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

  • 我国承接服务外包面临的新挑战与战略转型探讨_经济学毕业论文

    我国承接服务外包面临的新挑战与战略转型探讨_经济学毕业论文 我国承接服务外包面临的新挑战与战略转型探讨 自2008年危机以来，全球开始进行产业结构调整，我国将在“十二五”期间重点性新兴产业，同时加快发展服务业。作为战略性新兴服务业和现代高端服务业重要组成部分的服务外包业是我国发展的助推器。据，服务外包业对经济增长的贡献是来料加工制造业的20倍，能耗只是制造业的20%。因此，服务外包业是我国经济发展的“绿色引擎”，加快发展服务外包业是我国在新一轮产业结构调整中的重要战略举措。 本文在回顾我国承接服务外包业的发展历程并简述其发展现状的基础上，着重分析了我国承接服务外包业在新形势下面临的严峻挑战，针对发展现状与面临挑战，从服务外包产业本质层面提出在金融危机、经济衰退背景下做大、做强我国服务外包产业的战略选择。 一、我国承接服务外包简要回顾。 1995年微软进入我国市场四处碰壁后找到博彦，双方一拍即合催生Windows95中文版。随之，拥有相同机遇的也拿到IBM等跨国公司订单———服务外包与我国结下不解之缘。至今，我国服务外包历经从无到有、从小到大、从青涩到成熟的过程。 2001-2004年，是我国服务外包迅猛扩大的四年。2001年我国服务外包市场规模仅1.80亿美元，2004年即飙升至6.33亿，年复合增长率52.1%。2004年，我国服务外包63.5%来自日本，美国占13.7%，香港为10.3%。然而，无论数量抑或质量，日本市场均难与欧美市场相比。要扩大我国服务外包产业规模，提高增长速度，必须加快开拓欧美市场。2004年科技部启动“我国欧美出口工程”，我国对欧美外包市场规模拓展，至2009年3月，我国对日IT外包规模年复合增长率降为48.7%，对欧美年复合增长率50.5%，直接超对日外包增速。 2005-2007年，我国IT外包继续健康成长。2005年我国外包市场规模9.20亿美元，同比增45.3%；2007年达20.10亿美元，比2005年增长逾倍。随着外包业务吸引各方关注，风险亦竞相进入，国家政策扶持力度开始加大。2006年，商务部推进服务外包“千百十工程”，形成我国服务外包产业战略分布格局，行业发展积极迅速。 受国际金融危机的影响，2009年全球服务外包产业经历了近5年来的最低增长，我国通过国家政策扶持，离岸服务外包金额执行金额100.9亿美元，同比增长151.9%，在岸外包所占比重不断提高，占全国合同执行金额比重由2008年的18.4%增长为2009年的27.1%。2010年是世界经济呈现暖意的一年，也是服务外包行业回归本质、重新起步的关键一年。《2010中国软件与信息服务外包产业发展报告》显示，2010年我国软件与信息服务外包产业保持了较好的发展态势，产业规模达2033.8亿元，增长29.7%。 近年来，与国际服务外包快速发展并炙手可热的态势相比，我国知识产权保护、诚信、质量体系、人才数量与质量、规模与国际化程度等并未以外包产值的同等速度进步和改善。 因而，在国际金融危机的打压面前更需勤练内功，否则将会出现印度外包服务商、IBM、HP、埃森哲等跨国大型外包服务商主导我国服务外包产业发展的局面。 二、我国承接服务外包面临的新挑战。 （一）人民币升值的挑战。 2007年底开始，我国服务外包供应商遭遇第一次挑战：人民币升值使成本按人民币计价、收入以美元计价的外包企业利润严重缩水。业界逐渐认识到：应对汇率挑战的根本出路在于改变偏重规模的粗放式格局，从产业链低端的简单开发环节跃升至技术含量更高的垂直行业解决方案———拥有核心竞争力比低价策略更能从容面对国际市场竞争。行业内领军企业开始将目光投向高端服务，博彦科技在2007年签下某制药业巨头订单，其它企业也在垂直行业进行诸多有益尝试。人民币汇率上升考验了服务外包行业的抗风险能力，及时调整的企业管理更加精细化，服务项目逐步走向高端。 （二）服务外包产业升级的要求。 近几年来，虽然我国的服务外包业得到了快速发展，但是从服务外包的产业结构来看，仍然处于发展初期。根据服务外包的价值链构成，服务外包产业包括业务流程外包BPO、信息技术外包ITO、知识流程外包KPO。其中，业务流程服务外包和知识流程服务外包属于服务外包价值链的高端，而目前我国在全球服务链中仍处在行业中低端，重点还是处于IT服务外包领域，业务项目较为简单。如目前北京市的IT外包服务更多处于软件开发、测试等行业的低端，几乎没有涉及到提供解决方案等高端业务和BPO业务。如何加快我国服务外包产业由简单的IT服务外包向业务流程外包和知识服务流程外包转化，向产业链的高端进军成为当前亟需解决的重要课题。 按照我国服务外包因为面临产业升级的挑战，亟需根据当前客户对服务外包需求和要求的提高，增强对高端服务外包人才的培养。目前，我国软件高端人才、复合型人才、国际化人才严重短缺，难以适应行业发展与信息化建设的需要。据统计，北京市软件与信息服务业在2010年将达到2500亿元的产值，需62.5万从业人员。按照目前从业人员的发展速度，2010年约为40万人，存在20万人缺口。 （三）国外服务外包业迅速扩张。 我国服务外包业发展在面临着自身产业机构升级要求的同时，还需正视国外服务外包业的迅速发展与扩张，正所谓不进则退。与我国服务外包仍处于产业发展初创期相比，在很多其他国家，服务外包已经成为其国民经济和社会发展的重要组成部分，尤其是印度。据统计，印度服务外包业已经成为其支柱产业，2007年2月，印度塔塔咨询服务有限公司（TCS）宣布与三家中国公司合资成立国内首家大型外包技术公司。作为印度的四大RR服务商之一，TCS中国公司在北京、上海和杭州这三个中国新兴外包产业聚集的城市都设立了中心，并将其战略定位在“要做中国最大的外包公司”。并且，TCS在最近几年已经相继拿下了中国服务外包的多个重大项目。从整个服务外包发展局势看来，包括TCS为代表的“印度象”在内的国外服务外包业正在以迅猛之势抢占国内外外包市场。 （四）国际金融危机的挑战。 当企业疲于应对汇率上升的发展策略调整时，次贷危机、金融危机肆虐而至。金融风暴带来的短期冲击与应对全球经济下滑的反应呈三个特征：更加专注于削减成本；提高对市场的认知度；改善公司运营的透明性。由于商业收入下降和利润骤减，公司当务之急是如何最佳优化现金流及削减人力资本以应对资金短缺。第一步是在规避运营风险前提下，率先考虑内部裁员。基于生存考虑，所有新的战略规划投资要求都将搁置，资源只能配置给当前最为核心的业务。除非具有高额投资回报可能的项目，公司不得不延缓拓展新的市场及扩充产品、服务范围。 目前中国服务外包供应商大致为两类：一类是发展10余年，始终专注于服务外包领域，并坚持精耕细作的供应商；一类是外包只做2-3年、规模较小的供应商，这部分企业涉足外包市场的目的是通过兼并收购做大后上市。全球经济骤冷使两类企业均蒙受客户订单减少的损失。但对后者影响更大，一是这类企业拥有的客户和订单质量并非前者那样优质，客户和人才流失严重；二是危机形势下外包客户会重新审视供应商的资质水平和生存发展能力。 危机后整个行业的格局变化明显。拥有稳定客户资源和专注于外包行业的企业甘于苦练内功，意欲经济转暖大展宏图，而后者则可能通过合并重组或退出完成过冬。危机风暴中的外包行业趋于理性和成熟，做大、做强这个一直让中国企业左右摇摆的难题有了明确答案———经济寒冬袭来，拥有核心竞争力的企业会像长城一样屹立不倒，而盲目做大的企业则像纸老虎般不堪一击。 （五）全球服务外包提交模式转变的挑战。 全球经济大环境的恶化，使作为原有世界工厂的中国不得不面临外销业务急剧缩小的事实，中国的产业必须有新的格局和突破。中国应向服务外包产业转移的问题是中国政府面对新经济调整的一个产业方向。国务院近期做出多方面产业规划，外界对中国外包服务领军企业的关注度与全国各地服务外包基地建设的投入度堪称前所未有。伴随客户由原来以“人”为收费单位到离岸外包ODC的项目收费方式的变化，客户要求中国外包企业在项目管理、成本核算、优质提交等多方面能迅速提高能力，以满足客户业务及成本需求的变化。目前，中国大多数服务外包提供商还处在发展的初级阶段，规模很小，能力有限，只能承接二次或三次的分散外包业务。加上的转型，促使国内外服务外包企业加大了相互并购的步伐，进一步压缩了中国中小服务外包企业的生存空间。 三、我国服务外包承接行业的对策选择。 （一）服务外包的产业定位要求招商方式变革。 我国制造业发展较为成熟，因此在招商引资不仅锻炼出一批批经验丰富的招商团队，各级政府为落地国内外企业提供的量体裁衣式解决方案和优惠政策，亦对吸引外资起到决定性作用。然而，诸多服务外包示范城市的相关部门将制造业招商引资卓有成效的经验用于服务外包产业则成效甚微。其根本原因是对服务外包产业的性质认识不清、定位不正。 制造业的核心是产业全球供应链整合与顺畅的物流系统，是一个在信息、资本支撑下的物质不断加工和交付的过程，、通信、公路、铁路、港口、机场等均为制造业搭建支撑物流的平台，形成全球一体化的产品供应链。 服务外包产业则是新一轮基于通信和互联网技术的全球办公室，是白领岗位的全球重新配置。目前的服务外包已非限定IT服务外包范畴，只要是基于通信和互联网平台，将本应在自己办公室完成的作业（非核心业务流程）外包给可靠的服务供应商完成，均被定义为“服务外包”。 与制造业不同的是，服务外包已没有物质加工和物流过程，其本质是一个数据信息通过电脑和人脑加工后经互联网传输而形成的全球数据供应链。所以，服务外包的核心资源是，处理的是数据，而非制造业顺沿物流展开。这种性质的不同决定产业的招商引资方式应进行颠覆性变革。 （二）服务外包的产业特性要求招商政策变革。 鉴于服务外包与制造业的本质区别，产业涵养方式亦完全不同。服务外包是将信息处理流程化，强调核心团队的精神，强调人的智力、态度与经验。无论实力多强的企业，也无能力短期内让一个大规模服务交付企业在异国他乡拔地而起，因为任何人都无法快速组建一支有经验、能快速打通业务流程并使流程迅速成熟的团队。一般情况下，企业的异地发展一定会先有小团队落地，适量招聘当地人才，逐渐磨合后使流程逐渐成熟———逐步加速的本地化过程。流程成熟后，企业规模会以适度百分比稳定发展。正如业内所见，服务外包供应商初始不会投资甚大，即使其办公物业占地大，团队也只能逐步发展。与此同时，服务供应商的上游买家，十分关注服务供应商对交付地的选择、团队建设、流程的成熟度和成熟过程，否则不会将自己的业务流程放在新址交付。这与制造业在落地前即确定规模大相径庭，故不能照搬制造业经验。 发展服务外包产业的重点是企业涵养。企业涵养的建设不仅在落地前，更重要是外包项目落地后的支持、帮助、培植和涵养。若把制造业招商喻为“大树移栽”，则服务外包招商应属“小树栽植”。无论何等速生树种，均需一个较长的养护期与松土、施肥、浇灌和成长的过程。 服务外包是相对垄断型行业，买家一方面将业务流程外包，一方面担忧服务质量不稳损害项目业务流程和切身利益，必将挑剔服务供应商的交付质量、业务流程成熟度、员工经验、以往交易记录、可靠的现金流等。发展服务外包的关键是企业不在数量多，而在稳定发展渐成规模。无论美国、欧洲、日本、印度，行业内位居前十的服务供应商均会垄断80%以上的常规市场。所以，各地发展服务外包产业，不应注重招来多少个企业，而需注重能有几个企业在本地快速成长。这就要求政府现行的招商指标管理、基于制造业经验制定的优惠政策亟待变革。 （三）服务外包的发展规律要求园区功能完善。 目前，我国服务外包产业尚属刚刚破土的嫩芽，要成为支柱产业需经10-20年的成长。政府为促进服务外包产业发展，积极推进园区建设，培育规模企业，尽快形成产业氛围。就目前，来看为企业提供赖以生存和快速发展的环境远远重于园区建设规模的本身。 服务供应商的核心竞争力是“充分了解买家需求，为买家提供行业咨询、量身定制的解决方案、优质高效且十分成熟的服务流程和贴身服务，让买家能集中精力去提升自身的核心竞争力。”服务外包产业园区与服务提供商一样，具有下一级服务提供商的属性，园区的买家即为区内落户的服务承接企业。园区的核心竞争力是为落地企业提供平台解决方案，包括：真实的双回路电力供给和备用系统、多路由高速宽带环境、适宜产业需求的办公物业和相应的配套服务以及人力资源、税务、工商、融资、各类中介服务机构的服务。与制造基地不同的是，服务外包产业园区既是办公群落，又是大量智力劳动人群的生活社区；既是一个优质硬件环境，也是含有大量软件和服务的人文社区，兼具产业园区和生活社区两个职能。因此，服务外包园区在必备的公寓、、餐饮、、健身、娱乐、购物等设施的基础上必须提供二十四小时的不间断运行。 （四）服务外包的产业分布要求城市功能突出。 城市的市场定位和差异化发展与服务外包前景密切相关。日本IT服务业60-70%的份额集中于东京与横滨一线、20%在大阪、其他城市甚少；韩国90%的外包产业份额在首尔。服务外包业产业区位的选择与市场需求、人力资源聚集、供给能力及适宜人与产业的发展环境相关。 我国服务外包市场（在岸与离岸）主要集中于北京、上海和深圳，这与中高级人力资源主要分布在北京和上海有直接关系。这就决定了京、津、大连和上海及周边城市（杭州、南京、苏州、无锡）与深圳、广州，分别形成三个产业聚集地。成都、西安、济南、武汉基于资源充分，中低层人才供给充足，较适宜发展中低层级的大规模服务外包操作企业，利于成本控制———不同城市因其资源配给的差异，产业目标和企业选择则会不同。 服务外包产业汇集有其一定内在规律：国际咨询服务和研究中心的外包通常选择一线城市，如微软亚洲研究院、IBM中国研究中心、IDC咨询、埃森哲咨询等均选择北京落户；开发、测试业务的外包会因成本和对人力资源的要求，分别在许多城市同时展开。因此，在拓展我国服务外包业时，必须把握本地区的城市功能定位，塑造利于服务外包业发展的成本优势，提供当地政府的配套政策和园区服务水平等。 （五）服务外包的持续扩张要求人力资源充沛。 服务外包产业的核心资源是人，产业的发展是企业与人共同发展的过程，即时刻满足“企业需求的人和人的需求！”。本质上，服务外包企业的全部资本是人的经验，服务外包提供商销售的是人的智力劳动，服务外包企业则是智力劳动密集型企业。因为充沛的人力资源是支撑服务外包业持续扩张的必备条件。 一方面需要加强人才培训。基础培训仅能解决企业所需的基础人才供给，高级人才则需多年历练才能养成，其间仍需不间断地接受训练。另一方面建议积极建设服务外包基地城市。在吸引国际发包企业落地的同时，实际是在吸引一群高学历、高智商、高水平的人才落地。对此要做好服务外包专业人才落地后的解决方案，不仅要为企业发展提供优越的发展环境，还必须搭建好适合这一群体的人居环境氛围、以训练为内涵的职业能力拓展平台、以事业满足感为内涵的职业生涯成就空间。▲

  • 适度扩大M2能提高我国GDP——对我国M2供应量是否过剩的实证分析_经济学毕业论文

    适度扩大M2能提高我国GDP——对我国M2供应量是否过剩的实证分析_经济学毕业论文 ——对我国M2供应量是否过剩的实证分析 问题的提出 近年来中国的货币政策传导机制一直是受到关注的一个话题。大多数的研究都把重点放在了货币政策的传导途径，并且大多数的文章都认为我国的货币政策传导机制是低效率的，在此前提下展开各自的论述。可惜的是在大多数文章中都没有证明其最基本的理论前提：我国的货币政策传导机制是低下的。即使有证据，也知识单独的数据证据，而没有严密的理论证据，不具有最强的说服力。使人不得不对其理论基础产生怀疑，进而对其理论的正确性产生怀疑。 因此，我们小组拟建立计量模型来测度我国货币政策传导机制的效率，以检验上述文章的理论是否具有正确的现实基础。 同时为了避免受到这些文章的所提供数据的局限，从而影响我们的分析结果，我们不准备使用该文章的入手角度来测度货币政策的效率；而是采用与之观点相对独立的视角来入手，这样就可以得到比较有力的检验结果，更加具有说服力。 2．研究的方法： 本文拟通过建立以能够对GDP的变化产生显著影响的变量，如净出口的变化率等，再加上M2的变化率作为解释变量，以GDP的变化率来作为被解释变量的计量经济模型，通过观测模型中M2的参数来确定M2的变化率对GDP的变化率的影响是否显著，以及M2的变化率与GDP的变化率的是不是具有相同的变化方向，有多大的影响力。 当得到了在计量经济学意义上具有比较好的性质的参数之后，就可以根据该参数对我国的货币政策传导效率进行评估，以验证《中国货币政策“信贷渠道”传导机制极其局限性》一文的理论基础是否具有实证基础。 我们认为，该模型所得到的关于M2变化率对GDP变化率的参数，表示M2的追加投入量中有多少对我国GDP增长产生了影响，因此这个参数正好反映了我国货币政策的传导效率。 模型的设置： 3，1变量的设置： 本文模型的解释变量为：净出口环比变化率（XE）、资本形成总额环比变化率（XI）、总消费环比变化率（XC），M2的环比变化率；被解释变量为GDP的环比变化率（Y）。其中总消费是将居民总消费与政府总消费合并之后的结果再求其环比变化率，这样做的原因是可以减少一个解释变量以保证模型数据自由度，而我们认为这样做的合理性的理由是：在四部门支出法计算的国民生产总值中政府之处与居民消费都是计算为GDP的组成部分，虽然是分开的两个部门，但是在实际经济意义上都是对社会劳务和最终产品的购买，是以相同的方式为GDP增长做贡献，虽然二者是处于不同的目的和经济背景，但只要记入GDP的方式相同就有足够的理由把二者以这种约束条件合并。 本文的所有解释变量和被解释变量都是采用环比变化率的形式，因为如果是采用绝对数就无法将M2作为解释变量之一加入模型，因为GDP是由其他的三个变量构成的，与M2无直接关联。而如果使用相对数那么就可以将M2的变化率对GDP的变化率的影响解释为货币政策对GDP的影响。 本文的模型是以四部门核算的支出法国民总值的各个因素的变化率来加上M2的变化率来解释GDP的变化率。这样做的理由是：除M2外的解释变量都是对GDP有直接影响的，但是在变化率这个层次上的数据是不具有衡等性的，这就为加入M2的变化率提供了空间，我们可以通过因果关系检验来验证M2变化率这个变量的加入是否具有合理性。 3，2模型的设置： 本文模型的基本形态是： Y= a0 + a1* XE + a2 * XI + a3 * XC + a4 * XM + a5 * XM(-1)+ ut 其中XM（-1）为M2变化率的滞后一阶值。模型中XE，XI，XC，XM均为内生变量。 4．数据 4，1 数据来源： 本文全部基本数据（原始的绝对数数据）是1978年到2004年的时间序列数据，现列表如下： 年 份GDP最终消费资本形成总额净出口M2 单位：亿RMB 19783605.62239.11377.9-11.41159 197940742619.41474.2-19.61458.1 19804551.32976.11590-14.81824.9 19814901.43309.1158111.32234.5 19825489.23637.91760.291.12589.8 19836076.34020.5200550.83075 19847164.44694.52468.61.34146.3 19858792.157733386-366.95198.9 198610132.865423846-255.26720.9 198711784.77451.2432211.58330.9 1988147049360.15495-151.110099.8 19891646610556.56095-185.511949.6 199018319.511365.26444510.315293.4 199121280.413145.97517617.519349.9 199225863.715952.19636275.625402.2 199334500.720182.114998-679.434879.8 199446690.72679619260.6634.146923.5 199558510.53363523877998.560750.5 199668330.440003.926867.21459.376094.9 199774894.243579.428457.62857.290995.3 199879003.346405.929545.93051.5104498.5 199982673.149722.730701.62248.8119897.9 200089356.754616.6632499.812240.2134610.3 200198618.158952.637460.82204.7158301.9 2002104790.662364.642355.42512.3185007 2003117251.967442.551382.72686.2221222.8 200413651577543.956324.122646.985253000 利用公式：， 得到的环比相对数据如下表所示： 年 份GDP最终消费资本形成总额净出口M2 1978----- 19790.1299090.1698450.069889-0.71930.258067 19800.1171580.1361760.0785510.2448980.25156 19810.0769230.111891-0.005661.7635140.224451 19820.1199250.0993620.1133467.0619470.159006 19830.1069550.1051710.139075-0.442370.18735 19840.1790730.1676410.231222-0.974410.34839 19850.2271930.2297370.371628-283.2310.253865 19860.1524890.1332060.1358540.3044430.292754 19870.1630250.1389790.1237651.0450630.239551 19880.247720.2561870.271402-14.13910.21233 19890.1198310.1278190.10919-0.227660.183152 19900.1125650.0766070.057263.7509430.279825 19910.1616260.156680.1665110.2100730.265245 19920.2153770.2134660.281894-0.553680.312782 19930.3339430.2651690.556455-3.465170.373102 19940.3533260.3277110.2842111.9333240.345292 19950.2531510.2552250.2396810.5746730.294671 19960.1678310.1893530.1252330.4614920.252581 19970.096060.0893790.0591950.9579250.195813 19980.0548650.0648590.0382430.0680040.148394 19990.0464510.0714740.039115-0.263050.147365 20000.0808440.0984250.058571-0.003820.122708 20010.1036450.0793890.152647-0.015850.176001 20020.062590.0578770.1306590.139520.168697 20030.1189160.0814230.2131320.0692190.195754 20040.1642880.1497780.096169-0.01460.143643 对应缩写YXCXIXEXM 在原始绝对数数据中，除04年数据外，其余数据均来自国家统计局网站。 04年数据由于统计时期的问题尚为公布，只能从其他渠道搜集： 因为本模型的数据全部是时间序列数据，所以必须进行数据平稳性检验。 对Y进行单位根检验，首先使用DF检验，选择0阶条件，有趋势和截距影响，无滞后（当滞后阶数大于0时，为ADF检验，在DF检验否定Y的平稳性之前暂时不考虑，只有当DF检验认为Y平稳性差时再进行ADF检验），得到： ADF Test Statistic-2.256062 1% Critical Value*-4.3738 5% Critical Value-3.6027 10% Critical Value-3.2367 由于ADF值-2.256062大于所有的临界值，因此Y在此条件下不平稳。再选择无趋势、仅有截距影响，以放款检验条件，得到结果： ADF Test Statistic-2.280464 1% Critical Value*-3.7204 5% Critical Value-2.9850 10% Critical Value-2.6318 Y依然不平稳。再次放宽条件，选择无任何限制，的结果： ADF Test Statistic-0.998853 1% Critical Value*-2.6603 5% Critical Value-1.9552 10% Critical Value-1.6228 根据以上判断结果，可以认定Y在0阶是不平稳的。 因此对Y进行1阶条件检测，首先选择有趋势和截距影响，得到结果： ADF Test Statistic-4.104274 1% Critical Value*-4.3942 5% Critical Value-3.6118 10% Critical Value-3.2418 因为ADF值-4.104274大于1%显著性水平下的临界值，但是小于5%显著性水平下的临界值，因此，可以认为在5%显著性水平下，Y是1阶条件平稳的。 重复以上步骤，发现所有解释变量也都符合1阶条件单整，于是使对原模型进行最小二乘估计，得到残差项Et，对Et进行1阶条件单位根检验，得到结果： ADF Test Statistic-5.936756 1% Critical Value*-4.4167 5% Critical Value-3.6219 10% Critical Value-3.2474 证明残差项Et也是也符合1阶条件单整。 因果关系检验 为了更加明确各个解释变量对被解释变量的解释力，和其中的因果关系，我们进行因果关系检验。 使用Granger 检验对各个解释变量和被解释变量逐个进行因果关系检验。阶数范围为：1-2阶。（阶数没有从0开始是因为在EVIEWS软件中0阶Granger 检验与2阶Granger 检验结果相同。） 本模型的主要目的是检验M2对GDP的影响，所以应当优先对模型中的XM和XM（-1）进行因果检验。而对于其他的变量，由于Granger 检验只是表明解释变量和被解释变量之间有可能得到较好的回归结果，而不是用来衡量变量经济意义的绝对标准，所以在这里就不再缧述其他变量的因果检验过程只给出结论。 分别得到如下结果： A，对于XM有： Pairwise Granger Causality Tests Date: 06/15/05 Time: 00:51 Sample: 1979 2004 Lags: 1 Null Hypothesis:ObsF-StatisticProbability Y does not Granger Cause XM25 0.64706 0.42977 XM does not Granger Cause Y 6.01380 0.02259 Pairwise Granger Causality Tests Date: 06/15/05 Time: 00:51 Sample: 1979 2004 Lags: 2 Null Hypothesis:ObsF-StatisticProbability Y does not Granger Cause XM24 0.43590 0.65299 XM does not Granger Cause Y 4.25287 0.02976 以上结果表明，无论在1阶还是2阶条件下，XM与Y之间都是XM为因，Y为果的单向因果关系。 B，对XM（-1）有： Pairwise Granger Causality Tests Date: 06/15/05 Time: 00:51 Sample: 1979 2004 Lags: 1 Null Hypothesis:ObsF-StatisticProbability Y does not Granger Cause XM(-1)25 0.64706 0.42977 XM(-1) does not Granger Cause Y 6.01380 0.02259 Pairwise Granger Causality Tests Date: 06/15/05 Time: 00:51 Sample: 1979 2004 Lags: 2 Null Hypothesis:ObsF-StatisticProbability Y does not Granger Cause XM(-1)24 0.43590 0.65299 XM(-1) does not Granger Cause Y 4.25287 0.02976 同样的，无论在1阶还是2阶条件下，XM（-1）与Y之间都是XM（-1）为因，Y为果的单向因果关系。 其他的检验结果为： XC与Y在1阶条件下是互为因果关系，在2阶条件下是Y为因XC为果的单向因果关系。 XI与Y在1、2阶条件下都无因果关系；XE与Y在1、2阶条件下也都无因果关系。 从以上的结果我们可以初步的认为：将M2的变化率与GDP的变化率放在这样一个模型中是具有经济意义的，其参数能够反映M2变化率对GDP变化率的影响，我们模型的设定是合理的，具有继续深入讨论的意义。 5．误差校正模型的建立 5，1，1 短期模型的建立 由于所有的变量以及原模型的残差项都是一阶单整，因此各个解释变量与被解释变量之间必定存在协整关系。因此我们可以尝试通过误差校正模型来得到原模型的短期调节模型。 具体的步骤如下： 先对各个变量进行1阶差分。 并得到原长期关系模型回归后的残差项E。 按照方程： 上式中：ΔY等项为差分后所得的对应变量。 用上式，在p=0，1，2，3之间用OLS法进行试验，选R^2最大的一组作为最佳形式，发现当p=2时结果最理想，其结果如下： Dependent Variable: Y1 Method: Least Squares Date: 06/15/05 Time: 02:08 Sample(adjusted): 1983 2004 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0012760.0023690.5388270.6131 Y1(-1)-0.2217530.498943-0.4444460.6753 Y1(-2)-0.6674070.278605-2.3955300.0620 Y1(-3)0.0515410.0598720.8608490.4287 XC10.7987420.0820889.7302870.0002 XC1(-1)0.1852170.3398300.5450280.6092 XC1(-2)0.4706620.2077352.2656790.0728 XE10.0001325.62E-052.3477670.0657 XE1(-1)0.0001138.06E-051.4068290.2185 XE1(-2)5.04E-055.40E-050.9336550.3933 XI10.1230030.0355943.4557030.0181 XI1(-1)0.0316890.1382640.2291910.8278 XI1(-2)0.1451930.0866331.6759630.1546 XM10.1862840.0894302.0830110.0917 XM1(-1)0.0489990.1019540.4806020.6511 XM1(-2)0.1351670.0808601.6716240.1555 E(-1)-0.6921520.812286-0.8521050.4331 R-squared0.993960 Mean dependent var0.002017 Adjusted R-squared0.974631 S.D. dependent var0.065265 S.E. of regression0.010395 Akaike info criterion-6.231086 Sum squared resid0.000540 Schwarz criterion-5.388007 Log likelihood85.54194 F-statistic51.42376 Durbin-Watson stat0.883357 Prob(F-statistic)0.000186 根据每一个变量t值的显著性，去掉不显著的变量，得到如下的变量是显著性较高的变量：Y1（-2）、XC1 、XC1（-2）、 XE1 、 XI1 、XM1。用这些变量再次进行OLS估计，得到如下结果： Dependent Variable: Y1 Method: Least Squares Date: 06/15/05 Time: 02:17 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0029710.0044990.6603040.5185 Y1(-2)-0.2122420.166474-1.2749310.2205 XC10.7784450.0889188.7546360.0000 XC1(-2)0.3374930.1657292.0364070.0586 XE10.0001167.33E-051.5754160.1347 XI10.1947180.0490693.9682270.0011 XM10.0813830.0987660.8240030.4221 R-squared0.919401 Mean dependent var0.003798 Adjusted R-squared0.889176 S.D. dependent var0.064335 S.E. of regression0.021417 Akaike info criterion-4.603447 Sum squared resid0.007339 Schwarz criterion-4.257862 Log likelihood59.93964 F-statistic30.41875 Durbin-Watson stat2.372017 Prob(F-statistic)0.000000 其中的显著性较高的变量为：XC1，XC1（-2），XI1。 值得注意的是在这里M2变化率的差分这个变量被剔除了，这是因为一般的经济环境中，货币政策的传导总是伴随着不可避免的滞后性；同时，货币发行量对GDP的影响需要通过对投资以及消费的影响来实现，因此短期内货币政策是无法体现其对GDP的影响的。这个结果虽然剔除了我们要研究的对象，但是由于其计量经济学理由和现实意义都比较充分，所以我们认为这个结果是可以接受的。我们更加看中的是长期模型中的M2变化率对GDP变化率的影响。 接着上面的结果，我们再用XC1，XC1（-2），XI1对Y1进行OLS估计得到如下结果： Dependent Variable: Y1 Method: Least Squares Date: 06/15/05 Time: 02:24 Sample(adjusted): 1982 2004 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0026050.0048480.5373200.5973 XC10.7469990.0922608.0966570.0000 XC1(-2)0.1670140.0839261.9900240.0612 XI10.1753400.0454473.8581510.0011 R-squared0.887923 Mean dependent var0.003798 Adjusted R-squared0.870227 S.D. dependent var0.064335 S.E. of regression0.023176 Akaike info criterion-4.534626 Sum squared resid0.010205 Schwarz criterion-4.337149 Log likelihood56.14820 F-statistic50.17567 Durbin-Watson stat2.338469 Prob(F-statistic)0.000000 虽然在这个式子里XC1(-2)的t值小于2，但是由于其P值仅有0.0612，即是说如果假设XC1(-2)的参数是显著的等于零的，那么拒绝该该假设犯错误的概率仅有6%，因此我们认为在这里可以接受XC1(-2)的参数显著的不同于0。 5，1，2 短期模型的其他计量经济学检验 多重共线性 由上表可以看出，各个变量间的相关系数非常小，存在多重共线性的可能性很小；同时短期模型的R^2和F检验值都非常显著，且每一个变量的T值也显著，存在多重共线性的理由不充分。由以上两个依据，我们有理由认为短期模型没有多重共线性。 异方差性 对短期模型进行ARCH和WHITE 检验后得到如下的结果： 1阶ARCH检验： F-statistic0.043991 Probability0.835992 Obs*R-squared0.048284 Probability0.826076 VariableCoefficientStd. Errort-StatisticProb. C0.0036010.0011273.1952910.0045 RESID^2(-1)0.0459490.2190750.2097410.8360 2阶ARCH检验： F-statistic0.547570 Probability0.587688 Obs*R-squared1.204387 Probability0.547609 VariableCoefficientStd. Errort-StatisticProb. C0.0029560.0014502.0382470.0565 RESID^2(-1)0.0093780.2283830.0410620.9677 RESID^2(-2)0.2336720.2239131.0435840.3105 3阶ARCH检验： F-statistic0.261804 Probability0.851857 Obs*R-squared0.935826 Probability0.816775 VariableCoefficientStd. Errort-StatisticProb. C0.0035040.0016812.0839290.0536 RESID^2(-1)0.0134320.2523780.0532220.9582 RESID^2(-2)0.2029140.2403900.8441030.4111 RESID^2(-3)-0.0907540.265838-0.3413880.7373 由ARCH检验的结果，在各个阶次下的F检验P值都很大，因此不能拒绝原假设，同时所有滞后项的t检验值都不显著，因此我们可以认为该短期调整模型不存在由于随机扰动项的逐期积累而产生的异方差性。 WHITE检验： White Heteroskedasticity Test: F-statistic0.816420 Probability0.572862 Obs*R-squared5.391098 Probability0.494715 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/15/05 Time: 02:54 Sample: 1982 2004 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C0.0005480.0001922.8579720.0114 XC1-0.0029520.002547-1.1588240.2635 XC1^20.0073470.0327440.2243690.8253 XC1(-2)0.0021380.0025180.8491440.4083 XC1(-2)^2-0.0152330.027071-0.5627170.5814 XI10.0009280.0011320.8191680.4247 XI1^2-0.0039250.007032-0.5582530.5844 显然WHITE检验各个变量的t值都不显著，且拒绝原假设犯错误的概率都很大，所以模型中也没有由于变量设置而产生的异方差。 因此短期调节模型不存在异方差。 自相关性 由于在短期模型中出现了滞后变量，所以拟用DW-h检验来检验模型的自相关性。 ，其中d=2.338469；n=23; 可以计算出h=-0.886611.96，所以是不存在自相关的。 5，1，3 短期调整模型的总结 由以上的结果我们得到了影响GDP的因素之短期调整模型： Y1=0.002604756064+0.7469990415*XC1 + 0.1670142444*XC1(-2) + 0.1753399712*XI1 经过误差校正机制产生的短期调整模型的各个解释变量的参数都是合乎经济学意义的。这个短期模型虽然去除了我们需要的M2作为解释变量，但是却向我们反映了在短期内对GDP影响最大的几个因素。 同时，短期模型由于剔除了我们需要研究的M2变量，虽然没有直接的说明M2与GDP的关系，但是短期模型却含有重要的经济信息，完成短期调整模型是为了使理论更加完善，同时也是对货币政策滞后性的一种佐证。 5，2，1 长期模型 这里我们再给出长期模型的估计结果： Dependent Variable: Y Method: Least Squares Date: 06/15/05 Time: 03:13 Sample(adjusted): 1980 2004 Included observations: 25 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-0.0167010.014668-1.1386110.2690 XE0.0001517.34E-052.0576990.0536 XC0.7265740.1048906.9270100.0000 XI0.2095150.0505174.1473940.0005 XM0.0549610.0790470.6952970.4953 XM(-1)0.0765590.0978080.7827540.4434 R-squared0.966828 Mean dependent var0.153431 Adjusted R-squared0.958098 S.D. dependent var0.080801 S.E. of regression0.016540 Akaike info criterion-5.160515 Sum squared resid0.005198 Schwarz criterion-4.867985 Log likelihood70.50644 F-statistic110.7530 Durbin-Watson stat1.897453 Prob(F-statistic)0.000000 5，2，2 长期模型的计量经济学检验 多重共线性 从上面的系数相关性矩阵我们看出，各个系数的相关性不明显；长期模型的R^2和F检验都十分显著，但是XM和XM（-1）的t值不显著，可能存在多重共线性。虽然是可以进行修正的但是由于其t值比较接近临界值2，且其他变量的t值却都是显著的，再考虑到多重共线性是无法完全消除的，所以我们认为这个水平上的多重共线性尚可容忍，而且在后面的修正中将会使多重共线性改善，故暂时不针对长期模型的多重共线性进行修正。 B，异方差性 1阶ARCH检验： F-statistic2.469090 Probability0.130377 Obs*R-squared2.421755 Probability0.119661 VariableCoefficientStd. Errort-StatisticProb. C0.0002746.79E-054.0343190.0006 RESID^2(-1)-0.3693630.235064-1.5713340.1304 2阶ARCH检验： F-statistic1.233180 Probability0.312588 Obs*R-squared2.524944 Probability0.282954 VariableCoefficientStd. Errort-StatisticProb. C0.0002499.45E-052.6329390.0159 RESID^2(-1)-0.3502720.256719-1.3644200.1876 RESID^2(-2)0.0824960.2579350.3198330.7524 3阶ARCH检验： F-statistic0.756994 Probability0.532693 Obs*R-squared2.464687 Probability0.481707 VariableCoefficientStd. Errort-StatisticProb. C0.0002590.0001162.2324800.0385 RESID^2(-1)-0.3512110.275958-1.2726970.2193 RESID^2(-2)0.0663130.2828570.2344380.8173 RESID^2(-3)-0.0463440.273759-0.1692900.8675 由ARCH检验的结果，在各个阶次下的F检验P值都很大，因此不能拒绝原假设，同时所有滞后项的t检验值都不显著，因此我们可以认为该长期模型不存在由于随机扰动项的逐期积累而产生的异方差性。 WHITE检验： White Heteroskedasticity Test: F-statistic1.464422 Probability0.249629 Obs*R-squared12.78113 Probability0.236168 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/15/05 Time: 03:24 Sample: 1980 2004 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-0.0014190.001072-1.3244140.2066 XE6.57E-052.63E-052.4951160.0257 XE^22.35E-079.32E-082.5264790.0242 XC-0.0003420.004568-0.0747890.9414 XC^20.0220060.0131371.6751130.1161 XI-0.0033090.001666-1.9862800.0669 XI^20.0040170.0030031.3374160.2024 XM0.0130410.0086591.5061380.1543 XM^2-0.0254050.018392-1.3813040.1888 XM(-1)0.0058250.0078140.7454850.4683 XM(-1)^2-0.0243310.017600-1.3824340.1885 在以上检验结果中，除XE和XE^2两项的t值显著外，其他各个项目的T值都不显著。由这个检验可以看出长期模型在WHITE检验中体现出异方差性，虽然我们的样本是小样本，WHITE检验可能失真，但是由于长期模型对于得出论文的结论有相当重要的意义，所以尝试对长期模型进行WLS修正，并依然使用WHITE检验。 经过反复实验，以作为权数来进行WLS估计得到的参数最好，其结果如下： Dependent Variable: Y Method: Least Squares Date: 06/15/05 Time: 12:28 Sample(adjusted): 1980 2004 Included observations: 25 after adjusting endpoints Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C-0.0269900.013670-1.9743620.0631 XE0.0002970.0002531.1707670.2562 XC0.5322050.1336143.9831360.0008 XI0.3936070.0524617.5029230.0000 XM0.1721670.0763912.2537480.0362 XM(-1)0.0301650.1023400.2947490.7714 Weighted Statistics R-squared0.996882 Mean dependent var0.268013 Adjusted R-squared0.996062 S.D. dependent var1.580438 S.E. of regression0.099180 Akaike info criterion-1.578197 Sum squared resid0.186897 Schwarz criterion-1.285667 Log likelihood25.72746 F-statistic37.75812 Durbin-Watson stat1.935213 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.908231 Mean dependent var0.153431 Adjusted R-squared0.884082 S.D. dependent var0.080801 S.E. of regression0.027510 Sum squared resid0.014379 Durbin-Watson stat1.751471 以上的修正结果显示：全部的WHITE 原因和ARCH原因造成的异方差性均消除，且由于修正还使模型的多重共线性得到改善。 C，自相关性 由于在长期模型中出现了滞后变量，所以拟用DW-h检验来检验模型的自相关性。 ，其中d=1.935213；n=25; 可以计算出h=0.1885175171.96，所以是不存在自相关的。 所以长期趋势模型为： Y = - 0.02699045726 + 0.0002966142544*XE + 0.5322045012*XC +0 .3936073968*XI + 0.172166588*XM + 0.03016460153*XM(-1) 从长期趋势模型中得到的结论 6，1 对模型的认识 从这个结果我们看到其余的经济变量对GDP 变化率的影响的参数都比较符合经济学意义和常识，比如消费在我国确实只占大约50%的GDP分额，而模型中反映的我国投资对GDP的贡献也基本真实的。 值得注意的是：净出口项目的参数虽然是有较好的显著性，但是其对GDP的影响却相当的小；但是在我国净出口却一直被认为是经济腾飞的发动机之一，模型的结果似乎是偏离了实际情况的。但是我认为个结果是反映了各个参数在绝对数上对GDP 的贡献，而并没有考察进出口贸易的外溢效应，比如：对沿海地区技术进步的拉动，对社会资源分配效率提高的积极影响，对农村人力资源利用的积极影响，等等无法衡量也不计入GDP的因素。 因此我们认为以上3个变量的回归结果是相当好的，不仅符合计量经济学意义也具有实证的经济学价值。 在长期趋势模型中：XM的参数显著性很高，经过因果分析得出结论是XM确实是Y变化的统计理由，且它对GDP变化率的影响很明显；而XM（-1）的参数不是很显著，这可能是由于模型所带有的多重共线性造成的，XM（-1）对Y的影响比较微弱，且小于XM对Y的影响，我们认为之所以会产生这样的结果这样，是由于货币政策的滞后性往往导致货币政策的效果在6个月以后开始生效，而大约再过一年其效用就非常小了，长期趋势模型的结论正好符合这一经验结论。 同时模型中各个变量都是使用了环比发展数据，因此，也可以认为长期模型是反映了GDP对各个经济变量的敏感度。 6，2 模型的经济学意义 在模型中我们发现M2投入量变化率的0阶和1阶滞后都具有正的参数，且M2变化率滞后0阶的参数比较大，这说明在我们国家每投入新的M2会引起GDP的正向变化，也就是说投入新的广义货币M2对国民经济具有积极的作用。这个传导过程根据凯恩斯的理论来解释应当是：当货币供应量上升，那么会使社会产品价格上升，于是使国民收入增加，由此产生对消费的刺激，使GDP增加；同时由于货币供应量的增加，使利率下降，投资受到刺激，从而使GDP增加。 因此模型所得到结果是符合经济学意义的。 在模型参数是具有经济学和计量经济学意义的前提下，M2变化率的参数是0.172166588，也就是说在我国的M2追加投入量中，有17%左右的部分对GDP增加产生了影响。 6，3 对问题的回答 有了以上的分析，再来看我国的货币政策传导效率就比较清晰了。 首先，根据我们前面在模型经济意义中的分析，只要是增加M2供应量就一定会增加GDP，这个结论是建立在费雪定理的基础上的，既：货币供应量增长率=实际GDP增长率+通货膨胀率，由这个公式可以轻易得到只GDP增长就一定伴有货币供应量的增长这个结论；同时，由以上对凯恩斯理论的分析，由于GDP是衡量名义经济增长率的水平，而M2的增加量可以带动名义经济增长的提高，因此M2供应量的提高可以带动GDP增长水平的提高。 也就是说，凡是转化为流通中货币的每一单位的货币供应量都应该对GDP产生影响。如果在所有追加投入的M2中，只有17%的部分对GDP产生影响，那么就有83%的部分没有对GDP产生影响，既是说，我国近5年来平均有83%的M2没有有效的转化为流通中的货币，这就说明我国的货币政策传导确实是存在效率低下的问题。 也就是说我国大多数研究货币政策的文章的立题基础是有其经济背景的。 6，4 对M2供给不足的相关分析 通过研究前人在货币政策传导机制这个问题上的成果，我们认为以下几点是比较有说服力的： 1， 外汇占款严重，由于不断增加的国际资本涌入中国，外管局不断的通过收购外汇来稳定人民币汇率。但是由于沿海地区与内陆地区发展不平衡，大多数的外国投资都集中于沿海地区，而且沿海地区的出口贸易也更加发达，因此沿海地区就成为了我国基础货币供给的主要集中地。形成了沿海地区货币供给过剩，而内陆地区货币供给不足的局面。 2， 人民银行信贷工具失效。1996-1998年中全国有68%的贷款是由四大银行提供的，而2003年四大银行的贷款总额也超过了全部金融机构的50%。由于缺乏竞争，人民银行的信贷政策往往不是由自己决定，而是取决于四大银行的决策。但是他们的利益不总是与国家的宏观调控政策相一致，这就导致了信贷工具的失效。影响了由信贷渠道提供的货币供给。 3， 银行惜贷现象比较严重。目前我国的银行贷款大多数流向了大中型企业，对于小企业则由于信息不对称或是逆向选择的原因，而导致这个有巨大信贷需求的群体得不到满足，而银行却又在面临存贷差额加大的局面。 6，5 相关政策建议 针对以上影响我国货币政策效率的因素，我们长石提出以下政策建议以改善我国目前货币政策效率不高的局面： 积极改革汇率制度，使外汇尽早摆脱货币供给最大决定因素的角色。 规范资本市场运作，积极快速的推进国有银行的改制，促进信贷政策的落实。 完善金融市场体制，解决中小企业贷款难问题，同时以此缩小银行存贷差额。 附 主要参考文献 《中国货币政策“信贷渠道”传导机制及其局限性》 《中国经济发展中财政政策与货币政策》李武好 《对我国通货紧缩的深层分析》曹国奇 《货币政策取向与金融监管定位》李忠义 《如何在开放型经济中运用货币政策》 《金融体制改革与货币政策》刘明康 《对影响我国货币政策传导效率的结构性因素分析》孔曙东　梅　气 《论新经济条件下的货币政策传导效率》江其务 《提高我国货币政策传导机制效率的分析》刘　艳 通过这次论文的写作所获得的经验： 由于这是我第一次用计量方法来作为论文研究的主要方法，因此在做的时候犯了很多错误，也由这些错误发现了一些经验： 1，一种错误的研究方法：先找数据后确定题目。因为一个经济模型它可能具有很多种经济意义，但无论哪一种意义，都是为解释经济理论服务的。因此如果先把模型设定好了再来找理论虽然论文总是可以作成的，但是却失去了将计量方法作为一种研究手段的意义。 2，一种正确的设定模型的理念：要用一个变量来解释另一个变量，那么在模型中也绝不能丢弃了那些与被解释变量密切相关的因素。

  • 浅谈适合我国的物业管理模式的发展_经济学毕业论文

    浅谈适合我国的物业管理模式的发展_经济学毕业论文 江苏省物业管理现状透视 在江苏省内,物业管理公司大小不一,仅苏州地区就有大小物业管理公司近200家.各公司的经营和管理模式均包含在第三章的各种模式中.它们在共同服务于房地产这一特殊行业的同时还为工业农业和各种服务行业提供便利的服务。 2002年全国评选示范小区中江苏省内只有常州市藻江花园(常州广安物业管理有限公司)一家获得此荣;评选的示范大厦江苏有四家:南京市华泰证券大厦 (江苏长江物业管理有限公司 ),南京市供电公司电力生产调度大厦(南京电力物业管理有限公司 ),无锡市银辉城市花园(无锡市银辉物业有限公司 )和徐州市供电公司科技生产综合楼(徐州苏源方兴集团物业管理有限).与示范小区相同的是示范工业区也只有一家:南京市轻油制气厂(南京公用物业管理有限责任公司).目前,我省的物业管理在小区服务上较北京上海等地区弱(标准小区:北京5个,上海4个)。 江苏物业管理服务从总体上来看苏州无锡南京徐州等较大城市的水平较高.特别是近几年来,苏州无锡的大小物业管理公司相继成立,专业物业管理公司也逐渐崭露头角如无锡的慧鸿物业管理公司,苏州的如昆山志远物业管理发展有限公司.公司规模虽小但是其发展速度不容小视.( 无锡慧鸿物业管理公司资产的年增长率为58.33%,昆山志远物业管理发展有限公司资产的年增长率为50%.).这些地区的写字楼物业管理水平较高.由于经济发展的原因,这些地区楼宇只能化设施交好,设备设施齐全.例如无锡东方广场的写字楼(由上海陆家嘴物业管理公司无锡分公司管理)的电信系统,监控系统,水电系统均采用国内先进的技术进行施工的.专业的物业管理在这样的水平下很容易发挥自己的专业特长,实行专业化管理服务。 不过,从目前来看,我省物业管理的规模化,专业化,社会化,规范化还有待于进一步发展.省内的物业管理公司基本上是大小不一,各管一片.就无锡市而言,各个房地产几乎都有属于自己的物业管理公司,无锡银灰楼房地产开发公司下属单位是无锡银灰楼物业管理公司,润地利房产开发公司有润地利自己的物业管理售后服务部.物业管理模式在无锡是呈多样化的:专业公司有上章提到的慧鸿物业管理公司,陆家嘴物业管理公司等为代表;福利型物业管理公司有中房和桑达苑物业管理公司等为代表;传统的房改式现在基本上不存在了.目前,房产下属公司式的物业管理在市场上还占很大一部分比例. 这样看来,物业管理在未来的发展道路上走规模化道路还很艰难。 3.2 国内物业管理的发展模式初探 江苏在我国属于经济发展大省.江苏的经济发展在一定时间内尚属于较先进的,因此,这地区的物业水平在一定程度上反映出国内物业发展的水平和物业模式的型式.目前,我国物业管理的模式在很大程度上和江苏的物业模式的类型大体上相一致。 由于我国现实的经济文化水平,物业市场还没完全实现,物业管理存在着:物业管理覆盖面小，发展不平衡，经济发达地区与经济不发达地区差距较大; 规模效益差，企业亏损严重，发展后劲不足; 物业市场发展缓慢，竞争机制尚未成熟等市场经济特点.因此,在选择物业管理模式时要结合本地区的经济文化条件,甚至民族特色,确定自己的市场定位,从而选择与自己相适应的物业管理模式。 在未来的几年里,专业化的物业管理公司将会不断增多.小区和写字楼工厂等可以选择专业化和自管式相结合的物业管理模式.通过招投标的方式,来实现小区等的物业管理服务.这种方式适合单个的或规模较小的物业区.它很容易通过合约的形式明确双方的责权利关系.业主自营式物业管理公司一般多为组织结构形,即专业化的业务通过合约授权给专业公司进行管理服务.公司只是负责组建管理机构进行小区或写字楼行政管理工作.目前在我国并不多见.相信在不久的未来,随着人们的物业权益意识的不断增强,业主自营管理自己社区的物业管理工作将会不断增多。 随着科学技术的不断进步,高层楼宇不断增多,楼宇的智能化水平也不断增长.设备的智能化需要专业人才操作和维护,专业化的物业管理公司可以从这方面着手加强自己公司人员的专业化素质,提供各种科学技术的专业服务.这样公司可以以最优的管理逐渐占领市场.因此,专业化的物业管理公司可以根据这一特点扩展自己的业务面,从而扩大自己公司的规模,实现规模化,专业化,科学化,市场化.目前,从全国范围内看,高层楼宇的物业管理服务水平较社区物业管理高,且品牌容易塑造.接管科技水平较高的楼宇在很大程度上意味着公司可以塑造良好的形象.如锦绣花园,东方广场等科技水平含量较高的楼宇在无锡地区小有名气,上海的金茂大厦在全国名声广播。 目前,国内大凡负责社区的物业服务的公司,多半处于亏空状态.物业收费难在全国范围内是首要解决的问题.许多物业公司纷纷采用不同方式进行收费管理,收效如何,单看亏损的公司败阵下来的撤离小区的现象就可知了.收费实行技术化管理不失为一种方法,但是治标不治本.我们应该从根本上来看待这一问题.许多市民过去长期处于传统房管模式的管理,收费现象几乎为零.长期的政策和心理的作用,使市民一时难以接受每月还要付一定的物业服务费用.为此,不断加强物业管理法制力度,明确收费标准和规定,使人们觉得有法可依.同时,不断实行物业管理自主化,即业主花钱买服务,这样既可以明确双方的责权利关系又可以使业主放心地明白自己出的物业费到底为何物。 总结 从整体上看我国物业管理发展速度和质量均呈良好的势头.各地物业管理可以针对具体的经济文化环境实行适合自己的物业管理模式,同时,结合新加坡的共管式物业,学习美国英国等国的专业化科学技术,不断规范我国的物业市场,从而促进我国的物业管理专业化模式的发展,繁荣我国的物业市场.物业管理会在不久的时间走上专业化.规范化.社会化.市场化的道路。我国的物业管理从80年代开始兴起于沿海地区,经过二十几年的发展形成了今天独具特色的百家割据百花齐放的局面。 物业管理在现在这样高速发展的社会已逐步展现其重要性。无论工厂还是社区,无论是自然环境还是社会生活环境都逐渐地依赖物业服务这一行业.相信在不久的将来物业管理将是各行业资源优化发展不可或缺的有力后勤服务甚至是企业经营的品牌必需服务。

  • 用误差校正模型研究季度M1需求_经济学毕业论文范文

    用误差校正模型研究季度M1需求_经济学毕业论文范文 用误差校正模型研究季度M1需求 西方的货币需求理论代表性的学说有凯恩斯的货币需求动机学说，货币主义学派的货币数量论，鲍莫尔的平方根定理，托宾的资产组合理论，更近的有米勒和奥尔的随机货币需求理论，他们的研究都是从微观角度出发，考察微观经济主体的持有货币的选择行为，然后进一步研究这个模型能否直接用于或经过修正用于宏观分析，从这个意义上，货币需求可以定义：“人们持有货币而不是金融资产或不动产等其它资产形式的意愿”这种角度可以更充分地反映客观实际的模型，并据从剖析货币需求变化的原因”，本文在模型的设立的正是从此点出发。 自从弗里德曼提倡实证研究以来，货币需求的实证研究成为西方经济学的一个重要课题，早期的如布伦纳（Karl Brunner）和梅尔泽（Anan Meltzer），莱德勒（David, Laidler）等[早期的研究可以参见《现代货币经济学》 盛松成，施兵超著 中国金融出版社 1992 P93-P109]，一项经典的实证研究是戈德菲尔德（Goldfeld, 1973）完成的[戈德菲尔德(Goldfield)的研究可以参见《宏观经济学》多恩布什，费希尔著 中国人民大学出版社 1997 P327]。他的研究证明了货币需求与收入的正相关，利率的负相关关系，并且认为货币需求是对真实余额的需求，七十年代中期以前，实际货币需求被认为是理解得最充分和最稳定的一个方程，从那以后，这种稳定性不复存在，用货币需求模型估计的货币需求量与实际量出现了严重不符，经济学家在分析产生这种情况的因素同时采用了更为先进的模型和计量工具，除了邹至庄（Chow 1960）提出的局部调整模型，还有适应性预期模型，莱德勒（Laidler 1982）的粘性价格模型，Arfis-Lewis模型[货币需求的新模型可以参见《西方货币金融学说的新发展》陈野华著，西南财经大学出版社, 2001]，八十年代末，恩格尔（Eager）和格兰杰（Grager）创立了协整理论以后，误差校正模型（Error Correction Equation）更多地应用于货币需求的研究。货币需求的模型向更精细化，标准化发展。 国内对货币需求的实证研究，早期如厉以宁（1991）认为影响季度M1需求的主要因素是工业生产总值和物价增长率，M1季度需求同利率显著不相关，易纲（1996）将货币进程和通货膨胀预期都列入了货币需求函数中，认为加入货币化变量，可大大增强模型的解释力，王曦（2001）运用米勒的随机货币需求理论，从经济主体的微观行为基础出发，得出结论认为制度的转型是我国货币需求和流通速度发生变化的良好解释。郑超愚（2001）运用层次递归的方法推出的函数模型，可以看出，在研究改革开放至今的货币需求的文献中，有一种观点逐渐得到共识，制度因素对我国的货币需求的影响，经济货币化进程，主要指八十年代至九十年代初的，九十年代中期以后，这种制度变化的影响已逐渐减弱。 本文采用1994年第一季度到2004年第二季度的数据，利用误差校正模型（Error Correction Modle）和协整理论（Cointegration ）建立我国的季度的需求模型，主要解决两个问题：一是否存在可以预测的长期的稳定的需求模型，二、需求的短期调整机制如何。 变量的选择： 西方经济学家认为，在货币需求函数中的独立变量有三部分规模变量，如收入和财富，机会成本变量，如货币以外的其他资产的收益率，预期通货膨胀率，其他变量，如制度变更等。 在我国学者的实证研究中，规模变量的选择有国内生产总值，社会零售商品总额，居民可支配收入、国民收入等，戴国强（1995）认为对和的需求函数，国民收入是更好的规模变量，但是，考虑到国民收入的统计指标在九十年代中期被取消。我们采用国内生产总值作为规模变量，并不影响实证结论。 对机会成本变量的选择的争论主要集中在利率和通货膨胀率上，厉以宁（1991）用80年代的数据得出利率与货币需求显著不相关的结论，并且从“居民对消费品持有远没有饱和”这个角度分析原因。易纲（1996）认为，中国的利率被固定在低于市场均衡利率的一个任意水平上，没有反映出这个机会成本，因此，他用预期通货膨胀率来衡量机会成本。秦朵（1997）、郑超愚（1996）实证分析认为20世纪90年代以来，利率水平的变动对居民储蓄并无大的影响，而谢富胜、戴春平（2000）认为的需求与利率之间存在明显的反向关系，通货膨胀预期的系数不显著。这些争论，甚至相悖的结论，与其研究选择的时期，模型的设定，数据的处理，预期的形成机制都有密切关系，并没有一个统一的结论，总的说来，随着我国金融市场的发展，利率自由化的进程，人们的资产选择范围越来越广，利率的重要性会逐渐凸显出来。对于选择具体何种利率，大多数学者认为在利率结构较为合理的情况下，采用何种利率差别不大，通过表一的数据，我们可以看到，利率的变动趋势几乎完全一致，其绝对差额也较小；因此，我们从中选择一年期定期存款利率为代表性利率。 在发展完善的资本市场上，利率反映了通货膨胀的预期，因此，无论是用利率还是通货膨胀率作为机会成本变量不会有重大区别，但是在我国，绝大部分利率是受到管制的，资本市场不发达，因此，通货膨胀率可能作为一个机会成本变量。 九十年代中期以后，货币化进程对货币需求的影响已经很小，易纲（1995）提出经济改革至少通过五个渠道导致了货币化，这个过程主要集中在八十年代，因此，由于我们研究的时间段，我们不考虑将制度因素纳入模型。 模型的设定 在实证研究中，常用的基础函数式 （1） ——名义货币需求 P——物价水平 y——规模变量 r——机会成本变量 （1）式隐含着一个假设，即对货币需求是对真实余额的需求，物价水平并不影响实际货币持有水平，这在物价比较稳定的情况下是成立的，但是在我国，物价变动并非全部由货币因素引起的，通货膨胀和通货紧缩现实存在，使物价可能影响货币需求，同时，考虑到从微观主体出发的研究角度，引入人口变量N，我们得到（1）式的修正形式 （2） （2）式的经济意义十分明确，人均货币需求量是人均收入，机会成本变量，物价水平的函数。 采用普遍接受的模型形式，并且将选择的统计变量带入 其中，我们假设货币市场局部均衡，有 两边取对数 令 有 （3） 数据： obsGDP（亿元）M1（亿元）M2（亿元）N（万人）PR1（％） 1994:1 8620.000 16437.00 37010.30 118847.8 1.191000 10.98000 1994:2 7979.000 17676.40 40039.50 119179.4 1.196000 10.98000 1994:3 9476.000 19009.50 43513.50 119512.0 1.220000 10.98000 1994:4 18930.60 20540.70 46923.50 119845.6 1.239000 10.98000 1995:1 9811.000 21026.20 50297.10 120164.9 1.200000 10.98000 1995:2 13054.00 21420.40 53150.30 120480.6 1.172000 10.98000 1995:3 13630.00 22493.00 56813.20 120797.1 1.155000 10.98000 1995:4 21983.10 23987.10 60750.50 121114.4 1.093000 10.98000 1996:1 13156.00 23909.30 64512.10 121435.3 1.077000 10.98000 1996:2 16600.00 24620.10 68132.80 121750.4 1.066000 9.180000 1996:3 15919.00 26336.00 72042.60 122066.3 1.055000 7.470000 1996:4 22918.80 28514.80 76094.90 122383.1 1.046000 7.470000 1997:1 14685.60 29629.00 79581.30 122695.7 1.026000 7.470000 1997:2 18494.80 31074.70 82811.15 123003.1 1.009000 7.470000 1997:3 17971.60 32244.60 85892.40 123311.3 1.002000 7.470000 1997:4 23620.00 34826.30 90995.30 123620.2 0.992000 5.670000 1998:1 15899.40 33110.70 92037.80 123907.5 0.985000 5.670000 1998:2 18831.60 33775.70 94657.60 124189.7 0.974000 5.220000 1998:3 19704.40 36501.40 99794.50 124472.5 0.957000 4.770000 1998:4 25117.60 38953.70 104498.5 124755.9 0.972000 4.770000 1999:1 16784.00 38053.60 108438.2 125015.4 0.971000 3.780000 1999:2 19405.00 38821.80 111363.5 125270.2 0.965000 3.780000 1999:3 20611.00 41913.90 115079.3 125525.6 0.973000 2.250000 1999:4 25054.00 45837.30 119897.9 125781.5 0.972000 2.250000 2000:1 18172.70 45158.40 122580.7 126023.7 0.981000 2.250000 2000:2 21318.70 48024.40 126605.3 126261.8 0.981000 2.250000 2000:3 22632.50 50616.90 130473.8 126500.4 0.986000 2.250000 2000:4 27279.60 53147.20 134610.3 126739.5 0.991000 2.250000 2001:1 19894.90 53033.30 138744.5 126962.6 0.986000 2.250000 2001:2 23047.10 55187.40 147809.7 127182.7 1.000000 2.250000 2001:3 24284.90 56644.00 151642.7 127403.8 0.991000 2.250000 2001:4 28706.10 59871.60 158301.9 127623.9 0.986000 2.250000 2002:1 21020.30 59474.80 164064.6 127832.3 0.984000 2.250000 2002:2 24515.50 63144.00 169601.2 128037.9 0.984000 1.980000 2002:3 26146.50 66799.80 176985.2 128243.9 0.989000 1.980000 2002:4 33108.70 70881.80 185007.0 128450.2 0.992000 1.980000 2003:1 23562.00 71438.80 194487.3 128659.6 0.992000 1.980000 2003:2 26491.00 75923.20 204907.4 128866.6 0.998000 1.980000 2003:3 29061.00 79163.90 213567.1 129073.9 0.993000 1.980000 2003:4 37580.00 84118.60 221222.8 129281.5 1.012000 1.980000 2004:1 27106.00 85815.60 231654.6 129489.5 1.014000 1.980000 2004:2 31667.00 88627.10 238427.5 129697.8 1.033000 1.980000 实证研究 在进行协整检验以前，必须对各变量进行稳定性的单位根检验，利用ADF检验，结果如下： 变量ADF检验值检验类型（T，C，n）临界值（1%） m1-0.7792(0,1,1)-3.6019 △m1-6.9006(0,1,1)-3.6067 y-2.7612(0,1,1)-3.6019 △y-6.8879(0,1,1)-3.6067 p-2.3497(1,1,1)-3.6019 △p-4.4817(0,1,1)-4.2092 r-0.9933(0,1,1)-3.6019 △r-3.5735(0,1,1)-3.6067 ①上述临界值都是在1%的显著性水平下给出的 ②T，C，n分别表示带有趋势项、常数项和滞后阶数 从ADF检验结果可以看出，m1 ，y，p，r的ADF检验值均大于1%显著性水平下的临界值，所以接受单位根假设，它们都是非平稳过程，而它们的一阶差分是平稳的，因此四个变量都是一阶单整I（1） 协整检验： 在单位根检验的基础上，我们进行协整检验以判断是否存在长期稳定关系。Engle—Granger检验主要适用于两个同阶单整变量的协整检验，对多个同阶单整变量的应用有很大的局限，因此，我们采用Johansen（1988），以及与Juselius一起于1990年提出的基于向量自回归模型（VAR）的检验方法[ Johansen检验可参见《高等计量经济学》李子奈，清华大学出版社]，检验结果如下： Date: 12m/03/04 Time: 16:07 Sample: 1994:1 2004:2 Included observations: 40 Test assuption: Linear deterministic trend in the data Series: m1 y p r Exogenous series: C Warning: Critical values were derived assuming no exogenous series Lags interval: 1 to 1 Likelihood 5 Percent 1 Percent Hypothesized Eigenvalue Ratio Critical Value Critical Value No. of CE(s) 0.65748670.31460 47.21 54.46 None ** 0.33522527.45689 29.68 35.65 At most 1 0.23630511.12462 15.41 20.04 At most 2 0.0084920.341135 3.76 6.65 At most 3 *(**) denotes rejection of the hypothesis at 5%(1%) significance level L.R. test indicates 1 cointegrating equation(s) at 5% significance level ∏矩阵为 1.195445-1.541996-1.6790170.194845 0.297354-2.461055-0.2341420.519624 0.066919-3.063478-0.0545470.129818 -1.456620-0.4018220.207667-0.761964 由检验结果可知，在5%的显著性水平下存在一个协整向量由此，m 1，y，p，r之间存在一个标准化的协整关系： m1=1.3796y＋1.2758p－0.1574r+9.8602 T=（8.482） (3.195 ) (2.291) 此方程可以看作m1 与其它三个变量的长期稳定的关系。 为了研究m1的短期调整机制，我们采用误差校正模型。 可由对（3）式两边各取一阶差分得到 其中ECt表示长期关系中的残差项，入表示短期水平向长期均衡水平的调整力度。用滞后三期的解释变量作回归，得到短期误差校正模型 从误差校正方程可以看出，短期m1 的货币余额主要根据GDP的滞后变化，以及长期方程的残差来调整。 对结果的分析： （一）长期货币需求函数的特征 由协整结果可知，存在一个长期的稳定的M1季度需求函数，M1的收入弹性，价格弹性，利率弹性分别为1.38、1.28和-0.15，符号符合理论预测。 1、货币需求的收入弹性大于1 这个结论与厉以宁（1990），戴国强（1995）、汪红驹（2002）等人的结论相符，而郑超愚（2000），等人认为货币收入弹性小于1，王曦（2001）认为收入弹性近似等于1。莱德勒（1966）用美国年度资料来估计包括定期存款在内的货币需求的永久收入弹性，1900—1916年时期为1.39，1929—1940时期是1.28以及1946—1965年时期是0.65，因此，可以认为经济发展使得货币需求收入弹性下降。由此引申可知发展中国家货币需求收入弹性值比较大，而发达国家货币需求收入弹性较小因此，我国的货币收入弹性大于1是可能的，合理的。本人认为可以从几个方面加以解释：一是我国的金融市场不发达，金融资产种类相对少，国民收入的增长，更多地，以现金和储蓄的资产形式表现出来。国民收入的增长，会更多地导致人们货币持有量的增加，从而使货币需求收入弹性增大，二是和发达国家相比，货币的价值贮藏功能比其他功能更加重要，货币是财富的最直接表现形式，人们更偏好于货币而不是其他资产形式，因此，M1需求的收入弹性大于1。 2、利率作为机会成本变量，对M1的影响较小。 M1在我国的统计口径为现金加活期存款，主要用于日常交易和作为支付手段，根据凯恩斯的理论，这部分货币需求主要与收入相关，后凯恩斯学派的鲍莫尔从最优现金管理的角度证明这部分需求与利率也成负相关关系，并且以为利率弹性为-0.5，本文的协整结论说明从长期看，利率与M1存在显著负相关，但弹性很小，分析其原因，我国的居民储蓄心理在很大程度的不是追求利息，而是规避风险，这就使得居民的储蓄变动对利率的变动不敏感，另一方面，经济转型过程中的许多不确定性因素，使很大部分储蓄是基于预防性动机的，如养老储蓄、医疗储蓄、教育储蓄等，这部分与利率的关系也不密切，因此M1的利率弹性较小，这一结论是合理的。 3、货币需求的价格弹性大于1 西方经济学家的实证研究认为货币需求的物价水平弹性为1，即物价水平不影响实质货币持有水平，而本文的实证结果证明物价水平影响实质货币需求，正如设定模型时作的猜测。物价水平上涨1%，则名义M1需求上涨1.28%。 二．短期货币需求的特征 从短期误差纠正模型中可以看出，短期的货币需求的调整主要受到滞后一期的国内生产总值和滞后两期的国内生产总值的影响，并且，滞后的国内生产总值对M1的需求的影响为正。其它的滞后变量对当期M1的影响不显著。货币需求尽管在短期可能偏离长期均衡水平，但其自身存在向长期均衡水平调整的机制。

  • 上海市投资效益及科技贡献率分析――基于投入产出方法的实证研究_经济学毕业论文范文

    上海市投资效益及科技贡献率分析――基于投入产出方法的实证研究_经济学毕业论文范文 内容摘要：本文试图就投资对上海经济的贡献做一定量分析。在对产业、部门的投资效益进行具体测算的基础上，将上海经济的增长的因素分解为最终需求（包括投资、消费和净流出）贡献和科技进步贡献两部分。为此，我们利用投入产出模型和计量模型进行对比分析，分析结果表明，投资对上海市生产总值（GDP）的贡献率呈下降态势，但在第二产业中具有较高的投资回报效益；科技进步对经济增长的贡献率约为29％。说明上海应加大对第二产业的投资力度，并进一步提高投资的整体经济效益；同时还应加大科技投入，加快高新产业的发展，以促进上海经济持续、稳定、快速增长。 关键词：投入产出 计量 投资 科技投入 问题的提出 对投资与经济增长关系的研究，从理论发展史角度来考察，主要体现在以亚当·斯密和大卫·李嘉图为代表的古典经济学家的理论、以哈罗德—多马模型为代表的凯恩斯主义的理论、以索洛为代表的新古典经济学家的理论、以卡尔多为代表的新剑桥学派的理论、以卢卡斯和斯科特等人为代表的新增长理论以及马克思主义经济学家的理论中。 通过对投资与经济增长理论史的考察，可以得出以下几点显而易见的结论：第一，把投资与经济增长联系起来，是各种经济增长理论的一个共同特点。尽管在有的理论中，投资与经济增长的联系是直接的，而在另一些理论中，两者的联系是间接的，但却没有—种理论无视投资在经济增长中的作用。投资与经济增长的关系如此密切，以至于有的经济学家夸张地说，经济增长理论实际上就是一种投资理论。第二，虽然各种主要理论都直接或间接地把投资作为经济增长的一个重要因素，但在不同的理论中，投资的重要性差别很大。从理论模型的构造看，有的模型中出现的唯一变量就是资本或投资，劳动力等生产要素并未在模型中直接出现，如哈罗德—多马增长模型；有的模型中不仅包括了投资，而且包括了劳动力，如卡尔多模型；还有模型包括的变量除了投资和劳动力外，还包括土地，甚至包括技术进步，如米德模型。 但不管怎样，世界经济发展历程表明，资本要素能够通过改善其它生产要素的产出效率来提高整个经济的产业结构水平，因此资本要素投入已成为影响现代经济发展的关键因素。近年来上海的资本投入（资本形成总额）增长非常迅速，由1992年的487亿元上升到2002年的2049亿元，年均增长11.8％。而且2010年“世博会”将带给上海巨大的国际资本进入空间，为上海经济提供新的发展动力。因此如何以“世博会”为契机，合理利用引进外资、提高资本的使用效率、促进上海经济结构的转变和升级，是我们面临的重大课题。 目前美国投资占GDP的比重为8％，日本为28％，而上海2002年的投资比重却高达44.5％。根据1990年以来的数据计算可知，上海投资对GDP增长的弹性系数E=0.85，说明上海经济增长属典型的投资拉动增长模式。面对如此高的投资比重，上海的投资效益却不尽如人意。本文将选取美国、日本和韩国等国家作为样本，通过资本的产出效率对比来进行具体分析，详见附表1。 利用人均GDP指标衡量一个国家（或地区）经济发展程度；以资本形成总额代替资本要素的投入；利用GDP总量和资本形成总额之比代表资本要素的产出效率。为保证样本数据的可比性，所有数据均采用美元价格。上海2002年人均GDP达到了4910美元（按当年平均美元汇率计算），近似于美国1968年、日本1975年和韩国1988年的经济发展水平。表1列示了美国、日本、韩国相当于当前上海经济发展水平下的资本产出效率指标。 表1 上海和其他国家同等经济水平下的资本产出指标比较 单位：百元 单位投资额产出GDP 上海（2002年）2.85 美国（1968年）5.69 日本（1975年）3.08 韩国（1988年）2.46 表1显示出上海的资本产出效率低于同等经济水平下其他样本国家水平，即上海的投资效益相对偏低，从而引发了本文对上海的投资效益进行具体分析的想法。 二、 文献综述 研究投资与经济增长关系的文献主要关注两个问题：1）投资是否有效地促进经济增长；2）如何测算投资对经济增长的贡献。为实现上述目的，研究者们采取了各种不同的方法。 张国华（[相应的参考文献未列出，其他的引用也未全部列在参考文献中！]1999）利用国民经济支出法核算恒等式Y = C + I + G[G代表什么？] + NE，测算了投资对GDP增长的贡献／，认为近几年上海经济主要靠投资拉动，又认为投资拉动的局面很难继续维持。阮大成（2001）利用菲德提出的两部门模型，将上海工业分为支柱产业与非支柱产业两大部门，并以这两部门的生产函数为基础进行分析，认为支柱产业对上海工业经济增长的综合的边际产出贡献很高，从而说明上海市对支柱产业应加大投入，引导和支持支柱产业的发展。施祖辉（2001）利用多元回归模型对上海经济增长的数量推动机制进行研究，认为1992年以后上海经济主要由投资拉动。从投资在产业间的分布和对经济增长的贡献看，第三产业中投资对GDP增长的直接贡献大于第二产业，而其间接贡献虽有逐步上升的趋势，但仍小于第二产业。乐德发（1997）利用回归模型和非线性弹性模型对上海经济进行分析，认为“九五”期间，第二产业对上海GDP的贡献有所上升，支柱地位进一步巩固，应加大第二产业的投资力度。《世博会与上海新一轮发展》报告之四，利用上海历年的投入产出表对投资影响上海经济的程度作出了定量计算，并列出了投资拉动作用较大的几个部门。利用投入产出表分析投资对经济增长的贡献有两个优势：一是可以较为精确地测算出这一贡献；二是该贡献值可以细化到国民经济各部门，从而对产业结构的调整具有建设意义。沈利生、吴振宇（2003）利用1997年投入产出表计算了我国出口对GDP形成和增长的贡献，计算并分析了各部门出口对GDP增长的贡献，启发了本文就上海的投资贡献率进行量化分析的思路。 总体来看，之前的研究者们已充分意识到投资对上海经济的拉动作用，但其研究方法往往只局限于某一种模型或理论，而缺乏深入且有效的实证分析。他们一般认为，投资确能促进经济增长，第三产业的投资贡献要高于其它产业。而本文在投入产出模型和计量模型对比分析的基础上认为： 目前上海经济主要由投资拉动，但投资贡献率呈下降趋势。 第二产业的投资效益要高于第三产业，投资应尽量向第二产业倾斜，加大对工业的投资力度。 金属冶炼及压延加工业、交通运输设备制造业、化学工业和金融保险业等应是优先发展的部门。 科技进步对上海经济的贡献率大约在20％～30％之间。 三、研究方法与参数选择 （一）投入产出模型的投资贡献率计算方法 投入产出模型可表示为： , i= 1,2…n 其中，为直接消耗系数 写成矩阵形式有： AX + Y = X &nb

  • 大学生就业问题的政治经济学分析_经济学毕业论文范文

    大学生就业问题的政治经济学分析_经济学毕业论文范文 大学生就业问题的政治经济学分析 【摘要】：大学生就业情况是当前中国社会一个不容忽视的问题，从政治经济学的角度对大学生就业问题的本质、产生的原因以及可能出现的后果进行分析对解决大学生就业问题有一定的借鉴意义。 【关键字】：大学生；就业问题；政治经济学；本质 一、大学生就业问题的本质 就业问题首先是一个经济问题。目前全球经济不景气是就业问题加剧的根本原因。据世界银行《2010年全球经济展望》报告显示“从2008年全球金融风暴以来，全球工业经济体开始出现经济增长减速，2010年以来减速趋势依旧，GDP增长预计为0.8%，经济远没有回到正常的增长轨迹上来。”由于金融危机的影响，加上石油价格居高不下、国内产能制约及出口需求疲软等综合原因，发展中经济体的经济活动一直处于低迷的状况，加之产能过剩和通货紧缩的压力，制约着大多数国家的经济增长。经济的不景气使就业压力变得越来越严重。正如国际劳工局局长索马维亚在第94届国际劳工大会上发表讲话时指出的：“世界正面临一场从数量到质量的全面就业危机，这场危机成为最紧迫的政治问题，它同时威胁着世界安全、经济发展和民主进程。索马维亚指出，2011年全球的经济增长率不会高于2%。而就业增长率更有可能出现负增长，有10亿人失业或没有足够的收入，仅有50％的青年得到就业机会。”大学生就业难的问题已经演变成了一个全球性的“老大难”问题。例如“在英国，2008～2009年度的毕业生中，有67%的人找到了全职或兼职的工作，26%的人接受继续教育和培训，还有7%的人处于失业状态。在日本，大学毕业生每年有四分之一找不到工作，即使辛辛苦苦通过各种考试找到了工作，但因感觉不理想在工作3年内辞职者就达30%。 造成这一现状的根本原因是全球经济运行不景气，长期严重的产能过剩而导致的对劳动力的吸纳不足。由此看来，未来几年全球的失业现象会更加严重。“我国国土面积仅占世界的7.2％，耕地面积仅占世界的9.5％，国内生产总值仅占世界的3.7％，而人口却占到20.8％，劳动力占到25.6％”，要在这种状态下解决中国的就业问题，其压力之大可想而知。 改革开放以来，我国劳动力供给持续增加。“有关统计数据表明：1980年我国劳动力供给人口为5.39亿，1995年为7.09亿，2009年为9.4亿。按照2009中国就业白皮书的预测，未来20年，中国16岁以上人口将以年均550万人的规模增长，到2020年劳动年龄人口总规模将达到9.4亿”，这对中国是一个不可想象的挑战。2005年我国劳动力供给为8.6亿，而全世界所有的发达国家加起来也只有4.3亿个就业岗位，由此可预测我国将是全球就业压力最大、持续时间最长的国家。我国大学生就业日益艰难是从1997年开始的。尽管这么多年来我国的GDP一直保持高位增长，但就业危机依然不断加剧。“近几年每年中国城镇需要就业的劳动力有2700万人，但2009年新增就业岗位只有1000万个左右，其中的600万属于技术工人，也就是包括大学生在内的2100万人在竞争其余400万个工作机会”。从毕业生的就业率来看，“截止2009年9月1日，2009年全国高校毕业生就业率为71.6%”。 按照马克思主义政治经济学最基本的原理，劳动力的供给和需求必须保持总量平衡，供给大于需求则会出现劳动力过剩，需求大于供给则会出现劳动力短缺。劳动力的供需关系又是市场经济条件下最基本的关系之一，由此可见，就业问题的总根源是市场经济条件下劳动力供需关系失衡造成的，其实质是经济危机，这种经济危机的深层涵义又是一种社会危机。 二、大学生就业问题的原因分析 中国劳动力资源占世界总量的四分之一以上，而资本资源（指国内投资额）仅占世界总量的不足百分之四。当前，科学技术的发展及其应用越来越快，由于采用了效率更高的技术，使得许多原来在岗的工人失业。此外，科技发展虽然会使脑力劳动者的就业得到部分增加，服务部门和妇女的就业也会有所增加，但整个物质生产部门的就业总量会相对减少。在这种情况下，国家的政策应该根据我国现代化的特点，选择切合实际的产业发展模式和教育模式，并将就业问题摆在首要位置，才能维持社会的可持续发展。但从1993年开始，我国城镇下岗职工开始激增，由300万人增加到1996年底的892万人，而大学生就业危机就是在这个时候开始出现的。1997年以来“私有化”和“国退民进”使下岗职工的数字变得越来越庞大，因而也使大学生就业一开始就面临着一个严峻的背景。在这种背景下，国家教育方针应该重点放在职业教育领域的更新换代和效率升级上，方能有效化解市场经济发展与劳动力需求的矛盾，并推动经济良性发展但这一政策并没有实施。 由于没有社会保障，1990年代末激烈的“下岗运动”产生了大批下岗人员，不但影响社会稳定，也反过来进一步制约了经济内需。1998年，亚洲开发银行北京代表处首席经济学家汤敏先生提出建议：“扩大大学教育是一个可以拉动内需的消费点。如果高校每年扩招30万学生，按一年一个学生消费1万元计算，30万学生实际消费将近30亿元。这样做的好处，一是增加学生在学校中的消费，二是缓解就业问题，三是从远期而言可以培养人才，增强人才国际竞争力”。这一建议被决策者采纳，“教育产业化”开始在中国实施，结果高等学校收费以每年平均高达50％的环比增长率快速上升。在“教育产业化”的名义下，部分学校大幅提高学费、杂费等各种费用。有的学校甚至在“教育产业化”的口号下违规招生，违规收费。“教育产业化”政策造成在校大学生中15％以上的学生沦为“贫困生群体”，而许多地方政府为贫困生设立的助学贷款却是杯水车薪由于高等教育产业化很大程度上解决了高校财政危机，因而，绝大部分学校的不断扩招成为一种冲动。这种冲动甚至逾越了教育发展的阶段，违背了教育发展的客观规律，甚至连研究生教育也演变成了一种“快餐式”、“放羊式”教育，这一影响是十分严重的。 回顾这一过程我们可以看到，扩招虽然不是造成就业危机的根本原因，但是扩招使社会就业问题的焦点集中到了大学生身上。而近年来出现的“技工荒”、“本科生回笼技校”等现象又使一些人对“扩招”的维护和辩解变得苍白无力。现在可以很显然地看到，上个世纪九十年代，我们为所谓的拉动内需和化解财政困难，将“高等教育产业化”仓促推上阵，过分扩招，过早跨越大力发展职业教育这一阶段是违反客观规律的“大跃进”。在这种情况下，大学就业难变得不可避免。就业压力的增大还造成两个奇特的现象：一是考研究生虽然成为“就业问题缓期三年执行”，但报名和扩招仍急剧上扬，2009年报考人数已达到140万，博士生的数量已超过美国成为世界第一。与此同时，研究生就业薪水却直线下滑。二是“公务员热”盛况空前，2009年中央和国家机关公务员报名人数接近160万，录取比例53:1，成为名副其实的当代中国第一大国考。由此可见，企图通过教育产业化来拉动内需，推动经济的想法是行不通的。它不但不能缓解内需，反而还会造成更长时期内的内需不足，并将引发一系列社会问题。 三、大学生就业问题可能引发的社会后果 从当前国内外的政治经济形势来看，我们面临的问题比较严重。当代大学生是一个非常特殊的群体，一方面，其父母辈一般都经历了“文革”，未能接受充分的高等教育，且承受了“文革”和当代“下岗运动”两次就业挫折；另一方面，大学生自身在面临就业危机同时还承担者建设社会主义的重任。当代大学生的就业问题处理不好，以下四个方面的问题很快会凸现出来： （一）“就业歧视”现象将愈演愈烈 近年以来的种种迹象显示，普遍存在于供求双方博弈中的“就业歧视”已经成为人们“不可回避的话题”。除去隐性的“就业歧视”，公开的如年龄歧视、学历歧视、性别歧视、户籍歧视、生理歧视、健康歧视，婚育歧视、经验歧视甚至方言歧视、姓氏歧视、血型歧视等等已经屡见不鲜。在用人单位成为“买方市场”的今天，各种歧视现象，侵害了求职者公平竞争和平等就业的权利，对其心理上造成的损伤是无法愈合的，很可能引发社会形成一种偏激的不满情绪，还会导致一些求职者的畸形心态，一些不按常理出牌的另类求职方式也应运而生；在一定程度上扭曲和破坏了劳动力市场的公平和有序，有的甚至成为用人单位徇私舞弊的借口，使得“不拘一格降人才”成了一句空话。此外，学历歧视、户口歧视给了造假证的不法分子以可乘之机，导致制造、贩卖假证件活动猖獗。 （二）拉动“内需”政策将进一步受阻 我国经济中目前最大的问题就是内需不足，主要源自消费不足。而消费不足，一是收入低，没有消费能力，二是社会保障存在问题，人们不敢消费。从世界各国的情况来看，大学毕业生本属于拥有科学知识文化的群体，同时拥有较强的社会竞争力，因而最有可能成为消费的主流。但是，从我国的情况来看，大学毕业生的消费能力低得可怜。一是1990年代末以来的高等教育产业化政策基本将农民家庭和工薪家庭的储蓄消耗殆尽，甚至不少家庭还负债累累，而且整个社会保障制度非常不健全，这就决定了大学毕业生在相当长一段时期内需要还债或者为家庭储蓄以备不时之需；二是大学毕业生往往处于成家立业的阶段，但随着就业压力不断增大，人才市场的竞争越来越激烈，最近几年，毕业生平均薪酬水平不升反降，甚至出现“零工资”就业现象。而房价近年来暴涨，其它生活成本也不断上升，大学生的消费能力更是显得无可奈何。在这种情况下，政府希望通过“拉动内需”来缓解“通货紧缩”自然也将进一步受阻。 （三）大学生就业危机使高等教育进一步庸俗化 在中国的历史传统里，公共决策对社会生活一直具有决定性的影响。当公共决策把教育对人的培养置于从属于社会市场对人力资源消费需求的框架下，教育就在事实上成为社会个人谋生的手段，并完全成为一种追求个人利益和目标的活动。随着实用主义的负面影响和就业危机的加剧，大学将日益沦为培养各色市场所需要的现代劳工的场所，具有社会公益心和道德感的人日益稀少。由于就业艰难，大学生竭其所能利用家庭背景、社会关系等“资源”为其就业开路；亦有大学生为高校毕业生就业主管部门领导送礼、请客，求之帮其“推荐”工作；更有甚者，一些大学生不惜牺牲自尊与人格委曲求全，求人托关系谋职,将自身能力与素质搁置其次，而对“关系”顶礼膜拜。当更多的大学生对求职时“托关系”现象司空见惯并受到此种不良风气同化后，“关系是第一生产力”便成为“真理”，从而进一步加重社会“信仰危机”。而随着就业率成为考察高等院校的第一指标，高校必然进一步向用人单位让步，高校担负的作为社会“道德标杆”的职责将进一步弱化。以就业率为杠杆造成的就业泡沫也会增长，高等教育进一步庸俗化的趋势几乎不可避免。 （四）大学生就业危机破坏社会和谐 大学生的就业问题在一定限度内是一个教育问题，但更进一步就变成了一个经济问题和政治问题。对于一个普通老百姓家庭来说，若干年的积蓄投资在大学生身上，如果失业或过分委屈就业就无法收回投资，甚至连基本的生存都成问题。从当前沿海城市以房价为代表的生存成本暴涨的现状来看，生存的危机的确存在，并且还比较严重。另外，失业的负面影响与失业期长短有关，失业期越长，给人造成的身心和物质损害就越大。大学生在从业初期便经历失业，可能会永久损害大学生的创造潜能，错过合适的就业机会。如果长期失业，不仅对青年一生的从业和收入将产生巨大影响，而且此时形成的行为观念也将影响其今后的发展。大学生就业危机的的另一严重后果是阻碍青少年向成人期的过渡，特别是影响他们建立家庭，使他们难以融入社会，甚至引发他们的道德败坏。大学生失业与社会问题有着紧密联系，高失业率能够引起青年对社会的逆反情绪，出现如犯罪、吸毒、毁坏公物的行为，甚至造成社会动荡。这种对社会安宁和个人财产的威胁往往又会反作用于大部分青少年，并带来更为严重的后果。当前国内两极分化的现象已经到了临界点，如果大学生失业现象越来越严重，对社会不满情绪日益增长，最终引发社会动乱，那么我们期盼的“和谐社会”将成为“空中楼阁”。 【参考文献】： [1]简讯：《世行发布20010年全球经济展望报告，世界经济增长周期性放缓》，《人民日报》，2009年11月30日，第1版； [2]何林：《国际劳工局局长称全球面临就业危机》，《国际金融报》，2009年6月13日，第4版； [3]王艳红，何德功，何光海：《大学生就业已成全球老大难》，《成功月报》，2008年第8期； [4]熊祖辕，喻东：《中国失业问题的简便测量》，《统计研究》，2008年第6期； [5]简讯:《教育部：2009年中国高校毕业生就业率为71.6%》，中新网2009年12月9日电； [8]莫林浩：《“教育产业化”始作俑者为何改弦易辙》，《新京报》，2005年9月6日，第1版。

  • 四川省居民消费水平影响因素的分析_经济学毕业论文

    四川省居民消费水平影响因素的分析_经济学毕业论文 《计量经济学》课程论文 四川省居民消费水平影响因素的分析 小组成员（工商管理专业02级）： 王丹 应婷 吴志刚 李睿 李治海 指导教师：黎实 日期：2004年3月－6月 【摘要】 消费水平关系着每位消费者实际生活水平的状况，是消费经济研究的基本问题。一国消费水平的高与低，有一系列的国际的衡量和评价指标。消费水平变动受多种因素的影响，并有客观的数量界限。总结历史的经验和教训，采取各种措施在建设现代化的工业及国民经济体系中，使人们的消费水平稳步提高，是我国的一项长期战略任务。 本文旨在对近二十年我国四川省的居民消费水平及其影响因素进行实证分析来探索提高居民消费水平的方法，用以为政府制定各项政策做参考。首先，我们根据消费经济学的知识找出了一些影响居民消费水平的因素；进而我们建立了关于四川省居民消费水平的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并提高居民消费水平提出一些建议。 【关键词】 消费水平 人口总数 国民生产总值 消费价格指数 EVIEWS软件 计量经济学 检验 一 引言 改革开放以来，我国居民收入与消费水平不断提高，居民消费结构转换和消费需求扩张成为我国经济高速增长的主要动力，特别是进入90年代以来，居民消费需求对国民经济发展的影响不断增大。 但是，对国民经济总体需求变化和居民消费变化的考察使人们发现：一方面，随着市场经济逐步建立和买方市场的出现，消费需求增长对经济增长的影响逐渐增强；另一方面，我国居民消费领域已经出现了一些可能影响国民经济发展全局的隐忧。其中最为突出的隐忧，一是最终消费率和居民消费率明显偏低。居民消费率过低而居民储蓄率过高将可能导致我国经济增长在今后一段时期受到严重的国内市场需求约束。 因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长的速度和质量都有十分重要的意义。 二 经济理论陈述 所谓消费水平，从宏观角度考察是指社会全体消费者的物质文化需要得到满足的程度；或者说是社会提供给众多消费者用于生活的消费的产品和服务的数量和质量。也就是说，消费水平的含义既包括了消费品，又包括了消费服务，而且从消费水平的发展趋势看，消费服务将越来越占有重要的地位；既包括了数量也包括了质量。质量的因素不仅是消费水平不可忽视的重要内容，而且也成为消费水平高低的越来越重要的衡量标志。 消费水平从微观上考察，就是消费者及其家庭生活需要的满足程度，或者讲是消费者及其得到或可支配的消费品和服务的数量和质量以及金融资产的状况。 我们对消费水平的考察着重于宏观方面，即对消费水平的研究还要结合物质和精神文化需要的满足程度。 下面我们着重说明影响消费水平的主要因素： 影响消费水平的主要因素可以分为两大类，即自然因素和社会经济因素。前者包括资源状况：水文、气候情况、地形地貌、农作物生长条件等。后者包括生产力状况、国民生产总值规模、人口总量、价格水平、交通条件、教育状况、进出口、就业、市场等。 此外，社会的生产关系、消费关系的完善程度，消费政策的调整，居民消费方式的选择、消费储蓄的变动情况，社会消费信贷宽紧情况，对外贸易的规模及进出口产品的结构，社会的交通、教育的发达程度及基础设施的情况，经济组织的效率及市场的供应情况，以及人们消费习俗的沿袭和变迁等也都在不同范围和不同程度上影响居民的实际消费水平。 我们主要对社会经济因素中比较容易量化的几个因素具体进行分析： （一）国民生产总值的总规模 国民生产总值是按市场价格计算的一国所有常住单位在报告期内原始收入的初次分配的结果。显然，国民生产总值总规模越大，在支出分配比例不变的条件下，总消费就越大，如人口为一定，则人均消费水平就会提高。 （二）消费品价格水平 消费品价格水平与消费水平呈逆向变动。表现为：一是在货币收入为一定时，实际消费水平高低与物价水平高低成反比，物价水平越高，实际消费水平就越低，反之则越高。 （三）人口总量 一般地说，人口总量与消费水平成反比。在国民生产总值一定的情况下，社会平均消费水平与人口数量成反比。 三 计量经济模型的建立 Y=C+β1x1+β2X2+β3x3+Ui 其中Y 表示四川省居民消费总水平，x1表示四川省人口数，x2表示四川省国民生产总值，x3表示四川省居民消费价格总指数（以上一年为100），单位分别为元、人、亿元、。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。 四 相关数据收集 数据来源说明：本文数据摘自《四川统计年鉴》（1989-2003）（因1992年以前居民劳务消费较少，数据未单独列出来，所以是用居民商品零售价格指数代替居民消费价格总指数，1992年以后采用居民消费价格指数） 数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。 五 模型的参数估计、检验及修正 1.模型的参数估计及其经济意义、统计推断的检验 我们用EVIEWS软件和最小二乘法对数据进行回归分析（见附表二）， 可得方程如下： Y = -11202226 + 1407.173X1 + 4354.767X2 + 12942.69X3 (3240461) (508.1876) (153.4726) (14041.93) t=（-3.4570） （2.7690 ） （28.3749） （0.921717） R^2 =0.9972 F=2466.307 由F=2466.307F0.05(3,22)=3.05(显著性水平a=0.05),表明模型从整体上看四川省居民消费总水平与解释变量之间线性关系显著。但截距项系数与经济意义相悖，X3变量的T值也不显著。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。 2.计量经济学检验 （1）多重共线性检验 用EVIEWS软件，得相关系数矩阵表 X1X2X3 X1 1.000000 0.906253 0.064030 X2 0.906253 1.000000-0.165819 X3 0.064030-0.165819 1.000000 由上表可以看出，解释变量X1与X2之间的相关系数较大，而X3与X2、X1之间关联并不紧密。但根据经济意义，居民消费价格指数对居民消费水平的影响重大。当国民生产总值一定时，居民消费价格指数越高，居民的消费水平越低。此变量不可轻易舍去。我们采用数据结合的方式，用X2/X3表示当年实际国民生产总值X4来回避原模型的多重共线性，那么 Y=C+β1x1+β2X4+Ui 用EVIEWS软件和最小二乘法对数据进行回归分析（见附表三）， 可得方程如下： Y= -21931720.+ 3087.033x4 + 391459 X1 (-4.1806) (4.3532) (18.3189) R^2=0.9908 F=1190.43 从上式可以看出，经过数据处理后，模型的统计检验效果更为显著。 （2）异方差检验 运用goldfeld－quandt 检验 先取1978－1987，然后由ols得 ∑e1^2=1.40e+10 然后取1993－2002，同样由ols得 ∑e2^2=3.45e+12 所以，F＝∑e1^2/∑e2^2=246.4286 而在给定a＝0.05条件下，F(8，8)＝2.59246.4286，则拒绝原假设，表明存在异方差。 然后，采用对数变换法修正(见附表四)，修正后得： Lny=-34.44693 + 5.408532l Lx1 +0.652440l Lx4 （-2.9325） (4.0724) (9.1154) R^2=0.996658 R^2=0.996354 F=3280.586 此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。 3）自相关检验 由附表四可知：d=0.654338。在显著水平=0.05下，查表 n=25，k’=2时，DL =1.206，du=1.550，由于d=0.654338DL=1.206，表明该模型中的误差序列存在一阶自相关。 下面用广义差分法进行修正，由d=0.654338，计算出，构造差分模型并估计得： DLY=-26.51033+11.25021DLX1-0.183533DLX4 (8.088471) (2.578296) (0.070776) =0.965518 F=294.0034 DW=0.824029 仍不行，再用科克兰内-奥克特(Cochrane-orcutt)迭代法（见附表五） DY=-22.93613+10.06849DX1-0.196976DLX4 + 0.61087AR(1) (-1.7926) (2.4535) (-1.8301) (3.1560) =0.9706 F=243.4806 DW=1.5464 经过这样修正后，DW值有所提高，d＝1.546389，不再存在自相关。 六 结论 影响消费水平的因素众多，我们从中挑选了国民生产总值，人口和居民消费价格指数进行分析，本意是想通过模型得出的数据应用于实践可以对一个地区的居民消费水平进行粗略估计。因为此三项数据从理论上分析是影响消费水平的主要因素之三，且获取途径多，又为大众理解，如能应用于实践，则为一般投资者和政府决策时节省了时间、精力和金钱。 但实际分析的结果并不理想，从上述模型中可看出：DX5不符合经济意义的检验（参数的大小及符号）。因为从经济意义上讲，居民消费水平因随着国民生产总值（剔除了物价影响之后）的增加而提高，DLX4的系数应为正值。其他变量相应的系数的T值也并不是太显著。 究其原因，我们认为，主要是影响消费水平的因素实在太多，我们从中挑选了三个变量实在是太“身单体薄”、“寡不敌众”，如果真要使模型优化，必须增加多个变量，尽可能把影响因素量化后加入模型，比如国民生产总值在总消费、总投资、净出口之间的支出分配比例，总消费内部的比例（居民消费和社会消费），人口增长速度及人口的社会构成等。收集此类数据较为困难，有些不能直接得到，须自己计算整理，而且时间数据最大的一个问题在于其不同年份的数据可能口径不一致，这也会导致统计偏差。总的来说要改进的确还要很多的时间和精力。假期如有可能，我们会朝这方面努力。 但即便如此，我们也不敢保证模型一定成功。因为影响因素还有一大部分是无法量化的，如消费者的心理、偏好，消费政策的调整，银行消费信贷的宽紧状况变化等。经济的东西存在太多的不确定性。 我们在决策上不能选择最优，只能尽可能满意。 八 参考文献及附表 范剑平主编： 《居民消费与中国经济发展》 中国计划出版社 2000年版 苏志平、徐淳厚编著： 《消费经济学》 中国财政经济出版社 1997年版 附表一： 年份居民消费总水平（元）人口（万人）国民生产总值（亿元）居民消费价格总指数（以上一年为100） 19781060289.9677071.9184.6199.6 19791174740.097120.5205.81105.4 19801325283.6047154.8229.44108.1 19811427389.9927215.6242.68101.9 19821591925.2247300.4275.71102.3 19831777437.3947336.9311.85100.7 19842034967.767364359102.3 19852377440.4927419.3422.3106.8 19862565914.8027511.9459.79103.9 19872922326.827613.2532.79107.5 19883613435.7927716.4661.81120 19894221765.2967803.2747.37118.3 19905160274.357892.5894.21103.1 19915726946.2467947.81020.88102.3 19926395198.5967992.21182.96106.4 19938020280.3388037.41492.84113.9 199410772809.758098.72009.7124.6 199513140184.98161.22516.56118.5 199615480688.998215.42998.79109.3 199716944535.888264.73335.78105.1 199817636435.58315.73596.8199.6 199918316952.458358.63728.9698.5 200020050374.158407.54028.46100.1 200120803896.318436.64445.88102.1 200222212596.78474.54911.3399.7 附表二 VariableCoefficientStd. Errort-StatisticProb. C-112022263240461.-3.4569860.0024 X11407.173508.18762.7690030.0115 X24354.767153.472628.374880.0000 X312942.6914041.930.9217170.3671 R-squared0.997170 Mean dependent var8270164. Adjusted R-squared0.996765 S.D. dependent var7395971. S.E. of regression420630.9 Akaike info criterion28.88255 Sum squared resid3.72E+12 Schwarz criterion29.07757 Log likelihood-357.0318 F-statistic2466.307 Durbin-Watson stat0.665779 Prob(F-statistic)0.000000 附表三 Dependent Variable: Y Method: Least Squares Date: 06/03/04 Time: 11:18 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-219317205246125.-4.1805560.0004 X1391459.021369.1418.318890.0000 X43087.033709.13744.3532220.0003 R-squared0.990844 Mean dependent var8270164. Adjusted R-squared0.990012 S.D. dependent var7395971. S.E. of regression739156.8 Akaike info criterion29.97657 Sum squared resid1.20E+13 Schwarz criterion30.12284 Log likelihood-371.7072 F-statistic1190.430 Durbin-Watson stat0.504862 Prob(F-statistic)0.000000 附表四 Dependent Variable: LY Method: Least Squares Date: 06/04/04 Time: 19:50 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-34.4469311.74645-2.9325400.0077 LX15.4085321.3281054.0723680.0005 LX40.6524400.0715759.1154180.0000 R-squared0.996658 Mean dependent var15.45435 Adjusted R-squared0.996354 S.D. dependent var1.050335 S.E. of regression0.063419 Akaike info criterion-2.565955 Sum squared resid0.088482 Schwarz criterion-2.419690 Log likelihood35.07444 F-statistic3280.586 Durbin-Watson stat0.654338 Prob(F-statistic)0.000000 附表五 Dependent Variable: DY Method: Least Squares Date: 06/04/04 Time: 20:14 Sample(adjusted): 1980 2002 Included observations: 23 after adjusting endpoints Convergence achieved after 8 iterations VariableCoefficientStd. Errort-StatisticProb. C-22.9361312.79508-1.7925740.0890 DX110.068494.1036532.4535440.0240 DX4-0.1969760.107628-1.8301460.0830 AR(1)0.6108700.1935573.1560260.0052 R-squared0.974648 Mean dependent var5.185680 Adjusted R-squared0.970645 S.D. dependent var0.320107 S.E. of regression0.054845 Akaike info criterion-2.811841 Sum squared resid0.057152 Schwarz criterion-2.614363 Log likelihood36.33617 F-statistic243.4806 Durbin-Watson stat1.546389 Prob(F-statistic)0.000000 Inverted AR Roots .61 《计量经济学》课程论文 四川省居民消费水平影响因素的分析 （初稿） 小组成员（工商管理专业02级）： 王丹 应婷 吴志刚 李睿 李治海 指导教师：黎实 【摘要】 消费水平关系着每位消费者实际生活水平的状况，因而是消费经济研究的基本问题。一国消费水平的高与低，有一系列的国际的衡量和评价指标。消费水平变动受多种因素的影响，并有客观的数量界限。总结历史的经验和教训，采取各种措施在建设现代化的工业及国民经济体系中，使人们的消费水平稳步提高，是我国的一项长期战略任务。 本文旨在对近二十年我国四川省的居民消费水平及其影响因素进行实证分析来探索提高居民消费水平的方法，用以为政府制定各项政策做参考。首先，我们根据消费经济学的知识找出了一些影响居民消费水平的因素；进而我们建立了关于四川省居民消费水平的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并提高居民消费水平提出一些建议。 【关键词】 消费水平 人口总数 国民生产总值 消费价格指数 EVIEWS软件 计量经济学 检验 一 引言 改革开放以来，我国居民收入与消费水平不断提高，居民消费结构转换和消费需求扩张成为我国经济高速增长的主要动力，特别是进入90年代以来，居民消费需求对国民经济发展的影响不断增大。 但是，对国民经济总体需求变化和居民消费变化的考察使人们发现：一方面，随着市场经济逐步建立和买方市场的出现，消费需求增长对经济增长的影响逐渐增强；另一方面，我国居民消费领域已经出现了一些可能影响国民经济发展全局的隐忧。其中最为突出的隐忧，一是最终消费率和居民消费率明显偏低。居民消费率过低而居民储蓄率过高将可能导致我国经济增长在今后一段时期受到严重的国内市场需求约束。 因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长的速度和质量都有十分重要的意义。 二 经济理论陈述 所谓消费水平，从宏观角度考察是指社会全体消费者的物质文化需要得到满足的程度；或者说是社会提供给众多消费者用于生活的消费的产品和服务的数量和质量。也就是说，消费水平的含义既包括了消费品，又包括了消费服务，而且从消费水平的发展趋势看，消费服务将越来越占有重要的地位；既包括了数量也包括了质量。质量的因素不仅是消费水平不可忽视的重要内容，而且也成为消费水平高低的越来越重要的衡量标志。 消费水平从微观上考察，就是消费者及其家庭生活需要的满足程度，或者讲是消费者及其得到或可支配的消费品和服务的数量和质量以及金融资产的状况。 我们对消费水平的考察着重于宏观方面，即对消费水平的研究还要结合物质和精神文化需要的满足程度。 下面我们着重说明影响消费水平的主要因素： 影响消费水平的主要因素可以分为两大类，即自然因素和社会经济因素。前者包括资源状况：水文、气候情况、地形地貌、农作物生长条件等。后者包括生产力状况、国民生产总值规模、人口总量、价格水平、交通条件、教育状况、进出口、就业、市场等。 此外，社会的生产关系、消费关系的完善程度，消费政策的调整，居民消费方式的选择、消费储蓄的变动情况，社会消费信贷宽紧情况，对外贸易的规模及进出口产品的结构，社会的交通、教育的发达程度及基础设施的情况，经济组织的效率及市场的供应情况，以及人们消费习俗的沿袭和变迁等也都在不同范围和不同程度上影响居民的实际消费水平。 我们主要对社会经济因素中比较容易量化的几个因素具体进行分析： （一）国民生产总值的总规模 国民生产总值是按市场价格计算的一国所有常住单位在报告期内原始收入的初次分配的结果。显然，国民生产总值总规模越大，在支出分配比例不变的条件下，总消费就越大，如人口为一定，则人均消费水平就会提高。 （二）消费品价格水平 消费品价格水平与消费水平呈逆向变动。表现为：一是在货币收入为一定时，实际消费水平高低与物价水平高低成反比，物价水平越高，实际消费水平就越低，反之则越高。 （三）人口总量、人口增长速度及人口的社会结构 一般地说，人口总量与消费水平成反比。在国民生产总值一定的情况下，社会平均消费水平与人口数量成反比。 三 计量经济模型的建立 Y=C+β1x1+β2X2+β3x3+Ui 其中Y 表示四川省居民消费总水平，x1表示四川省人口数，x2表示四川省国民生产总值，x3表示四川省居民消费价格总指数（以上一年为100），单位分别为元、人、亿元、。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。 四 相关数据收集 数据来源说明：本文数据摘自《四川统计年鉴》（1989-2003）（因1992年以前居民劳务消费较少，数据未单独列出来，所以是用居民商品零售价格指数代替居民消费价格总指数，1992年以后采用居民消费价格指数） 2，数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。 五 模型的参数估计、检验及修正 1.模型的参数估计及其经济意义、统计推断的检验 我们用EVIEWS软件和最小二乘法对数据进行回归分析（见附表二）， 可得方程如下： Y = -11202226 + 1407.173X1 + 4354.767X2 + 12942.69X3 (3240461) (508.1876) (153.4726) (14041.93) t=（-3.4570） （2.7690 ） （28.3749） （0.921717） R^2 =0.9972 F=2466.307 由F=2466.307F0.05(3,22)=3.05(显著性水平a=0.05),表明模型从整体上看四川省居民消费总水平与解释变量之间线性关系显著。但截距项系数与经济意义相悖，X3变量的T值也不显著。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。 2.计量经济学检验 （1）多重共线性检验 用EVIEWS软件，得相关系数矩阵表 X1X2X3 X1 1.000000 0.906253 0.064030 X2 0.906253 1.000000-0.165819 X3 0.064030-0.165819 1.000000 由上表可以看出，解释变量X1与X2之间的相关系数较大，而X3与X2、X1之间关联并不紧密。但根据经济意义，居民消费价格指数对居民消费水平的影响重大。当国民生产总值一定时，居民消费价格指数越高，居民的消费水平越低。此变量不可轻易舍去。我们采用数据结合的方式，用X2/X3表示当年实际国民生产总值X2来回避原模型的多重共线性，那么 Y=C+β1x1+β2X4+Ui 用EVIEWS软件和最小二乘法对数据进行回归分析（见附表三）， 可得方程如下： Y= -21931720.+ 3087.033x1 + 391459 X4 (-4.1806) (4.3532) (18.3189) R^2=0.9908 F=1190.43 从上式可以看出，经过数据处理后，模型的统计检验效果更为显著。 （2）异方差检验 运用goldfeld－quandt 检验 先取1978－1987，然后由ols得 ∑e1^2=1.40e+10 然后取1993－2002，同样由ols得 ∑e2^2=3.45e+12 所以，F＝∑e1^2/∑e2^2=246.4286 而在给定a＝0.05条件下，F(8，8)＝2.59246.4286，则拒绝原假设，表明存在异方差。 然后，采用对数变换法修正(见附表四)，修正后得： Ly=-34.44693+5.408532lx1+0.652440lx4 （11.74645） (1.328105) (0.071575) R^2=0.996658 R^2=0.996354 F=3280.586 此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。 3）自相关检验 由附表七可知：d=0.654338。在显著水平=0.05下，查表 n=25，k’=2时，DL =1.206，du=1.550，由于d=0.654338DL=1.206，表明该模型中的误差序列存在一阶自相关。 下面用广义差分法进行修正，由d=0.654338，计算出=1-=0.672831，构造差分模型并估计得： DLY=-26.51033+11.25021DLX1-0.183533DLX4 (8.088471) (2.578296) (0.070776) =0.965518 F=294.0034 DW=0.824029 仍不行，再用Cochrane-orcutt迭代法（见附表五） 经过这样修正后，DW值有所提高，d＝1.546389，不再存在自相关。 六 结论 七 建议 八 参考文献及附表 范剑平主编： 《居民消费与中国经济发展》 中国计划出版社 2000年版 苏志平、徐淳厚编著： 《消费经济学》 中国财政经济出版社 1997年版 附表一： 年份居民消费总水平（元）人口（万人）国民生产总值（亿元）居民消费价格总指数（以上一年为100） 19781060289.9677071.9184.6199.6 19791174740.097120.5205.81105.4 19801325283.6047154.8229.44108.1 19811427389.9927215.6242.68101.9 19821591925.2247300.4275.71102.3 19831777437.3947336.9311.85100.7 19842034967.767364359102.3 19852377440.4927419.3422.3106.8 19862565914.8027511.9459.79103.9 19872922326.827613.2532.79107.5 19883613435.7927716.4661.81120 19894221765.2967803.2747.37118.3 19905160274.357892.5894.21103.1 19915726946.2467947.81020.88102.3 19926395198.5967992.21182.96106.4 19938020280.3388037.41492.84113.9 199410772809.758098.72009.7124.6 199513140184.98161.22516.56118.5 199615480688.998215.42998.79109.3 199716944535.888264.73335.78105.1 199817636435.58315.73596.8199.6 199918316952.458358.63728.9698.5 200020050374.158407.54028.46100.1 200120803896.318436.64445.88102.1 200222212596.78474.54911.3399.7 附表二 VariableCoefficientStd. Errort-StatisticProb. C-112022263240461.-3.4569860.0024 X11407.173508.18762.7690030.0115 X24354.767153.472628.374880.0000 X312942.6914041.930.9217170.3671 R-squared0.997170 Mean dependent var8270164. Adjusted R-squared0.996765 S.D. dependent var7395971. S.E. of regression420630.9 Akaike info criterion28.88255 Sum squared resid3.72E+12 Schwarz criterion29.07757 Log likelihood-357.0318 F-statistic2466.307 Durbin-Watson stat0.665779 Prob(F-statistic)0.000000 附表三 Dependent Variable: Y Method: Least Squares Date: 06/03/04 Time: 11:18 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-219317205246125.-4.1805560.0004 X1391459.021369.1418.318890.0000 X43087.033709.13744.3532220.0003 R-squared0.990844 Mean dependent var8270164. Adjusted R-squared0.990012 S.D. dependent var7395971. S.E. of regression739156.8 Akaike info criterion29.97657 Sum squared resid1.20E+13 Schwarz criterion30.12284 Log likelihood-371.7072 F-statistic1190.430 Durbin-Watson stat0.504862 Prob(F-statistic)0.000000 附表四 Dependent Variable: LY Method: Least Squares Date: 06/04/04 Time: 19:50 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-34.4469311.74645-2.9325400.0077 LX15.4085321.3281054.0723680.0005 LX40.6524400.0715759.1154180.0000 R-squared0.996658 Mean dependent var15.45435 Adjusted R-squared0.996354 S.D. dependent var1.050335 S.E. of regression0.063419 Akaike info criterion-2.565955 Sum squared resid0.088482 Schwarz criterion-2.419690 Log likelihood35.07444 F-statistic3280.586 Durbin-Watson stat0.654338 Prob(F-statistic)0.000000 附表五 Dependent Variable: DY Method: Least Squares Date: 06/04/04 Time: 20:14 Sample(adjusted): 1980 2002 Included observations: 23 after adjusting endpoints Convergence achieved after 8 iterations VariableCoefficientStd. Errort-StatisticProb. C-22.9361312.79508-1.7925740.0890 DX110.068494.1036532.4535440.0240 DX4-0.1969760.107628-1.8301460.0830 AR(1)0.6108700.1935573.1560260.0052 R-squared0.974648 Mean dependent var5.185680 Adjusted R-squared0.970645 S.D. dependent var0.320107 S.E. of regression0.054845 Akaike info criterion-2.811841 Sum squared resid0.057152 Schwarz criterion-2.614363 Log likelihood36.33617 F-statistic243.4806 Durbin-Watson stat1.546389 Prob(F-statistic)0.000000 Inverted AR Roots .61 计量经济学》课程论文 四川省居民消费水平影响因素的分析 （论文理论综述及结构雏形） 【摘要】 消费水平关系着每位消费者实际生活水平的状况，因而是消费经济研究的基本问题。一国消费水平的高与低，有一系列的国际的衡量和评价指标。消费水平变动受多种因素的影响，并有客观的数量界限。总结历史的经验和教训，采取各种措施在建设现代化的工业及国民经济体系中，使人们的消费水平稳步提高，是我国的一项长期战略任务。 本文旨在对近二十年我国四川省的居民消费水平及其影响因素进行实证分析来探索提高居民消费水平的方法，用以为政府制定各项政策做参考。首先，我们根据消费经济学的知识找出了一些影响居民消费水平的因素；进而我们建立了关于四川省居民消费水平的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并提高居民消费水平提出一些建议。 【关键词】 消费水平 人口总数 国民生产总值 消费价格指数 EVIEWS软件 计量经济学 检验 一 引言 改革开放以来，我国居民收入与消费水平不断提高，居民消费结构转换和消费需求扩张成为我国经济高速增长的主要动力，特别是进入90年代以来，居民消费需求对国民经济发展的影响不断增大。 但是，对国民经济总体需求变化和居民消费变化的考察使人们发现：一方面，随着市场经济逐步建立和买方市场的出现，消费需求增长对经济增长的影响逐渐增强；令一方面，我国居民消费领域已经出现了一些可能影响国民经济发展全局的隐忧。其中最为突出的隐忧，一是最终消费率和居民消费率明显偏低。居民消费率过低而居民储蓄率过高将可能导致我国经济增长在今后一段时期受到严重的国内市场需求约束。二是城乡居民消费结构升级受阻。一方面，受制度急剧变化和消费预期影响，城镇居民边际消费倾向快速下降，出现“有钱不敢花”的谨慎消费现象；另一方面，城乡收入差距重新拉大，农民出现“想买没钱买”的现象。城乡居民消费结构升级受阻，使消费结构升级对国民经济发展的支撑作用减弱。 因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长的速度和质量都有十分重要的意义。 二 经济理论陈述 所谓消费水平，从宏观角度考察是指社会全体消费者的物质文化需要得到满足的程度；或者说是社会提供给众多消费者用于生活的消费的产品和服务的数量和质量。也就是说，消费水平的含义既包括了消费品，又包括了消费服务，而且从消费水平的发展趋势看，消费服务将越来越占有重要的地位；既包括了数量也包括了质量。质量的因素不仅是消费水平不可忽视的重要内容，而且也成为消费水平高低的越来越重要的衡量标志。 消费水平从微观上考察，就是消费者及其家庭生活需要的满足程度，或者讲是消费者及其得到或可支配的消费品和服务的数量和质量以及金融资产的状况。我们对消费水平的考察着重于宏观方面，即对消费水平的研究还要结合物质和精神文化需要的满足程度。 下面我们着重说明影响消费水平的主要因素： 影响消费水平的主要因素可以分为两大类，即自然因素和社会经济因素。前者包括资源状况：水文、气候情况、地形地貌、农作物生长条件等。后者包括生产力状况、国民生产总值规模、人口总量、价格水平、交通条件、教育状况、进出口、就业、市场等。我们具体进行分析： （一）社会的劳动生产率及其增长速度 任何社会，其劳动生产率的高低总是决定着消费水平的状况。只有通过发展生产，在提高社会劳动生产率的基础上才能从根本上提高人们的消费水平。舍此，消费水平的增长就失去了基础，可能一时上去了但总要掉下来。在其他条件不变的情况下，一国消费水平的高低与该国劳动生产率及其增长成正比。在市场经济条件下，必须强调劳动生产率的增长应该是集约的而不是粗放的，因而应是有效率的而不是乱铺摊子、高投入的结果。 （二）国民生产总值的总规模及其在总消费、总投资、净出口之间的支出分配 国民生产总值是按市场价格计算的一国所有常住单位在报告期内原始收入的初次分配的结果。显然，国民生产总值总规模越大，在支出分配比例不变的条件下，总消费就越大，如人口为一定，则人均消费水平就会提高。 在国民生产总值总规模一定的情况下，消费水平又主要取决于总消费、总投资及净出口之间的支出或分配比例。此比例关系中，如总消费占的比例越大，消费总量实际就越大，因而消费水平就越高，反之就越低。而总投资特别是生产性投资及净出口占的比例越大，当前的消费水平就越低，反之就越高。应当看到，总消费与总投资即是消费与投资建设的关系，又是即期消费与远期消费之间的关系。应为消费水平的长期稳定提高奠定和创造坚实的基础，而不应“分光吃净”。 （三）总消费内部的比例也直接影响消费水平及其实现 根据新的统计口径，总消费分为两个方面，即居民消费和社会消费。前者指常住居民在一定时期内对货物和服务的全部最终消费。包括居民以货币直接购买的各种消费品和支付的房租、交通、医疗、文教等服务支出，居民本期的自产自用的消费品及自有住房的虚拟消费；居民以实物工资的形式获得的各种生活消费品等，后者指社会公共服务部门将其生产活动总成果提供给政府、由政府部门购买并提供给社会享用的社会消费支出。两者的关系，居民消费是关系消费者消费水平的直接因素，而社会消费是消费者进行消费活动不可缺少的条件。但社会消费并不能使任何一位消费者都能直接得到或进行此项消费，因此它对消费者的消费水平是间接的影响因素。 （四）消费品价格水平及其内部比价 消费品价格水平与消费水平呈逆向变动。表现为：一是在货币收入为一定时，实际消费水平高低与物价水平高低成反比，物价水平越高，实际消费水平就越低，反之则越高。二是各类消费品价格对比关系，也影响人们的实际消费水平。特别是对收入水平不同的消费者会有不同的影响。如基本消费品价格上涨而非必需品价格下降，可带来低收入消费者的消费水平下降和高收入消费者的消费水平提高。 （五）产品结构及产品质量 产品结构的变动通过引起消费结构的良性变动或逆向变动而影响消费水平的高低。此外，工业产品的质量与消费水平也密切相关。在其它条件相同的情况下，提高产品质量可延长消费品的使用寿命，减少消费者的频繁购买，从而使其实际消费水平提高，反之，消费者的实际消费水平就会下降。 （六）人口总量、人口增长速度及人口的社会结构 一般地说，人口总量与消费水平成反比。在国民生产总值一定的情况下，社会平均消费水平与人口数量成反比。在国民生产总值一定，总消费与总投资的比例一定的情况下，社会平均消费增长速度与人口增长速度成反比。通常一国人口增长过快会引起人口结构的年轻化，青年人占社会总人口的比重上升，未达到劳动年龄的人口增加，可能影响近期消费水平提高的速度，但可能未来发展比较有后劲。 此外，社会的生产关系、消费关系的完善程度，消费政策的调整，居民消费方式的选择、消费储蓄的变动情况，社会消费信贷宽紧情况，对外贸易的规模及进出口产品的结构，社会的交通、教育的发达程度及基础设施的情况，经济组织的效率及市场的供应情况，以及人们消费习俗的沿袭和变迁等也都在不同范围和不同程度上影响居民的实际消费水平。 由以上的分析可以看出，影响消费水平的因素很多，主要的有社会劳动生产率、国民生产总值的总规模、总消费、消费品价格水平、产品结构及产品质量、人口总量、人口增长速度及人口的社会结构等。我们依此理论对四川省的居民消费水平利用最小二乘法进行多因素分析。 三 计量经济模型的建立 四 相关数据收集 五 模型的参数估计、检验及修 六 结论 七 建 八 参考文献及附表 范剑平主编： 《居民消费与中国经济发展》 中国计划出版社 2000年版 苏志平、徐淳厚编著： 《消费经济学》 中国财政经济出版社 1997年版 计量经济学》课程论文 餐饮业区域市场潜力的影响因素分析 （修正稿） 小组成员（工商管理专业02级）： 指导教师：黎实 【摘要】 众所周知，在我国“西部大开发”发展战略当中，成都和四川的开发占有举足轻重的地位。对于一个企业来说，如果考虑对一个地区进行投资，那么该地区的区域市场潜力将是首要考虑的因素之一。本文旨在对近二十年我国四川省的餐饮业销售额及其影响因素进行实证分析来探索评估区域市场潜力的方法以为公司投资决策做参考。首先，我们综合了几种关于市场需求调查与预测的主要理论观点；进而我们建立了关于四川省餐饮业销售额的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并相应提出一些建议。 。 【关键词】 餐饮业零售额 居民消费水平 社会消费品零售总额 人口总数 EVIEWS软件 市场需求 一 引言 我国提出西部开发已经有好几年了，现在，大多数行业在发展的同时都会特别提到西部地区的发展情况。西部大开发战略意义重大，其成功与否将直接关系到我国的国际竞争力。而在实施西部大开发战略中，一个非常重要的因素就是发展经济，提高居民购买力，扩大市场需求量。 市场需求量的测量是企业制定正确营销战略的前提条件。在激烈市场竞争中，如果哪家企业能正确估计当前的市场需求并把握未来需求的态势，那么该企业就能掌握市场变化的主动权，从而在竞争中求得生存和发展。 在企业的具体实践中，可以依据测量对象在发生时间上的不同，把居民购买力水平分为两大类型，即对目前需求的估量和对未来需求的预测。而我们建模的目的就是通过对四川省某行业（餐饮业）的消费进行调查和预测以便于任何一家四川省的该行业企业或打算对四川该行业进行投资的企业做决策。 另外，就某一行业分析，近几年四川省餐饮业市场红火。今年以来,四川省政府各级有关部门切实做好了禽流感的预防、监测和控制工作，能够保证让市民放心消费，禽流感对餐饮市场影响不大。城乡居民生活水平不断提高和生活节奏的加快，外出休闲就餐的居民不断增加，同时，一些餐饮业企业进一步增强创新经营观念，突出个性经营和品牌理念，提高服务质量，从而吸引大量的消费者，促进了四川省餐饮业的进一步发展。 因此，我们选择四川省的餐饮业进行建模。 二 经济理论陈述 本次建模我们主要运用《市场营销学》中的市场需求理论，下面进行具体陈述： （1） 市场需求的层次 在市场营销活动中常谈到一个产品是否“有市场”。营销中有四个市场名词：潜在市场、有效市场、服务市场和渗透市场。这四个不同的市场名词各代表不同的含义及大小。依市场需求量的大小，其关系可表示为： 潜在市场=有效市场=服务市场=渗透市场 对于市场的层次来说，各类市场的层次是不尽相同的，它们各自在总体市场上占有不同的比例。 （2） 市场需求调查中的“需求”的含义 某产品的市场需求，通常是指在特定的地理区域、特定的时间、特定的营销环境中，由特定的消费者购买的总量。 （3） 市场需求的基本内容 市场需求测量，可以根据测量所要达到的目的及所需的条件从多层次多侧面进行。 在企业实践中，可以根据测量对象在发生时间上的不同，把需求测量分为两大类型，即对目前需求的估量和对未来需求的预测。 通常情况下，对未来需求的预测比对目前需求的估量要复杂和困难的多，而且预测的时距越长越困难。 三 计量经济模型的建立 根据上述需求理论中的基本概念，我们分析影响区域市场潜量的主要因素有区域社会消费品零售总额，区域人均消费水平和区域总人口数。由此建立了如下的计量经济学模型： Y=C+β1x1+β2X2+β3x3+Ui 其中Y 表示四川省餐饮业零售额，x1表示四川省人均消费水平，x2表示社会消费品零售总额，x3表示四川省人口数，单位分别为万元、元/人、万元和万人。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。 四 相关数据收集 1 数据来源说明：本文数据除1986年外均摘自《1998年四川统计年（因1986年数据缺失，而采用了《1991年四川统计年鉴》的86年数据进行换算），数据口径基本一致。 2 数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。 五 模型的参数估计、检验及修正 1. 模型的参数估计及其经济意义、统计推断的检验 我们用EVIEWS软件和最小二乘法对数据进行回归分析(见附表二)， 可得方程如下： Y = 1861350 - 437.6427X1 + 0.1921X2 – 265.5488X3 + Ui (391927.4) (321.9169) (0.053366) (54.17442) t=（4.749222） （-1.35949 ） （3.599652） （-4.901738） R^2 =0.986064 F=377.3720 由F=377.372F0.05(3,16)=3.24(显著性水平a=0.05),表明模型从整体上看四川省餐饮销售量与解释变量之间线性关系显著。但X1，X3系数的符号与经济意义相悖，从经济意义上讲，餐饮业区域销售量应随着区域总人口和区域人均消费水平的增加而增加。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。 2. 计量经济学检验 （1）多重共线性检验 用EVIEWS软件，得相关系数矩阵表 X1X2X3 X1 1.000000 0.998618 0.892967 X2 0.998618 1.000000 0.886325 X3 0.892967 0.886325 1.000000 由上表可以看出，解释变量X1与X2 、X1与X3 、 X2与X3之间的相关系数都较大，可见存在严重的多重共线性。在经济意义上，人均消费水平，区域社会消费品零售总额，人口多寡都与经济的发展密切相关，这使得他们之间的相关性很强。 下面我们利用逐步回归法（变量剔除法）进行修正（见附表三、四、五）： Y=2025316.+ 0.119993x2-289.3563x3 t＝ (5.3005) (19.8602) (-5.5085) R^2=0.9845 F=538.2767 Y=-58298.9 +0.251898x2-947.7207x1 (-2.4730) (3.1598) (-2.0274) R^2=0.9651 F=235.3099 Y=--77977.08 +0.0905x2 (-3.3515) (19.9442) R^2=0.9567 F=397.7711 此时，修正可决系数开始下降，但所有参数的t值都已经比较显著，故不再删除变量，选择此模型为修正后的模型。 （2）异方差检验（Goldfeld-Quandt检验，具体数据见附表六，七） 在procs中选定sort series,键入x2.。在sample中定义时间为1978－1985，然后用ols法求得： Y=22801.01+0.038768x2 (8733.607) (0.007029) R^2=0.835241 ∑e1^2=3.36e+08 Y＝-277572.8+0.113425x2 (75883.50) (0.009234) R^2=0.967922 ∑e2^2=2.65e+10 求F统计量： F＝∑e2^2/∑e1^2＝78.86905 在给定显著性水平a＝0.05时，比较得F＝78.869054.28，则表明存在异方差。 下面我们用对数变换法进行修正（见附表八） 修正后的方程为： Y ＝-4.159209+1.091890x2 （0.707612） （0.047738） R^2＝0.966738 F＝523.1632 此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。 （3）自相关检验 由附表八得d＝0.400126，在显著水平=0.05下，查表 n=20，k’=1时，DL =1.201，du=1.411，由于d=0.400126DL=1.201，表明该模型中的误差序列存在一阶自相关。 下面用广义差分法进行修正，由d=0.400126，计算出=1-d/2=0.799937，构造差分模型并估计，得 DLY=-1.746574+1.387530DLX2 t=(-4.347077) (10.72852) =0.863741 F=115.1101 DW=1.996049 发现经过广义差分法修正后，DW值有所提高，不存在自相关 六 结论 可见，由模型得出，尽管从经济背景分析来看，居民人均消费水平和区域人口总数会影响区域餐饮业销售额，但实证分析表明，四川省餐饮业销售额主要取决于四川省社会消费品零售总额。 附表1 obsY(万元)X1（元/人）X2（万元）X3（万人） 197841245149.936158377071.9 197960989163.287740587120.5 198051175184.868790907154.8 198169097201.5711913317215.6 198273262213.9312631397300.4 198380374239.1213857667336.9 198494153272.2616233427364.0 198579348320.4417400257419.3 198696034342.9220177547511.9 1987117778395.9823184037613.2 1988151113491.5330055357716.4 1989170102555.7732841987803.2 1990195884654.2033986517892.5 1991220437712.9938772337947.8 1992259679800.1845342597992.2 1993342233997.8755484678037.4 19944762641330.1972474088098.7 19956984351610.0893636518161.2 19969425131859.92109144858215.4 199711980652050.00121236998264.7 附表2 Dependent Variable: Y Method: Least Squares Date: 05/20/04 Time: 22:44 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C1861350.391927.44.7492220.0002 X1-437.6427321.9169-1.3594900.1928 X20.1921000.0533663.5996520.0024 X3-265.548854.17442-4.9017380.0002 R-squared0.986064 Mean dependent var270909.0 Adjusted R-squared0.983451 S.D. dependent var320910.0 S.E. of regression41282.61 Akaike info criterion24.27113 Sum squared resid2.73E+10 Schwarz criterion24.47027 Log likelihood-238.7113 F-statistic377.3720 Durbin-Watson stat1.165475 Prob(F-statistic)0.000000 附表3 Dependent Variable: Y Method: Least Squares Date: 05/21/04 Time: 09:43 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C2025316.382098.25.3005120.0001 X20.1199930.00604219.860150.0000 X3-289.356352.52932-5.5084720.0000 R-squared0.984454 Mean dependent var270909.0 Adjusted R-squared0.982625 S.D. dependent var320910.0 S.E. of regression42299.97 Akaike info criterion24.28044 Sum squared resid3.04E+10 Schwarz criterion24.42980 Log likelihood-239.8044 F-statistic538.2767 Durbin-Watson stat0.947258 Prob(F-statistic)0.000000 附表4 Dependent Variable: Y Method: Least Squares Date: 05/21/04 Time: 13:30 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-58298.9023574.56-2.4729580.0243 X1-947.7207467.4451-2.0274480.0586 X20.2518980.0797193.1598140.0057 R-squared0.965137 Mean dependent var270909.0 Adjusted R-squared0.961035 S.D. dependent var320910.0 S.E. of regression63346.03 Akaike info criterion25.08809 Sum squared resid6.82E+10 Schwarz criterion25.23745 Log likelihood-247.8809 F-statistic235.3099 Durbin-Watson stat0.671669 Prob(F-statistic)0.000000 附表5 Dependent Variable: Y Method: Least Squares Date: 05/21/04 Time: 09:52 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-77977.0823266.21-3.3515160.0036 X20.0904950.00453719.944200.0000 R-squared0.956707 Mean dependent var270909.0 Adjusted R-squared0.954302 S.D. dependent var320910.0 S.E. of regression68601.39 Akaike info criterion25.20465 Sum squared resid8.47E+10 Schwarz criterion25.30423 Log likelihood-250.0465 F-statistic397.7711 Durbin-Watson stat0.433612 Prob(F-statistic)0.000000 附表6 Method: Least Squares Date: 05/21/04 Time: 22:31 Sample: 1978 1985 Included observations: 8 VariableCoefficientStd. Errort-StatisticProb. C22801.018733.6072.6107210.0401 X20.0387680.0070295.5151530.0015 R-squared0.835241 Mean dependent var68705.38 Adjusted R-squared0.807782 S.D. dependent var17066.46 S.E. of regression7482.401 Akaike info criterion20.89081 Sum squared resid3.36E+08 Schwarz criterion20.91067 Log likelihood-81.5633 F-statistic30.41691 Durbin-Watson stat2.422685 Prob(F-statistic)0.001494 附表七 Dependent Variable: LY Method: Least Squares Date: 05/21/04 Time: 22:10 Sample(adjusted): 1993 1997 Included observations: 5 after adjusting endpoints Convergence achieved after 11 iterations VariableCoefficientStd. Errort-StatisticProb. C-11.18159.763849-1.145190.3707 LX21.538980.6107422.5198540.128 AR(2)-0.207652.81146-0.073860.9478 R-squared0.987795 Mean dependent var13.40522 Adjusted R-squared0.97559 S.D. dependent var0.505785 S.E. of regression0.079023 Akaike info criterion-1.95445 Sum squared resid0.012489 Schwarz criterion-2.18878 Log likelihood7.886116 F-statistic80.93232 Durbin-Watson stat1.413427 Prob(F-statistic)0.012205 附表八 Dependent Variable: LY Method: Least Squares Date: 05/21/04 Time: 22:46 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-4.159210.707612-5.877810 LX21.091890.04773822.872760 R-squared0.966738 Mean dependent var11.99817 Adjusted R-squared0.96489 S.D. dependent var0.986819 S.E. of regression0.184906 Akaike info criterion-0.4433 Sum squared resid0.615422 Schwarz criterion-0.34373 Log likelihood6.43302 F-statistic523.1632 Durbin-Watson stat0.400126 Prob(F-statistic)0 附表九 Method: Least Squares Date: 05/21/04 Time: 23:06 Sample(adjusted): 1979 1997 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-1.746570.401781-4.347080.0004 DX21.387530.12933110.728520 R-squared0.871311 Mean dependent var2.556664 Adjusted R-squared0.863741 S.D. dependent var0.275586 S.E. of regression0.101728 Akaike info criterion-1.63373 Sum squared resid0.175926 Schwarz criterion-1.53431 Log likelihood17.52041 F-statistic115.1011 Durbin-Watson stat1.996049 Prob(F-statistic)0 《计量经济学》课程论文 影响餐饮业因素的实证分析 （初稿） 小组成员（工商管理专业02级）： 王丹 应婷 吴志刚 李睿 李治海 指导教师：黎实 日期：2004年3月－5月 【摘要】 众所周知，在我国“西部大开发”发展战略当中，成都和四川的开发占有举足轻重的地位。对于一个企业来说，如果考虑对一个城市进行投资，那么该地区的居民购买力水平将是首要考虑的因素之一。而居民购买力水平主要用于估量消费品的区域市场潜力，是市场需求量的一个重要决定因素。本文旨在对近几年我国四川省的餐饮业销售额及其影响因素进行实证分析来说明成都市的居民购买力水平。首先，我们综合了几种关于市场需求调查与预测的主要理论观点；进而我们建立了关于四川省餐饮业销售额的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并相应提出一些建议。 本模型对估量一个地区的居民购买力有较强的实用性和普遍性(特别是针对某一行业)，具有现实指导意义。 【关键词】 餐饮业零售额 居民平均消费水平 社会消费品零售总额 人口数 EVIEWS软件 市场需求 市场预测 一 引言 我国提出西部开发已经有好几年了，现在，几乎大多数行业在发展的同时都会特别提到西部地区的发展情况。西部大开发战略意义重大，其成功与否将直接关系到我国的国际竞争力。而在实施西部大开发战略中，一个非常重要的因素就是发展经济，提高居民购买力，扩大市场需求量。 市场需求量的测量是企业制定正确营销战略的前提条件。在激烈市场竞争中，如果哪家企业能正确估计当前的市场需求并把握未来需求的态势，那么该企业就能掌握市场变化的主动权，从而在竞争中求得生存和发展。 在企业的具体实践中，可以依据测量对象在发生时间上的不同，把居民购买力水平分为两大类型，即对目前需求的估量和对未来需求的预测。而我们建模的目的就是通过对四川省餐饮业的分析，对居民购买力进行调查和预测。这便于任何一家四川省的企业或打算对四川进行投资的企业做决策。 另外，就某一行业分析，近几年四川省餐饮业市场红火。今年以来,四川省政府各级有关部门切实做好了禽流感的预防、监测和控制工作，能够保证让市民放心消费，禽流感对餐饮市场影响不大。城乡居民生活水平不断提高和生活节奏的加快，外出休闲就餐的居民不断增加，同时，一些餐饮业企业进一步增强创新经营观念，突出个性经营和品牌理念，提高服务质量，从而吸引大量的消费者，促进了四川省餐饮业的进一步发展。 中国加入WTO后至 2005年，中国零售业市场完全放开，市场的竞争将极为残酷；中国零售业者必须提高企业的竞争力，来适应自身发展.但可喜的是：2003年四川省社会消费品零售总额2091.1亿元，首次突破2000亿元大关，增长10.8%。 势头良好。 因此，我们选择四川省的餐饮业进行建模。 二 经济理论陈述 本次建模我们主要运用《市场营销学》中的市场需求理论，下面进行具体陈述： （1） 市场需求的层次 在市场营销活动中常谈到一个产品是否“有市场”。营销中有四个市场名词：潜在市场、有效市场、服务市场和渗透市场。这四个不同的市场名词各代表不同的含义及大小。依市场需求量的大小，其关系可表示为： 潜在市场=有效市场=服务市场=渗透市场 对于市场的层次来说，各类市场的层次是不尽相同的，它们各自在总体市场上占有不同的比例。 （2） 市场需求测量中“需求”的含义 “需求”的定义比较广泛，在不同场合必须加以区分。这里从“需求”的角度对需求作出相应的规定。 1 市场需求 某产品的市场需求，通常是指在特定的地理区域、特定的时间、特定的营销环境中，由特定的消费者购买的总量。 2 市场潜量 市场潜量通常是指在特定营销环境下，随着行业营销活动的强化及不懈努力，某类产品的市场需求所能达到的最大极限（或者称为最高市场需求）。 3 企业需求 企业需求通常是指某企业在市场需求中所占的份额。

  • 1998—2004年投资和经济增长及财政收入和支出的相互关系(一)_经济学毕业论文

    1998—2004年投资和经济增长及财政收入和支出的相互关系(一)_经济学毕业论文 投资率指标是资本形成总额与支出法GDP 总值的比，我国现行的投资率指标的计算是以国家统计局规定的口径，即全社会固定资产投资总额与生产法GDP总值的比。该指标虽然是相对指标，但用于观察全社会一定时期投资状况时，比投资总额指标更优越，因为该指标最明显的优点是把投资与经济增长紧密联系起来。 （一）投资增长变化 我国自1998 年以来，投资率一直持续高位。1998-2004 年，我国平均投资率为39.2%，2004 年投资率高达51.5%。依据世界银行资料，我国投资率不仅高于世界平均水平，也分别高于低收入、中等收入和高收入的国家的平均水平。2002 年世界平均投资率为19.9%，其中低收入国家为19.7%，中等收入国家为22.9%，高收入国家为19%，我国同期水平为39.4%，高出世界平均水平19.5 个百分点。 近年来，形成我国高投资率尽管有一些客观原因，例如，既有发展阶段和具体国情方面的原因，也有短期经济波动和体制方面的原因，但过高投资率给宏观经济带来的负面影响是不可低估的：过高投资率影响宏观经济运行的稳定性，甚至会导致过大的经济波动；促使能源、交通和主要原材料供应紧张，部分产品价格上涨过快，引发通货膨胀；加剧了一些行业和领域盲目扩张和重复建设，导致投资效率下降；造成银行资产质量下降，增大了金融风险等等。 （二）经济增长速度变化 伴随着政府财政投资的逐年增加，经济增长也显现出来，呈现逐年增加的趋势。从1998年6.8%到2004年9.1%的经济增长速度，说明了中国积极的财政政策和货币政策起到了一定的作用。积累了适应现代市场经济发展要求的、全过程的宏观调控经验。这里所说的全过程包括以下四个阶段：①1992-1997年积累了经济“软着陆”的经验。这期间经济增长率由14.2%缓慢地下降到8.8%，处于我国现阶段经济增长合理区间的上限以内。②1998-1999年又积累了制止经济增速过渡下滑的经验。这两年经济增长在合理区间下限以上。③2000-2002年积累了经济缓慢回升的经验。这三年经济增长率分别为8%，7.3%和8.3%，均高于1999年。④2003年下半年—2004年，又 积累了治理局部过热，避免经济大起以及必然大落的经验。这两年经济增长率分别为9.3%和9.5%，处于经济增长合理区间的上限线内。当然，上述经验还只是初步的，需要发展与完善。但在我国历史上是空前未有的，在国际上也不多见。它是知识形态上的一笔巨额的、宝贵的资本，是我国今后经济持续快速发展的重要保证。 （三）财政收入、支出变化情况 1998-2004年财政支出结构调整力度陆续加大。调整和优化支出结构不仅是缓解财政困难、提高财政资金使用效益的重要措施,也是规范政府职能的迫切需要。财政支出结构调整的目的,就是要将财力主要用于满足社会公共需要和社会保障事业。对一般性支出坚决实施零增长政策。 经济全球化条件下改革开放效应。改革开放20多年来，我国已经初步建成了社会主义市场经济体制的基本框架，形成了全方位、宽领域、多层次的对外开放的总体格局，并成为这期间经济持续快速发展的最根本动力。但这是否可以成为“中国改革开放在释放生产能力方面已经走到尽头”的观点的论据呢？不能。这种说法既不符合国际经验，也不符合中国实际。就国际经验来说，如果以市场经济发展较早的英国算起，作为社会生产资源主要配置方式的市场经济已经经历了二三百年的时间。而且，在可以预见的将来，还看不到这种市场经济制度在释放生产力方面已经走到来尽头。为什么中国市场取向改革才进行了20多年，就达到了这一步呢？就我国当前实际状况来看，更不能这样说。实际上，中国的改革开放在释放生产力方面还有巨大的潜力。这主要表现在以下几个方面：一是中国已有改革还远远没有到位；二是改革发展很不平衡；三是改革处于攻坚阶段。其难度更大，但作用也往往更大。四是伴随改革的进展，进一步深化改革的条件更成熟，方法更完善。这就使得改革仍将在一个长期内成为中国经济发展的根本动力。 总之，中国有许多有利条件，实现经济的快速平稳持续发展。对此，必须树立坚定的信心。 三、IS-LM曲线模型分析 近年来，在世界经济增长不断减缓的大背景下，中国经济却持续保持着骄人的增长率，其中，政府所运用的财政政策和货币政策两大主导政策工具起到重要的作用。在实践中，改革开放的前几年，一方面由于财政收入占GDP的比重不断下降，国民收入分配格局向居民倾斜；另一方面，由于财政政策运行机制上存在着问题，使得财政政策的调控功能难以发挥作用。同时，中央银行制度的独立使得货币政策在宏观调控中形成了“独木撑天”的局面… 。但是面对1998年以后我国经济的通货紧缩问题，货币政策却陷入了深深的困境，无法有效地启动经济 。为此，政府部门和理论界基本达成共识，那就是启用财政政策来启动经济增长。根据总需求理论，增加财政支出对经济增长具有促进效应，这种效应主要表现为对总需求的变化产生明显的影响。 IS－LM曲线的相交点是商品市场和货币市场的同时均衡点，政府可以通过财政政策与货币政策调节投资、消费、储蓄、货币供给、货币需求等经济变量之间的关系，从而使利息率与国民收入能互相配合，减少调控中可能出现的矛盾，达到预期目标。 一国政府如果采取扩张性财政政策，例如，增加政府支出或降低生产率，能够扩大总需求，增加国民收入，但也会引起利率提高，从而抑制私人投资，产生挤出效应，弱化财政政策对经济的扩张作用。如果同时采取扩张性货币政策，通过中央银行的公开市场业务，购进有价证券或降低存款准备金率和再贴现率，增加货币供应量，就可以抑制利率上升，扩大信贷，刺激企业投资，消除或减少扩张性财政政策的挤出效应，扩大总需求，其结果是在保持利率不变的条件下，有效地刺激经济发展，使国民收入增加。西方国家的实践证明，同时采用扩张性财政政策和扩张性货币政策，把这两种扩张性政策搭配在一起，在短期内会增加社会需求，比单纯运用财政政策或货币政策有着更大、更迅速地缓和衰退、刺激经济的效果。 （一）我国IS—LM宏观经济模型 IS—LM模型所表示的经济关系是建立在完善的市场经济中的消费行为、投资行为和货币需求行为基础之上的。通过对中国的实际经济数据进行计量分析，可认识中国的消费、投资等行为。 (1)产品市场：IS模型。产品市场的均衡方程IS是总收入等于总支出，即Y=AD。而总支出AD由消费C、投资I、政府支出G和净出口XM四部分构成。 根据凯恩斯的绝对收入假说，消费取决于可支配收入，消费函数由自发消费和引致消费两部分构成。投资是实际利率的函数，同时根据对中国的投资活动、资本形成和生产活动的分析可以发现，投资又取决于国民收人，即也是国民收入的函数。净出口为出口与进口之差，一般认为；出口由国外市场决定，国内市场对它的影响较小，故可以视为常数。而进口则取决于国民收入和汇率水平，考虑到汇率资料繁杂和模型规模的限制，在此仅仅把进口考虑为国民收入的函数。 (2)货币市场：LM模型。货币市场均衡条件是真实货币余额的供给等于其需求：M／P=L(Y，i)。 &

  • 物业管理的现有发展模式及各自的优缺点_经济学毕业论文

    物业管理的现有发展模式及各自的优缺点_经济学毕业论文 物业管理发展到今天,仅仅二三十年的时间.进入21世纪,各个行业逐渐开始出现物业管理,物业管理也逐渐在市场中占一定的经济比例。物业管理公司也逐渐实行法制化和区域化管理,初步实行市场化运作,并不断实行品牌经营和集团化发展,逐步迈入高科技新领域。物业的智能化也越来越常见。物业管理如何实现效益的最优化如何予管理于服务中如何在现有的物质经济条件下创造出更大的经济价值等等问题是近年来人民关心的热点，特别是物业管理的模式,各种观念不断翻新。物业管理模式是当今物业管理行业中讨论最为多的话题。的确,如何在现有的经济政治条件下,特别是在我国这样社会主义特色的经济政治条件下寻求到好的合适的物业管理发展模式对我们的管理和服务工作不仅仅是推动问题了。 我们知道物业管理是在城市房地产开发经营中发展起来的一种综合性经营服务，是房地产开发的延续和完善，也是房地产市场、房地产业体系的重要组成部分。但是，由于建国以来，我国的城镇住房管理长期实行计划经济条件下的行政管理体制，物业管理起步较晚，民主意识不够强，一些地方政府有关部门对物业市场的管理欠缺有效的手段，业主之间以及业主与物业管理公司之间产生的纠纷越来越多，有的甚至成为了房地产业发展的障碍。而物业管理企业的起点低，物业管理理念落后，规模效益差，也成为我国现阶段物业管理发展的一个较为突出的问题.随着市场经济的发展,如何选择物业模式是一个公司良好发展中必要探讨和决定的首要问题。适合自己公司定位的物业模式在很大程度上决定公司的发展前景。 2.1 我国物业管理的模式 2.1.1 传统的房管模式 传统的房屋管理模式是一种行政性、福利性房管模式。是由政府机构——各地区房管部门及其下属的事业单位——房管所(站) 传统房管采用行政手段为主直接进行福利型的封闭式管理，管理单位长期不变。房管房屋绝大多数是国家或单位所有，属公产，其产权关系单一，使用人不是产权人。房管以单一的收租养房为主要内容,租金低廉，管理内容单一。房屋修缮问题很难及时处理,修缮后的费用一般由国家承担.长期如此,房屋的修缮问题一般很难得到处理.为此,在传统的房管模式下,物业管理这一名词不存在,房屋修缮等类似的工作一般形同虚设。居住者往往采用偷梁换柱的方法即通过房管部门获得房屋后租授给其他没有住房的人们,然后自己再租赁国家或单位的公房。甚至到80年代初某些地区的房租仅为两三元每月。 在传统的房管模式下,国家每年用于旧房修缮的费用占据用于居民住房基金的大部分费用。上海北京等大城市,出现住房紧缺的现象.住户往往都是三世同堂甚或四世同堂。可是住房新建能力在大量的旧房维修和改建上却消耗太多。这与现在的物业管理化住宅区相比其缺点主要有以下三点1)物业维修困难,物业保养能力几乎没有,物业在很大程度上处于严重的日益破坏状态;(2)国家用于住房的投资额较大.在传统的房管模式下,国家每年的投资都在增加,可是,住房环境和住房面积却日益减少。住房问题呈恶性循环状态.群众在现实环境中有很多都钻制度的空缺,大发政府的财,可是政府却无力管理也无人管理;(3)影响精神文明建设的发展,制约经济的增长.住房环境的恶化在很大程度上影响人们就业教育的发展.特别是经济发展.长期把资金投资于不能合理利用的住房方面,福利住房使的人们在住房消费上意识淡薄,住房消费较低,在整个经济环境中是个制约因素。 实行规范化的物业管理后,这些问题基本上得到解决。无锡中房物业管理服务的社区锦绣花苑无论在环境还是在文化环境的塑造上均比以前传统的房管模式下先进了很多。小区的控制系统均采用智能化控制,物业得到保养,并在一定程度上达到增值的目的。 2.1.2 福利模式 我国的物业管理主要是伴随住房制度改革、土地使用制度改革和住房生产制度改革的发展而在全国逐步推行，其最初的基本模式是谁开发谁管理。物业管理权很少流动, 基本上都是采取了谁开发谁管理的做法。无锡中房物业管理公司主要管理的是中房开发的十大小区,修缮基金主要来源于总公司即房地产公司。该物业管理公司-------银杏苑管理处吴主任说分区的修缮费用低于1000元,一般由小区自己负责,高于这个数字或者公司规定的大中小修理之类的一般均上报总公司报销或者要求拨款。目前,这样类型的物业管理公司在我国较为常见.物业管理公司的规模大小取决于房地产开发公司,即开发公司的规模大物业管理公司的规模也较大。无锡中房物业管理公司性质属于房产开发公司下属公司,最初只是一个房管部。随着中房的发展,逐渐蜕变成较大的物业管理公司, 公司为二级资质企业。目前该物业管理公司主要负责中房开发的10大小区的物业服务工作,10个小区的名单如下: 银杏苑,月绣花苑,汤巷,怀古。石子街,主姓巷,沁园,西横街,锦绣花园,宁海里一区,二区.该公司在无锡地区属于较早建立的物业管理公司, 也是无锡地区的社区实施物业管理专项服务的第一家,在一定程度上推动了无锡的房改工作和经济发展。 这类物业管理公司在接管物业时无须担心物业的来源,物业在接管和验收的过程中也较为简单方便.前期介入活动也较为容易进行.物业的基本资料来源广泛,涉及的面一般较多。中房物业锦绣花园的负责人说该小区在最初的接管验收时所做的工作非常多,无论在智能化系统处理上还是在楼宇本身的技术监控上和基本设施的技术质量上,他们都从最初的施工开始都有了一定的了解和实际操作控制经验,所以在以后实际的管理服务中对于大厦本身的技术问题一般上没较大出入,系统的监控基本上没意意外技术漏洞出现。 这类福利型的物业管理模式在一定程度上比传统的房管模式较为先进。这种谁开发谁管理服务的模式解决了长期以来住房无人管理的现象,住房环境得到大大改善。房屋修缮基金不再需要国家支出,直接由开发公司支出。住房在这样模式条件下完全是市场化的,消费者可以根据自身的经济文化条件选择适合自己的居住环境。物业管理在这样模式下的优点是1)技术问题了解较容易,物业设施的资料获得较渠道直截便利,物业资料较齐全。(2)物业修缮费用来源较稳定,公司很容易采取零收费管理来解决物业管理中出现的各种问题。(3)物业公司没有太大的生存危机感,公司发展直接由开发公司的规模决定。这类物业管理可以说是房地产开发公司的售后服务部.物业管理公司服务的小区环境的好坏与否直接与开发公司开发本身的品牌效应有关。同时在开发小区的档次处理上也取决于开发公司,物业管理只是辅助开发公司做好售后服务工作。因此,这类福利模式在很大程度上存在以下的不足:(1)前期介入接管验收质量存在问题的可能性几率较大,开发商在处理自己工程技术问题上很容易选择适合自身发展的方式。(2)物业管理服务质量有待于进一步提高.目前,从全国来看,物业管理这一行业的投诉大幅度上升，几乎占房地产总投诉量的85％。而且还在逐年升高。福利型的物业管理公司在服务质量上和专业化物业公司相比其服务态度更容易打折扣,投诉率也较高。(3)物业产权问题纠纷不断。由于是开发公司开发的小区和楼宇,在公共设施产权管理上常常纠纷不清。业主对于产权纠纷的投诉率也较高。产权纠纷案例:东方广场(陆家嘴物业管理公司管理的)大厦的公共过道空调费用的处理上各租赁者反映呼声较大:物业管理在公共过道不开空调(原建设施工设计时没设过道中央空调) ,但物业管理费用照收不误!(4)不利于物业管理的市场经济化.福利式物业管理一般和家族企业关系密切,属于房地产下属的物业管理公司.房地产开发的小区楼盘之类的都交于其子公司管理,这样许多优秀的物业管理公司便无法加入其中.招投标活动在这样的模式下形同虚设,市场竞争力在这里没有丝毫发挥的余地.没有竞争管理在很大程度上是很难有更大的进步的.这样,物业管理很难完全市场经济化。 因此,在很大程度上专业化的物业管理公司的需求量也在相应的增加,专业化物业管理公司逐步建立起来。 2.1.3 自营式 自营模式的物业管理公司一般属于专业化的物业管理公司.公司可以是提供一种服务,也可以是提供综合服务.单一的专业物业管理公司一般从事于保洁,绿化,保安,消防,墙体修缮,装饰装潢等工作.综合性的专业物业管理公司除了负责以上一种或多种服务外,还接管一定量的社区,写字楼,工厂.它根据接管经营的方式不同又可以分为:独立经营型物业管理公司,业主自管型物业管理公司和委托式物业管理公司。 1. 独立经营型物业管理公司 这类公司是投资者自己注册建立的,像餐饮业一样,经一定的注册程序建立起来,从事专业化的物业服务.一般属于私营物业管理公司.现在民营公司在全国范围内颇多.在香港,私营物业管理是它的主要模式。英国美国这样的物业管理公司随处可见.无锡这样的专业物业管理公司如慧鸿物业管理公司,该公司成立于1999年,注册资产仅为60多万元,原有职工15人,主要负责墙面清洗工作,现有资产200多万元,职工人数多大100人,业务扩展到保洁保安消防维修及小区和写字楼的物业管理.苏州的如昆山志远物业管理发展有限公司.该公司成立于1995年.公司的前身仅是由7人组成的注册资产为10万元的规模较小的保结公司,现有资产50多万,职工人数为118人,公司负责的业务处保结外还包括绿化,市容建设,小区物业服务等 。 2 业主自管型物业管理公司 目前这样的物业管理公司在国内并不多见.在日本自管物业管理公司很多,大体上属于社区型的,一般规模不大.他们根据具体法规政策设立自管公司,组织成员进行分工管理本社区日常事务.社区的具体服务项目可以通过招投标和合约的方式选择专业化的物业管理公司来负责.这样既可以及时处理社区存在的问题又可以有效利用社区资金.这种方式在我国已经开始引起业主们的注意.(王海进言物业管理模式的18条提议关于建立业主自治式物业管理公司在国内就掀起物业模式的新话题: 只要达到政府制定的标准，业主怎样对物业实施管理都是业主自己的权利，是聘请一个统一的物业公司，还是聘请不同的服务公司，还是业主自己招聘工人亲自管理等等，都由业主自己表决决定。随着专业化物业管理公司的出现,此种物业管理模式的可行性将不断增加。 3 委托型物业管理公司 这种模式目前在我国很常见,特别近几年,专业物业管理公司不断出现,民营物业也不断冲击市场。人们的物业管理意识逐渐增强和物业管理法规条例的不断完善,越来越多的关注自身的物业主权利.业主可以通过业主委员选择适合自己社区的物业管理公司来负责社区的服务工作,通过签约合同确定双方责权利关系,来处理社区的物业服务工作.这样的方式已经是现在选聘物业公司的主要方式了.在上海北京深圳等地区是很常见处理社区服务的方式.业主出钱,物业公司服务.这一方式同时也是解决目前物业市场上收费难的有效方式.花钱买服务,物业管理也不例外。我个人认为,这种模式的发展市场将很大.和餐饮服务业一样,物业管理也不例外,什么样的价位提供什么样的服务,既公平又合理合情。 总之,相对于房管和福利型两种物业管理模式,自营式物业管理模式的发展优势较大。随着物业管理法规政策的不断健全,这种管理方式将不断发挥自己的优势,占据更大比例的市场。 2.2 国外物业管理的优秀模式 模式在经济学上的含义是一种标准,一种规范,一种系统,是由一些局部形成,在发展中按照一定的价值观和标准,对其内在规律性的系统揭示和整和.在物业管理这一行业,我认为此种定义同样能够表达模式这一含义.我们可以根据不同的环境不同的物业管理体系在适当的时候对不同的物业和环境进行整和,从而使综合效益达到最大。 在经济和体制环境中找到一种适合自己国家的发展模式,在很大程度上来说往往是一个瓶颈问题.解决好这一问题,经济的发展才可以更顺畅更迅速.物业管理的模式问题也类似于这一问题.我们如何在经营和管理中摸索出适合自己的发展模式,往往决定很多待以解决的关键问题究竟如何才得以迅速经济的解决.从英国,美国,日本,新加坡等国的物业模式,我们不难看出这一问题的度的含义。 2.2.1 英美两国的物业管理模式 1.英国 英国是物业管理行业的最早发源地.现在,物业管理属于英国的社会服务行业,任何有资格的个人和企业都可以注册并开办这样的企业.他是一种服务,和餐饮服务业一样,只要在服务的标准上达到一定的要求均可开办.物业管理在英国可以说完全市场化,物业管理在英国一般属于专业化的,业主可以根据小区自身的情况委托或者选聘物业管理公司。 2.美国 比较成熟的物业管理开始于美国,专业化的物业管理在美国一般属于很常见的,这样的企业和英国较相国设有专门的物业管理机构并拥有一批高素质的专业人员,各级政府机构中，都设有房产管理局，其职责是制定房地产法规并监督检查。美国的物业管理一般是专业化的.美国的智能化楼宇在世界各国物业管理中属于特具特色的.因为其国内智能化水平较别国高.美国在写字楼的物业管理服务上是很出色的。 2.2.2. 日本,新加坡的物业管理模式 1.日本 日本的物业管理公司由居民管理委员会选雇，居民委员会的成员由所有业主轮流担任。委员会负责了解业主的意见、要求，监督、检查物业管理公司的工作，同时设专人管理帐目。委员会所有成员的工作都是尽义务，没有报酬。公众积极参与物业管理，业主接受花钱买服务的管理形式。业主如果拒付物业管理费是违背社会道德规范和国家法律的。专业的物业管理公司在日本级是常见。 2.新加坡 新加坡的物业管理统一归新加坡建屋发展局负责。该局1974年就提出了“共管式公寓”的概念，对政府建造的公共设备、设施及建筑附属物共有产权实行共管。例如小区内的游泳池、网球场、乒乓球室、健身房等全凭业主卡免费使用。新加坡政府强调对居住小区进行法治化管理。 由此可以看出,各国的经济条件和政治环境不同物业管理所采用的模式也各不相同.在选择物业管理模式上要根据自己的需要,从而找到适合自己发展的物业模式.我国的物业管理环境和日本新加坡较相象,在选择物业模式时应根据实际条件借鉴和参考经济环境和各条件相似的国家的物业管理模式,从而缩短摸索的路程,可以更好的发展我国的物业管理事业。

  • 影响货币需求的因素分析_经济学毕业论文范文

    影响货币需求的因素分析_经济学毕业论文范文 影响货币需求的因素分析 摘要：在量化和加入贷款利率、通胀平减指数、国内生产总值、固定资产投资占GDP的比重，建立中国长期货币需求函数的基础上，对函数进行各方面的分析，并进一步分析我国当前经济形势。 关键词：长期货币需求、贷款利率、通胀平减指数、国内生产总值、固定资产投资占GDP的比重 一、 文献综述： 1、《货币购买力》 费雪 1911年出版 这是货币数量论、现金交易数量说的代表，该理论揭示了对既定数量的总收入应该持有的货币的数量，并且认为利率对货币需求没有影响。其理论内容主要反映在费雪交易方程式中： M× V= P ×Y 其中M是 给定年份的货币数量，V 是给定年份货币流通速度， P是给定年份的价格水平， Y是给定年份的交易量。 如果用货币需求量表示 M ，M ×V= P ×Y可以变形为： M=1/V × P ×Y 因为短期内，V为常量，名义收入决定了其所引致的货币需求量,因此，货币需求仅为收入的函数，利率对货币需求是没有影响的。古典学派的经济的“二分法”的观点就是货币是中性的，货币只是影响价格水平等名义变量，而不会影响社会实际就业量和产量。 2、马歇尔和庇古 人们持有货币是因为货币具有交易媒介和价值贮藏功能，他们发展起来的货币需求理论（又称现金余额数量论）的内容和分析方法主要反映在“剑桥方程式”中，该方程式是 M=KPY 其中M表示人们手中持有的货币数量，即现金余额，Y代表总产量，P表示一般价格水平，K表示以货币形式保持的财富在全部财富中所占的比例，K是常量。如果以K表示费雪方程式中的 ，那么 M = 1/V×PY 可见，在形式上剑桥方程式和费雪方程式是没有区别的，只是在研究方法上有区别。 3、《就业、利息和货币通论》凯恩斯 强调利率的重要性，反对将实物经济和货币经济分开的“二分法”，提出了流动性偏好的货币需求理论。流动性偏好理论的特点是以人们意愿持有货币的动机作为划分货币需求的依据，对流动性陷阱进行了描述。 M=＋=＋ 表示满足交易动机和谨慎动机所持有的货币数量，表示满足投机动机所持有的现款数量。L1，L2是对应于,的两个流动性偏好函数，L1主要取决于收入水平Y, L2主要取决于利息率r。 如果以P代表一般价格水平，则 表示实际货币需求量（以不变价格表示货币需求量）表示实际收入，货币流通速度V写作 4、《货币数量论-一个重新表述》弗里德曼 1956年 他将货币作为构成财富资产的一种，通过影响人们选择资产的种类来保存财富的因素来研究货币需求的，实际上是资产需求理论在货币需求理论上的应用。 在弗里德曼看来，货币是债券，股票，商品的替代品，货币需求是个人拥有的财富及其他资产相对于货币预期回报率的函数。据此，弗里德曼将他的货币需求公式定义如下： 其中，表示对真实货币余额的需求；表示永久性收入，即理论上的所有未来预期收入的折现值，也可成为长期平均收入；表示货币预期回报率；表示债券预期回报率；表示股票预期回报率；表示预期通货膨胀率 5、《货币政策传导过程中的金融媒介的作用》布鲁纳和梅泽尔 1963年 该理论视货币为一种资产，认为社会大众会根据各种资产包括货币的相对利率来调整他们的资产结构，已达到理想的资产结构平衡。在这一过程中，尤其是对资产结构实物调整，会对实际产出产生影响。在解释长期货币需求时，梅泽尔认为财富效果和利率效果同样重要，财富和利率都是货币需求的决定要素，而且加入财富变量使货币需求非常稳定，这就为稳定货币政策提供了重要的理论根据。 二、经济理论阐述 凯恩斯在传统的货币数量论和现金余额说的基础上，考虑了货币的交易职能和货币的价值贮藏职能，提出了自己的货币需求理论。他认为人们之所以持有货币是处于三个动机：交易动机，预防动机和投机动机，从而相应地形成了货币的交易需求，预防需求和投机需求。随着经济的发展，交易与收入和支出往往在时间上不一致，人们为了应付日常的购买而持有一定量的货币即构成了货币的交易需求。而人们为了应付一些意外开支而持有的货币即为货币的预防需求。这两种需求都来源于货币的交易媒介职能。在影响交易动机和预防动机的众多因素中，货币收入起着决定作用，并且收入与货币的交易需求和预防需求成正方向变化。而货币的投机需求则是为了应付有价证券市场上价格的变化，从而获利。这一货币需求来源于货币的价值贮藏职能。人们总是根据对利率变动的预期持有一定量的货币，以在有利时机购买债券进行投机获利，因而，货币的投机需求与利率成反方向变化。凯恩斯根据对人们持有货币的心理动机的分析，将货币需求分为两个部分：货币的交易需求和预防需求L1(Y)和货币的投机需求L2(r), 从而提出了他的货币需求函数：L=L1(Y)+L2(r),其中，L代表对货币的需求，Y代表收入，r代表利率. 在凯恩斯的货币需求理论的基础上，后凯恩斯主义对其进行了发展。美国经济学家汉森将商品市场和货币市场结合起来建立了IS-LM模型，认为货币的交易需求不仅受到收入的影响，而且受到利率的影响。这是由于利率的变化会影响投资，进而影响收入，最终影响对货币的交易需求。此外，鲍莫尔的“平方根定理”，认为持有货币存在一定的机会成本，利率越高，投机机会越多，人们便会尽量减少手中持有的货币量。这两种理论都说明了利率与货币交易需求的反向变化关系，从而发展了凯恩斯货币需求理论中的交易需求部分。对于货币的预防需求而言，惠伦提出了“立方根定律”，说明了人们对货币预防需求的多少，主要取决于收入和支出的状况及持有货币的成本。其中利率是一个重要因素。且利率与货币的预防需求成反方向变化。并且托宾的资产选择理论也对凯恩斯的货币投机需求进行了发展。 由以上的分析可看出，不管是传统的凯恩斯的货币需求理论，还是后凯恩斯主义对其进行的发展，其一致性在于，利率和收入都是影响货币需求的重要因素，其中，收入与货币需求成正方向变化，而利率与货币需求呈反方向变化。 三、研究目的:为了讨论我们设想的因素是否可以影响货币需求。 四、建立模型 Y=a0+a1X1+a2X2+a3X3+a4X4 Y-M2 Y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. X1-贷款利率 贷款利率越低，越促进投资，从而影响货币需求。所以两者应该为负相关关系 X2-通胀平减指数 通胀平减指数代表了人们对未来物价的预期， 预期物价上涨多少,直接意味着实物资产升值多少,因此在此条件下,资产选择有转向实物资产而减少货币需求的倾向,所以PE同货币需求的关系应是逆向的。 考虑到居民及企业对物价反应的一般心态(大多数人习惯考虑某物品去年多少钱),我们用通胀平减指数代表反映预期物价，用以下公式计算得到： （GDP平减指数公布的GDP的增长率+1 ）/（GDPt/GDPt-1）-1 X3-国内生产总值 根据凯恩斯货币需求理论，GDP越大货币需求越多 X4-固定资产投资占GDP的比重 麦金农把货币和投资的关系划分为两种:一种效应是货币的“导管”效应,即资本积累通过货币发生,另一种效应是货币和实物资本之间的竞争效应。在第一种效应占主导地位的情况下,货币和投资是互补关系,而在第二种效应占主导地位的情况下,货币和投资是替代关系。前一种效应在发展中国家表现明显,我国也不例外,即所谓的固定资产投资,一般说来固定资产投资的比重越大,货币需求量越大 五、数据搜集1、数据说明：本来想以再贷款利率作为解释变量之一，可是只找到2002年的数据，于是只有以贷款利率替代。2、数据的搜集情况 采用1985-2003年的时间序系列数据 3、数据来源：中经网、《中国统计年鉴》 原始数据: obsYX1X2X3X4 19855198.97.210.140148964.40.283699969 19866720.97.24.60289710202.20.305875203 19878330.97.25.06641711962.50.316965517 198810099.68.6412.1226214928.30.318442153 198911949.611.348.80828816909.20.260828425 199015293.48.645.67550518547.90.243531613 199119349.97.566.73186821617.80.258791366 199225402.27.567.90104426638.10.303328691 199334879.810.9814.5535534634.40.377436884 199446923.510.9819.9010246759.40.364463616 199560750.510.9813.1780158478.10.342338414 199676094.97.475.91743567884.60.338427272 199790995.35.670.81799174462.60.334948014 1998104498.53.78-2.39873778345.20.362577414 1999119897.92.25-2.19313582067.40.363782696 2000134610.32.250.94231489468.10.367926669 2001158301.92.251.18175797314.80.382403293 20021850071.98-0.208392105172.30.413606054 2003221222.81.981.999573117251.90.470081082 六、模型的参数估计、检验及修正1、模型的参数估计及其平稳性检验 对模型进行最小二乘估计得： Dependent Variable: Y Method: Least Squares Date: 06/24/05 Time: 15:22 Sample: 1985 2003 Included observations: 19 VariableCoefficientStd. Errort-StatisticProb. C-23944.0937815.69-0.6331790.5368 X1-4708.7192415.028-1.9497570.0715 X2515.43101197.2220.4305230.6734 X31.3148110.1913046.8728800.0000 X4161256.9116617.11.3827890.1884 R-squared0.973862 Mean dependent var70290.94 Adjusted R-squared0.966394 S.D. dependent var66910.42 S.E. of regression12265.95 Akaike info criterion21.88798 Sum squared resid2.11E+09 Schwarz criterion22.13651 Log likelihood-202.9358 F-statistic130.4053 Durbin-Watson stat0.579855 Prob(F-statistic)0.000000 即 Y = -23944.08938 - 4708.718657*X1 + 515.4310231*X2 + 1.314811338*X3 + 161256.8969*X4 可见，模型设置符合经济意义。不过X2、X4的t值不是很显著。故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进 平稳性检验 X1在一阶差分无截距项无趋势滞后一阶时平稳 ADF Test Statistic-2.509827 1% Critical Value*-2.7275 5% Critical Value-1.9642 10% Critical Value-1.6269 *MacKinnon critical values for rejection of hypothesis of a unit root. X2在一阶差分有截距项有趋势滞后一阶时平稳 ADF Test Statistic-3.324651 1% Critical Value*-4.6712 5% Critical Value-3.7347 10% Critical Value-3.3086 *MacKinnon critical values for rejection of hypothesis of a unit root. X3在二阶差分无截距项无趋势滞后一阶时平稳 ADF Test Statistic-2.281001 1% Critical Value*-2.7411 5% Critical Value-1.9658 10% Critical Value-1.6277 *MacKinnon critical values for rejection of hypothesis of a unit root. X4在一阶差分有截距项无趋势滞后一阶时平稳 ADF Test Statistic-2.770774 1% Critical Value*-3.9228 5% Critical Value-3.0659 10% Critical Value-2.6745 *MacKinnon critical values for rejection of hypothesis of a unit root. Y在一阶差分有截距项有趋势滞后二阶时平稳 ADF Test Statistic-3.876754 1% Critical Value*-4.7315 5% Critical Value-3.7611 10% Critical Value-3.3228 *MacKinnon critical values for rejection of hypothesis of a unit root. 由于不是每个变量都能满足一阶条件，我们不能对模型进行协整，也就不能得出长期模型。 原因分析 （1）1985-2003年M2的时间序列图 从下图中可以看出，从92年开始m2的增长速度非常快，主要是我国经济发展速度开始加快。从2000年开始，图像斜率再次增大。根据我们的分析，就是由于这两次跳跃使得m2极为不平稳。 （2）1985-2003年利率的时间序列图 可以看出在此段时期内,利率波动较大.由于利率数据的不平稳,因而可能存在伪回归 （3）但从收入和货币需求的关系图中可以看出，两者关系近乎成一条直线. 从以上对年度数据和季度数据的分析。我们认为，虽然贷款利率是银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，其代表性仍然很低。 因果检验： 1阶 Pairwise Granger Causality Tests Date: 06/14/05 Time: 18:06 Sample: 1985 2003 Lags: 1 Null Hypothesis:ObsF-StatisticProbability M2 does not Granger Cause X118 5.09974 0.03926 X1 does not Granger Cause M2 11.2211 0.00439 1阶 Pairwise Granger Causality Tests Date: 06/14/05 Time: 18:08 Sample: 1985 2003 Lags: 1 Null Hypothesis:ObsF-StatisticProbability M2 does not Granger Cause X218 1.30674 0.27090 X2 does not Granger Cause M2 17.1321 0.00087 2阶 Pairwise Granger Causality Tests Date: 06/14/05 Time: 18:09 Sample: 1985 2003 Lags: 2 Null Hypothesis:ObsF-StatisticProbability M2 does not Granger Cause X317 3.07783 0.08337 X3 does not Granger Cause M2 10.7855 0.00209 1阶 Pairwise Granger Causality Tests Date: 06/14/05 Time: 18:14 Sample: 1985 2003 Lags: 1 Null Hypothesis:ObsF-StatisticProbability M2 does not Granger Cause X418 5.41890 0.03432 X4 does not Granger Cause M2 1.96814 0.18100 取其他阶数情况下，Y-M2反而成为了X4的解释变量 2、计量经济检验 （1）多重共线性检验 X1X2X3X4 X110.863165384295-0.74652407221-0.571159086569 X20.8631653842951-0.564234456806-0.265366381058 X3-0.74652407221-0.56423445680610.837106478962 X4-0.571159086569-0.2653663810580.8371064789621 可见，X1、X2，X1、X3，X3、X4，之间的相关系数都较大，存在严重的多重共线性。从经济意义上说贷款利率、通胀平减指数、国内生产总值、固定资产投资占GDP的比重都与货币需求切相关，这使得他们之间的相关性很强。 但是，这些变量都是模型不可缺少的，我们不能为了计量上的数字而盲目排除变量，否则模型的经济意义将不能很好的表现出来。所以我们决定不排除变量。 异方差检验（white检验） White Heteroskedasticity Test: F-statistic5.697281 Probability0.006504 Obs*R-squared15.58140 Probability0.048779 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/24/05 Time: 15:42 Sample: 1985 2003 Included observations: 19 VariableCoefficientStd. Errort-StatisticProb. C1.98E+099.84E+082.0138690.0717 X157319995610007650.9396600.3695 X1^2429496.43538175.0.1213890.9058 X2-3885924116622537-2.3377440.0415 X2^21012170.809440.71.2504560.2396 X3-4507.2305249.651-0.8585770.4107 X3^20.0646970.0621001.0418130.3220 X4-1.28E+105.75E+09-2.2245540.0503 X4^21.87E+109.11E+092.0514640.0673 R-squared0.820073 Mean dependent var1.11E+08 Adjusted R-squared0.676132 S.D. dependent var1.50E+08 S.E. of regression85335789 Akaike info criterion39.66760 Sum squared resid7.28E+16 Schwarz criterion40.11497 Log likelihood-367.8422 F-statistic5.697281 Durbin-Watson stat2.435832 Prob(F-statistic)0.006504 由上图可知，有三个t值大于2，所以拒绝原假设，表示存在异方差 异方差检验（arch检验） ARCH Test: F-statistic0.905414 Probability0.467135 Obs*R-squared2.953191 Probability0.398899 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/24/05 Time: 15:45 Sample(adjusted): 1988 2003 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1.61E+08685959802.3540840.0364 RESID^2(-1)0.2833370.3808650.7439310.4712 RESID^2(-2)-0.4178350.380650-1.0976870.2939 RESID^2(-3)-0.2590330.384256-0.6741140.5130 R-squared0.184574 Mean dependent var1.31E+08 Adjusted R-squared-0.019282 S.D. dependent var1.56E+08 S.E. of regression1.57E+08 Akaike info criterion40.79648 Sum squared resid2.97E+17 Schwarz criterion40.98963 Log likelihood-322.3719 F-statistic0.905414 Durbin-Watson stat1.655428 Prob(F-statistic)0.467135 由上图可知，没有t值大于2，所以不存在异方差。虽然我们的数据为小样本，但是为了保险起见，综合两种检验方法的结果，总的来说还是有异方差的，需要进行修正。 用加权最小二乘法对异方差进行修正： Dependent Variable: Y Method: Least Squares Date: 06/24/05 Time: 15:58 Sample: 1985 2003 Included observations: 19 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C-8370.5935168.644-1.6194950.1276 X1-5304.006215.6904-24.590830.0000 X2513.502775.660346.7869460.0000 X31.3486920.02451855.009020.0000 X4121469.820062.906.0544500.0000 Weighted Statistics R-squared0.999936 Mean dependent var8178.038 Adjusted R-squared0.999918 S.D. dependent var17749.41 S.E. of regression160.9521 Akaike info criterion13.22102 Sum squared resid362678.0 Schwarz criterion13.46956 Log likelihood-120.5997 F-statistic7848.495 Durbin-Watson stat2.143854 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.972863 Mean dependent var70290.94 Adjusted R-squared0.965110 S.D. dependent var66910.42 S.E. of regression12498.15 Sum squared resid2.19E+09 Durbin-Watson stat0.610218 修正后的模型 Y = -8370.593257 - 5304.00569*X1 + 513.5026501*X2 + 1.348692096*X3 + 121469.8022*X4 再进行WHITE和ARCH 检验，可以看到著，经比较

1 ...484950515253545556... 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