计量经济学视角下的高校新增设备价值的分析与预测.docVIP

计量经济学视角下的高校新增设备价值的分析与预测 　　◇中图分类号：G275 文献标识码：A 文章编号：1002-5812（2015）23-0054-02 　　摘要：高校作为以教学科研为主要任务的非营利性组织，开展日常运营活动需要大量的设备以维持正常运作。采用计量经济学模型对每年新增的设备价值进行分析与预测，能够有效帮助设备管理与财务部门合理安排预算，分配资金，提升高校资金运作效率。 　　关键词：计量经济学 高校设备管理 时间序列模型 　　一、引言 　　高校进行教育、科研与管理等活动离不开各种仪器设备的支持。高校的设备形式多样，种类繁多，价值不等。按照《高等学校财务制度》第42条的相关规定，单件价值1 500元以上（含1 500元），且在使用过程中能够基本保持原有物质形态、使用期限超过一年的专用设备以及单件价值 1 000元以上（含1 000元），且在使用过程中能够基本保持原有物质形态、使用期限超过一年的非专用设备及家具应当计入各类设备核算。划归为各类设备核算的设备的特点是金额较高（1 000元以上），使用期限较久（1年以上），一般而言，一所高校拥有的各类设备总额占高校资产总额的70%以上，而高校各类设备除房屋与土地之外，主要是各类设备。房屋及土地的特点是建设规划性强，资金使用量可以准确估计，而各类设备的需求和开支则表现出需要量大且波动较大，其资金需要量较难估计，在进行资金管理时，合理预测设备的需求量将很大程度上影响高校的资金使用效率。合理估计高校设备占用的资金需求能够有效避免在账户上留下过多闲置资金，从而能够提高高校资金使用效率。 　　随着数学统计学的日趋完善，时间序列的线性模型相继产生。高校购置、处置各类设备除了受到历史数据的影响，也会随着其他方面的因素而变动，通过对其进行时间序列的分析，能够消除随机波动的影响，同时能够对未来的走向进行合理估计。 　　常用的随机时间序列分析方法分为平稳时间序列分析和非平稳时间序列分析两类。平稳时间序列模型包括 AR模型、MA 模型、ARMA 模型，这些模型应用的前提是时间序列是平稳的，由于常常受到前期事项的影响，日常获得的数据往往不是平稳的，不能直接应用上述模型。通过首先对非平稳时间序列模型取差分使其变为平稳序列模型，再应用上述模型进行分析，可以合理估计时间序列的走向。ARIMA模型是由 乔治?博克斯（George Box）和格威利姆?詹金斯（Gwilym Jenkins）创立，也称为B-J方法，该方法不考虑以经济理论为依据的解释变量的作用，而是依据变量本身的变化规律，利用外推机制描述时间序列的变化，能达到最小方差意义下的最优预测，是一种精度较高的时序短期预测方法。 　　二、 构建高校年新增设备价值时间序列模型 　　（一）数据来源及分析 　　在实证中，笔者所用数据为1999―2013年某大学新增各类设备账面价值，采用了“固定资产”一级科目下除“房屋建筑物”及“土地”之外的二级科目各年度的余额作为数据来源。1999―2013年的数据用于模型分析，2014年的新增各类设备账面价值用于检验模型的预测的准确性，为取得较好的效果，账面价值的单位精确到分。年新增各类设备时间序列FA是不平稳的，具有较为明显的上升趋势，这也表明了随着时间的推移，高校新增设备的价值总体处于不断增加的状态。若要应用计量经济学模型对该时间序列进行分析，需要对原始数据进行平稳化处理。 　　（二）数据平稳性检查及处理 　　为了更加准确地验证原时间序列是否平稳，可以对该序列进行单位根检验，检验的结果如表1所示。 　　由表1的结果可知，时间序列FA在ADF检验中t统计量大于10%的临界值，即无法拒绝原假设H0：ρ=1，原序列FA存在单位根，即认为原序列是非平稳的，要使用ARMA（p，q）模型进行预测分析，需要对原序列进行平稳化处理。对原时间序列FA取一阶差分后，新的序列DFA单位根检验及数据曲线图如图1所示。 　　从图1中可以看出经过一阶差分，时间序列的上升趋势已经消除，对DFA的单位根检验结果见表2。 　　由表2可以看出，经过一阶差分的时间序列DFA的t统计量为-7.19401，小于显著性水平为1%的t统计量 -4.05791，因此，其在1%、5%和10%的显著性水平下都是显著的，DFA模型通过了单位根检验，拒绝原假设，可以认定该时间序列不存在单位根，是平稳的。 　　（三）构建时间序列模型 　　1.模型识别。该时间序列为一元时间序列模型。建模的目的是利用所能够得到历史数据和当前及过去的随机误差项对该时间序列的变化前景进行统计预测，而该预测通常假定不同时刻的随机误差项为统计独立且正态分布的随机变量。对于时间序列预测，首先要找到与数据拟合最好的预测模型，所以阶数的确定和参数的估计是预测的关键。由于