-
农业现代化对粮食产量影响的分析_经济学毕业论文
农业现代化对粮食产量影响的分析_经济学毕业论文 农业现代化对粮食产量影响的分析 引言：我国是一个传统的农业大国，地域广阔，人口众多。因此，对粮食问题的研究显得尤为重要。现代农业的基本特点是农业劳动生产率的极大提高，为了进一步研究农业机械总动力和农用施用量对我国农村的粮食总产量的影响程度，我们对相关数据进行简单的计量经济学分析。 以下是1980年—1999年我国某地区粮食总产量，农业机械总动力和农用化肥施用量的数据统计表。 年份粮食总产量 （万吨）Y农业机械总动力 （万千瓦）X1农用化肥施用量 （万吨）X2 198032056147461269.4 19813250215680.11334.9 19823545016614.21513.4 19833872818021.91659.8 19844073119497.21739.8 19853791120912.51775.8 198639151229501930.6 198740473248361999.3 198839408265752141.5 198940755280672357.1 19904462428707.72590.3 19914352929388.62805.1 19924426630308.42930.2 19934564931816.63151.8 19944451033802.53318.2 19954666236118.13593.9 19965045438547.23828.1 19974941742015.63980.8 19985123045207.74083.7 19995083948996.14124.3 （资料来源：三农数据库） 根据以上数据建立模型如下： Y=α+β1 X1 +β2 X2+ u Y --粮食总产量 X1--农业机械总动力 X2--农用化肥施用量 模型估计 由OLS法得： Dependent Variable: Y Method: Least Squares Date: 05/10/04Time: 20:49 Sample: 1980 1999 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C27360.191151.01323.770540.0000 X10.0936260.1866560.5015970.6224 X24.7481461.9140632.4806640.0239 R-squared0.929201 Mean dependent var42417.25 Adjusted R-squared0.920872 S.D. dependent var5720.597 S.E. of regression1609.189 Akaike info criterion17.74233 Sum squared resid44021326 Schwarz criterion17.89169 Log likelihood-174.4233 F-statistic111.5583 Durbin-Watson stat1.265319 Prob(F-statistic)0.000000 将上述结果整理如下： Y=27360.19+0.0936X1+4.7481X2 1151.013 0.1867 1.9141 t=23.7705 0.5016 2.4807 R2=0.9292 R2=0.9209 DW=1.2653 F=111.5583 T 检验： α=0.05, ︱t1︱≦ t 0.025 (18) = 2.101 ︱t2︱≧ t 0.025(18) = 2.101 说明除X1以外，其余变量均较显著。 F检验： F﹥F0.05（1，18）= 4.41 ，F检验显著，说明整体拟合效果较好。 多重共线性分析 由于用时间序列数据建立回归估计模型时，根据研究的具体问题，选择的解释变量往往在随时间变化的过程中，存在共同变化的趋势，而且在建模过程中，由于认识的局限，造成变量选择不当，都容易引起变量之间的多重共线性。不完全多重共线性会导致参数的区间估计失去意义，然而解释变量之间的多重共线性是难以避免的，我们追求的是多重共线性程度的尽可能减弱。 X1X2 X110.952559384191 X20.9525593841911 而由之前的检验知，F检验显著且可决系数较大，说明整体上线性回归拟合效果较好，但X1变量的参数的T值并不显著。再根据相关系数矩阵，说明解释变量确实存在多重共线性。而从经济意义上讲，农业机械动力和化肥施用量在随时间的不断变化过程中，存在共同变化的趋势，把它们作为解释变量同时引入模型就会存在多重共线性。 修正多重共线性： 第一步：运用OLS方法逐一求Y的各个解释变量进行回归，得如下2个方程： Dependent Variable: Y Method: Least Squares Date: 05/10/04 Time: 20:49 Sample: 1980 1999 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C26739.861274.25020.984780.0000 X10.5473870.04214812.987300.0000 R-squared0.903573 Mean dependent var42417.25 Adjusted R-squared0.898216 S.D. dependent var5720.597 S.E. of regression1825.076 Akaike info criterion17.95127 Sum squared resid59956248 Schwarz criterion18.05084 Log likelihood-177.5127 F-statistic168.6699 Durbin-Watson stat1.207944 Prob(F-statistic)0.000000 Y对X1回归：Y=26739.86+0.5474X1 R2=0.9036 Dependent Variable: Y Method: Least Squares Date: 05/10/04 Time: 20:50 Sample: 1980 1999 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C27589.401034.22126.676520.0000 X25.6890140.37307415.249040.0000 R-squared0.928153 Mean dependent var42417.25 Adjusted R-squared0.924162 S.D. dependent var5720.597 S.E. of regression1575.381 Akaike info criterion17.65702 Sum squared resid44672842 Schwarz criterion17.75659 Log likelihood-174.5702 F-statistic232.5331 Durbin-Watson stat1.206546 Prob(F-statistic)0.000000 Y对X2回归：Y=27589.40+5.6890X2 R2=0.9282 由以上分析知，X1对Y的影响不显著，故删去X1，得如下模型： Y=27589.40+5.6890X 异方差性检验 用时间序列建立模型时，样本数据的观测误差常常随时间的推移而逐步积累，从而会引起随机误差项的方差增加。另一方面，由于时间推移，样本观测技术随之提高，也可能使样本观测误差减少，从而引起随机误差的方差减少。这些都可能造成随机误差项呈现异方差性，所以应对模型进行检验。 1、ARCH检验 ARCH Test: F-statistic1.342459 Probability0.303534 Obs*R-squared4.020903 Probability0.259216 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/10/04 Time: 20:50 Sample(adjusted): 1983 1999 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1132458.1146398.0.9878400.3413 RESID^2(-1)0.0243600.2534440.0961150.9249 RESID^2(-2)-0.2000910.224334-0.8919320.3886 RESID^2(-3)0.3820240.2125501.7973400.0955 R-squared0.236524 Mean dependent var1725295. Adjusted R-squared0.060337 S.D. dependent var2758100. S.E. of regression2673598. Akaike info criterion32.63807 Sum squared resid9.29E+13 Schwarz criterion32.83412 Log likelihood-273.4236 F-statistic1.342459 Durbin-Watson stat2.219292 Prob(F-statistic)0.303534 Obs*R-squared=4.0209 Χ0.052（3），所以接受H0 。同样说明模型中随机误差项不存在异方差。 2、WHITE检验 White Heteroskedasticity Test: F-statistic3.325050 Probability0.060428 Obs*R-squared5.623739 Probability0.060093 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/10/04 Time: 20:51 Sample: 1980 1999 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C134435316066711.2.2159510.0406 X-7635.4554883.347-1.5635700.1363 X^21.1309420.8881731.2733350.2200 R-squared0.281187 Mean dependent var2233642. Adjusted R-squared0.196621 S.D. dependent var3096482. S.E. of regression2775421. Akaike info criterion32.64798 Sum squared resid1.31E+14 Schwarz criterion32.79734 Log likelihood-323.4798 F-statistic3.325050 Durbin-Watson stat2.283411 Prob(F-statistic)0.060428 Obs*R-squared = 5.6237 Χ0.052(3)，所以接受H0 。同样说明模型中随机误差项不存在异方差。 综上所述，经过多种检验，模型均不存在异方差性。 四、自相关性 该模型为时间序列，其经济变量的运行存在一种变化趋势，表现在随时间前后期的相互关联上所形成的惯性，即农业收成总是要对明年、后年及以后若干年的收成带来稳定的直接或间接的影响，其产出效益的发挥也有一定滞后时间，或者政策制定的后果都容易产生随机误差序列的自相关。故对该粮食模型进行研究时，有必要分析其自相关性。 1、DW检验 根据OLS估计结果，DW≈1.2065，给定显著性水平α=0.05 ，查Durbin-Watson表，n=20, k′(解释变量个数) = 1，得下限临界值dL=1.201, 上限临界值dU = 1.411 , 可知，DW统计量为1.2065落在不能判断区域。 2、图示法 由图看出，残差e 不呈线性自回归，表明不存在自相关性。 五、构造自回归模型 Dependent Variable: Y Method: Least Squares Date: 05/10/04 Time: 21:08 Sample(adjusted): 1981 1999 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C21477.065297.1184.0544790.0009 X4.0294031.1240463.5847310.0025 Y(-1)0.2549140.1919191.3282370.2027 R-squared0.936728 Mean dependent var42962.58 Adjusted R-squared0.928819 S.D. dependent var5316.502 S.E. of regression1418.429 Akaike info criterion17.49643 Sum squared resid32191042 Schwarz criterion17.64555 Log likelihood-163.2161 F-statistic118.4385 Durbin-Watson stat2.047536 Prob(F-statistic)0.000000 运用局部调整模型，设：Y* = α+βX + u 则Y = 21477.06 + 4.03X + 0.2549Y（-1） 还原后可得： δ=0.7451 ， α=28824.40， β=5.41， 故： Y* = 28824.40 + 5.41X Y= 0.7451Y*+0.2549Y（-1） 说明当期的化肥施用量每增加一个单位，粮食总产量的最佳预期值平均会增加5.41个单位。滞后一期的粮食总产量对当期的实际产量的影响程度为25.49%。 再运用阿尔蒙多项式变换法估计分布滞后模型，得： Dependent Variable: Y Method: Least Squares Date: 05/10/04 Time: 21:12 Sample(adjusted): 1984 1999 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C29793.191243.66123.956030.0000 PDL01-0.5481823.107681-0.1763960.8629 PDL02-1.1305311.031283-1.0962380.2945 PDL030.7686111.5863120.4845270.6367 R-squared0.934595Mean dependent var44350.56 Adjusted R-squared0.918244S.D. dependent var4428.358 S.E. of regression1266.203Akaike info criterion17.33775 Sum squared resid19239228Schwarz criterion17.53090 Log likelihood-134.7020F-statistic57.15741 Durbin-Watson stat2.135898Prob(F-statistic)0.000000 Lag Distribution of XiCoefficientStd. ErrorT-Statistic . *|0 4.78733 2.97318 1.61017 . * |1 1.35096 2.13869 0.63168 * . |2-0.54818 3.10768-0.17640 * . |3-0.91010 1.48134-0.61438 * |4 0.26520 4.54761 0.05832 Sum of Lags 4.94520 0.63938 7.73438 Y = 4.7873 + 1.351X-0.5482X（-1）-0.9101X（-2）+ 0.2652X（-3） 六、引入虚拟变量 政策变动往往会带来经济结构的变化和经济的飞跃。在本模型中，应变量的变动是在定量因素和定性因素共同作用下进行，如政策因素。在92年，邓小平南巡讲话，扩大招商引资规模，使大量资金、技术涌入农村。再加上农村产业结构调整，使粮食产量大幅度提高。 现引入虚拟变量D，即 Y = α1+α2D+β1X +β2（DX）+ u 1 92年以前 D = 0 92年以后 第一步：合并两个时间区间的全部观察值得： Y=27589.40+5.6890X RSS1=44672842 记RSS1=S1 第二步：对80—91年数据进行回归，得： Dependent Variable: Y Method: Least Squares Date: 05/10/04 Time: 21:44 Sample: 1980 1991 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C24731.292147.69211.515290.0000 X7.2908461.0844766.7229190.0001 R-squared0.818833 Mean dependent var38776.50 Adjusted R-squared0.800716 S.D. dependent var3864.556 S.E. of regression1725.185 Akaike info criterion17.89507 Sum squared resid29762630 Schwarz criterion17.97589 Log likelihood-105.3704 F-statistic45.19765 Durbin-Watson stat1.211447 Prob(F-statistic)0.000052 Y = 24731.29 + 7.29X2 （A） RSS2=29762630 记RSS2=S2 对92—99年数据进行回归，得： Dependent Variable: Y Method: Least Squares Date: 05/10/04 Time: 21:45 Sample: 1992 1999 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. C25748.453207.0728.0286490.0002 X6.1024910.8784276.9470660.0004 R-squared0.889425 Mean dependent var47878.38 Adjusted R-squared0.870996 S.D. dependent var2923.911 S.E. of regression1050.186 Akaike info criterion16.96364 Sum squared resid6617348. Schwarz criterion16.98350 Log likelihood-65.85456 F-statistic48.26172 Durbin-Watson stat2.438233 Prob(F-statistic)0.000441 Y = 25748.45 + 6.102X （B） RSS3=6617348 记RSS3 = S3 第三步：将S2与S3求和，得S4 = 36379978 将S1与S4相减，得 S5 = 8292864 第四步：构造F—统计量： F =（8292864/2）/（36379978/16）= 4.82 查表，F（2，16）=3.63 F= 4.82 所以拒绝H0假设，认为式（A）和式（B）有显著差异。 因此，认为政策对应变量影响是显著的。 结论： 在本模型中，我们主要分析了化肥施用量以及农业机械总动力与粮食总产量的关系。改革开放以来，科技兴农战略的确使我国的粮食产量一年一个台阶。农业机械总动力和化肥施用量均为科技因素，反映了农业现代化水平。 近20年的数据体现出化肥施用量对粮食总产量的影响更为明显。自90年代以来，由于化肥利用率的提高，化肥投入与粮食产量的相关程度不断提高。80年代化肥施用量与粮食产量的关联序排在8个因素中的第5位，90年代上升到第2位。可见，在粮食播种面积不断下降、农田水利建设基本完善的情况下，增加农业化肥投入成了粮食增产的根本措施。当然，化肥施用量的增加对粮食增产的影响也在某种程度上说明了科技投入对粮食增产的影响，包括配方施肥、优良品种采用等的科技投入将成为增加粮食产量的根本出路。 我国粮食生产农户分散，组织化程度低，经营规模小，制约了农业机械化水平的提高，因此农业机械化对粮食产量的影响较小。此外，政策因素也是带来农村经济腾飞的一个重要因素。 根据上述分析，针对提高粮食总产量提出以下建议： 1．加大政策的实施力度，更好调动农民生产积极性。 2．鼓励农民不断学习新技术，并大胆用于生产实践中。 3．增加在粮食生产上的技术投入，如开发高效能化肥，改良农业机械设备，以及种植新粮食品种等。就近期而言，主要以化肥形式对农业增加投入，以提高作物单产为首要目标，进而实现农业机械化。
-
关于基本公共服务城乡差距的制度成因及均等化路径_经济学毕业论文范文
关于基本公共服务城乡差距的制度成因及均等化路径_经济学毕业论文范文 论文摘要：十七大报告指出，缩小区域差距必须注重实现基本服务均等化；党的十七届三中全会指出“城乡基本公共服务均等化明显推进”是主义新建设到2020年农村改革发展的基本目标任务之一。本文以浙江省宁波市江北区经验为例，在分析该区城乡公共服务均等化现状基础上，从制度设计角度对城乡基本公共服务均等化进程中存在的问题及成因进行分析，并据此提出了城乡基本公共服务均等化的优化路径。 论文关键词：基本公共服务 城乡均等化 制度成因 优化路径 相对全国乃至全省其他地区而言，浙江省宁波市的基本公共服务处于一定的领先地位。以义务为例，宁波市是全国范围较早实行九年制义务教育、乃至十二年教育（包括高中三年）以及率先尝试十五年免费教育（包括幼儿园三年）的地区。宁波市的新型农村合作医疗也是处于全国领先水平，补助标准由年人均71元提高到100元，参合农民370万人，参合率达96.5%。宁波市的社会养老体系建设也颇有成效，2007年，宁波市政府出台的《关于建立新型农村养老保险制度的意见》，标志着农村养老保障向全覆盖迈进，今后年满18周岁的宁波农民都可以参保，男50周岁、女40周岁以上的中老年农民成为重点参保对象。 宁波市目前的城乡基本公共服务不断推进和延伸，江北是宁波大市范围内城乡基本公共服务均等化推进相对优先的区域。本文通过分析宁波市江北区城乡基本公共服务均等化进程中的经验、问题、成因及对策，旨在挖掘其相应的先进经验和做法，最后说明沿海发达地区在推进社会主义新农村建设中走在全国前列，关键在于不断增加对农村公共产品的供给，进一步完善农村公共服务体系。 宁波市推进城乡基本公共服务均等化的现状 （一）社会保障事业日益完善 宁波市江北区在继续扩大被征地养老保障覆盖面，对被征地农民实行城镇职工或被征地农民两种形式养老保障的基础上，2008年对未参加社会性保障的具有江北区户籍且年满18周岁以上的人员，重点是男性年满60周岁、女性年满55周岁以上的老年农村居民，实行了农村居民养老保障，并对不同类型的参保人员实施政府补贴。进一步完善新型农村合作医疗制度。2008年江北区出台了《新型农村合作医疗制度实施办法调整意见》，调高筹资标准，提高参合农民的补偿水平，扩大了市级定点医疗机构，增加了健康体检经费，全区新型农村合作医疗参保60280人，覆盖率达98.4%。并在2007年下拨了1000万元风险基金，率先在省内建立了首个合作医疗抗风险基金。 （二）教育卫生事业日趋健全 为了更好地实现城乡教育均衡化发展，加强了农村中小学的标准化建设，江北区的农村中小学标准化达标比例达到了82%；同时，进一步统筹城乡学前教育协调健康发展。设立人才开发经费600万元用于教师素质提升工程，实行了特级老师、名老师的农村中小学一年以上的支教工程。全面实施了城乡免费义务教育制度，所需经费纳入财政预算。 深入实施农村健康工作。一方面实行社区卫生服务站标准化改选，完成了20家社区卫生服务站标准化改造；另一方面加强社区卫技人员的知识和技能培训，并继续实施大学生村医行动计划，江北区村医累计已达44名。 （三）进一步完善基础设施建设 宁波市江北区加强农村文化基础设施网络建设。实施了“三个一”财政扶助计划。实施了“三个一”财政扶助计划，即每年用3个100万元保障文化健康持续发展。全区共建成村落（社区）文化宫96个，其中市级文化宫41个。加强了数字改造，制定区有线电视数字化整体转移方案，启动数字电视传输平台建设和网络改造，数字电视信号已经覆盖全区。 （四）健全农村社会救助体系 在进一步完善以就业援助、医疗救助、教育救助等分层救助体系的基础上，江北区还出台规定将全体未就业和未享受社会保障的残疾人均纳入补助范围，并提高了残疾人的救助标准。并从2007年6月起实行了对农村困难老人发放生活补助。同时实施了居家养老服务向农村延伸，目前已在11个村、1个农民安置社区建立了居家养老服务中心，对持有低保、扶助或残疾救助证，生活缺乏处理能力的60周岁以上独居、空巢困难老人，每月可享受200元标准的居家养老服务。 （五）加强了公共服务的延伸 宁波市江北区实行了整体推进基础设施建设，统一筹划农村道路、供水供电、通讯信息等基础设施建设，加快完善覆盖全区域城乡对接的基础设施网络建设，促进城乡基础设施一体共享。一是开展农村联网公路建设；二是优化城乡公共交通网络；三是重视改水工作；四是加快农村供电、菜等设施建设。五是推进农村新社区建设，参照城市社区，建设农村社区全民服务中心。 宁波市推进城乡基本公共服务均等化存在的问题 浙江省宁波市的城乡基本公共服务体系建设是一个长期的、艰巨的、庞大的系统工程，受二元体制制约，对其范畴、标准以及各级政府职责的研究滞后于社会发展水平，出现了一些新的变化趋势和问题。 （一）农民需求不断升级 目前宁波市进一步增加农村公共产品的供给面临着新的挑战。一是农民群众从基本需求向高层次需求转变。目前，宁波市广大农民群众过上了相对比较宽裕的生活，对农村公共服务的需求也从基本需求逐步向追求生活品质、社会公平等较高层次转变，要求提升现在公共服务的质量、进一步改善文化教育、社会保障、医疗、治安管理以及自身发展的愿望比较强烈。二是政府面临着不断增加的公共服务供给压力。地方政府新增财力在当前国际危机的冲击下有所缓减的现实情况下，再加上国家宏观调控的影响，特别是建设用地指标的严格控制，使许多涉及到土地的公共服务项目难以有效实施，制约着农村公共服务体系的完善。三是多元供给机制研究探索不足。到目前为止，宁波市仍然以政府投入为主，缺少鼓励、引导社会资本参与公共产品供给的实质性有效举措，哪些领域应当由市场运作、哪些领域应当由政府不明晰，公共产品多元供给机制尚未形成。
-
浅析我国取消农业税的可行性_经济学毕业论文范文
浅析我国取消农业税的可行性_经济学毕业论文范文 浅析我国取消农业税的可行性 摘要：对我国目前正在实施的农业税减免制度的可行性，从计量经济学及税收构成角度进行分析。 关键字：农业税 计量经济分析 税费改革 税收收入 中国几千年的文明起源于农业，农民始终是中国最广大的群体。这是至今也未改变的。几千年来，多少代王朝的崛起与衰亡也与农民密不可分。农民衣食富足、安居乐业则天下太平，当农民被逼的食不裹腹的时候，便到了一个王朝的末日。时至今日，这种状况仍未改变。减负的话题也就因此成了一个说了几千年的话题。 新中国成立后，到社会主义市场经济发展的今天，农民从翻身当家作主人到日渐成为社会中的低收入阶层。一方面，我国的农民负担确实过重，另一方面，减负又不得不被提上中央和各地方政府的议事日程。从始于2002年的税费改革到目前正在实行的减免农业税政策，在一定程度上减轻了农民负担。以下将从理论和计量两种角度分别加以分析。 从城乡居民生活状况对比来看，收入是决定性的因素。不同的收入水平决定了其不同方面的消费支出，且不同的收入水平会导致不同的消费倾向，因此，消费性总支出中几方面支出的此消彼长的相互作用，使得支出中的某项与其他方面的支出之间必然存在一定的联系。所以，特定项目的支出在受到外界因素影响的同时也会受到内部因素一定程度的作用。以下将以在一定程度上可以反映生活质量的娱乐教育支出为例，在城镇和农村之间进行对比，选取有代表性的收入、食品支出及衣着支出为解释变量，从计量角度分析。 设定模型为Yi=α+β1X1+β2X2+β3X3+u 其中：Yi：家庭平均年娱乐教育支出 X1：家庭平均年食品支出 X2：家庭平均年衣着支出 X3：家庭平均每人全部年收入 以下将就城镇和农村以1985、1990---2002年的数据为基础进行拟合。 城镇 通过Eviews进行最小二乘法估计，得以下数据： （表一） Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:05 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C4.24284614.332620.2960270.7733 X1-0.2884580.098010-2.9431310.0147 X20.0135850.3107610.0437140.9660 X30.1893960.00846722.369840.0000 R-squared0.997005 Mean dependent var378.3836 Adjusted R-squared0.996107 S.D. dependent var263.0313 S.E. of regression16.41127 Akaike info criterion8.668770 Sum squared resid2693.299 Schwarz criterion8.851358 Log likelihood-56.68139 F-statistic1109.814 Durbin-Watson stat2.648817 Prob(F-statistic)0.000000 根据以上结果，得模型所拟合的表中数据为： Ŷ=4.242846-0.288458X1+0.013585X2+0.189396X3 （14.33262）（0.098010）（0.310761）（0.008467） t= (0.296027) (-2.943131) (0.043714) (22.36984) R2＝0.997005 F=1109.814 df=10 由以上模型可知，在其他解释变量不变的条件下，收入每增加一个单位，城镇居民家庭的年平均娱乐教育支出将平均增加0.189396个单位；在其他解释变量不变的条件下，食品支出每增加一个单位，城镇居民家庭的年平均娱乐教育支出将平均减少0.288458个单位；在其他解释变量不变的条件下，衣着支出每增加一个单位，城镇居民家庭的年平均娱乐教育支出将平均增加0.013585个单位，但该项与经济意义不符。通过以上经济解释可以看出，收入对于娱乐教育支出的影响作用是较为明显的。 以下将对该模型进行多重共线性、异方差性、自相关性的检验，并对模型进行修正。 多重共线性 检验 综合判断法： 在该模型中，R2＝0.997005很大，且F=1109.814显著大于给定显著性水平下的临界值，而变量对应的偏回归系数之t2不显著，则说明该模型存在多重共线性。 简单相关系数矩阵法： 由食品支出、衣着支出、年平均收入的数据，通过Eviews可得： 由上表数据可知：三个解释变量间存在严重的多重共线性。 修正（逐步回归法） 首先对食品支出和娱乐教育支出的数据进行拟合： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:11 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-194.071387.01329-2.2303640.0456 X10.3830240.0540987.0801590.0000 R-squared0.806852 Mean dependent var378.3836 Adjusted R-squared0.790757 S.D. dependent var263.0313 S.E. of regression120.3187 Akaike info criterion12.54973 Sum squared resid173719.1 Schwarz criterion12.64102 Log likelihood-85.84810 F-statistic50.12866 Durbin-Watson stat0.292283 Prob(F-statistic)0.000013 根据以上结果，得模型所拟合的表中数据为： Ŷ=-194.0713+0.383024X1 （87.01329）（0.054098） t= (-2.230364) (7.080159) R2＝0.806852 F=50.12866 df=12 由以上报告得，该模型的R2＝0.806852较小，拟合的不是很好。 然后对年平均收入和娱乐教育支出的数据进行拟合： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:12 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-104.823029.89670-3.5061730.0043 X30.1144100.00629218.182030.0000 R-squared0.964972 Mean dependent var378.3836 Adjusted R-squared0.962053 S.D. dependent var263.0313 S.E. of regression51.23825 Akaike info criterion10.84241 Sum squared resid31504.30 Schwarz criterion10.93371 Log likelihood-73.89689 F-statistic330.5861 Durbin-Watson stat0.470763 Prob(F-statistic)0.000000 根据以上结果，得模型所拟合的表中数据为： Ŷ=-104.8230+0.114410X3 （Ⅰ） （29.89670）（0.006292） t= (-3.506173) (18.18203) R2＝0.964972 F=330.5861 df=12 由以上报告得，该模型的R2＝0.964972较大，拟合程度较好。由于X2即衣着支出与模型的实际经济意义是相悖的，且其t值很小，对模型的影响程度很小，故将其剔除。 将X1带入（Ⅰ）式，得如下模型： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:13 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C4.17136813.577690.3072220.7644 X1-0.2843450.026215-10.846460.0000 X30.1892250.00716026.426690.0000 R-squared0.997005 Mean dependent var378.3836 Adjusted R-squared0.996460 S.D. dependent var263.0313 S.E. of regression15.64903 Akaike info criterion8.526104 Sum squared resid2693.814 Schwarz criterion8.663045 Log likelihood-56.68273 F-statistic1830.841 Durbin-Watson stat2.650002 Prob(F-statistic)0.000000 根据以上结果，得模型所拟合的表中数据为： Ŷ=4.171368-0.284345X1+0.189225X3 （13.57769）（0.026215）（0.007160） t= (0.307222) (-10.84646) (26.42669) R2＝0.997005 F=1830.841 df=11 经过上述逐步回归分析，表明Y对X1、X3的回归模型为最优。 2、异方差检验 ①图示法： 如上图所示，方差的波动基本处于同一水平带内，说明不存在异方差。 ②Goldfeld-Quandt检验： 将样本排序后分为两部分，分别进行回归估计： 样本1---5： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:21 Sample: 1 5 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C75.35888106.00520.7108980.6066 X1-0.8383080.787118-1.0650350.4800 X2-1.6000003.814062-0.4195000.7471 X30.5788150.6503120.8900570.5370 R-squared0.905468 Mean dependent var115.4820 Adjusted R-squared0.621872 S.D. dependent var57.11014 S.E. of regression35.11825 Akaike info criterion9.945881 Sum squared resid1233.291 Schwarz criterion9.633431 Log likelihood-20.86470 F-statistic3.192806 Durbin-Watson stat3.526473 Prob(F-statistic)0.385213 得如下结果：Ŷ=75.3588-0.838308X1-1.6X2+0.578815X3 （106.0052）（0.787118）（3.814062）（0.650312） R2＝0.905468 Sum squared resid=1233.291 样本10—14： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:23 Sample: 10 14 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C -3.831189206.9996-0.0185080.9882 X1-0.4043320.289313-1.3975580.3954 X20.5484460.6334320.8658330.5457 X30.1836250.0201169.1281800.0695 R-squared0.998306 Mean dependent var656.4320 Adjusted R-squared0.993224 S.D. dependent var172.4575 S.E. of regression14.19603 Akaike info criterion8.134364 Sum squared resid201.5273 Schwarz criterion7.821915 Log likelihood-16.33591 F-statistic196.4413 Durbin-Watson stat2.530524 Prob(F-statistic)0.052389 得如下结果： Ŷ=-3.831189-0.404332X1+0.548446X2+0.183625X3 （206.9996）（0.289313）（0.633432）（0.020116） R2＝0.998306 Sum squared resid=201.5273 求得统计量F=1233.291/201.5273=6.119722。查F分布表，给定显著性水平α=0.05，得临界值F0.05（2,2）=19.0。比较F=6.119722F0.05(2,2)=19,则接受原假设，即随机误差不存在异方差。 自相关性检验 （1）D--W检验： 根据表一结果，由DW=2.648817，给定显著性水平α=0.05，查Durbin-Watson表，n=14,k’=3,得下限临界值dl=0.767，上限临界值du=1.779。因为4-dud4-dl,故DW统计量落在了无法判定区域。继续采用图示法进行判断。 （2）图示法： 由图可知，该模型随机误差项不存在一阶自相关。 农村 通过Eviews进行最小二乘法估计，得以下数据： （表二） Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:53 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-6.6078455.425114-1.2180100.2512 X1-0.0217310.012054-1.8028590.1016 X2-1.0135130.240878-4.2075720.0018 X30.0956620.00522218.319960.0000 R-squared0.995650 Mean dependent var111.3214 Adjusted R-squared0.994344 S.D. dependent var67.96980 S.E. of regression5.111585 Akaike info criterion6.335852 Sum squared resid261.2830 Schwarz criterion6.518440 Log likelihood-40.35097 F-statistic762.8681 Durbin-Watson stat2.701810 Prob(F-statistic)0.000000 根据以上结果，得模型所拟合的表中数据为： Ŷ=-6.607845-0.021731X1-1.013513X2+0.095662X3 （5.425114）（0.012054）（0.240878）（0.005222） t= (-1.218010) (-1.802859) (-4.207572) (18.31996) R2＝0.995650 F=762.8681 df=10 由以上模型可知，在其他解释变量不变的条件下，收入每增加一个单位，农村居民家庭的年平均娱乐教育支出将平均增加0.095662个单位；在其他解释变量不变的条件下，食品支出每增加一个单位，农村居民家庭的年平均娱乐教育支出将平均减少0.021731个单位；在其他解释变量不变的条件下，衣着支出每增加一个单位，农村居民家庭的年平均娱乐教育支出将平均减少1.013513个单位。通过以上经济解释可以看出，在消费性支出中，衣着支出对娱乐教育支出的影响较大。 以下将对该模型进行多重共线性、异方差性、自相关性的检验，并对模型进行修正。 多重共线性 （1）检验 ①综合判断法： 在该模型中，R2＝0.995650很大，且F=762.8681显著大于给定显著性水平下的临界值，而变量对应的偏回归系数之t1不显著，则说明该模型存在多重共线性。 ②简单相关系数矩阵法： 由食品支出、衣着支出、年平均收入的数据，通过Eviews可得： 由上表数据可知：三个解释变量间存在多重共线性。 （2）修正（逐步回归法） 首先对衣着支出和娱乐教育支出的数据进行拟合： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:57 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-66.6970425.86259-2.5789000.0241 X22.2499400.3102227.2526740.0000 R-squared0.814245 Mean dependent var111.3214 Adjusted R-squared0.798766 S.D. dependent var67.96980 S.E. of regression30.49068 Akaike info criterion9.804283 Sum squared resid11156.18 Schwarz criterion9.895577 Log likelihood-66.62998 F-statistic52.60128 Durbin-Watson stat0.361254 Prob(F-statistic)0.000010 根据以上结果，得模型所拟合的表中数据为： Ŷ=-66.69704+2.249940X2 （25.86259）（0.310222） t=(-2.578900) (7.252674) R2＝0.814245 F=52.60128 df=12 然后对年平均收入和娱乐教育支出的数据进行拟合： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:58 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-33.815797.767064-4.3537420.0009 X30.0657770.00321620.452460.0000 R-squared0.972113 Mean dependent var111.3214 Adjusted R-squared0.969789 S.D. dependent var67.96980 S.E. of regression11.81410 Akaike info criterion7.908027 Sum squared resid1674.874 Schwarz criterion7.999321 Log likelihood-53.35619 F-statistic418.3029 Durbin-Watson stat0.442442 Prob(F-statistic)0.000000 根据以上结果，得模型所拟合的表中数据为： Ŷ=-33.81579+0.065777X3 (Ⅱ) （7.767064）（0.003216） t= (-4.353742) (20.45246) R2＝0.972113 F=418.3029 df=12 将X2带入（Ⅱ）式，得如下模型： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 15:59 Sample: 1 14 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-4.5529975.821338-0.7821220.4507 X2-1.2979580.199767-6.4973460.0000 X30.0990580.00534518.532760.0000 R-squared0.994236 Mean dependent var111.3214 Adjusted R-squared0.993187 S.D. dependent var67.96980 S.E. of regression5.610119 Akaike info criterion6.474430 Sum squared resid346.2077 Schwarz criterion6.611371 Log likelihood-42.32101 F-statistic948.6161 Durbin-Watson stat2.084665 Prob(F-statistic)0.000000 根据以上结果，得模型所拟合的表中数据为： Ŷ=-4.552997-1.297958X2+0.099058X3 （5.821338）（0.199767）（0.005345） t= (-0.782122) (-6.497346) (18.53276) R2＝0.994236 F=948.6161 df=11 经过上述逐步回归分析，表明Y对X2、X3的回归模型为最优。 2、异方差检验 （1）图示法： 如上图所示，方差的波动基本处于同一水平带内，说明不存在异方差。 Goldfeld-Quandt检验： 将样本排序后分为两部分，分别进行回归估计： 样本1---5： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 16:09 Sample: 1 5 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C-9.12299117.80953-0.5122530.6986 X1-0.2375700.286024-0.8305930.5587 X2-0.7303831.092111-0.6687810.6247 X30.1588830.1023661.5521080.3644 R-squared0.984234 Mean dependent var36.46600 Adjusted R-squared0.936936 S.D. dependent var16.88593 S.E. of regression4.240480 Akaike info criterion5.717792 Sum squared resid17.98167 Schwarz criterion5.405342 Log likelihood-10.29448 F-statistic20.80929 Durbin-Watson stat3.202998 Prob(F-statistic)0.159450 得如下结果：Ŷ=-9.122991-0.237570X1-0.730383X2+0.158883X3 （17.80953）（0.286024）（1.092111）（0.102366） R2＝0.984234 Sum squared resid=17.98167 样本10—14： Dependent Variable: Y Method: Least Squares Date: 11/23/04 Time: 16:10 Sample: 10 14 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C182.996682.007352.2314660.2682 X1-0.3908740.102150-3.8264880.1627 X20.2195060.3451870.6359050.6394 X30.0964120.0128927.4787570.0846 R-squared0.997012 Mean dependent var159.1440 Adjusted R-squared0.988048 S.D. dependent var20.39561 S.E. of regression2.229763 Akaike info criterion4.432230 Sum squared resid4.971844 Schwarz criterion4.119780 Log likelihood-7.080575 F-statistic111.2231 Durbin-Watson stat2.737023 Prob(F-statistic)0.069564 得如下结果：Ŷ=182.9966-0.390874X1+0.219506X2+0.096412X3 （82.00735）（0.102150）（0.345187）（0.012892） R2＝0.997012 Sum squared resid=4.971844 求得统计量F=17.98167/4.971844=3.6167。查F分布表，给定显著性水平α=0.05，得临界值F0.05（2,2）=19.0。比较F=3.6167F0.05(2,2)=19,则接受原假设，即随机误差不存在异方差。 3、自相关性检验 (1)D—W检验： 根据表二结果，由DW=2.701810，给定显著性水平α=0.05，查Durbin-Watson表，n=14,k’=3,得下限临界值dl=0.767，上限临界值du=1.779。因为4-dud4-dl,故DW统计量落在了无法判定区域。继续采用图示法进行判断。 图示法： 由图可知，该模型随机误差项不存在一阶自相关。 从两种结果的对比来看，收入同增加一个单位，对农村居民娱乐教育支出的影响明显小于对城镇居民的娱乐教育支出影响。这表明在生活质量方面农民是远不及城镇居民的。可见收入对农民的生活质量起到了决定性作用。众所周知，目前，农民用于娱乐教育的支出相对较少较稳定，受食品支出影响较小。在城市中，人们的温饱问题早已得到解决，因此娱乐教育支出随食品支出变化的浮动较大。这说明了目前农民的收入只能支付正常的生活需要，而城市居民的生活要求已经转向了高层次的消费。可见收入对农民的生活质量起到了决定性作用。但是我国目前农民收入水平很低，在这种情况下，在我们常人眼中每年二三百元的农业税并不是很多，但是就是这部分“不多”的钱就占到了他们年收入的三分之一到二分之一，当我们看到这种相对的比例后就会对农业税下一个结论了：负担太重！！ 在这种情况下，为了切实减轻农民负担，我国实施了税费改革。在税费改革完成之后，国家和农民之间的分配关系主要是以征收农业税（部分产品征收特产税）的形式体现，但是，税费改革后的农业税并不是理想的税收制度，农民得实际负担还是很重，所以我们必须深化改革现有得农业税收制度。那么，当前情况下，农业税得弊端是什么呢？以下将从几方面进行举例说明： 1、 农业税负担全面提升 税费改革后，农业税较之税费改革前的农业税负担普遍增加。全国名义税率为15.5％，随着单位产量的增加，实际税率只有3％左右，上世纪70年代和80年代一直维持在这个负担水平。现在提高到8．4％(含农业税附加)，还要征特产税，实际负担率明显高于20年前。这本身就是“黄宗羲定律”的体现。 2、 农民负担有违公平公正 城市和农村、工商业和农业、市民和农民两大领域、产业和职业，只是分工的不同。但我国在城乡分割制度下，由于历史和体制的原因，对农村和城市采取了不同的财税制度：（1）对农民个人所得征税不存在免征额，而对其他公民个人所得则有800元的免征额；（2）在农村征收产业税(如农业税和农林特产税)，而在城市则不对产业征税(如没有工业税和商业税等)；（3）税费改革后的农业税，比城市工商税收中的流转税税负要重。首先，从税率来看，增值税中小规模纳税人的征税率为4.6％，营业税税率一般为3.5％，普遍比农业税税率低3.4个百分点，平均低一倍。其次，还要考虑两个因素：第一，从税负归属来看，城市工商税是可以转嫁的，由消费者负担；农业税是不可转嫁的，纳税人就是负税人。第二，从经营成本来看，农民种粮除去种子、农药、化肥、用工等成本后，基本无盈利，时有亏损。而城市工商业者决不会保本经营，更不会亏损经营。由此说明我国农民对政府的要求并不高，但是从经济学的角度看，这是不公平的，从政治学的角度看，也是不公正的。（4）我国大部分年份将80％以上财政支出用在只占总人口不到40％的城市，而占总人口的60％以上的农村只能获得不到20％的财政支出。这种城乡不统一的财税制度，拉大了城乡差距。因此，要想统筹城乡发展，就必须建立城乡统一的财税制度，如统一城乡税制，统一城乡居民的非税负担，使城乡的财政支出与其人口比例大致相适应等。 3、农业税征收成本有违效率 征收成本过高。由于我国农村地域广阔，人口众多，单位税额又少，农民的主动纳税意识差，税务人员不得不走村串户上门征收。这使得税收的办公经费大大增加。另外从效率上讲，我国农税干部人均征收额太低。例如，安徽平均每名农税人员仅收10万余元。我国的税收成本总水平又远远高于世界水平，是美国的10倍。 4、 农业税无益国际竞争 发达国家（例如，美国、日本、欧盟等）对农产品的生产环节不仅不征税，还对农民实行各种各样的直接补贴。我国如果再征农业税，就等于自己抬高农产品价格，必然削弱农产品在国际市场上的竞争力。 取消农业税，统一城乡税制的时机已经成熟 ２０００年４月开始进行得新的农村税费改革，虽然一定程度上减轻了农民负担，但改革后的农业税收对农民来讲仍然是一种不合理和不公平的税收负担。如何进一步深化农业税改革已成为当前解决“三农”问题的瓶颈。温家宝总理在十届全国人大二次会议上所作的《政府工作报告》中向全国人民郑重宣告：5年内取消农业税。 许多人认为，农业税改革应是一个长期的过程，不能操之过急。但我们认为，目前我国已经具备彻底改革乃至取消农业税的条件。理由如下： 首先，我国城乡居民收入差距由１９８０年２．５０１扩大到２００２年的３．１１１。２０多年的改革和发展尽管使每个社会成员都获得了一定的利益，但在经济增长的“大蛋糕”中，占人口总数绝大多数的农民没有得到相应的好处。所以，应采取减免农业税等切实可行的办法来减轻农民负担、增加农民收入。 其次，减免农业税，可以大大增强农民和整个社会的购买能力，对刺激消费和扩大内需将发挥重要的的作用。 第三，减免农业税能够帮助农民迎接“入世”挑战。据有关资料，目前美国每亩玉米的平均税收负担仅相当于人民币３．８９元，而中国每亩玉米平均负担的农业税高达１０．７２元。减免农业税将能够给农民提供一些必要的帮助和支持，适当提高中国农产品在国际市场上的竞争能力。 第四，取消农业税能够明显提高税收的制度效率，减少乡村干部的工作量，有利于精简农村基层机构和政府工作人员。 第五，减免农业税会受到社会大多数成员——农民的支持和欢迎，同时也有利于缩小社会的贫富差距，减少社会矛盾和不稳定因素，为改革和发展创造一个安定团结的社会和政治环境。 第六，从财政负担角度来看，减免甚至取消农业税不会明显加重财政负担。２００１年，全国农业各税总共才４８１．７０亿，农业四税占各项税收总收入的比重只有３．１５％，扣除耕地占用税和契税以外，真正的农牧业税在２００１年只有２８６．２９亿元，仅相当于国家税收总额的１．８７％。 下面的这个数据表就反映了农业税在国家财政收入中的情况： 年份合计工商税收关税农业各税国有企业所得税集体企业所得税 19892727.41760.49181.5484.94583.59116.84 19902821.861858.99159.0187.86604.12111.88 19912990.171981.11187.2890.65627.59103.54 19923296.912244.21212.75119.17624.7796.01 19934255.33194.49256.47125.74582.9195.69 19945126.883914.22272.68231.49609.7598.74 19956038.044589.68291.83278.09759.38119.06 19966909.825270.04301.84369.46822.33146.15 19978234.046553.89319.49397.48794.43168.75 19989262.87625.42313.04398.80743.93181.61 199910682.588885.44562.23423.50639172.41 200012581.5110366.09750.48465.31827.41172.22 注：农业各税包括农业税、牧业税、耕地占用税、农业特产税和契税。 上表中分别列出了我国税收收入总量及各税构成情况。从以上数据中可以看出，农业各税在总的税收收入中只占到了约为3.1%，且农业税在农业各税中所占比例也不大。 许多人认为，中国农村基层财政面临的窘况是农业税改革需要考虑的一个重要因素，但实际上，正是过去对基层财政的设计过分依赖了属地农业税这种不合理的税收制度，才导致了目前这种难以为继的局面。 农业税收入长期以来是我国财政一项主要收入，为保障国民经济发展起到重要作用。但随着改革开放的深入发展和招商引资、工业经济的大发展，其在财政收入中的比重逐年下降。因此，加快取消农业税征收的条件已经具备，取消现行农业税，不会给财政收入造成太大缺口，但这对减轻农民负担、提高农民收入、缩小城乡差距、实现社会公正、融洽党群干群关系、调动农民积极性、启动农村市场、促进经济发展，维护社会稳定，却有着十分重要的意义。取消农业税是完全可行的。 通过以上几方面的分析，很容易看出，我国目前所实行农业税减免政策是有着充分的理论依据的，且对于从根本上解决农民的税收负担过重问题，提高农民的生产积极性，缩小城乡差距，促进社会的稳定和发展有着重大的现实意义。 参考文献：1.《农村经济》2004年第6期 2.《农业经济问题》2004年第4期 3.《四川经济信息》 4.《中国统计年鉴》2000年——2003年 5 《关于尽快废止农业税 统一城乡税制的建议》 何秉孟：中国社会科学院党组成员、副秘书长 6 《应该尽快取消农业税》 张元红 《经济参考报》 附件： （一）城镇居民家庭娱乐教育支出、食品支出、衣着支出、平均每人全部年收入数据表 单位：元 年份娱乐教育支出食品支出衣着支出平均每人全部年收入 198555.01351.7298.04748.92 1990112.26693.77170.901522.79 199168.68782.50199.641713.10 1992147.45884.82240.602031.53 1993194.011058.20300.612583.16 1994250.751422.49390.383502.31 1995312.711766.02479.204288.09 1996374.951904.71527.954844.78 1997448.381942.59520.915188.54 1998499.391926.89480.865453.48 1999567.051932.10482.375888.77 2000627.821958.31500.466316.81 2001736.632027.99533.666868.88 2002902.282271.84590.888177.40 （二）农村居民家庭娱乐教育支出、食品支出、衣着支出、平均每人全部年收入数据表 单位：元 年份娱乐教育支出食品支出衣着支出平均每人全部年收入 198512.36183.4331.34547.31 199031.38343.7645.06990.38 199136.44357.0650.981046.1 199243.77379.2652.431155.38 199358.38446.8355.331333.82 199475.11598.4770.321789.38 199542.48768.1989.792337.87 1996132.46885.49113.772806.73 1997148.80890.28109.412999.20 1998159.41849.6498.062995.48 1999168.33829.0292.042987.44 2000186.72820.5295.953146.21 2001192.64484.4798.683306.92 2002210.31510.96104.543448.62
-
浅谈转变经济增长方式、建立合理的生态补偿机制_经济学毕业论文
浅谈转变经济增长方式、建立合理的生态补偿机制_经济学毕业论文 论文关键词:鄱阳湖 循环 经济增长方式 生态补偿机制 论文摘要:鄱阳湖生态经济建设的前提、基础与关键都是生态,因此,鄱阳湖生态经济区的建设从一开始就要根据发展循环经济要求,转变经济增长方式。特别是在全球经济危机的大背景下,传统的粗放型外延扩大再生产方式必须放弃,而又要为地方和企业找到新的经济增长点,因此,集约型的内涵扩大再生产方式就成为必需。而全球经济调整为我们转变经济增长方式赢得了时间;中央的大规模经济刺激计划为我们提供了争取足够资金的可能。因为建设循环经济而导致的在一定时期内损失的经济增长,要通过从微观和宏观两个角度建立合理的生态补偿机制来弥补。这一机制不仅是关键的、必需的而且是紧迫的。必须得到中央和相邻地方和全省人民的理解和支持。 一、根据发展循环经济要求,转变经济增长方式 鄱阳湖生态经济建设的前提、基础与关键都是生态环境。因此,鄱阳湖生态经济区的建设从一开始就要高标准、严要求,不能为了经济数据的一时增长而牺牲环境、和子孙后代。所以,遵循循环经济规律,根据发展循环经济的要求,转变经济增长方式,采用合理、良性的设计、生产和理念与方式将是必需和紧迫的。 长期以来,利用我国资源、资本和劳动力的低价格而延续下来的粗放型的外延扩大再生产方式必须放弃。传统的高投入、低、低价格、低利润、低品质、无品牌的设计、生产和营销理念和方式必须放弃。特别是在全球经济危机的大背景下,生产长期过剩、长期饱和,在这个时候要让官员和企业家明白:产品不是卖的越多越赚钱,而是卖的越少越赚钱;无利、微利的市场占有率从长期看不如不要,耗资源的钱不赚,损环境的项目不要,省一省什么都有了。 但从另一方面讲,又一定要为地方和企业找到新的经济增长点。因此,集约型的内涵扩大再生产方式就成为必需。内涵扩大再生产方式的特点是创意新、高资本投入、高科技、低成本、高品质、高利润、大品牌,抢占价值链的高端。由于全球经济危机,全球经济将进入长达10年的调整期,这一期间经济增长较慢,市场格局变化较快,欠发达的国家和地区机会较多。从长期看,这为鄱阳湖生态经济区采用集约型的内涵扩大再生产方式赢得了时间。 采用集约型的内涵扩大再生产方式,发展循环经济,要从全局着眼、从源头着手,这一点江西省由于有长达20多年的“山江湖”工程治理经验而并不陌生。从人类最原始的生产方式采集、渔猎入手,禁止过度渔猎和采伐。进一步深入、矿业、直至服务业,建设全方位三大产业的循环经济。从全省铺开,深入到每一个人。这项工作一定会得到上至中央领导、下至全省每一个百姓的支持。这一次全球经济危机和中央的大规模经济刺激计划是一个千载难逢的机会,机不可失、时不再来。我们一定要也一定能为鄱阳湖生态经济区建设争取到足够的资源与资金。 二、从微观和宏观两个角度建立合理的生态补偿机制 在鄱阳湖生态经济区建设循环经济,意味着在一定的时期内损失经济增长速度。因此,建立合理的生态补偿机制就是紧迫的和必需的。而相邻发达省份(如江苏、浙江等省)就是由于生态补偿机制不健全而导致了一系列的环境冲突,阻碍经济增长,妨害和谐社会。生态补偿、环境保护问题现在也已经成为了各级“两会”的热点问题。 建立生态补偿机制可以从微观(即省内)和宏观(即省际)两个角度出发。 在省内建立生态补偿机制,主要是补偿农民。不能让农民因为穷就“为了小钱坏了大事”。既然要禁止过度渔猎、采伐和采矿,并限制某些产业的发展,就要拨钱(主要是从省级)补偿农民。可采取的主要方式有:新建设、调整改革收入分配制度、安置返乡农民工、发展生态农业和生态。而调整农产品价格、鼓励粮食等农产品种植等,有中央政策介入,本省只要配合并作适当调整就可以了。另外,为了发展循环经济,减轻生活垃圾污染,引导农民采取健康、文明的新的生活方式也需要政府投入资金、时间和人力。广告宣传、思想工作也是必需的。 在省际建立生态补偿机制,必须从更宏观的角度、上升到更高的层次进行,如有可能必要时争取在全国人大立法。省际之间的生态补偿机制要争取中央政府、中央部委、中央财政介入。最起码要与全流域周边省份协商,如东江流域的粤港两地,浏阳河流域的湖南省,鄱阳湖周边、长江下游的安徽、浙江、江苏、上海等省市。争取生态补偿的前提是保护好生态环境,而争取生态补偿也为我们从周边省市引进好的项目找到了好的理由与契机。这绝对不是索取,而是协调合作、互利共赢。 在鄱阳湖生态经济区建设中,从微观和宏观两个角度建立合理的生态补偿机制,将是开创性的。这在理论与实践两个方面都将为全国探索和积累丰富的经验。从全局和长远看,这是功在全国、利在千秋的一件大好事。 参考文献: [1]熊鹰,王克林,等.洞庭湖区湿地恢复的生态补偿效应评估.地报,2004. [2]杨道波.流域生态补偿问题研究.环境科学与技术,2006. [3]虞孝感.长江流域生态安全问题及建议.自然资源学报,2002. [4]IUD中国政务景气监测中心·第玖号:今年“两会”生态补偿、环境保护等建议、提案最集中.2008. [5]李林立,况明生,等.生态补偿在实现森林地区经济可持续发展中的效应研究——以湖北神农架为例.中国生态农业学报,2007. [6]赖敏,刘黎明.生态退耕工程中的生态补偿问题及其补偿方法.水土保持通报,2006.
-
浅析增加农民转移收入和财产收入以刺激农民消费_经济学毕业论文
浅析增加农民转移收入和财产收入以刺激农民消费_经济学毕业论文 浅析增加农民转移收入和财产收入以刺激农民消费 ——— 计量经济学消费—收入模型分析 引言： 农业兴，百业兴；农民富，国家富；农村稳，天下稳。中国是一个农业大国，农民是中国人口构成的主体，也是社会构成的主体，农民占全国人口的70％左右，数量达9亿之多。离开农民，农村综合体将不复存在关心农民，支持农业，不仅是现实需要，也是个战略问题。因此，要促进农村发展，必须重视农民问题。目前，农民负担重，城乡差距不断加大，在社会消费品零售总额中，农村社会消费品零售总额所占比重已由1980年的47％下降到26％，一些地方还在呈继续下降的趋势，而且农村的增长速度也低于城市，也就是说9亿农民的消费低于3亿城镇人口的消费。故现在对中国部分地区农民消费收入情况进行分析研究。 改革开放以前，农村相对封闭，经营活动单一，农民大多从事耕种和畜牧业，故其收入主要以家庭营业收入为主。随着农村市场的繁荣，农产品价格的竞争激烈，家庭生产经营模式以其产品产量少，单位成本高，竞争能力弱，已经无法适应农业经济发展的要求。而农业生产的规模化、基地化，不仅产量高、质量好、科技含量高、成本低等优势不断地发展，因此农民将一部分农业用地多户联片出租本地或外地个人或公司承包进行规模化经营，例如建立蔬菜生产基地、草莓生产基地、红虫养殖场等；畜牧业也由于农户粮食种植面积的减少，手中剩余的粮食减少，靠购买饲料成本高，家庭饲养数量逐渐减少，整个畜牧业的发展走向专业饲养，同时大批富余农村劳动力基本上是转入第二产业中去，从农村劳动力就业比重来看，农业为 44.44 %，第二产业为24.8%，同上阶段对比农业劳动力比重下降0.8%。专业化、基地化生产经营，农产量增长快，农产品的销售价格下调，使得一部分农民无法在农产品商品化竞争中取胜，纷纷退出农业生产进行转行。同时，为了缩小城乡差距，国家采取了一系列的扶持政策支持农村的发展，并对农民进行一定的补贴，而且随着社会保障制度的进一步完善和健全，转移性收入的增速也明显加快。故近几年来，转移性收入也成为总收入中不能忽略的一部分，对不同的地区而言，农民的转移性收入也有所差别。 农民家庭经济收入结构再次发生改变。按收入性质，农民收入可分为： 工资性收入：指农村住户成员受雇于单位或个人，靠出卖劳动而获得的收入。按来源渠道划分为在非企业组织中劳动得到的收入、在本地企业中劳动得到的收入、常住人口外出务工收入和其他。 家庭经营收入：是指农村住户以家庭为生产经营单位进行生产筹划和管理而获得的收入。农村住户家庭经营活动按行业划分为农业、林业、牧业、渔业、工业、建筑业、交通运输业邮电业、批发和零售贸易餐饮业、社会服务业、文教卫生业和其他家庭经营。家庭经营收入按生产经营活动所属行业划分为从各行业来源的收入。 财产性收入：指金融资产或有形非生产性资产的所有者向其他机构单位提供资金或将有形非生产性资产供其支配，作为回报而从中获得的收入。 如利息、股息、红利、租金、土地征用补偿等。 转移性收入：指农村住户和住户成员无须付出任何对应物而获得的货物、服务、资金或资产所有权等，不包括无偿得到的用于固定资本形成的资金。 所以我们在研究收入对消费的影响时，认为工资性收入、家庭性收入、转移性收入和财产性收入四种因素共同作用于消费。 以下是2000年中国部分地区农民消费——收入表。 单位：元/人 项目消费（Y）工资性收入（X1）家庭经营收入（X2）转移性收入（X3）财产性收入（X4） 北京3336.522697.211396.47405.43313.55 天津1833.61594.441847.4663.2106.02 河北1156.25695.531142.8651.7361.49 山西901.59513.14652.9717.2353.82 内蒙古1170.97207.631383.3810.3837.09 辽宁1386.04702.661533.1526.55125.35 吉林1204.51276.931455.4430.1966.61 黑龙江1187.6201.751691.3921.642.3 上海3763.474549.76736.83187.44331.32 江苏1922.131531.641284.5463.9147.53 浙江2911.841979.242316.22195.22259.54 安徽954.93550.67768.6117.3455.35 福建2074.58970.421524.0240.94220.82 江西1170.68588.62840.6520.3667.63 山东1482.43766.461543.947.2586.97 河南889.66366.77880.3627.1967.6 湖北1058.31470.289047.1388.26 湖南1467.92688.711019.1625.02146.96 广东2197.641223.11437.05126.42144.22 广西1087.2378.851042.7214.5971.45 （资料来源：三农数据库 2000年11月） 为了进一步探讨收入和消费的关系，我们引用该模型进行简单的计量经济学分析，主要从以下几方面： 模型估计 由OLS法得： Dependent Variable: Y Method: Least Squares Date: 12/04/03 Time: 22:24 Sample: 1 20 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C599.6231335.29961.7883200.0939 X10.4904970.1072584.5730430.0004 X20.2428710.2246641.0810400.2968 X32.6440671.2060362.1923610.0445 X43.8056271.8235472.0869360.0544 R-squared0.945266 Mean dependent var2009.831 Adjusted R-squared0.930670 S.D. dependent var799.1046 S.E. of regression210.4086 Akaike info criterion13.74830 Sum squared resid664076.8 Schwarz criterion13.99723 Log likelihood-132.4830 F-statistic64.76313 Durbin-Watson stat1.517035 Prob(F-statistic)0.000000 估计模型如下： Y=599.623+0.490X1+0.243X2+2.644X3+3.806X4 335.300 0.107 0.225 1.206 1.823 t=1.788 4.573 1.081 2.192 2.087 R[]2=0.945 R[]2=0.931 DW=1.517 F=64.763 T检验： α=0.05,︱t1︱≧t[](16)=1.746, ︱t2︱≦t[](16)=1.746, ︱t3︱≧t[](16)=1.746, ︱t4︱≧ t[](16) = 1.746; 说明除X2以外，其余解释变量均较显著。 F检验： F﹥F0.05（3，16）= 3.24 ，F检验显著，说明整体拟合效果较好。 多重共线性分析 由于用截面数据建立回归估计模型时，根据研究的具体问题，选择的解释变量往往从经济意义上存在一定程度的关联，而且在建模过程中，由于认识的局限，造成变量选择不当，都容易引起变量之间的多重共线性。不完全多重共线性会导致参数的区间估计失去意义，然而解释变量之间的多重共线性是难以避免的，我们追求的是多重共线性程度的尽可能减弱。 检验： X1X2X3X4 X11-0.1934520066260.7017511096730.780304940518 X2-0.19345200662610.2377841259990.14825983198 X30.7017511096730.23778412599910.689719894838 X40.7803049405180.148259831980.6897198948381 而由之前的检验知，F检验显著且可决系数较大，说明整体上线性回归拟合效果较好，但X2变量的参数的T值并不显著。再根据相关系数矩阵，说明解释变量确实存在多重共线性。 故修正多重共线性： 第一步：运用OLS方法逐一求Y的各个解释变量进行回归，得如下4个方程： Y对X1回归：Y=1154.37+0.75X1 R2=0.852 Y对X2回归：Y=1768.33+0.158X2 R2=0.003 Y对X3回归：Y=1052.88+9.883X3 R2=0.680 Y对X4回归：Y=1175.98+14.26X4 R2=0.753 结合经济意义和统计检验后选出拟合效果最好的一元线性回归方程，可知，X1的显著性最好，所以选定解释变量X1作为进入回归模型的第一个解释变量； 第二步：逐步回归。将其余解释变量分别加入模型，得到： Y对X1，X2回归：Y=55.57+0.79X1+0.69X2 R2=0.8983 Y对X1，X3回归：Y=976.57+0.55X1+4.18X3 R2=0.9035 Y对X1，X4回归：Y=1064.69+0.51X1+6.20X4 R2=0.8968 再次根据可决系数最大的原则，选定X1，X3。继续加入其余解释变量，可得： Y对X1，X3，X2回归：Y=350.26+0.64X1+0.43X2+2.84X3 R2=0.9013 Y对X1，X3，X4回归：Y=348.05+0.62X1+0.47X2+4.12X4 R2=0.9543 显然，Y=348.05+0.62X1+0.47X3+4.12X4是最佳模型。但是，注意到模型中各参数符号及大小和经济理论相一致，同时参数估计的t值在统计上有意义，R2较高。而且，现阶段，在农民收入中，家庭经营收入（X2）是总收入的主要组成部分，故它是一个重要变量，不能去掉。所以在这种情况下，不用过多考虑多重共线性的存在，我们对方程可以不做任何修改。 三、异方差性分析 利用横截面数据研究消费和收入之间的关系时，收入较少的家庭用在购买生活必需品上的比例较大，误差项的变化幅度不大。收入较多的家庭有更多可自由支配的收入，使得这些家庭的消费有更大的选择范围，由于个性、爱好、习惯等不同造成的差异，使误差项变化幅度增大，或者说低收入家庭消费的分散度（方差）和高收入家庭消费的分散度相比较，可以认为前者小于后者。根据经验，使用横截面数据进行计量分析出现异方差性的可能性较大。 检验： Quandt检验 先对X2（因为家庭收入X2在总收入中占最主要地位）排序，对1到8项数据进行回归，得： Dependent Variable: Y Method: Least Squares Date: 12/05/03 Time: 23:06 Sample: 1 8 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. C932.5663460.46272.0252810.1360 X1-0.5632870.366788-1.5357310.2222 X20.5557400.2459022.2600030.1089 X31.2986121.6554370.7844530.4900 X4-3.9987222.335017-1.7125020.1853 R-squared0.928626 Mean dependent var1442.315 Adjusted R-squared0.833461 S.D. dependent var161.8070 S.E. of regression66.03218 Akaike info criterion11.48733 Sum squared resid13080.75 Schwarz criterion11.53698 Log likelihood-40.94933 F-statistic9.758025 Durbin-Watson stat2.439046 Prob(F-statistic)0.045629 Y=932.57-0.56X1+0.56X2+1.29X3-4.00X4 ∑e12 = 13080.75 Dependent Variable: Y Method: Least Squares Date: 12/05/03 Time: 23:07 Sample: 13 20 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. C-546.8460397.3538-1.3762190.2625 X10.6413720.0765468.3789650.0036 X20.6107500.1956163.1221830.0524 X33.5805130.7148585.0087030.0153 X44.1140101.0477433.9265470.0294 R-squared0.993246 Mean dependent var2693.526 Adjusted R-squared0.984240 S.D. dependent var875.9714 S.E. of regression109.9684 Akaike info criterion12.50743 Sum squared resid36279.15 Schwarz criterion12.55709 Log likelihood-45.02974 F-statistic110.2907 Durbin-Watson stat2.948502 Prob(F-statistic)0.001382 Y= -546.8460+0.64X1+0.61X2+3.58X3+4.11X4 ∑e22 = 36279.15 可得 F=∑e22∕∑e12 = 2.77 ﹤ F0.05（8，8）= 3.44，则接受H0：σ12 = σ22 说明不存在异方差。 2、图示法 ARCH检验 ARCH Test: F-statistic0.478160 Probability0.702963 Obs*R-squared1.689437 Probability0.639285 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/04/03 Time: 22:30 Sample(adjusted): 4 20 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C21762.0815294.811.4228410.1783 RESID^2(-1)0.0790360.2056290.3843650.7069 RESID^2(-2)0.1960080.2129240.9205530.3741 RESID^2(-3)-0.2243510.259877-0.8632960.4036 R-squared0.099379 Mean dependent var25566.49 Adjusted R-squared-0.108457 S.D. dependent var41777.53 S.E. of regression43984.76 Akaike info criterion24.42340 Sum squared resid2.52E+10 Schwarz criterion24.61945 Log likelihood-203.5989 F-statistic0.478160 Durbin-Watson stat2.199523 Prob(F-statistic)0.702963 Obs*R-squared = 1.689 Χ0.052(10) , 所以拒绝H0 。同样说明模型中随机误差项不存在异方差。 WHITE检验 White Heteroskedasticity Test: F-statistic1.297757 Probability0.335999 Obs*R-squared9.711000 Probability0.285899 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/04/03 Time: 22:33 Sample: 1 20 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C289641.0457833.80.6326340.5399 X1152.152166.774212.2786060.0436 X1^2-0.0278640.013044-2.1362300.0560 X2-166.3090611.1458-0.2721270.7906 X2^20.0447000.1961130.2279320.8239 X3-3607.2881545.884-2.3334790.0396 X3^211.110995.3473872.0778350.0619 X4-621.22761373.633-0.4522520.6599 X4^22.2600256.2523550.3614680.7246 R-squared0.485550 Mean dependent var33203.84 Adjusted R-squared0.111405 S.D. dependent var50994.96 S.E. of regression48070.57 Akaike info criterion24.70089 Sum squared resid2.54E+10 Schwarz criterion25.14897 Log likelihood-238.0089 F-statistic1.297757 Durbin-Watson stat1.864600 Prob(F-statistic)0.335999 Obs*R-squared = 9.711 Χ0.052(10) , 所以拒绝H0 。同样说明模型中随机误差项不存在异方差。 综上所述，经过多种检验，模型均不存在异方差性。 四、自相关性 1、DW检验 根据OLS估计结果，DW≈1.517，给定显著性水平α=0.05 ，查Durbin-Watson表，n=20, k′(解释变量个数) = 4，得下限临界值dL=0.685, 上限临界值dU = 1.567 , 可知，DW统计量为1.517落在不能判断区域。 2、图示法 由图看出，残差e 不呈自回归，表明不存在自相关性。 结论： 经检验分析，得到农民消费——收入模型如下： Y=599.623+0.490X1+0.243X2+2.644X3+3.806X4 335.300 0.107 0.225 1.206 1.823 t=1.788 4.573 1.081 2.192 2.087 R[]2=0.945 R[]2=0.931 DW=1.517 F=64.763 从该模型来看，农民的自主性消费水平为599.623个单位，工资性收入每增加一个单位，消费支出会增加0.49个单位；家庭营业性收入每增加一个单位，消费支出会增加0.243个单位；转移性收入每增加一个单位，消费支出会增加2.644个单位；财产性收入每增加一个单位，消费支出会增加3.806个单位。 农民消费水平低的根本原因是收入水平低，要扩大农民消费必须增加农民收入。长远来讲，提高农民收入主要是要提高农业生产的规模，提高生产效率，加快农业结构调整，进一步从农村疏散劳动力，加快城市化进程等。而从近期看，一方面要加大政府对农业的支持，特别是在进一步改善农村、农民的生产生活条件方面，政府尽可能提供支持。具体看来有以下措施： 提高农民收入，必须加快转移农村富余劳力。加快农村城镇化进程，以现有的县城和少数中心建制镇为重点，加快园区建设，发展小城镇，壮大县域经济，为农民提供更多的就业机会，增加其工资性收入。 提高农民收入，必须增加政府投资。近年来国家通过实施积极财政政策，加大了对农业的支持力度，这对稳定农民收入发挥了积极作用。同时，国家还要加大对农村基础教育、卫生、文化事业的投入，一方面使农民增强就业和增收能力；另一方面使农民能够通过建设项目的参与获得更多的直接收入。此外，还应进一步完善社会保障体系，以增加农民转移性收入。 提高农民收入，必须推进农业产业化经营。要进一步拉长产业链，提高农产品的加工深度，实现多次增值。对于有品牌、有市场、有竞争力的农村致富带头人和龙头企业，在政策、资金、技术、信息等方面加大扶持力度，尽快扩大规模、提高质量、改善管理，更好地发挥辐射带动作用。 提高农民收入，必须开展科技兴农战略。积极推广优质化、专用型和适于无公害种养的新品种、新技术，增强农产品的竞争力，以增加农民家庭经营收入。 鼓励农民多元化投资，以增加其财产性收入，如股息、租金等。 由分析可知，增加单位转移性收入和财产性收入可以带来更大幅度的消费水平的提高。而由资料看出，现阶段农民的转移性收入和财产性收入都较低，故适当增加转移性收入（X3）和财产性收入（X4）极有利于刺激他们的消费，提高他们的生活质量，进而调动他们的劳动积极性。 因此，政府应采取适当的政策增加农民收入，这样将极大加快我国农村发展的步伐，有助于农村全面实现小康，我国经济将上一个新台阶。
-
试析招标审计的利弊及完善措施_经济学毕业论文范文
试析招标审计的利弊及完善措施_经济学毕业论文范文 论文摘要：随着的发展，招标越来越成为一种有效的选择以及购买审计服务的市场活动。作为一种招标活动，审计招标自然会拥有一些优势和不足。分析了目前审计招标的利与弊，并分别从招标活动的招标方、投标方以及中介方的角度提出了一些完善措施。 论文关键词：审计；招标；完善措施 1 审计招投标的由来 招标投标是配置和获取工程、货物和服务等资源的一个重要方法，在人类上有悠久的历史，古今中外有各式各样的应用。在我国，随着向主义市场经济体制的转轨，越来越多的经济行为，例如政府采购、工程承包、出售等，大都通过招标投标来处理，其交易量越来越大。 我国曾于1902年就采用招标投标方式承包工程，但是苦于当时的社会形态，招标投标在我国近代并没有得到很大的发展。新中国成立后，在计划经济的体制下，政府部门的指令控制了市场，招标投标一度无用武之地。改革开放以来，随着经济体制的改革，招投标在我国得到了蓬勃发展。 审计可以看成是师提供鉴证业务与其他业务的一种服务活动，与其他承包活动相同，审计招标在市场经济之下也逐渐发展起来。随着我国经济的发展，相关利益相关者对信息的真实性、可靠性的要求也越来越强烈。于是审计招标就成为相关单位、部门寻求审计服务的重要手段。 2 招投标审计的优势 审计招标作为一种招标活动，具有招标活动的一系列优越性。具体来说，审计招标作为一种有效的选择以及购买审计服务的市场活动，它具有以下优势： 一是程序规范化。审计招标严格按照相应的招标程序来选择与购买审计服务，审计服务需求方及招标方依照一定程序将其所需审计服务的内容以及相关条件等信息公开，满足条件的会计师事务所发起投标，审计需求方按照参与投标的会计师事务所的实际情况选择合适的会计师事务所并与之签订协议，购买其审计服务。审计招投标使事务所接受客户这一活动更加规范化、程序化，对我国市场经济的发展起了一定的规范作用。 二是竞争性。审计服务需求方通过将其所需审计服务的内容以及相关要求公开来吸引会计师事务所，招标公示将很多招标信息提供给会计师事务所，使得会计师事务所能够公平地参与审计投标中来。这样的方式丰富了招标方可以选择的范围，在市场中引入了较大程度的竞争。在充满竞争的市场，自然会得到一定程度的提高。 三是招标过程公正公平公开。按照的规定，审计招标由独立、客观的组织机构主持，相应的招标程序也由招标机构或中介方公开颁布，对招投标双方均具有约束力，任意一方不得更改与违反，当事人需要严格遵守招标程序。而且，招标在信息的发布、开标的程序、中标的结果等多方面均需公开，置于社会的公开监督之下，因而招标审计具有更高的公开性与透明度。 四是高效性。审计招标招标信息采用现代化手段，通过媒体的宣传，信息传播不仅迅速、快捷，而且覆盖面广泛，这不仅节约了审计服务需求方与审计服务提供方的寻找，而且招标程序规范流程化还节约了谈判成本。因此，审计招标可以使相关的审计服务可以在市场经济条件下高效地运行。 3 招标审计的缺陷 虽然审计招标具有以上优势，但是审计招标作为一种服务活动的招标具有一些先天的不足。审计活动作为一种服务是无形的，整个审计活动的开展没有任何所以权的转移，审计过程如何定价显然成为一个难题。更重要的是审计作为一种特殊的服务活动，执行审计的注册会计师被称为是市场经济的看门人，社会公众对注册会计师有着很高的期望，根据“深口袋”效应，一旦发生舞弊，注册会计师将承担主要责任。在中国当前的社会经济形势下，审计招标主要有以下两个方面的不足： 一方面对招标方即审计服务需求方来说，中国目前通过招标方式来寻求审计服务的主要是政府管理部门和国有企业的主管部门。对政府管理部门来说，他们更关心的是自己的政绩，并非企业的业绩。因此，政府管理部门进行审计招标更多的是一种形式，因此出具的审计报告的真实性与可靠性自然值得推敲。对国有企业而言，因其股东分散，委托注册会计师审计就由管理部门进行，管理部门通过招标来寻找会计师事务所审计其编制的财务报表，基于这样的关系，会计师事务所独立性自然或多或少会受到影响，利益相关者的利益自然无法得到保证。 另一方面对投标方即事务所来说，由于有些会计师事务所特别是小型会计师事务所，内部管理不规范，加上审计质量本身难以测定，使得审计招标形成了一场恶性竞争。有些中小型会计师事务所为了自己能够中标往往疯狂压价，从而导致最后中标的往往不是审计质量好、信誉好的会计师事务所而是审计收费低的事务所，自然审计质量一定程度上无法得到保障。同时，如果招标方经常让收费低的事务所中标，不仅会向社会公众传达这样信息：需求者可以通过招标来购买注册会计师的不良信息，这不仅严重有损于注册会计师的社会形象和声誉，同时也会给业绩不佳的公司可乘之机，通过招标来购买虚假的审计服务，这会严重损害社会的经济秩序。 4 招标审计的完善 4.1 招标方的完善 对招标方来讲，需要刺激审计服务的需求。审计委托关系由审计委托方（所有者或投标人）、审计主体（注册会计师）和审计客体（被审计单位）三方组成，所有者委托注册会计师对被审计单位进行审计，即委托方应拥有对会计师事务所的选择权。但在我国实际执行过程中，由于国有股所占股份较多，在选择过程中更有影响力，于是国有企业对审计招标过程处于绝对控制状态。这样的情况下，权力容易取代市场选择，便形成由行政领导或公司管理层拥有对审计选择权的局面。因此，想要在投标方的角度来完善招标制度必须要深化国有企业的改革，在国有企业中更多引入非国有股份，这样在选择事务所的时候，一定程度上淡化行政色彩，保证审计招标的公正公平。 4.2 投标方的完善 从会计师事务所的角度上说，为了提高审计服务的质量，必须保证在执行审计过程中的独立性，即在审计过程中不会受到外界的干扰。因此提出以下建议： （1）会计师事务所要培养自己的风险意识。自注册会计师签订审计协议的时候，风险就伴随着注册会计师。因此，对于注册会计师来讲，要时刻保持着谨慎以及职业怀疑的态度，遵守相应的职业准则和质量控制程序。切不可为了中标而压低自己的收费，通过降低成本来减少审计程序。同时要加强注册会计师的职业操守，在社会公众中树立良好的职业形象。 （2）加强对违反相关规定的事务所的惩罚力度，以此来提高会计师事务所的风险意识和职业谨慎。加强执法力度来规范事务所的行为。同时要完善会计师事务所的职业评级体系和诚信。禁止那些诚信较差的会计师事务所参与投标，对诚信较高的事务所进行鼓励。 （3）提高服务水平，对事务所内部进行整合，完善审计技术、管理经验、市场开发技能和人才培训机制。深度了解客户所在行业类型和经营活动，对执行高质量的审计业务非常重要。加大对职业会计师的管理和培训，包括专业技能以及职业道德操守，提高审计服务的质量。 （4）增强自身独立性，与政府以及单位脱钩。会计师事务所之所以无法独立地进行审计，很大程度上由于政府与单位的干涉，因此，注册会计师要想实现名义上的独立与实质上的独立，必须做到与政府以及单位“划清界限”。 4.3 中介方的完善 （1）保证信息的公开与对称。在招投标审计中，信息的对称以及公开很重要，关系到整个过程的公正与公开，更会影响到整个社会大众对招标的信任程度。同时，中介方也需要保持独立，与招标方和投标方都保持“脱钩”的状态。 （2）中介方需要具有一定的专业知识和胜任能力，同时中介方需要改进评标方法。按照我国的相关规定，审计招投标的评标应采用综合评分法，这种方法的主要问题是不能排除评标过程中的人为因素，评分项目及其标准的不确定性、招标方和评委的主观倾向性等，都会影响评标结果。因此，要想保证整个过程的质量，完善评标方法是关键。
-
中国粮食总产量多因素分析_经济学毕业论文
中国粮食总产量多因素分析_经济学毕业论文 中国粮食总产量多因素分析 [摘要] 本文根据《中国农业信息网》的相关统计数据在建立计量经济学模型的基础上，分析探讨了中国粮食总产量的影响因素，进行了统计分析和经济意义分析，并提出了一些政策建议。 [关键词] 因素分析 参数检验 粮食总产量 一、导论 粮食生产是关系国计民生的战略物资，尤其在我国具有特别重要的意义。中国历史上，因为饥荒而引发的战乱是不胜枚举的，所以大凡出色的皇帝都有强烈的民本农耕思想。直到现代社会，粮食依然是不可或缺的战略物资。世界各国，无论是发达国家还是发展中国家，都对粮食生产十分重视。依照战略的眼光，粮食和石油对一个国家特别是大国具有十分重要的制约作用，缺乏这两种物资，就会在国际竞争中处于被动地位，受制于人。我国是世界人口第一大国，来自人口的压力直接作用到粮食生产上。西方国家某些学者所讲的中国威胁论，很大一部分来源于对我国粮食生产的担心。 鉴于农业在国民经济中有如此重要的作用，我们想通过计量经济学的方法来分析一下影响粮食总产量的因素和我国农业现状。 粮食生产量是一个变量，其增减和播种面积的多少有着很大的相关性。而施用化肥提高单位面积的农作物产量，就等于变相扩大了耕地面积。中国农村人口占总中国总人口的2/3，是个相当庞大的数目。人多地少，是中国农业的一个特点，在中国农业生产以劳动密集型为主的现在，农业劳动力对粮食产量的影响是不可忽视的。随着经济的发展，农业生产条件显著改善，农业机械拥有量快速增长，农业机械化水平不断提高。现阶段，农业生产中由农业机械承担的劳动已占到40%以上，对粮食产量的影响力同样不容小觑。再则，水旱灾害是农业主要的自然灾害，对农业来说，不可抗拒的自然力对粮食产量的影响也非常大。 二、模型设定 据此，我们将“粮食总产量”设为应变量，“播种面积”、“化肥施用量”、“农业劳动力”、“农业机械劳动力”以及“受灾面积”设为因变量，设定了以下经济学模型： 其中：：农业化肥施用量（万公斤） ：粮食播种面积（千公顷） ：受灾面积（公顷） ：农业机械劳动力（万千克） ：农业劳动力（万人） 数据如下：（表1） obsYX5X4X3X2X1 198338728.0018022.1034710.0031645.00114047.01660.000 198440731.0019497.2031890.0031685.00112884.01740.000 198537911.0020912.5044370.0030352.00108845.01776.000 198639151.0022950.0047140.0030468.00110933.01931.000 198740298.0024836.0042090.0030870.00111268.01999.000 198839408.0026575.0050870.0031456.00110123.02142.000 198940755.0028067.0046990.0032114.00112205.02357.000 199044624.0028707.7038470.0033336.00113466.02590.000 199143529.0029388.6055470.0034186.00112314.02805.000 199244266.0030308.4051330.0034037.00110560.02930.000 199345649.0031816.6048830.0033258.00110509.03152.000 199444510.0033744.0055040.0032690.00109544.03318.000 199546662.0036118.1045874.0032335.00110060.03594.000 199650454.0038546.9046989.0032260.00112548.03828.000 199749417.0042015.6053429.0032435.00112912.03981.000 199851230.0045208.0050145.0032626.00113787.04086.000 199950839.0048996.1049981.0032912.00113161.04124.000 200046218.0052573.6054688.0032998.00108463.04146.000 200145264.0055172.1052215.0032451.00106080.04254.000 200245706.0057929.9047120.0031991.00103891.04339.000 200343070.0060386.5054386.0031260.0099410.004412.000 资料来源：《中国农业信息网》 以下是根据上表所作出的趋势图： 从上图我们可以直观的看出，粮食总产量与农业化肥施用量、粮食播种面积以及农村劳动力的走势相仿，可能存在一定的线性关系，但是与受灾面积的关系似乎不大。但具体它们之间存在一种怎样的关系，还需要通过计量模型进行进一步的分析。 三、参数估计 1、对原模型，用EVIEW估计结果如下：（表2） Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 11:53 Sample: 1983 2003 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. X5-0.1747080.062677-2.7874460.0138 X4-0.0721770.036671-1.9682600.0678 X3-0.0956880.221397-0.4322010.6717 X20.5114550.0833726.1346500.0000 X16.7835890.7978298.5025590.0000 C-20485.3610285.35-1.9917030.0649 R-squared0.973458 Mean dependent var44210.48 Adjusted R-squared0.964610 S.D. dependent var4089.884 S.E. of regression769.3957 Akaike info criterion16.36404 Sum squared resid8879547. Schwarz criterion16.66248 Log likelihood-165.8225 F-statistic110.0270 Durbin-Watson stat1.945236 Prob(F-statistic)0.000000 检验与修正 1、多重共线性检验 ①分析： 从推断结果可以看出，R2=0.9735拟和效果非常好；（显著性水平α=0.05），从整体上看，粮食总产量与解释变量之间线性关系显著。 ②检验： 我们采用简单相关系数矩阵法对其进行检验，如下图：（表3） X5X4X3X2X1 X5 1.000000 0.586885 0.218822-0.623385 0.948744 X4 0.586885 1.000000 0.356708-0.391814 0.634071 X3 0.218822 0.356708 1.000000 0.242627 0.390217 X2-0.623385-0.391814 0.242627 1.000000-0.444032 X1 0.948744 0.634071 0.390217-0.444032 1.000000 从上表可以看出，解释变量之间存在高度线性相关。同时，从表2也可以看出，尽管整体上线性回归拟合较好，但是的t值并不显著，的系数符号为负，与经济意义相悖，应剔出。其他解释变量没有与经济意义相悖，有经济意义，但是存在多重共线性，需修正。 ③修正： 由表2可以看出的t值最大，因而粮食需求量Y对农业化肥施用量的线性关系最好，拟合程度好，因此把作为基本变量，即： 加入模型变为： 可见，加入该变量以后模型的拟合程度的到了很好的改善，并且t检验也能够很好地通过。 加入模型变为： 可见该变量的引入仅使拟合优度仅略有变动，但其自身的t值太小，不能通过t检验，因而其对Y的影响并不显著，故将删除。模型修改形式如下： 新模型的估计结果如下： Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 11:54 Sample: 1983 2003 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. X14.5019310.22955519.611530.0000 X20.6763050.06323710.694830.0000 C-44378.577323.980-6.0593510.0000 R-squared0.955831 Mean dependent var44210.48 Adjusted R-squared0.950924 S.D. dependent var4089.884 S.E. of regression906.0395 Akaike info criterion16.58761 Sum squared resid14776336 Schwarz criterion16.73682 Log likelihood-171.1699 F-statistic194.7641 Durbin-Watson stat1.927554 Prob(F-statistic)0.000000 2、自相关检验 从模型设定来看，没有违背D-W检验的假设条件，因此可以用D-W检验来检验模型是否存在一阶自相关。 根据上表中估计的结果，由DW=1.9276, 给定显著性水平α=0.05，查Durbin-Watson表， n=21, k’=2，得dL=1.125，du=1.538，4－du=2.462，duDW4－du，所以不存在一阶自相关。 3、异方差检验 利用ARCH检验法检验模型是否存在异方差。 结果如下： ARCH Test: F-statistic3.116447 Probability0.060218 Obs*R-squared7.207404 Probability0.065573 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 21:20 Sample(adjusted): 1986 2003 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1531348.356972.04.2898270.0007 RESID^2(-1)-0.3622780.234715-1.5434810.1450 RESID^2(-2)-0.5566260.216163-2.5750240.0220 RESID^2(-3)-0.4093040.218435-1.8738010.0820 R-squared0.400411 Mean dependent var622279.0 Adjusted R-squared0.271928 S.D. dependent var768394.7 S.E. of regression655649.2 Akaike info criterion29.81777 Sum squared resid6.02E+12 Schwarz criterion30.01563 Log likelihood-264.3599 F-statistic3.116447 Durbin-Watson stat2.092694 Prob(F-statistic)0.060218 经滞后三期，p=3，如上图所示，obs*R^2=7.2074，给定显著性水平α=0.05，查＝7.8147， obs*R^2，所以不存在异方差。 所以最后确定模型为y=－44378.57＋4.5019X1＋0.6763X2 五、经济意义分析 有计量分析可以看出，直接决定粮食产量的因素有两个——化肥施用量与粮食播种面积，而化肥施用量最直接的影响结果，就是单位面积产量。其它要素诸如劳动力、化肥、农机、气候、价格等产生的效应都可以体现在这两个因素上。数据分析结果与我国现实和粮食生产特点较为符合：我国人多地少，加之城市化与工业化，耕地面积总体上呈下降趋势，因此，要保证我国粮食的稳产与增产，就不能寄希望于播种面积的大幅度增加，而应着重于推动单位产量的稳定和增长。当然，播种面积的影响也不能忽视，1998年以来粮食生产的持续萎缩，首先就表现在播种面积锐减上。 六、政策建议 毫无疑问，我国粮食生产面临着严重的形势，2003年，我国粮食缺口达500亿公斤，致使我国政府动用了战略贮备粮。本文针对我国粮食增产问题，从三个层次提出以下建议： 首先，在短期内为缓解粮食供应紧张，应提高农民种粮的积极性，这是扩大播种面积的唯一办法。农民积极性主要取决于种粮食的收益及其预期，收益则是卖粮收入与成本的差额。因此，应该双管齐下，一方面稳定并提高粮食价格，另一方面控制农用物资价格的过快增长，后者往往容易被忽视，必须提起特殊注意，不能让粮价增长的正效应被后者的负效应所抵消，否则提高种粮收益就成了一句空话。建议我国政府在涉农物资上实行严格的价格管制，控制种粮的成本。 其次，在中长期内努力提高单位产量，这就要求我国政府在农业投入结构上进行合理的分配。单位产量的决定因素是籽种和化肥施用，因此，政府农业科技投入上，相较于其他方面，应加大培育优良籽种的力度以及探索科学有效的施肥结构和方式。 最后，在长期内，必须考虑改良国土的问题。随着我国人口的持续增加，以现在的粮食生产能力将无法满足需求。改良国土，有两个方面的意义，一是增加耕地面积，二是改良土质，增加单位产量。改良国土的根本方法在于治水，近些年来，我国沙漠化严重，北方地区干旱比较严重，而每年我国又有大量的淡水白白注入海洋，所以考虑南水北调、兴修水库都是积极的治水措施。改良国土的其他办法就是植树造林，治风治沙。整治国土是一项长期的任务，但人口高峰期以及老龄化问题已经渐渐逼近，所以我国政府应该从速制定可行方案。
-
我国温泉度假酒店的现状与发展初探_经济学毕业论文范文
我国温泉度假酒店的现状与发展初探_经济学毕业论文范文 我国温泉度假酒店的现状与发展初探 摘要：介绍了温泉酒店的沿革，分析了我国温泉度假酒店的特点和存在的问题，并对温泉度假酒店的发展提出了一些建议。 关键词：；温泉；温泉度假酒店。 一、温泉酒店的沿革。 度假酒店（村）作为度假旅游的核心产品，在西方已流行了一百多年，但在我国大陆尚属新生事物。自上世纪90年代以来，随着我国东南沿海地区和内陆大中城市人均GDP开始突破国际上公认的度假旅游3000美元门槛值，以及休假制度的调整，休闲度假旅游在我国迅速兴起，成为我国旅游转型升级发展的基本方向之一，度假地、度假城、度假区、度假村、度假酒店、度假中心等度假旅游产品纷纷涌现。 在主题酒店中，以温泉为主题的酒店正在蓬勃发展。 温泉文化主题酒店是以“温泉”为载体，以“保健养生”为主题而形成的集休闲、保健、娱乐、度假为一体的酒店。它为人类创建一种新型健康的生活方式，使人活得更加健康，更加美丽，更加愉快，更加智慧。在温泉文化主题酒店所享有的健康生活方式通过以下主要形式体现：温泉沐浴有氧运动达到休闲、康复、养生的功效；温泉SPA疗程达到减压、美容、瘦身的功效；营养配餐达到身体营养的动态平衡；自然疗法、心理疗法恢复健康的心态［1］。 自1996年珠海御温泉开创了中国温泉旅游产业，引发全国温泉旅游热潮，各种温泉主题酒店相继出现，如北京小汤山温泉、从化碧水湾、新会古兜温泉、恩平锦江温泉、湖南普瑞温泉等等［2］，均各具特色。一时间，温泉旅游成为休闲旅游的新时尚，人们休闲度假的新宠。 与商务型酒店比较，温泉度假酒店具有以下特点。 （一）主题。 温泉度假酒店是以“温泉”为载体，围绕温泉文化提供具有保健养生功能的特色服务、专项产品，并营造一种健康的文化氛围。酒店的设计、建造、装修到产品开发、经营、服务都是以“保健养生”文化为主题，独具魅力。 （二）客源。 温泉旅游的主要客源市场是以养生、休闲、度假为目的的旅游者，包括情侣、家人、朋友、单位团体或商务、会议旅游者。 从需求来看，温泉旅游者在温泉度假酒店逗留的时间比较长，他们往往要参加各种各样的活动，因此酒店必须提供丰富娱乐设施和活动，以充实客人的停留时间。从消费来看，由于温泉的理疗效果是逐渐产生，需要经常重复才能保证疗效。因此，温泉消费具有明显重复性，客人的回头率较高。另一方面，与观光旅游者相比，温泉旅游者的消费更高。温泉旅游以休闲、度假、健身、娱乐为主，需要大量的疗养和娱乐设施，每一种设施的使用基本上都是付费的，这就使得温泉旅游者的消费较高。 （三）服务。 温泉度假酒店的服务对象是以放松、休闲、保健、娱乐为目的的度假旅游者、会议客人以及奖励旅游客人。服务内容以康体、休闲、娱乐为主，餐饮、住宿为辅，同时提供基本的商务服务，服务突出个性化，强调健康、放松、享受、娱乐。服务人员除必须具备一般酒店的基本常识外，还须掌握温泉方面的专业知识，同时需要具备如按摩、针灸、保健、美容等方面的专业技能，为客人提供专业性服务。 （四）风格。 温泉度假酒店大多采用古朴典雅的田园林建筑风格，其建筑模式视酒店所在地区的人文、、气候、民俗民居建筑特色而定，讲究淳朴简洁、回归自然。 二、我国温泉酒店发展的存在的问题。 温泉产业的发展主要依托于旅游产业的发展，由于温泉旅游本身兼具健康养生与休闲度假的特性，温泉产业已成为最具活力的休闲产业之一。近几年来，我国温泉旅游发展比较迅速，作为新兴休闲旅游方式，温泉旅游的发展将会越来越快。但是从目前看来，我国的温泉旅游发展还处于初级阶段［3］。 1、从文化角度看，尽管我国温泉资源丰富，温泉发展也很久远，但相对国外温泉文化成熟的国家来说，一直没有形成比较完整的温泉文化，没深刻挖掘到温泉文化的内涵。 2、从产业角度看，中国温泉产业的发展相对滞后，没有形成规模，也不具备温泉产业链的基础。从品牌角度看，大部分温泉品牌意识不强，定位不清晰，雷同度高，没有真正依托温泉文化内涵深刻地挖掘和组建市场，使得温泉的品牌效应没有真正凸显。 3、从旅游方式角度看，虽然温泉大多走休闲度假路线，但还没做到真正的休闲度假，其温泉产品设计比较粗放，不能满足消费者全身心放松休闲的需求。没有真正实现温泉养生、健康休闲，仍处于娱乐休闲阶段。 三、我国温泉酒店发展建议。 （一）温泉度假酒店的设计应亲近自然。 当今，人们厌倦了都市喧闹的生活，更渴望一份宁静，需要一种充分享受自然、回归自然的体验，这要求温泉度假酒店要为旅游者提供一种自在、幽静的氛。，因此温泉度假酒店应该选址于自然风景优美宁静的地区。同时要充分利用依山傍水的自然优势，使温泉文化主题酒店开发设计出来的产品与自然融为一体。对于所修建人工建筑的外观也要与自然环境相协调，建筑风格要充分亲近自然、融于自然，要给人以回归自然的宽松环境氛围，形成人与自然和谐共处的度假境界。可将客房的窗户设计成大面落地窗，客人躺在床上即可欣赏窗外风景。室内温泉也可设计成大幅玻璃窗，在沐浴的同时也可观赏自然美景，给客人提供更多与自然融合的空间，也可将温泉池设计成具有不同高度的台地式样，并形成小尺度的天井，墙壁外部包裹木材来打造原生态风格，而屋顶上也种满了植物，加强了其作为休闲度假胜地的功能，最终达到人与自然和谐共处的度假境界。 （二）挖掘温泉度假酒店的文化内涵。 目前，我国的温泉酒店遍地开花，但真正具有文化内涵的温泉酒店不多。要使酒店具有生命力，就必须不断给它注入文化，突出独特的文化品位，使来酒店的每位客人都能感受到酒店的文化氛围。日本著名的温泉旅馆加贺屋，其独具魅力的温泉文化及对客人无微不至的体贴服务，成为日本国民和海外游客心目中最向往的温泉居所。我国的御温泉独创了一种温泉沐浴的文化“御泉道”————将传统的温泉沐浴程序科学化、丰富化、完善化，融合御温泉特有的“御式文化”而形成尊贵独有温泉沐浴仪式，赋予了温泉沐浴文化新的内涵，成为御温泉品文化的特色内容之一。古兜温泉酒店则抓住“盛唐文化”这个文化核心，在古兜的“唐宫”温泉区内，温泉浴池仿照唐朝风格，以皇家花园为背景，用鹅卵石筑成圆池，唐宫从格局到室内装饰，都模仿中国唐代的风格而建，其中妃子池和太子池都是仿照华清池而打造的，房间还配有唐式装修以及唐代，为这两个特色的温泉房注入了“盛唐”的文化气韵［4］。所以酒店应该从它的理念、服务、管理、设计、装饰等各方面注入文化内涵，这才是温泉文化主题酒店的制胜之宝。 （三）开发个性化多样化的产品。 温泉度假酒店的客源市场主要是以保健养生为目的的休闲度假客人，住酒店的时间一般在两天至七天以上，所以酒店推出的产品应以温泉为载体，开发出多样化的产品，这要求不断的完善休闲度假设施功能，以满足不同需求的客人，这样才能留住度假的客人。由于温泉度假酒店的客人主要在于追求身心疗养和宜人的精神享受，因此温泉度假酒店的产品开发必须以休闲、保健、疗养为主，同时应该做到有层次、有重点地进行开发。此外，还可以开发健身项目如配套的高尔夫球场设施等、开展会议旅游和举办节庆活动，如温泉文化节、地热科普节等。既可调节酒店的温泉产品的淡旺季平衡，又可以丰富温泉文化主题酒店的旅游功能。入住温泉酒店的客人比商务酒店、旅游饭店的客人更注重个性化，他们追求的是具有特色的温泉产品，所以温泉度假酒店也需要研究客人的个性化需求，提供一些个性化产品，比如：理疗、美容、减压等等，以满足客人的差异化需求。 （四）开发具有民族特色和当地特色的产品。 中医、中药历史悠久，是我国三大国粹之一。中医注重于人体调节，以预防、修养、保健为主要目的，着眼于长久的调理以求得身心健康，非常符合当前旅游发展趋势中的休闲理念。近几年来，传统中医在疾病预防、养生康复及针灸、心脑血管疾病等疾病治疗领域的良好治疗效果。可在温泉度假中推出了中医理疗、中医保健等项目，如中药养生沐浴、推拿、针灸、足浴及中药美容疗法。在饮食方面可为旅游者量身定制营养膳食处方，如中膳、中药保健茶、有机绿色食品等。 在设计客房时，需考虑展现当地的风俗、、文化特色，做到本土化，以形成独特的设计理念，才能满足客人的心理需求。 如西藏地区温泉度假酒店可在房间中使用一些民族元素，采用富有当地特色的藏式手工家具，墙上挂上色彩绚丽地藏族装饰，地面上使用具有藏族风格的地毯，使房间设计本土化、舒适化。 （五）更新管理理念。 温泉度假酒店的管理包括绿色环保管理、资源节约管理、健康客房管理、营养配餐管理，以温泉沐浴为主的有氧运动管理、温泉理疗管理（如中西医理疗管理、SPA）、中医养生管理、和温泉文化管理，及健康服务管理、健康快乐管理、健康人才培训等内容，充分将健康元素渗透到物质环境管理、产品项目管理和员工服务管理中，贯穿到整个空间环境、产品项目、服务过程和管理过程中。形成健康产品体系、生态环境体系、主题文化体系、健康服务体系、健康管理体系，提炼出健康经营管理模式。 （六）培养专业人才。 企业的发展离不开高素质的专业人才，温泉度假酒店作为朝阳行业中更是迫切地需要大量人才。目前，温泉度假酒店人才极其缺乏，诸如保健养生指导师、温泉理疗师，营养师、心理健康指导师等专业人才，因此应当健全温泉度假酒店从业人员的岗位培训机制，采用岗前培训、岗位培训、外派培训等方式提高温泉旅游经营管理人员的素质和服务人员的服务技能。2002年，珠海御温泉与广东韶关大学合作创办了中国首个温泉旅游管理专业大专班，培养温泉旅游经营管理的专业人才；2004年，御温泉联合华南理工大学、北京师范大学等高校联合举办温泉旅游经营管理专业的大学本科班，解决企业发展的人才问题。此外，广东省还采取优惠政策引进一批中高级管理人才和技术骨干，提高各温泉酒店的经营管理水平，以上做法都值得提倡。 四、结语。 温泉度假酒店作为度假酒店一种特殊的产品类型，其设计与管理具有自身的独特性。这种独特性，从根本上说是来源于温泉度假客人在需求与行为规律上的特点。因此，无论是设计还是管理，温泉度假酒店都须以客人的需求为中心。温泉度假酒店不但要打破以商务酒店为基础形成的设计模式与管理规范，还需时刻关注温泉客人在新时期的新需求，设计出与时代潮流相符的产品，建立更符合客源特点的新标准。 参考文献： ［1］［EB/OL］。2005－11－23. ［2］张羽。基于顾客体验的温泉主体酒店的产品设计［J］。贵州商业高等专科学校学报，2007，20（3）：53－56. ［3］张平平。浅析温泉度假酒店发展趋势［J］。内蒙古科技与，2010，（10）：15－28. ［4］刘少和，李秀斌。度假酒店（村）的健康体验经营管理研究［J］。旅游论坛，2009，2（3）：384－389.
-
试析我国汇率政策的转变思路_经济学毕业论文
试析我国汇率政策的转变思路_经济学毕业论文 论文摘要 人民币汇率政策发生了变化，汇率波动的风险也越来越大我们应变被动为主动，充分利用汇率变化来给自己带来好处，还有人民币汇率政策应从偏向对国内生产者的保护转向同时强调对消费者的保护，从注重扩大就业转向注重创造有利的，从注重人民币均衡汇率的计算转向着眼于创造能形成均衡汇率的机制，从制度变革及经济转型的角度看待中国实行浮动汇率制度的问题。 论文关键词 汇率波动 汇率政策 均衡汇率 汇率制度 一、从担心汇率波动的风险转向充分利用汇率变化带来的好处 长期以来，我国主要是强调汇率波动的风险，事实上，汇率水平波动一方面是会产生风险，但另一方面又有可能带来收益。从市场经济的角度看，汇率变动本质上是价格变动，汇率波动的好处在于能向国内外传递最真实的市场供求信号，使得各国市场主体能进行正确的经济计算并根据自身的比较优势做出最佳决策来实现资源合理配置。而且，汇率波动形成的风险刚好有利于形成市场的激励、约束和惩罚机制，而激励、约束和惩罚机制刚好就是市场机制的精髓所在。 二、人民币的汇率政策应该从偏向对国内生产者的保护转向同时强调对消费者的保护 我国还一直从保护国内生产者的角度去确定人民币的汇率水平，这意味着我国更多的是将汇率当作一种政策工具，甚至当作保护某些利益集团的政策工具，而没有更多的把人民币汇率视为实现资源合理配置后的价格。 从提高经济的效率和的福利的角度来看，资源是否配置到了具有最高价值的用途从根本上说是取决于消费者的评价的，因此，政府应该去保护的是消费者，而不是生产者，生产者应该让他们去自由竞争。以消费者为中心的汇率政策才真正利于刺激一国生产力的提高和增强一国的供给弹性，从而增进一国的福利水平。如果过于去强调保护生产者，就会使生产者缺乏应对激烈的市场竞争压力的激励，反而不会利于一国竞争力及生产效率的提高。 三、人民币的汇率政策应从注重扩大就业转向注重创造有利经济环境 扩大国内就业事实上也是人民币汇率政策的一个目标，从短期看这是可行的，但从长期看，这一目标却是难以持续的。这是因为：从全球来看，由于各国经济相互依存，因此，一国不可能长期无限制的维持对外贸易巨额顺差。这一点可根据开放经济条件下的国民收入恒等式加以说明： Y（国民收入）=C（消费）+I（）+X（出口）-M（进口） 全球所有国家是不可能长期维持净出口顺差的。一国长期维持贸易顺差就等于是不要对外贸易，因为这样会使外国无法通过出口获得外汇购买本国的产品。这意味着，一国不可能通过长期保持净出口顺差来解决本国就业问题。作为一个大国，中国的就业必须主要依靠内部需求的推动才行。实际上，为了扩大就业而鼓励出口的政策也可能因压抑了内需从而对国内就业的扩大起到抑制作用，所以试图靠汇率政策来解决就业问题实际上是一种职能的错配。
-
加工工业产品出厂价格多因素分析_经济学毕业论文范文
加工工业产品出厂价格多因素分析_经济学毕业论文范文 加工工业产品出厂价格多因素分析 摘要： 本文主要通过对加工工业产品出厂价格的变动进行多因素分析，建立以加工工业产品出厂价格指数为因变量，以固定资产投入和流动资产投入等因素为自变量的多元线性回归模型。对得到的模型进行一系列的计量经济检验后得出了最优结果。并利用模型对加工工业产品出厂价格变动因素进行分析，研究各个变量对它的影响情况。 关键词： 加工工业产品出厂价格 向后剔除法 逐步回归法 多重共线性 异方差 问题的提出： 自2003年以来我国经济出现了过热的情况。遏制经济过热，调控经济增长速度，要以调控产业增长格局为基础。宏观调控的基本目标，是控制工业过快增长，稳定农业增长，加快服务业增长，使经济增长速度适度回落。 但是，目前工业增长是GDP增长的主要支撑，是我国经济增长最重要的力量，是经济增长的引擎。既要防止经济增长速度出现大落，又要保持工业必要的增长速度，这个两难问题一直备受业界的关注。 近来工业品出厂价格连续十二个月出现上涨，从2003年十月以来,工业品的出厂价格已累计增长了7.9%主要是受原材料和中间产品价格上涨的影响。同时必须看到，旺盛的市场需求也是重要原因。特别是加工工业对原材料市场需求仍然较大，拉动了原材料价格上涨。 2003年以来基础工业（尤其是能源和原材料工业）增长加快，基本上是加工工业拉动的结果。近年来，我国工业生产出现了严重性的结构失衡，尤其是加工工业与基础工业、基础设施的结构失衡。2003年以来投资过度扩张和加工工业的高速增长，导致了与基础工业和基础设施的结构矛盾，电、煤、铁矿石、柴油、运输等方面出现了紧张状态，形成了一定的瓶颈制约。这种结构失衡，瓶颈制约加深，将影响经济增长的质量，导致产能过剩、产品过剩、以及经济增长过程的波动。 所以研究加工工业以及影响加工工业产品出厂价格的因素对于研究整个国民经济的发展具有重要的意义。 问题的分析： 价格是国民经济的“晴雨表”,所以我们从价格方面入手对加工工业进行研究。根据我国国民经济行业分类标准，加工工业主要是对采掘业和农业所生产的原料进行加工或再加工的工业部门的总称。工业品的出厂价格指数是反映一定时期内工业产品出厂水平的变动趋势和程度的相对数。该指数可以观察出价格变动对工业总产值及增加值的影响。由此可以看出我们选取加工工业产品出厂价格指数作为研究对象是具有经济意义的。 由西方经济学理论可知产品价格与要素市场价格有很大相关性。 当除产品价格以外的因素发生变化时，供给曲线会发生移动改变均衡价格。例如上图所示，当生产成本提高时，供给曲线向左平移。假设需求曲线没有发生变化，则供求均衡点也会随之改变。 根据成本定价原理可知产品的出厂价格在一定程度上是受产品生产成本影响的，而从西方经济学角度来讲，成本主要是指要素成本，其中最重要的生产要素是劳动，土地，资本。对劳动要素的价格主要考虑劳动者报酬，我们选取加工工业劳动者平均工资。对于土地要素，由于它较稳定，长时间不会发生变化，我们将其作为常数考虑，不用引入变量对它进行分析。对于资本要素来说主要分为不变资本和可变资本，不变资本我们考虑引入生产资料类工业固定资产投入，可变资本我们考虑引入燃料动力类产品购进价格、黑色金属材料类产品购进价格、有色金属材料类产品购进价格、木材及纸浆类产品购入价格。 数据的收集及整理： 根据既定方案，我们收集了相应的数据资料，主要参考1996年和2003年的《统计年鉴》，我们找到了1989-2002年间相关数据。（具体数据资料见附件一） 模型建立及求解： 通锅对各个变量进行折线图（附件二）分析，我们认为各因素对加工工业产品出厂价格的影响呈线性关系。在此基础上，我们建立了如下模型： 通过用Eviews分析软件对方程进行初步拟合，发现T统计量和F统计量均不显著，有可能是因为变量过多，受多重共线性和异方差的影响。为了消除这种影响，我们采用向后剔除法对模型进行改进，剔除了T统计量较不显著的变量：，，，，修改后得到的模型如下： （-0.998766） （1.868494） （1.809778） (6.769082) Eviews输出结果见附件三 该模型的拟合图形如下： 从图形上可以看出拟合效果是较好的。 我们对模型进行了多重共线性的检验， T统计量和检验整体拟合程度的F统计量值综合效果都不错，从两个统计量的值可以看出模型整体的多重共线性不显著。 对异方差的检验，我们采用了ARCH检验（输出结果见附件四） 从输出的辅助回归函数中得，计算， 所以我们接受原假设，表明模型中随机误差项不存在异方差。 对自相关进行了检验，我们采用LM test检验（输出结果见附件五） 从输出的检验结果来看，=0.036827， 所以我们接受原假设，模型的随机误差项不存在自相关。 从多重共线性，异方差检验和自相关检验的结果来看，此模型拟合的较好。 在通过了计量经济学的一系列检验后，再将模型进行经济意义的检验。 与Y呈正向相关关系，每增加一个单位的,Y增加0.193830个单位。表示化工原料类产品购进价格指数每增加一个单位，加工工业产品出厂价格指数增加0.193830个单位。 与Y呈正相关关系，每增加一个单位的，Y增加0.239521个单位。表示全工业劳动者平均报酬指数每增加一个单位，加工工业产品出厂价格指数增加0.239521个单位。 与Y呈正相关关系，每增加一个单位的，Y增加0.633510个单位。表示工业固定资产投入指数每增加一个单位，加工工业产品出厂价格指数增加0.633510个单位。 为了分析 、、对Y的影响程度，对模型进行了中心化处理，得到了如下方程： （1.969565） （1.907673） （7.135239） 由此可以看出工业固定资产投入指数的购进价格指数对加工工业产品出厂价格指数的影响最大，这也符合实际。化工原料作为加工工业的基础原材料，对的变化有显著的直接作用。 全工业劳动者平均报酬指数的变化对加工工业产品出厂价格指数影响也较大，因为加工工业的劳动者报酬占了生产成本相当大的比重，所以劳动者平均报酬的变化会直接反映在产品出厂价格的浮动上。 模型评价： 此模型还存在一些不足，由于只能找到1989年——2002年有关方面的准确数据，导致截取的样本数太少，而自变量太多，拟合效果受到一定的影响，在有条件的情况下可以使用以后年份的数据对模型进行检验和修改。 在最后得到的模型中，各个变量参数的T统计量的数值较小，这说明各个解释变量对被解释变量不是非常显著，一方面是受到样本个数的影响，另一方面也反映了模型设置上的缺陷。由于时间和知识上的限制，我们目前还无法将其进一步改善，希望随着学习的深入能解决上述问题。 虽然存在缺陷，但本模型也有其优势。模型的多重共线性，异方差和自相关都不显著。 经过对Y值与各个变量的拟合最后得出的结果显示，我国加工工业产品的出厂价格指数与工业固定资产投入价格指数关系最密切，化工原材料类产品购进价格指数与全工业劳动者平均报酬指数对工业产品的出厂价格也有一定的影响。这是比较符合现实生活中的经济情况的。 总的来说，这次的拟合过程是比较成功的，取得了较为理想的拟合结果，最后得到的方程在经济意义方面还是比较符合我国国情以及实际情况的。 参考文献： 《计量经济学》 庞皓 李南成 西南财经大学出版社 《微观经济学》 平狄克 鲁宾费尔德 中国人民大学出版社 《中国统计年鉴（1996年）》 中国统计出版社 《中国统计年鉴（2003年）》 中国统计出版社 附件： 附件一 年份Y 1990102.5110.7103.997.295.699.4114.2100.0115.2 1991103.8112.9112.5101.299.8105.6109.5109.5101.2 1992107.4116.4114.5112.4102.6102．0113.3115.3118.8 1993122.7136.7174.1115.8114.3128.6123.2126.6140.9 1994111.1118.0103.8110.7111.7115.1132.9110.4114.3 1995112.0108.798.2128.3127.2115.8124.2105.9102.6 1996104.1110.299.392.498.0101.9111.6104.0102.5 199798.1109.397.496.297.1100.9107.0101.799.7 199896.899.195.188.393.696.7110.699.898.6 199997.1100.994.798.997.6100.4108.399.698.8 200098.6115.4100.9110.3105.699.8111.5101.1101.5 200198.1100.2100.595.698.4100.4113.5100.498.6 200297.7100.198.296.597.598.7113.3100.298.2 附件二： 附件三 Dependent Variable: Y Method: Least Squares Date: 11/09/04 Time: 17:26 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C625.4751173.97113.5952810.0088 X4-0.3808030.072899-5.2237040.0012 X50.7467820.0829838.9992670.0000 X80.3458930.0740694.6698580.0023 X90.2117510.0457634.6270720.0024 X10-0.3098250.086279-3.5909810.0088 R-squared0.991777 Mean dependent var103.8462 Adjusted R-squared0.985903 S.D. dependent var7.722113 S.E. of regression0.916861 Akaike info criterion2.968316 Sum squared resid5.884436 Schwarz criterion3.229061 Log likelihood-13.29405 F-statistic168.8459 Durbin-Watson stat2.054676 Prob(F-statistic)0.000000 附件四 Dependent Variable: Y Method: Least Squares Date: 11/09/04 Time: 17:35 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C989.3941331.14592.9877890.0136 X10-0.4809600.164385-2.9258060.0151 X60.7088720.06941510.212080.0000 R-squared0.942640 Mean dependent var103.8462 Adjusted R-squared0.931168 S.D. dependent var7.722113 S.E. of regression2.025964 Akaike info criterion4.449143 Sum squared resid41.04530 Schwarz criterion4.579515 Log likelihood-25.91943 F-statistic82.16860 Durbin-Watson stat2.636670 Prob(F-statistic)0.000001 附件五： Breusch-Godfrey Serial Correlation LM Test: F-statistic0.133824 Probability0.876929 Obs*R-squared0.478756 Probability0.787117 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 11/11/04 Time: 22:08 Presample missing value lagged residuals set to zero. VariableCoefficientStd. Errort-StatisticProb. C1.75219812.502390.1401490.8925 X50.0118600.1207090.0982500.9245 X80.0122640.1069740.1146420.9119 X7-0.0367890.163571-0.2249100.8285 RESID(-1)-0.0537440.405316-0.1325970.8982 RESID(-2)-0.2211710.431271-0.5128350.6238 R-squared0.036827 Mean dependent var-6.49E-16 Adjusted R-squared-0.651153 S.D. dependent var1.882583 S.E. of regression2.419066 Akaike info criterion4.908678 Sum squared resid40.96318 Schwarz criterion5.169424 Log likelihood-25.90641 F-statistic0.053530 Durbin-Watson stat1.412275 Prob(F-statistic)0.997354
