中国城乡全社会固定资产投资规模测算

李 泉，王萌萌

（兰州大学 经济学院，甘肃 兰州 730000）

中国城乡全社会固定资产投资规模测算

李 泉，王萌萌

（兰州大学 经济学院，甘肃 兰州 730000）

近30年来中国全社会固定资产投资在城乡区域间的差距呈不断扩大趋势，未来时期这种差距还将长期存在。因此，“十二五”及未来更长时期，必须充分重视城乡固定资产投资差距与城乡总体发展水平之间的有机联系，加大农村地区的固定资产投资规模与结构，从而为缩小城乡发展差距和实现城乡经济社会一体化发展提供基本带动力量和基础保障。

城乡区域；全社会固定资产投资；规模测算

一、引言：问题的提出及现有研究回顾

固定资产投资属于建立和维护生产力的投资，是经济增长的前提保证、优化产业结构的重要途经和实现经济持续健康发展的重要动力。社会发展的不同时期如果缺乏适度规模的资金投入，城乡区域经济就难以启动和维持。作为影响经济发展最活跃、最重要的因素之一，全社会固定资产投资对经济增长的拉动效应是最直接也是最见成效的。理论研究和经济发展史表明，投资对经济增长具有双重作用，它既能增加生产能力，又对生产构成需求，即兼有供给效应和需求效应；短期内的投资主要是作为一种需求影响经济发展，而从长远来看投资供给效应的作用更为明显。

随着现代经济学对现实问题研究的深入和发展，实证分析与趋势预测成为固定资产投资研究中的基本方法之一。以凯恩斯为代表的国家干预和需求不足理论，注重对边际储蓄倾向和投资与产量相互关系的研究，特别是乘数模型说明了投资增长何以引起扩大数倍的GDP增加的基本原理；法国经济学家阿夫塔利昂提出加速原理则说明了收入的轻微变动何以也会导致投资发生巨大变动的作用机理；哈罗德—多马的经济增长模型将国民收入的增长归因于边际消费倾向和资本的生产效率，认为固定资产投资具有创造有效需求和制造生产能力的双重作用。针对发展中国家资本缺乏的困境，刘易斯从资本形成的需求角度证实了经济发展中资本形成对于工业化和城市化的重要性；罗斯托从经济史的角度分析了世界各国经济发展的阶段、条件、机制及其相应的经济发展政策后，同样将资本积累率的提高视为经济发展的先决条件和重要前提。国内在固定资产投资问题的研究上，学者们通过多个角度、运用不同模型对宏观和中观层面的固定资产投资问题进行了系统分析。汪霞基于1994—2008年的固定资产投资年度数据，运用修正指数曲线模型对中国城镇固定资产投资额进行趋势拟合，并在满足精度要求的基础上对贵州省城镇固定资产投资的未来进行趋势外推，预测结果与实际情况有很好的一致性。陈启亮和陈子丽运用ARIMA模型，通过1978—2008年贵州省全社会固定资产投资总额，预测分析了未来贵州省全社会固定资产投资增长情况，结果表明，ARIMA（4，1，3）能够提供较准确的预测，可以用作预测未来贵州省全社会固定资产投资变化趋势，为贵州省保持经济平稳快速增长所需全社会固定资产投资规模提供数据参考。运用1981—2010年城乡全社会固定资产投资数据，通过使用Eviews6.0软件拟合模型，对2012—2020年城市和乡村全社会固定资产投资需求分别进行预测，可得出相关结论以期为促进城乡区域协调发展提供理论启示与政策借鉴。

二、中国城乡全社会固定资产投资规模测算

1.测算方法

首先分析时间序列的折线图、自相关函数和偏自相关函数图，对数据进行一阶差分的平稳化处理，得到数据的平稳性。然后根据软件所识别出来的数据的特征对城市和农村分别建立ARMA（1，1）模型和ARMA（2，1）模型。随后对模型分别进行参数估计和白噪声检验，最后对已通过检验的模型进行了预测。

2.数据来源

1981—2008年数据来源于《新中国60年》统计数据，2009—2010年数据来源于中华人民共和国国家统计局《全国年度统计公报》；各年份城市与乡村全社会固定资产投资具体数据如表1所示。

表1 1981—2010年城乡全社会固定资产投资数据（单位：亿元）

数据显示，近30年来中国城乡全社会固定资产投资额绝对值差距从1981年的461.2亿元扩大到2010年的204 690亿元，相应年份二者相差倍数从1981年的2.85倍扩大到2010年的6.57倍。其中，1981—1992年间城乡全社会固定资产投资差距基本保持在3倍左右，1993年迅速扩大到3.72倍，2001年则超过4倍达到4.16倍。在此之后的2002—2010年间，城乡全社会固定资产投资额绝对值差距始终在扩大，二者绝对值差距倍数在2004年一举越过5倍达5.16倍，至2010年则高达6.57倍。由于以投资为主要拉动力所导致的城市制造业和服务业为主体的现代部门在城乡间发展水平的巨大差异，以及由此引起的城乡区域对资金、人力等要素的吸引和配置能力不同，其结果便是城市经济发展水平明显高于乡村，这或许能够从一个侧面反映出中国从1994年确定发展市场经济特别是进入21世纪以来城乡差距扩大的必然性。

3.实证分析

（1）序列平稳性检测。为了避免序列产生剧烈波动，分别给序列取自然对数：城市投资序列为CS，取对数后表示为LCS；农村投资序列为NC，取对数后表示为LNC。运用Eviews6.0分别对LCS序列和LNC序列做折线图，如图1和图2所示。

从图1和图2中可以看出二者都有着明显的上升趋势，即两个时间序列都不是平稳的时间序列，需要作进一步的改进。

图1 LCS时间序列折线图

图2 LNC时间序列折线图

然后分别对LCS序列和LNC序列做一阶差分进行分析。一阶差分后得到的时间序列分别为dLCS和dLNC。二者的自回归分析图如下：

从图3和图4可以看出，LCS序列和LNC序列经过一阶差分以后，dLCS和dLNC二者的自回归系数都很快地归于零，且没有季节性变化，说明两个序列均已平稳。

图3 dLCS自回归分析图

图4 dLNC自回归分析图

（2）利用B－J方法建立ARIMA模型。对两个序列进行零均值检测，得到dLCS序列和dLNC序列的均值标准误差无法拒绝均值为零的原假设，说明序列满足建模要求。运用Eviews6.0分别对两个序列做自相关与偏自相关分析图，如下所示：

从图5和图6可以看出，dLCS序列的自相关系数在滞后一期是显著大于零，而后面几期则都小于0.05，在置信范围内，具有拖尾性，选取 A R（1）；通过对偏自相关系数和自相关系数的分析，选取MA（1）。综上所述，dLCS适合选取 A RMA（1，1）模型。

dLNC序列在滞后一期和二期自相关系数都大于0.05的显著水平，而后在置信区间内，具有拖尾性，偏自相关系数在滞后一期显著大于零。综上所述，dLNC适合选取 A RMA（1，1）和 A RMA（2，1）模型。

图5 dLCS自相关与偏自相关分析图

图6 dLNC自相关与偏自相关分析图

（3）模型参数估计。通过对dLCS序列建立的ARMA（1，1）模型和dLNC序列建立的 A RMA（1，1）和ARMA（2，1）模型分别进行参数估计，结果如表2。

表2 不同模型的参数估计结果

此模型要求多项式倒数根都落在单位圆上，过程才是平稳的，模型才是适用的。从表2可以看出，序列dLCS的ARMA（1，1）模型的多项式倒数根都在单位圆上，过程平稳，且AIC和SC指标都符合要求，所以模型适用。序列dLNC的ARMA（1，1）模型和ARMA（2，1）模型的多项式倒数根也都在单位圆内，但是ARMA（2，1）的调整后的R2为0.31明显大于 A RMA（1，1）的0.23，且ARMA（2，1）的AIC（－2.19）值与SC（－2.04）值也分别小于ARMA（1，1）的－2.12和－2.03，所以对于序列dLNC，ARMA（2，1）模型更为合适。

（4）模型检验。参数估计后需要对模型进行检验，即对模型的残差序列进行白噪声检验。若残差序列是白噪声序列则模型合规。其中检验的数学过程如下：

残差序列的自相关函数为：

其中，n是序列观测量，m是最大滞后期

检验统计量

在零假设下服从χ2（m－p－q）分布，若

则不能拒绝残差序列相互独立的原假设，检验通过，反之不能通过检验。

通过上述检验过程对模型进行检验，其检验结果如图7和图8所示。

从图中的各个统计量可以看出，两个模型的残差序列为白噪声的概率很大，不能拒绝序列相互独立的原假设。从自相关分析图中也能看出，两个模型的残差序列的自相关系数都落入随机区间，自相关系数（AC）几乎都在零值上下波动，与零没有显著区别，残差序列是白噪声，所以模型通过检验。

（5）模型预测。由以上步骤得出模型通过检验的结果，所以，可以对模型进行预测。通过使用Eviews6.0软件，分别得出dLCS序列和dLNC序列的预测折线图和2011—2020年我国城乡全社会固定资产投资额。如图9、图10及表3所示。

图7 dLCS的ARMA（1，1）模型检验结果图

图8 dLNC的ARMA（2，1）模型检验结果图

图9 城市预测折线图

图10 农村预测折线图

表3 2011—2020年城乡全社会固定资产投资预测（单位：亿元）

模型预测表明，随着国家对城乡一体化协调发展的重视和中央政府对“三农”领域投入规模的加大，特别是社会主义新农村建设中对基础设施和民生领域的投资、现代农业发展中对大型农机具购置补贴、家电下乡补贴和农村水利发展投资，农村全社会固定资产投资将在2010年36 725亿元的基础上逐步增加到2015年的56 156.38亿元和2020年的67 311.89亿元，预期投资将分别比2010年增加52.91%和83.29%，“十二五”时期年平均增长将达到10.58%。与此相应，中国新型城市化的加快推进特别是包括各地城镇保障性住房建设在内的房地产投资、旧城和“城中村”改造投资、产业园区建设和居民公共服务产品投入的增加等，也使得城市全社会固定资产投资将始终保持稳定增长的水平。预测模型的结果显示，城市全社会固定资产投资将在2010年241 415亿元的基础上逐步增加到2015年的449 008.2亿元和2020年的566 190.2亿元，预期投资将分别比2010年增加85.9%和134.5%，“十二五”时期年平均增长将达到17.18%。事实表明，2011年中国房地产开发投资61 740亿元，比2010年增长27.9%。其中，住宅投资44 308亿元，增长30.2%；办公楼投资2 544亿元，增长40.7%；商业营业用房投资7 370亿元，增长30.5%；2011年新开工建设城镇保障性安居工程住房1 043万套（户），基本建成城镇保障性安居工程住房432万套。这就使得城镇固定资产投资额远大于农村固定资产投资额，也显示出城镇仍然是带动中国城乡经济增长的主体力量的功能，从根本上缩小城乡发展差距将是中国未来必须直面破解和最为棘手的问题之一。

三、结语：进一步讨论与政策含义

固定资产投资是城乡社会固定资产再生产的主要手段，合理投资结构要求投资结构与需求结构相适应，与产业结构变动的一般规律相适应，并且有利于经济效益的提高。现实表明，固定资产投资是中国城乡区域经济增长的主要推动力之一，投资波动可以解释区域经济波动的基本原因，投资周期和经济周期从长期而言显著相关；不同区域在其城乡发展的不同发展阶段，其固定资产投资的作用和方式是不同的；城乡全社会固定资产投资是一个自主决定、市场推动的管理过程，中国城乡区域经济发展的差距可以通过投资活动进行调整和改善；全社会固定资产投资与城乡经济协调发展是不同地区在特定时期内伴随投资的扩大、投资结构的调整与经济发展而相互动态适应的过程，中国宏观投资效率极大地影响着城乡经济的发展进程与未来趋势。

改革开放30多年来，中国城乡区域长期依靠投资拉动经济增长取得了显著效果。数据显示，“十一五”时期，中国城镇基础设施累计完成投资22.1万亿元，年均增长21.8%；农林牧渔业和能源等基础产业累计投资12 151亿元，年均增长37.7%。2011年中国全社会固定资产投资311 022亿元，扣除价格因素比2010年实际增长15.9%。其中，固定资产投资（不含农户）301 933亿元，增长23.8%；农户投资9 089亿元，增长15.3%。在固定资产投资（不含农户）中，第一产业投资6 792亿元，比上年增长25.0%；第二产业投资132 263亿元，增长27.3%；第三产业投资162 877亿元，增长21.1%。利用B－J方法建立ARIMA模型的预测只是在目标函数下的理论结果，在实际中要真正实现城乡投资差距的不断缩小，必须有相应的政策措施作为保证。对城乡协调发展目标的实现而言，更加注重城乡投资规模、投资结构、投资布局和投资项目的技术水平，这对城乡区域经济可持续发展至关重要。不仅如此，投资结构必须与国民经济结构相适应，城乡国民经济产业部门要实现发展，必须有相应的投资支撑。在这里，固定资产投资制度安排是城乡社会经济制度安排的重要组成部分。为了营造良好的城乡投资环境，新时期有必要以政策法规和制度安排设计的方式引导或约束投资主体的投资行为。总体而言，未来时期各级政府需要充分重视城乡发展差距与城乡固定资产投资差距之间的有机联系，通过缩小城乡固定资产投资差距来实现城乡和谐发展可以成为政策的出发点之一。

［1］石美娟.ARIMA模型在上海市全社会固定资产投资预测中的应用［J］.数理统计与管理，2005，（1）.

［2］郭国峰，刘孟晖.固定资产投资与经济增长关系探究：来自平行数据的证据［J］.统计研究，2006，（12）.

［3］王昉，江建平.创新投资机制与农村基础设施建设——以长三角区域为视角［M］.上海：上海财经大学出版社，2011.

［4］李子奈.计量经济学——方法与应用［M］.北京：清华大学出版社，1992.

Forecast on the Scale for Urban－Rural Investment in Fixed Assets of the Whole Society in China

LI Quan，WANG Mengmeng
（Economics School，Lanzhou University，Lanzhou，Gansu 730000，China）

The gap of the total fixed asset investment between urban and rural areas shows a constantly widening trend in the past 30years，and it will remain in a further long period of time.So in the“12th five－year plan”and further future，full attention should be paid to the gap of the fixed asset investment between urban and rural areas and the organic link between overall development of the urban and rural areas，increasing the fixed assets investment scale and structure in rural areas，thus to offer the basic driving force and the basic guarantee for narrowing the urban－rural development gap and realizing the integrated development for urban and rural economy and society.

urban and rural areas；fixed asset investment；scale forecast

F406.4

A

1008－469X（2012）04－0035－06

2012－05－17

2010年度国家社科基金（西部）项目《城乡一体化进程中的新型城乡形态研究》（10XJY015）；2012年度兰州大学中央高校基本科研业务费专项资金重点资助项目《西部地区农田小型水利建设投融资体制与机制创新研究》（12LZUJBWZD005）

李泉（1976－），男，甘肃宁县人，经济学博士，副教授，硕士生导师，主要从事城乡区域经济社会发展问题研究。