-
关于我国煤化工产业发展研究_经济学毕业论文
关于我国煤化工产业发展研究_经济学毕业论文 论文摘要：从我国煤化工现状出发，简要分析了煤化工过热的原因及今后该如何发展。 论文关键词： 煤化工；传统煤化工；现代煤化工；产能过剩；可持续发展 1 煤化工概述 煤化工是指以煤为原料，经过化学加工使煤转化为气体、液体和固体燃料以及化学品的过程，并生产出各种化工产品的，简称煤化工，主要包括煤的气化、液化、干馏以及煤焦油加工和乙炔化工等。 煤化工开始于18世纪后半叶，19世纪形成完整的煤化工体系，第二次世界大战后，由于石油化工发展迅速，石油和天然气成为很多化学品的生产原料，煤化工的在化学工业中的地位被削弱了。20世纪70年代末以来，由于中东石油危机,世界大国开始重视能源消费结构的调整,进入21世纪后，国际对控制温室气体排放呼声日渐高涨，使煤炭的高效和低碳化利用得到越来越多的关注，煤化工再度成为化工产业的发展重点。 现代煤化工也称新型煤化工是指以煤气化为龙头以一碳化工技术为基础，合成、制取各种化工产品和燃料油等，包括煤制油，煤制烯烃，煤制二甲醚，煤制甲烷气，煤制乙二醇等，大多属于现有石化产品的替代品，目前尚处于发展初期。 2 我国煤化工产业的现状 经过几十年的努力，我国煤化工产业取得了长足发展，正逐渐从以焦炭、电石、合成氨为主的传统煤化工向石油替代品为主的现代煤化工转变。这有利于推动石油替代战略的实施，保证我国的能源安全，实现能源多样化，促进后石油时代化学工业可持续发展。 煤化工行业的发展对于缓解我国石油、天然气等优质能源供求矛盾，促进钢铁等相关产业的发展发挥了重要的作用。但是，以煤为原料的煤化工行业在短短几年内迅速升温，全国各地拟上和新上的煤化工项目不断增多，项目规模大小不一。我国煤化工过热的突出表现就是“逢煤必化”。为谋求把资源优势转化为经济优势，几乎所有煤产地甚至煤炭调入地区都要大力发展煤化工，煤化工“大干快上”的势头正在不断谋划。其中，晋蒙宁陕疆等资源型省区甚至纷纷出台了煤化工扶持政策，以期成为当地经济转型升级的重要依托。 国家发改委曾经在2006年7月、9月，2008年10月三次紧急叫停煤化工项目，但国内煤化工产能仍然增长迅速。规划将煤化工打造成支柱产业的省份接近20个，其中不乏一些煤炭资源调入大省和一些已被国务院确立为“资源枯竭型转型城市”的地区。2009年9月底国务院批准并转发了十部委上报的 《关于抑制部分行业产能过剩和重复建设引导产业健康发展的若干意见》，明确提出今后3年原则上不再安排新的现代煤化工试点项目。然而，仅仅相隔十几天，国内煤化工规模就被刷新。10月19日，山西安泽县总投资102.5亿元，项目包括300万吨甲醇、200万吨二甲醚，目标是成为全国最大的煤化工项目。11月3日神华集团与美国陶氏化学公司合建的煤化工项目在陕西榆林奠基，项目一期计划投资100亿美元，将形成年产332万吨甲醇、122万吨甲醇制烯烃生产能力，目标是成为世界单体最大的煤化工项目。另外,中电投集团两大煤制天然气项目相继开工建设，总投资额超过500亿元。中煤能源集团有限公司除鄂尔多斯300万吨二甲醚外，还计划全力进军煤制烯烃、煤制天然气等煤化工细分产业。此外还有神宁300万吨煤炭间接液化等若干特大型煤化工项目紧随其后。 国内新型煤化工产品的规划产能更是已达天文数字。据悉，目前煤基二甲醚的在建以及规划产能达到4000万吨/年，大约是2008年全年二甲醚表观消费量的20倍；虽然国内尚无煤制烯烃的大规模商业化运行经验，但是国内煤制烯烃的在建及规划产能也已经达到2000万吨/年。在国家紧急叫停煤制油之后，不少企业转而发展风险更大的煤制天然气，目前国家有关部门核准的煤制天然气项目不过4个，产能110亿立方米/年左右，但是跟风而建的煤制天然气项目达到14个，产能接近550亿立方米/年。于是，2010年6月18日，国家发展改革委下发《关于规范煤制天然气产业发展有关事项的通知》，将地方先前的煤制气及配套项目的审批权上收。据了解，目前现代煤化工拟建投资加预算，已经超过了1万亿，且投资还在呈逐步增加的态势。而煤化工作为资金密集型、技术密集型和资源密集型行业，目前其经济性并没有得到充分论证和认可，国内当前正在运营的项目，较大部分处于试点阶段。 虽然国家屡屡警示，但以央企阵营为代表的各大企业近年来一直没有放慢投资煤化工的脚步，而地方政府也充分“迎合”了央企“跑马圈地”的诉求，“拿央企作为地方发展煤化工的挡箭牌”。为什么会出现如此疯狂的投资冲动和热情呢？首先，地方政府唯GDP论的政绩观根深蒂固，煤化工产业投资强度大，拉动GDP效应明显，央企的进入能给当地的GDP增长带来好处；其次，相关企业风险控制观念缺失，“以资源为王”观念根深蒂固。再次，产业发展方向缺乏有效引导。这些问题的存在，对我国经济、社会持续、健康、稳步发展将产生负面影响。
-
GNP与人均主要产品产量_经济学毕业论文范文
GNP与人均主要产品产量_经济学毕业论文范文 国民经济核算是反映国民经济运行状况的有效工具；国民经济核算是宏观经济管理的重要依据；国民经济核算是制定和检验国民经济计划的科学方法；国民经济核算是微观决策的重要依据。国民经济统计工作是国家整个统计工作的一个重要核心部分，而GNP又是国民经济生产统计中的一个重要目标，GNP是按国民原则计算的国民经济核算中的重要的综合指标，等于国内生产总值与国外净要素之和。虽然GDP是国民经济的最核心指标，但GNP又有其重要意义，比如，联合国根据连续六年的国民生产总值和人均国民生产总值来决定一个国家的会费；世界银行根据人均国民生产总值来决定一个国家所能享受的硬贷款、软贷款等优惠待遇；国际货币基金组织根据国民生产总值、黄金与外汇储备、进出口额、出口额占国民生产总值的比例等因素来决定一个国家在基金的份额，进而决定在基金的投票权、分配特别提款权的份额及向基金借款的份额等等，在这些方面直接影响到我国的经济利益和政治利益。所以，我们从《中国统计年鉴》(1999)上查找到1987--1998年的GNP，并找出一些变量建立多元线形回归模型对GNP进行研究。 我们选择选择人均主要产品产量作为影响GNP变化的变量，人均主要产品产量有粮食，棉花，油料，糖料，茶叶，水果，猪牛羊肉，水产品，布，机制纸及纸板，纱，原煤，原油，发电量，钢，水泥等，经过初步考虑，我们决定选用原煤，粮食和棉花作为建立模型所用的三个变量设为X2，X3，X4，设GNP为Y，数据如下： GNP与人均主要产品产量 年Y(GNP)/亿元X2(原煤)/吨X3(粮食)/千克X4(棉花)/千克 1987119550.86371.743.92 1988149220.89357.723.77 1989169180.94364.323.39 1990185980.95393.103.97 1991216630.94378.264.93 1992266520.96379.973.87 1993345610.98387.373.17 1994466701.04373.463.64 1995574951.13387.283.96 1996668511.15414.393.45 1997731431.12401.743.74 1998780181.01412.423.62 确定样本回归方程：对于中国1987年至1998年国民生产总值及有关影响因素初步建立多元线形回归模型。 ^ Y=β1+β2*X2+β3*X3+β4*X4 假设模型中随机误差项ui满足古典假设，运用OLS方法估计模型的参数，利用Eviews计算得出如下输入结果： Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 17:40 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-306717.489148.80-3.4405110.0088 X2142124.451901.062.7383720.0255 X3570.9199271.56822.1023080.0687 X4-4222.6768323.401-0.5073260.6256 R-squared0.831636 Mean dependent var38953.65 Adjusted R-squared0.768499 S.D. dependent var24406.49 S.E. of regression11743.08 Akaike info criterion21.84112 Sum squared resid1.10E+09 Schwarz criterion22.00275 Log likelihood-127.0467 F-statistic13.17199 Durbin-Watson stat1.425642 Prob(F-statistic)0.001839 Estimation Command: ===================== LS Y C X2 X3 X4 Estimation Equation: ===================== Y = C(1) + C(2)*X2 + C(3)*X3 + C(4)*X4 Substituted Coefficients: ===================== Y = -306717.449 + 142124.3822*X2 + 570.9199106*X3 - 4222.676239*X4 Correlation Matrix X2 X3 X4 X2 1.000000 0.684966 -0.226024 X3 0.684966 1.000000 -0.167105 X4 -0.226024 -0.167105 1.000000 ^ Y=-306717+142124X2+570.9X3-4223X4 (2.738) （2.102）(-0.5073) R2=0.8316 F=13.17 S=11743 DW=1.426 查表得Fα(r,n-k)=F0.05(4,8)=3.84,tα/2(n-k)=t0.025(8)=2.306,由于F F0.05(4,8)=3.84,所以拒绝假设H0:β=0,模型在总体上显著。但是通过t值可以看出X3和X4无法通过显著性检验,说明这个模型建立的不是十分理想。我们进而考虑分别建立一个解释变量和两个解释变量的模型，利用Eviews可以得到如下估计结果： 1）对X2 Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 17:43 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-180859.942190.69-4.2867250.0016 X2220364.442122.475.2315180.0004 R-squared0.732397 Mean dependent var38953.65 Adjusted R-squared0.705637 S.D. dependent var24406.49 S.E. of regression13241.81 Akaike info criterion21.97116 Sum squared resid1.75E+09 Schwarz criterion22.05198 Log likelihood-129.8269 F-statistic27.36878 Durbin-Watson stat0.716502 Prob(F-statistic)0.000383 Estimation Command: ===================== LS Y C X2 Estimation Equation: ===================== Y = C(1) + C(2)*X2 Substituted Coefficients: ===================== Y = -180859.8861 + 220364.4473*X2 ^ Y=-180860+220364X2 （a） （5.232） R2=0.7324 F=27.37 S=13242 DW=0.7165 2）对X3 Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 15:17 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-386132.497641.28-3.9546020.0027 X31103.697253.26604.3578550.0014 R-squared0.655064 Mean dependent var38953.65 Adjusted R-squared0.620571 S.D. dependent var24406.49 S.E. of regression15033.87 Akaike info criterion22.22501 Sum squared resid2.26E+09 Schwarz criterion22.30583 Log likelihood-131.3501 F-statistic18.99090 Durbin-Watson stat1.466938 Prob(F-statistic)0.001426 Estimation Command: ===================== LS Y C X3 Estimation Equation: ===================== Y = C(1) + C(2)*X3 Substituted Coefficients: ===================== Y = -386132.4019 + 1103.69677*X3 ^ Y=-386132+1104X3 （b） (4.538) R2=0.6551 F=18.99 S=15034 DW=0.7165 3）对X4 Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 15:18 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C96133.6064802.431.4834880.1688 X4-15103.6617013.62-0.8877400.3955 R-squared0.073051 Mean dependent var38953.65 Adjusted R-squared-0.019644 S.D. dependent var24406.49 S.E. of regression24645.04 Akaike info criterion23.21355 Sum squared resid6.07E+09 Schwarz criterion23.29437 Log likelihood-137.2813 F-statistic0.788082 Durbin-Watson stat0.214148 Prob(F-statistic)0.395531 Estimation Command: ===================== LS Y C X4 Estimation Equation: ===================== Y = C(1) + C(2)*X4 Substituted Coefficients: ===================== Y = 96133.60497 - 15103.66409*X4 ^ Y=96134-15104X4 (-0.8877) R2=0.07305 F=0.7881 S=24645 DW=0.2141 4）对X2，X3 Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 15:27 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-327701.575644.37-4.3321340.0019 X2146213.849110.472.9772420.0155 X3573.3049260.08402.2043070.0550 R-squared0.826219 Mean dependent var38953.65 Adjusted R-squared0.787601 S.D. dependent var24406.49 S.E. of regression11248.17 Akaike info criterion21.70612 Sum squared resid1.14E+09 Schwarz criterion21.82734 Log likelihood-127.2367 F-statistic21.39463 Durbin-Watson stat1.247999 Prob(F-statistic)0.000380 Estimation Command: ===================== LS Y C X2 X3 Estimation Equation: ===================== Y = C(1) + C(2)*X2 + C(3)*X3 Substituted Coefficients: ===================== Y = -327701.5357 + 146213.7762*X2 + 573.304887*X3 ^ Y=-327701+146214X2+573.3X3 （c） (2.204) R2=0.8262 F=21.39 S=11248 DW=1.248 5）对X2，X4 Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 15:31 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-159025.264471.72-2.4665880.0358 X2215651.145047.384.7872060.0010 X4-4525.5889776.199-0.4629190.6544 R-squared0.738620 Mean dependent var38953.65 Adjusted R-squared0.680536 S.D. dependent var24406.49 S.E. of regression13794.82 Akaike info criterion22.11429 Sum squared resid1.71E+09 Schwarz criterion22.23552 Log likelihood-129.6858 F-statistic12.71635 Durbin-Watson stat0.751053 Prob(F-statistic)0.002386 Estimation Command: ===================== LS Y C X2 X4 Estimation Equation: ===================== Y = C(1) + C(2)*X2 + C(3)*X4 Substituted Coefficients: ===================== Y = -159025.2067 + 215651.1045*X2 - 4525.587513*X4 ^ Y=-159025+215651X2-4526X4 (-0.4629) R2=0.7386 F=12.72 S=13795 DW=0.7511 6）对X3，X4 Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 15:43 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-344553.1115574.5-2.9812210.0154 X31072.042263.30804.0714390.0028 X4-7762.56110790.09-0.7194160.4901 R-squared0.673822 Mean dependent var38953.65 Adjusted R-squared0.601338 S.D. dependent var24406.49 S.E. of regression15410.19 Akaike info criterion22.33576 Sum squared resid2.14E+09 Schwarz criterion22.45699 Log likelihood-131.0146 F-statistic9.296132 Durbin-Watson stat1.758444 Prob(F-statistic)0.006465 Estimation Command: ===================== LS Y C X3 X4 Estimation Equation: ===================== Y = C(1) + C(2)*X3 + C(3)*X4 Substituted Coefficients: ===================== Y = -344553.0724 + 1072.042485*X3 - 7762.560522*X4 ^ Y=-34553+1072X3-7763X4 (-0.7194) R2=0.6378 F=9.296 S=15410 DW=1.758 查表得F（2，10）=4.10,F0.05(3,9)=3.86,t0.025(10)=2.228, t0.025（9）=2.262。由以上各样本回归方程可以看出X4（人均棉花产量）对Y（GNP）没有显著影响，应该略去。 再比较不含X4的几个方程（a），（b），（c），可以看出，式（a）稍微优于式（b），在式（c）中， 虽然X3没有通过显著性检验，但是相应的t统计量为2.204，很接近临界值t0.025（9）=2.262，且式（c）的可决系数R2明显高于式（a）中的R2，误差项的标准差估计值S明显小于式（a）中的S。因此，最后确定的总体回归模型为 Y=β1+β2X2+β3X3+u 根据刚才的输出结果，样本回归方程为 ^ Y=-327701+146214X2+573.3X3 (2.977) (2.204) R2=0.8262 F=21.39 S=11248 DW=1.248 A．多重共线性的检验：由刚才确定总体回归模型在的分析过程可知:R2很大,F=21.39显著大于F0.05(3,9)=3.86,而变量X2对应的偏回归系数t值显著,X3的t值接近显著,所以,这个模型是不存在多重共线性的。 B．异方差性的检验： 对X2，X3 ARCH Test: F-statistic0.431993 Probability0.739434 Obs*R-squared1.852580 Probability0.603560 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/13/03 Time: 17:55 Sample(adjusted): 1990 1998 Included observations: 9 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1.97E+081.13E+081.7480490.1409 RESID^2(-1)-0.4816870.671468-0.7173640.5053 RESID^2(-2)-0.1386260.701171-0.1977060.8511 RESID^2(-3)-0.6109790.667046-0.9159480.4017 R-squared0.205842 Mean dependent var1.20E+08 Adjusted R-squared-0.270653 S.D. dependent var1.64E+08 S.E. of regression1.85E+08 Akaike info criterion41.21034 Sum squared resid1.71E+17 Schwarz criterion41.29800 Log likelihood-181.4465 F-statistic0.431993 Durbin-Watson stat1.241293 Prob(F-statistic)0.739434 从输出的辅助回归函数中得到R2，计算（n-P）R2=（9-3）*0.7282=4.3692,查Χ2分布表,给定α=0.05,自由度为P=3,得临界值Χ20.05(3)=7.815, （n-P）R2=4.3692Χ20.05(3)=7.815,所以接受H0,表明模型中随机误差项不存在异方差性。从下面的White也可得出相同结果，模型中不存在异方差。 White Heteroskedasticity Test: F-statistic4.688229 Probability0.037155 Obs*R-squared8.738234 Probability0.067986 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/13/03 Time: 17:56 Sample: 1987 1998 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C1.51E+101.41E+101.0686970.3207 X21.34E+108.16E+091.6362860.1458 X2^2-7.01E+093.99E+09-1.7557790.1226 X3-1.18E+0877269611-1.5239850.1713 X3^2161943.799399.141.6292260.1473 R-squared0.728186 Mean dependent var94890959 Adjusted R-squared0.572864 S.D. dependent var1.48E+08 S.E. of regression96545494 Akaike info criterion39.90326 Sum squared resid6.52E+16 Schwarz criterion40.10531 Log likelihood-234.4196 F-statistic4.688229 Durbin-Watson stat2.218332 Prob(F-statistic)0.037155 C．自相关性的检验： 从图中可以看出残差et没有呈线形自回归，表明随机误差项不存在自相关性 预测：因为GNP具有非常重要的国民经济统计意义，对它的预测也具有现实意义。首先，可以通过相关部门指定的在预测期内的变量计划生产值来对这一期的GNP数值作出定量的估计；其次还可以在实际统计中，根据已统计出的变量实际生产值来估计当期的GNP将在一个范围内达到多少。这样，根据预测值制定经济发展政策或判断相关经济政策的可行性以及了解已实施的经济政策取得的成果都具有重要意义。 结束语 至此，我们完成了对国民经济生产总值满足古典假定的多元线性回归模型的建立及分析。进一步强化了所学知识及处理实际应用问题的能力，由于能力有限，如果这份报告中存在缺陷和不足，请老师谅解。
-
试论构建城市商业银行核心竞争力途径_经济学毕业论文
试论构建城市商业银行核心竞争力途径_经济学毕业论文 论文摘要：商业在服务中小企业和社区居民、促进地方发展方面发挥了重要作用，但是，随着我国的不断开放，城市商业银行面临诸多问题。从商业银行核心竞争力的构建现状出发，对城市商业银行核心竞争力的发展途径展开探讨。 论文关键词：城市商业银行；核心竞争力；途径 城市商业银行自20世纪90年代中期开始成立以来，经过十几年的发展，通过多种途径有效的化解了风险，在服务好中小企业和社区居民、大力推动当地经济发展的同时，自身资产规模也迅速扩大，综合实力不断增强，经营意识和经营理念明显得到提升。 1 发展城市商业银行核心竞争力的作用 商业银行的核心竞争力是指不同的商业银行在同等的宏观背景下与激烈的市场竞争中，能够运用各自有限的资源创造出比竞争对手更多财富和价值的能力，是银行竞争系统中最重要的功能性要素。构建核心竞争力是银行业积极适应市场需求变化的必然选择，它需要银行产权制度的清晰、公司治理机构的完善、组织架构的优化、服务内涵的延伸、产品功能的创新、运行的降低、资产质量的提高等多方位的强力支撑，是保障银行可持续发展的动力。 2 城市商业银行在构建核心竞争力方面取得了长足的进步，但仍存在着不足之处 2.1 目标市场细分不够，没有明确的市场定位 对于大多数城市商业银行来说，都把目标市场定位在为当地企业和居民提供金融服务上，但由于在同一城市或地区有多家实力不同的银行，而银行业的产品和服务又存在很大的同质性，因此行业竞争十分激烈，如果不对市场进行细分，而是胡子、眉毛一把抓，以同样的产品和服务与四大国有银行和其它股份制银行竞争，城市商业银行明显不占优势，就目前来看，我国大多数城市商业银行都存在着对目标市场细分不够，市场定位不明确的缺陷。 2.2 理念和经营方式相对落后，缺乏长远战略管理能力 由于城市商业银行都是从城市信用社改制而成，负责人对以存贷款为主的业务均有着丰富的经营管理能力，但由于对资本运作、市场运行、等现代银行管理理念认识不足，他们对新业务的认知和经营模式缺乏经验，管理理念和经营方式相对落后，再加上城市商业银行自身业务单一，产品功能创新不够，长远的战略目标不明确，在一定程度上导致城商行竞争力不强，极大的制约了自身的快速发展。 2.3 整体风险控制能力较弱 部分城市商业银行由于实行全面风险管理整体起步较晚，与发展了十几年甚至几十年的四大国有银行和其他股份制银行相比，普遍存在着风险控制经验不足、内控水平较低、风险控制机构不健全、风险控制制度不完善等问题，风险管理体系还很薄弱，风险定性计量基本空白，整体风险控制能力较弱。按照银监会的要求，城市商业银行要在2013年全面实施《巴塞尔新资本协议》，至少从目前来看，部分城市商业银行的准备工作并不充分。 2.4 产品单一、中间业务不发达，创新能力较弱 目前大多数城市商业银行收入来源仍然以贷款等主营业务为主，在业务创新方面没有开发出更多的适合市场需求的新产品，现有的产品结构不合理，功能不全，产品组合的广度和深度不够，业务品牌和产品品牌影响力小，作为衡量银行竞争力重要指标的中间业务收入与净利息收入和营业收入比例不协调，指标值仍远低于四大国有银行和其他股份制银行，在市场开拓创新方面，和销售能力不足，产品交叉营销没有真正开展起来，致使中间业务竞争力整体较弱。 2.5 员工素质整体不高，难以适应现代银行业的竞争 由于原因，城市商业银行员工多是由原城市信用社留下来的，大多数不具备金融专业知识，金融服务意识淡薄，年龄普遍偏大，素质整体不高，虽然经过十几年的发展有所改观，但部分城市商业银行人员结构仍不甚合理，业务人员比重较低，缺乏大量的既掌握专业金融知识，又有良好服务意识的高素质人才，极大的影响了自身快速平稳的发展。 3 结合城市商业银行自身的特点，提高核心竞争力应从以下几方面入手 3.1 进一步完善公司治理结构，提高制度创新力 随着近几年的发展，大部分城市商业银行的公司治理结构的完善程度与以前相比有较大进步，以董事会为首的“三会一层”也逐渐到位，并各司其职，各负其责，发挥了较大作用。但与四大国有银行和其他股份制银行相比，还有一定差距，主要是在某些问题上相互制衡流于形式，特别是制度创新力不够，产权管理的权责归属不明，应尽快建立起合理制衡的“三会一层”制度和以股份制为主要形式、以效益最大化为主要目标、以透明化管理和内外部监督为主要保障的，运行有效的决策、执行、监督与约束机制，以最大限度的发挥制度创新力。 3.2 尽快全面引入经济资本管理理念 经济资本管理是以资本金的增长约束资产规模的扩张，实现经营规模增长方式由资金制约到资本制约的转变，建立以资本约束为核心的业务增长模式和资源配置方式，实现速度、效益和风险承担能力相协调、相适应的业务增长机制。由于众多因素的存在，大多数城市商业银行在资产管理中存在着许多问题，如资产质量较低，盈利模式单一， 盈利能力较弱等。因此及时、全面引入经济资本管理理念对城商行来说就显得尤为重要，也更为紧迫。 3.3 坚持细分市场，实行差异化服务和特色化经营 要想建立起自我的竞争优势，必须实行差异化服务，营造自己的特色。所谓差异化，包括客户选择的差异化、服务的差异化、产品的差异化、渠道的差异化。根据城商行的特点，客户的差异化就是要不断细分目标市场和目标客户，将城乡居民金融、小企业金融和金融作为业务发展的重点。服务的差异化就是要根据客户划分类别，将有限的资源更多地用于优质客户。加强渠道差异化服务，加大网点和银行业务，走进社区、学校和工厂，拓宽服务渠道，满足客户多元化金融需求。 3.4 进一步解放思想，转变思路，加强业务创新 创新是企业发展的不竭动力，是推动企业不断进步的源泉。要想在激烈的市场竞争中求得生存与发展，就要不断地进行理念创新、管理创新、机制创新、服务创新、产品创新和营销创新，要善于和主动发现客户需求、引导和培养客户需求，用创新来满足客户需求。继续巩固“服务市民、服务中小、服务地方”的市场定位，坚持特色经营，培养稳定的中小企业客户群，不断创新业务品种，提高服务质量，拓展发展空间。 3.5 不断加大科技力量投入，提升技术竞争力 由于推动金融高科技发展，是完善公司治理、培育核心竞争力的主要依托。而与其他银行相比较，城商行在这方面的投入相对较少，科技发展水平也相对较低，在一定程度上科技水平的相对滞后已大大影响了自身的发展。因此加大科技力量投入，尽快提高信息化水平，建立高效、快捷、顺畅的信息技术平台就显得相当关键。 3.6 加快人事制度改革步伐，加大职工素质培训力度 建立“干部能上能下、人员能进能出”的挑战性人才流动机制，促进人员上、下、横向交流，建立人才市场，优化员工队伍，全面实施制度管人，不断提高企业发展活力。同时继续实施全员培训计划，提高员工素质。积极引进人才，面向公开招聘各类高级业务骨干和专业管理人才，继续到高等院校招收本科以上毕业生，大力推进人才兴行战略。 3.7 加快城商行的企业建设 能让一个团队形成凝聚力，能使员工找到自己的发展空间。企业文化建设是城商行加强科学管理，加强员工队伍建设的重要途径。建设优秀的银行企业文化，对内可凝聚强大的精神力量，对外可塑造完美的银行形象，从而不断推动企业发展，增强银行核心竞争力。因此，城商行要大力加快企业文化建设。
-
青海省人力资本存量的现状分析_经济学毕业论文范文
青海省人力资本存量的现状分析_经济学毕业论文范文 青海省人力资本存量的现状分析 当今社会国际竞争日趋激烈，而这种竞争实质上就是对优秀人才资源的争夺。我国的经济要实现持续健康稳定发展，必须拥有一批能够在各个领域发挥专长的人才。在经济全球化趋势下，人力资本作为经济增长中最活跃的因素和经济增长的持久动力日显重要。只有优先发展人力资本，才能使经济步入以人力资本为依托的良性发展轨道，使经济增长方式得以真正转变。 长期以来，人力资源缺乏一直是西部发展的制约因素。在西部大开发的过程中，如何加快开发和积累人力资本，改善人力资本的层次和结构，变资源优势为经济优势，是一个紧迫而现实的课题。而青海作为西部比较落后的省份，人力资源更为缺乏，制约着西部大开发的进程。多年来青海省由于财力所限，对教育投入增加不足，加上自然环境差，体制不活，留不住人，造成人力资本匮乏，人员素质低下。根据全国第五次人口普查数据，到2000年青海每万人中接受大学以上教育的为330人，比全国362人的平均水平低32人；成人文盲、半文盲率为25.4％，高出全国18.68个百分点。这种状况从很大程度上制约青海经济社会的进一步发展。 年份青海全国四川贵州云南 西藏陕西甘肃宁夏新疆广西内蒙 19913.894.914.763.753.721.684.93.984.375.064.795.19 19923.915.084.893.953.91.825.064.164.595.264.965.38 19933.945.245.024.134.071.955.234.334.795.475.135.64 19943.965.395.144.314.232.085.394.494.975.655.35.72 19953.985.555.254.484.392.25.564.65.155.825.475.89 19963.85.455.094.424.332.215.424.525.095.725.355.75 19974.235.846.874.594.672.395.874.875.416.165.676.15 19984.475.076.414.534.792.4564.995.496.315.76.24 19994.716.115.964.484.92.526.145.125.596.485.736.33 20004.936.135.74.724.962.566.355.245.566.26.16.42 20015.096.496.394.595.162.616.545.455.86.655.976.66 均值4.195.655.594.364.472.225.684.755.165.895.475.94 青海省状况（资料来源：中国统计年鉴1991、1997、2001、2002年） 从上表可以看出：青海省的人口素质水平在全国范围内相对较低，与其他西部省份相比也处于下游位置。因此我们小组针对青海省人力资本存量作了研究分析，根据我们的分析结果希望能对青海省的发展提供有效建议，从而促进西部的开发。 1.人力资本存量的度量 国际上通用的人力资本存量的计算指标包括质和量两个方面：在量的方面，包括了人口与劳动力的数量、结构与运用水平等，在质的方面涉及知识水准，价值观念等。在这里我们主要采用人口总数（万人），平均受教育年限（年）两个因素对青海省人力资本存量的现状进行分析和预测。 设人力资本存量的模型为：Y= + + 2.分析 青海省人力资源存量及影响因素调查数据表 年份人力资本存量Y（万人）人口总数X1（万人）平均受教育年限X2（年） 199117674543.89 199218034613.91 199318394673.94 199418754743.96 199519124813.98 199619485123.8 199720984964.23 199822495034.47 199924005104.71 200025515174.93 200126605235.09 （数据来源：青海省统计年鉴2002） 从表中可以看到青海省1991—2001年人力资本存量是逐年递增的，并且从上图可以看出青海省人力资本存量随着人口总量的增长和平均受教育年限的提高而增长。 通过Eviews得到如下分析结果： Dependent Variable: Y Method: Least Squares Sample: 1991 2001 Included observations: 11 VariableCoefficientStd. Errort-StatisticProb. C-2028.57636.02501-56.310200.0000 X13.9137570.10221838.288280.0000 X2517.79745.38563796.144120.0000 R-squared0.999792 Mean dependent var2100.182 Adjusted R-squared0.999740 S.D. dependent var317.0958 S.E. of regression5.116308 Akaike info criterion6.329744 Sum squared resid209.4128 Schwarz criterion6.438261 Log likelihood-31.81359 F-statistic19202.04 Durbin-Watson stat1.338947 Prob(F-statistic)0.000000 对模型的拟合图表如下： 将上述结果整理如下： =-2028.576 +3.913757 +517.7974 (-56.3102) (38.28828) (96.14412 ) =0.999792 =0.999740 F=19202.04 3.检验 模型整体拟合度检验 从回归结果看可决系数=0.999792，修正可决系数为=0.999740，而且F值很大，说明模型拟合优度较好。 参数检验 在5%显著性水平上检验，的显著性 :=0 , :0 在成立的条件下，t=/=3.913757/0.102218=38.2883 t统计量服从（11-3）=8的t分布，在5%显著性水平下查表得=2.036，t,故拒绝,显著不为零，是影响人力资本存量的因素。 同理检验显著不为零，是影响人力资本存量的因素。 多重共线性检验 求出两个解释变量x1与x2的简单相关系数矩阵表如下： X1X2 X11.000000 0.758733 X2 0.758733 1.000000 从表中可看出相关系数较大，两变量有一定相关关系，可能存在共线性，但是模型的F值显著，各参数t值都显著，因此可判断不存在多重共线性。 异方差检验 图示法：从下图中可以看出不存在明显的异方差。 ARCH检验： :=0 : ARCH Test: F-statistic0.078472 Probability0.787477 Obs*R-squared0.099774 Probability0.752101 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/25/04 Time: 20:49 Sample(adjusted): 1993 2001 Included observations: 9 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C82775404656182851.2614690.2475 RESID^2(-1)-0.1064060.379846-0.2801280.7875 R-squared0.011086 Mean dependent var74317493 Adjusted R-squared-0.130187 S.D. dependent var1.64E+08 S.E. of regression1.75E+08 Akaike info criterion40.98906 Sum squared resid2.14E+17 Schwarz criterion41.03289 Log likelihood-182.4508 F-statistic0.078472 Durbin-Watson stat1.996583 Prob(F-statistic)0.787477 从上表可以看出，当=0.05,P=1时，(n-p)= 0.099774=3.84146,则接受，即模型不存在异方差。 White检验 :=0 : White Heteroskedasticity Test: F-statistic0.435107 Probability0.837314 Obs*R-squared6.986026 Probability0.538141 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/25/04 Time: 21:19 Sample: 1991 2001 Included observations: 11 VariableCoefficientStd. Errort-StatisticProb. C-3.02E+084.82E+08-0.6254830.5955 X1-1029892.3449672.-0.2985480.7934 X1^25786.6248364.4670.6918100.5606 X23.09E+083.23E+080.9588750.4388 X2^21617233.6177000.0.2618150.8180 (X1^2)^2-0.0055540.006982-0.7955120.5097 (X2^2)^2-287282.5229153.9-1.2536660.3366 X1*X2-974417.4914430.5-1.0656000.3982 (X1*X2)^2118.9553106.38331.1181770.3798 R-squared0.635093 Mean dependent var18478.64 Adjusted R-squared-0.824533 S.D. dependent var23852.40 S.E. of regression32218.70 Akaike info criterion23.53010 Sum squared resid2.08E+09 Schwarz criterion23.85565 Log likelihood-120.4155 F-statistic0.435107 Durbin-Watson stat3.377736 Prob(F-statistic)0.837314 从上表可以看出，当=0.05,n=11, n=6.986026=11.0705, 则接受，即模型不存在异方差。 自相关检验 D-W检验 从模型回归可得D-W统计量=1.338947，当=0.05,n=11,=2时，，=1.604，则 d,落入不能判定区域。 图示法 从上图可看出，模型无明显自相关。 4.预测 经查得2002年有关数据分别为：人口总数 =530（万人），平均受教育年限 =5.20(年)。通过Eviews软件分析，得到2002年人力资本存量预测值：y=2738.262（万人） 5.结论 回归模型的意义：每增加一个单位的人口数量，人力资本存量增加3.913757 单位，每增加一个单位的平均受教育年限，人力资本存量增加517.7974 单位。 注：散点图中1996 年的数据不符合线形关系，其原因是：其它年限的数据是通过普查得到的 ，但是1996年的数据是通过抽样调查得到的，不免有些误差，但从整体上来说不影响我们的分析结果。 6.政策建议 通过我们的分析结果，可以看出：青海省的人力资本存量与全国平均水平相比较低，从而可以看出教育投资效果较落后。解决问题的关键就是要加大对教育和人力资本的投入，努力提高人口的整体素质，提高人力资本的使用效率，形成良好的利益机制和合理有序的流动机制，使人力资源在整体上实现合理配置、优化组合，发挥出人力资本对经济可持续发展的促进作用。因而我们想给青海省给与以下几点建议： 转变观念，实行人力资本优先投资的发展战略。 注重人力资本的教育投资，加大教育投资的力度。 合理利用人力资本，充分发挥其效能
-
影响粮食产量的相关因素分析_经济学毕业论文
影响粮食产量的相关因素分析_经济学毕业论文 影响粮食产量的相关因素分析 为了研究中国影响粮食产量的各种因素，通过经济理论分析得出粮产量与以下四个因素有关 ，现建模如下：y=α+β1X1+β2X2+β3X3+β4X4+U X1:农业机械总动力（万千瓦） X2：有效灌溉面积（千公顷） X3：化肥施用量（万吨） X4：农业从业人员（万人） Y:粮食总产量（万吨） 数据资料如下： 地区X1X2X3X4Y 北 京 399.2328.217.969.7144.2 天 津 593.4353.216.679.7124.1 河 北 7000.44482.3270.61665.52551.1 山 西 1701.3110587658.3853.4 内蒙古 1350.32371.774.8524.31241.9 辽 宁 1339.81440.7109.8651.21140.0 吉 林 1015.41315.1112.1516.81638.0 黑龙江 1613.82032121.6744.12545.5 上 海 142.5285.919.384.6174.0 江 苏 2925.33900.9335.51480.23106.6 浙 江 1990.11403.289.71014.91217.7 安 徽 2975.93197.2253.22001.82472.1 福 建 873.3940.2123.3768.7854.7 江 西 902.31903.4106.9983.41614.6 山 东 7025.24824.9423.22462.63837.7 河 南 5780.64725.3419.53558.64101.5 湖 北 1414.02072.5247.11159.12218.5 湖 南 2209.72677.5182.22071.42767.9 广 东 1763.91478.5176.21570.11760.1 广 西 1467.91501.6157.81556.81528.5 海 南 200.9179.826.3177.2199.6 重 庆 586.5624.672921.51106.9 四 川 1679.72469212.62631.13372.0 贵 州 618.6653.471.31372.11161.3 云 南 1301.31403.4112.11674.31467.8 西 藏 114.51572.590.196.2 陕 西 1042.91308131.21002.21089.1 甘 肃 1056.9981.564.5697.5713.5 青 海 256.2211.47.2142.382.7 宁 夏 380.6398.823.6153.1252.7 新 疆 851.23094.379.2314.5783.7 第一,进行OLS检验 Dependent Variable: Y Method: Least Squares Date: 05/16/04 Time: 14:53 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. X1-0.1362880.087494-1.5576810.1314 X20.3015940.1348122.2371360.0341 X35.5783721.9193772.9063450.0074 X40.3595310.1519242.3665260.0257 C79.59973119.36160.6668790.5107 R-squared0.902706 Mean dependent var1490.890 Adjusted R-squared0.887738 S.D. dependent var1141.343 S.E. of regression382.4131 Akaike info criterion14.87757 Sum squared resid3802234. Schwarz criterion15.10886 Log likelihood-225.6023 F-statistic60.30791 Durbin-Watson stat1.447710 Prob(F-statistic)0.000000 从估计结果可以看出，模型拟合较好，可决系数R2=0.9027,表明模型在整体上拟合非常好。系数显著性检验：对于β，T统计量为负，说明β1未通过检验，即农业机械总动力对粮产量的影响不显著，初步决定删除X1。 第二，从影响粮产量的因素来看，所选的四个解释变量与粮产量都有密切关系，因此它们之间可能具有较强的共线性，现进行多重共线性检验： （1）根据简单相关系数公式，该模型中四个解释变量得相关系数矩阵如图所示： X1X2X3X4 X110.8820383578510.8633335592230.714970041093 X20.88203835785110.9017697064170.731461937668 X30.8633335592230.90176970641710.848157708636 X40.7149700410930.7314619376680.8481577086361 由此可知，X2与X3的相关系数较高，说明它们之间可能存在共线性。 （2）修正 运用OLS方法逐一用Y对X1，X2，X3，X4回归 Y 对X1回归 Dependent Variable: Y Method: Least Squares Date: 05/16/04 Time: 15:00 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. X10.4964550.0736126.7442290.0000 C648.9313180.30593.5990570.0012 R-squared0.610658 Mean dependent var1490.890 Adjusted R-squared0.597232 S.D. dependent var1141.343 S.E. of regression724.3415 Akaike info criterion16.07074 Sum squared resid15215448 Schwarz criterion16.16326 Log likelihood-247.0965 F-statistic45.48463 Durbin-Watson stat1.403900 Prob(F-statistic)0.000000 Y 对X2回归 Dependent Variable: Y Method: Least Squares Date: 05/16/04 Time: 15:01 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. X20.7276330.0746099.7525610.0000 C227.6144164.12191.3868620.1761 R-squared0.766341 Mean dependent var1490.890 Adjusted R-squared0.758284 S.D. dependent var1141.343 S.E. of regression561.1372 Akaike info criterion15.56015 Sum squared resid9131373. Schwarz criterion15.65266 Log likelihood-239.1823 F-statistic95.11244 Durbin-Watson stat0.880823 Prob(F-statistic)0.000000 Y对 X3回归 Dependent Variable: Y Method: Least Squares Date: 05/16/04 Time: 15:02 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. X39.3661440.68493013.674600.0000 C238.0023119.29351.9950980.0555 R-squared0.865737 Mean dependent var1490.890 Adjusted R-squared0.861108 S.D. dependent var1141.343 S.E. of regression425.3585 Akaike info criterion15.00608 Sum squared resid5246965. Schwarz criterion15.09860 Log likelihood-230.5943 F-statistic186.9948 Durbin-Watson stat1.848900 Prob(F-statistic)0.000000 Y对 X4回归 Dependent Variable: X4 Method: Least Squares Date: 05/16/04 Time: 15:02 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. Y0.6594240.0732169.0065220.0000 C53.24803136.64990.3896680.6996 R-squared0.736645 Mean dependent var1036.377 Adjusted R-squared0.727564 S.D. dependent var876.9039 S.E. of regression457.7038 Akaike info criterion15.15266 Sum squared resid6075291. Schwarz criterion15.24518 Log likelihood-232.8663 F-statistic81.11745 Durbin-Watson stat1.402526 Prob(F-statistic)0.000000 由此，X3的可决系数最高，说明Y对X3的线性关系最强，结合经济意义和统计检验，选出如下线性回归方程： Y=238.0023+9.366x3 (1.995) (13.6746) R2=0.866 SE=425.3585 F=18609948 以它为基础逐步回归： 1,Y=230.705-0.054X1+10.112X3 (1.905) (-0.629) (70372) R2=0.868 SE=429.86 F=91.749 2,Y=148.389-0.135X1+0.259X2+8.379X3 (1.184) (-1.428) （1.798）（5.125） R2=0.882 SE=413.7 F=67.1 3,Y=79.599-0.136X1+0.302X2+5.578X3+0.359X4 (0.667) （-1.56）（2.237）（2.906） （2.367） R2=0.903 SE=382.413 F=60.308 由此可见，X1对Y影响并不显著，现决定将X1删除，得如下模型： Dependent Variable: Y Method: Least Squares Date: 05/16/04 Time: 15:19 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. X20.2026520.1220111.6609270.1083 X34.8027461.9019962.5251070.0177 X40.3582880.1558832.2984440.0295 C125.2837118.71931.0552930.3006 R-squared0.893626 Mean dependent var1490.890 Adjusted R-squared0.881807 S.D. dependent var1141.343 S.E. of regression392.3843 Akaike info criterion14.90227 Sum squared resid4157066. Schwarz criterion15.08731 Log likelihood-226.9853 F-statistic75.60752 Durbin-Watson stat1.440474 Prob(F-statistic)0.000000 第三，由于随机扰动项可能包含对粮产量的影响因素，从而使得随机扰动项可能出现自相关，现检验如下： (1)图示 从图中可以看出，残差成线性自回归，说明随机扰动项存在自相关。 DW检验 DW=1.44 DL=1.229 DU=1.650 无法确定是否存在自相关，需进一步检验 修正 由DW=1.44，算出ρ=0.28。分别对Y,X2,X3,X4作广义差分得如下模型： Dependent Variable: DY Method: Least Squares Date: 05/16/04 Time: 15:56 Sample(adjusted): 2 31 Included observations: 30 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. DX20.2559810.1131952.2614080.0323 DX34.1922081.7272702.4270720.0225 DX40.3576790.1546272.3131720.0289 C82.65742100.15920.8252600.4167 R-squared0.892301 Mean dependent var1111.730 Adjusted R-squared0.879874 S.D. dependent var1106.490 S.E. of regression383.5008 Akaike info criterion14.86013 Sum squared resid3823895. Schwarz criterion15.04695 Log likelihood-218.9019 F-statistic71.80427 Durbin-Watson stat1.818796 Prob(F-statistic)0.000000 这时我们发现DW知在经过广义差分后有所提高，自相关消除。 第四,由于样本数据的观测误差和模型设置的不正确性，随机误差项可能随某个解释变量的变化而变化，所以进行异方差检验。 图示 有图可知，该模型存在复杂型的异方差 用对数变换法对该模型进行修正，得新模型如下： Dependent Variable: LY Method: Least Squares Date: 05/16/04 Time: 16:06 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. LX20.3721390.1427152.6075680.0147 LX30.5200760.1412613.6816730.0010 LX40.1373480.0852331.6114330.1187 C1.0437000.6277731.6625440.1080 R-squared0.933482 Mean dependent var6.857225 Adjusted R-squared0.926091 S.D. dependent var1.148277 S.E. of regression0.312173 Akaike info criterion0.629398 Sum squared resid2.631209 Schwarz criterion0.814428 Log likelihood-5.755664 F-statistic126.3013 Durbin-Watson stat1.321994 Prob(F-statistic)0.000000 经过对数变换后，该模型的可决系数有所提高，异方差消除。 通过上述检验和修正最后得出如下模型：LY=α+β2LX2+β3LX3+β4LX4+U 令Y*=LY α*=α β2*=β2 β3*=β3 β4*=β4 U*=U X2*=LX2 X3*=LX3 X4*=X4 即： Y*=α*+β2*X2*+β3*X3*+β4*X4*+U* 该模型剔除了无关的解释变量X1，并消除了多重共线性，自相关，异方差，从而具有较高的拟合优度，最后得出如下结论： 粮产量与如下三个因素有关：有效灌溉面积，化肥施用量，农业从业人数。
-
影响我国居民储蓄的相关因素的实证分析_经济学毕业论文
影响我国居民储蓄的相关因素的实证分析_经济学毕业论文 影响我国居民储蓄的相关因素的实证分析 【摘要】本文旨在对影响我国居民储蓄的各种因素进行实证分析。首先，我们运用了宏观经济中的理论观点来选择经济变量；进而我们建立了理论模型。然后，收集了1994年至2000年的相关的季度数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意义的分析，并相应提出一些政策建议。 一．问题的提出 居民储蓄的持续增长已经成为我国的重要经济现象之一。居民储蓄存款总额是我国评价经济运行情况的一个重要总量指标，它与许多宏观经济指标之间都存在着密切联系。为了解释居民储蓄变动的原因，有必要引进居民储蓄函数，从数量上分析相关变量对居民储蓄变动的影响。 二．经济理论陈述 结合我国近几年的经济发展情况，提出以下几个变量： 收入水平：收入水平是影响储蓄的主要因素之一，由于居民可支配收入数据的不可获得性，本文将国内生产总值（GDP）作为衡量居民收入水平的指标。只有收入达到一定水平之后才能进行储蓄，而且根据凯恩斯的理论，边际消费倾向是递减的，收入水平越高，边际消费倾向越低，消费越少，储蓄越多。 利率水平：利率作为消费的机会成本也会对储蓄产生影响 ，从理论上说利率水平越高，消费的机会成本就越大，居民就会压缩当前消费，增加储蓄。反之，利率水平越低，消费的机会成本就越小，当前消费就会增加，储蓄就会减少。本文采用一年期存款利率水平作为指标。 物价水平：物价水平也可以影响储蓄和消费，物价水平越高，相同消费水平所支出的货币就越多，在货币收入一定的情况下，能供储蓄的货币就越少。同时，物价水平决定了实际利率，既定的名义利率下，物价水平与实际利率负相关。 其他投资渠道的发达程度：储蓄是一种投资行为，而除了银行储蓄外还有其他投资渠道，由于数据原因，本文只将股票市值作为其他投资渠道发达程度的衡量指标 制度因素：储蓄的一个目的是为大额支出积累资金，在缺乏流动性的情况下，进行大额消费只能依赖于自我积累，比如购买汽车住房。如果无法通过信贷进行支付，当积累的货币达到相应数额前，银行存款是必然选择。而如果出现制度创新，有机构提供贷款，那么一部分储蓄就不会发生，甚至相当部分储蓄从银行提出，转化为消费支出。我国从1998年开始出现才、消费信贷，1999年3月，中国人民银行发布《关于开展个人消费信贷的指导意见》，允许所有银行开办消费信贷。由于制度性因素无法用数量描述，本文以虚拟变量形式来衡量制度因素。1999年以前取值为0，之后取值为1。 三、相关数据收集 在收入指标和数据的选择上，我们所用的数据均来源于《中国统计年鉴》 所设模型的样本容量为26个左右，对于一元回归分析计算要求和目的已经足够了 居民储蓄存款（SA） 国内生产总值（GDP）修正后国内生产总值* （GDP1）一年期存款利率 （R）各期股市市值 （S）零售物价指数 （P） 1994:1 15157.30 8260.000 10426.00 10.98000 3800.100 20.20000 1994:2 18349.90 7979.000 8280.000 10.98000 2698.810 19.60000 1994:3 19970.20 9476.000 10313.00 10.98000 4647.410 24.60000 1994:4 21518.40 18930.40 14310.00 10.98000 3690.620 23.20000 1995:1 23762.70 9811.000 12348.00 10.98000 3806.090 18.70000 1995:2 25572.10 13054.00 13549.00 10.98000 3694.480 16.00000 1995:3 27569.70 13630.00 14742.00 10.98000 4091.360 11.40000 1995:4 29662.20 21765.50 16585.00 10.98000 3474.370 8.300000 1996:1 33296.50 13156.00 16477.00 10.98000 3598.830 7.700000 1996:2 35457.90 16600.00 17213.00 9.180000 5969.550 5.900000 1996:3 37084.90 15919.00 16994.00 7.470000 7835.330 5.000000 1996:4 38520.80 22125.00 17134.00 7.470000 9842.370 4.400000 1997:1 41566.80 14685.60 18212.00 7.470000 14072.22 1.700000 1997:2 42771.20 18494.80 19166.00 7.470000 16664.70 0.800000 1997:3 44139.50 17971.60 18904.00 7.470000 14992.14 0.000000 1997:4 46279.80 23620.00 18628.00 5.670000 17529.23-1.200000 1998:1 48686.50 15899.40 19504.00 5.220000 18679.34-1.200000 1998:2 49949.90 18831.60 19499.00 5.220000 21412.13-3.000000 1998:3 51580.70 19704.40 20471.00 4.770000 20452.64-3.300000 1998:4 53407.50 25117.50 20127.00 3.780000 19505.65-2.700000 1999:1 57814.60 16784.00 20365.00 3.780000 20180.13-3.200000 1999:2 59183.50 19405.00 20114.00 2.250000 30099.90-3.400000 1999:3 59364.30 19981.00 20638.00 2.250000 29126.22-2.800000 1999:4 59621.80 25254.00 20381.00 2.250000 26610.92-3.000000 2000:1 62492.30 18137.00 21929.00 2.250000 36716.92-2.100000 2000:2 61842.40 21318.00 22126.00 2.250000 40690.00-1.400000 *GDP1为GDP采用X-11程序调整后的数据。 本文采用的是1994—2000年的季度统计数据，原因在于：（1）一些变量的数据只有20世90年代后才有，比如股票市值，我国的股票市场1990年才在上海证券交易所正式成立。（2）这里所考虑的制度因素主要是消费信贷，是在1999年以后才有。（3）用近几年的季度数据比较有助于分析近期的宏观经济现象。 四.计量经济模型的建立 结合我国近几年的经济发展特征，我国居民储蓄函数可以表示为： SAt = f (GDPt , Rt , Pt , St , DTt , Ut ) 其中, SA为居民储蓄总额, GDP为国内生产总值, P为零售物价指数, R为一年期存款利率, S为各期股市市值, DT为各期制度因素变量值, U为随机扰动项, t表示时期. 所建立模型也可以表示为: SA t = C+β1 GDPt +β2 Rt+β3 Pt+β4 St+β5 DTt+Ut 五、模型的求解和检验 我们分别利用EVIEWS软件，用最小二乘法进行回归分析及统计检验，并对模型进行了自相关和异方差检验。 (一)运用OLS估计方法对我们的模型参数进行估计 E-VIEWS处理如下： Dependent Variable: SA Method: Least Squares Date: 06/07/05 Time: 15:48 Sample(adjusted): 1994:1 2000:2 Included observations: 26 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C48524.476356.5857.6337320.0000 GDP0.1004230.1352900.7422820.4661 P-643.3431103.8092-6.1973610.0000 R-1537.739538.1588-2.8574080.0094 S0.3463240.1319712.6242520.0159 R-squared0.980977 Mean dependent var40947.05 Adjusted R-squared0.977354 S.D. dependent var14964.18 S.E. of regression2251.889 Akaike info criterion18.44797 Sum squared resid1.06E+08 Schwarz criterion18.68991 Log likelihood-234.8236 F-statistic270.7389 Durbin-Watson stat1.183910 Prob(F-statistic)0.000000 将回归结果整理如下： SA=48524.47+0.100423GDP-643.3431P-1537.739R+0.346324S （6356.585）（0.135290） （103.8092） （538.1588）（0.131971） t =(7.633732) (0.742282) (-6.197361) (-2.857408) (2.624252) R2=0.980977 F=270.7389 DW=1.183910 （1）分析：R2=0.980977表明方程拟和度较好，F统计量也明显显著表明模型 总体是显著的。 （2） 经济意义上的检验：由 β1=0.100423，β2=-1537.739，β3=-643.3431， β4=0.346324， 可以看出，模型符合经济意义。 （3）多重共线性检验：查表t0.05=2.045 可见P，R，S的t统计量均大于2.045，但是GDP的t 统计量小于2.045。所以推断模型中解释变量确实存在多重共线性。 进行修正检验： 在一年之内，由于季节的变动，会使某些社会经济现象（一定的时间序列）产生规律性的变化，这种规律性变化通常称之为季节变动。为更准确地反映客观经济现象的本质，必须事先对季节变动因素作一定消除和调整。季节调整就是将一个时间序列分解成以上各部分。我国一般采用美国商业部普查局开发的为官方使用并在世界上有着广泛影响的X-11季节调整程序。 因此,将变量GDP换成用X-11修正过的GDP1,再对模型进行拟合: Dependent Variable: SA Method: Least Squares Date: 06/07/05 Time: 15:48 Sample(adjusted): 1994:1 2000:2 Included observations: 26 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C34155.236373.4665.3589720.0000 GDP11.1296840.3169743.5639640.0018 R-1927.613431.5944-4.4662610.0002 P-291.6585131.6664-2.2151330.0379 S0.1760280.1132781.5539400.1351 R-squared0.987836 Mean dependent var40947.05 Adjusted R-squared0.985519 S.D. dependent var14964.18 S.E. of regression1800.752 Akaike info criterion18.00084 Sum squared resid68096831 Schwarz criterion18.24278 Log likelihood-229.0109 F-statistic426.3468 Durbin-Watson stat1.688843 Prob(F-statistic)0.000000 将回归结果整理如下： SA=34155.23+1.129684GDP1-291.6585P-1927.613R+0.176028S （6373.466）（0.316974） （131.6664） （431.5944）（0.113278） t =(5.358972) (3.563964) (-2.215133) (-4.466261) (1.553940) R2= 0.987836 F= 426.3468 DW=1.688843 （1）分析：R2=0.987836表明方程拟和度较好，F统计量也明显显著表明模型 总体是显著的。 （2） 经济意义上的检验：由β1=1.129684，β2=-1927.613，β3=-291.6585， β4= 0.176028, 可以看出，模型符合经济意义。 （3）多重共线性检验：查表t0.05=2.045 可见GDP,P，R的t统计量均大于2.045. 股市市值的t检验值为1.553940,虽然没有通过显著性为5%的t检验,但对10%的显著性水平还是显著,也就是说,股市市值对居民储蓄的影响也比较显著.可见，现在不存在多重共线性！ 加入虚拟变量DT DT 1999年以前取值为0，之后取值为1。 Dependent Variable: SA Method: Least Squares Date: 06/07/05 Time: 15:49 Sample(adjusted): 1994:1 2000:2 Included observations: 26 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C33277.245343.3926.2277360.0000 GDP11.0690720.2660794.0178810.0007 R-1539.936381.6622-4.0348150.0006 P-416.7197117.1442-3.5573230.0020 S0.1019180.0977061.0431060.3093 DT4042.5871281.0593.1556610.0050 R-squared0.991879 Mean dependent var40947.05 Adjusted R-squared0.989849 S.D. dependent var14964.18 S.E. of regression1507.668 Akaike info criterion17.67369 Sum squared resid45461238 Schwarz criterion17.96402 Log likelihood-223.7580 F-statistic488.5661 Durbin-Watson stat1.770988 Prob(F-statistic)0.000000 分析：从检验结果来看,加入虚拟变量Dt后, R2 的值升高,t值升高,DW值升高,.模型拟合更好了,说明应该加入Dt. 此时的回归结果整理如下： SA=33277.24+1.069072GDP1-416.7197P-1539.936R+0.101918S+4042.587DT （5343.392）（0.266079） （117.1442）（381.6622）（0.097706）(1281.059) t =(6.227736) (4.017881) (-3.557323) (-4.034815) (1.043106) (3.155661) R2= 0.991879 F= 488.5661 DW=1.770988 （1）分析：R2=0.991879表明方程拟和度较好，F统计量也明显显著表明模型 总体是显著的。 （2） 经济意义上的检验：由 β1=1.069072，β2=-1539.936，β3=-416.7197， β4=0.101918,β5=4042.587, 可以看出，模型符合经济意义。 （3）多重共线性检验：查表t0.05=2.045 可见GDP,P，R的t统计量均大于2.045. 股市市值的t检验值为1.043106,虽然没有通过显著性为5%的t检验,但对10%的显著性水平还是显著,也就是说,股市市值对居民储蓄的影响也比较显著.可见，现在不存在多重共线性！ 异方差检验: 用ARCH检验: ARCH Test: F-statistic0.000341 Probability0.985426 Obs*R-squared0.000371 Probability0.984639 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/07/05 Time: 15:57 Sample(adjusted): 1994:2 2000:2 Included observations: 25 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1072100.323349.03.3156120.0030 RESID^2(-1)-0.0014440.078172-0.0184670.9854 R-squared0.000015 Mean dependent var1069484. Adjusted R-squared-0.043463 S.D. dependent var1422749. S.E. of regression1453338. Akaike info criterion31.29324 Sum squared resid4.86E+13 Schwarz criterion31.39075 Log likelihood-389.1655 F-statistic0.000341 Durbin-Watson stat1.976997 Prob(F-statistic)0.985426 从以上结果看Probability的值,拒绝H0犯错误概率较大,同时残差序列的系数的t值并不显著,应该接受残差序列系数为零的原假设，即为模型不存在异方差. 自相关检验: H0：ρ＝0，即Ut不存在一阶自回归;H1：ρ≠0,即Ut 存在一阶自回归。因为 DW＝1.770988查表得，当n＝26，k＝5时dL＝0.783，dU＝1.635，4－dU＝2.365，4－dL=3.217,可见dUDW4－dU, 表明不存在一阶自相关. 综上所述,我们最终得到居民储蓄的模型为: 此时的回归结果整理如下： SA=33277.24+1.069072GDP1-416.7197P-1539.936R+0.101918S+4042.587DT （5343.392）（0.266079） （117.1442）（381.6622）（0.097706）(1281.059) t =(6.227736) (4.017881) (-3.557323) (-4.034815) (1.043106) (3.155661) = 0.991879 F= 488.5661 DW=1.770988 模型拟合情况图: ( 六.居民储蓄函数模型实证分析结论 实证结果表明： 收入水平对居民储蓄有明显作用，收入水平越高，居民储蓄也相对越高，两者之间是正相关关系，这与一般理论一致。1994年以来，我国居民储蓄迅速增长的根本原因就是收入水平的提高。随着中国经济的发展，居民收入还会持续增长，如果其他因素不变的话，居民储蓄仍然会有相应的增长。要抑制储蓄，刺激消费，提高居民的边际消费倾向是关键。 名义利率与居民储蓄之间存在负相关关系，名义利率的降低不但不会减少储蓄，反而会增加储蓄，这似乎是与理论矛盾的。但是考虑到近几年来我国物价水平的持续下跌，虽然中国人民银行连续下调存款利率，但是由于利率下降速度小于物价跌幅，因此用名义利率不能说明本质问题。 物价水平对居民储蓄有负面影响。物价水平提高导致居民消费支出的增加，在一定收入条件下，储蓄必然会减少。 股市市值与居民储蓄有正相关关系：这个结论表面上看起来不符合逻辑.因为在收入水平一定的前提下,股票投资的增加势必导致银行储蓄的下降,两者之间应该是负相关,而不是正相关,出现这种结论的原因是:中国的股票市场还很年轻,制度不健全,市场不规范,炒作成分很大,投机气氛相当浓厚。这是中国股票市场的具体情况所决定的。 制度因素：有正面影响。面临流动性约束的消费者，当期消费受到制约，只能增加储蓄以积累资金，如果开展消费信贷，放松流通性约束，那么在大额消费之前不必压缩当前消费，而能够以来靠竟来收入扣除将来支出后的现金流，偿付当期消费的大件耐用消费品，这样一来，储蓄就会由于消费信贷而有所下降，但是实证结果似乎不符合逻辑推理。这就必须考察我国居民的消费习惯和消费信贷的实际情况。中国人向来是量入为出，要接受新观念，今天花明天的钱，可能需要一个较长期的过程。另一方面，消费信贷主要是住房消费信贷，本身是大笔开支，绝对数量大，而首期付款要求又较高，最需要买房的消费者中又以年轻人为主，积累的收入有限，可能达不到首期付款的标准，因此反而是减少当前消费，增加储蓄，因此可能造成消费信贷出现，反而造成储蓄增加的情况。 七．政策建议 然而，就目前情况来说，居民储蓄居高不下，也带来了诸多方面的负面影响。 首先，加剧了间接融资比重过高的不合理格局。权威人士提供的信息：目前，属于间接融资的银行存款和直接融资的有价证券之比为5：1，二者比例明显失调。眼下，从金融机构交易总体情况来看，由于储蓄高增长而形成了以贷款为主的间接融资格局。这种情况很不利于金融体系储蓄与投资转化机制的良性循环，并在一定程度上造成了企业融资渠道的不畅，特别是中小企业资金获取相当困难。 第二，因为专业银行财务风险高度集中，潜伏着一定的隐患。储蓄高增长使居民的金融债权主要集中在专业银行。这样一来，专业银行就成了聚合千百万居民家庭巨额债务的负债者。 第三，在一般情况下，居民储蓄率高居不下往往伴生着生活消费的下降以及平均消费水平的长期徘徊或下降。可见，储蓄与消费二者此消彼长的关系是毋庸置疑的。 那么，怎样才能使居民高额储蓄“消肿”？ 一是加快发展直接投资。支持金融机构在规范化的前提下，开展金融创新，积极发展多样化金融工具，让居民的储蓄渠道通过市场多渠道回流企业。与此同时，协调好货币市场与资本市场之间的关系，引导居民储蓄适当向资本市场转移。 二是尽快完善社会保障体系，增强居民即期消费行为。应当看到，社会保障制度的完善是改善人们消费趋向的关键。在积极提升城镇居民收入的同时，研究如何提高消费者在未来生活方方面面的安全感，以提高居民即期消费水平。 三是调整产业结构和供给结构，转化高收入群体的长期储蓄为有效购买力。应该明白这样一层道理：如何成功启动高收入群体的高额购买力，成为消费需求主体，对经济增长的拉动作用至关重要。因此，要从满足更高层次的消费需求入手，加快调整和升级供给结构，增加高档商品、创新商品和投资品的供给，特别是增加服务性商品的供给，最大限度地满足高收入群体的消费需求。 参考文献现在国民经济统计中 1．《中国统计年鉴》 2．庞皓，《经济计量学》，西南财经大学出版社 3．魏仕贵，田椿生，《当代储蓄理论和实践》，中国金融出版社，1999
-
关于创新企业物资供应体系途径探析_经济学毕业论文范文
关于创新企业物资供应体系途径探析_经济学毕业论文范文 论文摘要：物资供应是企业中环环相扣的重要闭合链，如有一个环节出现问题，这条闭合链都有可能断裂，因此，建立一套效率高、可行性高的物资供应体系对于企业来说是至关重要的。首先介绍了企业物资供应体系的现状，其次分析了企业物资供应体系中存在的问题，再次提出了创新企业物资供应体系的相应策略。 论文关键词：物资供应体系；创新；途径 物资供应体系的目标是保证在正确的时间将企业需要的产品按照正确的数量、正确的状态、正确的价格送到指定的地点，并将降到最低。就目前的企业物资供应体系来说，在实践过程中还存在一些问题，这需要企业及相关部门采取措施及时加以解决。 1 企业物资供应体系的现状 随着的发展和全球化程度的加深，我国参与国际竞争的范围越来越广泛，企业物资供应体系也会受到越来越大的挑战，市场自身调节会起到很大作用，但是企业采购需求的多元化与增大，对供应商具有极大地诱惑力。其中，竞争优势较强的供应商凭借其服务意识强、服务层次高、灵活性大、产品质优价低、技术到位等，直接和生产厂家合作直销，这可能会导致一些企业放弃某些内部零配件的生产加工，转向从企业外部采购，从而使企业总体的采购量加大。另一些企业可能会为了经济效益，采取非法手段，导致企业采购成本高、质量低等现象发生，这会严重降低企业的物资供应效率，削弱企业整体的市场竞争力。目前，我国的外资企业在批发、贸易和零售方面的规模、物流、价格等方面具有绝对优势，这会使我国的企业物资供应市场竞争加剧。 2 企业物资供应体系存在的问题 2.1 企业物资供应体系的科学和体制问题 企业物资供应体系是在市场体制与计划体制的双重作用下运行的，市场体制的作用越来越明显，但是命令的影响力也不可忽视。这会令企业物资供应体系在管理上出现失效的现象，对物资采购人员也不能实施有效地管理。这种情况主要表现在：一是物资的采购和供应预算制度不健全，成本控制与核算没有明确的标准，多数采购决策单纯依靠经验估计，生产计划的不确定性也增加了采购的随意性，可能会导致货物积压、成本上升，进而出现物资供应体系混乱的现象；二是物资供应体系的机构组织设置和布局随意性大，没有科学设计支撑，供应站点布局不太科学，管理上以传统是经验为主，从而导致资源利用不充分；三是物资供应分工缺乏科学合理性，缺乏相应的监督机制，会导致重复储备、利用率低等。 2.2 企业物资供应体系的理念更新问题 20世纪80年代后，物资供应部门的组织趋于复杂，主要表现是生产对物料的需求缺乏稳定性，而企业的采取的策略是以降低采购成本来提高竞争力。这样，物资供应部门的职责会扩大，工作内容的技术性会相应提高，也会影响采购人员的选用和授权及物资供应人员的工作理念。理念进一步影响物资供应人员的工作内容，决定其行为导向，而在实践中，理念清晰的企业很少。企业物资供应体系适应市场的步调不快，表现在企业内部供应链的牢固性不强、具体的物资供应工作没有上升到战略高度等。 2.3 企业物资供应体系的资源配置问题 物资供应部门传统的选拔标准注重“防弊”，诚实是其中重要一项，外来人员担任企业重要角色的机会不多，这对现在的企业物资供应体系在人力资源配置上仍有很大影响。随着物资供应体系越来越重要，企业内部管理制度日益健全，人力资源配置逐渐转向“兴利”观念上来，更加重视人员的才能和学识，但就目前来看，传统的选任方法仍然占据重要地位，而且标准还不统一，不能充分发挥外部人力资源的优势，社会廉价人力资源在物流配送体系中的潜力没有充分得到挖掘，人才能力价值和风险还没有辩证的统一起来。
-
农业产值影响因素公析_经济学毕业论文范文
农业产值影响因素公析_经济学毕业论文范文 【摘要】：本文通过对影响农业生产的因素分析，旨在得出影响农业生产的主要因素，并在此基础上结合我国实际探讨我国农业生产发展中存在的问题。 关键词：农业产值 影响因素 模型 检验 在西方经济学理论中，很大一部分内容涉及农业发展问题，重农学派把农业的发展作为其理论研究的基本出发点和归宿。该学派的主要代表人物法国著名经济学家魁奈曾把农业看作是唯一具有生产价值的部门，并以著名的《经济表》分析作为纯产品的农产品在社会各生产部门间的流动和交换。古典学派的伟大经济学家亚当﹒斯密，在其不朽的经典著作《国富论》中以相当的篇幅论述了农业的发展问题。 发展经济学家之所以重视农业发展问题，一是因为如果农业本身不发展，农民和农村人口便无法摆脱贫困；二是因为农业的不发展将严重的妨碍整个国民经济的发展。换言之，在经济发展中，农业和农村经济的发展起着举足轻重的作用，农业的发展将对整个国民经济的发展作出巨大贡献。美国著名经济学家库兹涅茨把农业对发展中国家经济发展的贡献概括为以下几个方面：1.农业的增长依赖于农业的发展；2.在经济发展的初期，农业和农业人口作为工业品的市场的作用举足轻重；3.随着经济的发展，农业在经济构成中的比例下降，农业部门构成其他部门的投资的主要来源；4.通过出口农产品和进行替代进口农产品的生产，国内农业可以为平衡国际收支起到重要作用；5.农业和农村经济的发展还将提高农民的收入，改善乡村居民的福利 我国作为传统农业大国，农业产值对社会经济生活各方面有着重要影响。对于农业产值的分析有着现实的意义，我们选取了以下因素进行分析： a农作物播种面积。土地是农业生产的基础，我国作为一个发展中国家，农业生产力落后，大部分地区仍采用传统的耕作方式，在这种情况下，农业产值很大程度上受到农作物播种面积的影响。 b农业机械总动力。农业的发展贯穿着农业技术的创新和进步，农业技术在农业生产中的应用可以提高土地通常对一定数量的资本和劳动的报酬率。农业科技的创新与进步不断加速，主要是农业生产手段的改善（农业机械的普及与大量应用）。 c受灾面积。从农业生产的发展的条件来看，容易受自然条件的影响而使其产出出现大幅波动。 d化肥施用量。从生产实践来看，通过使用化肥、农药，有效的控制杂草和病虫害，加上管理用水可以普遍提高农业产量。 e支援农业生产支出和各项农业事业费。农业生产具有特殊性，容易形成丰年产品过剩，影响农民的利益和以后年度农业生产的发展；也可能因灾年造成农产品供给不足，影响人民生活和生产的需要，甚至引起社会生活不稳定。加上农业部门本身很难单独战胜自然条件的影响，如果没有政府的扶持难以确保整个农业生产的稳定，也难以保证全社会对农产品的需要。 这里我们采用计量经济学方法设定模型，对上述问题进行分析。 （一）建立模型（数据详见附表一） 农业总产值（亿元）——y 农作物播种面积（千公顷）——x1 农业机械总动力（亿瓦特）——x2 受灾面积（万公顷）——x3 化肥施用量(折纯)（万吨）——x4 支援农业生产支出和各项农业事业费（亿元）——x5 设定模型的函数形式为： 假定条件： 假定土地间不存在级差，产出只与面积大小有关，而忽略肥沃程度、地形等因素 2、化肥施用积极有效且无差异 3、支援农业生产支出和各项农业事业费全部投入农业生产，未被挪用、占用、滥用。 （二）模型的参数估计、检验及修正 1.模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，用OLS方法估计得：（见附表二） Y=-768.7345-0.056844*X1+0.138000*X2-0.867809*X3+6.078066*X4-5.195073*X5 (32260.95) (0.256631) (0.257850) (0.639340) (1.304628) (8.832377) t=-0.023829）（-0.221500）（0.535194） (-1.357351) (4.658849) (-0.588185) =0.965928 =0.950441 F=62.36928 DW=0.820355 可见，x1,x2,x3,x5的t值都不显著，且x1和x5的系数也不符合经济意义。因为从经济意义上讲，农业产值应随着农作物播种面积和支援农业生产支出和各项农业事业费的增长而提高。另外，修正可决系数为0.950441，F值为62.36928，较大，说明各个解释变量对模型整体拟合较好。故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。 2.计量经济学检验 （1）多重共线性检验 用EVIEWS软件，得相关系数矩阵表： X1X2X3X4X5 X110.8596260.360060.9190830.802588 X20.859625610.3799550.9243890.989453 X30.36006050.37995510.4182890.352909 X40.91908320.9243890.41828910.90734 X50.80258840.9894530.3529090.907341 由上表可以看出，解释变量x1与x2,x1与x4,x1与x5,x2与x4,x2与x5,x4与x5之间的相关系数都较大，可见存在严重的多重共线性。在经济意义上, 农作物播种面积，农业机械总动力，化肥施用量，支援农业生产支出和各项农业事业费都和农业生产密切相关，这使得他们之间的相关性很强。 我们利用逐步回归法（变量剔除法）对多重共线性进行修正（见附表三、四、五）： 首先，由于x5不符合经济意义且对y影响较大（系数-5.195073较大），先将其剔除，得到如下方程：（参见附表三） Y=-14070.39+0.057817*X1-0.009795*X2-0.75568*X3 + 5.672190*X4 (22311.66) (0.162294) (0.056269) (0.593394) (1.076603) t=(-0.628938) (0.356250) (-0.174076) (-1.273488) (5.268601) =0.964856 =0.953142 F=82.36423 DW=0.696455 由上方程可以看出x2的t值很小且不符合经济意义，将其剔除，得到方程如下：（参见附表四） Y = -13763.42 + 0.055964*X1 - 0.754143*X3 + 5.548894*X4 (21454.15) (0.155788) (0.570770) (0.779976) t=(-0.641527) (0.359232) (-1.321272) (7.114185) =0.964768 =0.956637 F=118.6600 DW=0.691652 方程中x1的t值小，对y的影响不显著，将其剔除，得如下方程：（参见附表五） Y = -6112.318 - 0.768110*X3 + 5.802991*X4 (2497.748) (0.551447) (0.318304) t=(-2.446936) (-1.382898) (18.230992) =0.964418 =0.959335 F=189.7286 DW=0.686663 此时，修正可决系数开始下降，且F值也有了一定的增加，故不在删除变量，选择此模型为修正后的模型。 可见，农业生产总值随受灾面积的增加而减少，随着化肥施用量的增加而增加，与经济意义相符。但是x3的t值（-1.382898）不是很显著。 (2)异方差检验（ARCH检验）（具体数据见附表六） 由拟合的数据可知，（n－p）＝1.1927870.05(3)=7.81（其中n=17,p=3），故接受原假设，表明模型中随机误差项不存在异方差。 (3)自相关检验 由附表五可知：d=0.686663，在显著水平=0.05下，查表 n=17，k’=2时，d L =1.015，d U=1.536，由于d=0.686663 d L =1.015，表明该模型中的误差序列存在一阶正自相关。 用对数线性回归进行修正（参见附表七） LY = -6.171722 - 0.321884*LX3 + 2.217263*LX4 (2.150854) (0.280452) (0.106972) t=(-2.869429) (-1.147733) (20.74754) =0.973180 =0.969349 F=254.0023 DW=0.710457 用迭代法进行修正得如下方程：（参见附表八） LY = -9.079497 - 0.108141*LX3 + 2.345581*LX4 (3.487206) (0.158202) (0.369920) t=(-2.603659) (-0.683560) (6.340779) =0.983198 =0.978997 F=234.0607 DW=1.301634 在显著水平=0.05下，查表 n=16，k’=2时，d L =0.982，d U=1.539，虽然DW值有明显提高，但由于d=1.301634 d L =1.539，表明该模型中的误差序列仍存在一阶正自相关。 （三）模型的分析 我们进行了一系列检验和修正后的最终结果如下： LY = -9.079497 - 0.108141*LX3 + 2.345581*LX4 (3.487206) (0.158202) (0.369920) t=(-2.603659) (-0.683560) (6.340779) =0.983198 =0.978997 F=234.0607 DW=1.301634 我们得出的经济模型的拟合程度较好（=0.978997），总体影响显著（F=234.0607），但在其他变量不变的条件下LX3的影响不是很显著(t＝-0.683560)，LX4在其他变量不变的条件下影响显著(t＝6.340779) （四）总结： 我们的模型建立不成功，从现实来看，化肥施用量和受灾面积并不是影响农业产值最主要的因素，而播种面积、机械总动力这些在实际影响中较为重要的因素却在检验和修正过程中被舍弃，究其原因我们认为存在以下可能： 首先，在建模时由于我们认识上的局限可能造成变量选择不当； 其次，可能存在模型设定误差； 第三，设定的假定条件不合理。随着土地的重复使用，其边际报酬率会递减；支援农业生产支出和各项农业事业费在现实中可能未全部投入农业生产中； 第四，农业机械利用率不高，绝大多数仍采用传统的耕种方式，所以造成该因素影响不显著； 最后，由于可能存在统计数据不准确，而导致了我们赖以进行参数估计的数字基础不具备可靠性。 参考文献： 《中国统计年鉴》 国家计委、国家统计局、国家信息中心 （中经网数据中心整理） 《走向现代农业－—农业现代化与创新》中国经济出版社 杨戈著 《财政学》西南财经大学出版社 王国清 程谦 主编 附表 附表一 注：化肥施用量按有效成份100%计算。 支援农业生产支出和各项农业事业费2000年及以前数据为财政决算数，2001年全国数据为预算执行数。 附表二 附表三 附表四 附表五 附表六 附表七 附表八
-
试析我国农业机械化发展应对措施_经济学毕业论文
试析我国农业机械化发展应对措施_经济学毕业论文 论文摘要：是农业生产力的重要内容，也是解放生产力的重要途径，根据多年的工作经验，详细分析了我国机械化发展的现状，并论述了我国机械化遇到的制约因素，最后提出相应的措施。 论文关键词：农业;机械化;制约;应对措施 1 前言 改革开放以来，我国城镇化进程提速，而对比全的发展，农村的发展还是滞后。在现代化农业中农业机械化是其重要内容，是技术进步的重要体现，是发展农业生产的重要环节；它不仅可以解放劳动力、减轻劳动者劳动强度，而且是提高劳动生产率、提高土地产出率的重要手段，是先进的农艺技术实施的载体。但是由于我国特殊的国情，在机械化的实施中还存在很多问题。 2 我国农机化发展现状 2.1 农田作业机械化水平显著提高 20世纪50年代时我国农业机械总动力只有8万千瓦，农用拖拉机只有100余台，而联合收割机、农用载重汽车等大农业机械基本没有，农业机械化水平不足1%；经过50年来的发展，目前我国农业机械保有量增长了上万倍，截至2009年底，全国农业机械总动力达到82亿千瓦，每平方公里耕地平均拥有农机动力86千瓦；其中大型拖拉机300万台，动力达8186万千瓦。全国耕种收综合机械化水平达到36%。目前我国部分省市的农业机械化发展较快，耕、播、收综合机械化水平已达到40%以上，有的已超过60%；农业机械在农业增产中的贡献份额约为15%，按影响力排序，排在、化肥、良种之后，列第四位。 2.2 农机产品向多样化发展 随着我国农业结构的调整，对传统农业机械产品需求开始大幅度降低，而对经济作物机械、机械及牧草机械的需求量逐渐增加。农业部优势农产品战略公布之后，各种农产品加工机械，特别是优势农产品加工机械需求量急剧增长；随着农村经济条件的改善和各地基本建设规模的扩大，挖掘机、装载机和吊装设备等农村工程机械需求量成倍增长。 2.3 逐渐形成了完整的体系 建国初期的农机行业只能生产一些简单的农业机械，主要农业机械依靠进口，新中国成了之后，特别是在改革开放之后，逐步形成了比较完整的包括动力机械、耕作机械、林业机械、机械、饲料机械、收获机械、水力机械、场上作业机械和农机零配件制造等行业的农机工业体系，能够生产拖拉机、联合收割机、播种机、农用运输车、水泵等各种农机产品，不但能够基本满足国内需要，而且可以参与国际竞争，出口国外。 2.4 向市场化、社会化服务发展 中国农户种植业的规模小，家家户户购买农业机械不经济，也没有必要，因此发展农机社会化服务非常重要。例如1996年开始的全国性跨区机收小麦的措施使联合收割机使用时间从平均每年7-10天增加到1个多月，大大提高了联合收割机的利用率。 3 制约我国农机化发展的因素 3.1 农村经济发展水平因素 随着我国政府对“三农工作”的进一步重视和加强，农业和农村经济有了长足发展，农民收入也有了大幅度的增长；但农村经济发展水平仍然不高且不平衡，城镇化发展进程不快，农民收入水平较低。目前，农村经济整体水平发展不高，农民收入相对较低的局面在短时间内难以改变。以小麦联合收割机为例：一方面该机械一次性投入较大，农民购买有困难，另一方面由于秋季时间性要求不是太高，人均种植面积又不是太多，而机收小麦的收费标准不算太低，为节省开支，农民能人工收获就尽量人工收获。 3.2 土地经营规模因素 我国人均占有土地资源数量非常少，且逐年减少，加之大部分土地资源质量不高，土地沙化与退化现象严重，适合耕种的土地就更少。据联合国粮农组织相关数据表明，2007年我国人均拥有耕地面积仅为0.1公顷。并且现在大部分地区的土地政策是农户家庭联产经营，按平均分配的土地过于零碎，现代化的机械耕作方式很难推广，因而导致小农经营的原始耕作方式仍在继续，这极大地阻碍了农业生产率的提高，阻碍了农业机械在农业生产中的运用，制约了农业机械的发展。 3.3 农机化资金投入因素 从我国各省市地区来看，农村经济及人均收入普通存在着市富县穷的特点，农民是农机化的投入主体，但存在着投入和收入严重不成比例。以浙江省2008年为例，人均农民收入为5600元，以一个家庭四人口来算，年纯收入为2.3万元，现在的农业机械由于技术的更新，制造工艺的改进，价格也较高，一台联合收割机的市场价格在十五万元左右，需要一个农户7年左右的家庭积累才能购置，我国对农民购置农业机械的补贴金额与农机总投入存在着比例不协调的现象。
-
中国股票内在价值影响因素的实证分析_经济学毕业论文
中国股票内在价值影响因素的实证分析_经济学毕业论文 中国股票内在价值影响因素的实证分析 摘要 本文旨在对所有者权益收益率、公司资产净值等微观因素对股票价值的影响进行实证分析，主要评价的是公司的盈利水平和投资价值。首先，在证券投资基本分析流派的理论基础上我们建立了计量模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意义的分析，并相应提出一些建议。 关键词 股票价格 每股净资产 所有者权益收益率 盈利能力 内在价值 问题的提出 经过十多年风雨的洗礼，我国的股票市场取得了初步的发展，但是和发达国家证券市场相比，仍然处于不成熟的阶段，全流通问题尚未解决，投机风气盛行，庄家操纵股价的行为大量存在，投资者追长杀跌的盲目投资行为比比皆是。为了引导投资者理性的投资行为和保护中小股东的利益，以及促进股票市场的发展与完善，越来越多的人提倡价值投资，公司的内在价值成为影响股价的重要因素。 二、经济理论陈述 证券投资的分析流派有基本分析流派和技术分析流派。基本分析流派是目前西方投资界的主流派别，它是以宏观经济、行业特征及上市公司的基本财务数据作为投资分析对象，对证券的投资价值及市场定价作出评估判断的一种分析方法。此流派的投资者大多是价值投资者，他们的投资行为比较理性。基本分析的理论基础在于证券的内在价值理论。即：任何一种投资对象都有“内在价值”，且“内在价值”可以通过对该种投资对象的现状和未来前景的分析而获得；市场价格和“内在价值”之间的差距最终会被市场纠正。它有两个前提假设：“股票的价值决定价格”、“价格围绕价值上下波动”。由于公司的内在价值体现在盈利能力和投资价值上，所以我们选择了能够反映这两个因素的所有者权益收益率和每股净资产作为分析指标。 三、相关数据搜集 首先，由于我国股票市场才有十多年的历史，很多指标又都是按年度计算的，如果以时间为依据选取样本，可能不具有代表性，所以我们选取截面数据作为样本。其次，由于上市的股票很多，所以样本股的选择十分关键。我们从今年1月2日推出的上证50指数的50支股票中随机抽取20支作为样本。据专家分析，上证50成分股2003年3季度的净利润与利润总额占同期全部A股的比例分别达到42.06%与43.05%,是优质蓝筹股的突出代表，而且行业分布也很合理，因此，我们选取的数据具备研究所要求达到的代表性。再次，我们选择了报表计算期后的60日均价作为自变量。因为经过60天的市场调整，该指标更贴近于计算期日股票的内在价值。 指标 序号 60日均价 每股净资产 所有者权益收益率 110.853.06813.04 29.263.787.84 312.144.02915.64 411.34.0399.08 510.963.3110.48 617.325.7715.69 77.752.469.29 810.282.6614.42 914.423.295416.796 107.242.8319.67 118.382.1413.77 124.91.87911.667 135.462.46-7.28 148.522.2113 158.383.503410.65 1611.263.212.21 1714.294.0916.44 184.411.990.12 1914.484.83513.29 2016.235.0310 四、模型的建立 根据以上分析，我们建立了以下模型： Y=C+ β1X1+β2X2+U 其中： Y代表股票60日均价 C代表常数项 β代表参数 X1代表每股净资产 X2代表所有者权益收益率 五、模型的估计和检验 我们利用EVIEWS软件和最小二乘法进行回归分析及统计检验得出以下结果 Dependent Variable: Y Method: Least Squares Date: 05/12/04 Time: 14:59 Sample: 1 20 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. X12.7227790.3529737.7138540.0000 X20.1675010.0629232.6619850.0164 C-0.5636661.233640-0.4569130.6535 R-squared0.834815 Mean dependent var10.39150 Adjusted R-squared0.815381 S.D. dependent var3.666757 S.E. of regression1.575506 Akaike info criterion3.884511 Sum squared resid42.19771 Schwarz criterion4.033871 Log likelihood-35.84511 F-statistic42.95741 Durbin-Watson stat2.659659 Prob(F-statistic)0.000000 回归方程如下： Y= -0.563666 + 2.722779X1 + 0.167501X2 (1.233640) (0.352973) (0.062923) t=（-0.456913） （7.713854） （2.661985） R2= 0.834815 F=42.95741 DW=2.659659 经济意义的检验 从经济意义上来说，股票价格随股票与每股净资产及所有者权益收益率成正比，X1和X2的系数β1和β2均为正数，表示随着每股净资产和所有者权益收益率的增加，股票的价值会上升，这是符合经济意义的。而C为样本回归方程的截距，表示当每股净资产和所有着权益收益率均为零时的股票价值，在上述回归方程中为负数，这显然是不符合经济意义的。 统计推断的检验 R2=0.834815 说明总离差平方和的83.4815%被样本回归直线解释，仅有不足17%未被解释，因此样本回归直线对样本的拟合优度是很高的。 β1的t统计量为7.713854，在给定显著性水平为0.05的情况下，查T分布表在自由度为N-2=18下的临界值为2.101，因为7.713854大于2.101，所以拒绝原假设。表明每股净资产对股票价值的影响显著。 β2的t 统计量为2.661985，在给定显著性水平为0.05的情况下，查T分布表在自由度为N-2=18下的临界值为2.101，因为2.661985大于2.101，所以拒绝原假设。表明所有者权益收益率对股票价值的影响显著。 而常数项C的t统计量为-0.456913，-2.101-0.4569132.101，接受原假设，表明常数项C对股票价值的影响不显著。 综合经济意义检验和统计推断检验，我们剔除了回归模型中的常数项C，即当股票的每股净资产及所有者权益收益率均为零时，股票的价值为零。这显然是符合经济意义的。 于是我们得如下模型： Y=β1X1+β2X2 我们利用EVIEWS软件，用最小二乘法进行回归分析和统计检验得如下结果： Dependent Variable: Y Method: Least Squares Date: 05/12/04 Time: 15:00 Sample: 1 20 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. X12.5962930.21412112.125330.0000 X20.1589430.0587362.7060690.0145 R-squared0.832786 Mean dependent var10.39150 Adjusted R-squared0.823497 S.D. dependent var3.666757 S.E. of regression1.540489 Akaike info criterion3.796717 Sum squared resid42.71592 Schwarz criterion3.896290 Log likelihood-35.96717 Durbin-Watson stat2.608111 得回归方程如下： Y= 2.596293 X1 + 0.158943X2 （0.214121） （0.058736） t=（12.12533） （2.706069） R2= 0.832786 DW=2.608111 R2=0.832786 说明总离差平方和的83.2786%被样本回归直线解释，仅有不足17%未被解释，因此样本回归直线对样本的拟合优度是很高的。 β1的t统计量为12.12533，在给定显著性水平为0.05的情况下，查T分布表在自由度为N-2=18下的临界值为2.101，因为12.12533大于2.101，所以拒绝原假设。表明表明每股净资产对股票价值的影响显著。 β2的t 统计量为2.706069，在给定显著性水平为0.05的情况下，查T分布表在自由度为N-2=18下的临界值为2.101，因为2.706069大于2.101，所以拒绝原假设。表明所有者权益收益率对股票价值的影响显著。 计量经济的检验 多重共线性的检验 X1X2 X110.292084631717 X20.2920846317171 由表可以看出，X1、X2不存在多重共线性。 2．异方差的检验 图示法 随X1、X2的变化e2没有明显系统性变化，所以从图可以看出模型不存在异方差。 （2）Goldfele-Quandt检验： Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 09:09 Sample: 1 8 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. X20.1159170.0687331.6864780.1427 X12.5891110.3626597.1392400.0004 R-squared0.510444 Mean dependent var7.117500 Adjusted R-squared0.428852 S.D. dependent var2.034437 S.E. of regression1.537513 Akaike info criterion3.910527 Sum squared resid14.18368 Schwarz criterion3.930388 Log likelihood-13.64211 Durbin-Watson stat1.763852 Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 09:09 Sample: 13 20 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. X20.1528420.1715170.8911230.4072 X12.5464680.4913375.1827280.0020 R-squared0.818279 Mean dependent var12.92500 Adjusted R-squared0.787992 S.D. dependent var3.204158 S.E. of regression1.475331 Akaike info criterion3.827960 Sum squared resid13.05962 Schwarz criterion3.847821 Log likelihood-13.31184 Durbin-Watson stat0.908317 以X1排序后，求得∑e12=14.8368，∑e22 =13.05962 F=14.8368/13.05962=1.0861 在给定显著性水平为0.05的情况下，查F分布表在自由度为（n-c）/2-k=6下的临界值为4.28，因为4.28大于1.0861，所以接受H0，表明无异方差 Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 09:10 Sample: 1 8 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. X20.1245150.0972871.2798810.2478 X12.5742550.24555710.483320.0000 R-squared0.875434 Mean dependent var9.218750 Adjusted R-squared0.854673 S.D. dependent var3.715525 S.E. of regression1.416426 Akaike info criterion3.746468 Sum squared resid12.03757 Schwarz criterion3.766329 Log likelihood-12.98587 Durbin-Watson stat1.361776 Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 09:10 Sample: 13 20 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. X20.1371810.1362561.0067830.3529 X12.7211270.5564964.8897490.0027 R-squared0.715329 Mean dependent var12.31875 Adjusted R-squared0.667884 S.D. dependent var3.453373 S.E. of regression1.990162 Akaike info criterion4.426627 Sum squared resid23.76446 Schwarz criterion4.446487 Log likelihood-15.70651 Durbin-Watson stat2.218959 以X2排序后，求得∑e12=12.03757，∑e22 =23.76446 F=23.76446/12.03757=1.9742 在给定显著性水平为0.05的情况下，查F分布表在自由度为（n-c）/2-k=6下的临界值为4.28，因为4.28大于1.9742，所以接受H0，表明无异方差 （3）White检验： White Heteroskedasticity Test: F-statistic1.883353 Probability0.161203 Obs*R-squared8.042756 Probability0.153895 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/13/04 Time: 14:07 Sample: 1 20 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-10.378097.592657-1.3668590.1932 X14.5032603.9356521.1442220.2717 X1^2-0.2503570.611059-0.4097110.6882 X1*X2-0.2493350.219636-1.1352210.2753 X20.4809800.5139530.9358450.3652 X2^20.0306380.0152602.0078100.0644 R-squared0.402138 Mean dependent var2.135796 Adjusted R-squared0.188616 S.D. dependent var3.159756 S.E. of regression2.846210 Akaike info criterion5.173178 Sum squared resid113.4127 Schwarz criterion5.471898 Log likelihood-45.73178 F-statistic1.883353 Durbin-Watson stat2.610948 Prob(F-statistic)0.161203 由拟合的数据可知，N *R^2=200.347103=6.94206，查表得0.05（5）=9.48773，N*R^20.05(5),接受H0，表明模型无异方差。 综上所述，模型无异方差。 3、自相关检验 用DW法检验方程的自相关性，方程DW值为2.608111 查表得Dl=1.100 Du=1.537 4-Du=2.463 Dud4-Du 表明所建模型无自相关。 综上所述，模型的拟合优度较好，且无多重共线性、异方差、自相关等问题，有较好的实用性，可用于指导实践。回归方程如下： Y= 2.596293 X1 + 0.158943X2 （0.214121） （0.058736） t=（12.12533） （2.706069） R2= 0.832786 DW=2.608111 六、模型总结 由我们的模型可知当每股净资产增加一个单位时股票价值上升2.596293个单位，当所有者权益收益率提高一个单位时股票价值上升0.158943个单位。在实际投资中，已知一个公司股票的每股净资产和所有者权益收益率，用我们的方程计算出该公司股票的内在价值，与当前市场价格进行比较，当市场价格低于计算所得的内在价值时，则该股票有投资价值，反之，则不宜投资。 参考文献 《证券投资原理》陈永生 西南财经大学出版社 2003年四月第三版印刷 数据来源 华夏福星股票分析系统
