我国固定资产投资增长率预测分析

摘 要：固定资产投资作为投资的重要组成部分，是社会经济发展的一个重要动力，是社会固定资产再生产的主要手段。因此，预测我国固定资产投资增长率对于促进我国经济增长具有重要意义。从动态分析的角度出发，本文以我国1981―2013年的全社会固定资产投资增长率为一个时间序列，运用Eviews6.0软件对其进行分析。由分析结果可知，ARMA（4，3）模型提供了较为准确的模拟结果，可用其来预测我国固定资产投资未来增长率，为我国全社会固定资产投资决策提供可靠的参考依据。

关键词：增长率；时间序列；ARMA模型

一、引言

固定资产投资是指建造和购置固定资产的经济活动，是社会固定资产再生产的主要手段。通过建造和购置固定资产，国民经济不断采用先进的技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，提升经济水平，为改善人民的物质文化水平提供条件。随着我国加入世贸组织，我国固定资产投资额随经济的发展持续增加。我国经济自2006年实现快速增长后，全社会固定资产投资出现了过快增长的现象。为了比较准确地把握我国全社会固定资产投资未来所需资金，本文把我国固定资产投资增长率作为一个时间序列，利用时间序列分析方法，使用ARMA模型进行模拟，预测其未来增长率。

二、固定资产投资增长率预测

本文使用1981―2013年的固定资产投资增长率数据为一个时间序列，建立我国固定资产投资增长率预测模型，对我国2014年的全社会固定资产投资增长率进行预测。数据主要来源于《中国统计年鉴》。

（一）我国全社会固定资产投资增长率预测模型的建立

将原始数据输入Eviews6.0软件中，检验该组数据是否平稳。ADF单位根检验结果显示p值=0.0332

图1 自相关―偏自相关图

由图1可以看出，Q统计量的p值都小于0.05，说明序列值之间存在显著的相关关系，该序列为非白噪声序列。根据自相关系数和偏自相关系数的拖尾性和截尾性以及AIC原则，尝试建立不同的时间序列模型。通过对ARMA（4，3）模型进行白噪声检验，其结果显示延迟6阶和延迟12阶的p值均大于0.05，这说明该残差序列为白噪声序列，模型拟合成功。建立ARMA（4，3）模型：

xt=0.210813+0.440113xt-1-0.398061xt-4+εt-0.913235εt-3

其中，{εt}为标准正态白噪声序列。

（二）预测模型的拟合效果分析

根据建立的我国全社会固定资产投资增长率预测模型，计算出1981―2013年的增长率预测值以检验拟合模型效果的好与坏，分析结果如图2所示。

图3 模型拟合图

拟合模型走势与原始序列走势基本一致，残差基本保持在±1之内，说明模型拟合得比较成功。并且Theil不等系数值为0.144083，模型预测能力较强，我国固定资产投资增长率预测模型建立比较优。

（四）模型预测分析

利用拟合模型对原时间序列做出2011―2013年的预测值，并与真实值进行比较，比较结果如下表。

从上表可以看出预测值和实际值之间的相对误差较小，模型的预测结果比较理想。所以，根据ARMA（4，3）模型的拟合结果对2014年我国全社会固定资产投资增长率进行预测，其结果为23.92%。也就是说，在2014年我国全社会固定资产投资额仍将继续增长。

三、结束语

固定资产投资作为投资的重要组成成分，政府在引导投资时应合理安排投资比例，有效地引导投资增长；加强产业政策引导，调整和优化投资结构；把握投资机会，提高投资效益，从而促进我国经济的健康发展。

ARMA模型在短期内的预测结果比较准确，随着预测期的延长，预测误差会逐渐加大，这是ARMA模型的缺陷。并且ARMA模型只适合模拟平稳性时间序列。但是与其他的预测方法相比，ARMA模型在时间序列的短期预测方面表现比较好。（作者单位：辽宁工业大学）

参考文献：

[1] 王燕.应用时间序列分析[M].北京：中国人民大学出版社，2008

[2] 师思.ARIMA模型在固定资产投资变化率预测中的应用[J].统计与决策，2009（10）.

[3] 李慧.ARIMA模型在我国全社会固定资产投资预测中的应用[J].黑龙江对外经贸.2010（07）.