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

  • 企业面临的挑战与机遇_经济学毕业论文范文

    企业面临的挑战与机遇_经济学毕业论文范文 企业面临的挑战与机遇 为了使自己学到的理论知识在实际中得到运用；为了自己能够及早的适应社会，了解社会的需求。我经过一段时间的调查和到企业实习发现：改革开放以来，XX镇小企业得到了蓬勃发展，据统计目前XX镇工商注册登记的中小企业已经超过了100多家，占全部注册企业数的85%以上，他们嫩不仅是社会经济发展的重要增长点，同时也为社会提供了广泛的就业机会。可见中小企业已在XX镇的国民经济中占有相当重要的地位。由美国次贷危机引发的美国乃至全球范围内的金融危机对世界各国的实体经济均产生了不同程度的影响，XX镇的中小企业也未能幸免，XX镇中小企业的生存和发展受到了严峻的挑战，如出口贸易额下降、进口材料成本上升、市场需求减少等。为了帮助XX镇中小企业度过难关，XX镇出台了刺激内需、提高部分产品的出口退税率等政策，这将是XX镇中小企业促进出口，进行产业结构调整和产业升级的机遇，中小企业要善于抓住机遇，智慧地面对挑战，以求得更快、更好的发展。 2008年9月，爆发了大规模的金融危机，金融危机迅速演变为经济危机，并迅速向全世界蔓延。世界各国的金融市场、股票市场及实体经济均受到了不同程度的影响。尽管XX镇的市场没有受到强烈的冲击，但实体经济等均受到了影响，尤其是给XX镇的中小企业的生存和发展带来了严峻的挑战。XX镇中小企业如何在危机中寻找机遇，为自己创造更好的发展机会，将是XX镇中小企业生死存亡的关键。 一、国际金融危机给XX镇中小企业带来的挑战 （一）出口加工型企业的出口贸易额受到严重的影响 金融危机对XX镇出口加工型企业的影响相当广泛且呈加重之势。自金融危机爆发以来，已对8成左右的中小企业的出口产生了影响。2008年8月份前还只是引起出口美、欧等国家企业的出口额出现下降趋势，到了9、10月份，出口日、韩及其他各国的企业均出现了出口订单下降、客户资金链断裂，甚至有的企业出现了没有订单现象。劳动密集型行业受冲击最为严重。如纺织、冶金、建材、家具、服装等行业出口额同比、环比降幅都较大。仅以洪溪片的企业为例，外贸订单直线下降，平均外贸订单约减少30％；外商违约现象严重，爽约率约10％左右；外商“逃账”、“赖账”现象严重，很多企业贷款无法收回，货款被拖欠。这些都导致企业不敢轻易地接受国外订单。 （二）金融危机导致XX镇企业的进口材料成本很难预料 国际金融危机使得美国金融市场中的资本量减少，加之美国实行紧缩的货币政策，导致流通中的美元供应量减少，美元的币值开始逐渐回升，人民币对美元的汇率也从持续升值逐渐稳定下来并有小幅下降的趋势，美元汇率的波动使得以美元标价的商品的价格出现了大幅度波动。如国际原油价格出现近年来的首次大幅度下跌，2008年3季度环比跌幅将近20％，这对进口企业来说绝对不是一个利好的消息，人民币未来的走势如何还很难预料，如果人民币持续贬值将会导致进口材料成本大幅度提高，企业的利润将很难预测。但就美国目前的经济形式来看，美元持续的升值又是不太可能的。因为美国要刺激经济增长，美元贬值是其有力的武器。未来的美元汇率将于何时发生逆转很难预料。这就使得以进口材料进行加工出口的企业很难确定出口订单的价格，因此为了谨慎，有些出口订单不敢轻易接。 （三）金融危机使得XX镇中小企业的国内市场需求减少 受国际金融危机的影响，我国的金融、证券市场也受到了不同程度的冲击。由于我国的金融市场还没有完全放开，所以受到的影响还不是很明显。但是证券市场却受到了强烈的冲击，自金融危机爆发以来，证券市场出现了持续性的熊市，股票价格从6000点一路下降到了1800点，股票价值缩水了2/3以上，投资人的财富迅速贬值，引起了投资者的恐慌，不敢再轻易地投资或消费。广大的非投资人尽管还没有受到金融危机的直接冲击，但为了防患于未然，也在尽量地压缩开支，减少消费。这就使得以内销为主的XX镇中小企业的国内市场需求大幅度减少，在成本不变甚至增加的背景下，中小企业的生存变得更加困难。于是，XX镇中小企业纷纷裁员，减少开支来缓解企业的困境，甚至有的企业只能无奈地停产、破产。 （四）金融危机使得中小企业的融资难度加大 融资难一直是困扰中小企业发展的一个“瓶颈”，一直以来，国家为解决这一问题，也出台了大量的政策。但是，中小企业的融资难问题却没有从根本上得到解决。金融危机使得这一问题更加突出。国家工业和信息化部部长李毅中说，金融危机中中小企业受创伤最重，反映最强烈的问题是资金短缺。在动荡的国际金融形势下，XX镇中小企业的经营风险及信用风险水平都将上升，各大商业银行为了降低自身的风险会更加惜贷，贷款将会被限定贷给中小企业中的极少数技术进步型企业，并且要求接受贷款的企业信用度高，抗风险的能力比较强，企业的经营管理比较好，财务情况比较透明。因此，贷款还是被限定给了极少数的大企业，中小型的家族管理式的企业仍然被排除在外。这些企业在材料成本上升，出口订单减少或国内市场需求减少的背景下，又面临资金链的断裂，这无疑是雪上加霜。很多企业只能无奈地选择了关停或倒闭。 二、国际金融危机下我国中小企业的机遇 挑战和机遇总是并存的，国际金融危机在给XX镇中小企业带来严峻挑战的同时，也带来了更多发展和转型的机遇。 （一）国家有利的融资政策的机遇 当金融风暴袭来时，中小企业需要的是输血式的救急资金。为此，从中央到地方各级政府紧急行动起来，中国人民银行紧急出台了指导意见，提出了若干条有利于中小企业融资的政策。如支持金融机构发放并购贷款，及时满足中小企业合理的并购融资需求。激励和促进金融机构稳步提高中小企业贷款比重。鼓励银行业金融机构对基本面和信用记录较好、有竞争力、有市场、有订单但暂时出现经营或财务困难的中小企业加大信贷及多元化融资支持等，这些有利的融资政策给金融危机下的中小企业进行产业结构调整和产业升级提供了有力的资金支持。与此同时，各级地方政府纷纷行动起来，出台了具体的融资政策。XX镇人民政府出台了支持中小企业融资政策的意见，要求银行增加对中小企业的信贷支持，缩短贷款的审批时间等。政府出台的有利融资政策较大地缓解了企业的融资困难，各中小企业应抓住这一有利的契机融通足够的资金，适时地进行产业结构调整，实现产品的升级，实现在国内或国际市场上的产业结构的转移。 （二）中小企业适时进行产业升级和产业结构调整的机遇 由于金融危机的爆发，美元汇率有小幅贬值，但并没有给企业带来更多的利润空间，中小型企业的出口订单开始下降。为了促进出口，国家大力提高了重大技术装备、部分IT产品等高科技产品，以农产品为原料进行深加工产品的出口退税率。但与此同时，财政部还取消或降低了一些非金属矿产品、煤炭、钢材等部分产品的出口退税率。国家在出口退税政策上的变化充分说明国家开始限制国内紧缺的，附加值不高的资源类产品的出口。有色金属工业企业及其他的初级产品加工企业应积极发展技术含量高的出口产品，进行产品的升级换代，扩大出口，并争取将自行开发的高新技术产品列入国家鼓励出口的高新技术产品目录，争取获得优惠的出口退税政策。除了进行产品升级，XX镇中小企业还应积极地进行产业结构调整。适当开展多种经营，为企业开拓更广阔的生存空间。 （三）全球范围内产业结构重新分配转移的机遇 国际金融危机使得西方发达国家，特别是欧美等处于经济发展领先地位的国家的一些企业由于国内外的需求下降，产品成本的上升、资金链的断裂等原因苦苦支撑，支撑不下去的只能无奈地选择破产，制造业整体处于不景气的状态。金融危机给我国的制造业布局全球市场带来了历史性的发展契机，XX镇的中小企业应抓住这一有利契机，利用政府有利的融资政策融通足够的资金，积极进行全球范围内的产业布局，以较低的成本并购国外的研发机构、上游的原材料供应企业以及下游的产品销售企业，以便切实地提升企业产品的技术含量，降低产品的生产成本，提高产品在全球范围内的市场售价，真正地提升企业在国际市场上的占有份额。政府在鼓励扶持国有大中型企业的同时，应注重鼓励、扶持中小企业在全球范围内的扩张。 （四）我国扩大内需的机遇 出口加工型企业的出口订单减少或没有了，但这并不意味着中小企业没有了活路，因为我国有着13亿人口的庞大市场，出口少了可转而开发国内的市场。2008年11月9日国务院研究部署进一步扩大内需，促进经济平稳较快增长的措施。指出当前要实行积极的财政政策和适度宽松的货币政策，出台更加有利的扩大国内需求措施，加快民生工程、基础设施、生态环境建设和灾后重建，提高城乡居民特别是低收入群体的收入水平，促进经济平稳较快增长；并提出了4万亿元的一揽子建设和促进经济发展计划。同时还出台了针对具体行业的有利政策，如降低小排量汽车的契税，刺激小排量汽车的生产和消费；通过降低利率、退个税等政策拯救房市；实行家电下乡等。所有这些有利的政策措施都将是XX镇中小企业大力发展的契机，各中小企业应抓住机遇，积极开发扩大国内的市场，适当进行产业结构调整。 处于国际金融危机阴影笼罩下的XX镇中小企业，只要能够善于运用智慧的头脑抓住各种有利的契机，最终一定能够化解国际金融危机带来的各种挑战。

  • 我国汽车需求的因素分析_经济学毕业论文范文

    我国汽车需求的因素分析_经济学毕业论文范文 我国汽车需求的因素分析 2005年4月——6月 一、问题的提出 随着我国经济的持续、快速的增长，以及加入世界贸易组织后对外开放程度的不断加深，市场上对各种商品的需求也在与日俱增。汽车作为高档消费品，也随着市场经济的不断发展逐步走进了普通大众的生活。中国的汽车市场已俨然成为了各大汽车厂商必争的兵家之地。早已窥视许久的众多国际汽车巨头也加快了对中国汽车市场的争夺。然而，中国的汽车需求量到底有多大，会不会仅仅是GDP高速增长所产生的泡沫？面对国外各汽车巨头的大肆进攻，中国的汽车企业应如何应付？希望通过此次研究，能对我国的汽车需求量有更深入的认识，以解释以上提出的问题。 二、分析过程 为了应对入世后更为激烈的市场竞争，在更高层次上发展我国的民族汽车产业，切实把握我国汽车需求的影响因素是当务之急。而影响到汽车需求的因素是多方面的。因此，我们提取了我国成品钢产量，原油产量，铁路运输量，公路运输线路长度，国内生产总值GDP这五个对有较大影响的因素的时间序列数据来进行分析，希望通过建立一个合适的经济模型来从理论上找出影响汽车需求的最主要因素。 ㈠变量选取和具体数据： 应变量Y（我国的汽车需求量）：假设在无存货的条件下，汽车的产量等于汽车的需求量，因此，用汽车的产量代替汽车需求量。 自变量X1（成品钢产量）：钢铁是制造汽车的主要原料，使制造汽车的基础，是影响汽车产量的重要因素。因此也是影响汽车需求量的重要因素。 X2（原油产量）：石油是汽车的动力之源，也是人们拥有汽车期间的一项重要支出。可见也在一定程度上影响着汽车的需求量。 X3（铁路运输量）：对汽车的需求具有替代作用，从而制约了汽车的需求量。 X4（国内生产总值GDP）：GDP反映了国民经济发展状况是影响汽车需求量的重要因素。 X5（公路运输线路长度）：公路运输线路越长与汽车需求量是互补品，公路运输线路越长，越会刺激汽车的需求。 具体数据如下：（表1） Y （万辆）x1 （万吨）x2 （万吨）x3 （万吨）x4 （亿元）x5 （万公里） 197814.912208104051101193624.189.02 197918.572497106151118934038.287.58 198022.232716105951112794517.888.33 198117.562670101221076734862.489.75 198219.632902102121135325294.790.7 198323.983072106071187845934.591.51 198431.64337211461124074717192.67 198543.723693124001307088964.494.24 198636.9840581306913563610202.296.28 198747.1843861341414065311962.598.22 198864.4746891370514494814928.399.96 198958.3548591376415148916909.2101.43 199051.451531383115068118547.9102.83 199171.4256381409915289321617.8104.11 1992106.6766971421015762726638.1105.67 1993129.8577161452416279434634.4108.35 1994136.6984281460816321646759.4111.78 1995145.278979.815004.9516598258478.1115.7 1996147.529338.0215733.3917102467884.6118.58 1997158.259978.9316074.1417214974462.6122.64 199816310737.81610016430978345.2127.85 1999183.212109.781600016755482067.5135.17 2000207131461630017858189468.1140.2698 2001234.1716067.6116395.8719318997314.8169.8 2002325.119251.5916700204955105172.3176.52 2003444.3924108.0116959.98221178117251.9180.98 源于《中国统计年鉴》（1991年到2004年） 因为1978年我国正式实行改革开放，市场经济体制开始运行，所以以上选取的数据均是改革开放以后的（从1978年到2003年） ㈡建立模型： 首先我们运用EVIEWS软件分别计算了汽车产量Y和五个因素X1，X2，X3，X4，X5的相关系数。如下：（表2） YX1X2X3X4X5 Y10.9942226035970.830791458180.9356174613560.9425169449580.963677396854 可以看到各相关系数的值都较大（在0.83以上），即反映了Y和X1，X2，X3，X4，X5各自都分别存在较强的线性相关关系。因此可以设定模型为 Y=C+β1X1+β2X2+β3X3+β4X4+β5X5+U （U为随机扰动项） ㈢ 模型的参数估计、检验及修正 1. 我们首先对表一中的数据进行最小二乘法估计，利用EVIEWS软件，得到以下输出框： （表3） Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:14 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C117.374124.089494.8724180.0001 X10.0276660.00189414.610870.0000 X2-0.0044370.003246-1.3670860.1868 X30.0004700.0003281.4314880.1677 X4-3.88E-050.000181-0.2148070.8321 X5-1.9933280.244815-8.1421710.0000 R-squared0.997708 Mean dependent var111.6596 Adjusted R-squared0.997135 S.D. dependent var105.0325 S.E. of regression5.622229 Akaike info criterion6.490508 Sum squared resid632.1893 Schwarz criterion6.780838 Log likelihood-78.37660 F-statistic1741.021 Durbin-Watson stat1.907844 Prob(F-statistic)0.000000 很明显可以看到，X2 、X4 、X5的系数的符号为负，首先从经济意义上是说不通的，因为原油产量，公路运输线路长度，国内生产总值GDP决不会与汽车需求成负相关关系;X3的系数的符号为正，也违背了经济意义，因为作为对汽车的需求具有替代作用的铁路运输量是不可能与汽车需求成正相关关系的。同时还可以看出，X2、X3 、X4的t值都不显著，但R^2很大， 则说明解释变量之间有可能存在多重共线性。为了验证我们的猜想，我们接下来对模型进行了检验。 2.计量经济学检验和修正 （1）多重共线性检验和修正 用EVIEWS软件，得相关系数矩阵表： （表4） X1X2X3X4X5 X1 1.000000 0.842973 0.939641 0.958631 0.985179 X2 0.842973 1.000000 0.954929 0.892616 0.831044 X3 0.939641 0.954929 1.000000 0.921692 0.922727 X4 0.958631 0.892616 0.921692 1.000000 0.952433 X5 0.985179 0.831044 0.922727 0.952433 1.000000 从上表可见，解释变量之间存在高度线性相关。下面利用逐步回归法（向上回归）进行修正 ①首先运用OLS方法逐一求Y对各个解释变量的回归（见表五，六，七，八，九） Y X1 （表5） Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:23 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-30.989133.869711-8.0081270.0000 X10.0186870.00041245.377060.0000 R-squared0.988479 Mean dependent var111.6596 Adjusted R-squared0.987999 S.D. dependent var105.0325 S.E. of regression11.50645 Akaike info criterion7.797495 Sum squared resid3177.559 Schwarz criterion7.894272 Log likelihood-99.36744 F-statistic2059.078 Durbin-Watson stat1.188765 Prob(F-statistic)0.000000 Y X2 （表6） Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:24 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-413.959272.82550-5.6842620.0000 X20.0382900.0052367.3125200.0000 R-squared0.690214 Mean dependent var111.6596 Adjusted R-squared0.677307 S.D. dependent var105.0325 S.E. of regression59.66489 Akaike info criterion11.08917 Sum squared resid85437.58 Schwarz criterion11.18594 Log likelihood-142.1592 F-statistic53.47295 Durbin-Watson stat0.283541 Prob(F-statistic)0.000000 Y X3 （表7） Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:25 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-379.273738.53198-9.8430900.0000 X30.0032500.00025012.984050.0000 R-squared0.875380 Mean dependent var111.6596 Adjusted R-squared0.870188 S.D. dependent var105.0325 S.E. of regression37.84270 Akaike info criterion10.17856 Sum squared resid34369.67 Schwarz criterion10.27533 Log likelihood-130.3212 F-statistic168.5855 Durbin-Watson stat0.340479 Prob(F-statistic)0.000000 Y X4 表8 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:25 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C7.98190710.278590.7765560.4450 X40.0026500.00019213.817910.0000 R-squared0.888338 Mean dependent var111.6596 Adjusted R-squared0.883686 S.D. dependent var105.0325 S.E. of regression35.82124 Akaike info criterion10.06876 Sum squared resid30795.87 Schwarz criterion10.16554 Log likelihood-128.8939 F-statistic190.9347 Durbin-Watson stat0.508488 Prob(F-statistic)0.000000 Y X5 表9 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:26 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-307.655724.37611-12.621200.0000 X53.7083070.20977917.677210.0000 R-squared0.928674 Mean dependent var111.6596 Adjusted R-squared0.925702 S.D. dependent var105.0325 S.E. of regression28.62937 Akaike info criterion9.620547 Sum squared resid19671.38 Schwarz criterion9.717324 Log likelihood-123.0671 F-statistic312.4838 Durbin-Watson stat1.233407 Prob(F-statistic)0.000000 结合经济意义和统计检验选出拟合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汽车需求量Y对成品钢产量X1的线性关系强，拟合效果好，即 Y= -30.98913+0.018687 X1 (-8.008127) (45.37706) R-squared=0.988479 S.E.= 11.50645 F=2059.078 ②逐步回归（向上回归）。将其余解释变量逐一代入上式（见表10，11，12，13）： Y C X1 X5 表10 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:29 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C126.862119.749646.4235160.0000 X10.0286370.00125722.783050.0000 X5-2.0676940.257336-8.0350030.0000 R-squared0.996974 Mean dependent var111.6596 Adjusted R-squared0.996710 S.D. dependent var105.0325 S.E. of regression6.024080 Akaike info criterion6.537574 Sum squared resid834.6595 Schwarz criterion6.682739 Log likelihood-81.98846 F-statistic3788.436 Durbin-Watson stat1.499834 Prob(F-statistic)0.000000 X5的系数符号为负，与经济意义不相符合，故将X5删去！ Y C X1 X4 表11 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:28 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-34.583804.228626-8.1784980.0000 X10.0210390.00138715.173960.0000 X4-0.0003670.000207-1.7693410.0901 R-squared0.989859 Mean dependent var111.6596 Adjusted R-squared0.988977 S.D. dependent var105.0325 S.E. of regression11.02738 Akaike info criterion7.746807 Sum squared resid2796.872 Schwarz criterion7.891972 Log likelihood-97.70849 F-statistic1122.500 Durbin-Watson stat1.208524 Prob(F-statistic)0.000000 X4的系数符号与经济意义不相符合，故将X4删去！ Y C X1 X3 表12 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:28 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-35.6685425.78966-1.3830560.1799 X10.0184750.00122915.038000.0000 X34.17E-050.0002270.1836110.8559 R-squared0.988495 Mean dependent var111.6596 Adjusted R-squared0.987495 S.D. dependent var105.0325 S.E. of regression11.74532 Akaike info criterion7.872954 Sum squared resid3172.908 Schwarz criterion8.018119 Log likelihood-99.34840 F-statistic988.1044 Durbin-Watson stat1.195906 Prob(F-statistic)0.000000 X3 的t 值较小，说明X3对Y影响并不显著，故将X3删去！ Y C X1 X2 表13 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 15:27 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-18.0606921.47972-0.8408250.4091 X10.0190870.00077624.606830.0000 X2-0.0011640.001902-0.6121770.5464 R-squared0.988663 Mean dependent var111.6596 Adjusted R-squared0.987678 S.D. dependent var105.0325 S.E. of regression11.65932 Akaike info criterion7.858256 Sum squared resid3126.614 Schwarz criterion8.003421 Log likelihood-99.15732 F-statistic1002.905 Durbin-Watson stat1.184452 Prob(F-statistic)0.000000 X2 的T值较小，说明X2对Y影响并不显著，故将X2删去！ 经过上述逐步回归分析，表明只含X1的回归模型为最优的。 （2）异方差检验和修正 采用Goldfeld-Quandt检验: 将观察值按解释变量的大小顺序排列 将排列在中间的大约1/4的观察值删除掉，除去的观察值个数记为c（c=6），余下的观察值分为两个部分，每部分的观察值个数为(n-c)/2=10。 提出检验假设 同方差性； 为异方差性 ② 分别对两部分观察值求回归模型，结果如下： （表14） Dependent Variable: Y Method: Least Squares Date: 05/25/05 Time: 22:16 Sample: 1978 1987 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-21.256445.849972-3.6335970.0067 X10.0154860.0018128.5448000.0000 R-squared0.901251 Mean dependent var27.64000 Adjusted R-squared0.888908 S.D. dependent var11.52949 S.E. of regression3.842840 Akaike info criterion5.707157 Sum squared resid118.1393 Schwarz criterion5.767674 Log likelihood-26.53578 F-statistic73.01360 Durbin-Watson stat2.209959 Prob(F-statistic)0.000027 （表15） Dependent Variable: Y Method: Least Squares Date: 05/25/05 Time: 22:17 Sample: 1994 2003 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-36.3892615.40929-2.3615150.0458 X10.0189830.00109417.348390.0000 R-squared0.974107 Mean dependent var214.4590 Adjusted R-squared0.970871 S.D. dependent var98.68830 S.E. of regression16.84346 Akaike info criterion8.662658 Sum squared resid2269.616 Schwarz criterion8.723175 Log likelihood-41.31329 F-statistic300.9665 Durbin-Watson stat1.161093 Prob(F-statistic)0.000000 并计算两部分的剩余平方和=118.1393与=2269.616，它们的自由度均为=8,k=2为估计参数的个数，于是构造 = 2269.616/118.1393=19.2113547312 在上式中，统计量F*服从F（8，8）分布。 ③判断。在给定显著性水平=0.05，查表得临界值F0.05=3.44，故F*F0.05，表明第二部分的误差项方差大于第一部分的误差项方差，则拒绝，接受，即误差项存在异方差。 修正：运用模型的对数变换对异方差性进行修正，用OLS法求LNY对LNX的回归，其结果为（表16） Dependent Variable: LNY Method: Least Squares Date: 05/25/05 Time: 22:22 Sample: 1978 2003 Included observations: 26 VariableCoefficientStd. Errort-StatisticProb. C-8.2777740.404941-20.441920.0000 LNX11.4415450.04634031.107870.0000 R-squared0.975799 Mean dependent var4.282572 Adjusted R-squared0.974791 S.D. dependent var0.989425 S.E. of regression0.157095 Akaike info criterion-0.790126 Sum squared resid0.592294 Schwarz criterion-0.693349 Log likelihood12.27164 F-statistic967.6999 Durbin-Watson stat0.773548 Prob(F-statistic)0.000000 对修正后的模型进行异方差检验（Goldfeld-Quandt检验） 提出检验假设：H0:ui为同方差性；H1:ui为异方差性 分别对两部分观察值求回归模型，结果如下： （表17） Dependent Variable: LNY Method: Least Squares Date: 05/25/05 Time: 22:23 Sample: 1978 1987 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-10.901421.485048-7.3407860.0001 LNX11.7603900.1847499.5285490.0000 R-squared0.919023 Mean dependent var3.244150 Adjusted R-squared0.908901 S.D. dependent var0.404480 S.E. of regression0.122083 Akaike info criterion-1.191378 Sum squared resid0.119234 Schwarz criterion-1.130861 Log likelihood7.956892 F-statistic90.79325 Durbin-Watson stat1.816480 Prob(F-statistic)0.000012 （表18） Dependent Variable: LNY Method: Least Squares Date: 05/25/05 Time: 22:24 Sample: 1994 2003 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C-4.9750720.545149-9.1260850.0000 LNX11.0888610.05777418.846800.0000 R-squared0.977974 Mean dependent var5.292838 Adjusted R-squared0.975220 S.D. dependent var0.386333 S.E. of regression0.060815 Akaike info criterion-2.585113 Sum squared resid0.029587 Schwarz criterion-2.524596 Log likelihood14.92556 F-statistic355.2018 Durbin-Watson stat1.198604 Prob(F-statistic)0.000000 两部分的剩余平方和=0.119234与=0.029587，它们的自由度均为8,k=2为估计参数的个数，于是构造 = 0.029587/0.119234=0.248142308402 F0.05(8,8)=3.44 故接受原假设，此时不再存在异方差 （3）自相关检验和修正 经过异方差检验和修正后，模型为 LnY=-8.277774+1.441545LnX1 (-20.44192) (31.10787) R-squared=0.975799 S.E.= 0.157095 F=967.6999 DW=0.773548 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。 D-W检验：由回归结果得DW=0.773548，给定显著性水平0.05，查Durbin-Watson表的下限临界值1.072，上限临界值为1.222。可见DW=0.773548 ＜ DL=1.072 ，所以判定存在一阶正自相关，需要进行修正。 采用广义差分法对模型进行修正： 由DW=0.773548 ，根据ρ=1-DW/2，计算出ρ=0.613226，用GENR分别对X和Y作广义差分。即： GENR DY= Y-0.613226*Y(-1) GENR DX= X-0.613226*X(-1) 修正为： DLNY=C+ C 1DLNX+u 修正的模型回归结果为： Dependent Variable: DLNY Method: Least Squares Date: 05/25/05 Time: 22:30 Sample(adjusted): 1979 2003 Included observations: 25 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C-0.0414150.057266-0.7232110.4768 DLNX11.8532260.5232943.5414630.0017 R-squared0.352878 Mean dependent var0.135787 Adjusted R-squared0.324742 S.D. dependent var0.169472 S.E. of regression0.139262 Akaike info criterion-1.028302 Sum squared resid0.446059 Schwarz criterion-0.930792 Log likelihood14.85378 F-statistic12.54196 Durbin-Watson stat2.235509 Prob(F-statistic)0.001743 由回归结果得DW=2.235509, DL=1.055 DU=1.211 故 DU＜DW＜4- DU DW值得到了改善，修正了一阶自相关 所以,我们确定的模型最终形式是DLNY=-0.041415+1.853226DLNX+u 三、总结 从经济意义角度，成品钢产量，原油产量，铁路运输量，公路运输线路长度，国内生产总值GDP都应该是对汽车产量有较大影响的因素。但从我们对模型的参数估计、检验和修正的结果来看，在多重共线性检验过程中，原油产量，铁路运输量，公路运输线路长度，国内生产总值GDP因素都没有通过检验而被删去，只留下了成品钢产量因素这个唯一变量。 经过我们的分析，我们认为这可能源于四方面的原因：①我们所选择的这几个经济变量在随时间的变化过程中往往存在共同的变化趋势。这使得它们之间容易产生多重共线性。②在模型设立过程中由于认识上的局限造成变量选择不当，也会引起变量之间的多重共线性。③数据本身的原因。统计数据的真实，有效性是我们不能控制的。④由于数据来源的局限我们设立的模型是封闭的，假定 年 份我国原油生产总量我国原油消费总量两者差额 （万吨标准煤）（万吨标准煤） 197814876.4912971.6881904.802 198015168.9312476.9252692.005 198517879.11413112.6224766.492 198919616.32716575.7143040.613 199019745.1816384.6983360.482 199120130.04817746.8932383.155 199220271.38419104.751166.634 199320768.03321110.726-342.693 199420896.30421356.238-459.934 199521419.64422955.8-1536.16 199622544.7225010.64-2465.92 199722906.9328110.792-5203.86 199822986.2528426.01-5439.76 199922916.4630187.608-7271.15 200023323.38432053.062-8729.68 200123454.632784.102-9329.5 200223937.83735528.8134-11591 200324285.4538107.38-13821.9 不存在进出口问题，即我国汽车生产需要的成品钢，原油都是自己生产提供的，这与现实有一定偏差的。以1978年到2003年我国原油生产总量和消费总量相关数据为例（见左表），在1993年以前，中国的石油产量基本能够自给自足;但1993年以后原油的产量就逐渐不够消费需求了，且这个供需缺口在随着我国经济发展，汽车行业的成长而扩大。 同时我们发现，在对模型进行参数估计、检验及修正过程中，多重可决系数数值不断降低。经过多重共线性检验和修正，只留下X1作为变量，此时R^2为0.988479。 然后经过异方差检验和修正，R^2从0.988479变为0.975799，但通盘考虑模型的可靠度及其经济意义，我们认为适当降低可决系数的要求是可取的。最后经过自相关检验和修正，R^2急速降为0.352878，但考虑到作为回归方程显著性整体检验的指标F统计量12.54196还是比较显著，综合考虑定性的经济分析和定量的统计检验，我们最终接受了这个拟合结果，即： DLNY=-0.041415+1.853226DLNX+u （ -0.723211) (3.541463) R-squared=0.352878 S.E.= 0.139262 F=12.54196 参考文献：《中国统计年鉴》1991-2002 《计量经济学》庞皓 西南财经大学出版社2002年8月第二版 《应用计量经济学》胡昌铸 陕西人民出版社 1991年1月第一版

  • 四川省居民消费水平的多因素分析_经济学毕业论文

    四川省居民消费水平的多因素分析_经济学毕业论文 四川省居民消费水平的多因素分析 本文主要通过对居民消费水平的变动进行多因素分析，建立以居民消费水平为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对居民消费水平这一社会现象进行数量化分析，对如何提高居民消费水平提出一些可行性建议。 一、研究目的 本文主要对居民消费水平进行多因素分析，并搜集相关数据，建立模型，对此进行数量分析。在得到居民消费水平与各主要因素间的数量关系后，据模型方程中的各因素系数大小，分析主要因素和次要因素。 二、影响居民消费水平变动的主要影响因素如下： 职工工资、物价指数、居民储蓄存款、社会总产值、人口数 三、建立模型 其中，Y—居民消费水平（元） X1——职工工资（万元） X2 ——物价指数（r=100） X3 ——居民储蓄存款（万元） X4 ——社会总产值（亿元） X5——人口数（万人） 四、数据收集 使用数据使用同一地区时间序列数据进行拟合。我们使用的是《1949年-----1989年全国各省、直辖市、地区历史资料汇编》中1952年----1983年四川省的数据作为分析对象。 数据如下： obsYX1X2X3X4X5 1952 49.40000 203757.0 101.3000 5104.000 53.40000 6411.000 1953 52.10000 251728.0 101.3000 11921.00 64.13000 6508.000 1954 58.10000 282233.0 100.8000 12458.00 76.11000 6649.000 1955 61.50000 302724.0 102.1000 10483.00 84.61000 6791.000 1956 73.60000 353468.0 102.7000 14934.00 101.7500 6945.000 1957 81.10000 447513.0 103.9000 23468.00 118.6700 7081.000 1958 85.30000 500084.0 101.4000 30995.00 144.8900 7078.000 1959 78.70000 573084.0 100.6000 38148.00 173.2400 6897.000 1960 80.20000 634453.0 102.5000 38997.00 194.2600 6620.000 1961 96.60000 553101.0 123.7000 36705.00 143.4100 6459.000 1962 105.8000 451762.0 100.0000 24821.00 124.2600 6486.000 1963 108.2000 455899.0 94.30000 24846.00 134.2800 6696.000 1964 107.5000 516337.0 94.30000 30236.00 153.3700 6898.000 1965 112.0000 591352.0 97.00000 36539.00 183.2300 7137.000 1966 119.4000 700196.0 101.8000 46734.00 220.2200 7368.000 1967 121.9000 736530.0 101.4000 43975.00 193.9200 7603.000 1968 107.2000 630657.0 100.0000 51461.00 146.2000 7830.000 1969 109.8000 653166.0 99.70000 51454.00 189.0200 8063.000 1970 112.1000 736133.0 99.70000 52108.00 244.8400 8342.000 1971 121.7000 794254.0 100.2000 57601.00 270.5600 8584.000 1972 111.4000 874150.0 100.6000 67170.00 268.6200 8817.000 1973 114.4000 906099.0 100.7000 72019.00 272.5700 9066.000 1974 115.0000 927901.0 100.3000 77825.00 263.1500 9271.000 1975 112.5000 970667.0 100.3000 79635.00 303.2700 9467.000 1976 109.3000 964650.0 100.4000 81250.00 279.0800 9579.000 1977 113.4000 1055127. 99.90000 87266.00 352.1400 9659.000 1978 137.6000 1204417. 99.60000 103252.0 428.9800 9708.000 1979 168.9000 1462311. 105.4000 149975.0 502.5100 9774.000 1980 191.9000 1770320. 108.1000 214790.0 545.9300 9820.000 1981 203.6000 1870685. 101.8000 308502.0 579.9600 9924.000 1982 228.0000 2078137. 102.3000 399099.0 655.2700 10022.00 1983 247.0000 2308488. 100.7000 518710.0 728.3300 10075.00 五、模型的参数估计、检验及修正 1.模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，用OLS方法估计 表1 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 09:25 Sample: 1952 1983 Included observations: 32 VariableCoefficientStd. Errort-StatisticProb. C204.372860.744123.3644870.0024 X10.0001634.82E-053.3851660.0023 X2-0.9274710.484455-1.9144610.0666 X3-9.45E-057.46E-05-1.2658350.2168 X4-0.0975640.117695-0.8289570.4147 X5-0.0121630.004379-2.7772400.0100 R-squared0.948356 Mean dependent var115.4750 Adjusted R-squared0.938425 S.D. dependent var47.10880 S.E. of regression11.68973 Akaike info criterion7.922660 Sum squared resid3552.897 Schwarz criterion8.197485 Log likelihood-120.7626 F-statistic95.49002 Durbin-Watson stat0.907768 Prob(F-statistic)0.000000 Y =204.3728 + 0.000163*X1 –0.927471*X2 –0.0000945*X3-0.097564*X4-0.012163X5 (3.364487) (3.385166) (-1.914461) (-1.265835) (-0.828957) (-2.777240) R^2=0.948356 F=95.49002 (1)经济意义检验 从上表中可以看出，各指标符号与先验信息相符，所估计结果只有X4与经济原理相悖，说明X1、X2、X3、X5具有经济意义。 (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=0.948356），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、X4的t统计值均不显著（X2、X3、X4的t统计量的值的绝对值均小于2），说明X2、X3、X4这三个变量对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。 2.计量经济学检验 多重共线性检验 分析：由F=95.49002(5,26)=2.59(显著性水平α=0.05), 表明模型从整体上看居民消费水平与解释变量间线形关系显著。 检验：这里采用简单相关系数矩阵法对其进行检验： 表2 X1X2X3X4X5 X1 1.000000 0.092218 0.939907 0.994078 0.863481 X2 0.092218 1.000000 0.066885 0.070689-0.040907 X3 0.939907 0.066885 1.000000 0.923380 0.700203 X4 0.994078 0.070689 0.923380 1.000000 0.871609 X5 0.863481-0.040907 0.700203 0.871609 1.000000 由表2可以看出，解释变量之间存在高度线性相关。同时由表1也可以看出，尽管整体上线性回归拟合较好，但X2、X3、X4变量的参数t值并不显著，X4系数的符号与经济意义相悖。表明模型中解释变量确实存在严重的多重共线性。 修正：采用逐步回归法对其进行补救。 根据以上分析，由于X1的t值最大，线形关系强，拟合程度最好，因此把X1作为基本变量。 Y=-44.52284+0.0000848X1 (10.43408) (19.64810) R^2=0.927893 S.E.=12.85912 F=386.0477 然后将其余解释变量逐一代入X1的回归方程，重新回归。 Y=84.10367+0.0000852X1-0.392533X2 (1.705961) (19.52407) (-0.805919) Adjusted R-squared=0.924609 S.E.=12.93490 F=191.0935 X2对Y 的影响并不显著，故将X2删去。 加入X3进行回归的情况和X2相同，拟合优度仅略有变动，但对X1的t值影响很大，统计检验t=1.027048，不显著。因此变量X3引起了多重共线性，应舍去。 加入X5进行回归的情况如下: Y=92.37976+0.000101X1-0.007665X5 (4570160) (12.76272) (-2.414339) Adjusted R-squared =30.935820 S.E.=11.93442 F=227.0090 经过上述逐步回归分析，表明Y对X1、X5的回归模型为最优。 表3 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:45 Sample: 1952 1983 Included observations: 32 VariableCoefficientStd. Errort-StatisticProb. X10.0001017.95E-0612.762720.0000 X5-0.0076650.003175-2.4143390.0223 C92.3797620.213684.5701600.0001 R-squared0.939961 Mean dependent var115.4750 Adjusted R-squared0.935820 S.D. dependent var47.10880 S.E. of regression11.93442 Akaike info criterion7.885790 Sum squared resid4130.479 Schwarz criterion8.023202 Log likelihood-123.1726 F-statistic227.0090 Durbin-Watson stat1.550611 Prob(F-statistic)0.000000 模型修改为如下形式: Y=C+C1X1+C5X5+U （2）异方差检验 ①检验： 利用Goldfeld-Quandt检验法检验模型是否存在异方差。 先对X1检验,结果如下： Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:30 Sample: 1952 1963 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C22.7499213.661791.6652220.1268 X10.0001403.22E-054.3524610.0014 R-squared0.654504 Mean dependent var79.82500 Adjusted R-squared0.619955 S.D. dependent var21.53412 S.E. of regression13.27532 Akaike info criterion8.160701 Sum squared resid1762.340 Schwarz criterion8.241519 Log likelihood-46.96421 F-statistic18.94392 Durbin-Watson stat1.469509 Prob(F-statistic)0.001438 时间定义为1952—1963， Y=22.74992+0.000140X1 (1.665222) (4.352461) R-squared=0.654504 Sum squared resid=1762.340 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:32 Sample: 1972 1983 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C19.136434.3590114.3900850.0014 X19.90E-053.00E-0632.988370.0000 R-squared0.990894 Mean dependent var154.4167 Adjusted R-squared0.989984 S.D. dependent var51.15314 S.E. of regression5.119427 Akaike info criterion6.254974 Sum squared resid262.0854 Schwarz criterion6.335792 Log likelihood-35.52984 F-statistic1088.233 Durbin-Watson stat1.384266 Prob(F-statistic)0.000000 时间定义为1972—1983， Y=19.13643+0.0000990X1 (4.390085) (32.98837) R-squared=0.990894 Sum squared resid=262.0854 F=262.0854/1762.340=0.1487144 再对X5检验，结果如下： Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:33 Sample: 1952 1963 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-43.65686205.8680-0.2120620.8363 X50.0184100.0306970.5997370.5620 R-squared0.034720 Mean dependent var79.75000 Adjusted R-squared-0.061808 S.D. dependent var21.53084 S.E. of regression22.18626 Akaike info criterion9.187835 Sum squared resid4922.302 Schwarz criterion9.268653 Log likelihood-53.12701 F-statistic0.359684 Durbin-Watson stat2.735517 Prob(F-statistic)0.562024 时间定义为1952—1963， Y=-43.65686+0.018410X5 (-0.212062) (0.599737) R-squared=0.034720 Sum squared resid=4922.302 Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:35 Sample: 1972 1983 Included observations: 12 VariableCoefficientStd. Errort-StatisticProb. C-860.4537245.0936-3.5107140.0056 X50.1057320.0255164.1437920.0020 R-squared0.631961 Mean dependent var154.4167 Adjusted R-squared0.595157 S.D. dependent var51.15314 S.E. of regression32.54736 Akaike info criterion9.954281 Sum squared resid10593.30 Schwarz criterion10.03510 Log likelihood-57.72569 F-statistic17.17101 Durbin-Watson stat0.323991 Prob(F-statistic)0.002000 时间定义为1972—1983， Y=-860.4537+0.105732X5 (-3.510714) (4.143792) R-squared=0.631961 Sum squared resid=10593.30 F=10593.30/4922.302=2.1521028 综上，临界值(10,10 )=2.98,比较F=0.1487144(10,10 )，F=2.1521028(10,10 )，则表明随机误差不存在异方差。 （3）自相关检验 ①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。 先对X1检验如下： Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 10:11 Sample: 1952 1983 Included observations: 32 VariableCoefficientStd. Errort-StatisticProb. C44.522844.26705810.434080.0000 X18.48E-054.32E-0619.648100.0000 R-squared0.927893 Mean dependent var115.4750 Adjusted R-squared0.925489 S.D. dependent var47.10880 S.E. of regression12.85912 Akaike info criterion8.006445 Sum squared resid4960.710 Schwarz criterion8.098054 Log likelihood-126.1031 F-statistic386.0477 Durbin-Watson stat0.378253 Prob(F-statistic)0.000000 根据上表中估计的结果，由DW=0.378253 ，给定显著性水平α=0.05，查Durbin-Watson表，n=32，k’=1，得=1.373,=1.502 。因为DW统计量为0.378253 dl=1.373，根据判定域知，存在一阶自相关，需要进行修正。 再对X5检验如下： Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:50 Sample: 1952 1983 Included observations: 32 VariableCoefficientStd. Errort-StatisticProb. X50.0273220.0040506.7465580.0000 C-104.491133.03791-3.1627650.0036 R-squared0.602733 Mean dependent var115.4750 Adjusted R-squared0.589491 S.D. dependent var47.10880 S.E. of regression30.18306 Akaike info criterion9.712900 Sum squared resid27330.51 Schwarz criterion9.804509 Log likelihood-153.4064 F-statistic45.51604 Durbin-Watson stat0.657032 Prob(F-statistic)0.000000 根据上表中估计的结果，由DW=0.657032 ，给定显著性水平α=0.05，查Durbin-Watson表，n=32，k’=1，得=1.373,=1.502 。因为DW统计量为0.657032dl=1.373，根据判定域知，存在一阶自相关，需要进行修正。 ②修正： 用Cochrane-Orcutt迭代法进行修正。 对X1、X5的修正： Dependent Variable: Y Method: Least Squares Date: 05/21/05 Time: 21:26 Sample(adjusted): 1953 1983 Included observations: 31 after adjusting endpoints Convergence achieved after 12 iterations VariableCoefficientStd. Errort-StatisticProb. C92.8023246.909951.9783080.0582 X19.04E-051.11E-058.1476230.0000 X5-0.0060970.006214-0.9812040.3352 AR(1)0.7712490.1259986.1211240.0000 R-squared0.975129 Mean dependent var117.6065 Adjusted R-squared0.972365 S.D. dependent var46.29243 S.E. of regression7.695493 Akaike info criterion7.039061 Sum squared resid1598.957 Schwarz criterion7.224091 Log likelihood-105.1054 F-statistic352.8653 Durbin-Watson stat1.544642 Prob(F-statistic)0.000000 Inverted AR Roots .77 根据上表中估计的结果，由DW=1.544642 ，给定显著性水平α=0.05，查Durbin-Watson表，n=31，k’=2，得=1.297，=1.570。因为DW统计量为1.544642，根据判定域知，不能确定存在自相关。而且X5的t检验值不显著，舍去。于是对X1修正如下： Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 11:53 Sample(adjusted): 1953 1983 Included observations: 31 after adjusting endpoints Convergence achieved after 4 iterations VariableCoefficientStd. Errort-StatisticProb. C44.747095.8939317.5920620.0000 X18.53E-055.71E-0614.929260.0000 AR(1)0.2732810.1831081.4924590.1468 R-squared0.930889 Mean dependent var117.6065 Adjusted R-squared0.925953 S.D. dependent var46.29243 S.E. of regression12.59691 Akaike info criterion7.996546 Sum squared resid4443.103 Schwarz criterion8.135319 Log likelihood-120.9465 F-statistic188.5736 Durbin-Watson stat1.864726 Prob(F-statistic)0.000000 Inverted AR Roots .27 根据上表中估计的结果，由DW=1.864726 ，而=1.502，4-=2.498 。因为DW统计量为1.8647264-，根据判定域知,不存在一阶自相关。 (4)确定模型 Y=44.74709+0.0000853X1+0.273281AR(1) 由于该模型的回归结果,X1的t值以及F统计值均显著，且不存在计量经济学问题，最后定型为此。 六、总结 从以上模型经分析可得出： （1）从模型可以看出职工工资对居民消费水平的影响，即模型中职工工资，是影响四川省居民消费水平的最显著因素。说明我国提高工资是提高居民消费水平的重要途径。 （2）根据先验信息，人口数应该对居民消费水平有很大的影响，而我们从模型得到的结果看，人口数对居民消费水平的影响不是特别显著。这就表明我国人口数还不是影响消费水平的重要因素。 （3）从模型还可以看出解释变量物价指数、储蓄存款、社会总产值对被解释变量居民消费水平的影响不显著，说明当时是计划经济时代物价变化并不是很大，完全由国家掌控，对消费水平的变动没显著影响；工资不会很高，所以存款也不多，对消费影响不大；物资是计划生产和供应的，社会总产值与消费水平无关。

  • 中国货币需求的因素分析_经济学毕业论文

    中国货币需求的因素分析_经济学毕业论文 中国货币需求的因素分析 内容摘要：本文以宏观货币需求理论为基础,引入收入和利率两个解释变量,利用计量经济学的方法,分析货币需求与这两者的关系.从中国的实际情况出发,在利用年度数据分析的基础上,又引入九十年代中期到目前为止的季度数据着重分析利率对货币需求的影响,从而将经济理论和中国现实情况结合进行分析. 关键字：货币需求 利率 一 经济理论阐述 凯恩斯在传统的货币数量论和现金余额说的基础上，考虑了货币的交易职能和货币的价值贮藏职能，提出了自己的货币需求理论。他认为人们之所以持有货币是处于三个动机：交易动机，预防动机和投机动机，从而相应地形成了货币的交易需求，预防需求和投机需求。随着经济的发展，交易与收入和支出往往在时间上不一致，人们为了应付日常的购买而持有一定量的货币即构成了货币的交易需求。而人们为了应付一些意外开支而持有的货币即为货币的预防需求。这两种需求都来源于货币的交易媒介职能。在影响交易动机和预防动机的众多因素中，货币收入起着决定作用，并且收入与货币的交易需求和预防需求成正方向变化。而货币的投机需求则是为了应付有价证券市场上价格的变化，从而获利。这一货币需求来源于货币的价值贮藏职能。人们总是根据对利率变动的预期持有一定量的货币，以在有利时机购买债券进行投机获利，因而，货币的投机需求与利率成反方向变化。凯恩斯根据对人们持有货币的心理动机的分析，将货币需求分为两个部分：货币的交易需求和预防需求L1(Y)和货币的投机需求L2(r), 从而提出了他的货币需求函数：L=L1(Y)+L2(r),其中，L代表对货币的需求，Y代表收入，r代表利率. 在凯恩斯的货币需求理论的基础上，后凯恩斯主义对其进行了发展。美国经济学家汉森将商品市场和货币市场结合起来建立了IS-LM模型，认为货币的交易需求不仅受到收入的影响，而且受到利率的影响。这是由于利率的变化会影响投资，进而影响收入，最终影响对货币的交易需求。此外，鲍莫尔的“平方根定理”，认为持有货币存在一定的机会成本，利率越高，投机机会越多，人们便会尽量减少手中持有的货币量。这两种理论都说明了利率与货币交易需求的反向变化关系，从而发展了凯恩斯货币需求理论中的交易需求部分。对于货币的预防需求而言，惠伦提出了“立方根定律”，说明了人们对货币预防需求的多少，主要取决于收入和支出的状况及持有货币的成本。其中利率是一个重要因素。且利率与货币的预防需求成反方向变化。并且托宾的资产选择理论也对凯恩斯的货币投机需求进行了发展。 由以上的分析可看出，不管是传统的凯恩斯的货币需求理论，还是后凯恩斯主义对其进行的发展，其一致性在于，利率和收入都是影响货币需求的重要因素，其中，收入与货币需求成正方向变化，而利率与货币需求呈反方向变化。 二．理论模型的设定 根据以上的经济理论的分析，在设立模型时将收入和利率作为决定货币需求总量的解释变量.由于三个变量之间数量级存在差异,若直接回归会存在一些潜在问题,为了回避这一 问题,本文在设定模型时采用了双对数模型,此外,双对数模型中,各解释变量的参数即为弹性,具有良好的经济解释意义. 模型设定如下： lnＭ=β0+β1lnＹ+β2lnＲ+ui， Ｍ--货币需求总量 Ｙ--收入 Ｒ--利率（%） ui--随机扰动项 β0、β1、β2 --参数 注: 利率采用百分比,一方面可以避免对数取负,另一方面,可以用数学推导证明这种代入并不影响参数的意义, β2仍然表示利率对货币需求的弹性. 三 数据来源及搜集处理方法 1 货币需求量M数据的搜集： M用广义货币供应量M2代替，因为货币的供给主要是由中央银行来进行，而货币的需求则取决于流动性偏好，尤其是投机动机。由于流动性偏好是一种心理活动，难以操纵和控制，货币需求也就难以预测和控制，需要变动的是货币供应量。这种替代具有一定的合理性. M= M2= M1+M0. M0=现金流通量， M1= M0+银行活期存款， M2= M1+储蓄存款+定期存款。 广义货币的供给量可以从《中国金融统计年鉴》中查得，但是由于统计项目的调整，只能直接得到广义货币供给量1986-2001年的数据。对于1981-1985年的广义货币供给量通过试算方法得到. 根据1986年的《中国金融统计年鉴》，用M2=各项存款总额-财政存款+现金流通量，试算出各年的的广义货币供给量，将此试算值与以后年度的《中国金融统计年鉴》给出的M2值进行核对，发现两者是一致的。因此，可将以前年度的广义货币的试算值应用到模型中，这样就得到了M2的全部数据。 2 收入数据的搜集 对于收入的数据，用各年的国内生产总值GDP表示，1981-2001年间的GDP数据可以从《中国统计年鉴》中直接得到. 3 利率数据的搜集 在目前中国的利率体系下存在这多种利率,按借贷主体可以分为:银行利率,非银行金融机构利率,有价证券的利率和市场利率.从数据的代表性和可获得性两方面考虑,选用了中央银行的一年期再贷款利率. 央行的再贷款利率是中国人民银行向金融机构进行信用放贷时所使用的利率.从1984年起,再贷款利率成为中国中央银行的基准利率之一,起着宏观调控的作用.有关资料表明，1984-1993年，中央银行基础货币投放主要渠道是再贷款，95％以上的基础货币是通过再贷款投放出去的。由于该时段较长，占样本长度的一半，因此，用再贷款利率数据是合理的，且考虑到数据的可获得性，于是统一使用再贷款利率数据。对于利率有变动的年度，按天数进行加权平均。 数据来源：《中国金融年鉴》、《中国统计年鉴》、《中国人民银行统计季报》 这样,模型所需变量的数据都搜集齐了.下面就利用Eviews进行模拟. 四 参数估计. 原始数据: MYRPobs 2299.964862.40.0361.02405180391981 2676.945294.70.03661.01897018971982 3193.575934.50.04321.015070921991983 4442.887171.00.04321.027947598251984 5198.98964.40.043511.088360237891985 6720.910202.20.04681.060109289621986 8330.911962.50.05181.072901325481987 10099.614928.30.07081.185312285521988 11949.616909.20.10251.177764910251989 15293.418547.90.08921.021140609641990 19349.921617.80.07421.028887818971991 25402.226638.10.0721.05381375761992 34879.834634.40.09111.131882770871993 46923.546759.40.10621.216947822681994 60750.558478.10.11031.147969052221995 76094.967884.60.10911.060937938781996 90995.374462.60.10381.007940709371997 104498.578345.20.07080.974002100841998 119897.982067.50.04370.9700727959021999 134610.389442.20.03780.9849916620342000 158301.995933.30.03780.9920993227992001 进行最小二乘估计,便可得到以下显示的结果. Dependent Variable: LOG(M) Method: Least Squares Date: 09/12/00 Time: 22:58 Sample: 1981 2001 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-3.7372010.130841-28.562920.0000 LOG(Y)1.3813180.01417297.465590.0000 LOG(100*R)-0.1363780.034789-3.9201070.0010 R-squared0.998379 Mean dependent var9.937016 Adjusted R-squared0.998199 S.D. dependent var1.399459 S.E. of regression0.059384 Akaike info criterion-2.678033 Sum squared resid0.063475 Schwarz criterion-2.528816 Log likelihood31.11935 F-statistic5544.759 Durbin-Watson stat1.178723 Prob(F-statistic)0.000000 1 经济学检验 从模拟的结果可以看出lnY的系数为正,1.381318.而ln (100*r)的系数为负, -0.136378.这正好与经济理论当中,收入与货币需求成正方向变化,而利率与货币需求成反方向变化.由此可见,从经济意义的角度来看,模型是合理的。 2 统计检验(α=0.05) 从模拟的结果来看, logY的t值为97.46559, log(100*r)的t值为-3.920107,而t的临界值为2.080表明系数没有通过t检验, 因此,拒绝解释变量对应变量没有显著影响的原假设,而接受备择假设.说明收入和利率对货币需求有显著的影响作用。且F值为5544.759, 而F的临界值为3.55.表明拒绝原假设,接受备择假设,即表明回归方程显著. 以下进行计量经济学检验: 1 J-B 正态检验 从检验的结果看, probability值为0.563694,即拒绝原假设反错误的概率为56.3694%,因此,接受原假设,即残差服从正态分布. 2 多重共线性检验 Correlation Matrix LOG(Y/P)LOG(R*100) LOG(Y/P)10.372971025318 LOG(R*100)0.3729710253181 从以上结果可以看出,两者的相关系数较小,即不存在多重共线性. 2异方差检验: 由于只有21个样本,因此主要采取ARCH检验来检验异方差的存在与否. ARCH Test: F-statistic0.890996 Probability0.469922 Obs*R-squared2.885732 Probability0.409581 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/12/00 Time: 22:52 Sample(adjusted): 1984 2001 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0024900.0014391.7307170.1055 RESID^2(-1)0.4107690.2641661.5549650.1423 RESID^2(-2)-0.2680470.273208-0.9811110.3432 RESID^2(-3)0.0696840.2663710.2616050.7974 R-squared0.160318 Mean dependent var0.003144 Adjusted R-squared-0.019613 S.D. dependent var0.003114 S.E. of regression0.003144 Akaike info criterion-8.493484 Sum squared resid0.000138 Schwarz criterion-8.295623 Log likelihood80.44135 F-statistic0.890996 从以上结果看Probability的值,拒绝H0反错误概率较大,同时残差序列的系数的t值并不显著,应该接受残差序列系数为零的原假设，即为模型不存在异方差. 另一方面,从White检验看,也不存在异方差. White Heteroskedasticity Test: F-statistic0.845106 Probability0.516929 Obs*R-squared3.662919 Probability0.453542 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/12/00 Time: 22:54 Sample: 1981 2001 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-0.1430650.152989-0.9351340.3636 LOG(Y)0.0337270.0352550.9566440.3530 (LOG(Y))^2-0.0017090.001740-0.9822540.3406 LOG(100*R)-0.0212060.035407-0.5989140.5576 (LOG(100*R))^20.0057680.0091310.6317050.5365 R-squared0.174425 Mean dependent var0.003023 Adjusted R-squared-0.031969 S.D. dependent var0.003022 S.E. of regression0.003070 Akaike info criterion-8.530027 3 自相关检验 模拟结果显示DW值为1.178723,而通过查表得到dL的值为1.125,du的值为1.538.DW的值正好落在无决定区域,因此需要对自相关进行修正.利用Cochrane-Orcutt 法对自相关性进行修正,得到以下结果. Dependent Variable: LOG(M) Method: Least Squares Date: 09/12/00 Time: 22:56 Sample(adjusted): 1982 2001 Included observations: 20 after adjusting endpoints Convergence achieved after 6 iterations VariableCoefficientStd. Errort-StatisticProb. C-3.5809210.234682-15.258620.0000 LOG(Y)1.3715710.02243961.124270.0000 LOG(100*R)-0.1625530.046406-3.5028240.0029 AR(1)0.3997090.2201681.8154730.0882 R-squared0.998604 Mean dependent var10.04683 Adjusted R-squared0.998342 S.D. dependent var1.339765 S.E. of regression0.054558 Akaike info criterion-2.802242 Sum squared resid0.047625 Schwarz criterion-2.603096 Log likelihood32.02242 F-statistic3813.850 Durbin-Watson stat1.964503 Prob(F-statistic)0.000000 Inverted AR Roots .40 从以上的结果可以看出DW值为1.964503,已经落在了无自相关区域,表明通过修正的模型已经不存在自相关. 通过以上的回归及检验,就可得到以下回归方程: lnＭ=-3.580921+1.371571 lnＹ-0.162553 ln(Ｒ*100) (-15.25862)( 61.12427) (-3.502824) R^2=0.998604 DW=1.96450 以上是基于没有考虑通货膨胀因素,而获得的名义数据的回归模型,以下将引入通货膨胀因素,进行第二次回归. 模型设定如下: ln(Ｍ/P)=β0+β1ln(Ｙ/P)+β2lnＲ+ui， P=为环比的商品零售物价指数. 此处的利率仍使用名义数据，因为实际利率=（1+名义利率）/（1+通货膨胀率）-1，在计算中实际利率出现了负值，无法进行对数运算，所以仍使用名义数据。 回归结果如下: Dependent Variable: LOG(M/P) Method: Least Squares Date: 12/17/02 Time: 21:19 Sample: 1981 2001 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-3.6942740.119475-30.920860.0000 LOG(Y/P)1.3713050.012735107.68160.0000 LOG(R*100)-0.0932640.031571-2.9541300.0085 R-squared0.998639 Mean dependent var9.880855 Adjusted R-squared0.998487 S.D. dependent var1.411501 S.E. of regression0.054898 Akaike info criterion-2.835116 Sum squared resid0.054248 Schwarz criterion-2.685899 Log likelihood32.76872 F-statistic6601.731 Durbin-Watson stat0.975357 Prob(F-statistic)0.000000 从回归结果看,通过了经济意义和统计检验.下面进行计量经济学检验 1 J-B正态检验 其中probability值为0.501181, 即拒绝原假设反错误的概率为50.1181%,因此,接受原假设,即残差服从正态分布. 2 多重共线性检验 Correlation Matrix LOG(Y/P)LOG(R*100) LOG(Y/P)10.372971025318 LOG(R*100)0.3729710253181 由于相关系数较小,因此不存在多重共线性. 3 异方差检验 ARCH Test: F-statistic0.752158 Probability0.539130 Obs*R-squared2.498485 Probability0.475565 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/12/00 Time: 23:32 Sample(adjusted): 1984 2001 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0022040.0011561.9055980.0774 RESID^2(-1)0.3647510.2653201.3747570.1908 RESID^2(-2)-0.2735320.273948-0.9984810.3350 RESID^2(-3)0.0596760.2585840.2307800.8208 R-squared0.138805 Mean dependent var0.002564 Adjusted R-squared-0.045737 S.D. dependent var0.002241 S.E. of regression0.002292 Akaike info criterion-9.125715 Sum squared resid7.35E-05 Schwarz criterion-8.927854 Log likelihood86.13143 F-statistic0.752158 Durbin-Watson stat1.803858 Prob(F-statistic)0.539130 从probability值和t值可以判断不存在异方差. 同时从White检验也可以判定不存在异方差. White Heteroskedasticity Test: F-statistic0.361176 Probability0.832569 Obs*R-squared1.739139 Probability0.783596 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/12/00 Time: 23:34 Sample: 1981 2001 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C-0.0101540.122323-0.0830120.9349 LOG(Y/P)0.0057330.0278640.2057370.8396 (LOG(Y/P))^2-0.0003010.001376-0.2188730.8295 LOG(100*R)-0.0170650.026660-0.6401110.5312 (LOG(100*R))^20.0048560.0068440.7095560.4882 R-squared0.082816 Mean dependent var0.002583 Adjusted R-squared-0.146480 S.D. dependent var0.002287 S.E. of regression0.002448 Akaike info criterion-8.982578 Sum squared resid9.59E-05 Schwarz criterion-8.733882 Log likelihood99.31707 F-statistic0.361176 Durbin-Watson stat1.657417 Prob(F-statistic)0.832569 4 自相关检验 由于回归结果的DW值为0.975357,存在正相关,因此,进行修正,结果如下: Dependent Variable: LOG(M/P) Method: Least Squares Date: 09/12/00 Time: 23:36 Sample(adjusted): 1982 2001 Included observations: 20 after adjusting endpoints Convergence achieved after 4 iterations VariableCoefficientStd. Errort-StatisticProb. C-3.5158290.249066-14.116040.0000 LOG(Y/P)1.3617280.02232860.987580.0000 LOG(100*R)-0.1307500.045877-2.8499860.0116 AR(1)0.4975750.2119042.3481180.0321 R-squared0.999001 Mean dependent var9.989051 Adjusted R-squared0.998813 S.D. dependent var1.355884 S.E. of regression0.046711 Akaike info criterion-3.112821 Sum squared resid0.034911 Schwarz criterion-2.913674 Log likelihood35.12821 F-statistic5330.969 Durbin-Watson stat2.084557 Prob(F-statistic)0.000000 Inverted AR Roots .50 经过回归和修正,得到实际数据的回归方程: ln(Ｍ/P)=-3.515829+1.361728 ln(Y/P)-0.130750ln(Ｒ*100) (-14.11604) ( 60.98758) (-2.849986) R^2= 0.999001 DW=2.084557 以上的两次回归结果,从计量经济学角度来看,由于t值较大,可能会存在伪回归.因此为了进一步分析,下面利用图形考察,货币需求与收入和利率的关系. 1981-2001年利率的时间序列图 可以看出在此段时期内,利率波动较大.由于利率数据的不平稳,因而可能存在伪回归. 从上图可以看出,利率和货币需求的关系不总是与经济理论相符.在多数年份中,随着利率的上升,货币需求仍在增加. 但从收入和货币需求的关系图中可以看出，两者关系近乎成一条直线. 从货币需求、收入和利率三者时间序列图可以看出，九十年代中期以前，利率呈现无规律的波动，而此时的货币需求一直在增加，这主要是由收入增加所引起。即：九十年代中期以前，利率对货币需求几乎无解释作用，货币需求主要由收入决定。而在九十年代中期以后，利率呈下降趋势，此时的货币需求仍不断增加，但增幅大于收入的增幅，因此可以认为九十年代中期以后，利率对货币需求的作用逐渐显现出来。为了进一步探究两者之间的关系。我们引入了１９９５年第一季度到２００２年第三季度的货币需求和利率的数据，并将两者的有关图形显示如下： 从上图并结合年度数据中利率与货币需求的关系图中可以看出，从九十年代中期以后，利率与货币需求的关系已经符合经济理论。 从利率与货币需求的散点图可以看出，利率和货币需求明显成反方向变动关系。 五、经济现象浅析 从以上对年度数据和季度数据的分析。我们认为，虽然再贷款利率是央行根据货币市场需求进行调整的，但是由于中国货币市场的市场化程度较低，其代表性仍然很低。随着，金融体制的改革，再贷款利率的市场代表性提高。 注：由于金融理论知识的欠缺，因此不能作出很好的经济解释。本论文的着重点并非在结论，而在于利用计量经济学这种定量的分析方法，解决现实中的问题。

  • 简析新经济时代下负债存在的意义开题报告_经济学毕业论文范文

    简析新经济时代下负债存在的意义开题报告_经济学毕业论文范文 开题报告 题目：简析新经济时代下负债存在的意义 写作意图：负债经营是市场经济条件下企业融资的一种方式，是企业家广泛使用的一种快速扩大资产经营规模和增强经济实力的有效手段。目前，我国正步入市场经济轨道，国有企业已经成为相对独立的商品生产者和经营者;资金有企业自我筹集，企业就成为一个独立经营、资金自筹、盈亏自负、风险自担的独立经济实体。在这种情况下，企业必须了解负债经营的利与弊，分析其利弊得失，对企业运作乃至整个社会经济的发展都是有重要作用的。以往人们对负债的认识就是其消极作用，合理的负债、对负债经营有效的控制对企业的生存发展扩大起着至关重要的作用。为此，有必要充分了解什么是负债经营，负债经营的利弊得失，合理负债的标准以及如何才能做到合理有效的负债经营。 主要内容：负债经营是企业所承担的一种能以货币计量、需要以资产或劳务偿付的债务。负债经营是指企业通过银行借款、商业信用、融资租赁和发行债券等方式取得经营资金的融资方式。它也是企业谋求其经济获得迅速增长，在一定的风险条件下加以采用的方式。因此，负债经营是一种财务手段。 通过表述负债经营对企业的有利影响，表现为负债经营可以弥补企业在运营和长期发展中资金的不足；负债经营能有效地降低企业加权平均资金成本；负债经营给企业带来的“财务杠杆效应”；负债经营有利于企业控制权的保持及负债经营对企业的不利影响，表现为引起“财务杠杆效应”的负面作用；过度负债有可能引起股东和债权人之间的代理冲突；过度负债会引起恶性债务链。以此分析负债经营的利弊，研究负债经营如何才能达到一个合理的度，进一步分析如何做到兴利除弊。 以合俊玩具厂倒闭，经济衰退期日本企业的对负债的态度等实例来解析负债的作用及负债经营在不同时期应做何调整。表明一个观点：负债的弊并不是说企业不能负债，强调的是合理负债经营，重在“经营”；负债的利并不是说企业可以肆无忌惮的贷款，而是要在不同时期根据遇到的不同局势有“度”的负债。 主要参考资料： 叶全良. «负债经营论».«湖北人民出版社».2002年1月.ZSBN7-216-03258-6 夏冰. «负债经营：国际经验与我们的对策».«上海会计».1998年第1期 李增森. «简论企业负债经营». «经济与管理».1994. 韩军. «论负债经营的利与弊».«成人高教学刊».2001年第4期 写作方法： 对比法。用实例对比负债经营的利与弊 解析法。用实例剖析负债经营存在的意义 举例说明法。用实例和大量具体数字来证实观点

  • 影响保险费收入的因素分析_经济学毕业论文范文

    影响保险费收入的因素分析_经济学毕业论文范文 影响保险费收入的因素分析 [内容摘要]： 本文是根据我国保险业的现状，想从计量经济学的角度来分析一下保险费收入与GDP、人均GDP、最终消费、城乡居民人民币储蓄存款余额、职工平均工资之间的关系。根据经济学原理，在模型中我们引入了五个解释变量GDP、人均GDP、最终消费、城乡居民人民币储蓄存款余额、职工平均工资。从我们所做的回归结果看，保险费收入与最终消费、城乡居民人民币储蓄存款余额、职工平均工资有显著关系。但是，鉴于水平有限，文中难免出现一些错误，另外还存在一些我们难以解决的问题，请老师同学们多多斧正！ [关键词]： 保险费收入 GDP 人均GDP 最终消费 城乡居民储蓄存款余额 职工平均工资 导论 保险在国民经济中的重要作用 保险业的发展有助于推动经济的发展，保障经济稳定运行、提供资金支持、促进出口和消费以及为“三农”服务，促进经济平稳健康发展。保险公司通过损失赔偿还可以为投保企业提供风险管理服务。 在支持国民经济建设方面，保险资金运用以多种方式和途径支持经济发展；在促进资本市场发展方面，保险公司作为主要的机构投资者，有力的促进资本市场稳定发展；在支持国有商业银行改革方面，保险公司是银行次级债的主要购买人，为提高银行资本充足率、推动商业银行改革提供了有力支持。 同时保险业在促进房屋和汽车消费方面，也在发挥着越来越突出的作用。发展农业保险，可以对农业实施合理有效的保护，减轻入世给我国农业带来的冲击，减少自然灾害对农业生产的影响，稳定农民收入。 同时，保险业在促进社会稳定、和谐发展过程中也具有极其重要的作用。随着我国社会保障体制改革的不断深入，越来越多的人正在实现由“单位人”向“社会人”的转变，更多的个人、家庭和企业开始把商业保险作为解决养老、医疗等问题的有效手段。 通过大力发展商业性养老、医疗保险，可以有效缓解政府压力，提高社会保障水平，增进人民福利。当前我国社会养老保险的实际情况表明，保险公司在精算、资产运用、缴费管理、养老金支付等方面具有特殊的专长，在补充养老保险尤其是企业年金领域具有优势。 保险业具有社会管理功能。一是有效化解社会纠纷。二是分担政府责任。三是提高政府管理效率。四是引导公众遵循社会规则。 模型设定的经济学原理 鉴于保险业在国民经济中有如此重要的作用，我们尝试通过计量经济学的方法来分析一下影响保险业的因素，并期望为我国保险业健康发展思路提供一定基础。 保险费收入是衡量保险业发展水平的重要指标，本文着重从研究影响保险费收入的因素来考察制约保险业发展的关键所在。 假定除我们考虑到的因素外，其他因素对保险费收入的影响可以忽略。 有效的保险需求：指城乡居民愿意并能够消费的保险产品总和。 这里： ①GDP：可以认为影响着保险费收入的总水平； ②人均GDP：也可以认为影响着保险费收入的总水平，但这里我们考虑到人口因素的影响； ③最终消费：保险费收入在最终消费中的比重可以间接反映我国城乡居民的保险意识和保险消费意愿； ④城乡居民人民币储蓄存款余额：可以反映我国城乡居民的保险消费能力； ⑤职工平均工资：可以反映我国城乡居民的保险消费能力，但同样这里我们考虑到人口因素的影响。 在此，我们将“保险费收入”设为因变量，“人均GDP”、“GDP”、“最终消费”、“城乡居民人民币储蓄存款余额”及“职工平均工资”设为自变量，设定了以下经济学模型。 模型设定 根据经济学理论把模型设定为： Y=C+C1*X1+C2*X2+C3*X3+C4*X4+C5*X5+u 其中：Y代表保险费收入(单位：亿元) X1代表GDP（单位：亿元） X2代表人均GDP （单位：元） X3代表最终消费（单位：亿元） X4代表城乡居民人民币储蓄存款余额（单位：亿元） X5代表职工平均工资（单位：元） 数据如下： obsYX1X2X3X4X5 19804.64517.84602976.1399.5762 19817.84862.44893309.1523.7772 198210.35294.75253637.9675.4798 198313.25957.45804020.5892.5826 19842071716924694.51214.7974 198523.18964.485357731622.61148 198633.110202.295665422237.61329 198745.811962.511047451.23073.31459 198871.114928.313559360.13801.51747 1989109.516909.2151210556.55196.41935 1990142.418547.9163411365.27119.82140 1991177.921617.8187913145.99241.62340 1992235.626638.1228715952.111759.42711 1993367.934634.4293920182.115203.53371 1994499.646759.439232679621518.84538 199560058478.148543363529662.35500 199668367884.6557640003.938520.86210 1997850.5774462.6605443579.446279.86470 19981087.9678345.2630846405.953407.57479 19991261.5582067.5655149722.759621.88346 20001444.5289468.1708654600.964332.49371 20011599.6897314.8765158927.473762.410870 20023054.15105172.3821462364.686910.612422 资料来源：《中国统计年鉴2003》《中国保险年鉴2003》《中国经济年鉴2003》 由下图可以看出，模型设定的总体还可以。 参数估计 模型：Y=C+C1*X1+C2*X2+C3*X3+C4*X4+C5*X5+u 用Eviews估计结果为： Dependent Variable: Y Method: Least Squares Date: 05/13/05 Time: 10:28 Sample: 1980 2002 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C-123.459553311158.311720484-0.7798509986080.44620095887 X1-0.1525752461170.145224589502-1.050615785110.30814151834 X22.688208181721.490015717721.80414753330.0889559901879 X3-0.2255932305870.0458317495728-4.922204207550.000128989293925 X40.07773314486920.02030224781943.828794996520.00134414271642 X50.3498949202670.06816764884065.132858859288.30634704954e-05 R-squared0.988272842496 Mean dependent var536.666521739 Adjusted R-squared0.984823678525 S.D. dependent var744.318993703 S.E. of regression91.6943044094 Akaike info criterion12.0942558574 Sum squared resid142933.372839 Schwarz criterion12.3904717398 Log likelihood-133.08394236 F-statistic286.525329215 Durbin-Watson stat3.06117233435 Prob(F-statistic)8.7253121058e-16 Y = -123.459553311 + -0.152575246117*X1 + 2.68820818172*X2 + -0.225593230587*X3＋0.0777331448692*x4+0.349894920267*x5 t=(-0.779850998608)(-1.05061578511)(1.8041475333)(-4.92220420755) (3.82879499652) (5.13285885928) R^2=0.988272842496 S.E＝91.6943044094 D-W=3.06117233435 F＝286.525329215 检验及修正 1．经济意义检验 从上表中可以看出，各指标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。注：保险调查研究表明“保险费收入与GDP不存在严格正相关关系①。” 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=0.988272842496），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x1及x2的t统计值均不显著（x1 x2的t统计量的值的绝对值均小于2），说明x1 x2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 多重共线性检验 ①检验：由F=286.525329215(5,23)=2.605(显著性水平α=0.05)表明模型从整体上看保险费收入与解释变量间线形关系显著。 这里采用“简单相关系数矩阵法”对其进行检验 ： X1X2X3X4X5 X110.9996554790120.9995524526930.9851097264950.988210520191 X20.99965547901210.9986664112050.9803573149990.984478588738 X30.9995524526930.99866641120510.9879809298260.99006821458 X40.9851097264950.9803573149990.98798092982610.995505860149 X50.9882105201910.9844785887380.990068214580.9955058601491 从结果可知x1与x2、x3存在高度相关. ②修正：采用逐步回归法对其进行补救。 根据以上分析，由于x5的t值最大，线形关系强，拟合程度最好，因此把x5作为基本变量。然后将其余解释变量逐一代入x5的回归方程，重新回归。得如下几个模型: Y＝-270.04866895＋0.198405113303*x5 t= (-3.65257302713) ( 14.390132145) R^2=0.907925389268 　S.E=231.169610005 　F=207.075903152 Y=-271.820694643+-0.030513254355*x1+0.48993704251*x5 t=(-5.1308105517) ( -4.57177973798) ( 7.5925720376) R^2=0.954977028386 　S.E=165.64278436 　F=212.108840035 Y=-196.103593366+0.00584217968991*x1+-0.408454616946*x2+0.445428812509*x5 t=(-1.06310758232)( 0.0687724297073)( -0.429349255274)( 3.62637757443) R^2=0.955409650489　S.E=169.127441761　F=135.700389272 Y=-258.995166081+-0.0603904181482*x3+0.541170826044*x5 t=(-5.3566506351)( -5.40288531354)( 8.44554870273) R^2=0.962564577638　S.E=151.0417　F=257.126677595 加入X1，拟合优度仅略有提高，但对x5的t值影响很大，但仍然显著。 加入x2，拟合优度仅略有提高，但t1= 0.0687724297073, t2=-0.429349255274，太小因而同样不显著。因此也应将变量X1,x2删去。 加入x3, 拟合优度略有提高，较显著。 加入x4, 拟合优度不仅有较大提高，也较显著。 因而模型修改为如下形式： Y=C+c1*x3+c2*x4+ c3*x5+u 新模型估计结果： Dependent Variable: Y Method: Least Squares Date: 05/09/05 Time: 07:45 Sample: 1980 2002 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C-86.07927591860.9473809766-1.412353977130.174016076424 X3-0.05099703699080.00636523312958-8.011809772341.63962245826e-07 X40.02225097377160.007062557758153.150554591350.00526600153381 X50.3394851147530.05956213812845.699679786861.70811044455e-05 R-squared0.990423702123 Mean dependent var627.517826087 Adjusted R-squared0.988911655089 S.D. dependent var803.876978246 S.E. of regression84.649218818 Akaike info criterion11.8716796769 Sum squared resid136144.314684 Schwarz criterion12.0691569319 Log likelihood-132.524316285 F-statistic655.021755493 Durbin-Watson stat1.69617836388 Prob(F-statistic)0 Y=-86.079275918+-0.0509970369908*x3+0.0222509737716*x4+0.339485114753*x5 t=(-1.41235397713)( -8.01180977234)( 3.15055459135)( 5.69967978686) R^2=0.990423702123S.E=84.649218818F=655.021755493 考虑到截距项的t检验值太小，去掉截距项回归如下： Dependent Variable: Y Method: Least Squares Date: 05/09/05 Time: 07:56 Sample: 1980 2002 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. X3-0.05259223118950.006418117396-8.194339234488.02910714276e-08 X40.03118572201350.003217153137239.693577110985.32544411488e-09 X50.2779129541720.04158135924046.683594746511.66386957693e-06 R-squared0.989418319996 Mean dependent var627.517826087 Adjusted R-squared0.988360151996 S.D. dependent var803.876978246 S.E. of regression86.7287817327 Akaike info criterion11.8845562851 Sum squared resid150437.631617 Schwarz criterion12.0326642263 Log likelihood-133.672397279 Durbin-Watson stat1.07624725228 经过上述逐步回归分析，表明Y对x3 x4 x5的回归模型为最优。 计意义 XIN X-0.4894*X()（2）一阶自相关检验及修正 ①检验： 图示法.如图 如图可见不存在自相关。 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。 根据上表中估计的结果，由DW=1.69617836388 ，给定显著性水平α=0.05，查Durbin-Watson表，n=23，k’=3，得=1.078,=1.66。 因为DW统计量为dldu〈D-W〈2，根据判定域知，不存在一阶自相关，不需要进行修正。 (3)异方差检验及修正 ①检验：a.图示法.如图 表明存在异方差。 b.Goldfeld-Quandt检验. 由样本(1980-1988)得∑e1^2=273.370501522 由样本(1994-2002)得∑e2^2=66824.1370326 F=∑e2^2/∑e1^2=66824.1370326/273.370501522=244.445 查分布表（0.05）得F0.05(6,6)=4.28 比较F=244.445 F0.05(6,6)=4.28 则拒绝H0:ó1^2=ó2^2表明随机误差显著地存在异方差。 ②修正：对数变换法 Dependent Variable: LY Method: Least Squares Date: 05/09/05 Time: 08:53 Sample: 1980 2002 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C1.530170041.780408707471.8594487510530.400807081005 LX3-1.721588398810.663348747699-2.595299086310.0177624600474 LX41.976074010880.2225139512758.880674670333.43560333427e-08 LX50.3067323618120.4397590513913.697500962950.493936979178 R-squared0.995345034532 Mean dependent var5.20182994764 Adjusted R-squared0.994610039984 S.D. dependent var1.98269478905 S.E. of regression0.145562208747 Akaike info criterion-0.859655547834 Sum squared resid0.402578775691 Schwarz criterion-0.662178292889 Log likelihood13.8860388001 F-statistic1354.22097728 Durbin-Watson stat1.35181787946 Prob(F-statistic)0 (4)确定模型 lY = 1.53017004 －1.72158839881*lx3+1.97607401088*lx4+0.306732361812lx5 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。 对模型的经济解释及存在的问题 从以上模型经分析可得出： （1）从模型可以看出最终消费、城乡居民人民币储蓄存款余额、职工平均工资，是影响保险费收入的最显著因素。 （2）根据先验信息，最终消费应该与保险费收入存在正相关关系，而我们从模型得到的结果看，最终消费与保险费收入存在负相关关系。这就表明目前我国保险险种开发深度不够。 这种状况原因可能是保险业缺乏适合城乡居民保障需求的险种，或现有险种不具有吸引力，也可能是我国城乡居民保险意识不够。因而我国保险市场潜力尚未得到充分的挖掘。 综观中国保险业现状，与其他产业比，最终消费、城乡居民人民币储蓄存款余额、职工平均工资是制约保险业发展的关键因素，值得一提的是保险意识对保险业发展有重要影响。所以经济发展了，保险意识提高了保险业才能够健康发展进而带动我国其他产业的发展，最终达到整个国民经济的良性发展。 注释：①韩艳春 胡文富 《保险法发展与人口经济及文化发展的关系》（上）保险研究 2004 第11期 [参考文献]： 1、《计量经济学》 主编：庞皓 副主编：李南成 西南财经大学出版社 2002年8月第二版 2、《中国保险年鉴》1980-2003 3、《中国统计年鉴》1980-2003 4、《中国经济年鉴》1980-2003 5、中经网 小组成员分工： 杨知文（40205095）本小组组长，主要技术负责，选题，论文总撰 田 野（40205110）数据资料收集和整理，选题经济学解释部分撰写 刘 炜（40205137）模型分析，论文撰写 杨 宝（40205097）模型基本检验，论文撰写 杨志铿（40205069）模型修正，文中所涉及文献查阅 田纪亮（40205070）数据资料收集和整理，结论部分撰写

  • 财政收入与GDP的计量分析_经济学毕业论文

    财政收入与GDP的计量分析_经济学毕业论文 财政收入与GDP的计量分析 关键词：财政收入 GDP 税赋融资 收入融资 税制改革 导论 本模型是研究近二十年来我国的财政收入与GDP之间的定量关系。GDP即国内生产总值，财政收入是政府收入的一部分。从我国政府收入的构成来看，政府收入=财政预算内收入+预算外收入+非规范性公共收入。政府财政收入有四大主要来源：税赋融资、收入融资、债务融资和基金融资。我们分析所指的财政收入是财政预算内收入的税赋融资与收入融资。 在我国统计财政收入的数据中主要包括以下部分：税赋融资：增值税 消费税 营业税　企业所得税 外贸企业出口退税（冲减收入）个人所得税 资源税　固定资产投资方向调节税（目前暂停使用）　城市建设维护税　遗产税（暂未开征）证券交易印花税　城镇土地使用税 土地增值税　车船使用税　船舶吨税　车辆购置税　屠宰税　关税 农业税　农业特产税　牧业税　耕地占用税 契税。 收入融资：国有股减持收入　企业亏损补贴　行政性收费　罚没收入　土地和海域有偿使用收入 其他收入 政府间转移（赠与）等。 经过对国家财政分项目收入数据的研究，我们发现从改革开放之后，税赋融资部分占财政收入比重增大，（企业）收入融资部分所占比重减小，但是它仍然占相当部分，国内大规模的国有企业仍然创造着可观的GDP。所以单纯的研究税收与GDP的关系是没有意义的。这里就不能用平均税率来表示GDP对财政收入的影响。为此我们建立如下计量经济模型： Y=C1+C2*X+u 这里Y是被解释变量财政收入，X是解释变量国内生产总值GDP，C2可以看作GDP对财政收入的平均影响，且0C21。u为随机误差，描述变量外的因素对模型的干扰。 二．样本数据收集。 本模型使用时间序列数据，数据来源于国家统计局网站(在经过大量分析比较后我们采用了所取样本数据见表1，其中X为我国国民生产总值（亿元人民币），Y为我国财政收入（亿元人民币）。 表1. 单位：亿元 obsXY 1979 4038.200 1146.380 1980 4517.800 1159.930 1981 4862.400 1175.790 1982 5294.700 1212.330 1983 5934.500 1366.950 1984 7171.000 1642.860 1985 8964.400 2004.820 1986 10202.20 2122.010 1987 11962.50 2199.350 1988 14928.30 2357.240 1989 16909.20 2664.900 1990 18547.90 2937.100 1991 21617.80 3149.480 1992 26638.10 3483.370 1993 34634.40 4348.950 1994 46759.40 5218.100 1995 58478.10 6242.200 1996 67884.60 7407.990 1997 74462.60 8651.140 1998 78345.20 9875.950 1999 81910.90 11444.08 2000 89404.00 13380.00 2001 95933.30 16371.00 三．参数估计与检验 （一）将样本数据导入Eviews软件进行OLS估计，得到输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/15/02 Time: 16:04 Sample: 1979 2001 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C324.8922343.59510.9455670.3551 X0.1318590.00740417.809510.0000 R-squared0.937903 Mean dependent var4850.518 Adjusted R-squared0.934946 S.D. dependent var4348.492 S.E. of regression1109.116 Akaike info criterion16.94346 Sum squared resid25832901 Schwarz criterion17.04219 Log likelihood-192.8497 F-statistic317.1787 Durbin-Watson stat0.325293 Prob(F-statistic)0.000000 （二）模型的检验 1.经济意义的检验 经过上面的分析我们在理论上已经知道，财政收入与GDP的增长是正的线形关系，这与现实中GDP与财政收入同向变化是相符的。 2．统计推断检验 从估计的结果可以看出，可决系数为0.937903，模型拟合情况比较理想，系数显著性检验T统计量为：17.80951。在给定显著性水平为0.05的情况下，查T分布表在自由度为N-2=21下的临界值为2.080，因为17.80951大于2.080，所以拒绝原假设。表明GDP对财政收入有显著性影响。 3．计量经济检验 （1）由于我们建立的模型只有一个解释变量，所以不存在多重共线性。 （2）异方差检验 利用ARCH检验，得到如下结果： ARCH Test: F-statistic48.28316 Probability0.000000 Obs*R-squared16.41359 Probability0.000933 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/15/02 Time: 16:27 Sample(adjusted): 1982 1999 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C3702.57361258.380.0604420.9527 RESID^2(-1)2.6238240.2837069.2484000.0000 RESID^2(-2)-3.7369600.374614-9.9754960.0000 RESID^2(-3)3.1094470.28204911.024500.0000 R-squared0.911866 Mean dependent var302173.5 Adjusted R-squared0.892980 S.D. dependent var641360.9 S.E. of regression209813.8 Akaike info criterion27.53896 Sum squared resid6.16E+11 Schwarz criterion27.73682 Log likelihood-243.8506 F-statistic48.28316 Durbin-Watson stat3.015242 Prob(F-statistic)0.000000 从输出的辅助回归函数中得obs*-squared为16.41359大于临界值7.81，所以拒绝原假设H0，表明模型中随机误差项存在异方差。表示随着时间推移，经济发展影响财政收入的其他因素可能发生了变化。例如：经济的发展使纳税主体多元化，并且偷税漏税情况严重，以及这些年的国有股减持收入，和证券市场发展伴随而来的证券交易印花税波动等等，这些因素的变化都带来对财政收入的冲击。 （3）自相关检验 利用图示法，由Eviews软件得到如下结果： 可以初步判断随机误差项存在自相关。 再利用D-W法检验由DW=0.325293，查DW表，n=23,k’=1,查得两个临界值分别为：下限DL=1.257，上限DU=1.437，因为DW统计量为0.325293DL，根据判定区域知，这时随机误差项存在正的一阶自相关。其原因可能在于经济环境，国家政策等变化对经济发展和财政收入的影响有时滞性。例如，税制改革，中央和地方的财政分权等都要一定时间来达成，90年代后期的洪涝灾害以及亚洲金融危机对以后几年经济的影响，其滞后性就表现出来了。 四.计量经济参数修正 根据上述检验可以得到，我们建立的模型存在异方差与自相关，下面进行修正。 首先是对异方差的修正。 利用WLS估计法得到如下输出结果： Dependent Variable: Y Method: Least Squares Date: 12/15/02 Time: 16:57 Sample: 1979 2001 Included observations: 23 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C652.048950.7425412.850140.0000 X0.1205320.00562021.447120.0000 Weighted Statistics R-squared0.887173 Mean dependent var2134.078 Adjusted R-squared0.881801 S.D. dependent var654.3188 S.E. of regression224.9557 Akaike info criterion13.75263 Sum squared resid1062706. Schwarz criterion13.85136 Log likelihood-156.1552 F-statistic459.9788 Durbin-Watson stat0.360624 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.930773 Mean dependent var4850.518 Adjusted R-squared0.927476 S.D. dependent var4348.492 S.E. of regression1171.060 Sum squared resid28798996 Durbin-Watson stat0.302857 再用对数变换法，将变量X，Y替换成LNX，LNY。用OLS法对LY，LX回归，得到结果如下： Dependent Variable: LY Method: Least Squares Date: 12/15/02 Time: 16:57 Sample: 1979 2001 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C0.5845480.2961651.9737210.0617 LX0.7603410.02965125.642740.0000 R-squared0.969052 Mean dependent var8.134945 Adjusted R-squared0.967578 S.D. dependent var0.848797 S.E. of regression0.152835 Akaike info criterion-0.835969 Sum squared resid0.490532 Schwarz criterion-0.737230 Log likelihood11.61364 F-statistic657.5501 Durbin-Watson stat0.209387 Prob(F-statistic)0.000000 比较两种方法，可以发现X，Y在对数线性回归下拟和效果更好，可决系数更大，且T统计量也较好。我们将模型的表达式更改为：LnY=C1’+C2’*LnX+u。 （2）其次是对自相关进行修正。 利用对数线性回归修正并进行迭代，得出如下结果： Dependent Variable: LY Method: Least Squares Date: 12/15/02 Time: 17:37 Sample(adjusted): 1980 2001 Included observations: 22 after adjusting endpoints Convergence achieved after 16 iterations VariableCoefficientStd. Errort-StatisticProb. C3.4513811.1768012.9328510.0085 LX0.4143240.1692182.4484670.0242 AR(1)1.1161380.07017915.904180.0000 R-squared0.997109 Mean dependent var8.184517 Adjusted R-squared0.996805 S.D. dependent var0.833998 S.E. of regression0.047140 Akaike info criterion-3.145272 Sum squared resid0.042221 Schwarz criterion-2.996493 Log likelihood37.59799 F-statistic3277.067 Durbin-Watson stat1.246986 Prob(F-statistic)0.000000 Inverted AR Roots 1.12 Estimated AR process is nonstationary 这时的DW值比前面略有好转，但查表得出DW只能落入在0.01显著性水平下不能拒绝原假设的区间内（DL=1.018，DU=1.187）所以也修正了自相关性。 五.总结 通过以上分析，我们得到如下方程： LY = 0.5845477009 + 0.7603408801*LX ( 0.296165 ) ( 0.029651 ) t= ( 1.973721 ) ( 25.64274 ) R^2= 0.969052 F=657.5501 DF=23 该模型的经济意义可解释为：GDP每增长1%，则财政收入平均增长0.7594%。 惭愧的是我们的模型不是十分的理想，线性拟和不是很好，这从修正后模型的散点分布图可以看出。 上图中实际的值存在波动，我们只是近似的将其拟和为线性，其中85年和95年出现两个转折点，这是因为我国在84年底和94年初发生了两次具有重大意义的税制改革，这导致了对斜率参数的显著影响，以及对随机误差的影响。这在很大程度上解释了为什么我们的模型最初出现了异方差和自相关。 背景：八四年利改税：1983 — 1993年这一时期是我国税制改革全面展开的时期，取得了改革开放以后税制改革的第二次重大突破。1983年，国务院决定在全国试行国有企业利改税，1984年10月起，在全国实施第二步利改税和工商税制改革，陆续发布了一系列行政法规。 九四年税制改革：1993 — 2000这一时期是我国税制改革全面深化的时期，取得了改革开放以来税制改革的第三次重大突破。从1992年起，财税部门就开始加快税制改革的准备工作，1993年迅速制定了全面改革工商税制的总体方案和各项具体措施，并完成了有关法律、法规的必要程序，于1993年底之前陆续公布，从1994年起在全国实施。1994年税制改革的主要内容有：第一、全面改革了流转税制，实行了以比较规范的增值税为主体，消费税、营业税并存，内外统一的流转税制；第二、改革了企业所得税制，将过去对国营企业、集体企业和私营企业分别征收的多种所得税合并为统一的企业所得税；第三、改革了个人所得税制，将过去的对外国人征收的个人所得税、对中国人征收的个人收入调节税和个体工商业户所得税合并为统一的个人所得税；第四、对资源税、特别目的税、财产税、行为税等税种作了大幅度的调整 利用EVIEWS软件分别对85年前，85—94年和95年以后的样本数据进行分析得到以下结果 79-84： Dependent Variable: Y Method: Least Squares Date: 12/15/02 Time: 20:06 Sample: 1979 1984 Included observations: 6 VariableCoefficientStd. Errort-StatisticProb. C406.3290128.67163.1578760.0343 X0.1655090.0238236.9474730.0023 R-squared0.923470 Mean dependent var1284.040 Adjusted R-squared0.904338 S.D. dependent var193.3079 S.E. of regression59.78873 Akaike info criterion11.28071 Sum squared resid14298.77 Schwarz criterion11.21130 Log likelihood-31.84214 F-statistic48.26738 Durbin-Watson stat1.028509 Prob(F-statistic)0.002255 85-94年： Dependent Variable: Y Method: Least Squares Date: 12/15/02 Time: 20:08 Sample: 1985 1994 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C1200.14059.8011520.068850.0000 X0.0875330.00249535.078650.0000 R-squared0.993541 Mean dependent var3048.532 Adjusted R-squared0.992733 S.D. dependent var1049.007 S.E. of regression89.42310 Akaike info criterion12.00149 Sum squared resid63971.93 Schwarz criterion12.06201 Log likelihood-58.00746 F-statistic1230.512 Durbin-Watson stat2.026034 Prob(F-statistic)0.000000 95-2001年： Dependent Variable: Y Method: Least Squares Date: 12/15/02 Time: 20:09 Sample: 1995 2001 Included observations: 7 VariableCoefficientStd. Errort-StatisticProb. C-10800.802148.148-5.0279580.0040 X0.2726440.02721410.018620.0002 R-squared0.952549 Mean dependent var10481.77 Adjusted R-squared0.943059 S.D. dependent var3539.047 S.E. of regression844.4966 Akaike info criterion16.55031 Sum squared resid3565872. Schwarz criterion16.53486 Log likelihood-55.92610 F-statistic100.3727 Durbin-Watson stat1.155381 Prob(F-statistic)0.000169 由以上结果可以看出分段以后，各段的拟和情况都比较良好，T统计量和F统计量显著，可决系数分别为0.92，0.99，0.95，第1和第3期的DW统计量落在不能判断自相关的区域，其自相关性不明显，其中第2期可以判定不存在自相关。同时由ARCH检验知不存在异方差性。可见，在没有重大税收政策变动的时期内，可以用原来的模型Y=C1+C2*X+u进行回归估计，且拟和效果较好。 因此可以认为：在中短期内，当国家税收结构、外部经济环境没有重大变化的情况下，国家财政收入与GDP确实存在线性相关关系，可以用最初的模型Y=C1+C2*X+u进行拟和。在长期中，由于存在不可预知的突发扰动以及经济变量结构性的变化，最好用修正的对数模型进行拟和。

  • 货币政策有效性初步分析_经济学毕业论文范文

    货币政策有效性初步分析_经济学毕业论文范文 货币政策有效性初步分析 摘要：蒙代尔－弗莱明模型及蒙代尔－克鲁格曼“不可能三角”理论表明，在固定汇率制下，货币政策没有独立性。而实证结果表明，金融变量与经济增长、物价变动等之间存在着长期稳定的因果关系，特别是80年代以来推行的市场经济改革，增强了中央银行选择货币供应量作为中介指标的可操作性，中央银行可通过控制货币供给总量来影响宏观经济活动，达到间接调控的目的。本文利用计量经济学的方法，分析货币供应量与GDP、RPI、R这三者的关系。从中国的实际情况出发，在利用1984-2004年度数据的基础上，分析这些因素对货币供应量的影响，并得出一些初步的结论。 关键词：货币政策有效性；货币供应量；计量分析 一、问题的提出 蒙代尔－弗莱明模型及蒙代尔－克鲁格曼“不可能三角”理论表明，在固定汇率制下，货币政策没有独立性。而货币政策有效性主要通过研究货币政策与经济增长和物价变化等之间的关系，来检验金融变量的变化对经济增长和物价波动等的影响，判断彼此之间的因果关系，分析货币能否影响产出，货币与产出之间是否存在稳定联系，货币当局能否控制货币，货币与物价变动的关系，以及经济增长与物价变动的关系等等，以此确定中央银行能否通过货币政策的调整，来有效实现预定的货币政策目标，以及由此付出的经济代价和获得的经济业绩，从而为中央银行的货币政策设计和修正提供实证参照标准。 在经济转轨时期，面临着经济发展和体制创新的矛盾,客观上要求中央银行通过货币调控，把支持经济增长、保持物价稳定等作为衡量货币政策有效性的重要指标。在此背景下,如何确定货币政策的取向是保证经济转轨顺利进行的关键因素之一。本文通过货币供应量变动与GDP、RPI、R这三者联系的检验，以期为货币政策调整提供实证与理论上的准备。为了判断金融变量与经济增长和物价变动之间是否存在稳定的因果联系,本文选取了1984-2004年度数据。相关金融与经济变量：M1、M2、国内生产总值GDP、物价指数RPI、利率R。 二、理论模型的设定： 考虑到滞后效应的问题，我们在一些数据的处理上用了同期的数据比。在利率上，在目前中国的利率体系下存在这多种利率。按借贷主体可以分为：银行利率，非银行金融机构利率,有价证券的利率和市场利率。从数据的代表性和可获得性两方面考虑，选用了中央银行的一年期再贷款利率. 央行的再贷款利率是中国人民银行向金融机构进行信用放贷时所使用的利率。从1984年起，再贷款利率成为中国中央银行的基准利率之一，起着宏观调控的作用。有关资料表明，1984-1993年，中央银行基础货币投放主要渠道是再贷款，95％以上的基础货币是通过再贷款投放出去的。由于该时段较长，占样本长度的一半，因此，用再贷款利率数据是合理的，且考虑到数据的可获得性，于是统一使用再贷款利率数据。对于利率有变动的年度，按天数进行加权平均。 同时，我们以货币供应量作为因变量，把GDP、RPI、R作为自变量。在模型的选取上，采用一般的线性回归。 全部数据来自：：《中国金融年鉴》、《中国统计年鉴》、中国人民银行网站 三、参数估计及分析： 原始数据： 年份△GDP△M2△M1△RPIR 19840.1520.3480.3140.0280.0432 19850.1350.1780.0580.0880.04351 19860.0880.2930.2810.0600.0468 19870.1160.2420.2040.0730.0518 19880.1130.2100.2160.1850.0708 19890.0410.1830.0570.1780.1025 19900.0380.2800.1970.0210.0892 19910.0920.2650.2420.0290.0742 19920.1420.3130.3590.0540.072 ▲19930.1350.3050.2580.1320.0911 19940.1260.3450.2620.2170.1062 19950.1050.2950.1680.1480.1103 19960.0960.2530.1890.0610.1091 19970.0880.1730.1650.0080.1038 19980.0780.1480.119-0.0260.0708 19990.0710.1470.177-0.0300.0437 20000.0800.1230.160-0.0150.0378 20010.0750.1760.1265-0.0080.0378 20020.0830.1680.1682-0.0130.0324 20030.0930.1960.1870-0.0010.0324 20040.0950.1460.13600.0280.0387 说明：1993年的△M1、△M2数据缺失，采用上下4年的平均值作为1993的数据。 数据分析： 在进行最小二乘估计时，我们遇到一个问题，应该用M1还是M2作为应变量呢？于是我们进行一个比较： M2 为因变量时的回归分析结果： Dependent Variable: M2 Method: Least Squares Date: 02/16/00 Time: 14:42 Sample: 1984 2004 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C0.0403820.0602090.6706990.5114 GDP1.1965790.4542662.6340970.0174 RPI0.0931250.2283710.4077780.6885 R0.9816210.5682201.7275350.1022 R-squared0.476429 Mean dependent var0.227952 Adjusted R-squared0.384034 S.D. dependent var0.070980 S.E. of regression0.055708 Akaike info criterion-2.767759 Sum squared resid0.052757 Schwarz criterion-2.568803 Log likelihood33.06147 F-statistic5.156434 Durbin-Watson stat1.947526 Prob(F-statistic)0.010215 M1 为因变量时的回归分析结果： Dependent Variable: M1 Method: Least Squares Date: 02/16/00 Time: 15:00 Sample: 1984 2004 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C0.0121640.0728710.1669210.8694 GDP1.5695740.5498022.8547990.0110 RPI-0.2428370.276400-0.8785700.3919 R0.6240450.6877220.9074090.3769 R-squared0.329624 Mean dependent var0.192557 Adjusted R-squared0.211322 S.D. dependent var0.075921 S.E. of regression0.067423 Akaike info criterion-2.386007 Sum squared resid0.077280 Schwarz criterion-2.187051 Log likelihood29.05308 F-statistic2.786296 Durbin-Watson stat2.491901 Prob(F-statistic)0.072309 比较：以M2 为因变量时的回归分析有相对比较好的效果： （1）有较高的判定系数R，拟合效果较好。 （2）有较低的回归标准差，残差平方和。表明它有更优的回归效果。 （3）有更好的F检验值，表明回归效果显著。 1.经济学检验 从模拟的结果可以看出GDP、RPI、R的系数为正，在经济理论当中，当GDP增长时，必然出现货币供应量的增长，而当物价指数大幅上涨之前，必然出现货币供应量的超长增长。而对R而言，综合而言，中央银行在运用利率工具进行调整时，始终处于被动的地位，它总是滞后于物价水平和经济形势的变化。由此可知，从经济意义和实际的角度来看，模型是合理的。 2.统计检验(α=0.05) 从模拟的结果来看，GDP的t值为2.634097，而t的临界值为2.11，表明系数通过t检验，因此,表明GDP对M2影响显著。而PRI、R的t值小于临界值，则接受原假设，说明PRI、R对M2没有很显著的影响作用。且F值为5.156434， 而F的临界值为3.20。表明拒绝原假设，接受备择假设，即表明回归方程显著. 3.以下进行计量经济学检验： （1）多重共线性检验 M2GDPRPIR M210.5170635304530.4835929672340.421439470253 GDP0.51706353045310.304782344162-0.0569351498609 RPI0.4835929672340.30478234416210.587011505336 R0.421439470253-0.05693514986090.5870115053361 从上面可知：相互之间的相关系数较小，不存在多重共线性。 （2）异方差检验 由于只有21个样本,因此主要采取ARCH检验来检验异方差的存在与否。 ARCH Test: F-statistic0.407168 Probability0.750257 Obs*R-squared1.444473 Probability0.695144 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 02/16/00 Time: 14:48 Sample(adjusted): 1987 2004 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0024920.0010842.2994010.0374 RESID^2(-1)-0.0900660.218302-0.4125740.6862 RESID^2(-2)0.0025890.2124570.0121880.9904 RESID^2(-3)-0.2001520.210017-0.9530280.3567 R-squared0.080249 Mean dependent var0.001748 Adjusted R-squared-0.116841 S.D. dependent var0.002741 S.E. of regression0.002896 Akaike info criterion-8.657667 Sum squared resid0.000117 Schwarz criterion-8.459807 Log likelihood81.91900 F-statistic0.407168 Durbin-Watson stat1.793360 Prob(F-statistic)0.750257 从以上结果看，Obs*R2=1.444473，查分布表，给定=0.05，自由度为p=3，得临界值=7.81，表明不存在异方差，而从另外一方面看Probability的值，拒绝H0反错误概率较大，同时残差序列的系数的t值并不显著，应该接受残差序列系数为零的原假设，即为模型不存在异方差.。另一方面，从White检验看，也不存在异方差。 White Heteroskedasticity Test: F-statistic0.948833 Probability0.492233 Obs*R-squared6.070835 Probability0.415302 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 02/16/00 Time: 14:50 Sample: 1984 2004 Included observations: 21 VariableCoefficientStd. Errort-StatisticProb. C0.0086110.0099130.8686270.3997 GDP-0.2066830.133155-1.5522030.1429 GDP^20.9604910.6942871.3834220.1882 RPI0.0227060.0332070.6837900.5053 RPI^2-0.1660010.161712-1.0265200.3221 R0.1448610.2078260.6970300.4972 R^2-1.0482751.445871-0.7250130.4804 R-squared0.289087 Mean dependent var0.002512 Adjusted R-squared-0.015589 S.D. dependent var0.003226 S.E. of regression0.003251 Akaike info criterion-8.358385 Sum squared resid0.000148 Schwarz criterion-8.010211 Log likelihood94.76304 F-statistic0.948833 Durbin-Watson stat2.304301 Prob(F-statistic)0.492233 （3） 自相关检验 模拟结果显示DW值为1.947526，而通过查表得到的值为1.026，的值为1.669。DW的值﹤﹤4-。表明不存在一阶自相关。 四.总结： 通过以上分析，我们得到如下方程： M2=0.040382+1.196579*GDP+0.093125*RPI+0.981621*R (0.060209) (0.454266) (0.228371) (0.568220) t=（0.670699）（2.634097） （0.407778） （1.727535） R2= 0.476429 F=5.156434 Df=21 但是我们的模型不是十分的理想，线性拟合不是很好，这从模型的散点分布图可以看出。下图可以看出拟合效果不是很好。 从下图可以看出样本期内解释变量的拟合值M2F： 但是，我们仍然可以分析出一些很重要的结论： （1）从M2=0.040382+1.196579*GDP+0.093125*RPI+0.981621*R可以看出： 在对M2的影响因素中，GDP是最大的，其次是利率R，最后是RPI。当GDP增长时，必然出现货币供应量的增长，这几年我们国家的GDP高速增长，而货币供应量也随着增长，这与实际是很吻合的。 （2）M1、M2与RPI的波动曲线图： 从上可以看出，M1、M2、RPI整体上相关性较大，变动趋势也叫一致，他们之间关系密切。同时M2的波动轮廓、线条相对复杂。这是由于货币供应量直接受控于中央银行，政府的经济政策可以直接作用于货币供应量，并通过货币供应量的增减来调控宏观经济，所以货币供应量的波动有很多人为和技术因素。 （3）M1、M2与GDP的波动曲线图： GDP的增长与货币供应量增长有密切的关系，M1、M2、GDP虽在变化上有一定时差，但是总体上保持较吻合的趋势。GDP的几次高增长都伴随M2的高增长，而且一般来讲，二者存在内在的因果关系。 （4）利率与RPI、GDP的波动关系图： R和RPI的变动基本上是一致的，R的变动和GDP的变动有一定的时差，但大体趋势是符合经济原理的。另外从图中可以看出，经济高增长在前，物价高涨在后，1988年、1993年、1995年三次经济过热增长，物价上涨的峰值均超过经济高增长的峰值。综合来讲，中央银行在运用利率工具进行宏观调控时，始终处于被动的地位，利率的调整总是滞后于物价水平和经济形势的变化，当央行对R作出调整时，经济形势可能已经发生新的变化。 （5）相关分析图： M1M2GDPRPIR M110.7637677788630.5395614472220.09050564753310.0589037779882 M20.76376777886310.5170635304530.4835929672340.421439470253 GDP0.5395614472220.51706353045310.304782344162-0.0569351498609 RPI0.09050564753310.4835929672340.30478234416210.587011505336 R0.05890377798820.421439470253-0.05693514986090.5870115053361 从中可以看出： ①M2与R、RPI的相关性比M1要强，M1的相关系数都低于0.5；M1和M2与GDP的相关系数差不多。从总体上看，M2要优于M1。 ②M2与GDP相关性较强，达到0.517064。 ③R与RPI的相关性较强，相关系数为0.587012。 ④M2与R相比较，R与RPI有更强的相关性，而M2与GDP有较强的相关性。 由此可以得出一些初步的结论： ①在货币政策实施过程中，更应关注M2而不是M1。 ②在我国，R与M2的相关性在增强，因此在暂时以M2作为货币政策中介目标时，应关注R的变化，并积极推进利率市场化进程，以更好的抑制通货膨胀或通货紧缩。 ③由于我国的货币政策目标是“保持人民币币值稳定，并以此促进经济发展”，因此在以RPI衡量通货膨胀时，更应关注R，而在促进经济增长方面，应更注重M2对经济发展所起的推动作用。 结合以上的分析，我们可以知道，影响货币政策有效性的因素很多，既有经济金融运行及宏观政策操作过程中存在的深层次的矛盾，又有金融体系本身存在的不协调改革举措。所有这一切导致了货币政策传导机制不畅，金融监管过度进而造成货币政策机制紧缩。但是我们可以注意以下问题： （1）要密切注意货币供应量的增长。目前的价格已有轻微上升的趋势，如果不管住货币，物价上升的压力将逐步聚集，通货膨胀风险加大，所以必须提前做出反应，严格控制供应量，加强贷款风险预警和监测，防通货膨胀于未然；同时引导良好的预期，注意国际游资的新动向，让BP线向上运动，缓解人民币升值压力和货币被动扩张的压力。 （2）疏通货币政策传导渠道，提高货币政策的有效性。首先是对结构的调整，继续运用再贷款，通过债转股、核销呆帐，支持国有企业解困，促进国有企业的改革加快和深化；监督商业银行进一步优化贷款结构，推动其股份制改造和上市。其次，要疏通利率传导渠道。利率市场化是金融改革必经之路，在条件允许下逐步放开利率管理，扩大金融机构的利率定价自主权，健全真正的利率传导机制。 （3）注重国际收支平衡目标，通过增加政策工具，缓解货币政策内外目标的冲突。由丁伯根原理可知，如果政策目标是国内物价稳定P和经济增长Y，则只要有两个政策工具就可以达到：政府支出G和货币基础供应量M，如果考虑到国际收支平衡BP=0第三个目标，则需要增加政策工具，在现阶段不宜采用浮动汇率制情况下，能采用的工具变量的有：货币乘数；出口竞争力因数等。从长期来看，引入汇率作为政策工具是必然的选择。 结合未来资本在全球范围内可自由流动性不断增强的趋势和蒙代尔—克鲁格曼“不可能三角形”理论，我们可以预见，从国际范围看，在蒙代尔—克鲁格曼“不可能三角形”框架下，没有一个国家完全选择“角点解”，而是对选定的“中间解”组合进行力求合理配置。这一点对于中国也不例外，按照易刚等人X+Y+M=2的结论，中国将来的Y值将达到0.7左右，剩余的1.3将在央行的独立性与汇率稳定两者间进行分配，按照央行的独立性与币值稳定呈正比的央行独立性理论，汇率稳定会在1.3的剩余值中占有较小的份额。但中国目前的情况是现行的汇率制度实际值远远大于适度值，这在一定程度上为我们指明了未来的汇率制度改革方向。从渐进式改革的要求出发，钉住篮子货币(影子货币)是均衡冲突的较优选择，在此基础上，中国经济才可以在适合自身的、冲突得以均衡的蒙代尔—克鲁格曼“不可能三角形”框架中，依靠三角形的稳定性继续保持良好的发展势头。

  • 总需求曲线AD模型的中国实证分析_经济学毕业论文范文

    总需求曲线AD模型的中国实证分析_经济学毕业论文范文 总需求曲线 ————AD模型的 中国实证分析 关键词：总需求曲线 GDP真实货币供应量 政府购买支出 税收 主要内容：由于我国工资水平长期处于刚性状态，总供给对均衡产出的影响不大，均衡产出主要由总需求决定，所以我们仅建立总需求模型来分析其对GDP的影响。本文通过对中国的GDP，货币供应量，政府购买支出，税收，以及价格水平等数据进行计量经济分析，希望通过总需求模型来分析短期内货币政策与财政政策对GDP的作用。 总需求曲线的理论背景 总需求模型表示产品市场和货币市场同时达到均衡时的价格水平与产出水平的组合，是新古典综合派对凯恩斯理论与新古典理论和货币理论又一新的综合，同时在一定意义上还体现了凯恩斯学派与货币学派、供给学派的大融合。 凯恩斯在对总需求分析时，有三点重要的假定：1.总供给不变。假定各种资源没有得到充分的利用，总供给曲线处于水平线的区域，总需求的增加可以引起均衡国民收入上升，即总供给可以适应总需求的增加而增加（也就是不考虑总供给对国民收入决定的影响）。2.潜在的国民收入，即充分就业时的国民收入不变。3.价格水平既定。基于这三点假设而推导出来的总需求曲线通常可以用图形表示为： 注：其中AD为总需求曲线，Yn为充分就业时的国民收入，45度直线上的点为国民收入达到均衡时的均衡点。 凯恩斯所认为的总需求是一种需求与国民收入的变动，这就是现在总需求模型的雏形。但它仅仅是从产品市场来考虑了总需求。而在传统的简单的货币数量论模型中，则从货币市场的角度考察了总需求，并建立了描述货币供求相等的均衡方程。现代货币数量论据此认为，货币供应量的变动将直接影响名义国民收入水平的变动。 在这些总需求模型中，有一个强有力的假定就是一般物价水平不变。这在凯恩斯提出问题的30年代或许是合理的，然而自从60年代后期以来，一般物价水平上涨已经成为一种经常的现象，若再继续假定价格水平不变就有脱离现实之嫌了。于是，随后的新古典综合派将上述两派的理论加以综合，提出理论模型中把物价变动考虑在内，建立了新的总供给—总需求模型。 根据前人的研究，我们可以把总需求曲线的特性归纳如下： （1）总需求曲线表示在某个给定的价格水平上所需要的GDP水平。 （2）决定、影响总需求曲线的两个经济原理是收支平衡和货币供求相等。 （3）总需求曲线是向右下方倾斜的。价格水平的上升意味着实际货币余额的降低，因而实际利率会上升，从而使投资、GDP和净出口减少。 （4）总需求取决于真实货币供给。名义货币存量的增加使AD曲线上移的程度恰好与名义货币增加的程度一致，也就是说，名义货币的增加不会改变GDP，只能改变价格水平。 （5）一般说来，扩张性政策——如增加政府支出、减税和增加货币供给——使总需求曲线向右移动，消费者与投资者的信心也影响总需求曲线（信心增强时，AD曲线向右移动；当信心削弱时，AD曲线向左移动）。 模型的推导 总需求曲线代表了货币市场和商品市场同时达到均衡时的点的集合，即IS—LM模型的均衡点。我们可以由IS—LM模型推出总需求曲线： IS模型: Y=C(Y-T)+I(Y,i)+G LM模型: M=￥YL(i) Y代表GDP，C为系数，T指税收，I为投资，i为利率，G代表政府支出，M为名义货币供应量, ￥Y指名义GDP. 其中，在IS模型中Y和T,i均成负相关关系，Y和G成正相关关系；而在LM模型中，Y和M成正相关，和P成负相关。 注：上述两个模型是对现实的高度简化，建立在Macroeconomics (second edition) Olivier Blanchard,Massachusetts Institute of Technology中的模型的基础上。 当上述两方程均成立时，得到总产出Y，即GDP的一个隐函数 Y=Y(M/P,G,T) 其中M/P代表真实货币供应量；G代表政府购买支出；T代表税收。 用IS—LM模型推导AD曲线可以用下图表示： 在LM曲线的推导中，M/P指的是真实的货币供应量。所以，准确的讲，要体现出真实货币供应量与名义货币供应量，P应该是GDP平减指数（GDP Deflator）。对于给定的名义货币量M，高价格意味着低的真实货币供应M/P。显然，价格高意味着供应的人民币价值低了。结果是，高价格水平意味着低水平的总需求。因此，总需求曲线是向右下方倾斜的。 我们假定，总需求曲线的代数表达形式是 Y=ß1+ ß2A+ ß3M/P A表示财政政策状态，M/P表示真实货币供应。（来自多恩布什 宏观经济学 第七版） 在财政政策中，起着主要作用的是政府购买支出和税收。所以，我们将多恩布什归纳的表达式转化为 Y= ß1+ ß2G+ ß3T+ ß4M/P 用G和T将A细化了。 模型的建立 我们要将中国的数据来进行拟合，就必须在原来的模型上加上一个随机扰动项Ut，得到GDP= ß1+ ß2G+ ß3T+ ß4M/P+Ut 其中，G是政府购买支出，我们用基础建设支出，地质勘探支出，与国防支出之和来代替政府购买支出；T是税收总和；M是货币供应量，在这里我们使用的是狭义的货币供应量，即M1，是流通中的货币量与活期存款的总和；P是价格水平，用GDP平减指数。下面是我们的原始数据，是由历年的《中国统计年鉴》、《中国金融年鉴》及《中国金融统计1952-1999》的数据处理得来。 obsGDPM1PGT 单位：年单位：亿元单位：亿元1990年=1单位：亿元单位：亿元 1978 3624.100 944.0000 0.551463 639.9100 519.2800 1979 4038.200 1146.000 0.571074 685.9900 537.8200 1980 4517.800 1223.000 0.592669 562.7700 571.7000 1981 4862.400 1712.300 0.606346 447.3700 629.8900 1982 5294.700 1912.800 0.604075 468.5200 700.0200 1983 5934.500 2219.000 0.609424 545.7100 775.5900 1984 7171.000 2982.800 0.638684 661.1000 947.3500 1985 8964.400 3290.500 0.705311 775.6700 2040.790 1986 10202.20 4745.700 0.739816 827.2300 2090.730 1987 11962.50 5714.600 0.777995 761.5500 2140.360 1988 14928.30 6950.500 0.873879 744.8700 2390.470 1989 16909.20 7347.100 0.949940 766.3300 2727.400 1990 18547.90 8793.200 1.000000 873.8900 2821.860 1991 21617.80 10866.60 1.068297 928.2700 2990.100 1992 26638.10 15015.70 1.154725 977.8300 3296.910 1993 34634.40 16280.40 1.327457 1066.790 4255.300 1994 46759.40 20540.70 1.591635 1254.560 5126.880 1995 58478.10 23987.10 1.826171 1492.260 6038.000 1996 67884.60 28514.80 1.930709 1696.060 6069.820 1997 74462.60 34826.30 1.950088 1905.440 8234.040 1998 78345.20 38953.70 1.903311 2405.570 9262.800 1999 82067.50 45837.30 1.861569 3276.660 10682.58 2000 89442.20 53147.20 1.871635 3390.500 12581.51 2001 95933.30 59872.00 1.876136 3751.600 15301.38 使用原始数据进行初次拟合 首先我们将M/P的值定义为A,即真实的货币供应量，先用A、G、T对GDP进行回归，然后再对残差进行正态性检验 Dependent Variable: GDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C3868.3255109.4350.7570940.4578 A0.0475841.3301840.0357720.9718 G-9.1716269.769445-0.9388070.3590 T9.4551543.7192182.5422430.0194 R-squared0.939790 Mean dependent var33050.85 Adjusted R-squared0.930759 S.D. dependent var31871.78 S.E. of regression8386.646 Akaike info criterion21.05768 Sum squared resid1.41E+09 Schwarz criterion21.25402 Log likelihood-248.6922 F-statistic104.0576 Durbin-Watson stat0.539034 Prob(F-statistic)0.000000 其回归结果为：GDP=3868.325 +0.047584 A - 9.171626 G + 9.455154 T+et Se (5109.435) (1.330184) (9.769445) (3.719218) t =(0.757094) (0.035772) (-0.938807) (2.542243) p = (0.4578) (0.9718) (0.3590) (0.0194) R2=0.939790(调整可决系数为0.930759) DW=0.539034 F=104.0576 n=24 从回归结果中可以看出，A与G的t值都比较小，R2较大，而G的系数为负不符合经济意义，估计解释变量间存在多重共线性（即货币政策和财政政策存在较大的相关性）。对A、G、T进行简单相关系数矩阵检验得到如下结果： AGT A 1.000000 0.967409 0.987797 G 0.967409 1.000000 0.982637 T 0.987797 0.982637 1.000000 可以看出，A、G、T之间存在高度相关. 再进行正态性检验，据此看出，该模型基本上服从正态性假定。 于是，对多重共线性采用逐步回归法进行修正。 第一步，用A、G、T分别对GDP回归得下面的结果： Dependent Variable: GDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-6240.0253172.842-1.9666990.0620 A3.5923560.23092815.556140.0000 R-squared0.916665 Mean dependent var33050.85 Adjusted R-squared0.912877 S.D. dependent var31871.78 S.E. of regression9407.486 Akaike info criterion21.21605 Sum squared resid1.95E+09 Schwarz criterion21.31423 Log likelihood-252.5927 F-statistic241.9936 Durbin-Watson stat0.350037 Prob(F-statistic)0.000000 Dependent Variable: GDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-6753.3053773.294-1.7897640.0873 G30.909402.35753713.110880.0000 R-squared0.886537 Mean dependent var33050.85 Adjusted R-squared0.881379 S.D. dependent var31871.78 S.E. of regression10977.08 Akaike info criterion21.52466 Sum squared resid2.65E+09 Schwarz criterion21.62283 Log likelihood-256.2959 F-statistic171.8953 Durbin-Watson stat0.338332 Prob(F-statistic)0.000000 Dependent Variable: GDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C1198.9212425.0640.4943880.6259 T7.4411280.41109918.100580.0000 R-squared0.937077 Mean dependent var33050.85 Adjusted R-squared0.934216 S.D. dependent var31871.78 S.E. of regression8174.579 Akaike info criterion20.93510 Sum squared resid1.47E+09 Schwarz criterion21.03327 Log likelihood-249.2212 F-statistic327.6309 Durbin-Watson stat0.397048 Prob(F-statistic)0.000000 可以看出,用T对GDP回归的修正可决系数最大(等于0.934216),F值也较大所以选取T作为第一个解释变量。 第二步，用T再加上其它任一个解释变量对GDP回归得： Dependent Variable: GDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C772.47953891.7700.1984910.8446 T7.0617742.7003322.6151500.0162 A0.1874561.3180750.1422200.8883 R-squared0.937137 Mean dependent var33050.85 Adjusted R-squared0.931150 S.D. dependent var31871.78 S.E. of regression8362.922 Akaike info criterion21.01747 Sum squared resid1.47E+09 Schwarz criterion21.16473 Log likelihood-249.2097 F-statistic156.5300 Durbin-Watson stat0.384792 Prob(F-statistic)0.000000 Dependent Variable: GDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C3988.4273758.8081.0610880.3007 T9.5604562.2184864.3094500.0003 G-9.2107709.474312-0.9721840.3420 R-squared0.939787 Mean dependent var33050.85 Adjusted R-squared0.934052 S.D. dependent var31871.78 S.E. of regression8184.790 Akaike info criterion20.97441 Sum squared resid1.41E+09 Schwarz criterion21.12167 Log likelihood-248.6929 F-statistic163.8795 Durbin-Watson stat0.545004 Prob(F-statistic)0.000000 可以看到，无论是用T、A或是T、G对GDP回归的修正可决系数（分别为0.931150和0.934052）都比T对GDP回归的（0.934216）小。所以，初步模型为 GDP=1198.921 + 7.441128T + et Se (2425.064) (0.411099) t =(0.494388) (18.10058) p = (0.6259) (0.0000) R2=0.937077(调整可决系数为0.934216) DW=0.545004 F=327.6309 n=24 对其残差进行正态性检验得： 可以认为其基本上服从正态性分布。 再进行异方差检验： 先为ARCH检验，滞后两期： ARCH Test: F-statistic1.851545 Probability0.184227 Obs*R-squared3.588409 Probability0.166260 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample(adjusted): 1980 2001 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C49223415287145091.7142350.1028 RESID^2(-1)0.5458560.2860441.9082970.0716 RESID^2(-2)-0.2026170.284854-0.7113020.4855 R-squared0.163109 Mean dependent var66668186 Adjusted R-squared0.075016 S.D. dependent var1.21E+08 S.E. of regression1.17E+08 Akaike info criterion40.11468 Sum squared resid2.59E+17 Schwarz criterion40.26346 Log likelihood-438.2615 F-statistic1.851545 Durbin-Watson stat1.681442 Prob(F-statistic)0.184227 从结果中可以看出，滞后变量的t值均不显著。再进行滞后三期的检验，结果为 ARCH Test: F-statistic1.111473 Probability0.371893 Obs*R-squared3.443561 Probability0.328156 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C55249890323640001.7071400.1060 RESID^2(-1)0.5247780.3033811.7297670.1018 RESID^2(-2)-0.1564490.342254-0.4571130.6534 RESID^2(-3)-0.0970980.302738-0.3207340.7523 R-squared0.163979 Mean dependent var69801212 Adjusted R-squared0.016446 S.D. dependent var1.23E+08 S.E. of regression1.22E+08 Akaike info criterion40.25362 Sum squared resid2.55E+17 Schwarz criterion40.45258 Log likelihood-418.6630 F-statistic1.111473 Durbin-Watson stat1.628480 Prob(F-statistic)0.371893 仍然发现滞后变量的t值都不显著，所以该模型不存在因为样本误差随时间积累造成的异方差。 再对模型进行怀特检验，得： White Heteroskedasticity Test: F-statistic4.113129 Probability0.031095 Obs*R-squared6.755233 Probability0.034129 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-5863654.42723707-0.1372460.8921 T16669.1217926.360.9298660.3630 T^2-0.1216681.260998-0.0964860.9240 R-squared0.281468 Mean dependent var61255094 Adjusted R-squared0.213036 S.D. dependent var1.17E+08 S.E. of regression1.04E+08 Akaike info criterion39.87716 Sum squared resid2.28E+17 Schwarz criterion40.02442 Log likelihood-475.5260 F-statistic4.113129 Durbin-Watson stat1.478312 Prob(F-statistic)0.031095 同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方差的问题。 综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。 接着进行自相关检验。首先用et与et-1的散点图进行观测。图示如下： 可以看到，et与et-1存在明显的正自相关关系。再看模型的回归结果，其回归结果表明，D-W值为0.545004。而在0.05的显著性水平下，有n=24 ，k’=1，查D-W表得dl=1.273，du=1.446。因为 d=0.545004dl，断定模型可能存在正自相关。 我们用CORC法对正自相关进行修正，可得到下面的结果： Dependent Variable: GDP Method: Least Squares Sample(adjusted): 1979 2001 Included observations: 23 after adjusting endpoints Convergence achieved after 7 iterations VariableCoefficientStd. Errort-StatisticProb. C-22533.1718551.14-1.2146510.2386 T0.0235491.4825880.0158840.9875 AR(1)1.0757820.02913736.920900.0000 R-squared0.991799 Mean dependent var34330.27 Adjusted R-squared0.990979 S.D. dependent var31951.71 S.E. of regression3034.765 Akaike info criterion18.99476 Sum squared resid1.84E+08 Schwarz criterion19.14287 Log likelihood-215.4398 F-statistic1209.357 Durbin-Watson stat0.413515 Prob(F-statistic)0.000000 Inverted AR Roots 1.08 Estimated AR process is nonstationary 从结果中可以看出，由于我国的货币供给量、税收及政府购买支出随着时间发展呈现一种高速增长状态使得原模型的数据存在不稳定性，所以用CORC法反而使修正后的D-W值变得更小。因此，无法用CORC法对该模型的自相关进行修正。于是，我们考虑转换模型的形式以求得到更好的模型。 模型的修正——转换为对数形式的拟合 由于无法用CORC法对上述模型的自相关进行修正，我们变换模型的形式，采用对数形式对模型进行拟合。 首先，用LogA、LogG、LogT分别对LogGDP回归，得到： Dependent Variable: LOGGDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C0.3105311.1369140.2731350.7876 LOGA0.3058120.3006341.0172240.3212 LOGG0.2005440.1924881.0418520.3099 LOGT0.6870250.2848962.4114900.0256 R-squared0.969863 Mean dependent var9.858089 Adjusted R-squared0.965343 S.D. dependent var1.131745 S.E. of regression0.210691 Akaike info criterion-0.125833 Sum squared resid0.887817 Schwarz criterion0.070509 Log likelihood5.509997 F-statistic214.5463 Durbin-Watson stat0.345327 Prob(F-statistic)0.000000 其回归结果为：LogGDP= 0.310531 + 0.305812 LogA - 0.200544LogG + 0.687025Log T+et Se (1.136914) (0.300634) (0.192488) (0.284896) t = (0.273135) (1.017224) (1.041852) (2.411490) p = (0.7876) (0.3212) (0.3099) (0.0256) R2=0.969863(调整可决系数为0.965343) DW=0.345237 F=214.5463 n=24 从回归结果中可以看出，LogA、LogG、LogT的t值都比较小，R2较大，而G的系数为负不符合经济意义，估计该模型存在多重共线性。对LogA、LogG、LogT进行简单相关系数矩阵检验得到如下结果： LOGALOGGLOGT LOGA 1.000000 0.895540 0.984411 LOGG 0.895540 1.000000 0.926769 LOGT 0.984411 0.926769 1.000000 可以看出，LogA、LogG、LogT之间存在高度相关。 再进行正态性检验，得： 从图中可以看出，残差基本上服从正态性分布。 于是，对多重共线性采用逐步回归法进行修正。 第一步，用A、G、T分别对GDP回归得下面的结果： Dependent Variable: LOGGDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-1.6629960.579512-2.8696470.0089 LOGA1.2825780.06423319.967580.0000 R-squared0.947707 Mean dependent var9.858089 Adjusted R-squared0.945330 S.D. dependent var1.131745 S.E. of regression0.264621 Akaike info criterion0.258619 Sum squared resid1.540533 Schwarz criterion0.356790 Log likelihood-1.103423 F-statistic398.7042 Durbin-Watson stat0.411570 Prob(F-statistic)0.000000 Dependent Variable: LOGGDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-1.7004981.029054-1.6524870.1126 LOGG1.6634060.14751511.276150.0000 R-squared0.852499 Mean dependent var9.858089 Adjusted R-squared0.845794 S.D. dependent var1.131745 S.E. of regression0.444425 Akaike info criterion1.295586 Sum squared resid4.345307 Schwarz criterion1.393757 Log likelihood-13.54704 F-statistic127.1515 Durbin-Watson stat0.232752 Prob(F-statistic)0.000000 Dependent Variable: LOGGDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C1.7000340.3225555.2705200.0000 LOGT1.0365800.04062425.516570.0000 R-squared0.967315 Mean dependent var9.858089 Adjusted R-squared0.965829 S.D. dependent var1.131745 S.E. of regression0.209206 Akaike info criterion-0.211338 Sum squared resid0.962878 Schwarz criterion-0.113167 Log likelihood4.536058 F-statistic651.0952 Durbin-Watson stat0.546204 Prob(F-statistic)0.000000 可以看出,用LogT对LogGDP回归的修正可决系数最大(等于0.965829),F值也较大,所以选取LogT作为第一个解释变量。 第二步，用T再加上其它任一个解释变量对GDP回归得： Dependent Variable: LOGGDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C1.0699020.8743141.2237040.2346 LOGT0.8584040.2330833.6828250.0014 LOGA0.2262570.2913660.7765390.4461 R-squared0.968228 Mean dependent var9.858089 Adjusted R-squared0.965202 S.D. dependent var1.131745 S.E. of regression0.211120 Akaike info criterion-0.156315 Sum squared resid0.936001 Schwarz criterion-0.009058 Log likelihood4.875782 F-statistic319.9746 Durbin-Watson stat0.392940 Prob(F-statistic)0.000000 Dependent Variable: LOGGDP Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C1.2955980.5961432.1732990.0413 LOGT0.9548150.1090068.7593240.0000 LOGG0.1508110.1863290.8093780.4274 R-squared0.968304 Mean dependent var9.858089 Adjusted R-squared0.965285 S.D. dependent var1.131745 S.E. of regression0.210866 Akaike info criterion-0.158723 Sum squared resid0.933750 Schwarz criterion-0.011466 Log likelihood4.904677 F-statistic320.7713 Durbin-Watson stat0.524027 Prob(F-statistic)0.000000 可以看到，无论是用LogT、LogA或是LogT、LogG对LogGDP回归的修正可决系数（分别为0.965202和0.965285）都比T对GDP回归的（0.965829）小。所以，模型最后确定为： LogGDP=1.700034+ 1.036580 LogT + et Se (0.322555) (0.040624) t =(5.270520) (25.51657) p = (0.0000) (0.0000) R2=0.967315(调整可决系数为0.965829) DW=0.546204 F=651.0952 n=24 对其残差进行正态性检验得： 可以认为其基本上服从正态性分布。 再进行异方差检验： 滞后三期： ARCH Test: F-statistic1.471947 Probability0.257593 Obs*R-squared4.330097 Probability0.227955 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0407180.0192952.1102430.0500 RESID^2(-1)0.4111240.2377871.7289590.1019 RESID^2(-2)-0.1327410.256867-0.5167700.6120 RESID^2(-3)-0.1879250.237828-0.7901710.4403 R-squared0.206195 Mean dependent var0.044623 Adjusted R-squared0.066112 S.D. dependent var0.064860 S.E. of regression0.062679 Akaike info criterion-2.531922 Sum squared resid0.066788 Schwarz criterion-2.332965 Log likelihood30.58518 F-statistic1.471947 Durbin-Watson stat2.048362 Prob(F-statistic)0.257593 从结果中可以看出，滞后变量的t值均不显著，所以该模型不存在因为样本误差随时间积累造成的异方差。 再对模型进行怀特检验，得： White Heteroskedasticity Test: F-statistic1.621782 Probability0.221330 Obs*R-squared3.210978 Probability0.200791 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-1.2626630.734966-1.7179890.1005 LOGT0.3326320.1901931.7489180.0949 LOGT^2-0.0208600.012133-1.7192150.1003 R-squared0.133791 Mean dependent var0.040120 Adjusted R-squared0.051295 S.D. dependent var0.061753 S.E. of regression0.060148 Akaike info criterion-2.667551 Sum squared resid0.075973 Schwarz criterion-2.520294 Log likelihood35.01061 F-statistic1.621782 Durbin-Watson stat1.255677 Prob(F-statistic)0.221330 同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方差的问题。 综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。 接着进行自相关检验。首先用et与et-1的散点图进行观测。图示如下： 可以看到，et与et-1存在较明显的正自相关关系。而模型的回归结果表明，D-W值为0.524027。而在0.05的显著性水平下，有n=24 ，k’=1，查D-W表得dl=1.273，du=1.446。因为 d=0.524027dl，断定模型可能存在正自相关。 我们用CORC法对正自相关进行修正，可得到下面的结果： Dependent Variable: LOGGDP Method: Least Squares Sample(adjusted): 1979 2001 Included observations: 23 after adjusting endpoints Convergence achieved after 28 iterations VariableCoefficientStd. Errort-StatisticProb. C24.7574833.728380.7340250.4715 LOGT0.1444180.0957971.5075460.1473 AR(1)0.9924700.01557063.741530.0000 R-squared0.996370 Mean dependent var9.930381 Adjusted R-squared0.996007 S.D. dependent var1.099062 S.E. of regression0.069448 Akaike info criterion-2.375368 Sum squared resid0.096461 Schwarz criterion-2.227260 Log likelihood30.31673 F-statistic2744.971 Durbin-Watson stat0.533042 Prob(F-statistic)0.000000 Inverted AR Roots .99 从结果中可以看到，经过CORC法修正后的D-W值比修正前变大，这说明用CORC法对该模型进行修正是有效的。至此，我们得到了一个修正后的最终模型。 模型的经济意义 在最终模型中，影响GDP的因素由三个（真实货币供给、税收、政府购买支出）减至一个（税收），但并不意味着其它两个因素（真实货币供给、政府购买支出）不影响GDP，而是因为在模型中上述三个变量之间存在高度的线性相关关系，所以用税收代表了这三个因素对GDP的影响。同时，模型为对数形式，其系数的经济含义为衡量税收对GDP的影响时，其变化量均为相对数的形式。 从模型中可以看到，税收政策与GDP为正相关关系,而普遍认为税收政策与GDP之间应是负相关关系。对此我们认为模型的结果还是可以理解的，因为税收与产出之所以存在负相关关系在于认为税收会抑制劳动者积极性，但就我国发展历程来说，体制改革对劳动者积极性的促进作用才是主要的方面，而税收对其影响并不明显，因此税收的增长并不意味着产出会减少。 通过以上分析，我们可以看到财政政策和货币政策对经济的短期发展所起到的作用。 当政府增加购买支出时，会对经济的发展起到促进作用。反之，当减少政府购买支出时，会减缓经济的发展速度。事实证明，我国在近几年来内需不足，但经济任保持高速增长，这与我国政府大力发展基础建设是分不开的。 当政府增加真实货币供给时，短期内GDP会受其影响而增加。而当减少时，则会减缓GDP发展速度。我国一直实行稳健的货币政策，真实货币量的稳定增长对GDP的发展起到了良好的促进作用。 当政府增加征税时，GDP也会随之增加。表面上看似乎很荒谬，但这是与中国的实际发展情况符合的。中国的税收制度正处于完善阶段，而税收制度的完善对我国收入再分配、缩小贫富差距以调动人们的积极性起到了较好的作用。 主要参考文献： 多恩布什，《宏观经济学》，第七版 Macroeconomics (second edition) ，Olivier Blanchard，Massachusetts Institute of Technology 丁冰，《当代西方经济学流派》，北京经济学院出版社 《中国统计年鉴—2002》至《中国统计年鉴—1981》 《中国金融年鉴—1999》至《中国金融年鉴—1986》 庞浩，《计量经济学》，西南财经大学出版社

  • 影响我国农业总产值因素的实证分析_经济学毕业论文

    影响我国农业总产值因素的实证分析_经济学毕业论文 影响我国农业总产值因素的实证分析 [内容摘要]： 解决“三农”问题是当前我国完善社会主义市场经济制度的重头戏，而实现农业的繁荣兴旺又是其中的重中之重。改革开放以来，我国农业发展取得的喜人的成绩，但是制约因素也很多，这使得入世后如何保护我国农业的利益，保持农业稳定成为难题。深入了解农业发展状况，有足于认清和解决问题。本文是根据我国农业的现状，想从计量经济学的角度来验证一下是否存在政府对农业投入不足、农业的现代化程度（以农业的机械化为衡量指标），以及农村中存在大量的剩余劳动力。根据经济学原理，在模型中我们引入了五个变量：农村居民家庭平均每户生产型固定投资，化肥施用量，农业机械总动力，政府财政用于农业的支出以及农业从业人员。利用EVIEWS软件对计量模型进行了参数估计和检验，多重共线性的检验，异方差的检验和自相关的检验并加以修正。 从我们所做的回归结果看，我国农村中确实存在政府对农业投入不足、农村中存在大量的剩余劳动力，我国的农业机械化程度是较低的，对我国的农业增加值的贡献十分低下等问题。我们根据模型的回归结果作了经济意义的分析，并相应提出一些政策建议。 但是，鉴于水平有限，文中难免出现一些错误。另外还存在一些我们难以解决的问题，请老师同学们多多包涵！ [关键词]： 农业总产值 国家财政对农业的基础性建设投资 农业从业人员人数 农村居民家庭平均每户生产型固定投资 化肥施用量 农业机械总动力 导论 我国农业的重要性 我国是农业大国，农业的发展程度直接制约着我国的第二、第三产业的发展，是工业品市场；农业的发展能为国民经济其他部门发展提供劳动力阵地。农产品是轻工业的重要原料、重要的出口商品。目前，我国70%人口在农村，农业生产的发展直接关系广大农民生活的提高，直接关系到国家经济建设目标的实现。农产品在城乡是人民的生活必需品，所以又直接关系到城乡人民生活的提高，物价稳定，社会安定。我国农业生产相对落后，已成为国民经济最薄弱的环节，它已很难支撑国民经济其他部门的快速发展。因而，农业生产的发展是我国人民生活水平提高、现代化建设、社会稳定的基础，并最终决定着国民经济其他各部门的发展规模和速度，是能否实现现代化战略目标的关键。 二，模型的设定 为了在更高层次上发展我国的经济，真正实现全民共同富裕的伟大目标，保证粮食安全，关注农业总产值是必要的。而影响到农业总产值的因素是多方面的。因此，我们提取了国家财政对农业的基础性建设投资，农业从业人员人数， 农村居民家庭平均每户生产型固定投资，化肥施用量，农业机械总动力这五个对农业总产值有较大影响的因素的时间序列数据来进行分析，希望通过建立一个合适的经济模型来从理论上找出影响农业总产值的因素，从而提出增加农业总产值的方法。 在此，我们将“农业产总值”设为因变量，“农村居民家庭平均每户生产型固定投资”， “化肥施用量”，“农业机械总动力”，“政府财政用于农业的支出”，及“第一产业从业人员人数”设为自变量，设定了以下经济学模型： Y =C++++++U Y=农业总产值(亿元) =农村居民家庭平均每户生产型固定投资（元） =化肥施用量（万吨） =农业机械总动力（万 千瓦） =政府财政用于农业的支出(亿元) =农业从业人员（万人） 数据如下： obsYX2X3X4X5X6 1989 6534.730 1126.070 2357.100 28067.00 265.9400 32440.50 1990 7662.090 1258.060 2590.300 28707.70 307.8400 33336.40 1991 8157.030 1401.010 2805.100 29388.60 347.5700 34186.30 1992 9084.710 1643.950 2930.200 30308.40 376.0200 34037.00 1993 10995.53 1950.310 3151.900 31816.60 440.4500 33258.20 1994 15750.47 2347.630 3317.900 33802.50 532.9800 32690.30 1995 20340.86 2774.270 3593.700 36118.10 567.2200 32334.50 1996 22353.70 3605.070 3827.900 38546.90 700.4300 32260.40 1997 23788.40 3896.560 3980.700 42015.60 766.3900 32434.90 1998 24541.90 3970.810 4083.700 45207.70 1154.760 32626.40 1999 24519.10 4045.480 4124.300 48996.10 1085.760 32911.80 2000 24915.80 4676.980 4146.400 52573.60 1231.540 32797.50 2001 26179.60 4883.800 4253.800 55172.10 1456.730 32451.00 2002 27390.80 5221.330 4339.400 57929.90 1580.760 31990.60 2003 29691.80 5586.340 4411.600 60386.50 1754.450 31259.60 资料来源：，《中国统计年鉴2004》，《中国统计年鉴1998》 参数估计 模型为： Y =C++++++U Y=农业总产值(亿元) =农村居民家庭平均每户生产型固定投资（元） =化肥施用量（万吨） =农业机械总动力（万 千瓦） =政府财政用于农业的支出(亿元) =农业从业人员（万人） 用Eviews估计结果为： Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 12:51 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C40016.9715190.732.6343030.0272 X20.5509391.9208270.2868240.7807 X310.087662.2054494.5739720.0013 X40.0665550.2303620.2889160.7792 X5-2.6453473.625498-0.7296510.4842 X6-1.8264690.535716-3.4093960.0078 R-squared0.992862 Mean dependent var18793.77 Adjusted R-squared0.988896 S.D. dependent var8203.735 S.E. of regression864.4572 Akaike info criterion16.65126 Sum squared resid6725576. Schwarz criterion16.93448 Log likelihood-118.8844 F-statistic250.3705 Durbin-Watson stat1.561839 Prob(F-statistic)0.000000 Y = 40016.97+0.550939+10.08766+0.066555+（-2.645347）+ (-1.826469) T = (2.634303) (0.286824) (4.573972) (0.288916) (-0.729651) (-3.409396) =0.992862 检验及修正 1．经济意义检验 从上表中可以看出，符号为负，应剔出。而虽然在理论上说不通，但却符合中国现实的国情，应保留，其意义将在第四部分加以阐述。而其他因素不与经济原理向悖，说明具有经济意义。 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（=0.992862），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、的t统计值均不显著（、的t统计量的值的绝对值均小于2），说明、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：由F=250.3763 (5，15)=4.62(显著性水平α=0.05)表明模型从整体上看农业的总产值与解释变量间线形关系显著。 这里采用简单相关系数矩阵法对其进行检验 ： X2X3X4X5X6 X2 1.000000 0.974555 0.977952 0.963494-0.707561 X3 0.974555 1.000000 0.925922 0.907169-0.636056 X4 0.977952 0.925922 1.000000 0.991186-0.666705 X5 0.963494 0.907169 0.991186 1.000000-0.668959 X6-0.707561-0.636056-0.666705-0.668959 1.000000 从结果可知，，，之间存在高度相关 ②修正：采用逐步回归法对其进行补救。 根据以上分析，由于不符合经济意义，首先剔出。由于的t值最大，线形关系强，拟合程度最好，因此把作为基本变量。，将剩下的四个因素重新进行参数估计： 新模型估计结果： Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 12:57 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C40826.1614791.732.7600670.0201 X20.7584191.8547160.4089140.6912 X310.015652.1511104.6560380.0009 X4-0.0691420.132722-0.5209550.6137 X6-1.7603650.515507-3.4148200.0066 R-squared0.992440 Mean dependent var18793.77 Adjusted R-squared0.989416 S.D. dependent var8203.735 S.E. of regression844.0038 Akaike info criterion16.57539 Sum squared resid7123424. Schwarz criterion16.81141 Log likelihood-119.3154 F-statistic328.1758 Durbin-Watson stat1.444093 Prob(F-statistic)0.000000 Y =40826.16+ X0.758419+ 10.01565+（-0.069142）+(-1.760365) t= (2.760067) (0.408914) (4.656038) (0.520955) (-3.414820) =0.992440 可以看出个因素的T统计量都得到了不同程度的改善。 在前一模型的基础上剔出，拟合优度变差，但对C的t值影响很大，统计检验t=-0.799100，不显著。而且的系数为负，与经济意义相悖。 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 12:59 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C-6120.4427659.170-0.7991000.4411 X24.6797942.0438192.2897300.0428 X36.0162192.5319572.3761140.0368 X4-0.2860730.163526-1.7493980.1080 R-squared0.983624Mean dependent var18793.77 Adjusted R-squared0.979157S.D. dependent var8203.735 S.E. of regression1184.370Akaike info criterion17.21499 Sum squared resid15430045Schwarz criterion17.40380 Log likelihood-125.1124F-statistic220.2341 Durbin-Watson stat1.460596Prob(F-statistic)0.000000 剔出进行回归，不但经济意义违背而且T统计值较小，不能通过检验 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:01 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C42613.8213585.493.1367140.0095 X310.819350.84049912.872530.0000 X4-0.0196500.052361-0.3752870.7146 X6-1.8908790.389190-4.8585010.0005 R-squared0.992313Mean dependent var18793.77 Adjusted R-squared0.990217S.D. dependent var8203.735 S.E. of regression811.4261Akaike info criterion16.45864 Sum squared resid7242535.Schwarz criterion16.64746 Log likelihood-119.4398F-statistic473.3484 Durbin-Watson stat1.382173Prob(F-statistic)0.000000 剔出进行回归虽然拟合优度略有改善，但的T统计值为-0.166847，通不过检验，应剔出在做回归。而其他因素的统计值都较好。 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:00 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C42252.9014046.333.0081100.0119 X2-0.1227070.735446-0.1668470.8705 X310.786301.5091097.1474590.0000 X6-1.8889060.437375-4.3187370.0012 R-squared0.992235 Mean dependent var18793.77 Adjusted R-squared0.990117 S.D. dependent var8203.735 S.E. of regression815.5728 Akaike info criterion16.46884 Sum squared resid7316750. Schwarz criterion16.65765 Log likelihood-119.5163 F-statistic468.5100 Durbin-Watson stat1.360316 Prob(F-statistic)0.000000 综合考虑所得结果，选择含有 这三个因素的模型。 再做剔出的模型的参数估计： Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:06 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C41516.5112783.363.2477000.0070 X310.544100.39553826.657640.0000 X6-1.8519090.361404-5.1242020.0003 R-squared0.992215 Mean dependent var18793.77 Adjusted R-squared0.990917 S.D. dependent var8203.735 S.E. of regression781.8390 Akaike info criterion16.33803 Sum squared resid7335267. Schwarz criterion16.47964 Log likelihood-119.5352 F-statistic764.7022 Durbin-Watson stat1.352428 Prob (F-statistic)0.000000 可以看出拟合优度很好 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，C ，，的T统计值也很显著，表明对Y的影响也很显著。 新模型估计结果： Y =41516.51+ 10.54410 +(-1.851909) t= (3.2477) (426.65764) (-5.124202) =0.992215 (2)异方差检验 ①检验： 利用Goid_Quandt检验法检验模型是否存在异方差。 将时间定义为1989——1993，然后对Y C用OLS法求的下列结果： Y=-6225.673+5.317281 t= (-2.982843) (7.083533) =0.943584 =634718.8 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:12 Sample: 1989 1993 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C-6225.6732087.161-2.9828430.0585 X35.3172810.7506547.083533 0.0058 R-squared0.943584 Mean dependent var8486.818 Adjusted R-squared0.924779 S.D. dependent var1677.103 S.E. of regression459.9706 Akaike info criterion15.38938 Sum squared resid634718.8 Schwarz criterion15.23315 Log likelihood-36.47344 F-statistic50.17643 Durbin-Watson stat1.632631 Prob(F-statistic)0.005786 将时间定义为1999——2003，然后对Y C用OLS法求的下列结果 Y=-44209.20+16.62678 t= (-5.018903) (8.034508) =0.955591 =777592.5 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:13 Sample: 1999 2003 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C-44209.208808.537-5.0189030.0152 X316.626782.0694218.0345080.0040 R-squared0.955591 Mean dependent var26539.42 Adjusted R-squared0.940788 S.D. dependent var2092.227 S.E. of regression509.1144 Akaike info criterion15.59240 Sum squared resid777592.5 Schwarz criterion15.43617 Log likelihood-36.98099 F-statistic64.55332 Durbin-Watson stat1.966867 Prob(F-statistic)0.004026 ÷=777952.5/634718.8=1.22566481409 小于（4，4）=6.39 接受不存在异方差 将时间定义为1989——1993，然后对Y C 用OLS法求的下列结果： Y=-20445.55+0.864900 t= （-0.473093) (0.669589) =0.130018 =9787897 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:19 Sample: 1989 1993 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C-20445.5543216.71-0.4730930.6684 X60.8649001.2916890.6695890.5510 R-squared0.130018 Mean dependent var8486.818 Adjusted R-squared-0.159975 S.D. dependent var1677.103 S.E. of regression1806.276 Akaike info criterion18.12510 Sum squared resid9787897. Schwarz criterion17.96887 Log likelihood-43.31274 F-statistic0.448349 Durbin-Watson stat0.815079 Prob(F-statistic)0.551047 将时间定义为1999——2003，然后对Y C 用OLS法求的下列结果 Y=126537.0+（-3.097615） t= (48.84461) (-38.60686) =0.997991 =35171.96 Dependent Variable: Y Method: Least Squares Date: 04/30/05 Time: 13:18 Sample: 1999 2003 Included observations: 5 VariableCoefficientStd. Errort-StatisticProb. C126537.02590.60248.844610.0000 X6-3.0976150.080235-38.606860.0000 R-squared0.997991 Mean dependent var26539.42 Adjusted R-squared0.997322 S.D. dependent var2092.227 S.E. of regression108.2774 Akaike info criterion12.49644 Sum squared resid35171.96 Schwarz criterion12.34022 Log likelihood-29.24111 F-statistic1490.489 Durbin-Watson stat2.434963 Prob(F-statistic)0.000038 ÷==0.000352467193491 小于（4，4）=6.39 接受不存在异方差 利用WHITE检验法检验模型是否存在异方差。结果如下： White Heteroskedasticity Test: F-statistic0.34392 Probability0.873777 Obs*R-squared2.406316 Probability0.790533 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 04/30/05 Time: 17:28 Sample: 1989 2003 Included observations: 15 VariableCoefficientStd. Errort-StatisticProb. C-9.11E+081.56E+09-0.5824040.5746 X346121.5269356.030.6649970.5227 X3^2-1.1529751.207919-0.9545140.3648 X3*X6-1.1820212.098834-0.5631800.5871 X650954.9488666.680.5746800.5796 X6^2-0.7165461.248717-0.5738250.5801 R-squared0.160421 Mean dependent var489017.8 Adjusted R-squared-0.306012 S.D. dependent var1172075. S.E. of regression1339457. Akaike info criterion31.34260 Sum squared resid1.61E+13 Schwarz criterion31.62582 Log likelihood-229.0695 F-statistic0.343932 Durbin-Watson stat2.515047 Prob(F-statistic)0.873777 （5）=9.48773 2.406316，所以接受，表明模型中随机误差项不存在异方差。 （3）自相关检验 ①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自相关。 根据上表中估计的结果，由DW=1.352428 ，给定显著性水平α=0.05，查Durbin-Watson表，n=15，k’=2，得=0.946 =1.543 因为DW统计量为1.352428 ，根据判定区域知位于无决定区域，不确定是否存在一阶正自相关，需要进行修正。 ②修正： 采用广义差分法对模型进行修正。 由DW=1.352428 ，根据ρ=1-DW/2，计算出ρ=0.373786。用GENR分别对，和Y作广义差分。即： GENR DY= Y-0.4894*Y(-1) GENR D= X3-0.4894（-1） GENR D= X6-0.4894（-1) 新修正为： DY=C+D+D+u Dependent Variable: DY Method: Least Squares Date: 05/01/05 Time: 12:36 Sample(adjusted): 1990 1993 Included observations: 4 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C19018.461293.82414.699420.0432 DX34.8402810.17024328.431660.0224 DX6-1.0403890.049918-20.842060.0305 R-squared0.999733 Mean dependent var6037.017 Adjusted R-squared0.999199 S.D. dependent var1105.154 S.E. of regression31.28098 Akaike info criterion9.837603 Sum squared resid978.5000 Schwarz criterion9.377324 Log likelihood-16.67521 F-statistic1871.802 Durbin-Watson stat2.946105 Prob(F-statistic)0.016342 (4)确定模型 DY = 19018.46 + 4.84021*D +（-1.040389）*D =化肥施用量（万吨） =农业从业人员（万人） 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。根据1989-2003年的数据建立的模型中可以看出每增加一万吨的化肥使农业增加值增长了4.84021亿元，每减少一万人的农业从业人员数可以是农业增加值增长1.040389，说明在我国的农村中存在大量的剩余劳动力。 模型还可表示为 =19018.46+4.84021-1.809202735+ ( -1.0140389 )+0.388882842+0.373786 GENR =4.84021+(-1.0140389 )+（ -1.809202735）+0.388882842 则模型变为：=26245.95+1.712319+0.491976 Dependent Variable: Y Method: Least Squares Date: 06/06/05 Time: 12:49 Sample(adjusted): 1990 2003 Included observations: 14 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C26245.954065.2126.4562310.0000 M1.7123190.2886635.9319010.0001 Y(-1)0.4919760.0835535.8881660.0001 R-squared0.992232 Mean dependent var19669.41 Adjusted R-squared0.990819 S.D. dependent var7751.918 S.E. of regression742.7666 Akaike info criterion16.24605 Sum squared resid6068725. Schwarz criterion16.38299 Log likelihood-110.7224 F-statistic702.4898 Durbin-Watson stat1.805031 Prob(F-statistic)0.000000 此模型存在滞后应变量，因此DW 值失效，需要用德宾-H检验 h=(1-d/2) =0.0974845*3.939100593=0.384001251 取显著性水平=0.05，查标准正态分布表得临界值=1.96，由于|h| =0.384001251=1.96，则接受原假设=0，说明自回归模型不存在一阶自相关。 (5)单位根检验 ADF Test Statistic-3.330795 1% Critical Value*-4.8870 5% Critical Value-3.8288 10% Critical Value-3.3588 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y) Method: Least Squares Date: 06/07/05 Time: 20:03 Sample(adjusted): 1991 2003 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. Y(-1)-0.4136580.124192-3.3307950.0088 D(Y(-1))0.8828440.1961304.5013280.0015 C2072.293786.55032.6346610.0272 @TREND(1989)752.9303243.68733.0897390.0129 R-squared0.728585 Mean dependent var1694.592 Adjusted R-squared0.638113 S.D. dependent var1480.465 S.E. of regression890.6042 Akaike info criterion16.66934 Sum squared resid7138582. Schwarz criterion16.84317 Log likelihood-104.3507 F-statistic8.053172 Durbin-Watson stat1.926147 Prob(F-statistic)0.006448 即有:Δ^Y=2072.293+752.9303t-0.413658Yt-1+0.882844ΔYt-1 其中：P=1，N=13，单位根的τ检验结果为（H0:γ=1）:τ=-0.413658/0.124192=-3.330795。 由表中给出的Mackinnon临界值显示，我们是不能拒绝H0的，表明1989-2003年度的Y序列可能是非平稳序列。这点也可由Y的时序图得到验证。（见下图） 当检验结果不能拒绝零假设时，其结论尚待进一步考证。由于水平有限对数据的平稳性修正的内容省略。 五、对模型的经济解释及存在的问题 1．经济解释 从以上模型经分析可得出： （1）从模型可以看出农民对化肥的投入量，即模型中的化肥的使用量，是影响农业产值增长的最显著因素。说明我国目前农业生产中，农民自己对农业的投入所产生的效益最大（因为化肥是农民自己购买的，并且所占农民支出份额甚大）。在最后确定的模型中，根据1989-1993年的数据建立的模型中可看出每增加一万吨的化肥施用量使农业增加值增长了5.317281亿元，而从1999-2003年的回归结果可看出每增加一万吨的化肥施用量使农业增加值增长了16.62678亿元，明显的化肥施用量对农业增加值的贡献增加了，说明在农业生产中化肥施用量的发展速度大于其它影响农业增加值因素的发展，且它在农业生产中的所占地位在上升。 （2）根据先验信息，政府的投入应该对农业有很大的影响，而我们从模型得到的过程中能够看出，政府对农业的投入对农业产值的影响不是特别显著，在模型中竟是和农业总产值负相关的。这就表明目前我国政府对农业的投入不足或现有投入效益不明显。 造成现有投入效益不明显的原因可能是政府对农业的投入大多在基础设施，而基础设施具有社会性，并且，农业基础设施投入滞后，造成资金运作效果欠佳。因而对农业产出的直接影响不明显。 （3）从模型还可以看出解释变量我国农业从业人员与被解释变量农业产值的影响是负相关得到，说明农民的边际劳动生产率（即增加单位劳动力所带来的产值的增加）为负。即农村中存在着大量剩余劳动力，与我国现实状况极为相似。 （4）农业机械化是农业现代化的重要内容和主要标志之一，而通过对模型的回归分析，可看出我国的农业机械化程度是较低的，对我国的农业增加值的贡献十分低下。 2．存在的问题： 根据先验信息政府对农业的投入对农业产值的影响应该是显著的，也就是说解释变量政府投入的删除可能是不正确的。但是，如果不删除该变量，多重共线性又无法消除，这又是我们不能解决的问题。 六、政策建议 鉴于以上模型的最终结果中反映出的我国农业的现存状况，现提出以下几点建议： 1、模型中显示影响农业产值最为显著的因素为农民自己的投入，所以目前要尽快发展我国农业，使其不至于制约其他产业的发展，最为主要的是扩大农民的收入，有了收入才能支出，即充分调动农民积极性。 2、优化政府对农业的投入方式，加大农业投资的力度，建立农业投资的硬性约束机制；坚持支农资金的有偿使用与无偿使用相结合；深化金融体制改革；提高政府投资的效率。 还可鼓励非政府资金对农业的投入，使我国的农业的发展同同业和第三产业相匹配。 3、加快农村剩余劳动力的转移 我国农村劳动力多，劳动力价格相对便宜。农村乡镇工业企业应以发展劳动密集型产业为主，大量吸纳过剩劳动力，以当地的自然资源为主要的加工对象；大力发展深加工、精加工、积极参与城乡经济分工协作，在推动、促进大工业发展的协作中，求得自身长期稳定的发展；推进第三产业迅速发展，形成就业分布的第三产业化，使第三产业最终成为吸纳大部分劳动力的产业部门，实现劳动力的高水平转移。 4 推进农业机械化的发展 我国现在农业机械化程度远远不能够满足现代农业发展的需求，要实现农业现代化，必须在以下各方面积极稳妥的推进农业机械化的发展：1，要把主要农产品生产过程机械化和产业化经营有机结合起来；2，对农业机械化进行结构性调整；3，因地制宜，有重点的推荐地区农业机械化；4，大力促进农业技术进步，重视农村的基础教育；5，建立与农业机械化相适应的农村经济体制。 综观中国农村现状，与其他产业比，农业的发展一直处于较低的状态。转移剩余劳动力提高生产效率，增加政府财政补贴并实现机械化，规模化生产是保证我国农业健康发展的必由之路。只有农业发展了，才能带动我国其他产业的发展，最终达到整个国民经济的发展。 [参考文献]： 1、《计量经济学》 主编：庞皓 西南财经大学出版社 2001年8月第一版 2 《中国统计年鉴2004》 3、《中国统计年鉴1998》 4、中华人民共和国国家统计局网

1 ...565758596061626364... 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