你好，欢迎来到经管之家 [登录] [注册]

设为首页 | 经管之家首页 | 收藏本站

搜索
经济学 管理学 金融学 统计学
您的位置：

人大经济论坛

 > 经济学毕业论文
搜索

经济学毕业论文

  • 国外直接投资对国内企业生产能力的影响反向关联溢出效应的研究_经济学毕业论文范文

    国外直接投资对国内企业生产能力的影响反向关联溢出效应的研究_经济学毕业论文范文 国外直接投资对国内企业生产能力的影响： 反向关联溢出效应的研究 摘 要 许多国家努力吸引着国外直接投资（FDI），其目的是希望跨国公司所带来的知识能够通过溢出效应为国内相关产业所利用，提高自身的生产能力。比较于早期的文献，对于FDI的行业间溢出效应讨论较少，而主要集中于行业内的经营效果。本文的分析，基于中国的制造行业层面的数据，通过对资本、原材料投入、外资所占行业比例、反向关联溢出等因素，运用计量经济学方法，建立工业总产值模型，得出了FDI对上游生产部门的工业总产值会在短期产生负的反向关联溢出效应的这样一个结论。 关键词 FDI 反向关联 溢出效应 Abstract: Many countries strive to attract foreign direct investment (FDI) hoping that knowledge brought by multinationals will spill over to domestic industries and increase their productivity. In contrast will earlier literature that failed to find intraindustry spillover from FDI, this study focuses on effects operating across industries. This analysis is based on the industry cross-sectional data from China, using econometrics method with the factors -- such as capital, materials, foreign share and backward spillovers – to set a Gross Output Value of Industry model. We get a conclusion that foreign direct investment will put a negative backward spillover effect on upstream sectors in short-term. Key words: FDI backward spillover 随着中国经济改革的不断发展，我国的外商直接投资（FDI）增长迅速，2003年已经跃居全球首位，取代美国成为世界上吸引外商直接投资最多的国家。普遍认为FDI的流入能带来紧缺的资金、新的技术和市场营销手段，以及管理技术。由于FDI被政府期望将带来这些潜在的利益，因而受到了极大的重视。在提高国内相关产业的生产能力和竞争力方面，FDI的贡献受到了特别的强调，我国的各级政府总是希望通过FDI带来的技术转移所产生的结果，能超过在项目中外国的投资者所应承担的义务，并通过相关知识、技术的溢出效应国内生产企业受益。 但是，迄今为止，没有证据能够表明由于国外投资的出现，所带来的正的外部性的必然存在性。[ 现在国际上对FDI溢出效应的研究结论主要分为支持正溢出效应的研究和不支持正溢出效应的研究。前者有如Caves（1974）对加拿大和澳大利亚的FDI技术引出效应的检验，Liu（2000）对英国制造业行业面板数据的考察，发现存在明显的FDI正溢出效应 等；后者也包括了Aitken和Harrison（1999）对委内瑞拉制造业的企业面板数据检验，发现该国全国范围内存在着普遍的副溢出效应，Damijan（2001）保加利亚、斯洛伐克、匈牙利、爱沙尼亚等专项经济国家企业面板数据的考察，发现并没有明显的溢出效应的存在。]正如Dani Rodrik(1999)指出：“现在的政策文件中充满了对FDI所到来的正外部溢出效应的主张，但却很难找到相应的确切证据。”事实上，效应的不确定性和数据的局限性这两个亟待解决的困难，阻止了研究者提供FDI的结果将产生正的外部性的最终证据。现在，基于公司层面的研究已经涵盖了许多早期文献所面对的问题，然而，这一信息的出现并非是值得乐观的。 国际上，现有文献对这一问题的研究大体可以分成三类。第一类以案例研究，该方法包含了财富的价值信息，通常是有益的（例如Moran, 2001），但该方法往往关注于特定的FDI项目或是针对特定的国家，因此较难普及与推广。第二类是工业水平的过剩研究，大多数的此类研究显示：FDI的存在和部门内部的人均增加值正相关。但是，因为大多数研究有赖于交叉部门的数据，其缺点是在建立目的性因果关系上存在困难。因而存在这样的可能，其正效应的产生并不是真正的生产能力的溢出效应，而是基于外资企业在高生产能力行业的本土化趋势这一因素造成的。这一正的相互关联作用的产生也存在这样的可能，即FDI流入使得生产能力较差的公司退出，同时使外资企业增加他们本国的市场占有率，而这两者都将增加该产业的生产能力。第三种类型是基于公司层面的面板数据，主要是检验在部门内国内公司的生产能力与FDI产生的程度之间是否存在关联性。这种方法的大部分研究，如Haddad和Harrison（1993）对摩纳哥[ Mona Haddad and Ann E. Harrison, Are There Positive Spillovers from Foreign Direct Investment? Evidence from Panel Data for Morocco. [J] Journal of Developing Economics, vol. 42, 1993, pp.1-74]，Aitken和Harrison（1999）对委内瑞拉[Brian J. Aitken and A.E. Harrison, Do Domestic Firms Benefit form Direct Foreign Investment? Evidence from Venezuela. [J] American Economic Review, vol. 89, no. 3, 1999, pp.605-618]， Djankov和Hoekman（2000）对捷克，以及Konings（2001）对保加利亚、罗马尼亚和波兰的研究，都没能解决FDI对发展中国家存在的溢出效应的疑问。研究者们既忽略了去找寻一个重大的影响，又没有找到行业内负的溢出效应存在的证据。最近Haskel（2002），Keller和Yeaple（2003）所做的分别针对英国和美国的研究，对FDI所存在的正的溢出效应提出了值得相信的证据，为工业化国家描述了一幅乐观的图画。 而在国内，FDI的溢出效应在最近几年才成为了学者们研究的重点，对于这一问题的研究主要有两方面，一是讨论溢出效应的产生机制、对我国经济的影响，如陈涛涛（2003）[陈涛涛. FDI中国行业内溢出效应的内在机制研究.[J] 世界经济，2003.9，pp23—28]提出充分竞争是行业溢出效用的有效机制，孙舒平（2004）[孙舒平.FDI对中国经济增长的影响.[J] 西安财经学院学报，2004.2，pp71—76]分析了FDI的流入与中国经济增长之间的关系。二是运用国外研究的计量经济模型对中国数据进行检验论证。如吕世生、张诚（2004）[ 吕世生、张诚. 当地企业吸收能力与FDI溢出效应的实证分析.[J] 南开经济研究，2004.6，pp72—77]以天津为例，运用Haddad和Aitkin模型得出吸收能力与溢出效应之间的相互关系。 有理由认为，研究者们进入了一个寻找FDI的溢出效应得误区。外资企业不是救世主，也不是来做慈善事业的，从经济的角度考虑，获取收益才是他们的最大目的。因而，总存在着这样的冲动，阻止可能增强本地竞争者的相关信息的泄漏。但是，与此同时，随着相关技术对当地供应商的影响，将使当地供应商可能从中受益。因而，FDI的溢出效应更应是纵向的，即垂直的，而不是产生于同一行业的内部。换而言之，溢出效应更有可能是通过反向关联，在本国的中间产品的提供者和他们的外资企业顾客之间产生的。但是，这一观点并没有吸引早期研究者的注意。这种情况似乎是合理的，源于外资企业，存在于上游部门的溢出效应，归因于先前在国内较低的生产效率；或是技术上更先进、更低廉的投入的提供；或是伴随的补充服务的提供。正如Blomström et al.（2000）提出，经验主义的分析几乎不会考虑纵向型的溢出效应。这一可引起注意的例外，已经出现在了Blalock（2001）对印度尼西亚公司层面的面板数据研究的论文中，以及Javorcik（2004）[ Javorcik, Does Foreign Direct Investment Increase the Productivity of Domestic Firms? In Search of Spillovers Trough Backward Linkages. [J]American Economic Review, 2004.6, pp.605-627]基于立陶宛交叉部门的企业层面最近的信息的论文中。他们都通过反向关联提供了这个的溢出效应存在的证据。 此项研究的目的可以分为两个部分。第一，检验国内公司的生产能力与外资企业的存在，两者之间是否存在相互关联，无论其实下游生产部门（潜在消费者），还是上游生产部门（中间产品的潜在提供者）。检测这一效应的存在，将支持存在垂直的溢出效应这一观点。 第二，这一研究通过说明纵向溢出效应，超出了已经存在的文献。这一方法检验了纵向联系的利益阻塞是否与国外所有权公司的分支机构的程度相关。基于对这一案例的研究和对投资者的调查，这一被推测出的因素将影响外资企业对本地上游生产部门的信任，进而由反向关联带来的潜在收益，但是据我们所掌握的资料得知，它们的影响，特别是在国内还，没有被系统检验过。 本文将分为如下几个方面：第一部分，将对溢出效应的渠道进行简介；第二部分，讨论FDI流入我国后的数据分析和模型估计描述；模型修正及估计结果的分析将在第三部分提出；第四部分将就全文做出总结，并提出政策建议。 第一部分 溢出效应渠道的简介 当外资企业提高他们在投资国公司的生产力且没有完全带走利润时，FDI就会产生溢出效应。通过复制外资机构用于本地市场的技术或通过雇佣由外资机构培训的员工，国内企业也会获得溢出效应。另一种溢出效应的产生则是由于外资的进入带来了更激烈的竞争，从而促使国内企业更有效的使用国内已有资源或寻求新的技术。 从某种程度上说，国内企业和外资企业在相同部门中存在竞争，后者有动机去阻止同行业间的技术泄露和溢出效应的发生，它通过对知识产权和商业机密的保护，支付高工资以防员工的跳槽，或干脆把厂建在农村或建在某个国内企业不好模仿的领域来达到这一目的。这种现象刚好与现在许多研究方法无法找到水平型溢出效应一致。 但从另一方面看，外资企业并没有动机去阻止技术对上游部门的普及，因为他们会从中间产品的供应者那里获得好处。这样，反向关联——即外资企业和国内供应商之间的联系——是最可能产生溢出效应的渠道。由此，溢出效应可通过以下三个渠道产生：（i）外资对国内企业的直接技术转移（ii）外资企业对生产质量及准时的交付要求促使国内供应商提高其生产管理和技术（iii）外资企业的进入增加了对中间产品的需求，这使得国内供应商能够从生产规模的扩大中得到好处 类似的，国内企业也可能会从购买处于上游部门外资企业生产的含金量更高或价格更便宜的中间产品而变得更有效率（正向关联）。外资企业为促销其生产的中间产品而提供国内企业从进口商那里无法获得的额外服务。 在经济转型国家有个案证实，通过反向关联会产生溢出效应。例如，四川光大制药有限公司，是一家专门生产传统中成药的中外合资企业，在成都市彭州市附近有其原材料基地采购。该合外资企业定期派人访问其各采购基地，利用其技术优势，指导改进其种药材植技术、粗加工生产工艺，久而久之，当地的原材料提供商们把这些改进的技术应用到其它药材的种植过程中（而非为这家合资企业服务），由此提高了其产品的质量。 FDI的方式不同，其造成的纵向型溢出效应也就不同。例如，通过兼并收购或合资建立的机构比那些外商独资的企业更倾向于在当地采购，后者不得不花费时间和精力来发展本地的关联企业，而前者却能从和被合并的企业或这些企业的国内合作者的供给中获得好处。然而，此次研究使用的数据无法区分这三种形式的外资投资方式。但是，通常外商独资企业更依赖于进口的原材料，而合资企业则更多使用本地资源。这一推测仍有待于进一步的关于国内数据的调查予以证实。但是，一项关于匈牙利最大出口商的研究结果（Tot和Semjen，1999）表明，外资所占股份越多，该企业在匈牙利本国采购的原材料越少。总而言之，更大的溢出效应是同部分的而非完全的外资企业相联系的。 照此定性推测，从单个企业长期的情况来看，FDI的流入产生对上游企业的正的反向关联溢出效应似乎是存在的；但是，如果我们从行业的层面出发，以短期的视角否能定量地观察到这种正的反向关联溢出效应呢？ 第二部分 模型的描述 一、中国的FDI 我国吸收外商投资，一般分为直接投资方式和其他投资方式。采用最多的直接投资方式是中外合资经营企业、中外合作经营企业、外商独资经营企业和合作开发。自1985年以来,我国FDI呈逐年上涨趋势,特别是从上个世纪九十年代,我国迎来了第一个FDI涌入的高潮,在世界上创造了所谓吸引FDI的奇迹。除了1999年受亚洲金融危机的影响出现FDI负增长之外,其余年份均为正增长。2001年后,中国FDI增长率大幅上升,2002年中国FDI保持强劲的增长势头,仅上半年增长率便高达18%。我国FDI连续六年在400亿美元上浮动,2002年我国FDI首次突破500亿美元,同时超过美国成为世界FDI的第一大接受国。勿需质疑的是,改革开放以来我国吸引外资对我国经济的发展起到了很大的作用,从下图1中可以清楚的看到近年来我国FDI和GDP(单位:亿元)的关系。 图1：流入中国的FDI净值 增长过程FDI是流入中国的外资最主要的部分，截至目前，中国已累计吸收FDI近5000亿美元，成为中国经济腾飞的重要推动力之一，近年来中国FDI年流入量占国内固定资产投资总额均在10％以上，据商务部《2005跨国公司在中国报告》，外商直接投资为GDP的贡献超过40%，1997年外资的行业分布如表1所示。 部门国内企业 （1）外商投资企业 （2）企业总计（3）（2） / （3）*100外资比重（%）反向关联（%） 煤炭采选业32021132130.340.180.08 石油和天然气开采业760760.001.951.11 金属矿采选业19932620191.300.480.16 非金属矿采选业18497019193.793.840.96 食品制造及烟草加工业2144623502379610.9621.643.96 纺织业1127620321330818.0218.3517.18 服装皮革羽绒及其他纤维制品制造业1008041441422441.1144.749.61 木材加工及家具制造业3957896485322.6433.219.78 造纸印刷及文教用品制造业1041119201233118.4426.2910.81 石油加工及炼焦业10528911418.465.041.91 化学工业2318742142740118.1717.7726.67 非金属矿物制品业144961362158589.4016.597.07 金属冶炼及压延加工业566544561107.864.946.50 金属制品业81321496962818.4031.6518.24 机械工业159201566174869.8412.3410.49 交通运输设备制造业6779803758211.8518.4610.22 电气机械及器材制造业75441570911420.8126.2811.75 电子及通信设备制造业41661940610646.5747.2530.60 仪器仪表及文化办公用机械制造业1821479230026.3029.403.77 电力及蒸汽热水生产和供应业499425352475.0715.6912.08 煤气生产和供应业291273189.282.870.15 自来水的生产和供应业23631423770.590.630.05 二、方法、模型与数据 基于对国内外文献的充分研究和现阶段收集数据上所遇到的限制，选用中国制造业1997年的相关数据对中国FDI的溢出效应进行研究。 （一）数据 此项研究的数据来自于国家统计局公布的《中国统计年鉴1998》和中国投入产出协会公布的《中国投入产出表1997年基本流量表》、《中国投入产出表1997年直接消耗系数表》。行业主要涉及煤炭、冶金、食品、纺织等21个主要制造业的行业。 在研究中，采用数据的主要指标有：行业工业总产值、固定资产净值、内资企业和外资企业的总资产价值、行业劳动生产率、行业中间投入的基本流量、行业中间投入的直接消耗系数。 （二）研究模型的建立 在早期文献所研究的，特别是在Javorcik（2004）对立陶宛的FDI研究的基础上，运用与其类似的方法，通过基于Cobb-Douglas生产函数的对数变换，并对先前文献中所运用的模型进行了一定程度上的修改，得到FDI溢出效应的基础模型如下式： （1） 代表行业工业企业在时间段的工业总产值，采用国家统计局对大多数企业采用的行业划分标准，选取了包括煤炭开采和洗选业、石油加工、炼焦及核燃料加工业、电气机械及器材制造业等在内的共21个行业。表示资本，被定义为固定资产在在时间段年初的价值。因为数据中考虑到对熟练工和非熟练工进行区分，因此，没有采用通常所用的工资总额代表劳动力，而通过《中国统计年鉴》中时间段的劳动效率单位——劳动生产率（）得来。代表在时间段的原材料，按照其投入的价值，随着存货的变动而调节。通过每一部门投入——产出矩阵计算出的中间产品的投入，随着相关产业的缩减而缩小。衡量的是行业在时间段，工业企业中外资企业的固定资产总值在该行业的固定资产总值中所占的比例。 代表被部门供应的外资。他产生于国内供应商和外资企业之间的潜在联系。它被定义如下： （2） 这里，是从1997年的投入——产出矩阵计算出的部门供应给部门的产品比例。该比例不包括为最终消费的而提供的产品，但包括对中间产品的进口。正如公式所指出的那样，部门内部的产品供应为包括在内，因为这一作用已包括在了变量中。我们可以看到，被部门供应的部门中，外资的投入越多，变量的值越大，符合相应的经济意义。 在试探性的回归分析中，以上建立的模型运用普通最小二乘法进行回归，可以发现该模型存在一定的多重共线性。为了更好的确认并计算出生产性溢出效应，我们必须分清其他影响生产率的因素。如果跨国公司的进入降低了产业的垄断，导致更多的竞争，并迫使本地企业提高他们的效率的话，那么这样的情况也可被认为是广义的溢出效应。但本文主要分析的是外资企业所带来的直接的效益，即主要在于先进的管理与科学技术的转移。因而，经逐步回归法修正多重共线性后得出的估计模型 （3） 直接去掉了解释变量[ 直接去掉解释变量的经济意义解释和计量经济学理论依据，将在文章的第三部分的对模型的修正中提到。]，得到了新的模型。该估计模型（式3）即为用于检验FDI溢出效应的最终模型。 第三部分 模型估计结果及分析 一、模型修正 由于基础模型（式1）存在多重共线性，且的t值不显著。得出的估计模型（式3）是在基础模型（式1）的解释变量中直接扣除了“行业劳动生产率（）”而产生的。从模型的经济意义上来看，由于所研究的对象主要为工业制造业企业，工人的劳动生产率与资本的投入和中间产品的投入有着极为密切的关系，受到了后两者极大的约束，而总产值也受后两者（、）影响较为显著。虽然在对部分解释变量取了对数后，这一相关性影响仍较为显著。在运用简单相关系数矩阵对五个解释变量者间的相关关系进行判定的过程中，发现与、之间均存在较大的相关系数，也证明了以上经济意义的结论。故在基础模型中直接去掉解释变量，得到估计模型（式3）。 经检验，估计模型（式3）中多重共线的影响处于一个可以忽略的水平，且模型无自相关。 对模型做White检验，发现估计模型（式3）存在异方差，使解释变量的显著性检验失效。运用加权最小二乘法（WLS），以残差平方为权数[ 权数为，选择残差平方作为权重主要从数学意义上考虑，用于消去异方差所造成的影响。其主要目的是为了获得修正异方差后估计模型的参数，对其自身的经济意义没有太高的要求。 ]，对系数进行修正。 表2 中国行业FDI溢出效应检验 初始基础模型 （式1）修正多重共线性后 的估计模型（式3）运用WLS修正 的估计模型 常数项-1.209-0.907-4.865*** (-1.369)(-1.300)(-2.991) 0.519***0.578***0.367*** (4.780)(5.721)(3.764) 0.062 (0.579) 0.455***0.470***1.236*** (4.415)(4.802)(5.144) 0.037***0.038***0.067*** (4.220)(4.823)(5.230) -0.021-0.024-0.115*** (-1.289)(-1.577)(-4.951) 调整后的0.9070.9110.998 40.23352.38520.275 212121 说明：表中括号内数一位系数的t统计值。***、**、*分别表示在1%、5%、10%的水平上显著。 修正后，对修正后的估计模型再次运用White检验，发现不再存在异方差。，至此，如表2所描述的过程，对模型的修正工作完成。修正后的估计模型，t值、F值显著，拟和优度良好，不存在异方差，无自相关。因而，其估计出来的结果是无偏得和有效的。 二、估计结果分析 迄今为止,在所有使用面板数据,尤其是企业面板数据的研究中，除了少数文献(Liu等,2000;Damijan等,2001)发现了显著的正溢出效应,大多数文献都反映了负溢出效应或无溢出效应的结论。本文使用截面数据进一步发现反向关联的溢出效应存在于中国的外商直接投资当中，但它是以阻碍上游生产部门的工业增加值的身份出现的，即一个负的反向关联溢出效应。我们认为这一结论有其内在的合理性。 首先，FDI的进入，尽管对单个的企业来看，的确存在如前文所述的外资进入的种种溢出效应；但如果我们从行业的层次出发，不得不承认，当时（1997年）能与外企全面接触的企业并未占到行业的主体，所以从某种程度上削弱了FDI带来的部分正的反向关联溢出效应，外资在增加东道国原料采购、加速上游供货商技术水平改进等方面难有作为。造成这种原因一方面是由于国内市场开放程度有限，例如煤炭开采和洗选业、石油和天然气开采业、有色金属矿采选业等垄断行业中外资所占的比例极为有限，而且它们的上游企业面临同样的情况；另一方面，“内外资竞争能力的差距是影响FDI溢出效应的关键要素；并且，较小的能力差距有助于溢出效应的产生。”不可否认国内的企业与外资在竞争力上还有不小的差距，因此享受到正的反向关联溢出机会较小。 其次，从进入中国的FDI看，并非它们都是对经济起健康作用的。它们包括（1）占领市场型：它们在我国投资兴办企业，最终是为了把中国市场纳入其全球生产经营体系，服从于母公司的战略目标。这类企业技术先进、资金雄厚、拥有国际销售网络，一般投资量较大，但对其产品出口海外往往都有严格限制。（2）劳动利用型：主要利用其在海外营销渠道、经营管理和对资源的有效整合和利用上的优势，利用廉价成本和相对良好的体能和智能，保持产品在世界市场的竞争力。（3）食利型：它们把某些较为过时的设备出口到东道国，延长产品的技术生命周期，又能取得高额的技术转让费。由此可见，它们尤其是第三种FDI在对上游企业的所谓正的反向关联溢出究竟有多大帮助还有待商榷。 最后，由于外资的进入，从长远看，的确会为上游企业带来技术的更新、经营规模的扩大等好处；但从短期上看，由于上游行业处于被动接受的角色，势必对企业的市场适应造成不利的影响，产生这种负的效应的产生也就不足为奇了——跨国公司通常在主观上会刻意对其知识资产进行保护,防止泄漏,以保证它们的竞争优势地位（同样会对上游企业进行部分技术保密）；外资对本国企业甚至上游企业都能带来优秀员工的单向流动，有可能使其劳动效率降低；由于政府的政策倾斜，导致FDI使用效率低、成本高，对有限的资源甚至是上游行业的资源都有可能形成侵占等等。 第四部分 基本结论与政策启示 通过对资本、原材料投入、外资所占行业比例、反向关联溢出等影响工业总产值的重要参数的引入和建模，我们提出了FDI对上游生产部门的工业总产值会在短期产生负的反向关联溢出效应的这样一个结论。 从上述对模型的分析与检验中，我们进一步发现，正确地认识和利用FDI对于我国这样一个急需国外资本投资的发展中国家来说有着十分积极的意义。 首先，对于前文所提到的部分垄断型行业、与外资企业能力差距较小的行业可以进一步开放，一方面可以让外资在东道国原料采购、加速上游供货商技术水平改进上充分发挥其积极的作用；另一方面，在与外资企业能力差距较小的行业中，能利用充分有效的竞争，使本地企业把这种压力转换为自身完善的动力，从根本上获得溢出效应。 其次，应当正确引导与使用外资。尽管逐利是外资的主要进入目的，但对于外资仍应当分清其进入中国的类型加以引导或是限制。避免在对待FDI的某些优惠政策可能会伤害到国内行业对稀缺的经济资源的需求。 最后，我们应当意识到，尽管从短期看FDI的流入产生了负的反向关联溢出效应，但这将会使得国内行业积极地进行调整和适应，最终通过自身的完善，吸引下游外资行业加大在东道国的采购等获得长期稳定的FDI收益。 参考文献 [ 1] Gregory Mankiw. Principles of Microeconomics［M］. Thomson Learning，2004. [ 2] Massala. Introduction to Econometrics［M］. John Wiley & Sons，2004. [ 3] Mona Haddad and Ann E. Harrison, Are There Positive Spillovers from Foreign Direct Investment? Evidence from Panel Data for Morocco. [J] Journal of Developing Economics, vol. 42, 1993, pp.1-74 [ 4] Brian J. Aitken and A.E. Harrison, Do Domestic Firms Benefit form Direct Foreign Investment? Evidence from Venezuela. [J] American Economic Review, vol. 89, no. 3, 1999, pp.605-618 [ 5] Ari.kokko, Technology, Market Characteristics, and Spillovers. Journal of Development Economics, vol.43, 1994, pp.279-293. [ 6]M.Blomstr&om, Foreign Investment and Productive Efficiency: The Case of Mexico. Journal of Industrial Economics, vol.15,1986, pp.97-110. [ 7] Javorcik, Does Foreign Direct Investment Increase the Productivity of Domestic Firms? In Search of Spillovers Trough Backward Linkages. [J]American Economic Review, 2004.6, pp.605-627 [ 8] 孟良、宣国良、王洪庆. 国外FDI技术溢出效应实证研究综述［J］. 外国经济与管理，2004.6，pp36—40. [ 9] 陈涛涛. FDI中国行业内溢出效应的内在机制研究.[J] 世界经济，2003.9，pp23—28 [10] 孙舒平.FDI对中国经济增长的影响.[J] 西安财经学院学报，2004.2，pp71—76 [11] 吕世生、张诚. 当地企业吸收能力与FDI溢出效应的实证分析.[J] 南开经济研究，2004.6，pp72—77 附 录： 原始数据 工业总产值（Y）资本 （K）劳动生产率（L）中间投入 （M）外资所占比重（share）反向关联 （backward） 煤炭采选业1299.653752.1912522.001948.520.180.08 石油和天然气开采业1796.326353.4796367.001936.351.951.11 金属矿采选业489.91598.4336475.001358.660.480.16 非金属矿采选业328.26470.7015982.001262.823.840.96 食品制造及烟草加工业7684.565590.75360877.002220.2621.643.96 纺织业4376.273878.5615292.006949.2218.3517.18 服装皮革羽绒及其他纤维制品制造业3210.001308.8140215.001088.8044.749.61 木材加工及家具制造业786.84687.0037425.00802.6433.219.78 造纸印刷及文教用品制造业2340.632774.3356951.002453.0426.2910.81 石油加工及炼焦业2329.443712.0677657.001641.125.041.91 化学工业9090.4911208.71141636.0010927.0517.7726.67 非金属矿物制品业3204.484300.4614934.002579.7316.597.07 金属冶炼及压延加工业5511.929313.3156333.007461.944.946.50 金属制品业2150.681408.5620047.002583.9331.6518.24 机械工业4500.074045.4433427.004162.5612.3410.49 交通运输设备制造业4212.014221.5524535.002084.3218.4610.22 电气机械及器材制造业3628.582431.4827281.002116.2726.2811.75 电子及通信设备制造业4893.563611.5547844.002608.5447.2530.60 仪器仪表及文化办公用机械制造业692.75473.3616716.00350.2229.403.77 电力及蒸汽热水生产和供应业3616.8120570.4773549.002810.5915.6912.08 煤气生产和供应业103.25502.755322.0034.752.870.15 自来水的生产和供应业234.091633.8124638.00156.650.630.05 煤炭采选业1299.653752.1912522.001948.520.180.08 石油和天然气开采业1796.326353.4796367.001936.351.951.11 初始模型为 运用最小二乘法（OLS），对Y（行业工业总产值）进行回归，得到各项估计量如下所示： Dependent Variable: Y Method: Least Squares Date: 06/12/05 Time: 02:50 Sample: 1 21 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-223.3140500.4643-0.4462140.6618 K0.0424620.0557390.7617980.4580 L0.0148490.0030444.8780640.0002 M0.5127900.1422073.6059380.0026 FS29.9165229.285061.0215630.3232 BW37.7436557.908580.6517800.5244 R-squared0.883532 Mean dependent var3154.594 Adjusted R-squared0.844709 S.D. dependent var2375.969 S.E. of regression936.2979 Akaike info criterion16.75670 Sum squared resid13149807 Schwarz criterion17.05514 Log likelihood-169.9454 F-statistic22.75807 Durbin-Watson stat1.516486 Prob(F-statistic)0.000002 由以上结果可以明确地看出，变量间存在多重共线性，因而对原始模型进行修正，得 再次对回归，得到结果如下： Dependent Variable: LY Method: Least Squares Date: 06/12/05 Time: 00:57 Sample: 1 21 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-1.2090000.883253-1.3688040.1912 LK0.5486270.1147854.7796100.0002 LL0.0616680.1065860.5785730.5715 LM0.4551450.1030984.4146690.0005 FS0.0365570.0086634.2197060.0007 BW-0.0206810.016039-1.2894450.2168 R-squared0.930608 Mean dependent var7.644399 Adjusted R-squared0.907477 S.D. dependent var1.121238 S.E. of regression0.341053 Akaike info criterion0.921401 Sum squared resid1.744762 Schwarz criterion1.219836 Log likelihood-3.674713 F-statistic40.23253 Durbin-Watson stat1.868084 Prob(F-statistic)0.000000 其中，从经济意义和模型显著性的角度考虑，影响不是十分显著。从上面的回归结果来看，由于样本数量不足，多重共线性似乎不可避免，运用逐步回归法发现，去掉有助于减小发成的多重共线性，因而模型修正为： 在新模型的条件下，再次对回归，得到结果如下： Dependent Variable: LY Method: Least Squares Date: 06/12/05 Time: 00:58 Sample: 1 21 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-0.9068920.697412-1.3003680.2119 LK0.5777470.1009955.7205720.0000 LM0.4697930.0978424.8015400.0002 FS0.0383140.0079434.8233600.0002 BW-0.0235520.014932-1.5773380.1343 R-squared0.929059 Mean dependent var7.644399 Adjusted R-squared0.911324 S.D. dependent var1.121238 S.E. of regression0.333888 Akaike info criterion0.848234 Sum squared resid1.783699 Schwarz criterion1.096930 Log likelihood-3.906459 F-statistic52.38505 Durbin-Watson stat1.981776 Prob(F-statistic)0.000000 发现较之于上一结果，截距项和的显著性有所提高，但人不处于一个让人乐观接受的范围，分析可能存在异方差，故下一步将进行White检验。 与此同时，在上回归模型中，DW反映模型无自相关。 对模型进行White检验结果如下： White Heteroskedasticity Test: F-statistic3.869697 Probability0.017671 Obs*R-squared15.13375 Probability0.056596 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/12/05 Time: 00:58 Sample: 1 21 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C1.0870500.9679801.1230090.2834 LK-0.5450660.241723-2.2549200.0436 LK^20.0402310.0152972.6299790.0220 LM0.3117930.1297782.4025030.0334 LM^2-0.0286590.011197-2.5595490.0250 FS0.0026340.0068020.3872740.7053 FS^2-0.0001150.000124-0.9276740.3719 BW0.0127950.0134680.9500210.3608 BW^2-0.0002830.000347-0.8154350.4307 R-squared0.720655 Mean dependent var0.084938 Adjusted R-squared0.534424 S.D. dependent var0.111399 S.E. of regression0.076011 Akaike info criterion-2.018357 Sum squared resid0.069332 Schwarz criterion-1.570704 Log likelihood30.19275 F-statistic3.869697 Durbin-Watson stat1.640476 Prob(F-statistic)0.017671 发现，存在异方差，以e2=resid*resid为权数，运用加权最小二乘法（WLS）对模型进行修正，结果如下： Dependent Variable: LY Method: Least Squares Date: 06/12/05 Time: 00:59 Sample: 1 21 Included observations: 21 Weighting series: E2 VariableCoefficientStd. Errort-StatisticProb. C-4.8649741.626768-2.9905770.0086 LK0.3670770.0975283.7638080.0017 LM1.2358310.2402515.1439180.0001 FS0.0672050.0128515.2295280.0001 BW-0.1147380.023174-4.9512040.0001 Weighted Statistics R-squared0.998223 Mean dependent var7.902601 Adjusted R-squared0.997779 S.D. dependent var10.92665 S.E. of regression0.514916 Akaike info criterion1.714633 Sum squared resid4.242223 Schwarz criterion1.963328 Log likelihood-13.00364 F-statistic20.27512 Durbin-Watson stat1.543078 Prob(F-statistic)0.000004 Unweighted Statistics R-squared0.567781 Mean dependent var7.644399 Adjusted R-squared0.459726 S.D. dependent var1.121238 S.E. of regression0.824147 Sum squared resid10.86750 Durbin-Watson stat1.108420 可以发现，无论是截距项还是，经修正后显著水平都大幅提高，达到了一个可以接受的范围。与此同时，方程的拟和优度也有了显著性的提升。再次对模型进行White检验，结果如下所示： White Heteroskedasticity Test: F-statistic1.174625 Probability0.386724 Obs*R-squared9.222649 Probability0.323863 Test Equation: Dependent Variable: STD_RESID^2 Method: Least Squares Date: 06/12/05 Time: 01:00 Sample: 1 21 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-0.9626803.804754-0.2530200.8045 LK0.5877000.9501190.6185540.5478 LK^2-0.0363840.060127-0.6051260.5564 LM-0.0344150.510108-0.0674660.9473 LM^2-0.0175850.044011-0.3995590.6965 FS-0.0075120.026735-0.2809860.7835 FS^2-0.0002650.000489-0.5431690.5970 BW0.0561340.0529381.0603860.3098 BW^2-0.0008900.001363-0.6533100.5259 R-squared0.439174 Mean dependent var0.202011 Adjusted R-squared0.065290 S.D. dependent var0.309027 S.E. of regression0.298769 Akaike info criterion0.719233 Sum squared resid1.071153 Schwarz criterion1.166886 Log likelihood1.448052 F-statistic1.174625 Durbin-Watson stat2.463966 Prob(F-statistic)0.386724 异方差的影响已被降到了一个可以接受的范围以内。，最终模型回归结果为： (1.627) (0.098) (0.240) (0.013) (0.023) = (-2.991) (3.764) (5.144) (5.230) (-4.951)

  • 沪市公司IPO的绩效分析_经济学毕业论文

    沪市公司IPO的绩效分析_经济学毕业论文 沪市公司IPO的绩效分析 [摘要]通过对1999年和2000年间上市沪A股公司实证研究，发现这两年间上市的沪A股存在业绩下滑现象。结合中国持有制度背景，讨论公司IPO业绩下滑影响因素。 [关键词] IPO 业绩效应 上市公司 一，IPO业绩效应的一般理论 首次公开发行股票（Initially Public Offerings简称IPO）的公司，其经营业绩在上市前后会有怎样变化，是什么原因造成这些变化的发生，是长期以来财务界，金融界十分关注的问题。从理论上来说，公司往往在进入快速成长阶段上市，上市时获得了一笔可观的股权资本，提高资信等级，改善了资本结构，上市后还可以在资本市场上持续融资，增强了竞争环境下抵御支付风险的财务能力；同时从上市前的资本约束，投资不足状态中解脱出来，在把握战略投资机会和起因战略资源方面处于有利的竞争地位。所以公司在上市后的三至四年内，应该实现与资产规模扩张速度一致甚至更高的经营业绩目标。 但是国外学者的研究表明，公司上市当年经营业绩显著低于上市前一年，即公司上市后难以维持其上市前的业绩水平，上市后经营业绩显著下降。关于公司上市前后业绩变化的理论预期与实证结果的背离，称之为“IPO业绩效应”。 对其原因，国外学者一般认为有以下几方面原因： （一）代理成本假说。主要是管理层与外部鼓动的利益冲突和代理成本的增加，出现将自由现金流投资与不利于股东价值最大化的投资行为，导致企业业绩下降。 （二）报表粉饰假说。企业管理层为了更多的融资和上市成功，美化或高估其上市前的会计利润，使上市后的实际经营业绩难以超过上市前。 （三）“机会之窗“假说。管理层利用信息不对称选择在公司业绩最好的时机上市。 （四）内部控制失效假说。由于公司内部控制系统失效，使产业内各企业过度投资，形成能力严重过剩，引起价格战，从而导致经营业绩下滑。 我国股市字创立以来，发展迅速。大量数据表明，尽管大部分上市公司都是各地筛选好的企业，但整体经营业绩财务指标仍呈现下降趋势，陷入“一年绩优，二年绩平，三年亏损，四年重组”的怪圈。借国内外的研究方法，我们想对上市公司业绩表现及其原因进行研究。 二，沪市公司IPO业绩效应的表现 1．样本的选择 我们选取的是1999年和2000年的只首发沪A股的公司作样本。并且样本要满足以下这个条件：1998年到2004年间，各年的总资产收益率（净利润/总资产）必须在（-30%，70%）这个区间范围内。这样选择的原因是既可以排除大亏一次式赢余管理的干扰，又可以消除异样值的影响。而且保证了有足够的样本进行统计检验。最终我们选择的90个样本，其中99年样本49个，00年样本41个。 2．研究方法 构造了一个变量Y来衡量一家公司上市后的业绩变化幅度。Y=[上市前两年（即-2年）与前一年（即-1年）的总资产收益率的均值]-[上市后第二年（即2年）与上市后第三年（即3年）的总资产收益率的均值]。考虑到总资产收益率代表企业经营业绩，筹集资金投资效益可能滞后，所以采用上市后第二年和第三年的均值。 3．数据来源 上市前后的数据来源均从巨潮信息网获得。 4．结果显示 通过得到的数据表明，所有样本的Y值都大于0，即上市后的业绩与上市前相比都下滑了。当然可能存在一些宏观因素的影响。不同年份上市的公司在上市前后的经营业绩的变化会受到不同年份宏观经济变迁的影响。所以我们采用的比较均值法，尽管还不能完全剔除宏观因素的影响，但足以说明我国上市公司确实也存在上市后业绩下滑的问题。 三，IPO前后公司业绩显著下滑的影响 1．建立模型 （-2年与-1年总资产收益率均值）-（2年与3年的相应均值） 上市时募集资金/上市前一年末净资产 上市后三年内有配股为1，否为0 上市当年第一大股东持股比例大于50%为1，否为0 用于偿还上市前债务的募集资金/总募集资金 上市前年末的总资产大于50亿为大规模取1，否为0 2．研究假设及其相关解释 （1）上市是募集资金额对企业上市前后业绩变化的影响 ⅰ）提出的原因：首先许多企业为了用足上市发行额度，在募集资金使用计划中回采用多种手段，虚构投资项目，夸大投资需求，从而夸大投资项目的资金需求量，以尽可能多地募集资金。导致募集资金超过了公司运营资金的能力，资金严重过剩。其次有些企业在上市前有很多债务没有偿还。上市后用大量募集资金来偿还债务，再将剩余部分用来投资，造成投资金额不充足等现象发生。另外募集的资金会延迟产生经济效益。这几方面都会导致经营业绩下降。 ⅱ）提出假设H1：企业募集资金与首发前一年末净资产比值越大，业绩下降的幅度越大 。 假设H2：用于偿还上市前债务的募集资金占总募集资金比例越大，业绩下降的幅度越大。 （2）配股对首次发行公司上市前后业绩变化的影响 ⅰ）提出的原因：如果公司获取了在三年内的配股资格，在发行时就有可能对各年业绩进行平滑，而不会将利润全部集中在首发当年或之前。 ⅱ）提出假设H3：公司股票首次发行后三年内如果配股，则公司业绩下降幅度的要小于无配股的公司。 （3）第一大股东持股比例对首发公司上市前后业绩变化的影响 ⅰ）提出的原因：由于我国特有的非流通股股东控股现象，大股东处于自身利益考虑而进行上市前的赢余管理，可能导致业绩下滑。上市时第一大股东持股比例越高，老股东达到筹资目的且牺牲较小控制权的动机越高。大股东有可能利于控股地位从上市公司抽区利润和资金。 ⅱ）提出假设H4：企业上市时的股权越集中，经营业绩下滑的幅度越大。 （4）公司规模大小对其上市前后业绩变化的影响 ⅰ）提出的原因：公司规模不同，在抗风险和灵活性方面则不同。规模大的上市公司一般处于行业领先地位，其收益较稳定，相比而言，规模小的公司则处于不利地位。 ⅱ）提出假设H5：上市时总资产规模与上市前后业绩下降幅度有关。 3．回归结果 Dependent Variable: Y Method: Least Squares Date: 06/06/03 Time: 11:01 Sample: 1 90 Included observations: 89 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. X10.0251320.0046625.3911180.0000 X2-0.0155150.011590-1.3387410.1893 X30.0111780.0065781.6994560.0981 X40.0194210.0083722.3197400.0263 X50.0136790.0092971.4713370.1501 R-squared0.325583 Mean dependent var0.022380 Adjusted R-squared0.248507 S.D. dependent var0.025141 S.E. of regression0.021794 Akaike info criterion-4.697862 Sum squared resid0.016625 Schwarz criterion-4.486752 Log likelihood98.95723 Durbin-Watson stat2.062486 Dependent Variable: Y Method: Least Squares Date: 06/06/03 Time: 11:12 Sample: 1 90 Included observations: 89 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. X10.0233300.0109992.1211240.0413 X2-0.0157440.011820-1.3319370.1917 X30.0107310.0071101.5092290.1405 X40.0202490.0096382.1009070.0431 X50.0128510.0104731.2270820.2282 C0.0025100.0138300.1815090.8570 R-squared0.326236 Mean dependent var0.022380 Adjusted R-squared0.227153 S.D. dependent var0.025141 S.E. of regression0.022102 Akaike info criterion-4.648830 Sum squared resid0.016609 Schwarz criterion-4.395498 Log likelihood98.97661 F-statistic3.292554 Durbin-Watson stat2.036391 Prob(F-statistic)0.015680 总体上看，实证结果部分支持我们提出的假设： 公司上市后业绩下降幅度，与上市时募资总额与上市前一年净资产的比值成正比。原因：筹资金的滞后性，即是上市后的二，三年都仍未带来足够利润。 公司上市后业绩下降幅度，与用于偿债筹资金与总筹资金的比值成正比。筹资金用于偿还上市前的债务，而不是用于经营，会导致公司在上市后的业绩下滑。 三年内有配股公司的业绩下降幅度小于无配股公司。说明公司在能获得首发的前提下，在发行时就会对各年业绩进行平滑。 第一大股东持股数与公司规模大小对公司业绩下滑的影响不显著。 回归的显著系数不高，原因：有很多未考虑的变量。比如公司上市前的评估增值率对其业绩的影响，公司管理层把筹得的部分资金用于消费而没有用来投资等。 以上回归均通过了各项检验。 1．多重共线性的检验 X1X2X3X4X5 X1 1.000000 0.071047-0.178757-0.428682-0.362140 X2 0.071047 1.000000 2.89E-17-0.032236-0.060239 X3-0.178757 2.89E-17 1.000000 0.070067 0.149215 X4-0.428682-0.032236 0.070067 1.000000 0.046749 X5-0.362140-0.060239 0.149215 0.046749 1.000000 通过以上的简单相关系数矩阵看出，各解释变量之间的相关性不大，则模型不存在多重共线性的影响。 2．异方差的检验 White Heteroskedasticity Test: F-statistic0.739836 Probability0.640165 Obs*R-squared5.571826 Probability0.590535 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/06/03 Time: 12:48 Sample: 1 90 Included observations: 89 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. C0.0004970.0006090.8156160.4207 X1-0.0004020.001110-0.3623110.7195 X1^20.0004340.0005650.7676030.4484 X2-0.0001010.000403-0.2517570.8028 X30.0001160.0002540.4545590.6525 X4-0.0008890.000807-1.1020120.2787 X4^20.0003690.0005130.7191210.4773 X60.0001600.0003760.4239920.6744 R-squared0.139296 Mean dependent var0.000415 Adjusted R-squared-0.048983 S.D. dependent var0.000719 S.E. of regression0.000737 Akaike info criterion-11.41227 Sum squared resid1.74E-05 Schwarz criterion-11.07449 Log likelihood236.2453 F-statistic0.739836 Durbin-Watson stat1.317367 Prob(F-statistic)0.640165 从WHITE检验的结果来看，Obs*R-squared=5.571826(0.05)=14.0671,说明模型不存在异方差的问题。 3．自相关性的检验 Durbin-Watson stat=2.036391，极为接近2，可以据此判断模型不存在随机干扰项自相关的问题。 参考文献： 1. 李常青，刘清昌。影响IPO公司业绩效应分析。南开管理评论，2005B卷（1），P96-100。 2. 洪剑峭，陈朝晖。中国股市IPO效应实证研究。中国会计与财务研究，2002。（1）。 3. 李志斌。银行结构与中小企业融资。经济研究，2002，（6）。 4. 米什金。货币金融学。中国人民大学出版社，1998，P237-242。 5. （日）青木昌彦。比较制度分析。上海远东出版社，2001，P321-324。 6. Jain,B.A.&Kini,O..The Post-issue Operating Performance of IPO Firms.Journal of Finance,1994,(49). 7. Mikkelson,Waync H.M.Partch&K.Shah.ownership and Operating Performance of Companies that Go Public.Journal of Financial Economics,1997,(44),P281-307. 计量经济学课程论文 沪市公司IPO绩效分析 附表1 ：原始数据 20002001 净利润总资产净利润总资产 60052337,219,413.65807,790,574.7919,103,223.52108,827,022.25 60050627,345,145.43319,400,533.9129,716,025.17611,926,094.77 600548339,223,834.005,931,176,373.00401,936,897.006,995,999,210.00 60033136,571,048.71521,446,977.9222,238,564.541,145,447,720.32 6005671,806.7133,755.622,303.5066,627.67 60039130,176,032.48376,744,837.8735,124,542.66663,312,716.83 6000112,644,226,94742,411,333,8513,636,064,24447,229,708,718 60036131,542,327.39432,276,371.7345,817,353.871,540,299,162.04 60032264,404,291.082,563,699,215.9166,301,936.103,059,129,286.02 60059623,035,858.52597,899,710.7620,482,849.16930,993,924.26 60044833,600,876.37818,451,764.6722,816,122.621,289,880,042.71 600508113,575,647.971,005,586,498.85165,454,534.371,902,588,812.40 60059911854714.03131947190.47 17790096.31350247095.82 600519251,103,580.631,268,856,244.90328,290,723.143,463,388,734.98 60053930,730,021.67511,255,387.6437,227,836.981,050,270,596.53 60041881,654,875.03651,413,668.8788,962,410.671,371,371,007.72 600498111,071,404.101,409,682,790.15167,435,299.443,026,427,577.97 60056614,546,817.04223,382,952.9117,701,866.29582,650,722.58 600569492262987.45 5089480677.66 470730259.54 6068533586.00 60034613,805,052.62334,537,103.1715,952,621.88530,270,936.83 60002816,154,000,000340,918,000,000.0014,018,000,000.00360,294,000,000.00 60055610,133,219.69267,843,584.1615,180,753.47788,877,537.94 6003859,359,488.14422,462,769.564,754,302.01440,133,073.78 60037290,754,752.722,071,888,942.8986,529,340.033,287,764,438.22 60053050,615,855.64448,112,095.8254,640,914.531,174,748,264.57 60041912,629,669.25248,633,462.9313,569,777.31403,397,127.37 60031144,042,432.17399,055,346.4764,777,145.371,244,658,168.85 60048865,583,454.97502,776,628.7575,362,245.231,134,021,405.55 60050122,163,321.83413,606,412.3833,009,067.82792,746,435.67 60046816750877.31366510527.85950581.01561425046.3 60058926,423,951.85269,563,223.4335,227,474.65688,375,246.37 600380155,999,285.85739,794,877.87200,618,059.902,327,350,377.63 60032986,474,0002,512,656,00064,441,0002,719,735,000 60039549,440,139.36730,289,182.3168,594,330.311,391,446,321.47 600528169,930,075.782,020,279,822.36164,151,937.383,471,109,479.57 60032161,371,680.00281,021,660.0061,904,180.001,295,455,710.00 6005682,367,684.79124,129,131.8613,867,134.12460,314,776.92 60038113,949,326.33295,016,625.8619,468,512.38598,919,728.52 600295206,399,1893,401,631,873230,683,8933,911,307,692 60035636,539,757.32663,750,882.3845,694,782.87656,006,785.57 60038384,163,013.701,132,508,511.25120,277,004.322,269,934,364.28 60036317,110,000.00700,600,000.0017,030,000.00701,300,000.00 20032004 总资产净利润总资产净利润 1,005,367,182.204,415,964.171,051,179,898.501,684,585.38 712,468,006.5616,150,216.93669,789,690.72804,797.85 7,105,308,870.56852,037,109.317,518,609,524.83484,564,032.97 2,255,667,983.1646,428,499.412,792,464,188.9396,739,019.61 1,203,213,100.0048,595,600.001,727,036,700.0048,015,700.00 657,312,704.4425,971,643.78676,427,941.1820,702,912.19 53,276,965,016.005,457,142,551.0071,324,978,078.005,389,057,047.00 2,210,856,307.9064,572,895.242,277,146,858.0197,249,562.29 3,178,469,898.9820,880,374.793,550,169,182.7115,718,668.60 1,136,126,682.0435,115,702.901,454,760,882.46137,280,629.05 1,306,040,651.082,270,566.261,028,780,648.98-103,110,677.91 2,723,636,352.25173,731,456.673,439,490,507.84363,575,031.31 544,795,700.001,008,300.00546,711,000.002,126,000.00 4,956,365,810.85586,747,838.276,373,652,963.57820,553,997.19 1,122,815,682.8723,626,285.281,204,286,895.9824,712,199.56 2,505,332,100.00207,370,900.003,765,438,500.00321,438,300.00 3,683,626,432.5725,651,514.393,632,581,244.0535,160,727.82 650,391,551.557,402,611.24697,903,884.807,427,604.16 7,468,795,189.23824,392,203.308,939,752,864.41732,018,142.38 563,445,176.644,628,465.39565,787,963.864,830,637.37 390,213,000,000.0019,011,000,000.00460,081,000,000.0032,275,000,000.00 1,420,126,044.2157,321,856.061,752,042,824.7478,228,815.89 240,811,998.03-76,431,576.02232,053,117.773,024,626.47 3,885,578,271.3150,722,320.633,633,666,685.30-48,008,147.56 1,604,701,789.5457,022,956.691,506,015,781.3431,075,131.26 513,619,346.1010,255,142.90546,851,379.60-13,232,125.70 1,431,256,488.0256,588,442.211,468,626,949.8750,159,143.42 1,604,898,191.9290,075,722.981,528,578,144.08100,858,183.01 1,058,399,661.198,250,867.141,469,888,841.4034,866,653.93 788,606,250.8010,179,193.39793,977,981.1316,360,371.70 830,924,769.3553,062,784.481,072,077,752.3754,448,037.16 4,415,827,026.70140,275,065.494,413,648,169.3197,263,412.27 3,797,116,000.0086,459,000.003,913,234,000.0064,023,000.00 1,523,470,093.4774,134,923.631,838,859,491.8077,717,369.09 4,242,059,242.2670,898,942.415,706,443,578.1570,133,105.16 1,224,989,692.8532,833,857.591,561,970,678.0129,400,439.38 567,921,190.7711,090,705.37771,638,014.178,756,158.20 1,181,490,109.2527,557,871.581,713,444,081.3118,861,585.50 5,184,099,551.00175,232,381.006,824,403,838.00162,947,858.00 947,092,663.6569,706,110.491,156,894,903.1874,581,921.02 4,819,133,278.32165,550,077.895,860,637,249.07246,254,839.98 1,546,786,900.0047,920,300.001,725,559,700.0038,309,000.00 上市募集资金支付债务现金筹资总额 327554200273,008,379.26620,666,678.60 23141290055,400,000.00344,938,503.68 587140000540,000,4261,269,739,404 446801500126,330,000.00706,385,694.61 40000000119,000,000.00452,482,882.79 245230000 27466800004,859,764,7025,472,932,335 3783200006,291,624.441,550,254,330.81 588550000155,433,605.71705,209,896.96 310982000271,900,000.00534,705,603.30 531794000871,576,355.88 963575000234,400,000.001,003,236,857.57 20997800019,037,700.00238,622,955.80 2202179475129,000,000.002,014,522,206.52 594626300107,740,000.00662,872,164.14 841191500266,020,000.00967,118,447.70 1797342000164,052,000.002,116,559,102.25 33000000037,210,000.00 1829250000619,584,257.991,739,550,737.98 197210000169,160,000.00364,356,907.78 115760842004,500,000,000.00 42132200090,304,024.72644,066,826.27 46020000 776441000448,525,125.001,120,245,921.00 665250000227,000,000.001,025,042,820.26 16633500082,600,000.00254,605,103.97 667700000 492147900245,029,545.55871,576,355.88 304290000478,000,000.00791,595,349.36 186200000110,000,000.00327,489,862.82 384000000142,835,870.08534,456,921.87 1701503300 384100000248,256,000395,801,000.00 6980649000.00747,109,565.95 10167550000.001,079,671,290.84 84055000083,000,000.001,059,564,964.52 887924400 32472090030,000,000.00353,805,491.76 18780000062,020,000.00257,744,246.87 13005183521,006,953,1002,007,897,806.00 270800000114,300,000.0073,985,084.77 99年净利润99年总资产98年净利润98年总资产 60038813,553,523.54359,316,671.886,694,750.80248,166,639.97 60039998,945,303.382,051,625,852.7766,938,134.231,830,690,097.41 60033639,008,475.75381,417,303.4535,721,146.91322,631,736.17 60039826182735.32177,353,222.202132298.2728,265,620.39 60033852,289,599.28621,893,119.1543,814,120.80564,034,664.79 30030618,425,724.26321,853,120.7017,535,032.87425,114,944.12 60033931,427,108.03293,303,950.1529,177,102.18210,678,436.32 60032323,683,439.36464,239,665.7019,529,661.97454,699,897.98 60034525,076,071.22595,636,545.7654,616,923.68701,510,656.31 60032832,011,320.51549,469,565.8925,040,859.82549,478,905.06 60036892,328,788.38848,848,028.4492,593,848.70849,159,864.11 600307142,554,558.501,870,468,696.07184,144,756.041,735,777,815.76 600016234,724,938.0036,596,251,512.0019812693025352145663 60003821,016,971.31224,897,842.6620,692,620.01224,573,491.36 60031630,056,359.47253,082,270.4027,443,014.06210,446,707.86 60030224,732,386.11426,213,877.1516,282,508.42390,469,378.04 6000192,274,926,309.4135,900,699,408.151,237,832,928.8937,308,781,189.68 60033331,045,119.55474,677,415.7919,205,580.57545,583,943.74 60031841,847,315.67508,966,893.2325,026,881.63426,075,182.98 60042222,109,573.40435,116,628.8222,705,337.63405,437,035.70 60025231,009,075.39329,385,214.0925,320,377.46350,739,009.69 60028829,307,799.39682,809,768.3619,364,816326,989,146 60024129,512,054.25291,836,406.1829,284,913.12269,639,012.64 60033728,955,726.56177,528,717.4524,076,311.31173,050,099.93 60024717,159,548.19281,630,072.9119,881,004.35228,018,833.56 60023415,884,803.75420,861,463.8713,966,551.88400,403,141.42 60029717,249,983.81370,635,760,69 12,251,945.27375,241,322.37 60028138,319,256.881,095,393,553.9839,020,241.76937,112,762.89 6002901,544,749.67220,067,373.942,685,304.40228,548,983.48 60029269,213,251.86607,097,428.1958,240,864.90718,395,657.40 60036639,008,475.75381,417,303.4535,721,146.91322,631,736.17 60027651,332,467.70463,707,546.1743,229,968.32365,524,357.77 60028521,764,951.64175,023,127.7423,954,742.35125,632,628.49 60028361,656,399.95560,916,864.9556,201,407.49481,335,329.86 60030870,408,879.08971,365,716.8663,593,692.76736,239,578.06 60028028,023,852.15506,949,806.776,339,689.95690,862,081.48 60035820,298,867.33309,829,037.2524334364.61270167225.8 600282147,682,263.811,821,735,818.82137,013,610.341,556,142,096.28 60029346,892,181.69695,892,724.2942,806,298.83709,386,753.49 60028770,772,704.16864,680,964.6548,626,117.11685,113,699.44 60026521,135,094.31287,562,906.8917,897,437.01238,155,658.19 60029836,012,258.01218,375,822.7930,778,602.00205,721,760.27 60027557,318,749.31322,412,632.5347,509,337.22258,270,590.40 60029120,891,175.31422,728,166.6813,585,737.30359,932,748.59 60027932,015,002.68214,328,631.9118,730,110.99121,701,664.41 60026352,598,087.821,379,531,917.8952,537,396.631,378,306,535.93 60026749,456,631.01672,120,215.6047,303,715.14483,698,076.58 60026122,788,130.66291,771,381.6618046860.1242391883.9 03年净利润03年总资产02年净利润02年总资产 40,272,146.601,612,044,813.4025,582,848.231,109,994,131.91 15,819,747.754,550,798,683.4397,794,284.224,228,286,530.89 51,197,844.971,532,304,495.9755,380,785.461,109,425,689.45 87,399,352.171,257,003,665.9385,835,473.841,015,016,745.10 -429,030,946.28436,448,943.48-164,547,715.11999,067,180.42 19,650,505.491,062,743,140.4917,637,296.63775,888,721.33 59,926,841.0213,708,028,895.0052,037,481.401,082,166,646.90 64,052,989.08936,126,582.9872,100,094.99910,624,199.45 13,852,000.001,406,404,000.0010,790,000.001,409,484,000.00 30,455,480.281,395,127,847.9343,812,075.261,213,885,449.01 101,001,110.221,505,192,796.38116,296,217.821,446,181,558.90 601,140,756.463,818,485,591.43232,860,792.533,371,052,082.57 1,391,252,000.00361,064,410,000.00871,823,000.00243,662,453,000.00 68,347,669.371,388,758,286.4160,599,017.391,076,480,753.15 67,021,339.361,367,224,988.9967,109,835.551,374,293,546.61 111,158,273.971,109,143,947.1871,368,286.111,017,197,234.71 69,760,000.00609,180,000.0042,720,000.00614,890,000.00 146,454,502.521,371,148,423.3990,099,683.051,154,337,715.07 998,751,948.9811,063,216,960.17778,448,410.558,254,106,111.85 70,393,378.00946,710,702.0544,588,168.08763,284,617.04 26,730,946.011,094,356,744.8827,169,553.96784,057,861.58 49,091,266.271,723,133,552.4946,103,614.971,352,079,408.24 26,438,152.97688,647,625.3533,290,210.50669,387,238.69 39,449,931.521,048,106,305.2939,979,819.54904,696,007.40 16,906,703.49568,155,461.1121,809,218.51586,110,175.28 20,785,977.67792,221,445.71-140,801,426.72583,725,626.76 13,447,866.361,054,894,151.4723,957,132.75925,623,595.89 31,384,324.052,298,055,265.6721,630,433.091,996,566,040.72 11,382,289.26532,985,065.7710,171,075.52484,945,293.02 69,764,438.932,264,188,138.2470,182,525.461,529,246,098.15 51,197,844.971,532,304,495.9755,380,785.461,109,425,689.45 94,519,994.871,450,686,564.2878,953,996.691,204,575,770.68 14,176,096.80741,336,467.6013,086,339.98697,745,052.89 27,760,744.291,568,357,368.1448,568,609.861,568,557,497.09 225,884,038.883,382,597,405.36190,099,673.182,752,480,555.06 38,200,541.681,466,516,749.9529,834,891.921,047,730,360.10 7,210,922.77291,632,118.309,896,681.21575,709,238.31 489,538,131.184,883,219,422.55243,154,991.573,209,713,580.58 8,084,594.521,296,874,954.475,378,658.041,092,675,352.55 172,453,660.202,543,947,588.9390,202,163.671,807,303,848.19 11,561,843.75861,453,817.1521,253,401.00711,347,116.62 41,480,822.71778,961,127.1829,502,390.40725,881,561.06 1,092,231.682,661,613,609.4835,363,857.662,603,096,649.40 47,977,256.961,316,947,674.7335063，371.491,140,871,781.54 23,469,448.35885,841,589.4523,733,880.17800,604,590.64 33,540,265.023,000,686,928.3924,090,675.212,983,119,537.29 169,958,410.581,873,739,312.1171,185,161.791,575,521,723.81 50,941,649.95937,263,700.7645,845,161.65868,069,834.35 偿债筹资金募资总额筹资总额 223,805,000.00468,000,000.00615,297,377.92 0.00633,920,000.00666,590,000.00 31,950,000.00784,000,000.00819,650,835.24 0.00436,500,000.00446,836,856.32 202,800,000.00393,987,500.00621,855,785.27 29,700,000.00266,854,231.28307,421,754.65 78,000,000.00426,535,200.00533,028,242.94 21,351,000.00408,250,000.00428,059,973.87 135,778,143.08354,600,000.00461,434,326.86 107,100,000.00452,651,200.00561,415,445.52 0.00424,120,000.00440,112,876.91 567,330,000.001,070,000,000.001,591,333,737.03 0.004,088,745,000.003,489,081 171,500,000.00456,000,000.00548,813,750.87 70,100,000.00878,270,000.00962,120,421.28 15,384,226.08392,614,000.00420,868,459.42 15,659,003,454.5625,418,900,000.0014763860000 179,900,000.00344,080,000.00484,072,641.27 377,100,000.00391,200,000.00866,206,752.46 244,456,000.00393,430,000.00588,521,543.17 93,834,000.00224,550,000.00302,604,013.57 10,310,000.00437,810,000.0073,747,744.16 83,200,000.00204,213,300.00290,513,972.79 72411917.9509237400619,736,363.56 6500000160170000170,724,439.62 102516000235950000172,247,399.97 57101000375168000428,847,334.07 52960000557550000707,427,974.44 111400000135500000231,362,849.91 455481166521692000907,136,861.08 402700000348456000856,715,215.45 285550000466600000772,130,215.32 155526900274500000487,152,837.17 130883710487380000836,871,227.49 846,400,000.0010604000002,261,089,261.55 348,000,000.00212300000615,297,377.92 80052640284500000407,138,573.07 433383200755200000763,586,872.85 88839970.85456500000647,733,878.27 6098100004089600001,033,497,214.17 20000000195900000224,281,000.00 9710000040078700034,171,101.44 50000000475300000599,336,348.97 10651173.36366650000386,140,000.00 20800000515920000589,619,553.96 324901577.18147100001,318,340,303.01 304709411.5473200000732,184,671.72 191146000379200000505,540,319.46 附表2：相关变量数据 YX1X2X3X4X5 0.0222365030.839883010.439863116 0.0422061971.368781000.160608339 -0.0036276380.125014000.4252844521 0.0177454481.097253000.178839975 0.0128604371.936788000.041990539 0.0247452520.8488401#DIV/0! -0.0066046010.107553000.8879636011 0.0151306031.132585000.004058447 0.0103470210.485511000.220407578 -0.0279192460.897946000.508504116 0.0706401490.728385000 0.0036193050.89269010.233643729 0.0429778371.082361000.079781511 0.0345780121.176252010.064035035 0.0197933981.155736000.16253511 0.0199924141.251773000.275064549 0.0345562520.988474010.077508821 0.0272389011.17654300#DIV/0! 0.0074190830.521813010.35617487 0.016364120.948581010.464270051 -0.0113834310.08601701#DIV/0!1 -0.0034087291.622958100.140209092 0.0045601940.25440300#DIV/0! 0.0285074720.824247010.4003809491 0.0461597780.996629000.221454163 0.0374966350.944755010.324423975 0.0381064791.16405200#DIV/0! 0.0322304150.994073010.281133769 0.0149324661.002501010.603843871 0.012549050.758143010.335888259 0.0236188330.938416100.267254224 0.0944156661.15782201#DIV/0!1 0.0090273690.254054010.6272242871 0.0127177510.86997010 0.0359109940.8147080101 0.0997825321.333893010.078334036 #DIV/0!#DIV/0!00#DIV/0! 0.0038634371.441493000.084792353 0.0181375960.840268110.240626127 0.0183996460.526074000.501496191 -0.0047084590.551079111.544905981 YX1X4X2X3 0.00833373.6705882350.36373468800 0.02909370.954698795001 0.06482991.8848802270.03898001301 0.03448645.666311743010 0.65473311.9334437550.32612062900 0.02863732.2662779730.09660994911 0.09659092.4541726120.14633370900 -0.0268170.4714638770.04987852500 0.05122562.7616822430.29425236700 0.02295412.6091592250.19076781911 0.03514674.345491803000 -0.0221021.2990481740.35651226801 0.00339892.668761737000 0.04004229.1566265060.3124921711 0.07565637.2226151320.07285990201 -0.0353272.348490710.03655352611 -0.0437231.7835021021.0606307201 -0.042131.2554086780.37163843701 -0.0218142.0632911390.4353464101 -0.0129789.8004194880.4153730700 0.05362761.588368820.31008841900 0.01977812.4322777780.13980088600 0.06080471.6779175130.28638897901 0.11020158.429296440.116843110 0.04057611.1606521740.03807304910 0.14379941.8002655190.59516718400 #VALUE!3.2909473680.13314994701 0.02606511.4031254910.07486274501 -0.011781.981863390.4814947601 0.05918592.6726709190.50210854100 0.06482992.2834526940.47005118201 0.0491342.90816530.36982104100 0.1385751#DIV/0!0.31925689100 0.08900891.5649593070.15639647500 0.01150883.9346237980.37433285610 0.00496581.0384552810.56558017710 0.05683572.0876443740.19662258800 -0.0034462.4340454580.56756240201 0.05828531.8289262820.13715504800 0.0175621.8130510480.59004513201 0.05267421.9507094850.08917384911 0.11031373.4578713562.84158238701 0.17386842.3694691440.08342560900 #VALUE!2.320569620.02758370910 0.12356823.062775760.03527698501 0.02849582.0023908560.24644742801 0.01774581.9977034010.41616469601 0.02269594.34274720.37810238410

  • 利率及收入对货币供应量的影响_经济学毕业论文

    利率及收入对货币供应量的影响_经济学毕业论文 利率及收入对货币供应量的影响 内容摘要：本文以宏观货币需求理论为基础,引入存款利率和央行再贷款利率两个解释变量,利用计量经济学的方法,分析货币供应量与这两者的关系.从中国的实际情况出发,利用年度数据着重分析利率对货币需求的影响,从而将经济理论和中国现实情况结合进行分析. 关键字：货币供应量 利率 一．理论模型的设定 由于我们正在摸索阶段，所以先把模型设定为线性模型： 模型设定如下： Y=β0+β1X1+β2X2+ui， Y—货币供应量 X1—央行再贷款利率（一年期） X2—存款基准利率（一年期） ui--随机扰动项 β0、β1、β2 --参数 二、 数据来源及搜集处理方法 1 、货币供应量Y数据的搜集： M用广义货币供应量M2代替，因为货币的供给主要是由中央银行来进行，而货币的需求则取决于流动性偏好，尤其是投机动机。由于流动性偏好是一种心理活动，难以操纵和控制，货币需求也就难以预测和控制，需要变动的是货币供应量。这种替代具有一定的合理性. M= M2= M1+M0. M0=现金流通量， M1= M0+银行活期存款， M2= M1+储蓄存款+定期存款。 广义货币的供给量可以从中国人民银行网站中查得，但是由于统计项目的调整，只能直接得到广义货币供给量1999-2004年的数据。 2、利率数据的搜集 在目前中国的利率体系下存在这多种利率,按借贷主体可以分为:银行利率,非银行金融机构利率,有价证券的利率和市场利率.从数据的代表性和可获得性两方面考虑,选用了中央银行的一年期再贷款利率. 央行的再贷款利率是中国人民银行向金融机构进行信用放贷时所使用的利率.从1984年起,再贷款利率成为中国中央银行的基准利率之一,起着宏观调控的作用.有关资料表明，1984-1993年，中央银行基础货币投放主要渠道是再贷款，95％以上的基础货币是通过再贷款投放出去的。由于该时段较长，占样本长度的一半，因此，用再贷款利率数据是合理的，且考虑到数据的可获得性，于是统一使用再贷款利率数据。对于利率有变动的年度，按天数进行加权平均。 数据来源：中国人民银行网站 这样,模型所需变量的数据都搜集齐了.下面就利用Eviews进行模拟. Dependent Variable: Y Method: Least Squares Date: 06/08/05 Time: 00:35 Sample: 1999 2004 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C230280.8560854.20.4105890.7089 X1-62576.68123000.7-0.5087500.6460 X271406.33326460.80.2187290.8409 R-squared0.084133 Mean dependent var161517.0 Adjusted R-squared-0.526446 S.D. dependent var50685.59 S.E. of regression62621.75 Akaike info criterion25.23447 Sum squared resid1.18E+10 Schwarz criterion25.13035 Log likelihood-72.70340 F-statistic0.137792 Durbin-Watson stat0.611858 Prob(F-statistic)0.876494 从表中数据来看，拟合优度明显偏低，而且从d-w检验来看，存在明显的自相关，但是我们还是做了一下white检验和ARCH检验，虽然并没有什么实际意义，但是我们想找出问题出在哪里，检验结果如下： ARCH Test: F-statistic3.695173 Probability0.345231 Obs*R-squared3.523262 Probability0.171765 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 00:35 Sample(adjusted): 2001 2004 Included observations: 4 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C7.93E+092.36E+093.3544960.1844 RESID^2(-1)-1.7203232.068470-0.8316890.5583 RESID^2(-2)-4.9400012.028766-2.4349790.2481 R-squared0.880815 Mean dependent var2.38E+09 Adjusted R-squared0.642446 S.D. dependent var3.74E+09 S.E. of regression2.24E+09 Akaike info criterion46.00886 Sum squared resid5.01E+18 Schwarz criterion45.54858 Log likelihood-89.01772 F-statistic3.695173 Durbin-Watson stat1.900689 Prob(F-statistic)0.345231 White Heteroskedasticity Test: F-statistic197.7849 Probability0.005035 Obs*R-squared5.979844 Probability0.112595 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 00:36 Sample: 1999 2004 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C1.41E+127.22E+1019.486850.0026 X1-8.09E+114.13E+10-19.575910.0026 X1^21.15E+115.85E+0919.731950.0026 X28.15E+081.43E+090.5707250.6258 R-squared0.996641 Mean dependent var1.96E+09 Adjusted R-squared0.991602 S.D. dependent var2.97E+09 S.E. of regression2.73E+08 Akaike info criterion41.91907 Sum squared resid1.49E+17 Schwarz criterion41.78024 Log likelihood-121.7572 F-statistic197.7849 Durbin-Watson stat3.191815 Prob(F-statistic)0.005035 从检验结果来看，各项数据都显示出模型设定的不合理，所以决定将模型进行修改： 在设立模型时将利率作为决定货币需求总量的解释变量.由于三个变量之间数量级存在差异,若直接回归会存在一些潜在问题,为了回避这一 问题,本文在设定模型时采用了双对数模型,此外,双对数模型中,各解释变量的参数即为弹性,具有良好的经济解释意义. 故模型修改如下： logY=c++ Y—货币供应量 X1—央行再贷款利率（一年期） X2—存款基准利率（一年期） ui--随机扰动项 β0、β1、β2 --参数 注: 利率采用百分比,一方面可以避免对数取负,另一方面,可以用数学推导证明这种代入并不影响参数的意义, β2则表示利率对货币供应量的弹性. Dependent Variable: LOG(Y) Method: Least Squares Date: 06/08/05 Time: 09:47 Sample: 1999 2004 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C13.366392.7790274.8097370.0171 LOG(X1)-1.6040952.534671-0.6328610.5718 LOG(X2)0.8146784.0380570.2017500.8530 R-squared0.133972 Mean dependent var11.95281 Adjusted R-squared-0.443379 S.D. dependent var0.305031 S.E. of regression0.366466 Akaike info criterion1.137033 Sum squared resid0.402893 Schwarz criterion1.032912 Log likelihood-0.411098 F-statistic0.232046 Durbin-Watson stat0.641835 Prob(F-statistic)0.805931 F-statistic3.343312 Probability0.360688 Obs*R-squared3.479615 Probability0.175554 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 09:48 Sample(adjusted): 2001 2004 Included observations: 4 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.2746740.0852323.2226530.1915 RESID^2(-1)-2.4250822.099849-1.1548840.4543 RESID^2(-2)-4.6349392.019299-2.2953210.2616 R-squared0.869904 Mean dependent var0.082210 Adjusted R-squared0.609712 S.D. dependent var0.129219 S.E. of regression0.080727 Akaike info criterion-2.081780 Sum squared resid0.006517 Schwarz criterion-2.542059 Log likelihood7.163559 F-statistic3.343312 Durbin-Watson stat1.797040 Prob(F-statistic)0.360688 White Heteroskedasticity Test: F-statistic105.8244 Probability0.009376 Obs*R-squared5.962438 Probability0.113452 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 09:49 Sample: 1999 2004 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C84.517205.86943214.399550.0048 LOG(X1)-135.70819.387113-14.456850.0048 (LOG(X1))^254.258383.73194314.538910.0047 LOG(X2)0.0498060.1425560.3493750.7602 R-squared0.993740 Mean dependent var0.067149 Adjusted R-squared0.984349 S.D. dependent var0.103003 S.E. of regression0.012886 Akaike info criterion-5.630639 Sum squared resid0.000332 Schwarz criterion-5.769466 Log likelihood20.89192 F-statistic105.8244 Durbin-Watson stat3.193308 Prob(F-statistic)0.009376 从表中结果看出，拟合优度还是偏小，所以我们觉得可能是数据收集和选题上出了问题，所以，我们借鉴了一下学长们文章里的数据，将模型数据修改了一下，得出以下结果： 线性模型： Dependent Variable: Y Method: Least Squares Date: 06/08/05 Time: 10:50 Sample: 1990 2004 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C188624.928029.326.7295560.0000 X1243594.9801019.20.3041060.7663 X2-1948879.759125.2-2.5672690.0247 R-squared0.691036 Mean dependent var96219.35 Adjusted R-squared0.639542 S.D. dependent var67534.31 S.E. of regression40546.36 Akaike info criterion24.23514 Sum squared resid1.97E+10 Schwarz criterion24.37675 Log likelihood-178.7635 F-statistic13.41973 Durbin-Watson stat0.533591 Prob(F-statistic)0.000870 ARCH Test: F-statistic1.034925 Probability0.390383 Obs*R-squared2.229361 Probability0.328020 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 10:51 Sample(adjusted): 1992 2004 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C8.58E+081.14E+090.7517500.4695 RESID^2(-1)0.7966130.6686561.1913640.2610 RESID^2(-2)-0.3261120.811268-0.4019770.6962 R-squared0.171489 Mean dependent var1.34E+09 Adjusted R-squared0.005787 S.D. dependent var1.89E+09 S.E. of regression1.88E+09 Akaike info criterion45.74792 Sum squared resid3.54E+19 Schwarz criterion45.87829 Log likelihood-294.3615 F-statistic1.034925 Durbin-Watson stat1.436975 Prob(F-statistic)0.390383 White Heteroskedasticity Test: F-statistic0.703472 Probability0.607292 Obs*R-squared3.293952 Probability0.509891 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 10:52 Sample: 1990 2004 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C3.68E+094.86E+090.7563920.4669 X19.40E+092.59E+110.0362410.9718 X1^2-1.84E+111.49E+12-0.1236370.9041 X2-8.97E+101.96E+11-0.4570630.6574 X2^27.49E+111.28E+120.5865010.5705 R-squared0.219597 Mean dependent var1.32E+09 Adjusted R-squared-0.092565 S.D. dependent var1.76E+09 S.E. of regression1.84E+09 Akaike info criterion45.76069 Sum squared resid3.37E+19 Schwarz criterion45.99671 Log likelihood-338.2052 F-statistic0.703472 Durbin-Watson stat1.040008 Prob(F-statistic)0.607292 双对数模型： Dependent Variable: LOG(Y) Method: Least Squares Date: 06/08/05 Time: 10:52 Sample: 1990 2004 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C9.1040530.75129112.117870.0000 LOG(X1)1.7241520.7591352.2712060.0423 LOG(X2)-2.2316080.550211-4.0559140.0016 R-squared0.767403 Mean dependent var11.18738 Adjusted R-squared0.728637 S.D. dependent var0.851629 S.E. of regression0.443635 Akaike info criterion1.389227 Sum squared resid2.361743 Schwarz criterion1.530837 Log likelihood-7.419202 F-statistic19.79570 Durbin-Watson stat0.780945 Prob(F-statistic)0.000158 ARCH Test: F-statistic1.371904 Probability0.297512 Obs*R-squared2.798968 Probability0.246724 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 10:53 Sample(adjusted): 1992 2004 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.1730280.0519513.3306010.0076 RESID^2(-1)-0.1083940.268104-0.4043000.6945 RESID^2(-2)-0.3007850.193299-1.5560620.1507 R-squared0.215305 Mean dependent var0.116330 Adjusted R-squared0.058366 S.D. dependent var0.118729 S.E. of regression0.115212 Akaike info criterion-1.284912 Sum squared resid0.132738 Schwarz criterion-1.154539 Log likelihood11.35193 F-statistic1.371904 Durbin-Watson stat2.418769 Prob(F-statistic)0.297512 White Heteroskedasticity Test: F-statistic0.587970 Probability0.678925 Obs*R-squared2.856099 Probability0.582188 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/08/05 Time: 10:54 Sample: 1990 2004 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C1.2655293.0194110.4191310.6840 LOG(X1)-1.1532002.574276-0.4479710.6637 (LOG(X1))^2-0.1812040.493874-0.3669040.7213 LOG(X2)1.7710561.9044940.9299360.3743 (LOG(X2))^20.2607970.3322390.7849690.4507 R-squared0.190407 Mean dependent var0.157450 Adjusted R-squared-0.133431 S.D. dependent var0.166267 S.E. of regression0.177013 Akaike info criterion-0.363991 Sum squared resid0.313334 Schwarz criterion-0.127974 Log likelihood7.729932 F-statistic0.587970 Durbin-Watson stat1.432611 Prob(F-statistic)0.678925 从利率与货币需求的散点图可以看出，利率和货币需求明显成反方向变动关系。 Estimation Command: ===================== LS LOG(Y) C LOG(X1) LOG(X2) Estimation Equation: ===================== LOG(Y) = C(1) + C(2)*LOG(X1) + C(3)*LOG(X2) Substituted Coefficients: ===================== LOG(Y) = 9.104053025 + 1.724151652*LOG(X1) - 2.231607684*LOG(X2) 现在的拟合优度明显比前两次高得多了，现在我们终于找到了问题的关键所在，原来我们一直把利率写成了*.**的格式，而不是0.****的格式，所以造成了数据上的严重错误，但是从WHITE检验和ARCH检验的拟合优度来看，又比较低，而用最小二乘法做出来的数据来看，D-W值为0.780945，其结果表明存在自相关，而WHITE检验和ARCH检验的犯错误的概率都比较大，所以还需要对模型进行进一步修正，但是log（x1）和log（x2）都为负值，在EVIEWS上无法进行进一步修正（我只知道用ar（x）这种方法，试过了，不行……）。所以我们猜断这个问题的关键可能出在选择解释变量时两个利率本来就存在一定的联系，基本上都是同时浮动的，所以我们可能是一开始选题就出了问题，我们阅读了学长的一篇文章，上面选择的解释变量是收入和央行再贷款利率，可能这样选择解释变量更为科学一点，避免了两个利率之间的自相关，但是由于篇幅有限，而且学长们已经做了这个课题了，所以我们希望下次能够吸取教训，争取下次做得更好！ 三、经济现象浅析 从以上对年度数据和季度数据的分析。我们认为，虽然再贷款利率是央行根据货币市场需求进行调整的，但是由于中国货币市场的市场化程度较低，其作用性仍然很低。随着，金融体制的改革，再贷款利率的市场代表性提高。 注：由于金融理论知识的欠缺，因此不能作出很好的经济解释。本论文的着重点并非在结论，而在于利用计量经济学这种定量的分析方法，解决现实中的问题。 补充： 由于模型设定有误，我们重新设定了模型，把x2设为收入，既GDP，模型重新设定如下： Y= Y--货币需求总量 X2--收入 X1--利率（%） ui--随机扰动项 β0、β1、β2 --参数 数据平稳性检验： ADF Test Statistic-2.090711 1% Critical Value*-4.3260 5% Critical Value-3.2195 10% Critical Value-2.7557 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X1) Method: Least Squares Date: 07/01/05 Time: 12:54 Sample(adjusted): 1992 2001 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X1(-1)-0.3806980.182090-2.0907110.0749 D(X1(-1))0.9191580.2931953.1349680.0165 C0.0322640.0162741.9825300.0879 R-squared0.586641 Mean dependent var-0.003640 Adjusted R-squared0.468538 S.D. dependent var0.016227 S.E. of regression0.011829 Akaike info criterion-5.793128 Sum squared resid0.000980 Schwarz criterion-5.702353 Log likelihood31.96564 F-statistic4.967214 Durbin-Watson stat1.727237 Prob(F-statistic)0.045409 ADF Test Statistic-1.774646 1% Critical Value*-4.4613 5% Critical Value-3.2695 10% Critical Value-2.7822 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X2) Method: Least Squares Date: 07/01/05 Time: 12:44 Sample(adjusted): 1993 2001 Included observations: 9 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X2(-1)-0.0527380.029717-1.7746460.1361 D(X2(-1))0.8331790.2734053.0474220.0285 D(X2(-2))-0.5052070.238098-2.1218390.0873 C8260.1132639.9683.1288680.0260 R-squared0.811418 Mean dependent var7699.467 Adjusted R-squared0.698269 S.D. dependent var2998.985 S.E. of regression1647.343 Akaike info criterion17.95282 Sum squared resid13568700 Schwarz criterion18.04047 Log likelihood-76.78768 F-statistic7.171234 Durbin-Watson stat2.594088 Prob(F-statistic)0.029258 ADF Test Statistic-7.584454 1% Critical Value*-4.3260 5% Critical Value-3.2195 10% Critical Value-2.7557 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 07/01/05 Time: 12:58 Sample(adjusted): 1992 2001 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. 从表中看出，只y是平稳的，x1、x2都有可能是非平稳序列。 回归如下： Dependent Variable: Y Method: Least Squares Date: 07/01/05 Time: 12:27 Sample: 1990 2001 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C4884.7298538.3900.5720900.5813 X1-195491.671636.27-2.7289480.0233 X21.3815330.07140119.348940.0000 R-squared0.983602 Mean dependent var69465.50 Adjusted R-squared0.979958 S.D. dependent var41050.42 S.E. of regression5811.429 Akaike info criterion20.38536 Sum squared resid3.04E+08 Schwarz criterion20.50659 Log likelihood-119.3122 F-statistic269.9303 Durbin-Watson stat1.124471 Prob(F-statistic)0.000000 ARCH Test: F-statistic16.63761 Probability0.002189 Obs*R-squared8.261959 Probability0.016067 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 07/01/05 Time: 12:34 Sample(adjusted): 1992 2001 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C5963322.100857070.5912650.5729 RESID^2(-1)-0.6263710.441135-1.4199080.1986 RESID^2(-2)2.5080350.4366965.7432010.0007 R-squared0.826196 Mean dependent var29821600 Adjusted R-squared0.776538 S.D. dependent var50360420 S.E. of regression23806285 Akaike info criterion37.05212 Sum squared resid3.97E+15 Schwarz criterion37.14290 Log likelihood-182.2606 F-statistic16.63761 Durbin-Watson stat2.200372 Prob(F-statistic)0.002189 White Heteroskedasticity Test: F-statistic2.999141 Probability0.097505 Obs*R-squared7.578148 Probability0.108312 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 07/01/05 Time: 12:35 Sample: 1990 2001 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C1.23E+081.87E+080.6564330.5325 X1-1.11E+094.64E+09-0.2402220.8170 X1^28.20E+092.89E+100.2843160.7844 X2-4697.1783699.568-1.2696560.2448 X2^20.0507970.0360531.4089430.2017 R-squared0.631512 Mean dependent var25329530 Adjusted R-squared0.420948 S.D. dependent var46753534 S.E. of regression35577322 Akaike info criterion37.90665 Sum squared resid8.86E+15 Schwarz criterion38.10870 Log likelihood-222.4399 F-statistic2.999141 Durbin-Watson stat2.585745 Prob(F-statistic)0.097505 我们决定按照以前的方法，再试一试双对数模型，模型设定如下： lnY=β0+β1lnX1+β2lnX2+ui， Y--货币需求总量 X2--收入 X1--利率（%） ui--随机扰动项 β0、β1、β2 --参数 回归结果如下： Dependent Variable: LOG(Y) Method: Least Squares Date: 07/01/05 Time: 13:06 Sample: 1990 2001 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-2.9125630.363818-8.0055610.0000 LOG(X1)-0.1044780.052415-1.9932870.0774 LOG(X2)1.2528980.03668034.157670.0000 R-squared0.993932 Mean dependent var10.93112 Adjusted R-squared0.992584 S.D. dependent var0.748034 S.E. of regression0.064419 Akaike info criterion-2.434484 Sum squared resid0.037349 Schwarz criterion-2.313257 Log likelihood17.60690 F-statistic737.1016 Durbin-Watson stat1.000566 Prob(F-statistic)0.000000 ARCH Test: F-statistic2.619451 Probability0.141496 Obs*R-squared4.280533 Probability0.117623 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 07/01/05 Time: 13:07 Sample(adjusted): 1992 2001 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0021330.0020721.0295650.3375 RESID^2(-1)-0.6573730.634981-1.0352650.3350 RESID^2(-2)1.4335920.6354842.2559040.0587 R-squared0.428053 Mean dependent var0.003698 Adjusted R-squared0.264640 S.D. dependent var0.005199 S.E. of regression0.004458 Akaike info criterion-7.744744 Sum squared resid0.000139 Schwarz criterion-7.653968 Log likelihood41.72372 F-statistic2.619451 Durbin-Watson stat2.362453 Prob(F-statistic)0.141496 从以上结果看Probability的值,拒绝H0犯错误概率较大,同时残差序列的系数的t值并不显著,应该接受残差序列系数为零的原假设，即为模型不存在异方差. 另一方面,从White检验看,也不存在异方差. White Heteroskedasticity Test: F-statistic1.573377 Probability0.281511 Obs*R-squared5.681125 Probability0.224261 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 07/01/05 Time: 13:07 Sample: 1990 2001 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C0.4385170.9284840.4722940.6511 LOG(X1)-0.0048730.083923-0.0580660.9553 (LOG(X1))^2-0.0002830.015544-0.0182110.9860 LOG(X2)-0.0877200.174478-0.5027570.6306 (LOG(X2))^20.0042850.0082350.5202990.6189 R-squared0.473427 Mean dependent var0.003112 Adjusted R-squared0.172528 S.D. dependent var0.004898 S.E. of regression0.004455 Akaike info criterion-7.695083 Sum squared resid0.000139 Schwarz criterion-7.493039 Log likelihood51.17050 F-statistic1.573377 Durbin-Watson stat2.429343 Prob(F-statistic)0.281511 CLOG(X1)LOG(X2) C 0.132363-0.001369-0.012518 LOG(X1)-0.001369 0.002747 0.000788 LOG(X2)-0.012518 0.000788 0.001345 从以上结果可以看出,两者的相关系数较小,即不存在多重共线性. 自相关检验 模拟结果显示DW值为1.000566,而通过查表得到dL的值为0.812,du的值为1.579.DW的值正好落在无决定区域,因此需要对自相关进行修正.利用Cochrane-Orcutt 法对自相关性进行修正,得到以下结果. Dependent Variable: LOG(Y) Method: Least Squares Date: 07/01/05 Time: 13:28 Sample(adjusted): 1991 2001 Included observations: 11 after adjusting endpoints Convergence achieved after 39 iterations VariableCoefficientStd. Errort-StatisticProb. C0.6978848.8216130.0791110.9392 LOG(X1)-0.0962700.237552-0.4052590.6974 LOG(X2)0.9383760.6862701.3673560.2138 AR(1)0.8018610.3154562.5419130.0386 R-squared0.993641 Mean dependent var11.04894 Adjusted R-squared0.990916 S.D. dependent var0.657491 S.E. of regression0.062664 Akaike info criterion-2.426757 Sum squared resid0.027488 Schwarz criterion-2.282068 Log likelihood17.34717 F-statistic364.6239 Durbin-Watson stat0.715180 Prob(F-statistic)0.000000 Inverted AR Roots .8

  • 农村居民收入影响因素分析_经济学毕业论文范文

    农村居民收入影响因素分析_经济学毕业论文范文 农村居民收入影响因素分析 问题的提出 改革开放以来，中国经济迅速发展，GDP逐年攀升，人民生活水平总体上有很大的改善。但农村经济发展和农民生活水平的提高却面临着严重的困难，成了制约中国经济发展的重大因素。伴随着人民总体生活水平的提高，中国的城乡基尼系数却在不断的扩大，这不仅影响了中国经济的健康正常发展，还有可能引发一系列的社会问题。因此，“三农”问题成为中国经济研究的热点问题，提高农村居民收入迫在眉睫。为此，本文将就农村居民的收入影响因素进行分析，对改革开放以来影响农村居民的一些要素进行统计研究，希望从中发现一些对农民收入起关键作用的因素，给农村改革与发展提供一些线索与建议。 根据历史的资料和我们的分析，从大体上来看，中国农村在改革开放后的农民收入状况主要经历了这几个阶段： 第一阶段为1978～1985年，为收入快速增长时期。农村居民家庭人均纯收入从133．6元增加到397．6元，平均每年增长16．8％，扣除物价上涨因素，年均增长仍高达15．2％； 第二阶段为1986～1991年，为收入增长缓慢时期。农村居民家庭人均纯收入从423．8元增加到708．6元，平均每年增长10．8％，扣除物价上涨因素，年均增长率为2．7％； 第三阶段是1992～1996年，为收入增长较快时期。农村居民家庭人均纯收入从784．0元增加到1926．1元，平均每年增长25．1％，扣除物价上涨因素，年均增长5．6％； 第四阶段是1997年以来，为收入增长缓慢、增幅下降时期。农村居民家庭人均纯收入从1997年的2090．1元增加到2000年的2253．4元，四年绝对增加值仅为163．3元，每年实际增长幅度分别为4．6％、4．3％、3．8％和2．1％，收入增幅连续四年呈下降态势。 从这几个阶段的收入状况来看，总的来说，农民收入增长速度是有升有降的。但最近几年，农民收入呈现低增长趋势。对此，学者们提出了许多影响农民收入的因素。如国家财政的投入，国家税收的减免，农村人民文化水平的提高等等。有学者把提高农民收入分为“四法”： 1、加法——增加第一产业的产出 2、减法——切实减轻农负担 3、乘法——推进农业产业化经营 4、除法——减少农民数量 另外还有有一种流行的说法是解决农民收入的办法在农村之外。现有的研究大都从理论上进行说明影响农民收入的主要因素，特别是关于农民收入主要决定于农村之外的说法，大多都是从中国的二元结构出发，说明农村劳动生产率不高，需要依靠城市化和向城市转移劳动力来解决，而且也是根本的解决农村居民收入的办法。但很少做有关实证的分析，特别是把转移劳动力与农村自身的发展联合在一起来分析影响农民收入的根本因素。为此，我们采用计量分析的方法，把影响农民收入的内外因素结合起来，希望能从我们的分析中真正的找到改革开放以来影响农民收入的主要原因是什么。 研究方案与数据的搜集统计 通过我们对影响农业的主要因素的分析，和我们对改革开放以来的农业统计数据的分析。我们把影响农民收入的因素分为农村内因素和农村外因素，农村内的因素即是农业本身的资本，劳动，科技等的投入，从而我们把农业内的影响农民收入的因素主要分为三个方面进行分析，如下： 国家财政用于农业的支出（X1）：包括国家用于农业的科研支出，农村基本建设支出，支援农村生产支出和农林水利气象等部门的事业费，农村救济。 农业各税（X2）：包括农业税、牧业税、耕地占用税、农业特产税和契税。 农产品收购价格指数（X3）：价格指数以上年为基准，即上一年的价格指数=100 农业外的影响农业的因素主要是指城市化引起的农村产业结构，从而使农村人数的变化，从而对农民人均收入引起的变化，所以我们把农村产业结构的变化引起的农村居民人数的变化作为农村外影响因素的主要指标。在这里，农村居民人数是指的靠农业劳动获得收入的人，就是说不包括依靠农村第三产业，外出务工等作为主要收入的农民。 从这两方面的因素来看，结合改革开放农村的实际统计数据，我们认为农村外的因素才是影响农民收入的根本。即城市化和农村产业结构的变化对农民收入的影响有较根本性的作用。因为从中国的农村具体情况来看，农村劳动力过剩是一个基本的特征，因而使得农村劳动生产率低下，所以单纯依靠传统的农村本身发展，对中国这样的一个特殊的农业大国来说，想根本性的提高农民收入是不可能的。因而，我们研究这个问题时，先用农村内的影响因素对农民收入进行回归分析。然后我们把农村外的影响因素加入回归模型中，比较两次回归的优劣，如果加如农业外因素后的模型显然优于没加入时的模型，并且符合经济和统计的检验，那么我们可能有理由相信影响农民收入的真正原因，主要原因在农村之外。而如果加入农村外因素的引入对模型没多大的影响，我们则可以分析到底是我们模型的设定有误，还是劳动力转移对农村居民的收入影响的确是微弱的。 模型设定：（未包含农村外因素） 通过我们查阅资料，大多数研究影响农民收入因素的分析中，是把这些单个因素和农民的收入作简单线性回归。因而，我们将农村内影响农村居民收入的模型设定为以下简单的线性的三元方程： Y=C+C1*X1+C2*X2+C3*X3+U 根据这三个方面，通过查找中国统计年鉴，我们得到如下的统计资： 年份农村居民人均收入(Y)国家财政用于农业的支出(X1)农业各税(X2)农产品收购价格指数(X3) 1980191.3149.9527.67107.1 1981201.6110.2128.35105.9 1982240.4120.4929.38102.2 1983296.4132.8732.96104.4 1984356.3141.2934.84104 1985397.6153.6242.05108.6 1986423.8184.244.52106.4 1987462.6195.7250.81112 1988544.9214.0773.69123 1989601.5265.9484.94115 1990686.3307.8487.8697.4 1991708.6347.5790.6598 1992784376.02119.17103.4 1993921.6440.45125.74113.4 19941221.0532.98231.49139.9 19951577.7574.93278.09119.9 19961926.1700.43369.46104.2 19972090.1766.39397.4895.5 199821621154.76398.892 19992210.31085.75423.587.8 20002253.41231.54465.3196.4 20012366.41335.46481.798.3 资料来源：中国统计年鉴2002 Y：农村居民人均收入（单位：元） X1：国家财政用于农业的支出(单位：亿元) X2：农业各税（单位：亿元） X3：农产品收购价格指数（单位：%） (注：价格指数以上年为基准，即上一年的价格指数=100) 三、模型的参数估计 得到如上的统计数据后，我们用EWIEWS软件对模型进行回归并得到模型的参数估计值。如下： Dependent Variable: Y Method: Least Squares Date: 10/19/04 Time: 11:06 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C233.8541201.96791.1578780.2620 X10.0058030.1974010.0293970.9769 X24.6755300.45778010.213500.0000 X3-0.3827301.773267-0.2158330.8315 R-squared0.990493 Mean dependent var1028.768 Adjusted R-squared0.988908 S.D. dependent var787.2660 S.E. of regression82.91315 Akaike info criterion11.83643 Sum squared resid123742.6 Schwarz criterion12.03480 Log likelihood-126.2007 F-statistic625.0942 Durbin-Watson stat0.958254 Prob(F-statistic)0.000000 表1 图1 所以模型的形式为：Y=233.8541+0.005803X1+4.67553X2-0.38273X3+U 四、检验分析 1、经济意义检验 从上表可以看出，X1的符号与经济意义是相符合的，从X2与X3的符号来看，似乎与经济意义相悖，但可能事实上并非如此，从物价指数X3来说，70年代以来，在各种价格的变动中，农民实际上是受损者，而不是受益者。因为农产品的价格上涨可能远比不上其他商品的上涨幅度，而这些商品又是农民生产生活所必须的，所以物价很可能是影响农民收入的一个重要因素。而我们在看第二个解释变量X2，农业的各种税收，其系数的符号与经济意义明显相悖，所以我们把X2排除在模型之外 2、计量经济学推断检验 (1)、多重共线性检验 由表1可以看出：F=625.0942F(3,18)=3.16（显著性水平=0.05），且可决系数R=0.990493,表明模型从整体上看被解释变量与解释变量之间有显著的线形关系。但X1，X3的T检验值都非常小（2），说明X1，X3对Y的影响不显著，这说明解释变量间可能存在多重共线性。我们用EVIEWS计算解释变量之间的简单相关系数得到： 表2 由表2我们可以看出：X1与X2之间存在高度的线性关系，相关系数高达0.97。由于X2违背经济原理，可能是由于X2的引入引起了共线性，我们把X2排除后得到下面的经济模型 Y=C+C1*X1+C3*X3+U 做回归得如下参数估计： Dependent Variable: Y Method: Least Squares Date: 10/26/04 Time: 16:38 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-317.7282493.7842-0.6434560.5276 X11.9568510.12625915.498670.0000 X33.8684254.3735290.8845090.3875 R-squared0.935395 Mean dependent var1028.768 Adjusted R-squared0.928594 S.D. dependent var787.2660 S.E. of regression210.3718 Akaike info criterion13.66175 Sum squared resid840869.2 Schwarz criterion13.81053 Log likelihood-147.2793 F-statistic137.5474 Durbin-Watson stat0.902709 Prob(F-statistic)0.000000 表3 从表3可以看出，排除变量X2后，虽然可决系数的值有所降低，但X3的系数符合了经济意义，但X3的T值仍然很小（=0.884509），我们对X1和X3做逐步回归： Dependent Variable: Y Method: Least Squares Date: 10/30/04 Time: 14:20 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C114.473570.738791.6182560.1213 X11.9115720.11478716.653240.0000 R-squared0.932735 Mean dependent var1028.768 Adjusted R-squared0.929372 S.D. dependent var787.2660 S.E. of regression209.2240 Akaike info criterion13.61120 Sum squared resid875493.4 Schwarz criterion13.71038 Log likelihood-147.7232 F-statistic277.3304 Durbin-Watson stat0.765503 Prob(F-statistic)0.000000 表4 由表3和表4可以看出，引如变量X3使得X1和C的T值都变小了，而且可决系数的值也有稍微下降，所以，我们认为X3对模型的影响不大，可以舍去。得如下经济模型： Y=C+C1X1+U (2)、自相关检验 DW检验：由表4的DW=0.765503，在显著性水平=0.05下，查DW表，n=21,k=1, 得到dl=1.221,dv=1.420,由于DW=0.765503 dl.。所以根据判定定理得到，随机误差项存在正的一阶自相关。 .自相关的修正：由于DW=0.765503，所以估计一阶自相关系数ρ=0.61725。 所以：GENR DY=Y-0.765503*(-1)Y DX1=X1-0.765503*(-1)X1 用OLS法估计其参数得： Dependent Variable: DY Method: Least Squares Date: 10/30/04 Time: 14:54 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C125.670152.644652.3871390.0275 DX11.5511010.1808098.5786550.0000 R-squared0.794802 Mean dependent var472.9573 Adjusted R-squared0.784002 S.D. dependent var331.8368 S.E. of regression154.2232 Akaike info criterion13.00507 Sum squared resid451911.3 Schwarz criterion13.10455 Log likelihood-134.5533 F-statistic73.59332 Durbin-Watson stat1.577062 Prob(F-statistic)0.000000 表5 从输出的结果看，DW=1.57706,所以dvDW4-dv,所以，经过修正后的DW有所提高，落在了中间区域，已不存在自相关。经济模型得到改善。 （3）异方差检验 ARCH检验： ARCH Test: F-statistic6.951963 Probability0.006716 Obs*R-squared8.834111 Probability0.012070 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 10/30/04 Time: 15:21 Sample(adjusted): 1983 2001 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C7726.7767798.6400.9907850.3365 RESID^2(-1)0.7429490.2508662.9615370.0092 RESID^2(-2)-0.0885570.249725-0.3546190.7275 R-squared0.464953 Mean dependent var23093.71 Adjusted R-squared0.398072 S.D. dependent var35150.23 S.E. of regression27270.96 Akaike info criterion23.40897 Sum squared resid1.19E+10 Schwarz criterion23.55809 Log likelihood-219.3852 F-statistic6.951963 Durbin-Watson stat1.998523 Prob(F-statistic)0.006716 表6 从表6看到，Obs*R-squared=8.83411，表明随机误差项存在异方差。 异方差的修正： 用对数变换法做OLS回归得到： Dependent Variable: LY Method: Least Squares Date: 10/30/04 Time: 15:36 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C0.7894270.2888632.7328750.0128 LX10.9974540.04895120.376550.0000 R-squared0.954045 Mean dependent var6.619998 Adjusted R-squared0.951747 S.D. dependent var0.844730 S.E. of regression0.185559 Akaike info criterion-0.444383 Sum squared resid0.688641 Schwarz criterion-0.345197 Log likelihood6.888213 F-statistic415.2038 Durbin-Watson stat0.602275 Prob(F-statistic)0.000000 表7 通过异方差的修正后，可决系数仍然比较高，而且各项系数都通过了T检验， 因此，农村内的影响因素模型基本设定为 Y=0.789427+0.997454X1+U （4）加入农村人口变量（农村外因数） 我们加入农村外影响农民收入的因素，即农村产业结构变化，农村城市化过程中引起的劳动力人数的变化X4，X4是指的农村中主要依靠农、林、牧、渔业为主要收入的农村人口数量.（单位：万人） 年份国家财政对农业的支出X1农村从业人数 X4 1980149.95 29808.40 1981110.21 30677.60 1982120.49 31152.70 1983132.87 31645.10 1984141.29 31685.00 1985153.62 30351.50 1986184.2 30467.90 1987195.72 30870.00 1988214.07 31455.70 1989265.94 32440.50 1990307.84 33336.40 1991347.57 34186.30 1992376.02 34037.00 1993440.45 33258.20 1994532.98 32690.30 1995547.93 32334.50 1996700.43 32260.40 1997766.39 32434.90 19981154.76 32626.40 19991085.75 32911.80 20001231.54 32797.50 20011335.46 32451.00 表8 对X1，X4做回归得： Dependent Variable: Y Method: Least Squares Date: 12/21/04 Time: 18:58 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-797.16161419.879-0.5614290.5811 X11.8699230.13422613.931200.0000 X40.0291050.0451110.6451900.5265 R-squared0.931160 Mean dependent var1028.768 Adjusted R-squared0.923914 S.D. dependent var787.2660 S.E. of regression217.1574 Akaike info criterion13.72525 Sum squared resid895989.6 Schwarz criterion13.87402 Log likelihood-147.9777 F-statistic128.5012 Durbin-Watson stat0.765221 Prob(F-statistic)0.000000 表9 用表9和表7相对比，无论是从可决系数，还是各个变量的T检验来看，都是表7表现的比较好。引如X4，使得模型的拟合优度下降，而且X4的系数也明显的违背了经济意义，因为按找农村劳动力转移的理论，农村从业人员应和收入成反比的关系，而加入X4后，它的系数为正。所以我们考虑把X4排除在模型之外。 五、模型的确定 从表7看出，修正异方差后，模型的整体解释力得到增强，而且C和X1的解释能力都增强（T2）。并没有违背经济意义，所以模型最后设定以表7为准： Y=0.789427+0.997454X1+U 六、对模型的经济意义的分析及政策建议 1、在模型的假设时，我们假定了农村内三个经济变量对农民收入的影响，它们是国家的财政对农业的支出，农业各税和农产品收购价格指数。而从最终确定的模型来看，只保留了国家财政对农业收入的影响，我们可以说，在改革开放以后的一大段历史时期，从总体上来看，对农民收入影响最大的是国家的财政支持。因为国家对农业的财政支持包括了农业科技的研发投入，对农业的补助，农村基本设施的新建与改造等多方面。对农业推动可以说是根本上的，从我们的结果来看，也应证了科学技术是第一生产力这句话，农业科技，农业投入是影响农民收入的第一要因。所以，当前农民增收缓慢，可能是和国家对农村的投入相对于城市来说不足所引起的。国家应当进一步加大对农业的投入，主要是间接的技术投入，还包括完善农民的社会保障和提高农村居民的最低生活保障金等。 2、虽然在我们的模型中没有农业各种税收和农产品价格对农民收入的影响，这是因为从长期来看，他们可能对农民收入的影响并不明显。但不排除在一定历史时期内他们对农民收入有着一定的影响，从农产品的价格来说，我们知道，农产品的价格一般是比较稳定的，价格弹性是有限的，不可能会有很高的，因此依靠提高农产品价格来促进农民增收是有一定困难的。而从农业税收的角度考虑，现在中国的农业税收本来都不高，有些地方甚至已经开始免收农业税，但农民的收入并没有多大的提高，可见依靠税收来增加农民收入不是一个长期的办法。 3、农村外因素被排除在模型之外，这有悖于我们先前所设想的，因为中国是一个典型的二元制发展中国家，农民收入提高必须依赖于农村劳动力的转移。而改革开放以来的数据我们分析回归后得出的结论并不是这样，其中的原因可能是我们分析的是一个大的历史时期，而在90年代中期以前，农村劳动力的转移的力度是不够的，大多数农村居民还是主要依靠农村从业的收入。所以使得劳动力的转移对农民的收入影响也是很小的。农村居民收入可能在这一个大的时期主要还是靠农村自身的发展。 4、现阶段农村劳动力转移的意义，虽然我们的模型中把农村劳动力的减少看做是一个对农民收入影响并不显著的因素。但我们分析的是过去的历史数据，这只是说明了以前的状况。而现在，提高农民收入的主要途径，有可能正在朝着农村外转移，即是说农村劳动的转移才是现在或者将来的增加农民收入的主要办法。因此，我们这里并不是要否定农村劳动力转移对农民收入的意义。政府应该更加注重农村劳动力转移对农民收入的巨大作用和潜力。 六、存在的问题 1、其他的影响因素的影响，因为我们所研究的是农村居民的收入影响因素，而不是研究某一个方面，所以难免会有些因素没被考虑到，有些甚至是一些十分重要的因素。如天气、灾害等因素对农业、农民收入的影响就是十分显著的。而这些因素是难以统计的。 2、我们在模型中先分析了农村内的三个因素，通过回归去掉了一些不显著的因素，然后才加入了农村外的影响因素，这样的方法是不是合适？如果把农村内外的因素一起回归，然后再去掉一些不显著的影响因素，这种方法和我们的方法哪一个对模型的估计效果要好一些。 参考文献： 《提高农民收入方法探索》 李廷荣著 中国农业出版社 《农民收入、农民负担与结构调整》夏永祥等著 中国农业出版社 《农民收入与劳动力转移》 中国农业出版社 《农民收入增长问题研究》 鲜祖德 主编 中国统计出版社 《中国农业发展阶段》中国农业出版社编 《中国统计年鉴2002》 《计量经济学》庞皓 李南成 西南财经大学出版社

  • 报纸发展分析_经济学毕业论文范文

    报纸发展分析_经济学毕业论文范文 报纸发展分析 一、引言 20世纪以来的100年，是世界新闻传播事业飞速发展的100年。这100年来，随着科学技术的不断发展，继报纸、期刊、通讯社之后，广播、电视和互联网络相继问世，新闻传播的媒介日趋多元化，新闻传播的手段日趋现代化。 新闻学传播家德弗勒曾这样讨论到。 “是否有一种传播媒介，不管它传播什么样的消息，在传播这个信息和影响受众方面，比其他媒介更有效？是不是在传播某种信息或者产生某种影响方面有一种媒介是最好的？这些问题对教育工作者、宣传人员和广告客户来说特别重要。例如，如果目的是要尽可能多地传递事实性信息，那么，讲演、印刷品、电影和录音带是否更有效？如果希望改变受众的态度，使用电视、招贴画、广播以及其他一些媒介是否更好呢？对于某一些受众，是否有一种媒介比其他能达到更佳的效果呢？”（《大众传播通论》，中文版，第418页） 而在一般人的印象里，电视毫无疑问要比报刊和广播的传播威力大得多。因为，报刊只诉诸视觉；广播只诉诸听觉；而电视新闻则同时刺激视觉和听觉，由二维到三维，有生硬到鲜活，具有极强的吸引力与表现效果。如今，第四媒体（网络）的出现，对上述三个元老级的媒体带来不小的冲击。它不仅包容了三大媒体的表现特点，还更快捷，信息量更大……由此，有人提出了报纸消亡论。本文就主要从报纸销量角度分析报纸消亡论。而报纸究竟是个什么样的发展状况，我们就针对此，作了这次小组项目。 二、理论模型的设定 根据上述传播学的理论，我们把每年每种报纸人均拥有量（y）作为被解释变量，以城镇人民的可支配收入（sr）和报纸竞争产业（每年每种杂志人均拥有量（x））的发展情况作为其影响因素，以此建立模型。（y=当年报纸总销量/当年人口总数x=当年杂志总销量/当年人口总数）计量经济模型为：Y=C1*X+C2*SR+C3+u 照引言所阐述的理论，对报纸产生影响最大的是网络这一第四媒体的冲击；而影响报纸销量的因素的，更包括所有传播媒体的发展。此处，由于各种数据的难于搜集，所以我们假设所有媒体的发展情况有趋同性或可以被杂志所代表。这个假设纯粹是出于对搜集数据缺乏的无奈。 如果假设成立，那么建立的模型可表示报纸的发展情况。这样，我们就可根据报纸受经济和杂志的影响程度来推断报纸销量的情况。 三、相关的数据 相关数据均来自于国家统计局年鉴，值得一提的是报纸的总销量的数据中，前后有出入，这里是以2002年的为依据的，以1996年的为补充。 四、参数估计及检验 （一）将样本数据导入Eviews软件进行OLS估计，得到输出结果如下： Dependent Variable: Y Method: Least Squares Date: 09/02/04 Time: 13:21 Sample: 1985 2001 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. X3.0231851.4504222.0843490.0559 SR0.0013600.0001767.7313730.0000 C10.732452.9765083.6057180.0029 R-squared0.831669 Mean dependent var21.33954 Adjusted R-squared0.807622 S.D. dependent var3.401361 S.E. of regression1.491870 Akaike info criterion3.796723 Sum squared resid31.15946 Schwarz criterion3.943761 Log likelihood-29.27214 F-statistic34.58471 Durbin-Watson stat1.216610 Prob(F-statistic)0.000004 1．统计数据的检验 从回归的结果可=果i果果i果可=果i果可以看出=果i果可以看出hui以看出，模型的拟合优度很好（R^2=0.831669），而个参数的T统计量都大于2。说明模型设置的效果不错。 2. 计量经济学检验 ⑴异方差的检验 图示法检验： 线行图 柱状图 由图可见，存在异方差。但异方差不是太严重，E2大多都在0-5之间。存在异方差的原因: 报业发展中，经历了由国家监管，控制到自我经营的过程，两个体制的不同，可能造成方差过大。而且，89年的异方差最高，可能原因是89学潮及国家对报纸进行干预等。最后，最初的假设（杂志可代表起竞争行业）不一定成立，也会造成异方差。但这种程度的异方差我认为是可以容忍的。 为了使结果更准确，我们还是对其进行了修正。 修正：WLS法，权数W=1/E2 Dependent Variable: Y Method: Least Squares Date: 09/02/04 Time: 13:40 Sample: 1985 2001 Included observations: 17 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C13.172141.04320412.626620.0000 X1.6100530.4624843.4813130.0037 SR0.0014212.24E-0563.553960.0000 Weighted Statistics R-squared0.999948 Mean dependent var20.65447 Adjusted R-squared0.999940 S.D. dependent var33.29210 S.E. of regression0.257710 Akaike info criterion0.284820 Sum squared resid0.929800 Schwarz criterion0.431857 Log likelihood0.579034 F-statistic2701.799 Durbin-Watson stat1.023534 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.813688 Mean dependent var21.33954 Adjusted R-squared0.787072 S.D. dependent var3.401361 S.E. of regression1.569527 Sum squared resid34.48780 Durbin-Watson stat1.339119 2．自相关检验 由加权后的回归结果看，DW=1.023534 DL=1.015;DU=1.536所以不能确定自相关存在与否。 3.多重共线性的检验 SRX SR 1.000000 0.123812 X 0.123812 1.000000 明显，不存在多重共线性 五、总结 1． 中国的传播市场还未饱和。 由修正后的模型中，可以看出X的系数为1.610053，为正数。说明，报纸的 竞争行业对其的影响是正影响。即市场仍不饱和。 由中国目前的现状看，正处与社会主义初级阶段，对信息是迫切的需求的。显然，现有的传播媒介还不能满足起需要，还有更广阔的发展空间。 对信息的投入仍有待提高 由上述各数据中，可看出SR的系数仅为0.001421，即仅有千分之一点几的可支配性收入用于信息的获取。这点对信息的投资是远远不够的。由此，也可以从另一角度说明，传播市场仍有广大的空间值得开发和利用。 3． 我们的模型设置仍有地方需要改善。 由于影响报纸发展的因素有许多，很多数据都无法搜集及量化。使得我们只得做一个简单的二元模型。这对最后的结论可能有一定的影响。 六、参考书籍 1．《回归与超越》：介绍当今的传播态势，及理论新闻学的基础知识。中间有涉及到报纸消亡论的方面，我们由此开始深入，此书是本次研究的出发点。 2．《中国新闻发展史》：介绍中国新闻发展的各个时期的情况，并简单阐述了影响新闻发展的几要素。我们根据此书了解了中国的报纸发展的背景，并从中发掘出了几个因素作为解释变量。 3《计量经济学》：阐述计量经济的基础知识，借此工具及角度，才完成对报纸发展的量化分析。

  • 关于中国旅游发展的分析_经济学毕业论文

    关于中国旅游发展的分析_经济学毕业论文 关于中国旅游发展的分析 导论： 一、引言： 近年来，随着经济的迅速发展、政府的不懈重视、人均收入的不断提高，旅游事业蓬勃地发展起来了，旅游事业的发展又进一步推动了国民经济的增长。并且，旅游收入已经成了国民经济中不可或缺的一部分。政府提倡大力发展旅游事业，为旅游事业又提供了一个广阔的发展空间。虽然不排除一些不确定的因素的影响作用，总体而言，旅游业的发展形势是乐观的。 本文中，我们想通过对近年来旅游发展的分析，从而得出何种因素对旅游发展起决定性作用，以便能够更好地发展我国旅游事业作出借鉴。 目前旅游发展的形势： ——摘自《2004年全国旅游工作会议上的讲话》 （1）有利形势： 1、党中央、国务院高度重视和关心旅游工作，为旅游业的恢复与发展注入了巨大动力。 我国经济社会持续快速协调健康发展，为我国旅游业的恢复与振兴创造了良好的环境。预计2003年国内生产总值达11.58万亿元，比2002年增长8.5%。全国外汇储备2003年10月底已达4010亿美元，国际竞争力进一步提高。我国国民经济今年将继续快速发展，增长率将保持在7%以上。人民生活质量继续提高，经贸、商务、文化、体育等领域的国际交流更加活跃，旅游基础设施建设进一步完善，这不仅为国内旅游需求的扩大提供有力的支撑，对入境旅游市场的恢复也将产生积极的促进作用。 党的十六届三中全会提出的"五个统筹"，为旅游业的恢复和发展提供了新的机遇。"统筹城乡发展"，有利于推进城市及农村旅游业，扩大城乡旅游交流；"统筹区域发展"，有利于进一步开发利用中西部地区和东部欠发达地区的旅游资源；"统筹经济社会发展"，有利于推动社会各方面提高对旅游业的认识；"统筹人与自然和谐发展"，有利于把发展旅游业这个国民经济新的增长点与坚持环境保护这个基本国策紧密地结合起来；"统筹国内发展与对外开放"，有利于提高对"旅游业是国内发展与对外开放的结合部"这个特点的认识。 世界经济加快复苏，将促进海外旅游客源市场的不断恢复和增长。 旅游业长期发展所积累的雄厚基础、去年各项工作所取得的成绩，都为旅游业的恢复与振兴奠定了良好基础。经过改革开放二十多年的发展，我国旅游产业基础更加雄厚，发展环境更加优化，旅游吸引力不断增强，同时也积累了许多成功经验，具有较强的抗冲击能力。 （2）不利形势： 1、宣传促销还不能完全适应恢复振兴的需要，行业管理的一些工作环节仍然滞后。 2、旅游市场秩序混乱的问题还比较突出，旅游发展环境的地区不均衡现象依然明显。 三、关键词定义： 旅游入境人数： 来我国参观、访问、旅行、探亲、访友、休养、考察、参加会议和从事经济、科技文化、教育、宗教等的外国人、华侨、港澳台同胞的认输。不包括外国在我国的常驻机构，如使领馆、通讯社、企业办事处的工作人员和来我国常驻的外国专家、留学生以及在岸逗留不过夜人员。 国内旅游人数： 我国大陆居民和在我国常住1年以上的外国人、华侨、港澳台同胞离开常住地在境内其他地方的旅游设施至少停留一夜，最长不超过6个月的人数。 旅游收入： 国际旅游收入加上国内旅游收入 正文： 一、数据选择： 我们选择的是时序数据而非截面数据，时间序列数据的优点在于可以消除地区之间发展水平的差异。本文将要通过对这10年的数据分析，来阐明推动旅游事业发展的各项因素的影响作用。决定旅游收入的决定性因素。 二、模型的设定： （1）主要影响因素的描述： 政府方面——基础设施建设 如：旅行社、星级饭店宾馆 个人方面——家庭收入水平 （2）建立模型： Y=α +β1 X1+β2X2+β3X3+β3X3+β4X4+u 参数说明：Y——旅游收入 X1——星级饭店宾馆总数 X2——国内旅游人数 X3——入境旅游人数 X4——城镇居民家庭人均可支配收入 三、参数估计： （1）原始数据： 旅游收入星级饭店宾馆总数国内旅游人数入境旅游人数城镇居民可支配收入 19931266.7302552410004152.692577.4 19941641.7992995524004368.453496.2 19952104.9063720629004638.654283 19962487.0204418639005112.754838.9 19973113.6355201644005758.795160.3 19983434.6265782694506347.845425.1 19993999.3177035719007279.565854 20004518.66710481744008344.396280 20014995.5387358784008901.296859.6 单位：旅游收入：亿人民币 旅行社总数：个 星级饭店宾馆总数：个 国内旅游人数：万人 入境旅游人数：万人 城镇居民可支配收入：元 资料来源：《中国统计年鉴》、《中国旅游年鉴》、《中国经济年鉴》 （2）最小二乘估计：利用EVIEWS软件，进行OLS估计 Dependent Variable: Y Method: Least Squares Date: 05/08/04 Time: 21:32 Sample: 1993 2001 Included observations: 9 VariableCoefficientStd. Errort-StatisticProb. C-1223.153557.8718-2.1925330.0934 X10.0026800.0368230.0727690.9455 X2-0.0171810.022546-0.7620300.4885 X30.3826050.0946404.0427550.0156 X40.6113880.2628832.3257020.0806 R-squared0.996975Mean dependent var3062.471 Adjusted R-squared0.993950S.D. dependent var1292.629 S.E. of regression100.5462Akaike info criterion12.35929 Sum squared resid40438.15Schwarz criterion12.46886 Log likelihood-50.61682F-statistic329.5572 Durbin-Watson stat1.829784Prob(F-statistic)0.000027 得到方程： Y=-1223.153 + 0.00268X1 - 0.017181X2 + 0.382605X3 + 0.611388X4 （587.8718）（0.036823）（0.022546）（0.094640）（0.262883） t =（-2.192533）（0.072769）（-0.762030）（4.042755）（2.325702） R2=0.996975 R2=0.993950 由T检验的数据来看，X1、X2不显著，X2代表的是国内旅游人数，从经济意义上讲，该数前的系数应该为正。因此，接下来，我们对模型进行计量经济学的检验及修正，希望能够使得模型得到改进。 四、检验及修正； 1、多重共线性的检验： X1X2X3X4 X11.0000000.8244090.9194430.868831 X20.8244091.0000000.8714610.982082 X30.9194430.8714611.0000000.933895 X40.8688310.9820820.9338951.000000 对比分析以上的变量数据，根据调整后可决系数最大原则，采用逐步回归法进行修正： Y=-1393.117 + 0.730366X3 （296.6370）（0.046948） t =（-4.696371）（15.55683） R2=0.971889 S.E.=231.6894 F=242.0150 Y=-1623.058 + 0.426596X3 + 0.418715X4 （117.9131）（0.049812）（0.064122） t =（-13.76487）（8.564064）（6.529937） R2=0.996532 S.E.=87.89377 F=862.1507 Y=-1236.924 - 0.016886X2 + 0.386553X3 + 0.608465X4 （469.7002）（0.019850）（0.069404）（0.232522） t =（-2.633432）（-0.850665）（5.569571）（2.616807） R2=0.996971 S.E.=89.99076 F=584.5337 Y=-1223.153 + 0.00268X1 - 0.017181X2 + 0.382605X3 + 0.611388X4 （587.8718）（0.036823）（0.022546）（0.094640）（0.262883） t =（-2.192533）（0.072769）（-0.762030）（4.042755）（2.325702） R2=0.996975 S.E.=100.5462 F=329.5572 2、异方差的检验： ARCH Test: F-statistic0.102289277306 Probability0.905055143662 Obs*R-squared0.340592966378 Probability0.843414721237 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 08/29/04 Time: 20:56 Sample(adjusted): 1995 2001 Included observations: 7 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C5829.125941324403.016426781.32389375290.256126946169 RESID^2(-1)-0.1839055908270.492739764416-0.373230666790.727914296083 RESID^2(-2)0.09040839765460.4767254968560.189644561180.858822329185 R-squared0.048656138054 Mean dependent var5320.27088368 Adjusted R-squared-0.427015792919 S.D. dependent var4677.70243372 S.E. of regression5587.87884145 Akaike info criterion20.3921142121 Sum squared resid124897559.787 Schwarz criterion20.3689328474 Log likelihood-68.3723997422 F-statistic0.102289277306 Durbin-Watson stat1.91558238408 Prob(F-statistic)0.905055143662 这里根据obs*R*R=0.01653372,这说明模型随即误差项不存在异方差。 3、自相关的检验—（DW检验）： Dependent Variable: Y Method: Least Squares Date: 05/08/04 Time: 21:32 Sample: 1993 2001 Included observations: 9 VariableCoefficientStd. Errort-StatisticProb. C-1223.153557.8718-2.1925330.0934 X10.0026800.0368230.0727690.9455 X2-0.0171810.022546-0.7620300.4885 X30.3826050.0946404.0427550.0156 X40.6113880.2628832.3257020.0806 R-squared0.996975Mean dependent var3062.471 Adjusted R-squared0.993950S.D. dependent var1292.629 S.E. of regression100.5462Akaike info criterion12.35929 Sum squared resid40438.15Schwarz criterion12.46886 Log likelihood-50.61682F-statistic329.5572 Durbin-Watson stat1.829784Prob(F-statistic)0.000027 根据ols估计的结果，由DW=1.8297,给定显著性水平α=0.05，查Durbin-Watson表，n=9,k’（解释变量个数）=4，得下限临界值dl=0.296,上限临界值du=2.588，因为DW统计量为1.8297在两者之间。 根据4-dud4-dl，表明不能确定存在自相关。 总结： 据以上可知，我国的旅游事业在收入连年增长的情况下更是反映了一些问题。就硬件设施来说，尽管我国星级宾馆在数量上已经达到一定的水平，但是在设施，服务，素质等等一系列的问题上与世界发达国家还有一定的差距，但是人才的短缺也是尤为重要的，我国现在急缺的人才当中就有酒店的高级管理人才,高级厨师，面点师。但是旅游事业不能仅仅靠这些来提升，还要与旅游资源本身有密切的关系。向环境就是一个重要的指标。像我们现在很多自然资源，生态系统就逐渐甚至已经被人为的破坏，在这种情况下，我们更应该从长远的利益出发，不应该只贪图眼前。说到旅游发展，这还应该跟我国的对外开放政策有直接的联系，让世界上更多国家的人了解中国人民，了解中国的文化，了解中国五千年的文明史就是要让他们来中国旅游，所以说我国旅游事业的发展还是任重而道远的。

  • 失业率对中国国内生产总值的影响_经济学毕业论文

    失业率对中国国内生产总值的影响_经济学毕业论文 失业率对中国国内生产总值的影响 [摘要] 近年来，中国经济稳步增长，但失业率也在同步增长。这明显是违背“奥肯定律”的。下面我们对GDP与失业率进行回归分析，找出中国失业率与国内生产总值的真实关系，为探索降低失业率、提高国内生产总值增长率的最佳道路提供理论依据。 [关键词] 失业率、国内生产总值、奥肯定律 问题的提出 美国著名经济学家奥肯（Okun，A），在担任约翰逊总统时期的经济顾问委员会主席时，为了使总统、国会和公众相信，如果把失业率从7%降到4%，会使全国经济收益匪浅，便根据美国55个季度（1947—1960年）的失业率和实际GNP的变化资料，通过简单的回归方程，估算出当失业率超过自然失业率水平（4%）时，失业率每增加1%，实际GDP将损失3%。其方程式为:Y=1-3X。式中Y为实际GNP的变化率（%），X为失业率的季度变化率（%）。结果产生了著名的“奥肯定律”。 近年来，中国城镇登记失业率一直处于小幅攀升态势。1999年到2000年，失业率一直保持在3。1%左右，2001年升至3。6%，2002年升至3。6%，2002年底为4%，2003年一季度末为4。1%，全年目标控制在4。5%。就业与失业标准的重新界定会在一定程度上影响失业率。据《人民日报》报道，劳动和社会保障部对就业与失业的概念作了重新界定，按照新的标准，“失业人员”指男在16—60岁、女在16—55岁的法定劳动年龄内、有工作能力，无业、要求就业而未能就业的人员。虽然从事一定社会劳动，但劳动报酬低于当地城市居民最低生活保障标准的，视同失业。 反观中国的GDP，却一直呈稳定的上升趋势，自从1978年改革开放以来，经济一直保持较高速度的增长，年平均增长率达到9。4%，但就业并没有相应的增长。下表我们列出了中国自1978年以来的GDP与失业率（城镇登记失业率）。 表一： 年份GDP（亿元）城镇失业率（%） 19783624.15.3 19793899.55.4 19804517.84.9 19814752.73.8 19825185.23.2 19835750.42.3 19846624.51.9 19858964.41.8 198610202.22.0 198711962.52.0 198814928.32.0 198916909.22.6 199018547.92.5 199121617.82.3 199226638.12.3 199334634.42.6 199446759.42.8 199558478.12.9 199667884.63.0 199774462.63.1 199878345.23.1 199982067.53.1 200089468. 13.1 200197314.83.6 2002104790.64.0 资料来源：《中国统计年鉴》 从表中可以看到，中国经济稳步增长，但失业率也在同步增长。这明显是违背“奥肯定律”的。下面我们对GDP与失业率进行回归分析。设方程为Δu=-AX+B(其中Δu为失业率的变化，即Δu=，X为GDP增长率，用百分数表示，X=。用表一中的数据回归得： Dependent Variable: DU Method: Least Squares Date: 11/30/04 Time: 20:51 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-0.0019340.001649-1.1725210.2535 DY0.0090510.0092810.9752670.3400 R-squared0.041442 Mean dependent var-0.000542 Adjusted R-squared-0.002129 S.D. dependent var0.004043 S。E。 of regression0.004047 Akaike info criterion-8.101868 Sum squared resid0.000360 Schwarz criterion-8.003697 Log likelihood99.22241 F-statistic0.951146 Durbin-Watson stat0.803347 Prob(F-statistic)0.340030 由回归分析的结果可见，GDP的变化与失业率的变化无显著相关关系，且DY的系数为正值，与奥肯定律相悖。下面的散点图也印证了这一说法。 就中国的具体情况而言，怎样对这一悖论作出合理的解释，下面将依据中国的实际情况进行探讨。 二、理论综述 对于中国经济增长率与失业率背离“奥肯定律”（即高增长与高失业并存的现状），理论界具有代表性的解释有： 1．从总量方面考察投入变化，来解释这种背离。在具体分析上有两种观点: A．劳动投入贡献在GDP中下降，从而就业相应下降，失业也就相应增加。（汤光华1999）要素投入对中国经济增长的贡献在改革前后都是最大的，其次才是要素生产率的贡献（科学技术的进步）。在要素投入中，又是以资本的投入为主。资本的贡献和要素生产率的贡献逐步提高，而劳动投入对经济增长的贡献逐渐减小。根据按要素分配理论，劳动投入贡献率减小意味着失业的相对增加。 B．应区分有效劳动投入和名义劳动投入。（龚玉泉，袁志刚2002）与我国经济增长相伴的是名义就业率的下降和有效就业量的上升。就业增长的质量效应大于数量效应，从而使我国经济增长与就业增长之间呈现出不一致性。 2．强调经济转型和结构调整对就业的影响。主要观点可以概括为：经济增长方式发生了变化，粗放型增长向集约型增长转变，从而挤出了就业；就业结构调整相对产业结构迟缓带来结构性失业，体制改革导致原本就存在的隐性失业凸显出来。如王国荣（2001）中国经济增长与失业背离，其根源在很大程度上是体制性隐性失业显性化与结构性失业共同作用的结果；张本波（2002）认为，我国20世纪90年代以来，经济增长与就业增长不一致的原因在于：经济增长与就业增长的互动模式发生了根本性改变。而引起就业弹性模式改变的因素主要包括产业结构的调整，宏观制度变迁，市场化过程等。 我们认为：导致高增长，低就业的原因主要是隐性失业的大量存在。目前我国国内的就业登记制度不够健全，我国目前实行的城镇失业登记率，只能反映失业的局部情况，即只能反映登记者而不能反映未登记者，只能反映城镇而不能反映农村，只能反映显性失业而不能反映隐性失业。因此，失业比例并不显得很高，容易导致盲目乐观。据国内经济学者估计，我国的实际失业率可能已达15-20%。只要将隐性失业造成的影响排除掉，即找到一个真实的失业率，中国依然存在稳定的“奥肯定律”。 我们的理论和其他学者的研究的不同之处：很多学者在用奥肯模型时，都是用经济增长率和失业率来做回归，而我们是按照奥肯的原义，看失业的增长会造成实际GDP与潜在GDP的偏离有多大。 三、中国经济奥肯模型的校正 奥肯提出这一定律的出发点是为了测度“可能的产出额”（即在充分就业条件下整个经济所能生产出来的产出额），它确立在U=的基础上。“奥肯定律”即代表由于U与的偏离造成产出额的损失（Y-Y）。所以“奥肯定律”标准模型为： U-U=-（Y-Y） （U为真实失业率） 造成中国城镇失业率与GDP增长回归不显著的原因是多方面的，其中最主要的一个原因就是失业率的统计失真。在此我们用社会失业率来替代城镇登记失业率，并结合中国的实际情况对奥肯方程进行了一定的改进：用社会失业率代表失业率来与经济增长损失率做回归，从而在一定程度上说明社会失业率对GDP增长造成的损失。数学模型为： U=A+B*Y （1-1） 其中：U为社会失业率 Y为经济增长损失率 A为自然失业率（即因劳动合理流动而导致的摩擦性失业） B为经济增长损失率的弹性系数 由（1-1）式整理得： Y=（1/B）*（U-A） 即社会失业率导致经济增长损失的数学模型。我们将从这个模型出发，定量地研究社会失业率对中国经济增长率造成的损失。 （一）社会失业率的界定 目前，我国统计的失业率是城镇登记失业率，但城镇登记失业率来代替中国整体的失业率明显有两个漏洞：第一，没有包括城镇中已经失业而没有登记的人，也没有包括虽然从事一定社会劳动，但劳动报酬低于当地城市居民最低生活保障标准的人。第二，没有包括大量农村剩余劳动力。其中，农村剩余劳动力数量庞大，据农村调查课题组估计：中国农村剩余劳动力为1。5亿左右。这些劳动力资源的闲置对中国经济造成的损失是不可小视的。 所以要反映中国的失业状况和失业对经济造成的真实影响，必须把大量的农村剩余劳动力记入失业人员。 关于农村剩余劳动力的计算方法，主要有以下几种： 1．国际对比法：即在农业产值比重相当的国家或一个国家的历史时期中，找到一般农业劳动力比重标准，然后将中国的农业劳动比重与此标准对照，如果有多出的部分视为农村剩余劳动力。 2．调查法： RDU=RE-TUE-PE-IE-FE-CE （1-2） 其中：RDU——农村剩余劳动量 RE——农村总就业量 TUE——乡镇企业就业量 PE——私营企业就业量 IE——个体劳动就业量 FE——流入城市岗位就业量 CE——农村资源可容纳就业量 公式中的各项指标由抽样调查获得。 3．耕地法：首先确定农村劳动力按劳动能力每人平均可耕种的土地面积，根据耕地保有量和农村劳动力人数来计算。 RDU=RL-耕地面积/单位面积土地应当容纳的劳动力人数 （1-3） 其中：RDU——农村剩余劳动力 RL——农村劳动力人数 即土地所能吸纳的劳动力，由于城乡二元体制，造成农村劳动力流动困难，所以留在农村中那部分边际产出为零的农村劳动，也就是剩余劳动力。根据有关专家的研究，中国一个农村劳动力可耕种的土地面积约为四亩。 由此可得社会失业率： 社会失业率=（农村剩余劳动力+城镇失业人员）/（总就业人员+城镇失业人员） 注：农村剩余劳动力我们采用耕地法计算。根据公式（1-3），我们可算出农村剩余劳动力。 表二 1987年——2002年中国社会失业率 单位：万人 年份城镇失业人员农村剩余劳动力总就业人员社会失业率 1985238.510982.24498730.223915 1986264.411221.92512820.222835 1987276.611692.26527830.225574 1988296.212311.34543340.23078 1989377.913309.3553290.2457 1990383.214201.82639090.226855 1991352.215055.58647990.236493 1992363.914951.84655540.232346 1993420.114237.92663730.219454 1994476.413708.96671990.209609 1995519.613340.32679470.202433 1996552.86252.56688500.098056 1997576.86499.64696000.100837 19985716872.68699570.105542 19995757258.38713940.108844 20005957257.92720850.108048 20016817034.6730250.104681 20027708021.26737400.117988 资料来源：《中国统计年鉴》 （二）潜在GDP增长率的计算； 按照“奥肯定律”的三大假定：1，单一的发达的市场经济；2，相对稀缺的劳动力资源；3，失业的公开化。 可见，在“奥肯定律”中，劳动力资源充分利用时产出，为潜在产出。我们用柯布——道格拉斯（Cobb-Doglos）生产函数来表示总量生产函数。 即：Y=AKL （） 注：规模报酬不变这个前提已被数据所支持，N.乔治.曼昆，戴维.罗墨，以及戴维.N.威尔等人用近70多个国家（包括中国）的数据以柯布-道格拉斯生产函数估计经典的索罗增长模型，得出这一结论。 要计算潜在GDP的增长，首先，必须确定资本和劳动投入对产出的弹性系数（），以及社会资本存量（K）和充分就业是的劳动量（L），还有由技术进步而引起的综合要素生产率的贡献（A）。 资本和劳动的投入对产出的弹性系数（）的确定 由要素贡献率=要素报酬率的基本原则，可以用国民收入（NI）——即国内生产净值（GDP-折旧）——的报酬分配比例来确定资本和劳动投入对产出的弹性系数。中国劳动和资本在国内生产净值中的报酬分配比例如表： 表三 劳动分配比例与资本分配比例（1985——2002） 单位：亿元 年份GDP劳动报酬折旧劳动分配比例资本分配比例 19858964.41014.626427.850.41447630.585524 198610202.21459.3246553.890.41548270.584517 198711962.52081.6366758.410.39683230.603168 198814928.33197.1486935.430.41458140.585419 198916909.23877.1327216.370.40354570.596454 199018547.94404.0487537.780.39405470.605945 199121617.85508.7647845.890.41541410.584586 199226638.17381.428184.550.39017710.609823 199334634.410422.1888578.930.41699950.583001 199446759.415196.028769.350.39504840.604952 199558478.119805.3328964.770.39978840.600212 199667884.623506.4689118.430.41601870.583981 199774462.626098.0129217.570.41512680.584873 199878345.227562.9249437.890.38421090.615789 199982067.528958.3969671.510.41441120.585589 200089468.131892.9369735.760.41426420.585736 200197314.834991.2089836.780.41455970.585644 2002104790.637523.1210982.80.39504120.604959 注：劳动报酬分配比例=劳动报酬/（GDP-折旧） 资本报酬分配比例=1-劳动报酬分配比例 资料来源：《中国统计年鉴》 其中“折旧”由中国平均折旧率计算得到 由上表可知，中国的劳动分配比例和资本分配比例是相对稳定的，所以，劳动对产出的弹性系数确定为0.4，资本对产出的弹性系数确定为0.6，以下计算按此数据进行。 2．资本存量（K）和实际就业人员（L）的确定 1）在中国的统计年鉴中没有对资本存量的统计，对于社会资本存量，我们采用增量来推算存量，即对新增固定资本逐年扣除折旧，一旦折旧提取完毕，就不再视为固定资本存量。这样，只要新增固定资本的统计年限足够长，就可以方便的推算出社会资本存量。 即： 对于固定资本的平均折旧率，考虑到固定资产投资中建筑安装工程与设备购置的比例大体为6：4，而建筑无的平均折旧年限为20年，设备的平均折旧年限为10年，由此可以把综合折旧年限定为16年，即综合折旧率为6。25%。在按统一价格换算各年固定资本形成总额的基础上按照6.25%的综合折旧率增量推算存量，就得到中国各年固定资本存量及其增长率（见表）。 表四：1985年——2002年中国社会资本存量 年份社会资本存量（亿元）社会资本增长率（%） 198532683.210.144294 198637284.980.140799 198742429.390.137976 198848186.30.135682 198954634.120.13381 199061860.980.132277 199169965.870.131018 199279060.080.129981 199389268.70.129125 1994100732.30.128417 1995114455.80.136237 1996130215.90.137696 1997147018.50.129037 19981662360.130715 19991857010.117092 2000207012.40.114762 2001231287.60.117265 20022603320.125577 资料来源：《中国统计年鉴》 注：社会资本存量（n）=社会固定资本投资（n-1）*(1-0.0625)+社会固定资本投资（n） 2）而实际就业人员以当年就业人员为准。 3由技术进步而引起的综合要素生产率（A） 总量生产函数可由柯布—道格拉斯（Cobb-Doglos）生产函数来表示： （1） （）---规模报酬不变 其中：表示资本的产出弹性（） 表示劳动的产出弹性（） A表示引起产出增长的技术进步因素，且Y，K，L，A都是t的函数。 对（1）式两边取自然对数得： (2) 对（2）式两边微分得： （3） 又 则（3）式变形为： （4） -——增长函数的分解式 令为全部要素生产率的提高率（）；为资本增长率（）；为实际就业增长率 则（4）式变形为： 整理得： 在资本和劳动对产出的弹性系数（），以及社会资本存量确定后，可求出综合要素提高对经济增长的贡献。 表五 1985—2002年中国逐年的综合要素生产率 年份 19850.3532191108760.60.40.1442940.0347739485860.252733131 19860.1380795145240.60.40.1407990.02825175946910.042299411 19870.17254121660.60.40.1379760.02926952926950.078047805 19880.247924764890.60.40.1356820.0293844609060.154761781 19890.1326942786520.60.40.133810.01831265874040.045083215 19900.09691174035440.60.40.1322770.155072385187-0.044483414 19910.1655119986630.60.40.1310180.01392605110390.081330778 19920.2322299216390.60.40.1299810.01165141437370.149580756 19930.3001828208470.60.40.1291250.01249351679530.217710414 19940.3500854641630.60.40.1284170.01244481942960.268057336 19950.2506169882420.60.40.1362370.01113111802260.164422341 19960.1608550893410.60.40.1376960.01328976996780.072921581 19970.09689973867420.60.40.1290370.01089324618740.01512024 19980.05214161203070.60.40.1307150.00512931034483-0.028339112 19990.04751152591350.60.40.1170920.0205411895879-0.03096015 20000.09017698845460.60.40.1147620.009678684483290.017448315 20010.0877038855190.60.40.1172650.01304016092110.012128821 20020。07682079190420.60.40.1255770.00979116740842-0.002441875 注：为资本分配比例 为劳动分配比例 为资本增长率 为实际就业增长率= 为要素生产率的提高率 为实际经济增长率 4．潜在经济增长率 在综合要素生产率的变动固定之后，按照资本存量的增长及其对产出的弹性系数，以及假设充分就业情况下的劳动力增长（潜在就业增长），及对产出的弹性系数，可由 计算出潜在增长率 表六 在1985——2002中国逐年的潜在经济增长率 年份 19850.2527331310.60.1442940.40.3465490574170.477929 19860.0422994110.60.1407990.40.3336341442460.260232 19870.0780478050.60.1379760.40.3402361318870.296928 19880.1547617810.60.1356820.40.3498383807340.376106 19890.0450832150.60.133810.40.3578868340290.268524 1990-0.0444834140.60.1322770.40.5632533035330.260184 19910.0813307780.60.1310180.40.3336057127630.293384 19920.1495807560.60.1299810.40.3224003132780.356529 19930.2177104140.60.1291250.40.3016017591370.415826 19940.2680573360.60.1284170.40.2850400387060.459124 19950.1644223410.60.1362370.40.2712268477430.354655 19960.0729215810.60.1376960.40.1249441602840.205517 19970.015120240.60.1290370.40.1255235735610.142752 1998-0.0283391120.60.1307150.40.1243585729470.099833 1999-0.030960150.60.1170920.40.147856204810.098438 20000.0174483150.60.1147620.40.1332155005420.139592 20010.0121288210.60.1172650.40.133059904320.135712 2002-0.0024418750.60.1255770.40.1462417393210.131401 注：潜在的就业增长，即（当年的从业人员+城镇失业人员）/上年实际就业人数 实际就业人数=上年从业人员-农村富余劳动力 代表潜在经济增长率 三、社会失业率导致的经济增长的损失 我们将实际经济增长与潜在经济增长的关系的差额看着是经济的损失，用经济损失与社会失业率作回归，即用上文的数学模型： 注： Y（经济增长损失率）= A为自然失业率 B为经济增长损失率的弹性系数 表七 1985——2002中国社会失业率与潜在经济增长损失 年份-u 19850.4779290.3532191108760.124710.223915 19860.2602320.1380795145240.1221520.222835 19870.2969280.17254121660.1243870.225574 19880.3761060.247924764890.1281810.23078 19890.2685240.1326942786520.135830.2457 19900.2601840.09691174035440.1632720.226855 19910.2933840.1655119986630.1278720.236493 19920.3565290.2322299216390.1242990.232346 19930.4158260.3001828208470.1156430.219454 19940.4591240.3500854641630.1090390.209609 19950.3546550.2506169882420.1040380.202433 19960.2055170.1608550893410.0446620.098056 19970.1427520.09689973867420.0458520.100837 19980.0998330.05214161203070.0476910.105542 19990.0984380.04751152591350.0509260.108844 20000.1395920.09017698845460.0494150.108048 20010.1357120.0877038855190.0480080.104681 20020.1314010.07682079190420.054580.117988 注：-是经济增长损失率 U为社会失业率 对Y和U进行平稳性检验得： 首先，对Y进行平稳性检验 我们根据Akaike info criterion和Schwarz criterion可知Y的无约束方程为滞后0阶的方程。 ADF Test Statistic-2.041221 1% Critical Value*-4.6193 5% Critical Value-3.7119 10% Critical Value-3.2964 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 12/27/04 Time: 11:02 Sample(adjusted): 1986 2002 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. Y(-1)-0.4147690.203197-2.0412210.0605 C0.0639920.0334071.9155680.0761 @TREND(1985)-0.0030520.001616-1.8882770.0799 R-squared0.233250 Mean dependent var-0.004125 Adjusted R-squared0.123714 S.D. dependent var0.018618 S.E. of regression0.017428 Akaike info criterion-5.102686 Sum squared resid0.004252 Schwarz criterion-4.955648 Log likelihood46.37283 F-statistic2.129439 Durbin-Watson stat1.911196 Prob(F-statistic)0.155804 从ADF Test Statistic可知应接受，进入下一步，做F检验。有约束方程模型为D(Y)=C+,回归结果如下： Dependent Variable: DY Method: Least Squares Date: 12/27/04 Time: 11:20 Sample(adjusted): 1986 2002 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-0.0041250.004515-0.9135940.3745 R-squared0.000000 Mean dependent var-0.004125 Adjusted R-squared0.000000 S.D. dependent var0.018618 S.E. of regression0.018618 Akaike info criterion-5.072386 Sum squared resid0.005546 Schwarz criterion-5.023373 Log likelihood44.11528 Durbin-Watson stat2.189036 最后，用公式计算出标准的F值： == 4.26058325494 因为FF (1,14)=1.44，所以拒绝，意味着0， 含时间趋势。继续做t检验。 又因为=2.041221=0.6912，所以拒绝，为退势平稳过程。 其次，对U进行平稳性检验 同理，根据Akaike info criterion和Schwarz criterion可知U的无约束方程为滞后0阶的方程。 ADF Test Statistic-1.963073 1% Critical Value*-4.6193 5% Critical Value-3.7119 10% Critical Value-3.2964 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(U) Method: Least Squares Date: 12/27/04 Time: 12:22 Sample(adjusted): 1986 2002 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. U(-1)-0.3916980.199533-1.9630730.0698 C0.1041710.0561241.8560690.0846 @TREND(1985)-0.0043250.002382-1.8160310.0908 R-squared0.219257 Mean dependent var-0.006231 Adjusted R-squared0.107722 S.D. dependent var0.026813 S.E. of regression0.025327 Akaike info criterion-4.355089 Sum squared resid0.008981 Schwarz criterion-4.208052 Log likelihood40.01826 F-statistic1.965820 Durbin-Watson stat1.812335 Prob(F-statistic)0.176830 从ADF Test Statistic可知应接受，进入下一步，做F检验。有约束方程模型为D(Y)=C+, 回归结果如下： Dependent Variable: DU Method: Least Squares Date: 12/27/04 Time: 12:24 Sample(adjusted): 1986 2002 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-0.0062310.006503-0.9581750.3522 R-squared0.000000 Mean dependent var-0.006231 Adjusted R-squared0.000000 S.D. dependent var0.026813 S.E. of regression0.026813 Akaike info criterion-4.342874 Sum squared resid0.011503 Schwarz criterion-4.293861 Log likelihood37.91443 Durbin-Watson stat2.050608 最后，用公式计算出标准的F值： ==3.93141075604 因为FF (1,14)=1.44，所以拒绝，意味着0， 含时间趋势。继续做t检验。 又因为=1.963073=0.6912，所以拒绝，为退势平稳过程。 由此可得，Y和U均为退势平稳过程，下面对模型进行回归： 通过回归得： Dependent Variable: Y Method: Least Squares Date: 12/05/04 Time: 11:13 Sample: 1985 2002 Included observations: 18 VariableCoefficientStd. Errort-StatisticProb. U0.6478920.03950216.401340.0000 C-0.0203140.007437-2.7312910.0148 R-squared0.943860 Mean dependent var0.095587 Adjusted R-squared0.940352 S。D。 dependent var0.040293 S。E。 of regression0.009841 Akaike info criterion-6.300109 Sum squared resid0.001549 Schwarz criterion-6.201179 Log likelihood58.70098 F-statistic269.0041 Durbin-Watson stat2.189342 Prob(F-statistic)0.000000 由Eviews回归得到如下回归模型： Y=-0.020314+0.647892*U=0.647892（u-0.03135） (0.039502) T=-2.731291 16.40134 =0.94386 F=269.0041 该模型不但拟合度高达0.94386，并且顺利通过了平稳性检验、T检验和F检验。 经济意义： 1. 由模型结果可得,奥肯系数为0.647892,即社会失业率每上涨1个百分点，GDP将损失0.647892个百分点 ,这明显小于奥肯在研究美国经济时得出的3个百分点.我们认为这是符合中国经济现状的:我国的产业主要是劳动密集型产业而且劳动投资贡献率是呈不断下降的趋势,而资本在过去的几十年中都是稀缺的生产要素,资本要素贡献率相当大,这也就造成了失业对GDP增长的影响不是那么大。造成这一差别的原因,我们认为是由于中国的现状不符合“奥肯定律”隐含的三大假定 : 第一、中国处于经济转型时期，并不是单一发达的市场经济。 第二、中国存在大量过剩劳动力，中国的劳动力供给曲线在有些情况 下可能是向下的，这与“奥肯定律”相对稀缺的劳动力资源相反。 第三、中国的统计数据存在很大不足，如前文所说，未包括大量隐性失业和未登记的下岗职工，统计数据不能反映中国真实失业率。这与失业的公开化是相悖的。另外，统计数据也存在人为误差，比如个别年份的GDP在不同年份的统计年鉴上的数据是不同的。 2．从模型中我们还可以得到一个重要的信息-自然失业率. 在回归得到的模型中,自然失业率为3.135%这一结果与我国的现状基本吻合.奥肯认为政府只要努力将失业率降低到自然失业率的水平,经济增长就能达到潜在经济增长率,即充分利用了一切生产要素的最佳状态.那么中国是不是也存在这一定论呢?即中国的失业率如果降到自然失业率水平(3.135%),经济增长是否能达到潜在经济增长水平?我们认为这是不可能的.因为美国的隐性失业(农村和城市)是非常少的,有效劳动力数量与名义就业人数一致,而中国则存在很大偏差,如果把失业率降到自然失业率水平,则会有更多的劳动力返回工作岗位,严重降低企业的生产效率,隐性失业更加严重. 政策建议： 基于以上两点,我们的分析对政策制定提供了一些依据: 1.“把蛋糕做精美”:失业率对经济增长的影响很小,而且企业中的隐性失业还十分严重,尤其是国有企业, 有效劳动需求量小于名义就业人数,企业对劳动力的低效率使用,表现为消极怠工,人浮于事,有职无工等现象.为了提高企业的生产效率,使经济健康运行,首先必须挤掉就业队伍中大量的隐性失业,使每一单位劳动力资源都得到充分利用,以劳动力的边际产品价值等于劳动力价格(工资成本)为原则,保证最优的劳动量. 2．“把蛋糕做大”:在效率得到保证的情况下,尽可能创造出更多的就业机会,正如我们上文所说的一样,在劳动力是得到充分利用的前提下,失业率越低,经济增长的也就越快。 [参考文献] 袁志刚: 中国经济增长与就业增长的非一致性, 新华文摘,2003 年第2 期。 2003 年宏观经济形势与预测1 宏观经济与就业形势[N] 1 经济参考报, 2003 - 04 – 151 袁志刚：失业经济学[M].上海人民出版社. 1997 邹 薇: 中国经济对奥肯定律的偏离与失业问题研究. 　 　世界经济.2003年第6期 戴园晨、陈东琪(1996) :《劳动过剩经济的就业与收入》, 上海远东出版社, 1996 年12 月第一版。 龚玉泉,袁志刚: 中国经济增长与就业增长的非一致性及其形成机理[J ] . 经济学动态,2002 , (10) . 汤光华: 对中国经济增长与就业关系的实证研究[J ]. 统计研究,1999 (增) . 张本波: 解读我国经济增长的就业弹性[J ]. 宏观经济研究,20021101 杨宜勇: 12001 - 2020 年国民经济增长与就业状况长期发展分析研究. 王国荣: 经济增长与就业机制、模式、观念的变革[J ]1 社会主义经济理论实践,2001．1(11)

  • 分析国内工业固定资产和劳动就业人数对工业产值的影响_经济学毕业论文范文

    分析国内工业固定资产和劳动就业人数对工业产值的影响_经济学毕业论文范文 根据Cobb-Dauglas生产函数 分析国内工业固定资产和劳动就业人数 对工业产值的影响 [摘要]：加入WTO后，外国大型企业可以较轻易的进入我国市场，我国的工业企业遇到了较大的冲击，如何在现有的人员素质和生产条件下，达到最优的生产效率，获得较理想的产出。 通过已有的数据，对我国现存的就业人员情况和国内工业固定资产总值进行分析，根据经济学的原理，劳动和资本在经济发展中的重要性，正确处理好二者的关系，给当前工业企业的发展评定，有助于加强与国际大公司的竞争，改善目前的状况，发展我们的民族经济，希望可以得出满意的结论。 [关键字]：工业生产总值，工业固定资产投资，劳动就业人数，发展经济，柯布---道格拉斯（Cobb-Dauglas ）生产函数。 [模型简述]：根据柯布---道格拉斯（Cobb-Dauglas ）生产函数，其一般形式为 Q=f(L,K)=ALaKb 式中：Q代表产量，L和K分别代表劳动和资本投入量，A、a、b为三个正的参数，并且0a、b1。a表示劳动所得在总产量中所占的份额，b为资本所得在总产量中所占的份额。 根据柯布和道格拉斯两人对美国1899—1922年间有关经济资料的分析和估算，a的值约为0.75， b的值约为0.25。它说明，在之一期间的总产量中，劳动所得的相对份额为75%，资本所得的相对份额为25%。 设定柯布—道格拉斯生产函数模型的进行对数变换，得到其线性表达式为以下形式： LnQ=LnA+aLnK+bLnL。 用LY表示LnQ，C表示LnA，LK表示aLnK，LL表示bLnL， U表示随机扰动项，得： LY=C+LK+LL+U。 对此模型进行回归分析，分析国内工业固定资产和劳动就业人数对工业产值的影响。 [搜集数据]： obsLYLLLK 年份工业生产总值 （亿元）就业人数 （万人）固定资产投入 （亿元） 1981 2048.400 4983.000 380.4300 1982 2162.300 5115.000 467.4300 1983 2375.600 5205.000 546.6200 1984 2789.000 5343.000 653.5200 1985 3448.700 5557.000 913.6500 1986 3967.000 5781.000 1159.820 1987 4585.800 5971.000 1407.750 1988 5777.200 6158.000 1709.050 1989 6484.000 6228.000 1597.010 1990 6858.000 6378.000 1747.580 1991 8087.100 6551.000 2113.210 1992 10284.50 6221.000 2759.470 1993 14143.80 6626.000 3571.570 1994 19359.60 6580.000 3933.060 1995 24718.30 6610.000 4526.200 1996 29082.60 6450.000 4884.730 1997 32412.10 6215.000 4958.100 1998 33387.90 4753.000 4703.300 1999 35087.21 4428.000 4591.060 2000 39047.30 4102.000 4578.680 2001 42607.10 3838.000 4516.270 2002 46535.70 3729.000 4667.130 （注：以上数据全采用当年价格数据来源于中国统计年鉴2001，2002） 将以上数据用ln obsLn(LY)Ln(LL)Ln(LK) 1981 7.624814 8.513787 5.941302 1982 7.678928 8.539933 6.147250 1983 7.773005 8.557375 6.303754 1984 7.933438 8.583543 6.482373 1985 8.145753 8.622814 6.817448 1986 8.285765 8.662332 7.056020 1987 8.430720 8.694670 7.249748 1988 8.661674 8.725507 7.443693 1989 8.777093 8.736811 7.375888 1990 8.833171 8.760610 7.465987 1991 8.998025 8.787373 7.655963 1992 9.238393 8.735686 7.922794 1993 9.557032 8.798757 8.180761 1994 9.870944 8.791790 8.277173 1995 10.11530 8.796339 8.417638 1996 10.27790 8.771835 8.493869 1997 10.38629 8.734721 8.508778 1998 10.41595 8.466531 8.456020 1999 10.46559 8.395703 8.431866 2000 10.57253 8.319230 8.429166 2001 10.65978 8.252707 8.415442 2002 10.74798 8.223895 8.448300 （注：以上数据全采用当年价格数据来源于中国统计年鉴2001，2002） [模型的参数分析与检验]： 用Eviews计量经济学分析软件，使用“表一”中的数据和代估模型 LY=C+LK+LL+U。 我们可以得到如下回归分析结果： Dependent Variable: LY Method: Least Squares Date: 08/28/04 Time: 09:45 Sample: 1981 2002 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. LL-1.3598890.183420-7.4140620.0000 LK1.2017240.03887030.916550.0000 C11.787091.6290997.2353400.0000 R-squared0.982236 Mean dependent var9.247730 Adjusted R-squared0.980366 S.D. dependent var1.092084 S.E. of regression0.153025 Akaike info criterion-0.790303 Sum squared resid0.444918 Schwarz criterion-0.641524 Log likelihood11.69333 F-statistic525.2791 Durbin-Watson stat0.581094 Prob(F-statistic)0.000000 回归分析所得出的模型为： LY = -1.359888961*LL + 1.201723775*LK + 11.78708782 T= -7.414062 30.91655 7.235340 （R2＝0.982236，F=525.2791 DW=0.581094） 经济意义的检验：我们发现，和的值都不在0和1之间，此模型的经济意义与实际经济意义有所不合，经过再次的数据分析，我们初步推测工业发展由于还有技术因素的作用，造成了技术与劳动力的此增彼减的作用关系。 统计意义的检验：从EVIEWS的分析结果看来，这个模型的R-squared非常的大，达到了0.982236，但回归系数的t-Statistic=-7.414062，小于，不具统计显著性，所以我们并不能就此下结论说这个模型已经拟合得很好。另外，LL和LK之间确实也具有相当严重的多重共线性。 计量经济学检验：我们注意到其D-W值为0.581094。在显著性水平为5%的情况下，查表可知，在2个解释变量和22个样本情况下的D统计量值，，D值明显小于值，所以存在正的一阶序列相关。 下面通过ARCH检验看我们可以看我们的模型是否存在异方差。 以下就是ARCH检验分析表 ARCH Test: F-statistic3.093959 Probability0.058858 Obs*R-squared7.262851 Probability0.063975 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 08/28/04 Time: 13:22 Sample(adjusted): 1984 2002 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0218070.0079772.7338810.0154 RESID^2(-1)0.4346810.2470871.7592240.0989 RESID^2(-2)-0.2338930.254383-0.9194530.3724 RESID^2(-3)-0.2923840.211469-1.3826340.1870 R-squared0.382255 Mean dependent var0.018564 Adjusted R-squared0.258706 S.D. dependent var0.022422 S.E. of regression0.019305 Akaike info criterion-4.872204 Sum squared resid0.005590 Schwarz criterion-4.673374 Log likelihood50.28593 F-statistic3.093959 Durbin-Watson stat1.981551 Prob(F-statistic)0.058858 从输出的回归函数中得R2，计算（n-P）R2=Obs×R2=19×0.382255=7.262845,且resid(-1)和resid(-2)的系数的t-Statistic都小于2，说明不具有统计显著性，所以接受原假设，认为模型不存在异方差。 [模型的修正]： 我们现在使用Cochrane-Orcutt法对模型的回归估计进行修正，以补救由于自相关性给模型估计带来的影响。所得到的结果如下： Dependent Variable: LY Method: Least Squares Date: 08/28/04 Time: 14:13 Sample(adjusted): 1982 2002 Included observations: 21 after adjusting endpoints Convergence achieved after 12 iterations VariableCoefficientStd. Errort-StatisticProb. LL0.0031140.2571472.1009280.0011 LK1.3336680.12716010.488080.0000 C7.6373472.8399432.6892610.0155 AR(1)0.6466130.1592414.0606000.0008 R-squared0.992968 Mean dependent var9.325012 Adjusted R-squared0.991727 S.D. dependent var1.055611 S.E. of regression0.096015 Akaike info criterion-1.678979 Sum squared resid0.156721 Schwarz criterion-1.480022 Log likelihood21.62928 F-statistic800.1526 Durbin-Watson stat1.679941 Prob(F-statistic)0.000000 Inverted AR Roots .65 LL和LK两个解释变量的T—统计值达分别为2.100928和10.48808，统计显著。且DW值大于，则可以判断无自相关。这说明模型不具有严重的多重共线性，可以接受。 经过修正以后的模型为 LY =7.637347 + 0.003114*LL +1.333668*LK + [AR(1)= 0.646613] ARCH检验结果如下： ARCH Test: F-statistic1.334496 Probability0.302975 Obs*R-squared4.002713 Probability0.261171 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 08/28/04 Time: 14:27 Sample(adjusted): 1985 2002 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0086310.0052061.6578410.1196 RESID^2(-1)-0.3360850.255103-1.3174520.2088 RESID^2(-2)-0.0187690.269781-0.0695700.9455 RESID^2(-3)0.3266150.2525301.2933740.2168 R-squared0.222373 Mean dependent var0.008367 Adjusted R-squared0.055739 S.D. dependent var0.009138 S.E. of regression0.008880 Akaike info criterion-6.417004 Sum squared resid0.001104 Schwarz criterion-6.219144 Log likelihood61.75304 F-statistic1.334496 Durbin-Watson stat1.878852 Prob(F-statistic)0.302975 修正的模型不存在异方差。 所以，最后的模型为 LY =7.637347 + 0.003114*LL +1.333668*LK S.E=2.839943 0.257147 0.127160 T=2.689261 2.100928 10.48808 R2=0.992968 df=22 对中国经济的拟合图如下 [模型的解释] 从上边的分析结果可以看到, 对于中国的工业，固定资本增长和劳动力投入在工业总产值中的作用依然占有很大的比例，但是劳动力投入对国内工业的作用明显小于固定资产的投入，而且诸如能源消耗、政府宏观调控、工业技术的发展进步等因素的影响，还存在一定的共线性。特别是劳动力对工业的影响，由于技术的提高，生产率大幅度的提高，劳动力对工业的影响力不太明显。 由于时间仓促，我们得出的模型仍然存在有诸多问题，希望大家指教。 【总结】 由于我国目前处于与国际市场接轨的时期，需要对工业生产方式有所改变，由以往的生产粗狂型向集约型方向转变。加大资本的投入，提高技术的应用，降低产本，提高生产率，这些都是我们要改变，要提高的。从现有的数据来看，我国已经预示到这一现状对我国经济的制约，已经有了初步的改进。固定资本的加大投入，就业人员的精简，确实使工业生产总值得到提高，证明了我国的转变方向是正确的。虽然下岗职工的增加，从表面上造成了就业人数相对减少，但是伴随而来的是在职职工的危机感，使他们加强自身的技术、素质的提高，使科学技术进一步被运用于生产中，这是造成这一现象发生的原因之一，此外，还有政府的优越政策支持，外资的有效利用，入WTO后，相关贸易国的协议，增大了出口等因素，使我国的工业生产总值在就业人数减少的情况下，增大固定资产投入，依旧使生产总值得到提高。进一步实现了向集约型的转变，有助于我国将来的经济发展。 【参考文献】 西方经济学 高鸿业 中国人民大学出版社 西方经济学原理 杨伯华 缪一德 西南财经大学出版社 中国统计年鉴 中国工业年鉴 四川统计年鉴 附录：这是我们的前期失败作品 ：P 影响房产总价值的分析 [内容摘要]：， 房地产业是一个投资大、风险高、回报显著的行业，同时也与每个人的生活息息相关。进入二十世纪90年代以来，房地产业更是成为国民经济的支柱产业，推动、支持了国民经济持续、快速、健康的发展。但是，也存在着大量房地产项目的盲目上马，造成大量房屋闲置和资金积压，更严重的是产生了许多的“烂尾楼”,尤其是近几年，由温州商人刮起的炒房热席卷了国内的许多城市。先是在杭州，上海，然后足迹开始遍布全国的许多省会与中心城市，所到之处，房价基本都上了一个台阶。因此我们这次主要就想研究一下那哪些因素对房地产价格具有比较大的影响。 模型设定 最初想做关于中国房地产总价值现状分析的模型，想从计量经济学的角度来分析房产价格的根据经济学原理，在模型中我们引入了三个变量：房产销售收入和基本建设投资，闲置的房产价值量。 Y=c1+c2*x1+c3*x2+u Y: 单位面积房价（元/平米 ） X1:基本建设投资（亿元） X2:人均可支配收入水平（元） yx1x2 单位面积房价基本建设投资人均可支配收入水平 元/平米亿元元 1988502.903342.88182.5 1989573.497639.55182.8 1990702.850415.04198.1 1991786.193527.89212.4 1992994.655556.4232.9 19931291.456140.9255.1 19941408.639316.34276.8 19951590.863183.19290.3 19961806.399139.82301.6 19971997.161146.47311.9 19982062.564186.18329.9 19992052.6184.85360.6 20002111.614151.71383.7 20012169.719168.47416.3 数据来源于《中国统计年鉴》 参数估计 用eviews 估计结果为 Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 21:47 Sample: 1988 2001 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-737.9961197.8912-3.7293030.0033 X10.9754740.7639701.2768480.2280 X27.2752830.8529268.5297970.0000 R-squared0.931678 Mean dependent var1432.223 Adjusted R-squared0.919256 S.D. dependent var622.2922 S.E. of regression176.8278 Akaike info criterion13.37564 Sum squared resid343948.8 Schwarz criterion13.51258 Log likelihood-90.62947 F-statistic75.00095 Durbin-Watson stat0.738455 Prob(F-statistic)0.000000 Y = -737.9960868 + 0.975473942*X1 + 7.27528268*X2 T=(-3.729303) (1.276848) (8.529797) _ R^2=0.931678 R^2=0.919256 F=75.00095 检验 重共线性检验 这里采用简单相关系数矩阵法对其进行检验： X1X2 X1 1.000000 0.641087 X2 0.641087 1.000000 由此得出X1 X2的相关系数不算太大 可能是由于解释变量比较少的原因。 修正: 采用逐步回归法对其进行补救 Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 22:48 Sample: 1988 2001 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C769.7920235.03193.2752650.0066 X15.1531251.5490243.3266920.0060 R-squared0.479774 Mean dependent var1432.223 Adjusted R-squared0.436421 S.D. dependent var622.2922 S.E. of regression467.1664 Akaike info criterion15.26281 Sum squared resid2618934. Schwarz criterion15.35411 Log likelihood-104.8397 F-statistic11.06688 Durbin-Watson stat0.671964 Prob(F-statistic)0.006035 Dependent Variable: Y Method: Least Squares Date: 06/04/04 Time: 22:48 Sample: 1988 2001 Included observations: 14 VariableCoefficientStd. Errort-StatisticProb. C-808.8330194.8807-4.1504000.0013 X27.9734620.67156611.872940.0000 R-squared0.921552 Mean dependent var1432.223 Adjusted R-squared0.915014 S.D. dependent var622.2922 S.E. of regression181.4126 Akaike info criterion13.37099 Sum squared resid394926.4 Schwarz criterion13.46228 Log likelihood-91.59692 F-statistic140.9668 Durbin-Watson stat0.470067 Prob(F-statistic)0.000000 异方差检验 利用ARCH检验法检验模型是否存在异方差 ARCH Test: F-statistic1.195618 Probability0.297566 Obs*R-squared1.274477 Probability0.258929 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/04/04 Time: 23:51 Sample(adjusted): 1989 2001 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C17968.9311674.141.5392080.1520 RESID^2(-1)0.3572690.3267381.0934430.2976 R-squared0.098037 Mean dependent var25184.10 Adjusted R-squared0.016040 S.D. dependent var35004.72 S.E. of regression34722.84 Akaike info criterion23.88882 Sum squared resid1.33E+10 Schwarz criterion23.97574 Log likelihood-153.2773 F-statistic1.195618 Durbin-Watson stat1.483309 Prob(F-statistic)0.297566 存在问题 从统计的角度，我们收集的解释变量很少 在随机扰动向中存在对因变量影响显著的解释变量 比如土地价格等但是由于数据搜集不到导致产生检验值不显著。

  • 各因素对高新技术区发展的影响_经济学毕业论文范文

    各因素对高新技术区发展的影响_经济学毕业论文范文 各因素对高新技术区发展的影响 研究意义： 20世纪下半叶，以电子信息、生物、新材料、航天、新能源等为代表的高技术的重大突破及其产业的迅速崛起，带动了世界产业结构的调整和升级，促进了世界经济的发展，也引起了人们生产方式和消费结构的深刻变革。 当今世界各国经济乃至综合国力的竞争，关键是科技实力的竞争，竞争的焦点是高技术及其产品。谁拥有高技术优势，谁就能在国际竞争中占有主动权，就能立足于世界之林。发展高技术产业以成为当今世界经济发展的主旋律。中国是世界上最大的发展中国家，中国只有通过高技术才能提高技术水平，实施进口替代和鼓励出口战略，实现经济持续发展和赶上发达国家的远期目标，中国必须尽快发展自己的高技术产业才能在21世纪的国际竞争中占有一席之地。 我们希望通过研究不同方面因素对我国各城市高技术区发展现状的影响来说明各因素的影响程度，以此有助于我国各地高技术园区的规划管理。 理论依据： 鲁格和高德斯汀（Luger and Goldstein）在《科技园里的技术（Technology in the Garden）》一书中提出科学园成功的因素为： 1 成为研究与开发和高技术活动的基地 2 有一个或几个从事科研的大学、工程学院和医学院 3 良好的环境 4 良好的基础设施和商业服务 5 有远见且有效的政治、科技和企业的领导者 美国著名的DMJM房地产开发公司的史密斯博士根据他们建设高技术产业园区的经验，认为在开发一个高技术产业园区的时候，区址的选择是高技术产业成功的关键：良好的交通条件、现代化的通讯条件、靠近劳动力等生产要素市场，尤其应靠近大学、国家实验室、图书馆以及智力和信息密集地区，并应拥有优秀的幼儿和中小学教育系统。 布鲁诺和狄波基（Bruno and Tyebjee）认为存在12个因子对高技术企业影响大，其依次是： 1 风险资本2 经验企业家 3 技术熟练工人4 供应充足便捷5 接近顾主和市场6 政府优惠政策7 接近学校8 土地和设施易锝9 交通便捷10 思想解放11 服务业繁荣12 具有吸引力的生活环境。 概括西方学者的基本观点，什么是高技术园成功的关键原因呢？不外乎如下三个方面： 1 吸引人的自然和智力环境 2 动态的行政管理机构 3 具有活力的大学—产业相互作用。 中国发展高技术产业有着自己的客观条件，即： 1 中国人口多，人均资源相对不足，工农业基础薄弱，经济发展面临着诸多制约 2 中国具有相当的科技实力，不仅拥有学科齐全、独立完整的科学技术体系，而且还有一支庞大的科技队伍，具有超越发展中国家平均水平的优势与潜力。 考虑上述因素，我们就以下三方面因素对高技术区发展现状的影响程度做了研究： 因素一（x1）：资源区位（包括接近机场、高速公路、市场；工作、生活环境；风险资本；城市规模） 因素二（x2）：技术区位（如大学研究机构的支持） 因素三（x3）：环境区位（即园区环境）。 对于被解释变量——高技术区发展现状的量化，主要考虑了以下几方面指标： 1 空间规模，开发面积 2 经济实力（具体包括企业数、职工人数、全年总产值、全年总收入、全年研究与开发支出总额） 3 开发效益（具体包括全年出口总额、全年利润总额、利税总额） 4 人才实力（分为大专以上人数、中高级职称人数、研究开发人数三个级别进行量化）。 此外，对解释变量及被解释变量均采用因子分析法，评价时段介于1989——1994年。数据来源于《中国高技术产业与园区》（顾朝林等著 中信出版社 1998年1月版）。样本容量为30，且依次为：北京，上海，沈阳，天津，武汉，西安，长春，石家庄，哈儿滨，南京，吉林，济南，广州，重庆，大连，中山，苏州，深圳，合肥，长沙，淄博，昆明，包头，太原，保定，鞍山，大庆，珠海，南宁，贵阳。 具体数据如下： Y X1 X2 X3 24.04410 1.125900 2.418600 0.746400 9.766899 1.253400 3.592600 0.009600 5.957100 0.779700 1.397200-0.260600 5.361600 1.290000 1.921600 0.033500 3.057100 1.302500 1.353000 0.041600 3.038100-0.661500 0.668100-0.744100 2.337100-1.984400 1.867600 1.485000 2.292400-1.179000 1.003700 1.331000 1.677700-1.193000 1.641900 1.321900 1.079100 0.867500 1.079100 0.584800 0.918500-0.002400 0.487100-0.173600 0.500300 1.096200 0.504000-0.125000 0.363100 1.306700 1.160800 0.044300 0.304600-1.690700 1.442500 0.036800 0.195900 1.754300-0.234900-0.248800 -0.127800 1.456600-1.718200 1.438600 -0.206900 1.167400-0.564100 1.015200 -0.252600 1.182000-0.137500 0.782800 -0.708400 0.809700 0.026100-0.241100 -0.721600-0.751200 0.558500 1.804700 -1.036900-0.402800-1.232700 0.922900 -1.265600 0.730500 0.051500-1.920400 -2.664400-2.425000-8.160000-0.887200 -1.734400-0.357000 0.750500-2.185300 -2.113300-2.002400-0.736200-0.499100 -2.638700 0.264500-1.126000-1.956600 -1.952300-1.100300-0.177800 0.589800 -3.110900 1.770400-0.967300-0.238300 -2.826800 0.086000-0.434100-2.481400 -2.030400-0.067000-0.444300-1.761300 对以上数据进行回归，结果如下： Dependent Variable: Y Method: Least Squares Date: 08/30/04 Time: 21:58 Sample: 1 30 Included observations: 30 VariableCoefficientStd. Errort-StatisticProb. C0.9833000.8376031.1739450.2511 X10.5242290.7174780.7306550.4715 X21.1580400.4601222.5168110.0183 X30.8182440.7592011.0777700.2910 R-squared0.311340 Mean dependent var1.250087 Adjusted R-squared0.231879 S.D. dependent var5.174384 S.E. of regression4.534960 Akaike info criterion5.985075 Sum squared resid534.7124 Schwarz criterion6.171902 Log likelihood-85.77613 F-statistic3.918159 Durbin-Watson stat0.836194 Prob(F-statistic)0.019650 从回归结果中可以看出，可决系数以及修正可决系数都太小，而t0.025(26)=2.056,所以解释变量x1,x3都不显著，只有x2显著。并且只有x2的prob很小应拒绝H0。出现以上情况的原因可能在于解释变量间存在多重共线性，这与选择的是截面数据有关。但同时，F0.05(3,26)=2.983.918159,所以拒绝H0，模型总体是显著的。为什么呢？通过对各变量的逐一回归发现，各个可决系数都很小。难道是数据有问题？但我们选取的数据是正规的统计结果呀。难道是数据选取时不完备？很有可能是漏掉了某些因素。 用简单相关系数矩阵法检验三个变量两两间是否存在简单相关关系，结果如下： x1 x2 x3 X1 1.000000 0.290089-0.038250 X2 0.290089 1.000000 0.229722 X3 -0.038250 0.229722 1.000000 从矩阵表中可以看出三变量间相关系数不大，不存在共线性。难道是由于所建模型“不真实”，模型出现设定偏误？用图示法检验自相关性，结果如下： 所以误差项ut可能存在自相关。原因可能出在所建模型“不真实”，模型出现设定偏误；而且各因素对高新技术区发展的影响有一定滞后性，滞后影响将在误差中体现为系统性。由于这个模型的失败，原来设想的经济意义也无法被验证，但相信这个选题一定有其可取之处。

  • 人力成本和实物成本对企业利润的影响分析_经济学毕业论文范文

    人力成本和实物成本对企业利润的影响分析_经济学毕业论文范文 人力成本和实物成本对企业利润的影响分析 ------以海尔为例 摘要: 本文主要通过对主营业务利润的变动进行多因素分析，建立以主营业务利润为应变量，以其它可量化影响因素(工资.材料)为自量变的多元线性回归模型，并最终利用模型对主营业务利润进行定量分析，就有关如何主动提高主营业务利润提出一些可供参考的意见。 关键词: 主营业务利润 人力成本 实物成本 工资 材料 背景（introduction） 文献摘要 1在电冰箱生产基地的转移过程中，中国正在成为全球的电冰箱产品的制造地几乎所有的电冰箱业的跨国公司都以不同的形式进入到中国。经分析，可以看出，这些跨国公司不但把中国看作其全球的生产基地，也把中国当成了一个电冰箱产品主要的销售市场。为此，这些电冰箱主要供应商在中国使用了如下战略手段: 由电器制造商转变为电器供应商;成为完全本土化、中国化的制造企业;控制核心技术与核心部件;提高产品的价格竞争能力。在这样的背景下，中国电冰箱行业呈现出如下几种竞争特点。产业的日趋分散性与同质化;主要领导变动日趋频繁价格成为主要竞争手段 3 最近，品牌专家Ｅｄ Ｌｅｂａｒ对海尔、联想等中国顶尖品牌发出警告：这些品牌有可能因为日趋同质化而沦落为“大路货”（相关内容详见《财经时报 》２００４年５月８日第５６４期“向海尔预警：差异化缺失拖累中国品牌”）。这是止于目前我们看到的关于海尔品牌最具有说服力的分析。实事求是讲，Ｅｄ Ｌｅｂａｒ把准了海尔的命……，海尔获得《中国经营报》中外企业“人气指数调查”第一名，这说明海尔的社会形象基础是很好的。因此，只要认识到自己存在的问题，并采取切实行动，对走偏的形象予以矫正，海尔还是最有希望的中国企业 选自(中国名牌) 研究目的 如今世界家电市场竞争日趋激烈,我们在不仅仅海外市场上有来自韩国,墨西哥等国的竞争,而且在国内还面临着保卫战的问题,尤其是在加入WTO以后,国内的家电企业面临着强大的确市场冲击,如何提高自身竞争力?如何发现自身弊端?......是我们急需解决的问题. 本文我们主要以海尔为例来研究怎样提高家电企业竞争力及对我国家电产业存在的问题进行初步分析。问题分析（analyze the problem）模型的设定 我们以主营业务利润为切入点,就影响主营业务利润的因素为研究对象进行分析。影响主营业务利润的主要因素主要是材料的投入和工人工资的发放,经过对企业财务报表的分析,我们发现主营业务工资大约是工资总额的0.3到0.5倍,而材料又是主要由而组成存货和生产机械的折旧(经分析, 我们发现,机械设备折旧中有1/3到2/3是生产设备的折旧,并且所占比重有递减的趋势)。我们将材料的投资做为实物成本x2，将工资的投入做为人力成本x1.其中，实物成本由产品的材料成本、机器设备的折旧及营销费用组成，人力成本由生产工人的工资、管理人员的工资及退休工人的福利费组成。 我们从主营业务利润y和实物成本x2. 人力成本x1之间的关系,建立模型,加以分析,通过自变量的系数对比来说明他们对应变量影响程度的大小,从而揭示工资和材料的使用效率,为企业如何提高各种资源的使用效率指明方向.在分析前，我们可以定性的知道，利润和工资成反比，和实物成本的关系则不定。 模型设定为： y=α+β*x1+γ*x2通过OLS回归得出方程为： y=1.28e+08+-2.909448x1+0.125912x2 (4.531795) (-3.80454) (7.235041) r=0.807037 R=0.781309 F=31.36763 Dependent Variable: Y Method: Least Squares Date: 05/31/04 Time: 12:39 Sample: 1 18 Included observations: 18 VariableCoefficientStd. Errort-StatisticProb. C1.28E+08281472424.5317950.0004 X1-2.9094480.764730-3.8045440.0017 X20.1259120.0174037.2350410.0000 R-squared0.807037 Mean dependent var1.49E+08 Adjusted R-squared0.781309 S.D. dependent var1.16E+08 S.E. of regression54208158 Akaike info criterion38.60557 Sum squared resid4.41E+16 Schwarz criterion38.75397 Log likelihood-344.4502 F-statistic31.36763 数据 年份季度y=主营业务利润x1＝材料成本x2＝工资总额 2004年第一季度99500813.87598753137.732303853 2003年第一季度68941258.54556516094.544807062 第二季度6959065561098553845217028 第三季度9288900657659270742384586 第四季度7063441446478693832416716 2002年第一季度7092361362598629139373464 第二季度4200551868072057145546631 第三季度4132939757835492238692690 第四季度670757018383325645546631 2001年第一季度1078839612393093638334198 第二季度13882003293893004219974.69 第三季度153697933271817939061607 第四季度1723942210174046035621401 2000年第一季度442160521547912962772804 第二季度321547221878725992634940 第三季度20475885.310540295.32772804 第四季度1484692.7540219207.5947798 模型检验：数学意义分析 一 、拟合优度检验 可决系数为0.807037，修正可决系数为0.781309 可见解释变量对模型解释效果较好 二 、回归参数的显著性检验 t—检验 由于在给定显著性水平ɑ=0.05的情况下，C,x1,x2的|t |值都大于2 认为解释变量的影响是显著的，此时犯错误的概率不超过0.05 F—检验 在5%的显著性水平下，查自由度为（2，15）的F分布表，得临界值 F0.05(2,15)=3.68。因为F=31.36763F0.05(2,15)=3.68,故模型总体显著 对模型进行多重共线分析如下，发现不存在多重共线性 X1X2 10.0818363228569 0.08183632285691 三、异方差检验 ARCH Test: F-statistic0.095785 Probability0.761205 Obs*R-squared0.107868 Probability0.742585 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/01/04 Time: 13:23 Sample(adjusted): 2 18 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C2.78E+151.15E+152.4047330.0296 RESID^2(-1)-0.0794230.256625-0.3094920.7612 R-squared0.006345 Mean dependent var2.59E+15 Adjusted R-squared-0.059898 S.D. dependent var3.96E+15 S.E. of regression4.07E+15 Akaike info criterion74.83501 Sum squared resid2.49E+32 Schwarz criterion74.93303 Log likelihood-634.0975 F-statistic0.095785 Durbin-Watson stat1.955451 Prob(F-statistic)0.761205 由于Obs*R-squared=0.107868,表明模型随机误差项不存在异方差。四、自相关检验 由上表得DW=1.955451，而在n=18, k=2,时，du=1.535,DWdu,故模型不存在一阶自相关。五、滞后性分析x1滞后一阶回归结果 Dependent Variable: Y Method: Least Squares Date: 08/28/04 Time: 13:07 Sample(adjusted): 1900:2 1904:1 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C124581938157223.1.5272590.1507 X1(-1)0.0858690.0218173.9357800.0017 X20.0314420.3097750.1015000.9207 R-squared0.680134 Mean dependent var42437533 Adjusted R-squared0.630924 S.D. dependent var27872456 S.E. of regression16932976 Akaike info criterion36.29478 Sum squared resid3.73E+15 Schwarz criterion36.43965 Log likelihood-287.3583 F-statistic13.82100 Durbin-Watson stat1.373841 Prob(F-statistic)0.000606 X2滞后一阶回归结果 Dependent Variable: Y Method: Least Squares Date: 08/28/04 Time: 13:08 Sample(adjusted): 1900:2 1904:1 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C13461008106273441.2666390.2275 X10.0684580.0230292.9726480.0108 X2(-1)0.2663960.3570080.7461900.4688 R-squared0.556395 Mean dependent var42437533 Adjusted R-squared0.488148 S.D. dependent var27872456 S.E. of regression19941026 Akaike info criterion36.62182 Sum squared resid5.17E+15 Schwarz criterion36.76668 Log likelihood-289.9745 F-statistic8.152669 Durbin-Watson stat2.145500 Prob(F-statistic)0.005075 X1 X2 同滞后一阶回归结果 Dependent Variable: Y Method: Least Squares Date: 08/28/04 Time: 13:08 Sample(adjusted): 1900:2 1904:1 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C109299589048163.1.2079750.2486 X1(-1)0.0835120.0199464.1868420.0011 X2(-1)0.1051340.3089400.3403050.7391 R-squared0.682707 Mean dependent var42437533 Adjusted R-squared0.633893 S.D. dependent var27872456 S.E. of regression16864733 Akaike info criterion36.28671 Sum squared resid3.70E+15 Schwarz criterion36.43157 Log likelihood-287.2937 F-statistic13.98579 Durbin-Watson stat1.416240 Prob(F-statistic)0.000575 Y X1 X2同滞后一阶回归结果 Dependent Variable: Y(-1) Method: Least Squares Date: 08/28/04 Time: 13:10 Sample(adjusted): 1900:2 1904:2 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C15853883101388811.5636720.1402 X1(-1)0.0800060.0251443.1818780.0067 X2(-1)0.1468270.3706990.3960820.6980 R-squared0.569287 Mean dependent var45794197 Adjusted R-squared0.507757 S.D. dependent var30329218 S.E. of regression21278988 Akaike info criterion36.74312 Sum squared resid6.34E+15 Schwarz criterion36.89016 Log likelihood-309.3166 F-statistic9.252137 Durbin-Watson stat1.951664 Prob(F-statistic)0.002750 y 滞后一阶回归结果 Dependent Variable: Y(-1) Method: Least Squares Date: 08/28/04 Time: 13:21 Sample(adjusted): 1900:2 1904:1 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C185983359324922.1.9944760.0675 X10.0724540.0242432.9886280.0105 X20.2767250.3445230.8032120.4363 R-squared0.606484 Mean dependent var48563541 Adjusted R-squared0.545943 S.D. dependent var29019238 S.E. of regression19554241 Akaike info criterion36.58264 Sum squared resid4.97E+15 Schwarz criterion36.72750 Log likelihood-289.6611 F-statistic10.01777 Durbin-Watson stat1.667742 Prob(F-statistic)0.002329 通过分析，我们看到此模型不存在滞后性，较好的符合经济意义。 经济意义分析 有回归结果来看，明显的营业利润与x1成反比，与x2成正比。这说明主营业务利润和实物投资成正比和人力成本成反比，即再增加实物投资能增加利润，而人力成本或由于人浮于事或管理机关过于庞大出现十羊九牧的状况，诸如此类原因导致效率不高。从两者对利润影响的系数来看，营业利润受人力成本x1影响显著，受实物成本x2影响较小，这也符合我们的设想，由此可以看出人力成本在企业获利的重要性，这或许也是许多企业争夺人才的原因。由此也可以引申出科教的的重要性，美国等国家加强对知识产权的保护也不言尔喻了。模型的修正可决系数及f值较高。具有较强的解释力度。所以，此模型的设置能够较好的营业利润与工资水平和折旧费用之间的关系。所以我们认为我们设定的模型是比较成功的。但我们也有一个较大的缺点，拟和优度不是太高。 结论(conclusion) 1、我国生产的产品主要为劳动密集型的简单加工产品，故工资占成本额的比重较大，对盈利影响作用明显。就连像海尔这样的大型家电企业也主要依靠人力成本低廉的优势，而非技术优势来与国内外同类厂家竞争。要是中国成为世界工厂只靠劳动力的比较优势是远远不够的，中国企业的发展本质上还是要靠技术的进步。2、海尔作为中国家电企业的代表，其问题在其它同类企业中也可能存在。有模型知，海尔也存在雍员过多等现象。希望类似企业引起注意。本模型的拟和优度不高，纠其原因，主要是自变量设置不足，许多相关因素没有考虑到。比如原材料成本的变动也深刻的影响了主营业务利润，而在模型中并未加以分析。同时，数据分类的过于粗糙也可能是其原因，以后应引起注意！ 会计学院

1 ...464748495051525354... 77
最新消息
相关帖子
高校大学相关专题
标签云
AB
CD ABCDEFGHIJKLMNOPQISTUVWXYZ
人大经济论坛 大学 专业 手机版

为做大做强人大经济论坛，本站接受风险投资商咨询，请联系（010-62719935）
京ICP备11001960号 京ICP证090565号 京公网安备1101084107号 论坛法律顾问：王进律师 知识产权保护声明 免责及隐私声明
邮箱：service@pinggu.org
合作咨询电话：(010)62719935 广告合作电话：010-68456523 13661292478 刘老师
投诉电话：(010)68466864 不良信息处理电话：13661292478