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

  • 农村和城镇的人均居民消费对我国人均GDP的影响_经济学毕业论文范文

    农村和城镇的人均居民消费对我国人均GDP的影响_经济学毕业论文范文 农村和城镇的人均居民消费对我国人均GDP的影响 文章从人均量的角度通过计量经济模型的分析，得出了农村居民消费成为我国经济增长的主要动力，并分析了目前为何农村市场启动不力，以及给出了一点点解决这个问题的小小的建议，还望老师和同学指点。 文章总共分为四个部分。一：问题的提出。在这一部分里，我们主要谈的是目前中国国内的内需不足严重的影响了我国经济的发展，政府在启动内需的时候是应该把重点放在城镇还是农村市场呢？二：建立计量经济学模型。通过建立计量经济模型来讨论农村和城镇的人均居民消费对我国人均GDP的的影响，得出农村居民人均消费对我国人均GDP的影响要比城镇居民人均消费对我国人均GDP的影响要大。三：问题的分析。为什么我国目前农村市场启动不力。四：问题的补救。对于目前农村市场启动不力的情况，我们给出了自己的一点小建议。 农村和城镇的人均居民消费对我国人均GDP的影响 一、问题的提出 从经济学的角度来讲，一个社会的经济增长主要来自两个方面的的推动：一是生产推动即供给推动，一个是需求拉动即消费拉动。目前我国中国市场已完全消除了日用品和食物短缺的现象。居民消费结构亦发生了很大变化，中国人民的消费观念也发生了很大的转变。因此我国的消费的增长对我国的投资的增长以及所带来的经济的增长，在改革开放的20几年里是显而易见的。在计划经济时代，我国的经济增长主要是靠高积累低消费来推动的，也就是生产推动经济的增长，使中国在一穷二白的基础上建立了初步的工业现代化；改革开放以后，我国由计划经济体制转变为市场经济体制，经济增长的主要约束已经有短缺经济时代的资源供给约束转变为市场需求的约束，市场需求的规模已成为决定生产规模和投资规模的主要因素。从社会再生产过程来看，投资需求不过是中间需求，只有消费才是社会再生产的终点和新的起点，只有消费需求才是真正的最终需求，消费需求规模的扩大和结构的升级才是经济增长的根本动力。 而在最终消费中，居民消费是最主要的一块。因此，居民的消费是影响消费增长的最主要的因素。在我国，居民的消费占了我国消费总量的绝大部分，占到总消费的80%以上，因此中国人民的消费状况将直接关系到我国的经济增长。但是目前中国的情况已经出现了生产过剩的情况，而消费情况却一直徘徊不前，无法给经济的增长注入新的动力，消费的制约作用明显的显露出来。从我国目前的情况来看，内需不足，特别是消费不足已经成为制约我国经济发展的主要因素。因此扩大居民消费成为拉动我国经济增长的重要力量，国家的经济政策也反映了这一点，“增加消费，扩大需求，启动市场”已经成为我国经济政策的基本目标。 既然居民消费是经济增长的关键，那么通过刺激居民的消费可以在多大程度上促进经济的增长呢？而且，在我国居民消费还存在着两个几乎完全不同的消费群体：农村居民和城市居民。对于两个不同的消费群体，他们各自的消费对我国的经济增长孰轻孰重呢？即我国政府应该将经济的增长点着重放在刺激哪个消费群体上呢？是农村居民呢还是城市居民呢？最近几年来政府已经给公务员加了好几次薪，每次的幅度还是比较大的，政府的行为无非就是想通过提高这些人（主要是城市居民）可支配收入来刺激他们的消费，从而在城市居民中形成一个消费的示范效应，从而带动整个城市居民的消费，以达到刺激经济增长的目的。但是我们政府的这些行为似乎有些失灵，中国的经济增长并没有因此而快速增长起来。那么是不是就是说城市居民的消费对中国的经济增长没有推动呢？政府目前在大力的减轻农民的负担，是不是就是说农村的居民的消费对中国的经济增长的作用更加重要呢？我们不能只是从这些事实来评价孰轻重，下面我们就从人均量的角度出发，建立计量经济模型来对上述问题进行分析。 二、建立计量经济学模型 我们选取人均国民生产总值（GDP）——Y作为因变量，分别以农村居民人均消费X1和城镇人均消费X2作为自变量。具体数据见下表： obsYX1X2Y1X3X4 1978379138405 1979417158434382029 1980460178496432062 1981489199562292166 1982525221576362214 1983580246603552527 19846922836621123759 198585334780216164140 198695637692010329118 19871104417108914841169 19881355508143125191342 19891512553156815745137 19901634571168612218118 19911879621192524550239 19922287718235640897431 199329398553027652137671 1994392311183891984263864 1995485414344874931316983 1996557617685430722334556 1997605418765796478108366 199863071895621725319421 199965471918675024023533 数据来源《中华人民共和国年鉴2001》 在建立模型之前，我们先来分析数据的残差是否成正态分布。利用图形： 从图表和JB值我们可以认为残差是成正态分布的。所以我们可以进行计量经济模型的建立。 我们根据以上数据可以通过线形回归模型对我国人均GDP值与农村居民消费水平和城镇居民消费水平之间的关系进行计量模型分析。通过计算机的EVIEWS的计算，我们得到以下的结果。 Dependent Variable: Y Method: Least Squares Date: 12/16/02 Time: 21:23 Sample: 1978 1999 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. C-108.953722.31052-4.8835130.0001 X11.1872160.2079865.7081550.0000 X20.6650680.06097410.907410.0000 R-squared0.999378 Mean dependent var2332.818 Adjusted R-squared0.999313 S.D. dependent var2165.980 S.E. of regression56.78700 Akaike info criterion11.04262 Sum squared resid61270.51 Schwarz criterion11.19139 Log likelihood-118.4688 F-statistic15266.17 Durbin-Watson stat1.119108 Prob(F-statistic)0.000000 所以我们得到以下的结果：Y=-108.9537+1.187216X1+0.665068X2 (22.31052) (0.207986) (0.060974) （t=-4.883513）(5.708155) (10.90741) R-Squared=0.9994 df=21 从上面的估计的结果可以看出：可决系数R-Squared=0.9994，表明模型在整体的拟和非常好。系数显著性检验：对于C、X1、X2的系数，t的统计量的绝对值都2,都通过了检验。 下面我们进行模型的检验。 我们先进行多重共线性的检验。利用相关系数距阵。 X1X2 X1 1.000000 0.995478 X2 0.995478 1.000000 从相关系数距阵我们可以看出X1和X2两个解释变量之间存在很强的多重共线性。 下面我们进行异方差的检验。我们利用ARCH检验。得到下面的结果。 ARCH Test: F-statistic0.022026 Probability0.995372 Obs*R-squared0.083334 Probability0.993760 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/19/99 Time: 00:15 Sample(adjusted): 1981 1999 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C3014.0681686.7281.7869310.0942 RESID^2(-1)-0.0735990.304019-0.2420870.8120 RESID^2(-2)0.0118640.3010510.0394090.9691 RESID^2(-3)0.0104850.3166320.0331150.9740 R-squared0.004386 Mean dependent var2896.181 Adjusted R-squared-0.194737 S.D. dependent var4330.869 S.E. of regression4733.814 Akaike info criterion19.94751 Sum squared resid3.36E+08 Schwarz criterion20.14634 Log likelihood-185.5014 F-statistic0.022026 Durbin-Watson stat1.759988 Prob(F-statistic)0.995372 从上面的检验我们可以看出模型不存在异方差。 但是我们使用的数据是时间序列数据，所以有可能会产生自相关性，那么我们就需要检验方程是否能通过D-W检验。从上面的结果表中我们可以得出D-W=1.119108，给定显著性水平a=0.05，查D-W表，n=22,k`=2，得到下限临界值dl=1.147,上限临界值du=1.541,所以我们无法判断是否存在自相关，在这种情况下，上面的模型的参数估计量和参数显著性检验就可能失去意义。所以我们对原始数据采取一阶差分，得到Y1=Y(i+1)-Y(i)，X3=X1(i+1)-X1(i), X4=X2(i+1)-X2(i),采用新的变量Y1,X3,X4建立新的计量经济模型。通过计算机Eviews软件得到： Dependent Variable: Y1 Method: Least Squares Date: 12/16/02 Time: 21:30 Sample(adjusted): 1979 1999 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X31.3625370.2278875.9789990.0000 X40.5909320.0711658.3037330.0000 R-squared0.962749 Mean dependent var293.7143 Adjusted R-squared0.960789 S.D. dependent var293.9663 S.E. of regression58.21082 Akaike info criterion11.05641 Sum squared resid64381.49 Schwarz criterion11.15589 Log likelihood-114.0923 Durbin-Watson stat1.809116 所以我们得到以下结果：Y1=1.362537X3+0.590932X4 (0.227887） （0.071165） （t=5.978999）(8.303733) R-squared=0.962749 df=21 从上面的结果我们可以看出：模型拟和的比较好，各个参数通过了显著性检验.我们再次对第二个模型进行检验。 首先进行多重共线性的检验。利用相关系数距阵。 X3X4 X310.814562452658 X40.8145624526581 从距阵可以看出：多重共线性有所降低，但是还是很大。由于我们考虑的二者对因变量的共同影响，所以我们可以容忍存在多重共线性。 接着我们进行异方差的检验。利用ARCH检验。 ARCH Test: F-statistic1.969106 Probability0.165025 Obs*R-squared5.341338 Probability0.148442 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 09/19/99 Time: 00:33 Sample(adjusted): 1982 1999 Included observations: 18 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1517.9841391.9471.0905480.2939 RESID^2(-1)-0.0041870.259137-0.0161570.9873 RESID^2(-2)0.3125350.2790351.1200560.2815 RESID^2(-3)0.4781380.3447071.3870850.1871 R-squared0.296741 Mean dependent var3467.403 Adjusted R-squared0.146043 S.D. dependent var4682.496 S.E. of regression4327.086 Akaike info criterion19.77631 Sum squared resid2.62E+08 Schwarz criterion19.97417 Log likelihood-173.9868 F-statistic1.969106 Durbin-Watson stat1.836653 Prob(F-statistic)0.165025 从上面的检验结果我们可以看出模型不存在异方差。 我们再来进行自相关的检验。利用图示法： 从图形我们可以看出随机误差不存在明显的自相关。 所以我们利用第二个模型进行分析。 从第二个模型我们可以看出：在其他条件保持不变的情况下，只要农村居民人均消费1元，那么所带来的人均GDP的增长为1.363元，而城镇居民人均消费1元，所带来的人均GDP的增长只有0.5909元。因此我们可以得出：在影响我国人均GDP增长的居民消费的因素中，农村居民的人均消费的增长对人均GDP的影响要大于城镇居民人均消费的增长的影响，因此国家想通过扩大居民消费来拉动我国经济增长，就必须把刺激农村居民的消费放在首要的位置。 我国农村有8亿多居民在农村，占全国人口的70%以上，可以说是世界上最大的一个消费群体，农村人均消费的任何的一点的增长，汇总起来就是一个惊人的数值。但是从实际的情况我们可以看出，农村目前的消费并不是很活跃，可以说是停滞不前，为什么会产生这种情况呢？下面我们就来分析目前农村的消费情况。 三、问题的分析：当前我国农村居民的消费形势 从前20年的长期趋势可以看到，最终消费在经济增长中的贡献份额下降，并不是城镇居民造成的，城镇居民消费对经济增长的贡献率20年来基本持平，大幅下降的是农村居民的消费份额。国务院发展研究中心有关专家完成的一份研究报告指出，农村居民消费对经济增长的贡献份额整个80年代基本在35%上下波动，90年代以后，降到了20%左右，减少了15个百分点。如果把城乡人民消费作为100，农村居民已从1979年的68%降到1998年的47.1%，城市居民则从32%提高到52.9%。在城市消费品零售额中，乡村所占比重，1978年是52%，1984年达到最高的59%，之后就直线下降，1997年已降到43.4%。这表明，这两年的内需不足，主要是农民的最终消费需求不足。 为什么会出现这种情况呢？一个重要的原因就是农村居民对经济增长和收入的提高有着十分不乐观的预期。在80年代初，农村实施家庭联产承包责任制，顺应了经济的发展形势，极大的提高了农民兄弟的生产积极性，农村居民的收入增长速度一度超过了城市居民的收入增长速度。但是随后我国的经济进入调整阶段，经济增长速度开始放慢。而1997年的东南亚金融危机使得我国经济受到较大的影响，我国的经济形势也有通货膨胀转为通货紧缩，这对农村经济的影响是很严重的，乡镇企业在经历了高速发展之后，随着全国的经济形势的转变，开始走下坡路，同时农产品的过剩导致农产品价格的下降，城市化进程不快等等这些因素，都直接导致了农村居民的收入增幅持续的下滑。从一些数据我们可以看出，1997年，农村居民人均纯收入比上年仅增长4.6%，增幅下跌4.4个百分点；1998年农村居民人均纯收入的增长率也仅为4.3%,1999年为3.8%；而同期城镇居民家庭人均可支配收入年均增长率在8.15%。长期的经济低迷和收入增长缓慢使农村居民收入对未来的收入预期降低，储蓄倾向增强，当前消费倾向减少。98年的人均消费仅仅增长了19元，99年也只增长了23元，几乎农村居民的消费水平降到了历史的最低水平.从目前农村经济运行情况来看，农村居民收入增长缓慢，农民对未来增收的预期不稳，产生了当前消费紧缩的倾向。 虽然农村居民的消费水平在总体上是不断提高的，生活质量也得到了巨大的改善。但是农村居民消费的外部环境比较差，极大的制约了农村市场的启动。由于目前在我国农村地区没有一个稳定的社会保障体系，再加上农村目前实行的也是独生子女政策，农民必须将本来就不高的收入储存起来，以应付未来的诸多不确定性。在农村，农民必须要考虑自己的住房、终身大事、子女的教育、老人的后事等等这一系列的巨额支出。因为在农民的心里一个人的生老病死是很重要的，在操办这些事的时候必须隆重，这些必要的支出几乎就成为了农民一生的“奋斗”目标，他们不可能拿出多余的钱来进行所谓的其他消费。而信贷消费在我国城市也只是刚刚兴起，在农村“寅吃卯粮”的事情是会被认为是“败家子”的行为，所以这一套在农村的最近的几年以及将来的一段时间里都是行不通的。所以农村的消费环境、农民的消费习俗等因素也是制约我国农村居民消费的难以增长的一个瓶颈。 在整体上，我国目前的买方市场和消费不足还有明显的体制性。而且只要阻碍居民消费扩大的体制性、环境因素未得到有效的遏制和消除，即使通过提高收入来扩大消费需求，政策效应也会弱化,实施增加收入以刺激消费增长的政策效应也会受到影响.农村的这种情况更是如此,体制的约束作用极为显著.国家实行城乡分离的政策使得一些已经富裕的农村人口无法城市化,大量的农村剩余劳动力无法转移出去,这些都直接制约了农村居民收入的提高和消费水平的提高,只要的他们消费观念不转变,即使转移到了城市,他们的消费方式也很难发生转变,也就无法提高消费水平. 四、问题的补救：如何促进农村居民的消费 目前农村居民收入增幅持续回落，农村市场消费需求不旺，回升乏力的现象，如何采取有效的措施激励农民进行消费，进而促进中国的经济增长便成为了当务之急。 首先就是要通过各种有效的途径提高农民的收入，增加农村居民的现期的消费需求能力。在西方经济学里，我们认为在各种假定的条件下，消费是收入的函数，收入是决定消费的重要变量。从前面的数据也可以看出：在90年代初及中期，农民的人均消费的增幅较大，这其中的主要原因就是因为在这个时期，农村人均纯收入有较大幅度的增长。因此，增加收入会有效的的扩大消费需求。在现期，农村居民正面临着由吃穿转变为以用为特征的消费结构的升级，居民家庭正处于家电普及的阶段，潜在的需求很大。对于彩电、电冰箱、洗衣机等家用电器，农村居民不是没有需求，而是没有购买能力，收入的水平大大的影响了农村居民的消费水平的提高。而且根据传统的消费经济理论，低收入阶层有较高的消费倾向，高收入阶层只有较低的消费倾向。所以，农村居民的消费倾向是高于城镇居民的消费倾向的，提高农民的实际收入水平所带来的消费的需求的增加会比城镇的居民收入水平增加所带来的效果大。 从增加农民收入这点来考虑，我们首先就要调节好目前农产品的结构。目前农产品结构趋同造成农产品相对过剩，直接导致了农产品的价格下跌。因此，更新观念，调整优化农业生产结构是新形势下农民增收的重要举措。其次国家要继续支持乡镇企业的发展，给予乡镇企业优惠的政策和资金等各方面的支持，是乡镇企业能增强吸纳就业的能力，提高农民报酬的收入水平。再次目前中国对农业的补贴还不到农产品总产值的2％，和其它发达国家比起来相差很大。中国目前的发展情况已经到了工业反哺农业的时候了，那么国家可以通过搞好农田水利基本建设，加大农村基础设施建设的投资力度，积极开拓农村市场。当然最主要的还是要将减轻农民的负担，这才是增加农民收入的可靠保证。 其次就是要健全农村社会保障制度，稳定农村居民的支出预期。无论从那个方面来讲，建立完善的社会的保障制度是有利于维持和稳定居民未来收入和消费预期的。但是目前我国的社会保障制度一直是为城镇居民建立的，不管是在计划经济形势下的对国家职工实行的“从摇篮到坟墓“的全方位的社会保障体制，还是目前市场经济体制下出台的住房、医疗、教育、养老等体制改革统统是为城镇居民准备的。毛主席时代曾经在农村地区实行的“赤脚医生”可以说是一种医疗保障体制，但是最后也被取消了。所以对于农村居民来说，遇到上面这些事情就只能完全靠自己平时的储蓄，或是向自己的亲戚朋友借用。如果能够建立一套完整的农村居民的社会保障体系，使得农村居民对未来可能发生的不确定的事件做到心里有数，自然就可以有效的刺激农村居民的当前消费。 再次积极推进农村城镇化，消除城乡之间的体制差别。目前的城市化滞后是我国农产品和工业品双重过剩的症结所在。因此农村城镇化应当是中国启动内需的重要内容。通过农村城镇化进程，转化农村剩余劳动力，提高劳动生产率，增加农民的收入，改变农民的生活方式，提高消费水平。 参考书籍：《中华人民共和国年鉴2001》 《中国年度发展报告》 《关于当前居民消费增长的几个问题》 《多方位启动居民消费需求的对策思考》

  • 计量经济分析教育投资与经济增长_经济学毕业论文

    计量经济分析教育投资与经济增长_经济学毕业论文 计量经济分析教育投资与经济增长 十年树木，百年树人。在上个世纪，各国都试国寻找最有效的发展途径和最便捷的快速增长方式，努力寻找解决本国财富与知识增加、提高民众生活的“安全出口”。由于各国的经济、政治、文化及各种背景的不同，我们很难找到他们完全一致的发展道路，完全相同的发展轨迹。但是，教育却能成为其中主要的安全出口，不管是二战战败国日本，还是战胜国美国；不管是在欧洲还是亚洲，几乎所有经济发展较快、民众生活水平提高较快的国家，无一不把教育当做他们解决问题的重点，而对教育的重视也给这些国家带来较高的回报，国民素质的提高、综合国力的增强、加快发展的科学技术等，无一不与教育的发展有关。无论对于个人还是国家而言,教育都是创造知识和传播知识的关键。通过教育,人们的文化水平得到提高,相应的提高了劳动生产率,从而带来ＧＤＰ的增长和整个社会经济的发展。教育投资和物质资本投资都是经济增长不可或缺的因素, 但我国由于经济发展不充分，教育投入力度不够，我国教育投资对国民经济发展的贡献份额较其他发达国家明显偏低，从长远利益来看，这必将阻碍我国经济的发展。因此，我们运用大量统计资料,从定量角度分析教育投资对ＧＤＰ增长的贡献率,以使大家更直观地了解教育的重要性。 【摘要】我们通过教育投资与经济增长的实证分析、相关分析和回归分析，辅以教育投资与基本建设投资贡献大小比较研究，针对我国教育投资的现状，提出了完善我国教育投资的几点建议。 【关键词】 教育投资 经济增长 GDP 计量经济 一、教育对经济增长贡献的实证分析 经济增长是国民经济各方面因素共同推动的结果，在现实生活中，人们对影响经济的各方面因素都做了比较详细的探讨，建立了如柯布-道格拉斯生产函数，研究的就是关于技术、资金和劳动力对经济增长影响的模型，四十年代末由英国牛津大学的哈罗德和美国麻省理工学院的多马提出的关于测定储蓄、投资与国民经济增长速度的关系模型──哈罗德-多马模型。由于现阶段对教育投资与经济增长关系的测定还没有现成可用的计算模型，我们借用哈罗德-多马模型G=S/KI（G为经济增长率，S为储蓄率，KI为加速系数），用教育投资率（EDi=ED/Yt-1）替换储蓄率，对哈罗德-多马模型进行上述替换，Ged=EDi/KI=(ED/Yt-1)/[It-1/(Yt-Yt-1)]=G(ED/It-1)。上述公式中，Ged表示教育投资实现的经济增长率；Yt,Yt-1分别为t年，t-1年GDP；It-1为t-1年的全社会固定资产投资；ED为当年教育投资总额。 教育投资对经济增长的贡献 年份教育投资额(亿元)固定资产投资额(亿元)GDP（亿元）GDP增长率(%)教育投资贡献率 1990451718598.4 1991736.55594.521662.59.10.021688965 1992867.058080.126651.914.10.024715372 19931059.9413072.334560.513.10.024060282 19941488.7817042.14667012.60.030609315 19951877.9520019.357494.990.021758113 19962262.3422913.566850.59.80.016066037 19972531.7324941.173142.78.60.009554317 19982949.0628406.276967.27.80.005428429 19993349.041629854.780579.47.20.005264704 20003849.080632917.788228.18.40.011099186 资料来源：2002年统计年鉴 从表中数据看出，我国教育投资对经济增长的贡献率均在5%以下。再来看其他国家和地区的情况，舒尔茨1962年运用大量统计数据得出1929-1957年美国经济增长有33%的份额要归因于美国教育的发展，前苏联著名学者斯特鲁米林运用劳动简化率算得1940-1960国民收入增长额中有30%由于教育投资提高了劳动者整体文化程度，而近二十年该比例还有所提高。再看近代日本和亚洲四小龙创造的经济奇迹，他们具有一个共同的特点：高度过重视国民教育投资，人力资本在经济发展中处于绝对重要的地位。 相比之下，我们国家不足5%的贡献份额明显偏低，尤其是在知识经济时代，经济发展的支撑重点转移于人力资源，许多经济学家称“开发人力资源，增加人力资本投资”是促进社会、科技、经济全面发展的第一原动力。 二、教育投资与经济增长的相关分析 我们应用Eview软件对教育投资额与GDP进行相关关系分析，得到如右图所示的变量相关关系散布图上的点接近一条直线，可近似看作两变量具有线性相关。 鉴于此，我们继续对两变量---教育投资和GDP进行如下回归分析。 三、教育投资与经济增长的回归分析 用最小二乘法由Eview输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/19/03 Time: 21:58 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C12121.393849.2783.1490030.0136 X21.533721.65010513.049910.0000 R-squared0.955132 Mean dependent var57280.77 Adjusted R-squared0.949523 S.D. dependent var23727.46 S.E. of regression5330.853 Akaike info criterion20.17727 Sum squared resid2.27E+08 Schwarz criterion20.23778 Log likelihood-98.88633 F-statistic170.3002 Durbin-Watson stat0.421717 Prob(F-statistic)0.000001 得拟合方程： 从估计的结果可以看出，模型拟合较好，可决系数R2=0.955132，表明模型在整体上拟合得比较好。系数显著性检验：对于而言,t统计量为13.04991。给定，查t分布表，在自由度为n-2=8下，得临界值t0.025(8)=2.3060，因为tt0.025(8)，所以拒绝原假设H0：=0，表明教育投资对GDP增长有比较显著的影响。 由DW=0.421717，给定显著性水平=0.05，查Durbin-Watson表，n=10，k’ (解释变量个数) =1，得下限临界值dL=0.879，上限临界值dU=1.320，因为DW统计量为0.421717 dL=0.879。根据判定区域知，这里随机误差项存在正的一阶自相关。因此，我们对其进行自相关的修正，利用对数线性回归修正方法得如下结果： Dependent Variable: LY Method: Least Squares Date: 12/19/03 Time: 23:03 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C4.5172490.34600813.055330.0000 LX0.8443350.04595118.374770.0000 R-squared0.976854 Mean dependent var10.85809 Adjusted R-squared0.973961 S.D. dependent var0.495179 S.E. of regression0.079905 Akaike info criterion-2.039091 Sum squared resid0.051079 Schwarz criterion-1.978574 Log likelihood12.19545 F-statistic337.6323 Durbin-Watson stat0.468852 Prob(F-statistic)0.000000 由于上表发现自相关性没有好转，同时考虑迭代法，经过两次迭代，我们得到比较理想的结果： Date: 12/19/03 Time: 23:00 Sample(adjusted): 1993 2000 Included observations: 8 after adjusting endpoints Convergence achieved after 7 iterations VariableCoefficientStd. Errort-StatisticProb. C7.2376291.2223695.9209840.0041 LX0.5024790.1480793.3933070.0274 AR(1)1.0707770.2333364.5889890.0101 AR(2)-0.3409810.188327-1.8105740.1445 R-squared0.997512 Mean dependent var11.05087 Adjusted R-squared0.995645 S.D. dependent var0.315954 S.E. of regression0.020850 Akaike info criterion-4.596071 Sum squared resid0.001739 Schwarz criterion-4.556350 Log likelihood22.38428 F-statistic534.4769 Durbin-Watson stat1.873818 Prob(F-statistic)0.000012 Inverted AR Roots .54 -.23i .54+.23i 由上表中，dU=1.320DW=1.8738184-dU ，表明不存在一阶自相关。因此我们选用修正的模型： 经检验，模型各方面都比较完美，无论是从整体上拟合还是个别参数的检验，它表明教育投资每增加1%，GDP平均增长0.502479%。 四、教育投资与基本建设投资贡献大小比较研究 人的知识技能是一种无形资产，其对经济的影响是潜在，同时也是滞后的。这与固定资产投资有共通处。但教育投资却完全同于固定资产投资，它与有形的物质资本投资有明显区别。通过比较二者的计量经济分析，我们可以对经济的贡献程度的不同。 以国民生产总值（GDP）为应变量，国家财政用于教育的支出(EDg)和基本建设投资（INV）为自变量，利用统计数据，进行二元线性回归，得如下结果： Dependent Variable: LY Method: Least Squares Date: 12/20/03 Time: 00:10 Sample: 1991 2000 Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C3.4341600.31914410.760550.0000 LX10.4536610.1059874.2803490.0077 LX20.3972960.1075863.692827 0.0037 R-squared0.993601 Mean dependent var10.85809 Adjusted R-squared0.991773 S.D. dependent var0.495179 S.E. of regression0.044914 Akaike info criterion-3.124830 Sum squared resid0.014121 Schwarz criterion-3.034054 Log likelihood18.62415 F-statistic543.4931 Durbin-Watson stat1.70414 Prob(F-statistic)0.000000 12模型在整体上拟合得比较

  • 中小企业融资信用保险问题探讨开题报告_经济学毕业论文

    中小企业融资信用保险问题探讨开题报告_经济学毕业论文 设计论文（调研报告）中小企业融资信用保险问题探讨 选题依据： 1.国内外有关的研究动态 贷款保险业务始于20世纪初的进出口业务信贷风险。贷款保险是指银行等贷款机构在向企业发放贷款时，按照贷款的种类﹑金额﹑期限﹑风险及不同的保险标准向保险公司交纳一定的保险费，当企业倒闭时，由保险公司按投保金额的全部或部分项贷款机构归还倒闭企业的贷款和逾期贷款，以维护存款者利益和金融业的稳健经营和安全。目前，世界上大多数国家为了支持中小企业的发展，都对中小企业融资提供贷款担保。美国的中小企业的信贷保证计划的资金由联邦政府直接出资，国会预算拨款。日本的中小企业信用保险公库以中央政府的财政拨款为资本金。地方性信用保证协会的资金一部分由中小企业信用公库﹑地方政府﹑公共社团和金融机构捐助，其中金融机构的捐助资金的比例较大;另一部分是借入资金，主要是信用保险公库和地方财政借给保证协会的。台湾省的信用保证基金则是由政府和银行﹑金融机构的捐助资金组成，政府出资约占基金的80%。花旗银行﹑世界银行都曾以保险贷款的方式发放过贷款。目前，我国运用贷款保险来防范和化解金融风险的工作还没有展开，随着我国市场经济发展的不断深化，贷款保险将具有深厚的市场基础和发展空间。 2.理论及实际意义 中小企业银行贷款信用保险的首要意义是作为一种缓解中小企业信贷难的方式，可以扩大信贷规模，增加发展资金，促进中小企业的发展和作用的进一步发挥。同时，综合经营是当今金融业发展的一个不可逆转的趋势，信用保险介入中小企业的信贷当中开启了银企合作的一条新途径，也拓展了保险业的活动空间。因此，把信用保险引入到中小企业信贷有着重要的实际意义。 另一方面，关于中小企业信贷融资难在经济理论界有许多不同的观点，相应的也有不少的对策。信用保险的介入又为这方面的研究增添了一笔。并且，也丰富了银保合作的理论研究。所以，也可以说对中小企业银行贷款信用保险问题的探讨有着重要的理论意义。 设计论文（调研报告）的主要内容 本文将主要从以下几个方面进行研究： 1.信用保险—中小企业解决融资问题的新途径。这一部分将深入分析引入融资信用保险对中小企业融资的有利因素，并通过对融资信用保险与中小企业政策性信用担保进行比较，试图探讨融资信用保险是否比政策性信用担保方式可以更好地缓解中小企业融资难的困境。 2.中小企业融资信用保险的三方博弈分析。中小企业融资信用保险实质上是中小企业﹑商业银行和保险机构这三个重要参与方之间的博弈。这一部分将引入一个三方博弈模型，以分析三方融资博弈的结果是否可以实现利益上的“多赢”，进而分析中小企业融资信用保险模式在理论上是否可行。 3.中小企业融资信用保险的实际运作。这一部分将对中小企业融资信用保险的实际运作，如运作机制﹑运营模式以及对三个重要参与方的要求等进行简要的设计。 4.发展中小企业融资信用保险的对策建议。要确保中小企业融资信用保险模式的顺利实施，就必须为之创造适宜的环境。这一部分将针对中小企业融资信用保险如何发展，从加强相关法律法规建设﹑加大政府扶持力度﹑加强保险机构自身建设等方面进行探讨，提出相应的对策建议。 可能的创新点： 在对中小企业融资信用保险的理论可行性分析当中，将引入三方博弈模型进行分析。 完成研究内容的技术路线或研究方法 技术路线： 1.阅读文献，查找资料，了解我国中小企业融资和信用保险的情况； 2.借鉴国外信用保险在贷款方面的运用，结合我国中小企业的实际情况和社会环境，深入考虑把信用保险引入到中小企业融资当中的可行性； 3.经过理论和现实的论证得出可行性结论，介绍了一些运作的环节并提出了部分有关发展的建议。形成报告，提交论文。 研究方法： 比较分析法——中小企业融资信用保险与中小企业政策性信用担保的比较； 博弈分析法——利用三方博弈模型进行中小企业融资信用保险的理论可行性分析。 进度安排及各阶段主要任务 1.10-4.28 收集文献，查资料； 4.30-5.01 提交开题报告； 5.02-5.09 对开题报告进行修改； 5.10 开题报告答辩； 5.11-5.22 提交论文初稿； 5.23-6.11 论文修改； 6.11 提交论文； 6.13-6.15 论文答辩

  • 我国农民收入影响因素的回归分析——以四川省为例_经济学毕业论文范文

    我国农民收入影响因素的回归分析——以四川省为例_经济学毕业论文范文 我国农民收入影响因素的回归分析——以四川省为例 我国农民收入影响因素的回归分析 ——以四川省为例 摘要：本文以四川省为例，分析农民收入增长的影响因素，并从中选出7个因素与农民收入进行多元回归分析，建立数学模型，并定量分析影响因素的作用程度。 关键词：农民收入 影响因素 回归模型 一、引言 自改革开放以来,虽然中国经济平均增长速度为9.5 % ,但二元经济结构给经济发展带来的问题仍然很突出。农村人口占了中国总人口的70 %多,农业产业结构不合理,经济不发达,以及农民收入增长缓慢等问题势必成为我国经济持续稳定增长的障碍。正确有效地解决好“三农”问题是中国经济走出困境,实现长期稳定增长的关键。其中,农民收入增长是核心,也是解决“三农”问题的关键。本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,寻找其根源,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。 二、定性分析 农民收入水平的度量，通常采用人均纯收入指标（罗发友、肖国安，2002）。影响农民收入增长的因素是多方面的，既有结构性矛盾因素，又有体制性障碍因素。但可以归纳为以下几个方面：一是农产品收购价格水平。目前农业收入仍是中西部地区农民收入的主要来源，农产品收购价格水平直接影响农民收入状况。二是农业剩余劳动力转移水平。中国的农业目前仍以农户分散经营为主，农业比较效益低，尽快地把农业剩余劳动力转移出去是有效改善农民收入状况的重要因素。三是城市化、工业化水平。中国多数地区城市化、工业化水平落后于世界平均水平，这种状况极大地影响了农民收入的增长。四是农业产业结构状况。农林牧渔业对农民收入增长贡献率是不同的。随着我国“入世”后农产品市场的开放和人民生活水平的提高、农产品需求市场的改变，农业结构状况直接影响着农民收入的增长。五是劳动力素质。劳动力的技能素质水平是影响劳动力的就业适应性、稳定性和竞争力的重要因素。因此，农民综合素质水平低是农民增收的关键性制约因素。六是农业投入水平。农民收入与财政农业支出、农村集体投入、农户个人投入以及信贷投入都有显著的正相关关系（朱述斌、陈卫平和周波，2002）。农业投入是农民收入增长的重要保证。但考虑到农业投入主体的多元性，既有国家、集体和农户的投入，又有银行、企业和外资的投入，考虑到复杂性和可行性，所以对农业投入与农民收入，本文暂不作讨论。因此，本文以四川为例，把农民收入与各影响因素关系进行线性回归分析，并建立数学模型。 三、计量经济模型分析 （一）指标的选择 根据以上分析，我们在影响农民收入的五大因素中引入7个解释变量（考虑到资料的可得性，仅利用1985-2000年的数据）。即： -农产品收购价格指数，-农村劳动力中从事非农劳动力占农村劳动力总数的比重，-非农人口占总人口的比重，-第二、三产业从业人数占全社会从业人数的比重，-第二、三产业增加值占GDP的比重，-农业产值占农林牧渔业总产值的比重，-初中以上文化程度劳动力占农村劳动力总数的比重。 样本数据，经由《四川统计年鉴》历年资料计算整理，其中均按1985年不变价换算，数据整理结果列于表1。 表1 农民人均纯收入与影响因子的原始数据 年份 198510017.717.833.359.564.725.2377.3 1986107.817.517.834.261.761.928.1390.6 1987121.616.818.134.261.462.230.7404.8 1988156.418.318.335.564.459.232.3421.8 1989180.316.718.534.965.159.732.8432.8 1990177.817.318.634.364.559.934.6440.6 1991172.317.518.734.766.159.336.9457.3 1992170.220.518.936.668.757.338.2485.2 1993186.526.619.242.772.054.640.1504.5 1994251.528.019.643.972.851.742.2536.1 1995306.228.520.349.073.349.344.8578.0 1996326.128.620.550.274.148.847.2647.4 1997316.329.720.952.875.348.548.7712.3 1998287.530.421.253.477.846.550.8701.8 1999259.431.421.453.678.249.252.8741.0 2000252.936.422.753.478.548.756.3760.0 资料来源：《四川统计年鉴》2000年版农民收入影响因素的回归分析 （二）计量经济模型的建立 1、相关分析。为了说明各解释变量对被解释变量的影响，我们先进行农民收入与制约因素的相关分析，计算简单相关系数，各变量简单相关系数矩阵如表2所示，根据相关系数分析，说明各因子对农民收入的影响是极为显著的。 表2 简单相关系数矩阵[① 该简单相关系数矩阵由统计软件SAS计算所得。]① x1 x2 x3 x4 x5 x6 x7 y x1 1.00000 0.82458 0.83091 0.89804 0.88105 -0.94975 0.86967 0.85908 x2 0.82458 1.00000 0.95230 0.96342 0.95245 -0.93471 0.94187 0.93904 x3 0.83091 0.95230 1.00000 0.95154 0.94850 -0.92072 0.98080 0.98149 x4 0.89804 0.96342 0.95154 1.00000 0.95543 -0.96835 0.95009 0.97282 x5 0.88105 0.95245 0.94850 0.95543 1.00000 -0.97446 0.98218 0.95560 x6 -0.94975 -0.93471 -0.92072 -0.96835 -0.97446 1.00000 -0.95369 -0.93714 x7 0.86967 0.94187 0.98080 0.95009 0.98218 -0.95369 1.00000 0.97806 y 0.85908 0.93904 0.98149 0.97282 0.95560 -0.93714 0.97806 1.00000 2、多元回归分析。为了解各种因素共同作用下对农民收入的影响，我们进行多元回归分析。将上述因素考虑在内，最后的计量模型为： 在计算机上用Eviews软件进行最小二乘估计运算，得出回归模型及各检验统计量： （0.287）（-1.942） （0.976） （4.536） （0.571） （1.519） （1.140） F=146.8878 （1）多重共线性检验及修正： ① 多重共线性的检验 从表2中可以看出，解释变量之间存在高度线性相关。同时从回归模型可以看出，尽管整体上线性回归拟合较好，但和变量的参数t值并不显著，表明模型中解释变量确实存在严重的多重共线性。 ② 多重共线性的修正 采用逐个剔出法来消除多重共线性，首先将t统计量最小的剔出，重新建立模型进行分析，得到新的回归模型： （-2.196）（1.028） （4.781） （0.522） （2.322） （1.258） F=189.143 、和的t检验又没有通过，再剔出t统计量最小的，重新建立回归方程： （-2.445）（0.922） （4.940） （2.371） （2.728） F=244.726 的t检验未通过，剔出再次建立回归模型： （-2.287） （6.302） （3.958） （7.451） F=309.915 至此，模型的t检验全部通过，其他统计检验效果均有较大改善，多重共线性消除。 （2）异方差检验 利用ARCH检验法检验模型是否存在异方差检验，由于样本比较小，所以我们就不用(n-p)*R^2，e2与其滞后3阶的3个自回归变量t值均不显著，就说明该模型不存在异方差。 表3 异方差的ARCH检验 ARCH Test: F-statistic1.17149343273 Probability0.373480343084 Obs*R-squared3.6508303012 Probability0.30172033587 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 09:46 Sample(adjusted): 1988 2000 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C94.485972237109.3933147110.8637271161120.410165382558 RESID^2(-1)-0.06873023638550.326045345225-0.2107996246290.837739128701 RESID^2(-2)0.4767305897940.2999809294151.589202989410.146477551679 RESID^2(-3)-0.06406906963560.329522497889-0.1944300314730.850157113828 R-squared0.280833100092 Mean dependent var152.183591612 Adjusted R-squared0.0411108001228 S.D. dependent var213.236275451 S.E. of regression208.807119234 Akaike info criterion13.7683588044 Sum squared resid392403.717385 Schwarz criterion13.9421893759 Log likelihood-85.4943322287 F-statistic1.17149343273 Durbin-Watson stat1.97414073608 Prob(F-statistic)0.373480343084 （3）自相关检验： 采用DW检验来检验模型自相关问题，由最小二乘估计结果得出DW=2.742，给定显著性水平，查Durbin-Watson表，n=16，k’=4，得下限临界值=0.734，上限临界值=1.935，，DW检验不能确定是否自相关，改用图示法进行检验，如图1所示，可以看出，一阶残差无自相关，模型通过检验。 四、模型总体评价及对策建议 （一）模型总体评价 由农民人均纯收入实际数据与回归模型作图，如图2所示，可以看出，模型和实际拟合较好，模型的设定合理，具有应用和预测价值。 （二）对策建议： 根据本文上述分析,要快速增加农民的收入,提高农民收入增长率,切实有效地解决好“三农”问题,促进经济长期、稳定、协调发展,应着实做好以下三点: 1、提高农业收入的增长率,确保农业收入在农民收入中的主体地位 农业收入在农民收入占了绝对大的比重,是农民收入的主要来源。农业收入增长缓慢,制约了家庭经营性收入的快速增长。切实有效地提高农业收入的增长率是使农民收入快速增长的主要措施。考虑到农业生产资源的有限性,提高农业收入的增长率的措施是: （1）提高农业生产技术,实现农业生产的现代化。在农业生产资源有限的条件下,要提高农业收入的总量,可以从以下几点考虑:一是调整农业的种植结构,向质量好、收入高的种植物转产;二是提高农业的科学技术水平,实现科学农业、无公害农业、绿色农业和农业的现代化，提高农业的单位产出,增加农民收入。 （2）增加财政对农业的支持,切实、有效地减轻农民负担,降低农业成本,增加农业收入。 （3）加快农村的城镇化建设,实现农业过剩劳动力的转移。在农业收入总量不变的情况下,农业人口的减少也有助于提高农民的人均收入,实现农民收入的快速增长。其措施是:一是加速农村城镇化建设,实现农业人口向城镇转移,减轻农业人口过剩的压力,大力发展第二产业和第三产业,实现产业结构的调整。二是打通影响城乡劳动力自由流动的阻碍,消除城乡差别,促进农村剩余劳动力在城乡之间合理流动。 2、大力发展家庭经营性收入中的非农业项目,提高非农业收入对家庭经营性收入增长的促进作用。发展家庭经营性项目中非农业项目主要考虑以下几个方面: （1）大力发展农村地方性工业企业。在农民纯收入中,工资性收入是农民纯收入增长的带动力,在工资性收入结构分析中,地方企业组织的工资性收入平均值较大,它的缓慢增长在一定程度上制约的工资性收入的快速增长;在家庭经营性收入中,工业收入也具有较高的增长率,因此农村地方性工业企业是保证农民纯收入稳定增长的可靠保障。大力发展农村地方性工业企业的措施是,加大扶植农村地方性工业的力度,因为农村地方性工业一般都是农业加工企业,主要是集体或私人投资的企业,一般规模都很小,资金不足是困扰它们发展的一个重要问题,而农业加工企业是将农产品转换成商品,提高农产品附加值的重要一环,是增加农民收入的切实有效的措施,因此,农村地方性工业需要政府的政策、财政、投资资金扶植,帮助企业走出发展的困境。 （2）大力发展农村的服务业。发展服务业的措施是,一是要转变观念。使农村自给自足的自然经济观念淡化,代之以市场经济意识;二是实现农村服务的专业化。专业化的服务有助于提高服务质量;三是大力发展农业服务。农业的科学化发展需要高质量、专业化的服务,大力发展农业服务既可以增加服务业收入,又可以提高农业的产值,快速增加农业的收入。 （3）大力开发农村金融市场。大力发展农村金融市场的措施是,尽快出台一部有关农村资金融通的法律法规,规范农村资金市场,促进资金在农村畅通无阻地流动,形成合理的资金使用成本,采取各种有效措施吸引一部分资金转移到农村金融市场上来,活跃农村金融市场。 3、促进农民进城务工,增加农民外出务工的工资性收入。在农民纯收入中,工资性收入是很重要的来源,而外出务工收入又是工资性收入的重要来源,在2002 年工资性收入840. 22 元的人中,有438. 2 元P人是农民外出务工收入,占工资性收入的52. 15 %。在本文的分组比较分析中,外出务工收入的高速增长是促进工资性收入快速增长重要原因。进一步增加农民外出务工收入要做到:一是取消城乡户籍制度的严格限制,促进劳动力的自由流动。二是国家应从法律制度上保证民工收入的真正实现,拖欠民工工资的现象应得到有效遏止。三是保证在城市就业民工的各项合法权利、利益和待遇得到实现。民工在城市生活难、孩子上学难、劳动保护差等情况必须要得到有效的改善,解决民工进城务工后顾之有忧,真正实现同工同酬的待遇。 参考文献 1. 四川统计局:《四川统计年鉴》[M],中国统计出版社,2000年。 2. 万树:《“三农”问题的现状、原因与对策透析》[J]，《农村经济》2004 年第1期。 3. 胡文国等：《我国农民收入增长影响因素的实证分析》[J]，《经济科学》2004年第6期

  • 现代菲利普斯曲线_经济学毕业论文范文

    现代菲利普斯曲线_经济学毕业论文范文 现代菲利普斯曲线 菲利普斯曲线是计量经济学对宏观经济学的经典贡献之一，现已成为现代宏观经济学的一个重要组成部分。前人已对菲利普斯曲线的存在与否做了各种不同的检验，我们在这里选取菲利普斯曲线的现代形式进行检验。 一、通货膨胀、失业与菲利普斯曲线 通货膨胀与失业之间的交替关系称为菲利普斯曲线。菲利普斯曲线是为了纪念新西兰出生的经济学家A.W.菲利普斯而命名的。1958年，菲利普斯用英国的数据观察到失业率与工资膨胀之间的负相关关系。今天经济学家所用的菲利普斯曲线与菲利普斯所考察的关系有三个方面的不同： （1）现代菲利普斯曲线用物价膨胀代替工资膨胀。这种差别并不是至关重要的，因为物价膨胀与工资膨胀是密切相关的。在工资迅速上升的时期，物价上升也迅速。 （2） 现代菲利普斯曲线包括了预期的通货膨胀。这种补充是由于米尔顿·弗里德曼和爱德蒙·费尔普斯研究的结果。这两位经济学家在20世纪60年代提出工人错觉模型时强调了预期对总供给的重要性。 （3） 现代菲利普斯曲线包括供给冲击。这种增加要归因与欧佩克（OPEC），即石油输出国组织。20 世纪70 年代，欧佩克引起了世界石油价格大幅度上升，这使经济学家更加认识到总供给冲击的重要性。 二、菲利普斯曲线的推导 菲利普斯曲线说明了其通货膨胀率取决与三种力量： 预期的通货膨胀 失业与自然率的背离，即周期性失业 供给冲击。供给冲击指对总供给产生意外重大影响的生产成本或生产率的突然变动，作为供给冲击的结果，实际GDP和价格水平会发生预料不到的变动。 这三种力量表现为现代菲利普斯曲线的方程： π=πe-β（U-Un）+ν 通货膨胀=预期的通货膨胀-（β*周期性失业）+供给冲击 这个菲利普斯曲线方程式由总供给方程式推导而来。总供给方程式为： P=Pe+(1/α)（Y-Yn） 首先，在方程式右边加上一项供给冲击ν代表改变物价水平并使短期总供给曲线移动的外生事件。 P= Pe +(1/α)（Y-Yn）+ν 然后，方程两边减去上一年物价水平P-1得 (P-P-1)=( Pe - P-1)+ (1/α)（Y-Yn）+ν 左边的P-P-1项是现期物价水平与上一年物价水平的差额，即通货膨胀。 右边的Pe - P-1项是预期物价水平与上一年物价水平的差额，即预期的通货膨胀。 因此，用π代替P-P-1，用πe代替Pe - P-1： 注：通货膨胀实际上是物价水平变动的百分比。这里用π代替P-P-1，用πe代替Pe - P-1，是为了推导的方便。若把P解释为物价水平的对数，根据对数的性质，P的变动大体上是通货膨胀率。原因是dP=d(log物价水平)=d(物价水平)/ 物价水平 π=πe+(1/α)（Y-Yn）+ν 再次，奥肯定理的一种形式说明了产出与其自然率的背离和失业与其自然率背离负相关；即当产出高于自然产出率，失业低于自然失业率。 即，(1/α)（Y-Yn）=-β（U-Un） 即，π=πe-β（U-Un）+ν 这样，我们就由总供给方程中得到菲利普斯曲线方程。以上的代数式都是说明了：菲利普斯曲线方程和短期总供给方程在本质上代表了同样的宏观经济思想。菲利普斯曲线是短期总供给曲线的反映：当决策者使经济沿着短期总供给曲线移动时，失业与通货膨胀反方向变动。 三、计量经济模型设定：根据弗里德曼的适应性预期假设，人们根据最近观察到的通货膨胀来形成他们的通货膨胀预期πe，可以认为应变量π的实际变化仅仅是预期变化的一部分，即， πt-πt-1=δ（πe-πt-1） 所以，πt=δπe+（1-δ）πt-1 （1） 对应于一定的失业率，应有一个预期的通胀率，则 πe=α+βU+μt （2） 将（2）代入（1） πt=δ（α+βUt +μt ）+（1-δ）πt-1 =δα+δβUt+（1-δ）πt-1+δμt 令α*=δα, β0*=δβ, β1*=1-δ, μt *=δμt 得计量经济模型：πt=α*+β0*Ut+β1*πt-1+μt * 由于局部调整模型满足古典假定，从而可使用最小二乘法直接进行估计。 四 、数据搜集 选取台湾省1981-2000年消费物价指数和失业率，如下表： 年份消费物价指数 P通货膨胀率% πt=(pt-pt-1)/pt-1失业率% U 8071.45 8183.1216.33311.36 8285.582.9595772.14 8386.741.3554572.27 8486.72-0.023062.21 8586.58-0.161442.91 8687.190.7045512.66 8787.640.5161141.97 8888.771.2893661.69 8992.684.4046411.57 9096.514.1324991.52 91100.003.6162061.40 92104.474.471.27 93107.542.9386431.25 94111.944.0915011.60 95116.063.6805431.80 96119.623.0673792.60 97120.700.9028592.70 98122.731.6818562.70 99122.970.1955512.90 00124.521.260473.00 数据来源：中华人民共和国统计局 在这里我们选用了最常用的物价水平衡量指标消费物价指数（CPI）来计算通货膨胀率。由于能力有限，我们无法使用真实确凿的失业率数据，而被迫采用了登记失业率。 五、参数估计 运用Eviews进行参数估计（N=π-1 ）： Dependent Variable: π Method: Least Squares Date: 12/16/02 Time: 10:07 Sample: 1981 2000 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C5.0757972.0209672.5115690.0224 U-1.8882930.860938-2.1932980.0425 N0.4563880.1040504.3862400.0004 R-squared0.678728 Mean dependent var2.870791 Adjusted R-squared0.640931 S.D. dependent var3.540204 S.E. of regression2.121373 Akaike info criterion4.479486 Sum squared resid76.50383 Schwarz criterion4.628845 Log likelihood-41.79486 F-statistic17.95732 Durbin-Watson stat2.334399 Prob(F-statistic)0.000064 残差的正态检验： 六、模型的检验： 经济意义的检验 从模型的参数来看，α＞0表示除本期失业率u和上期通货膨胀率π-1之外的非随机因素对本期通货膨胀率的影响为正。 β0＜0表示本期失业率u对本期通货膨胀率的影响为负，这表明了菲利普斯曲线向右下方倾斜。β1＞0表示上期通货膨胀率对本期通货膨胀率的影响为正。可以看出，模型的三个参数从正负角度来看都是符合经济意义的。 （二）统计推断的检验 从估计的结果可以看出，可决系数为0.678728，调整后的可决系数为0.640931，这表明模型的拟合并不是很好。这可能是由于模型存在某种不满足古典假设的因素造成的。从t统计量来看，三个参数的t值的绝对值都大于2，这表明本期失业率、上期通货膨胀率和其他非随机因素对本期通货膨胀率都有显著影响。t值显著几乎可以排除多重共线性的原因。同时选取的模型又是局部调整模型，它满足扰动项无自相关的古典假设，因此我们认为拟合度不高的原因主要在异方差上。我们后面的检验证实了我们的猜测。 计量经济学的检验 多重共线性检验。 由于解释变量有失业率u和上期通货膨胀率π-1，这两者之间可能存在较高的相关关系，造成严重多重共线性，所以进行多重共线性的检验 correlation matrix UN U1.000000-0.366262 N-0.366262 1.000000 通过观察上面的相关系数矩阵可以看出，u和π-1的相关系数只有-0.366262，可以接受，无须进行多重共线性的调整。 异方差性检验。 ARCH Test: F-statistic9.317615 Probability0.007201 Obs*R-squared6.726852 Probability0.009497 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/16/02 Time: 09:53 Sample(adjusted): 1982 2000 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.8349661.4278380.5847760.5664 RESID^2(-1)0.4644690.1521613.0524770.0072 R-squared0.354045 Mean dependent var2.629407 Adjusted R-squared0.316047 S.D. dependent var6.858198 S.E. of regression5.671827 Akaike info criterion6.408200 Sum squared resid546.8836 Schwarz criterion6.507615 Log likelihood-58.87790 F-statistic9.317615 Durbin-Watson stat2.488937 Prob(F-statistic)0.007201 White Heteroskedasticity Test: F-statistic52.89825 Probability0.000000 Obs*R-squared18.67604 Probability0.000910 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/16/02 Time: 09:54 Sample: 1981 2000 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C-12.902709.351382-1.3797640.1879 U12.285389.3240651.3175990.2074 U^2-2.6198692.203822-1.1887840.2530 N0.0539730.5157250.1046550.9180 N^20.0847250.0260203.2561910.0053 R-squared0.933802 Mean dependent var3.825192 Adjusted R-squared0.916149 S.D. dependent var8.553207 S.E. of regression2.476752 Akaike info criterion4.864091 Sum squared resid92.01452 Schwarz criterion5.113024 Log likelihood-43.64091 F-statistic52.89825 Durbin-Watson stat2.525419 Prob(F-statistic)0.000000 ARCH Test:和White Heteroskedasticity Test:的结果都说明回归模型存在较为显著的异方差性。因此我们可以得出这样的结论：1、模型选用的数据存在误差积累；2、模型中缺失某些解释变量。 1．样本数据的观测误差。 在进行失业率和通货膨胀率的统计中，由于各方面的原因，会出现观测误差。一方面，样本数据的观测误差常随时间的推移而逐步积累，从而会引起随机误差项方差增加；另一方面，随着时间的推移，样本观测技术会随之提高，也可能使样本的观测误差减少，从而引起随机误差的方差减小。两方面原因的综合影响造成了Ui方差的不稳定。尤其是由于条件限制，我们只得到了台湾省登记失业率，这里面有较大的人为因素，也造成了异方差。 2．模型中缺失了某些解释变量。 根据现代菲利普斯曲线方程：π=πe-β（U-Un）+ν 我们可以看到通货膨胀率π还受到供给冲击ν的影响，供给冲击并没有在模型中出现（由于难以观测和计量），于是模型中的随机扰动项μi 包含了供给冲击ν，很可能出现异方差性。 由于模型存在较为显著的异方差性，而方差异性会造成参数估计值不再具有最小方差特征、解释变量显著性检验失败和预测精度降低等诸多问题。所以，我们就需要采取措施对异方差性进行修正，以提高估计参数的精度。而异方差性的补救措施有很多，而我们所选择的是加权最小二乘法（WLS）。加权最小二乘法的基本思想是寻求权重序列。在这里，我们设取权数Wi=1/ei2 (i=1,2,3,……n)。 3．加权最小二乘法的结果如下图： Dependent Variable: π Method: Least Squares Date: 12/16/02 Time: 09:55 Sample: 1981 2000 Included observations: 20 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C5.7194360.7612307.5134140.0000 U-1.9453030.291744-6.6678360.0000 N0.5527950.0802396.8893490.0000 Weighted Statistics R-squared0.953459 Mean dependent var2.406282 Adjusted R-squared0.947983 S.D. dependent var3.837190 S.E. of regression0.875154 Akaike info criterion2.708648 Sum squared resid13.02021 Schwarz criterion2.858008 Log likelihood-24.08648 F-statistic146.6142 Durbin-Watson stat2.042419 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.592748 Mean dependent var2.870791 Adjusted R-squared0.544835 S.D. dependent var3.540204 S.E. of regression2.388430 Sum squared resid96.97815 Durbin-Watson stat1.967843 再对残差进行正态检验： 通过运用加权最小二乘法，异方差得到了控制，方程的拟合度提高了很多。 自相关性检验 在前面我们已经提到，由于我们采用的是局部调整模型，其模型本身就满足随机扰动项无自相关的条件，所以就不需要进行自相关性检验。 于是我们将模型最终确定为：π=α+β0U+β1π-1+Ut 其回归报告如下： α，β0，β1是模型中的三个参数， α是截矩系数。 β0是本期失业率对本期通货膨胀率的影响，二者负相关。 β1是上一期的通货膨胀率对本期的影响，二者正相关。 七、结论与不足 从回归模型的结果来看，短期菲利普斯曲线的确向右下方倾斜，这说明在短期内货币非中性，决策者可以在通货膨胀和失业间进行选择。 本模型的主要不足是未能对登记失业率进行数据处理，使其更合乎实际。尽管我们查阅了大量关于调整失业率的资料，但没有发现可以利用的。从另一方面，我们也向统计工作者提出良好建议：不做假数据，努力为经济学科学化扫清障碍。 （目前,美国政府把自然失业率界定为6%,失业率在6%以下就算是充分就业了；我国台湾地区从上个世纪70年代开始重视自然失业率,据台湾学者估计,现在的自然失业率应在1.27至3.59%之间）

  • 影响人身保险保费收入的重要因素分析_经济学毕业论文

    影响人身保险保费收入的重要因素分析_经济学毕业论文 响人身保险保费收入的重要因素分析 【摘要】：根据影响人身保险保费收入因素的理论观点，本文旨在通过2002年我国各省国民生产总值、死亡率、人口总数、医疗消费支出和消费水平对我国人身保险保费收入的影响进行实证分析。通过建立理论模型，并收集相关数据，利用Eviews软件对计量模型进行参数估计和检验并加以修正，去除死亡率、人口总数、医疗消费支出三种存在多重共线性的因素，得到影响人身保险保费收入的最重要因素为国民生产总值和消费水平。最后，对所得结果作出经济意义分析。 【关键词】：人身保险 保费收入 线形回归模型 OLS法 引言： 中国保险业自1979年恢复经营以来，取得了迅猛的发展。20年间年平均增长速度高达32.75%，远远高于同期国内生产总值的平均增长速度。2000年我国保险市场的扩张速度虽有所放缓，但全国保费收入仍会保持2位数以上的增长，是世界上发展最快、规模最大的保险市场。其中，人身保险保费收入在1997年市场份额首次超过财产险以后，一直占据了保险市场的大壁江山，并一直保持高速增长。到了2002年，人身保险保费收入为2273.69亿元，增幅达到60.2%，占总保费收入3045.73亿元的74.65%。 针对人身保险保费收入的迅猛发展这一现象，本文收集了2002年20个省市直辖市的相关截面数据，并加以实证分析，以揭示影响人身保险保费收入的核心因素。 影响人身保险保费收入的因素 （一）、国外文献回顾 从国外现有的研究成果上看，对寿险需求的研究主要从两个方面展开：一方面是对寿险需求的理论研究。这类研究通常在不确定性理论基础上，研究寿险需求动机，从理论上分析人们在追求期望效用最大化时，风险态度、遗赠动机、通货膨胀、财富等因素对寿险需求的影响；另一方面是针对寿险需求的实证研究。这类研究通过实证数据，建立寿险需求与相关影响因素间的计量经济模型，应用多变量解释影响寿险需求的因素。 寿险需求的理论研究是实证研究的基础，它揭示寿险需求的根本原因。这方面的研究成果很多，Ｙａａｒｉ [[1]Yaari, M.E.. Uncertain Life time, Life Insurance, and Theory of the Consumer[J].Review of Economic Studies,1965,32:137-150. [2]Hakansson, N.H.. Optimal Investment and Consumption ](1)在1965年的一篇文章算是较早的文献。在期望效用理论的范式下，Ｙａａｒｉ从理论上研究了保险的需求，尤其是人寿保险的需求。他的研究表明，由于未来寿命的不确定，人们更倾向于现在消费而不是选择以后消费（也即Ｆｉｓｈｅｒ所说的“不耐”心理，Ｙａａｒｉ从理论上说明了它的影响），保险的作用在于消除了这种寿命不确定性带来的影响。Ｙａａｒｉ的研究成为很多寿险需求理论研究的起点。在此基础上，Ｈａｋａｎｓｓｏｎ[Strategies under Risk for A Class of Utility Functions [J].International Economic Review ,1969,10:443-466. [3]Fischer,S..A Life Cycle of Life Insurance Purchases [J]. InternationalEconomicReview,1973,14:132-152. [4]Karni,E.,Zilcha,I..Risk Aversion in the Theory of Life Insurance :the Fisheri an Model[J].Journal of Risk and Insurance,1986,53:606-620. [5]Lewis,F.D..Dependents and the Demand for Life Insurance [J].American Economic Review,1989,79:452-467. [6]Truett,D.B.,Truett,L.J..The Demand for Life Insurance in Mexico and the United States: A Comparative Study[J].JournalofRiskandInsurance,1990,57:321-328. [7]Browne,M.J..and Kim,K..An International Analysis of Life Insurance Demand[J].Journal of Risk and Insurance 1993,60:616-634.](2)、Ｆｉｓｃｈｅｒ[[8]Duker,J.M..Expenditures for Life Insurance among Working-Wife Families[J].Journal of Risk and Insurance 1969,36:525-533. [9]Hammond,J.D.,Houston,D.B.,Melander,E.R Determinants of Household Life Insurance Premium Expenditure:An Empirical Investigation[J].Journal of Risk and Insurance,1967,34:397-408. [10]Burnett,J.J.,Palmer,B.A..Examining Life Insurance Ownership though Demographic and Psychograp Characteristic[J].JournalofRiskandInsurance,1984,453-467 [11]Babbel,D.F..Inflation,Indexation,and Life Insurance sales in Brazil[J].Journal of Risk and Insurance,1981 48:111-135. [12]卓志.我国人寿保险需求的实证分析 [J] 保险研究 2001(5):10-12 [13]阎建军,王治超 转轨时期我国寿险需求的实证分析 [J] 保险研究 2002(11):19-21 ](3)、Ｋａｒｎｉ[ ](4)和Ｚｉｌｃｈａ[ ](5)进行了扩展。他们的研究表明，风险资产的存在不会改变人们对保险的需求或消费，人寿保险的需求主要是为了消除由于寿命的不确定带来的收入风险，而不是为了消除资产的风险。这个结论说明，寿险的作用主要是储蓄和保障，而不是投资。Ｌｅｗｉｓ[ ](6)则拓宽了研究视角，从被抚养人的角度而不单单从投保人的角度研究寿险需求。他认为保险的购买不仅仅是出于投保人自己的需要，同时也是为了满足其被抚养人(如妻子、子女)获得保障的需要，投保人家庭成员的风险偏好也会影响保险需求。 在寿险需求的理论研究的基础上，近半个世纪以来人们对寿险需求进行了大量的实证研究。实证研究主要针对影响寿险需求的因素进行定量分析。在实证研究中分析的影响因素很多，概括起来可以分成两大类：(1)人口因素；(2)经济及金融因素。人口因素主要指年龄、期望寿命、教育程度和赡养(抚养)率等与人口结构相关的因素;经济及金融因素主要包括收入、财富和价格水平等与经济有关的因素。这些因素对寿险需求的影响，尤其是涉及经济及金融方面的因素的影响，实证研究取得了一些较为一致的结论。但实证研究中也留下一些相互冲突的结论。有些因素在某些实证研究中与寿险需求具有显著的正相关关系，而在另一些研究中这种相关关系并不显著，甚至在有的研究中具有显著的负相关关系。这样的矛盾在人口因素中显得突出一些。例如，Ｔｒｕｅｔｔ，Ｄ.Ｂ.和Ｔｒｕｅｔｔ，Ｌ.Ｊ.[ ](7)的研究表明教育水平与寿险需求显著正相关，而Ｂｒｏｗｎｅ和Ｋｉｍ[ ](8)则认为教育水平与寿险需求不能确立明确的关系，Ｄｕｋｅｒ[ ](9)则指出教育水平与寿险需求负相关。 (二)、我国寿险收入影响因素的选择 在传统的保险理论中，影响人身保险收入的理论因素主要有： 国民经济的发展水平、居民消费水平、利率水平、人口因素、国家金融监管水平等。 国民经济发展水平： 保险是社会生产力发展到一定阶段的产物，并且随着社会生产力的发展而发展。我国保险业的发展同样离不开国民经济的发展。一方面，经济发展带来保险需求的增加，最近十几年保险的高速发展主要得益于改革开放以来国民经济的发展释放和增加了保险需求；另一方面，收入水平的提高也回带来保险需求总量和结构的变化。可以说国民经济发展水平是一国保险业发展的经济基础。 居民消费水平： 在经济学中，对于一种商品的需求是由其需求欲望和购买能力组成的，保险作为一种商品也是这样的，而居民消费水平正能够体现这样的一种实际购买能力。因此，一国居民的消费水平越高会刺激保险业的发展。（在人身保险中，消费支出中的医疗支出显的由为重要。） 人口因素：由于人身保险主要保障的是人的生命和身体，因此人口数量、人口结构也是影响保费收入的重要因素。 利率和国家金融监管水平：人身保险作为一项金融产品，利率的影响不容忽视。利率有名义利率和实际利率之分。一般经济理论认为实际利率而非名义利率影响人身保险的需求。以上结论在用于时间序列模型的建立方面有重要作用，但利率水平和国家金融监管水平这两个因素对于本文将采用的2002年的截面数据却没有大的影响。 所以，本文选取了2002年各省的国民生产总值、死亡率、人口数、消费水平、医疗支出这5个因素来分析。 相关数据收集 注释： Y：2002年各省人身保险的保费总收入 X1：2002年各省国民生产总值 X2：2002年各省死亡率 X3：2002年各省人口总数 X4：2002年各省人均医疗消费支出 X5：2002年各省人均消费水平 数 据 表 地区Y（万元）X1（亿元）X2X3（万人）X4（元）X5（元） 1北京1882018.773212.715.71423949.929291 2天津505965.932051.166.041007624.967162 3河北844860.736122.536.256735527.283054 4山西528128.312042.146.143294364.82562 5内蒙古2422781763.375.922379343.443453 6辽宁1139641.575458.226.044203462.845095 7吉林388935.642317.685.112699830.443869 8黑龙江693469.173828.935.443813415.24337 9上海1933006.895408.765.951625733.4414295 10江苏2282656.8610532.816.997381376.084704 11浙江1488902.3277966.194647667.85515 12安徽502751.743569.095.176338297.962988 13福建706734.264620.475.573466323.164900 14江西334985.492460.496.024222267.722651 15山东1685189.5310552.066.629082407.643952 16广东1701878.1511769.725.087859500.885683 17重庆328655.672020.386.083107429.62836 18四川748093.184875.126.558673361.442621 19贵州156080.591185.057.213837265.321701 20云南339479.12232.327.34333466.22377 计量经济模型的建立 为了研究保费总收入与国民生产总值、死亡率、人口总数、人均医疗消费支出、人均消费水平之间的关系，建立下述的一般模型： Y=C+β1X1+β2X2+β3X3+β4X4+β5X5+u 其中：Y：2002年各省人身保险的保费总收入 X1：2002年各省国民生产总值 X5：2002年各省人均消费水平 X2：2002年各省死亡率 βi ： 为代定参数 X3：2002年各省人口总数 u： 为随机扰动项 X4：2002年各省人均医疗消费支出 C： 为常数项 模型的求解和检验 利用EVIEWS软件，分别用最小二乘法进行回归分析，并针对其中的多重共线性、异方差和自相关进行统计检验，最后进行修正再来估计参数. 最小二乘法回归分析： 结果如下： （表一） Dependent Variable： Y Method： Least Squares Date： 04/23/05 Time： 19：34 Sample： 1 20 Included observations： 20 VariableCoefficientStd. Errort-StatisticProb. C-1338736.597054.9-2.2422320.0417 X1145.204237.058833.9182080.0015 X2137311.691256.991.5046700.1546 X3-1.16730853.45332-0.0218380.9829 X4775.5288515.00551.5058650.1543 X584.7102937.236942.2748990.0392 R-squared0.903160 Mean dependent var921685.6 Adjusted R-squared0.868575 S.D. dependent var663408.5 S.E. of regression240502.8 Akaike info criterion27.86218 Sum squared resid8.10E+11 Schwarz criterion28.16090 Log likelihood-272.6218 F-statistic26.11381 Durbin-Watson stat2.356806 Prob(F-statistic)0.000001 从估计的结果可以看出可决系数R2=0.903160和F=26.11381，检验值都比较大，说明总体拟合效果比较好。当给定a=0.05，在自由度n－6＝14的条件下，查t分布表得到t0.025(14)=2.145，所以t2=1.504670、t3=-0.021838 、t4=1.505865均小于t0.025(14)=2.145，所以T检验值不显著，可能存在多重共线性，可通过简单相关系数矩阵法对多重共线性进行分析。 下面我们利用简单相关系数矩阵法进行多重共线性分析， 结果如下： （表二） X1X2X3X4X5 X1 1.000000-0.000301 0.703926 0.127395 0.201460 X2-0.000301 1.000000 0.213858-0.147528-0.268444 X3 0.703926 0.213858 1.000000-0.375125-0.404153 X4 0.127395-0.147528-0.375125 1.000000 0.770109 X5 0.201460-0.268444-0.404153 0.770109 1.000000 可以看出X3和X1、 X4和X5相关系数比较大，且X3的系数符号与经济意义相悖。（在我国的现实情况所决定，我国人口增长主要表现为农村人口的增长，而城市人口总体是下降的趋势）因此去掉X3 ，分别去掉X4和X5做最小二乘法回归分析，结果如下： （表三）去掉X4 Dependent Variable： Y VariableCoefficientStd. Errort-StatisticProb. C-1229158.583755.5-2.1056040.0514 X1143.135217.833678.0261190.0000 X2150648.190559.701.6635220.1157 X5121.536020.365265.9678080.0000 R-squared0.886964 Mean dependent var921685.6 Adjusted R-squared0.865769 S.D. dependent var663408.5 S.E. of regression243056.3 Akaike info criterion27.81683 Sum squared resid9.45E+11 Schwarz criterion28.01598 Log likelihood-274.1683 F-statistic41.84913 Durbin-Watson stat2.181374 Prob(F-statistic)0.000000 （表四）去掉X5 Dependent Variable: Y Sample: 1 20 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. X1162.488223.117097.0289240.0000 X2136920.7120848.31.1329970.2739 X41492.174407.51693.6616240.0021 C-1388888.821633.9-1.6903980.1103 R-squared0.801618 Mean dependent var921685.6 Adjusted R-squared0.764422 S.D. dependent var663408.5 S.E. of regression321994.5 Akaike info criterion28.37931 Sum squared resid1.66E+12 Schwarz criterion28.57846 Log likelihood-279.7931 F-statistic21.55088 Durbin-Watson stat1.727100 Prob(F-statistic)0.000007 对比表4和表3可以看出，无论是个解释变量的t检验，还是反映整体拟和效果的R、F值，表4 都不如表3的拟和效果好，因此我们选择去掉X4变量，留下X5。 从表3和表4中，我们还发现： 给定a=0.05，在自由度n－4＝16的条件下，查t分布表得到t0.025(16)=2.120，X2的T检验值仍然都很小，对Y的解释作用不明显，因此去掉X2，再一次进行最小二乘法回归分析，结果如下： （表五） Dependent Variable： Y Method： Least Squares Sample： 1 20 Included observations： 20 VariableCoefficientStd. Errort-StatisticProb. C-279922.7129393.0-2.1633530.0450 X1144.826118.707287.7416980.0000 X5112.253320.578775.4548140.0000 R-squared0.867413 Mean dependent var921685.6 Adjusted R-squared0.851815 S.D. dependent var663408.5 S.E. of regression255377.9 Akaike info criterion27.87636 Sum squared resid1.11E+12 Schwarz criterion28.02572 Log likelihood-275.7636 F-statistic55.60898 Durbin-Watson stat2.091251 Prob(F-statistic)0.000000 由此可以看出R2和F检验值都很大，并且X1、 X5的T检验值显著， 下面进行异方差检验， 利用ARCH检验方法结果如下： （表六） Dependent Variable： E2 Method： Least Squares Date： 04/23/05 Time： 20：24 Sample(adjusted)： 4 20 Included observations： 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C9.97E+104.25E+102.3480660.0354 E2(-1)-0.3120630.274410-1.1372130.2760 E2(-2)-0.1717720.276642-0.6209180.5454 E2(-3)-0.1954960.304684-0.6416360.5323 R-squared0.107000 Mean dependent var6.40E+10 Adjusted R-squared-0.099076 S.D. dependent var1.16E+11 S.E. of regression1.21E+11 Akaike info criterion54.08031 Sum squared resid1.91E+23 Schwarz criterion54.27636 Log likelihood-455.6826 F-statistic0.519226 Durbin-Watson stat2.016376 Prob(F-statistic)0.676396 可以计算得（n-P）*R2= 0.321χ20.05（17）=5.69724， 所以不存在异方差. 自相关检验 利用表四的结果可以看出Durbin-Watson stat=2.091251. 在α=0.05显著性水平上，当n=20， k’=2时，dl=1.1 du=1.537， 可以计算出无自相关区域为： [1.537 2.463]， D-W值正好落在无自相关区域中，因此判断不存在自相关性. 综上实证分析结果如下： Y=-279922.7+144.8261X1+112.2533X5 (-2.163353) (7.741698) (5.454814) R2=0.867413 Ř2=0.851815 F=55.60898 DW=2.091251 经济分析和结论 根据上述分析结果，由于各省死亡率、人口总数、人均医疗消费支出三个因素之间存在相关性，对应变量影响不显著，因此去除以上三个因素。影响应变量省均保费总收入（2002年）Y的解释变量为国民生产总值X1、人均消费水平X5 。每增加国民生产总值1亿元，在消费水平不变的条件下增加保费收入144.8261万元；或每增加年人均消费1元，在国民生产总值不变的条件下增加保费收入112.2533元。通过整个建模过程，可得出以下经济分析结论： （一）国民生产总值对保费收入的影响 国民经济的发展是保险业发展和结构升级的基础和源泉，在我国这一新兴的保险市场上，由于国民经济快速平稳增长，居民恩格尔系数稳步下降，使得我国保险业的保费收入保持着每年30%以上的增长速度，人身保险保费收入增长更为明显。 （二）人均消费水平对保费收入的影响 我国人民生活水平显著提高，居民消费的恩格尔系数也因此减少，各种风险随之增加。人们在满足了基本的生活需要之后，对安全保障有了更高的要求，这刺激了人身保险的发展。 建议 通过实证分析，得到国民经济发展和消费水平对保费收入存在重要影响，因此，应从这两个因素出发，加快人身保险的发展，提高保费收入水平。 为追求人身保险自身的快速发展，保险必须为国家经济建设、企业生产、人民生活等各个方面提供保障。在发展国民经济的同时，壮大自身实力，融入到国家经济建设中去，形成国家经济发展与保险业发展的良性互动局面。

  • 我国国债挤出效应的实证分析_经济学毕业论文范文

    我国国债挤出效应的实证分析_经济学毕业论文范文 我国国债挤出效应的实证分析 一、引言 为了刺激需求，消除通货紧缩，保持经济持续增长，我国从2001-2003年已连续三年实行了增发国债，扩张政府支出的积极财政政策，并取得了明显的效果。但是反过来看，积极财政政策的空间是有限的，因为积极财政政策主要是在经济周期的低谷时期，以其启动经济，但这种政策不能过分使用，搞不好很可能为以后的通货膨胀埋下祸根。我国目前中央财政赤字占GDP比重增加，综合债务负担率提高，扩大发行国债的余地越来越小，积极的财政政策空间受到一定的制约。仅就目前来看，由于我国经济结构的调整和产业升级刚刚开始，经济发展中还有许多不利因素，析根据世界银行专家的分，在这时期如果不采取有效措施，经济增长可能大幅下滑，这是我国社会现状所难以承受的。但另一方面我们也看到，近两年的扩张性财政政策导致我国财政赤字率和国债依存度大大超过了国际公认的警戒线。在财政能力较为脆弱的情况下，这种较高的赤字和国债比例引起了政府和百姓的普遍关注，特别是在经济学界有人提出国债发行规模的增大，可能产生挤出效应，从而抵消或削弱财政政策的效力，影响经济的恢复和增长。针对这一问题，笔者拟结合我国实际作进一步的分析和探讨。 二、国债挤出效应及其学说 国债“挤出效应”(crowding -out effect)是指为弥补政府预算赤字的国债发行会减少民间(非政府)部门的资金供给，同时形成金融市场上利率上升的压力，进而导致民间投资的减少。国债挤出效应是近年来在西方财政学界引起广泛讨论的热点问题，也是我国实行积极财政政策所不能回避的一个问题。 按照西方大多数财政学者的观点，国债挤出效应是通过资金的供给和需求两个方面发挥作用的。从资金供给来看，国债的发行直接减少了民间可用投资资金总额。其原因在于人们购买国债，并不是减少消费基金，只不过是进行一次资产持有结构的调整，导致这部分资金的使用权由个人或企业让渡给国家。因而大规模举借国债，所带来的最大问题是政府与企业，尤其是与民间企业争夺资金。因为在任何经济中，如果不依赖通货膨胀，每年可供使用的资金总额是有限的，如果政府用得多了，企业所得必然不足。从而“预算赤字直接减缓了资本积累的速度，因为用于公共开支的赤字可以将私人投资排挤出去，它的可预见的结果是造成经济中资本形成速度的减缓……”。从资金需求来看，国债发行还会抬高金融市场利率水平，从而使企业筹资成本增加，相应地降低了企业的投资回报率。在企业资本边际效率没有相应提高的情况下，就会抑制企业的投资欲望，从而减少私人部门对资本的需求，使资本市场处于一种较低的均衡水平。基于上述两大理由，大多数西方学者认为，大量举借国债可能降低私人领域生产资本的投资。 三、我国国债挤出效应的实证分析 （一）数据说明 1986——1999年中国固定资产投资额、国债发行额及GDP情况 年份固定资产投资额国债发行额GDP增长额 Y 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004961.000 1230.400 1430.100 1832.900 2543.200 3120.600 3791.720 4753.800 4410.400 4517.000 5594.500 8080.100 13072.30 17042.10 20019.30 22913.50 24941.11 28406.17 29876.00 32917.70 37213.50 43499.41 55566.61 70073.0073.0800 83.8600 79.4100 77.3400 89.8500 138.2500 223.5500 270.7800 407.9100 375.4500 461.4000 669.6800 739.2200 1175.250 1549.760 1967.280 2476.820 3310.930 4015.000 4657.000 4884.000 5934.300 6282.980 6924.000344.600 432.300 639.800 1236.500 1798.400 1238.100 1760.300 2965.800 1980.900 1638.700 3069.900 5020.300 7996.300 12125.00 11718.70 9406.500 6578.000 3882.600 3722.300 7400.600 7846.700 7857.500 12217.90 19124.80 数据来源：《中国统计年鉴》（1981-2004），2004年数据通过中经专网数据库得到。 （二）、计量模型设定： 从图示可以看出，模型适宜于线性模型。 模型一：设： 用最小二乘法作多元线性回归模型 Dependent Variable: Y Method: Least Squares Date: 06/05/05 Time: 13:36 Sample: 1981 2003 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C449.6430609.43520.7378030.4692 X16.4687520.23519827.503420.0000 X20.8771410.1228407.1404850.0000 R-squared0.988132 Mean dependent var15988.41 Adjusted R-squared0.986945 S.D. dependent var15775.30 S.E. of regression1802.447 Akaike info criterion17.95279 Sum squared resid64976279 Schwarz criterion18.10089 Log likelihood-203.4570 F-statistic832.6033 Durbin-Watson stat1.370830 Prob(F-statistic)0.000000 回归分析报告如下： Y = 449.6429745 + 6.468752324*X1 + 0.8771405744*X2 （609.4352） （0.235198） （0.122840） t = (0.737803) (27.50342) (7.140485) SE=1802.447 DW=1.370830 F=832.6033 模型二：设 用最小二乘法作多元线性回归模型 Dependent Variable: LY Method: Least Squares Date: 06/05/05 Time: 13:59 Sample: 1981 2003 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. C2.5707440.23965710.726770.0000 LX10.6124170.03288518.622810.0000 LX20.3092810.0486126.3622670.0000 R-squared0.990737 Mean dependent var9.050938 Adjusted R-squared0.989811 S.D. dependent var1.265980 S.E. of regression0.127789 Akaike info criterion-1.155761 Sum squared resid0.326602 Schwarz criterion-1.007653 Log likelihood16.29125 F-statistic1069.587 Durbin-Watson stat0.996152 Prob(F-statistic)0.000000 回归分析报告如下： LY = 2.570743807 + 0.6124166283*LX1 + 0.3092808422*LX2 （0.239657） （0.032885） （0.048612） t = （10.72677） （18.62281） （6.362267） SE= 0.127789 DW=0.996152 F=1069.587 通过对两个回归模型的比较，第二个模型的t检验和拟合优度都好于第一个模型，同时考虑到对数线性模型的好处：A 减少各个变量的波动性；B 便于计算弹性，所以我们采用第二个模型进行实证分析。 （三）、模型的检验： 1、经济意义的检验： 从经济意义上看，表明国债发行额每增加1%，固定资产投资额就增加0.6124%；GDP增加额每增加1%，固定资产投资额就增0.3093%，都符合经济理论。 2、统计意义检验： t— 检验：在显著性水平a = 0. 05，自由度df=22时，t的临界值：,所有的回归系数均通过t一检验，表明所选的自变量是影响同期固定资产投资额的主要因素。 F检验：F的临界值为，，远小于回归模型所得的F=1069.587，因而F检验通过，表明方程的回归效果显著。 计算得到, ，接近于1，表明回归线对样本数据点的拟合程度较高。 3、计量模型检验： （1）多重共线性检验： Correlation Matrix Lx1Lx2 Lx11.0000000.851267 Lx20.8512671.000000 从表中可知，两个解释变量之间存在线性相关性。 （2）异方差性检验： 利用ARCH检验： ARCH Test: F-statistic0.455071 Probability0.718575 Obs*R-squared1.634348 Probability0.651627 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/05/05 Time: 15:29 Sample(adjusted): 1988 2003 Included observations: 16 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0003300.0001542.1364950.0539 RESID^2(-1)-0.2193820.280733-0.7814640.4497 RESID^2(-2)-0.2162070.277639-0.7787330.4512 RESID^2(-3)-0.2140170.278025-0.7697740.4563 R-squared0.102147 Mean dependent var0.000204 Adjusted R-squared-0.122317 S.D. dependent var0.000417 S.E. of regression0.000441 Akaike info criterion-12.40051 Sum squared resid2.34E-06 Schwarz criterion-12.20737 Log likelihood103.2041 F-statistic0.455071 Durbin-Watson stat1.974069 Prob(F-statistic)0.718575 得到：，给定，自由度为P=3， 得到临界值，， 故表明模型随机误差项不存在异方差。 （3）自相关性检验：从DW表中可以看到，对于n=23,k=2,在5%的显著水平下： 和，所以，表明存在一阶正自相关。 （四）、如果检验通不过，重新执行上述过程： 自相关性的修正： （1）、用广义差分法进行修正： 由DW=0.996152，根据，计算出。 令：DLY=LY-0.501924* LY（-1） ； DLX1= LX1-0.501924* LX1（-1）； DLX2= LX2-0.501924* LX2（-1） 修正之后的模型为： 再用OLS方法估计其参数。 Dependent Variable: DLY Method: Least Squares Date: 06/05/05 Time: 14:50 Sample(adjusted): 1982 2003 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C1.4467680.1959257.3843020.0000 DLX10.6123390.04277814.314340.0000 DLX20.2712590.0638694.2470970.0004 R-squared0.969052 Mean dependent var4.650045 Adjusted R-squared0.965794 S.D. dependent var0.591062 S.E. of regression0.109316 Akaike info criterion-1.463024 Sum squared resid0.227050 Schwarz criterion-1.314246 Log likelihood19.09326 F-statistic297.4646 Durbin-Watson stat1.868783 Prob(F-statistic)0.000000 此时的DW=1.868783，由前面已知：和， 所以，，表明不存在一阶自相关了。同时t—检验和F检验都很显著，拟合优度也很好。 （2）Cochran—Orcutt法进行修正： 修正之后的模型为： 回归得到： Dependent Variable: LY Method: Least Squares Date: 06/05/05 Time: 15:00 Sample(adjusted): 1982 2003 Included observations: 22 after adjusting endpoints Convergence achieved after 6 iterations VariableCoefficientStd. Errort-StatisticProb. C2.8994340.4031237.1924390.0000 LX10.6128410.04568613.414050.0000 LX20.2714210.0657324.1291860.0006 AR(1)0.4939320.2035272.4268670.0260 R-squared0.992502 Mean dependent var9.150164 Adjusted R-squared0.991252 S.D. dependent var1.200745 S.E. of regression0.112307 Akaike info criterion-1.372192 Sum squared resid0.227032 Schwarz criterion-1.173820 Log likelihood19.09411 F-statistic794.1742 Durbin-Watson stat1.857295 Prob(F-statistic)0.000000 Inverted AR Roots .49 回归分析报告如下： LY = 2.899434 + 0.612840*LX1 + 0.2714206*LX2 + [AR(1)=0.4939324] （0.403123） （0.045686） （0.065732） （0.203527） t=(7.192439) (13.41405) (4.129186) (2.42686) SE= 0.112307 DW=1.857295 F=794.1742 此时的DW=1.857295，由前面已知：和， 所以，，，表明不存在一阶自相关了。 同时t—检验和F检验都很显著，拟合优度也很好。 （五）实证结果分析： 由此说明回归方程通过了模型的所有统计检验，表明以同期国债发行额和GDP增加额为解释变量来解释同期固定资产投资额的变化是适宜的，所建回归方程精确地表述了这种关系。此方程证明，我国80年代发行国债以来，不断增长的国债发行额对固定资产投资起扩张效应，二者的弹性系数为0.6128。这说明国债大规模发行对全社会固定资产投资不但没有挤出效应反而具有拉动效应。但要证明国债发行是否排挤了非政府部门的投资，还需在此基础上进一步分析。 从我国的实际情况看，在全社会投资规模扩张的条件下，投资主体各自所占的比重也发生了变化。尽管政府债务规模的增长速度很快，但政府用于投资的规模却在下降，说明财政支出结构已发生了明显的变化，即财政支出中用于消费性和转移性支出的比重在增大。从1985-1997年政府投资比重由16%下降到2.8%，共下降了13.2%，与此同时非政府投资比重却由1985年的84%提高到1997年的97. 2%。1998-1999两年由干实施积极的财政政策.政府投资比重略有提高，但仍处于较低水平。因此，可以认为国债的大量发行并没有产生对私人投资的排挤，相反，企业和个人等非政府部门投资比重却在不断提高。对这一现象的解释仍需回到国债挤出效应产生的条件中去。 首先，我国非政府部门投资需求的利率弹性一直较低。主要体现在两个方面:一是从经济运行阶段看，80-90年代初期，我国国有企业正处于新旧体制转换时期，现代企业制度尚未建立，企业经营效益的提高不是企业经营者唯一的追求目标。在这种情况下，利率水平的高低并不能左右经营者投资的选择。利率的提高只是增加了投资成本，进而抬高商品的价格。1996年以来，随着现代企业制度的建立与完善，面对有效需求不足的买方市场环境，企业投资和扩大生产活动都比较谨慎，对货币的需求量也相应减少，因而对利率杠杆反应并不敏感。二是我国目前利率尚未实现市场化(官定利率)，所以增发国债不会影响到利率水平，而且从1998年开始实施积极财政政策以来，利率水平一直处于下降之中，因而国债发行并没有提高社会融资成本，产生挤出效应。 其次，从国债资金的用途看，我国国债收人的很大比例用于支柱产业和基础设施建设。根据财政部有关调查报告分析，截止1995年底，在3300亿元的国债余额中，约有2650亿元国债用于财政建设领域，比例高达80%，国家预算内直接安排的固定资产投资为5380亿元，其中国债资金投人占49.28%。由此表明我国国债资金在财政建设性支出中占有重要地位。特别是1998-2000年共有3650亿元长期建设国债用于为民间部门生产经营活动提供基础设施、技术进步和产业升级等方面，这些投资因其规模大、回收期长、收益比较低等，本来就很难通过市场配置资源，因此不会挤出民间部门投资。相反，在我国目前私人投资对利率缺乏弹性，而经济又是长期持续增长的情况下，国债融资的赤字支出通过国民收人的增加而产生拉动效应。 再次，改革开放以来，我国国债规模的扩大伴随着税收收人占GDP比重下降的势。国家对企业减税让利使国有企业的留利率逐年上升，从1978年的3.7%提高到1991年的61.3%,13年中年均递增4.5%。国有企业留利额的增长为其投资活动提供了充分的资金来源，使其固定资产投资额从1978年到1991年增加了5倍。由此可以得出这样的结论，国债的发行支持了减税让利政策，推动了企业的投资活动。 最后，我国国内储蓄及银行信贷资金的供给弹性较大。80年代以来，我国城乡居民的储蓄增长很快，储蓄率1952-1978年仅为1.4%，而1979-1992年提高到14.1%，居民储蓄存款余额1995年高达30000亿元，1998年突破60000亿大关，2004年为119555亿元。以上数据表明，我国商业银行具有充分的资金供应能力，增发国债不会导致资金供应紧张，从而也不会存在与民间部门争夺资金的问题。 从目前情况看，如果说国债有挤出效应的话，也仅仅是居民愿意持有利率较高的国债(国债利率高于一般储蓄存款利率1-2个百分点)，商业银行把国债当作较好的资产持有，减少了增加贷款的动机与压力。当前社会投资积极性不高的主要原因是有效需求不足，投资回报率预期不高，再加上很多投资领域是民间投资不准进人的，商业银行担心增加不良贷款而对企业放款谨慎等原因造成的。 四、优化国债政策效果的着力点 虽然我国国债的发行并未产生挤出效应，但要充分发挥国债刺激需求、拉动经济增长的作用，还应从以下几方面完善其运行机制。 (一)加强国债政策与货币政策的协调配合。 以国债融资的扩张性财政政策在刺激总需求时，无论是增加消费还是扩大投资，最终都表现为货币购买力的增加上。如果此时没有相应的扩张性货币政策的配合，社会上的货币供应量保持不变或减少，那么扩张性的财政政策所导致的购买力的增加就难以实现，从而也就不能达到预期的调控目标，所以二者应配合使用。在实际操作中，国债政策与货币政策的协调配合主要体现在两个方面:一是财政发行国债需要银行积极承购，并对财政投资项目给予相应的配套贷款;二是中央银行通过公开市场业务大量吞吐国债量，可以调节货币流通，维护国债价格，防止利率水平的上升。这就需要货币政策在国债发行流通上给予积极配合。 (二)调整国债投资的方向和方式，充分发挥财政杠杆作用。 为了使有限的政府投资创造出更多的社会需求，应讲究国债政策拉动经济增长的策略，使其发挥出“四两拨千斤”的功效。为此，第一，要广泛地运用财政贴息、政府控股或参股等手段，充分调动和吸纳社会资金参与基础设施、基础产业、高新技术产业的投资。第二，除必要基础设施建设外，要加强对传统产业特别是装备工业的技术改造和新兴高科技产业风险投资，以促进我国产业结构的优化和升级。第三，应消除投资领域中对民营资本的进人壁垒。一是从法制上进一步明确民间资本对各行业投资的“国民待遇”，今后除极少数关系国计民生和具有自然垄断性的行业外，其它行业对所有投资者开放，以增强民营企业的投资愿望;二是简化对民间投资的审批程序，降低注册资金的最高限额，放低民营企业进人市场的门槛，让市场进行优胜劣汰。另外，大力发展地方性中小银行，建立民间投资担保公司，为民间投资提供担保。 (三)优化国家债务结构。 合理的债务结构既有利于挖掘社会资金的潜力，满足不同投资者的需求，也有利于降低筹资成本，充分发挥国债调节经济的作用。从目前看，建立合理的国债结构，应从三个方面着手:一是调整国债期限结构，适当增加10年以上长期国债比重;二是积极进行国债品种创新，不断丰富品种结构。除借鉴国外一些先进经验，引进诸如储蓄债券、预付税款债券外.环应加大发行专项建设国债的比重，为国家一些重点建设项目筹集资金，并从项目建成后的投资回报中解决还本付息问题;三是调整国债持有者结构，允许商业银行更大规模地直接进人国债市场，着力培育机构投资者，并允许国外投资者持有一定比例的国债，以拓展国债的发展空间。 (四)提高国债资金的使用效率。 尽管我国国债资金有很大比例投人财政性建设领域，但其效果并不十分理想。在目前解决了国债发行和流通市场化的前提下，进人财政预算的国债资金也应尽可能地按照有偿使用的原则进行配置。注重直接经济效益和间接社会效益的结合，要对国债资金的使用进行整体效益评价和项目效益评价，避免盲目重复建设和损失浪费现象的发生。

  • 影响四川省房地产业发展的因素分析_经济学毕业论文

    影响四川省房地产业发展的因素分析_经济学毕业论文 影响四川省房地产业发展的因素分析 “民以食为天，以住为地”，房地产在国民经济生活中起着重要的作用.房地产业的发展对国民经济发展有着巨大而深刻的影响.因此，审慎分析房地产市场的现状及其基本走势,深入探讨影响房地产业发展的主要因素，对促进房地产业事业持续重要. 一、对房地产市场的基本判断 ２０００～２００３年间，我国房地产投资连续四年增幅在２０％以上，２００３年房地产投资增长率高达２９．７％，投资规模首次突破１万亿元，占全社会固定资产投资的１８．３％占ＧＤＰ的８．７％。 在投资规模不断增长的同时，商品房的销售率也在稳步上涨。然而，在总体看好的情况下，局部地区投资增长过快、供求结构失衡的问题仍十分突出。除区域性问题外，投资结构也不容忽视。近几年，全国普通住宅销售率连续四年在８０％以上，且不断走高，但高档住宅、经济适用房、办公楼宇和商厦的销售率却都比较低，导致办公楼和商厦的大量闲置。简言之，此轮房地产投资热，有合理的因素，如中国经济的高速增长、城市化进程的加快、居民收入水平的提高、消费的升级换代、大量外资的进入和劳动力的流动形成的市场有效需求等，但是，政府人为造市、无视地区市场环境的盲目大干快上，导致奢靡之风、非理性投资泛滥，由此引发的投资热和结构失衡，对房地产业来说则是贻害长远。 二、选定变量进行计量经济学的分析 我们选定四川省房地产开发总值(单位:亿元)作为被解释变量Ｙ,同时一共选定了八个解释变量: Ｘ1—四川省每年税收总额(单位:万元) Ｘ2—四川省每年储蓄存款总额(单位:亿元) Ｘ3—四川省建筑材料工业品出厂价格指数(单位:％) Ｘ4—四川省原材料燃料和动力购进价格指数(建筑材料类)(单位:％) Ｘ5—四川省每人每年可支配收入(单位:元) Ｘ6—四川省ＧＤＰ(单位:亿元) Ｘ7—货币供应量(单位:亿元) Ｘ8—贷款利率(3年-5年期)(单位:％) 年份YX1X2X3X4X5X6X7X8 19005.18 256513 698.15101.21001862.36890.9515293.411.7% 19916.09 323350 813.4796.4118.22132.561016.3119349.911.7% 199214.19486213904.6892.4139.32988.211177.2725402.211.7% 199334.87658821988.1787.2168.53422.171486.0834879.811.7% 199450.578694511024.2198.5215.13846.222001.4146923.511.7% 199579.9610520131148.59103.7273.34002.912504.9560750.511.7% 199690.6212984071521.97140.5294.44406.092985.1576094.911.7% 1997100.2615257921841.2297.0354.64763.263320.1190995.39.9% 1998120.6016602861984.5495.3417.25127.083580.26104498.57.65% 1999142.5017789792351.2194.0417.25477.893711.61119897.96.03% 2000195.9719463192693.1794.7444.75894.274010.25134610.36.03% 2001268.1521814663123.3997.3470.76360.474421.76158301.96.03% 构造模型: （数据见下页） Ｙ＝0+1Ｘ1+2Ｘ2+3Ｘ3+4Ｘ4+5Ｘ5+6Ｘ6+7Ｘ7+8Ｘ8 对数据进行分析: Dependent Variable: Y Method: Least Squares Date: 12/22/04 Time: 16:40 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C9.50619061.473400.1546390.8846 X1-0.0001080.000146-0.7371200.5019 X2-1.32E-061.34E-06-0.9817610.3818 X30.5152790.8940200.5763620.5952 X4-1.0198000.958646-1.0637930.3474 X5-0.0194620.037130-0.5241620.6279 X6-0.1540270.062463-2.4659140.0692 X70.0079940.0011546.9251130.0023 X89.8308403.2403013.0339290.0386 R-squared0.995226 Mean dependent var115.8538 Adjusted R-squared0.985677 S.D. dependent var114.4145 S.E. of regression13.69309 Akaike info criterion8.277619 Sum squared resid750.0024 Schwarz criterion8.668738 Log likelihood-44.80453 F-statistic104.2251 Durbin-Watson stat3.388729 Prob(F-statistic)0.000226 对数据的多重共线性进行分析: X1X2X3X4X5X6X7X8 X1 1.000000 0.992449-0.490698-0.579667 0.926422 0.942814 0.985242-0.808622 X2 0.992449 1.000000-0.482882-0.568568 0.920679 0.932850 0.975851-0.819597 X3-0.490698-0.482882 1.000000 0.900281-0.486587-0.511065-0.489324 0.424923 X4-0.579667-0.568568 0.900281 1.000000-0.638015-0.648189-0.604672 0.455466 X5 0.926422 0.920679-0.486587-0.638015 1.000000 0.995972 0.969636-0.620918 X6 0.942814 0.932850-0.511065-0.648189 0.995972 1.000000 0.981303-0.655603 X7 0.985242 0.975851-0.489324-0.604672 0.969636 0.981303 1.000000-0.749205 X8-0.808622-0.819597 0.424923 0.455466-0.620918-0.655603-0.749205 1.000000 可见解释变量间存在多重共线性,对此我们进行修正,采用逐步回归： Y与X7的拟合效果最好 Dependent Variable: Y Method: Least Squares Date: 12/22/04 Time: 16:54 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C-47.5999617.42865-2.7311330.0195 X70.0019820.00017811.158270.0000 R-squared0.918823 Mean dependent var115.8538 Adjusted R-squared0.911444 S.D. dependent var114.4145 S.E. of regression34.04795 Akaike info criterion10.03406 Sum squared resid12751.89 Schwarz criterion10.12097 Log likelihood-63.22136 F-statistic124.5069 Durbin-Watson stat0.631549 Prob(F-statistic)0.000000 将其余变量逐一引入的如下几个模型: 引入Ｘ6: Dependent Variable: Y Method: Least Squares Date: 12/22/04 Time: 17:01 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C24.2790625.195100.9636420.3579 X6-0.0907270.027503-3.2987890.0080 X70.0041510.0006706.1961140.0001 R-squared0.961126 Mean dependent var115.8538 Adjusted R-squared0.953351 S.D. dependent var114.4145 S.E. of regression24.71162 Akaike info criterion9.451598 Sum squared resid6106.641 Schwarz criterion9.581971 Log likelihood-58.43539 F-statistic123.6208 Durbin-Watson stat0.917644 Prob(F-statistic)0.000000 Ｘ6通过检验,引入Ｘ８： Dependent Variable: Y Method: Least Squares Date: 12/22/04 Time: 17:05 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C-80.2639534.93053-2.2978160.0472 X6-0.1432060.024342-5.8829980.0002 X70.0058510.0006768.6556460.0000 X811.172183.2356693.4528190.0072 R-squared0.983278 Mean dependent var115.8538 Adjusted R-squared0.977703 S.D. dependent var114.4145 S.E. of regression17.08441 Akaike info criterion8.761870 Sum squared resid2626.894 Schwarz criterion8.935700 Log likelihood-52.95215 F-statistic176.3999 Durbin-Watson stat1.513796 Prob(F-statistic)0.000000 Ｘ8通过检验,引入Ｘ2: Dependent Variable: Y Method: Least Squares Date: 12/22/04 Time: 17:07 Sample: 1990 2002 Included observations: 13 VariableCoefficientStd. Errort-StatisticProb. C-50.8081526.01905-1.9527290.0866 X2-2.24E-066.92E-07-3.2373780.0119 X6-0.1627520.018028-9.0275450.0000 X70.0074020.00067311.007200.0000 X88.1099102.4481403.3126830.0107 R-squared0.992761 Mean dependent var115.8538 Adjusted R-squared0.989142 S.D. dependent var114.4145 S.E. of regression11.92238 Akaike info criterion8.078435 Sum squared resid1137.146 Schwarz criterion8.295723 Log likelihood-47.50983 F-statistic274.2850 Durbin-Watson stat2.434411 Prob(F-statistic)0.000000 Ｘ2通过各项检验,而其他变量未能通过各项检验,以上变量模型拟合度良好: 利用ARCH检验是否存在异方差 ARCH Test: F-statistic0.444405 Probability0.730040 Obs*R-squared1.818050 Probability0.611015 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/22/04 Time: 17:18 Sample(adjusted): 1993 2002 Included observations: 10 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C197.6702116.59791.6953150.1409 RESID^2(-1)-0.3897540.411792-0.9464810.3804 RESID^2(-2)-0.4030480.444113-0.9075350.3991 RESID^2(-3)-0.0912190.421512-0.2164100.8358 R-squared0.181805 Mean dependent var103.1534 Adjusted R-squared-0.227292 S.D. dependent var136.2191 S.E. of regression150.9079 Akaike info criterion13.16039 Sum squared resid136639.2 Schwarz criterion13.28143 Log likelihood-61.80196 F-statistic0.444405 Durbin-Watson stat1.941317 Prob(F-statistic)0.730040 Obs*R-squared=1.8180507.81=x^2 0.05(3) 所以不存在异方差 利用Cochrane-Orcutt迭代法检验 Dependent Variable: Y Method: Least Squares Date: 12/22/04 Time: 17:36 Sample(adjusted): 1991 2002 Included observations: 12 after adjusting endpoints Convergence achieved after 10 iterations VariableCoefficientStd. Errort-StatisticProb. C-46.5320127.88659-1.6686160.1462 X2-2.54E-069.14E-07-2.7756200.0322 X6-0.1678690.018630-9.0107310.0001 X70.0076740.0007899.7199520.0001 X87.8254202.7018152.8963570.0275 AR(1)-0.3078890.472444-0.6516950.5387 R-squared0.992656 Mean dependent var125.0767 Adjusted R-squared0.986536 S.D. dependent var114.3435 S.E. of regression13.26767 Akaike info criterion8.315390 Sum squared resid1056.186 Schwarz criterion8.557844 Log likelihood-43.89234 F-statistic162.2015 Durbin-Watson stat2.025073 Prob(F-statistic)0.000003 Inverted AR Roots -.31 此时 D1DW=2.025073 4-D2 所以模型的自相关性得到修正,不存在自相关 最终我们得到的模型为： Ｙ＝-50.80815－2.24E-06Ｘ2－0.162752Ｘ6＋0.007402Ｘ7＋8.109910Ｘ8 三、经济意义分析 从上述分析可知, Ｘ2—四川省每年储蓄存款总额,Ｘ6—四川省ＧＤＰ,Ｘ7—货币供应量,Ｘ8—贷款利率(3年-5年期)是影响四川省房地产开发总值的最主要的因素。 五.2005年四川房地产业状况分析 1、土地拍卖继续使房地产开发中土地成本上涨，利润降低。 2、建材上涨房产运作压力加大 3、配套设施提高成本上升 4、央行加息房价上升 5、土地增值税的严格征管 6、信贷政策制约房产发展

  • 固定资产投资对贵州GDP影响分析_经济学毕业论文

    固定资产投资对贵州GDP影响分析_经济学毕业论文 固定资产投资对贵州GDP影响分析 导论 GDP（国内生产总值）是指经济社会（即一国或一地区）在一定时期内运用生产要素所生产的全部最 终产品（物品和劳务）的市场价值。 在四部门经济中，Y=C+I+G+(X-M)，其中 Y——GDP C——消费 I——投资 G——政府对物品和劳务的购买 X——出口 M——进口 固定资产投资是社会固定资产再生产的主要手段。通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。这对我国的社会主义现代化建设具有重要意义。 固定资产投资作为企业的生产资料投资在整个生产过程起着至关重要的作用,对一个企业来说它是其主要的劳动手段,直接影响着企业的生产能力.固定资产的价值是逐渐地转移到所生产的产品上去.企业同时又是重要的市场主体,因此对固定资产的投资间接的影响到了一个经济体的产出。随着我国经济的高速的发展,我们有必要站在宏观的角度对我国国内固定资产投资进行分析,以控制经济的平稳快速发展. 这里忽略其他因素对GDP的影响，主要对GDP及国有经济固定资产投资额(X2),集体经济固定资产投资额(X3),其他经济固定资产投资额(X4),进行计量经济学多元线性回归模型分析。 二、模型设计 假设模型的函数形式为： Y=β1+β2X2+β3X3+β4X4+μ 其中：Y ——GDP X2——国有经济固定资产投资 X3——集体经济固定资产投资 X4——其它经济固定资产投资 数据收集及处理 1、全国GDP数据来自中华人民共和国国家统计局 2、贵州省GDP、国有经济固定资产投资、集体经济固定资产投资、个体经济固定资产投资均来自中国人民银行贵阳市中心支行 3、原始数据如下： 全国GDP贵州GDP全社会固定资产国有经济固定资产集体经济固定资产其他经济固定资产 年份（亿元）（亿元）投资总额（亿元）投资额（亿元）投资额（亿元）投资额（亿元） 19804,51760.26 13.97 11.59 0.83 1.55 19814,86267.89 15.16 12.06 0.99 2.11 19825,29479.39 15.52 11.56 1.08 2.88 19835,93487.38 17.07 11.88 1.23 3.96 19847,171108.27 23.02 15.02 0.98 7.02 19857,780123.92 33.14 21.24 1.76 10.14 19869,380139.57 35.99 24.09 1.71 10.19 198710,920165.50 42.97 27.10 3.61 12.26 198813,853211.79 45.42 33.05 2.74 9.63 198915,677235.84 44.08 32.29 2.73 9.06 199017,400260.14 51.51 36.95 2.14 12.42 199119,580295.90 58.44 42.97 3.67 11.80 199223,938339.91 78.82 58.82 3.59 16.41 199331,380416.07 106.30 77.84 6.81 21.65 199443,800521.17 140.95 93.74 9.77 37.44 199557,733630.07 173.66 108.85 12.94 51.87 199667,795713.70 207.10 133.19 14.75 59.16 199774,772792.98 247.23 149.75 15.09 82.39 199879,553841.88 304.91 188.93 19.34 96.64 199982,054911.86 333.90 210.80 22.19 100.91 200089,404993.53 402.50 259.95 28.45 114.10 200195,9331084.90 533.74 357.69 22.45 153.60 2002102,3981185.04 623.44 423.88 18.86 180.70 2003117,2521356.11 754.13 457.10 39.26 257.77 （表1） Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 23:55 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C90.7285725.503393.5575100.0020 X23.1211740.7431784.1997640.0004 X324.998424.7189475.2974570.0000 X4-4.1248351.739215-2.3716650.0279 R-squared0.966782 Mean dependent var484.2113 Adjusted R-squared0.961799 S.D. dependent var404.5809 S.E. of regression79.07573 Akaike info criterion11.72970 Sum squared resid125059.4 Schwarz criterion11.92604 Log likelihood-136.7564 F-statistic194.0257 Durbin-Watson stat0.849162 Prob(F-statistic)0.000000 （表2） 四、模型检验 1、t检验： ⑴提出假设：H0：βj=0 (j=1,2,3,4) H1: βj≠0 (j=1,2,3,4) ⑵检验：给定显著水平α=0.05 查表得t0.05/2(24-4)=2.0860 ①｜t｜=3.557510 ｜t｜≥t0.05/2(24-4)，所以拒绝H0，接受H1。 ②｜t｜=4.199764 ｜t｜≥t0.05/2(24-4)，所以拒绝H0，接受H1。 ③｜t｜=5.297457 ｜t｜≥t0.05/2(24-4)，所以拒绝H0，接受H1。 ④｜t｜= -2.371665 ｜t｜≤t0.05/2(24-4)，所以拒绝H1，接受H0。解释变量X4对应变量Y的影响不显著 2、分析： 显著水平α=0.05，F=194.0257 F0.05（3，21）=3.07 F F0.05（3，21） 表明模型从整体上看GDP与解释变量之间线性关系显著。 3、计算解释变量之间的简单相关系数： X2X3X4 X21.0000000.9190300.985882 X30.9190301.0000000.941856 X40.9858820.9418561.000000 （表3） 由表3可以看出，解释变量之间存在高度线性相关。同时由表2也可以看出X3系数的符号所表示的经济意义与事实相悖。表明模型中解释变量确实存在严重的多重共线性。 4、修正： ⑴运用OLS方法逐一求Y对各个解释变量的回归： ① Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 12:43 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C147.564832.047574.6045540.0001 X22.8859050.18220515.838780.0000 R-squared0.919375 Mean dependent var484.2946 Adjusted R-squared0.915710 S.D. dependent var404.6470 S.E. of regression117.4802 Akaike info criterion12.45007 Sum squared resid303635.2 Schwarz criterion12.54824 Log likelihood-147.4009 F-statistic250.8670 Durbin-Watson stat0.231225 Prob(F-statistic)0.000000 （表4） ② Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 12:57 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C121.646633.518313.6292590.0015 X336.728492.34539015.659870.0000 R-squared0.917674 Mean dependent var484.2946 Adjusted R-squared0.913932 S.D. dependent var404.6470 S.E. of regression118.7125 Akaike info criterion12.47094 Sum squared resid310038.5 Schwarz criterion12.56911 Log likelihood-147.6513 F-statistic245.2314 Durbin-Watson stat1.746274 Prob(F-statistic)0.000000 (表5) ③ Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 13:09 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C183.733233.942415.4130860.0000 X45.6993770.40181514.184080.0000 R-squared0.901428 Mean dependent var484.2946 Adjusted R-squared0.896948 S.D. dependent var404.6470 S.E. of regression129.8986 Akaike info criterion12.65104 Sum squared resid371220.4 Schwarz criterion12.74921 Log likelihood-149.8125 F-statistic201.1882 Durbin-Watson stat0.297713 Prob(F-statistic)0.000000 （表6） 依据可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型： Y=147.5648+2.885905 X2 (4.604554) (15.83878) R-squared=0.919375 S.E.=117.4802 F=250.8670 ⑵逐步回归（将其余解释变量分别加入模型）： ① Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 14:03 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C119.994924.714854.8551730.0001 X21.5196260.3443624.4128790.0002 X318.937944.3866994.3171270.0003 R-squared0.957285 Mean dependent var484.2946 Adjusted R-squared0.953217 S.D. dependent var404.6470 S.E. of regression87.52305 Akaike info criterion11.89815 Sum squared resid160866.0 Schwarz criterion12.04541 Log likelihood-139.7778 F-statistic235.3134 Durbin-Watson stat0.678505 Prob(F-statistic)0.000000 （表7） ② Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 14:10 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C151.937834.457694.4094010.0002 X22.4483751.1094702.2067960.0386 X40.8851362.2127970.4000070.6932 R-squared0.919984 Mean dependent var484.2946 Adjusted R-squared0.912364 S.D. dependent var404.6470 S.E. of regression119.7893 Akaike info criterion12.52581 Sum squared resid301339.2 Schwarz criterion12.67307 Log likelihood-147.3098 F-statistic120.7243 Durbin-Watson stat0.192940 Prob(F-statistic)0.000000 （表8） 再次依据调整后的可决系数最大原则，选取调整后可决系数最大所对应的解释变量作为新进入模型的后选变量，且调整后的可决系数大于上一步的可决系数，所以得到： Y=119.9949+1.519626 X2+18.93794 X3 (4.855173) (4.412879) (4.317127) R-squared=0.957285 S.E.=87.52305 F=235.3134 由（表2）可得对Y的影响并不显著，故将删去。得如下模型： Y=119.9949+1.519626 X2+18.93794 X3 5、统计学检验 ⑴t检验：显著水平0.05，t0.05/2(24-3)=2.0796，显然4.855173和4.412879都远远大于它，即从统计学检验的角度上讲解释变量的选取是有意义的。 ⑵f检验及拟合优度检验R-squared：R-squared值越接近于1,则F值越大,这里的R-squared值为0.957285,大于0.9拟合优度比较高,因此F－Statistic检验亦通过。 6、计量经济学检验： ⑴被解释变量与解释变量的散点图如下： （图1） 结论：被解释变量与解释变量的线性关系较强。 ⑵异方差检验： 图示法： （图2） ARCH检验： ARCH Test: F-statistic0.503771 Probability0.684780 Obs*R-squared1.714496 Probability0.633716 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/01/05 Time: 16:07 Sample(adjusted): 1983 2003 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C6042.6093539.3401.7072700.1060 RESID^2(-1)0.5230740.4441991.1775670.2552 RESID^2(-2)-0.2762040.482861-0.5720160.5748 RESID^2(-3)-0.1145660.450162-0.2545000.8022 R-squared0.081643 Mean dependent var6574.751 Adjusted R-squared-0.080420 S.D. dependent var9626.857 S.E. of regression10006.47 Akaike info criterion21.42949 Sum squared resid1.70E+09 Schwarz criterion21.62845 Log likelihood-221.0097 F-statistic0.503771 Durbin-Watson stat1.386163 Prob(F-statistic)0.684780 （表9） 结论：散点变化成总体上升趋势，且PR,即0.6337161.714496.所以模型存在异方差。 ⑵异方差的修正： ①WLS估计法： Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 00:23 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C164.31308.40536119.548600.0000 X23.8232250.4369458.7498980.0000 X3-13.762844.911786-2.8020030.0110 Weighted Statistics R-squared0.999888 Mean dependent var369.6089 Adjusted R-squared0.999877 S.D. dependent var1365.774 S.E. of regression15.16405 Akaike info criterion8.396839 Sum squared resid4598.967 Schwarz criterion8.544947 Log likelihood-93.56365 F-statistic1347.468 Durbin-Watson stat1.792554 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.840326 Mean dependent var502.7309 Adjusted R-squared0.824359 S.D. dependent var403.3033 S.E. of regression169.0227 Sum squared resid571373.7 Durbin-Watson stat0.535394 （表10） ②对数变换法： Dependent Variable: LY Method: Least Squares Date: 06/04/05 Time: 00:31 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C3.0433390.3296599.2317680.0000 LX20.5688250.1284064.4298980.0002 LX30.2407570.1255971.9168930.0690 R-squared0.977840 Mean dependent var5.763426 Adjusted R-squared0.975730 S.D. dependent var1.003719 S.E. of regression0.156368 Akaike info criterion-0.756740 Sum squared resid0.513470 Schwarz criterion-0.609483 Log likelihood12.08088 F-statistic463.3339 Durbin-Watson stat0.431710 Prob(F-statistic)0.000000 （表11） 由表10和表11可以看出X2、X3与Y在对数线性回归下拟合度效果最好。所以模型变化为： lnY=3.043339+0.568825ln X2+0.240757 lnX3 (9.231768) (4.429898) (1.916893) R-squared=0.977840 S.E.=0.156368 F=463.3339 ⑶自相关检验： 图示法： （图3） DW检验： 根据（表11）估计的结果，由DW=0.431710,给定显著水平α=0.05,查Durbin-Watson表，n=24,k’(解释变量个数)=2，得下限临界值dL=0.960，上限临界值dU=1.298。 因为0DWdL，表明一阶正自相关，而且正自相关的程度随d向0靠近而增强。 ⑷自相关的修正： 由DW=0.431710，根据 =1-DW/2，计算出 =0.784145。用GENR分别对lnY、ln X2、lnX3作广义差分，然后再用OLS方法估计其参数，结果为： Dependent Variable: DLY Method: Least Squares Date: 06/04/05 Time: 01:36 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.7418840.05457413.594150.0000 DLX20.5756760.0637469.0307680.0000 DLX30.0688280.0478831.4374180.1661 R-squared0.898193 Mean dependent var1.365844 Adjusted R-squared0.888013 S.D. dependent var0.198948 S.E. of regression0.066577 Akaike info criterion-2.459813 Sum squared resid0.088649 Schwarz criterion-2.311705 Log likelihood31.28785 F-statistic88.22543 Durbin-Watson stat1.492622 Prob(F-statistic)0.000000 （表12） DlnY=0.741884+0.575676Dln X2+0.068828DlnX3 (13.59415) (9.030768) (1.437418) R-squared=0.898193 S.E.=0.066577 F=88.22543 结论：经过使用广义差分法后，DW值变小，并没有改善自相关性。 Cochrane-Orcutt迭代法： Dependent Variable: LY Method: Least Squares Date: 06/04/05 Time: 01:55 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints Convergence achieved after 19 iterations VariableCoefficientStd. Errort-StatisticProb. C9.0151402.9703823.0350100.0068 LX20.1350430.1075631.2554770.2245 LX30.0248950.0333410.7466830.4644 AR(1)0.9718450.01592361.034350.0000 R-squared0.997785 Mean dependent var5.835807 Adjusted R-squared0.997435 S.D. dependent var0.960101 S.E. of regression0.048628 Akaike info criterion-3.052479 Sum squared resid0.044928 Schwarz criterion-2.855002 Log likelihood39.10351 F-statistic2852.372 Durbin-Watson stat1.579752 Prob(F-statistic)0.000000 Inverted AR Roots .97 （表13） DW=1.579752, dUDW4- dU,不存在一阶自相关性。所以模型再次修正为： lnY=9.015140+0.135043ln X2+0.024895 lnX3 (3.035010) (1.255477) (0.746683) R-squared=0.997785 S.E.=0.048628 F=2852.372 再次进行多重线性检验、异方差检验、自相关检验，该模型是合理的。 五、模型评价及经济分析。 模型在进行自相关检验及自相关的修正的过程中，消除了自相关性。但是固定资产投资与GDP 之间仍然有可能存在自相关性。第一，经济变量惯性的作用。在时间数列数据中，经济变量的运行往往存 在着一种变化趋势，表现在随时间前后期的相互关联上所形成的惯性。第二，经济行为的滞后性。如果模 型忽略这些滞后因素，滞后因素将在误差项中体现为系统性。例如贵州省是个典型的投资拉动型经济，但 是一些部门在当年投入之后，往往要在若干年以后才能转化为产出，如通讯业、运输业等，水白铁路通车 近七年，运量明显不足，远没有达到盈亏平衡点，再如安顺、铜仁、兴义等地区的支线机场，运输量也很 低。这些产业对经济的间接影响见效相对比较慢。第三，一些随机偶然因素的干扰或影响。通常随机偶然 因素是指战争、自然灾害、政策制定的错误后果、面对一些现象人们的心理因素等等，这些影响可能延续 若干时期，反映在模型中很容易形成随机误差序列的自相关。第四，设定偏误。 该模型并没有直接地从投资、消费、出口的角度去考察解释变量对GDP的影响,而是以间接的方法从 固定资产投资的角度研究了其对GDP的影响。从计量经济学的检验结果看公有经济对GDP存在线性的影 响，而且相关系数都接近于1,进一步证明了固定资产投资对一个地区社会总产出的影响。 1978年以来的二十多年中，伴随着国有经济比重的不断下降，国有经济的地位与作用问题长期以来一 直倍受关注，从“主体”到“发挥主导作用”、“保持控制力”，贯穿其中的红线即是我们思想上的逐步解放。在传统计划经济体制下，国有经济控制力往往停留在国有资产的物质形态层面上，而随着我国改革开放的推进以及市场经济体制的逐步完善，以国有资产的行政计划分配为主要特征的“静态控制”体系显然已不再适合社会主义市场经济体制的要求。 六、政策建议： 较落后地区往往出现GDP主要靠固定资产投资拉动的现象。但是固定资产投资是一种市场行为，是否 应该进行投资，该投资多少，应当由市场来决定，由市场对资源进行最有效的配置，而不应该完全由政府 制定投资计划。政府的决策只能起到辅助作用，而不应占主导地位。例如对于较落后地区，有时也会出现 投资不足的情况，这也是阻碍其经济发展的一个重要因素。因此，政府也应该引入一些比较优质的投资项 目，促进该地区经济发展。固定资产投资会产生社会效益和经济效益，在项目决策方面，更注重哪一方面， 应慎重考虑，避免顾此失彼，也要尽量避免无意义的投资或低效益的投资。另外，国家应该逐渐淡出积极 的财政政策，最主要的理由有两个：一是担心积极财政政策大规模发行国债，会使中国财政赤字增加，债 务余额增加，第二个担心是，长期实施积极财政政策，会使中国的经济增长形成对财政支出扩张的日益严 重的依赖。这几年中国的经济增长主要依靠三驾马车：投资、出口、消费。随着我国加入世界贸易组织， 出口量和进口量之间的差距正在逐渐缩小，显然，净出口将不会再是经济增长的主动力。在近几年的投资 中，由于一直实施的是积极的财政政策，发行了大量的国债，政府投资一直起着主导作用。但是只有真正 启动民间投资，让企业自主投资，才可能使得投资依然能够成为拉动经济增长的动力之一。消费和投资之 间的失衡现象一直是困扰着我国经济运行的一个重大问题。刺激消费应该说一直是我们政府很重视，但又 是一个老大难的问题。 七、模型缺陷分析： 1、平稳性检验： ADF Test Statistic 5.715142 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X2) Method: Least Squares Date: 06/03/05 Time: 07:56 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X2(-1)0.1635680.0286205.7151420.0000 C2.7056804.3590160.6207090.5415 R-squared0.608668 Mean dependent var19.37000 Adjusted R-squared0.590033 S.D. dependent var24.26967 S.E. of regression15.53955 Akaike info criterion8.407595 Sum squared resid5071.027 Schwarz criterion8.506333 Log likelihood-94.68734 F-statistic32.66285 Durbin-Watson stat1.535714 Prob(F-statistic)0.000011 （表13） X2通过平稳性检验。 ADF Test Statistic 0.783554 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X3) Method: Least Squares Date: 06/03/05 Time: 08:04 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X3(-1)0.0930810.1187940.7835540.4421 C0.8707341.4358910.6064070.5507 R-squared0.028406 Mean dependent var1.670870 Adjusted R-squared-0.017861 S.D. dependent var4.798540 S.E. of regression4.841204 Akaike info criterion6.075145 Sum squared resid492.1823 Schwarz criterion6.173884 Log likelihood-67.86417 F-statistic0.613956 Durbin-Watson stat1.694248 Prob(F-statistic)0.442050 （表14） X3未通过平稳性检验。 ADF Test Statistic 6.958324 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X4) Method: Least Squares Date: 06/03/05 Time: 08:05 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. X4(-1)0.2820940.0405416.9583240.0000 C-1.2217292.736698-0.4464250.6599 R-squared0.697486 Mean dependent var11.14000 Adjusted R-squared0.683081 S.D. dependent var17.73394 S.E. of regression9.983426 Akaike info criterion7.522671 Sum squared resid2093.045 Schwarz criterion7.621410 Log likelihood-84.51072 F-statistic48.41827 Durbin-Watson stat1.871356 Prob(F-statistic)0.000001 （表15） X4通过平稳性检验。 很遗憾，由于所学知识有限，所有没有能力对非平稳数据进行调整，有可能导致模型的准确性不足。因此，待掌握足够的知识后再进行调整，提高模型的精确度，使其更具有说服力。 2、关于舍去X4的说明： （图4） 首先，X4代表个体经济的固定资产投资，从经济意义分析，个体经济的固定资产投资与GDP应成 负相关，而从表2中反映为负相关，与事实相悖，故将其舍去。 其次，计量分析中呈现负相关的原因可能与政策因素有关。X2、X3、X4三部分在全社会固定资产投 资总额中分别所占的比例受到不同时期政策因素的影响而不同。例如：1998年，国家实行积极的财政政策 后，加大了国有经济的固定资产投资，而政府投资对私人企业的投资具有挤出效应，从图4可以明显看1997 年个体经济固定资产投资额占全社会的33.32%，而1998年则下降至31.69%。2000年，国家又出台“西部 大开发”战略，2002年个体经济固定资产投资额仅占28.98%。2003年积极的财政政策逐渐淡出，个体经 济固定资产投资额又有所回升，达到34.18%。因此在无法剔除这些因素影响的情况下，模型的精确性也受 到了一定的影响。 附录： 参考书目：《计量经济学》 庞皓主编 西南财经大学出版社 2002年8月第2版 《西方经济学》 高鸿业主编 中国人民出版社 2000年4月第2版 数据来源：中华人民共和国国家统计局 中国人民银行贵阳市中心支行

  • 外资利用与我国进出口贸易关系的实证分析_经济学毕业论文范文

    外资利用与我国进出口贸易关系的实证分析_经济学毕业论文范文 外资利用与我国进出口贸易关系的实证分析 摘要：利用外资与发展进出口贸易，是我国扩大对外开放过程中两个重要的方面，有效地提高了我们利用国内国外两种资源、两个市场的能力。利用外资和发展进出口贸易相互联系，相互促进。本文通过对近二十多年来我国发展实践的研究，认为二者是密不可分的。外资利用有力推动了我国进出口持续、健康的发展 ，并且外商直接投资的作用日益显著。 关键词：进出口 外资 外商直接投资 ABSTRACT: Utilizing foreign capital and developing export and import trade are two important aspects in our country's process of expanding opening to the outside world, which has effectively strengthened our ability to utilize two resources and market at home and abroad. The two aspects relate each other and promote as well. Through researching on the development practice of latest two decades of our country, this article holds that they are relate closely and couldn't be separated. The utilization of foreign capital promotes the sustainable and heath development of import and export, and the effect of foreign direct investment is increasingly outstanding. KEY WORDS: export and import foreign capital foreign direct invest 目 录 1 相关经济背景及问题提出…………………………………………3 1.1 我国外资利用的进程及作用……………………………………3 1.2 问题提出…………………………………………………………3 2 数据的收集和整理………………………………………………3 3 模型的建立…………………………………………………………5 4 模型的估计和检验……………………………………………………6 4.1 模型的估计……………………………………………………………………6 4.2 模型的检验……………………………………………………………………8 4.2.1 经济意义的检验…………………………………………………………8 4.2.2统计检验……………………………………………………………………8 4.2.3计量经济的检验…………………………………………………………10 5 总结性分析…………………………………………………………15 5.1 FL对进出口的影响作用减弱………………………………………………15 5.2 FDI对对外贸易的影响更加显著…………………………………………15 5.3 FOI在外资中的比例将会上升…………………………………………15 参考文献…………………………………………………………16 1 相关经济背景及研究目的 1.1我国外资利用的进程及作用 按照《中国对外经济贸易年鉴》划分，我国外资的来源主要有：对外借款、外商直接投资和外商其他投资。其中，对外借款包括：政府贷款、国际金融机构贷款，国外发行债券等；外商直接投资包括：合资经营企业、合作经营企业、外资企业、外商投资股份制企业、合作开发等；外商其他投资包括：对外发行股票、国际租赁、补偿贸易、加工装配等。 我国利用外资的历程分为三个阶段。第一阶段（建国至1978年），复杂的国际国内政治环境限制了我国对外资的利用，1956年以前主要是前苏联的援助，1956年中苏关系恶化，外资更是急剧减少。此阶段我国利用外资的渠道遭到封锁，外资数量极其有限。第二阶段（1979—1990年），中国与西方国家陆续建交，关系走上正常化。西方国家的资金开始逐步流进国门，如国外贷款，个别国外公司来华进行少量投资等，虽然此阶段我国利用外资的规模是在上升，但进展却很缓慢，而且形式以接受各国政府的贷款为主，形式单一。第三阶段：1991年至今，越来越多的跨国公司来华进行规模巨大的系统投资。此阶段外商直接投资取代了对外借款，成为我国利用外资的主要形式。根据世界银行1994年度《世界投资报告》的统计，到1993年，我国已成为世界上继美国之后的第二大直接投资国，2002年实际利用外商直接投资逾500亿美元，首次超过美国，跃居世界第一。 随着我国利用外资数量的急剧增加，我国外贸进出口以年平均12.62%的速度迅猛增长,到2003年我国进出口总额达8000亿美元，居世界第四位，其中，仅外商直接投资企业的进出口总额在对外贸易总额中所占比例达56%。由此可见，利用外资对我国进出口贸易的作用巨大。 1.2问题提出 已有许多学者对我国外商直接投资和进出口贸易的关系进行了实证和计量分析。陈宪，陈晨对外商直接投资和进出口额进行了相关分析，证明了外商投资增长对进出口增长有一定的拉动作用。他们研究发现外商直接投资增长与当年进出口额增长有一定的相关性，相关系数为0.423，与后1-2年进出口增长的相关性减弱，到后3-4年相关系数又开始加强。原因是外商直接投资在当年通过带动进口刺激了对外贸易增长，数年后则通过推动出口对外贸增长再次产生影响。杨巡对1980-1997年外商直接投资与我国进出口的关系进行了相关分析，发现外商直接投资，特别是上一年累计外商直接投资与出口额和进口额之间都存在较高的正相关关系，相关系数分别为0.9664和0.9465，外商直接投资对我国进出口贸易有着重要的促进作用。 以上这些研究主要是针对外商直接投资的研究，没有考虑外资的其他形式对进出口贸易的影响，本文基于以往研究的成果，在不考虑滞后效应的基础上全面考察外资的各种形式对进出口贸易的影响，并深入分析影响背后的原因。 2 数据的收集和整理 表一：我国进出口与利用外资状况 进出口贸易情况（亿美元） 实际利用外资情况（亿美元） 年份进出口总额出口总额进口总额差额对外借款外商直接 投资外商其他 投资总计 20038509.94382.34127.6254.7535.046726.4841.4 20026207.732562951.7304527.428622.7700.1 20015096.526612435.5225.5468.827.9696.7 20004742.924922250.9241.1100407.286.4593.6 19993606.31949.31657292.3102.12403.1921.28526.59 19983239.51837.11402.4434.7110454.6320.94585.57 19973251.61827.91423.7404.2120.21452.5771.3644.08 19962898.81510.51388.3122.2126.69417.254.1548.04 19952808.61487.81320.8167103.3375.22.9481.3 19942366.21210.11156.15492.67337.671.79432.13 19931957917.41039.6-122.2111.89275.152.56389.6 19921655.3849.4805.943.579.11110.072.84192.02 19911357719.1637.981.268.8843.663115.54 19901154.4620.9533.587.465.334.92.7102.9 19891116.8525.4591.4-6662.8633.923.81100.59 19881027.9475.2552.7-77.564.8731.945.45102.26 1987826.5394.4432.1-37.758.0523.143.3384.52 1986738.5309.4429.1-119.750.1418.743.772.58 1985696273.5422.5-14925.0616.582.9844.62 经过对数处理后的数据（表二）： 年份进出口总额出口总额进口总额对外借款外商直接 投资外商其他 投资总计 20039.04908.38538.32556.28243.27346.3304 20028.73358.08837.99016.26803.12246.3101 20018.53637.88657.79796.15023.32866.2080 20008.46447.82087.71914.60526.00934.45906.3862 19998.19047.57527.41284.62615.99943.05786.2664 19988.08327.51597.24594.70056.11953.04176.3726 19978.08697.51097.26104.78926.11494.26696.4678 19967.97217.32027.23584.84176.03371.41106.3063 19957.94047.30517.18604.63765.92751.06476.1765 19947.76907.09857.05284.52905.82210.58226.0687 19937.57926.82156.94664.71755.61730.94005.9651 19927.41176.74456.69204.37084.70111.04385.2576 19917.21306.57806.45824.23243.77641.09864.7496 19907.05136.43126.27954.17903.55250.99334.6338 19897.01826.26426.38254.14093.52401.33764.6111 19886.93536.16376.31484.17243.46391.69564.6275 19876.71725.97746.06874.06133.14161.20304.4370 19866.60465.73466.06173.91482.93071.30834.2847 19856.54535.61136.04623.22132.80821.09193.7982 说明：利用外资数据来自《中国对外经济贸易年鉴》。其中，由于自2001年起，利用外资数据中的对外借款部分不再统计，造成了部分数据缺失，同时对外借款属于主观行为，基本无规律可循，不能通过回归等方法进行估计，所以，本文只采取1985—2000年的数据。值得说明的是：1997年起对外发行股票从对外借款中剔除，列入外商其他投资额中。本文假设数据统计的变化不对分析结果产生影响。对数数据的取得是利用EXCEL软件计算得到。 3 模型的建立 下面分别建立利用外资的各个部分对我国出口、进口和进出口总额的影响的计量经济模型： lnEX=β0+β1lnFDI+β2lnFL+β3lnFOI+ｕt，其中: lnEX———取对数后的出口 lnFDI———取对数后的外商直接投资 lnFL———取对数后的对外借款 lnFOI———取对数后的外商其他投资 β0、β1、β2、β3均为待定系数 ｕｔ为随机误差项 lnIM=»α0+α1lnFDI+α2lnFL+α3lnFOI+et，其中: lnIM———取对数后的进口 lnFDI———取对数后的外商直接投资 lnFL———取对数后的对外借款 lnFOI———取对数后的外商其他投资 α0、α1、α2、α3均为待定系数 eｔ为随机误差项 lnXM=»λ0+λ1lnFDI+λ2lnFL+λ3lnFOI+ξ，其中: lnXM———取对数后的进出口总额 lnFDI———取对数后的外商直接投资 lnFL———取对数后的对外借款 lnFOI———取对数后的外商其他投资 λ0、λ1、λ2、λ3均为待定系数，ξｔ为随机误差项 4 模型的估计和检验 4.1模型的估计 用Eviews对1985—2000年的数据进行多元回归得到： Dependent Variable: LNEX Method: Least Squares Date: 05/26/05 Time: 12:05 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C3.6087790.7357214.9050910.0004 LNFDI0.3679070.0770384.7756620.0005 LNFL0.2793930.2355081.1863410.2584 LNFOI0.1208360.0423572.8527980.0145 R-squared0.951497 Mean dependent var6.779568 Adjusted R-squared0.939371 S.D. dependent var0.701176 S.E. of regression0.172650 Akaike info criterion-0.462786 Sum squared resid0.357695 Schwarz criterion-0.269639 Log likelihood7.702289 F-statistic78.46923 Durbin-Watson stat1.242766 Prob(F-statistic)0.000000 Dependent Variable: LNIM Method: Least Squares Date: 05/26/05 Time: 12:07 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C5.2219670.49800110.485870.0000 LNFDI0.3785650.0521467.2597100.0000 LNFL-0.0912390.159412-0.5723440.5777 LNFOI0.0901340.0286713.1437280.0085 R-squared0.963592 Mean dependent var6.772717 Adjusted R-squared0.954490 S.D. dependent var0.547809 S.E. of regression0.116864 Akaike info criterion-1.243286 Sum squared resid0.163888 Schwarz criterion-1.050139 Log likelihood13.94629 F-statistic105.8659 Durbin-Watson stat1.217006 Prob(F-statistic)0.000000 Dependent Variable: LNXM Method: Least Squares Date: 05/26/05 Time: 12:08 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C5.1896440.5517379.4060170.0000 LNFDI0.3771030.0577736.5273500.0000 LNFL0.0718000.1766130.4065390.6915 LNFOI0.1067860.0317653.3618020.0057 R-squared0.964980 Mean dependent var7.473900 Adjusted R-squared0.956225 S.D. dependent var0.618827 S.E. of regression0.129475 Akaike info criterion-1.038347 Sum squared resid0.201164 Schwarz criterion-0.845200 Log likelihood12.30677 F-statistic110.2193 Durbin-Watson stat1.110469 Prob(F-statistic)0.000000 写出回归分析报告： lnEX=3.608779+0.367907lnFDI+0.279393lnFL+0.120836lnFOI 0.735721 0.077038 0.235508 0.042357 4.905091 4.775662 1.186341 2.852798 R2=0.951497 修正后R2=0.939371 F=78.46923 DW=1.242766 lnIM=5.221967+0.378565lnFDI-0.091239lnFL+0.090134lnFOI 0.498001 0.052146 0.159412 0.028671 10.48587 7.259710 -0.572344 3.143728 R2=0.963592 修正后R2=0.954490 F=105.8659 DW=1.217006 lnXM=5.189644+0.377103lnFDI+0.071800lnFL+0.106786lnFOI 0.551737 0.057773 0.176613 0.031765 9.406017 6.527350 0.406539 3.143728 R2=0.964980 修正后R2=0.956225 F=110.2193 DW=1.110469 4.2模型的检验： 4.2.1经济意义的检验 第一，FDI对EX、IM、XM的影响。回归结果显示：FDI每增加1%，EX、IM、XM分别增加0.367907%、0.378565%、0.377103%。 第二，FL对EX、IM、XM的影响。回归结果显示：FL每增加1%，EX、IM、XM分别增加0.279393%、-0.091239%、0.071800%。 第三，FOI对EX、IM、XM的影响。回归结果显示：FOI每增加1%，EX、IM、XM分别增加0.120836%、0.090134%、0.106786%。 FDI、FL、FOI对EX、XM的影响都表现为正的拉动作用，FDI、FOI对IM的影响也表现为正的拉动作用，仅FL对IM的影响表现为负的抑制作用。并且在外资的三种表现因素中，FDI对EX、IM、XM的影响最大，其次是FOI，FL的影响最小。 4.2.2统计检验 三个模型R2、修正后R2值都较大（都在90%以上），说明模型的样本回归线对样本的拟合优度好。以模型一为例，R2=0.951497，修正后R2=0.939371说明总离差平方和的95.1497%（修正后93.9371%）被样本回归线解释，其余部分不能被解释变量解释。 查表得：F0.05(3，12) =3.49，显然三个模型的F统计量值远远大于临界值，全部通过F检验。 查表得：t0.05(12)=2.179，所以，LnFDI（4.775662、7.259710、6.527350）、LnFOI（2.852798、 3.143728、3.143728）的系数通过t检验，而LnFL的系数（1.186341、-0.572344、0.406539）没有通过t检验。 由于LnFL的系数不显著，我们剔除变量LnFL，重新进行回归得到： Dependent Variable: LNEX Method: Least Squares Date: 05/26/05 Time: 13:35 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C4.4598260.16583226.893600.0000 LNFDI0.4472200.03887511.504000.0000 LNFOI0.1165230.0428572.7188880.0176 R-squared0.945808 Mean dependent var6.779568 Adjusted R-squared0.937471 S.D. dependent var0.701176 S.E. of regression0.175334 Akaike info criterion-0.476886 Sum squared resid0.399647 Schwarz criterion-0.332025 Log likelihood6.815085 F-statistic113.4449 Durbin-Watson stat0.950502 Prob(F-statistic)0.000000 Dependent Variable: LNIM Method: Least Squares Date: 05/26/05 Time: 13:35 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C4.9440480.10763545.933610.0000 LNFDI0.3526650.02523213.976800.0000 LNFOI0.0915420.0278173.2909200.0058 R-squared0.962598 Mean dependent var6.772717 Adjusted R-squared0.956844 S.D. dependent var0.547809 S.E. of regression0.113802 Akaike info criterion-1.341354 Sum squared resid0.168361 Schwarz criterion-1.196493 Log likelihood13.73083 F-statistic167.2880 Durbin-Watson stat1.222392 Prob(F-statistic)0.000000 Dependent Variable: LNXM Method: Least Squares Date: 05/26/05 Time: 13:36 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C5.4083520.11846145.655050.0000 LNFDI0.3974860.02777014.313390.0000 LNFOI0.1056780.0306153.4518920.0043 R-squared0.964497 Mean dependent var7.473900 Adjusted R-squared0.959035 S.D. dependent var0.618827 S.E. of regression0.125249 Akaike info criterion-1.149668 Sum squared resid0.203935 Schwarz criterion-1.004808 Log likelihood12.19734 F-statistic176.5848 Durbin-Watson stat1.041695 Prob(F-statistic)0.000000 通过统计检验的回归分析报告： lnEX=4.459826+0.447220lnFDI+0.116523lnFOI 0.165832 0.038875 0.042857 26.89361 11.50400 2.718888 R2=0.945808 修正后R2=0.937471 F=113.4449 DW=0.950502 lnIM=4.944048+0.352665lnFDI+0.091542lnFOI 0.107635 0.025232 0.027817 45.93361 13.97680 3.290920 R2=0.962598 修正后R2=0.956844 F=167.2880 DW=1.222392 lnXM=5.408352+0.397486lnFDI+0.105678lnFOI 0.118461 0.027770 0.030615 45.65505 14.31339 3.451892 R2=0.964497 修正后R2=0.959035 F=176.5848 DW=1.041695 4.2.3计量经济的检验 第一、多重共线性的检验 在我们的模型中只剩两个解释变量LnFDI、LnFOI，只要检验它们之间的共线性即可。 首先，采用简单相关系数矩阵法，可得到两个解释变量之间的相关系数r =0.497073。这说明两变量之间存在一定的相关性，但相关性不强。为进一步验证两者之间的共线性，我们采用辅助回归进行进一步的检验。 其次，才用辅助回归法将作为LnFDI被解释变量，LnFOI作为解释变量，回归结果如下： Dependent Variable: LNFDI Method: Least Squares Date: 05/26/05 Time: 13:53 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C3.7420100.5473406.8367140.0000 LNFOI0.5479850.2556572.1434360.0501 R-squared0.247082 Mean dependent var4.721374 Adjusted R-squared0.193302 S.D. dependent var1.342070 S.E. of regression1.205399 Akaike info criterion3.327967 Sum squared resid20.34181 Schwarz criterion3.424540 Log likelihood-24.62373 F-statistic4.594319 Durbin-Watson stat0.271176 Prob(F-statistic)0.050126 R2=0.247082，修正后R2=0.193302，t0.05(14)=2.145＞2.143436，F0.05(1，14) =4.60＞4.594319。 说明LnFDI、LnFOI之间不存在共线性，我们仍然保持模型不变。 第二、异方差性的检验 我们采用White(no cross)检验，结果如下： White Heteroskedasticity Test: F-statistic0.807205 Probability0.545808 Obs*R-squared3.630739 Probability0.458280 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/26/05 Time: 14:15 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C0.0290590.2196310.1323060.8971 LNFDI0.0285700.0987380.2893540.7777 LNFDI^2-0.0041200.010876-0.3788070.7120 LNFOI-0.0474520.040369-1.1754770.2646 LNFOI^20.0097370.0078351.2427670.2398 R-squared0.226921 Mean dependent var0.024978 Adjusted R-squared-0.054198 S.D. dependent var0.030297 S.E. of regression0.031107 Akaike info criterion-3.852454 Sum squared resid0.010644 Schwarz criterion-3.611020 Log likelihood35.81963 F-statistic0.807205 Durbin-Watson stat2.283545 Prob(F-statistic)0.545808 White Heteroskedasticity Test: F-statistic54.28333 Probability0.000000 Obs*R-squared15.22852 Probability0.004250 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/26/05 Time: 14:12 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C0.0156720.0341210.4593070.6550 LNFDI0.0025740.0153390.1678300.8698 LNFDI^2-0.0004340.001690-0.2570300.8019 LNFOI-0.0226570.006271-3.6127890.0041 LNFOI^20.0073310.0012176.0230070.0001 R-squared0.951783 Mean dependent var0.010523 Adjusted R-squared0.934249 S.D. dependent var0.018846 S.E. of regression0.004833 Akaike info criterion-7.576554 Sum squared resid0.000257 Schwarz criterion-7.335120 Log likelihood65.61244 F-statistic54.28333 Durbin-Watson stat2.917857 Prob(F-statistic)0.000000 White Heteroskedasticity Test: F-statistic3.893113 Probability0.033031 Obs*R-squared9.376599 Probability0.052346 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/26/05 Time: 14:17 Sample: 1985 2000 Included observations: 16 VariableCoefficientStd. Errort-StatisticProb. C-0.0160710.076065-0.2112800.8365 LNFDI0.0246040.0341960.7195040.4868 LNFDI^2-0.0030020.003767-0.7968720.4424 LNFOI-0.0261450.013981-1.8700290.0883 LNFOI^20.0068410.0027142.5209580.0284 R-squared0.586037 Mean dependent var0.012746 Adjusted R-squared0.435506 S.D. dependent var0.014339 S.E. of regression0.010773 Akaike info criterion-5.973167 Sum squared resid0.001277 Schwarz criterion-5.731733 Log likelihood52.78534 F-statistic3.893113 Durbin-Watson stat2.923375 Prob(F-statistic)0.033031 对于模型二而言随机误差项不存在异方差，模型一和模型三随机误差项均存在异方差，下面采用WLS法进行修正。取W= LnFDI^（-1/2） Dependent Variable: LNEX Method: Least Squares Date: 05/26/05 Time: 14:29 Sample: 1985 2000 Included observations: 16 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C4.4019160.16012927.489770.0000 LNFDI0.4634730.04129511.223440.0000 LNFOI0.1059860.0516762.0509640.0610 Weighted Statistics R-squared0.800680 Mean dependent var6.682012 Adjusted R-squared0.770015 S.D. dependent var0.386078 S.E. of regression0.185150 Akaike info criterion-0.367937 Sum squared resid0.445648 Schwarz criterion-0.223077 Log likelihood5.943499 F-statistic26.11087 Durbin-Watson stat0.829805 Prob(F-statistic)0.000028 Unweighted Statistics R-squared0.945072 Mean dependent var6.779568 Adjusted R-squared0.936621 S.D. dependent var0.701176 S.E. of regression0.176522 Sum squared resid0.405080 Durbin-Watson stat0.940731 Dependent Variable: LNXM Method: Least Squares Date: 05/26/05 Time: 14:25 Sample: 1985 2000 Included observations: 16 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C5.3766630.10600950.719130.0000 LNFDI0.4062560.02733814.860410.0000 LNFOI0.1002390.0342112.9300540.0117 Weighted Statistics R-squared0.956715 Mean dependent var7.387575 Adjusted R-squared0.950055 S.D. dependent var0.548467 S.E. of regression0.122573 Akaike info criterion-1.192860 Sum squared resid0.195314 Schwarz criterion-1.047999 Log likelihood12.54288 F-statistic143.6662 Durbin-Watson stat0.930975 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.964223 Mean dependent var7.473900 Adjusted R-squared0.958719 S.D. dependent var0.618827 S.E. of regression0.125731 Sum squared resid0.205508 Durbin-Watson stat1.026154 第三、自相关性检验 我们继续对修正后的模型进行随机误差项自相关检验。查表得：在显著水平=0.05下，n=16，k’=2时，dl=0.982，du=1.539。所以，模型二的随机误差项落在了不能判定的区域，模型一、三的随机误差项落在了正自相关区域。下面运用Cochrane-Orcutt迭代法进行修正： Dependent Variable: LNEX Method: Least Squares Date: 05/26/05 Time: 14:59 Sample(adjusted): 1986 2000 Included observations: 15 after adjusting endpoints Convergence achieved after 10 iterations VariableCoefficientStd. Errort-StatisticProb. C9.5296952.4109003.9527540.0023 LNFDI0.0066000.0736520.0896150.9302 LNFOI0.0413330.0247801.6679830.1235 AR(1)0.9531600.03551826.835660.0000 R-squared0.987900 Mean dependent var6.857452 Adjusted R-squared0.984599 S.D. dependent var0.650213 S.E. of regression0.080691 Akaike info criterion-1.973202 Sum squared resid0.071621 Schwarz criterion-1.784389 Log likelihood18.79902 F-statistic299.3512 Durbin-Watson stat2.077775 Prob(F-statistic)0.000000 Inverted AR Roots .95 Dependent Variable: LNIM Method: Least Squares Date: 05/26/05 Time: 15:01 Sample(adjusted): 1986 2000 Included observations: 15 after adjusting endpoints Convergence achieved after 7 iterations VariableCoefficientStd. Errort-StatisticProb. C4.9334650.19942124.738900.0000 LNFDI0.3585910.0431508.3102910.0000 LNFOI0.0859390.0340082.5270370.0281 AR(1)0.3555210.3868880.9189260.3778 R-squared0.960344 Mean dependent var6.821152 Adjusted R-squared0.949529 S.D. dependent var0.530390 S.E. of regression0.119156 Akaike info criterion-1.193583 Sum squared resid0.156180 Schwarz criterion-1.004769 Log likelihood12.95187 F-statistic88.79520 Durbin-Watson stat1.295792 Prob(F-statistic)0.000000 Inverted AR Roots .36 Dependent Variable: LNXM Method: Least Squares Date: 05/26/05 Time: 14:58 Sample(adjusted): 1986 2000 Included observations: 15 after adjusting endpoints Convergence not achieved after 100 iterations VariableCoefficientStd. Errort-StatisticProb. C50.837211003.8680.0506410.9605 LNFDI0.1110430.0657201.6896500.1192 LNFOI0.0355370.0221901.6014830.1376 AR(1)0.9978130.05033219.824740.0000 R-squared0.987854 Mean dependent var7.535803 Adjusted R-squared0.984542 S.D. dependent var0.587033 S.E. of regression0.072986 Akaike info criterion-2.173926 Sum squared resid0.058596 Schwarz criterion-1.985112 Log likelihood20.30444 F-statistic298.2283 Durbin-Watson stat1.306662 Prob(F-statistic)0.000000 Inverted AR Roots 1.00 通过对随机误差项自相关进行修正，我们发现DW值均落在了不存在自相关的区域内，修正效果良好。 5 总结性分析 5.1 FL对进出口的影响作用减弱。在1985-1990年期间，FL大于FDI，是我国利用外资的主要形式，此时FL对进出口的影响作用显著，但随着FDI成为我国利用外资的主要形式，对外借款的作用在逐渐下降。FL每增加1%，EX、IM、XM分别增加0.279393%、-0.091239%、0.071800%，对外借款对对外贸易的影响已经很小。从数据上我们可以推测，FL的主要作用已经转移到政府在国际上的转移支付或者非贸易部门。 5.2 FDI对对外贸易的影响更加显著。这一点可以从回归结果上得到证实：FDI每增加1%，EX、IM、XM分别增加0.367907%、0.378565%、0.377103%。FDI代替FL成为我国利用外资的主要形式是因为FDI比FI 更能促进我国经济的发展，其原因主要有以下几点：第一、FDI直接解决了我国的一部分就业问题，增加了税收，同时由于许多产品要运回外资国家出售更能带动我国对外贸易的发展。第二、FDI不仅仅是一种资金的转移，更主要的是带来了技术的转移。由于中国起步晚，许多行业处于萌芽阶段，如果单靠自己发展很容易走一些不必要的弯路，FDI的引进能够迅速提高我国的技术水平，弥补我国技术含量低的缺点。第三、FDI的引进在其他领域还产生了许多正的外部效应，如技术服务咨询、技术人才培训、组织管理技能和企业家精神培养等领域。 5.3 FOI在外资中的比例将会上升。FOI每增加1%，EX、IM、XM分别增加0.120836%、0.090134%、0.106786%，国际租赁、补偿贸易等多种利用外资的形式对对外贸易的影响比较显著，根据发达国家的经验，我们预言FOI在外资中的比例将会上升。 参考文献： [1]宋汉，柴瑜.多于承诺的实施—加入WTO对中国引进外资的影响「J].国际贸易，2000(3) :18一20. [2]姜征.外资企业对我国出口产品结构变化的影响分析「J].国际贸易问题，1999(11) :25一27. [3]李健.力争增长—1999年我国外贸形势分析「J].中国贸易，1999(8) :1一13. [4]刘跃生.国际直接投资与中国利用外资I ml.北京:中国发展出版社，1999. [5]季崇威.中国利用外资的历程[M].北京:中国经济出版社，1999. [6磷长洪.利用外资与产业竞争力[M].北京:社会科学文献出版社，1999.

1 ...575859606162636465... 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