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

  • 关于影响我国南方几省市农业总产值因素的实证分析_经济学毕业论文范文

    关于影响我国南方几省市农业总产值因素的实证分析_经济学毕业论文范文 关于影响我国南方几省市农业总产值因素的实证分析 问题简述：本文通过对我国南方几省市（包括上海、江苏、浙江、安徽、福建、江西、山东、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南）在2004年度农业总产值、农业劳动力、有效灌溉面积、农用化肥施用量、农村居民家庭生产性固定资产以及农业机械拥有量的统计数据的收集和整理，建立我国南方地区产出线性计量经济模型，并对模型中是否存在违反古典假设的情况（包括“多重共线性”、“异方差性”和“自相关性”）进行了多种方式的检验分析。然后对症下药，针对模型中所存在的问题选用适当的方法进行修正。最后应用产业经济学和区域经济学的相关知识对修正后的模型进行分析，解释其实际的经济含义，并对其反映出来的现实问题提出几点看法和建议。 模型假设（古典假设） 符号约定： ――分别对应上海、江苏、浙江、安徽、福建、江西、山东、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南这16个省市在2004年度的农业总产值（单位：亿元） ――分别对应16个省市在2004年度的农业劳动力（单位：万人） ――分别对应16个省市在2004年度的有效灌溉面积（单位：万公顷） ――分别对应16个省市在2004年度的农用化肥施用量（单位：万吨） ――分别对应16个省市在2004年度的农村居民家庭生产性固定资产（单位：元） ――分别对应16个省市在2004年度的农业机械拥有量（单位：万千瓦） ――随机扰动项序列 ――残差序列 解释变量是一组固定的值，即是非随机的。 解释变量无测量误差。 模型自身不存在设定误差。 零均值假定，即在给定的的条件下，的条件期望值为零，即 同方差假定，即对于每一个给定的，的条件方差都等于一个常数，即 无自相关性假定，即不存在自相关，或中个项预测值互不影响，即 随机扰动项与解释变量不相关，即 正态性假定，即假定服从均值为0，方差为的正态分布，表示为 统计数据 收集整理的统计数据如下 地区农业总产值（亿元）农业劳动力（万人）有效灌溉面积(万公顷）农用化肥施用量单位：(万吨)农村居民家庭生产性固定资产（元）农业机械总动力（单位：万千瓦） 上 海 98.271.74257.3115.871687.35112.61 江 苏 981.21230.293840.98334.673290.253029.10 浙 江 529.4872.961403.8090.383738.942039.66 安 徽 617.91860.573285.38281.283908.283544.66 福 建 466.8735.92939.95120.292958.61951.91 江 西 383.7971.261873.16110.982398.181220.52 山 东 1599.32264.624760.79432.654733.428336.70 湖 北 733.41110.712043.69270.322431.091661.75 湖 南 671.71997.672675.34188.332191.082664.45 广 东 851.71543.411315.93199.612166.261788.80 广 西 500.81541.021516.67183.692305.271696.30 海 南 152.7187.25177.2733.924289.36221.62 重 庆 270.1813.19649.6971.602036.17695.67 四 川 804.72413.992503.15208.393092.471891.06 贵 州 275.51322.10682.7174.922714.07761.99 云 南 433.91690.221457.00129.224056.211542.91 拟合使用的方法：最小距离法（用Eviews软件实现） 模型建立 初始状态下的农业产出线性模型： 用Eviews软件得到的分析报告如下 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:07 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C242.6481186.09921.3038640.2215 X10.0581570.0965900.6021040.5605 X20.0797500.0793021.0056490.3383 X30.0072420.3007750.0240760.9813 X4-0.0417030.058281-0.7155370.4906 X50.1219870.0538902.2636470.0471 R-squared0.860155 Mean dependent var585.6875 Adjusted R-squared0.790233 S.D. dependent var368.9720 S.E. of regression168.9905 Akaike info criterion13.37756 Sum squared resid285578.0 Schwarz criterion13.66728 Log likelihood-101.0205 F-statistic12.30156 Durbin-Watson stat3.062212 Prob(F-statistic)0.000521 模型检验与修正 对解释变量之间多重共线性的检验： （1）简单相关系数矩阵法：用Eviews得到的协方差矩阵如下 X1X2X3X4X5 X1 1.000000 0.715554 0.481862 0.258392 0.648671 X2 0.715554 1.000000 0.422811 0.426337 0.885707 X3 0.481862 0.422811 1.000000 0.178946 0.430369 X4 0.258392 0.426337 0.178946 1.000000 0.549919 X5 0.648671 0.885707 0.430369 0.549919 1.000000 大致上可以判断出，之间可能存在共线形。 （2）变量显著性和方程显著性的综合判断： 在显著性水平，样本容量的条件下，t统计量的临界值为。由此可见，除了以外其余变量均是不显著的，所以变量之间存在多重共线性。 （3）对多重共线性进行修正： 变换模型形式： 回归分析报告如下： Dependent Variable: LNY Method: Least Squares Date: 05/17/05 Time: 19:45 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C2.6849722.2942341.1703130.2690 LNX1-0.0895820.196497-0.4558950.6582 LNX20.0380250.2620960.1450790.8875 LNX30.0596810.1351520.4415830.6682 LNX4-0.1558380.284183-0.5483710.5955 LNX50.6626690.3028392.1881910.0535 R-squared0.911189 Mean dependent var6.170439 Adjusted R-squared0.866784 S.D. dependent var0.704874 S.E. of regression0.257270 Akaike info criterion0.402616 Sum squared resid0.661879 Schwarz criterion0.692336 Log likelihood2.779075 F-statistic20.51983 Durbin-Watson stat3.049254 Prob(F-statistic)0.000058 可见效果并不明显，因此将采用逐步回归法进行修正： Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:48 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C95.40032150.91780.6321340.5375 X10.3803090.1043523.6444790.0027 R-squared0.486845 Mean dependent var585.6875 Adjusted R-squared0.450192 S.D. dependent var368.9720 S.E. of regression273.5893 Akaike info criterion14.17760 Sum squared resid1047916. Schwarz criterion14.27418 Log likelihood-111.4208 F-statistic13.28223 Durbin-Watson stat1.581933 Prob(F-statistic)0.002654 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:52 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C126.302979.749531.5837440.1356 X20.2501510.0358196.9838280.0000 R-squared0.776977 Mean dependent var585.6875 Adjusted R-squared0.761047 S.D. dependent var368.9720 S.E. of regression180.3639 Akaike info criterion13.34430 Sum squared resid455436.0 Schwarz criterion13.44087 Log likelihood-104.7544 F-statistic48.77385 Durbin-Watson stat2.702078 Prob(F-statistic)0.000006 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:49 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C387.9315140.39822.7630800.0152 X30.9434050.5287381.7842580.0961 R-squared0.185269 Mean dependent var585.6875 Adjusted R-squared0.127073 S.D. dependent var368.9720 S.E. of regression344.7325 Akaike info criterion14.63988 Sum squared resid1663767. Schwarz criterion14.73646 Log likelihood-115.1191 F-statistic3.183575 Durbin-Watson stat2.112477 Prob(F-statistic)0.096062 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:50 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C104.7661310.11510.3378300.7405 X40.1603170.0991631.6166990.1282 R-squared0.157323 Mean dependent var585.6875 Adjusted R-squared0.097132 S.D. dependent var368.9720 S.E. of regression350.5949 Akaike info criterion14.67361 Sum squared resid1720835. Schwarz criterion14.77018 Log likelihood-115.3889 F-statistic2.613717 Durbin-Watson stat1.642909 Prob(F-statistic)0.128246 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:50 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C239.787360.274603.9782480.0014 X50.1720910.0219357.8456600.0000 R-squared0.814703 Mean dependent var585.6875 Adjusted R-squared0.801467 S.D. dependent var368.9720 S.E. of regression164.4028 Akaike info criterion13.15898 Sum squared resid378396.0 Schwarz criterion13.25556 Log likelihood-103.2719 F-statistic61.55438 Durbin-Watson stat2.497236 Prob(F-statistic)0.000002 综合比较检验和T检验发现的拟合效果较好，从而得到基本方程： 逐一引入其他变量： Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:58 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C151.790389.060001.7043600.1121 X50.1481240.0280985.2716270.0002 X10.1056250.0803271.3149300.2113 R-squared0.836455 Mean dependent var585.6875 Adjusted R-squared0.811294 S.D. dependent var368.9720 S.E. of regression160.2825 Akaike info criterion13.15911 Sum squared resid333976.1 Schwarz criterion13.30397 Log likelihood-102.2729 F-statistic33.24441 Durbin-Watson stat2.614918 Prob(F-statistic)0.000008 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:58 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C170.628071.203472.3963430.0323 X50.1078290.0447122.4116460.0314 X20.1079950.0665521.6227070.1286 R-squared0.845914 Mean dependent var585.6875 Adjusted R-squared0.822208 S.D. dependent var368.9720 S.E. of regression155.5785 Akaike info criterion13.09954 Sum squared resid314660.8 Schwarz criterion13.24440 Log likelihood-101.7963 F-statistic35.68411 Durbin-Watson stat2.549746 Prob(F-statistic)0.000005 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 19:59 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C224.615473.256423.0661530.0090 X50.1678640.0250706.6958590.0000 X30.1129100.2881980.3917810.7016 R-squared0.816865 Mean dependent var585.6875 Adjusted R-squared0.788691 S.D. dependent var368.9720 S.E. of regression169.6105 Akaike info criterion13.27225 Sum squared resid373980.3 Schwarz criterion13.41711 Log likelihood-103.1780 F-statistic28.99300 Durbin-Watson stat2.538863 Prob(F-statistic)0.000016 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:00 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C382.9909150.12742.5511060.0241 X50.1870790.0261847.1447680.0000 X4-0.0577800.055509-1.0409160.3169 R-squared0.828959 Mean dependent var585.6875 Adjusted R-squared0.802645 S.D. dependent var368.9720 S.E. of regression163.9147 Akaike info criterion13.20393 Sum squared resid349284.3 Schwarz criterion13.34879 Log likelihood-102.6314 F-statistic31.50252 Durbin-Watson stat2.894780 Prob(F-statistic)0.000010 保留继续引入变量 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:16 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C130.305289.822581.4506960.1725 X50.1062440.0455092.3345630.0378 X20.0856560.0738001.1606410.2684 X10.0655720.0864610.7583960.4628 R-squared0.852961 Mean dependent var585.6875 Adjusted R-squared0.816201 S.D. dependent var368.9720 S.E. of regression158.1847 Akaike info criterion13.17772 Sum squared resid300268.8 Schwarz criterion13.37087 Log likelihood-101.4218 F-statistic23.20370 Durbin-Watson stat2.717507 Prob(F-statistic)0.000028 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:16 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C162.225480.792572.0079240.0677 X50.1062280.0468252.2686400.0425 X20.1062190.0694231.5300350.1519 X30.0709950.2757570.2574550.8012 R-squared0.846760 Mean dependent var585.6875 Adjusted R-squared0.808450 S.D. dependent var368.9720 S.E. of regression161.4859 Akaike info criterion13.21903 Sum squared resid312932.3 Schwarz criterion13.41218 Log likelihood-101.7522 F-statistic22.10284 Durbin-Watson stat2.578380 Prob(F-statistic)0.000035 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:17 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C289.1764157.90951.8312800.0920 X50.1249910.0495832.5208680.0269 X20.0989920.0681441.4526790.1720 X4-0.0455060.053946-0.8435440.4154 R-squared0.854539 Mean dependent var585.6875 Adjusted R-squared0.818174 S.D. dependent var368.9720 S.E. of regression157.3337 Akaike info criterion13.16693 Sum squared resid297046.7 Schwarz criterion13.36008 Log likelihood-101.3355 F-statistic23.49877 Durbin-Watson stat2.898481 Prob(F-statistic)0.000026 保留继续引入变量 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:20 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C243.2397175.89071.3829030.1941 X50.1221530.0509592.3971090.0354 X20.0797030.0755911.0544010.3143 X4-0.0417520.055536-0.7517930.4680 X10.0587980.0885310.6641480.5203 R-squared0.860147 Mean dependent var585.6875 Adjusted R-squared0.809291 S.D. dependent var368.9720 S.E. of regression161.1308 Akaike info criterion13.25262 Sum squared resid285594.6 Schwarz criterion13.49405 Log likelihood-101.0209 F-statistic16.91350 Durbin-Watson stat3.062277 Prob(F-statistic)0.000115 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:21 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C280.5572169.97501.6505790.1271 X50.1234330.0522532.3622400.0377 X20.0977030.0713221.3698960.1980 X4-0.0447940.056348-0.7949520.4435 X30.0571480.2806260.2036430.8424 R-squared0.855085 Mean dependent var585.6875 Adjusted R-squared0.802389 S.D. dependent var368.9720 S.E. of regression164.0208 Akaike info criterion13.28817 Sum squared resid295931.1 Schwarz criterion13.52960 Log likelihood-101.3054 F-statistic16.22668 Durbin-Watson stat2.928913 Prob(F-statistic)0.000139 综合比较后发现，引入后，使拟合优度提高，但是对的参数值有明显的影响，且统计检验也不显著，由此可以断定之间存在共线性，舍弃，其他变量对模型的影响均不显著，均舍弃。最后得到修正后的模型： 2．对随机误差项之间异方差性的检验： （1）图示法： 由图可见其异方差性是相当明显的。 （2）Goldfeld—Quandt检验： Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 20:59 Sample: 1 6 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C78.9739150.633621.5597130.1938 X50.2959290.0660864.4779440.0110 R-squared0.833694 Mean dependent var274.5000 Adjusted R-squared0.792117 S.D. dependent var137.7252 S.E. of regression62.79473 Akaike info criterion11.37882 Sum squared resid15772.71 Schwarz criterion11.30941 Log likelihood-32.13646 F-statistic20.05198 Durbin-Watson stat2.910560 Prob(F-statistic)0.011007 Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 21:01 Sample: 11 16 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C344.0503150.85182.2807180.0847 X50.1460040.0358774.0695510.0152 R-squared0.805459 Mean dependent var867.3667 Adjusted R-squared0.756824 S.D. dependent var391.7530 S.E. of regression193.1847 Akaike info criterion13.62637 Sum squared resid149281.3 Schwarz criterion13.55696 Log likelihood-38.87912 F-statistic16.56124 Durbin-Watson stat2.868491 Prob(F-statistic)0.015229 可以得到F统计量：，查F分布表，在给定在显著性水平，得临界值，因为，所以表明随机误差存在异方差性。 （3）对异方差性的修正： 加权最小二乘法（WLS）： Dependent Variable: Y Method: Least Squares Date: 05/17/05 Time: 21:21 Sample: 1 16 Included observations: 16 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C108.018833.186353.2549160.0058 X50.2376480.0277818.5542500.0000 Weighted Statistics R-squared-0.092964 Mean dependent var428.0649 Adjusted R-squared-0.171033 S.D. dependent var117.3273 S.E. of regression126.9649 Akaike info criterion12.64217 Sum squared resid225681.2 Schwarz criterion12.73874 Log likelihood-99.13734 Durbin-Watson stat1.492119 Unweighted Statistics R-squared0.696475 Mean dependent var585.6875 Adjusted R-squared0.674794 S.D. dependent var368.9720 S.E. of regression210.4130 Sum squared resid619830.6 Durbin-Watson stat1.123570 对数变换法： Dependent Variable: LNY Method: Least Squares Date: 05/17/05 Time: 21:27 Sample: 1 16 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C1.5197620.4068293.7356280.0022 LNX50.6457900.05594911.542380.0000 R-squared0.904908 Mean dependent var6.170439 Adjusted R-squared0.898116 S.D. dependent var0.704874 S.E. of regression0.224990 Akaike info criterion-0.029051 Sum squared resid0.708689 Schwarz criterion0.067523 Log likelihood2.232405 F-statistic133.2266 Durbin-Watson stat2.442936 Prob(F-statistic)0.000000 比较两种方法，我们发现X5与Y在对数线性回归下拟合效果较好： 3. 对随机误差项之间自相关性的检验： （1）图示法： 效果不明显，需要采用DW检验，做进一步的分析。 （2）D—W检验 由回归分析报告得，而在样本容量的条件下，有，可见DW落在不能判别的区域。 （3）游程检验 利用检验残差序列是否随机： 将LnX5升序排列后，相应的残差序列如下表所示： 序号序号 10.0165819-0.1057780 20.0208271100.3909611 3-0.1475810110.2982951 4-0.186591012-0.1692810 50.197011113-0.1037780 6-0.1595480140.1923521 7-0.187963015-0.37160 80.2889961160.0270991 用SPSS进行游程检验，分析报告如下： Runs Test VAR00001 Test Value(a).50 Cases Test Value8 Cases = Test Value8 Total Cases16 Number of Runs11 Z.776 Asymp. Sig. (2-tailed).438 a Median 由于0.4380.05，所以在显著性水平下，接受原假设，拒绝备择假设。即认为残差序列的排列是随即的。 五、模型的解释与应用 2004年我国粮食生产实现恢复性增长，增产量创历史新高。但必须清醒地看到，我国农业综合生产能力特别是耕地的综合产出能力并没有实质性提高，农业持续稳定增产的基础并不牢固。所谓农业综合生产能力，是在一定地区、一定时期和一定经济技术条件下，由农业生产诸要素综合投入所形成的、可以相对稳定实现的农业综合产出水平。农业综合生产能力的大小，既取决于土地、生产资料、机械和人力投入的多少，也取决于农业科技水平的高低和农业抗灾能力的强弱。通过以上分析，我们最终得到的我国南方地区农业产出线性计量经济模型的最终形式为，从中不难发现：对我国南方地区农业产出起决定性影响的因素为（16个省市在2004年度的有效灌溉面积）和（16个省市在2004年度的农业机械拥有量），且二者之间存在着共线性。即对于我国南方各省来说有效耕地面积和农业机械投入量的多少对其农业产出起了决定性的作用。针对于此，我们提出以下两点建议： 坚定不移地贯彻“十分珍惜、合理利用土地和严格保护耕地”的基本国策，实行最严格的土地管理制度，切实保护好耕地特别是保护好基本农田。实行严格的耕地占补平衡制度，不仅要做到数量上的占补平衡，而且要做到生产能力上的占补平衡。对耕地质量下降的趋势要给予高度重视，采取有效措施尽快加以遏制。 增加和有效使用现代投入品，提高物质装备对农业发展的支撑能力。农业的现代物质装备水平，是农业现代化程度的重要标志之一，也是农业综合生产能力的决定性因素之一。化肥是地力的重要补充，农药是作物健康的重要保障，农机是人力和畜力的重要延伸。要促进农资工业加快发展，扩大生产，稳定价格，鼓励农民多投入。同时，要引导农民科学施肥、合理用药，提高使用效率，降低成本，减少污染。但是，从模型分析中来看，化肥施用量对产出的影响并不十分明显，可见我国农业在化肥生产与施用方面还有很大的发展空间，应当加强这方面的科技创新，使之切实转化为生产力。

  • 三大产业的发展与城镇居民家庭消费支出_经济学毕业论文

    三大产业的发展与城镇居民家庭消费支出_经济学毕业论文 三大产业的发展与城镇居民家庭消费支出 【提要】本文通过对三大产业发展与城镇居民家庭消费支出增长的关系进行分析，从定量的角度探求三大产业分别对城镇居民家庭消费支出入的影响程度。 【关键词】经济计量模型 第一产业 第二产业第三产业 可决系数 城镇居民家庭消费支出 城镇居民家庭消费支出的增长与国内生产总值的增长密切相关。然而国内生产总值是由第一产业（农业）、第二产业（工业、建筑业）、第三产业（服务性行业）组成的，但是对城镇居民家庭人均可支配收入的增长影响各不相同。而对三者影响程度进行数量分析，以期用函数关系精确表达三者各自的影响，就是我们研究的主要内容。 具体数据如下： YX1X2X3 1987884.43204.35251.63506.6 19881103.9838316587.24510.1 19891210.95422872785403.2 19901278.8950177717.45813.5 19911453.815288.69102.27227 19921671.73580011699.59138.6 19932110.816882.116428.511323.8 19942851.349457.222372.214930 19953537.571199328537.917947.2 19963919.4713844.233612.920427.5 19974185.6414211.237222.723028.7 19984331.614552.438619.325173.5 19994615.91447240557.827037.7 2000499814628.244935.329904.6 2001530915411.84875033153 20026029.8816117.352980.236074.8 20036510.9417092.161274.138885.7 Y：城镇居民家庭消费支出（平均每人全年）（单位：元） X1：第一产业增加值 （单位：亿元） X2：第二产业增加值 （单位：亿元） X3： 第三产业增加值 （单位：亿元） 我们可以得到Y与X1 X2 X3的散点图： 由图我们可以发现Y与X1 X2 X3都有比较明显的线形关系，从而建立数学模型： 该模型的样本残差的正态性检验—JB test.其结果为： 从图表和JB值我们可以认为残差是成正态分布的。 并对模型有如下假设： 1.零均值： 2.同方差无自相关： 3.随机扰动项与解释变量不相关： 4.无多重共线性 5. 残差的正态性： 显然这些假设是不可能完全成立的，所以我们必须对其进行检验。 残差的正态性检验已完成。 主要需要检验的有： 一、多重共线性检验。 二、异方差性检验。 三、自相关性检验。 如果有检验无法通过，则必须对模型进行修正。 我们将基于以上数据进行分析。 具体程序如下： 其中利用Eviews3.0作OLS估计的结果为： Dependent Variable: Y Method: Least Squares Date: 05/09/05 Time: 11:15 Sample: 1987 2003 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C304.942781.086103.7607270.0024 X10.0523710.0215512.4300600.0303 X20.0565380.0194232.9109400.0122 X30.0474110.0255711.8540900.0865 R-squared0.998261 Mean dependent var3294.348 Adjusted R-squared0.997860 S.D. dependent var1862.177 S.E. of regression86.15416 Akaike info criterion11.95248 Sum squared resid96493.00 Schwarz criterion12.14853 Log likelihood-97.59606 F-statistic2487.323 Durbin-Watson stat1.923939 Prob(F-statistic)0.000000 所以我们得到以下的结果：Y=304.9427+0.052371X1+0.056538X2+0.047411X3 (81.08610) (0.021551) (0.019423) （0.025571） （t=3.760727）(2.430060) (2.910940) （1.854090） R-Squared=0.998261 df=16 从上面的估计的结果可以看出：可决系数R-Squared=0.998261，表明模型在整体的拟和非常好。系数显著性检验：对于C、X1、X2的系数，t的统计量的绝对值都2.120,都通过了检验，而X3的系数的t统计量为1.854090，在df=16、α=0.05的情况下，t统计量应大于2.120，显然X3的系数不能通过检验。 根据经验判断无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。 我们对X1 X2 X2进行多重共线性检验，得到： X1X2X3 X1 1.000000 0.976318 0.966700 X2 0.976318 1.000000 0.996989 X3 0.966700 0.996989 1.000000 可以发现X1 X2 X3之间存在高度的线性相关关系。 运用逐步回归法进行修正： 模型的回归结果为： Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:39 Sample: 1987 2003 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C-456.8039219.4897-2.0812090.0550 X10.3622650.01917118.896950.0000 R-squared0.959688 Mean dependent var3294.348 Adjusted R-squared0.957000 S.D. dependent var1862.177 S.E. of regression386.1484 Akaike info criterion14.86045 Sum squared resid2236659. Schwarz criterion14.95848 Log likelihood-124.3138 F-statistic357.0947 Durbin-Watson stat0.307799 Prob(F-statistic)0.000000 模型：的回归结果为： Dependent Variable: Y Method: Least Squares Date: 05/29/05 Time: 10:38 Sample: 1987 2003 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C488.722744.4298210.999880.0000 X20.1008520.00134375.076930.0000 R-squared0.997346 Mean dependent var3294.348 Adjusted R-squared0.997169 S.D. dependent var1862.177 S.E. of regression99.08259 Akaike info criterion12.13992 Sum squared resid147260.4 Schwarz criterion12.23794 Log likelihood-101.1893 F-statistic5636.545 Durbin-Watson stat1.996814 Prob(F-statistic)0.000000 模型的回归结果为： Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:41 Sample: 1987 2003 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C404.208773.413025.5059530.0001 X30.1567290.00337946.381410.0000 R-squared0.993076 Mean dependent var3294.348 Adjusted R-squared0.992614 S.D. dependent var1862.177 S.E. of regression160.0398 Akaike info criterion13.09885 Sum squared resid384191.2 Schwarz criterion13.19688 Log likelihood-109.3403 F-statistic2151.236 Durbin-Watson stat0.703505 Prob(F-statistic)0.000000 显然模型更加优秀。 在模型的基础上增加解释变量， 模型的回归结果为： Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:45 Sample: 1987 2003 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C474.405448.079329.8671410.0000 X20.0863360.0175034.9325720.0002 X30.0226760.0272590.8318550.4195 R-squared0.997471 Mean dependent var3294.348 Adjusted R-squared0.997110 S.D. dependent var1862.177 S.E. of regression100.1158 Akaike info criterion12.20932 Sum squared resid140324.5 Schwarz criterion12.35636 Log likelihood-100.7792 F-statistic2760.747 Durbin-Watson stat1.813878 Prob(F-statistic)0.000000 模型的回归结果为： Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:46 Sample: 1987 2003 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C381.602575.581715.0488740.0002 X10.0364650.0214231.7021970.1108 X20.0911300.00585015.577120.0000 R-squared0.997801 Mean dependent var3294.348 Adjusted R-squared0.997487 S.D. dependent var1862.177 S.E. of regression93.35382 Akaike info criterion12.06946 Sum squared resid122009.1 Schwarz criterion12.21649 Log likelihood-99.59037 F-statistic3176.228 Durbin-Watson stat2.125759 Prob(F-statistic)0.000000 这些模型都不理想，可见修正后的模型应为： 我们针对这一模型进行检验： （1）由于解释变量只剩下X2，于是不可能存在多重共线形。 （2）对异方差性检验进行检验， 运用图示法可得： 从图中不能判断是否存在异方差。 我们选择ARCH 检验方式。 设P=3 求得辅助回归函数： 利用Eviews3.0我们可以得到： Dependent Variable: E2 Method: Least Squares Date: 06/06/05 Time: 09:21 Sample(adjusted): 1990 2003 Included observations: 14 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C8693.8884942.3321.7590660.1091 E2(-1)0.4488270.3116951.4399560.1804 E2(-2)-0.3461210.468270-0.7391490.4768 E2(-3)-0.2454910.430583-0.5701350.5812 R-squared0.254036 Mean dependent var9054.919 Adjusted R-squared0.030247 S.D. dependent var12696.28 S.E. of regression12502.79 Akaike info criterion21.94025 Sum squared resid1.56E+09 Schwarz criterion22.12284 Log likelihood-149.5817 F-statistic1.135158 Durbin-Watson stat2.074422 Prob(F-statistic)0.381266 其中Obs*R-squared=3.55650 而在P=3 α=0.05的情况下， 。 显然，，ARCH检验表明,不存在异方差。 （3）对自相关性进行检验。 运用图示法，可得： 从图中可以发现，自相关性不显著。 运用DW检验 DW=1.996814 在给定的显著性水平α=0.05 n=17 k’=1的情况下， 故可以认为不存在自相关性。 可见模型是可以通过预定的检验程序，并被认可的。 经济意义解释： 由以上过程可知，三大产业中，第二产业（工业、建筑业）增加值对城镇居民家庭消费支出的影响是最显著的，而第一产业（农业）增加值对城镇居民家庭消费支出的影响是最不显著的，第三产业（服务业）增加值对城镇居民家庭消费支出的影响介于两者之间。选择第二产业（工业、建筑业）增加值为解释变量构件模型是最合适的。 这一结果说明，第一产业（农业）在我国已经发展到相当程度了，其作用已更多的体现为基础作用。另一方面，虽然我国正在大力发展第三产业（服务业），但是第二产业（工业、建筑业）对于城镇居民家庭消费支出的贡献是巨大的，不可忽视的，而城镇居民家庭消费支出相当程度上体现了一个国家的居民生活水平。我国现在还是一个发展中国家，还处于工业化阶段，在这种情况下，如果盲目发展第三产业（服务业）而忽视第二产业（工业、建筑业）对提高居民生活水平，深化发展小康社会是没有好处的。 另外说明当第二产业（工业、建筑业）增加值每增长一亿元人民币时城镇居民家庭消费支出将增长元。

  • 中国能源需求影响因素实证分析_经济学毕业论文范文

    中国能源需求影响因素实证分析_经济学毕业论文范文 中国能源需求影响因素实证分析 【内容摘要】本文针对近年来愈演愈烈的能源问题，引入1978年到2002年统计数据，建立能源需求模型，运用计量经济学的方法，对影响中国能源需求的各种因素进行实证分析，以加深对能源问题的认识，进而从我国的实际情况出发，分析其产生的内在原因,为我国的能源安全提出一些可行性建议。希望能够对我国能源的可持续发展出一份薄力。需要指出的是，我们在模型分析中发现西方经济学中关于“需求曲线向下倾斜”的结论不适合我国的能源需求分析。 【关键词】能源需求 能源问题 可持续发展 一、问题的提出及经济理论阐述 去年以来，我国先后有22个省份拉闸限电，西南地区、东南沿海及其他地区成品油告急，用电高峰时电煤频频告急。由于我国一些地区先后出现“电荒”“油荒”“煤荒”，能源一下子成为热点问题受到人们的普遍关注。告别短缺经济已多年，能源紧张到底是为什么？ 去年，我国人均GDP超过了1000美元，在一些城市包括北京、上海、广东、深圳、宁波、南京，人均GDP已经超过了2000美元甚至3000美元。按照经济发展规律，人均GDP超过了1000美元以后，经济、社会将随之发生许多变化：比如开始进入工业化中期即重化工业阶段，机械、汽车、钢铁等重化行业快速发展。比如城乡二元经济结构将逐步改变，使城市化水平不断提高、农村人口大量向城市转移。比如随着收入增加，居民消费升级到新的结构，住房、家电和轿车成为消费热点。而在新一轮全球产业布局中，我国正成为一个规模庞大的世界加工制造基地。所有这些，都将增强我国经济社会发展对能源增长的预期，使能源消费继续保持强劲增长：因为重工业单位增加值的能耗明显高于轻工业，重化工业的发展，会使能源消耗大幅增加；城镇人口的增加，意味着能源消耗水平的提高，因为城镇人口年均消耗能源是农村的3.5倍；住房、家电和轿车等消费增加会使人均能源消耗增长；世界加工制造业向我国转移中，也转来了一些高耗能制造业。 能源是支持经济增长的重要物质基础和生产要素。能源经济学认为，能源消费量越大，产品产量越多，社会产量越多，社会也越富足，人们才能享有更多的物质文明和精神文明。能源消费量的不断增长，是现代化建设的重要条件。因此，一个国家的能源消费水平是衡量其现代化水平的重要标志。能源短缺，供求关系严重失调，就会突出地影响经济发展和人民生活水平的提高。所以，保持能源的稳定供应，不断提高能源消费水平，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。 鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而能源供给一般在较短的时间内难以有很大改变，因为能源尤其像石油，煤炭等具有不可再生性，很大程度上是由该国的资源禀赋决定的。而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。所以，我们主要从此处着手对影响中国能源需求的各种因素进行研究。 根据西方经济学消费需求理论，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期因数据难找。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。 另外，资本的价格也对需求有一定影响。资本价格提高对能源需求量的影响来自两个方面：一是资本价格提高，企业将使用相对便宜的机器设备替代劳动力，更多的机器设备必然增加能源需求，这种效应通常称为替代效应；二是资本价格提高，企业生产成本增加，将导致产品价格提高，产品需求量减少，企业对所有生产要素需求均下降，这种效应通常称为规模效应。替代效应与规模效应同时发生，但作用方向相反。资本价格提高对能源需求的影响是两种效应综合作用的结果，如果替代效应大于规模效应，则资本价格提高，能源需求增加；如果替代效应大于规模效应，则资本价格降低，能源需求减少。由于目前没有比较科学合理的资本价格数据，只能放弃对资本价格的估计。 故这里我们引入能源价格、居民收入、科技进步、能源供给量和工业产出五个变量对能源需求进行分析。 二、数据选取及模型设定 1.能源需求总量，在模型中用y表示，是指一次性能源消费总量,由煤炭,石油,天然气和水电4项组成(单位：万t标准煤)。 2能源需求的影响因素： （1）能源价格，用能源产品出厂价格指数来衡量，在模型中用x1表示，它由煤炭、石油、电力工业出厂价格指数加权计算得到。、为了使价格具有可比性,具体如下①1978年煤炭、石油、电力行业出厂价格指数为100,其他年份以1978年为准进行换算得到各年能源行业出厂价格指数；②根据各年煤炭、石油、电力在总能源中所占比重确定权数。（具体数具参见原始数据一） （2）剔除物价的工业总产值（亿元），在模型中用x2表示，它由由现价计算的工业总产值除以当年的工业总产值价格指数（假定基期=1978）。 （3）剔除物价的城镇居民家庭人均可支配收入（元），用X3表示，它也是由各年家庭人均可支配收入绝对数用价格指数计算得到。 （4）科学研究与综合技术服务业人员数（万人），用x4表示，直接由各年度统计年鉴查得。关于科技进步的衡量因素没有一个定论，也没有相关理论支撑，所以我们只能凭借经验与数据收集的便利，决定以科学研究与综合技术服务业人员数来替代科技因素。 （5）能源生产总量（万吨标准煤），用X5表示，直接由各年度统计年鉴查得。能源供给总量其实应包括国内能源生产总量与进口量，但因为进口能源量存在统计口径等各方面原因，资料难以收集，实际来看，国内能源生产总量占能源供给的绝大部分，故在此我们选取国内能源生产总量代表能源供给量。 （6）其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，如国家的经济结构政策、消费者偏好等。 表1、原始数据一 年份能源消费总量(万吨煤)电力工业产品出厂价格指数石油工业产品出厂价格指数煤炭工业出厂价格指数水电比重原油(含天然气)比重原煤比重 1978571441001001003.1103.170.3 197958588101.7100.6113.43.3116.770.2 19806027598.4102.1106.43.8110.269.4 198159447101.699.3102.64.2106.870.2 19826206798.9100.5101.94.5106.471.3 198366040105.6106.3101.54.8106.371.6 198470904102.1112102.64.5107.172.4 198576682103.4107.2117.64.3121.972.8 198680850102.4104.696.84.3101.172.4 198786632103.1104102.84.4107.272.6 198892997101.7106.8110.64.5115.173.1 198996934105.9108.4112.24.6116.874.1 199098703107.4107.1106.24.811174.2 1991103783116.9118.8113.14.7117.874.1 1992109170108.8115.3116.14.8120.974.3 1993115993135.9171.3139.75.314574 1994122737139.5148.7122.25.9128.174.6 1995131176109.5121.2111.36.2117.575.3 1996138948113.1104.6113.75.8119.575.2 1997137798114107.41086.5114.574.1 1998132214105.59396.67.1103.771.9 1999130119100.9109.694.87.6102.468.3 2000130297102.4144.398.18.2106.366.6 2001134914102.399.1106.58.7115.268.6 2002148000100.895.2111.68.9120.570.7 表2 原始数据二 年份工业总产值（亿元）工业总产值价格指数城镇居民家庭人均可支配收入 （元）指数 (1978=100)科学研究与综合技术服务业人员数（万人）能源生产总量（万吨标准煤） 19784237113.5343.41009262770 19794681.3108.8387112.710064562 19805154.26109.3477.612710563735 19815399.78104.3491.9127.611163227 19825811.22107.8526.6133.911866778 19836460.44111.2564140.612171270 19847617.3116.3651.2158.112577855 19859716.47121.4739.1160.413185546 198611194.26111.7899.6182.513788124 198713812.99117.71002.2186.914291266 198818224120.81181.4182.514495801 198922017.06108.51375.7182.8147101639 199023924.36107.81510.2198.1152103922 199126625114.81700.6212.4156104844 199234599124.72026.6232.9159107256 199348402127.32577.4255.1166111059 199470176124.23496.2276.8174118729 199591894120.34283290.3178129034 199699595116.64838.9301.6176132616 1997113733113.15160.3311.9179132410 1998119048110.85425.1329.9168124250 1999126110111.65854360.6165109126 200085674116.96280383.7164109000 200195449114.66859.6416.3154120900 2002110776118.27703472.1151139000 表3 计算、调整后的最终数据 年份能源消费总量(万吨煤)能源产品出厂价格指数剔除物价的工业总产值（亿元）科学研究与综合技术服务业人员数（万人）能源生产总量（万吨标准煤） 19785714410042379262770 197958588109.62194302.66510064562 198060275104.94364334.28310563735 198159447101.71324353.54211163227 198262067101.42624346.25511866778 198366040102.82964345.15412171270 198470904104.74894405.18812577855 198576682114.60784628.63813185546 19868085098.85824774.04913788124 198786632103.08925004.98514291266 198892997109.34835466.27914495801 198996934111.10086086.641147101639 199098703106.44666135.358152103922 1991103783114.4875947.677156104844 1992109170115.58246198.046159107256 1993115993146.03986811.24166111059 1994122737128.38827951.149174118729 1995131176113.01998654.915178129034 1996138948111.93628044.789176132616 1997137798108.27368122.711179132410 199813221496.47597673.559168124250 199913011998.83047283.834165109126 2000130297110.0954232.969164109000 2001134914104.45484115.123154120900 2002148000107.29324040.542151139000 以上数据来自：各年度《中国统计年鉴》中国统计出版社 中华人民共和国国家统计局网 《中国工业经济统计年鉴》 回归模型设立如下： Yt =β0 +β1 X1t +β2 X2t +β3 X2t +β4X4t+β5X5t+ Ut Yt ------能源需求总量(万吨煤) X1t -----能源产品出厂价格指数（加权计算煤炭、石油、电力工业出厂价格指数） X2t -----剔除物价的工业总产值（亿元） X3t ----剔除物价的城镇居民家庭人均可支配收入 （元） X4t ----科学研究与综合技术服务业人员数（万人） X5t -----能源生产总量（万吨标准煤） Ut------随机扰动项 β1、、β2、、β3、、β4、、、β5-----待估参数 t=1978-----2002 三、模型检验 假设模型中随机误差项Ut满足古典假设，运用OLS方法估计模型的参数，利用计量经济计算机软件Eviews计算可得如下结果： 表4 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 12:48 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-9312.5035126.452-1.8165590.0851 X1102.283652.304831.9555290.0654 X2-1.8407870.497535-3.6998150.0015 X327.045732.21348312.218630.0000 X4181.106560.696162.9838220.0076 X50.5801780.0664378.7327720.0000 R-squared0.995733 Mean dependent var100096.5 Adjusted R-squared0.994610 S.D. dependent var30643.48 S.E. of regression2249.721 Akaike info criterion18.48056 Sum squared resid96163651 Schwarz criterion18.77309 Log likelihood-225.0070 F-statistic886.7535 Durbin-Watson stat1.617818 Prob(F-statistic)0.000000 回归方程为： Y=-9312.503+102.2836*X1-1.840787*X2+27.04573*X3+181.1065*X4+0.580178*X5 （5126.452）（52.30483）（0.497535） （2.213483）（60.69616） （0.066437） t=（-1.816559） （1.955529）（-3.699815） （12.21863）（2.983822）（8.732772） R2=0.995733 F=886.7535 （一）经济意义检验 由回归估计结果可以看出,城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量与能源需求总量呈线性正相关，与现实经济理论相符。而能源产品出厂价格指数与能源需求总量呈线性正相关，工业总产值与能源需求总量呈线性负相关，这两点上，不符合经济意义。 （二）统计推断检验 从估计的结果可以看出，可决系数R2=0.995733, F=886.7535，表明模型在整体上拟合地比较理想。系数显著性检验：给定α=0.05，X2、X3、X4、X5的t的P值小于给定的显著性水平，拒绝原假设，接受备择假设，表明工业总产值、城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量对能源需求总量有显著性影响；仅有X1的t的P值大于给定的显著性水平，接受原假设，表明能源产品出厂价格指数对能源需求总量影响不显著。 （三）计量经济学检验 1、多重共线性检验 由表4可看出,模型整体上线性回归拟合较好，R2与F值较显著，而解释变量X1的t检验不显著,并且X1、X2的系数的符号与经济意义相悖，则说明该模型存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得如下结果，也可以看出解释变量之间存在多重共线性。 表5 X1X2X3X4X5 X110.3483000993650.1291940938320.3871687106350.299079945437 X20.34830009936510.5777601386670.7824266615490.667649490603 X30.1291940938320.57776013866710.8345606228060.907149867083 X40.3871687106350.7824266615490.83456062280610.926739884058 X50.2990799454370.6676494906030.9071498670830.9267398840581 用逐步回归法修正模型的多重共线。 ①运用ols方法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟和效果最好的一元线性回归方程。经分析在五个一元回归模型中能源需求总量y对能源生产总量x5的线性关系强,拟合程度好。 表6 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 12:54 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-21020.325617.857-3.7416970.0011 X51.2235410.05515622.183080.0000 R-squared0.955348 Mean dependent var100096.5 Adjusted R-squared0.953406 S.D. dependent var30643.48 S.E. of regression6614.583 Akaike info criterion20.50856 Sum squared resid1.01E+09 Schwarz criterion20.60607 Log likelihood-254.3570 F-statistic492.0891 Durbin-Watson stat0.582287 Prob(F-statistic)0.000000 由表6得： Y = -21020.32092 + 1.223540945*X5 （5617.857） （0.055156） t=（-3.741697） （22.18308） R2=0.955348 F=492.0891 ②逐步回归。将其余解释变量逐一代入上式，得如下几个模型（结果表如下） Y = 5426.633658 + 25.97702896*X3 + 0.7131621687*X5 （3802.412） （2.759851） （0.059774） t=（1.427156） （9.412475） （11.93105） R2=0.991118 F=1227.394 Y = -4090.451555 + 118.3029597*X1 + 27.83244134*X3 + 0.6617330059*X5 （6222.872） （63.07878） （2.795248） （0.062913） t=（-0.657325） （1.875479） （9.957057） （10.51830） R2=0.992392 F=913.0676 x4对y的影响并不显著，故将x4删去，得如下模型： Y = -4928.878753 + 141.8898316*X1 -1.005090487*X2+27.74415632*X3+0.702538287*X5 （5801.230） （59.75834） （0.485715） （2.599838） （0.061740） t=（-0.849626） （2.374394） （-2.069299） （10.67150） （11.37891） R2=0.993734 F=792.8957 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 12:58 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C5426.6343802.4121.4271560.1676 X325.977032.7598519.4124750.0000 X50.7131620.05977411.931050.0000 R-squared0.991118 Mean dependent var100096.5 Adjusted R-squared0.990310 S.D. dependent var30643.48 S.E. of regression3016.472 Akaike info criterion18.97373 Sum squared resid2.00E+08 Schwarz criterion19.12000 Log likelihood-234.1716 F-statistic1227.394 Durbin-Watson stat0.978110 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 13:07 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-4090.4526222.872-0.6573250.5181 X1118.303063.078781.8754790.0747 X327.832442.7952489.9570570.0000 X50.6617330.06291310.518300.0000 R-squared0.992392 Mean dependent var100096.5 Adjusted R-squared0.991305 S.D. dependent var30643.48 S.E. of regression2857.414 Akaike info criterion18.89887 Sum squared resid1.71E+08 Schwarz criterion19.09389 Log likelihood-232.2359 F-statistic913.0676 Durbin-Watson stat0.929339 Prob(F-statistic)0.000000 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 13:11 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-4928.8795801.230-0.8496260.4056 X1141.889859.758342.3743940.0277 X2-1.0050900.485715-2.0692990.0517 X327.744162.59983810.671500.0000 X50.7025380.06174011.378910.0000 R-squared0.993734 Mean dependent var100096.5 Adjusted R-squared0.992480 S.D. dependent var30643.48 S.E. of regression2657.300 Akaike info criterion18.78487 Sum squared resid1.41E+08 Schwarz criterion19.02864 Log likelihood-229.8108 F-statistic792.8957 Durbin-Watson stat1.244654 Prob(F-statistic)0.000000 2．异方差检验:（采用ARCH检验） 图示法 ARCH Test: F-statistic0.135388 Probability0.937641 Obs*R-squared0.485467 Probability0.922072 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/29/04 Time: 13:34 Sample(adjusted): 1981 2002 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C7197913.3420227.2.1045130.0496 RESID^2(-1)-0.0739020.233413-0.3166150.7552 RESID^2(-2)0.0019850.2352130.0084390.9934 RESID^2(-3)-0.1264110.233872-0.5405140.5955 R-squared0.022067 Mean dependent var5999470. Adjusted R-squared-0.140922 S.D. dependent var9793751. S.E. of regression10461093 Akaike info criterion35.32719 Sum squared resid1.97E+15 Schwarz criterion35.52556 Log likelihood-384.5991 F-statistic0.135388 Durbin-Watson stat1.999805 Prob(F-statistic)0.937641 由上表，Obs*R-squared=0.485467＜χ20.05（3）=7.81473，所以接受H0，表明模型中随机扰动项不存在异方差。 3．自相关检验 ①由上表可得DW=1.244654，给定显著性水平α=0.05，n=25, k’=4时，查Durbin-Waston表得下限临界值dL=1.038，上限临界值du=1.767,可见DW统计量 DW=1.244654du=1.767,由此可判断模型存在自相关。 ②分别运用广义差分法、C-O迭代法、取对数改善模型修正自相关 广义差分法 Dependent Variable: DY Method: Least Squares Date: 12/29/04 Time: 13:57 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C803.51084351.0490.1846710.8554 DX1116.297858.373041.9923200.0609 DX2-0.7253580.557107-1.3020090.2085 DX329.448853.2555009.0458740.0000 DX50.6378780.0733748.6934820.0000 R-squared0.986404 Mean dependent var64836.26 Adjusted R-squared0.983542 S.D. dependent var18915.98 S.E. of regression2426.689 Akaike info criterion18.60950 Sum squared resid1.12E+08 Schwarz criterion18.85492 Log likelihood-218.3139 F-statistic344.6293 Durbin-Watson stat1.574741 Prob(F-statistic)0.000000 C-O 迭代法 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 13:59 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints Convergence not achieved after 100 iterations VariableCoefficientStd. Errort-StatisticProb. C1364329.408579200.0333920.9737 X178.2839444.952641.7414760.0987 X20.3354690.7816260.4291940.6729 X312.988257.8496511.6546280.1153 X50.4585060.0751896.0980340.0000 AR(1)0.9987980.04232123.600500.0000 R-squared0.996011 Mean dependent var101886.2 Adjusted R-squared0.994903 S.D. dependent var29938.17 S.E. of regression2137.291 Akaike info criterion18.38478 Sum squared resid82224222 Schwarz criterion18.67930 Log likelihood-214.6174 F-statistic898.9703 Durbin-Watson stat2.180051 Prob(F-statistic)0.000000 Inverted AR Roots 1.00 取对数 Dependent Variable: LY Method: Least Squares Date: 12/29/04 Time: 14:02 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C2.0199920.4838044.1752230.0005 LX10.0880830.0603311.4599840.1598 LX2-0.0496670.024853-1.9984770.0594 LX30.2622480.02391710.965030.0000 LX50.6723940.05899911.396630.0000 R-squared0.995731 Mean dependent var11.46505 Adjusted R-squared0.994877 S.D. dependent var0.325795 S.E. of regression0.023318 Akaike info criterion-4.502306 Sum squared resid0.010875 Schwarz criterion-4.258531 Log likelihood61.27883 F-statistic1166.247 Durbin-Watson stat1.247301 Prob(F-statistic)0.000000 在取对数基础上迭代 Dependent Variable: LY Method: Least Squares Date: 12/29/04 Time: 14:03 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints Convergence achieved after 28 iterations VariableCoefficientStd. Errort-StatisticProb. C3.3224750.9286633.5776990.0022 LX10.0713370.0696251.0245890.3191 LX2-0.0310270.034262-0.9055980.3771 LX30.2966020.0391397.5781180.0000 LX50.5323020.0861926.1757600.0000 AR(1)0.6381050.2370612.6917390.0149 R-squared0.996341 Mean dependent var11.48637 Adjusted R-squared0.995325 S.D. dependent var0.314480 S.E. of regression0.021503 Akaike info criterion-4.628946 Sum squared resid0.008323 Schwarz criterion-4.334432 Log likelihood61.54735 F-statistic980.3042 Durbin-Watson stat1.802317 Prob(F-statistic)0.000000 Inverted AR Roots .64 在广义差分基础上迭代 Dependent Variable: DY Method: Least Squares Date: 12/29/04 Time: 14:05 Sample(adjusted): 1980 2002 Included observations: 23 after adjusting endpoints Convergence not achieved after 100 iterations VariableCoefficientStd. Errort-StatisticProb. C3724.2506188.3670.6018150.5552 DX1108.188675.526611.4324570.1701 DX2-0.5557620.661063-0.8407110.4122 DX330.527554.0256057.5833450.0000 DX50.5844310.0869716.7198110.0000 AR(1)0.2708340.3110010.8708460.3960 R-squared0.986704 Mean dependent var66046.26 Adjusted R-squared0.982794 S.D. dependent var18366.90 S.E. of regression2409.239 Akaike info criterion18.63147 Sum squared resid98675375 Schwarz criterion18.92768 Log likelihood-208.2619 F-statistic252.3199 Durbin-Watson stat1.877865 Prob(F-statistic)0.000000 Inverted AR Roots .27 考虑剔除，系数符号与经济意义相悖的变量X2，在取对数基础上迭代 Dependent Variable: LY Method: Least Squares Date: 12/29/04 Time: 14:14 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints Convergence achieved after 21 iterations VariableCoefficientStd. Errort-StatisticProb. C5.8042721.2863604.5121670.0002 LX10.0733370.0461031.5907290.1282 LX30.1427000.0626702.2770210.0345 LX50.4326890.0743035.8233310.0000 AR(1)0.9737820.03248029.980960.0000 R-squared0.997038 Mean dependent var11.48637 Adjusted R-squared0.996414 S.D. dependent var0.314480 S.E. of regression0.018832 Akaike info criterion-4.923516 Sum squared resid0.006738 Schwarz criterion-4.678088 Log likelihood64.08219 F-statistic1598.801 Durbin-Watson stat2.032109 Prob(F-statistic)0.000000 Inverted AR Roots .97 考虑剔除，系数符号与经济意义相悖的变量X2，直接用迭代法 Dependent Variable: Y Method: Least Squares Date: 12/29/04 Time: 14:15 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints Convergence not achieved after 100 iterations VariableCoefficientStd. Errort-StatisticProb. C994201.2223518520.0444800.9650 X174.8207643.231921.7306830.0997 X314.397416.7120142.1450210.0451 X50.4653520.0722576.4402730.0000 AR(1)0.9984300.03846625.956140.0000 R-squared0.995959 Mean dependent var101886.2 Adjusted R-squared0.995108 S.D. dependent var29938.17 S.E. of regression2093.894 Akaike info criterion18.31449 Sum squared resid83303461 Schwarz criterion18.55992 Log likelihood-214.7739 F-statistic1170.713 Durbin-Watson stat2.200889 Prob(F-statistic)0.000000 Inverted AR Roots 1.00 综合以上分析，我们得出最终模型如下： Y = 994201.2023 + 74.82076324*X1 + 14.39740948*X3 + 0.4653517734*X5 （22351852） （43.23192） （6.712014） （0.072257） t=（0.044480） （1.730683） （2.145021） （6.440273） R2=0.995959 F=1170.713 四、模型结果分析 从模型可以看出： 1、R2很大，F值也很显著，说明模型在整体上拟合的较好。能源需求仅与能源产品出厂价格指数、城镇居民家庭人均可支配收入、能源生产总量有明显的相关关系。能源产品的出厂价格指数对能源需求的影响最大。当价格指数每降低1个单位时,能源需求总量将降低74.82076324个单位。 2但是X1不符合经济意义的检验。因为从经济意义上讲，能源出厂价格指数越高，能源的需求量越小，X1的系数应为负值。即使考虑能源在现实生活中的状况，也应该是需求弹性较小。可以看出,我国能能源需求曲线是向上倾斜的。这明显与传统经济学“向下倾斜的需求曲线”理论相违背。原因可能是：①93年以前我国对能源价格实行管制，长期使市场信号失灵。②国际市场能源价格一般由能源期货交易价格决定，而我国没有成体系的能源期货交易市场，买卖价格由海外价格控制，往往我国大量购买能源时，国际投机家伺机哄抬价格，谋取利益。③此外，根据凯恩斯的心理预期理论，当能源价格上升时，为了规避风险，往往不会减少甚至会增加购买。 3模型表明：从模型还可以看出，能源的生产总量对能源需求的影响相对较小。 五、政策建议 中国已经确定了本世纪头二十年的奋斗目标，力争在2020年基本实现工业化，人均GDP达到3000美元以上，进入中等发达国家的行列。但中国的矿产资源人均占有量低于世界的平均水平，中国尽管矿产资源总量比较丰富，但是石油探明储量只有世界的8％，人均占有量仅为世界平均水平的8％，铝只有平均水平的10％，铜为26％，铁是45％。中国的石油和铁矿现在对外依存度都已经超过三分之一。为此，中国实现工业化必须走一条科技含量高、经济效益好、资源消耗低、环境污染少、人力资源优势得到充分发挥的新型工业化道路。 应该对未来能源消费产品结构变化、耗能产业调整对能源工业的影响足够重视。建国以来的大部分时间是能源供不应求，能源政策主要以如何刺激供给为主，但是从1992年以后能源需求开始发生变化，成为影响能源工业发展的主要因素。可以预见随着原油产品不断开放、电力工业改革步伐加快，能源价格作为一种信号，对能源产品的配置作用将会越来越重要，我国能源消费产品结构、耗能工业必然发生重大变化，从而对能源工业的发展带来重大影响。目前能源工业依然实行调整供给为主的政策，正在实行的西电东送工程、西气东输工程成功与否，将受到能源市场需求变化的强烈影响。 充分发挥市场机制的作用，促进我国能源消费向高效、清洁方向发展。今后政府可以通过采用征收各种税收的方式，调整人们对不同能源的使用量和能源使用总量，达到减少污染、提高能源使用效率等目的。 改变过去以行业来分工业区的特点，考虑循环经济，物流相互利用，零排放的生产方式。启动节约资源、降低消耗活动，推动循环经济发展。同时加强地区间的合作，实现资源互补。要建立节能基金，加大资金扶持力度，开展各种节能示范项目，扶持和鼓励企业提高能源利用效率，使节能产业成为我国的经济增长点。 .转变经济增长方式；增加高耗能产品的进口、杜绝高耗能产品的一般商业性出口；减缓经济发展对能源的依赖程度。在今天世界经济发展一体化的进程中，我国进一步的经济发展不应以生产能力的继续扩张为目标，应进一步转变经济增长的模式，逐步调整第一、二、三产业的结构，特别是传统工业的发展应依靠信息、电子技术的发展逐步提高其产品的附加值，此外，应该充分利用世界各种资源，积极地参与世界经济发展的资源配置和分工，逐步减缓经济发展对能源的依赖程度。鉴于我国是一个发展中的人口大国，从长远来看各种资源和物质的需求不可能完全依赖自身来解决，特别是像钢铁、化肥等高耗能产品不可能完全立足于自身资源条件来解决，应逐步提高进口的比例，而像水泥以及其他一些消耗高耗能原材料的机电产品的出口应该适当控制规模，特别是像水泥这种能源消耗高、污染重附加价值低的产品应杜绝一般的商业出口。今后我国可以进一步增加高耗能产品的进口数量，这样不仅可以减少依靠自己生产所产生的环境污染排放，而且可以间接的作为能源进口多样化的一种选择，从而保证能源供应的安全。 六、存在的问题 由于我们忽略了对影响模型的资本价格因素的考虑，使模型设定不是很完善。这也可能是模型产生自相关的一个重要原因。 对于时间序列数据可能出现的平稳性问题，本文未做处理。由于我们选取的数据都是宏观经济变量，极有可能出现非平稳性，但由于所学知识的局限，无法对模型做进一步协整。对于可能出现的伪回归，我们也无法确定。 在考虑能源需求的影响因素时，我们引入了工业总产值。按照经济学的一般观点，工业总产值与能源需求存在较强的正相关关系。但是在具体回归时发现变量前的系数是负值，与经济意义不符。对于这一重要的影响变量，我们没有轻易剔除。但是在后面的尝试当中发现，剔除工业总产值的影响比保留时的拟合效果更好，所以我们不得不考虑将其剔除。 众所周知，我国在1993年之前对能源价格实行较大范围管制，1993年之后能源价格由市场供给决定。我们本想以1993年为界分两阶段进行分析，但由于样本数量的有限不得不放弃。两阶段的数据糅合在一起得出的模型可能不能很好的解释现实。 在最初考虑时，我们打算引入国家在能源方面科技经费的支出来作为一个影响因素，因为科技的发展进步可能导致能源需求的相对减少。但由于无法找到专门用于能源科技支出的数据，所以我们考虑用科学研究与综合技术服务业人员数来代替，事实上，这个代替不是很合理的。 七 参考书目 《计量经济学》庞皓主编 2001年版 西南财经大学出版社 《能源经济》 徐寿波著 1994年版 人民出版社 《能源经济学》华泽澎主编 1991年版 石油大学出版社 《发展经济学》黄卫平 彭刚主编 2003年版 四川人民出版社

  • 如何提高农业产值和农民人均收入水平_经济学毕业论文

    如何提高农业产值和农民人均收入水平_经济学毕业论文 如何提高农业产值和农民人均收入水平 摘要：本为试图通过用实证的方法来分析农业产值与其投入之间的关系，找出一个既能提高农业产值又同时能解决农村收入水平较低问题的方法；也就是要找出一个解决城乡二元经济结构问题的比较好的一种的方法。 关键字：农业产值　化肥施用量　机械使用量　基础建设投资　劳动力投入量 一、导论 农业是社会经济的基础，其最表层的同时也是最深层的原因就在于它为人类提供了赖以生存的衣食之源，满足了人类的第一需要。 从产业经济学的观点来看，农业往往是第二产业和第三产业的基础，农业的发展常常为第二产业提供原材料，据统计，在我国工业中，以农产品为原料的轻工业产值，始终占整个轻工业产值的70％以上。农业本身常常还是第二产业的一个巨大需求方，发展现代农业需要的机械，化肥等，对第二产业都是巨大的市场，从整个国民经济来看，农村市场是容量最大和最具潜力的市场。另外，我国有9亿农民，农民收入的近60％来自于农业，农业的产值和农民的收入关乎整个国民经济的健康发展。 二、问题的提出 本论文的研究，是针对农业本身的特点，从农业的投入要素即化肥施用量，机械使用量，基础建设投资，劳动力投入量来考察这些因素对农业产值的影响程度，而正如上面提到的，我国有9亿农民，农民收入的近60％来自于农业，如何提高农业产值，增加农民收入，是一个很紧要的问题。 我们要建设一个全面的小康社会，如果不能解决占人口多数的农民的收入问题，就只能是空谈。农民收入的提高，不仅仅会提高农民的生活水平，相应的也会改变消费的结构，对整个产业结构的优化提升也有很重要的意义，另外，农民收入的提高，对于农民对教育的投资，对农业机械的投入等方面，也有很大的促进，相应也能对农业的产值有很大的影响。 我国是一个发展中国家，由于历史等众多的原因，城乡分离的二元结构一直存在，要建设一个更加富强的国家，就需要努力去改变这样一种二元结构，因为二元结构造成的市场分离很不利于整个国民经济的健康发展，由此就需要对农业现状有所改变，研究对农业产值影响的各要素，更好的促进农业的发展，提高农民的收入，改变二元分离的结构，有着很重要的意义，本文就是在这样一种背景下的探索。 三、模型的设定 一、理论根据 根据美国数学家Charles Cobb和经济学家Paul Dauglas提出的经典生产函数即——Cobb－Dauglas生产函数理论，其数学形式为： 根据要素的产出弹性的定义，参数α、β分别就是资本与劳动的产出弹性，可见经济意义十分明确。 本文根据该理论，将对农业的投入也分为资本部分和人力劳动部分，至于土地面积的投入，由于我国数据比较难收集样本空间就比较小，所以本文设法减少影响因素的个数，将所有变量均转化为单位面积变量，这样就可以减少一个面积变量，也有利于简化分析。 由于C-D模型中，K代表的是存量资本投入，而我国可以收集到的对农业的资本投入都是流量投入，所以无法较为准确的得出每年资本的存量投入。基于此原因，本文将资本投入分解为：农业机械投入，肥料投入，易耗物资（如，地膜等）投入，种子投入，基础设施建设投入等几项。并且，由于易耗物资投入和种子投入在每年投入中只占很少一部分，所以本文将其省略以简化分析，并且数据也就比较容易得到了。 二、理论模型 根据上述分析，本文的理论模型就是： 其中： Y——单位面积产值 X1——单位面积化肥施用量 X2——单位面积机械使用量 X3——单位面积基础建设投资 X4——单位面积劳动力投入量 四、数据的收集与整理 由于，我国的数据都是总量数据所以要做一些数据转化处理，具体的转化方法是：将所有变量均用“农作物总种植面积”进行分摊以的得到单位面积的数值。 需要指出的是： 1）“基础设施建设投资”是针对所有农业种植面积的； 2）我国农业灾害大多发生在播种之后，并且濒临收割，因此，“农业机械使用量”，“化肥使用量”以及“劳动力使用量”，很可能在发生灾害之前已经投入了一大半； 所以都应当用“农作物总种植面积”来进行分摊。 至于“农业总产值”，本文也用“农作物总种植面积”来进行分摊。这样，计量模型的残差项就把天气对农业的影响以及其他影响因素都包括在内了。数据列表为： （表一） 年份单位面积[其原始数据——农业总产值：指以货币表现的农业全部产品的总量，它反映一定时期内农业生产总规模和总成果。农业总产值的计算方法通常是按农业内各产品的产量分别乘以各自单位产品价格求得，少数生产周期较长，当年没有产品或产品产量不易统计的，则采用间接方法匡算其产值，然后将各产品产值相加即为农业总产值。]产值（万元/公顷）单位面积[《中国统计年鉴（2004年）》上的数据比较小，而中国农业信息网的数据又比较大；所以本文就以中庸之道取中间数，用的是《中国农村统计年鉴》上的数据。]化肥施用量（吨/公顷）单位面积[ 该数据是年底的存量数据，所以正符合本文的需要。]机械使用量（千瓦/公顷）单位面积基本建设投资（万元/公顷）单位面积劳动力投入量（人/公顷） 19780.074448 0.058892 0.782779 0.003391 1.895713 1979　[ 79年的数据不完整，所以没有展示出来。] 19800.099339 0.086692 1.007354 0.003552 2.036357 19810.112697 0.091969 1.080210 0.002012 2.115957 19820.128859 0.104549 1.147732 0.002356 2.154378 19830.144067 0.115269 1.251589 0.002465 2.197683 19840.165046 0.120643 1.351977 0.002573 2.197128 19850.174508 0.123641 1.456039 0.002569 2.113232 19860.192210 0.133880 1.591495 0.002434 2.112833 19870.218029 0.137924 1.713336 0.002904 2.129597 19880.253101 0.147833 1.834543 0.003189 2.171470 19890.279800 0.160835 1.915130 0.003459 2.213553 19900.333928 0.174592 1.934970 0.004529 2.246948 19910.344045 0.187524 1.964662 0.005682 2.285394 19920.375015 0.196647 2.034012 0.007449 2.284240 19930.447076 0.213340 2.153539 0.008650 2.251115 19940.618535 0.223818 2.280240 0.010449 2.205193 19950.792948 0.239773 2.409817 0.014618 2.157374 19960.888546 0.251206 2.529640 0.020862 2.117088 19970.899697 0.258539 2.728835 0.026804 2.106586 19980.914665 0.262270 2.903401 0.040917 2.095385 19990.902089 0.263749 3.133289 0.053430 2.104701 20000.887627 0.265286 3.363638 0.060141 2.111167 20010.928841 0.273189 3.543309 0.063799 2.084095 20020.965593 0.280621 3.746219 0.067442 2.068800 20030.975633 0.289444 3.961982 0.069527 2.050980 （数据来源：《中国统计年鉴（2004年）》、《中国农村统计年鉴（2002年）》和中国农业信息网） 五、模型的参数估计 一、计量模型的设定 为了便于使用Eviews3软件对模型进行估计，本文将前述理论模型变换为对数计量模型： + 二、估计结果 利用Eviews3对上述模型进行估计，结果如下： Dependent Variable: LOG(Y) Method: Least Squares Date: 05/12/05 Time: 21:19 Sample: 1978 2003 Included observations: 25 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. LOG(X1)2.5746770.24630210.453310.0000 LOG(X2)-0.7255900.214563-3.3817050.0030 LOG(X3)0.0479050.0465751.0285530.3160 LOG(X4)-3.6089880.838307-4.3050920.0003 C6.9707700.9609137.2543160.0000 R-squared0.993287 Mean dependent var-1.030981 Adjusted R-squared0.991944 S.D. dependent var0.850726 S.E. of regression0.076358 Akaike info criterion-2.129922 Sum squared resid0.116610 Schwarz criterion-1.886147 Log likelihood31.62402 F-statistic739.7758 Durbin-Watson stat1.195685 Prob(F-statistic)0.000000 即： T-stat （10.45331） （-3.381705） （1.028553） （-4.305092） （7.254316） Adjusted R-squared=0.991944 六、模型检验与修正 一、经济意义检验 上述估计结果中，变量LOG(X1)和变量LOG(X3)的系数基本符合经济学原理和我们所观察到的实际。但是，变量LOG(X2)和变量LOG(X4)的系数均为负值，即“单位面积产值”对于“单位面积机械使用量”和“人力使用量”的弹性均小于0；也就是说，在单位面积中，减少1%的“机械使用量”或“人力使用量”均可以增加农业的单位面积产值。关于这一点，似乎与我们所观察到的事实有所不符；因为在我国，国家对农产品实行保护价，价格就不易下降；如果，单位面积中“机械使用量”和“人力使用量”投入的增加引起产出的增加，那么产值就应当增加，系数的经济意义就不对。 但是，另一方面，单位面积中“机械使用量”投入的增加，虽然可以代替大部分“人力使用量”但却可能造成部分损失，比如，收割机的使用就比用人力收割损失大；而“人力使用量”投入的增加，虽然可能增加一部分产量，但是，单位面积的边际产出是递减的，并且模型中使用的“人力使用量”变量是使用人数来计量的，且农业总产值也是一个根据经验的匡算量，如果农业人口增加，那么用于养活农业人口的农产品就应当增加，很可能就会影响到用于匡算的指标使得匡算出的总产值下降。 当然，还有一种可能是，解释变量存在着多重共线问题。 二、统计推断检验 从回归的结果看，模型的拟和优度非常好（Adjusted R-squared=0.991944），F统计量的值在给定显著性水平α=0.05的情况下也非常显著（Prob(F-stat)=0.000000），但是LOG(X3)的t统计值却不显著（LOG(X3)的t统计量值仅为1.028553其绝对值小于2），说明变量LOG(X3)对Y的影响不显著，或者解释变量之间存在多重共线问题，使其t值不显著。 三、计量经济学检验 1．多重共线性检验 （1）检验 本文采用相关矩阵法对解释变量之间的相关性进行检验，结果列表如下： LOG(Y)LOG(X1)LOG(X2)LOG(X3)LOG(X4) LOG(Y) 1.000000 0.983344 0.970590 0.908090 0.095614 LOG(X1) 0.983344 1.000000 0.976439 0.850540 0.244477 LOG(X2) 0.970590 0.976439 1.000000 0.896854 0.105595 LOG(X3) 0.908090 0.850540 0.896854 1.000000-0.234639 LOG(X4) 0.095614 0.244477 0.105595-0.234639 1.000000 由此可见，变量LOG(X1)和LOG(X2)、LOG(X3)均存在着高度的线性相关关系。其实原因很简单，在我国，每年每亩地用多少肥料基本是没什么变化的，而农业机具的用量由于好多年以前就用机器根作了，而且根作的方式也没什么突破性的变化，更重要的是，我国的农业没有实行规模化的生产，这就大大的限制了机械的使用量，从而，在最近20年内每年在单位农田中化肥和机械的使用量保持着一个相对稳定的比例。农业基础设施建设投入，多年来也就只停留在修沟、修渠以及一些农业小水利的修建和维护，很少涉及到其他方面，所以也维持着一个相对稳定比例的增长量。 （2）修正 由于变量LOG(X1)在回归中统计显著性更高，而LOG(X3) 统计显著性最低，所以本文选择先删去变量LOG(X3)，这一点也得到假设检验的支持，检验结果为： Redundant Variables: LOG(X3) F-statistic1.057922 Probability0.315969 Log likelihood ratio1.288614 Probability0.256303 Test Equation: Dependent Variable: LOG(Y) Method: Least Squares Date: 05/13/05 Time: 09:44 Sample: 1978 2003 Included observations: 25 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. LOG(X1)2.6912390.21898412.289680.0000 LOG(X2)-0.7068610.214084-3.3017950.0034 LOG(X4)-4.2921390.512188-8.3800100.0000 C7.4560890.8382418.8949200.0000 R-squared0.992931 Mean dependent var-1.030981 Adjusted R-squared0.991922 S.D. dependent var0.850726 S.E. of regression0.076463 Akaike info criterion-2.158377 Sum squared resid0.122778 Schwarz criterion-1.963357 Log likelihood30.97971 F-statistic983.3029 Durbin-Watson stat1.187673 Prob(F-statistic)0.000000 从而删去变量LOG(X3)后所得的新的估计结果，就是上表下半部所列。尽管，Adjusted R-squared值有所下降但是F-statistic值却显著上升了。 由于变量LOG(X1)和LOG(X2)仍然存在着严重的线性相关关系，即模型中还存在着严重的多重共线性问题，所以还应该进行修正。但是，单纯的删去一个变量，却会损失很多模型信息，比如删去拟合优度稍差的变量LOG(X2)，EVIEWS3所输出的假设检验结果是： Redundant Variables: LOG(X2) F-statistic10.90185 Probability0.003396 Log likelihood ratio10.45354 Probability0.001224 Test Equation: Dependent Variable: LOG(Y) Method: Least Squares Date: 05/13/05 Time: 10:15 Sample: 1978 2003 Included observations: 25 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. LOG(X1)1.9784060.04415044.811320.0000 LOG(X4)-3.2162290.475853-6.7588640.0000 C4.9016990.38859212.614000.0000 R-squared0.989262 Mean dependent var-1.030981 Adjusted R-squared0.988286 S.D. dependent var0.850726 S.E. of regression0.092076 Akaike info criterion-1.820236 Sum squared resid0.186516 Schwarz criterion-1.673971 Log likelihood25.75295 F-statistic1013.392 Durbin-Watson stat0.610714 Prob(F-statistic)0.000000 现在的问题在于，我们并不知道，变量LOG(X1)和LOG(X2)实际的比例关系，所以，可以选择的方式要么是删掉一个变量，要发展出一种新的发式。此时，拟合图为： 图中94年的发展趋势上有一个明显的转折点，因此，本文用邹氏稳定性测试方式来进行测试，结果很显著： Chow Breakpoint Test: 1994 F-statistic2.608401 Probability0.072449 Log likelihood ratio11.96389 Probability0.017622 因此，本文对上述模型引入一个新的政策变量。经济学理由倒不是政策可以增产，而是94年是朱镕基开始当上总理并主持经济的开头一年，他的经济政策主张是打破国有企业职工的铁饭碗，所以随后大量国企职工下岗，如此多的人没了职业，其生活就成了一个问题，从而农产品对于工业产品的比价就有所上升了，特别是在01年更上有农产品推动了整个经济的通胀。引入虚拟变量后的模型为： Dependent Variable: LOG(Y) Method: Least Squares Date: 05/13/05 Time: 11:23 Sample: 1978 2003 Included observations: 25 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. LOG(X1)1.7034490.3647144.6706410.0002 LOG(X2)0.1219840.3383980.3604750.7227 LOG(X4)-2.3977690.921820-2.6011240.0181 XZ*LOG(X1)5.4242855.0377981.0767170.2958 XZ*LOG(X2)-1.3244420.937265-1.4130930.1747 XZ*LOG(X4)11.9600510.482011.1410080.2688 C3.6458341.4515892.5116150.0218 R-squared0.995594 Mean dependent var-1.030981 Adjusted R-squared0.994125 S.D. dependent var0.850726 S.E. of regression0.065207 Akaike info criterion-2.390991 Sum squared resid0.076536 Schwarz criterion-2.049706 Log likelihood36.88739 F-statistic677.8400 Durbin-Watson stat0.834731 Prob(F-statistic)0.000000 与上面的模型相比较，此模型的Adjusted R-squared值大大上升了，但是，却出现了几个不显著的变量。现在按照上述程序，对模型进行修正，所得结果为： Dependent Variable: LOG(Y) Method: Least Squares Date: 05/13/05 Time: 11:27 Sample: 1978 2003 Included observations: 25 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. LOG(X1)1.8626280.10529517.689570.0000 LOG(X4)-2.8140700.747280-3.7657500.0012 XZ*LOG(X2)-0.3574380.143959-2.4829110.0220 XZ*LOG(X4)0.7035300.1539924.5686250.0002 C4.3393440.7715415.6242580.0000 R-squared0.995306 Mean dependent var-1.030981 Adjusted R-squared0.994367 S.D. dependent var0.850726 S.E. of regression0.063849 Akaike info criterion-2.487738 Sum squared resid0.081534 Schwarz criterion-2.243963 Log likelihood36.09673 F-statistic1060.181 Durbin-Watson stat0.955231 Prob(F-statistic)0.000000 如此就规避了变量LOG(X1)和LOG(X2)的共线性问题。变量LOG(X1)和LOG(X2)的相关矩阵就变为： LOG(X1)XZ*LOG(X2) LOG(X1) 1.000000 0.793741 XZ*LOG(X2) 0.793741 1.000000 可见共线性确实减小了不少。 2．自相关检验 尽管D-W值仅为0.955231似乎存在着负的一阶自相关，但是运用Breusch-Godfrey Serial Correlation LM Test和ARCH Test检验均得不出存在一阶或是更高阶自相关的结论。并且，引入自回归变量AR(1)后其统计性质也不显著。 3. 异方差检验 利用White Heteroskedasticity Test检验法所得结果是： White Heteroskedasticity Test: F-statistic2.596575 Probability0.055909 Obs*R-squared18.04894 Probability0.114213 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/13/05 Time: 16:11 Sample: 1978 2003 Included observations: 25 Excluded observations: 1 VariableCoefficientStd. Errort-StatisticProb. C3.2421413.9701110.8166370.4300 LOG(X1)0.4467100.9694970.4607650.6532 (LOG(X1))^20.0016010.0624750.0256280.9800 (LOG(X1))*(LOG(X4))-0.5499530.938844-0.5857770.5689 (LOG(X1))*(XZ*LOG(X2))0.4619482.5645680.1801270.8601 (LOG(X1))*(XZ*LOG(X4))-0.6534953.689827-0.1771070.8624 LOG(X4)-7.0182917.795196-0.9003350.3857 (LOG(X4))^23.7221433.8390430.9695500.3514 (LOG(X4))*(XZ*LOG(X2))1.9443706.7841950.2866030.7793 (LOG(X4))*(XZ*LOG(X4))-1.6662409.570304-0.1741050.8647 XZ*LOG(X2)-0.7875591.769261-0.4451340.6641 (XZ*LOG(X2))^2-0.0228580.378476-0.0603950.9528 XZ*LOG(X4)0.2967762.2469020.1320820.8971 R-squared0.721958 Mean dependent var0.003261 Adjusted R-squared0.443915 S.D. dependent var0.005406 S.E. of regression0.004031 Akaike info criterion-7.883565 Sum squared resid0.000195 Schwarz criterion-7.249749 Log likelihood111.5446 F-statistic2.596575 Durbin-Watson stat2.481100 Prob(F-statistic)0.055909 可见不存在异方差性问题。 四、修正好的模型 t-stat (17.68957) (-3.765750) (-2.482911) (4.568625) (5.624258) 此时，回归的拟合图和残差项正态性检验图分别为： 由上述信息可知，尽管模型各参数以及整体的参数值都很显著，并且，残差也不违背正态性，但是从图形看拟合的并不好。还有很多缺陷。比如，Y值有五六个明显的拐点但是拟合值却没能有效的描述出来，特别是最后，Y值和其拟合值的增长趋势都不一样。 但是，尽管如此模型仍然有一定的解释能力。在大体趋势上还是比较准确的。 七、对模型的经济解释 将上述模型整理得： 其中，——单位面积产值Y的估计值 X1——单位面积化肥施用量 X2——单位面积机械使用量 X4——单位面积劳动力投入量——虚拟变量Xz 0 94年之前； Xz = 1 94~03年。 此模型主要包含了以下几点经济意义： 1) 农业单位面积产值的化肥投入量弹性系数为1.862626，即单位面积中化肥投入量在其它条件不变的情况下，每增加1个百分点，农业单位面积产值将增加约1.86个百分点； 2) 虚拟变量在模型中的显著性很高，本文认为，农业单位面积产值的增加是农产品对于工业产品的比价上升了，而不是政策可以增产。 3) 在94年之前，机械的使用量对农业单位面积产值的影响是不显著的。而从94年开始，业单位面积产值的机械的使用量弹性系数却为-0.257438，在其它条件不变的情况下，机械的使用量的增加会造成农业单位面积产值减少。 4) 在94年之前，农业单位面积产值的单位面积劳动力投入量弹性系数为-2.81407，这一点的经济意义与上述相似；然而，从94年起尽管其弹性系数仍为负，但是绝对值却变小了。这说明尽管单位面积劳动人数的增多会减少单位面积的产值，但是却比以前要少了。其原因，笔者认为是因为，正如前面所论述的，农产品从94年开始对于工业产品的比价有所上升，所使得农业从业者更愿意将农产品用于交易，因为此时将农产品用于其它方面的成本变大了。 5）该模型讨论规模报酬问题并没有什么现实意义，所以这里也就不予深究了。 八、结论以及政策建议 由于，作为一个主要收入都来自农业产出的农民而言，其一年的人均收入可以表示为： 人均收入=单位面积产值/单位面积劳动力投入量=Y/X4 要提高农民的人均收入水平，我们就有三种办法： 分子策略。即在其他投入和人力投入均不变的情况下，使Y值增大，当然，这听起来似乎不太可能，但是却实是一种方式，比如人们常说的使用良种以增加农产品质量和竞争力，使用新的工艺生产农产品，增加其附加价值，尽管这样有可能增加农民的劳动量，但这总比，整天无所事事，在家打麻将强吧（如成都周边的农民）。 分母策略。即在其他投入都不变的情况下，减少农业从业人口的数量，事实上，正如前面所论述的根据上述模型，这还会增大单位面积农产品产值的提高，因此这个方式，更行之有效。当然，减少的农村劳动力的投入，也不能让他们闲着，更为重要的是要让他们在城市中找的年薪比其从事农业生产的年收入更高的工作。 政策性策略。即由国家强行推动农村品价格的相对提高，其实这才是几乎不可能的，因为，我国加入WTO后开放农产品市场是早晚的事，发达国家由于实现了规模化生产，尽管单位面积产量可能不如我们，但是其成本却要比我们低得多，因此他们卖到我国的农产品价格将对我国农产品价格形成强大的冲击，我国的农产品价格是很难提上去的。 根据以上分析，本文最为支出将农村劳动了转移出去，这也是许多经济学家的看法，本文还从实证发面说明了这一点，这种方式既能减小分子也能增大分母，所以是最为行之有效的。同时本文也支持采用新技术和新工艺进行农产品生产。 所以本文的政策建议是：政府一方面，要拿出实际行动了来帮助农村人口去城市就业，比如由政府出资为农民办提供就业指导和一些职业培训，等等；另一方面，政府也要帮助农民引进先进的生产技术和优良农业品种，并进行推广。 [参考文献]： [1] 庞皓，李南城．计量经济学[M]．成都：西南财经大学出版社 2001．8第一版． [2] 李子奈．计量经济学[M]．北京：高等教育出版社 2000 190~192． [3] 中国统计年鉴(2004年)[M]．中华人民共和国国家统计局网站,网址：． [4] 中国农村统计年鉴（2002年）[M]． [5] 中国农业信息网：． [6] 唐仁健．对农村税费改革若干重大问题的探讨[J]．中国农村经济，2002．9．

  • 政策对中国经济周期波动的影响分析_经济学毕业论文范文

    政策对中国经济周期波动的影响分析_经济学毕业论文范文 政策对中国经济周期波动的影响分析 [内容摘要]国内生产总值是衡量社会生产能力的标志，是反映一国综合国力的重要指标，究竟是哪些因素会影响GDP的变化，本文想要通过分析政府宏观调控政策对社会总产出的影响说明政策因素和中国的经济增长与周期波动的内在关系。 [关 键 词]经济增长 周期波动 国内生产总值GDP 政府财政支出 广义的货币供给量M2 财政政策 货币政策 政策搭配 一．引 言 任何一个国家和地区的经济发展，实际上都是一个波浪式的周期性的演进过程。长期以来，经济周期一直是世界各国经济学界研究的重要内容。本文试对我国经济周期做一初步研究，目的是:通过对改革开放以来影响我国经济增长的政策进行分析，揭示政策变化与经济周期波动的关系，从而提出合理的政策建议。 二．问题的提出 社会生产力的发展始终是人类面临的最大问题，20世纪以来经济增长突飞猛进，社会生产力得到极大提高。各国均致力于经济的增长，将此作为一国政府的政策目标。而在现实中，经济增长总是呈带波动的上升趋势，可以说经济增长是通过经济波实现的，经济波动又是在经济增长趋势中进行的。而有规律的经济波定可以称之为经济周期。 改革开放以来，我国经济结构发生了深刻变化，经济得以迅速发展。许多新的经济现象迫使人们跳出原有的分析套路，即根据历史平均增长速度推断和评价当前和未来经济增长的方法，转而关注各个时期增长速度的差异及其规律。 我们搜集了从1978～2002年的国内生产总值以及GDP增长率的数据，并对其进行统计分析，目的是揭示经济增长规律即经济周期。 图一 从GDP增长时序图看，中国经济增长存在明显的波动趋势。现在主要运用分解法来测定经济周期， 对GDP时间序列进行趋势分离。这里GDP采取Y=T*C*I模式。 第一步：分解长期趋势T 首先，用指数函数y=a*bt进行拟合。这里采取指数函数形式的原因主要有三个 从GDP时间序列图中可以看出，GDP长期具有指数型增长趋势的特征。 很多实证研究表明（如Diebold和Rudebusch，1999），对于多数经对数变换的实际经济总量，采用传统的相当稳定的趋势路径分解方法，如线性时间趋势，是对长期趋势的一个很好的近似。 先转化为对数形式求出参数loga ，logb，带入指数函数中得出趋势值：Yt=10593.65*1.0976 t ，从图1中可以看出拟合效果很好，可见证实我们采用指数函数形式是合理的。 图二 其次在Y=T*C*I模式中，剔除长期趋势T，剩余C*I因素，再次剔除I因素，剩余C循环因素，最后结果如图： 图三 西方经济学家一般把经济周期划分为四个阶段：繁荣，衰退，萧条，复苏。但是也有人认为描述经济周期各阶段的最简单方法是把它划分为一下四个阶段：谷底，扩张，高峰，收缩。 从图中可以看出GDP呈现出很规则的中期波动，周期长度大概为9年，属于“朱格拉周期”。1982年~~1991年为第二个周期，1991年~~2001年为第三个周期。第一个波峰出现在1978 年以前，在1982年左右形成波谷。此后大概在1991，2001年附近又形成两次波谷，在1987、1995年形成两次波峰。 对于中国来说，造成经济呈周期状发展的因素很多，而政府的宏观调控是在除市场之外最有力的调节手段，所以国家政策起到非常巨大的作用。尤其改革开放以来，我国逐步向市场经济转轨，看得见的手的作用主要借助了宏观的调控而非直接的行政干预。 三、模型设定与解释 （一）模型的理论基础及设定 本文主要分析中国政府的宏观调控政策对经济波动所产生的影响。政府对经济的宏观政策主要是货币政策和财政政策。`因此我们采用的是政治周期理论。 假设条件： 1 凯恩斯国民收入决定理论为政策制定者提供了刺激经济的工具； 2 选民喜欢高经济增长，低失业以及低通货膨胀的时期； 3 政治家喜欢连任。 由于中国政府的特殊情况，但也基本上符合上述假定。具体分析如下： 中国处于经济转型期，计划与市场的利益博弈依然在进行，政府偏好市场经济，但市场经济由于自身的缺点，无法稳定的在中国这块土壤上正常运行，政府接受凯恩斯的经济思想，对经济依上述假设条件进行调控。但政府只有有限理性，掌握不完全信息，其决策无法完全最优，其交替执行扩张性政策和紧缩性政策的结果，造成了扩张与衰退的交替进行。政府企图保持稳定，实际上却造成了不稳定。下面我们就中国政府具体的财政政策与货币政策的应用对经济波动的影响。 中国宏观调控体系框架包括较为独立的市场经济主题，宏观经济政策，特别是货币政策体系，以及测算宏观经济总量（主要是价值量）的指标体系等，基本上都是在改革开放以后逐渐形成的。所以我们选择了GDP（Y），货币供给（M2）, 财政支出（F），这些变量来反映经济增长。 由于圣路易方程是分析研究各变量对国民经济的影响的模型，因此我们借用这个模型，而着重分析其中的政策因素，于是根据该方程（GDP t = B1 ＋ B2*M2t ＋ B3*INVt ＋ B4*GCEt ＋ ut，即《计量经济学》课本P228）的思想，选取了1978——2002年度我国的国内生产总值（GDP）、货币供应量（M2）和政府的财政支出（F）的数据建立如下模型： Yt=B1+B2*M2+B3*F ——（*）（B1,B2,B3,均为回归系数，以下均同） 其中 Yt： 国内生产总值 M2： 广义货币供给量 F： 财政支出 查找相关数据资料得到如下具体数据： 表一：数据来源 YFM2 3624.11122.11159 4038.21281.81458.1 4517.81228.81842.9 4862.41138.42234.5 5294.712302589.8 5934.51409.53075 717117014146.3 8964.42004.35198.9 10202.22204.96720.9 11962.52262.28330.9 14928.32491.210099.8 16909.22823.811949.6 18547.93083.615290.4 21617.83386.619349.9 26638.13742.225402.2 34634.44642.334879.8 46759.45792.646923.5 58478.16823.760750.5 67884.67937.676094.9 74462.69233.690995.3 78345.210798.2102297 82067.513187.7119897.9 89468.115886.5134610.3 97314.818902.6158301.9 102397.922011.7185007 输入数据，对GDP（Y），货币供给（M2）, 财政支出（F）进行回归分析，得到以下结果 Y= 25511.31 + 0.892956*M2 － 3.723041*F SE= (2653.286) (0.214855) (2.002840) t ＝ （9.614987） （4.156090） （-1.858881） R2= 0.954101 R2=0.949928 F=228.6554 根据回归结果，从计量的角度分析，财政支出（F）的t值不显著，而可决系数和修正后的可决系数都比教大，F值也显著。经检验后无异方差，且相关系数很大。 （二）模型修正 从经济意义来看，以上模型中，财政支出（F）与GDP（Y）之间的关系是负相关，这于经济现实不符，所以判断存在多重共线，故通过逐步回归以消除多重共线的影响。因而有以下两个对单个变量分别回归的模型： Yt=B1+B2*M2 ————（1） Yt=B1++B3*F ———— （2） 回归结果如下： 方程（1） Y= 21644.07 + 0.495918*M2 t = (12.49345) (20.25034) R2= 0.946892 R2=0.9445 F=410.0764 方程（2） Y= 17389.03 + 4.551944*F t= (7.415201) (16.05319) R2=0.918063 R2=0.914501 F=257.7050 根据回归结果，相对于方程（*），方程（1）和方程（2）的可决系数虽然降低，但是后者的t值显著，剔除了多重共线性的影响，且个变量之间的关系符合经济意义。因此我们在下面建立的模型都是在方程（1）和方程（2）的基础上添加政策变量而得到的。 （三）引入虚拟变量的模型设定 考虑到改革开放二十多年以来政府的财政政策和货币政策不断的变化，对经济的影响也大不相同，并且政策作为定性变量只能以虚拟变量的方式引入模型。 （1）引入虚拟变量的背景 根据所查阅的资料，GDP在82年达到波谷，由于80年我国出现了财政状况的严重困难，所以国家在81年采取的是紧缩的财政政策，通过压缩基建项目，控制消费基金增长等措施来降低总需求。由于当时的政策主要仍是以财政为主货币为辅，因此紧缩的财政政策对国民经济影响很大，造成1982年GDP的低谷状态。 82后国家采取宽松的财政政策，通过“分灶吃饭”的财政体制和两步利改税的税制改革，使我国经济增长走出低谷。到1984年我国经济出现过热和物价上涨，GDP增长率有所下降。85年出现通货膨胀，国家开始采取双紧政策，以抑制经济过热的势头，随着宏观经济政策的实施，经济增长率和物价水平都有了大幅回落。为了避免过分紧缩而使经济陷入过冷局面，国家在86年开始逐步放松货币政策，86——88年财政政策有区别的放松。 由于宽松政策连续几年的实行，需求总量膨胀，导致财政赤字扩大，进而货币超经济发行，物价很快上涨，严重影响国民经济的健康发展。1989年国家开始采取双紧政策，大规模压缩固定资产投资规模，大力削减消费需求，紧缩中央财政开支，这次急刹车迅速抑制了不良通涨，但也使经济出现疲软问题。 90年推行较为宽松的货币政策，财政政策依然紧缩，91年又放松了财政政策，92年采取双松政策模式，在这年经济增长达到最高点。92年之后年国家经济出现过热势头，因此94——96均采取了双紧的政策，成功实现软着陆。97年亚洲金融危机和98年大洪水的影响，再加上世界经济也处于萧条时期，99年以后国家采取积极财政政策以扩大内需，采取稳健的货币政策以防止通涨。 综上所述，我们得出中国改革开放25年以来的政策走向具体每年如下表所示：（松：扩张的政策 紧：紧缩的政策 无：当年的没有明显的政策倾向，） 表二：政策具体走向 197819791980198119821983198419851986198719881989 财政无松松紧松松松紧松松松紧 货币无松无紧松松松紧无松松紧 1990199119921993199419951996199719981999200020012002 财政紧松松无紧紧紧无松松松松松 货币松无松松紧紧紧紧紧紧紧紧紧 （2）设定虚拟变量和建模分析 A、单独政策分析 1 扩张性财政政策 D1= 0 其它 1 紧缩性财政政策 D2= 0 其它 1 扩张性货币政策 D3= 0 其它 1 紧缩性货币政策 D4= 0 其它 由此我们引入政策虚拟变量建立以下几个模型： Yt=B1+B2*RF+B3*F ————（方程一） (RF=D1*F) Yt=B1+B2*TF+B3*F ————（方程二） (TF=D2*F) Yt=B1+B2*RM2+B3*M2 ———— （方程三） (RM2=D3*M2) Yt=B1+B2*TM2+B3*M2 ————（方程四） (TM2=D4*M2) （1）扩张财政——方程一 对以上模型进行回归分析，结果如下： Y= 14249.77 － 1.851620 *RF + 6.375513 * F t = (7.18132) (-4.007013) (12.608) R2=0.952633 R2=0.948327 F=221.2294 根据回归分析，回归方程的t值和f值均显著，可决系数和修正可决系数较高。可见扩张的财政政策对GDP有很大影响。 （2）紧缩财政——方程二 Y= 15285.69 － 1.703643 *TF + 4.566628* F t = (6.835124) (2.639676) (18.06964) R2=0.937772 R2=0.932115 F=165.7702 根据回归分析，可得出紧缩财政政策（TF）的t值和f值都比较显著，可决系数和修正可决系数也比较高，并且符合经济意义。 （3）扩张货币——方程三 Y= 19789.05 ＋ 0.325317 *RM2 + 0.506664* M2 t = (10.96985) (2.227121) (21.90664) R2=0.956662 R2=0.952723 F=242.8211 根据回归分析，可得出扩张性的货币政策（RM2）的t值和f值都比较显著，可决系数和修正可决系数也比较高，并且RM2与GDP正相关，符合经济意义。 （4）紧缩货币——方程四 Y= 19007.44 － 0.356025 *TM2 +0.867968* M2 t = (10.19541) (-2.562121) (5.909967) R2=0.959097 R2=0.955378 F=257.9260 根据回归分析，可得出紧缩性的货币政策（TM2）的t值和f值都比较显著，可决系数和修正可决系数也比较高，并且TM2与GDP负相关，符合经济意义。 图四 结合图形对上述四个方程进行经济解释： 方程一：采取宽松财政政策的年份有，79，80，82—84，86—88，91，92，98—2002年，结合图形再采取扩张财政政策的年份，GDP增长率大体呈现向上的趋势，说明扩张的财政政策对GDP的拉动是明显的。 方程二：采取紧缩财政政策的年份有，81，85，89，90，94—96，在这些年份里，GDP增长呈现为下降的分散点。说明紧缩财政政策有效的抑制了经济过热。 方程三：扩张货币政策年份，79，82—84，87，88，90，92，93，扩张性财政政策基本在80年代实施，是为了适应经济的增长对货币的需求。但是在这些年分中GDP增长率呈下降趋势，说明这一时期的货币政策没有把握的很好，例如在85、88年出现了高通货膨胀。 方程四：紧缩的货币政策年份，81，85，89，94－97，98－2002，80年代采取紧缩的货币政策是为了抑制经济生活中出现的高通货膨胀，94－97年实施紧缩的货币政策是为了实现经济的软着陆，98－2002年是为了防止通货膨胀。从图中可以看出这些政策的实施恰好在80年代处于GDP的拐点处，而94-97年的GDP处于平缓下降趋势，在98－2002年GDP却呈现出轻微波动，从该政策实施的目的和GDP增长率的走势来看，政策的实施基本适应经济的运行。 然而，单独的财政或货币政策的分析并不能很好的解释现实经济的波动，这体现在我们的一些回归方程（方程一、方程三）中所出现的符号正负向与其经济意义不相符，这可能是由于政府在不同时期政策的侧重点不同所造成的，因此我们还要进一步分析两种政策的搭配效果。 B、政策搭配分析： 这里同上将政策作为定性变量以虚拟变量的方式引入模型： 扩张性财政政策与扩张性货币政策 D5= 0 其它 1 紧缩性财政政策与紧缩性财政政策 D6= 0 其它 1 扩张性财政政策与紧缩性货币政策 D7= 0 其它 1 紧缩性财政政策与扩张性货币政策 D8= 其它 由此我们引入政策虚拟变量建立以下几个模型： Yt=B1+B2*B+B3*F ————（方程五） (B=D5*F) Yt=B1+B2*Q+B3*F ————（方程六） (Q=D6*F) Yt=B1+B2*H+B3*M2 ————（方程七） (H=D7*M2) Yt=B1+B2*L+B3*M2 ————（方程八） (L=D8*M2) （1）双松——方程五（因为回归较好，所以加入虚拟变量D5做截距项，如果加入，则t值太小。） 由于双松的时段在92年及以前，我们认为货币扩张造成通胀，对经济周期影响较明显，故解释变量取M2（用F做的回归存在多重共线）。 Y= 23060.11 + 0.482061 *M2 +0.695664* B -8299.219*D5 t = (11.07422) (19.23456) (2.305410) (-2.118667) R2=0.958750 R2=0.952857 F=162.6978 由于双松的时段在92年及以前，我们认为货币扩张造成通胀，对经济周期影响较明显，故解释变量取M2（用F做的回归存在多重共线）。从回归结果来看，修正可决系数很大，这表明双松的政策对经济的影响十分显著。实际中1992年及以前中国经济的发展处于转型的初期，各项经济指标都不健康，加之政府的指导思想存在失误，并且技术上的不足，对M2的发行严重失真，财政支出亦十分随意，造成经济通货膨胀十分严重，这大大干扰了经济的发展，GDP的走势图大起大落。 （2）双紧——方程六（因为回归较好，所以未加入虚拟变量D6做截距项，如果加入，则t值太小。） Y= 20774.69 + 0.133943 *Q + 0.491065* M2 t = (12.54851) (2.177424) (21.51831) R2=0.956308 R2=0.952336 F=240.7603 Y= 15619.02 + 1.681403*W +4.549612*F t = (7.051970) (2.561871) (17.88033) R2=0.936891 R2=0.931153 F=163.3006 从回归结果来看，双紧的回归效果都很好，T检验很显著。实际上92年后政府在宏观调控有很大进步，经过长时间的通货膨胀，政府大力给经济降温，央行收缩银根，政府建立科学的预算制度，控制财政支出，通过有效的财政和货币政策,有力的遏制了经济的非理性发展，促进了经济的增长。 （3）财松货紧——方程七 Y= 8483.169 － 5.125980 *H +7.435900* F -42951.43*D7 t = (6.665636) (-10.50497) (23.55982) (6.793501) R2=0.988008 R2=0.986295 F=576.7442 Y= 18878.87 － 0.336010 *L +0.652139* M2 -25612.66*D7 t = (1436.768) (0.087565) (0.042493) (11042.54) R2=0.973061 R2=0.969212 F=252.8446 从回归结果来看，各变量的回归效果十分良好。这表明财政政策与货币政策的不同搭配对经济形成很大影响。这是在97年以后应用的政策，主要与国际经济不景气，国内投资比较旺盛，出现不理性的投资热潮有关，政府为熨平经济波动对投资发出的不友好的信号，这也是政府的运用各种政策的能力越来越强的表现。 （4）财紧货松——方程八 因为仅有90年为此种特殊的政策搭配，且回归中出现奇异，所以在此不作进一步的讨论。 四、政策建议 根据回归方程及图形，我国经济确实存在周期现象，而经济的稳健增长是每个国家追求的目标，现实中各国都争取最大限度减少周期波动带来的不利影响，因此针对我国情况，我们提出以下的建议作为参考： 一、积极财政政策可适当减弱力度。一般来说，财政政策对治理经济衰退比较有效，货币政策对给经济降温较为有效。鉴于当前的经济形势，财政资金所支持的投资项目可以适度紧缩，主动进行结构性调整。在总量上，可以适当减少长期建设国债的规模，同时适当调整国债使用的结构和方向，控制政府投资节奏。继续加大财政转移支付的力度，重点放在社会保障体系的建立、义务教育和基本卫生条件的保障和改善方面。 二、货币政策短期内应适度放松。由于近年来经济体制环境发生了变化，仅仅依靠货币供应量指标反馈的信息来指导货币政策调控已行不通。在现代市场经济条件下，将货币调控目标与GDP增长和物价变动之和挂钩，已不能完全反映经济运行所需资金的真实情况。因为，在传统体制下，货币主要用作支付手段和流通手段，其供应量与GDP增长和物价变动之和相适应；而在现代经济中，货币职能大大扩大，经济体系对货币的需求量也比以往多得多。比如，随着我国资本市场日益发展壮大，对货币的需求量也越来越大。又如，随着我国经济实力的增强，人民币事实上已在周边一些国家和地区流通，这意味着我国货币供应量的一部分还要分流到境外。诸如此类对货币供应的新需求，要求货币当局跳出传统视野，顺应新的形势和环境，适时灵活地调控货币供应量。从经济运行机制看，我国正处于转型过程中，这就使得中央银行的货币政策调控难以高效率地传导到一层层调控对象那里，过程中的种种“漏损”，决定了在增加货币供应量时必须有一个“额外”的增量。 三、从财政政策与货币政策的组合看，随着积极财政政策淡出之成为必然，货币政策也将从“配角”上升为“主角”。 提高货币供应量调控目标，与此同时，大力发展货币市场，打通货币市场与资本市场的联系渠道，推进利率市场化，多渠道引导资金流向实体经济特别是那些“求资若渴”的中小企业。 五、存在问题 一．对数据进行单位根检验，结果得出GDP和M2都是退势平稳过程，财政支出的结果是趋势非平稳，一阶差分是平稳的。由于知识有限，对去势等问题无法解决，故无法作下一步的协整以及误差校正。 二。在引入虚拟变量的时候，并不是在所有方程的截距项中都加入了虚拟变量以改变其截距项，造成引入方法上存在不一致。 三。通常对经济增长的测量均是采用劳动力，资本等具体的要素来分析，我们这里采用了抽象的政策作为解释变量，模型说服力可能不足。 数据来源：（中国统计年鉴，中国金融年鉴，国家统计局网站） 参考文献：《宏观调控：理论基础与政策分析》 《经济周期波动的检测和预警》 《宏观经济分析》 《真实经济周期分析》 《中国经济周期的实证分析》 《计量经济学前沿》 《宏观经济调控与政策》 《紧缩与扩张》 《宏观经济统计分析》 附：单位根检验的具体过程 为了使各变量相对变化程度减少，我们这里对各变量取对数进行分析,即L=LOG(Y),N=LOG(M2),R=LOG(F)。以下是单位根检验过程： 首先，对GDP的单位根检验(根据许瓦兹准则和赤池准则，选择一阶滞后进行单位根检验)。 可见，DF检验不通过，进入下一步做F检验。 L=(0.055876-0.040260)*20/(0.040260*2)＝3.8788，拒绝H0，意味着GDP序列含有时间趋势，进入下一步检验。看T值，T值显著，拒绝H0，GDP序列为退势平稳过程。 其次，做财政支出的单位根检验。 可见，DF检验不通过，进入下一步做F检验。 r1=(0.079380-0.022809)*10/0.022809＝24.6129，拒绝H0，意味着财政支出序列含有时间趋势，进入下一步检验。看T值，T值不显著，接受H0，意味着财政支出序列为趋势非平稳过程。 最后，做m2的单位根检验。 可见，DF检验不通过，进入下一步做F检验。 n1=(0.040871-0.032024)*20/(0.032024*2)＝2.7626，接受H0，进入下一步检验。看df值， 接受H0，进入下一步检验，做f检验， f＝(0.052446-0.042546)*21/(0.042546*2) ＝2.443238。接受Ho，再做下一步检验。 接受Ho，M2序列为随机游走过程。 关于财政支出几阶平稳的单位根检验： 可见，一阶差分平稳。

  • 中国城乡人口流动趋势分析_经济学毕业论文

    中国城乡人口流动趋势分析_经济学毕业论文 中国城乡人口流动趋势分析 【摘要】从1978年到2002年的二十多年时间里，中国农村剩余劳动力大量涌入城市，给城市就业、交通和环境造成了一系列问题。城市失业率从八十年代后期开始逐年上升，然而，城市就业压力的增大但却未能阻止农村劳动力的外流。目前，“三农”问题受到社会高度关注，本文以托达罗人口流动模型为理论基础，对中国城乡人口流动展开定量分析，预测未来人口流动趋势，为我们的城市化进程规划和城市流动人口政策制定提供数据支持。 【关键词】城乡人口流动 托达罗人口流动模型　　趋势 九十年代的中国，城市经济高速增长，而农民依旧靠天吃饭，收入增长非常缓慢。1981年，城乡收入分别为479.9024和217.951，而2002年，城乡收入分别为7702.8和2475.6。即使扣除物价上涨因素的影响，城乡收入的绝对差距也扩大了4.4倍，高于同期收入增长幅度。城乡收入差距的拉大使农村剩余劳动力大量涌入城市，从1978年到2002年，从农村流向城市转移剩余劳动力总量超过2亿。由于我国城市基础设施建设的落后以及流动人口相关政策的缺乏，城乡流动人口给城市带来了较大的冲击。 农村剩余劳动力向城市转移是农民增收的重要途径，“三农”问题是当前社会热点。但是，现有研究大多注重定性分析，缺乏定量分析。下面，我们将以托达罗人口流动模型为理论基础，建立计量经济模型，将定量分析与定性分析相结合，针对中国城乡人口流动趋势展开研究。 托达罗人口流动模型简介 前提假定：1、发展中国家农村部门不存在剩余劳动力2、城市工业部门工资水平是由政治因素决定的，因而是上升的。 托达罗认为农业劳动者迁入城市的动机主要取决于城市现代工业部门预期收入（即未来某年的预期收入与就业概率的乘积）与农业部门预期收入（即未来某年的实际收入）的差异，且人口流动是预期收入差异的增函数。用公式表示： M=f(v(0)) 其中M表示人口从农村迁移到城市的数量，v(0)表示城乡预期收入差距，表示人口流动是预期收入差异的增函数。同时城乡预期收入差距可以表示为： v(0)=p*Ya-Yr 其中Ya是城市实际工资率，Yr是农村平均实际收入，p表示就业概率。托达罗认为，在任一时期迁移者在城市现代部门找到工作的概率与现代部门新创造的就业机会成正比，与城市失业人数成反比。他还进一步把人口流动模型建立在较长时间范围的基础上，得到一个迁移者在现代部门找到工作以前n期净收入贴现值的公式： 其中Yu(t)表示t期城市实际工资率，Yr(t)表示t期农村实际工资率，n表示计划范围内的时期数，r表示贴现率，C(0)表示迁移成本，p(t)表示一个迁移者t期中在现代部门获得工作的概率（累加的就业概率）。 按照托达罗的观点，若V(0)0，农村人口流入城市，城市净人口增加；若V(0)0,城市净流入人口不会增加，甚至减少。 二、模型设定 托达罗人口流动模型假定农村流入城市的人口无论找到工作与否都会留在城市，所以模型中采用的变量是新增流动人口和预期收入差距，是个人口流动的增量模型。但是，结合中国实际情况，农民多在年初进入城市，年底回家过年。农民将在年初决定是否进城或者是否再次进入城市。即使部分农民年底不返乡，他们也会对自己是否继续留在城市作出选择。中国城乡人口流动具有显著的周期性，所以，中国城乡人口流动更多地表现为一个总量的流动，而非在原有基础上的一个简单增量。 另外，由于人口流动是一个渐进的过程，所以，我们在借鉴托达罗人口流动理论的基础上，引入了上期流动人口总量这一滞后变量。最终，我们将城乡流动人口总量模型设定为： 其中，Mt表示t年城乡人口流动总量，Vt表示t年城乡收入差距。 我们将1977年城乡人口流动总量设为 ，则模型可表示为： 即： 设，则模型表示为： 三、模型估计 tEJkJrk/元r/元Vt/元dMt /万 /万 19780.947100100　　　790790 19790.946101.9101.9　　　11001890 19800.951109.5109.5　　　4802370 19810.962112.2112.2479.9024217.951217.21498203190 19820.968114.4114.4516.2745264.803205.376510704260 19830.977116.7116.7552.9411303.725202.65515804840 19840.981119.9119.9643.0798345.959237.616615306370 19850.982134.2134.2660.5004369.516207.96978207190 19860.98143.6142.3862840.7476399.434293.24079808170 19870.98156.2151.2434921.1397435.593289.91589809150 19880.98188.5177.6808978.7903463.744247.86876609810 19890.974219.2211.90181182.889504.191287.672457010380 19900.975222221.56421490.819656.746358.338234010720 19910.977233.3226.66381618.078692.668372.01655010770 19920.977253.4237.26561866.114748.806403.894153012300 19930.974294.2269.7422219.982810.554434.471168012980 19940.972367.8332.8162796.96989.465441.863196013940 19950.971429.6391.05883666.9521342.72485.464995014890 19960.97467.4421.92484447.5181785.07499.9202124016130 19970.969481.9432.52665005.142039.12534.985104017170 19980.969479428.23225457.8472183.83594.1391123218402 19990.969472.8421.79065931.1042243.95683.569656018962 20000.969476.6421.3886230.1582255.65731.395123320195 20010.964479.9424.7436859.62366.4820.7865130021495 20020.96475.1422.99847702.82475.6971.1983150923004 说明： E—— 城市就业率 r——农村人均收入 k——城市人均可支配收入 Jr——农村物价指数 Jk——城市物价指数 dMt——t年城乡流动人口增长量 ——从1978年到t年城乡流动人口增长量之和 Vt——预期收入差距() 代入数据回归得： Dependent Variable: M Method: Least Squares Date: 01/01/05 Time: 11:31 Sample(adjusted): 1981 2002 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C690.5335176.50753.9122050.0009 V2.3903481.1615892.0578260.0536 M(-1)0.9317360.04450120.937190.0000 R-squared0.996548 Mean dependent var12469.00 Adjusted R-squared0.996185 S.D. dependent var5760.929 S.E. of regression355.8441 Akaike info criterion14.71299 Sum squared resid2405876. Schwarz criterion14.86177 Log likelihood-158.8429 F-statistic2742.540 Durbin-Watson stat2.313839 Prob(F-statistic)0.000000 所以， 且F大于临界值，t检验显著，故模型拟合较好。 四、模型检验 White Heteroskedasticity Test: F-statistic1.095513 Probability0.390358 Obs*R-squared4.508695 Probability0.341518 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/03/05 Time: 21:44 Sample: 1981 2002 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-497143.9328957.0-1.5112730.1491 V2963.2981863.7531.5899630.1303 V^2-1.0318121.188923-0.8678540.3976 M(-1)14.5224746.129280.3148210.7567 M(-1)^2-0.0036980.002761-1.3397590.1980 R-squared0.204941 Mean dependent var109358.0 Adjusted R-squared0.017868 S.D. dependent var166414.6 S.E. of regression164921.2 Akaike info criterion27.06104 Sum squared resid4.62E+11 Schwarz criterion27.30900 Log likelihood-292.6714 F-statistic1.095513 Durbin-Watson stat1.390178 Prob(F-statistic)0.390358 ARCH Test: F-statistic3.095576 Probability0.094599 Obs*R-squared2.942086 Probability0.086299 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 01/03/05 Time: 22:24 Sample(adjusted): 1982 2002 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C68902.3342993.981.6026040.1255 RESID^2(-1)0.3771760.2143751.7594250.0946 R-squared0.140099 Mean dependent var112090.8 Adjusted R-squared0.094841 S.D. dependent var170017.7 S.E. of regression161754.5 Akaike info criterion26.91594 Sum squared resid4.97E+11 Schwarz criterion27.01542 Log likelihood-280.6174 F-statistic3.095576 Durbin-Watson stat1.713568 Prob(F-statistic)0.094599 从White 检验和ARCH检验可以看出，模型不存在异方差。 在德宾h-检验中，h=0.748，小于临界值，故随机扰动项不存在一阶序列相关。 在我们得到的数据中，Mt ，即1978年以来城乡人口流动增量之和超过了总量，主要原因是城市化将农村人口转化为了城市人口。 根据我们获得的数据，1999年全国农村转移劳动力人数为10107万人，1998年全国农村转移劳动力人数为9547万人，即M1999=10107万，M1998=9547万。而V1999=683.5696元，e1999=-508.3，代入计算得：　　＝86.10446378 所以，Mt=86.10446378+2.39034Vt+0.93173Mt-1 +et 那么，dMt=86.10446378+2.39034Vt-0.06827Mt-1 +et 流动人口增量与预期收入差距具有显著的正相关，符合托达罗人口流动理论。并且，根据模型计算得1999年预期收入差距每增加１％，就会使农村向城市流动人口总量增加0.29％，而2002年的结果是预期收入差距每增加１％，农村向城市流动人口总量增加0.26％，这一结果说明近几年，预期收入差距对城乡流动人口的影响基本保持稳定，没有太大的波动。 流动人口增量与上一年流动人口总量具有显著的负相关关系，说明农民在进城前考虑了城乡流动人口总量对自己进入城市后工作前景的影响，而不是跟风，盲目地进入城市。 五、城乡人口流动趋势预测 根据2020年中国发展的远景规划以及全面建设小康社会的十个基本标准，到2020年中国城市人均收入将达到18840元（以2000年为基准），农村人均收入将达到7210元，城乡收入差距为11630元，换算成以1978物价指数为标准的预期城乡收入差距就为2062.7087元（城市就业率为95％），与2002年城乡差距971.1983元相比，平均每年以4.27％的速率递增。 根据前面得到的城乡人口流动模型Mt=86.10446378+2.39034Vt+0.93173Mt-1+et 可以预测出2005到2010的实际城乡流动人口数据如下（误差范围设为10％）： 年份预期城乡收入差距/元城乡流动人口/万 20051100.996716193.6～17898.19 20061148.009317776.79～19648.03 20071197.029319363.21～21401.44 20081248.142520957.39～23163.44 20091301.438122563.77～24938.9 20101357.009524186.67～26732.63 说明：预期收入差距按1978年不变价计算 在未来的6年中，将有约1亿农村剩余劳动力加入到城乡流动人口的大军中，基本保持在前几年的增长速度上。城市化进程的加快可能会在使城乡流动人口在数字上小于我们的预测值。但是，不管以何种方式，这些人都会进入城市，进而影响城市的方方面面。 因此，城市一方面应加快基础设施建设，提高城市容纳能力；另一方面要尽快制订较为完善的政策来应对城乡流动人口为城市带来的冲击。 参考文献： [1] 《中国统计年鉴》（1980—2003）,中国统计出版社,北京 [2] 《中国劳动统计年鉴》,国家统计局人口与就业统计司 劳动部综合计划与工资司,中国统计出版社,北京 [3] 《对托达罗模型前提、变量及政策含义的新思考》,衣光春 徐蔚,北京行政学院学报,2004.4 [4] 《中国农村劳动力外流的影响因素》,侯风云, 经济研究参考,2004年47期 [5] 《托达罗人口流动模式对我国农村剩余劳动力转移的启示》,孙正林 张淑芬, 学习与探索 ,2004年3期 [6] 《我国人口流动决策的分析》,李彦芝 曾珣, 广西经济管理干部学院学报,2004.2 [7] 《流动人口与经济发展的综合测评》,漆莉莉, 当代财经,2004.4 附： 二、城乡人口流动的合理规模 由柯布—道格拉斯生产函数：，由得：① 所以，② ①÷②得： 所以， 那么，城市可吸纳流动人口规模： 表示t年城市劳动力自然增长量等于第t-18年人口的自然增长量。 查得＝0.523，按１％～４％的城市失业率推算出1998~2000年城乡流动人口的合理规模： 年份 城乡人口流动的合理规模 实际城乡人口流动总量 19987365.9～8031.51 7739.164～8428.774 5571.859～6284.2399547 199910107 200011340 由模型推算出的城乡人口流动的合理规模与实际的城乡人口流动规模的差距大约在2000万左右。我们认为实际的城乡人口流动规模基本上是合理的，至于2000万的差距，其中有数据误差的影响，也符合当前城乡流动人口在城市就业的现状： 有的人会在一段时间内忙于找工作，而并没有实际进行工作。 2）许多人并非一个的时间都有工作，而是一段时间在工作，其余的时间在等待工作，比如大量的建筑工人，工程队有活儿的时候就有工作，这个工程完了就可能闲一段时间。 也就是说并不是所有的城乡流动人口同时在工作。 实际上，人口流动的规模问题就是一个流动人口供求关系的问题，城市是流动人口的需求方，农村是流动人口的供给方，只有保持流动人口供求平衡，人口流动规模才是合理的，才有利于经济发展有利于城市化的发展。 党的十六大指出：中国现阶段的小康还是低水平、不全面、发展很不平衡的小康，低水平、不全面、不平衡既是中国今后发展面临的重大问题，是全面建设小康社会需要着力解决的问题，同时这也预示着中国社会经济有进一步发展空间。因此，党为中国未来20年的发展制定了宏伟的目标――国内生产总值比2000年翻两番，人均GDP达到3000美元，为当时中等收入国家的平均水平。 要实现这样一个目标，合理的人口流动规模、城市化发展显然是非常必要的。那么在未来接近20年的时间里，中国的实际人口流动量究竟会是多少？与经济发展相适应的最优的人口流动量又会是多少？二者是否相适，流动人口供求是否平衡？在下面我们将利用上面所得出的模型对这些问题作一些粗略的探讨。 根据2020年中国发展的远景规划以及全面建设小康社会的十个基本标准，到2020年中国城市人均收入将达到18840元（以2000年为基准），农村人均收入将达到7210元，城乡收入差距为11630元，换算成以1978物价指数为标准的预期城乡收入差距就为2062.7087元（城市就业率为百分之95），与2002年城乡差距971.1983元相比，平均每年以百分之4.27的速率递增。 根据上文推导出的城乡流动人口模型Mt=86.10446378+2.39034Vt+0.93173Mt-1 +ut 可以预测出2002到2010的实际城乡流动人口，数据如下: 02-10收入差距/元02-10实际流动人口/万 2002971.198312017 20031012.668513703.3259 20041055.909415377.88678 20051100.996717045.89936 20061148.009318712.41283 20071197.029320382.32788 20081248.142522060.41577 20091301.438123751.33519 20101357.009525459.65009 中国2020年国内生产总值比2000年翻两番，也即是GDP将达到357872.4亿元，根据中国社科院课题组专家预测，到时中国城市GDP将占到全国GDP的百分之80，即286297.92亿元，相比2000年城市GDP47557.54815亿元来说，平均每年以百分之9.39的速率递增。 根据上文城乡流动合理规模模型： 并且Lt=Lt-1+EMt，我们可以得到2002到2010的城乡流动人口的合理规模，数据如下表: 02-10城市就业/万02-10城市失业/万02-10最优人口流动/万02-10新增就业/万 20022478077011402.98948715 200329229.02868295.24271393076.7859674449.028681 200434476.8409348.25091823627.5613065247.812224 200540666.85115410.77627434471.2339766190.01025 200647968.22271484.52750215829.8440537301.371555 200756580.49061571.52010727197.7477948612.267902 200866739.01464674.1314618793.3925710158.52403 200978721.41135795.165771210179.2309311982.3967 201092855.14084937.930715512223.7987814133.72949 注:这部分预测所得数据有点不符实际，由于时间原因暂时没有修正好，正在努力当中。。。。。。。。

  • 国内固定资本投资和劳动者就业人数对社会总产出的影响分析_经济学毕业论文范文

    国内固定资本投资和劳动者就业人数对社会总产出的影响分析_经济学毕业论文范文 国内固定资本投资和劳动者就业人数 对社会总产出的影响分析 主要内容：国民生产总值是衡量社会生产能力的标志，是反映一国综合国力的重要指标，究竟是哪些因素会影响GDP的变化，本文想要通过分析国内固定资本投资和劳动者就业人数对社会总产出的影响说明国内固定资本投资和劳动力就业人数是最重要因素。 关 键 词：固定资本投资 劳动者就业人数 经济增长 生产函数 正文： 一、前言 第二次世界大战之后，世界政治和经济格局发生了巨大的变化。其中最引人注目的是，随着世界殖民注意体系的瓦解，出现了一大批新兴的民族独立国家。而中国，也正是此时从帝国主义的魔爪下脱离出来，成为了一个独立的国家。面对一个新的环境，如何发展经济就成为了我们的焦点所在。 发展经济，我们就必须给出一个较为明确的目标，即用什么来衡量经济的发展程度。在传统经济理论中，发展一般是指使原来或多或少处于停滞状态的一国经济以每年5%或是6%的速度增长能力。虽然一个国家有大有小，人口有多有少，国民生产总值的概念不能反映出每一个人的福利水平，但是，作为一个国家发展水平的衡量，国民生产总值目前仍然是一个较为准确的目标。 二、问题的提出 经济发展是每一个国家都追求的目标，但是有些国家经济发展的速度很快，有些国家经济发展的速度比较慢，还有有些国家一直处于停滞状态，这是所有经济学家所关心的问题。在中国的经济增长中，投资和就业人口数到底对经济增长的影响有多大呢？我们仅选取国内固定资产投资和劳动者就业基本人数，对被广为采用的生产函数进行回归，试图从中说明固定资本投资和保证尽量多的劳动力成为就业人口在社会总产出和经济增长中的巨大作用。保持固定资本投资的增加和降低失业率对我国经济发展的重要影响。 三、柯布一道格拉斯生产函数表述 生产函数的含义：对于特定的生产技术，把投入转化为产出的过程表现为生产过程中生产要素的投入量与产出量之间的数量关系，这种数量关系可以用函数表示。故生产函数表示在技术水平不变的情况下，一定时期内厂商生产过程中所使用的各种要素的数量与它们所能生产的最大产量之间的关系。 20年代后期，美国有两位经济学家科布(C．W．Cobb)和道格拉斯(P.H.Douglas)对这种函数做了大量研究并取得了成功，所以，这种函数也被称为科布-道格拉斯生产函数。柯布---道格拉斯生产函数，其一般形式为Q=f(L,K)=ALaKb 式中：Q代表产量，L和K分别代表劳动和资本投入量，A、a、b为三个正的参数，并且0a、b1。这是一种很有用的生产函数：第一，该生产函数是一个指数函数形式，这类函数在数学上较易处理；第二，函数中的参数A、a、b具有明显的经济含义，A可以看成为一个技术系数，A的数值越大，既定投入数量所能生产的产量也越大；a、b分别代表增加1%的劳动和资本时产量增加的百分比，它反映在生产过程中劳动和资本的重要性。如柯布和道格拉斯对美国1899~1922年有关经济资料的分析得到a约为0.75，b约等于0.25，这表明，在该时期，劳动每增加1%，产量增加0.75%，而资本增加1%产量增长0.25%。 四、模型的设定 我们设定柯布—道格拉斯生产函数模型的进行对数变换，得到其线性表达式为以下形式： ｌｏｇQ＝ｌｏｇA＋aｌｏｇＫ＋bｌｏｇＬ 用LY表示ｌｏｇQ，C表示ｌｏｇA，LK表示aｌｏｇＫ， LL表示bｌｏｇＬ，U是随机扰动项，得 LY=C+LK+LL+U 我们可以通过对该模型的回归分析，得出固定资本投入和劳动力投入与社会总产出之间的联系。 五、中国数据的搜集与分析 通过查阅2002年与2001的统计年鉴，我们可以得到以下数据。包括国家预算内资金、国内贷款、利用外资、自筹其他资金，主要用于建筑安装工程、设备工具器具购置、以及其他费用。自从1997年起，除房地产投资，农村集体投资和个人投资外，基本建设，更新改造和其他国内固定资产投资的统计起点由5万元提高到50万元。为了便于比较，对1996年的数据作了全面的调整。 表一 年份Y国内生产总值 （单位：亿元）L就业人员合计 （单位：万人）K全社会国内固定资产投资 （单位：亿元） 19794038.241024 19804517.842361910.9 19814862.443725961 19825294.7452951230.4 19835934.5464361430.1 19847171481971832.9 19858964.4498732543.2 198610202.2512823120.6 198711962.5527833791.7 198814928.3543344753.8 198916909.2553294410.4 199018547.9647494517 199121617.8654915594.5 199226638.1661528080.6 199334634.46680813072.3 199446759.46745517042.1 199558478.16806520019.3 199667884.66895022913.5 199774462.66982024941.1 199878345.27063728406.2 199982067.57139429854.7 200089442.27208532917.7 200195933.37302537213.5 （注：以上数据全采用当年价格，即在模型的两端，数据都没有消除物价因数数据来源于中国统计年鉴2001，2002） 六、模型的参数估计和检验 用Eviews计量经济学分析软件，使用“表一”中的数据和代估模型 LY=C+LK+LL+U 我们可以得到如下回归分析结果 Dependent Variable: LY Method: Least Squares Date: 12/17/02 Time: 22:18 Sample: 1980 2001 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-3.697033.406732-1.085210.2914 LK0.7598850.05249314.475950 LL0.6394330.3502681.8255540.0837 R-squared0.994198 Mean dependent var10.00433 Adjusted R-squared0.993588 S.D. dependent var1.064755 S.E. of regression0.085262 Akaike info criterion-1.96006 Sum squared resid0.138122 Schwarz criterion-1.81128 Log likelihood24.56061 F-statistic1627.992 Durbin-Watson stat0.674863 Prob(F-statistic)0 回归结果为： LY = -3.697028999 + 0.7598848241*LK + 0.6394334344*LL 1、经济意义检验 从经济意义看表示GDP对固定资本投资的弹性，表示GDP对就业人口的弹性，注意模型中GDP和固定资本投资的单位是“亿元”，而就业人口的单位是“万元”。和的值都在0和1之间，是符合经济意义的。 2、统计推断检验 从EVIEWS的分析结果看来，这个模型的R-squared非常的大，达到了0.994198，但回归系数的t-Statistic=1.82554，小于，不具统计显著性，所以我们并不能就此下结论说这个模型已经拟合得很好。从简单相关系数法的检验结果上看出变量LL和LK之间确实也具有相当严重的多重共线性。 3、计量经济学检验 我们注意到其D-W值为0.674863。在显著性水平为5%的情况下，查表可知，在2个解释变量和22个样本情况下的D统计量值，由于模型的DW值小于了能判断在模型中存在很明显的自相关。 下面通过ARCH检验看我们可以看我们的模型是否存在异方差。 以下就是ARCH检验分析表 ARCH Test: F-statistic1.148068 Probability0.340657 Obs*R-squared2.379892 Probability0.304238 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/18/02 Time: 12:39 Sample(adjusted): 1982 2001 Included observations: 20 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0059890.0022692.6389390.0172 RESID^2(-1)0.2017340.2172720.9284870.3662 RESID^2(-2)-0.2901330.211855-1.3694910.1887 R-squared0.118995 Mean dependent var0.005254 Adjusted R-squared0.015347 S.D. dependent var0.006547 S.E. of regression0.006497 Akaike info criterion-7.097587 Sum squared resid0.000718 Schwarz criterion-6.948227 Log likelihood73.97587 F-statistic1.148068 Durbin-Watson stat1.898621 Prob(F-statistic)0.340657 其中，Obs*R-squared=2.379892小于，且resid(-1)和resid(-2)的系数的t-Statistic都小于2，说明不具有统计显著性，所以接受原假设，认为模型不存在异方差。 从方程中，我们可以清楚地看出，对于中国的经济增长，劳动增长与固定资本投入在其中起到非常重要的作用。回归模型最后得到的R方。这说明的是，对于一个单位中国GDP的增长，劳动和固定资本投入增加占到的作用。 七、模型修正 我们现在使用迭代法对模型的回归估计进行修正，以补救由于自相关性给模型估计带来的影响。所得到的结果如下： Dependent Variable: LY Method: Least Squares Date: 12/17/02 Time: 20:51 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints Convergence achieved after 17 iterations VariableCoefficientStd. Errort-StatisticProb. C-6.7690123.931412-1.7217760.1033 LL0.9388710.3981792.3579110.0306 LK0.7329680.06030812.153660.0000 AR(1)0.5969110.1757443.3964830.0034 R-squared0.996759 Mean dependent var10.07997 Adjusted R-squared0.996187 S.D. dependent var1.028691 S.E. of regression0.063519 Akaike info criterion-2.505306 Sum squared resid0.068590 Schwarz criterion-2.306350 Log likelihood30.30572 F-statistic1742.847 Durbin-Watson stat1.673497 Prob(F-statistic)0.000000 Inverted AR Roots .60 经过修正以后的模型为 LY = -6.769011843 + 0.9388705637*LL + 0.7329678375*LK + [AR(1)=0.5969107 现在的模型的判定系数R^2=0.996759，LL和LK两个解释变量的T—统计值达分别为2.357911和12.15366，统计显著。说明模型不具有严重的多重共线性，可以接受。 进一步进行残差正态性检验结果如下 eries: Residuals Sample 1981 2001 Observations 21 Mean -9.44E-09 Median -0.008037 Maximum 0.137443 Minimum -0.122216 Std. Dev. 0.058562 Skewness 0.298660 Kurtosis 3.173693 Jarque-Bera 0.338590 Probability 0.844260 其P值达到了0.844260，说明其残差满足正态性假定。 ARCH检验结果如下 ARCH Test: F-statistic0.295096 Probability0.748425 Obs*R-squared0.675921 Probability0.713223 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/18/02 Time: 13:18 Sample(adjusted): 1983 2001 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0041180.0017792.3141450.0343 RESID^2(-1)-0.1291140.249938-0.5165840.6125 RESID^2(-2)-0.1577810.249923-0.6313210.5367 R-squared0.035575 Mean dependent var0.003132 Adjusted R-squared-0.084978 S.D. dependent var0.005145 S.E. of regression0.005359 Akaike info criterion-7.476165 Sum squared resid0.000459 Schwarz criterion-7.327043 Log likelihood74.02356 F-statistic0.295096 Durbin-Watson stat1.954084 Prob(F-statistic)0.748425 修正后的模型仍然没有异方差，所以我们认为我们得到的模型的最后结果就是 LY = -6.769011843 + 0.9388705637*LL + 0.7329678375*LK S.E= 0.063519 0.398179 0.060308 t= 2.357911 12.15366 R^2= 0.996759 df=21 其对中国经济的拟合图如下 八、模型的解释 从上边的分析结果可以看到，在中国，固定资本增长和劳动力投入在国民生产总值中的作用要优于技术增长。从全国范围来看，1980～2001年间，其他因素在国民生产总值中所起到的作用几乎为零。 当然，在模型中也存在有多重共线性，我们并没有消除，这是因为我们分析的是国内固定资产投资和劳动力就业人数对国民生产总值的影响，虽然存在有多重共线性，我们也没有通过逐步回归法消除其中的一个变量。 我们也分别分析过单个变量对解释变量的影响程度，每种情况的可决系数都很大，这说明了目前在中国，经济增长靠的大多数是国内固定资产投资的增长以及与此相对应的劳动力人数的增加。 由于时间仓促，我们得出的模型仍然存在有诸多问题，希望大家指教。

  • 影响GDP增长的经济因素分析_经济学毕业论文范文

    影响GDP增长的经济因素分析_经济学毕业论文范文 影响GDP增长的经济因素分析 组员：苏敏（分析、撰文）；孙戎（协助撰文、编辑排版、搜集资料）；曾炯、李黎、蒋文（搜集资料） 近年来，我国GDP逐年增长，经济发展速度令人瞩目。为更好的了解我国经济增长的原因，我组对影响我国GDP增长的经济因素进行了分析。 下表（表1.1）提供了我国1978——2002年的GDP及其主要影响因素的数据。其中Y=GDP(亿元)；X1＝能源消费总量（万吨标准煤）；X2＝就业人员（万人）；X3=居民消费水平（元）；X4＝农业总产值（亿元）；X5＝社会消费品零售总额（亿元）；X6＝进出口贸易总额（亿元） ObsX1X2X3X4X5X6Y 1978571444015218413971558.63553624.1 197958588410241971697.61800454.64038.2 198060275423612361922.621405704517.8 198159447437252492180.622350735.34862.4 198262067452952662483.262570771.35294.7 1983660404643628927502849.4860.15934.5 198470904481973273214.133376.412017171 198576682498734373619.4943052066.78964.4 198680850512824474013.0149502850.410202.2 198786632527835084675.758203084.211962.5 198892997543346355865.277440382214928.3 198996934553297626534.738101.44155.916909.2 199098703567408037662.098300.15560.118547.9 1991103783583608968157.039415.67229.321617.8 19921091705943210709084.710993.79119.626638.1 199311599360220133110995.512462.11127134634.4 199412273761470174615750.516264.720381.946759.4 199513117662388223620340.92062023499.958478.1 199613894868850264122353.724774.124133.867884.6 199713817369600283423788.427298.926967.274462.6 199813221470637297224541.929152.526849.778345.2 199913011971394313824519.131134.729896.282067.5 200013029772085339732917.9334152.639273.289468.1 200113491473025360937213.4937595.242183.697314.8 200214822273740379143499.9140910.551378.2104790.6 一：现估计模型为Y=A0+A1*X1+A2*X2+A3*X3+A4*X4+A5*X5+A6*X6+U 运用OLS估计方法对上式中得参数进行估计，利用Eviews软件得回归分析结果如下： （表1.2） Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 20:44 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C5421.2153244.8561.6707100.1121 X10.0509330.0302151.6857080.1091 X2-0.2244280.113375-1.9795160.0633 X321.183872.08494110.160420.0000 X4-0.2165350.203877-1.0620840.3022 X50.4884900.3118031.5666650.1346 X60.3366200.1392082.4181020.0264 R-squared0.999725 Mean dependent var35976.74 Adjusted R-squared0.999634 S.D. dependent var34444.88 S.E. of regression658.9930 Akaike info criterion16.05080 Sum squared resid7816893. Schwarz criterion16.39208 Log likelihood-193.6350 F-statistic10925.17 Durbin-Watson stat1.748019 Prob(F-statistic)0.000000 分析回归结果： 从经济意义上讲，就业人口X2的系数为负，可初步认为国民经济在向技术密集型、资本密集型发展。农业总产值的系数为负，不符合实际经济意义。其余解释变量的系数为正，符合实际经济现象。 从模型检验上讲，拟合较好。可决系数R^（2）=0.999725,F统计量为10925.172.66=F0.05(6,18)表明模型在整体上拟合非常好；系数显著性检验：对于A0,t统计量为1.670710，给定ａ＝0.05 查t分布表，在自由度为n-k=18下，得临界值T0.025(18)=2.101 因为tT0.025(18),所以接受H0:A0=0的原假设。 对于A1、A2、A3、A4、A5、A6,除去A3、A6的t统计量大于T0.025(18)之外，其余系数的t统计量均小于T0.025(18) ，因此可初步认为模型存在严重的多重共线性。 现重新估计模型为Y=A1X1+A2X2+A3X3+A4X4+A5X5+A6X6 得回归结果如下（表1.3）： Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 20:57 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. X10.0106560.0190530.5592690.5825 X2-0.0412480.030184-1.3665640.1877 X322.689741.96667011.537140.0000 X4-0.1400060.207819-0.6736920.5086 X50.1460230.2457790.5941240.5594 X60.3871080.1421502.7232410.0135 R-squared0.999683 Mean dependent var35976.74 Adjusted R-squared0.999599 S.D. dependent var34444.88 S.E. of regression689.3576 Akaike info criterion16.11496 Sum squared resid9029064. Schwarz criterion16.40749 Log likelihood-195.4370 Durbin-Watson stat1.704338 从模型检验上看，R^(2)=0.999683小于第一次模型的可决系数;T检验也并不优于第一次模型的t检验，故仍采用第一次模型。 二、多重共线性检验 1、检验： 利用Eviews计算线性回归模型中，六个解释变量的如下简单相关系数矩阵(表2.1.1)： X1X2X3X4X5X6 X110.9784543274310.920854078840.8881671741190.9111188771040.883472715462 X20.97845432743110.9488157613280.9171258679460.9460360865940.909232951166 X30.920854078840.94881576132810.9827864539390.9970082872950.982361794167 X40.8881671741190.9171258679460.98278645393910.9907093117320.997396156937 X50.9111188771040.9460360865940.9970082872950.99070931173210.98844222336 X60.8834727154620.9092329511660.9823617941670.9973961569370.988442223361 从上表可以看出，各解释变量之间存在高度线性相关。同时由表1.2又可看出，尽管整体上线性回归拟合较好，但X1 X2 X4 X5 变量的参数T值并不显著，表明模型中解释变量确实存在严重的多重共线性。 2、修正： ⑴运用OLS方法逐一求出Y对各个解释变量的回归，分别如下： Y=-67070.34+1.029232X1 （式2.1.1） (9781.140) (0.093575) t=(-6.856618) (10.99902) R^(2)=0.840254 Se=14063.12 F=120.9784 Y=-133299.7+2.962005X2 （式2.1.2） (12588.50) (0.212476) t=(-10.58901) (13.68286) R^(2)=0.890591 Se=11638.38 F=187.2206 Y=-2268.943+27.31756X3 （式2.1.3） (348.7497) (0.186822) t=(-6.505936) (146.2225) R^(2)=0.998925 Se=1153.406 F=21381.06 Y=617.7713+2.752282X4 （式2.1.4） (1669.79)(0.094620) t=(0.369969) (29.08787) R^(2)=0.973536 Se=5723.931 F=846.1039 Y=-1873.193+2.700977X5 （式2.1.5） (712.2024) (0.037971) t=(-2.630142) (71.13173) R^(2)=0.995475 Se=2366.912 F=5059.723 Y=5875.266+2.222034X6 （式2.1.6） (1531.230) (0.075790) t=（3.836958）（29.31845） R^(2)=0.973940 Se=5680.092 F=859.5713 综合分析可见，在七个一元回归模型中，GDP(Y)对居民消费水平(X3)线性关系强，拟合程度好。 （2）将其余解释变量逐一带入对X3的一元线性回归方程中，得以下几个模型： Y=-387.7386-0.027368X1+27.93105X3 （式2.2.1） (1367.242) (0.019261) (0.468871) t=(-0.283592) (-1.420886) (59.57089) ￣R^(2)=0.998926 Se=1128.676 F=11165.14 Y=6262.980+0.029858X1-0.232206X2+28.56686X3 （式2.2.2） (3643.674) (0.034485) (0.119009) (0.548771) t=(1.718864) (0.865831) (-1.951160) (52.05602) ￣R^(2)=0.999048 Se=1062.902 F=8394.415 Y=4027.197+0.032089X1-0.181952X2+24.94421X3+0.327880X4 （式2.2.3） (2612.367) (0.024319) (0.084582) (0.860040) (0.069519) t=(1.541590) (1.319521) (-2.151190) (29.00354) (4.716419) ￣R^(2)=0.999606 Se=749.4065 F=12670.52 Y=7124.543+0.061735X1-0.295985X2+22.25771X3+0.173648X4+0.442008X5 （式2.2.4） (3548.587)(0.033478) (0.122613) (2.282200) (0.13910) (0.348654) t=(2.007713)(1.844017) (-2.413968) (9.753743) (1.243811) (1.267755) ￣R^(2)=0.999541 Se=738.2831 F=10444.48 Y=5421.215+0.050933X1-0.224428X2+21.18387X3-0.216535X4+0.488490X5+0.336620X6 (式2.2.5) （3244.856）（0.030215）（0.113375）（2.084941）（0.203877）（0.311803）（0.139208） t=（1.670710）（1.685708）（-1.979516）（10.16042）（-1.062084）（1.566665）（2.418102） ￣R^(2)=0.999634 Se=658.9930 F=10925.17 从式（2.2.1）可以看出，解释变量X1与X2之间存在共线性。又因为X2对Y的经济意义影响低于X1，故舍去X2。 从式（2.2.4）（2.2.5）看出，解释变量X4 X5对Y的影响并不显著，故将X4 X5撤去得如下模型（表2.2.1）： Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 22:06 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-903.4074829.1531-1.0895540.2883 X1-0.0052610.012145-0.4332060.6693 X323.633610.74070231.907060.0000 X60.3188140.0507836.2779440.0000 R-squared0.999658 Mean dependent var35976.74 Adjusted R-squared0.999609 S.D. dependent var34444.88 S.E. of regression681.1097 Akaike info criterion16.03097 Sum squared resid9742120. Schwarz criterion16.22599 Log likelihood-196.3871 F-statistic20452.98 Durbin-Watson stat1.631881 Prob(F-statistic)0.000000 表2.2.1中能源消费总量x1的系数为负,不符合实际经济意义,现舍去1978至1982年的数据,重新回归如下: (表2.2.2) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 22:10 Sample: 1983 2002 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-1797.3341438.251-1.2496660.2294 X10.0047770.0183430.2604470.7978 X323.500090.84188027.913820.0000 X60.3173670.0564105.6260570.0000 R-squared0.999589 Mean dependent var43854.06 Adjusted R-squared0.999512 S.D. dependent var34234.35 S.E. of regression756.2503 Akaike info criterion16.27148 Sum squared resid9150632. Schwarz criterion16.47062 Log likelihood-158.7148 F-statistic12973.20 Durbin-Watson stat1.689291 Prob(F-statistic)0.000000 经过上述逐步回归分析，表明y对x1 x3 x6的回归模型最优。 三、异方差性检验 1、检验 （1）、Goldfeld—Quandt检验 用OLS方法求得下列结果： Y=-12754.36+0.236669X1+10.96853X3-0.395909X6 （1983——1989） (6250.887) (0.1134474) (3.689418) (0.767691) ￣R^(2)=0.994022 ∑e1^(2)=287719.1 Y=-5129.215+0.035047X1+23.39430X3+0.304576X6 (1994——2002) （7786.425）（0.065303）（1.268709）(0.079944) ￣R^(2)=0.996966 ∑e2^(2)=5139285 求F统计量： F=∑e2^(2)/∑e1^(2)=17.86216139 给定显著性水平ａ=0.05，得临界值F0.05(4,4)=4.28,比较F=17.86216139＞ F0.05(4,4)=6.39 可初步认为不存在异方差。 （2）、Arch检验 利用eviews软件输出结果为（表3.1.1） Dependent Variable: E2 Method: Least Squares Date: 06/03/05 Time: 23:01 Sample(adjusted): 1986 2002 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C602213.2337049.71.7867190.0973 E2(-1)-0.2996770.304742-0.9833800.3434 E2(-2)0.0872030.2895280.3011880.7680 E2(-3)-0.0050350.542470-0.0092820.9927 R-squared0.115727 Mean dependent var495758.6 Adjusted R-squared-0.088335 S.D. dependent var699258.1 S.E. of regression729489.3 Akaike info criterion30.04040 Sum squared resid6.92E+12 Schwarz criterion30.23645 Log likelihood-251.3434 F-statistic0.567116 Durbin-Watson stat1.948353 Prob(F-statistic)0.646348 丛输出的辅助回归函数重的R^(2)计算（n-p）*R^(2)=17*0.115727=1.967359,查χ^(2)分布表 给定α=0.05得临界值χ^(2)0.05（3）=7.81因为（n-p）*R^(2)=17*0.115727=1.967359＜χ^(2)0.05（3）=7.81所以拒绝H0,表明不存在异方差。 四、自相关检验 1、检验 （1）、图示法 由表2.2.2的OLS估计可直接得到残差resid,生成序列E,输出结果如下图： 由此图可以看出，残差et不成线性自回归，可初步认为随机误差ut不存在自相关。 （2）DW检验 根据表2.2.2估计的结果，DW=1.689291.给定显著性水平α=0.05，查DW表n=20,k=3得下限临界值dl=0.998 上限临界值du=1.676 因为duDW统计量=1.6892914-du,表明不存在自相关。 五、运用阿尔蒙法进行滞后性修正 1，对Y ,X1估计如下有限分布滞后模型 Y=A0+B0X1+B1X1（-1）+B2X1(-2)+B3X1(-3) 应用EVIEWS软件得回归分析结果如下： Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 23:27 Sample: 1983 2002 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-78223.1710398.98-7.5221950.0000 PDL01-0.9142960.400006-2.2857050.0362 PDL02-0.8282240.410601-2.0170990.0608 PDL031.0872860.3888242.7963490.0129 R-squared0.935158Mean dependent var43854.06 Adjusted R-squared0.923001S.D. dependent var34234.35 S.E. of regression9499.609Akaike info criterion21.33275 Sum squared resid1.44E+09Schwarz criterion21.53189 Log likelihood-209.3275F-statistic76.91841 Durbin-Watson stat0.481394Prob(F-statistic)0.000000 Lag Distribution of X1iCoefficientStd. ErrorT-Statistic . * |0 1.00121 0.44552 2.24728 * . |1-0.91430 0.40001-2.28570 * . |2-0.65523 0.39089-1.67625 . *|3 1.77840 0.45803 3.88274 Sum of Lags 1.21009 0.08629 14.0238 即是Y＝-78223.17+1.00121X1－0.91430X1(-1) -0.65523X1(-2)+ 1.77840X1(-3) 2对Y ,X3有限分布滞后模型 Y=A0+B0X3+B1X3(-1)+B2X3(-2)+B3X3(-3) 用EVIEWS软件显示回归分如下： Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 23:31 Sample: 1983 2002 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-2497.770516.2504-4.8382920.0002 PDL012.1069172.1767250.9679300.3475 PDL02-15.958292.156581-7.3998110.0000 PDL038.5508662.1502223.9767370.0011 R-squared0.998874Mean dependent var43854.06 Adjusted R-squared0.998663S.D. dependent var34234.35 S.E. of regression1251.806Akaike info criterion17.27942 Sum squared resid25072277Schwarz criterion17.47856 Log likelihood-168.7942F-statistic4731.442 Durbin-Watson stat1.165284Prob(F-statistic)0.000000 Lag Distribution of X3iCoefficientStd. ErrorT-Statistic . *|0 26.6161 2.22221 11.9773 .* |1 2.10692 2.17672 0.96793 * . |2-5.30051 2.11824-2.50232 . * |3 4.39380 2.45928 1.78662 Sum of Lags 27.8163 0.33326 83.4682 即是Y＝-2497.770+26.6161 X3+2.10692 X3 (-1) -5.30051 X3 (-2)+ 4.39380 X3 (-3) 3对Y , x6有限分布滞后模型 Y=A0+B0 x6+B1 x6 (-1)+B2 x6 (-2)+B3 x6 (-3) 用EVIEWS软件显示回归分如下： Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 23:37 Sample: 1983 2002 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C8207.6061631.5105.0306800.0001 PDL010.7740280.3432472.2550150.0385 PDL02-0.0758520.363485-0.2086800.8373 PDL03-0.0649750.330846-0.1963910.8468 R-squared0.983441Mean dependent var43854.06 Adjusted R-squared0.980336S.D. dependent var34234.35 S.E. of regression4800.586Akaike info criterion19.96772 Sum squared resid3.69E+08Schwarz criterion20.16687 Log likelihood-195.6772F-statistic316.7499 Durbin-Watson stat0.342226Prob(F-statistic)0.000000 Lag Distribution of X6iCoefficientStd. ErrorT-Statistic . *|0 0.78491 0.39271 1.99867 . *|1 0.77403 0.34325 2.25501 . * |2 0.63320 0.34422 1.83951 . * |3 0.36242 0.46095 0.78625 Sum of Lags 2.55456 0.14135 18.0730 即是Y=8207.606+0.78491 x6+0.77403 x6 (-1)+ 0.63320 x6 (-2)+ 0.36242 x6 (-3) 通过以上一系列统计检验可以说明：我国GDP的增长与能源消费总量X1,居民消费水平X3，进出口贸易总额X6有很高的相关性。其中，又以居民消费水平X3的影响程度最为显著。由此可以看出影响我国GDP的主要因素是居民消费水平，进出口贸易总额，能源消费总量。 附本（相关表格） （表2.1.2） Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:08 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-67070.349781.840-6.8566180.0000 X11.0292320.09357510.999020.0000 R-squared0.840254 Mean dependent var35976.74 Adjusted R-squared0.833308 S.D. dependent var34444.88 S.E. of regression14063.12 Akaike info criterion22.01712 Sum squared resid4.55E+09 Schwarz criterion22.11463 Log likelihood-273.2140 F-statistic120.9784 Durbin-Watson stat0.094594 Prob(F-statistic)0.000000 (表2.1.3) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:12 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-133299.712588.50-10.589010.0000 X22.9620050.21647613.682860.0000 R-squared0.890591 Mean dependent var35976.74 Adjusted R-squared0.885834 S.D. dependent var34444.88 S.E. of regression11638.38 Akaike info criterion21.63862 Sum squared resid3.12E+09 Schwarz criterion21.73613 Log likelihood-268.4828 F-statistic187.2206 Durbin-Watson stat0.159690 Prob(F-statistic)0.000000 (表2。1.4) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:15 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-2268.943348.7497-6.5059360.0000 X327.317560.186822146.22260.0000 R-squared0.998925 Mean dependent var35976.74 Adjusted R-squared0.998879 S.D. dependent var34444.88 S.E. of regression1153.406 Akaike info criterion17.01544 Sum squared resid30597948 Schwarz criterion17.11295 Log likelihood-210.6931 F-statistic21381.06 Durbin-Watson stat0.841840 Prob(F-statistic)0.000000 (表2.1.5) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:17 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C617.77131669.7900.3699690.7148 X42.7522820.09462029.087870.0000 R-squared0.973536 Mean dependent var35976.74 Adjusted R-squared0.972385 S.D. dependent var34444.88 S.E. of regression5723.931 Akaike info criterion20.21932 Sum squared resid7.54E+08 Schwarz criterion20.31683 Log likelihood-250.7415 F-statistic846.1039 Durbin-Watson stat0.557749 Prob(F-statistic)0.000000 ( 表2.1.6) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:21 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-1873.193712.2024-2.6301420.0150 X52.7009770.03797171.131730.0000 R-squared0.995475 Mean dependent var35976.74 Adjusted R-squared0.995278 S.D. dependent var34444.88 S.E. of regression2366.912 Akaike info criterion18.45318 Sum squared resid1.29E+08 Schwarz criterion18.55069 Log likelihood-228.6647 F-statistic5059.723 Durbin-Watson stat0.288053 Prob(F-statistic)0.000000 (表2.1.7) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:23 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C5875.2661531.2303.8369580.0008 X62.2220340.07579029.318450.0000 R-squared0.973940 Mean dependent var35976.74 Adjusted R-squared0.972807 S.D. dependent var34444.88 S.E. of regression5680.092 Akaike info criterion20.20394 Sum squared resid7.42E+08 Schwarz criterion20.30145 Log likelihood-250.5493 F-statistic859.5713 Durbin-Watson stat0.739809 Prob(F-statistic)0.000000 （表2.2.1） Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:28 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C-387.73861367.242-0.2835920.7794 X1-0.0273680.019261-1.4208860.1694 X327.931050.46887159.570890.0000 R-squared0.999016 Mean dependent var35976.74 Adjusted R-squared0.998926 S.D. dependent var34444.88 S.E. of regression1128.676 Akaike info criterion17.00765 Sum squared resid28026027 Schwarz criterion17.15391 Log likelihood-209.5956 F-statistic11165.14 Durbin-Watson stat0.973989 Prob(F-statistic)0.000000 (表2.2.2) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:31 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C6262.9803643.6741.7188640.1003 X10.0298580.0344850.8658310.3964 X2-0.2322060.119009-1.9511600.0645 X328.566860.54877152.056020.0000 R-squared0.999167 Mean dependent var35976.74 Adjusted R-squared0.999048 S.D. dependent var34444.88 S.E. of regression1062.902 Akaike info criterion16.92104 Sum squared resid23724995 Schwarz criterion17.11606 Log likelihood-207.5130 F-statistic8394.415 Durbin-Watson stat0.984561 Prob(F-statistic)0.000000 (表2.2.3) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:33 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C4027.1972612.3671.5415900.1388 X10.0320890.0243191.3195210.2019 X2-0.1819520.084582-2.1511900.0439 X324.944210.86004029.003540.0000 X40.3278800.0695194.7164190.0001 R-squared0.999606 Mean dependent var35976.74 Adjusted R-squared0.999527 S.D. dependent var34444.88 S.E. of regression749.4065 Akaike info criterion16.25330 Sum squared resid11232201 Schwarz criterion16.49707 Log likelihood-198.1662 F-statistic12670.52 Durbin-Watson stat1.562943 Prob(F-statistic)0.000000 (表2.2.4) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 21:40 Sample: 1978 2002 Included observations: 25 VariableCoefficientStd. Errort-StatisticProb. C7124.5433548.5872.0077130.0591 X10.0617350.0334781.8440170.0808 X2-0.2959850.122613-2.4139680.0260 X322.257712.2822009.7527430.0000 X40.1736480.1396101.2438110.2287 X50.4420080.3486541.2677550.2202 R-squared0.999636 Mean dependent var35976.74 Adjusted R-squared0.999541 S.D. dependent var34444.88 S.E. of regression738.2831 Akaike info criterion16.25209 Sum squared resid10356175 Schwarz criterion16.54463 Log likelihood-197.1512 F-statistic10444.48 Durbin-Watson stat1.408484 Prob(F-statistic)0.000000 (表3.1.1) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 22:21 Sample: 1983 1989 Included observations: 7 VariableCoefficientStd. Errort-StatisticProb. C-12754.366250.887-2.0404090.1340 X10.2366690.1134742.0856660.1283 X310.968533.6894182.9729700.0589 X6-0.3959090.767691-0.5157150.6417 R-squared0.997011 Mean dependent var10867.44 Adjusted R-squared0.994022 S.D. dependent var4005.294 S.E. of regression309.6875 Akaike info criterion14.60456 Sum squared resid287719.1 Schwarz criterion14.57366 Log likelihood-47.11597 F-statistic333.5425 Durbin-Watson stat2.231426 Prob(F-statistic)0.000277 (表3.1.2) Dependent Variable: Y Method: Least Squares Date: 06/03/05 Time: 22:31 Sample: 1994 2002 Included observations: 9 VariableCoefficientStd. Errort-StatisticProb. C-5129.2157786.425-0.6587380.5392 X10.0350470.0653030.5366870.6145 X323.394301.26870918.439450.0000 X60.3045760.0799443.8098620.0125 R-squared0.998104 Mean dependent var77730.10 Adjusted R-squared0.996966 S.D. dependent var18405.97 S.E. of regression1013.833 Akaike info criterion16.98197 Sum squared resid5139285. Schwarz criterion17.06962 Log likelihood-72.41885 F-statistic877.2615 Durbin-Watson stat2.005411 Prob(F-statistic)0.000000 （表4.2.1） Dependent Variable: DY Method: Least Squares Date: 05/07/05 Time: 16:55 Sample(adjusted): 1979 2002 Included observations: 24 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. DX2-0.0327870.008348-3.9276570.0008 DX325.195941.01434324.839660.0000 DX60.1775880.0891041.9930330.0594 R-squared0.998873 Mean dependent var-44710.72 Adjusted R-squared0.998765 S.D. dependent var44968.62 S.E. of regression1580.162 Akaike info criterion17.68491 Sum squared resid52435167 Schwarz criterion17.83217 Log likelihood-209.2189 Durbin-Watson stat1.926203

  • 产业对城镇居民人均可支配收入的影响_经济学毕业论文

    产业对城镇居民人均可支配收入的影响_经济学毕业论文 产业对城镇居民人均可支配收入的影响 模型的概况 模型的数据 模型的具体形式和检验 模型的经济解释 模型的概况 1. 模型的有关背景及目的 随着改革开放的深入和市场经济的发展,人民的生活水平得到了大大地提高.作为衡量经济增长的指标之一,人均收入自从78年以来翻了好几番.然而作为一个正在兴起的发展中国家,其目的是发展而不是纯粹的增长.那么怎样考察我们的经济是否是在健康的发展呢?我们整个国民经济由三个产业构成,三大产业也在随着时间而发生着结构性的变化.各产业的状况可以作为我们考察经济发展的一个指标,产业产值的增长又可间接地反映到收入上.因此,由各产业决定的收入水平成为我们考察经济发展的一个重要因素. 2. 模型的特点 •这是一个静态的宏观计量经济学模型。我们最终选取了城镇居民的人均可支配收入作为研究对象，是因为农村居民的收入不能确切考察，农村有一大部分的非货币收入并非是统计数据所能够体现的。况且，产业结构的调整的最直接被影响者是城镇居民，他们的收入几乎全来自第二，三产业。因此这里建立的回归模型的应变量是城镇居民人均可支配收入，而自变量是第二，三产业的年净产值。由于一个是人均量的，一个是总体量，我们采用了对数形式将各个解释变量的偏回归系数转化为弹性的含义，即当其中一个解释变量每变化1%会影响被解释变量变化的百分比。当然城镇居民的人均收入不光取决于产值，它还来自于政府的补贴，国外净要素收入等等，但这些影响比起两大产业来说，都是可以忽略的。收入的滞后效应也不像消费一般具有决定性的作用。同时要指出的是，94年的经济软着陆并没有作为一个虚拟变量放入模型中，因为整个模型中的变量都是以现价为基础的。后面的检验也证明以上这些影响是非显著的。 二.、模型的数据 我们选择了时间序列数据而没有采用横截面数据是为了避免各个不同地区发展水平的差异。每个地区的地理位置和自然资源都是决定产业结构的重要因素，且非人力和经济发展所能解决的，这就决定了各个地区的经济发展轨迹和成形都不相同。我们从各期《中国统计年鉴》收集到的全部城镇居民人均可支配收入的数据就只有1985年到2001年的，共17个。作为小样本，给检验和解释都提供了难度，因此我们加倍小心。 三.、模型的具体形式和检验 lnY=β1+β2lnv2+β3lnv3+u y=城镇居民人均可支配收入（元） v2=第二产业增加值（亿元） v3=第三产业增加值（亿元） obsV2V3Y 1985 3866.600 2556.200 739.1000 1986 4492.700 2945.600 899.6000 1987 5251.600 3506.600 1002.200 1988 6587.200 4510.100 1181.400 1989 7278.000 5403.200 1375.700 1990 7717.400 5813.500 1510.200 1991 9102.200 7227.000 1700.600 1992 11699.50 9138.600 2026.600 1993 16428.50 11323.80 2577.400 1994 22372.20 14930.00 3496.200 1995 28537.90 17947.20 4283.000 1996 33612.90 20427.50 4838.900 1997 37222.70 23028.70 5160.300 1998 38619.30 25173.50 5425.100 1999 40417.90 27035.80 5854.000 2000 44935.30 29878.70 6280.000 2001 49069.10 32254.30 6859.600 Dependent Variable: LOGY Method: Least Squares Date: 12/17/02 Time: 18:14 Sample: 1985 2001 Included observations: 17 VariableCoefficientStd. Errort-StatisticProb. C-0.3407790.071571-4.7614330.0003 LOGV20.5484430.0925675.9247900.0000 LOGV30.3120380.0960153.2498790.0058 R-squared0.998940Mean dependent var7.838419 AdjustedR-squad0.998788S.D. dependent var0.761698 S.E. of regression0.026516Akaike info criterion-4.263341 Sumsquaredresid0.009843Schwarz criterion-4.116304 Log likelihood39.23840F-statistic6594.390 Durbin-Watsonst1.878254Prob(F-statistic)0.000000 •由此得出回归模型: lnY=-0.340779+0.548443lnv2+0.312038lnv3+u 为保证t检验和F检验的有效性,我们首先进行样本残差的正态性检验—JB test.其结果为 •从equation发现R2很大,各系数的t值显著,F值显著. •检验多重共线性 系数相关矩阵 V2V3 V2 1.000000 0.997423 V3 0.997423 1.000000 可以发现相关系数非常大.因此做逐步回归考察修正的R2: 1.对lnv2回归,得修正的R2为0.998016,对lnv3回归,得修正的R2为0.996033 2.取lnv2,再对lnv2,lnv3回归,得修正的R2为0.998788,因此无多重共线性 ARCH Test: F-statistic 1.082055 Probability0.369787 Obs*R-squared 2.291824 Probability0.317934 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/19/02 Time: 08:09 Sample(adjusted): 1987 2001 Included observations: 15 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 0.000487 0.000313 1.555987 0.1457 RESID^2(-1) -0.242344 0.264943 -0.914704 0.3784 RESID^2(-2) 0.22463 0.268047 0.838046 0.4184 R-squared 0.152788 Mean dependent var 0.000492 Adjusted R-squared 0.011586 S.D. dependent var 0.000665 S.E. of regression 0.000661 Akaike info criterion -11.62854 Sum squared resid 5.24E-06 Schwarz criterion -11.48693 Log likelihood 90.21405 F-statistic 1.082055 Durbin-Watson stat 1.963396 Prob(F-statistic) 0.369787 White Heteroskedasticity Test: F-statistic1.138000 Probability0.384806 Obs*R-squared4.675207 Probability0.322275 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/29/99 Time: 00:06 Sample: 1985 2001 Included observations: 17 VariableCoefficintStd. Errort-StatisticProb. C-0.035070.047823-0.7322280.4781 LOG(V2)0.0346680.0570530.6076510.5547 (LOG(V2))^2-0.001770.002975-0.6039570.5571 LOG(V3)-0.028090.051752-0.5412200.5983 (LOG(V3))^20.0014930.0028300.5275910.6074 R-squared0.275012 Meandependentvar0.000579 AdjustedR-squard0.033350 S.D. dependent var0.000672 S.E. of regression0.000661 Akaike infocriterion-11.56717 Sumsquared resid5.24E-06 Schwarz criterion-11.32211 Log likelihood103.3209 F-statistic1.138000 Durbin-Watsonstt3.143061 Prob(F-statistic)0.384806 • ARCH和WHITE检验表明,不存在异方差 • 由equation得DW=1.87825,查表得dl=0.772,du=1.255,因此,不存在自相关且没有缺失变量,即不存在欠拟合,因此前面提到的滞后应变量和以94年为界的定性变量对模型的影响很小,不作为解释变量. • 所以,我们确定的模型最终形式是: •lnY=-0.340779+0.548443lnV2+0.312038lnV3+u 四、模型的经济解释 1．模型中两产业净产值的系数之和小于1。这是符合实际经济含义的。就如同GDP不可能全部转化为个人收入一样，这两个产业的增加值不可能完全转化为城镇居民收入，因为还存在大量的政府税收，而且从统计数据表明，它都大于对个人的补贴。除此之外，还有两个重要原因：1）有大量的农村劳动力流入到城市参与了这两个产业的发展。他们是非城市户口，其收入不计入城镇居民收入之列。2）我国现阶段城市人口仍处于正增长状态，这样的人均收入不可能达到和产值同样的增长水平。 2. 第三产业增加值对城镇人均可支配收入的偏回归系数只有0.312，比起第二产业增加值的0.548小许多。其原因在于三个方面。 首先，根据有关研究，我国第三产业的增加值被明显低估，这主要是由于：第一，统计口径的区别。国际上大多数是以人口从事的经济活动的性质分类，而我国基本以职业分类，会大大低估服务业的就业比重。第二，我国企业的职工服务和福利活动内部化，使部分第三产业产值计入到第二产业。第三，我国服务业的价格普遍偏低。国家统计局1994年提出我国服务业被低估5个百分点，最近有学者认为，被低估的程度大约在10个百分点以上。 其次，存在结构性滞后。1998年，我国第三产业的增加值中，交通运输，仓储，邮电，批零贸易及餐饮占到44.3%，其余的55.7%中，常规行政管理，初等和中等教育，修理业，洗理业等传统低层次服务业亦占相当比重，而包括金融保险，信息业，咨询业，科技研究开发与服务，高等教育，旅游，新闻出版，广播电视等在内的直接促进产业发展的新兴第三产业占第三产业的总增加值不到30%。尤其值得注意的是，我国1998年制造业总额是金融保险和服务业增加值总额的2倍多，而美国1994年的GDP总额中，仅金融保险不动产就达11928亿美元，服务业12496亿美元，均超过制造业的11680亿美元。即使是作为中等发达国家的制造业大国韩国，其金融保险不动产及服务业总增加值达1265300亿韩元，亦超过制造业的1080915亿韩元。美国的新兴服务业中，高等教育、科学技术研究和开发、科技服务、经济中介组织，尤其是近年来信息网络业的迅猛发展，对产业升级和“新经济”的形成产生了决定性的作用。由比较可见，我国第三产业的滞后的实质是结构性滞后。 最后，增长速度滞后。改革以来，我国经济尤其在市县范围内的区域经济主要是依靠工业经济的增长而增长，而第三产业的增长速度不但明显低于工业增加值总量的增长速度，而且低于GDP总额的增长速度。数据显示，1985—1998年，第三产业增加值增长率比第二产业低3．2个百分点，比全部国内生产总值增长率也低0.3个百分点。1992年，中共中央作出《关于加快第三产业发展的决定》，国家规划此后十年中，第三产业发展速度要高于第二产业。但实际上，1991至1998年间，第二产业和第三产业年增长率分别为20．2％和15．0％，后者比前者低五个多百分点。从1985年至1998年，我国第三产业的比重有较大的提高，从28．5％上升到32．9％。但不是由于第三产业以比GDP总额增长率更高的速度增长造成的，而主要是由于第一产业的低速增长，而导致其比重迅速缩小，其减少的份额让位于第三产业。 从模型得到的第三产业增加值比起第二产业增加值对城镇居民人均收入的影响要小许多.但是我们并不能就确定第三产业对我国城镇居民人均收入的影响如此之小.它作为一个新兴产业,正在逐渐显示其优势.第三产业虽然不如工业,要求更高的技术水平,但它却是一个劳动力的大蓄水池.在中国现阶段,农村剩余劳动力过多,城市的下岗待业人员也多.因此第三产业一旦吸收了这些劳动力,就会直接的增加人均收入.我们从二,三产业增加值的系数之和同样可以看出,两大产业增加值除去税收等,仍大部分地作为了城镇居民收入.可以得出这样的结论:即使现在农村大量的剩余劳动力涌入城市,但他们的收入相对城市人口的收入来说,还是很少的.中国农村人多地少的矛盾就只能通过大量农村劳动力城市化来实现. 从此模型得出的两产业产值系数之和能够达到0.86，是个很大的数。产值增长的86%都作为实际可支配收入分配给居民在现实中是不可能的。这里有抽样调查数据和样本容量的局限。 结论:经济增长是居民收入增长的基础和前提,经济增长也必伴随经济结构的调整与变化.经济结构的调整一方面提高了经济增长的质量,与此同时,也必带来社会结构的变化.这是我们研究此模型的最终目的: 不仅要注意收入的增长,更需要注意其增长来源的内涵.

  • 我国采矿业龙头企业利润因素分析_经济学毕业论文

    我国采矿业龙头企业利润因素分析_经济学毕业论文 我国采矿业龙头企业利润因素分析 [内容摘要]： 本文是根据我国采矿业的现状，想从计量经济学的角度来验证一下是否产品销售收入，资产总计，全年从业人员平均人数对利润总额的影响。因此，在模型中引入3个变量：产品销售收入，资产总计，全年从业人员平均人数 [关键词]：产品销售收入 资产总计 全年从业人员平均人数 利润 导论 采矿业是指煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业、其他采矿业（采用新标准《国民经济行业分类标准 GB/T 4754—2002》） 模型设定. 根据经济学理论本该把模型设定为：Y =C++++U 其中：Y : 利润总额(千元) X1:产品销售收入(千元) X2: 资产总计(千元) X3: 全年从业人员平均人数(人) 数据如下 2005年01—03月采矿业龙头企业基本情况（按产品销售收入排序）　　单位:千元 名次产品销售收入资产总计利润总额全年从业人员平均人数（人） 129399450912801002003781089295 21369093049228390723849061164 3670817040759320417349012684 4597135033002980301890015550 55276534161313762805884558 652394103768749060000098933 7499566030258760223253029278 8417125021993070248088010089 9361071258486522722666243 10327882017470440228310137684 资料来源：中经网数据中心 参数估计 将原始模型简化为： Y =C++++U 用Eviews估计结果为： Dependent Variable: Y Method: Least Squares Date: 05/07/05 Time: 19:09 Sample: 1 10 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-398461.3470822.2-0.8463100.4298 X10.8459040.08396810.074150.0001 X2-0.0392770.028850-1.3614010.2223 X3-14.359875.345114-2.6865420.0362 R-squared0.989692 Mean dependent var4562896. Adjusted R-squared0.984538 S.D. dependent var5769938. S.E. of regression717469.5 Akaike info criterion30.09402 Sum squared resid3.09E+12 Schwarz criterion30.21506 Log likelihood-146.4701 F-statistic192.0245 Durbin-Watson stat2.290820 Prob(F-statistic)0.000002 检验及修正 1．经济意义检验 从上表中可以看出，x1符号与先验信息相符，所估计结果没有与经济原理向悖，说明具有经济意义。X2,X3待检验。 2．统计推断检验 从回归结果可以看出，模型的拟和优度非常好（R^2=0.989692），F统计量的值在给定显著性水平α=0.05的情况下也较显著，但是X2、X3的t统计值均不显著（X2、X3的t统计量的值的绝对值均小于3），说明X2、X3这两个变量对Y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。 3．计量经济学检验 （1）多重共线性检验 ①检验 ②修正：采用逐步回归法对其进行补救 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 19:53 Sample: 1 10 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-620266.1636943.2-0.9738170.3626 X10.8721800.1145977.6108600.0001 X2-0.0581500.038450-1.5123430.1742 R-squared0.977292 Mean dependent var4562896. Adjusted R-squared0.970804 S.D. dependent var5769938. S.E. of regression985891.8 Akaike info criterion30.68381 Sum squared resid6.80E+12 Schwarz criterion30.77458 Log likelihood-150.4190 F-statistic150.6332 Durbin-Watson stat2.277256 Prob(F-statistic)0.000002 X2的T检验值不显著，故删去。 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 19:55 Sample: 1 10 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-794396.0392181.0-2.0255850.0824 X10.7398640.03322022.271720.0000 X3-16.131835.491156-2.9377840.0218 R-squared0.986508 Mean dependent var4562896. Adjusted R-squared0.982653 S.D. dependent var5769938. S.E. of regression759947.7 Akaike info criterion30.16321 Sum squared resid4.04E+12 Schwarz criterion30.25399 Log likelihood-147.8161 F-statistic255.9104 Durbin-Watson stat1.485457 Prob(F-statistic)0.000000 X3系数为负，与经济意义不符，故删去。 模型修改为如下形式： Y=C+X1+ 新模型估计结果 Dependent Variable: Y Method: Least Squares Date: 05/07/05 Time: 19:16 Sample: 1 10 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-1286484.495671.8-2.5954340.0318 X10.7103910.04426616.048100.0000 R-squared0.969873 Mean dependent var4562896. Adjusted R-squared0.966107 S.D. dependent var5769938. S.E. of regression1062249. Akaike info criterion30.76653 Sum squared resid9.03E+12 Schwarz criterion30.82705 Log likelihood-151.8327 F-statistic257.5415 Durbin-Watson stat2.308206 Prob(F-statistic)0.000000 (2)异方差检验 检验：利用QUANDT检验法检验模型是否存在异方差。 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 20:05 Sample: 1 4 Included observations: 4 VariableCoefficientStd. Errort-StatisticProb. C-1204487.3762374.-0.3201400.7792 X10.7774030.9252250.8402320.4892 R-squared0.260899 Mean dependent var1916096. Adjusted R-squared-0.108652 S.D. dependent var1142846. S.E. of regression1203331. Akaike info criterion31.14594 Sum squared resid2.90E+12 Schwarz criterion30.83909 Log likelihood-60.29188 F-statistic0.705990 Durbin-Watson stat2.158508 Prob(F-statistic)0.489217 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 20:08 Sample: 7 10 Included observations: 4 VariableCoefficientStd. Errort-StatisticProb. C-1297256.923708.5-1.4044000.2954 X10.7127350.05489912.982630.0059 R-squared0.988273 Mean dependent var8639672. Adjusted R-squared0.982410 S.D. dependent var7797801. S.E. of regression1034210. Akaike info criterion30.84303 Sum squared resid2.14E+12 Schwarz criterion30.53617 Log likelihood-59.68605 F-statistic168.5487 Durbin-Watson stat3.049667 Prob(F-statistic)0.005881 求F统计量：F=∑e2^2/∑e1^2=2.90E+12/2.14E+12=1.35514 查F分布表，给定显著性水平0.05，F0.05（4，4）=4.111.35514，则接受H0， 发现该模型不存在异方差。 （3）一阶自相关检验 检验： 从模型设定来看，没有违背D-W检验的假设条件，因此可以用D-W检验来检验模型是否存在一阶自相关。查表,由DW=2.308206，在0.05显著性水平下，dl=0.879,du=1.320，du=1.320DW=2.3082064-du=2.68,表明不存在一阶自相关。 （4)确定模型 由于该模型的回归结果、t值以及F统计值均显著，且不存在计量经济学问题，因此最后定型为此：Y=-1286484+0.710391X1+u 五、对模型的经济解释及存在的问题 Y=-1286484+0.710391X1+u。从该模型中我们可以看出：销售收入与利润之间是正相关关系；当销售收入为0时，利润为负；当销售收入增加一个单位，利润将增加0.710391个单位。因而我们所估计的模型与经济现象是相符的。

1 ...555657585960616263... 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