則由此所帶來的GDP的增長可能以破壞環境、浪費資源為代價，還可能造成國民經濟的嚴重失調，是不可取的。不能為了投資而投資，重要的是必須得提高資本的利用率。

1997年廣西黨委提出的區域經濟戰略中首次明確地將廣西劃分為桂東、桂西、桂南、桂北和桂中五大經濟區，提出了各經濟區的功能定位和優勢產業。各地按照區域經濟發展戰略和全區五大經濟區發展規劃的要求，加大了對區域優勢產業的扶持力度，區域特色經濟發展明顯加快。但在經濟快速增長的同時，區域經濟差異也在不斷擴大，成為制約廣西經濟進一步發展的障礙，影響到廣西經濟的可持續發展。由于各地區所處的工業化進程階段不同，導致了各地區固定資產投資的方向和重點不同，因此固定資產投資的數量規模及效益也不盡相同，與GDP之間的關系也就存在著一定的差別。

六、政策啟示

由上可見，在當今廣西經濟發展中，以輕工業為主的貴港和南寧、以重工業為主的柳州及以開發礦業為主的百色地區走在了前列，這與改革開放以來這些城市的大量投資特別是吸引外資有著密不可分的關聯。而發展工業的梧州、沿海外貿發達的北海、欽州以及內陸城市河池4城市的資本投入雖然在當地崛起且在西部大開發以來有大幅增長，但仍處于嚴重不足的階段。尤其河池市的投資主要仰賴國家投資，而外資和民間資本在當地的投入相對較少。從以上模型分析來看，長此下去有可能使這種趨勢得以強化。

廣西14個城市間經濟發展存在差異的原因有很大一部分是來自于城市間固定資產投資與GDP關系的不同。因此，要實現國民經濟協調快速的發展，就必須縮小城市或地區間固定資產投資和經濟增長關系之間的差距，使之保持在適度的范圍內。在此提出相關經濟政策的幾點建議：①對一些固定資產投資對GDP有明顯影響作用的幾個城市或地區來說，可以繼續加大固定資產的投資力度，以進一步擴大經濟的增長幅度；②對一些固定資產投資對GDP無明顯影響作用的幾個城市或地區而言，必須轉變觀念，從另一角度來考慮對GDP增長的有效措施，而不必一味單純從加大固定資產投資來希望促進經濟增長，以免造成資源的浪費；③對一些固定資產投資對GDP有一定影響但不甚明顯的幾個城市則必須重新審視原有的政策途徑，力圖從穩定經濟的角度來抓好經濟發展的每一環節。

參考文獻：

[1] 方軍武. GDP與固定資產投資關系分析――以湖北省為例[J]. 現代商業，2011（6）：176-177.

[2] 潘黎霞. 固定資產投資對東、中、西部發展的實證分析[J].統計與決策，2012（11）：94-98.

[3] 張向妮. 我國固定資產投資對GDP影響的實證分析[J]. 東方企業文化，2011（4）：36.

固定資產投資考慮因素范文第4篇

【關鍵詞】 固定資產投資 經濟發展 狀態空間模型

固定資產投資是一個國家(地區)經濟增長的前提保證,是優化產業結構的重要途徑,也是實現經濟持續健康發展的重要動力。通過建造和購置固定資產的活動,國民經濟不斷采用先進技術裝備,建立新興部門,進一步調整經濟結構和生產力的地區分布,增強經濟實力,對加快經濟發展,構建社會主義和諧社會具有重要的意義。

一、數據的選取與說明

數據來源于江蘇省統計年鑒年度數據。文章選取1974―2008年江蘇省的GDP和固定資產投資總額。對數據取對數,以消除異方差。LNGDP代表國內生產總值,LNTZ代表固定資產投資。

二、研究方法說明

首先檢驗兩者之間的協整關系,這樣建立二者長期均衡關系才有實際意義,并且通過實證研究得到的政策建議才具有未來的推測性。并且由于經濟的發展,江蘇省的經濟結構不斷地發生變化,經濟變量影響關系也可能發生變化。利用狀態空間模型可以很好地反映二者之間的動態關系,以消除經濟結構變化所帶來的干擾。

三、數據平穩性檢驗

由表1可以看出,LNGDP、LNTZ的檢驗統計值大于臨界值,說明原序列是非平穩的;兩序列的差分序列的檢驗統計值小于臨界值,說明二者的差分序列是平穩的,兩個原序列都是一階單整的。

四、協整關系檢驗

在進行協整檢驗之前,首先建立無約束的向量自回歸(VAR)模型,確定模型中變量的最佳滯后階數,根據AIC準則,確定VAR模型最優滯后階數為1。本文采用Johansen協整檢驗對LNGDP、LNTZ兩個序列進行檢驗。

表2結果表明:在顯著水平5%的水平下,GDP與固定資產投資存在一個協整關系。這說明江蘇省GDP與固定資產投資存在長期變動關系。

五、格蘭杰因果關系

前面的檢驗結果說明,能源消費與產出水平之間存在著協整關系。為了理解江蘇固定資產投資與經濟增長之間的相互關系,有必要測算兩者之間的因果方向。在回歸方程中,一個解釋變量影響因變量,意味著解釋變量的變化引起了因變量的變化,這就是所謂的變量間的因果關系。運用Granger因果檢驗方法對江蘇省經濟產出數據與固定資產投資數據進行關系檢驗的結果如表3所示。

檢驗結果顯示,固定資產投資是經濟增長Granger原因,經濟增長不是固定資產投資Granger原因,但是兩者都不存在反向的關系。這說明盡管江蘇省的固定資產投資與經濟增長之間存在長期的均衡關系,但并不是嚴格的雙向因果關系。江蘇省的經濟增長受投資拉動的跡象明顯。

六、建立狀態空間模型

狀態空間模型是由一組觀察方程和狀態方程構成。在這里,以狀態空間模型考察GDP與固定資產投資的關系,建立如下形式模型:

得到的估計模型如下:

量測方程LNGDP=4.21+SC1?鄢LNTZ+εt

狀態方程SC1=0.025+0.959sc1(-1)+ηt

圖1是狀態方程的估計值的線圖。

在考慮經濟結構變化的基礎上以及估計的SC1可以看出,投資的產出彈性是出于震動的上漲,但是總體的趨勢向上的,這意味固定資產投資對于經濟增長的拉動作用還是很明顯的。

七、結論

第一,投資對經濟增長的作用具有雙重作用,它既能增加生產能力,又對生產構成需求,即兼有供給效應和需求效應。短期內,投資主要是作為一種需求影響經濟發展,而從長遠來,投資供給效應的作用更為時顯。江蘇省固定資產投資與經濟增長存在長期的均衡關系。固定資產投資是江蘇省經濟增長的一個主要拉動因素。第二,通過Ganger因果檢驗表明,江蘇固定資產投資和GDP增長之間存在單向因果關系,固定資產投資的增加或減少必然會引起GDP的增加或減少,而GDP的變化對固定資產投資的變化沒有直接因果關系。從協整檢驗可以看出,固定資產投資對經濟的長期增長影響顯著。這表明江蘇省固定資產投資始終是經濟快速健康發展不可或缺的推動力,而固定資產的投資由于其存在的內在剛性,對經濟波動的反映程度較弱。第三,通過狀態空間模型可以看出,固定資產投資對于經濟增長的拉動作用愈來愈大,已經基本上達到了0.62,江蘇省應該提高投資效率,發揮其重要作用。統籌兼顧,優化固定資產投資結構;充分利用資本市場,拓寬投融資渠道;注重規劃,確保投資均衡發展;堅持市場規范和結構改善并舉,進一步完善房地產市場調控。

【參考文獻】

固定資產投資考慮因素范文第5篇

內容摘要:固定資產投資往往會受很多不確定因素的影響,這些不確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年的四川省固定資產投資總額為樣本數據建立組合模型,對模型進行識別、估計、檢驗,并且用2004年至2008年數據進行組內驗證預測,預測精度都達到95%以上,文章運用此模型對未來5年的固定資產投資總額進行預測,以期為四川省有關部門制定固定資產投資政策提供比較科學的依據。

關鍵詞:固定資產投資總額 組合模型 ARIMA模型 預測

研究方法綜述

據2009年7月18日金融時報中經濟專家分析,我國經濟刺激仍延續了投資主導的模式。政府主導的基礎設施投資保持高速增長,地方項目投資增速超過中央,私人投資開始跟進,四川省的經濟發展也不例外。因此,作為宏觀調控的重要措施之一的投資備受關注,其也成為各級政府和相關研究者更加關注的焦點問題之一。由于全社會固定資產投資往往受到許多因素的制約,這些因素的關系又是錯綜復雜的,有些是可以量化的,有些是不能量化的,而且即使可以量化,量化的數據的質量也會影響到固定資產投資的準確性,因此運用它方數據結合模型對固定資產投資分析并預測一般比較困難。為了更加準確地模擬四川省固定資產投資總額的變化趨勢,為政府的宏觀調控提供科學的依據,研究數據自身的發展變化規律,并據此進行科學的預測尤為重要。

對于時間數列的分析方法有很多種,一般簡單的就是指標分析法,比如統計學教程中用到的平均增長速度、平均增長量等。還有相對比較復雜的模型分析法,針對確定性時間數列和隨機性時間數列分析方法又各不相同。

一般確定性時間數列的分析方法包括指數平滑法、移動平均法、時間回歸法、季節指數法等。認為事物的變化是漸進式而不是跳躍式的,影響事物的因素在過去、現在和將來基本上是不變的,即使變化不大,事物的發展具有穩定性和類推性,而且隨機因素的影響相對不顯著,根據時間序列的歷史資料可以采用定性和定量相結合的方法描述出這種確定性的趨勢,并依此來預測將來的發展變化。對隨機性時間數列的分析方法一般包含ARIMA模型法和組合模型法,認為很多社會經濟現象變動形成的時間數列都可以看作是一個隨機過程的實現,利用隨機過程去分析描述事物的發展變動趨勢。

從系統論的觀點出發,現實中很多經濟時間數列都是由確定性趨勢和隨機波動兩部分構成,具體可以用以下模型來表述:Xt=f(t)+Yt ,其中,f(t)表示數列Xt中隨時間變化的確定性趨勢部分,可以用一定的函數形式來模擬;Yt 為Xt中剔除隨時間變化的確定性趨勢后余下的隨機波動部分,可以用ARMA模型來模擬。由于指標分析法和確定性時間數列分析法認為時間數列中隨機變動因素影響不顯著是不科學的,因此,本文選用隨機性時間數列分析方法分析四川省固定資產投資總額的變化趨勢。

本文運用Eviews軟件,采用2009年《四川統計年鑒》中實際固定資產投資總額數據,首先介紹了ARIMA模型法與組合模型法兩種隨機性時間數列分析方法;然后利用1997至2008年的數據建立組合模型,對模型進行識別、估計和檢驗,對2004至2008年這五年的固定資產投資總額進行了組內驗證預測,并用該模型對未來五年的固定資產投資總額進行了組外推斷預測和分析,為四川省政府制定“十二五”發展規劃中固定資產投資政策提供比較科學的依據。

ARIMA模型法與組合模型法

(一)ARIMA模型法的原理

ARIMA模型法建模的基本思想是:將預測對象隨時間推移而形成的數據數列視為一個隨機數列,即除去個別的偶然原因引起的觀測值外,時間數列是一組依賴于時間t的隨機變量,構成該時序的單個數列值雖然具有不確定性,但整個數列的變化卻有一定的規律性,可以用相應的數學模型近似描述。這組隨機變量所具有的依存關系或自相關性表征了預測對象發展的延續性,而這種自相關性一旦被相應的數學模型描述出來,就可以從時間序列的過去值及現在值預測其未來的值。ARIMA模型法一般不考慮確定性趨勢的具體形式,采用直接差分的數學方法,使時間數列Xt的趨勢剔除,然后對剩余數列進行自回歸滑動平均模型(ARMA模型)的模擬,最后經過逆運算得出時間數列Xt,即ARIMA模型。

(二)組合模型法的原理

組合模型法建模的基本思想是:將預測對象隨時間推移而形成的數據數列視為一個隨機數列,而時間數列是一組依賴于時間t的隨機變量,用相應的數學模型近似描述數列與時間t的確定性關系,然后用ARMA模型描述隨機變動部分。 組合模型法考慮確定性趨勢的形式,以直線、指數、多項式、雙曲線等具體不同形式,構造時間t的函數去模擬確定趨勢,然后對剩余數列進行ARMA模型的模擬,最后綜合兩部分得出了最終模型,即組合模型。

(三)ARIMA模型法與組合模型法的關系

ARIMA模型法與組合模型法都是研究隨機性時間數列的方法,二者異曲同工,又各有優劣,具體采用哪種模型來擬合時間數列趨勢,應視具體情況而定。其一,組合模型法可以取不同的函數形式模擬確定趨勢,而ARIMA模型法多為通過一般差分來剔除趨勢的,而且多數是線性趨勢的效果才好,對于非線性趨勢的數列一般要經過取對數等線性數學替換后才能夠進行差分剔除趨勢;其二,組合模型法中模型參數的經濟含義更好解釋,而ARIMA模型法的參數經濟含義則難以解釋;其三,現實中多數經濟時間數列的變動并非都是呈現線性趨勢,ARIMA模型法的數學變換經常使得原始數據面目全非,最后在模型中的數據和原始數據相差甚遠。

組合模型的實現

首先,擬合確定性趨勢部分 。根據固定資產投資時間數列變動趨勢圖,發現存在指數變動趨勢,因此建立指數增長模型對其進行擬合,估計方程為:

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

T統計量 9.695477 21.028890

式中,參數都通過了顯著性檢驗,相對應的T檢驗值分別為9.695477和21.028890,絕對值遠遠大于2;整體的模擬效果也比較好,擬合優度達到0.985542,F檢驗效果也非常好;同時,對剩余數列進行包含常數項和趨勢的單位根檢驗,選擇Automatic based on AIC和MAXLAG=4,發現ADF值達到-3.460619小于5%顯著性水平下的臨界值-3.875302,說明剩余數列已經平穩。

其次,對剩余數列y用Box-Jenkins法模擬ARMA(p,q)模型。由于數列的確定性部分模擬的是非線性回歸模型,因此,只能采用AR(p)形式對剩余數列進行建模。根據數列y的自相關和偏自相關圖可以斷定,初步識別數列的分布至少服從一階自回歸。比較R2、R2、殘差平方和、AIC及SC各種統計量,綜合預測誤差的結果最終確定剩余數列服從二階自回歸,模型為:

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

T值6.251015-3.339783

各種計量經濟檢驗和統計檢驗如下:模型中一、二階自回歸參數的T統計量值的絕對值均大于2,表明各參數顯著不為零;F檢驗伴隨概率的P值為0.000011,表明模型從總體上看是顯著有效的;R2、R2在85%以上,說明擬合效果比較好,同時殘差平方和、AIC及SC都相對最小;從殘差自相關和偏自相關圖及相應的Q統計量來看,殘差的任意滯后期自相關和偏自相關系數與零無顯著差異,同時LM檢驗也表明殘差數列不存在高階自相關,且ARCH檢驗的伴隨概率比較高,表明不存在異方差;因而該模型總體上是最佳的。

最后,用非線性最小二乘法對組合模型的參數進行整體估計,參數的初始值和精確估計相差不大,綜合確定趨勢的指數模型和剩余數列的ARMA模型,得到最終的組合模型為:

Xt=f(t)+Yt

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

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

本研究根據上述組合模型對2004-2008年的固定資產投資進行了組內預測,從近五年預測的預測情況(見表1)來看,預測值和實際值的差異較小,相對誤差率基本上控制在5%以內,這說明此模型預測的效果較好,能夠較真實地刻畫固定資產投資數據的動態變化規律,可以用于預測。

預測及分析

本文對1997年至2008年四川省固定資產投資數據建立的指數增長和自回歸組合模型通過各種診斷檢驗,而且進行的組內驗證預測效果也很好,因此利用該模型對四川省未來五年的固定資產投資總額進行外推預測,預測結果詳見表2。預計2009年至2013年四川省固定資產投資總額依次為9307.75、11664.10、14605.91、18292.79、22924.77億元,年平均增長高達3000億元左右,逐年增長率都在25%左右。其中如果相對誤差控制在5%內,則“十一五”發展規劃結束時,固定資產投資總額預測值將在區間(8842.36,9773.14)之內變動。

改革開放三十多年間四川省固定資產投資持續快速增長。從1978年的22.48億元增長到2008年的7602.4億元,年平均增長252.664億元,極個別少的年份逐年增長率出現負增長或低于10%,但50%年份的逐年增長率都高于20%,尤其是2004年至2008年,年平均增長高達1238.485億元,且逐年增長率在30%左右。而且從預測值來看,未來五年年平均增長高達3000億元左右,逐年增長率都在25%左右。

進入21世紀后固定資產投資發展更快,“十一五”規劃中明確指出工業強省,所以近幾年的固定資產投資總額保持30%左右的增長水平。目前由40名專家組成的四川省“十二五”規劃專家委員會的有關負責人表示,結合地方實際情況最重要,強調轉變發展方式,調整經濟結構,同時正在思考未來四川發展中的工業化、城市化、農業回籠化幾個方面的關系。因此,在工業化和城市化的進程中,在保證有效率投資的基礎上,配合經濟增長仍然需要保證大量的投資,預測未來五年,四川省固定資產投資總額逐年增長25%左右,與全國的水平保持一致,作為西部地區的四川省這一估計已經相對保守了。

但該組合模型也存在一定的局限性。該模型在短期內預測比較準確,隨著預測期的延長,預測誤差會逐漸增大。但盡管如此,與其它指標預測或者確定性預測方法相比,其預測的準確度還是比較高的。當然如果遇到毀壞性比較大的情況則需要考慮引進干預變量改進組合模型。

參考文獻:

1.易丹輝.數據分析與Eviews應用[M].中國統計出版社,2002

2.四川省統計局等.四川統計年鑒(2009)[M].中國統計出版社,2009

3.石美娟.ARIMA模型在上海市全社會固定資產投資預測中的應用[J].數理統計與管理,2005(1)

4.王艷明,許啟發.時間序列分析在經濟預測中的應用[J].統計與預測,2001(5)