中国钢铁需求预测研究（广东经贸大学研究生院，浙江西安） REF． 以进一步完善偏差修正模型，并借助该模型预测钢材需求。 关键词：钢铁需求；单位根检验；协整检验；偏差修正模型； 0320-02 钢铁工业是国民经济的基础产业，是我国实现工业化、城镇化的必要保障。 1990年代以来，我国钢铁工业发展迅速。目前，我国钢材产值和钢材消费量为2002年，我国人均钢材产值达到141，首次超过世界人均钢材产值（138kg）[1]。可见，我国虽名不虚传，已成为钢铁大国，在全球钢铁工业和钢铁市场占据举足轻重的地位。钢铁素有“工业食品”之称，但这并不意味着我们必须盲目追求其产值。扩张。钢铁工业的发展不仅影响到自身的投资和发展，也影响到很多上下游产业，进而影响到国民经济的全局。可见，在市场经济条件下，要实现钢铁产业的可持续发展，必须重视钢铁市场需求规律的研究，根据市场需求有针对性地扩大数量。市场需求。
近年来，不少经济学家开始利用计量经济模型的构建，对我国钢铁市场需求进行分析和预测，并取得了较好的效果。陈，，[2]借助我国GDP、货币供应量、投资、价格水平和钢铁需求数据之间的历史相关性，采用BVAR模型预测中国钢铁市场需求。铁梅，孔贤利等。 [3] 通过构建钢铁行业与其主要子行业的向量自回归模型（VAR），借助脉冲响应函数和残差分解技术。装配行业对钢铁行业的影响及各自贡献，初步阐述了钢铁市场的常年需求规律。本文在分析这些研究成果的基础上，总结了影响钢材市场需求的激励因素，以期在这些激励因素的帮助下建立影响钢材需求的指标。因为经济的下行趋势使得大部分经济变量序列都是非平稳的，直接用非平稳的经济变量构建回归模型会带来假回归问题。因此，本文首先检验了影响钢材消费的变量的平稳性，发现它们确实是非平稳的。因此，利用计量经济模型中非平稳变量的协整理论，对影响我国钢材需求的变量进行协整检验，进一步改进偏差修正模型，预测XX 到 XX 年对钢材的需求。 1 理论与技术1.1 统一性检验 检验时间序列的平稳性，需要检验其是否具有丰富的单位根。
当一个时间序列有丰富的单位根时，它是一个非平稳时间序列。时间序列单位根的检验方法有很多种，常用的就是ADF检验。对时间序列的一阶差分执行以下回归： 740)this.width=740"=> 其中 εt 为白噪声，Δ 为差分算子，α 为常数项，t 为趋势诱导。假设检验：H0:β=0。H1:βt 包含单位根，即xt 是非平稳的；拒绝H0 表示xt 是平稳的。平衡关系的统计描述。非平稳经济变量也称为协整关系，检验协整关系的具体技术模型有很多，如两步法、最大残差法、频域非参数谱回归法、对于单方程系统，两步法有很多优点，只需要使用OLS，操作非常简单明了。由于本文考察的是二维随机向量的协整，所以两步法方法是用于协整检验。该方法由于1987年提出，基本步骤如下： 1.2.1 用OLS方法执行下列方程：Yt=β0+β1X1t+β2X2t+…+ βpXpt+ut(2)得到多项式方差序列：u^t=Yt-β0-β1X1t-β2X2t-…-βpXpt (3)1.< @2.2 检验方差的平稳性，如果是平稳的，说明变量序列之间存在协整关系或常年均衡，Y1,X1t,X2t…Xpt关系。
如果是单位根过程（非平稳），变量之间不存在协整关系[4]。 1.3 偏差修正模型 根据格兰杰定律，如果多个非平稳变量存在协整关系，则该变量必须存在偏差修正模型。假设每个变量都是一阶单积分，其通常的方式如下： ΔYt=C(L)ΔYt+D(L)ΔXt+ρ2ecmt-1+εY,t(4) 其中C(L)和D(L)是滞后算子，ecm是偏差修正项。在偏差修正模型中，被解释变量的波动可以分为两部分：一部分是短期的波动，由差异决定 由项目反映，部分是常年平衡，由 ecm 项目反映 [5].2 数据与模型2.1 变量选择我们知道，钢材消费领域集中在建筑业和机械制造业，汽车、造船、铁路、油气、家电、集装箱等八大行业，除建筑业外，均属于工业领域，故以工业减少值作为解释变量钢材需求量，记为x1，完成面积o f 每个地区的建筑业作为另一个。解释变量表示为 x3。同时，全社会固定资产投资对钢铁产业规模扩张也有密切影响，进而影响钢铁产值，三者相关系数为0.9698，所以我们设全社会固定资产投资也记为x2作为影响钢铁产值的另一个解释变量。至于钢材的消费量，本文以钢材的表观消费量为y来反映（表观消费量=钢材产值+进口量-出口量）[6]。
2.2数据来源及处理方法，样本范围为1980～XX。其中，钢材表观消费量始于XX年12月、《中国钢铁工业统计年鉴》（XX）、《中国钢铁工业统计月报》。其余变量数据来自中国统计年鉴1985、XX。为了消除价格对各个变量的影响，我们在数据处理中使用了各个变量的实际值，即从名义值和可比价格P（P为对应的价格指数）调整而来。具体方法如下： 值得注意的是，由于全社会固定资产投资价格指数是从1991年开始测算的，因此1980年至1990年的固定资产投资额不再去除价格影响。由于数据取自然对数后不会改变协整关系，并且可以线性化趋势并去除时间序列中的不同残差现象，所以分别对不变价格px1和px2以及x3和y进行自然对数变化记为 lx1、lx2、lx3、y。 2.3 测量分析2.3.1 单位根检验。在检验钢材消耗与其他变量的协整关系之前，应对所有时间序列数据进行单位根检验。使用.0软件，可以得到表1： 740)this.width= 740"=>注：在测试类型（C，T，L）中，C代表常数项，T代表时间趋势项，L代表滞后阶数。当C和T设置为1时，代表丰富的常数项和时间趋势项。L位置对应的值代表滞后期的个数。
分析每个变量的测试结果，可以发现ly、lx1和lx3在5%的测试水平上可以认为是I(1)。而lx2在10%的时候可以认为是I水平。（1)。因此，ly和lx1、lx2、lx3可以检验协整。2.3.2协整检验。本文使用2 采用step法对文中变量进行协整检验，首先使用.0软件，以钢材表观消耗量为被解释变量，其他变量为被解释变量。平衡点可以得到：ly=0.29×lx1+0.09×lx2+0.57×lx3(5) (0.14)@ >(0.07)(0.15)R2=0.94 注意：数值 括号内为各变量的标准差。 之后，对上述模型的似然序列进行平稳性检验（ADF检验），结果如下： 740)this.width= 740"=>=-3.%=-2. 从表2可以看出，在1%的显着性水平下，临界值为-2.，ADF统计量小且临界值小，因此拒绝检验中的原假设，表示方差序列是平稳的，即 I(0).由此可以得出，钢材表观消费量与工业下滑、固定资产投资、建筑业竣工面积等存在协整关系，即存在协整关系。它们之间。一种长期的平衡关系。
2.3.3 偏差校正模型。由以上分析，我们可以构造偏差修正模型如下： dly=1.+0.+0.-0.31ecm(-1) -1.(-1)+0.29dly(-1)(6)(0.63)( 0.@ >16)(0.16)(0.13)(0.51)(0.1 6)R2=0.61注：括号中的数值是各个变量对应的标准差。通过方差序列的检验可以发现该模型没有异质残差和自相关另外，ecm(-1)项的系数为正数，符合相反的修正机制。-0.31表示偏差修正项对下一年dly值的影响为31%。dlx1、dlx2、dlx3的系数为正，符合相关经济理论, 反映了变量短期波动对被解释变量的影响。实际减少值可以找到1%，导致钢耗同方向变化1.24%。类似地，可以解释其他微分项的系数。另外，dlx1(-1)的系数为负，说明下一期工业减量值的变化，将导致钢材消费的反向变化。同时，当前钢材需求也与接下来的钢材需求有关，两者呈正相关。3 钢材需求预测 借助(6)公式对钢材消费量进行简单预测假设：XX年至XX年，工业减少值以10%的速度递减，固定资产投资递减率为19.8%，17.3%， 14.8%, 12.3%, 9.8% XX年建筑面积下降9%，逐年下降1个百分点[7]。
我国XX年至XX年钢材表观消费量为：740)this.width=740"=>分析预测结果可以发现，未来几年钢材需求量，钢材的需求量为钢铁将继续增加，这是因为我国仍处于工业化的中间阶段，影响钢铁需求的各个行业的发展将推动钢铁需求的增加。随着技术的进步，钢铁的增加XX 年钢材表观消费量预测值为 3.51 亿吨，而 IISI 给出的 XX 年钢材表观消费量预测值为 3.74 亿吨。 2002年以来钢材市场一直过热，但随着经济的不断发展和技术进步，我国钢材表观消费量下降幅度将明显放缓并最终趋于稳定。[参考][1]中国钢铁钢铁工业协会。 XX市钢铁行业运行及发展趋势分析[J].中国钢铁工业, XX, (2):15～20.[2] Chen, D.,, K.W.,, E.J., E.J..., 1991, Vol.17, () : 196～210.[3] 铁梅, 孔贤丽, 刘宇, 胡玲. 中国工业供需激励的动态分析[J]. 管理世界, XX, (6)@ >. [4] 马伟. 协整理论与应用[M]. 北京: 南开大学出版社, XX[5] 李子乃, 叶阿忠. 高等计量经济学[M]. XX: 北京大学学院出版社, 200 0. @> [6] 中国钢铁工业学会.钢铁市场需求预测及钢铁工业发展战略若干建议[J].中国钢铁工业，2003，(1):5～16.@ >[7]数据来源：国务院发展研究中心信息网[DB/OL]()。
