-
中国校正失业变化率条件下的奥肯定律检验_经济学毕业论文范文
中国校正失业变化率条件下的奥肯定律检验_经济学毕业论文范文 中国校正失业变化率条件下的奥肯定律检验 内容提要：奥肯定律有两种理论形式，因此，在检验它的时候也就相应的有了两种思路，本文通过分析发现只有一条思路具有可行性；同时我们还面对着没有准确的失业率这个问题，中国的城镇登记失业率有严重的缺陷，利用它分析必然得到非常难以令人信服的结论。考虑到此，我们通过得出校正的失业率来对奥肯定律来检验，最后证明在中国条件下，奥肯定律并不能成立！ 关键词：奥肯定律 校正失业率 隐性失业率 问题的提出 为了研究失业率与经济增长的关系,美国经济学家把失业率作为一个代表由于资源闲置而对产出额产生的一切影响的因素,来分析(GDP)和社会总产出之间的关系;并从美国二十世纪六十年代的统计资料得出了“GDP增长3﹪,则失业率下降1﹪”的经验定律,说明了产出增长与失业变化率存在负的相关关系,并且该定律在美国经济中得到了很好的证明。 奥肯定律给我们的启示并不是他当时提出的那个“3:1”关系的特殊值,而是给了我们一种研究劳动力与产出关系的思路:从定量分析的基础之上来考察两者的关系。因此,我们的研究任务也就应该是对某一具体的经济社会,通过它失业率的变化率和总产出的变化率之间关系的分析,得出一个能适应该国特色的具体的值,以便能从定量的角度来分析宏观经济。 正是在以上述研究任务的约束下,经济学者通过奥肯定律的两个理论公式来分析中国经济的。但是,由于公式的不同,便形成了两种研究思路,但是由于本身的缺陷,以及中国实际统计资料不足,现有的两种思路都不能得到令人信服的结论。 第一种思路是利用公式————① , 分别为t年的失业率和自然失业率； ， 分别为第t年的实际总产出和潜在总产出；α，β为待估参数。它是通过考察失业率对自然失业率的偏离和产出缺口之间数量分析，得出α 值，从而说明失业率的偏离对产出缺口的影响。但是，在实际经济中，作为自然失业率，是难以得出的，尽管有研究把自然失业率用平均失业率代替，即取 。但是由于各年的U难以得到真实值，并且该替代缺乏理论支持，所以这种方法难以令人信服；另外一个问题是作为潜在产出，代表的是在充分就业的条件整个经济所能生产出来的产出额，但是由于实际经济中难以有充分就业的条件，资源利用也并不充分，所以在实际统计中求出是难以实现的，因此，学者采取的多是间接估算法。邹蔚就是用把潜在产出和年份联系在一起，得出了较成功的潜在产出的数学公式。但是在以此为基础进行的奥肯定律估计的结果非常令人失望，R的值还不到0.2，与之间并无显著相关关系。正是由于这些困难，奥肯定律的另一种公式也就成为另一种研究思路。该公式为： ————② 其中U，分别为即期，滞后一期的失业率，Y，分别为即期，滞后一期的产出，α，β为待估参数。此公式避免了求与的误差，将奥肯定律转化为了产出的逐年增长率变化与逐年失业率的变化的关系。因此，这也成为了大多数文章的研究思路。但是，在实际经济中，特别是中国的城镇登记失业率严重失真的情况之下，用城镇登记失业率去代表U与的值时，就产生了严重的误差。同样在邹薇的那篇文章中，回归估计的结果仍不显著，与之间并没有显著的相关关系，与奥肯定律并不符合。产生这中结果的原因至少有二：1，失业率U取城镇登记失业率时，忽略了大量存在的一开始就没有找到工作的适龄劳动力和那些虽然失业但是并没有到有关部门登记者2，大量隐性失业存在，在农村特别严重。从这两点我们可以看出，把整个社会总产出变化仅和那些登记的失业者相对应，严重的误差就在所难免了。 但是如前面的分析所述，第一种思路行不通（至少在目前条件下），我们就应考虑第二条思路的方法，但是它的关键变量U又不准确，所以我们能做的就是对U进行校正，排除其它因素，然后用校正后的失业率来研究奥肯定律，从而得出对中国经济有实际意义的α值。 理论支持 第一部分已经表明了我们研究奥肯定律要得到校正的失业率，必须把其它的非失业率变化因素排除。在下面，我们给出支持我们方法的理论，并且运用相应的推导得出计算校正失业率的公式。 以柯布——道格拉斯生产函数为起点 ——————③ 其中A为技术水平，K，L 为资本额，劳动力（已就业的），α，β分别为资本.劳动力的产出系数。 同时，考虑丁伯根的技术进步模型，因此有 ——————④ 为初期技术水平，t为年份，r为技术进步系数 另外是阿罗的“边干边学模型” —————⑥ 为t时的技术水平， 为从t=1期到t年的逐年产出积累额， c为学习系数 把④⑤⑥引入③式可得 ——————⑦ 故总体回归模型可设为 ——————⑧ 对⑧式两边取对数可得 ————⑨ 由于⑨式中，t, ，，，都能从统计资料中查到或计算出，假设满足古典假设，则可用最小二乘法得出相应的系数。另外，我们得出与的关系 ——————————⑩ 其中N，代表即期，滞后一期的劳动力人口，L，为即期，滞后一期的就业人数。 又由于两相连续年份的 ——————11 所以⑩式可换算为 ——————12 再对⑨两边对t求导，用差分代替微分可得 ——————13 12代入 13 ，并移项可得 ——————14 通过公式14可得出一系列校正后的 （i=1,2,3,………t） 然后利用公式②进行回归分析，最后可得出。 值也就是中国实际情况下的值，表明在中国GDP增加1%，失业率变化为-α% 。 这样，我们就得出了中国经济条件下的奥肯定律。 模型估计 本文数据从1980年到2001年，没有考虑78、79年是因为那两年改革才开始，经济各方面都没有摆脱计划体制的痕迹。所以把它们排除在样本范围外！而由于数据的收集的困难，我们将上限定在了2001年！但是对结果是没有多大的影响！ 1980——2001年的GDP统计值Yt、逐年累计的GDP为gt、每年新增的投资okt（单位：亿元），劳动力人口nt、就业人数lt（单位：亿人）如下表： TYtGtOktntlt 19804517.84517.8910.94.29034.2361 19814862.49380.2961．04.41654.3725 19825294.714674.91230.44.56744.5295 19835934.520609.41430.14.67074.6436 19847171．027780.41832.94.84334.8197 19858964.436744.82534.25.01124.9873 198610202.2469473120.65.15465.1282 198711964.458911.43791.75.3065.2783 198814928.373839.74753.85.4635.4334 198916909.290748.94410.45.57075.5329 199018547.9109296.845176.53236.4749 199121617.8130914.65584.56.60916.5491 199226638.1157552.78080.16.67826.6152 199334634.4192187.113072.36.74686.6808 199446759.4238946.517042.16.81356.7455 199558478.1297424.620019.36.88556.8065 199667884.6365309.222913.56.97656.895 199774462.6439771.824941.17.086.982 199878345.251811728406.27.20877.0637 199982067.5600184.529854.77.27917.1394 200089468.1689652.632917.77.39927.2085 200197314.8786967.443499.97.44327.3025 由于我们需要生产性资本KT的存量，但是去没有相应的统计数据，而且也不能够实际统计，所以在研究时都采用估算的方法。我们在这篇文章中采用舒元在〈中国经济增长分析〉中的估计模型，得到1979年的KT值为8000亿元，于是我们利用 Kt=8000+OKT 来计算各年的估计值的到KT。（单位：亿元） 年份 kt 年份 kt 19808910.9199113584.5 19818961.0199216080.1 19829230.4199321072.3 19839430.1199425042.1 19849832.9199528019.3 198510534.2199630913.5 198611120.6199732941.1 198711791.7199836406.2 198812753.8199937854.7 198912410.4200040917.7 199012517.0200151499.9 另外，我们我们利用上面的数据可以得到lnyt，lngt，lnlt，以及GDP的逐年增长率Pyt。 在有这些数据后，用我们上面所讲到的模型，运用OLS对数据LNYT、T、LNGT、LNKT、LNLT进行回归，得到如下表的结果： Dependent Variable: LNYT Method: Least Squares Date: 12/20/04 Time: 10:37 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-5.6060613.399090-1.6492830.1174 T-0.0301210.051108-0.5893500.5634 LNGT0.2231400.1205911.8503890.0817 LNKT1.0103330.2449534.1245950.0007 LNLT1.9875520.5854993.3946320.0034 R-squared0.993840 Mean dependent var10.00500 Adjusted R-squared0.992391 S.D. dependent var1.065711 S.E. of regression0.092963 Akaike info criterion-1.716511 Sum squared resid0.146916 Schwarz criterion-1.468547 Log likelihood23.88162 F-statistic685.6983 Durbin-Watson stat1.046033 Prob(F-statistic)0.000000 从回归结果来看，很显著，LNKT，LNLT的吸收都较显著。而T的系数不但不显著，而且还为负(-0.589350)，与经济意义相违背。故我们去掉T再用OLS进行回归得： Dependent Variable: LNYT Method: Least Squares Date: 12/20/04 Time: 10:38 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-3.6326970.574285-6.3255970.0000 LNGT0.1664380.0713722.3319930.0315 LNKT0.8770860.0925379.4781800.0000 LNLT1.7816860.4612863.8624350.0011 R-squared0.993714 Mean dependent var10.00500 Adjusted R-squared0.992667 S.D. dependent var1.065711 S.E. of regression0.091262 Akaike info criterion-1.787195 Sum squared resid0.149918 Schwarz criterion-1.588824 Log likelihood23.65914 F-statistic948.5420 Durbin-Watson stat0.909554 Prob(F-statistic)0.000000 此时我们可以看到，很大，LNGT ，LNKT，LNLT的系数都非常显著；Akaike info criterion，Schwarz criterion的值也得到了改善。模型中不存在多重共线性。现在对异方差进行检验，运用ARCH检验 ， ARCH Test: F-statistic0.010370 Probability0.919955 Obs*R-squared0.011456 Probability0.914764 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/21/04 Time: 15:50 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0064830.0028852.2469520.0367 RESID^2(-1)0.0369620.3629620.1018350.9200 R-squared0.000546 Mean dependent var0.006677 Adjusted R-squared-0.052057 S.D. dependent var0.009683 S.E. of regression0.009932 Akaike info criterion-6.295769 Sum squared resid0.001874 Schwarz criterion-6.196291 Log likelihood68.10557 F-statistic0.010370 Durbin-Watson stat1.351337 Prob(F-statistic)0.919955 P=1，（N-P）*OBS=0.011456，查表可得。所以应该接受原假设，即模型的随即误差项不存在异方差。 但是我们看见DW值却变小了，同时，我们查表：N=22，K’=3,，。所以存在着正的自相关。 我们运用广义差分法进行校正，取ρ=1-D/2=0.545223。新的回归结果的DW=0.530034。更加存在自相关，说明广义差分法并没有对模型的随机扰动项的自相关性进行显著的校正。为此，我们考虑用COCHRANE-ORCUTT法进行校正，首先计算出残差Et序列，再对Et和Et（-1）进行OLS估计，得到一个=0.533230。再用建立一阶差分函数，最后估计结果DW=0.531241，仍然存在自相关；下面的步骤相同，到第四次时DW达到最大为1.431625，再进行下去就会变小。但我们可以看到，此时仍然小于Du，存在自相关。 我们考虑它可能存在二阶自相关，运用德宾两步估计法，在小样本下，运用泰尔(Theil)给出的计算公式可得=0.5745，运用它建立回归模型，结果仍然存在显著的自相关性！ 由于所学有限，不能对它进行修正。因此，只好以它作为我们下面分析的基础了。 为了检验变量之间是不是有协整关系，还要对变量进行平稳性检验。但是由于涉及的变量较多，难以一一找出他们的平稳性。所以我们可以直接对残差序列Et的平稳性检验来作为对整个模型平稳性的检验。 1980 0.0075791991-0.137543 1981-0.1019481992-0.127046 1982-0.1803891993-0.155043 1983-0.1861491994-0.061402 1984-0.1500041995 0.010108 1985-0.0953531996 0.014831 1986-0.1044851997-0.002253 1987-0.0863181998-0.088164 1988-0.0237631999-0.119821 1989 0.0583972000-0.142792 1990-0.1677632001-0.307821 通过对ET和ET（-1）进行回归，得到如下结果： Dependent Variable: ET Method: Least Squares Date: 12/27/04 Time: 12:31 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-0.0559020.026409-2.1168130.0477 ET(-1)0.5332300.2348942.2700840.0350 R-squared0.213357 Mean dependent var-0.102606 Adjusted R-squared0.171955 S.D. dependent var0.083381 S.E. of regression0.075874 Akaike info criterion-2.229097 Sum squared resid0.109380 Schwarz criterion-2.129619 Log likelihood25.40552 F-statistic5.153283 Durbin-Watson stat1.386764 Prob(F-statistic)0.035031 在原假使为Ho：a=0，备择假使H1：a≠0时进行显著性检验，我们可以看到T=2.270084，大于了5%水平下的临界值2.080。所以我们拒绝Ho，认为a显著性的不为0，所以我们可以得到，对于序列Et没有单位根存在，也就是说模型中各变量的组合是协整的，不存在伪回归的问题。 因此，我们可以从回归中得到如下的估计模型： （0.574285） （0.071372） （0.092537） （0.461286） （-6.325597） （2.331993） （9.478180） （3.862435） =0.993714 =0.992667 DF=18 DW=0.909554 F=948.5420 然后利用公式（14） 估计出dut的值 1980 NA 1991 0.123768 1981 0.0578241992 0.131564 1982 0.0490141993 0.152236 1983 0.0335371994 0.155239 1984-0.0010621995 0.226796 1985 0.0008461996 0.288550 1986 0.0805271997 0.329530 1987 0.0799021998 0.361543 1988 0.0629921999 0.367166 1989 0.1170752000 0.348322 1990 0.1378852001 0.370987 再利用公式2，对dut和pyt进行回归，得到了如下的结果： Dependent Variable: DUT Method: Least Squares Date: 12/20/04 Time: 11:11 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.2631490.0571484.6046510.0002 PYT-0.6094950.316558-1.9253830.0693 R-squared0.163257 Mean dependent var0.165440 Adjusted R-squared0.119218 S.D. dependent var0.128321 S.E. of regression0.120429 Akaike info criterion-1.305123 Sum squared resid0.275559 Schwarz criterion-1.205645 Log likelihood15.70380 F-statistic3.707099 Durbin-Watson stat0.041890 Prob(F-statistic)0.069283 从回归的结果我们可以看到：各指标都不是很显著的，同时模型还存在着大的自相关性。因此，拟合并不成功。由于我们是在检验奥肯定律在中国的正确性，而不是要对它进行修正，所以在这里我们可以得出结论：在中国实际的经济条件下，失业率和国内生产总值之间并没有显著的线性关系。 原因分析 从回归分析的结果我们可以看到，对于中国经济的特殊条件下，失业率的变化率与总产出的变化之间的关系非常的不显著（回归结果中很小）。表明两者之间的关系不大，奥肯定律也难以成立。 为什么回有这样的结果呢？为了回答这个问题，让我们先来看一看奥肯定律是在什么暗含条件下得出的。首先，由于美国市场经济发达，市场机制能够得到充分的发挥，这就为劳动力、资本等生产要素的自由流动提供了条件，因此，当经济不景气时，雇主可以自由地辞退劳动力，这样失业与产出之间的关系能够得到直接的反映；反观中国，虽然是计划经济向市场经济在转变，市场机制的作用也逐渐得到表现，但是，计划痕迹依然很重，同时我国公有制经济中解雇是不能随便实现的，因此即使经济增长滞缓的时候，劳动者并没有被解雇，而仍然在原单位得到一份工作，而这份工作原来本可以被另一个在岗劳动者承担的。这就导致了所谓的隐性失业，隐性失业使产出与失业率之间的反映关系被扭曲了。其次，中国在转轨时期中，部分闲置人员以及隐性失业者被“排挤”出来。同时由于中国人口基数大，每年新增劳动力巨大，这两者之和就成了巨大的急于寻找工作的待业人员。这就导致了中国经济高速增长，失业率也显著的较高的“双高”现象；而美国却不同，它经济中资源配置等方面已经很完善，经济已经饱和，要增长就必须个要素都要有所提高，然而美国劳动力是稀缺的，这就形成了制约经济发展的一个瓶颈因素，经济的发展也就必须要有足够的劳动力的支撑！在中国，劳动力资源丰富，资本确实稀缺的，制约增长更多的是资本。最后有一点需要指出的是关于技术进步的作用，众所周知，美国各方面都比较先进，要有大的技术进步比率非常困难，因而技术进步贡献不大！但是中国改革开放以来，通过从国外大量引进先进的技术，使得技术进步比率非常大，对产出的贡献也占很大的比重，从而也从另一方面削弱了劳动的作用。 综上，奥肯定律不适合中国经济环境是有它深刻的内在原因的，任何牵强的套用定律都是难以令人信服的，任何不顾现实主观性的证明都是苍白无力的。 五、理论意义和不足 本文分析过程中，通过回归模型得出的校正失业率来检验为我们研究奥肯定律提供了一种新的思路，避免了利用一个既知道错误又必须用的尴尬（城镇登记失业率的不准确是公认的）。但是，由于模型建立，数据分析等方面仍存在以下不足，仍需完善。 （1）c-d生产函数的假定是否满足 （2）技术进步的表达方式是否科学 （3）其他的影响因素如制度、文化、政策、政治环境等因素是否会对模型的随机扰动项产生干扰，使其不满足古典假设。 参考文献 李坤望 《经济增长理论与经济增长的差异性》，1998，山西经济出版社 舒元，谢识予，孔爱国，李翔 《现代经济增长模型》1998，复旦大学出版社 舒元 《中国经济增长分析》，1993，复旦大学出版社 游宽生 《经济增长研究》，2000，立信会计出版社 刘平量 《经济增长理论》，2000，湖南人民出版社 朱保华 《新经济增长理论》，1999，上海财经大学出版社 李萍 《经济增长方式转变的制度分析》，2001，西南财经大学出版社 （英）海威尔.G.琼斯 《现代经济增长理论导引》，郭家麟等译，1994商务印书馆 林叶，孙伟化 《中国经济增长论》，1991，黑龙江人民出版社 汪祥春 《解读奥肯定率》2004， 陆善民 《奥肯定律的理论公式》2003， 中国统计信息网 许宪春 《国内生产总值的重要意义和作用》，中国统计信息网 邹薇 《中国经济对奥肯定律的偏离与失业问题的研究，《美国经济评论
-
经济枋：各省经济发展与环境保护的协调度分析(一)_经济学毕业论文
经济枋：各省经济发展与环境保护的协调度分析(一)_经济学毕业论文 摘要 环境与经济的协调发展是实现可持续发展的必由之路。针对各省环境保护和经济发展的区域性差异，我们建立了一个各地区经济环境协调度的指标体系。通过主成分分析法分别得到各省环境指标和经济指标的相关系数矩阵，在方差贡献率贡献率85%以上，选择GDP、人均GDP、 GDP增长率、第二产业产值和第三产业产值五项指标为其经济综合评价函数f(x)的主成分；选择单位面积工业废水排放、单位面积工业废气排放、单位面积固体废物、单位GDP耗电度数和森林覆盖率为环境综合评价函数g(y)的主成分。 我们用f(x)与g(y)的离差来描述环境与经济的协调表现,f(x)与g(y)的离差越小,协调度越高。在发展度和协调度的基础上,提出协调发展度v,得出各省在经济发展和环境保护中协调的量值分数。结果显示：广东、浙江、江苏、山东、福建等省份属于优良协调发展类型，在经济发展的同时有效地保护了环境；山西、甘肃、宁夏省份的经济发展和环境处于勉强协调状态，需调整其产业结构，注重可持续发展。 关键词： 主成分分析法 综合评价 协调发展度 一、问题重述 环境保护与经济发展相协调，是当今国际社会共同关注的问题,而环境与经济的发展是对立统一的两个方面，环境是人类生存和社会发展的物质基础，而人类的生存和社会发展又影响着自然生态与环境的发展。在我国，各地区间随着经济的发展，生态环境不断趋于恶化，日益成为制约经济发展的瓶颈，实现环境与经济的协调发展，是我国实现可持续发展的客观要求。建立适当模型说明我国哪些省直辖市特别行政区既发展了经济，又有效地保护了环境资源。 二、问题假设 1．不考虑货币的增值或贬值； 2．不考虑某些变量可能受政策及外界因素的影响而带有的偶然性。如经济增长速度、基础设施投资比重、失业率、通货膨胀率以及经济外向度、成灾率等； 3．不考虑所选用数据的时段性在一定程度上对评价结果的客观性和真实性的影响； 4． 三、符号约定 X =[X1…X11] 表示第i个省，第j项环境指标的数值 Y =[Y1… Y8] 表示第i个省，第j项环境指标的数值 T表示每个城市综合评价指数 表示第i个样本的第j项指标值 为指标j与指数k相关系数 为第i主成分Ｆi的特征值 V为环境与经济的协调发展度 C为二者的协调度 T为环境与经济发展的综合评价指数 R为指标数据间的相关系数矩阵 表示第i个省，第j项经济指标的数值 表示第i个省，第j项环境指标的数值 四、问题分析 要求对我国34个省直辖市特别行政区，是否在发展经济的同时保护了环境进行说明。我们引入协调发展度，对这些区域进行环境和经济协调发展的定量研究,可以分解为三个步骤：一是对该地区环境和经济的发展度作定量评价；二是对该地区环境和经济发展的协调度作定量评价；最后,在发展度和协调度的基础上进行协调发展度的综合评价。 五、模型的建立与求解 1．模型的建立（协调发展评价模型） (1)数据需求与来源 我们以中华人民共和国国家统计局的02-06年统计年鉴为数据来源。尽可能地选取最能反映资源成本、生态成本与经济效益之间关系和最能体现生态资源和经济之间制约关系的指标变量。对于受自然因素影响很大但又必须体现的指标，采用相关指标匹配方法来减小其负面影响，如将人均耕地面积换算为单位耕地农业产值。 选择反映经济情况的8项主要指标: 人均GDP Y1（元/人）、GDP Y2（元/人）、第二产业比重Y3(亿元)、第三产业比重Y4（亿元）、GDP增长率Y5（元/人）、第三产业增长率Y6（元/人））、全国劳动生产率Y7（万/人）、固定资产投资额Y8（亿元）。 选择反映环境情况的11项主要指标: 废水排放总量X1（万吨）、废气排放总量X2（亿/立方米）、固体废弃物排放总量X3（万吨）、单位面积工业废水排放量X4（吨/平方千米）、单位面积工业废气排放量X5（万立方米/平方千米）、单位面积固体废弃物排放量X6（万吨/平方千米）、化肥施用强度X7（万吨）、森林覆盖率X8、单位GDP耗标准煤X9（吨/万元）、单位GDP耗电度数X10（千瓦小时/万元）、单位耕地农业产值X11（亿元/千公顷）。 （2）发展度的分析评价[1] 1)评价指标体系的构建 发展度是度量系统或要素发展程度的定量指标,本文用于度量全国各地区2001-2005年间环境与经济的发展状况。选取X =[X1…X11]为描述环境特征的指标建立环境评价指标体系,选取Y = [Y1…Y8] 为描述经济特征的指标建立经济评价指标体系。 具体见下图1 图1 全国各地区经济环境协调度指标体系 （3）发展度综合评价 设f(x)为环境综合评价函数,g(y)为经济综合评价函数。本文利用国家统计局统计年鉴上的数据,通过主层次分析法得到这两个函数。将f(x)与g(y)相结合，计算每个省区域综合评价指数 T： T=a*f(x)+b*g(y) （1） 其中，a,b为经济与环境的相对权重。 1)主层次分析法的基本原理[2] 主成分分析是一种通过降维技术把多个变量化为少数几个主成分的统计分析方法。假定有n个样本,每个样本测得p个指标的数据,这样就构成一个n*p个数据的资料组。然而指标之间往往互相影响,就须把p个指标综合成很少几个综合指标,利用对少数指标的分析达到目的,同时使这些综合指标尽可能地反映原始资料的信息,且彼此之间相互独立。主成分分析的一般目的是: Ⅰ数据的压缩。Ⅱ 数据的解释。 2）用主成分分析法进行多指标综合评价的基本步骤如下： ①原始指标数据的无量纲化 当各变量的单位不全相同，或单位相同,但变量间的数值大小相差较大时,先将各原始变量作标准化处理。 设有n 个样本, p 项指标,可得数据矩阵，其中,i=1,2,…，n表示n个样本，j=1,2…,p表示p 个指标, 表示第i个样本的第j项指标值。 标准化变换公式为: （2） 其中，
-
影响电信业务收入的主要因素的分析_经济学毕业论文
影响电信业务收入的主要因素的分析_经济学毕业论文 影响电信业务收入的主要因素的分析 1949年以前，中国电信系统发展缓慢，到1949年，中国电话的普及率仅为0.05%，电话用户只有26万；到1978年，全国电话容量359万门，用户214万，普及率0.43%；自上世纪80年代中期以来，中国政府加快了基础电信设施的建设，到2004年9月，固定电话用户数达30692.3万户，移 动电话用户32007.1万户。 另一方面，根据《中国统计年鉴》上的数据，我们在发现在第三产业`增加值指数中，通信业的增加值指数是最大的。在1995年是112.1;在1996年是111.4;在1997年是110.8;在1998年是110.6,在1999年是111.3,在2000年是111.5(上年等于100)。显然，电信业对第三产业的发展影响是最显著的。而我们也知道第三产业在GDP中所占的比例是我们衡量一国综合实力的重要指标，从而对电信收入的研究显得尤为重要。 为了研究我国电信业的发展情况，真正了解我国电信业的发展前景，我们选择了电信收入作为我们的被解释变量，选取固定电话用户数、移动电话用户数、互联网用户数、以及电信业固定资产投资完成额作为我们的解释变量 电信收入作为我们的被解释变量，选取固定电话用户数、移动电话用户数、互联网用户数、以及电信业固定资产投资完成额作为我们的解释变量 为了研究当月止电信业务收入累计额y（亿元）与月固定电话用户数x1（亿户）、月移动电话用户数x2（亿户）、月互联网用户数x3（亿户）和当月电信业固定资产投资完成额x4（亿元）的关系，我们需要一定时期的y、x1、x2、x3、x4这五个变量的数据。 通过互联网，我们已经从国家统计局的网站上找到了相关数据。我们选取了2001年1月到2004年9月这45组数据。 数据资料如下： obsYX1X2X3X4 2001:01 233.9800 1.482750 0.897590 NA NA 2001:02 496.1200 1.514410 0.949070 NA NA 2001:03 734.4700 1.547380 1.003140 NA 140.5400 2001:04 1013.890 1.574090 1.051980 NA 195.6000 2001:05 1290.090 1.606300 1.110800 NA 540.9000 2001:06 1590.130 1.643710 1.167610 NA 806.0000 2001:07 1962.780 1.668210 1.206050 NA 990.7700 2001:08 2175.900 1.694680 1.257740 NA 1148.900 2001:09 2575.500 1.722700 1.309100 NA 1396.700 2001:10 2879.400 1.747690 1.360190 NA 1700.100 2001:11 3196.500 1.771120 1.399220 NA 1919.000 2001:12 3335.200 1.790340 1.448120 0.361460 2343.700 2002:01 3598.430 1.819310 1.499090 0.363450 2343.700 2002:02 3893.340 1.851420 1.558520 0.362660 2343.700 2002:03 4196.440 1.886500 1.615000 0.375310 2343.700 2002:04 4516.990 1.913180 1.666480 0.385200 2630.900 2002:05 4832.350 1.958540 1.713800 0.387240 2703.610 2002:06 5180.550 1.989420 1.761690 0.397590 2843.000 2002:07 5614.970 2.010230 1.803180 0.417350 2986.980 2002:08 5965.050 2.035290 1.848550 0.433190 3148.390 2002:09 6322.220 2.070010 1.903910 0.450400 3308.920 2002:10 6669.870 2.090620 1.958330 0.458700 3487.300 2002:11 7031.530 2.126840 2.003130 0.482940 3706.680 2002:12 7451.020 2.144190 2.066160 0.497000 4378.270 2003:01 7809.520 2.180040 2.124390 0.487490 4378.270 2003:02 8157.120 2.214920 2.163980 0.492740 4378.270 2003:03 8540.320 2.256260 2.214910 0.499200 4593.270 2003:04 8928.320 2.290390 2.257170 0.507880 4761.970 2003:05 9275.220 2.328820 2.300560 0.522100 4949.770 2003:06 9650.720 2.376100 2.344720 0.532350 5163.370 2003:07 10072.92 2.407540 2.394590 0.538130 5308.670 2003:08 10466.72 2.449260 2.441180 0.544330 5447.670 2003:09 10871.12 2.504680 2.499740 0.538760 5619.070 2003:10 11265.42 2.551390 2.569380 0.535000 5798.670 2003:11 11661.02 2.598420 2.634780 0.532560 6065.970 2003:12 12061.02 2.633050 2.686930 0.536570 6593.470 2004:01 12475.12 2.689330 2.768020 0.554390 6593.470 2004:02 12879.92 2.745320 2.823270 0.546280 6593.470 2004:03 13310.42 2.810810 2.903050 0.545850 6877.870 2004:04 13744.62 2.854480 2.957500 0.541270 7043.870 2004:05 14164.62 2.904010 3.005590 0.536660 7218.870 2004:06 14597.12 2.954880 3.052830 0.534700 7459.870 2004:07 15035.42 2.989960 3.102180 0.530220 7639.570 2004:08 15478.62 3.029010 3.151000 0.528430 7808.470 2004:09 15923.12 3.069230 3.200710 0.523290 7974.670 我们对y和x1 x2 x3 x4 进行初步的散点图观察，发现y和x1 x2 x3 x4 在散点图中呈现出线形关系，所以我们将模型初步定为线形模型。 模型的设定 我们把当月止电信业务收入累计额Y（单位：亿元）作为为应变量，用月平均固定电话用户数X1（单位：亿户）、月平均移动电话用户数X2（单位：亿户）互联网用户数X3（单位：亿户）和每月电信业固定资产投资完成额X4作为四个自变量。建立如下模型： Yi=β1+β2X1+β3X2+β4X3+β5X4+ui (其中，ui为随机误差项，且服从正态分布)。 利用eviews5.0 得到如下结果 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 11:24 Sample (adjusted): 2001M12 2004M09 Included observations: 34 after adjustments VariableCoefficientStd. Errort-StatisticProb. C-10552.421292.392-8.1650320.0000 X14879.9201315.2853.7101610.0009 X21917.6911093.9141.7530550.0902 X34270.0501314.4643.2485110.0029 X40.3596750.1171483.0702740.0046 R-squared0.999383Mean dependent var9264.011 Adjusted R-squared0.999298S.D. dependent var3827.446 S.E. of regression101.3827Akaike info criterion12.21073 Sum squared resid298074.8Schwarz criterion12.43520 Log likelihood-202.5825F-statistic11751.06 Durbin-Watson stat0.555252Prob(F-statistic)0.000000 拟合方程为： i= -10552.42+4879.92X1+1917.691X2+4270.50X3+0.359675X4 t= （-8.165） （3.7101） （1.7531） （3.2485）（3.0703） R2=0.999383 2=0.999298 F=11751.06 Sum squared resid 298074.8 统计检验-多重共线性 从分析的数据来看，容易发现t检验还比较理想，β2 β3 β4 β5均为正值具有经济意义，在α取0.05时只有x2的t值不够显著；f统计量很大，说明解释变量对被解释变量的解释是显著的。另外残差平方和太大，可能变量间存在共线性，因此需要检验模型是否存在多重共线性的问题。 用Eviews得到相关系数矩阵 X1X2X3X4 X11.0000000.9969760.8446480.992582 X20.9969761.0000000.8802650.996354 X30.8446480.8802651.0000000.885829 X40.9925820.9963540.8858291.000000 析了一下各个变量之间的相关系数，发现X1 和X2之间的相关系数达到了0.995737，相关程度很高，同时X2和X3之间的相关系数也达到了0.844648。从实际经济意义上说，这三者之间存在着相互替代性，说明模型的设定具有多重共线性，需要对模型进行修订。 经过对各个解释变量的分析，我们发现固定电话用户数、移动电话用户数、互联网用户数这三个解释变量相关性很大，且都属于通信装置，相互间有较大的替代性。于是决定尝试将这3个解释变变量相加成为新的解释变量记为X123。这样将原来的模型调整为： Yi=β1+β2X123i+β3X4i+ ui(其中ui为随机误差项，服从正态分布) 再次拟合： Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 11:52 Sample (adjusted): 2001M12 2004M09 Included observations: 34 after adjustments VariableCoefficientStd. Errort-StatisticProb. C-9268.190558.4492-16.596300.0000 X1233261.226217.256915.010920.0000 X40.3471810.1155243.0052690.0052 R-squared0.999338Mean dependent var9264.011 Adjusted R-squared0.999296S.D. dependent var3827.446 S.E. of regression101.5703Akaike info criterion12.16348 Sum squared resid319812.1Schwarz criterion12.29815 Log likelihood-203.7791F-statistic23414.32 Durbin-Watson stat0.495369Prob(F-statistic)0.000000 拟合方程为：i= -9268.190+3261.226X123i+0.347181X4i t= (-16.59630) (15.01092) (3.005269) R2=0.999338 2=0.999296 F=23414.32 Sum squared resid=319812.1 异方差的检验，用WHITE检验作出的结果如下： White Heteroskedasticity Test: F-statistic4.144353Probability0.008922 Obs*R-squared12.36648Probability0.014824 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/14/05 Time: 14:34 Sample (adjusted): 2001M12 2004M09 Included observations: 34 after adjustments VariableCoefficientStd. Errort-StatisticProb. C105531.8289136.10.3649900.7178 X123-43664.89155576.7-0.2806650.7810 X123^24234.26216376.520.2585570.7978 X40.55992642.435750.0131950.9896 X4^20.0003570.0049350.0723270.9428 R-squared0.363720Mean dependent var9406.239 Adjusted R-squared0.275957S.D. dependent var15224.98 S.E. of regression12955.04Akaike info criterion21.91141 Sum squared resid4.87E+09Schwarz criterion22.13588 Log likelihood-367.4940F-statistic4.144353 Durbin-Watson stat1.404210Prob(F-statistic)0.008922 查χ２分布表，给定α=0.01,自由度为5，得临界值χ２０．０５(5)=15.0863，而 Obs*R-squared=12.3664815.0863，所以模型中随机误差ｕ的异方差性不明显 为了保险起见，我们用ARCH检验进行复查 ARCH Test: F-statistic1.792614Probability0.172363 Obs*R-squared5.148988Probability0.161207 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/14/05 Time: 21:39 Sample (adjusted): 2002M03 2004M09 Included observations: 31 after adjustments VariableCoefficientStd. Errort-StatisticProb. C7053.0583866.6441.8240780.0792 RESID^2(-1)0.5930100.2657202.2317080.0341 RESID^2(-2)-0.0150770.286630-0.0526000.9584 RESID^2(-3)-0.2104980.280125-0.7514410.4589 R-squared0.166096Mean dependent var10106.28 Adjusted R-squared0.073440S.D. dependent var15787.23 S.E. of regression15196.47Akaike info criterion22.21543 Sum squared resid6.24E+09Schwarz criterion22.40046 Log likelihood-340.3391F-statistic1.792614 Durbin-Watson stat1.556831Prob(F-statistic)0.172363 同样的异方差性不明显。 自相关的检验 由于DW=0.495369，给定显著水平α=0.5，查Durbin-Watson表，n=34,k`=2，得下限临界值dL=1.333，因为DW统计量为0.495368dL，所以随机误差项存在正的一阶自相关。 自相关的修正 由dw=0.495369 ρ=1-dw/2=0.7523155。利用广义差分法。 定义DY=Y-0.7523155*Y(-1) DX123=X123-0.7523155*X123(-1) DX4=X4-0.7523155*X4(-1) 然后进行参数估计，结果为 Dependent Variable: DY Method: Least Squares Date: 06/14/05 Time: 22:46 Sample (adjusted): 2002M01 2004M09 Included observations: 33 after adjustments VariableCoefficientStd. Errort-StatisticProb. C-2568.718138.1116-18.598870.0000 DX1233630.988187.992119.314570.0000 DX40.1813010.0931911.9454770.0611 R-squared0.995458Mean dependent var2626.024 Adjusted R-squared0.995155S.D. dependent var956.1398 S.E. of regression66.55126Akaike info criterion11.32033 Sum squared resid132872.1Schwarz criterion11.45638 Log likelihood-183.7854F-statistic3287.557 Durbin-Watson stat1.313646Prob(F-statistic)0.000000 估计式： DY=-2568.718+3630.988DX123+0.181301DX4 t= (-18.59887) (19.31457) ( 1.945477) R2=0.995458 DW=1.313646 虽然DW=1.313646仍然小于DL=1.333,存在正自相关，但是已经得到明显的改变。且异方差性的检验也能通过，即异方差不明显。 模型解释 模型DY=-2568.718+3630.988DX123+0.181301DX4 反映了电信累计收入相对固定、移动电话及互联网用户总数和电信固定资产投入二者的增长速度。 从现实意义来说，电信装置及电信电信投资完成额的增长率是影响电信收入增长的主要因素。而电信装置系数3630.988又远远大于电信固定资产完成额的系数0.181301。从而要求我们进一步认识到发展固定、移动电话及互联网普及率对电信收入的重要性。 结合当前情况，过去几年是我国电信业大发展时期，电信收入平均每年增长约23%。电话用户总数与移动电话总数迅速增长，并在2001年超过美国，跃居世界第一。但是，过去的高增长并不必然带来明天的高增长，在2000年和2001年，我国电信收入已经呈现出稍高于GDP的中速增长态势。 我国电信业发展水平已相当于人均GDP为我国2.5倍的国家。我国的电信收入占GDP之比例已高居世界前列。一般电信收入占GDP的比例是大致一定的，因此我国电信收入占GDP的比例继续快速提高的余地已十分有限。预计我国电信收入占GDP的比例从长期看也仍然有继续增长的空间。我国GDP增长率预期约为7%—7.5%，估计我国未来电信收入的平均增长率最高可以达到GDP增长率与电信收入超额增长率两者相叠加的水平，也就是年增长15%。但我国电信业发展较为超前，再有电信市场正面临继续的资费调整、电信业务同质与异质的竞争、运营商之间加剧的竞争以及由此引发的价格战，估计未来我国电信收入的长期平均增长率将低于这个水平。电信收入高增长时期已过去。在电信收入无法大幅度增长的情况下，迅速增长的电话普及率必然造成ARPU下降，，无论是通过提升电信服务质量，还是提供更多更好的内容服务，有限增长的总收入使得提升ARPU（所谓ARPU就是每用户平均收入(ARPU-Average Revenue Per User)。 ARPU注重的是一个时间段内运营商从每个用户所得到的利润。很明显，高端的用户越多，ARPU越高。在这个时间段，从运营商的运营情况来看，A R P U值高说明利润高，这段时间效益好。）的难度大大加大。 现实中部分新业务的增长率极高，但是基数太低，起不到拉动电信业整体增长的作用。例如给国内电信运营商带来意外惊喜的SMS(短消息)业务，2001年的业务收入也不过19.2亿元(C CID 数据)。还有带给人们神奇幻想的数据通信业务，在我国2001年的业务收入不及140亿元，尚不到电信总收入的4%(信息产业部数据)，即使发展迅速，由于基数太低，几年以内的总量都将十分有限，无法指望以此带动电信业快速发展。 由于电信收入无法实现高增长，我国电信运营商如果继续连续进行大规模投资，将无法收回投资。我国电信运营业的投资一直保持在高水平，2000年度我国电信投资占到电信收入的72.3 %，而世界平均水平为21.9 %。在2001年度，我国电信投资/电信收入的比例高达78.6 %(依据CCID数据)，这样高的投资比例是不可能维持的。 审视我国过去数年的电信业投资，会看到存在投资过度迹象，见图3。一个时期电信投资比重高，有时是建设周期因素，不可以简单归结为电信泡沫，但是如果继续很高的高投资水平，就会偏离经济效益的区域。 通过此模型的建立,可以对电信业务收入的增长指明方向,既然电信业固定投资增长空间较小,只有通过增长电信装置,或者说通过电信业务的使用普及率的增长来达到电信业务收入提高的目的。
-
“气化陕西”问题的经济分析(一)_经济学毕业论文范文
“气化陕西”问题的经济分析(一)_经济学毕业论文范文 内 容 摘 要 “气化陕西”工程是省委、省政府落实科学发展观，确保全省经济社会持续平稳较快发展的重要举措，也是一项造福三秦、惠及社会的民生工程。该工程的实施，对于加速我省资源优势向经济优势转化，促进产业结构调整，促进经济社会健康快速发展，提高人民生活水平，大力加快我省城镇化建设步伐和小康社会的建设，意义十分重大。要求4年内在全省建成四纵两横一枢纽，以七座CNG市场组团为轴心，辐射周边的天然气输配管网系统，到2012年，气化全省11个市区、107个区县及10%的重点镇，涉及总人口1300万左右。要完成此项艰巨任务，要求我们必须做到坚持天然气供需总量基本平衡，上、中、下游同步规划、同步实施的原则，推动资源配置、管网建设、市场开发协调有序发展。加强与各地规划、建设、土地、环保、交通等部门的联系，取得各部门的支持，提高项目进展的时效性、可行性，促进项目前期工作进展速度。要综合考虑各方面的因素，进而确保项目长期安全、可靠、高效地运行；在技术管理上要有主要领导统筹把关、统一协调各项目之间的关系。要完善目前天然气市场体制不完善、政府监管不到位、积极开发利用国内外资源、统筹天然气管网建设、进一步完善天然气市场体制、促进天然气多元化、力争天然气输送安全、对CNG、LNG项目合理布局、构建多元化运输渠道。 关键词：气化陕西 天然气 管道 安全 管理 Contents summary " Gasify shaanxi" engineering is importance that practical science in Provincial、provincial government development view, the economic society in my province in keeping keep on steady than the quick development raise Initiatives , and also is a the item bring benefit to three Qins, Benefit and social people's livelihood engineering. That engineering puts into practice, for accelerate my province resources advantage convert to economic advantage, promoting the industrial structure adjustment, promoting the fast development in economic social health, increasing people life level, strongly and quickly my province town turn the developments step with social developments in middle-class family, the meaning is very important. Requesting the inside whole province in 4 years sets up four longitudinal two horizontal a vital point, regard seven CNG smarket a regiment as the axis, radiate the circumjacent natural gas lose to go together with to take care of the net system,2012, gasify whole province 11 downtowns,107 area Counties and 10% point towns, involve the total population 1300 myriad peoples are or so. To complete the huge mission in this arduous , request we must attain the total deal in supply and demand in natural gas in persistence basic equilibrium, ascend, inside, synchronous programming in downstream, synchronously the principle that puts into practice, push the resources installs, tube net developments, market development moderate have the preface development. Enhance to program with related development in every locality, the contact of the developments, land, environmental protection, transportation etc. section, obtain the support of each section, increase the time limited efficacy, possibility that item make progress, promote the ex- period in item work progress. The factor that to synthesize consideration everyone's insures the long-term safety, dependable, circulate efficiently, want to be primarily on the technocracy the orchestration of leading the relation guard a pass, unify coordination various eyes. Want the perfect current natural gas market system not perfect, the government can not take charge of the positive development makes use of the domestic and international resources, orchestrate natural windpipe net developments, further perfect natural gas market system, promote the natural gas the diversification, the dint Try natural gas transports safety, to the reasonable layout in item in CNG, LNG, set up diversificati
-
中国的菲利普斯曲线_经济学毕业论文
中国的菲利普斯曲线_经济学毕业论文 中国的菲利普斯曲线 摘要： 菲利普斯曲线是分析通货膨胀等问题的一个强有力工具，也是宏观经济理论的一个重要决策分析工具。我们希望通过对中国的菲利普斯曲线的研究，为实施政府干预，进行总需求管理提供政策建议。 在对中国1979—2002年的数据研究中发现，尽管通货膨胀率和失业率在个别年份出现了正相关关系，但绝大多数年份都呈负相关变动关系，符合基本的菲利普斯曲线。我们主要研究的是“产出—物价”菲利普斯曲线，也同样基本符合基本菲利普斯的关系。 关键词：初始的菲利普斯曲线 通货膨胀率 失业率 GDP增长率 奥肯定律 “产出—物价”菲利普斯曲线 自适应预期模型 滞后值 研究背景： 中国作为一个发展中国家，增长和发展是我们的主要任务。在我们制定货币政策、财政政策时，通货膨胀、通货紧缩与经济增长之间，以及与失业率之间是我们考虑的首要问题。 菲利普斯曲线所揭示的是通货膨胀率与失业率之间的非线性负相关关系，这种关系能为实施政府干预，进行总需求管理提供一份可供选择的菜单。意味着可以用较高的通货膨胀率为代价，来降低失业率或实现充分就业。而要降低通货膨胀率和稳定物价就要以较高的失业率为代价。由此看出，菲利普斯曲线是分析通货膨胀等问题的一个强有力工具，也是宏观经济理论的一个重要决策分析工具。中国作为人口大国，面临着严峻的就业形势：每年新增劳动年龄人口过多，产业结构调整以及经济结构转型使农村和城市的劳动力需求同时下降，为了解决这一问题，我们可以把菲利普斯曲线作为指导。 但是70-80年代两次石油危机时期，美国出现了高失业率与高通胀率相并存的“滞胀”，推翻了失业率与通胀率反方向变动和可相互替换的理论。到了90年代，信息产业和经济全球化的发展，使美国出现了在经济高增长中低失业率与低通胀率并存的新经济现象，又一次从另一个方面证明了不存在什么菲利普斯曲线。 现有的研究： 菲利普斯曲线的演变形态：菲利普斯曲线经历了四个发展阶段、三种基本表达方式。 第一阶段的菲利普斯曲线属于传统的凯恩斯主义，有两种表达方式。 菲利普斯曲线是由在英国从事研究的新西兰经济学家A.菲利普斯于1958年最早提出的，其主要表示的是货币工资变化率与失业率之间交替关系的经验曲线，这是一种表达方式。 凯恩斯主义者李谱西于1960年从单一的劳动市场供求体系中解释了初始菲利普斯曲线的成因。与此同时，萨缪尔森与索洛于1960年对初始的菲利普斯曲线进行了修正。首先，将原始菲利普斯曲线所表示的货币工资变化率与失业率之间的交替关系发展为通货膨胀率与失业率之间的交替关系，这是第二种表达方式。其次，是菲利普斯曲线成为决策工具。通胀率与失业率之间有交替关系，就可以帮助政策制定者在通胀与失业之间做出选择与取舍，要么是高通胀率与低失业率，要么是低通胀率与高失业率。 第二阶段的菲利普斯曲线属于货币主义，延续了萨缪尔森与索洛的通货膨胀率与失业率之间的表达方式，只是观念有所不同。 从1960年代后期开始，货币主义经济学家弗里德曼和费尔普斯对菲利普斯曲线提出了修正。他们引入了适应性预期的概念，并区分了短期与长期。其基本观点是： 第一，菲利普斯曲线在短期内是负斜率倾斜的，在长期内则是垂直的，这表明通货膨胀率与失业率之间的交替关系短期内存在而长期内部存在。 第二，当通货膨胀被完全预期到时，它就既不影响相对价格与实际工资，也不影响厂商与工人对二者的计算，因而不影响失业率。此时的失业率是劳动市场在充分预知到通货膨胀而实现供求均衡时的失业率，弗里德曼与费尔普斯称之为自然失业率。 第三，菲利普斯曲线受通货膨胀预期的影响，应附加预期变量。如果是适应性预期，则附加预期的菲利普斯曲线在短期内倾斜而在长期内垂直。预期每变动一次，附加预期的菲利普斯曲线移动一次。根据上述观点，总需求管理政策短期内有效而长期内无效，因为长期内失业率总保持在自然失业率之上而不可更改。 第三阶段的菲利普斯曲线属于新古典主义。 新古典主义者对凯恩斯主义菲利普斯曲线者的批评比货币主义的批评更为彻底。他们认为，该曲线不仅在长期而且在短期也是垂直的，通货膨胀率与失业率即使在短期也不存在交替关系。因此，他们认为，必须有一个讲信用的政府。这不仅排除了凯恩斯主义关于通胀率与失业率的抉择，彻底抛弃了凯恩斯主义的影响，而且也抛弃了货币主义的影响，理性预期认为即使在短期，政府的政策也不起作用。所以，新古典主义的结论是，凯恩斯主义的总需求管理政策或通货膨胀政策总体上是无效的，对失业率没有影响。 第四阶段的菲利普斯曲线属于新凯恩斯主义，所标明的菲利普斯曲线是经济增长率与物价上涨率之间的关系。这是第三种表达方式。 新凯恩斯主义者如费希尔和泰勒等人同样在曲线中考虑到理性预期的作用，但结论是认为通货膨胀率与失业率在一定时期内存在交替关系。他们对菲利普斯曲线作了新的解释，从一定程度上发展了负斜率的菲利普斯曲线。立论的依据是货币工资的刚性，而不是新古典主义者所说的灵活性。新凯恩斯主义者中菲利普斯曲线以经济增长率代替了萨缪尔森和索洛菲利普斯曲线中的失业率。这一代替是通过“奥肯定律”实现的。 以上四个发展阶段、三种形状的菲利普斯曲线反映了美英等西方一些国家在上世纪五六十年代的情况。菲利普斯曲线所表明的经济发展中各种经济变量之间的关系变化在中国是否出现，也就是说，菲利普斯曲线所揭示的关系在中国是否适用，需要我们进行实证分析。 研究意义 从宏观层面来看，经济政策的三大目标是充分就业、低通货膨胀和经济持续增长。而菲利普斯曲线研究了失业率与通货膨胀率之间的替代关系，如何在两者之间寻求平衡就成为经济学研究的主要问题之一。 为此，我们循着菲利普斯曲线演进的线索，尤其是菲利普斯曲线的三种基本表达方式,对中国经济发展的适用性进行讨论分析，并提出相应的政策建议。但是由于第一种基本表达方式是研究的货币工资变化率和失业率之间的关系,其已经被很多研究所证明;再者与我们所要研究的宏观层面问题相去甚远,因此我们主要从后两个表达方式进行研究. 1979-2002年中国的菲利普斯曲线 1、失业率与通胀率之间的关系。 （一）状态描述： 这里我们要讨论的是第二种形状的菲利普斯曲线，即通货膨胀率与失业率之间的交替关系.我们这里使用《中国统计年鉴》所提供的居民消费价格指数，但由于我国统计年鉴没有真实失业率的数据，因此我们用已有的城镇登记失业率数据来代替，因为从整体看，两者的基本趋势基本相同。 计算通货膨胀率有两种方法——通过CPI指数或GDP平减指数来计算，此外中国国情还适用批发物价指数（后称为企业商品交易价格指数）计算通胀率。考虑到批发物价指数为月度数据，没有年度数据，无法应用于我们的模型；GDP平减指数的定基实际GDP数据无法查到，也无法应用于我们的模型。尽管CPI指数计算的方法在中国的适用性仍存在一定的疑问，但在现有的条件下，我们只能用CPI指数来计算通胀率 Y——通货膨胀率 X1——城镇登记失业率指数 obsYX1 1979 2.000000 5.400000 1980 6.000000 4.900000 1981 2.400000 3.800000 1982 1.900000 3.200000 1983 1.500000 2.300000 1984 2.800000 1.900000 1985 8.800000 1.800000 1986 6.000000 2.000000 1987 7.300000 2.000000 1988 18.50000 2.000000 1989 17.80000 2.600000 1990 2.100000 2.500000 1991 2.900000 2.300000 1992 5.400000 2.300000 1993 13.20000 2.600000 1994 21.70000 2.800000 1995 14.80000 2.900000 1996 6.100000 3.000000 1997 0.800000 3.100000 1998-2.600000 3.100000 1999-3.000000 3.100000 2000-1.500000 3.100000 2001-0.800000 3.600000 2002-1.300000 4.000000 图1是根据1979——2002年通货膨胀率与失业率的数据绘制的曲线，纵轴表示通胀率，横轴为城镇失业指数。从图1中可以看出，首先，中国转型期的菲利普斯曲线出现了以下几种情形： （1）斜率为负的菲利普斯曲线，即失业率与通货膨胀率之间相互交替关系，在1979——1980年、1983——1985年、1985——1986年、1990——1991年、1994——1997年、2001——2002年出现过 （2）垂直的菲利普斯曲线，即失业率不变，通货膨胀率上升或下降的情形，在1986——1988年、1991——1992年、1997——2000年出现过 （3）正斜率的菲利普斯曲线，即失业率与通货膨胀率相互促进的情形，在1992——1994年、2000——2001年分别出现过。除此以外，1980——1983年、1989——1990年还出现过失业率与通货膨胀率同时降低的情形，即失业率与通货膨胀同时降低的正斜率菲利普斯曲线。 由此可见，中国经济转轨时期的菲利普斯曲线既不符合菲利普斯的相互交替曲线，也不符合弗里德曼的菲利普斯曲线长期内无效结论。从短期上看，上述三种形式的菲利普斯曲线在我国经济转轨时期都出现过。尽管在个别年份出现了正相关关系，但绝大多数年份都呈负相关变动关系，符合基本的菲利普斯曲线。 （二） 我们的发现: 从图中可以看出1986——1988年、1991——1992年、1997——2000年的菲利普斯曲线出现了陡峭性变形，随着通货膨胀率的上升，失业率本应下降，但实际上失业率却丝毫未变，究其原因主要包括以下几点： 首先、劳动力的供给因素。在经济上升时期（从下表GDP增长率可看出），会对劳动力产生过量需求，因此失业率就应该下降。但是，由于近年来大量农村剩余劳动力转入城镇，使得劳动力的供给大幅上升，城镇自身的就业受到冲击，因此，失业情况并没有得到改善。 其次、劳动力的需求因素。随着科技的不断进步，各行各业的科技含量逐步提高，与此同时，同量产业所吸纳的劳动力就会逐渐减少，因此，经济增长对就业情况并没有太大的改善。 最后、企业改制已经成为一种趋势，随着改革的深化，产业结构的调整，企业的冗员减少，很多职工下岗。 （三） 政策建议： 以上分析表明，在我国经济波动的上升期，尽管经济增长率、物价上涨率在上升，但城镇失业率却不下降。这表明，单纯靠刺激需求、刺激经济增长的办法来解决失业问题的效果是不会显著的。解决我国的失业问题，应该对引起失业问题的各种因素进行分析，相应地采取措施，这样的效果才会显著。 2、国内经济增长率与通货膨胀率之间的关系。 （一）状态描述： 这里我们要讨论的是第三种形状的菲利普斯曲线，即经济增长率与物价上涨率之间的关系，可称之为“产出——物价”菲利普斯曲线。从《中国统计年鉴》中查得数据： X2——国内生产总值增长指数（GDP），并继续沿用表1的通货膨胀率——Y，可得下表与图2。在图2中，纵轴为物价变动率，横轴为GDP增长率。二者之间的变动关系表现如下： 1979——1983，这一时期中国不存在菲利普斯曲线所揭示的产出——物价关系。 1984——1986年、1987——1990年、1999——2000年的价格周期均呈现出基本的菲利普斯曲线关系——曲线略向右上方倾斜，只是在1989年出现了典型的滞胀（4.1%的GDP增长率对应着17.8%的通货膨胀率），但大体仍表现为基本的菲利普斯曲线的形状。紧随其后，1990年价格水平已迅速下降了15.7个百分点（1989年的价格增长率为17.8%，1990年为2.1%），这一段曲线也基本符合经济增长率与价格水平之间的同向变动关系。 1991——1998年价格周期的产出——物价曲线，1992——1994年曲线表现出现左上方倾斜，GDP指标由右向左逐步下降，价格水平也相应回落。从1998年开始，价格指标从负增长开始逐步向正增长变动。从以上数据分析可以看出，后两个周期的产出——物价曲线也呈现出基本的菲利普斯曲线关系。 obsX2Y 1979 7.600000 2.000000 1980 7.800000 6.000000 1981 5.200000 2.400000 1982 9.100000 1.900000 1983 10.90000 1.500000 1984 15.20000 2.800000 1985 13.50000 8.800000 1986 8.800000 6.000000 1987 11.60000 7.300000 1988 11.30000 18.50000 1989 4.100000 17.80000 1990 3.800000 2.100000 1991 9.200000 2.900000 1992 14.20000 5.400000 1993 13.50000 13.20000 1994 12.60000 21.70000 1995 10.50000 14.80000 1996 9.600000 6.100000 1997 8.800000 0.800000 1998 7.800000-2.600000 1999 7.100000-3.000000 2000 8.000000-1.500000 2001 7.500000-0.800000 2002 8.000000-1.300000 （二）原因分析： 第一周期是由于中国的价格改革，在经过1979——1984年得以调整不合理价格为主的初始阶段后，于1984年才开始了市场化的价格机制的改革。因此，可以说在价格改革开始前的高度计划价格体制阶段，中国不存在菲利普斯曲线所揭示的产出——物价关系。 第二周期中1987——1990，1991 ——1996年出现了变形：当曲线向右移动到达顶端开始转折时，通货膨胀率滞后一年或两年到达波峰，下面我们就建立模型，说明出现滞后情况的原因。 首先，GDP增长率的滞后效应。当期GDP增长时，需求膨胀，使得生产资料行业的价格先受到影响，产生上升的现象，由于滞后效应，这种上升的趋势传导到生活资料行业还需要一段时间，因此，GDP增长在先，而通货膨胀率的上升在后。 其次，通货膨胀率自身的滞后效应。当期的通货膨胀率往往会受到上一期通货膨胀率的影响，通常表现为当上一期的物价水平较高时，下一期的物价水平也会比较高。 因为GDP增长率与其滞后值之间有很强的共线性，根据自适应预期模型，我们用通货 膨胀率本身的滞后值来代替，即建立一阶自回归模型。 Y=a+b1x2+b2y(-1)+u Dependent Variable: Y Method: Least Squares Date: 12/19/04 Time: 03:12 Sample(adjusted): 1980 2002 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-7.9756813.497475-2.2804110.0337 Y(-1)0.7362170.1450395.0759960.0001 X20.9881430.3281883.0109010.0069 R-squared0.604406 Mean dependent var5.686957 Adjusted R-squared0.564847 S.D. dependent var7.076742 S.E. of regression4.668254 Akaike info criterion6.040555 Sum squared resid435.8519 Schwarz criterion6.188663 Log likelihood-66.46638 F-statistic15.27845 Durbin-Watson stat1.560943 Prob(F-statistic)0.000094 回归分析结果： Y = -7.975681+0.736217 Y(-1)+ 0.988143 X2+u Se (3.497475) (0.145039) (0.328188) T (-2.280411) (5.075996) (3.010901) R-squared=0.604406 F=15.27845 DW=1.560943 （1）经济意义的检验： 解释变量Y(-1)前的系数为正，说明上一期的通货膨胀率对本期的通货膨胀率有正的效应，即上期的通货膨胀率越高，本期的通货膨胀率就越高，这符合我们原先所作的假设。同样，解释变量X2的系数也为正，说明GDP增长率对通货膨胀率也有正效应，即国内生产总值增长越快，通货膨胀率越高，这也符合我们的理论假定。 （2）统计检验： 在现有的学习中，我们还没有完全掌握单位根检验及协整的方法，所以对模型的平稳性暂时不作考虑。 若不考虑单位根检验，直接用我们在前几章学习的方法进行检验，结果如下 1、模型的检验： 由回归结果可以看出，每个参数的t检验都显著，F检验也显著，模型的拟合程度较好 多重共线性 F检验显著，t检验也显著，所以模型可能不存在多重共线性 异方差检验 White 检验 White Heteroskedasticity Test: F-statistic2.483119 Probability0.080491 Obs*R-squared8.178543 Probability0.085253 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/26/04 Time: 22:01 Sample: 1980 2002 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C35.9834343.983170.8181180.4240 X2-7.0906689.193672-0.7712550.4506 X2^20.3720880.4701950.7913490.4390 Y(-1)3.7296592.0785611.7943470.0896 Y(-1)^2-0.1041440.111992-0.9299220.3647 R-squared0.355589 Mean dependent var18.95008 Adjusted R-squared0.212386 S.D. dependent var26.09341 S.E. of regression23.15727 Akaike info criterion9.312155 Sum squared resid9652.665 Schwarz criterion9.559001 Log likelihood-102.0898 F-statistic2.483119 Durbin-Watson stat1.957941 Prob(F-statistic)0.080491 由结果看出，模型不存在异方差 ARCH检验 ARCH Test: F-statistic2.338825 Probability0.141848 Obs*R-squared2.303351 Probability0.129095 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/26/04 Time: 22:04 Sample(adjusted): 1981 2002 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C12.287156.9564081.7663070.0926 RESID^2(-1)0.3273350.2140401.5293220.1418 R-squared0.104698 Mean dependent var18.76604 Adjusted R-squared0.059933 S.D. dependent var26.69217 S.E. of regression25.87994 Akaike info criterion9.431322 Sum squared resid13395.43 Schwarz criterion9.530507 Log likelihood-101.7445 F-statistic2.338825 Durbin-Watson stat1.884855 Prob(F-statistic)0.141848 由回归结果看出，模型存不在异方差 自相关检验 由于方程含有滞后变量，所以我们采用德宾—h检验 D=1.560943 计算结果h=1.4654151.96,接受原假设，不存在自相关。 最终的回归结果如下： Y = -7.975681+0.736217 Y(-1)+ 0.988143 X2+u Se (3.497475) (0.145039) (0.328188) T (-2.280411) (5.075996) (3.010901) R-squared=0.604406 F=15.27845 DW=1.560943 （三）结论： 就改革开放以后我国经济增长率与通货膨胀率之间的变动关系来说，我们得出如下认识： 随着经济的发展和生产技术的进步，通货膨胀的发生有着一定的必然性，区别只是在于通货膨胀的速度，所以并不是说存在通货膨胀就是消极的、不利的。 我国目前条件下，在经济周期波动中，我们要看到菲利普斯曲线的存在，还要注意到变量的滞后效应。承认菲利普斯曲线的存在，把握好经济增长率与通货膨胀率二者在经济周期波动中的对应变动关系，并不是说我们能够主观随意地进行在二者中的选择，用主动推进通货膨胀去换取一时的增长。 对于滞后效应，我们要解决好农业、能源、主要原材料等“瓶颈”制约。这样，经济的增长就不会带动这些产业物价的大幅上升，有利于保持物价的稳定性。 遇到的困难以及文章的不足： 首先，在模型的设定方面我们没有按照一些现有的理论进行分析，而是根据我们自己的见解，从实际中提供了一些变量，不知道这样的模型设定科学不科学，也不知道是否含盖了重要的解释变量。 其次，基于我们现有的知识和时间的限制，只能忽略单位根检验的结果，直接用前几章学过的知识进行检验。希望在接下去的学习中，我们能进行更深入的研究，避免发生伪回归的情况。 再次，我们在分析中使用的失业率引用的是《2003年中国统计年鉴》中的城镇登记人口失业率，这个数据目前在中国还不能反映真实情况，但在我们的回归模型中没有引入失业率作为解释变量，我们采用的是菲利普斯曲线的第三种表达方式——即“产出—物价”菲利普斯曲线进行模型的建立，所以我们就没有针对失业率进行矫正。 最后，整篇文章我们所论述的东西较多，比如对菲利普斯曲线在中国应用的原因分析，所以我们感觉到后面的计量经济学方面的知识运用较少。在这里，我们只把其当成了一个工具的作用。 参考文献 1、《菲利普斯曲线在中国经济的适用性分析》 王政霞 张卫 —《广西社会科学》2003.02 2、《中国的菲利普斯曲线》 刘树成 3、《美国新经济与菲利普斯曲线》 黄海清 —《金融参考》2001.01 4、《质疑菲利普斯曲线—并论通胀与失业率的关系》 朱国晓 —《中央财大学报》2000.9 5、《长期的菲利普斯曲线与经济周期》 庞明川 —《山东财政学院学报》1999.04
-
我国出口企业核心竞争力的现状(一)_经济学毕业论文
我国出口企业核心竞争力的现状(一)_经济学毕业论文 引言 自20世纪90年代中期起，国际上许多巨型公司和重要产业都卷入了跨国并购。从核心竞争力的角度来看，很多企业正是试图通过并购来构建新的、更高层次的核心竞争力，以期实现企业的持久竞争优势。 由于跨国并购可以给出口企业带来多重绩效，而知识产权、技术创新及市场范围又是衡量出口企业的核心竞争力的首要标准，但我国出口企业却在技术与市场方面存在诸多障碍及不利因素，直接影响了我国出口企业的国际竞争力，因此出口企业更多地以追求先进技术及国外市场为目的的跨国兼并收购。 我国加入WTO后，一方面加速与世界市场接轨；另一方面，也为中国企业，尤其是民营企业的“走出去”投资并购策略提供宝贵经验。随着中国逐步开放市场从而引入实力雄厚并拥有先进技术的国外竞争者，国内出口企业也迫切希望通过积极对外兼并收购来主动寻求先进技术和国外市场，将自身综合优势和具有更高附加值的技术和服务相结合，以增强企业本身在全球市场的核心竞争力。 一、我国出口企业核心竞争力的现状 近年来，随着经济全球化的推进，我国对外贸易取得了可喜的增长成果，企业竞争力大幅度提高。但在我们感到欢欣鼓舞的同时，也应看到我国出口企业在国际贸易竞争中存在的问题，分析利弊，扬长避短，提高核心竞争力。 知识产权专利费问题 在经济全球化和知识经济的背景下，知识产权越来越成为市场竞争的有力工具，成为跨国公司在中国争夺市场、谋求更大利润的重要手段，同时，也正在成为跨国公司打压我国企业的重要竞争手段。近年来，涉外知识产权争议频繁发生，不仅规模增大，涉案领域也在扩展，从打火机到剃须刀，从彩电到DVD，从电信设备到数码相机，从摩托车到汽车，对我国一些行业的生存和发展带来了巨大的挑战和威胁。根据科技部中国科技促进发展研究中心《调研报告》2004年第36期资料显示，仅加入世贸组织以来，我国企业因知识产权纠纷引发的经济赔偿累计超过10亿美元。至今影响最大的案例是“DVD 专利联合许可”系列纠纷，我国的DVD 厂商为此支付日、美、欧企业结盟的“6C”、“3C”等30多亿元人民币，还将继续支付数百亿元人民币。2002年我国机电产品出口企业因专利赔偿的损失近200亿元人民币，占机电产品出口总额的1.5%，约占机电产品出口利润的30%[ 中华人民共和国国家知识产权局2006年公布的资料]。 （二）倾销案问题 近20年来，随着我国出口贸易量的增加和在世界出口榜上排名的上升，对我国发起反倾销调查的国家也逐步出现了扩大之势，由于近年来各国和地区滥用反倾销措施保护国内产业，所以针对我国出口企业的反倾销调查案件接连不断，仅在家电出口企业，综合WTO统计资料和国家经贸委和外经贸部的统计资料，从1982年8月欧共体对我国家电出口企业发起第一起反倾销案件以来至2004年12月初，已经有欧美等29个国家对我国提起共计142起反倾销案件，我国已经成为全球遭受反倾销调查案件最多的国家。2005年各国提起的反倾销案件总数为146起，其中我国遭到反倾销起诉的案件有46起，对中国的反倾销占世界总数的31%以上，但是当年中国的家电出口外贸额占世界总额的比重却只有19%。显然，中国已经是世界反倾销浪潮的最大受害者，各国对我国家电出口产品的频频反倾销已经构成了对我国家电企业发展的实质性障碍。 （三）OEM、ODM代工 长期以来，中国出口企业进入外国的主要渠道是接单，即OEM、ODM生产，尤其在家电业我国对美出口中占很大的比重，例如格兰仕生产微波炉，小天鹅生产洗碗机，长虹生产电视机等。美国经销商以自己的品牌向中国企业下单，充分利用中国规模庞大的厂房、最先进的生产设备、紧缺的能源与廉价的劳动力，而许多中国企业也都甘于扮演代工的角色，不进行新产品开发与产品销售。 因此，我国出口企业在国际上始终没有树立起自己的品牌。目前，我国每年出口彩电3000多万台，但出口平均价不足100美元，贴牌产品达89%。2004年，根据国家商务部政策研究室的调查，彩电出口中，加工贸易特别是OEM占绝对主导地位，自有品牌出口比重很小。以创维为例，每年出口额近30亿元，但90%都是贴牌生产，只能赚取到低廉的加工费。 （四）外国企业在华并购案 在世界经济一体化进程加速的背景下，跨国公司利用明显的资金、品牌和技术优势，千方百计谋求市场份额的同时，通过并购国内企业，可以绕过国家之间对商品和服务贸易的各种壁垒，更加有效地占有市场。目前跨国公司垄断了世界上70%的技术转让与80%的新技术、新工艺。为了不断强化其技术控制，维持高进入壁垒，跨国公司透过大量招聘国内科技人才，并购国内科研机构，在华开展研究开发，推出适合中国市场的新产品，以图保持其在中国市场的技术优势，构筑技术壁垒，谋求维持其市场优势地位。因此，外国企业在华并购案大大增加。从外资企业并购中国企业的案例来看，来自美国的占30.2%，欧盟占27.3%，东盟香港占9.1%，日本2例占6.1%，加拿大及印度各一例，占3.1%[ 《中国事务》2006-3-14]。 二、我国出口企业核心竞争力分析 面对我国在国际贸易竞争中存在的诸多问题及不利因素，我们要认真分析，多方探查，找到解决问题的办法。 （一）知识产权缺失 据WTO与中国：北京国际论坛消息，到目前为止，我国企业因知识产权引发的诉讼赔偿金额已有10多亿美元。仅2002年，我国有71%的出口企业遭遇到国外技术性贸易壁垒的限制，39%的出口产品因此受到影响，损失金额达170亿美元。 缺乏核心技术是中国出口企业共同的困境。多年来，中国“以市场换技术”之路推动工业的发展，也正是“以市场换技术”造成知识产权缺失引发的破灭几乎在各个领域重复。比如，中国的汽车企业已经掉进了“落后—引进—再落后—再引进”和“能力弱—依赖—越依赖—能力越弱”的双重怪圈。在IT
-
我国居民人均可支配收入对居民储蓄存款影响的计量经济模型_经济学毕业论文范文
我国居民人均可支配收入对居民储蓄存款影响的计量经济模型_经济学毕业论文范文 我国居民人均可支配收入对居民储蓄存款影响的计量经济模型 【摘要】：居民的储蓄存款作为居民消费支出的重要组成部分，直接关系到国家对资金的合理使用。本模型根据基本的计量经济学知识，对居民人均可支配收入和居民储蓄存款之间的关系进行分析和预测。 一：问题的提出 随着中国经济的迅速发展，我国居民的消费水平不断提高，与此同时居民存款额不断攀升，可以看出我国居民的人均可支配收入对居民储蓄存款是有重要影响的。为了进一步直观的体现这一关系和预测未来几年居民的储蓄是如何变化的，我们将根据22年来的数据对其进行分析 二：分析过程： 经过对数据的严谨分析，我们得出我国居民人均可支配收入对居民储蓄存款存在密切的关系。 三：相关数据收集 1978年—1999年我国居 民人均可支配收入与人均储蓄存款 单位：元 年份我国居民人均可支配收入人均储蓄存款 1978449.621.9 1979530.1728.8 1980630.340.5 1981681.4452.3 1982770.1166.5 1983835.7786.9 1984963.33117 19851136.7154.5 19861323.4210.1 19871464.8284.3 19881726.3346.9 19891977.2462.8 19902196.5615.4 19912409.2786 19922810.6985 199334991246 19944717.21795 19955860.72441 199667653132 19977250.43714 19987587.14307 19998064.34777.3 四：计量经济模型的建立 我们建立了下述的一般模型： Y=β1+β2X+u 其中 Y——我国居民人均储蓄存款 C——常数项 β——代定参数 X——我国居民人均可支配收入 U——随即扰动项 五：模型的求解 我们利用EVIEWS软件，用最小二乘法对上述数据进行了回归分析。 Dependent Variable: Y Method: Least Squares Date: 05/14/04 Time: 22:03 Sample: 1978 1999 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-507.408886.37556-5.8744490.0000 X0.5787070.02251025.709400.0000 R-squared0.970630 Mean dependent var1166.873 Adjusted R-squared0.969162 S.D. dependent var1515.562 S.E. of regression266.1451 Akaike info criterion14.09247 Sum squared resid1416664. Schwarz criterion14.19165 Log likelihood-153.0171 F-statistic660.9733 Durbin-Watson stat0.272178 Prob(F-statistic)0.000000 各方程如下： ^β1=-507.4088 ^β2= 0.578707 ^se(^β1)= 86.37556 ^se(^β2)= 0.022510 r2=0.970630 df=20 即： ^ Y=-507.4088 + 0.578707X （ 86.37556） （0.022510） t=(-5.874449) (25.70940) r2=0.970630 df=20 六：检验：（取） 1） 回归系数的t假设检验。 查表得：t0.025(20)= 2.086，从上表可见X（我国居民人均可支配收入）的系数的t统计量都显著地大于2.086，故可认为X对Y（我国居民人均储蓄存款）的影响显著。 2） 拟合优度检验，从上表可以直接看出，拟合效果较好。 3） 回归方程地显著性检验（F—检验）。查表可知F0.05(2,20)=3.49，有上表知道由参数计算得到的F统计量值为660.9733，远大于3.49，故此回归方程线性显著性强。 七：总结 随着人均可支配收入的增加，居民的储蓄存款也在增加。
-
中国资本外逃的成因解释与计量分析_经济学毕业论文
中国资本外逃的成因解释与计量分析_经济学毕业论文 中国资本外逃的成因解释与计量分析 内容提要： 本文在对资本外逃做出定义的基础上，通过测算资本外逃数据，试图通过建立修改计量模型对资本外逃产生的原因做出计量经济学解释。对资本外逃的传统解释是利率差异，经济和政治风险以及外债负担，但我们发现这些都不足以解释中国资本外逃，更重要的因素与转型经济下特殊情况有关，即长期对外资的优惠以及证券市场的特殊性等。 关键词： 资本外逃 计量经济 一、资本外逃的定义 对于什么是“资本外逃”目前理论界尚无统一的标准，不过有一点是可以肯定的：它是一种非正常的资本流动。我们综合Kindleberger（1937年）、Dooley(1986年)和Cuddington（1986年）提出的三种定义，将资本外逃解释为“违背实际利率指向的出于逃避风险、规避管制、投机套利考虑的资本非正常外流”。 二、1991——2003年间中国资本外逃规模测算方法选择 （一）、直接法 直接法又被称为卡廷顿法或国际收支平衡表法，是通过一个或几个对国内异常风险反应迅速的短期资本外流项目来估计资本外逃额。 测算公式：资本外逃=错误与遗漏项+私人非银行部门短期资本流出 这种方法具有两个缺陷：一是对资本外逃的估计范围过于狭窄，仅包括短期资本外逃，没有包括在二级市场上具有较强流动性的、可以作为短期资本替代品的长期资本外逃（李心丹，钟伟，1998）；二是错误与遗漏项中即包括未记录的资本流动，也包括了实际意义上的统计误差。 （二）、间接法 间接法又称为世界银行法或剩余法，是通过国际收支平衡表中四个项目的剩余部分来间接地对资本外逃额进行估计。 测算公式：资本外逃=经常项目顺差+外国直接投资净流入+外债增加-储备资产增加 经常项目顺差、外国直接投资净流入和外债增加属于东道国的“资金来源”，而外汇储备增加属于东道国的“资金运用”，当“资金来源”大于“资金运用”时，就意味着发生了资本外逃，这是间接法的基本思路。间接法在一定程度上弥补了直接法的缺陷，但是产生了新的问题：一是它无法反映通过经常项目虚假交易进行的流动额，因此间接法夸大了资本外逃的规模。 本文从简便计，不采用更为精确的摩根公司法和克莱因法，而是运用直接法和间接法两者平均计算出的资本外逃量作为模型中的应变量。 表1 我国1991—2003年资本外逃数额(单位:亿美元) 年份1991199219931994199519961997199819992000200120022003 直接67.43117.39133.72134.77173.22164.80257.27287.52241.35183.18-85.42-114.97-395.9 间接101.79243.79236.95181.58267.66233.55503.56790.86499.30471.79318.1679.55-16.49 平均84.61180.59185.335158.175220.44199.175380.415539.19370.325327.485116.37-17.71-206.195 三、资本外逃的成因 我们查找到的很多文献都对资本外逃给出了的原因，这里结合中国的实际情况一一加以剖析。 （一）、逃避风险 “风险”一方面是指通货膨胀引起的风险：一国通货膨胀率较高会降低资本的实际收益率，产生货币贬值预期，从而刺激人们实行货币替代行为来规避风险。我们用中美通胀率之差来衡量这种因素；另一方面，风险指投资收益风险，因为股市的剧烈波动可能会使人们对未来经济走势产生悲观预期，从而出于规避投资风险的考虑而把资本转移到国外。我们采用Garman-klass(1980)第Ｔ日方差估计式来计算股市波动率，其中ut、dt、ct分别表示第Ｔ日股价的最高值、最低值和开盘价减去收盘价值差，并以股市波动率来衡量这种因素。 （二）、规避管制 “管制”一方面指外汇管制：人们为了保留今后用汇的灵活性，不愿意将外汇汇回国内或保留在国内的现象，被称之为“老鼠夹子效应”。而我国96年经常项目下实现可自由兑换，但是恰恰相反的是资本外逃更严重了，所以“老鼠夹子效应”不能解释我国资本外逃的变化；另一方面，管制指的是国家政策的管制，即金融压抑：发展中国家金融压抑（Financial Repression）的一个重要表现在于其实际利率往往低于发达国家,这样的利率差往往导致发展中国家国内储蓄外流。但是中国的利率还没有完全市场化，并且中国居民储蓄更多是为了应付未来的不确定性，而不是投资理财的需要，因此利率差异不应该用在这里解释资本外逃。 （三）、外债负担 一些转型国家出现的资本外逃情况，很大程度上是由于连年增加的外债（如俄罗斯、巴西），因为外债的增加作为一项主要的资金来源对资本外逃起着较显著的推动性作用。我们将外债余额做为一个变量来解释资本外逃。 （四）、外资制度 我国自改革开放以来为大力吸引外资对其开列了一系列优惠条件，使其享有“超国民待遇”，主要表现在税收、外汇政策、地方性优惠、产业政策、银行金融支持乃至市场准入多个方面。大力吸引外资发展经济是好事，但是却造成了内外资不平等，同时相关法律法规的实施与监督不尽严格，这样就会有人利用制度漏洞产生“寻租行为”：中、外方合谋，以高报外方实物投资价值或中方替外方垫付投资资金的方式，通过设立合资企业向境外转移境内资产或权益；同时，由于一些社会中介机构为外商投资企业虚假验资，产生外商直接投资高报。这些虚增投资最终都会以利润汇回或以清盘形式要求换汇汇出，资本先流入再流出，从而形成迂回的资本外逃。我们用外商直接投资（FDI）的数据来衡量这种原因的资本外逃。 （五）、保护私有产权，隐藏不法收入 资产所有者愿意为资产保密付出代价，从而要求寻找最佳“避风港”的投资地点。这些投资者的收入既有合法的，也有非法所得。在我国上世纪关于保障私有产权的法律和制度安排尚不健全时，很多人宁愿将财产转移到西文发达国家；还有一部分贪污、腐败、受贿者，以及侵吞国有资产者出于藏匿证据和逃避惩罚的目的而将资产转移到国外，都造成了资本外逃。但是由于这部分统计资料难于查找并且即使是估算也难免会带有很大的主观性，因此，我们没有对这部分进行量化，但我们认为此部分是值得重视的影响因素。 综上所述，我们将模型形式设定为：Y＝B0+B1*X1+B2*X2+B3*X3+B4*X4+U 其中Y 为用间接法和直接法平均得到的资本外逃量，B0为截距项，X1为外债余额，X2为股市波动率，X3中美通胀率之差 ,X4为FDI。 表2 计量经济模型自变量数据表 X1、X4单位：亿美元 X2、X3单位：% 年份资本外逃额 Y外债余额 X1股市波动率 X2中美通胀差 X3FDI X4 1991 84.61000 605.6100 7495.330-0.700000 43.66000 1992 180.5900 693.2100 569010.1 3.300000 110.0800 1993 185.3350 835.7300 374497.7 11.60000 275.1500 1994 158.1750 928.0600 274326.4 21.60000 337.6700 1995 220.4400 1065.900 100576.0 14.10000 375.2100 1996 199.1750 1162.750 244938.5 5.400000 417.2600 1997 380.4150 1309.600 216168.3 0.500000 452.5700 1998 539.1900 1460.430 2670830.-2.400000 454.6300 1999 370.3250 1518.300 295692.1-3.600000 403.1900 2000 327.4850 1457.300 265068.3-2.980000 407.1500 2001 116.3700 1701.100 356573.0-2.130000 468.7800 2002-17.71000 1713.600 126705.4-2.390000 527.4300 2003-206.1950 1933.400 141625.5-2.620000 535.0500 资料来源：IMF《国际金融统计年鉴2004》、《中国证券期货统计年鉴2004》上海证券交易所指数。 四、计量经济分析 （一）、初步回归 我们对1991年到2003年的数据做简单线性回归： 表3 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:12 Sample: 1991 2003 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C589.3213242.25252.4326740.0410 X1-0.8695550.423151-2.0549510.0739 X20.0001316.67E-051.9600630.0856 X315.7184110.052631.5636120.1565 X41.8740401.0170331.8426540.1026 R-squared0.580716 Mean dependent var195.2465 Adjusted R-squared0.371075 S.D. dependent var188.8626 S.E. of regression149.7772 Akaike info criterion13.13990 Sum squared resid179465.6 Schwarz criterion13.35719 Log likelihood-80.40933 F-statistic2.770042 Durbin-Watson stat1.197965 Prob(F-statistic)0.102694 结果发现各个T值效果不好，R-squared和Adjusted R-squared偏小，F值也太小。 推就其经济原因在于：由于受到1997年到1998年亚洲金融风暴的影响，资本外逃量在98年达到峰值，而在此过程中，人民币保持坚挺，在此之后中国经济一支独秀，发展保持快速稳定，资本便开始以各种形式悄然内流，到2002年时资本外逃额已经成为负值，所以我们将会用91年到00年的数据进行最小二乘估计，最后引人虚拟变量检验99年前后，看资本外逃量是否有显著变化。 我们对1991年到2000年的数据做简单线性回归： 表4 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:28 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-14.90173110.5250-0.1348270.8980 X10.1713940.1963930.8727100.4227 X27.71E-052.16E-053.5601620.0162 X33.3263793.6884200.9018440.4085 X40.2051330.4086420.5019870.6370 R-squared0.936064 Mean dependent var264.5740 Adjusted R-squared0.884915 S.D. dependent var136.3162 S.E. of regression46.24405 Akaike info criterion10.81260 Sum squared resid10692.56 Schwarz criterion10.96389 Log likelihood-49.06298 F-statistic18.30085 Durbin-Watson stat3.095533 Prob(F-statistic)0.003452 现在得到的结果相对较好：X2通过T检验，说明股市波动率对资本外逃有显著影响；回归方程通过了F检验，说明自变量和应变量之间存在较为显著的线性关系；可决系数R-squared为0.936064，说明总变差中由模型解释的部分占93.60%。 但是X1、X3和X4都没有通过T检验，所以模型有待改进。 （二）、多重共线性 我们对数据进行多重共线性检验，运用OLS法逐一求Y对各个解释变量的回归。 表5 YX1X2X3X4 Y 1.000000 0.859217 0.711553 0.529161 0.721359 X1 0.859217 1.000000 0.361546 0.450377 0.880883 X2 0.711553 0.361546 1.000000 0.282517 0.292872 X3 0.529161 0.450377 0.282517 1.000000 0.046439 X4 0.721359 0.880883 0.292872 0.046439 1.000000 发现X1和X4之间存在较明显的多重共线关系。 用逐步回归法对模型进行修正： 表6： Y与X1回归 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:32 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-125.042485.29211-1.4660480.1808 X10.3530130.0743164.7501590.0014 R-squared0.738254 Mean dependent var264.5740 Adjusted R-squared0.705536 S.D. dependent var136.3162 S.E. of regression73.97134 Akaike info criterion11.62209 Sum squared resid43774.08 Schwarz criterion11.68261 Log likelihood-56.11045 F-statistic22.56401 Durbin-Watson stat1.766033 Prob(F-statistic)0.001445 表7： Y与X2回归 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:33 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C201.895838.870185.1941060.0008 X20.0001254.36E-052.8643360.0210 R-squared0.506308 Mean dependent var264.5740 Adjusted R-squared0.444596 S.D. dependent var136.3162 S.E. of regression101.5902 Akaike info criterion12.25663 Sum squared resid82564.58 Schwarz criterion12.31715 Log likelihood-59.28314 F-statistic8.204422 Durbin-Watson stat1.019485 Prob(F-statistic)0.021011 表8： Y与X3回归 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:33 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C304.341544.871216.7825570.0001 X38.4937084.8153491.7638820.1158 R-squared0.280011 Mean dependent var264.5740 Adjusted R-squared0.190012 S.D. dependent var136.3162 S.E. of regression122.6836 Akaike info criterion12.63395 Sum squared resid120410.2 Schwarz criterion12.69447 Log likelihood-61.16976 F-statistic3.111280 Durbin-Watson stat0.879554 Prob(F-statistic)0.115760 表9： Y与X4回归 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:33 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C39.7816682.612850.4815430.6430 X40.6860600.2328762.9460350.0185 R-squared0.520359 Mean dependent var264.5740 Adjusted R-squared0.460403 S.D. dependent var136.3162 S.E. of regression100.1341 Akaike info criterion12.22775 Sum squared resid80214.72 Schwarz criterion12.28827 Log likelihood-59.13877 F-statistic8.679124 Durbin-Watson stat1.151907 Prob(F-statistic)0.018538 通过以上四个回归的比较，得到Y与X1回归的可决系数0.738254为最大值，进一步进行三三组合的回归，得到Y与X1,X2回归得到可决系数为0.923148最大： 表10 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:40 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-90.0570650.13742-1.7962040.1155 X10.2845060.0461736.1618040.0005 X28.09E-051.97E-054.1037830.0046 R-squared0.923148 Mean dependent var264.5740 Adjusted R-squared0.901191 S.D. dependent var136.3162 S.E. of regression42.84952 Akaike info criterion10.59659 Sum squared resid12852.57 Schwarz criterion10.68737 Log likelihood-49.98295 F-statistic42.04235 Durbin-Watson stat2.777157 Prob(F-statistic)0.000126 把X2加入模型，再进一步进行四四组合的回归，结果为X3加入模型后使可决系数提高到0.932842为最大值： 表11 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 20:38 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-60.0898159.99809-1.0015290.3552 X10.2661660.0506155.2586300.0019 X27.83E-052.01E-053.8882970.0081 X31.7885951.9219680.9306060.3880 R-squared0.932842 Mean dependent var264.5740 Adjusted R-squared0.899263 S.D. dependent var136.3162 S.E. of regression43.26555 Akaike info criterion10.66176 Sum squared resid11231.45 Schwarz criterion10.78280 Log likelihood-49.30882 F-statistic27.78048 Durbin-Watson stat2.956579 Prob(F-statistic)0.000646 经过三元回归得到的结果相对四元回归更好，X1,X2通过T检验，R-squared为0.932842 F检验也较好。故模型改进为：Y= -60.08981+0.266166X1+7.83E-05X2+1.788595X3+U （三）、异方差检验： 由于我们掌握的数据不足，不满足WHITE检验的大样本要求，故直接用ARCH检验法: 表12： ARCH检验（p=3） ARCH Test: F-statistic0.411276 Probability0.757654 Obs*R-squared2.039949 Probability0.564157 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/14/05 Time: 20:53 Sample(adjusted): 1994 2000 Included observations: 7 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1962.6291674.7841.1718700.3258 RESID^2(-1)0.2616600.5602900.4670080.6723 RESID^2(-2)-0.4596230.526586-0.8728350.4470 RESID^2(-3)-0.1202010.572383-0.2100010.8471 R-squared0.291421 Mean dependent var1482.792 Adjusted R-squared-0.417157 S.D. dependent var2276.217 S.E. of regression2709.709 Akaike info criterion18.94263 Sum squared resid22027576 Schwarz criterion18.91172 Log likelihood-62.29920 F-statistic0.411276 Durbin-Watson stat2.129635 Prob(F-statistic)0.757654 P值达到0.757654，意味着拒绝H0犯错误的可能性约为75.77%，而且RESID^2(-1)，RESID^2(-2)，RESID^2(-3)的T值均没有超过2，所以我们应该接受HO,即不存在异方差。 （四）、自相关性： E 和E(-1)的残差散点图如下： 由图可以看出可能存在负的自相关，我们进一步用DW法检验自相关： 由表4我们可以看到拟合结果中DW值为2.956579，n=10,k’=3,查表得dL=0.525,dU=2.016，那么无法判断的区域为：1.984到3.475,DW值落入了无法判断区域，但结合E 和E(-1)的残差散点图，可以判断存在负的一阶自相关。 自相关的修正： 广义差分法 由于我们的数据属于小样本，可能广义差分法修正的结果会不理想，但不妨一试。DW = 2.956579, p=1-DW/2 故p=-0.4782895，产生序列：GENE DY=Y+0.4782895*Y(-1)，同理生成：DX1 DX2 DX3 用OLS法估计参数： 表13 Dependent Variable: DY Method: Least Squares Date: 06/14/05 Time: 21:42 Sample(adjusted): 1992 2000 Included observations: 9 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-57.1871265.91436-0.8675970.4253 DX10.2419750.0355126.8139600.0010 DX29.52E-051.74E-055.4825400.0028 DX31.9814711.3725661.4436250.2084 R-squared0.976915 Mean dependent var407.7697 Adjusted R-squared0.963063 S.D. dependent var181.3758 S.E. of regression34.85844 Akaike info criterion10.24157 Sum squared resid6075.554 Schwarz criterion10.32923 Log likelihood-42.08706 F-statistic70.52904 Durbin-Watson stat2.992579 Prob(F-statistic)0.000164 我们发现使用广义差分法后，结果并不理想，DW值反而从2.956579增大到了2.992579，自相关程度加重。 2．Cochrane-Orcutt迭代法 表14 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 21:45 Sample(adjusted): 1992 2000 Included observations: 9 after adjusting endpoints Convergence achieved after 8 iterations VariableCoefficientStd. Errort-StatisticProb. C-44.6729035.53624-1.2571080.2771 X10.2424560.0288488.4046530.0011 X20.0001021.77E-055.7722550.0045 X31.7143321.1591641.4789380.2132 AR(1)-0.7927070.332423-2.3846290.0756 R-squared0.962418 Mean dependent var284.5700 Adjusted R-squared0.924836 S.D. dependent var128.0885 S.E. of regression35.11680 Akaike info criterion10.25542 Sum squared resid4932.758 Schwarz criterion10.36499 Log likelihood-41.14938 F-statistic25.60850 Durbin-Watson stat2.706947 Prob(F-statistic)0.004131 Inverted AR Roots -.79 可见，经过Cochrane-Orcutt迭代法修正后的DW值有所下降，但仍然没有落入我们想要的区域，由于中美通胀率差存在负数，从而不能利用对数线性回归来修正，自相关修正只能到此为止了。 Y = -44.67290+ 0.242456*X1 + 0.000102*X2 + 1.714332*X3 + [AR(1)=-0.792707] （五）、分布滞后问题： 从经济意义考虑，资本外逃量与模型中的各个经济解释变量之间的因果联系不可能在瞬时完成，这一时间过程可能存在滞后，产生滞后效应。 当随机扰动项存在自相关时，D-W检验倾向于得出非自相关的结论，我们用德宾h-检验进行估计。 表15 Dependent Variable: Y Method: Least Squares Date: 06/14/05 Time: 22:23 Sample(adjusted): 1992 2000 Included observations: 9 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-46.69715110.6676-0.4219590.6947 X10.3019330.1196402.5236910.0651 X27.68E-052.25E-053.4127300.0270 X32.9883622.7096641.1028530.3320 Y(-1)-0.1773260.234915-0.7548500.4923 R-squared0.930709 Mean dependent var284.5700 Adjusted R-squared0.861419 S.D. dependent var128.0885 S.E. of regression47.68291 Akaike info criterion10.86720 Sum squared resid9094.639 Schwarz criterion10.97677 Log likelihood-43.90242 F-statistic13.43194 Durbin-Watson stat2.938552 Prob(F-statistic)0.013738 根据德宾h检验法算出︱h︱＝1.98477只是比ha/2=1.96大一点, 注意到德宾h检验法是针对大样本的，用于小样本效果较差，这一结果值得再考虑；另外Y（-1）的p值=0.4923较大，t值=-0.754850较小，而且R^2也比表11中的R^2小，所以应综合考虑，接受原假设p=0，认为模型的扰动项不存在一阶自相关。 （六）、虚拟变量 由于受到1997年到1998年亚洲金融风暴的影响，资本外逃量在98年达到峰值，而在此过程中，人民币保持坚挺，以及在此之后中国经济一支独秀，增长快速而稳定，资本有可能开始以各种形式悄然内流，我们考虑到这点，便引人虚拟变量以证实我们的预测，以乘法形式引入虚拟变量 dt= 1 (1999年以前) dt= 0 (1999年以后) 表16 Dependent Variable: Y Method: Least Squares Date: 06/07/05 Time: 09:50 Sample: 1991 2003 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C2018.446727.35062.7750660.0216 DTX-2143.432732.5085-2.9261530.0169 X1-1.1523480.407276-2.8294010.0197 DTX*X11.5052970.4142353.6339220.0055 R-squared0.880902 Mean dependent var195.2362 Adjusted R-squared0.841203 S.D. dependent var188.8532 S.E. of regression75.25677 Akaike info criterion11.72735 Sum squared resid50972.23 Schwarz criterion11.90118 Log likelihood-72.22777 F-statistic22.18938 Durbin-Watson stat2.163759 Prob(F-statistic)0.000171 表17 Dependent Variable: Y Method: Least Squares Date: 06/07/05 Time: 09:51 Sample: 1991 2003 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C292.0083177.88931.6415170.1289 X1-0.0767800.134501-0.5708520.5796 R-squared0.028772Mean dependent var195.2362 Adjusted R-squared-0.059521S.D. dependent var188.8532 S.E. of regression194.3923Akaike info criterion13.51827 Sum squared resid415672.2Schwarz criterion13.60519 Log likelihood-85.86877F-statistic0.325872 Durbin-Watson stat0.472040Prob(F-statistic)0.579575 得到的结果为： 2000年以前对X1的函数为：Y=292.0083-0.076780X1 2000年以后的为：Y=2018.446-1.1523X1 存在明显的变化，说明在2000年前后资本外逃情况有所改善。 （七）、ADF检验、协整、GRANGER因果检验 1、在LEVEL的基础上，我们用有截距项有趋势的UNIT ROOT TEST检验结果如下： 表18： 零阶滞后 ADF Test Statistic 0.020079 1% Critical Value*-4.9893 5% Critical Value-3.8730 10% Critical Value-3.3820 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 06/14/05 Time: 20:13 Sample(adjusted): 1992 2003 Included observations: 12 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. Y(-1)0.0045670.2274740.0200790.9844 C126.165982.799251.5237570.1619 @TREND(1991)-23.299109.575827-2.4331170.0378 R-squared0.400004 Mean dependent var-24.23375 Adjusted R-squared0.266671 S.D. dependent var132.6937 S.E. of regression113.6317 Akaike info criterion12.51612 Sum squared resid116209.5 Schwarz criterion12.63735 Log likelihood-72.09672 F-statistic3.000046 Durbin-Watson stat1.891016 Prob(F-statistic)0.100385 表19： 一阶滞后 ADF Test Statistic-0.116574 1% Critical Value*-5.1152 5% Critical Value-3.9271 10% Critical Value-3.4104 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 06/14/05 Time: 20:14 Sample(adjusted): 1993 2003 Included observations: 11 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. Y(-1)-0.0399190.342439-0.1165740.9105 D(Y(-1))0.0894770.4863190.1839880.8592 C128.1929116.29491.1023090.3068 @TREND(1991)-21.8387015.89589-1.3738580.2119 R-squared0.350436 Mean dependent var-35.16227 Adjusted R-squared0.072052 S.D. dependent var133.3861 S.E. of regression128.4909 Akaike info criterion12.82488 Sum squared resid115569.4 Schwarz criterion12.96957 Log likelihood-66.53685 F-statistic1.258822 Durbin-Watson stat1.961298 Prob(F-statistic)0.359465 表20： 二阶滞后 ADF Test Statistic-0.466517 1% Critical Value*-5.2735 5% Critical Value-3.9948 10% Critical Value-3.4455 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 06/14/05 Time: 20:15 Sample(adjusted): 1994 2003 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. Y(-1)-0.2849480.610798-0.4665170.6605 D(Y(-1))0.2930120.6683980.4383800.6794 D(Y(-2))0.2643050.6645110.3977440.7072 C178.5436155.13971.1508570.3018 @TREND(1991)-18.9450326.78272-0.7073600.5109 R-squared0.419693 Mean dependent var-39.15550 Adjusted R-squared-0.044552 S.D. dependent var139.9065 S.E. of regression142.9891 Akaike info criterion13.07027 Sum squared resid102229.4 Schwarz criterion13.22156 Log likelihood-60.35133 F-statistic0.904033 Durbin-Watson stat2.177703 Prob(F-statistic)0.525697 表21： 三阶滞后 ADF Test Statistic-0.667152 1% Critical Value*-5.4776 5% Critical Value-4.0815 10% Critical Value-3.4901 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 06/14/05 Time: 20:16 Sample(adjusted): 1995 2003 Included observations: 9 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. Y(-1)-0.6912401.036105-0.6671520.5524 D(Y(-1))0.4997410.9755430.5122700.6438 D(Y(-2))0.6107380.9773960.6248620.5764 D(Y(-3))0.3017810.7964860.3788900.7300 C294.4294211.97471.3889840.2590 @TREND(1991)-18.9066241.97180-0.4504600.6829 R-squared0.583390 Mean dependent var-40.48556 Adjusted R-squared-0.110960 S.D. dependent var148.3262 S.E. of regression156.3389 Akaike info criterion13.17665 Sum squared resid73325.54 Schwarz criterion13.30813 Log likelihood-53.29493 F-statistic0.840196 Durbin-Watson stat2.199325 Prob(F-statistic)0.597733 可以看出，不管是几阶的滞后，我们的ADF检验得到的值都大于麦金龙临界值，即原序列存在单位根，我们不能拒绝原假设，那么资本外逃的序列可能是非平稳的，由资本外逃的时序图可以佐证： 我们用同样的方法，分别对三个解释变量做了ADF检验，其中只有X3中美通胀差在一阶滞后的情况下不存在单位根，为一阶差分平稳序列，ADF检验如下： 表22 ADF Test Statistic-4.367672 1% Critical Value*-5.1152 5% Critical Value-3.9271 10% Critical Value-3.4104 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X3) Method: Least Squares Date: 06/14/05 Time: 21:03 Sample(adjusted): 1993 2003 Included observations: 11 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X3(-1)-0.7532420.172458-4.3676720.0033 D(X3(-1))0.6334740.1797023.5251430.0097 C-11.962633.614666-3.3094690.0130 @TREND(1991)1.3512850.4279403.1576500.0160 R-squared0.794871 Mean dependent var0.538182 Adjusted R-squared0.706959 S.D. dependent var5.768287 S.E. of regression3.122562 Akaike info criterion5.390472 Sum squared resid68.25274 Schwarz criterion5.535161 Log likelihood-25.64760 F-statistic9.041642 Durbin-Watson stat2.679921 Prob(F-statistic)0.008342 由X3的趋势图也可以看出序列为平稳的。 2、对X1 X2 X3在没有滞后的情况下做协整 表23 Date: 06/14/05 Time: 20:35 Sample: 1991 2003 Included observations: 12 Test assumption: Quadratic deterministic trend in the data Series: Y X1 X2 X3 Lags interval: No lags Likelihood5 Percent1 PercentHypothesized EigenvalueRatioCritical ValueCritical ValueNo. of CE(s) 0.964518 58.14258 54.64 61.24 None * 0.610537 18.07778 34.55 40.49 At most 1 0.429494 6.761949 18.17 23.46 At most 2 0.002262 0.027169 3.74 6.40 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 Unnormalized Cointegrating Coefficients: YX1X2X3 0.000424 0.005201-4.79E-07 0.008502 -0.000761 0.003525 3.06E-07-0.011742 -0.000896 0.001002 1.17E-07 0.042778 -0.002568 0.002131 1.07E-07-0.003806 Normalized Cointegrating Coefficients: 1 Cointegrating Equation(s) YX1X2X3@TREND(92)C 1.000000 12.26115-0.001130 20.04555-1285.835-6047.997 (4.95146) (0.00039) (10.0885) Log likelihood-335.4706 Normalized Cointegrating Coefficients: 2 Cointegrating Equation(s) YX1X2X3@TREND(92)C 1.000000 0.000000-0.000601 16.69526-12.12765 184.7054 (0.00031) (15.4066) 0.000000 1.000000-4.31E-05 0.273244-103.8816-508.3293 (2.7E-05) (1.35043) Log likelihood-329.8126 Normalized Cointegrating Coefficients: 3 Cointegrating Equation(s) YX1X2X3@TREND(92)C 1.000000 0.000000 0.000000-74.63914 86.11620-1051.547 (89.9912) 0.000000 1.000000 0.000000-6.278011-96.83471-597.0035 (9.47482) 0.000000 0.000000 1.000000-151882.0 163371.8-2055791. (173945.) Log likelihood-326.4452 3、GRANGER因果检验： Y和X1做因果分别滞后一阶，二阶，三阶，结果如下： 表24 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:40 Sample: 1991 2003 Lags: 1 Null Hypothesis:ObsF-StatisticProbability X1 does not Granger Cause Y12 4.76033 0.05701 Y does not Granger Cause X1 0.65357 0.43969 表25 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:42 Sample: 1991 2003 Lags: 2 Null Hypothesis:ObsF-StatisticProbability X1 does not Granger Cause Y11 0.80069 0.49179 Y does not Granger Cause X1 8.04778 0.02002 表26 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:42 Sample: 1991 2003 Lags: 3 Null Hypothesis:ObsF-StatisticProbability X1 does not Granger Cause Y100.081390.96575 Y does not Granger Cause X111.81790.03612 Y和X2做因果分别滞后一阶，二阶，三阶，结果如下： 表27 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:42 Sample: 1991 2003 Lags: 1 Null Hypothesis:ObsF-StatisticProbability X2 does not Granger Cause Y12 1.85629 0.20617 Y does not Granger Cause X2 3.66478 0.08785 表28 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:42 Sample: 1991 2003 Lags: 2 Null Hypothesis:ObsF-StatisticProbability X2 does not Granger Cause Y11 1.40840 0.31515 Y does not Granger Cause X2 3.60525 0.09369 表29 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:43 Sample: 1991 2003 Lags: 3 Null Hypothesis:ObsF-StatisticProbability X2 does not Granger Cause Y10 2.64298 0.22294 Y does not Granger Cause X2 6.20495 0.08403 Y和X3做因果分别滞后一阶，二阶，三阶，结果如下： 表30 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:44 Sample: 1991 2003 Lags: 1 Null Hypothesis:ObsF-StatisticProbability X3 does not Granger Cause Y12 1.60216 0.23738 Y does not Granger Cause X3 0.45220 0.51818 表31 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:44 Sample: 1991 2003 Lags: 2 Null Hypothesis:ObsF-StatisticProbability X3 does not Granger Cause Y11 1.11025 0.38883 Y does not Granger Cause X3 0.68539 0.53940 表32 Pairwise Granger Causality Tests Date: 06/14/05 Time: 20:44 Sample: 1991 2003 Lags: 3 Null Hypothesis:ObsF-StatisticProbability X3 does not Granger Cause Y10 4.36351 0.12875 Y does not Granger Cause X3 0.43159 0.74596 汇总结果如下： 在二阶、三阶滞后的情况的下X1是Y的原因，而Y不是X1的原因。 在一阶、二阶、三阶滞后的情况的下X2是Y的原因，而Y不是X2的原因。 在一阶、二阶、三阶滞后的情况的下X3和Y都互为因果。 五、回归结果分析 Y = -44.67290+ 0.242456*X1 + 0.000102*X2 + 1.714332*X3 +U （一）、外债负担X1 模型说明，我国外债每增加1亿美元，就会引起资本外逃增加2424万美元，外债的增加作为一项主要的资金来源对资本外逃起到了较显著的推动性作用。 （二）、资本市场风险X2 模型说明，我国股市波动率每增加100%，就会引起资本外逃增加100万美元，在回归模型的各个参数中，股市波动率的回归效果很好。一种可能的解释是我国的证券市场尤其是股票市场还不成熟，股价的波动很容易成为影响人们对经济走势预期的因素，从而引起资本向外国流出。 （三）、中美通胀率差X3 模型说明，中美通胀率差每扩大1%，就会引起资本外逃增加1.714亿美元，资本外逃与中美通胀率差的正向关系符合模型设定，但是T检验不显著，原因主要是97年之后中美通胀率差发生逆转，资本外逃有所减缓造成的。 （四）、内外资的差别待遇 通过对模型进行修正删去了X4这一变量，原因在于FDI和资本外逃之间存在相互解释的关系。1995年联合国贸发会议（UNCTAD）估计，中国所吸收的外商直接投资中，大约有20%是先投到国外再迂回投入国内的资本。据国外学者估计这种“迂回投资”（Round-tripping）的规模约为GDP的1/4—1/3（刘信一，1997）。可见在一定程度上是资本外逃引起了FDI虚增，而并非单纯的FDI解释了资本外逃，解释变量与被解释变量的关系并不很符合经济意义，所以最终的模型中删去了FDI。 参考文献 庞皓，《计量经济学》，西南财经大学出版社，2002年8月第2版 陈鹤，《俄罗斯的资本外逃及所引发的思考》《国际经济合作》，2000年第1期 韩继云，《中国资本外逃的现状.成因与防治策略》，《改革》，19991120 胡援成，《中国资本外逃问题再思考》，《当代财经》，2001年第4期 孟昊，《影响中国资本外逃因素的定量分析》，《现代财经》，2001年第5期 任惠，《中国资本外逃揭秘》， 经济日报，2001年7月10日 宋文兵，《中国的资本外逃问题研究：1987-1997》，《经济研究》，1999年第5期 修晶、张明：《中国资本外逃的规模测算和因素分析》，《世界经济文汇》，2002年第一期 王廷惠，《俄罗斯资本外逃：原因、影响及政府的对策》《国际金融研究》，2000年第10期 后记 经过课堂听讲和上机实习，我们的计量经济论文初稿已经完成，但由于知识水平有限，这一初稿中仍然存在不少欠缺甚至错误，我们将会继续对它进行修改加工，希望在这一过程中能更扎实地掌握计量经济学知识，完成学习目标。
-
奥凯航空航空货运战略发展(一)_经济学毕业论文范文
奥凯航空航空货运战略发展(一)_经济学毕业论文范文 1．奥凯航空航空货运战略发展简介 奥凯航空有限公司是中国第一家批准运营的民营公共航空运输企业。奥凯航空总部设在北京，以天津滨海国际机场为主运营基地,以杭州萧山机场为货运枢纽。公司注册资本3亿元人民币。2005年3月11日正式投入商业运营。其经营的业务范围有：国内航空货邮运输、快递业务；国内航空旅客运输业务；甲类通用航空业务，包括科学考察、医疗救护、航空探矿、航空器代管业务；航空公司间的代理业务；货物地面配送及仓储业务；货物进出口、技术进出口、代理进出口。 奥凯航空自正式运营以来，保持了良好的安全运行记录，先后开通了天津至沈阳、哈尔滨、杭州、长沙、昆明、张家界，延吉、沈阳、哈尔滨、杭州、三亚等近20条客运航线及杭州、北京、天津、广州、厦门、沈阳、青岛等城市间的全货运航线，其客座率始终高于民航业平均水平。目前运营包括3架B737客机、3架B737货机及2架Y-8通用飞机。公司已经与国际快递巨头Fedex开展合作，3架B737-300型货机的引进是奥凯航空发展货运业务迈出的第一步。奥凯航空已经制定了全面的货运发展计划，此3架货机将采用中心辐射式的航空运输模式，将环渤海地区、长江三角洲、珠江三角洲进行有效联接。 奥凯的飞行员、维修工程人员和航务签派人员均为成熟的技术人才，具有丰富的行业工作经验。奥凯航空在确保安全的基础上积极扩大机队规模，开发航线网络资源；迅速搭建遍布全国的销售平台、销售网络以及物流信息系统，以适应公司业务发展需求，并为客户提供网络支持。 2．奥凯航空货运发展外部环境分析 2．1．1政治法律环境分析 航空运输业由于其对一个国家的政治、经济、军事、生活诸要素的独特影响而始终是国民经济中比较特殊的产业范畴。航空运输也区别于其他产业的最显著特征就是运输管制，这种管制包括经济性管制，例如运输企业的进入、退出、经营方式、运价等，同时还包括与政治、公众利益及社会福利等有关的社会性管制。政府管制企业的目的就是让企业在国民经济中保持最大限度的活跃，同时使经济在宏观上处于一种有序的竞争状态，是指能够健全发展。随着经济与社会的进步，政府的管制措施需要不断调整，如果不能及时修正，会出现管治过度现象，削弱运输业的对外竞争能力。目前我国航空运输企业正是处在这种过渡阶段。一方面，国有企业承担着太多非商业性的社会责任，如社会安定、维持非经济活动等，这些责任与盈利责任经常发生冲突。另一方面，作为民航业的新进入者——民营企业，他们在飞机引进，价格浮动等方面受到跟国有企业一样的限制，不能够灵活的发挥自身优势。其次，在国有企业中根据产权分为直属航空公司与地方航空公司，两者之间的竞争常常变为民航总局与地方政府之间的竞争，因而正常的商业竞争常因政治干预和政府间的财政、政策支持而被扭曲，民营航空很难参与竞争，不能发挥优胜劣汰的作用。 随着我国在民航业逐渐放松管制，在2004年4月5日，民航总局出台了《关于加快中国航空货运若干政策措施的意见》,明确提出放宽国内航空货运市场准入，改革对国内货运航线和航班审批管理办法，调整购买租赁飞机审批管理办法，对货运飞机进口放宽审批条件。即货运市场运价，将在对民航货运价实行政府指导价的基础上，进一步完善国内货运价格体系，实行运输基准价和浮动幅度的管理。民航总局此项政策的颁布，旨在鼓励民营资本，外资进入国内航空货运市场。 总的来说，随着我国天空的逐渐开放，奥凯航空公司在航空货运市场上有了一个良好运营平台。这是我国在向国际接轨过程中给奥凯航空的一次机会。 2．1．2社会经济环境分析 民航运输业是与社会经济发展密切相关的行业，受宏观经济景气度的影响较大，宏观经济景气度直接影响到居民可支配收入额、贸易额的增减，进而影响航空旅行和航空货运的需求。国家提出全面建设惠及十几亿人口的更高水平的小康社会，国民经济将保持持续快速健康发展，人民物质文化生活水平将不断提高，人均GDP将由2005年1703美元提高到2020年的3000美元左右，国内经济结构和人民消费结构都将升级;对外开放将进一步全方位扩大，与世界各国在经济、政治、科技、文化等方面的联系将日益紧密;中国实施西部大开发战略，加快西部地区的发展步伐，将推动东部、中部地区与西部地区相互促进、均衡发展。这些因素，都将对民航提出不断增长的巨大需求。据有关部门预测，今后 15 年，中国经济增长仍将保持较快增长态势，我国GDP增速将达到8.5%左右。按照航空周转量增速与GDP增速之间1.7倍的弹性系数，未来5年内我国航空总周转量将维持14.5%的年均增速。随着我国航空业垄断局面的打破，越来越多的民资进入到了航空市场，特别是近10年来以年均增速17%增长的航空货运业中。这对刚刚转型货运市场的奥凯航空公司来说的确是一个好的社会环境。 2．1．3技术环境分析 科学技术已成为了第一生产力，以信息技术为代表的高新技术产品越来越显示出活跃的生命力，成为推动中国进出口高速增长的新亮点。统计表明，近六年以来，高新技术产品占出口比重稳步上升。2006年高新技术产品的出口增长 29%，占全部出口的比重已达29%，对于出口产品结构的影响日益加深。产业结构的变化必然会对航空货运的产品结构造成影响。 随着科技的发展，各种高新技术被不断运用到航空货运业当中，航空货运信息系统CCS(Cargo Community System)的建设拓展了航空货运的延伸服务，加速了航空货运融入现代物流的供应链一体化运作。目前奥凯航空并未此项目有过投资计划，但是要想成为一个成熟的企业，提高航空货运服务质量，科技的应用必须要跟上时代的潮流。 2．2竞争环境分析 根据波特的观点，一个行业中的竞争存在五种基本的竞争力量：潜在竞争者的威胁、替代品的威胁，供应商，购买商以及行业内竞争者之间的竞争，如图： 下面针对奥凯航空公司的特点，对这五种基本的竞争力量进行分析． 2.2.1现有竞争对手分析 根据奥凯批复的货运航线来看，奥凯现阶段将只运营国内航线．可能形成竞争对手有国货航，中货航，南航，与扬子江快运．其具体情况如下： 中国国际货运航空公司（国货航）总投资３５亿元、注册资金为２２亿元的国货航是迄今中国规模最大的货运航空公司。国货航拥有５架波音７４７全货机，８架波音７４７—４００大型客货混载飞机和１１５架波音７４７、７３７、空客３４０等客机腹舱的运力，拥有丰富的航线网络资源、市场资源和人才储备。国货航主要针对全国市场并且以首都机场为货运枢纽，对以杭州为货运枢纽的奥凯来讲威胁不大． 中国货运航空有限公司（中货航）成立于1998 年8 月18 日是我国成立的第一家专营货邮业务的航空公司．由中国东方航空股份有限公司和中国远洋运输总公司共同投资成立，华航后来也参股．总部设在虹桥机场，在虹桥机场，浦东机场两处均设有基地．目前公司已拥有六架MD－11全货机，并代理东航
-
信诚人寿在常州市场的营销战略(一)_经济学毕业论文范文
信诚人寿在常州市场的营销战略(一)_经济学毕业论文范文 保险企业营销战略目标应以满足市场需求为出发点，依此制定的战略目标才会具有长远性、全局性、对抗性、应变性和特殊性。 3.1 信诚人寿的市场分析 任何经济活动都离不开各自特定的环境，同样，保险市场的营销活动也是在一定的社会环境条件下进行的。它是保险经营活动的一个约束条件。保险企业只有认真分析和研究自身企业所处的市场营销环境，并努力使企业的经营目标和市场营销环境各因素保持协调、平衡，才能保证企业经营目标的实现。 下面，我对信诚人寿保险的环境从微观和宏观两个方面做进一步的分析。 3.1.1 信诚人寿保险的微观环境分析 各保险企业的具体营销目标可能不一样，但基本目标是一致的，即在获得利润的前提下，为目标顾客服务，满足目标市场特定需求。为此，保险企业需要把自己与供应商联系起来，以接近目标顾客。这样，供应商—企业—顾客就形成了基本的营销系统。此外，保险营销的成败还受到另外两个群体——竞争对手和公众的影响，于是，企业、供应商、顾客、竞争对手和公众就构成了保险企业微观营销环境的主要影响力量（见下面的图4-1），它们对企业实现营销目标的影响是直接的，其影响作用通过企业的努力可以在某种程度上加以控制。 信诚人寿保险公司 图4.1：信诚人寿保险的微观环境分析图 1、信诚人寿保险有限公司自身 信诚人寿保险有限公司是中英合资公司。在常州这块市场上，既不同于国内的中国人寿保险公司和太平洋保险公司，也不同于外国的友邦人寿保险公司和花旗人寿保险公司。它具有中国和西方世界的共同优点。 信诚继承中国的优良品质——聆听，并且深知国内客户的需求和市场行情；信诚也把西方的先进管理体制和高质量的保险产品带入中国，可以说信诚人寿保险是赢得地利和人和的。 信诚人寿保险公司设有内勤和外勤两个大的部门。内勤包括财务、产品开发、核保、理赔、人力资源管理和员工培训安排等；外勤包括市场开发部、事业部和营销部等。既有主内又有主外，而且联系紧密，各尽其能。 2、顾客 顾客即购买者，也就是目标市场。这是我们的基础，就某一险种而言，购买该险种的组织和个人越多，风险就越分散，我们的经营就越稳定；相反，如果购买该险种者很少，我们所承担的风险会相对集中，经营的危险性就会加大。因此，我们要分析客户心理和行为特征。 保险购买者可以分成许多类。具体的顾客细分见4．2．1 市场细分。 3、竞争者 保险企业面对着无数竞争对手。我们从保险消费需求的角度把保险企业竞争者分为两种。 第一种，愿望竞争者。它是指提供不同服务以满足不同需求的竞争者。像提供金融和投资服务等的银行和其他非银行金融机构。我们要不断改进公司的外部形象和增强公司的内部实力，加大宣传力度，促使顾客更多地首先购买或投资于保险，而不是首先进行储蓄或购买其他金融性和非金融行资产。 第二种，同行业竞争者。它是指提供同一种类保险服务，但其承保条件、保险责任、除外责任、保险程度以及售后服务皆不相同的竞争者。它是保险市场上最直接、也是最强有力的竞争者，像在社会上存在的各种国内、国外保险公司等。信诚人寿保险虽然刚刚进入常州市场，但是由于中信集团在国内的雄厚实力和保诚的优秀保险业绩，所以信诚人寿内外部环境均不低于同业对手。 4、公众 公众是指对保险企业完成其营销目标的能力有着实际或潜在兴趣或影响的社会群体。包括金融界、媒介公众、政府机构、公民团体、一般公众。因此，信诚人寿不但要搞好公共关系，还要遵纪守法，善于预见并采取有效措施满足各种公众的合理要求（如及时赔付），尽量开展一些社会公益活动，努力塑造并保持企业良好的形象。 3.1.2 信诚人寿保险的宏观环境分析 保险营销宏观环境由可以影响微观环境中的大范围的社会约束力量构成（见下面的图4-2）。 常州是苏南乃至全国发达的城市，人口众多、经济发达、社会文化领先、政治法律健全等。这些因素无一不利于保险公司的发展，既然利于信诚的发展，那么对于所有的保险公司都一样，所以提高自身的产品和服务才是硬道理。 图4.2：信诚人寿保险的宏观环境分析图 3.2 信诚人寿的市场战略 从市场营销的角度看，一种产品的市场是指该产品的全体买主。但每种产品都有为数众多、分布广泛的购买者，而且每一个购买者都往往具有不同的消费需求。同样，保险营销所面对的客户需求也是多种多样的，任何一家保险公司无论其经营规模和能力有多大，都不可能满足一切保险需求者的需要，而只能依据保险公司的经营状况，满足一部分客户的需求。 3.2.1 信诚人寿保险的市场细分 信诚人寿保险有限公司常州分公司的产品只出售给居住在常州市的公民，按照地理因素细分的话。由于在同一个城市，自然气候的影响是一样的，可以基本上忽略不记；在传统文化观念上也是一致的；在经济发展情况，常州主要以轻工业为主，而且是走在全国的前列，在本市内基本没有不平衡的状况出现。所以，常州市的全体居住者都可以成为我们的顾客，但主要还是城乡居民为主。 按照人口因素细分的话。信诚人寿保险的投保年龄从出生后60天到65岁大都可以。18—25岁年龄组的人，医疗保险是最大的保险需求。因为这个年龄段的人比较年轻，大多数人没有结婚，养老对他们来说还是较遥远的事。另外，由于他们中很多人不在国有企业工作，没有社会医疗保险，因而对商业医疗保险特别兴趣。26—35岁年龄组，除需医疗保险外，养老保险也成为最大需求目标，同时对死亡、子女教育、婚嫁保险需求有所增加。这是因为这个年龄段的人开始建立了家庭，并有了孩子。36—50岁年龄组，医疗保险和养老保险仍占据主导地位，但子女教育和婚嫁的保障需求明显上升，并达到各年龄段的最高点。这是因为这个年龄组的人的孩子已经上学，有的甚至已到了婚嫁的年龄。就目前中国传统的做法来看，子女的教育费用和婚嫁费用大多还是由父母承担（常州亦是如此），而这两项费用都是非常巨大的，如果父母双方收入水平不高，承担这两项费用就可能有较大困难。这时保险无疑成为他们化解问题的一个方法。51—65岁年龄组和36—50岁年龄组的情况大致相同，只是对医疗和养老保险的需求略有回升，对子女教育和婚嫁保障的需求略有下降。因为这个年龄组的人，子女正渐渐自立，而自身养老问题日益突出出来；而在性别上，我国男性死亡率一般高于女性，所以男性购买长期人寿保险的需求较高。此外，男性对家庭所表现出的责任感越强，购买保险的可能性越大。因此，在分析性别这个因素时，男性应该是保险业务人员展业的主要对象。 3.2.2 信诚人寿保险的目标市场选择 市场细分提示了保险公司面临的细分市场机会，接下来就是对这些细分市场进行评估，并选择目标市场。信诚人寿保险的目标客户是居住在常州市的出生60天到65岁的公民，虽然也面对各个企事业单位，但是归根到底还是个人。这个目标市场的规模很大，
