本站小編為你精心準備了有色金屬行業與宏觀經濟數據分析預測參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：根據國家統計局資料，選取有色金屬冶煉與壓延加工主營收入、銅材產量、鋁材產量與公開的宏觀統計數據GDP、M2、全社會固定資產投資、工業增加值、全國電網投資規模、建筑業GDP、空調產量、汽車產量；分析選取經濟數據與有色行業數據之間的相關性，相關性系數在[0.95，1]區間，呈高度正相關。

關鍵詞：有色金屬冶煉壓延加工主營收入；銅材；鋁材；宏觀經濟數據；相關性

1宏觀經濟數據與部分有色金屬行業數據選取

根據國家統計局資料，提取2000-2018年宏觀經濟數據：國內生產總值GDP、廣義貨幣供應量M2、全社會固定資產投資額、工業增加值、有色金屬冶煉與壓延加工主營收入、建筑業GDP等數據；根據WIND數據，取2000-2018年銅材、鋁材產量數據；根據國家能源局公布信息，取2003-2018年全國電網投資規模數據（國家電網預2002年12月成立）；以及根據相關公開統計數據資料，取2000-2018年空調、汽車產量等行業數據進行組合分析，對相關性及顯著性進行用Pearson函數和Correl函數進行分析。

2宏觀經濟數據、有色金屬行業數據的相關性、偏相關分析、回歸分析

相關性分析是指對兩個或多個具備相關性的變量元素進行分析，從而衡量兩個變量因素的相關密切程度。相關性元素之間需要存在一定的聯系或者概率才可進行相關性分析。相關系數通常是根據樣本數據計算出來的。由于樣本是隨機性的，相關系數是一個隨機變量，其取值具有一定的偶然性。依次將有色金屬冶煉與壓延加工主營收入和GDP總值、M2增加值、全社會固定資產投資、工業增加值數據做相關性分析。

2.1有色金屬冶煉與壓延加工主營收入與選取宏觀經濟數據分析

（1）相關性分析：從相關性分析的結果看出，有色金屬冶煉與壓延主營收入和GDP之間的相關系數為0.975；表明二者之間存在高度正相關。雙側顯著性值為0.000＜0.01，表明在0.01的顯著性水平上否定了兩者間的不相關假設。同理，有色金屬冶煉與壓延主營收入和M2增量、工業增加值、全社會固定資產投資額之間的相關系數為0.965、0.980.、0980，且雙側顯著性值均為0.000＜0.01；表明在0.01的顯著性水平上均否定了兩者間的不相關假設。（2）偏相關分析：在計算相關性時，只需要考慮兩個變量的觀測數據，并不用考慮其他變量對這兩個變量可能產生的影響。然而，在多變量的情況下，變量之間的相關關系復雜；因此多元相關分析除了要利用簡單相關系數外，還要計算偏相關系數。國內生產總值與M2偏相關系數為0.949，說明兩者高度正相關；M2與全社會固定資產投資偏相關系數為0.956，說明兩者高度正相關；“全社會固定資產投資”與“工業增加值”偏向關系數為0.500，且顯著性P值為0.035＞0.01；結合偏相關系數可知，有色金屬冶煉與壓延主營收入相關性最高的為全社會固定資產投資。

2.2銅材產量與選取宏觀經濟數據分析

（1）相關性分析：銅材產量與GDP總值、M2增加值、全社會固定資產投資、工業增加值、電網投資規模、空調產量之間的相關性系數分別為0.989、0.986、0.993、0.981、0.962、0.963，高度正相關。（2）偏相關分析：銅材產量偏相關度較高的為全社會固定資產投資、電網投資規模、GDP總值，分別為0.777、0.475、0.342。根據顯著性檢驗，全社會固定資產投資P值為0.005＜0.01，結合偏相關系數可知，銅材產量與全社會固定資產投資相關性最高。

2.3鋁材產量與選取宏觀經濟數據分析

（1）相關性分析：鋁材產量與GDP總值、M2增加值、全社會固定資產投資、工業增加值、建筑業GDP、汽車產量之間的相關性系數分別為0.968、0.971、0.988、0.956、0.968、0.973，高度正相關。（2）偏相關分析：鋁材產量與GDP總值、M2增加值、全社會固定資產投資、工業增加值、建筑業GDP值、汽車產量的偏相關性分別為0.026、-0.035、0.156、-0.024、-0.033、0.049。根據顯著性檢驗，全社會固定資產投資P值為0.005＜0.01，根據偏相關系數現實結果，鋁材產量與選取的宏觀經濟數據偏相關性較低。

3用時間序列模型對2019年數據預測

由于有色金屬行業是周期性行業，其受宏觀經濟影響較大，傳統上認為一些關系國家安全和國民經濟命脈的行業，周期性行業本身就有根據經濟周期進行輪回的特征，而我國經濟更明顯受到投資拉動的影響。同時，當有色金屬的價格處于長期上漲趨勢的時候，那么相關的有色金屬的上市公司的業績就一定比較好，而當有色金屬的價格長期處于下跌趨勢的時候，那么相關有色金屬的上市公司的業績就會受到很大的影響。在周期性行業中，對有色金屬行業的相關因素進行研究，包括宏觀經濟、上下游企業等。（1）時間序列模型時間序列模型表示隨時間變化的y之間的相互依賴性與相關性，適用于預測未來一段時間內y的變化情況。常用時間序列模型：自回歸（AR）模型——（適用于周期性，也適用于周期遞增）、移動平均（MA）模型、自回歸移動平均模型（ARMA）模型——（分析平穩非白噪聲序列）、自回歸積分滑動平均（ARIMA）模型——（非平穩時間序列）。（2）ARIMA模型對2019年有色金屬冶煉與壓延主營收入、銅材、鋁材產量進行預測（3）再用2018年數據對模型擬合度進行檢驗：根據已創建的模型，分別將2000-2017年有色金屬冶煉與壓延加工主營收入、銅材產量、鋁材產量數據代入模型，預測出一組2018年數據；由于2018年實際值已知，將2018年預測值與實際值進行對比，計算相對誤差大小，暫不考慮模型預測中原材料價格波動、政策原因、自然原因等因素影響。由結果可知：2018年主營收入、銅材產量、鋁材產量預測值與實際值的誤差分別為-3.77%、-0.71%、-5.32%；2019年預測數據的變動存在著相同趨勢性、周期性、隨機性情況下，預測數據擬合度高。

4根據回歸模型進行2019年預測

回歸模型表示因變量y（目標）與自變量x（預測因子）之間的相關性，即一個或多個自變量對一個因變量的影響程度，適合于給定新的x來預測y的情形。由表2數據可知，“有色金屬冶煉與壓延加工主營收入”與“全社會固定資產投資”相關性高，而“全社會固定資產投資”與“GDP總值”相關性高。根據GDP增速根據公式計算2019年GDP總值。國家統計局、國務院發展研究中心對2019年給出的預測數據：實際GDP增長率為6.30%，CPI為2.2%，PPI為3.6%，估算名義GDP為9.38%，推出2019年GDP規模為984757億元。計算公式：實際GDP增長率=[（1+名義GDP增長率）÷（1+本地平均物價指數升幅）×100%]-1。由“GDP名義增長率”，預測2019年有色金屬冶煉與壓延加工主營收入、銅材產量、鋁材產量。結合表2中GDP產值與有色金屬冶煉與加工主營收入、銅材產量、鋁材產量的相關性。將GDP產值作為自變量，將有色金屬冶煉與壓延加工主營收入、銅材產量、鋁材產量的作為因變量，分別做出GDP產值與有色金屬冶煉與壓延加工主營收入、GDP產值與銅材產量、GDP產值與鋁材產量三組趨勢線函數；同時考察趨勢線函數的對已知自變量、因變量的擬合程度。（1）有色冶煉與壓延主營收入與GDPy=-6E-08x2+0.1374x-15190（2）銅材產量與GDPy=-9E-10x2+0.0029x-61.859（3）鋁材產量與GDPy=-3E-09x2+0.0103x-1173.2由三組趨勢線函數的R方可知，擬合程度指標分別為0.9749、0.9847、0.9381，趨勢函數對自變量、因變量的擬合程度高，將預測的2019年GDP作為自變量代入函數，根據函數式得出因變量結果：

5結論

選取有色金屬行業與宏觀經濟數據相關性：（1）有色金屬冶煉與壓延加工主營收入與GDP、M2、全社會固定資產投資、工業增加值之間的相關性系數分別為0.975、0.965、0.980、0.980，高度正相關。（2）銅材產量與GDP、M2、全社會固定資產投資、工業增加值、電網投資規模、空調產量之間的相關性系數分別為0.989、0.986、0.993、0.981、0.962、0.963，高度正相關。（3）鋁材產量與GDP總值、M2增加值、全社會固定資產投資、工業增加值、建筑業GDP、汽車產量之間的相關性系數分別為0.968、0.971、0.988、0.956、0.968、0.973，高度正相關。在做模型預測時，也可選取其他宏觀經濟數據，如：工業企業利潤、貨幣總量、社會融資總量、貨物進出口、分行業全社會固定資產投資、社會零售總額等進行分析。同時可適當分配各數據對行業的影響權重，研究經濟數據間的相互關系。

參考文獻

[1]周亞男，趙琳，李玲娜.進出口貿易與GDP相關性的實證分析[J].商情.2013，第47期

[2]楊蔚，李維.我國對外貿易與經濟增長的相關性實證研究[J].價值工程.2008，第5期

[3]姜茜，李榮林.我國對外貿易結構與產業結構的相關性分析[J].經濟問題.2010，第5期

[4]齊銀才.固定資產投資與經濟增長相關性實證研究[J].武漢理工大學學報.2011，第33卷第2期

作者：盛文 鄒建成 袁雪華 安柯 單位：北京安泰科信息股份有限公司