- 相關(guān)推薦
計量經(jīng)濟學(xué)視角下的高校新增設備價(jià)值的分析與預測
計量經(jīng)濟學(xué)是以一定的經(jīng)濟理論和統計資料為基礎，運用數學(xué)、統計學(xué)方法與電腦技術(shù)，以建立經(jīng)濟計量模型為主要手段，定量分析研究具有隨機性特性的經(jīng)濟變量關(guān)系的一門(mén)經(jīng)濟學(xué)學(xué)科。主要內容包括理論計量經(jīng)濟學(xué)和應用經(jīng)濟計量學(xué)。理論經(jīng)濟計量學(xué)主要研究如何運用、改造和發(fā)展數理統計的方法，使之成為隨機經(jīng)濟關(guān)系測定的特殊方法。應用計量經(jīng)濟學(xué)是在一定的經(jīng)濟理論的指導下，以反映事實(shí)的統計數據為依據，用經(jīng)濟計量方法研究經(jīng)濟數學(xué)模型的實(shí)用化或探索實(shí)證經(jīng)濟規律。
摘要：高校作為以教學(xué)科研為主要任務(wù)的非營(yíng)利性組織，開(kāi)展日常運營(yíng)活動(dòng)需要大量的設備以維持正常運作。采用計量經(jīng)濟學(xué)模型對每年新增的設備價(jià)值進(jìn)行分析與預測，能夠有效幫助設備管理與財務(wù)部門(mén)合理安排預算，分配資金，提升高校資金運作效率。
關(guān)鍵詞：計量經(jīng)濟學(xué) 時(shí)間序列模型 高校設備管理
一、引言
高校進(jìn)行教育、科研與管理等活動(dòng)離不開(kāi)各種儀器設備的支持。高校的設備形式多樣，種類(lèi)繁多，價(jià)值不等。按照《高等學(xué)校財務(wù)制度》第42條的相關(guān)規定，單件價(jià)值1 500元以上(含1 500元)，且在使用過(guò)程中能夠基本保持原有物質(zhì)形態(tài)、使用期限超過(guò)一年的專(zhuān)用設備以及單件價(jià)值 1 000元以上(含1 000元)，且在使用過(guò)程中能夠基本保持原有物質(zhì)形態(tài)、使用期限超過(guò)一年的非專(zhuān)用設備及家具應當計入各類(lèi)設備核算。劃歸為各類(lèi)設備核算的設備的特點(diǎn)是金額較高(1 000元以上)，使用期限較久(1年以上)，一般而言，一所高校擁有的各類(lèi)設備總額占高校資產(chǎn)總額的70%以上，而高校各類(lèi)設備除房屋與土地之外，主要是各類(lèi)設備。房屋及土地的特點(diǎn)是建設規劃性強，資金使用量可以準確估計，而各類(lèi)設備的需求和開(kāi)支則表現出需要量大且波動(dòng)較大，其資金需要量較難估計，在進(jìn)行資金管理時(shí)，合理預測設備的需求量將很大程度上影響高校的資金使用效率。合理估計高校設備占用的資金需求能夠有效避免在賬戶(hù)上留下過(guò)多閑置資金，從而能夠提高高校資金使用效率。
隨著(zhù)數學(xué)統計學(xué)的日趨完善，時(shí)間序列的線(xiàn)性模型相繼產(chǎn)生。高校購置、處置各類(lèi)設備除了受到歷史數據的影響，也會(huì )隨著(zhù)其他方面的因素而變動(dòng)，通過(guò)對其進(jìn)行時(shí)間序列的分析，能夠消除隨機波動(dòng)的影響，同時(shí)能夠對未來(lái)的走向進(jìn)行合理估計。
常用的隨機時(shí)間序列分析方法分為平穩時(shí)間序列分析和非平穩時(shí)間序列分析兩類(lèi)。平穩時(shí)間序列模型包括 AR模型、MA 模型、ARMA 模型，這些模型應用的前提是時(shí)間序列是平穩的，由于常常受到前期事項的影響，日常獲得的數據往往不是平穩的，不能直接應用上述模型。通過(guò)首先對非平穩時(shí)間序列模型取差分使其變?yōu)槠椒�序列模型，再應用上述模型進(jìn)行分析，可以合理估計時(shí)間序列的走向。ARIMA模型是由 喬治・博克斯(George Box)和格威利姆・詹金斯(Gwilym Jenkins)創(chuàng )立，也稱(chēng)為B-J方法，該方法不考慮以經(jīng)濟理論為依據的解釋變量的作用，而是依據變量本身的變化規律，利用外推機制描述時(shí)間序列的變化，能達到最小方差意義下的最優(yōu)預測，是一種精度較高的時(shí)序短期預測方法。
二、 構建高校年新增設備價(jià)值時(shí)間序列模型
(1)數據來(lái)源及分析
在實(shí)證中，筆者所用數據為1999―2013年某大學(xué)新增各類(lèi)設備賬面價(jià)值，采用了“固定資產(chǎn)”一級科目下除“房屋建筑物”及“土地”之外的二級科目各年度的余額作為數據來(lái)源。1999―2013年的數據用于模型分析，2014年的新增各類(lèi)設備賬面價(jià)值用于檢驗模型的預測的準確性，為取得較好的效果，賬面價(jià)值的單位精確到分。年新增各類(lèi)設備時(shí)間序列FA是不平穩的，具有較為明顯的上升趨勢，這也表明了隨著(zhù)時(shí)間的推移，高校新增設備的價(jià)值總體處于不斷增加的狀態(tài)。若要應用計量經(jīng)濟學(xué)模型對該時(shí)間序列進(jìn)行分析，需要對原始數據進(jìn)行平穩化處理。
(2)數據平穩性檢查及處理
為了更加準確地驗證原時(shí)間序列是否平穩，可以對該序列進(jìn)行單位根檢驗，檢驗的結果如表1所示。
由表1的結果可知，時(shí)間序列FA在A(yíng)DF檢驗中t統計量大于10%的臨界值，即無(wú)法拒絕原假設H0：ρ=1，原序列FA存在單位根，即認為原序列是非平穩的，要使用ARMA(p，q)模型進(jìn)行預測分析，需要對原序列進(jìn)行平穩化處理。對原時(shí)間序列FA取一階差分后，新的序列DFA單位根檢驗及數據曲線(xiàn)圖如圖1所示。
從圖1中可以看出經(jīng)過(guò)一階差分，時(shí)間序列的上升趨勢已經(jīng)消除，對DFA的單位根檢驗結果見(jiàn)表2。
由表2可以看出，經(jīng)過(guò)一階差分的時(shí)間序列DFA的t統計量為-7.19401，小于顯著(zhù)性水平為1%的t統計量 -4.05791，因此，其在1%、5%和10%的顯著(zhù)性水平下都是顯著(zhù)的，DFA模型通過(guò)了單位根檢驗，拒絕原假設，可以認定該時(shí)間序列不存在單位根，是平穩的。
(3)構建時(shí)間序列模型
1、模型識別。該時(shí)間序列為一元時(shí)間序列模型。建模的目的是利用所能夠得到歷史數據和當前及過(guò)去的隨機誤差項對該時(shí)間序列的變化前景進(jìn)行統計預測，而該預測通常假定不同時(shí)刻的隨機誤差項為統計獨立且正態(tài)分布的隨機變量。對于時(shí)間序列預測，首先要找到與數據擬合最好的預測模型，所以階數的確定和參數的估計是預測的關(guān)鍵。由于時(shí)間序列DFA是平穩的，可以運用ARMA模型進(jìn)行考量。通過(guò)考察時(shí)間序列DFA的自相關(guān)圖和偏自相關(guān)圖，繪制DFA的相關(guān)圖和Q統計量，確定ARMA模型的階數p，q。
通過(guò)對一階差分時(shí)間序列的觀(guān)察可以得出，一階差分后的時(shí)間序列DFA的自相關(guān)函數和偏自相關(guān)函數都具有拖尾的特征，適用于A(yíng)RIMA(p，1，q)模型。同時(shí)，因自相關(guān)函數僅在滯后1階處超過(guò)95%的置信區域，而其他各階滯后的自相關(guān)函數都在 95%的置信區域內。而偏自相關(guān)函數比較明顯地看出屬于1階拖尾。因此，選擇ARIMA(1，1，1)模型進(jìn)行預測是比較合理的。
2、模型參數估計與建立。確定了模型后，運用ARIMA(1，1，1)對原序列進(jìn)行參數估計，估計結果如表3所示。由表3計算結果可得到模型的估計結果：
DFAt=5276410-0.386122DFAt-1+εt-0.920393εt-1
模型參數估計后，應該對模型的適合性進(jìn)行檢驗，即對模型的殘差序列進(jìn)行自噪聲檢驗。若殘差序列不是白噪聲序列，意味著(zhù)還存在有用信息沒(méi)被提取，需要進(jìn)一步改進(jìn)模型。根據前面估計的參數，得到新增各類(lèi)設備時(shí)間序列模型殘差系列的相關(guān)圖和 Q 統計量。殘差系列的樣本自相關(guān)函數都在 95%的置信區域以?xún)�，從滯�?1―12 階的自相關(guān)函數相應的概率值P都大于檢驗水平 0.05，因此不能拒絕原假設，即可以認為模型 ARIMA(1，1，1)估計結果的殘差系列不存在自相關(guān)，同時(shí)，由于該時(shí)間序列模型的各項統計量也很好，模型通過(guò)檢驗，可以用于對未來(lái)的設備需求量的預測。
三、模型短期預測及分析
(1)模型短期預測
模型的估計結果為：
DFAt=5276410-0.386122DFAt-1+εt-0.920393εt-1
該模型表述的含義是，當期DFA值和上一期的DFA值相關(guān)，同時(shí)呈現的是負相關(guān)關(guān)系。利用該模型對2014年新增各類(lèi)設備數額進(jìn)行預測，結果見(jiàn)圖2。
利用2014年的數據驗證，該模型估計的誤差在1.56% 左右，預測的效果比較理想，可以進(jìn)一步運用該模型對2015―2017年度新增各類(lèi)設備總額進(jìn)行估計。通過(guò)上一年度的DFAt-1推算本年度的DFAt，再通過(guò)本年度的DFAt結合上一年度的FAt-1推算出今年的FAt，依據此方法就可以對未來(lái)三年的設備新增額進(jìn)行預測(見(jiàn)表4)，從而估計出未來(lái)三年的設備占用資金的數額，以盡早制定資金需求預算。
(2)研究結論及分析
通過(guò)對上述時(shí)間序列進(jìn)行一階差分求得平穩時(shí)間序列，利用ARMA模型對該平穩序列的走勢進(jìn)行預測，并利用最新數據對預測結果進(jìn)行檢驗，表明實(shí)證結果較為理想，可以利用該模型對未來(lái)可能新增各類(lèi)設備數額進(jìn)行分析和預測。
通過(guò)上述分析可以看出，ARIMA法是計量經(jīng)濟學(xué)中的一種常見(jiàn)方法，其模型比較簡(jiǎn)單、對資料的要求比較單一、只需考慮變量本身的歷史數據，在實(shí)際中有著(zhù)廣泛的適用性。在應用中應該根據所要解決的問(wèn)題及問(wèn)題的特點(diǎn)等方面來(lái)綜合考慮并選擇相對最優(yōu)的模型。但由于其模型簡(jiǎn)單，數據來(lái)源少，要想取得較好的預測效果，在實(shí)際應用中需要盡可能多的數據，以最大限度地反映出隱藏在數據背后的經(jīng)濟現象。
模型預測和實(shí)際值的差異較小，說(shuō)明應用該模型對該現象的預測效果較好，可以使用這個(gè)模型對未來(lái)可能發(fā)生的新增各類(lèi)設備支出進(jìn)行合理預測。通過(guò)這種方法，可以?xún)?yōu)化高校資金配置，將更多的閑置資金應用于其他方面的支出，避免在銀行存款賬務(wù)上留下過(guò)多資金，從而提高資金的使用效率。但應用ARIMA模型存在一個(gè)缺陷，即該模型在短期內預測比較準確，隨著(zhù)預測的延長(cháng)，隨機擾動(dòng)項的誤差會(huì )疊加，則有可能使得預測誤差逐漸增大。另外，該模型的預測只是針對正常情況下的理論走向，對于某一年發(fā)生的非正常波動(dòng)則無(wú)法準確預測，因此，在應用該模型進(jìn)行預算籌劃時(shí)，需要特別針對特殊情況留有足夠的預備金，如此方可在保障資金安全的情況下有效提升高校的資金使用效率。
參考文獻：
1.張勃，劉秀麗.基于A(yíng)RIMA模型的生態(tài)足跡動(dòng)態(tài)模擬和預測：以甘肅省為例[J].生態(tài)學(xué)報， 2011，31(20).
2.袁國軍，謝長(cháng)風(fēng).基于A(yíng)RIMA模型的居民消費價(jià)格指數的建模與預測[J].齊齊哈爾大學(xué)學(xué)報，2011，(9).
【計量經(jīng)濟學(xué)視角下的高校新增設備價(jià)值的分析與預測】相關(guān)文章：
價(jià)值鏈視角下內部審計職能定位11-16
價(jià)值觀(guān)視角下組織理論演進(jìn)述評03-22
法制化視角下的高校管理-高校處分權辨析01-26
教育學(xué)視角下的智性學(xué)習分析論文11-15
企業(yè)資源視角下的核心競爭力分析03-11
交易價(jià)值視角下的供應鏈合作關(guān)系研究02-27
淺談公允價(jià)值視角下的會(huì )計概念03-29
熵理論視角下的中國快遞業(yè)市場(chǎng)分析03-18