-
影响我国城镇居民消费性支出的因素分析_经济学毕业论文
影响我国城镇居民消费性支出的因素分析_经济学毕业论文 影响我国城镇居民消费性支出的因素分析 模型概况 (一)目的 随着改革开放的深入和市场经济的发展,人民的生活水平得到了大大地提高。作为总需求中最主要的部分，消费的增长在GDP的增长中占了极大的比例。由此，分析影响我国城镇居民——此群体的消费具有代表性——消费性支出的多种因素各自的重要程度，将有助于我们认清当前中国经济发展的重要原因。 (二)思路 在现实生活中，影响各家户消费的因素很多，如收入水平、商品价格水平、利率水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成及制度、风俗习惯等等。结合众多西方经济学家对以上因素的分析，我们认为，对消费水平有决定意义的是城镇居民全年总收入——收入增加意味着人们的购买力增强，从而消费量增加；利率水平——利率的升降会改变人们对现在消费与未来消费的偏好程度；城镇居民消费价格指数——由于对于占全民消费总量的比例日益增加的正常品与奢侈品来说，替代效应大于收入效应，所以对商品的需求量即消费量会与价格成反向变化。 模型的数据 我们选择了时间序列数据而没有采用横截面数据是为了避免各个不同地区发展水平的差异。每个地区的地理位置和自然资源都是决定产业结构的重要因素，且非人力和经济发展所能解决的，这就决定了各个地区的经济发展轨迹都不相同。我们从各期《中国统计年鉴》收集到的全部城镇居民可支配收入的数据就只有1991年到2002年的，共12个。作为小样本，给检验和解释都提供了难度，因此我们加倍小心。 三、模型的具体形式和检验 Y——城镇居民消费性支出 X1——城镇居民全年总收入 X2——当年利率水平 X3——城镇居民消费价格指数 obsYX1X2X3 1991 1453.810 1544.000 1.800000 105.1000 1992 1672.000 1826.000 1.800000 108.6000 1993 2110.810 2583.160 2.655000 116.1000 1994 2851.340 3520.310 3.150000 125.0000 1995 3537.570 4288.090 3.150000 116.8000 1996 3919.470 4844.780 2.475000 108.8000 1997 4185.640 5188.540 1.710000 103.1000 1998 4331.610 5458.340 1.530000 99.40000 1999 4615.910 5888.770 0.990000 98.70000 2000 4998.000 6295.910 0.990000 100.8000 2001 5309.010 6868.880 0.990000 100.7000 2002 6029.880 8177.400 0.720000 99.00000 （表一） 数据来源：①国家统计局网 ②1992～2003年《中国统计年鉴》 （一）模型的估计 由于线性回归模型较简单，且在符合古典假定的条件下，对参数的最小二乘估计满足参数估计的准则即无偏性、最小方差性和一致性，因此我们首先将模型设定为多元线性回归模型，即 Yt=a0+a1X1t+a2X2t+a3X3t+ut 用最小二乘法对模型估计，输出结果如下： Dependent Variable: Y Method: Least Squares Sample: 1991 2002 Included observations: 12 VariableCoefficientStd.Errort-StatisticProb. C1761.760815.52782.1602690.0628 X10.7200030.01719141.881450.0000 X2163.899191.335041.7944820.1105 X3-15.906758.889293-1.7894280.1113 R-squared0.997171 Mean dependent var3751.254 AdjustedR-squared0.996110 S.D. dependent var1465.440 S.E. of regression91.39736 Akaike info criterion12.12951 Sum squared resid66827.81 Schwarz criterion12.29115 Log likelihood-68.77707 F-statistic939.9610 Durbin-Watson stat1.753659 Prob(F-statistic)0.000000 （表二） 将上述回归结果整理如下： Yt=1761.760+0.720003X1t+163.8991X2t-15.90675X3t （一式） （815.5278）（0.017191）（91.33504） （8.889293） t=（2.160269）（41.88145）（1.794482） （-1.789428） R-squared= 0.997171 Adjusted R-squared=0.996110 F=939.9610 DW=1.753659 （二）模型的检验 上述回归结果是在模型满足古典假定的基础上得出的，然而由于经济变量的复杂性，在实际生活中这些假定不一定都能满足，因而我们需要详细讨论模型是否真正满足古典假定。这包括对变量的多重共线性、异方差性、自相关性的检验。 多重共线性的检验与修正 简单相关系数矩阵法 X1、X2、X3的相关系数矩阵 X1X2X3 X1 1.000000-0.618869-0.585087 X2-0.618869 1.000000 0.931160 X3-0.585087 0.931160 1.000000 （表三） 通过上述相关系数矩阵可以看出X2与X3之间存在着高度相关性。对于这种现象我们的解释为利率上升意味着资本品价格的上升从而导致企业成本的增加，由此必然引起物价的上升。既然X2与X3之间存在着高度的相关性，就需要对模型进行修正。在此，我们运用逐步回归法。 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我们认为Y对X1的回归方程线性关系强， 拟合程度好，因此将其作为基本回归方程，回归结果如下： Dependent Variable: Y Method: Least Squares Date: 11/26/04 Time: 21:44 Sample: 1991 2002 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C379.554673.425455.1692520.0004 X10.7163140.01440649.722380.0000 R-squared0.995972 Mean dependent var3751.254 Adjusted R-squared0.995569 S.D. dependent var1465.440 S.E. of regression97.55194 Akaike info criterion12.14966 Sum squared resid95163.81 Schwarz criterion12.23048 Log likelihood-70.89795 F-statistic2472.315 Durbin-Watson stat1.079742 Prob(F-statistic)0.000000 （表四） 将上述回归结果整理如下： 上述 Yt = 379.5546285 + 0.7163137441X1t （二式） (73.42545) (0.014406) t=(5.169252) (49.72238) R-squared=0.995972 Adjusted R-squared=0.995569 F=2472.315 DW=1.079742 将X2带入一式，用最小二乘法对模型估计，输出结果如下： Dependent Variable: Y Method: Least Squares Date: 11/22/04 Time: 22:12 Sample: 1991 2002 Included observations: 12 VariableCoefficientStd.Errort-StatisticProb. C324.9857159.34362.0395270.0718 X10.7209500.01917137.607220.0000 X217.8941645.791360.3907760.7051 R-squared0.996039Mean dependent var3751.254 AdjustedR-squared0.995158 S.D. dependent var1465.440 S.E. of regression101.9674 Akaike info criterion12.29950 Sum squaredresid93576.08 Schwarz criterion12.42073 Log likelihood-70.79700 F-statistic1131.495 Durbin-Watson stat1.121971 Prob(F-statistic)0.000000 （表五） 将上述回归结果整理如下： Yt = 324.9857209 + 0.7209499286X1t+ 17.89416275X2t （三式） (159.3436) (0.019171) （45.79136） t=（2.039527） （37.60722） （0.390776） R-squared=0.996039 AdjustedR-squared=0.995158 F=1131.495 DW=1.12197 将X3代入三式就得出一式的结果，即： Yt=1761.760+0.720003X1t+163.8991X2t-15.90675X3t （815.5278）（0.017191）（91.33504） （8.889293） t=（2.160269）（41.88145）（1.794482） （-1.789428） R-squared= 0.997171 Adjusted R-squared=0.996110 F=939.9610 DW=1.753659 通过三个回归结果的比较，我们仍选择最初的模型，即不剔除任何变量。 对于X2与X3存在高度相关的问题，也许课本中的一句话可以对此部分地加以解释“两个解释变量之间的简单相关系数，实际隐含着其他变量变化的相关影响，因此其值的大小并不一定是真实相关程度的反映。此外系数究竟要多大才算是严重的共线性，也无统一的量化标准”。 2．异方差性的检验与修正 （1）ARCH检验法 我们在建模分析中所用样本资料是时间序列数据，符合ARCH检验的要求，因此我们选择此检验方法。 ARCH Test: F-statistic2.303401 Probability0.170353 Obs*R-squared3.969053 Probability0.137446 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/20/04 Time: 19:39 Sample(adjusted): 1993 2002 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C3722.7403747.8650.9932960.3537 RESID^2(-1)-0.1679090.436775-0.3844290.7121 RESID^2(-2)0.8662100.4370991.9817270.0880 R-squared0.396905 Mean dependent var6420.913 Adjusted R-squared0.224593 S.D. dependent var9617.023 S.E. of regression8468.483 Akaike info criterion21.16942 Sum squared resid5.02E+08 Schwarz criterion21.26019 Log likelihood-102.8471 F-statistic2.303401 Durbin-Watson stat1.799703 Prob(F-statistic)0.170353 （表六） 在显著性水平为0.05，自由度为2的条件下卡方的值为 5.99147 ∵ 3.969053 5.99147 ∴模型不存在异方差性。 （2） White检验法 White Heteroskedasticity Test: F-statistic0.732094 Probability0.696656 Obs*R-squared9.205677 Probability0.418509 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample: 1991 2002 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C5373933.7277797.0.7384010.5372 X1-41.58855133.2222-0.3121740.7844 X1^2-0.0022340.003054-0.7314170.5406 X1*X2-20.7640420.57853-1.0090150.4192 X1*X30.8716991.6181380.5387050.6440 X21516347.1845673.0.8215690.4977 X2^287460.57114122.90.7663720.5236 X2*X3-16444.2020734.03-0.7931020.5109 X3-124953.4165923.7-0.7530770.5300 X3^2710.2344941.26870.7545500.5293 R-squared0.767140 Mean dependent var5568.984 Adjusted R-squared-0.280731 S.D. dependent var8926.399 S.E. of regression10101.95 Akaike info criterion21.15375 Sum squared resid2.04E+08 Schwarz criterion21.55784 Log likelihood-116.9225 F-statistic0.732094 Durbin-Watson stat3.295385 Prob(F-statistic)0.696656 （表七） 在显著性为0.05，自由度为9的条件下卡方的值为16.9190 ∵9.20567716.9190 ∴模型不存在异方差性。 通过对以上两种检验方法的结果进行分析，我们可以得出结论：模型不存在异方差性。 3．自相关性检验 （1）D—W检验 由表二知，d=1.753659 在n=12，k’=3的条件下，dL=0.658，dU=1.864 ∵d 介于dL 和dU之间 ∴无法判定模型是否存在自相关性 （2）图示法 由于图示法的判定具有一定的主观性，所以我们最初没有选择使用图示法检验。但D—W检验法无法判定模型是否存在自相关性，因而我们不得不退而求其次选用图示法。 由图可知，当期残差及其滞后一期的残差在二维坐标图中不存在系统反映，所以可认为误差项之间不存在自相关性。 4．总结 通过对我们所设定的模型Yt=a0+a1X1t+a2X2t+a3X3t+ut进行多重共线性、异方差性、自相关性检验，可得出该模型能较好地反应解释变量和被解释变量之间的关系。 所以，我们确定下来的模型为 Yt=1761.760+0.720003X1t+163.8991X2t-15.90675X3t （815.5278）（0.017191）（91.33504） （8.889293） t=（2.160269）（41.88145）（1.794482） （-1.789428） R-squared= 0.997171 Adjusted R-squared=0.996110 F=939.9610 DW=1.753659 四．经济意义的解释 （一）X1t前的系数即边际消费倾向为0.720003。这说明人们增加的收入中用于消费的部分所占比例较大，这主要是因为：第一，消费结构在其发展过程中呈现出来的不同阶段性特点，是由生产力发展的不同水平决定的。低级阶段特点是以吃穿两项占绝大比重，中级发展阶段吃穿退居次要地位，耐用消费品占主要地位；高级阶段上物质生活消费退居次要地位，文化精神生活消费上升为主要内容。随着收入的增加，处于高级阶段的人数增大，全社会购买昂贵奢侈品的数量增多。第二，生活水平的持续提高让人们不必担心未来的某一时间自己会没有足够的收入来应付比如事故、疾病之类的突发性事件，即人们的谨慎性需求较以前降低，所以不必将太多当前收入用于储蓄。 （二） X2t前的系数为正。这主要是由利率的收入效应较大决定的。即，利率提高使人们将来的利息收入增加，会使他认为自己较为富有，以致增加目前消费，从而减少了储蓄。至于为什么此系数的值太大，我们认为与X2t是一个指数有关。 （三）X3t前的系数为负。这是因为： 首先，价格水平上升，将导致利率上升，进而导致投资和总支出水平下降——利率效应。因为价格水平越高，商品和劳务越贵，所需交易的现金越多。若货币供给不变，价格上升使货币需求增加时，利率就会上升。利率上升，使投资水平下降。 其次，价格水平上升，使人们所持有的货币及其他以货币固定价值的资产的实际价值降低，人们会变得相对贫穷，于是人们的消费水平就相应地减少，这种效应称为实际余额效应。 再次，价格水平上升，会使人们的名义收入增加，名义收入增加使人们进入更高的纳税档次，从而使人们的税负增加，可支配收入下降，进而使人们的消费水平下降。 （四）此外，我们必须承认，由于自身知识量的不足以及模型本身的缺陷，在建模过程中我们有意略去了一些重要变量。譬如消费者偏好与风俗习惯，其数据难以获得，只好被放在随机误差项里。再者，西方经济学各流派对影响消费的因素的见解可谓百家争鸣，皆有道理，如美国经济学家杜森贝利在他的相对收入消费理论中提出消费者的消费行为要在很大程度上受周围人们消费水准的影响，即，就低收入家庭而言，其收入虽低，但因顾及它在社会上的相对地位，不得不提高自己的消费水平，这种心理会使社会短期消费整个提高，等等，为确保论文结构有逻辑性，我们只能主要参照最有影响力的凯恩斯理论。 五．结论 消费支出的增长是由多种因素共同决定的，对于一国政府而言，可以通过以下各种政策来进行宏观调控。 (一)采用扩张的财政政策，减少税收，扩大政府对商品和劳务的购买以及转移支付，借此增加人们收入以刺激消费；反之，采取紧缩的财政政策，增加税收。 (二)由于我国目前实行的不是由市场资本供求关系所决定的市场利率，而是政府起主导作用的官定利率，因此国家可以更强有力地利用利率政策，并且国家对利息所得额征税的政策也直接影响了居民的储蓄收益，最终改变了人们的消费与储蓄的分配比例； （三）此外，模型中需求与价格的反向关系，证实了我们最初的设想，即奢侈品在人们日常消费品中所占比重增加，同时消费价格指数能从很大程度上反映一国的通货膨胀的程度，等等。 参考文献： 高鸿业，《西方经济学》，中国人民大学出版社，2000年11月 易丹辉、尹德光，《居民消费统计学》，中国人民大学出版社,1994 萨缪尔森，诺德豪斯，《经济学》，华夏出版社，1999年 庞皓、李南成，《计量经济学》，西南财经大学出版社，2001年 殷孟波、曹廷贵，《货币金融学》，西南财经大学出版社，2000年 附录： Dependent Variable: Y Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C5668.824860.22716.5899150.0001 X2-1047.852429.1164-2.4418840.0347 R-squared0.373543 Mean dependent var3751.254 Adjusted R-squared0.310898 S.D. dependent var1465.440 S.E. of regression1216.494 Akaike info criterion17.19634 Sum squared resid14798571 Schwarz criterion17.27716 Log likelihood-101.1781 F-statistic5.962795 Durbin-Watson stat0.323938 Prob(F-statistic)0.034737 Dependent Variable: Y Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C14615.124712.1613.1015740.0112 X3-101.681943.97657-2.3121830.0433 R-squared0.348373 Mean dependent var3751.254 Adjusted R-squared0.283210 S.D. dependent var1465.440 S.E. of regression1240.692 Akaike info criterion17.23574 Sum squared resid15393171 Schwarz criterion17.31656 Log likelihood-101.4144 F-statistic5.346191 Durbin-Watson stat0.365806 Prob(F-statistic)0.043346
-
关于我国信息化水平的实证分析_经济学毕业论文范文
关于我国信息化水平的实证分析_经济学毕业论文范文 [关键词]信息化；NIEC；固定资产投资；最终消费；政府财政支出 [论文摘要]我国的信息化水平与发展水平呈明显正相关，目前推动我国信息化发展的因素主要是政府财政支出和最终消费，而固定资产投资对信息化建设的促进作用最弱。 一、信息化与经济、社会发展水平的相关分析 国务院信息化工作领导小组在1997年全国信息化工作会议上提出，信息化是在国家统一规划和组织下，在农业、、技术、国防及社会生活各个方面应用信息技术，深人开发、广泛利用信息资源，加速国家实现现代化的进程。为了科学评价国家及地区的信息化水平，正确指导各地信息化发展，需要建立全国统一的信息化指标体系。信息产业部会同有关部委共同研究提出了《国家信息化指标构成方案》，作为当前进行国家和地区信息化水平量化分析和管理的依据和手段，该套方案由资源开发利用、信息建设、信息技术应用、信息产品与月凤务、信息化人力资源、信息化发展环境六个大项，20个小项指标组成。 国家信息化测评中心NIEC受国家主管部门的委托，根据信息产业部公布的《国家信息化指标构成方案》及有关指标数据，对全国各地区信息化水平进行了测算，2000年国家信息化水平总指数(NIQ)为38.46，比1999年的30.14和1998年的25.89，有较大提高，1998-2000年中国信息化水平总指数提高了48.6%，平均每年提高21.9%，大大快于国民经济7—8%的增长速度。 本文试图分析我国各地区信息化水平与经济与社会发展水平之间的相关关系以及影响我国信息化水平的主要因素，数据如表1。 做信息化指数与人均GDP和社会发展指数的散点图，结果如下(见图一、图二):可以看出，信息化水平和我国的经济发展水平和社会发展水平都有明显的正相关，信息化指数较高的地方，人均GDP和社会发展指数也较高，信息化指数与人均GDP的相关系数为0.754，与社会发展指数的相关系数为0.815，由此可以看出信息化的重要性。 二、影响我国信息化发展水平的因豪分析 影响信息化发展的因素很多，但本文只分析决定国民生产总值的投资、消费、和政府购买这三项宏观指标对信息化的影响。由于全国各地区的信息化水平是一个水平数据，而不是总量数据，分析影响信息化发展水平的因素时，应该使用人均数据，而不是总量数据，因此，本文用各地区的固定资产投资、最终消费、政府财政支出的数据来除以人口总数得到人均固定资产投资RIJ、人均最终消费RJC以及人均政府财政支出RJG，用SPSS软件做信息化指数Ⅱ与RJIRJC以及RJG的线性回归分析，Ⅱ为因变量，其他变量为自变量，结果如表2。
-
旅游度假区的开发模式探讨_经济学毕业论文
旅游度假区的开发模式探讨_经济学毕业论文 旅游度假区的开发模式探讨 内容概要：旅游度假区的开发没有固定的模式可循，只有针对实际情况，量身打造才是良策．照搬照抄前人的旅游产品已经不能满足目前日新月异的旅游市场的需求，因此，我们在开发过程中，必须立足当地实情，密切关注市场动向，时刻跟进游客的需求，打造具有时代性、地域性的新型旅游产品。旅游从传统观光时代迈入了产业化升级阶段。旅游产品从观光产品向休闲复合型产品过渡是必然趋势。 现如今，随着城市人口的扩张，城市化的脚步正在加快，城郊型旅游区开发成为近年来旅游开发的热点，但是，如何在有效保护城郊地区生态环境的同时，开发具有区域色彩的旅游产品；如何在如火如荼进行旅游区开发的同时，有效吸收城市扩张所带来的城市功能的扩张，这些都成为城郊型旅游开发有焦点，现我们结合嘉兴湘家荡区域项目策划项目，做一个城郊型旅游度假区开发模式的探讨。 明代怀悦在他的《过湘湖》诗中所写，在湘家荡边上修筑园林，使得湘家荡成为了当时嘉兴有名的风景地。然而，时过境迁，如今的湘家荡，昔日的江南园林已经消失，取而代之的是浙江省城乡统筹配套改革的建设新貌，区域旅游的开发也成为了湘家荡谱写盛世华章的契机。 前言 随着城市化的发展，城市效区凭借其独特的区位优势和资源特点成为近年 来旅游开发有热点。城市郊区拥有比城区优越的生态环境，开敞的建筑空间，山、水或林等自然景观的依托。从区域整体开发格局来看，城郊度假区的旅游开发不仅能给规划区块本身带来发展的空间；而且，由于其身处城市与乡村开发的边缘地带，城郊度假区还具有承接城市扩展的功能，通过旅游项目的开发，汇聚人气，形成区域的人流、物流、商流，而完善的区域基础设施环境，优美的生态环境景观，更能提升周边地产的土地价值，成为区域发展的核心引擎项目。 湘家荡概况 嘉兴地处长三角地区核心圈层，东邻上海，西靠杭州，北连苏州，南与宁 波隔钱江而望。本次规划区块湘家荡位于嘉兴市东北侧，距离嘉兴市区约为7公里，南部与中心城区向接壤，东面为南湖区大桥镇，西侧为秀洲区油车港镇，北临嘉善县。整个区域交通条件便利，320国道从地城北部穿梭而过，根据上位规划地块内将有三条城市干道通过，交通便利性将近一步增加。 根据土管部门2007年底土地利用变更调查资料，湘家荡区域用地总面积为4338.1公顷，其中农用地为2955公顷，建设用地为882公顷，未利用地（水域）501.1公顷。规划范围内通过两分两换政策，农户已经全部集中搬迁到新型市镇区。 区域内农用地所占面积较大，属于典型的江南水乡稻作景观区，开发用地较少，保存了最原始的江南水乡传统风貌。作为嘉兴城郊型旅游度假区开发有处女地，湘家荡区域之前已经做了几轮规划，但是都没有付诸实施。2009年7月，湘家荡区域联合开发建设管委会委托奇创旅游咨询运营机构编制《嘉兴市湘家荡区域旅游开发策划》，如何在科学规划的背景下推出具有吸引力的策划方案，这是策划初期遇到的最核心问题。 城郊型度假区开发思路 研究市场，项目定位明确。城郊旅游度假区要找准在整个度假区在整 个城市中担当的时代性角色，避免同区域内其他度假区在产品类型上发生雷同，通过调查研究，嘉兴城郊型旅游产品主要以传统农家乐、水乡古镇产品为主，如周家庄农家乐、西塘、乌镇等。 根据项目的具体特点，设计适合本项目发展的模式。城郊旅游度假区 的开发一定要开创自身的发展模式，有自己的特色，防止项目的雷同化，在人本服务、项目设置、建筑特点、软件配套方面要有自己的特色。在旅游产品开发过程中，项目组一致认为，如果继续做传统古镇，做传统农家乐，一方面很难超过乌镇、西塘的知名度，二来项目雷同，不具有特色，反而降低了该度假区的区域竞争力。 复合产业业态的设计。复合产业业态，将传统的旅游产业与商业、地 产业、会展产业、运动康体产业、教育产业、创意产业、博彩业、农业、工业等结合，确定不同的角色，在角色定位的前提下，围绕开发项目的角色与目标，努力挖掘自身的优势，利用恰当的商业措施与文化联姻，用市场的方式运作才能获得最佳经济效益。从近年来嘉兴市经济发展和全社会产业结构调整的大趋势看来，以现代服务业为旗帜的第三产业的发展是未来经济发展的必然方向。深度挖掘特色产业、优势产业，整个产业链，立足资源特色，开发绿色旅游产品，在创造经济效益的同时追求对环境的最低破坏，才能形成旅游区的可持续发展。 注重湘家荡区域项目策划和创意，提升项目的品牌含量。在开发过程 中，必须注意项目的规模与功能，布局的尺度与收放，氛围的营造与把握，都应在创意、策划中很好地确定，最终通过新颖朴实的外观、功能完善的内涵、配套齐备的设施、自然谐调的韵味，塑造项目的特色和魅力，提高品牌的含金量。 重视景观规划，合理安排布局。规划是建设的龙头，城郊旅游项目必 须统筹规划、合理布局、均衡布点、具备人本关怀，既着眼当前，又立足长过，将旅游地产的开发效益与风景区生态环境保护、文化生态优化结合，实现经济效益与社会效益、环境效益的统一。 商业运作模式设计多样化、特色化。商业运作模式设计是开发城郊旅 游景区不可或缺的，运作模式设计时要注重多样化、特色化、时尚化，通过不同的运作模式，来提升城郊旅游度假区的吸引力。 湘家荡开发模式探讨 度假区和旅游地产 5.2平方公里的湘家荡省级旅游度假区是区域内最为核为的资源集合区， 交通条件优越，拥有将近2000亩的水域面积。通过挖掘自然和历史人文资源，围绕湖区恢复湘湖八景、新建“禾”文化主题广场、培植围绕湿地为主题的度假村和湿地迷宫乐园等项目、围绕精研讲寺形成一系列宗教文化主题类旅游产品。 在丰富度假区旅游产品体系的同时，考虑到整个区域处于嘉兴市城郊结合部，作为城市功能的首选输出地之一，在做好度假区的同时，也要考虑到旅游地产的战略性引导功能。项目组在借鉴深圳东部华侨城和杭州余杭良渚文化村等案例经验的基础上，结合该区域的战略定位和实际资源条件，在区域内形成品质较高的居住区。 丰富整个区域内的游览内容，实施东联西进的空间发展战略，形成一主两副，一轴三区的功能结构，以湘家荡省级旅游度假区为基础，“东进”形成另一旅游核心吸引物－江南水乡生活的核心体验基地，以“农夫、水乡、有点田”的主题特色，策划“临水小居”、“清贫草屋”、“园林大宅”等房产项目和富有江南水乡韵味的水乡农事活动等项目，在后期运营上，建议取消门票制度，通过服务实现赢利，实现旅游地产的良性运作。 度假区和城乡统筹配套 七星镇是浙江省统筹配套措施“两分两换”的示范点之一，在对湘家荡区 域旅游策划过程中，七星镇镇区的建设必须纳入整个度假区的统筹范围，实现旅游度假与居民日常生活的良性互动。通过对周边基础设施的完善和一些商业网点的设置，在满足当地居民日常生活需要的同时也能对度假区的旅游功能进行补充。通过一系列景观节点的打造，叠合一些夜游系统，水路游线等系统，突出这是生机盎然的新生活度假新天堂。 3.主题娱乐和传统水乡民俗体验 作为传统江南水乡的稻香文化区，在开发过程中，紧扣这一资源特色，根植地域文化，打造具有地域特色的旅游产品和项目是项目组深入思考的焦点问题。 只有民族的，才是世界的。通过深入挖掘当地的传统风俗风貌，策划吴越水乡农村博物馆、丰收广场、景观稻田、稻田酒店等项目，充分反映当地以水乡为核心的稻香文明，以体验水乡的田园生活方式为核心。 总结 城郊型旅游度假区的开发没有固定的模式可循，只有针对实际情况，量身 打造才是良策。照搬照抄前人的旅游产品已经不能满足目前日新月异的旅游市场需求，因此，我们在开发过程中，必须立足当地实情，密切关注市场动向，时刻跟进游客需求，打造具有时代性、地域性的新型旅游产品。 旅游从传统观光时代迈入了产业化升级阶段，旅游产品从观光产品向休闲复合型产品过渡是必然趋势。在城郊型旅游度假区开发过程中，首先要围绕城市这个主题，从承接、改进和完善城市功能入手，重点强调城市规划对旅游策划的指导作用，与度假时代的旅游策划形成思路和实施手段上互补，策划重在解决思路问题，而城市规划更加强调合理性和实施性，在城郊型旅游开发中，追求城市规划与旅游策划的互补互融，对于整个项目的推进具有至关重要的促进作用。
-
国债发行规模影响因素的实证分析_经济学毕业论文范文
国债发行规模影响因素的实证分析_经济学毕业论文范文 国债发行规模影响因素的实证分析 国债是以国家或政府为债务人,以国家财政承担还本付息为前提条件,通过借款或发行有价证券等方式向社会筹集资金的国家信用行为。自1981年恢复发行国债至今,我国累计发行国债近32927亿元。随着国债规模的日益扩大,国债政策正逐步成为中央政府进行宏观调控的重要手段,成为国家财政政策和货币政策的重要传导工具,也日益成为维持我国国民经济持续快速增长的重要因素。据统计,1998年的千亿元国债投资拉动ＧＤＰ增长1.5个百分点,1999、2000年国债投资拉动经济增长分别为2个百分点和1.7个百分点,2002年我国建设国债有效地带动了各方面的投入,项目总投资规模达到3.28亿元,为我国经济社会的长远发展打下了坚实的基础。但由于国债余额增长速度过快，偿债能力和国债依存度指标都已处于高位，所以我们认为：应当适度控制国债发行规模。 一、理论基础 要控制国债发行规模，就要研究影响国债发行规模的因素。影响国债规模的因素是多方面、多层次的,我们暂且不去考虑微观上国债的管理水平与结构、筹资成本、期限安排、偿还方式等等因素,因为这些因素的影响是个别的,并且难以计量,我们只考虑宏观上的经济指标。 首先很直观地我们可以引入国内生产总值,在国内生产总值一定的条件下，国债累计余额超大，国债的负担率就越高，增发国债就应越要引起警惕。而且政府的偿债能力也主要体现在国内生产总值上，它衡量了一国国民经济总体的运行状况，国内生产总值越高，政府的偿债能力就越强，国债的可发行规模就越大。 其次是中央财政收入、中央财政支出、财政赤字，而财政赤字是由中央财政支出减去中央财政收入计算所得。 从财政收入角度看，一般认为低的财政收人需要国债的发行来弥补，但高的财政收人并不意味着不需要或减少国债的发行，这要根据国债发行的目的来定。如果发行国债仅仅为了弥补财政赤字，高的财政赤字将减少国债的发行;如果发行国债的目的是为了对经济运行进行宏观调控，聚集社会闲散资金，调整分配，进行国家大规模项目的建设，那么高的财政收入还可能要增发国债。所以，我们在定量分析的时一半以上依赖于债务收入,这对财政产生了许多负面影响,最直接的就是偿债的沉重压力和逐渐积累的高风险。这一看似矛盾的现象,只能说明中国经济转型时期国民收入分配格局的扭曲,即国民收入分配过分向个人倾斜,财政集中的国民收入份额太少,财政收入的基础十分脆弱,从而造成在财政依存度不断扩大的同时,国民经济的债务应债能力却只为世界平均水平的1 /4。原因是受财政收入规模限制,财政支出的增加只能通过赤字财政来实现,而财政赤字的弥补,又造成了国债规模的扩张,进而又导致国债依存度的加大。 从财政支出的角度看，我国的财政支出平均增长率一直高于同期财政收入和GDP的平均增长率，由此形成了支出膨胀－赤字加大－国债发行规模增大这样一种连锁反应。由此会导致财政赤字和债务规模同步扩大的局面，使财政风险进一步加大。同时我们要看到，实施积极财政政策后，由于连续5年发行特种国债，我国财政的国债依存度呈现较高水平，财政赤字率基本上是逐年提高，2002年已达到了国际上认定的欧盟的警戒标准赤字率，即3％。尽管有分析认为我国连年的赤字并未导致通货膨胀的发生，但当债务规模累积到一定程度后，远期的通货膨胀的风险还是存在的。这应引起我们足够的重视。 国债累计余额计算公式如下: ｔ年国债累积余额=(ｔ-1)年国债累积余额+ｔ年国债发行规模-ｔ年国债还本付息额 因此,财政赤字、中央财政支出、中央财政收入与国债累积余额、国债规模、国债还本付息额分别都是线性相关的。 事实上，与发行规模最直接相关的是国债余额。债务余额是发行者在一个会计年度终了时的总负债额，它反映发行者在一定时点上当年和历年从社会融人并正在使用的尚未偿还的债务规模。存量规模的形成与每个年度的发行规模和债务流动量紧密相关。存量具有刚性，增量具有弹性，因而年度发行规模受制于债务余额。 历年国债的还本付息额与国债的发行规模呈同方向变动关系。由于我国的财政状况仍未出现根本好转,所以,日益增长的债务规模加大了财政的偿还负担,特别是1994年以后,国家规定只能以举借国债的方式来弥补财政赤字,使发新债还旧债成为推动国债规模不断扩张的因素之一。 另外,考虑到国债的认购能力关系到国债能否顺利发行以及发行的多少,而认购能力最终体现在社会资金的余缺状况上,我们再引入居民储蓄。居民储蓄存款迅速增长是推动国债规模不断扩大的基础。 我国的居民储蓄现在已突破6亿大关，为国债的发行创造了潜在的资金条件:一方面，银行利率低于同期国债利率。银行储蓄利率1年期只有2.25%，而国债3年期利率是2.89%，5年期利率是3.14%，而且国家比其他公司债券有更高的信用。与其存人银行，还不如购买国债。另一方面，国家有必要集中这6亿元社会闲置资金，把它用于经济建设的各个领域，所以近几年来我国居民储蓄额的膨胀带动了我国国债规模的膨胀。 以上各因素相关关系如下图： 二、对影响国债发行规模多种因素的计量分析 本文利用EVIEWS软件建立计量经济模型，通过实证性分析，从定量的角度研究影响国债发行规模的相关因素对国债的发行量的影响程度及影响力度。 通过对影响国债发行规模的理论分析，我们以国债发行规模为被解释变量，引入相关经济因素：国内生产总值、中央财政收入、中央财政支出、国债还本付息、国债累积余额、居民储蓄六个经济变量，利用最小二乘法等方法量化分析。 （一）我们利用1979——2002年国债发行规模及相关因素的具体数据，进行回归分析（详见表1）。利用输出结果得回归分析报告： =-282.345-0.002362X1+0.489276x2-0.029655X3+0.482861X4+0.001923X5+0.021862X6 se= (98.40209) (0.00559) (0.109435) (0.045934) (0.170289) (0.035619) (0.019148) t=(-2.869299) (-0.422579) (4.470925) (-0.645606) (2.835537) (0.053977) (1.141762) （1） =0.999138 =0.998833 F=3283.284 df=17 其中，Y为国债发行规模，X1为国内生产总值，X2为中央财政支出，X3为中央财政收入，X4为国债还本付息，X5为国债累积余额，X6为居民储蓄。 由回归分析报告可看出，X2 X4 X6 的T统计量显著，而X1 X3 X5的T统计量很小，说明国内生产总值、中央财政收入、国债累积余额三个因素对国债发行规模的线性关系不显著；模型的F统计量、可决系数和修正可决系数 都很大，说明方程的总体拟合程度较好。经过经济意义检验并根据变量显著性和方程显著性的综合判断法可知，模型可能存在多重共线性。 因此，利用简单相关系数矩阵法作出判断，输出结果如下： yX1 X2X3X4X5X6 Y 1.000000 0.967261 0.984874 0.990714 0.955689 0.980685 0.995823 X1 0.967261 1.000000 0.927259 0.954635 0.962829 0.919797 0.984882 X2 0.984874 0.927259 1.000000 0.987951 0.892564 0.994483 0.970847 X3 0.990714 0.954635 0.987951 1.000000 0.928559 0.988800 0.985686 X4 0.955689 0.962829 0.892564 0.928559 1.000000 0.891238 0.968458 X5 0.980685 0.919797 0.994483 0.988800 0.891238 1.000000 0.966957 X6 0.995823 0.984882 0.970847 0.985686 0.968458 0.966957 1.000000 可见模型存在高度线性相关。由于经济、社会资料大都为时间序列，这些序列都有随着时间增长的趋势，所以，它们之间的相关性很高，利用逐步回归法对模型进行修正。 （二）利用逐步回归法修正多重共线性 利用OLS方法逐一对国债发行规模的各个解释变量进行回归。（详见表2-7） 结合经济意义和统计检验，从六个一元回归模型中可以看出，国债发行规模y对居民储蓄x6的拟合程度最好，即： =-59.82023+0.062644X6 （2） se=(42.62089) (0.001225) t=(-1.403542) (51.15724) =0.991664 =0.991285 F=2617.063 df=22 在此基础上，再逐一引入其他解释变量，重新做回归。 1、由于在（1）式中，中央财政支出X2的T值较大，说明中央财政支出对国债发行规模存在显著影响，故首先引入中央财政支出X2。（见表8） 回归分析报告如下： =-201.6914+0.043424X6+0.297943X2 （3） se=(33.28533) (0.002946) (0.044332) t=(-6.329858) (14.74117) (6.720737) =0.997354 =0.997102 F=23958.189 df=21 可见，模型的T统计量、F统计量均显著, 可决系数和修正可决系数接近于1，因此，引入X2回归方程拟合程度依然好，保留X2。 2、在模型（3）中引入新的解释变量中央财政收入X3（见表9） =-218.2981+0.044941X6+0.324614X2-0.030915X3 se=(37.23450) (0.004293) (0.070384) (0.062584) t=(-5.862791) (10.46727) (4.612062) (-0.493984) =0.997386 =0.996994 F=2543.88 df=20 由于X3的T统计量绝对值很小，同时结合经济意义，财政支出和财政收入之间存在高度相关。因此，剔除中央财政收入X3。 3、在模型（3）中引入国内生产总值X1（见表10） =-8.902465+0.069858X6+0.1620763X2-0.014158X1 se=(53.46137) (0.006584) (0.045845) (0.003326) t=(-0.166521) (10.60962) (3.5353) (-4.256252) =0.9978612 =0.998404 F=4795.533 df=21 从经济理论上来看，国内生产总值是影响国债发行规模的因素，具体而言，国内生产总值越大，国债发行规模可以越大。而模型中X1的系数为负，经济意义检验不符合故舍去。 4、在模型（3）中引入国债还本付息X4（见表11） =-325.1255+0.012376X6+0.516456X2＋0.546766X4 （4） se=(27.07339) (0.005285 (0.043953) (0.087762) t=(-12.00904) (2.341608) (11.75009) (6.230105) =0.9991 =0.998965 F=7403.342 df=21 从上面的回归方程看出，引入X4后，X4对X的影响显著，同时F统计量显著以及可决系数和修正可决系数更好。因此，保留X4。 5、在模型（3）中引入国债累积余额x5（见表12） =-197.7317+0.04339X6+0.278488X2＋0.008209X5 se=(75.25897) (0.003021) (0.110485) (0.042503) t=(-2.627351) (14.36356) (2.520598) (0.193132) =0.997359 =0.996963 F=2517.835 df=21 由于X5的T统计量很小，X5对Y的影响不显著，所以剔除变量国债累积余额X5。 6、在（4）式基础上引入其他解释变量回归，它们都对Y的影响不显著。所以，选择模型 =-325.1255+0.012376X6+0.516456X2＋0.546766X4 做进一步分析。 （三）对所采用的模型进行异方差检验 由于存在样本数据的观测误差等诸多因素，对上述回归方程（4）进行异方差检验。 首先，利用图示法进行检验。 在回归方程输出框中点击resid保存残差，如图所示： 从图中看出，残差没有分布在－50到50的水平带内，说明异方差存在。 其次，用样本分段法对其进行检验： 将观测值按x2进行排序，将排列在中间的6个样本删除，首尾两段各留9个样，即分为1979－1987和1994－2002两段。 对1979－1987年9个样本进行回归，输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 15:28 Sample: 1979 1987 Included observations: 9 VariableCoefficientStd. Errort-StatisticProb. C230.0922122.11621.8842080.1182 X2-0.3220550.180034-1.7888610.1337 X40.1314120.4287240.3065190.7716 X60.0745150.0160234.6505910.0056 R-squared0.957887 Mean dependent var109.2333 Adjusted R-squared0.932619 S.D. dependent var73.86101 S.E. of regression19.17274 Akaike info criterion9.045958 Sum squared resid1837.970 Schwarz criterion9.133614 Log likelihood-36.70681 F-statistic37.90924 Durbin-Watson stat2.521493 Prob(F-statistic)0.000730 ＝1837.97 对1994－2002年9个样本进行回归，输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 15:29 Sample: 1994 2002 Included observations: 9 VariableCoefficientStd. Errort-StatisticProb. C-250.865997.81474-2.5647050.0504 X20.6846480.1535264.4594980.0066 X40.7878100.2336333.3719930.0198 X6-0.0086640.019221-0.4507400.6711 R-squared0.998270 Mean dependent var3180.318 Adjusted R-squared0.997232 S.D. dependent var1504.293 S.E. of regression79.14048 Akaike info criterion11.88143 Sum squared resid31316.08 Schwarz criterion11.96908 Log likelihood-49.46643 F-statistic961.7994 Durbin-Watson stat2.284039 Prob(F-statistic)0.000000 ＝31316.08 ：为同方差性 ：为异方差性 所以，拒绝，回归方程存在异方差性。 最后，利用加权最小二乘法对异方差进行修正。 用残差平方的倒数即（e=resid）作为权数，用OLS进行回归，结果如下： Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 15:44 Sample: 1979 2002 Included observations: 24 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C-332.34981.922448-172.87840.0000 X20.5308090.002744193.47620.0000 X40.6139170.01202551.054390.0000 X60.0094730.00046620.344980.0000 Weighted Statistics R-squared0.999994 Mean dependent var879.9892 Adjusted R-squared0.999993 S.D. dependent var1851.290 S.E. of regression4.751009 Akaike info criterion6.105603 Sum squared resid451.4417 Schwarz criterion6.301945 Log likelihood-69.26723 F-statistic1191733. Durbin-Watson stat1.473020 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.999058 Mean dependent var1342.168 Adjusted R-squared0.998917 S.D. dependent var1712.929 S.E. of regression56.36929 Sum squared resid63549.93 Durbin-Watson stat1.975504 =-332.3498+0.530809X2+0.613917X4＋0.009473X6 se=(1.922448) (0.002744) (0.012025) (0.000466) t=(-172.8784) (193.4762) (51.05439) (20.34498) =0.999994 =0.999993 F=1191733 df=21 由此可见，修正后的模型减少了异方差性对模型的影响，提高了估计参数的精度。 （四）自相关检验 由于异方差性是一种随机误差现象，而自相关性也是随机误差现象，考虑到自相关较多地出现在时间序列数据中，为提高模型的拟合精度，对模型（4）进行自相关检验。 首先，利用自相关图示法进行检验 因为残差是随机误差的估计，所以在对模型参数估计后，相应地计算出E，有E序列的图形来直观地判断的自相关性。 由图形可见，图点呈散状分布，因此可判断，该模型不存在自相关性。 再利用D-W检验做进一步检验 ：=0,即 不存在一阶自相关 ：0，即 存在一阶自相关 =0.05 =3 =1.01 =1.656 d=2.031058 d4- 所以，接受 ，（4）式不存在一阶自相关。 综上所述，对模型进行多方面的回归分析和检验、修正，最终所采用的模型为=-332.3498+0.530809X2+0.613917X4＋0.009473X6，即影响国债发行规模的最主要因素是中央财政支出、国债还本付息、居民储蓄。 三、结论 通过实证性分析的结果表明：我国目前的国债发行规模主要取决于中央财政支出、国债还本付息额、居民储蓄。因此，要控制国债发行，首先就应当适当减少中央财政支出，控制国债还本付息额，并考虑居民储蓄等因素的影响。 以上是从微观角度对国债发行规模进行分析的。从宏观层面来看，举借国债所带来国债规模管理是宏观经济管理的重要组成部分。当国债用以弥补财政赤字、调整国库出纳、调节货币流通、影响外汇收支、促进供求平衡时,它所发挥的作用对宏观经济的全面平衡有着不可低估的意义。所以，一定时期内一国债务的总规模不可能离开它所以被承担的来源和条件而独立存在。国债发行规模与偿债能力相适应,归根到底,是经济和国债相协调的问题。国债发行规模取决于一定时期国家的经济发展水平,经济发展水平越高,国债承受能力越强。 同时,国债作为财政政策与金融政策的结合,是调节货币供应量,避免经济大的起伏的一个重要手段。确定国债发行规模时还必须与信贷规模相结合,避免出现互相挤占资金,抬高筹资成本的现象。在一定时期内,全社会资金总量是一定的,用于购买国债的资金多了,信贷资金来源就少了,反之亦然。如果国债资金来源和信贷资金来源不进行综合平衡,国债规模大了,信贷资金来源就缺乏保障,就会造成社会资金闲置和浪费,影响宏观经济调控能力,影响生产发展,影响建设速度。 附： 表1 年份国债发行规模国内生产 总值中央财政支出中央财政收入国债还本付息国债累积余额居民储蓄 1979 73.08000 4862.400 625.6500 311.0700 62.89000 59.93000 523.7000 1980 83.86000 5294.700 651.8100 346.8400 55.52000 88.27000 675.4000 1981 35.31000 4038.200 655.0800 231.3400 0.000000 35.31000 281.0000 1982 43.01000 4517.800 666.8100 284.4500 28.58000 49.74000 399.5000 1983 79.41000 5934.500 759.6000 490.0100 42.47000 125.2100 895.8000 1984 89.85000 8964.400 795.2500 769.6300 39.56000 223.9300 1622.600 1985 138.2500 10202.20 836.3600 778.4200 50.17000 312.0200 2237.600 1986 270.7800 14928.30 845.0400 774.7600 76.76000 595.7700 3801.500 1987 169.5500 11962.50 845.6300 736.2900 79.83000 401.7400 3073.300 1988 282.9700 16909.20 888.7700 822.5200 72.37000 806.3700 5146.900 1989 77.34000 7171.000 893.3300 665.4700 28.90000 173.6400 1211.900 1990 375.4500 18547.90 1004.470 992.4200 190.0700 991.7500 7034.200 1991 461.4000 21617.80 1090.810 938.2500 246.8000 1206.030 9241.600 1992 669.6800 26638.10 1170.440 979.5100 438.5700 1437.140 11759.40 1993 739.2200 34634.40 1312.060 957.5100 336.2200 1840.140 15203.50 1994 1175.250 46759.40 1754.430 2906.500 499.3600 2516.030 21518.80 1995 1549.760 58478.10 1995.390 3256.620 882.9600 3187.430 29662.25 1996 1967.280 67884.60 2151.270 3661.070 1355.030 3842.800 38520.84 1997 2476.820 74462.60 2523.500 4226.920 1918.370 4401.250 46279.80 1998 3310.930 78345.20 3125.600 4892.000 2352.920 5943.650 53407.50 1999 3702.130 82067.50 4152.330 5849.210 1910.530 7735.250 59621.80 2000 4176.690 89468.10 5519.850 6989.170 1579.820 10332.12 64332.40 2001 4604.000 97314.80 5768.020 8582.740 2007.730 12928.39 73762.40 2002 5660.000 104790.6 6771.700 10388.64 2563.130 16025.26 86910.60 资料来源：《中国统计年鉴（1999-2003）》 《中国财政年鉴2003》 表2 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:32 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-450.0534135.2145-3.3284400.0030 X10.0480170.00268617.876730.0000 R-squared0.935593 Mean dependent var1342.168 Adjusted R-squared0.932665 S.D. dependent var1712.929 S.E. of regression444.4867 Akaike info criterion15.11137 Sum squared resid4346506. Schwarz criterion15.20954 Log likelihood-179.3365 F-statistic319.5773 Durbin-Watson stat0.273573 Prob(F-statistic)0.000000 表3 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:33 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-476.126292.13469-5.1677190.0000 X20.9323950.03497326.660400.0000 R-squared0.969977 Mean dependent var1342.168 Adjusted R-squared0.968613 S.D. dependent var1712.929 S.E. of regression303.4712 Akaike info criterion14.34811 Sum squared resid2026085. Schwarz criterion14.44628 Log likelihood-170.1773 F-statistic710.7768 Durbin-Watson stat0.636049 Prob(F-statistic)0.000000 表4 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:33 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-144.587665.22903-2.2166140.0373 X30.5865740.01716234.178420.0000 R-squared0.981515 Mean dependent var1342.168 Adjusted R-squared0.980675 S.D. dependent var1712.929 S.E. of regression238.1222 Akaike info criterion13.86310 Sum squared resid1247448. Schwarz criterion13.96127 Log likelihood-164.3572 F-statistic1168.164 Durbin-Watson stat0.963726 Prob(F-statistic)0.000000 表5 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:33 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C26.12590136.18280.1918440.8496 X41.8779850.12333115.227210.0000 R-squared0.913341 Mean dependent var1342.168 Adjusted R-squared0.909402 S.D. dependent var1712.929 S.E. of regression515.5841 Akaike info criterion15.40813 Sum squared resid5848193. Schwarz criterion15.50630 Log likelihood-182.8976 F-statistic231.8678 Durbin-Watson stat0.618937 Prob(F-statistic)0.000000 表6 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:34 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C150.953186.345291.7482490.0944 X50.3798760.01615323.517070.0000 R-squared0.961743 Mean dependent var1342.168 Adjusted R-squared0.960004 S.D. dependent var1712.929 S.E. of regression342.5702 Akaike info criterion14.59049 Sum squared resid2581795. Schwarz criterion14.68866 Log likelihood-173.0858 F-statistic553.0526 Durbin-Watson stat0.358935 Prob(F-statistic)0.000000 表7 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:34 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-59.8202342.62089-1.4035420.1744 X60.0626440.00122551.157240.0000 R-squared0.991664 Mean dependent var1342.168 Adjusted R-squared0.991285 S.D. dependent var1712.929 S.E. of regression159.9110 Akaike info criterion13.06677 Sum squared resid562573.9 Schwarz criterion13.16494 Log likelihood-154.8012 F-statistic2617.063 Durbin-Watson stat0.604814 Prob(F-statistic)0.000000 表8 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:37 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-210.691433.28533-6.3298580.0000 X60.0434240.00294614.741170.0000 X20.2979430.0443326.7207370.0000 R-squared0.997354 Mean dependent var1342.168 Adjusted R-squared0.997102 S.D. dependent var1712.929 S.E. of regression92.20719 Akaike info criterion12.00242 Sum squared resid178545.5 Schwarz criterion12.14968 Log likelihood-141.0291 F-statistic3958.189 Durbin-Watson stat1.430973 Prob(F-statistic)0.000000 表9 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:45 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-218.298137.23450-5.8627910.0000 X60.0449410.00429310.467270.0000 X20.3246140.0703844.6120620.0002 X3-0.0309150.062584-0.4939840.6267 R-squared0.997386 Mean dependent var1342.168 Adjusted R-squared0.996994 S.D. dependent var1712.929 S.E. of regression93.91307 Akaike info criterion12.07363 Sum squared resid176393.3 Schwarz criterion12.26997 Log likelihood-140.8835 F-statistic2543.880 Durbin-Watson stat1.499591 Prob(F-statistic)0.000000 表10 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 14:46 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-8.90246553.46137-0.1665210.8694 X60.0698580.00658410.609620.0000 X20.1620760.0458453.5353000.0021 X1-0.0141580.003326-4.2562520.0004 R-squared0.998612 Mean dependent var1342.168 Adjusted R-squared0.998404 S.D. dependent var1712.929 S.E. of regression68.44199 Akaike info criterion11.44086 Sum squared resid93686.11 Schwarz criterion11.63720 Log likelihood-133.2903 F-statistic4795.533 Durbin-Watson stat2.128594 Prob(F-statistic)0.000000 表11 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 15:54 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-325.125527.07339-12.009040.0000 X20.5164560.04395311.750090.0000 X60.0123760.0052852.3416080.0297 X40.5467660.0877626.2301050.0000 R-squared0.999100 Mean dependent var1342.168 Adjusted R-squared0.998965 S.D. dependent var1712.929 S.E. of regression55.09768 Akaike info criterion11.00710 Sum squared resid60715.09 Schwarz criterion11.20345 Log likelihood-128.0852 F-statistic7403.342 Durbin-Watson stat2.031058 Prob(F-statistic)0.000000 表12 Dependent Variable: Y Method: Least Squares Date: 12/03/04 Time: 15:08 Sample: 1979 2002 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-197.731775.25897-2.6273510.0161 X20.2784880.1104852.5205980.0203 X60.0433900.00302114.363560.0000 X50.0082090.0425030.1931320.8488 R-squared0.997359 Mean dependent var1342.168 Adjusted R-squared0.996963 S.D. dependent var1712.929 S.E. of regression94.39627 Akaike info criterion12.08389 Sum squared resid178213.1 Schwarz criterion12.28023 Log likelihood-141.0067 F-statistic2517.835 Durbin-Watson stat1.412149 Prob(F-statistic)0.000000
-
试析电力上市公司高管人员薪酬影响因素实证分析_经济学毕业论文
试析电力上市公司高管人员薪酬影响因素实证分析_经济学毕业论文 关键词:电力上市公司 高管人员 薪酬激励 实证分析 论文摘要:文章以电力上市公司2005年年报为研究墓袖，考察了电力上市公司的经营绩效与其高级管理层薪酬的关系，讨论了高管人员薪酬与管理绩效、公司规模、国有股比例等因素的相关性，并对上市公司高管的薪酬激励机制进行分析。 Q引言 长期以来，我国上市公司高管人员薪酬制度不甚合理，人力资本不能按照生产要素分配原则参与分配，一定程度地影响了高管人员的工作积极性和创造性，经营短期化行为较为普遍，甚至造成部分上市公司的财务状况及经营状况日益恶化，极大地损害了广大股东的权益，挫伤了股东的投资积极性。因此，上市公司高管人员薪酬与激励制度的研究对促进上市公司理顺利益分配关系、调动高管人员积极性具有重要的现实意义，有利于提高广大股东投资热情，实现上市公司乃至证券市场的可持续。 我国过去长期在计划体制下运行，体制改革后电力行业开始实施分配制度配套改革。然而，电力公司高管人员薪酬制度改革是否产生了显著的激励作用，是否有利于公司战略目标和财务指标的实现，仍是一个倍受关注的问题。本文依据激励理论与相关数据，拟对电力上市公司的高管薪酬激励的效果进行实证分析。 1影响高管人员薪酬的因素与相关性假设 假设1:高管人员薪酬与经营绩效存在显著正相关 根据委托代理理论，公司股东与高管人员之间存在信息不对称，公司也确实面临经营环境的不确定性。原始股东为减少代理成本，为管理者设计一个最优薪酬计划是可行的措施。它是建立一套可供测量评价的公司业绩指标，来影响和决定高级经理人的薪酬。如果将经理人薪酬和公司业绩联系起来，就可以激励高管人员采取符合股东利益的行动，减少高层经理由于道德风险和逆向选择所导致的代理成本，促使经理有足够的动力提高公司的盈利水平，最终增加股东的价值。高管人员为了自身的收人最大化，就会努力工作以提高公司经营业绩，使自身的薪酬水平随着公司经营绩效的提高而增加。所以，的薪酬制度表现为公司高管人员的年度货币收人与公司的绩效显著正相关。 假设2:高管人员薪酬与公司规模存在显著正相关 罗森在198年构造了一个理论模型，认为公司是一个层级组织，公司的产出由管理、监督和生产决定。能力越强的经理期望在生产经营中控制越多的人力、资本等资源。根据管理理论，公司规模越大，组织中的管理层级也越多，高管人员控制的资源也就越多，而每一级在薪酬上的差别使大公司的高管人员更有机会使其高薪合法化。而从人力资本的角度看，公司规模的扩大带来的公司复杂性也将要求管理者具有更高的管理技巧，从而公司会聘用身价更高的经理人。因此，大型公司高级经理人所创造的价值要远远高于小型公司高级经理人创造的价值，其薪酬也就相应地更高。国内外大量研究发现，随着公司规模的扩大，公司高管人员薪酬也会随之增加。 假设3:高管人员薪酬与其持有股份比例存在正相关 根据委托代理理论，当高管人员拥有的公司股份较少时，他们往往会回避风险较高且收益较高的项目，而选择风险较低收益较小的项目;而当高管人员拥有较多的公司股份时，则会激励他们选择投资收益较高的项目，从而也将提高自身的收益水平。为不断追求自身价值最大化，当高管人员持有公司的股票越多时，他们越会视公司为利益共同体而为之奋斗，从而提高经营绩效，以获得更高的回报。假设4:高管人员薪酬与公司股本结构有股比例存在负相关 显然，我国电力上市公司中普遍存在着股权结构不合理的问题，即多数电力上市公司中的国有股都占据绝对控股地位，而国有资本主体一直处于缺位状态，这对于激励机制的效用发挥无疑具有抑制作用。由于受国有收人分配制度上平均主义传统的影响，使得国有股比重较大的公司在薪酬制度设计上不能完全走向市场化。因此，在同类可比的公司中，国有股比重越大，高级经理人的薪酬水平越低。 2实证分析模型设计 2.1样本选择及数据采集 本文采用截止2005年12月31日前在深沪两地发行A股的上市电力公司共54家作为样本，对公司高管人员薪酬与公司经营绩效关系进行实证分析。样本数据来自中国证券监督委员会网站刊登的年度财务报告摘要和中国证监会指定信息披露网站—巨潮资讯所披露的上市公司数据信息。其中有些数据系直接取得，个别数据系经过一致性加工后所得。 2.2变，选择及解释说明 (1)公司绩效指标 国内外的许多研究一般使用托宾Q值即公司的市场价值与公司帐面资产的重置成本的比率来衡量公司的价值，本文认为并不适宜。由于市场不完善，中国上市公司的股票流通价格难以反映其真实价值，况且公司资产的重置成本也难以估算。因此，本文采用净资产收益率作为衡量公司经营绩效的综合指标。 (2)高管薪酬 本文采用公司前3位高管人员年度人均薪酬作为高管人员薪酬这一解释变量的计量指标。所用的薪酬数只限定于上市公司年报所披露的货币性年度薪酬，包括工资和奖金等，不包括股票期权收人和隐性收人。 (3)公司规模 本文采用公司资产总额作为其衡量指标。 (4)股权结构 为研究高管人员持股比例以及国有股对高管人员薪酬的影响，分别设置了高管持股比例变量和国有股比例变量。具体情况见表1. 2.3模型构建 本文的研究目的是评价电力公司高管薪酬与其影响因素的相关性，根据上文提出的假设，设Y为被解释变量，X,,X、X;为解释变量，采用多元回归方法构建如下模型，并通过横截面回归对假设进行实证检验。 3研究结果和回归分析 3.1统计性描述 对电力行业上市公司高管人员薪酬进行统计描述，结果如下: (1)上市公司薪酬最高的前3名高管薪酬合计数区间分布表。从研究样本中计算得出:电力上市公司薪酬最高的前3名高管薪酬合计数的平均值为80.06万元，人均为26.69万元。 (2)分地区薪酬结构—各地区高管薪酬的平均值。根据分地区薪酬分布图可以看出:华南地区高管人员人均平均薪酬最高，约为40.24万元;地区高管人员人均平均薪酬最低，约为11.47两者差额28.77万元;最高为最低的3.508倍。
-
软件盗版问题的经济学分析(1)_经济学毕业论文范文
软件盗版问题的经济学分析(1)_经济学毕业论文范文 摘 要 盗版软件对社会福利的影响一直是争论的热点问题。从基本的事实出发利用了多个经济模型分别对软件盗版对社会静态效率和动态效率的影响进行了分析，通过明确静态效率和社会福利的差别，驳斥了软件盗版有利于社会福利提高的观点，认为知识产权保护应在静态效率和动态效率间保持平衡。 关键词 最优反应函数 动态效率 静态效率 软件行业是我国的重要行业，但自从其发展开始就一直存在着盗版问题，而由于被盗版的软件大多为国外软件制造商的产品，所以经常引发关于知识产权保护是否过渡的争论，支持盗版者以社会福利为其理由，而反对者坚持知识产权保护有利于技术进步。 1 基本事实 关于软件盗版存在着公认的事实，这些事实是我们分析的起点。首先，软件盗版在技术上无法克服，即无论正版软件制造商采用何种反盗版技术都无法防范自己的软件被盗版；其次，盗版软件与正版软件在实用性上并不存在较大的差距，这点非常重要。因为这意味着正版软件和盗版软件的产品差别不大；再次，实施盗版所需的投入远远低于正版软件，因为盗版厂商无需支付研发支出；最后，软件生产的边际成本非常低，接近于零，所以可以认为正版和盗版软件的边际成本相等且不变。 2 不存在盗版厂商时的正版软件定价策略 如果我们实施极为严格的知识产权保护，则市场上不存在盗版软件，此时正版厂商是市场上唯一的生产者，整个市场结构就是标准的完全垄断市场。相关的函数如下： 反需求函数：p1=a-bq1 需求函数则为：q1=a/b-p1/b 成本函数为：c1=f+cq1 利润函数为:：μ1=(a-p1)(p1-c)/b-f p1为正版软件的价格，q1为正版软件的需求量，f表示固定成本，这里相对于盗版厂商来说主要为研发支出，c表示不变的边际成本和平均变动成本。 所以对利润函数求p1的一阶导数可得其最优定价：p1=c+(a-c)/2 3 基于一个正版厂商和一个盗版厂商市场结构的经济学分析 3.1 软件市场反需求函数和需求函数 由于正版软件和盗版软件的差别不大，所以对于普通个人用户来讲，它们的替代性相当大。我们用以下这组反需求函数来表示这种关系： p1=a-b(q1+θq2) p2=a-b(θq1+q2) 式中，a和b为正，0≤θ≤1，θ取负值时模型成为一个互补商品的需求模型。若θ=0则一种商品的价格仅与本商品的产量有关，而与另一种商品无关，两种商品无替代性。θ越接近于1，两个变量之间的替代性越强；当θ=1则两种商品为完全替代，即对于消费者来讲产品1和产品2完全一样。很明显，在盗版问题上0＜θ＜1，即两种商品既不完全替代也不完全无关，且θ较为接近1。 通过转换反需求函数的方程式，可以得到模型所隐含的需求函数方程式： q1=[(1-θ)a-p1+θp2]/(1-θ2)b q2=(1-θ)a-p2+θp1]/(1-θ2)b 3.2 软件企业的成本函数和利润函数 正版软件的成本函数可以表示为： c1=f+c q1，f表示固定成本，这里相对于盗版厂商来说主要为研发支出。c表示不变的边际成本和平均变动成本。 共2页: 1 论文出处(作者):
-
广西信息化水平分析_经济学毕业论文范文
广西信息化水平分析_经济学毕业论文范文 [关键词]信息化信息产业信息化要素 [论文摘要]本文使用综合评分分析法测算信息”化水平，通过纵向、横向和结构对比，分析广西信息化程度和存在的问题，并提出发展广西信息产业的措施。 信息化是指在机、通信和等技术的快速发展推动下，信息技术、信息产业和信息网络在社会和各领域所发挥的作用日益突出，并逐步主导国民经济和社会发展的过程。信息化发展水平已成为衡量国家综合国力和国际竟争力的重要标志。信息化体系由信息资源、信息传输网络信息、技术应用、信息技术和产业、信息化人才、信息化政策等六个方面组成。 一、广西信息化水平的现状分析 (一)广西信息化水平近年呈加快趋势 1995年广西信息化水平总指数为12.85，到2000年信息化总指数达到32.31，五年增长了1.5倍，平均每年增长20.25;而同期国内生产总值(GDP)增长47.5%。平均每年增长8.1%;1995-2000年广西信息化水平总指数呈加快增长之势，增长速度达到30%多，比同期GDP增长7.5%的速度高出将3倍左右。广西信息化水平总指数的增长快于GDP的增长，信息产业在国民经济结构中的份额扩大，也反映出近年来广西信息化进程的加快。 (二)广西信息化水平与相邻省份比有一定的差距，信息化的增长跟不上全国的步伐 从表一可看出:广西信息化水平2000年比1995年增长了151.44%全国同期为158.29%。广西落后了将近7个百分点。以95年为起跑线的话，广西在98年以前都慢于全国水平，只是在1999年和2000，由于电视机、电话机和计算机的普及以及信息产业基础设施建设投资占全部基础设施投资比重提高，才得以高速增长。但这并不能说明广西将赶上全国平均，因为广西信息化程度的基数低，增长速度容易提高。 广西与相邻的省份比较:广东经济和信息化水平一直保持在全国的前列。湖南一直处于全国平均水平，近几年飞速发展，已排全国前列。贵州长期落后于广西，但近几年跳跃发展，前进了十位达到全国中游水平。云南与广西一样在全国排名逐渐下降。1995年一2000年广西信息化水平总值比全国分别低2.04,3.24.3.37,6.84和6.15个点。差距在拉大，在全国排位也从95年的23位下降到2000年的27位。，信息化的增长跟不上全国的步伐。更严峻的是，广西在信息化人口资源要素方面位于30位，仅高于西藏。信息化人才队伍建设，这要素是信息化成功之本，对其它各个要素的发展速度和质量有着决定性的影响，是信息化持续发展的源动力。 (三)信息化各要素发展不均匀，缺乏持续发展源动力 从表二可看出:广西信息化发展环境和信息网络建设指数高于全国平均水平，其余各项均低于全国平均水平，其特点为: (1)信息技术应用指数为52.12，低于全国65.89的水平，只是全国平均的79.1%。这表明广西虽然百户拥有计算机、电视机、电话机和网络用户的数量有飞速发展，但还赶不上全国的发展水平。信息技术和网络技术向各个领域广泛渗透以及对经济结构调整和传统产业的改造还有待强化。 (2)信息网络建设指数为50.79.高于全国的37.12水平，其指标在各要素中最高。表明以光缆、微波通信、卫星站、电话主线等信息基础设施建设取得了很大进展。虽高出全国平均36.83%，并不能表明广西这方面具有领先优势，因只有幅员广大的西藏(0.2)、青海(2.25)、新疆(3.93)、内蒙(7.65)等六个省低于全国水平而且绝对值太小。使全国平均值偏底，如用中位数比较，广西(排17位)还没有达到全国平均水平。 (3)信息产品和服务指数为38.89，远低于全国53.78的水平。表明广西信息产业起点低、规模小，缺少技术含量高的名牌和拳头产品，信息产业的经济指标数额小，远不能成为广西国民经济的支柱产业。 (4)信息资源开发利用指数为17.02.低于全国45.29的水平，仅为全国水平的37.58%。这表明信息资源的开发、采集、加工和利用尚处于初级水平，应用范围小、水平低，不能满足经济和社会发展的需要，要在发展中进一步解决。 (5)信息化发展环境指数为36.O1，在各要素中水平排名最高，远高于全国的21.86。说明广西近两年重视推进信息化建设的规划和政策、法规的制定。需说明的是:寻找反映各省信息化发展政策的指标是比较困难的工作。所以用研究开发机构经费支出占GDP比重和信息基础建设投资占全部基本建设比重两项指标来反映政府对信息化政策的支持力度。 (6)信息化人力资源指数为3.25，是各要素中最低的，仅相当于全国13.43水平的24.2%。表明信息化建设管理人才、专门人才和高级复合型人才严重短缺。万人大学生数远低于全国平均水平，高学历人才比重低，信息化人才不足已成为广西信息化持续发展的关键制约因素。
-
进出口总额与国内生产总值关系模型_经济学毕业论文
进出口总额与国内生产总值关系模型_经济学毕业论文 进出口总额与国内生产总值关系模型 【内容摘要】改革开放以来，我国的国民经济发展迅速，人民生活水平明显提高。国内生产总值的增长数度始终保持在7%以上。同时，进出口规模迅速扩大。2001年，我国进出口总额达到5098亿美元，是1989年的4.6倍，年均增长13.6％。可见，我国的年进出口总额与国内生产总值有着密切的联系。以下，我们就将对我国进出口总额与国内生产总值进行回归分析，同时，我们还将把当年关税总额和对外投资总额考虑在内，因为，这些方面同样对进出口总额有着一定的影响。 【关键词】 国内生产总值 进出口总额 关税总额 对外合作完成合同总额 改革开放以来，我国的国民经济保持了持续、快速、健康的发展态势，人民生活水平明显提高，国内生产总值从1978年的108.4亿元增加到2002年的3212.71亿元，按可比价格计算，年均增长率为１０％。同时，进出口规模迅速扩大。2001年，我国进出口总额达到5098亿美元，是1989年的4.6倍，年均增长13.6％。由此可见，进出口总额与国内生产总值只见必然存在着密切的联系。 在我们所学过的国民经济统计中，国内生产总值的核酸中就包含了进出口一项。这说明国内生产总值的增长与进出口水平的提高是分不开的。那么，在进出口总量影响国内生产总值这一经济指标的同时，国内生产总值会不会同时影响着进出口的水平呢？而当年关税总额以及对外合作完成合同总额的增长又意味着进出口总额有着怎样的变化呢？ 为了考察这一问题，我们从2002年统计年鉴中抽选了表3-1国内生产总值、17-3进出口贸易总额、17-21对外经济合作、8-4各项税收收入中的相关数据，构成了本次考察的15组样本指标： 年份进出口总额（亿元）国内生产总值（亿元）对外合作完 成 营 业 额(亿美元)关 税（亿元） 19783553624.13.2928.76 19805704517.85.3433.53 19852066.78964.416.86205.21 19905560.118547.918.67159.01 19917225.821617.823.63187.28 19929119.626638.130.49212.75 19931127134634.445.38256.47 199420381.946759.459.78272.68 199523499.958478.165.88291.83 199624133.867884.676.96301.84 199726967.274462.683.83319.49 199826857.778345.2101.34313.04 199929896.382067.46112.35562.23 200039274.289442.2113.25750.48 200142193.395933.3121.39840.52 其中，将进出口总额作为被解释变量（Y），国内生产总值（X1）、对外合作完成合同总额（）、关税总额（）作为解释变量。 在此我们将解释变量与被解释变量之间的关系认为是线性关系。 设定进出口总额Y与国内生产总值X1、关税总额、对外合作完成合同总额的关系为： 其中：为我国平均年进出口总额（亿元）；为我国平均年国内生产总值（亿元）、为年关税总额（亿元）、为年对外合作完成合同总额（亿美元）。变量采用年度数据，样本期为1978、1980、1985、1990-2001，共15组样本。 用最小二乘法估计参数： (将数据输入EVIEWS软件，得到拟和结果如下) Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 16:10 Sample: 1 15 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C-2514.654777.0415-3.2361900.0079 X10.5127310.1092514.6931480.0007 X2-158.690093.32377-1.7004240.1171 X317.205514.1133264.1828700.0015 R-squared0.989318 Mean dependent var17958.17 Adjusted R-squared0.986404 S.D. dependent var13824.96 S.E. of regression1611.991 Akaike info criterion17.83151 Sum squared resid28583669 Schwarz criterion18.02032 Log likelihood-129.7363 F-statistic339.5825 Durbin-Watson stat1.723269 Prob(F-statistic)0.000000 由以上数据得到拟和后的关系方程为： SE: 777.0415 0.109251 93.32377 4.113326 t: -3.236190 4.693148 -1.700424 4.182870 0.989318 0.986404 F=339.5825 DW=1.723269 回归方程的系数显著性检验： 对于： 统计量： ~ t(11) 在置信水平=0.05的情况下=0.697： t() =4.693148，所以拒绝接受，即认为国内生产总值对进出口总额Y有显著影响。 同理，对其他两个参数进行显著性检验：t() = -1.700424-， t()=4.182870,所以，的t检验结果都是显著的，即：对外合作完成合同总额、关税总额对进出口总额与进出口总额都有显著的关系。 回归方程的显著性检验：从估计结果可以看出，模型可决系数0.989318，F值为339.5825明显大于F(11)，模型的F检验是显著的，这表明模型在整体上拟合得很好。 模型的DW统计值为 1.723269，在0.01的置信水平下，dl=0.591，du=1.464，dud4-du,模型不具有一阶自相关性。 模型参数的经济意义： =0.512731的经济意义表明国内生产总值每增加1亿元，进出口总额平均增加0.512731亿元。=-158.6900的经济意义为：对外合作合同完成总额每增长1亿美元，表明当年进出口总额减少了158.69亿元；的经济意义为：关税总额每增加1亿元，意味着当年进出口总额增加了17.20551亿元。 由以上结果可以得出结论，进出口总额的增长与国内生产总值、关税总额和对外合作合同完成总额都存在着密切的关系。 在用支出法核算国内生产总值时，净出口是作为其中一项重要指标和算在内的。净出口为当年出口额与进口额的差；而进出口总额为当年出口额与进口额之和。由此可见，进出口总额也应该与国内生产总值成正比。 外国企业之所以与我国进行经济合作是为了可以直接在我国境内进行生产并销售给我国。而这样做的目的就是为了可以减少外国企业由于进口而带来的关税成本。所以，我国对外经济合作的增加带来的结果是进口额的减少，对外经济合作合同完成总额与进出口总额成反比。 在2001年我国加入世贸组织以前，我国一直实行的关税壁垒政策。自改革开放以来，虽然为了扩大我国与世界的经济交流，我国曾通过降低关税来促进进出口发展，但总的来说我国的关税税率的变化幅度不大。所以在税率不变的情况下，关税总额的增长就表示了当年进出口总额的提高。 所以，拟和进出口总额（Y）与国内生产总值（X1）、对外经济合作完成合同总额（X2）、关税总额（X3）之间的关系模型为： 其中模型参数及整体通过t检验、F检验，不存在一阶自相关性，模型拟和参数的各项指标都符合要求，并且都符合经济意义。模型拟和完毕。 【参考书目】 《计量经济学》 庞浩主编、李南成副主编 西南财经大学主办社 《经济模型集》 中国社会科学院数量经济与技术经济研究所 社会科学文献出版社 《中国统计年鉴——2002》 中国统计年鉴
-
论析中国信息化发展地区差距_经济学毕业论文
论析中国信息化发展地区差距_经济学毕业论文 关键词：信息化；地区差异；区位优势 论文摘要：在分析各地区信息化指数的基础上，对地区信息化发展的差异进行衡量。通过将信息化指数与一系列相关因素（包括发展水平、知识发展水平、开放度和区位优势等）进行回归分析，出信息话发展的主要原因，针对现状和原因提出相应的对策。 1中国各地区信息发展差距衡量及其特点 为了分析我国各地区信息发展水平的差异性，国家信息办公室委托课题组与2000年研究制定了一套信息化水平及发展的指标体系，对中国及各省、自治区、直辖市的信息化发展水平及发展进程中存在的问题进行最化反映与分析。 1.1中国区城信息化发展不平衡，“东高西低”由表1可省出，信息化发展指数最高的6个省份(直辖市)全部属于东部地区;北京的信息化指数遥遥领先，是全国的信息发展中心;东部沿海则以上海领先;而河北、山东等地的信息化水平则不及全国平均水平。这表明东部地区虽然信息化发展优势明显，但各地区之间存在差距，信息化发展的总体水平还有待于提高。中部地区各省的信息化发展大多处于中下等水平之列。西部地区的信息化发展相对落后，虽然有陕西、重庆等信息化水平较靠前的省份，但信息化发展指数最低的6个省份都属于西部地区。信息化起步较晚和地区经济及等客观因素导致西部地区信息产业规模小、层次低，信息资源利用严重滞后于建设，信息化网络建设严重脱节等一系列问题。西部地区信息化发展的落后状况，已经成为制约西部经济和社会发展的巨大瓶颈。 1.2国家信息化6项指标水平不均，“技术占先，人才落后”在6项指标中，信息技术应用指数最高，为65.89;信息化人力资源指数最低，为!3.430在我们欣喜地看到信息技术和网络技术正向各个领域广泛渗透，对经济结构调整和传统产业的改造发挥重要作用的同时，我们也不得不承认信息化人才的严重不足已经成为制约信息化发展的首要因素。信息产品和服务发展指数、信息资源开发利用指数分别为53.78和45.29，处于较高的水平。信息网络建设指数为37.12，相对前三项信息化指数来说还有相当的差距，存在大量低水平的重复建设和难以实现互联共享是信息网络建设存在的主要问题。信息化发展环境指数为21.86，在各要素中水平较低，这真实反映了现阶段信息化发展缺乏相应的标准、规范、政策法规和相应的领导协调机构，部门和系统之间相互分割、相互封锁的问题。 l.3地区信息化发展指数同经济发展相关，“大同小异”由表l的区域信息指数和人均GDP指数的回归分析可得，两者的相关系数为0.725。总体来说，经济发达的地区信息化水平高.经济落后的地区信息化水平低。然而也有一些值得关注的问题。由各省的排名看，东部10个省、直辖市占据了人均GDP的前九位，充分体现了东部地区经济的发达程度，但是除了北京、上海、天津、福建等省份在信息化发展上依旧处于高水平位置，江苏、山东等省份信息化水平排名与经济排名差距则分别为6与l2,信息化水平相对滞后于经济的快速发展，信息化发展尚未成为推动这些地区经济发展的新引擎。而山西、青海等中西部地区由于人口稀疏、交通不便，使得信息化综合指数不高，信息化水平与经济排名差距分别为9与7。如何在人口稀疏、交通不便的中西部地区加快信息化建设，继而推动经济发展，当务之急是在这些地区提高信息化意识，加快信息网络建设，以实现信息化‘硬件设施.的完善。 中西部的一些地区如陕西、重庆等地的信息化发展则要超前于经济发展水平，信息化发展无疑将成为这些省、直辖市经济的新增长点。但是如何通过信息化的快速发展来加快经济发展，笔者认为他们急需资金、人才和经济发展的反作用力。 2中国各地区信息发展差距成因分析 2.l经济发展水平信恳发展战略是一项投资于信息技术和 信息人才的发展战略。一个地区的投资能力同其经济发展水平密切相关。经济发展水平的差距必然造成信息发展水平的差距。信息发展既是促进经济发展的重要原因，也是经济发展的重要结果。为研究经济发展对信息发展的具体影晌，笔者将选取人均消费指数、人均投资指数和人均地方支出作为区域经济发展水平的衡量指标(见表2)。
-
我国助学贷款拖欠的经济分析(一)_经济学毕业论文范文
我国助学贷款拖欠的经济分析(一)_经济学毕业论文范文 摘要：助学贷款制度是政府弥补资本市场失效、干预高等教育领域资源配置的重要形式。论文简要回顾了我国助学贷款制度的建立过程，指出其目前面临的一个关键问题是贷款拖欠，这一问题将直接影响到助学贷款制度的可持续性。论文从借款者个人效用最大化角度出发，构建了一个助学贷款拖欠模型，分析了影响拖欠水平的各个因素，得出了一些具有政策意义的结论，并据此对我国助学贷款制度的完善提出了一些具体的政策建议。 关键词：助学贷款；拖欠；制度完善 一、引言 扩大高等教育规模，实现高等教育大众化是一国经济发展到一定程度后的必然要求。但是，高等教育规模的扩大受到一系列因素的制约。学生由于家庭经济因素而无法跨入高校大门或不得不离开学校，这即使不是这些因素中最重要的一个，也是最能引起人们关注和讨论的一个。无论从道德理念出发，还是从经济角度研究，政府都有必要介入高等教育领域，扮演重要的角色。 贝克尔等人认为，教育是人力资本投资的重要形式。[加里·S·贝克尔：《人力资本：特别是关于教育的理论与经验分析》，北京大学出版社1987年出版，第1页。]虽然高等教育具有较高的投资收益率，[萨哈罗普勒斯的研究表明，高等教育的个人收益率平均超过20%，社会收益率则在10%左右。参见Psacharopoulos,G. Return of Investment in Education: A Global Update , World Development. Vol.22, No.9. 1994, p.1328.]但是，弗里德曼指出，现实的资本市场并不完善，由于人力资本不可抵押、人力资本的回报很不稳定、银行难以索取高额利率以及高昂的管理费用等原因，高等教育等人力资本的投资者在其投资初期很难从市场获得融资，[米尔顿·弗里德曼：《资本主义与自由》，商务印书馆1986年出版，第99~102页。]也就是说，学生一般很难获得没有担保的贷款，无法利用通过教育所取得的未来生命期的收入进行借款。这就使得资本市场的资源配置无法达到最优，出现了市场失效。这时，由政府出面对金融部门进行干预，建立助学贷款制度，就成为政府弥补资本市场失效、干预高等教育领域资源配置的重要形式之一。[市场失效是政府干预资源配置的基本依据。政府采用助学贷款等手段介入高等教育的理由还包括高等教育具有外溢性、信息不完全和出于公平目标的考虑等等。] 助学贷款又称学生贷款，是政府介入高等教育、资助贫困学生的重要措施之一。助学贷款是银行或其他特定机构向学生（主要是大学生）提供的、帮助解决其在完成学业过程中遇到的经济困难、需要还本付息的借款。助学贷款常常由政府通过其特定机构提供，或者通过政府以担保、贴息等方式干预，由商业银行或其他金融机构提供。助学贷款与助学金或奖学金等其他政府干预措施相比，具有自己的特点和优点，在许多国家已成为政府资助学生的最主要手段。 我国的助学贷款制度是在高校大规模扩招的背景下建立起来的。1999年6月，我国改革了原有的政府对大学生的资助体系，率先在北京、上海、天津等8个城市试点国家助学贷款制度。在取得试点经验的基础上，2000年8月，国务院转发《国家助学贷款试行管理办法》和《关于助学贷款的补充意见》，国家助学贷款在全国全面推开。截至2002年6月底，全国累计申请贷款学生人数为112.5万人，银行已审批贷款人数累计35.1万人，占总数的31.2%；累计发放助学贷款达26.4亿元（截至2002年6月7日），部分贷款学生已经顺利完成学业。[ 参见： 在我国助学贷款制度逐渐完善和开始发挥作用的同时，一个伴随而生的问题——助学贷款拖欠也开始逐步暴露出来。 在实行助学贷款制度的国家，贷款拖欠是一个严重但又普遍发生的问题。特别是在一国助学贷款制度刚刚建立起来的时候，过高的拖欠率足以把这一制度拖跨。世界银行专家阿尔布雷特和齐德曼在一篇报告中提供了如表1所示的有关国家和地区拖欠偿还的数据，在比较研究后得出如下结论：“如果拖欠率或逃避率高于25%，那么实施要求偿还的资助计划是不明智的。在这种情况下，实施一项经仔细规定目标的助学金计划或许在费用上更有效。”[ Albrecht, Douglas & Ziderman, Adrian, Deferred Cost Recovery for Higher Education: Student loan Programs in Developing Countries, The World Bank, 1991, p.47~48.] 表1 有关国家和地区拖欠偿还情况 国家或地区未偿还的贷款百分比数据年份 牙买加38.81985 瑞典1.01988 哥伦比亚12.01985 智利40.01989 美国17.01987 丹麦10.01987 以色列2.01980 日本2.31985 肯尼亚81.01987 香港地区1.01988 资料来源：Albrecht, Douglas & Ziderman, Adrian，Deferred Cost Recovery for Higher Education: Student loan Programs in Developing Countries, The World Bank,1991,p.17. 我国全面实施助学贷款制度是从1999年开始的，为时尚短，大部分贷款尚未到期，还难以确切地估算拖欠率。但是，就目前的一些数据来看，情况并不令人乐观。2002年初，北京工行的数据显示，在该行首批进入还款期的1250名毕业学生中，有119人未能及时还贷，接近总人数的10%。而同期该行其他个人消费贷款，借款不还的比例远远低于千分之一。[ 参见。]新的数字表明拖欠在进一步增加。截至2004年3月20日，中国政法大学745名进入还款期的贷款毕业生中，有190人未按时足额还贷，比率达到26%，超过了中国人民银行有关文件规定的警戒线。[ 参见news.sohu.com/2004/04/21/85/news219898508.shtml。]还贷记录不佳动摇了银行开办此项业务的信心，在北京，目前大部分学校的助学贷款目前已处于暂停阶段。带有很强政策性却又定性为商业贷款的国家助学贷款正处于两难境地。[ 卢嵘《个人信用难以约束，国家助学贷款遭遇商业难题》，载《南方周末》2004年5月7日。] 二、助学贷款拖欠模型 1、模型的建立 本文将借鉴税收理论中的逃税模型，建立一个助学贷款拖欠模型。[ 标准的逃税模型及其发展参见刘宇飞：《当代西方财政学》，北京大学出版社2000年出版，第404~427页。] 从贷款本身的要素考虑，
