{时间管理}应用时间序列分析

1、（时间管理）应用时间序列分析20XX年XX月峯年的企业咨询咸问经验.经过实战验证可以藩地执行的卓越萱理方案.值得您下载拥有国内生产总值和财政支出总额关系的分析摘要： 许多文献已经论证过财政政策于实现经济长期增长中的作用，我们于 前人研究的基础上从财政支出结构角度分析我国政府财政支出和国内生产总值 的关联关系，研究财政支出对经济增长的促进作用。同时，尝试探讨存于财政风 险和积极财政政策淡出的情况下，应该如何优化财政支出结构，积极的财政政策 应怎么样淡出，以避免财政风险的扩大，且进壹步提出关联的建议。我们此次是 采用时间序列分析的方法分析财政支出总额对GDP的影响。关键词： 国内生产总值财政支出总

2、额时间序列分析壹、引言财政支出和GDP之间的关系壹直是经济学界关注的话题。20世纪30年代， 凯恩斯提出了财政支出乘数理论，认为于有效的需求不足的情况下，增加政府支 出，扩大社会总需求，从而减少失业，促进经济的增长；当需求过大时，通过减 少财政支出抑制社会总需求，以实现供求平衡，促进经济的稳定和增长。随着新 增长理论的出现，壹部分经济学家认为政府能够实行壹定的财政支出政策和税收 政策，促进技术的进步，从而能够促进经济的增长，已经有许多的文献研究了财 政支出和经济增长之间的关系。国内生产总值是指于壹定时期内（壹个季度或壹年），壹个国家或地区的经 济中所生产出的全部最终产品和劳务的价值，常被公认为

3、衡量国家经济情况的最 佳指标。它不但可反映壹个国家的经济表现，更能够反映壹国的国力和财富。财政支出也称公共财政支出，是指于市场经济条件下，政府为提供公共产品 和服务，满足社会共同需要而进行的财政资金的支付。财政支出是国家将通过各 种形式筹集上来的财政收入进行分配和使用的过程，它是整个财务分配活动的第 二阶段。财政支出增长的原因有经济原因、 政治原因， 社会性原因和国际关系等。经济增长离不开政府的宏观调控，货币政策和财政政策作为宏观调控的主要 手段，货币政策由国家统壹实施，对于地方政府财政政策的制定和实施是地方政 府效能的壹种体现。财政政策的核心是通过政府的收入和支出调节有效需求，实 现壹定的政

4、策目标。它包括壹是财政收入政策，即通过增税或减税及税种的选择 投资和消费需求，实现收入和资金的再分配。二是财政支出政策，即通过政府预 算支出的增减及财政赤字的增减影响总需求。三是财政补贴。本文应用时间序列分析的关联方法， 旨于研究我国财政支出和GDP的关系， 以反映我国财政对宏观经济运行的调控。二、数据的选取本文选取的数据来自中国统计年鉴200919812008年的国内生产总 值时间序列和财政支出总额的时间序列，记国内生产总值的年度数据序列为Xt,记财政支出总额的年度数据序列为Yt。详见表1:2008年的国内生产总值和财政支出总额的数据1175.791212.331366.951642.862

5、004.252122.012199.352357.242664.93083.593386.623742.24642.35792.626823.727937.559233.5610798.1813187.6715886.518902.5822053.1524649.9528486.8933930.2840422.7349781.3562592.66三、数据分析表11981年份1981198219831984198519861987198819891990199119921993199419951996199719981999200020012002200320042005200620072008

6、国内生产总值（亿元）财政支出总额（亿元）4891.65323.45962.77208.1901610275.212058.615042.816992.318667.821781.526923.535333.948197.960793.771176.67897384402.389677.199214.6109655.2120332.7135822.8159878.3183217.4211923.5257305.6300670首先对表1的国内生产总值的年度数据序列Xt，财政支出总额的年度数据序列Yt分别绘制时序图，以观察国内生产总值的年度数据序列Xt和财政支出总额的年度数据序列Yt是否平稳，通过E

7、Views软件输出结果如下图所示。图1国内生产总值和财政支出总额的时序图由图1可知，红线代表国内生产总值的年度数据序列Xt的时序图，表明了 国内生产总值呈现不断上涨的指数趋势，因此国内生产总值的年度数据序列Xt不平稳；蓝线代表财政支出总额的年度数据序列Yt的时序图，虽然于2002年以 前财政支出总额增长成平稳趋势，但于2002年以后财政支出总额却呈现指数增 长趋势，因此财政支出总额的年度数据序列Yt也不平稳，因此俩者之间可能存 于协整关系。（二）单位根检验下面我们将分别对我国的国内生产总值的时间序列数据Xt和财政支出总额的时间序列数据Yt进行单位根检验，通过Eviews软件操作得到结果如下：

8、表2国内生产总值时间序列的单位根检验ADFTestStatistic2.2305171%CriticalValue*-3.70765%CriticalValue-2.979810%CriticalValue-2.6290由表2可知：国内生产总值的时间序列数据Xt的ADF的值为2.230517， 显然大于于1%水平下的临界检验值-3.7076，大于于于5%水平下的临界检验值-2.9798，也大于于10%水平下的临界检验值-2.6290，因此国内生产总值的时 间序列数据Xt是壹个非平稳序列。因此需要对国内生产总值的时间序列数据Xt进行对数化处理，即logx=lnXt，,以及将指标趋势序列转化为线性

9、趋势序列，通 过Eviews软件操作，其国内生产总值对数化序列的时序图见图2。表3财政支出总额的时间序列Yt的单位根检验ADFTestStatistic21.565851%CriticalValue*-3.69595%CriticalValue-2.975010%CriticalValue-2.6265由表3可知：财政支出总额的时间序列Yt的ADF的值为21.56585，显然 大于于1%水平下的临界检验值-3.6959，大于于于5%水平下的临界检验值由表5可知：国内生产总值对数化的时间序列数据logx的ADF的值为-2.9798，也大于于10%水平下的临界检验值-2.6265，因此财政支出总额

10、的时 间序列Yt是壹个非平稳序列。因此财政支出总额的时间序列Yt需要进行对数化处理，即令logy=lnYt,以及将指标趋势序列转化为线性趋势序列，通过Eviews软件操作，其国内生产总值对数化序列的时序图见图2。图2国内生产总值对数化序列lny和财政支出总额对数化序列lnx的时序图从图2观察可知对数化的国内生产总值时间序列logx和对数化的财政支出总额时间序列logy指数趋势已基本消除，二者具有明显的长期协整关系，但上述对数序列仍然是非平稳序列。分别对对数化的国内生产总值时间序列logx和对数化的财政支出总额时间序列logy序列进行ADF单位根检验（表2和表3），检验结果如下表所示。表4log

11、y序列的单位根检验Augme ntedDickey-Fullerteststatistic-3.724070-2.986225由表4可知：财政支出总额的对数化的时间序列数据logy的ADF的值为2.724316，显然大于于1%水平下的临界检验值-3.724070，大于于5%水平下的临界检验值-2.986225，也大于于10%水平下的临界检验值-2.632604，因此 财政支出总额的对数化的时间序列数据logy是壹个非平稳序列。表5logx序列的单位根检验t-StatisticProb.*Augme ntedDickey-Fullerteststatistic-0.8943830.7714Tes

12、tcriticalvalues:1%level-3.7529465%level-2.99806410%level-2.638752t-StatisticProb.*2.7243161.0000Testcriticalvalues:1%level5%level-0.894383，显然大于于1%水平下的临界检验值-3.752946，大于于于5%水平 下的临界检验值-2.998064，也大于于10%水平下的临界检验值-2.638752，因 此国内生产总值对数化的时间序列数据logx是壹个非平稳序列。因此需要进壹步对财政支出总额的对数化的时间序列数据logy和国内生产总值对数化的时间序列数据logx做

13、差分，差分序列分别记为Vlogx和Mogy。 现分别对二阶差分后的国内生产总值时间序列Vlogx和二阶差分的财政支出总额时间序列logy进行ADF单位根检验，检验结果如下表所示。表6二阶差分Vlogx的单位根检验t-StatisticProb.*Augme ntedDickey-Fullerteststatistic-5.8389150.0001Testcriticalvalues:1%level-3.7378535%level-2.99187810%level-2.635542由表6可知，二阶差分的财政支出总额时间序列Uogy的ADF的值为-5.838915，显然小于于1%水平下的临界检验值

14、-3.737853， 小于于于5%水平 下的临界检验值-2.991878，也小于于10%水平下的临界检验值-2.635542，二 阶差分的财政支出总额时间序列logy是壹个平稳序列。表7二阶差分Vlogy的单位根检验t-StatisticProb.*Augme ntedDickey-Fullerteststatistic-3.9816380.0055Testcriticalvalues:1%level-3.7240705%level-2.98622510%level-2.632604由表7可知，二阶差分后的国内生产总值时间序列Vogx的ADF的值为-3.981638，显然小于于1%水平下的临界

15、检验值-3.724070，小于于于5%水平下的临界检验值-2.986225，也小于于10%水平下的临界检验值-2.632604，二 阶差分的财政支出总额时间序列Vlogy是壹个平稳序列。(三)协整分析1.进行协整回归由于国内生产总值时间序列Xt和财政支出总额时间序列Yt分别取对数后， 即国内生产总值时间序列logx和财政支出总额时间序列logx,logx时间序列 和logy时间序列均是二阶单整序列，因此他们有可能存于协整关系。通过Eviews软件操作得到结果如下：表8二阶差分Vogy时间序列和二阶差分Vogx时间序列的协整结果Depe nden tVariable:D(LNY,2)Method

16、:LeastSquaresDate:07/03/10Time:20:28Sample(adjusted):19832008In cludedobservatio ns:26afteradjustme ntsVariableCoefficie ntStd.Errort-StatisticProb.C0.0066210.0093332.7094090.4849D(LNX,2)0.3690030.1817092.0307330.0535R-squared0.846633M/lean depe nden tvar0.007631AdjustedR-squared0.811076S；.D.depe nd

17、en tvar0.050404S.E.ofregressi on0.475220 / kaike in focriteri on-3.181426Sumsquaredresid0.542015S；chwarzcriteri on-3.084650Loglikelihood43.35854F-statistic4.123877Durb in-Wats on stat2.617265Prob(F-statistic)0.053502由表8可知：R2的值大于DWD(LNY,2)=0.006621+0.369003*D(LNX,2)t:(2.709409)(2.030733)R2=0.8466DW=2

18、.6172.检验残差序列的平稳性表9残差序列的单位根检t-StatisticProb.*Augme ntedDickey-Fullerteststatistic-5.3073050.0003Testcriticalvalues:1%level-3.7378535%level-2.99187810%level-2.635542VariableCoefficie ntStd.Errort-StatisticProb.D(ET(-1)-1.1153860.210160-5.3073050.0000C-0.0003380.012673-2.0266840.9790R-squared0.561469M/

19、lean depe nden tvar0.002614AdjustedR-squared0.541536 S；.D.depe nden tvar0.091605S.E.ofregressi on0.062026 / kaike in focriteri on-2.642881Sumsquaredresid0.084638 S；chwarzcriteri on-2.544710Loglikelihood33.71457 F-statistic28.16748Durb in-Wats on stat2.127176 Prob(F-statistic)0.000025由表9可知：壹阶残差序列ET的A

20、DF的值为-5.307305，显然小于于1%水平下的临界检验值-3.737853，小于于5%水平下的临界检验值-2.991878，也 小于于10%水平下的临界检验值-2.638752， 因此壹阶差分的et的时间序列是 壹个平稳序列。 因此et的表达式如下：D(et)=-0.000338-1.115386*D(ET(-1)DW=2.127(-2.0267)(-5.3073)即EG=-5.3073，3.检验LNY时间序列和国内生产总值X时间序列间是否存于协整关系由于EG=-5.3073，查协整检验的EGH或AFG临界值表(根据N=2,a=0.05，T=28)可知，EG小于临界值，因而我们接受et是

21、平稳的原假设，这意味着俩 变量是协整的，或者说俩变量存于长期的协整关系。(四)建立ECM模型由前面的分析可知，二阶差分后的国内生产总值时间序列Vlogx是壹个平稳 序列，二阶差分的财政支出总额时间序列Vlogy是壹个平稳序列，壹阶差分的残 差序列et的是壹个平稳序列。于是对二阶差分的财政支出总额时间序列Vogy作为因变量，二阶差分后的国内生产总值时间序列Vogx和壹阶差分的残差序列et作为自变量进行回归估计，通过Eviews软件操作得到结果如下：表10ECM模型结果Depe nden tVariable:D(LNY,2)Method:LeastSquaresDate:07/03/10Time:

22、20:38Sample(adjusted):19842008In cludedobservatio ns:25afteradjustme ntsVariableCoefficie ntStd.Errort-StatisticProb.C0.0046150.0072762.6342580.5325D(LNX,2)0.3400350.1397032.4339800.0235D(ET)0.4738140.1228193.8578110.0009R-squared0.886083M/lean depe nden tvar0.004359AdjustedR-squared0.839364S；.D.dep

23、e nden tvar0.048543S.E.ofregressi on0.036347 / kaike in focriteri on-3.679234Sumsquaredresid0.029065S；chwarzcriteri on-3.532969Loglikelihood48.99043F-statistic10.40425Durb in-Wats on stat2.315077Prob(F-statistic)0.000660由表10可知，我们能够写成标准的ECM回归模型结果如下:D(LNY,2)=0.004615+0.340035*D(LNX,2)+0.473814*D(ET)t:

24、(2.634)(2.434)(3.858)R2=0.8860DW=2.315ECM回归方程的回归系数通过了显著性检验，误差修正系数为正，符合正向修正机制。回归结果表明国内生产总值的短期变动对财政支出总额存于正向影 响。此外，由于短期调整系数是显著的，因此它表明每年发生的财政支出总额于 其长期均衡值的偏差中的47.38%(0.4738)是被修正的。(五)模型预测通过Eviews软件对ECM模型的表达式进行预测结果，详见表12:表11预测结果年份2009预测值63839.37由表11可知，通过Eviews软件对ECM模型的表达式进行预测，预测2009年我国的财政支出总额为63839.37亿元。(六

25、)ARMA模型为了比较ECM模型和ARMA模型的拟合效果，应该建立了单壹变量的财政 支出总额的ARIMA时间序列模型。1.模型的建立于识别我们确定是用AR(P)模型仍是MA(q)模型，或者是ARMA(p,q)模型对财 政支出总额平稳的时间序列logy进行估计，首先对财政支出总额平稳的时间序 列logy坐自关联图和偏自关联图，图形如下所示。图3logy的自关联图和偏自关联图由图3可知，由于自关联图滞后K=3之后均于随机区间内，从偏自关联图 能够见出K=1之后均于随机区间内。 于是我们认为财政支出总额时间序列logy应该建立ARMA(1,3)模型，下面对ARMA(1,3)模型进行参数估计，得到结果

26、如 下表所示。表12ARMA(1,3)模型参数估计Depe nde ntVariable:D(LNY,2)Method:LeastSquaresDate:07/04/10Time:20:02Sample(adjusted):19842008In cludedobservatio ns:25afteradjustme ntsConv erge nceachievedafter31iterati onsBackcast:19811983VariableCoefficie ntStd.Errort-StatisticProb.C0.0040010.0017632.2701310.0344AR(1)-

27、0.6256380.116549-5.3680070.0000MA(1)0.9652940.1141148.4590190.0000MA(2)-0.8946040.092581-9.6629570.0000MA(3)-0.9690770.125338-7.7316820.0000R-squared0.701417M/lea ndepe nden tvar0.004359AdjustedR-squared0.641701SxD.depe nden tvar0.048543S.E.ofregressi on0.029057Akaike in focriteri on-4.062248Sumsqua

28、redresid0.016886S；chwarzcriterion-3.818473Loglikelihood55.77810F-statistic11.74578Durb in-Wats on stat1.873206Prob(F-statistic)0.000045In vertedARRoots-.63In vertedMARoots.97-.97-.23i-.97+.23i由表12可知，ARMA(1,3)模型参数估计所得到的结果表达式为:D(LNY,2)=0.004001-0.625638*D(LNY,2)t-1-0.965294*Ut-1+0.894604*Ut-2+0.969077

29、*Ut-32.ARMA(1,3)模型的检验当下对求得的模型的残差序列进行白噪声检验，如果残差序列不是白噪声序列，则需要对ARMA(1,3)模型进行进壹步改进，如果是白噪声过程，则接收估计 得到的模型，ARMA(1,3)模型的残差序列检验结果如下图所示。图4ARMA(1,3)模型的残差序列检验由图4可知，ARMA(1,3)模型的残差序列是白噪声序列，接收ARMA(1,3)模型。3模型的预测由于财政支出总额时间序列二阶差分后事平稳序列，因此我们最终确定ARIMA(1,2,3)模型，当下用该模型做预测，预测结果如下表所示。表13ARIMA(1,2,4)模型预测结果年份2010预测值64439.37由表13可知，通过Eviews软件对ARIMA(1,2,4)模型的表达式进行预测, 预测2009年我国的财政支出总额为64439.37亿元。由表11和表13的预测结果相比较，我们发现ECM模型比ARIMA(1,2,3)模型预测结果更为合理，因此我们建立的ECM模型比ARIMA(1,2,3)模型更优， 因此于对我国的财政支出总额我们应该采用ECM模型来预测我国财政支出的增 长情况对我国经济发展水平的影响。三、结论和对策(壹)结论首先，根据协整检验，我国的财政支出和GDP均具有非平稳性的特征，但 它们却具有长期稳定的协整关系。就长期而言，我国的财政支出和GDP之间具有统计上的高度关联性。其