-
四川省就业状况计量及经济分析_经济学毕业论文
四川省就业状况计量及经济分析_经济学毕业论文 四川省就业状况计量及经济分析 关键词：就业率、就业增长不平衡、就业结构畸形发展、就业解决方法。 一.导论： 摘要:中国有近13亿人口，是世界上人口最多的国家，解决就业问题任务繁重、艰巨、紧迫。2003年，中国城乡从业人员达到74432万人，其中城镇25639万人，占34.4%，乡村48793万人，占65.6%。1990至2003年，全国共增加从业人员9683万人，平均每年新增745万人。 四川省是人口大省而且地处经济落后的西部，就加大了四川的就业难度。对四川省就业情况进行分析,了解成因，以解决实际问题，以求达到就业最大化。四川人口众多，总人口从1952年的4628.5万人到2001年的8436.6万人增长了0.76倍。劳动力资源从1925年的2417.07万人到2001年5498.3万人，增长了1.27倍，劳动力资源的增长速度比总人口增长速度快，这种情况充分说明四川是一个劳动力资源丰富的省份。劳动力资源充足,由于各种因素的限制，四川的就业状况不容乐观。尽管2003年，四川本地生产总值(GDP)达5456.3亿元，列全国第9位，西部第1位。地方财政收入列全国第9位，西部第1位。四川经济总量占西部地区总和的23.9％，在西部具有举足轻重的地位。但是，由下图可看到四川的就业率在近几年来日趋下降。 由于经济发展水平较低，城镇人口绝对数量庞大，四川城镇就业也不充分。伴随着我省产业结构的调整、经济体制及经济增长方式的转变，单位经济增长对劳动力就业的贡献及单位投资提供的就业岗位均呈快速下降趋势。近年来，随着改革的不断推进和买方市场的形成，企业多年累积的隐性失业显性化，冗员问题严重，下岗职工数量较大，使得我省近年就业压力不断增大.从1978年改革开放以来，失业率呈一种“微笑曲线”的态势。 二、计量经济分析 城镇登记失业人数自1978年改革开放以来到1983年减少幅度大。由于我国进行经济体制改革后，失业人数又开始回升，但是失业率与1978年比较减少了6.4个百分点。我省城镇就业出现这种情况，可以从以下几个方面进行分析。 首先分析在城镇存在的主要是工业类第二产业和以提供服务等为主得第三产业。 4-1 主要年份按三次产业分的从业人员 (年末数) 劳动力资源总数从业人员 构成（合计=100） 年 份 (万人)(万人) Y 第二产业X1 第三产业X2 第二产业 第三产业 19783932.51 3087.02 279.50 283.31 9.1 9.1 19793989.26 3143.54 297.20 309.06 9.5 9.8 19804121.09 3259.78 309.24 312.51 9.5 9.6 19814253.63 3347.61 328.12 328.79 9.8 9.8 19824394.80 3467.51 333.31 329.47 9.6 9.5 19834546.67 3564.59 339.58 349.00 9.5 9.8 19844635.00 3643.11 371.09 414.01 10.2 11.4 19854780.29 3742.97 491.67 426.35 13.1 11.4 19864900.05 3885.74 539.42 460.35 13.9 11.8 19874916.07 3967.27 574.25 466.75 14.5 11.7 19884886.59 4090.08 600.19 503.83 14.7 12.3 19895063.11 4217.57 583.58 547.16 14 12.1 19905223.60 4304.25 578.08 567.28 13.6 12.3 19915439.51 4454.96 602.81 661.32 13.6 14.3 19925483.32 4539.83 636.79 702.84 14.1 15.1 19935242.81 4565.96 744.98 712.92 16.3 15.5 19945264.43 4580.05 728.46 814.12 15.9 17.9 19955246.98 4606.85 893.39 866.64 19.3 19.1 19965372.10 4609.69 913.04 820.79 19.7 18.1 19975367.90 4617.57 910.58 834.58 19.6 18.5 19985392.33 4533.73 823.85 885.48 17.9 21.4 19995430.00 4482.31 633.82 1101.41 15.2 25.8 20005460.20 4435.75 641.82 1150.58 14.7. 28.6 20015498.30 4424.02 647.56 1180.62 15.6 28.8 200259354667.6763.931368.1916.429.7 对以上样本书数据收集以便进行计量经济分析： 19783932.51279.5283.31 19793989.26297.2309.06 19804121.09309.24312.51 19814253.63328.12328.79 19824394.8333.31329.47 19834546.67339.58349 19844635371.09414.01 19854780.29491.67426.35 19864900.05539.42460.35 19874916.07574.25466.75 19884886.59600.19503.83 19895063.11583.58547.16 19905223.6578.08567.28 19915439.51602.81661.32 19925483.32636.79702.84 19935242.81744.98712.92 19945264.43728.46814.12 19955246.98893.39866.64 19965372.1913.04820.79 19975367.9910.58834.58 19985392.33823.85885.48 19995430633.821101.41 20005460.2641.821150.58 20015498.3647.561180.62 20025935763.931368.19 利用eviews进行参数估计 Dependent Variable: Y Method: Least Squares Date: 11/28/04 Time: 09:48 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C3679.061135.420227.167740.0000 X11.2115720.3296933.6748460.0013 X20.9239880.2112874.3731500.0002 R-squared0.852070 Mean dependent var4991.022 Adjusted R-squared0.838622 S.D. dependent var535.7784 S.E. of regression215.2323 Akaike info criterion13.69348 Sum squared resid1019149. Schwarz criterion13.83974 Log likelihood-168.1685 F-statistic63.35953 Durbin-Watson stat0.384009 Prob(F-statistic)0.000000 参数检验： 经济意义的检验：从以上的eviews数表得知四川省的就业情况是工业类第二产业和以提供服务等为主得第三产业，这两个产业对四川省的就业情况影响巨大，这与实际现实是相符的： 统计推断检验：从估计的结果可以看出，可决系数为0.852070，模型拟合情况比较理想，系数显著性检验T统计量为：3.67和4.37，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=23下的临界值为2.063，因为3.67和4.37大于2.063，所以拒绝原假设。表明GDP对财政收入有显著性影响。 计量经济检验： 多重共线性检验：由于此模型有两个解释变量，可能存在多重共线性，故计算解释变量之间的简单相关系数： X1 1.000000 0.744151 X2 0.744151 1.000000 可见简单相关系数并不是很大，所以可以认为不存在多重共线性； （2）异方差检验： 图示法检验： ARCH检验： ARCH Test: F-statistic4.038990 Probability0.023273 Obs*R-squared8.851267 Probability0.031335 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/28/04 Time: 10:49 Sample(adjusted): 1981 2002 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C18375.5013698.521.3414230.1965 RESID^2(-1)0.7921970.2332943.3957080.0032 RESID^2(-2)-0.5134620.265272-1.9356050.0688 RESID^2(-3)0.1698210.2216780.7660700.4536 R-squared0.402330 Mean dependent var33510.36 Adjusted R-squared0.302719 S.D. dependent var50087.54 S.E. of regression41824.79 Akaike info criterion24.28333 Sum squared resid3.15E+10 Schwarz criterion24.48170 Log likelihood-263.1166 F-statistic4.038990 Durbin-Watson stat1.947884 Prob(F-statistic)0.023273 obs*-squared为8.851627大于临界值7.81，所以拒绝原假设H0，表明模型中随机误差项存在异方差。 （3）自相关检验： 图示法 ： 可见存在自相关的现象； DW检验法：由DW=0.38，查DW表，n=23,k’=2,查得两个临界值分别为：下限DL=1.168，上限DU=1.546，因为DW统计量为0.38DL，根据判定区域知，这时随机误差项存在正的一阶自相关。 d:修正 异方差的修正； Dependent Variable: LY Method: Least Squares Date: 11/28/04 Time: 11:11 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C6.8795970.12387055.538680.0000 LX20.1329360.0305454.3520780.0003 LX10.1240560.0387143.2044570.0041 R-squared0.905717 Mean dependent var8.509571 Adjusted R-squared0.897146 S.D. dependent var0.111651 S.E. of regression0.035807 Akaike info criterion-3.709158 Sum squared resid0.028208 Schwarz criterion-3.562893 Log likelihood49.36448 F-statistic105.6700 Durbin-Watson stat0.471621 Prob(F-statistic)0.000000 根据以上结果二量经济分析。6馆系供服务等为主得第三产业。
-
试析加强安全信息系统建设与生产安全事故预控_经济学毕业论文范文
试析加强安全信息系统建设与生产安全事故预控_经济学毕业论文范文 论文摘要：在现代信息，搞好安全信息对安全生产起着非常重要的作用，在实际工作中，需建立有效的安全信息系统，抓好安全信息的反馈和事故预测，使安全信息切切实实地为安全生产服务。 论文关键词：安全信息；系统建设；事故预控 安全信息是企业安全生产过程中一项十分宝贵的资源。在现代化的生产条件下，要有效地控制事故的发生，必须依赖于安全信息，安全信息犹如企业安全管理的“神经系统”，安全信息失灵，就会引起企业安全生产的混乱，甚至瘫痪。由此可见，安全信息在安全管理中占有举足轻重的地位。 1 安全信息的作用 （1）安全信息是企业进行安全管理活动的重要基础。安全管理计划措施的正确与否，安全生产指挥、处理是否得当，安全与生产是否协调一致，很大程度上依赖于安全信息的可靠性与纯真性。如果信息提供的及时、质量高，安全计划措施越能切合实际，指挥处理失误越少，协调成功的机会越多。 （2）安全信息是安全决策、安全管理的客观依据。所谓安全决策是运用科学管理的方法，对企业存在的重大事故隐患、重大不安全问题提出最佳方案加以解决的过程。在安全决策的制定和执行过程中，存在着大量的不确定的随机因素，需要不断的地进行安全信息反馈，进行协调整改，使决策符合企业实际情况，有利于不安全问题的及时解决。 （3）安全信息是控制企业伤害事故的有效手段。安全信息的传递与处理，都是为了控制企业事故的发生，达到安全生产的目的。控制的主要任务是把各种危险因素控制在人类可能接受的范围之内，控制在国家安全技术标准及局公司要求允许范围内。各类危险性一旦失控会产生严重后果。 2 安全信息反馈和事故预测预控 建立安全信息系统的目的在于加强安全信息的反馈，做好事故预测预控。事故隐患整改过程是一个系统调节反馈过程，每起事故隐患，不可能一次反馈调节，是控制危险因素及时消除事故隐患，实现安全生产的重要环节，我们的具体做法有以下几点： （1）制定安全信息管理办法，绘制企业安全信息控制、反馈的示意图，使广大干部、职工明确反馈渠道，懂得安全信息传递路线，确保安全信息传递路线，确保安全信息在生产过程中畅通无阻。我们每天调度交接班会，每月安全生产会上都要首先通报安全信息，并制定相应的安全措施，消除了事故隐患，公司每季、每年的第一个会是公司安委会，季度、年度安全工作，布置下一季度和年度安全工作，同时认真抓好落实，保证了安全。 （2）推行安全信息反馈单制度（即隐患整改通知单制度），分系统，按职责将事故隐患及时反馈到有关部门和单位，并遵循“三定四不推”原则，（即：隐患整改定整改时间、定整改单位、定责任人，班组能解决的隐患不推车间，车间能解决的隐患不推公司，公司能解决的隐患不推局，局能解决的隐患不推市。）限期整改，安全主管部门督促检查落实。 （3）公司安全信息反馈中心每周把收集或需要反馈的安全信息进行筛选整理，将典型事故案例，上级有关安全方面的指示，公司安全生产动态，当前安全工作的重点以及公司安委会对安全的有关决定，刊登在《安全简报》上，既为班组安全活动日提供了丰富资料，促进了班组安全活动日顺利开展，又宣传了安全信息知识，增强了职工的安全及信息意识。有效地推动了安全信息管理科学化规范化的深入发展。 （4）建立安全信息网络分析系统，进行网络的各种安全信息的输入，运用计算机网络信息管理系统，以季度、半年、年为单位，分别进行分析运算。通过对安全信息数据的分析，确定当前或以后一段时期的安全管理工作重点，作为部署季度、半年和年度安全工作的依据，把安全管理从传统的事后追踪变为事前控制。 （5）安全检查是安全信息管理系统成败之关键。建立安全检查表，安全检查表依据从危险源辨识和系统安全分析（主要是事故树分析）得到的事故隐患确定。要求设计岗位检查内容各异，表格形式通用的安全检查表，同时融安全检查和设备点检的要求于一表，以减轻工人负担。检查表的主要内容包括：检查项目，检查内容（包括其它新的内容）及标准，检查结果（包括备注）以及检查人和检查日期。各危险岗位的工作人员和安全员应严格按照检查表进行检查，及时将事故隐患反馈给安监部门。如果发现的事故隐患已由工作人员或车间内部自己解决，也需记入检查表内，并注明已得到整改。 （6）隐患整改是安全信息管理系统的最后实施体现。应该建立以安监、公安、机电设备、调度、货运、工艺六个专业部门为主体的隐患整改机制，凡属于设备、电气方面的信息，直接由机电设备部门解决，装卸工艺及装卸工属具方面的问题由工艺部门解决，这种按系统管理，分级负责的方法有利于充分发挥各专业部门的安全生产责任及其积极性。安监部门的信息管理系统，分系统、按职责将事故隐患制成各种专业报表，通过安全信息管理系统网络，及时反馈到有关部门，及时消除事故隐患，是实现安全生产的重要环节。 （7）进行综合治理，推行安全信息管理方法和安全信息计算机网络分析，决不能孤立地进行，还必须与加强基础安全管理相结合，同其他科学管理方法配套进行。几年来，在抓好安全信息管理的同时，我们还十分重视运用科学的管理方法搞好安全管理，并在此基础上，加强了对危险源点的控制，自始至终把安全信息管理置身于企业管理这个大系统中，力求与企业管理水平同步提高，取得较好成绩。 3 结语 当然，企业安全管理是一项非常复杂的系统工程，单凭建立安全信息管理系统一方面发展是不够的。还需要采取各种安全防范措施，提高作业人员的安全素质（安全操作技能和安全生产意识），增强职工执行安全操作规程和各项安全生产规章制度的自觉性和自我保护能力。只有这两方面都做到，才能搞好生产安全事故的防范控制。
-
农民人均收入影响因素分析_经济学毕业论文范文
农民人均收入影响因素分析_经济学毕业论文范文 农民人均收入影响因素分析 摘要：中国是一个农业大国，几千年传统的原始落后的农耕社会使得中国的农业发展滞后于全社会经济的发展。新世纪中国发展的关键在于解决九亿农民的发展问题，其实质就在于提高农民的实际收入。本文旨在通过从宏观的角度选择一些影响农民收入的重要因素，建立多元线性回归模型，通过对模型的分析，透析当今政府关于农业发展所出台的一系列措施，试图找到经济政策与客观经济现象之间的协调性。 关键词：“三农”问题 农民收入 国家关于农业的财政支出 全社会对农业的固定资产投资 农林牧渔业增加值 农业机械总动力 问题的提出：新一届的中央政府十分关注“三农”问题，“三农”问题的核心是农民问题，而农民问题的关键是农民收入问题。温家宝总理曾多次在公开场合提出要大力发展农业，繁荣农村经济，落实解决农民收入的问题。 （一）前几年中国经济长期处于疲软期，受到亚洲金融危机的影响，人民币被要求贬值，外资减少，为了促进经济稳步健康的发展，就要拉动内需，除了央行连续减息刺激消费之外，应该考虑到农村市场将是一个最大，最有潜力的消费市场，而增加农民的实际收入将是解决这一问题的关键所在。仅从需求方面来讲，80% 的农民的购买力在很大程度上影响着我国的国内需求水平。其传导机制如下：农民收入低下 农民购买力低下 国内有效需求不足 产品销售量少或增长缓慢 生产被迫压制 广大的非农人员的就业和收入也受到影响 经济增长缓慢。 （二）改革开放的二十多年间，中国各方面有了很大的发展，全社会的财富有了快速的原始积累，每个人都从中体会到了改革开放的巨大益处，但是同时我们也牺牲了一部分人的利益。其中农民的牺牲最大，农村的耕地越来越少，植被大量的被破坏，生存环境越来越恶劣，农民创收的来源也越来越少，城乡居民与农民的收入差距越来越大，处于弱势群体地位的种粮农户的经济收入增长几乎陷入停滞状态。而同时，粮食不断减产，国家的粮食储备问题已经提上了中央和地方各级领导的日程，是当前我们急需解决的问题。农村经济发展缓慢甚至呈后退趋势，农业在国民收入中的比重越来越小，对国家经济的影响地位越来越不显著。 （三）“谷贱伤农”。近年来粮食价格连年下降，导致一些粮食主产地的种粮农户被迫放弃种粮。虽说粮食的供求弹性很小，是生活必需品，而由于种种原因今年上半年粮价明显上涨，再加上对一些行业投资过热，整个经济已经完全走出了通货紧缩的阴影，反而是“轻微的通货膨胀”。粮价上涨是有积极意义的，但通货膨胀又直接降低了农民的实际购买能力。中国要实现全民奔小康并在本世纪达到中等发达国家的生活水平，提高农民的生活质量将是最棘手的任务。如何切实抓好农村工作，确保农村经济的良性高速发展，使农民收入得到显著提高，缩小城乡差异，将是政府的一个长远目标。 因此我们通过大量的阅读和资料收集整理，最终确定建立以下的模型浅显地分析一下影响农民收入的几大因素。 模型的建立 根据经济意义，农村居民家庭人均纯收入与很多因素有关，由于某些数据收集有困难，因此我们在选择变量时没有办法考虑周全。 1．考虑到农业受自然因素影响极大，是较为脆弱的产业，国家财政需予以较大支持来扶持保护农业发展，所以财政用于农业的支出必然是影响农村居民收入的重要因素； 2．近年来，全社会固定资产投资飞速增长，对三个产业层次造成不同深度的影响，全社会对农业的固定资产的投资也因此被纳入了模型； 3．我国农村正在向机械化、动力化迈进，农用机械总动力可作为代表农业机械化程度的指标以反映我国农业的现代化发展状况； 4．农作物总播种面积直接联系农产品产量，不需赘述，也是我们数据分析的重要变量。 5.这里我们引入的是农林牧渔的增加值而不是农林牧渔的总产值，主要是出于对可比性的考虑。 因此可初步设定模型为： Yi=C +β1X1 +β2 X2 +β3X3 +β4X4 +β5X5 +ui 其中，Yi为农村居民家庭人均纯收入（元）；X1为国家财政用于农业的支出（亿元）；X2为全社会固定资产投资总额（亿元）；X3为农作物总播种面积（千公顷）；X4为农用机械总动力（亿瓦特）；X5为农林牧渔业增加值（亿元）。变量采用年度数据，样本期为1978—2001年。 进行多重回归分析 根据样本观测值，用最小二乘法OLS估计参数值，运用Eviews软件，结果如下： Dependent Variable: Y Method: Least Squares Date: 11/08/04 Time: 12:11 Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C114.56381204.4640.0951160.9253 X10.2969730.2586071.1483570.2659 X20.0079470.0110570.7187430.4815 X3-0.0009320.008237-0.1131130.9112 X40.0145300.0421010.3451340.7340 X50.1083360.0177026.1198930.0000 R-squared0.996475 Mean dependent var957.5375 Adjusted R-squared0.995496 S.D. dependent var790.2424 S.E. of regression53.03387 Akaike info criterion10.99206 Sum squared resid50626.64 Schwarz criterion11.28657 Log likelihood-125.9047 F-statistic1017.743 Durbin-Watson stat0.950157 Prob(F-statistic)0.000000 将上述回归结果整理如下： Yi=114.5638 +0.296973X1 +0.007947X2 -0.000932X3 +0.1453X4 +0.108336X5 ( 1204.464) (0.258607) (0.011057) (0.008237) (0.042101) (0.017702) t= (0.095116) (1.148357) (0.718743) (-0.113113) (0.345134) (6.119893) R-squared=0.996475 Adjusted R-squared=0.995496 F-statistic=1017.743 由回归结果看出，尽管回归可决系数R-squared 值高达0.996475，回归效果很好，F值十分显著F-statistic=1017.743，。若稍加分析不难发现，除β5以外的估计量T值均不显著，绝对值都小于当α=0.05时的T统计量t0.05(24)=2.064；而且X3的系数估计与其经济意义相悖，因此可以推测这一回归模型存在多重共线性。 多重共线性的检验及修正 各变量的相关系数矩阵如下图所示： X3X1X2X4X5 X3 1.000000 0.922393 0.897961 0.838445 0.882387 X1 0.922393 1.000000 0.981592 0.953069 0.951673 X2 0.897961 0.981592 1.000000 0.959660 0.985148 X4 0.838445 0.953069 0.959660 1.000000 0.959675 X5 0.882387 0.951673 0.985148 0.959675 1.000000 多重共线性的补救措施有增加样本容量、利用先验信息改变参数的约束形势、数据的结合，变换模型形势、逐步回归等几种，这里结合实际情况采用逐步回归法，按照调整后可决系数最大原则保留因变量X1、X5、X4，修正后的模型为： Yi = -42.8194 + 0.1183* X5 + 0.4072* X1 + 0.0115* X4 （51.4414） （0.0080） （0.1033） （0.0340） t= (-0.8324) (14.8140) (3.9425) (0.3393) R-squared= 0.996336 F= 1812.805 X5为农林牧渔业增加值（亿元）； X1为国家财政用于农业的支出（亿元）；X4为农用机械总动力（亿瓦特） 用修正后的模型作出残差图如下： 由图示可以看出，模型的残差项存在系统性的扰动因素，拟合效果不好，所以推测可能是存在异方差性或是自相关性。 异方差检验及修正 针对随机变量，进行异方差检验。由于样本资料是时间序列，当可能存在异方差时用ARCH检验。假设：H0：ui为同方差性；Ｈ1：ui为异方差性。检验时取P=3 ARCH Test: F-statistic1.567805 Probability0.233834 Obs*R-squared4.550976 Probability0.207788 Obs*R-squared=4.5509767.81,表明中随机误差不存在异方差，接受H0假设。 4．自相关性检验与修正 我们知道在时间数列数据中，经济变量的运行往往存在着一种变化趋势，表现在随时间前后期的相互关联上所形成的惯性，这样会产生自相关性。而且我们这里有农林牧渔业增加值这一变量，在微观经济学中，某种农产品的供给量受前一期价格的影响，称为蛛网现象也会使得回归模型中的随机误差项产生某种自相关性。所以接下来对模型进行自相关检验。 画出残差项的散点图，以察看是否存在序列相关： 由图示可知存在系统反应，误差项ui可能存在正自相关。 故下面用D-W检验法进行比较精确的检验，得到模型估计结果中的DW统计量值： Durbin-Watson stat1.202187 由于解释变量个数为3，样本容量为23，查表得dl=0.858 du=1.407，不能确定存在自相关。 或许随着样本容量的扩大无决定区域会变小，从而可以判定自相关性。不妨先假设存在自相关性，继而对其进行修正（用Cochrane-Orcutt法估计）： Dependent Variable: Y Method: Least Squares Date: 11/08/04 Time: 12:34 Sample(adjusted): 1979 2001 Included observations: 23 after adjusting endpoints Convergence achieved after 19 iterations VariableCoefficientStd. Errort-StatisticProb. C-320.1844208.0425-1.5390340.1412 X1-0.0154070.113362-0.1359130.8934 X40.1381760.0634372.1781620.0429 X50.1258550.0174167.2263330.0000 AR(1)0.8524350.1751684.8663860.0001 R-squared0.998078 Mean dependent var993.3609 Adjusted R-squared0.997651 S.D. dependent var787.8255 S.E. of regression38.18327 Akaike info criterion10.31233 Sum squared resid26243.32 Schwarz criterion10.55918 Log likelihood-113.5918 F-statistic2336.905 Durbin-Watson stat1.443289 Prob(F-statistic)0.000000 Inverted AR Roots .85 Durbin-Watson stat=1.443289〉du=1.407，表明修正后的模型没有自相关性。 模型的经济意义分析和实际联系 通过对模型的最终修订，我们可以看出，影响农民收入的因素主要有以下几个方面。 农林牧渔的增加值 对于没有外出打工的农民来说，他们的收入主要来源还是在于农林牧渔的收入，所以这部分的增加值将是影响他们收入最主要的因素。 1．增产问题是农业根本的问题。首先，农户应该掌握更多的农业科学知识，并且在实际的农活中运用科学技术和现代化的机器设备。其次，国家应该组织更多的专业人才致力于旧品种的改良和新品种的开发，提高粮食的产量。再次，在粮食生产和流通领域，要想保障种粮农户的正常经济收益，不仅需要政府采取以“多给、少取、搞活”为中心的深化粮食生产和流通体制改革的政策，而且有赖于农民自己利益代表者的培育及其经济组织的发展与壮大。 2．目前农民的很大一部分收入来源于种植经济效益比较显著的蔬菜、水果、花卉等，但是由于这部分产品存在差异性，可替代性高，盲目重复投入会导致产品过剩，销路不好等问题。解决这方面的问题，关键在于提升农产品的附加值，拓展销路。目前，有许多地方的农户联合起来形成市场统销，防止农户之间的恶性竞争，同时大力拓宽销路，一些有条件的农户成立农产品初加工公司甚至是深加工公司，形成一定结构的产业链。既解决了积压产品的销路，同时为农民在闲时提供了更多的创收机会 。 3．合理发展林业，正确处理经济林和原始林区之间的关系，保证生态环境的前提下，通过对经济林的开发，一方面增加农民的收入，另一方面改善目前已经被破坏的生态环境，保护植被，保护耕地。对于牧业，关键在于处理好草原的合理利用和开发。 4．近几年，在农村渔业发展很快，已经出现很多小规模的专业养鱼户，他们通过开发农田和池塘，建立了初具规模的养殖基地，获得了很大的收入，同时也为城乡居民提供了更丰富的生活物质产品。 国家财政对农业的支出 从模型来看，国家对农业的财政支出是影响农村经济发展相当重要的一个因素。 1．对基础建设的投资。 国家财政对农业的支出，主要还是用于基础建设上。在国家积极财政政策的有效促进下，农村基础设施建设在短时间已经取得了明显成效。国家的投入主要集中在水利，电力，交通等方面。根据中央的一号文件精神指示，今年国家加大了对农业的财政支出，达到了历史的最高点。 （1）新修大量的水利工程，在干旱地区重点放在灌溉工程，容易发生水灾的地区则新修和改建了原有的防涝体系，减少了由于自然因素给农业收入带来的极大的不确定性，一定程度上改变了“靠天吃饭”的传统农业状况。 （2）改造农村电网，改革农电管理体制，实现城乡同网同价。在农网的“两改一同价”方面，全国农网建设与改造已累计完成工作量约1600亿，完成110千伏变电站1100多座，线路2万多公里，35千伏变电站5600多座，线路5万多公里。约有1500个县全部完已经下达的农网改造投资计划。 农村电价的大幅度降低，有效地减轻了农民负担。仅是农网改造就使农民的开支降低了400 多亿。通过对农村电力管理体制的改革，整顿了农村电价，取消了各种乱收费以及乱加价，进一步降低了农户在用电方面的支出。 （3）俗话说，“要致富，先修路”。在农村公路建设方面，“九五”期间，中央和地方加大了对农村公路尤其是中西部地区农村公路建设的扶持力度，资金投入不断增加，建设力度 逐年加大，“九五”期间，累计完成投资约1400亿。改善了农村道路状况，完成了国家级贫困县与国道，省道连接线的建设。 国家加大了对基础设施的不断完善的力度，为农民的增加收入创造了有利的外部条件，很多地方的农民实实在在的受益。但是，由于基础性建设的见效时间比较长，投入的效率相对较低，远没有农户自己投入到农业中的资金成效高，对于现实的当地农村经济的拉动效果并不十分明显，加上有些地方官员对基础性建设的重视主要是出于搞好政绩的目的，所以一些所谓的“为民服务工程”实质是“政绩工程”，对一些基础设施的重复投入造成基础设施的浪费和财政支出的沉重负担。 2．其他投资 国家加大了扶贫资金的投入。从1994年3月《国家八七扶贫攻坚计划》的公布实施开始，国家投入了大量的资金用于解决全国8000多万的贫困人口的基本问题，通过阶段性的攻坚，使国家1993年新确定的592个贫困县的绝大多数贫困户的人均收入达到500元以上（以1990 年的不变价格为基准），国家不仅要提高农民收入，加大转移支出的力度，但还不仅仅只是给钱，还要为贫困地区创造较为稳定的解决温饱的基础条件，改善其基础设施和逐步改变教育文化卫生的落后状况。 2001年国家确立了“西部大开发”的长远目标，也是力在加大对西部地区的扶持与改革，国家一方面增加了西部地区的财政投入，另一方面在政策上也相应出台了一系列的政策法规支持西部的开发与建设。 目前，很多农村仍然相当落后，自然条件恶劣，农民的收入来源单一，难以找到创收的新来源，地方政府引进资金困难，农民收入增加缓慢。国家对这些地区将给与政策上的更多的优惠和鼓励，并投入更多的资金用于改造水利，电力和交通等方面，加大教育经费的投入，加大对中西部地方政府的转移支出，多方面的措施旨在提高农民的实际收入。 农村机械化 农村经济不能快速发展，其中制约的一个重要因素就是农村机械化的程度。几千年传统的农业生产模式，已经完全不能适应目前的发展，但是农村机械化的进程却相当缓慢。关键还是因为农产品的价格一直被压抑和低估，没有形成一套完善的市场价格体系，而与农业相关的工业产品附加值太高，远远超过了农民的承受能力。此外，农村现有的基础设施，与新兴的机器设备不能配套，没有条件运用。再加上许多农民文化程度不高掌握的科技知识有限，他们还没有引进新机器设备的意识，也没有实际的操作能力。解决这个问题，需要从以下两个方面入手： 一方面需要提高农产品的收购价格，提高农民的收入，例如对粮食小麦等农作物的收购实行保护价格；同时降低相关农业的工业生产品的价格，降低引进高科技农业机械设备的投入，这方面国家可以对这种企业给予优惠的税收以及相关的扶持，并且改革现有的农村信贷政策，加快对农村信用社的改革步伐，为处于弱势的中小农民提供相对宽松的信贷平台，扶持农民自发的农业改革。 另一方面，应该加大对农村教育的投入。提高农民的文化水平，加强对农民的科普知识宣传的力度，普及相关的科技知识，提高农民对农业机械设备的认同度和接受率，在政府的指导下，逐步的引进农业机械设备，实现农业的现代化，提高生产效率。 综上所述，目前影响农民收入的因素有很多，有农民自身的投入，国家相关的宏观政策以及政策的具体实施和操作，以及全社会对于农业的重视 。我们相信，三管齐下，中国农业长期的落后状况将得到缓解和改善，农民的实际收入将得到提高，九亿农民的利益将得到切实的保障，中国的经济也将逐步走出困境，获得新一轮的高速稳健的腾飞。 模型设计的缺陷 由于我们的水平有限，再加上时间仓促，在模型的设定上存在以下几方面的问题： 许多影响农民收入的因素未能在模型中得到体现。 第一，在建立模型的初期，我们试图引入进城打工的农民工数据来解释目前农村劳动力的转移给农民实际收入带来的提高，但是数据的收集十分困难。我们又想到利用非农业人口在总的农民中所占比重作为替代变量来进行变量的引入。在对模型的初步拟合中，对于非农人口在农民中的比重这一重要变量 ，我们通过多重共线性检验，异方差检验、自相关性的检验以及相应的修正，均不能改变模型中解释变量关于因变量的系数的符号，拟合结果与现实的经济意义相悖，最终我们放弃了这一变量的引入。 然而在现实的经济中，目前已经有很大一部分农民的主要收入来源于外出打工，今后农民增收的一个主要途径就是向城市转移，向城镇扩散，但是农村剩余劳动力的城市化进程又有多方面的实际操作性难度。国家也已经出台了相应的许多政策措施来加快农村剩余劳动力的向外转移。例如取消户籍制度，严惩拖欠农民工工资的单位等 ，加大对农民工的社会保障等。 第二，增加农民收入，相应的，就应该减轻农民的负担。其中最重要的就是要改革农村税制，降低农民的税收负担，中央实行了农村税费的改革。2002年的3月2 日开始在安徽等省进行农村税费改革试点，并在全国推广。同时改革乡镇机构，大力精简人员等。但是这类宏观指标很难得到具体详实地数据，所以在模型中也没能得到体现。 模型中引入的变量有一定程度的重复性。全社会的固定资产投资中很大一部分还是来源于国家财政的支出，引入该变量时欠缺严密的考虑。 由于我们的理论和实践知识都很有限，认识问题的角度也比较片面，在模型的建立与修正上，不能做到面面俱到，在模型分析上，也存在一定的问题。鉴于以上的模型缺陷，我们诚恳地希望读者能根据实际情况进行批评指正。 参考文献： 林毅夫 “三农”问题与我国农村的未来发展， 农业经济问题， 2003（01） 王小梅 对制约农民收入增长因素的分析，农村经济，2004（08） 刘进宝、刘洪 农业技术进步与农民农业收入增长弱相关性分析，中国农村经济2004（09） 何兰生 发展农村到底以谁为主 农村经济与科技 2004（09） 王玉霞、孔喜梅 农业弱质性的原因及对策 农村经济与科技 2004（09） 张红宇、王晖、江文胜 “三农”千头万绪增收才是硬道理 农业经济导刊 2004（09） 《2003 中国农村研究报告》 主编 农业部农村经济研究中心 《农业，农村，农民前沿问题报告》（2003 版） 主编 毕泗生 《解决三农问题之路》 主编 武力 郑有贵 主要参考网站：中经专网 国研网 附：数据如下表 年份 为农村居民家庭人均纯收入（元）国家财政用于农业的支出（亿元）全社会固定资产投资总额（亿元）农作物总播种面积（千公顷）农用机械总动力（亿瓦特）农林牧渔业增加值（亿元） 1978133.6150.7150104.01175.01018.4 1979159.5150.3148477.01337.91258.9 1980191.3150.0146379.01474.61359.4 1981223.4151.3961.0145157.01568.01545.6 1982270.1151.81230.4144755.01661.41761.6 1983309.8152.51430.1143993.01802.21960.8 1984355.3153.01832.9144221.01949.72295.5 1985397.6153.62543.2143626.02091.32541.6 1986423.8184.23019.6144204.02295.02763.9 1987462.6195.73640.9144957.02483.63204.3 1988544.9214.14496.5144869.02657.53861.0 1989601.5265.94137.7146554.02806.74228.0 1990686.3307.84449.3148362.02870.85017.0 1991708.6347.65508.8149586.02938.95288.6 1992784.0376.07855.0149007.03030.85743.9 1993921.6440.512457.9147741.03181.76882.3 19941221.0533.016370.3148241.03380.39457.2 19951577.7574.920019.3149879.03611.811993.4 19961926.1700.422913.6152381.03854.713391.2 19972090.1766.424941.1153969.04201.614148.6 19982162.01154.828406.2155706.04520.814555.7 19992210.31085.829855.0156373.04899.614457.2 20002253.41231.532918.0156300.05257.414628.1 20012366.41256.334527.8155708.05517.215411.9 （数据来源：2003年中国农村统计年鉴） 缺失数据的处理： 由于各种原因固定资产投资在1978—1980年数据缺失，对此我们采用增长速度推算法，推算出1978-1980年固定资产发展速度约为1.21，并以此计算这三年的固定资产投资总额分别为：535.9（亿元）、651.1（亿元）、791.0（亿元）。
-
关于美国政府社会保障支出与失业的计量分析_经济学毕业论文
关于美国政府社会保障支出与失业的计量分析_经济学毕业论文 关于美国政府社会保障支出与失业的计量分析 选题意义：社会保障支出是各个国家政府最为重视的一项预算内支出，它不但是衡量一个国家福利水平的重要标志，也成为了服务型政府自身职能树立的外在表现，对社会保障的支出的不断扩大化起到了稳定经济的作用。因而，选此作题，除了要浅要探讨社会保障支出扩大化的原因，还要借此来说明发展中国家社会保障事业发展的根本源头。笔者选择了美国这样一个富裕的国家，因为它可以，并有能力代表众多的高福利国家，而又不失一般国家的社会特性，这也是为什么没有选择瑞士等高福利国家的原因，我希望，可以假借这样的分析，对比我国的社会保障事业，进而为其发展提供理论依据。 分析方法：结合定量分析和定性分析，并适当的配以图表来说明问题。 关键词：社会保障﹑失业率﹑政府保障支出﹑政府预算总支出。 涉及原理：1﹑ 计量经济多元回归方法和多重共线的处理原理。 2﹑ 政府的总支出不断扩大化原理。 3﹑ 马克思·韦伯的政策成本与制度成本理论。 4﹑ 财政学政府支出效率与公平原理。 5﹑ 社会学“Boston Matrix”（波士顿矩阵）理论。 6﹑ “ Interim Management” （过渡治理）理论。 7 ﹑“The psychological contrast”(心理契约)理论。 主要的参考资料：1996~2003年的美国社会年鉴。 “社会保障”，一个算不上时髦的字眼，却在世界各国都吸引了无数学者的眼球，而现在，伴随着社会的发展和经济的腾飞，“社会保障”和“社会福利”挂上了钩，正如福利经济学派所言：以后，哪个国家的福利支出（这里指社会保障支出）出现了问题，一定是政府在实现自己职能上出现了问题，并将引发一系列的社会对政府的抵制运动。由此可见，“社会保障”还不仅仅是“眼球词汇”，其还将在更长的时间里成为政府制定政策所无法逾越的一环。 基于这样的大环境下，让我们也来赶赶集，以学生的角度来看待“社会保障”事业发展的逻辑过程。从概念上而言，“社会保障”（以下简称：社保）包括得很广泛，笔者就以美国为例来看看其“社保”的内容和实质。在美国，“社保”包括了对其人民关于伤残﹑医疗﹑退休基金﹑年老﹑失业﹑意外事故等一系列的财政资金的补偿，可以这样说，这些政策的设计和运营都是面向全体美国人民的，按照财政学的解释，它们都是公共产品，因而，它们在实施过程中遵循公平原则的程度要远大于遵循效率原则的程度，所以，它将有效地反映政府投入的社会总福利的多少。但是，政府无论怎么急切地想为人民谋高福利，它的资金来源总是有限的，所以，我们的分析就从政府的资金来源着手。通过对比美国政府97~2002年的社会保障税的财年收入和社会保障资金的投入，我们不难得出以下的图示： (其中，X虚线：政府投向社会的社保基金总额 Y实线：政府向社会收取的社会保障税额 横轴：97~2000年财政年度） 我们不难看出，在97~2000年度中，每年的社保基金的投入额都在增加，而与此同时，政府向民众收取的保障税也在增多，并且，通过观察两条曲线的斜率，政府征收的力度的加大显然上要大于政府投入的力度的，这是与政策紧密联系的，另外，97~2000年失业人数与政府投入社保基金的关系图也可以有效的反映政府加大征收社保税的原因： （其中，X虚线：每年的失业人口 Y实线：政府的社会保障金投入额） 所以，综上所述，政府投入社保基金的数目不但与失业人数相关，还与当期社保收入相关，否则，就无法解释在上图中，在2001年度中，为何社会保障税在增加，社保基金投入在增加，而失业人数却突然上涨，因此，我们引进了另一影响因素，即上年政府资金节余。 从而，我们建立了以下模型： Y（政府社保支出）=β1+β2*X1（上期政府余额）+β3*X2（当期失业人数）+β4*X3（当期社保税收入） Dependent Variable: Y Method: Least Squares Date: 11/24/04 Time: 21:51 Sample(adjusted): 1997 2001 Included observations: 5 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C110.588424.058944.5965590.1364 X10.1049660.0668171.5709410.3609 X20.0157470.0083381.8887350.3100 X30.3335260.0707474.7143520.1331 R-squared0.998459 Mean dependent var424.9718 Adjusted R-squared0.993837 S.D. dependent var27.14141 S.E. of regression2.130765 Akaike info criterion4.341402 Sum squared resid4.540161 Schwarz criterion4.028952 Log likelihood-6.853504 F-statistic216.0044 Durbin-Watson stat2.869087 Prob(F-statistic)0.049966 通过数据的Eview处理得以下方程： Y=110.6+0.1*X1+0.01*X2+0.33*X3, 其中，只有X3，X2的T统计量是大于2.33的，而其他的都T统计量都没有呈现出应有的显著性，鉴于此，我们推断上期政府收支余额的关系及影响都对政府社保基金的支付不产生很大的作用，所以进而说明一个赏识判断的问题，即政府在社保方面的支出是不受政府赢余所左右的，在一定程度上，那些对于处在社会当中正急需政府支持的大众来说无疑是欣慰的。 此时，在前期分析的基础上，建立新的模型： Y（政府社保支出）=β1*X1（政府当期社保税收）+ β2*X2（当期失业人数）+ β3 Dependent Variable: Y Method: Least Squares Date: 11/24/04 Time: 21:54 Sample(adjusted): 1997 2001 Included observations: 5 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C134.664824.420715.5143690.0313 X10.4412360.02296119.216430.0027 X20.0031060.0028741.0807760.3928 R-squared0.994657 Mean dependent var424.9718 Adjusted R-squared0.989313 S.D. dependent var27.14141 S.E. of regression2.805764 Akaike info criterion5.184938 Sum squared resid15.74462 Schwarz criterion4.950601 Log likelihood-9.962345 F-statistic186.1511 Durbin-Watson stat3.435198 Prob(F-statistic)0.005343 由此可得： Y=135+0.4*X1+0.003*X2其中，X2项，即反映失业人数项的T统计量仍然不显著，因而我们更进一步考虑到或许政府在制定社保政策时遵循的因素不是失业人数，而是当年的失业率，所以模型最终的形式变成了如下的表达式： Y（政府社保支出）=0.54X1(当期社保税收)+2092X2（失业率） 其中，Eview视图如下： Dependent Variable: Y Method: Least Squares Date: 11/24/04 Time: 21:28 Sample(adjusted): 1997 2001 Included observations: 5 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X10.5389560.04922110.949660.0016 X22092.244675.31253.0981870.0534 R-squared0.918740 Mean dependent var424.9718 Adjusted R-squared0.891654 S.D. dependent var27.14141 S.E. of regression8.933873 Akaike info criterion7.506751 Sum squared resid239.4423 Schwarz criterion7.350527 Log likelihood-16.76688 Durbin-Watson stat1.767123 通过这样的计量分析，显然，社会保障基金的投入是与当年失业人口密切相关，却与当期的失业率有关，这才是政府在社会公平部门所依据的统计单位，并且这样的确立支出的方式与上一期的政府赢余是没有关系的，也就是说，在考虑到社会保障部门的大众利益需求，政府不会贸然地减少支出额度，所以，在美国政府经济发展的今天，尽管顶着巨大的总赤字，却仍然在不停地加大社会保障的支出，我们可以推断，这与美国政府体制是相关的，因为在一个高度发达的国家中，美国政府的经济积累时期早就过了，现在正在向着为民众提供高福利来实现自己的社会目标。 此时，反观中国政府的行为，我们就可以运用上述的计量模型来说明，现在还处在创业阶段的中国大环境在社会保障部门的投入也主要是来自相应的税收收入，从刚才的分析我们看出，每增加100元的收入，美国政府就向社会保障部门投入50元，中国的社保投入模型同样也有这样的乘数效应，所以中国政府在制定社保政策时应该主要制度成本的影响，如果在这样一个发展的大浪潮下，加大社会保障税的征收，无疑会反向的减少社会的总失业率，同时也会产生多投入社保基金建设的正循环良性效果，这也正是中国政府应当稳妥考虑的社会保障基金建设问题，毕竟我们的国家还不算富有，我们的民众还有徘徊在温饱边缘的人，毕竟我们还有太多的理由……，这一切一切是中国政府新时期的巨大挑战。 以下附本文计量运算所要的数据： 单位：十亿政府总支出政府社会保障支出上年政府收支余额社会保障税收就业人数单位：千人失业人数失业率(%)社会保障收支差 1997年1600.911393.309-21.957539.37112955867394.9146.062 1998年1652.224408.20270.039571.83513146362104.5163.633 1999年1704.942419.79124.36611.83213348858804.2192.042 2000年1788.045441.81236.993652.85113520856554211.041 2001年1863.909461.748127.021693.96713507367424.8232.219 2002年2052.32492.671-106.184708.035 N/A N/A N/A215.364
-
我国GDP增长与人民就业及生活水平的关系分析_经济学毕业论文范文
我国GDP增长与人民就业及生活水平的关系分析_经济学毕业论文范文 摘要：在中国经济发展重要阶段，对经济增长模式提出新要求的现在，我组本着经济以人为本的思想，通过对改革开放以来我国GDP增长与人民就业及生活水平的关系的分析，对我国原来的粗放型经济增长模式作出粗浅的考查，再联系现实情况，引出可持续发展的经济增长模式和绿色GDP。 关键词：GDP，名义GDP，实际GDP，绿色GDP，人民生活水平，消费，经济福利，就业人数，就业规模，投入，产出，资源，经济发展模式 一、引言 GDP产生于第二次世界大战之后，逐渐被世界各国所采用，是指一个国家在某一既定时期内所生产的最终物品与劳务的市场价值。它衡量一国的总收入与总支出①，其效应是多方面的，GDP的增长与人民物质生活得水平改善和丰富，就业情况的发展，国家的国际竞争力、吸引力及政治地位等有着密切的联系。被认为是社会经济福利最好的一个衡量指标。 我国改革开放以来二十多年，创造了国内生产总值年均增长超过8%的世界奇迹。然而GDP增长的原因很多，有必然原因，有偶然原因，有可持续性增长，有破坏性增长。对资源破坏性开发，对劳动力破坏性使用，都可能使GDP快速增长。GDP是经济运行的结果，这个结果只有定量意义，没有定性意义，不能反映经济运行的质量。经济要以人为本，在中国的经济社会发展处在一个十分重要关口，对经济增长模式提出新的要求的现在，我们有必要对改革开放以来中国经济增长与人民就业及生活水平的关系进行具体的分析。 模型的建立与修正 本文采用了1978-2002年的我国国内GDP、就业和平均工资的相关数据，数据主要来源于中国统计年鉴，如下表： 年份国内生产总值国内就业总人数职工平均工资 19783624.140152615 19794038.241024668 19804517.842361762 19814862.443725772 19825294.745295798 19835934.546436826 1984717148197974 19858964.4498731148 198610202.2512821329 198711962.5527831459 198814928.3543341747 198916909.2553291935 199018547.9647492140 199121617.8654912340 199226638.1661522711 199334634.4668083371 199446759.4674554538 199558478.1680655500 199667884.6689506210 199774462.6698206470 199878345.2706377479 199982067.5713948346 200089468.1720859371 200197314.87302510870 2002104790.67374012422 变量设定：Y:GDP值 :全国就业总人数 :全国的职工平均工资 1模型的设定 (1)初始模型： 最小二乘回归： (2)变换模型为对数模型： 用最小二乘法回归： lnY=-11.76329+1.338849ln+0.899991ln+ Se: (2.386913) (0.253883) (0.053772) t= -4.928243 5.273493 16.73724 =0.995761 =0.995375 F=2583.852 d=0.654905 可以看出：对数模型的拟合程度更好，具体分析对数模型拟合结果： 和都很接近于1,说明模型拟合优度较好。F值很大,说明回归方程显著。 在假定95%的把握程度下，即在=0.05的条件下，进行t检验： 假定 ：=0 ： 查表得，(22)=2.074，检验的t统计量均大于临界值，所以拒绝，接受，认为就业总人数对GDP的影响显著。 同理，参数β的t检验显著，认为职工平均工资对GDP的影响显著。 综上所述，模型的效果比较理想. 从模型可以看出：在职工平均工资不变时，全国就业总人数变化1%，GDP平均变动1.34%；在全国就业总人数不变时，职工平均工资变化1%，GDP平均变动0.8999%。 这说明了职工平均工资和全国就业总人数对GDP的影响显著，从图上也可以看出模型拟合曲线和实际值拟合得很好。 2、模型的检验： ⑴多重共线检验： 虽然从相关系数看，就业总人数和职工平均工资有较强的相关性，但是从变量显著性和方程显著性的综合判断来看，因为t统计量很显著，值接近1，F统计量很大；且从上图看，可以基本认为不存在共线性。 ⑵异方差检验： 样本数据为时间数据，采用ARCH检验异方差得： 在=0.05时，自由度P=3时，查(3)=7.81， Obs*R-squared=5.580167(3)=7.81，所以不存在异方差 从接下来的WHITE检验，也可以证明，检验如下： 在=0.05时，自由度n=4时，查(4)=9.48773， Obs*R-squared=8.743757(4)=9.48773，所以不存在异方差 ⑶自相关检验： ①图形法： 从残差图，可以基本判断存在自相关性 ②用DW检验自相关性： d=0.654905 =1.206 =1.55 n=25 k=2 因为DW小于，所以认为表明存在一阶正自相关，且正相关的程度随d向0靠近而增强。 3模型的修正（自相关性的修正）： ⑴采用迭代法修正： 在进行迭代的过程中，我们发现随着迭代的次数的增加，DW的值不稳定，当迭代第十一次的时候，尽管修正了异方差，但由于次数太多，所以认为修正的模型不是很有效。 ⑵考虑到GDP要受到过去就业总人数和过去职工平均工资的影响，所以采用库伊克模型来进一步修正。 假设原模型为： 暂不考虑职工平均工资，采用工具变量法拟合模型，如下： + ㏑=-46.79139+0.020287㏑+0.688266 ㏑+4.499711㏑+ Se: (2.386913) (0.253883) (0.053772) t= -4.928243 5.273493 16.73724 =0.995761 =0.995375 F=2583.852 d=0.654905 假设库克模型为： 库克模型：㏑=-2.76411+0.331543㏑+0.925602㏑+ Se: (3.753285) (0.396152) (0.063976) t= -4.928243 5.273493 16.73724 =0.995761 =0.995375 F=2583.852 d=0.654905 通过计算得α=-37.153，=0.331543 所以原模型为：㏑=-37.153+0.331543㏑+ 模型解释：从模型可以看出，在改革开放二十五年中，就业人数每增加1%，可使GDP平均增长0.33%，人均收入每提高1%，可使GDP平均增长0.48%。 ②模型的检验 H检验： = 计算得：因为根号下为负，所以H检验失效，模型效果较好。 (3) 不考虑就业总人数，采用工具变量法拟合模型 假设原模型为： ①：+ ㏑Y=1.147546+1.974327㏑+-0.536865㏑+ -0.308165㏑+ Se: (0.275007) (0.532105) (0.898075) (0.542939) t= -4.928243 5.273493 16.73724 =0.995761 =0.995375 F=2583.852 d =0.654905 库伊克模型： 库克模型：㏑=-0.670024+0.4706040㏑+0.568427㏑+ Se: (0.141959) (0.100439) (0.087086) t= 4.719843 4.739594 6.527196 =0.997041 =0.996712 F=3032.56 d=1.608249 通过计算得=-1.552553， =0.476040 所以原模型为：㏑=-1.552553+0.476040㏑ 滞后模型的检验： 德宾H检验：= 计算得：因为根号下为负，所以H检验失效，模型效果较好。 三、模型经济意义的解释 1所用模型：㏑=-37.153+0.331543㏑+ ㏑=-1.552553+0.476040㏑ 经济解释：就业人数对GDP的影响，主要从投资方面，就业人数的增加表明社会总的生产规模和生产投入的增加，规模与投入的增加会带来产出的增加，而GDP是衡量社会最终总产出的经济量，因此投资的增加引起的就业人数的增加必然要反映在GDP的增长之中。 人民生活水平对GDP的影响，主要从消费方面，人民生活水平的提高会增加人民的消费，构成GDP的部分其中最主要的一个部分就是消费（不包括政府消费）②，而且消费会产生消费乘数③，其对GDP的影响是非常显著的。 经济结论：由此可见，人力与资源的大量投入，通过扩大投入来扩大产出是我国经济增长的主要原因与手段。我国二十多年的经济发展确实为人民的生活水平带来了大幅度的提高，并且人民生活水平的提高对刺激经济发展也产生了重要的作用。我国改革开放以来的经济发展是比较成功的。 四、理论的扩充 GDP的增长可以分解为两方面的作用：经济生产了更多物品与劳务；社会以更高的价格销售物品与劳务。因此有名义GDP与实际GDP④之分。名义GDP用当年价格来评价经济中物品与劳务生产的价值，实际GDP用不变的基年价格来评价经济中物品与劳务生产的价值，消除了物价水平的变动对GDP的影响，反映了经济满足人们需要与欲望的能力。因此，实际GDP是比名义GDP衡量经济福利更好的指标。 模型中引用的GDP是名义GDP，还包括了物价水平的上涨带来的表面上的经济增长。如果人均收入水平增长的速度小于物价水平的上涨，则GDP的增长并不意味着人民生活水平的提高，经济发展是通货膨胀严重的不良发展，名义GDP在衡量经济福利上失去作用。我们在引用数据时，结合中国经济发展现实，即中国经济发展呈良性发展，通货膨胀率⑤较低，可以认为名义GDP在评价人民生活水平即经济福利时，没有失效。 五、模型的现实意义 模型通过研究就业人数对GDP的影响，可以反过来通过GDP的变化来预测中国就业规模的变化。其理论依据是：就业和经济增长是经济发展中两个紧密联系着的方面。一般地说，经济复苏和繁荣将增加对劳动力的需求，改善就业并增加劳动者报酬，并进而导致市场消费增加，物价水平上扬；反之，经济衰退将减少对劳动力需求，增加失业和减少居民收入并进而导致消费需求减少和通货紧缩。目前中国的就业情况很紧张，许多大学生找工作都成了困难，中国市场消耗不了中国充足的劳动力，这种预测可以作为宏观经济政策制定的参考，也可以我们大学生就业提供一种参考，是选择进入社会工作还是继续深造亦或是自己创业。当然这一预测只限于以后的几年，因为经济发展的情况和模式是在不断变化的，经济理论的适用都有特定的时期和状态，何况是模型，如在科学技术高速发展的时候，经济的增长就不一定带来就业规模的扩大，而是更多的反映在劳动生产率的提高上。但是这种思想是可以沿用的。 模型肯定和衡量了人民生活水平对经济发展的影响，这也是我国九八年实行一系列政策来拉动内需，刺激经济增长的依据。反过来，我们还可以通过GDP的变化来考察人民生活水平的社会经济福利的变化。 模型还表明通过扩大投入来扩大产出是我国经济增长的主要手段。联系有关资料：建国５０多年来，我国的ＧＤＰ增长了１０多倍，矿产资源消耗也增长了４０多倍。固定资产投资率长期保持较高水平，每增加１亿元ＧＤＰ需要的投资高达５亿元。去年我国消耗的各类国内资源和进口资源约合５０亿吨，原油、原煤、铁矿石、钢材、氧化铝和水泥的消耗量分别约为世界消费量的７．４％、３１％、３０％、２７％、２５％和４０％，而创造的ＧＤＰ仅相当于世界的４％。可见，我国还没有完全转变“高投入、高消耗、高排放、不协调、难循环、低效率”的粗放型经济增长方式。 虽然粗放型的经济增长模式曾为我们带来了经济的快速发展和人民生活水平的大幅提高，但我国的社会、环境等许多方面也付出了巨大的代价，能源浪费大、环境破坏严重等问题日益凸出。国家环境保护总局局长解振华在日前召开的中国环境文化促进会第二届会员代表大会上指出，按照现在的经济发展势头，到二0二0年实现国内生产总值翻两番不成问题，但如果继续沿袭传统经济发展模式⑥，资源将难以为继，环境将不堪重负。经济增长模式的转变已经提上日程。 转变经济增长方式，从增长的本来目的看是实现人的全面发展的本质要求；从近期看是保持国民经济持续快速协调健康发展的迫切需要；从长远看是实现全面建设小康社会目标的必然要求；从更广阔的视野看是人类社会实现可持续发展的理性选择。 2003年10月举行的中共十六届三中全会，明确提出要坚持“以人为本”，树立“全面、协调、可持续的发展观”，促进经济社会和人的全面发展。会议强调，发展要处理好“五个统筹”，即统筹城乡发展、统筹区域发展、统筹经济社会发展、统筹人与自然和谐发展、统筹国内发展和对外开放。 随着新的发展观的确立，绿色GDP⑦成为一个热门话题。中科院可持续发展战略研究组组长、首席科学家牛文元说，现在的GDP不能完全反映自然与环境之间的平衡，它将质量好的和坏的产出一视同仁地计算在国民财富之中，并认为资源和生态环境是自由财富，没有考虑资源的稀缺性与生态的退化，并且只记录了看得见、可以价格化的劳务，对其他对社会非常有贡献的劳务则视而不见。 他认为，中国的GDP数字里有相当一部分是靠牺牲后代的机会获得的。数据显示，1985年至2000年的15年是中国经济的高速增长期，GDP年均增长率为8.7%。但如果扣除损失成本和生态赤字，即自然部分的虚数和人文部分的虚数后，这期间中国的“真实国民财富”仅为名义财富的78.2%。这意味着，过去15年中国GDP的实际年均增长率只有6.5%。经济和社会呼唤绿色GDP，把资源成本和环境成本纳入国民经济核算体系，将会从根本上改变党政官员的政绩观，推动粗放型增长模式向低消耗、高利用、低排放的集约型模式转变，真正把可持续发展战略落实到经济建设的各个层面、各个领域。 但目前，实行绿色GDP面临现实的技术挑战。主要有两大难题：一个是资源环境的损耗与经济发展不同步。比如，工业污染引发的生态破坏和健康损失是污染发生之后逐渐显现的，再比如，物种的灭绝也很难把它归结为哪一项经济活动。另外一个难题是资源环境如何定价。 实行绿色GDP虽存在许多难题，但并非不可跨越。其重要解决思路和前提是资源、环境的产权明晰，有了产权就会有市场交易，定价问题自然就迎刃而解。综上所述，我国的经济发展模式以从粗放型开始转向经济与人口、资源可持续发展的模式。相应的提出了绿色GDP的衡量，虽然还存在很多待解决的问题，但我国的经济发展前路光明。 附注：①GDP既衡量总支出又衡量总收入是因为，对一个整体经济而言，收入必定等于支出。 ②GDP=C+I+G+NX （C：消费 I：投资 G：政府购买 NX：净出口） ③消费乘数=1/（1－b） (b：边际消费倾向) [补充：乘数原理：自主支出的改变能带来均衡国民收入成倍数的变化，其变化倍数的大小主要决定于边际消费倾向的高低。] ④实际GDP=∑Qi*P0i (Qi：某物品或劳务的当期产出 P0i：某物品或劳务的基期价格 i=1,2,……) [补充：GDP平减指数=（名义GDP/实际GDP）*100 衡量相对于基年价格的现期物价水平] ⑤通货膨胀率小于2﹪，认为无通胀，在2﹪与5﹪之间称为爬行的通胀，5﹪与10﹪之间为温和的通胀，10﹪与50﹪之间为两位数通胀，50﹪与100﹪之间为奔腾的通胀，大于100为恶性通胀。 ⑥经济增长方式是指推动经济增长的各种生产要素投入及其结合方式，其实质是依赖什么要素，借助什么手段，通过什么途径，怎样实现经济增长的问题。 ⑦绿色GDP即把资源成本和环境成本纳入国民经济核算体系的GDP。 参考书目：《经济学原理》第二版 曼昆著 《西方经济学原理》 西南财经大学出版 《计量经济学》 西南财经大学出版 《1992年中国统计年鉴》 《2003年中国统计年鉴》
-
通货膨胀的影响因素分析_经济学毕业论文范文
通货膨胀的影响因素分析_经济学毕业论文范文 通货膨胀的影响因素分析 文主要通过对通货膨胀进行多因素分析，建立以度量通货膨胀的商品零售物价指数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，对影响通货膨胀的各主要经济因素进行考察，说明它们对通货膨胀的影响程度，从而为我国避免严重的通货膨胀以确保经济的持续稳定发展提供理论依据。 关键词：通货膨胀 多因素分析 模型 计量经济学 检验 修正 一．问题提出 在中国经济高速增长的同时，一系列现象也值得我们深思，中国是否经济已经过热？投资增速过快，2003年全社会固定资产投资70073亿元，比上年增长26.1%，钢铁、电解铝、水泥行业过度投资愈演愈烈。货币信贷增长偏快，央行在2003年货币政策执行报告中曾预测2004年M2和M1分别增长17%左右，但是2004年2月末广义货币M2实际增长19.4% 狭义货币M1实际增长19.8%，明显超过了央行的预期。物价总水平继续上升，2004年居民消费价格指数，工业品出厂价格指数，原材料、燃料、动力购进价格指数较2003年都有3个指数点以上的增长。这些都说明我国面临着较大的通胀压力。通货膨胀的结果是严重的，不仅会扭曲商品市场的价格，使资源配置无效率，还同时会扭曲金融市场的价格，引起泡沫。 二．文献综述 1．货膨胀的意思是：物品和生产要素的价格普遍上升的时期。通货膨胀意味着一般价格水平的上涨。今天我们用价格指数即成千上万种产品的加权平均价格来计算通货膨胀。 （保罗·萨缪尔森《经济学》第十一版） 平均价格水平的上升，并不是任何一种特殊价格的上升。 （布拉德利·希勒《当代经济学》） 3．所谓通货膨胀率，实际上也就是物价指数（如居民消费物价指数）的年增长率。一般地，各国用以计算通货膨胀率的物价指数主要有消费物价指数（CPI）（或者零售物价指数RPI），批发物价指数（WPI）（或者生产者价格指数PPI），以及国内生产总值缩减指数（IPD）等三种。 （«通货膨胀问题研究»«中国物价»2005.01） 4．（一）从需求方面对通货膨胀进行分析，选择宏观经济变量：工业总产值，固定资产投资额的对数和零售 物价指数的对数进行建模，选择的样本区间为1980-1997年间的年度数据，建立向量自回归模型的价格指数 方程……（二）从工资成本方面分析通货膨胀，采用了Granger因果关系检验法，检验成本对通货膨胀的推 动作用，选择1978-1997年间的职工平均工资，零售物价上涨率的数据作为样本……（三）消费对通货膨胀 影响的计量分析，选择1978-1997年间的数据进行分析，选取的指标为相对消费水平C=居民消费水平/人均 GDP和零售物价上涨率P，得回归方程…… （«我国通货膨胀的成因分析»«天津市职工现代企业管理学院学报»2004.12第四期） 5．（一）我国固定资产膨胀主要表现为一般加工工业投资增长过快，非生产性建设如楼堂馆所搞得大多，这 就造成投资结构向加工工业和非生产性建设倾斜，造成能源、原材料的供应和交通运输极度紧张，由此带来 的缺口又使国家不得不增加重点建设投资，使国家财政收支状况进一步恶化，增加物价上涨的压力。（二）经 济的增长也会导致通货膨胀，经济增长了对货币的需求就会增加，货币的供给也会相应的增加，所以就会给 通胀埋下一定的隐患。（三）外汇和通胀也有一定的联系。这种通货膨胀是由于外债负担过重、外贸逆差过大 以及国际市场价格与国内市场价格相差悬殊所引起的通货膨胀……（四）上一期的物价指数对通胀的影响在 于：人们会根据上一期的物价指数来决定自己该期的消费计划，而且由于物价指数存在一定的滞后，所以它 会对该期的通胀造成一定的影响。（«需求推动角度考虑通货膨胀成因的实证分析»） 三．理论陈述 1．通胀的定义 通货膨胀是宏观经济的一个重要组成部分，也是当代国家经济发展的一个关键问题。但是，到目前为止，还没有一个被人们普遍接受别的关于通货膨胀的定义。西方经济学中最常用的是实用主义的通货膨胀定义：“通货膨胀是价格持续上涨的一种过程，或者从同等意义上说，是货币不断贬值的一种过程。”我们可以看出这个定义坚持了两点：（1）通货膨胀是一种货币现象而非一般的经济现象，通货膨胀或通货紧缩的发生总是与货币量的多少直接相关；（2）通货膨胀所表现出来的物价上涨是长期的和普遍的，而不是个别商品价格的上扬。 西方经济学对于通货膨胀的分类有三种：（1）温和的通货膨胀：年通货膨胀率为一位数的通货膨胀；（2）急剧的通货膨胀：总价格水平以每年100%，甚至200%的二位数或三位数的速率上涨；（3）恶性的通货膨胀：各种价格以每年百分之一百万，甚至百分之万亿的惊人速率持续上涨。 对于通胀的定义还有很多，但都是大同小异。通胀的表现是物价在长期的普遍上涨，且通胀对于经济的成长是很不利的。通货膨胀使个人和企业承受更高的实际税赋；通货膨胀降低储蓄的数量和效率；通货膨胀减少投资；通货膨胀严重损害供给；通货膨胀导致贸易逆差。我们要积极制止通胀的形成，因此有必要对通胀的成因进行一系列的分析。 2．通胀的度量 一般情况下，世界各国多用国内生产总值GDP缩减指数的增长率和消费价格指数的增长率来衡量通货膨胀，这两个指数虽不能相互替代，但在变化趋势上往往是一致的。在本文中，我们采用商品零售价格指数来度量通货膨胀。之所以选择零售物价指数，是因为它能全面的反映整个国民经济中所有的价格指数和物价水平，而且较其他的物价指数更具有代表性。 3．通胀的影响因素 影响通货膨胀的因素很多，但由于许多因素之间相互重叠，同时为了反映影响通货膨胀主要的经济因素，有必要从诸多的因素中选出有代表性的若干个。综合考虑各方面的因素，我们考虑以下一些变量： （1）固定资产投资总额。我国当前的总需求增长较快，主要是由投资拉动的，而其中政府主导的投资拉动作用最明显，用于基础设施建设，我国固定资产膨胀主要又表现为一般加工工业投资增长过快，这就造成投资结构向加工工业和非生产性建设倾斜，造成能源、原材料的供应和交通运输极度紧张，增加物价上涨的压力。 （2）经济增长（GDP）。经济的增长也会导致通货膨胀，经济增长了对货币的需求就会增加，货币的供给也会相应的增加，所以就会给通胀埋下一定的隐患。 （3）货币发行量（M2）。为了拉动内需，国家有时会采取适度的货币扩张政策，货币超量供应会使市场购买力大增，此时，如果供应量不能满足增加的需求量，市场只有涨价，这是由价值规律决定的。 （4）外汇储备。外债负担过重、外贸逆差过大以及国际市场价格与国内市场价格相差悬殊可能引起通货膨胀。我国是一个国内商品供求极不平衡的国家，盲目增加出口，加剧了国内市场需求大于供给的现象，这是导致中国出现通货膨胀的一个重要原因。出口贸易的增长相对落后于进口贸易，也是结构失衡而引发物价上涨的因素之一。为了弥补国际收支的不平衡，国家不得不采取提高价格收购以增加出口产品，从而影响国内消费品的供应，加剧了国内市场供需矛盾。 （5）上一期的零售物价指数。人们往往会根据上一期的物价指数来制定自己当期的消费计划，而且由于物价指数本身存在一定的滞后性，所以它会对该期的通胀造成一定的影响。 四．数据来源 来自于中国统计网和中经专网的统计年鉴和统计数据库，取1981-20004年的数据。见附表 五．考虑各解释变量对应变量的单独影响 为了确定上述影响因素是否确实为通货膨胀成因，即是否实际影响物价指数，我们先单独考虑各因素对物价指数Y的影响是否显著： 1. 固定资产投资总额（用I表示） 根据经济意义，固定资产投资I与物价指数Y间有较高相关性，并且投资对物价的影响表现出明显的滞后性，滞后期为1—2年。 通过阿尔蒙法对物价Y与投资I的关系进行分析，得出如下模型： T =（10.76649）(-3.13514) (3.74316) (3.59459) (-2.86842) =0.787022 F=20.94014 DW=0.519259 可知，单独考虑投资对物价影响，模型拟合一般，物价增长中有78.70%可由投资增加来解释，滞后一期的t值最为显著，即滞后一期投资对物价影响较大,投资对物价影响确实有滞后性，滞后一期固定资产投资增加1%，引起物价增加0.023%，因此，将滞后一期投资I（-1）引入模型。 2．经济增长GDP（用G表示） 根据经济意义，GDP与物价指数Y间存在较高相关性，且GDP对Y作用表现出一定的滞后性，滞后期约为1-2期 通过阿尔蒙法对物价Y与GDP间关系进行分析，得出以下模型： t=（10.30460）(-0.89143) (3.77052) (2.60496) (-4.12947) =0.8825884 F=42.59499 DW=0.455755 可知，只考虑GDP单独对Y的影响，模型拟合较好，Y的增长中有88.26%可由各期GDP的增长解释，滞后一期GDP的t值最大，即对Y的影响最显著，滞后一期GDP每增加1%引起Y增长0.0084%，因此，将滞后一期G（-1）引入模型。 3. 货币发行量（用M表示） 根据经济意义，货币发行量M2对物价指数Y的影响较大，且滞后期也有一定的干扰度。 通过阿尔蒙法对物价Y与货币发行量M间关系进行分析，得出以下模型： t= (8.482353) ( 0.71553) ( 0.99893) ( 0.55023) ( -0.08288) =0.527836 F=6.334803 DW=0.126593 可知, 只考虑货币发行量M单独对物价Y的影响，模型拟合一般，Y的增长中有52.78%可由各期货币发行量M解释, 滞后一期货币发行量M对Y的影响相对于其它期更为显著，所以,将滞后一期货币发行量M(-1)引入模型。 4．外汇储备（用F表示） 根据经济理论, 物价Y与外汇F间在总体上应存在一定相关性，并且可能存在滞后作用 通过阿尔蒙法对Y与F间关系进行分析，得出以下模型： t = (10.09661) (-1.42249) ( 1.79370) ( 1.588330) ( -0.95389) =0.518625 F=6.105156 DW=0.290702 可知, 单独考虑外汇F对物价Y的影响，模型拟合得不是很好，物价变动中仅有51.86%可由外汇变动解释, 滞后一期外汇F对Y的影响相对于其他期更为显著，因此，将滞后一期外汇F(-1)引入模型。 5. 上一期的零售物价指数（用Y（-1）表示） 根据经济理论, 由于物价存在惯性作用，上几期物价水平对当期物价有一定影响，故实际分析当期物价影响因素时还须考虑上几期物价水平的影响。 通过阿尔蒙法对Y与Y（-1）、Y（-2）等间关系进行分析，最后得以下模型： t= (2.048973) ( 9.68148) (-2.31226) (-4.86821) (2.87888) =0.983782 F= 323.5159 DW=1.362548 可知, 单独考虑滞后期物价对当期物价的影响，模型拟合得很好，当期物价变动有98.38%可由上几期物价变动解释, 上一期物价对当期影响最显著，t=9.68148，因此，将滞后一期物价Y（-1）也引入模型。 六．模型建立及参数估计 综上，我们只选取各因素中对当期物价影响最显著的那一期进行回归, 以避免同时引入当期和滞后期的解释变量带来自由度的损失。具体来说，即投资因素中选取滞后1期固定资产投资总额I（-1），经济增长因素中选滞后1期GDP（-1），货币供应量因素中选择滞后1期M（-1），外汇因素中选滞后1期外汇F（-1），上几期物价水平因素中选上1期零售商品物价指数Y（-1）, 建立模型如下： 用Eviews进行最小二乘估计得: t=（-0.431801） （-6.216710） （7.176346） （0.884635） （-4.986093） （13.77827） =0.994450 DW=1.641975 F=609.1879 由以上结果可知,=0.994450，说明模型整体拟合得很好, 各因素对物价的解释程度高达99.445%；F=609.1879F(18,4)=2.93 (显著性水平a=0.05)，表明模型从整体上看物价指数与各解释变量间线形关系显著; 但是变量M(-1)参数的t值不显著，t=0.884635，而且G(-1)与F(-1)的参数值符号为负, 明显与经济意义不符, 根据变量显著性和方程显著性的综合判断, 可初步判断该模型存在多重共线性，需要进行修正。 七. 各种检验和修正 1.多重共线性检验和修正 (1)检验 计算各解释变量之间的简单相关系数,得相关系数矩阵: G(-1)I(-1)M(-1)F(-1)Y(-1) G(-1)1 I(-1)0.9880200201691 M(-1)0.934695531680.9539714247571 F(-1)0.9376371992330.9746006431790.9432107982951 Y(-1)0.9114352969580.8499348437550.7664067503610.732332742661 由上表可见，各个解释变量间都存在高度相关性, 由模型回归结果也可看出, 尽管模型整体拟合较好，但M(-1)的参数t值不显著，G（-1）与F(-1)的参数符号与经济意义相悖, 表明模型确实存在严重的多重共线性,需要进行修正 (2)修正 用逐步回归法： ⅰ.运用OLS方法逐一求Y对各个解释变量的回归, 结合经济意义和统计检验选出拟合效果最好的一元线形回归方程: 经分析, 在五个一元回归模型的中Y与Y(-1)的线形关系最强，拟合程度最好，因此，纳入Y(-1)得模型①： ① ⅱ.逐步回归, 将其余解释变量一一代入①式得如下四个模型： 根据回归的结果, 对比分析得： 纳入G(-1)后使得提高的最多，且符合经济意义, Y(-1)显著, 自身的显著性相对于其它变量也要强一些, 所以在模型①中再纳入G(-1)得模型② ② 将其余解释变量再一一代入②式得如下三个模型: 根据回归的结果, 对比分析得：纳入I(-1)后使得提高的最多，且符合经济意义，t值检验也都是显著的, 所以在模型中再纳入I(-1)得模型③ ③ 将剩余解释变量再一一代入③式得如下两个模型： 将M(-1)纳入后,虽然有一点点的提高, 但是对其它参数的符号和数值没有什么影响, 而且M(-1)的t值还显著，所以可以舍去M（-1） 将F(-1)纳入后, 虽然有一些些的提高, 但是F(-1)参数的符号为负, 不符合经济意义, 所以还是舍去F（-1） 综上可得, Y对G(-1), I(-1), Y(-1)的回归模型为最优, 即通过多重共线性的修正得到的最优模型为模型③ 2.异方差的检验与修正 (1)检验 a.White检验 有交叉项的White检验,结果如下: White Heteroskedasticity Test: F-statistic2.868072 Probability0.041593 Obs*R-squared10.29633 Probability0.083111 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 22:29 Sample: 1982 2004 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C-1609.676794.0239-2.0272390.0637 Y(-1)24.2995913.291771.8281680.0906 Y(-1)^2-0.0454940.049106-0.9264390.3711 Y(-1)*I(-1)0.0002560.0017790.1440300.8877 Y(-1)*G(-1)3.86E-050.0009210.0418880.9672 I(-1)0.3032400.2752761.1015850.2906 I(-1)^29.88E-061.34E-050.7357030.4750 I(-1)*G(-1)-1.18E-051.52E-05-0.7736860.4530 G(-1)-0.1848460.133734-1.3821970.1902 G(-1)^23.14E-064.31E-060.7274750.4798 R-squared0.665058 Mean dependent var140.6020 Adjusted R-squared0.433175 S.D. dependent var157.0554 S.E. of regression118.2436 Akaike info criterion12.68239 Sum squared resid181760.2 Schwarz criterion13.17608 Log likelihood-135.8475 F-statistic2.868072 Durbin-Watson stat1.933704 Prob(F-statistic)0.041593 由上可得, Obs*R-squared=10.29633(9)=16.199，所以接受H0，拒绝H1，表明此模型随机误差U不存在异方差。 没有交叉项的White检验,结果如下: White Heteroskedasticity Test: F-statistic3.287564 Probability0.026532 Obs*R-squared6.69920 Probability0.048069 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 22:30 Sample: 1982 2004 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C-706.6808469.3675-1.5056020.1517 Y(-1)9.9369506.5081441.5268490.1463 Y(-1)^2-0.0122260.006322-1.9337870.0710 I(-1)0.1823300.0768522.3724830.0305 I(-1)^2-1.65E-069.46E-07-1.7469690.0998 G(-1)-0.0870190.058422-1.4894870.1558 G(-1)^22.92E-073.35E-070.8712530.3965 R-squared0.552139 Mean dependent var140.6020 Adjusted R-squared0.384191 S.D. dependent var157.0554 S.E. of regression123.2469 Akaike info criterion12.71205 Sum squared resid243036.6 Schwarz criterion13.05763 Log likelihood-139.1885 F-statistic3.287564 Durbin-Watson stat2.028429 Prob(F-statistic)0.026532 由上可得, Obs*R-squared=1.412724(6)=7.81473, 所以接受H0，拒绝H1，表明此模型随机误差U不存在异方差。 b.ARCH检验 直接用Eviews检验，结果如下： ARCH Test: F-statistic1.210277 Probability0.337999 Obs*R-squared3.699110 Probability0.295841 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 22:35 Sample(adjusted): 1985 2004 Included observations: 20 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C144.637765.155352.2198910.0412 RESID^2(-1)0.3594780.2459311.4617020.1632 RESID^2(-2)-0.3845310.247147-1.5558800.1393 RESID^2(-3)0.0822800.2451080.3356870.7415 R-squared0.184955 Mean dependent var152.5619 Adjusted R-squared0.032135 S.D. dependent var165.4596 S.E. of regression162.7794 Akaike info criterion13.19953 Sum squared resid423954.3 Schwarz criterion13.39867 Log likelihood-127.9953 F-statistic1.210277 Durbin-Watson stat2.062402 Prob(F-statistic)0.337999 由上可得, Obs*R-squared=3.699110 (3)=7.81473，所以接受H0，拒绝H1, 表明此模型随机误差U不存在异方差。 由上述两种检验方法都表明该模型确实不存在异方差. 3.自相关的检验与修正 (1)检验 由于模型中有应变量Y的滞后期Y（-1），故不能用DW检验，应该用德宾h—检验 由多重共线性修正后的模型结果得: DW=0.967524，Var（）=0.107154^2，n=23, 则=2.886 h(a/2)=1.96 (a=0.05) 因此拒绝原假设=0，说明模型存在正的一阶自相关。 (2)修正 先利用对数线形回归修正自相关,得模型④： ④ DW=0.972403，Var（）=0.146176^2，n=23, 则=3.455 h(a/2)=1.96 (a=0.05) 因此拒绝原假设=0，说明对数模型仍然存在正的一阶自相关 同时考虑Cochrane-Orcutt迭代法,得模型⑤： ⑤ DW=1.615575 , Var（）=0.374280^2，n=22 则=0.625h(a/2)=1.96 (a=0.05) 因此接受原假设=0，说明修正后的模型不存一阶自相关了 再对模型⑤进行ARCH检验： ARCH Test: F-statistic0.258752 Probability0.853939 Obs*R-squared0.934879 Probability0.817004 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 23:47 Sample(adjusted): 1986 2004 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0008620.0007561.1404670.2720 RESID^2(-1)-0.0431210.256355-0.1682100.8687 RESID^2(-2)0.1881300.2532080.7429870.4690 RESID^2(-3)0.1286070.2503960.5136130.6150 R-squared0.049204 Mean dependent var0.001225 Adjusted R-squared-0.140955 S.D. dependent var0.002063 S.E. of regression0.002204 Akaike info criterion-9.212547 Sum squared resid7.29E-05 Schwarz criterion-9.013718 Log likelihood91.51920 F-statistic0.258752 Durbin-Watson stat1.912210 Prob(F-statistic)0.853939 由上可得, Obs*R-squared=0.934879 (3)=7.81473, 所以接受H0, 拒绝H1, 表明此模型随机误差U不存在异方差. 综上, 自相关修正后的模型⑤中、F值皆有所提高，t值除常数项外都显著, 而且不存在异方差和自相关,故模型⑤为最佳 八．最终模型和结论 1.最终模型 模型表明, =0.992877，模型拟合很好, 即当期物价变动有99.29%可由滞后一期的GDP, 滞后一期的投资和滞后一期的物价共同解释，且滞后一期GDP, 滞后一期投资与滞后一期物价对当期物价的分别影响都显著，t值分别为2.41218 , 2.457413, 2.50480 滞后一期GDP每变动1%，引起当期物价变动0.3619%，可见通货膨胀是经济发展中不可避免的现象，所以我们对通胀的态度应该是在保证经济发展的前提下积极治理，而不应该过于敏感以至于造成经济减缓甚至停滞；滞后一期投资变动1%，引起当期物价变动0.333%说明应该更加重视投资因素对通货膨胀的作用，更加重视通过控制投资来控制通涨；滞后一期物价指数变动1%，引起当期物价变动0.842%说明通胀的治理是一个长期的过程，不可能通过某一段时间的治理就能得到明显的改善． 2．结论 从该模型可以看出, 模型的可决系数较高, 可见我们对于解释变量的选择是比较全面的, 它们对应变量的联合影响程度很大, 虽然修正后解释变量显著性有所下降, 但依然能符合检验要求, 可知通货膨胀是多种经济因素共同作用的结果，单独一个影响因素的作用也许不是那么明显。 还需要说明的是, 在模型建立之初，考虑到我国还处在市场经济初级，经济发展不太成熟，政府干预较多,政策作用较为明显，我们曾尝试将政府政策和政府行为作为变量纳入模型中，但由于其自身的复杂性,而且很难量化, 显然是不可行的，所以最终舍弃。但从模型的最后结果可以看出，可决系数是很高的, 达到0.992877, 说明没有纳入政府干预因素，做出来的模型效果也不错，这表明政府的干预作用并不像我们想象的那么大, 可以侧面反映我国市场经济发展的迅速和健康程度, 现在有很多国家对我国市场经济体制持怀疑态度, 该模型也为对这种怀疑的反驳提供了一定的理论依据。 九．模型的缺陷 1． 为避免同时引入当期和滞后期的解释变量带来自由度的损失，我们用阿尔蒙法确定选取各因素中对当期物价影响最显著的那一期，但从回归的结果看有些变量T值较小，各期都不是很显著，我们只能选择相对比较显著的那一期引入模型。这是我们模型存在的缺陷之一。 2．用德宾h—检验，发现模型存在自相关需要修正时，因为我们的模型引入了滞后一期的应变量，所以书上讲的很多一般的修正自相关的方法都不能用（因为都涉及了差分的原理在里面，不适合用于有滞后变量的情况），由于所学知识所限我们找不到更好的修正办法，所以只好仍选用Cochrane-Orcutt迭代法 参考文献： 保罗·萨缪尔森《经济学》第十一版 布拉德利·希勒《当代经济学》 «通货膨胀问题研究»«中国物价»2005.01 «需求推动角度考虑通货膨胀成因的实证分析» «我国通货膨胀的成因分析»«天津市职工现代企业管理学院学报»2004.12第四期 附表： 数据 YGIMF 110.74860.39612299.9627.08 112.85301.81230.42676.9469.86 114.55957.41430.13193.5789.01 117.77206.71832.94442.8882.2 128.18989.12543.25198.926.44 135.810201.43210.66720.920.72 145.711954.53791.78330.929.23 172.714922.34753.8100099.633.72 203.416917.84410.411949.655.5 207.718598.4451715293.4110.93 213.721662.55594.519349.9217.12 225.226651.98080.125402.2194.43 254.934560.513072.334879.8211.99 310.24667017042.146923.5516.2 356.157494.920019.360750.5735.97 377.866850.522913.576094.91050.29 380.873142.724941.190995.31398.9 370.976967.228406.2104498.51449.6 359.880579.429854.7119897.91546.75 354.48825432917.7134610.41655.74 351.695727.937213.5158301.92121.65 347103935.343499.911850072864.07 346.7116603.255566.61221222.84032.51 356.4136584.3700732530006099 Eview回归结果 VariableCoefficientStd. Errort-StatisticProb. C144.787114.0507210.304600.0000 PDL010.0083560.0022163.7705210.0015 PDL020.0036690.0020871.7585350.0966 PDL03-0.0065740.002127-3.0908870.0066 R-squared0.882584Mean dependent var272.2190 Adjusted R-squared0.861864S.D. dependent var95.94448 S.E. of regression35.65934Akaike info criterion10.15554 Sum squared resid21617.00Schwarz criterion10.35450 Log likelihood-102.6332F-statistic42.59499 Durbin-Watson stat0.455755Prob(F-statistic)0.000000 Lag Distribution of GiCoefficientStd. ErrorT-Statistic * . |0-0.00189 0.00212-0.89143 . *|1 0.00836 0.00222 3.77052 . * |2 0.00545 0.00209 2.60496 * . |3-0.01060 0.00257-4.12947 Sum of Lags 0.00132 0.00035 3.81522 VariableCoefficientStd. Errort-StatisticProb. C175.202016.2729010.766490.0000 PDL010.0231680.0064453.5949450.0022 PDL020.0180870.0051923.4834360.0028 PDL03-0.0205600.005944-3.4592010.0030 R-squared0.787022Mean dependent var272.2190 Adjusted R-squared0.749438S.D. dependent var95.94448 S.E. of regression48.02617Akaike info criterion10.75101 Sum squared resid39210.72Schwarz criterion10.94997 Log likelihood-108.8856F-statistic20.94014 Durbin-Watson stat0.519259Prob(F-statistic)0.000006 Lag Distribution of IiCoefficientStd. ErrorT-Statistic * . |0-0.01548 0.00494-3.13514 . *|1 0.02317 0.00644 3.59495 . * |2 0.02070 0.00553 3.74316 * . |3-0.02290 0.00798-2.86842 Sum of Lags 0.00549 0.00145 3.79400 VariableCoefficientStd. Errort-StatisticProb. C212.708321.0673010.096610.0000 PDL010.1573000.0993501.5832970.1318 PDL020.1234400.0755421.6340490.1206 PDL03-0.1315750.090173-1.4591390.1628 R-squared0.518625Mean dependent var272.2190 Adjusted R-squared0.433676S.D. dependent var95.94448 S.E. of regression72.20254Akaike info criterion11.56647 Sum squared resid88624.52Schwarz criterion11.76543 Log likelihood-117.4479F-statistic6.105156 Durbin-Watson stat0.290702Prob(F-statistic)0.005177 Lag Distribution of FiCoefficientStd. ErrorT-Statistic * . |0-0.09771 0.06869-1.42249 . *|1 0.15730 0.09935 1.58330 . * |2 0.14916 0.08316 1.79370 * . |3-0.12212 0.12803-0.95389 Sum of Lags 0.08663 0.03899 2.22182 VariableCoefficientStd. Errort-StatisticProb. C18.480389.0193372.0489730.0572 PDL01-0.3233680.139850-2.3122560.0344 PDL02-1.1083750.148189-7.4794680.0000 PDL030.7450150.1416335.2601970.0001 R-squared0.983782Mean dependent var279.9450 Adjusted R-squared0.980741S.D. dependent var91.48969 S.E. of regression12.69667Akaike info criterion8.097413 Sum squared resid2579.288Schwarz criterion8.296560 Log likelihood-76.97413F-statistic323.5159 Durbin-Watson stat1.362548Prob(F-statistic)0.000000 Lag Distribution of Y(-1)iCoefficientStd. ErrorT-Statistic . *|0 1.53002 0.15804 9.68148 * . |1-0.32337 0.13985-2.31226 * . |2-0.68673 0.14106-4.86821 . * |3 0.43994 0.15282 2.87888 VariableCoefficientStd. Errort-StatisticProb. C197.214223.249948.4823530.0000 PDL010.0004190.0004200.9989340.3318 PDL02-8.60E-050.000522-0.1646720.8711 PDL03-7.64E-050.000395-0.1932150.8491 R-squared0.527836Mean dependent var272.2190 Adjusted R-squared0.444512S.D. dependent var95.94448 S.E. of regression71.50841Akaike info criterion11.54715 Sum squared resid86928.70Schwarz criterion11.74611 Log likelihood-117.2451F-statistic6.334803 Durbin-Watson stat0.126593Prob(F-statistic)0.004425 Lag Distribution of MiCoefficientStd. ErrorT-Statistic . *|0 0.00043 0.00060 0.71553 . *|1 0.00042 0.00042 0.99893 . * |2 0.00026 0.00047 0.55023 * . |3-5.8E-05 0.00070-0.08288 Sum of Lags 0.00105 0.00037 2.83844 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 12:15 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-4.0200249.309908-0.4318010.6713 G(-1)-0.0043530.000700-6.2167100.0000 I(-1)0.0126700.0017667.1763460.0000 M(-1)8.80E-059.95E-050.8846350.3887 F(-1)-0.0661490.013267-4.9860930.0001 Y(-1)1.1938770.08664913.778270.0000 R-squared0.994450 Mean dependent var258.4304 Adjusted R-squared0.992817 S.D. dependent var102.2527 S.E. of regression8.665968 Akaike info criterion7.376142 Sum squared resid1276.683 Schwarz criterion7.672358 Log likelihood-78.82564 F-statistic609.1879 Durbin-Watson stat1.641975 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:02 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C153.168216.397099.3411830.0000 G(-1)0.0024360.0002928.3549890.0000 R-squared0.768737 Mean dependent var258.4304 Adjusted R-squared0.757725 S.D. dependent var102.2527 S.E. of regression50.33028 Akaike info criterion10.75803 Sum squared resid53195.89 Schwarz criterion10.85677 Log likelihood-121.7174 F-statistic69.80585 Durbin-Watson stat0.123869 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:06 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C173.467418.015949.6285530.0000 I(-1)0.0053130.0008116.5522660.0000 R-squared0.671527 Mean dependent var258.4304 Adjusted R-squared0.655885 S.D. dependent var102.2527 S.E. of regression59.98277 Akaike info criterion11.10893 Sum squared resid75556.58 Schwarz criterion11.20767 Log likelihood-125.7527 F-statistic42.93219 Durbin-Watson stat0.132891 Prob(F-statistic)0.000002 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:07 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C186.662720.649869.0394140.0000 M(-1)0.0011480.0002314.9771520.0001 R-squared0.541205 Mean dependent var258.4304 Adjusted R-squared0.519357 S.D. dependent var102.2527 S.E. of regression70.89019 Akaike info criterion11.44308 Sum squared resid105533.8 Schwarz criterion11.54182 Log likelihood-129.5954 F-statistic24.77204 Durbin-Watson stat0.252897 Prob(F-statistic)0.000063 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:10 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C205.600019.9947810.282690.0000 F(-1)0.0655400.0151174.3355030.0003 R-squared0.472317 Mean dependent var258.4304 Adjusted R-squared0.447189 S.D. dependent var102.2527 S.E. of regression76.02622 Akaike info criterion11.58297 Sum squared resid121379.7 Schwarz criterion11.68171 Log likelihood-131.2042 F-statistic18.79658 Durbin-Watson stat0.136589 Prob(F-statistic)0.000291 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:10 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C18.963349.3667692.0245340.0558 Y(-1)0.9665760.03495727.650360.0000 R-squared0.973267 Mean dependent var258.4304 Adjusted R-squared0.971994 S.D. dependent var102.2527 S.E. of regression17.11203 Akaike info criterion8.600382 Sum squared resid6149.252 Schwarz criterion8.699120 Log likelihood-96.90439 F-statistic764.5423 Durbin-Watson stat0.543100 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:13 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C5.57911912.401270.4498830.6576 G(-1)-0.0003670.000233-1.5787040.1301 Y(-1)1.0847020.08209513.212730.0000 R-squared0.976229 Mean dependent var258.4304 Adjusted R-squared0.973852 S.D. dependent var102.2527 S.E. of regression16.53462 Akaike info criterion8.569897 Sum squared resid5467.872 Schwarz criterion8.718005 Log likelihood-95.55382 F-statistic410.6823 Durbin-Watson stat0.676758 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:15 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C11.9284511.656121.0233640.3184 I(-1)-0.0004440.000439-1.0129010.3232 Y(-1)1.0236580.06630515.438540.0000 R-squared0.974571 Mean dependent var258.4304 Adjusted R-squared0.972028 S.D. dependent var102.2527 S.E. of regression17.10146 Akaike info criterion8.637312 Sum squared resid5849.197 Schwarz criterion8.785420 Log likelihood-96.32909 F-statistic383.2568 Durbin-Watson stat0.636339 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:17 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C14.5831910.631951.3716380.1854 M(-1)-7.72E-058.71E-05-0.8867340.3858 Y(-1)1.0037490.05469918.350360.0000 R-squared0.974278 Mean dependent var258.4304 Adjusted R-squared0.971706 S.D. dependent var102.2527 S.E. of regression17.19977 Akaike info criterion8.648776 Sum squared resid5916.640 Schwarz criterion8.796884 Log likelihood-96.46093 F-statistic378.7742 Durbin-Watson stat0.674830 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:20 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C11.2990910.454991.0807370.2927 F(-1)-0.0072450.004857-1.4915140.1514 Y(-1)1.0210830.04990220.461920.0000 R-squared0.975943 Mean dependent var258.4304 Adjusted R-squared0.973537 S.D. dependent var102.2527 S.E. of regression16.63390 Akaike info criterion8.581870 Sum squared resid5533.731 Schwarz criterion8.729978 Log likelihood-95.69150 F-statistic405.6756 Durbin-Watson stat0.649189 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 14:14 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-20.7199912.18349-1.7006620.1053 G(-1)0.0040660.0010373.9199660.0009 Y(-1)1.3939550.10715413.008850.0000 I(-1)0.0068490.0018903.6229420.0018 R-squared0.985941 Mean dependent var258.4304 Adjusted R-squared0.983721 S.D. dependent var102.2527 S.E. of regression13.04616 Akaike info criterion8.131636 Sum squared resid3233.845 Schwarz criterion8.329113 Log likelihood-89.51381 F-statistic444.1572 Durbin-Watson stat0.967524 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 14:17 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-1.27074813.84150-0.0918070.9278 Y(-1)1.1490560.10070511.410080.0000 G(-1)-0.0008710.000516-1.6887980.1076 M(-1)0.0002030.0001861.0929740.2881 R-squared0.977635 Mean dependent var258.4304 Adjusted R-squared0.974104 S.D. dependent var102.2527 S.E. of regression16.45476 Akaike info criterion8.595878 Sum squared resid5144.425 Schwarz criterion8.793355 Log likelihood-94.85259 F-statistic276.8503 Durbin-Watson stat0.640401 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 14:18 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C4.62431517.404700.2656940.7933 Y(-1)1.0958540.1622966.7522000.0000 G(-1)-0.0004370.000901-0.4851700.6331 F(-1)0.0015030.0186980.0803830.9368 R-squared0.976237 Mean dependent var258.4304 Adjusted R-squared0.972485 S.D. dependent var102.2527 S.E. of regression16.96128 Akaike info criterion8.656514 Sum squared resid5466.013 Schwarz criterion8.853991 Log likelihood-95.54991 F-statistic260.1894 Durbin-Watson stat0.681311 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 14:26 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-23.4142612.89907-1.8151890.0862 Y(-1)1.4169420.11316512.521020.0000 G(-1)-0.0041980.001067-3.9356190.0010 I(-1)0.0065930.0019483.3845770.0033 M(-1)0.0001090.0001520.7183180.4818 R-squared0.986333 Mean dependent var258.4304 Adjusted R-squared0.983296 S.D. dependent var102.2527 S.E. of regression13.21558 Akaike info criterion8.190330 Sum squared resid3143.728 Schwarz criterion8.437177 Log likelihood-89.18880 F-statistic324.7608 Durbin-Watson stat0.901438 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 14:28 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-1.7013488.879219-0.1916100.8502 G(-1)-0.0042470.000686-6.1935230.0000 Y(-1)1.1736640.08307614.127590.0000 I(-1)0.0129220.0017327.4615010.0000 F(-1)-0.0666430.013175-5.0584170.0001 R-squared0.994194 Mean dependent var258.4304 Adjusted R-squared0.992904 S.D. dependent var102.2527 S.E. of regression8.613471 Akaike info criterion7.334192 Sum squared resid1335.454 Schwarz criterion7.581039 Log likelihood-79.34321 F-statistic770.5972 Durbin-Watson stat1.707065 Prob(F-statistic)0.000000 VariableCoefficientStd. Errort-StatisticProb. C1.4630940.3157644.6334980.0002 LN_G(-1)0.7965640.1916794.1557170.0005 LN_I(-1)0.5293380.1240354.2676650.0004 LN_Y(-1)1.3561340.1461769.2774020.0000 R-squared0.990185 Mean dependent var5.465324 Adjusted R-squared0.988635 S.D. dependent var0.451488 S.E. of regression0.048132 Akaike info criterion-3.072961 Sum squared resid0.044017 Schwarz criterion-2.875483 Log likelihood39.33905 F-statistic638.9099 Durbin-Watson stat0.972403 Prob(F-statistic)0.000000 Dependent Variable: LN_Y Method: Least Squares Date: 06/05/05 Time: 15:56 Sample(adjusted): 1983 2004 Included observations: 22 after adjusting endpoints Convergence achieved after 13 iterations VariableCoefficientStd. Errort-StatisticProb. C1.5849301.0473781.5132350.1486 LN_G(-1)0.3618690.2510852.4412180.1677 LN_I(-1)0.3329000.1354682.4574130.0250 LN_Y(-1)0.8423100.3742802.2504800.0379 AR(1)0.8133890.3111742.6139310.0181 R-squared0.992877 Mean dependent var5.498947 Adjusted R-squared0.991201 S.D. dependent var0.431635 S.E. of regression0.040489 Akaike info criterion-3.378836 Sum squared resid0.027870 Schwarz criterion-3.130871 Log likelihood42.16719 F-statistic592.3855 Durbin-Watson stat1.615575 Prob(F-statistic)0.000000 Inverted AR Roots .81
-
对四川省种植业收入模型的初步探索_经济学毕业论文范文
对四川省种植业收入模型的初步探索_经济学毕业论文范文 对四川省种植业收入模型的初步探索 一、引言 最近几年，农业产业结构调整一直是我国经济工作的一个重要组成部分，而政府明年的经济工作更是把“三农”问题作为了全党工作的重中之重。近年来，农业投入产出水平低，农业机械化程度低，使得中国农业无法应对入世后世界农产品贸易对中国农业的冲击，而随着各地城市化进程的推进，大量农业用地被占，这造成了个主要农产区粮食产量的下降，引起了农产品价格的波动并对其他相关产业造成了影响。因此，研究农业产值问题，考察各种因素对农业产值的影响和贡献大小可为更加有效的调整农业产业结构实现资源的优化配置提供一个科学的依据。四川素有“天府之国”之称，而种植业在四川农业中占据了半壁江山。本文建立了播种面积、劳动人数、机械动力以及农产品贸易额对四川种植业总产值的模型来说明这一问题。 二、计量经济模型及检验 在本模型中棉被解释变量Y为四川省种植业的年收入，解释变量X1为种植业生产中投入的机械动力（单位：万千瓦），X2为播种面积（单位：万公顷），X3为乡村种植业劳动人数（单位：万人），X4为农产品贸易额（单位：万元）。选取样本数为1980~2001年数据，数据选自四川省统计年鉴（注：资料后附） 建立模型Y=0+，运用OLS法估计回归方程得 Dependent Variable: Y Method: Least Squares Date: 03/17/04 Time: 11:16 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-1113.307428.8408-2.5960840.0188 X1-0.2406890.218119-1.1034770.2852 X20.3753650.6578680.5705770.5758 X30.3981460.1300203.0621880.0071 X40.0003668.45E-054.3305130.0005 R-squared0.974106 Mean dependent var401.8050 Adjusted R-squared0.968014 S.D. dependent var274.9928 S.E. of regression49.18179 Akaike info criterion10.82564 Sum squared resid41120.43 Schwarz criterion11.07360 Log likelihood-114.0820 F-statistic159.8820 Durbin-Watson stat0.926266 Prob(F-statistic)0.000000 Y=－1113.307－0.240689 X1＋0.375365 X2+0.398146X3+0.000366 X4 428.8408 0.218119 0.657868 0.13002 8.45E-05 t＝-2.596 -1.10 0.570077 3.062 4.33 R2=0.974106 2=0.968014 F-stat=159.882 df=17 DW=0.926266 从该模型中，我们发现，X1的估计参数为负，与现实经济含义相悖，同时X2的t估计量偏小，于是我们判定该回归方程中很有可能存在多重共线性。于是我们去除X1，再对Y作OLS估计，可得： Dependent Variable: Y Method: Least Squares Date: 03/17/04 Time: 11:23 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-1279.673403.8850-3.1684100.0053 X20.8844560.4718101.8745990.0772 X30.2771200.0702513.9447210.0009 X40.0002741.14E-0523.995420.0000 R-squared0.972252 Mean dependent var401.8050 Adjusted R-squared0.967627 S.D. dependent var274.9928 S.E. of regression49.47826 Akaike info criterion10.80391 Sum squared resid44065.77 Schwarz criterion11.00228 Log likelihood-114.8430 F-statistic210.2280 Durbin-Watson stat0.715519 Prob(F-statistic)0.000000 Y = -1279.673403 + 0.8844556506*X2 + 0.2771202071*X3 +0.0002736359831*X4 403.885 0.47181 0.07 1.14E-0.5 t=-3.16841 1.8746 3.948 23.995 通过处理后，我们发现不仅去除了不符合经济含义的X1，X2的t统计量也显著提高，符合我们的要求。 但是我们还需要对该模型进行其他检验。首先我们运用Goldfeld-Quandt检验其是否存在异方差。先按X2 X3 X4对其进行排序，因为样本容量偏小，于是我们决定不舍弃样本，直接按样本划分为两组： 第一组为1980～1990，用OLS估计得 Y = -1490+2.1819 ∑e12=5393.003 第二组为1991－2001，用OLS估计得： Y = ∑e22＝20299.14 F==3.763977 在选定α＝0.05的情况下，F(=F(7,7)=3.79 因为F＜F (7,7)，所以我们认为其不存在异方差。同时，我们又运用AECH检验其是否存在异方差，按滞后期数为3，计算得： Obs*R-squared=1.952572 又32（0.05）=7.81 且Obs*R-squared＜32（0.05） 同样，我们可以认为其不存在异方差。 接着，我们用DW法考查其是否存在自相关性，同样我们选定=0.05，计算得： dL=1.053 dU=1.664 且DW=0.715519 明显存在自相关性，我们需要对其进行修正。首先，我们运用广义差分法对其修正， =1-=0.6422403 令DY=Y-*Yt-1 DX2= X2-*X2（t-1） DX3= X3-* X3（t-1） DX4= X4-*X4（t-1） 对DY进行OLS估计，得： =-296.2747+1.42155117DX2+0.1012184 DX3+0.000223 DX4 R2=0.905411 DW=1.441355 此时，dL﹤DW﹤dU，；落入了不可判定区域，我们只有运用其他方法对其修正。现在运用迭代法与对数法得 ㏑Y=-11.14515+1.911*㏑X2-0.29631*㏑X3+0.517*㏑X4 4.6727 0.737 0.46865 0.024876 t= -2.385 2.5927 -0.6322 20.785 R2=0.993650 2=0.992 F=625.9582 DW=1.667633 此时，dU﹤DW﹤4-dU，不存在自相关 此时的回归方程中虽然X2的参数为负，但是该方程是由原来不存在多重共线性的方程迭代而得，所以该回归方程还原后不存在多重共线性。 经过检验与修正，我们得到一个较为完整的迭代回归方程。 ㏑Y=-11.14515+1.911*㏑X2-0.29631*㏑X3+0.517*㏑X4 在其还原方程的经济含义表明了在劳动人数（X3），贸易额（X3）不变的情况下，每增加1万公顷播种面积，种植业收入会提高0.884456亿元；同理，播种面积，劳动人数不变的情况下，农产品贸易额每增加1万元会促进种植业收入增加2万元7千多元。 三、结论 尽管我们现在能建立的模型与分析都显得粗糙，但是我们仍然发现了促进农业发展的方法有： ⒈在占用农民耕地时应该更加慎重坚决遏制乱占耕地的现象，维护粮食主产区和种粮农民的利益以保证种植业的正常发展； ⒉农业劳动力的质量有待提高，以提高种植业的劳动生产率，并为农业机械化程度的提高作好准备。同时要作好农业劳动力的转移问题，使劳动力从农业到非农业的流动渠道更加畅通； ⒊大量发展农产品贸易，加大农产品市场开放度，这为提高农业产值和提高农民收入都有重要的作用
-
制度安排与会计信息质量――红光实业的案例分析(1)_经济学毕业论文范文
制度安排与会计信息质量――红光实业的案例分析(1)_经济学毕业论文范文 [摘要]本文对会计信息失真、特别是违法造假的会计信息失真现象，以四川红光实业公司的案例为分析对象，从我国现有制度安排的角度进行分析。分析认为，现有的制度安排本身排斥高质量的会计信息，并诱发会计信息违法性失真。本文分析的政策性意义在于:会计信息失真的治理，不仅仅是一部《会计法》或相应的会计技术规范所能解决的，相关的法律制度安排等才是解决会计信息失真的治本之举。 [关键词]制度安排会计信息披露质量红光公司 一、引言 为寻求提高会计信息质量，我国政府有关管理部门先后制订并发布了数十项相关的法规与制度，如《企业财务会计报告条例》(国务院)、《企业会计准则》、《股份有限公司会计制度》、《会计基础工作规范》(以上为财政部)、《上市公司财务报表披露细则》(中国证监会)等。1999年10月31日，第二次修订的《中华人民共和国会计法》正式发布，并要求自2000年7月1日起施行。新《会计法》的修订、颁布与实行，被认为是旨在改善我国会计信息质量、杜绝虚假会计信息。与之相适应，财政部又于2000年12月发布了《企业会计制度》。所有这些努力，无疑，会在一定程度上促成提高我国的会计信息质量。 但是，会计信息具有经济后果，已为理论界从多个角度进行验证。会计信息质量的提高，必将改变原有市场上各利益团体的利益安排。显然，那些利益受损的团体将不会为追求高质量的会计信息而自愿放弃既得利益。换言之，仅仅依靠会计准则与会计制度本身，应当不会显著地改变会计信息质量。 如果将现代市场经济环境下助人和主体一般性地界定为“逐利的理性经济人”，那么，他(们)的行为模式主要取决于该项行为所可能产生的经济后果。而某项行为的经济后果又在相当程度上受当时的制度安排所决定。“制度可以定义为社会中个人所遵循的行为规则”。换言之，是某一时期社会的制度安排，决定了人们的行为方式。将这一基本推论用于会计信息的提供行为与会计信息质量的分析中，可以认为，提供会计信息的行为与当时社会的制度不可分离。如果一定时期的制度安排鼓励提供高质量的会计信息，并对实施这种行为的主体给予奖励，则市场上普遍提供的会计信息，其质量应当能令人满意；反之，如果市场不奖励、甚至惩罚提供高质量会计信息的主体，那些提供虚假会计信息的主体又能获得不菲的收益，则市场上普遍流行的会计信息，虚假成份必定居多。 本文将依照这一逻辑展开。其中，第二部分主要讨论制度安排对会计信息提供的影响及相关的市场激励或惩罚，以期构建一个一般性的分析框架；第三部分简要描述红光实业案例，为下文的分析与讨论，提供基础；第四部分是本文讨论的重心，将以第二部分所形成的基本分析框架为工具，讨论红光实业案例中各行为主体的激励与约束分布;最后是必要的讨论与本文结论。 二、制度安排与个体行为:一个分析框架 什么是制度?经济学界存在多种解释。早期的制度经济学家康芒斯将制度定义为“集体行动控制个人行动”，集体行动包括从元组织的习俗到有组织的机构以至国家，它们对个体行动的控制是通过利益诱导(用康芒斯的话:对个人有益)和禁例的方式进行的(康芒斯，中译本，第二章)。换言之，制度可以决定(通过诱导或禁止)个人行为。舒尔茨(t?schultz)认为，制度是行为规则，它们涉及社会、政治及经济行为。例如，它们包括管束结婚与离婚的规则、支配政治权力的配置与使用的宪法中所内含的规则，以及确立由市场资本主义或政府来分配资源与收入的规则(科斯等著，中译本，1994，第253页)。作为制度决定论者，诺斯对制度先后有过多次描述与界定，他在《制度、制度变迁与经济绩效》一书中将制度抽象为：“是一个社会的游戏规则，或者，更规范地说，是人为设计的约束(vpmdytsomyd)，用于界定人与人之间的交往”。 当康芒斯说制度通过利益诱导或禁例的方式影响个体行为时，他已经说明制度对个体行为产生影响的方式:利益。如果将每个个体都视为有限理性的经济人，那么，他们的行为准则――或者说他们决定采取或不采取某项行为的主要考虑――就是经济上是否有效。人是社会人，他(们)的各种行为离不开相应的社会制度安排:他们能否获取报酬，取决于社会制度对其行为是否认可；获取报酬的高低，取决于社会制度对其行为认可度的高低；社会制度还通过惩罚手段限制或禁止某项行为；等等。换言之，社会制度通过鼓励或惩罚某一行为，以诱导或禁止该项行为。比如，英国早期保护私有产权制度，使得那些从事各种发明创造以及工商企业的人，获取了高额报酬，从而有更多的人加入其中，最终，促使英国最先完成工业革命；我国1999年后的国有国营企业组织制度安排下，企业经营好坏与个人的报酬没有直接关系，这使得企业经营业绩普遍走低;我国20世纪80年代开始推行的计划生育政策，就是通过严厉的惩罚措施逐步推行的。 严格地说，制度与制度的执行是两个相对独立的概念。其中，制度就是指各种成文或不成文的制度安排，比如我国的《公司法》、各种成文的会计准则和中国证监会发布的信息披露细则；制度的执行更多地体现在相关的法律制度安排以及各种实际的判例上。书面的成文制度是否有效，主要取决于该制度能否真正得到执行。一个无法得到执行的制度，就不具有基本的约束力。 如果将会计信息视为一种相对独立的“物品”，那么，它也具有相应的“制造者”和“消费者”。从理性经济人角度来看，任何一个“制造”或“消费”会计信息的主体，都能(至少是期望能)从“制造”或“消费”的行为中获取收益。这样，与会计信息的提供、消费等有关的制度安排，在相当程度上决定了会计信息的提供与消费的方式。质量等行为。 以本文所讨论的红光公司案例发生的时间为基准，上市公司会计信息制度安排至少包括如下一些法律与法规:《中华人民共和国公司法》(1993)、国务院《股票发行与交易管理暂行条例》(1993)、《中华人民共和国会计法》(1993)、财政部《企业会计准则》和《股份制试点企业会计制度》中国证监会《公开发行股票公司信息披露实施细则》等。这些法律与法规为上市公司提供真实、可靠的会计信息，提供了技术上的保证。问题在于:上述法律法规中有关会计信息质量的相关规定，能否在实践中得到有效执行。从事后披露的具体情况来看，这些法律法规没有得到执行。因而，下文的分析与讨论，更多地将侧重在制度的执行方面，即:执行与违反制度的成本效益对比问题。 三、红光实业：案例介绍 1．“红光实业”的上市过程 红光实业是成都红光实业股份有限公司的简称，1997年6月在上海证券交易所上市，代码为600083。其前身是国营红光电子管厂，始建于1958年，是在成都市工商行政管理局登记注册的全民所有制工业企业，该厂是我国“一五”期间156项重点工程项目之一，是我国最早建成的大型综合性电子束器件基地，也是我国第一只彩色显像管的诞生地。 经成都市体改委(1992162号文批准，1993年5月，由原国营红光电子管厂以其全部生产经营性净资产投入，联合四川省信托投资公司、中国银行四川省分行、交通银行成都分行作为发起人以定向募集方式设立本公司。成都市科学技术委员会认定红光公司为高新技术企业(成科工字[1999]019号文)，技术中心被国家经济贸易委员会、国家税务总局、海关总署认定为享受优惠政策的企业(集团)技术中心(国经贸技(1995)374号文)，1995年12月被四川省人民政府、国家经济体制改革委员会(川府函[1995]517号文)列为全国现代企业制度试点企业。经中国证监会证监发字[1997]246号文和[1997] 247号文批准，红光公司于1997年5月23日以每股6?05元的价格向社会公众发行7，000万股社会公众股，占发行后总股本的30?43%，实际筹得4?1亿元资金。 2．上市前的相关信息披露 目前我国上市公司信息披露的方式与渠道中，“上市公告书”和“招股说明书”是主要部分。此外，相关渠道(从当时来看，主要是证券类报纸和电视、广播评论)的介绍与评论，也构成信息来源的一部分。但公司能否取得上市资格、公司新股发行价格的确定等，主要取决于由上市公司提供、经相关中介机构认定的财务资料等信息。而这部分信息也构成了“上市公告书”和“招股说明书”的主体。因此，下面对相关信息披露的介绍，主要基于红光实业上市前所公开披露的这两份文件。 在当时公司上市采取“总量控制，限报家数”的政策下，公司如果取得“稀缺”的“额度”，则财务资料成为后期上市运作最为关键的因素:顺利通过中国证监会的批准并取得较好的发行价格。红光实业披露的经成都市蜀都会计师事务所审计的上市前三年销售收人和利润总额情况如下(单位:万元)： 项目/年份1996年1995年1994年 主营业务收入42,49295,67683,771 利润总额6,33111,6859,042 净利润5,4287,8606,076 红光公司在1997年4月(股票公开发行前一个月)，进行了一次1:0.4的缩股，将原来4亿股的总股数缩为1.6亿股。再按缩股后的股数对前三年净利润计算每股收益，倒算出1994一1996年的每股税后利润分别为0?380元、0?491元、0?339元;在此基础上，确定了每股6?05元的发行价格。 除财务信息外，关于拟上市公司的一些描述性信息也颇受关注，特别是关于该公司发展前景的信息。理论上，中国证监会不能也不应当批准一个没有发展前景的公司上市，因此，如何将拟上市公司的前景描述的“动听”且“诱人”，是招股说明书和上市公告书的主要任务之一。从红光实业所提供的“招股说明书”和“上市公告书”中，我们可以发现，该公司是一家“前途光明灿烂”的电子企业。同时，按照招股说明书的格式要求，红光公司还提供了经会计师事务所审核的盈利预测数字: “预计公司1997年度全年净利润7，055万元，每股税后利润(全面摊薄)0?3063元/股，每股税后利润(加权平均)0?3513元/股。”部分由于上述信息包装，再配合当时整个股票市场的大势，红光实业(1983)的上市认购中签率不足2?8%，锁定认购资金133亿元。 3．中国证监会的调查结果 红光实业(1983)1997年6月初股票上市发行，募集了4?1亿元资金;当年年报披露亏损1?98亿元、每股收益为-0?86元。当年上市、当年亏损，开中国股票市场之先河。为此，中国证监会进行了调查，并公布了调查结果: 1．编造虚假利润，骗取上市资格 红光公司在股票发行上市申报材料中称1996年度盈利5，000万元。经查实，红光公司通过虚构产品销售、虚增产品库存和违规帐务处理等手段，虚报利润15，700万元，1996年实际亏损10，300万元。 2．少报亏损，欺骗投资者 红光公司上市后，在1997年8月公布的中期报告中，将亏损6，500万元虚报为净盈利1，674万元，虚构利润8，174万元;在1998年4月公布的1997年年度报告中，将实际亏损22，952万元(相当于募集资金的55?9%)披露为亏损19，8仍万元，少报亏损3，152万元。 3．隐瞒重大事项 红光公司在股票发行上市申报材料中，对其关键生产设备彩玻池炉废品率上升，不能维持正常生产的重大事实未诈任何披露。显然，如果红光公司在事先如实披露其亏损和生产设备不能正常运行的事实，它将无法取得上市资格;即便取得了上市资格，上市募股，也很难取得成功。 4．相关的法律诉讼与结果 红光因报告巨额亏损，导致股价大跌，资本市场投资者损失惨重。此后，198年12月，上海股民姜女士向上海市浦东新区人民法院诉讼红光公司管理层；2000年初，上海市民吴先生在成都再次起诉红光公司管理当局，但这两起诉讼都被以“起诉人的损失与被起诉人的违规行为无必然因果关系，该纠纷不属人民法院受理范围”为由，裁决不予受理。 在股民自发起诉不予受理的同时，2000年1月，成都市人民检察院指控以犯欺诈发行股票罪，向成都市中级人民法院提起公诉。2000年12月14日，成都市中级人民法院以欺诈发行股票罪，判处红光公司罚金人民币100万元；有关责任人员何行毅、焉占翠、刘正齐、陈哨兵被分别判处3年以下有期徒刑。 四、现行的制度安排需要真实会计信息吗? 从红光公司上市过程来看，围绕会计信息，有这样几个相关的利益方：企业管理当局和控股股东、股票市场的投资者(含机构投资者和个人投资者)、中介机构、地方政府、申国证监会。它们在公司上市过程中的作用及对信息质量的要求，也各有不同。但总体而言，对真实会计信息的需求制度，并未确立。 1．上市公司管理当局和控股股东理当局提供虚假信息，没有任何法律风险。2000年1月，成都市中级人民法院正式受理成都市人民检察院以欺诈发行股票罪对红光公司管理层的起诉。2000年12月14日，成都市中级人民法院以欺诈发行股票罪，判处红光公司罚金人民币100万元；有关责任人员何行毅、焉占翠、刘正齐、陈哨兵被分别判处3年以下有期徒刑。这一判决向市场传递的信号是:上市公司管理层即便不存在个人犯罪行为，也要承担披露虚假会计信息的法律风险当然，由政府监督所形成的法律风险，与由股东出面、要求公司管理层承担民事赔偿责任是两种不同的法律风险。其中，前者的刑事风险基于市场危机暴发、具有严重的社会后果，政府才出面干涉，它充其量只是一种威慑力量，构不成日常监督；后者则是一种日常监督力量，能有效监督公司管理层的舞弊现象。 2．各级政府和管理机构 理论上，政府只是经济规则的制订者和监督者，本身不参与市场运行。但我国数十年国有国营的经济模式，导致政府对具体的经济活动不能“置身事外”，总是存在“亲历亲为”的冲动。 张维迎等的分析表明:地方政府与中央政府之间存在争利博弈。这种分析也适用于企业、特别是国有企业的上市过程。我们知道，本地区经济发展程度是每一级政府所高度关注的，在由中央政府统一确定上市额度的前提条件下，努力争取让本地或本部门更多的公司上市，是当地政府(横向)或中央部委(纵向)“份内”、“义不容辞”的责任。 各级政府致力发展经济，与虚假会计信息之间并不存在必然的联系。但是，我国国有企业大面积亏损的事实将二者“有机”联系起来。将一个亏损企业推向资本市场，不仅为困难企业筹集巨额资金，暂时缓解危机，而且也增加了当地经济的“活力指数”，上市公司的数量曾一度成为各地方政府经济发展程度的一个特征值。显然，没有虚假会计信息的“帮助”，任何一个亏损或陷入困境的国有企业，是无法直接通过事先设定的公司上市标准要求的。 红光实业上市过程中，当地政府的参与度非常高。这从红光实业的上市公告书和招股说明书的公开披露中也可得到证实。如成都市体制改革委员会(1992162号成都市科学技术委员会认定的高新技术企业(成科工字[1994]019号文)、四川省人民政府(川府函[1995]517号文)等。如果说1992年改组为股份公司的函是一种必须的职务行为，那么，认定高新技术企业则是“锦上添花”，而四川省人民政府推荐将红光列入全国百家现代企业制度试点企业，更体现当地政府对骇企业的“厚爱”。恭居全国百家现代企业制度试点企业，在取得上市额度方面，具有较大的优势。 各级政府、特别是地方政府对上市公司、尤其是国有上市公司陷入程度之深，从红光事后寻求重组的过程，也可得到证实。比如，第一个方案是由长虹重组红光，尽管没有明确报道，但其中政府意向是很明确的；第二个方案是广东福地出面重组，从公开报道来看，成都市政府、市经委在其中的作用，非常直接。而与红光情况类似的郑百文(600898)，重组过程也与政府关系密切。 政府鼓励或默认企业提供虚假会计信息，是否承担相应的法律责任?直到现在，我们仍然没有明确的法律条文。实际上，政府直接造假数字(如夸大统计数字)都不承担法律责任更何况只是支持或默认下属企业造假会计信息。这在大庆联谊(600065)一案中也有所体现:尽管受大庆联谊一案影响而获罪的人数，在虚假上市处理上是空前的，但从中纪委监察部的通报来看，受处罚的只是拿钱的。至于黑龙江省体改委将1997年的批复倒签为1993年，其直接经办人是否承担相应的责任，不得而知。 共2页: 1 论文出处(作者):
-
宏观经济数量分析_经济学毕业论文
宏观经济数量分析_经济学毕业论文 宏观经济数量分析 2⑴-2 教学 情况近五年来讲授的主要课程（含课程名称、课程类别、周学时；届数及学生总人数） （不超过五门）；承担的实践性教学（含实验、实习、课程设计、毕业设计/论文， 学生总人数）；主持的教学研究课题（含课题名称、来源、年限）（不超过五项）；在国内外公开发行的刊物上发表的教学研究论文（含题目、刊物名称、署名次序及时间）（不超过十项）；获得的教学表彰/奖励（不超过五项） 讲授的主要课程: 计量经济学:本科生专业基础课, 周学时3,二届共140人 计量经济学:研究生专业基础课, 周学时3,三届共180人 投入产出分析:研究生, 周学时3,一届共8人 经济数据结构:研究生, 周学时3,三届共13人 经济统计研究:研究生, 周学时3,二届共15人 承担的实践性教学:《计量经济学》实验、课程论文、毕业论文等200人 教学研究课题：四川省精品课程《计量经济学》建设（2003年） 发表的教学研究论文： “抓住机遇乘势而上 实现跨越式发展”高教学会论文集,电子科大出版社2001 “对〈计量经济学〉课程建设的若干思考”统计教育2004年第3期 “高等财经教育的素质教育要突出诚信教育”高等财经教育研究2004年1期 “应当用现代网络教育改造传统函授教育”高等财经教育研究2005年1期 获得的教学表彰/奖励： 主编教材〈统计学〉 获国家统计局全国优秀统计教材奖2001（省部级教学成果奖） 参编教材〈货币与金融统计学〉 获国家统计局全国优秀统计教材奖2005（省部级教学成果奖） 指导的博士论文〈中国社会总资金配置、监测与调控的数量研究〉 获国家统计局全国优秀统计博士论文二等奖2001（省部级教学成果奖） 指导的博士论文〈中国股票市场拨动与效率研究〉 获国家统计局全国优秀统计博士论文二等奖2004（省部级教学成果奖） 2⑴-3 学术 研究近五年来承担的学术研究课题（含课题名称、来源、年限、本人所起作用） （不超过五项）；在国内外公开发行刊物上发表的学术论文（含题目、刊物名称、 署名次序次序与时间）（不超过五项）；获得的学术研究表彰/奖励（含奖项名称、 授予单位、署名次序、时间）（不超过五项） 承担的学术研究课题： 〈中国社会总资金配置、监测与调控的数量研究〉 国家社会科学基金（2000年结题），课题负责人 〈不确定条件下我国企业投资的管理理论与模型研究〉 国家自然科学基金项目（2001年结题），主研人员 〈中国货币与金融统计体系研究〉 国家社会科学基金（2000年立项），课题负责人 〈具有ARCH类误差项高频金融时序模型的单位根检验研究及在金融市场管 理中的实证分析〉 国家自然科学基金项目（2003年立项），主研人员 〈金融安全预警机制研究〉 国家社会科学基金（2005年立项），课题负责人 在国内外公开发行刊物上发表的学术论文（与计量经济有关部份）： 资本市场有效性假说与AR-X-GARCH模型应用 《西南师范大学学报》（署名2）（2002年3期 西南地区经济发展与金融运行的关联性分析 《财经科学》（署名2）2001年2期 计量经济模型中扰动项异方差性的一种检验方法 《西南师范大学学报》（署名2）2003年1期 金融规划与分析中的统计与计量方法 《财经科学》（署名1）2004年6期 金融时序数据建模中的模型设定问题 《财经科学》（署名3）2005年3期 获得的学术研究表彰/奖励： 专著〈社会资金总量分析〉 获国家统计局全国统计科研优秀成果二等奖（署名1）2001 获四川省哲学社会科学优秀成果二等奖（署名1）2002 专著〈中国货币与金融统计体系研究〉 获国家统计局全国统计科研优秀成果二等奖（署名1）2004 获四川省哲学社会科学优秀成果一等奖（署名1）2005
-
需求推动角度考虑通货膨胀成因的实证分析_经济学毕业论文
需求推动角度考虑通货膨胀成因的实证分析_经济学毕业论文 需求推动角度考虑通货膨胀成因的实证分析 经济理论的陈述 弗里德曼将通货膨胀定义为：“通货膨胀是引起物价长期普遍上涨的一种货币现象。”弗里德曼的这个定义坚持了两点：（1）通货膨胀是一种货币现象而非一般的经济现象，通货膨胀或通货紧缩的发生总是与货币量的多少直接相关；（2）通货膨胀所表现出来的物价上涨是长期的和普遍的。对于通胀的定义还有很多，但大都是大同小异。通胀的表现是物价在长期的普遍上涨，且通胀对于经济的成长是很不利的。通货膨胀使个人和企业承受更高的实际税赋；通货膨胀降低储蓄的数量和效率；通货膨胀减少投资；通货膨胀严重损害供给；通货膨胀导致贸易逆差。所以我们要积极的制止通胀的形成，因此我们有必要对通胀的成因进行一系列的分析。我们从需求推动角度考虑通胀的成因。 从需求的角度来说，我们考虑以下一些变量：固定资产投资、经济增长（即GDP）、外汇、上期物价的关系对通胀的影响。另外，我们选用的是零售物价指数来代表通货膨胀的程度。之所以选择零售物价指数是因为它能全面的反映整个国民经济中所以的价格指数和物价水平而且较其他的物价指数更具有代表性。以下就各变量在理论上对通胀的影响进行分析： （1）目前，我国固定资产膨胀主要表现为一般加工工业投资增长过快，非生产性建设如楼堂馆所搞得大多，这就造成投资结构向加工工业和非生产性建设倾斜，造成能源、原材料的供应和交通运输极度紧张。同时由此带来的缺口，又使国家不得不增加重点建设投资，使国家财政收支状况进一步恶化，增加物价上涨的压力。 （2）经济的增长也会导致通货膨胀。经济增长了对货币的需求就会增加，货币的供给也会相应的增加，所以就会给通胀埋下一定的隐患。 （3）外汇和通胀也有一定的联系。这种通货膨胀是由于外债负担过重、外贸逆差过大以及国际市场价格与国内市场价格相差悬殊所引起的通货膨胀。目前，中国的出口额占国内净物质生产的比例已达15．5% ，甚至超过了日本所占的比例，即中国每年工业增长的20% 是用于出口的。我国是一个国内商品供求极不平衡的国家，盲目增加出口，加剧了国内市场需求大于供给的现象，这也是导致中国出现通货膨胀的一个重要原因。出口贸易的增长相对落后于进口贸易，也是结构失衡而引发物价上涨的因素之一。为了弥补国际收支的不平衡，国家不得不采取提高价格收购以增加出口产品，从而影响国内消费品的供应，加剧了国内市场供需矛盾。 （4）上一期的物价指数对通胀的影响在于：人们会根据上一期的物价指数来觉得自己该期的消费计划，而且由于物价指数存在一定的滞后，所以它会对该期的通胀造成一定的影响。 理论模型的设定 为了确定以上所述因素是否确实为通货膨胀成因即是否实际影响物价，我们先单独考虑各因素对物价P的影响是否显著： 投资 如图，投资I与物价指数P间有较高相关性，并且投资对物价的影响表现出明显的滞后性，滞后期为1—2年：投资从90年开始迅速增长，由于投资影响，物价从92年开始飞速增长。 通过阿尔蒙法对物价P与投资I间关系进行分析，得出如下模型： LP = 1.882 + 0.148*LI + 0.134*LI(-1) + 0.119*LI(-2) t （11.01）（1.57） （21.86） （1.299） R2=0.969 DW=0.422 F=247.38 df=16 可知：单独考虑投资对物价影响，模型拟合较好，物价增长中有96.9%可由固定资产投资增加解释。当期投资对物价影响不显著，t仅为1.57；滞后1期投资对物价有显著影响，t=21.86，说明投资对物价影响确实有滞后性，滞后一期固定资产投资增加1%，引起物价增加0.134%。因此，将滞后一期投资LI（-1）引入模型。 经济增长 如图，GDP与物价指数P间存在较高相关性，且GDP对P作用表现出一定的滞后性，滞后期约为1期：91年开始经济快速增长，由此92年开始物价飞涨；96年经济增长速度减慢，由此96年后通货膨胀得到控制，并逐渐转为通货紧缩。 通过阿尔蒙法对P与GDP间关系进行分析，最后得以下模型： LP = 0.7621+ 0.4785*LGDP + 0.1518*LGDP(-1) - 0.1748*LGDP(-2) t (5.5434) (4.3854) (33.2203) (-1.5969) R2=0.9842 DW=0.4898 F=561.0784 df=18 可知：只考虑GDP单独对P的影响，模型拟合较好，P的增长中有98.42%可由各期GDP的增长解释。当期及滞后1期GDP对P的影响显著，滞后1期的GDP对P的影响更大，t值=33.2203。当期GDP每增加1%引起P 增长0.4785%，滞后1期GDP增长1%引起P增长0.1518%。因此，将滞后一期经济发展LGDP（-1）引入模型。 外汇 如图，物价P与外汇F间在总体上存在一定相关性，但相关程度不是很大，且90年以后相关性大于90年前。外汇对P的影响未表现出滞后性，即外汇增长对物价增长的影响基本是同期的：92年外汇快速增加的同时物价猛涨，通货膨胀；97年外汇增幅下降，同时物价下降，开始通货紧缩。 通过阿尔蒙法对P与F间关系进行分析，最后得以下模型： LP = 4.00012 + 0.2713*LF - 0.008947*LF(-1) t （25.297） （2.910） （-0.1037） R2=0.831 DW=0.394 F=41.787 df=17 可知：单独考虑外汇F对物价P的影响，模型拟合得不是很好，物价变动中仅有83.1%可由外汇变动解释。当期外汇对物价有较显著影响，t=2.910；滞后各期F对P无显著影响。当期外汇增长1%，引起物价同步增长0.2713%。因此，将当期外汇LF引入模型。 上期物价指数 由于物价存在惯性作用，上几期物价水平对当期物价有一定影响，故实际分析当期物价影响因素时还须考虑上几期物价水平的影响。 通过阿尔蒙法对P与P（-1）、P（-2）等间关系进行分析，最后得以下模型： LP = 0.1641 + 0.9796*LP(-1) + 0.00052*LP(-2) t （0.939） （24.167） （0.033） R2=0.9819 DW=0.7148 F=487.658 df=18 可知：单独考虑滞后期物价对当期物价的影响，模型拟合得很好，当期物价变动有98.19%可由上几期物价变动解释。上1期物价对当期有显著影响，t=24.167；上2期物价对当期物价影响不大，t仅为0.033。上1期物价增长1%，其惯性会导致当期物价增长0.9796%。因此，将滞后一期物价LP（-1）引入模型。 综上所述，由于样本容量仅有23组数据，故为避免自由度损失而导致的自由度不足，我们只选取各因素中对当期物价影响最显著的那一期进行回归。具体说来，即投资因素中选取滞后1期固定资产投资总额I（-1），经济增长因素中选滞后1期GDP（-1），外汇因素中选当期外汇F，上几期物价水平因素中选上1期零售商品物价指数（-1）。又由于对数变换能使测定变量值的尺度缩小，且对数变换后的线形模型其相对误差往往具有较小差异，故我们先将各解释变量的数据做对数变换，变为LI（-1）、LGDP（-1）、LF、LP（-1）后，设定模型为： LP=a0+a1*LI（-1）+a2*LGDP（-1）+a3*LF+a4*LP（-1）+u LP—当期物价指数 Li（-1）—滞后一期固定资产投资总额 LGDP（-1）—滞后一期GDP LF—当期外汇总额 LP（-1）—滞后一期物价指数 （L表示取对数） 据来源与收集方法 数据来自于《2001年中国统计年鉴》及其他网上搜寻结果，结果如下： obsPIGDPFP(-1) 197813624.11.67 19791024038.28.41 1980108.1910.94517.8-12.96102 1981110.79614862.427.08108.1 1982112.81230.45294.769.86110.7 1983114.51430.15934.589.01112.8 1984117.71832.9717182.2114.5 1985128.12543.28964.426.44117.7 1986135.83120.610202.220.72128.1 1987145.73791.711962.529.23135.8 1988172.74753.814928.333.72145.7 1989203.44410.416909.255.5172.7 1990207.7451718547.9110.93203.4 1991213.75594.521617.8217.12207.7 1992225.28080.126638.1194.43213.7 1993254.913072.334634.4211.99225.2 1994310.217042.146759.4516.2254.9 1995356.120019.358478.1735.97310.2 1996377.822913.567884.61050.29356.1 1997380.824941.174462.61398.9377.8 1998370.928406.278345.21449.6380.8 1999359.829854.782067.51546.75370.9 2000354.432917.789403.61655.74359.8 参数估计 用OLS估计参数，结果如下 模型一： LP = 1.129 + 0.549*LI(-1) - 0.856*LGDP(-1) - 0.026*LF + 1.522*LP(-1) T （2.293） (3.669) (-3.095) (-1.142) (5.261) R2=0.9917 DW=1.1513 F= 450.3741 df=15 ARCH=5.8114 由以上结果可知：模型一整体拟合得很好，真实线actual与拟合线fitted基本重合。R2=0.9917，各因素对物价的解释程度高达99.17%；F=450.3741F(4,18)=2.93 (显著性水平a=0.05)，表明模型从整体上看物价指数与各解释变量间线形关系显著。 各种检验和修正 多重共线性检验及修正 检验 Correlation Matrix LPLI(-1)LGDP(-1)LFLP(-1) LP10.9848024145150.987971092370.9071375688070.989997049639 LI(-1)0.98480241451510.9958024966170.8902267134280.980259927924 LGDP(-1)0.987971092370.99580249661710.9146940047960.992460834278 LF0.9071375688070.8902267134280.91469400479610.937613819947 LP(-1)0.9899970496390.9802599279240.9924608342780.9376138199471 由上表可以看出，解释变量间存在高度相关性。由模型一也可看出：尽管模型一整体拟合较好，但LF的参数t值不显著，LGDP（-1）与LF系数符号与经济意义相悖。表明模型一中解释变量存在严重的多重共线性。 修正 运用OLS方法逐一求LP对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线形回归方程。经分析，固定LGDP（-1），对其他解释变量进行偏回归，可得LI（-1）、LF、LP（-1）间线形关系明显减弱，相关系数只有0.4—0.5左右：说明LGDP是导致解释变量间共线性的主要原因，故在LI（-1）和LGDP（-1）间选择LI（-1）可有效避免共线性。又由于LF和LP（-1）的一元回归模型的R2、t值都较小，因此，在4个一元回归模型中物价LP对滞后1期投资LI（-1）的线形关系最强，拟合的最好，即： 模型二： LP = 1.976739277 + 0.3910517188*LI(-1) t （13.979） （24.057） R2=0.9698 DW=0.3667 F=578.7338 df=18 将其余解释变量一一代入上式得如下几个模型： A、 LP = 0.9541 + 0.04637*LI(-1) + 0.4051*LGDP(-1) T （1.921） （0.286） （2.132） R2=0.9762 F=348.6598 B、 LP = 2.1956 + 0.3392*LI(-1) + 0.0441*LF T （11.8632） （10.0077） （1.7187） R2=0.9743 F=322.2577 C、 LP = 0.7980+ 0.1457*LI(-1) + 0.6227*LP(-1) T （2.7002） （2.4729） （4.2759） R2=0.9854 F=572.1216 以上各模型中，A 与模型二相比R2无显著提高，LI（-1）的t值不显著，不适用，且LGDP（-1）与LI（-1）间有很强共线性，故删去LGDP（-1）；B与模型二相比R2无显著提高，且t值有下降，也不适用；C与模型二相比，虽然t值有所下降，但还显著，且R2有显著提高，F未降低，故选C。 将LF代入C得： LP = 0.3129 + 0.1148*LI(-1) + 0.7959*LP(-1) - 0.0317*LF T （0.6071） （1.7838） (3.7927) (-1.1441) R2=0.9865 F=388.78 该模型与C相比，R2无显著提高，F下降，t值下降，且LF系数与经济意义相反，故删去LF。则逐步回归得最终模型为 模型三： LP = 0.7980+ 0.1457*LI(-1) + 0.6227*LP(-1) T （2.7002） （2.4729） （4.2759） R2=0.9854 F=572.1216 异方差检验及修正 检验 由上图知：物价P的残差平方E2随inv的增大先减小后增大，不具备单调性，故不能分段检验法。由于ARCH检验是时间序列检验，不受单调性影响，故用ARCH检验异方差性。由ARCH检验结果得：Obs*R-squared=6.906112 滞后期为2的卡方分布（a=0.05）=5.9915，拒绝H0，表示模型中随机误差项存在异方差。 修正 生成权数W=1/LI（—1），再进行WLS 回归，得结果 模型四： LP = 0.7333 + 0.1462*LI(-1) + 0.6343*LP(-1) T （2.7311） （2.8534） （4.8984） R2=0.9673 DW=0.5918 F=677.0156 df=17 由以上模型的ARCH检验得Obs*R-squared=5.7924 滞后期为2的卡方分布（a=0.05）=5.9915,,接受H0，表示模型中随机误差项不存在异方差。 自相关性检验及修正 检验 由于模型中有因变量LP的滞后期LP（-1），故不能用DW检验，应该用德宾h—检验。由模型四结果得DW=0.5918，Var（a2）=0.1295，n=20；则 h=（1-d/2）*quar[n/（1-n*Var（a2））]=3.8625 h(a/2)=1.96 (a=0.05) 因此拒绝原假设p=0，说明自回归模型存在正的一阶自相关。 修正 由Cochrane-Orcutt迭代法得 模型五： LP = -26.128 + 0.298*LI(-1) + 0.513*LP(-1) + [AR(1)=0.999] T （-0.0129） （3.9610） （3.4137） （12.9936） R2=0.9936 DW=1.6388 F=771.7367 df=15 由模型五得DW=1.6388，Var（a2）=0.1503，n=19；则 h=（1-d/2）*quar[n/（1-n*Var（a2））]=1.0419 h(a/2)=1.96 (a=0.05) 因此接受原假设p=0，说明自回归方程不存在一阶自相关。又模型五中T、R2、F值皆有所提高，且模型的ARCH检验得Obs*R-squared=0.4154滞后期为2的卡方分布（a=0.05），接受H0，表示模型中随机误差项不存在异方差。 故模型五最佳，选择模型五为最终回归结果： LP = -26.128 + 0.298*LI(-1) + 0.513*LP(-1) + [AR(1)=0.999] T （-0.0129） （3.9610） （3.4137） （12.9936） R2=0.9936 DW=1.6388 F=771.7367 df=15 表示：滞后一期投资每变动1%，引起当期物价变动0.298%；滞后一期物价变动1%，引起当期物价变动0.513%。由以上结果可知：当期物价变动有99.36%可由滞后一期的投资和物价共同解释，且滞后一期投资与滞后一期物价对当期物价的影响显著，t值分别为3.9610和3.4137。模型拟合较好，如下： 分段分析预测 由上图观察，并考虑到足够的样本容量进行回归，我们将我国从1978—2000年的通货膨胀分为以下2个阶段考察： 1、1979年—1991年 由上图可知，从1979—1991这13年中，物价总体呈温和上升趋势，主要又分为以下几个阶段：（1）79—86年，这段时期内，投资、经济发展、外汇等都增长较小、较平稳，故物价也较稳定，8年物价指数仅增长50%，年增长率仅为6.25%左右；（2）87—89年，这段时期内，物价上涨率超过2位数，3年仅上涨约50%，年增长率超过16%；（3）90—91年，通涨在这段时间内控制在5%以下的良性区域，且出台了一系列价格改革措施。 这段时间的回归估计式为： LP = 0.4199 + 0.1868*LI(-1) + 0.6331*LP(-1) + [AR(1)=0.2295] T （1.035） （2.174） （3.345） （0.459） R2=0.982 F=110.730 df=6 当期物价与投资、滞后物价的整体拟合程度略有下降，投资对物价影响的显著性下降较多，滞后1期投资变动1%仅引起当期物价变动0.1868%。预测值与真实值差异增大，拟合效果有所下降，如下图： 2、1992年—2000年 从图形可知，从1992—2000这8年间，物价水平增长较快，出现较严重通货膨胀，具体可分为以下几个阶段：（1）92—96年，这段时期内，由于经济连续快速增长，投资需求大幅度增加，投资规模不断膨胀，5年间物价上涨约150%，年增长率约为30%，出现严重通货膨胀；（2）97—00年，成功实现经济增长的“软着陆”，经济保持适度高度增长同时，物价指数有所下降，投资需求趋于平缓，通货膨胀压力大为缓解。 这段时间的回归估计式为： LP = -11.6820 + 0.4356*LI(-1) + 0.3672*LP(-1) + [AR(1)=0.9949] T （-0.098） （5.732） （3.427） （16.217） R2=0.9936 F=258.55 df=5 当期物价与投资、上期物价间整体拟合程度很高，投资对物价影响显著性增强，滞后1期投资没变动1%，当期物价变动0.4357%。预测值与真实值拟合的很好，如下图： 比较79—91和92—00两个阶段的回归方程，后者拟合较好，预测精度较高；投资因素对物价影响，后者比前者显著，即92年后投资对物价的影响逐渐增大。 因此，我们应更加重视投资因素对通货膨胀的作用，更加重视通过控制投资来控制通涨。
