殷英 譚元發(fā)

摘要：自改革開放以來，中國(guó)制造業(yè)有了顯著的發(fā)展，無論制造業(yè)總量還是制造業(yè)技術(shù)水平都有很大的提高，制造業(yè)的增加值基本穩(wěn)定在當(dāng)年GDP的30%以上。本文運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)原理對(duì)我國(guó)1966年以來制造業(yè)增加值進(jìn)行動(dòng)態(tài)分析，建立ARMA模型，并利用歷史數(shù)據(jù)論證模型的正確性，研究制造業(yè)增加值變化趨勢(shì)和特征，給出了制造業(yè)增加值的預(yù)測(cè)方法，為經(jīng)濟(jì)決策提供依據(jù)。

Abstract： Since the economic reform and opening， China's manufacturing industry has a significant development， both total economic output and manufacturing technology level has greatly improved， manufacturing output basically stable at more than 30% of GDP. This paper analyses the manufacturing value added in China with the theory of econometrics since 1966， establishes ARMA analyzing model，checks the correctness of this model by using history-data， discusses the trend and character of the variety of the manufacturing value added in China and presents forecast of the manufacturing value added，and provides the basis for economic decisions.

關(guān)鍵詞：制造業(yè)增加值;時(shí)間序列;ARMA模型

Key words： manufacturing value added;times series;ARMA model

中圖分類號(hào)：F403? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2018）36-0108-03

0? 引言

自改革開放以來，中國(guó)制造業(yè)有了顯著的發(fā)展，無論制造業(yè)總量還是制造業(yè)技術(shù)水平都有很大的提高，制造業(yè)的增加值基本穩(wěn)定在當(dāng)年GDP的30%以上。同時(shí)，國(guó)家財(cái)政收入的50%來自制造業(yè)。2015年國(guó)家制定“中國(guó)制造2025”，制造業(yè)供給側(cè)結(jié)構(gòu)性改革取得新突破，通過“積極穩(wěn)妥化解過剩產(chǎn)能、促進(jìn)工業(yè)企業(yè)降本增效、補(bǔ)齊實(shí)物產(chǎn)品質(zhì)量短板等方面的突破”，制造業(yè)將逐步實(shí)現(xiàn)由“中國(guó)制造”到“中國(guó)智造”。本文運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)理論建立中國(guó)制造業(yè)增加值的時(shí)間序列模型，分析制造業(yè)增加值內(nèi)在關(guān)系和變化趨勢(shì).并運(yùn)用所建模型對(duì)制造業(yè)增加值進(jìn)行預(yù)測(cè)，為政府選擇預(yù)測(cè)經(jīng)濟(jì)發(fā)展的統(tǒng)計(jì)模型提供參考。

1? 制造業(yè)工業(yè)增加值數(shù)據(jù)分析與處理

本文根據(jù)《中國(guó)統(tǒng)計(jì)年鑒，2017》和《世界銀行》等收集了1966～2017年的制造業(yè)增加值有關(guān)數(shù)據(jù)，為了方便用MVAt表示制造業(yè)增加值.

圖1為1966～2017年制造業(yè)增加值變化曲線，從圖1可以看出MVAt是一個(gè)非平穩(wěn)序列，它的變化呈指數(shù)變化趨勢(shì)。

對(duì)MVAt作對(duì)數(shù)變換后進(jìn)行逐期差分運(yùn)算，用LNMVAt表示。

得出時(shí)間序列LNMVAt的變化趨勢(shì)如圖2所示。

從圖2可看出，一階差分后的時(shí)間序列變得較為平穩(wěn)，應(yīng)用Eviews8.0軟件對(duì)LNMVAt進(jìn)行ADF平穩(wěn)性檢驗(yàn)，檢驗(yàn)結(jié)果由表1可見，由于ADF統(tǒng)計(jì)值為-5.0123小于在1%的顯著水平-3.5744，時(shí)間序列LNMVAt拒絕單位根假設(shè)，LNMVAt在1%顯著水平上是平穩(wěn)的。

2? ARMA模型擬合

序列LNMVAt的自相關(guān)（AC： Autocorrelation）圖和偏自相關(guān)（PAC： Partial Correlation）圖如表2，自相關(guān)函數(shù)AC和偏自相關(guān)函數(shù)PAC具有拖尾且依正弦趨近于零的特性。根據(jù)Boy-Jenkins模型識(shí)別方法，用ARMA（p，q）模型進(jìn)行擬合。由表2可以看出，自相關(guān)函數(shù)AC到滯后1階呈正弦衰減，都在95%置信區(qū)間內(nèi)，偏自相關(guān)系數(shù)PAC在滯后1階、2階、7階處顯示出統(tǒng)計(jì)上的尖柱，其余在95%置信區(qū)間內(nèi)。因此可以考慮p=2，q=0或1建立ARMA（p，q）模型：Φp（B）LMVAt=Θq（B）ut

其中Φp（B）和Θq（B）分別表示B的p，q階多項(xiàng)式，分別稱為自回歸算子和移動(dòng)平均算子，B表示滯后算子，B LNMVAt=LNMVAt-1，ut表示白噪聲。

用Eviews8.0軟件進(jìn)行擬合，根據(jù)上述分析，建立ARMA（2，0）、ARMA（2，1）時(shí)間序列模型，如表3、4所示。

從表5的比較，選擇模型ARMA（2，0），模型ARMA（2，0）的估計(jì)方程為：

（10.3）? ? ? ? ?（3.5）? ? ? ? ? ? ? ?（-2.19）

各系數(shù)t-檢驗(yàn)顯著，表3中最下方給出的是滯后多項(xiàng)式Φ（MVA-1）=0的倒數(shù)根，這些根在單位圓內(nèi)時(shí)，過程ARARMA（2，0）是平穩(wěn)的。

3? 模型的檢驗(yàn)

H0：et相互獨(dú)立（et為殘差序列）。

設(shè)m是最大滯后期，根據(jù)實(shí)際情況，取m =12，檢驗(yàn)統(tǒng)計(jì)量

rk（e）是殘差序列自相關(guān)函數(shù)，用Eviews8.0軟件進(jìn)行計(jì)算，得出模型ARMA（2，0）的Q-統(tǒng)計(jì)量相伴概率，如表6所示。

Q-檢驗(yàn)的相伴概率遠(yuǎn)大于檢驗(yàn)水平0.05，因此不能拒絕原假設(shè)，即可以認(rèn)為模型ARMA（2，0）估計(jì)結(jié)果的殘差序列不存在自相關(guān)。

4? 利用模型進(jìn)行預(yù)測(cè)

根據(jù)上述分析，利用ARMA（2，0）運(yùn)用EViews8.0軟件計(jì)算2016年和2017年的制造業(yè)增加值，并對(duì)2018年制造業(yè)增加值進(jìn)行預(yù)測(cè)，結(jié)果見表7。

從表7可知，用ARMA（2，0）模型對(duì)制造業(yè)增加值進(jìn)行預(yù)測(cè)，2016與2017年預(yù)測(cè)值與實(shí)際值誤差分別為2.6%和1.5%，2018年制造業(yè)增加值增長(zhǎng)速度預(yù)計(jì)為6.8%，這與預(yù)期經(jīng)濟(jì)增長(zhǎng)速度相近。

5? 結(jié)語

建立經(jīng)濟(jì)預(yù)測(cè)模型的方法較多，運(yùn)用時(shí)間序列建立經(jīng)濟(jì)模型具有一定準(zhǔn)確性.本文建立的ARMA模型對(duì)中國(guó)制造業(yè)增加值進(jìn)行預(yù)測(cè)，其誤差不超過3.6%，其精度滿足通常標(biāo)準(zhǔn)，并對(duì)2018年制造業(yè)增加值進(jìn)行預(yù)測(cè)，其增長(zhǎng)速度為8.3%，“十二五”期間，我國(guó)制造業(yè)實(shí)現(xiàn)了年均增速為9.81%，2016年的增長(zhǎng)速度為6.8%，2017年的增長(zhǎng)速度為6.1%，與發(fā)展目標(biāo)相符合，說明模型是可行的。

參考文獻(xiàn)：

[1]樊歡歡，李嫣怡，陳勝可.EViews統(tǒng)計(jì)分析與應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)[M].北京：機(jī)械工業(yè)出版社，2011-07.

[2]殷英，譚元發(fā).我國(guó)新能源ARMA模型分析與預(yù)測(cè)[J].數(shù)學(xué)理論與應(yīng)用，2009-04.

[3]譚元發(fā).能源消費(fèi)與工業(yè)經(jīng)濟(jì)增長(zhǎng)的協(xié)整與ECM分析[J].統(tǒng)計(jì)與決策，2011-04.

[4]Jeffrey M. Woddridge， Introductory Econometrics： A Modern Approach. Third Edition[M]. Beijing： Tsinghua University Press，2007.

[5]Johansen， S. Statistical analysis of cointegration vectors [J]. Journal of Economic Dynamics and Control， 1988-12：231-254.