-
北京市城镇居民消费模型_经济学毕业论文范文
北京市城镇居民消费模型_经济学毕业论文范文 北京市城镇居民消费模型 一切经济活动的目的都是为了满足人们不断增长的消费需求，消费活动是经济活动的起点，也是经济活动的终点，是推动经济增长的真正和持久的拉动力，这里仅从一个侧面来说明我国居民的消费行为。 模型变量的选择 经济社会中，影响消费的因素有很多，如：收入水平、收入分配情况、家庭财产情况、商品价格等等。在我国，国内生产总值是居民消费的重要影响因素，而且居民消费的多少很大程度上取决于居民收入情况，居民的储蓄也直接影响到消费支出。 样本数据的及理论模型 以t代表年份，c代表北京市城镇居民年人均消费额，y代表市年人均国内生产总值，I代表市城镇人均可支配收入，s代表市城镇居民年人均储蓄余额。 （数据来源：《北京统计年鉴》） 消费模型样本数据 元 年份t居民消费c国内生产总值y可支配收入I储蓄余额s 1978359.861290365.4185.8 1979408.661391414.95204.71 1980490.441582501.36255.85 1981511.431558514.14295.31 1982534.821704561.05352.76 1983574.061977590.47450.81 1984666.752308693.7563.86 1985923.322704907.72720.82 19861067.3829551067.52895.65 19871147.633381181.871180.38 19881455.5541251436.971393.08 19891520.4144991787.082014.31 19901646.0548811787.082793.91 19911860.1757812040.433658.57 19922134.6668052363.684742.92 19932939.682403296.046824.33 19944134.12102654731.2410288 19955019.76130735868.3613638.04 19965729.45150446885.4818436.79 19976531.81167357813.1121439.47 利用以上观测值，由此可得该模型的理论方程： C=β0+β1Y+β2I+β3S+μ （1） 其中，βi 为待估参数，i=0，1，2，3；μ为随机变量。 3.计量经济模型的参数估计与和检验： A． 首先，对（1）由OLS法估计得： Dependent Variable:c Method: Least Squares Date: 5/3/04 Time: 19:27 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C0-6.32739933.77952-0.1873150.8538 Y0.0539610.0312841.7248970.1038 I0.8579750.0919149.3345240.0000 S-0.0510410.015858-3.2185600.0054 R-squared0.999433 Mean dependent var1982.795 Adjusted R-squared0.999327 S.D. dependent var1893.425 S.E. of regression49.12271 Akaike info criterion10.80338 Sum squared resid38608.65 Schwarz criterion11.00252 Log likelihood-104.0338 F-statistic9404.109 Durbin-Watson stat2.375901 Prob(F-statistic)0.000000 查表知t0.01（16）=2.583，F0.01（3，16）=5.29，常数项与变量y 的系数不能通过t检验。去掉变量Y ，修正模型如下： C=β0+β2I+β3S+μ （2） 再次用OLS估计得： Dependent Variable: C Method: Least Squares Date: 5/3/04 Time: 19:31 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C021.5087031.352010.6860390.5019 I0.9998670.04332123.080570.0000 S-0.0617250.015424-4.0019460.0009 R-squared0.999328 Mean dependent var1982.795 Adjusted R-squared0.999249 S.D. dependent var1893.425 S.E. of regression51.89814 Akaike info criterion10.87392 Sum squared resid45788.10 Schwarz criterion11.02328 Log likelihood-105.7392 F-statistic12636.42 Durbin-Watson stat2.321029 Prob(F-statistic)0.000000 查表得：t0.01（17）=2.567，F0.01（2，17）=6.11，对模型进行统计检验，只有常数项不能通过t检验，暂时先不做处理，从经济意义上检验，参数β2在经济理论中表示边际消费倾向，预期值在0，1之间，β2的估计值=0.9999是符合理论预期的。β3的估计值=-0.0617， 符号为负，表明居民储蓄增加，会使居民消费额下降，这符合实际生活情况。 B． 随机误差项μ的序列相关性检验：利用DW检验，样本容量n=20，解释变量个数k=2，可查表得dl=1.2，du=1.41，从而（du=1.41）（DW=2.32）（4-du=2.59），说明模型不存在一阶自相关性。 C． 异方差性检验：做三期滞后的ARCH检验： ARCH Test: F-statistic0.149239 Probability0.928330 Obs*R-squared0.565983 Probability0.904174 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 5/3/04 Time: 19:40 Sample(adjusted): 1981 1997 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C2594.9292062.3701.2582270.2304 RESID^2(-1)0.1416980.2772480.5110900.6179 RESID^2(-2)-0.1367310.276914-0.4937650.6297 RESID^2(-3)0.0124170.2760580.0449800.9648 R-squared0.033293 Mean dependent var2649.652 Adjusted R-squared-0.189793 S.D. dependent var6421.104 S.E. of regression7003.989 Akaike info criterion20.74867 Sum squared resid6.38E+08 Schwarz criterion20.94472 Log likelihood-172.3637 F-statistic0.149239 Durbin-Watson stat2.000002 Prob(F-statistic)0.928330 由X0.05（3）=7.81，（n-p）*r=0.565983，故不存在异方差性。 D． 模型的共线性检验：居民的可支配收入I与居民储蓄余额S间存在相关关系的可能性不能被排除。下面采用一阶差分法消除共线性。将模型化为差分模型： ΔCt=β2ΔIt+β3ΔSt （3） 进行OLS估计得到 Dependent Variable: DC Method: Least Squares Date: 5/3/04 Time: 20:36 Sample(adjusted): 1979 1997 Included observations: 19 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. DI0.8846330.0968219.1367920.0000 DS-0.0274690.031363-0.8758250.3933 R-squared0.958312 Mean dependent var324.8395 Adjusted R-squared0.955860 S.D. dependent var361.3966 S.E. of regression75.92787 Akaike info criterion11.59675 Sum squared resid98005.70 Schwarz criterion11.69616 Log likelihood-108.1691 Durbin-Watson stat3.042976 ΔSt的系数不能通过t检验，所以将模型（2）中的储蓄变量s删除，得到： C=β0+β2I （4） 进行OLS估计得到： Dependent Variable: Y Method: Least Squares Date: 5/3/04 Time: 20:38 Sample: 1978 1997 Included observations: 20 VariableCoefficientStd. Errort-StatisticProb. C128.302322.288345.7564730.0000 I0.8277570.007054117.34540.0000 R-squared0.998695 Mean dependent var1982.795 Adjusted R-squared0.998622 S.D. dependent var1893.425 S.E. of regression70.28700 Akaike info criterion11.43769 Sum squared resid88924.72 Schwarz criterion11.53726 Log likelihood-112.3769 F-statistic13769.95 Durbin-Watson stat1.193999 Prob(F-statistic)0.000000 这便是西方经济学中绝对收入假说下的消费函数模型。该模型的各项检测指标都显著，故该模型也可行。 4．联系实际 但若考虑到1989年前后，我国的经济发生了很大的变化，会影响居民消费行为，仍可将模型进一步改进。 1989年以前，我国经济处于低产出、低消费的状态，市场上商品极为短缺，居民消费普遍不足，1989年以后，人们的可支配收入大幅度提高，消费水平也有所提高。所以考虑将1978~1997年分为两个时期：1978~1988，1989~1997，分阶段建模： （！）1978~1988年： C=β2I 做OLS估计得到： Dependent Variable: C Method: Least Squares Date: 5/3/04 Time: 20:41 Sample: 1978 1988 Included observations: 11 VariableCoefficientStd. Errort-StatisticProb. I0.9926400.006624149.85440.0000 R-squared0.997432 Mean dependent var739.9882 Adjusted R-squared0.997432 S.D. dependent var355.3521 S.E. of regression18.00874 Akaike info criterion8.706099 Sum squared resid3243.146 Schwarz criterion8.742272 Log likelihood-46.88355 Durbin-Watson stat2.183329 （2）1989~1997年： C=β0+β2I 做OLS估计得到： Method: Least SquaresC Date: 5/3/04 Time: 20:48 Sample: 1989 1997 Included observations: 9 VariableCoefficientStd. Errort-StatisticProb. C186.527750.252463.7118120.0075 I0.8158390.01087275.039720.0000 R-squared0.998758 Mean dependent var3501.781 Adjusted R-squared0.998581 S.D. dependent var1907.132 S.E. of regression71.83974 Akaike info criterion11.57988 Sum squared resid36126.64 Schwarz criterion11.62371 Log likelihood-50.10947 F-statistic5630.960 Durbin-Watson stat1.017241 Prob(F-statistic)0.000000 5．总结 从以上的分析可以看到，用计量经济模型，结合特定的历史时期，以特殊的国情为背景，引用经济理论模型作指导和检验，综合运用经济学、统计学、计算机等各种工具和方法，对模型进行不断的修正和改进，最终得到与经济理论相一致的的模型，这对经济政策的制定都有一定的意义。
-
对成都市房地产市场的实证考察_经济学毕业论文
对成都市房地产市场的实证考察_经济学毕业论文 对成都市房地产市场的实证考察—— 一个新的房价指数“排骨面指数” 计量课程论文原创性及知识产权声明 本人郑重声明：所呈交的课程论文是本人在老师的指导下取得的成果。对本论文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。因本课程论文引起的法律结果完全由本人承担。 本课程论文成果归西南财经大学所有。 改革开放以来，中国的房地产市场已经走过了二十多年的风雨历程。上个世纪九十年代初期，它出现了投资热，给国民经济的健康发展带来了负面影响，通过国家及时加强宏观调控才使得这种影响降低到最小的水平；而现今中国的房地产市场又出现了新的一轮投资热潮，国家又是及时进行调控。根据经济学了理论可知，价格对一个市场的健康发展起到了至关重要的作用。那么，作为我国的房地产市场中的房产价格对我国的房地产市场的发展也是发挥着不可忽视的重要影响。 成都的房地产市场作为我国房地产市场的一个有机组成部分。这个市场发展的如何对于国民经济的健康发展有着重要的影响。本文将对成都房地产市场的房产价格做一个实证考察。时下，方方面面发布的房价指数也不少，内行懒的看，外行看不懂。眼下一些售楼处正在流行一种“排骨面指数”，将房价与排骨面价格联系在一起，直观而又实用。所谓“排骨面指数”，即一个楼盘每平方米的平均售价是这个楼盘半径500米内小吃店里排骨面的1000倍。也就是说，区域内楼盘的每平方米的均价，等于这个区域内一碗排骨面价格的1000倍。比如在寸土寸金的春熙路、盐市口区域，一般的小店一碗排骨面的价格至少得3—5元，王府井、伊藤洋华堂内要10元左右。无疑，以春熙路、盐市口为中心，半径500米内你还难买到每平方米4000元以下的新房子。朝西，随着双楠、金沙中高档住宅的不断崛起，排骨面价格坚挺；朝南，临近领事馆、桐锌林、新希望路一带由于城南“富人区”的缘故，排骨面的价格一直在5元左右。 在看中抵挡楼盘。城东八里小区。城北府青路一带，排骨面3—3.5元一碗，那一带房价恰好是2800—3100；在光华片区一带新盘的售价都在3500—4000左右，排骨面也正好是3.5—4…… 根据以上经济现象，我们收集了5月份的一些样本数据并对这些样本数据进行了加工。（见表一）为了验证这个“排骨面指数”，我们下面给出计量经济学分析。 表一（如图）： 房产均价（Y），排骨面价格（X） YXYXYX 35003.536003.534003.5 3085337503.538004 37003.84900548004.5 46004.53900450885 37503.538003.540004 36003.536503.838003.8 500054900548804.5 3100328002.835003.5 400045050555005.5 489053750430803.5 35003.535503.540004 36003.542004540504 58005.54700539003.8 47004.535003.530503 3900458005.545004.5 5500659006.530003 43004.55800638903.8 5050547804.560006.5 602065100554505.5 3890440504.558756 一、建立模型 以“数据驱动”和“让数据为自身说话”的建模思想为指导，我们建立如下的计量经济学模型： Y=a+bX+c 其中： Y——每平方米房产均价 X——一碗排骨面价格 a、b——参数 c——随机扰动项，满足古典假定 二、估计模型中的未知参数(下为表二) Dependent Variable: Y Method: Least Squares Date: 06/08/05 Time: 12:54 Sample: 1 60 Included observations: 60 VariableCoefficientStd. Errort-StatisticProb. C302.4731122.44902.4701970.0165 X925.248727.6579433.453270.0000 R-squared0.950727 Mean dependent var4308.800 Adjusted R-squared0.949878 S.D. dependent var883.1621 S.E. of regression197.7224 Akaike info criterion13.44437 Sum squared resid2267460. Schwarz criterion13.51418 Log likelihood-401.3311 F-statistic1119.122 Durbin-Watson stat2.077173 Prob(F-statistic)0.000000 用OLS法对参数进行估计，把表一数据录入到Eviews软件，进行回归分析，得回归分析结果（见表二）。 将上述回归结果整理如下： Y = 302.4731 + 925.2487X （122.4490） （27.6579） R2 =0.950727 R2 =0.949878 F=1119.122 从回归结果看，可决系数R2很高、F值很大，在显著性水平α=0.05下，常数项与排骨面价格X的回归系数显著，因此回归方程能够投入使用。 三、模型的检验 1、异方差的检验（Goldfeld-----Quandt检验） 样本选取值为1-20, 得模型形式为 Y = 159.6430 + 964.8327X ( 447.2773) (131.3336) R2＝0.749896 ∑e1=450031.1 样本选取值为41-60，得模型的形式为 Y = 1456.002 + 718.7332 X （445.9006） (81.76845) R2=0.811047 ∑e2=738644.7 求F统计量：F=∑e2/∑e11.6413 查F分布表，给定显著性水平α=0.05得临界值F0.05（18，18）=2,比较F0.05（18，18）=1.6413F=2,则接受σ12 =σ22，表明随机误差项不存在异方差。 2、自相关检验（D-W检验） 根据模型中解释变量个数及样本容量查DW临界值表，从而就可以判断模型中随即扰动项是否存在自相关。查表得dl=1.549，du=1.616，而DW=2.0771，大于du，小于4-du，故模型中随机扰动项不存在一阶自相关。 3、参数的显著性检验 对于b，t统计量为33.4533。给定a=0.05,查t分布表，在自由度为n-2=58下，得临界值t0.05(58)=1.6,因为tt0.05(58),所以拒绝H０：b=0,表明排骨面的价格与房产均价有着数量上的必然关系。 四、模型的应用 对样本数据进行的回归，参数b的回归结果在复杂的经济实践中，我们认为是可以接受的。也就是说，“排骨面指数”可以十分直观地作为我们购房参考价。但是，需要强调的是，在这个已经被数字化的时代，经济数据都存在着一个“上上下下的问题”，运用“排骨面指数”时，千万得对几年后这个地区的“排骨面指数”走向有个清醒地判断。比如说，两年前，当双楠一带的排骨面还只有3元一碗时，你买入那里的房子；今天，当双楠、外双楠的排骨面已经涨到了5元，你的房子肯定已经增值了。 因此说，如果你考虑购房的，就应该对半径500米内的排骨面价格认真地加以考察。 关键词：宏观调控；计量经济学；自相关；异方差；排骨面指数 参考文献 1. 高鸿业.西方经济学（微观）.中国人民大学出版社 2. 伍超标经济计量学导论.中国统计出版社，1998. 3.李子奈.计量经济学——方法与应用.清华大学出版社.1992. 4.（美）George G.Jdge等.经济计量学理论与实践引论（中译本）.中国统计出版社，1993. 5. 成都房地产网 6.华西都市报，2005年5月18日 7. 庞浩等.计量经济学.西南财经大学出版社，2001 后 记 房价是多种因素综合作用的随机变量。目前，我国房地产业正处于蓬勃发展的时期，竞争手段日趋多样化，建设部等七部委共同加强对房地产市场的宏观调控。在这样的背景霞，要在准确地把握房价走向就必须时刻关注市场发展动态和各项政策。我们所讨论的“排骨面指数”仅是对房价给出了一个大概的参考标准，更对深一层次的问题没有作解释。而今，课程论文的写作已经完成，但我们对此问题进一步的思考不会因此而停止。我们将继续关注成都房价发展的状况。 由于作者水平有限，以及这个问题所涉及的广度和深度，文章仍有许多不足之处，期望老师以及同学给与指正。 致 谢 当完成这篇论文时，也就意味着一学期的计量经济学学习即将结束。在这学期的学习期间，周老师的丰富理论知识和严谨的教学态度是我们得以完成这篇论文的基础。此外为完成论文，我们查阅了相关报刊书籍和网站上的资料，并引用了一些内容。特向这些资料的原作者表示真切的感谢！ 在这里我们要特别感谢我们的计量经济学周游老师，同时也要感谢金融专业2002级2班，3班的同窗好友，同你们再一起学习的时间必将成为美好的回忆。
-
GDP与进出口总额的计量分析_经济学毕业论文
GDP与进出口总额的计量分析_经济学毕业论文 GDP与进出口总额的计量分析 导论部分 本模型是研究近二十年来我国的对外贸易水平与GDP之间的定量关系。目前国际上衡量一个经济大国有两条通用的硬性标准，一 年度国内生产总值超过10000亿美元，二 进出口总额超过5000亿美元。由此不难看出，进出口总额充分反映了一个国家或者地区参与世界经济的程度，无论是从世界范围来看，还是从中国本身经历过的历史来看，将不难发现对外开放程度是一国经济水平的决定因素。相应的，一个开放国家或地区进出口总额的变动对其GDP增长有着很大的影响作用。我们很自豪的看到中国已经在2002年达到了这个标准，迈入了经济大国的行列。我们将通过模型的建立来定量的讨论这个问题。首先要说明的一点是，我们这个模型只是研究对外贸易额对GDP增长的影响，而不是研究GDP的各个组成部分，。我们的模型采用进出口总额而不是净出口额作为解释变量，因为净出口只是衡量贸易均衡的一个因素，要综合反映一个国家的GDP发展，显然没有进出口总额有效。为此我们开始建模型，但是我们在建立模型时出现了争议，主要有两个意见。意见一：Y=C+C1X+u 这里Y是被解释变量GDP的年增长值，X是解释变量进出口额的年增长额，C1表示进出口额增长对GDP增长的平均影响，u则是描述变量外的因素对模型的干扰。意见二：认为两者是非 线性关系，应该建立如下模型：Lny=C+C2Lnx+u0 这里Lny是被解释变量表示对年度GDP取自然对数值，Lnx是解释变量表示对进出口额取自然对数值，C2表示进口额增加的百分值对GDP增加的百分值的平均影响，u0则是描述变量外的因素对模型的干扰。我们最后采取了折中的办法对两种意见都进行计量估计，最后采用效果较好的模型。 数据采集 要申明一下的是由于我们在图书馆网页的数据库中收集到的GDP数据是以人民币为单位，而同期的对外贸易额则采用美元为计量单位，尽管我们花了很多时间查找也没有找到同期采用美元计量的GDP值。在固定汇率下，这个情况当然不会成为问题，但众所周知从改革开放初期到现在，美元对人民币的汇率从3倍多升到8倍多。所以我们参照了当时的汇率表将对外贸易额转化为人民币单位。通过计算得出增加值，数据如下：表（1）单位：亿元 原值yxLnyLnx 19783624.1355增加值Y=y-y(-1)X=x-x(-1)8.1953615.872118 19794038.2459.451979414.1104.458.3035546.13003 19804517.85701980479.6110.558.415786.345636 19814862.4836.4181981344.6266.4188.4892876.729128 19825294.71235.451982432.3399.0298.5744627.119191 19835934.51295.131983639.859.6858.6885387.166366 198471711590.8219841236.5295.6888.87787.372005 19858964.42066.719851793.4475.889.1010167.633708 198610202.22192.0319861237.8125.339.2303597.692583 198711962.53403.6519871760.31211.659.3895328.132604 198814928.34578.0919882965.81174.449.6110148.429037 198916909.24853.0819891980.9274.999.7356138.487369 199018547.95560.119901638.7707.029.8281128.623371 199121617.87225.819913069.91665.79.9812728.885413 199226638.19119.619925020.31893.810.19019.118181 199334634.41127119937996.32151.410.45269.329988 199446759.420381.91994121259110.910.752779.922403 199558478.123499.9199511718.9311810.9764110.06475 199667884.624133.819969406.5633.911.1255610.09137 199774462.626967.2199765782833.411.2180510.20238 199878345.226857.719983882.6-109.511.2688810.19831 199982067.529896.319993722.263039.311.315310.30549 200089442.239274.220007374.749377.911.4013510.57832 200195933.342193.320016491.12919.111.4714110.65002 参数的初步估计与检验 （一）将第一个模型的样本导入eviews软件进行OLS估计，得到输出结果如下：表（2） Dependent Variable: Y Method: Least Squares Date: 12/12/03 Time: 18:29 Sample: 1979 2001 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. X0.9851640.2243444.3913000.0003 C2221.353696.79563.1879550.0044 R-squared0.478695 Mean dependent var4013.452 Adjusted R-squared0.453871 S.D. dependent var3665.183 S.E. of regression2708.590 Akaike infocriterion18.72919 Sum squared resid1.54E+08 Schwarz criterion18.82792 Log likelihood-213.3856 F-statistic19.28351 Durbin-Watson stat0.803785 Prob(F-statistic)0.000255 （二）模型的检验 （1）经济意义的检验：从理论上讲，一个开放国家的对外贸易额的增长肯定有助于其GDP的增长，这在数据中看来是基本符合的。 （2）统计推断检验 从估计的结果可以看出，可决系数为0.478695，模型拟合情况似乎不理想，系数显著性检验T统计量为：4.3913。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4.39131大于2.080，所以拒绝原假设。表明对外贸易额的增长对GDP的增长有显著性影响 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，所以多重共线性的检验就没有必要了。 （2）异方差检验 利用ARCH检验，得到如下结果：表（3） ARCH Test: F-statistic0.849037 Probability0.487209 Obs*R-squared2.746639 Probability0.432360 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/12/03 Time: 18:52 Sample(adjusted): 1982 2001 Included observations: 20 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C4857916.3712977.1.3083610.2092 RESID^2(-1)0.4054420.2540521.5959000.1301 RESID^2(-2)-0.1783320.279658-0.6376780.5327 RESID^2(-3)0.0746970.2607570.2864630.7782 R-squared0.137332 Mean dependent var7120790. Adjusted R-squared-0.024418 S.D. dependent var12715534 S.E. of regression12869844 Akaike info criterion35.75553 Sum squared resid2.65E+15 Schwarz criterion35.95467 Log likelihood-353.5553 F-statistic0.849037 Durbin-Watson stat1.963091 Prob(F-statistic)0.487209 从输出的辅助回归函数中得obs*-squared为2.746639小于临界值7.81，所以不能拒绝原假设H0，表明模型中随机误差项不存在异方差，即模型没有其它干扰。由于模型拟和的不是很好，我们先不做进一步处理，再看看自相关的检验情况。 （3）自相关检验 用DW检验，根据表（2）可知DW值=0.803785，给定显著水平a=0.05,查Durbin—Watson表，n=23，k`=1，得下限临界值dl=1.257，上临界值du=1.437，因为DW统计量为0.8037851.257。根据判定区域知，随机误差项存在正的一阶自相关，说明前一期水平对后一期水平有影响。结合到异方差检验中出现的没有干扰因素的问题，我们在这里先不做自相关的修正，接着看另一个模型。 开始第二个模型 将第二个模型的数据导入eviews软件进行OLS估计，得到输出结如下：表（4） Dependent Variable: LnY Method: Least Squares Date: 12/12/03 Time: 20:21 Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. LnX0.7395430.02043136.196830.0000 C3.5386970.17720319.969700.0000 R-squared0.983486 Mean dependent var9.858089 Adjusted R-squared0.982735 S.D. dependent var1.131745 S.E. of regression0.148705 Akaike info criterion-0.894046 Sum squared resid0.486491 Schwarz criterion-0.795875 Log likelihood12.72855 F-statistic1310.210 Durbin-Watson stat0.465634 Prob(F-statistic)0.000000 （1）经济意义的检验：从理论上讲，一个开放国家的对外贸易额的增长肯定有助于其GDP的增长，这在数据中看来是基本符合的，这与第一个模型一样是合理的。 （2）统计推断检验 从估计的结果可以看出，可决系数为0.983486，模型拟合情况相当理想，系数显著性检验T统计量为：36.19683。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36.19683远大于2.080，所以拒绝原假设。表明对外贸易额的增长对GDP的增长有显著性影响 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，所以多重共线性的检验就没有必要了。 （2）异方差检验 利用ARCH检验，得到如下结果：表（5） ARCH Test: F-statistic0.128204 Probability0.942049 Obs*R-squared0.464598 Probability0.926597 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/12/03 Time: 20:56 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0167500.0060532.7672820.0132 RESID^2(-1)-0.0242240.235417-0.1029000.9192 RESID^2(-2)-0.1337940.229855-0.5820780.5682 RESID^2(-3)0.0173690.1545860.1123600.9119 R-squared0.022124 Mean dependent var0.014305 Adjusted R-squared-0.150443 S.D. dependent var0.013524 S.E. of regression0.014505 Akaike info criterion-5.458939 Sum squared resid0.003577 Schwarz criterion-5.259982 Log likelihood61.31886 F-statistic0.128204 Durbin-Watson stat1.798427 Prob(F-statistic)0.942049 从输出的辅助回归函数中得obs*-squared为0.464598小于临界值7.81，所以不能拒绝原假设H0，表明模型中随机误差项不存在异方差，即模型没有其它干扰，与上一个模型一样其它因素对本模型产生的影响可以忽略不计。到这里有理由相信该模型的科学性，因为对于一个开放的国家，其进出口额的变动与其它影响GDP的因素往往是同向的，国内产业的高速发展在促进GDP增长的同时也刺激进出口额的，所以进出口额在很大程度上是对国内产业情况的综合反应，这也说明我们当初在选择解释变量的时候采用进出口总额而没有采用净出口额是很正确的，这个模型在避免异方差方面就显得很有道理了。 （3）自相关检验 用DW检验，根据表（4）可知DW值=0.465634，给定显著水平a=0.05,查Durbin—Watson表，n=23，k`=1，得下限临界值dl=1.257，上临界值du=1.437，因为DW统计量为0.4656341.257。根据判定区域知，随机误差项存在正的一阶自相关，说明解释变量前一期水平对后一期水平有显著的影响，我们将在后面进行自相关的修正。 到这里有充分理由来肯定第二个模型优于第一个模型，所以采用第二个模型。 下面开始对第二个模型的自相关进行修正。 用Cochrane—Orcutt迭代法。 得出如下结果： 表（6） Dependent Variable: LnY Method: Least Squares Date: 12/12/03 Time: 21:17 Sample(adjusted): 1979 2001 Included observations: 23 after adjusting endpoints Convergence achieved after 11 iterations VariableCoefficientStd. Errort-StatisticProb. C3.2122850.3541299.0709410.0000 LnX0.7722160.03836220.129690.0000 AR(1)0.6234890.1284954.8522310.0001 R-squared0.993830 Mean dependent var9.930381 Adjusted R-squared0.993213 S.D. dependent var1.099062 S.E. of regression0.090543 Akaike info criterion-1.844882 Sum squared resid0.163960 Schwarz criterion-1.696774 Log likelihood24.21614 F-statistic1610.802 Durbin-Watson stat1.878204 Prob(F-statistic)0.000000 Inverted AR Roots .62 从表（6）可以看出，这时duDW=1.8782044-du,得到了明显改善。 通过以上分析我们，我们得到如下方程： LnY = 3.538697+ 0.739543LnX t= (19.96970 ) (36.19683 ) R^2= 0.983486 F=1310.210 DF=24 该模型的经济意义可解释为：对外贸易额每增长1%，则GDP平均增长0.739543%。 做出该模型的散点图如图（1）： （图中X和Y表示LnX和LnY） 拟和的不是很好，经过分析我们发现进出口额与GDP值的变动在1983年1998年出现了异常情况，导致散点兔出现两个拐点。1983年对外贸易的增幅为59.85显然比相邻年份小，但GDP值似乎没有受到影响，这与改革之初对外贸易不太稳定的实际情况相吻合；1998年对外贸易出现了负增长为—109亿元，对于1998年进出口额的负增长，GDP的增长为3882.6虽然受到影响但没有像对外贸易额那么剧烈。东南亚金融危机导致对该地区和香港台湾的进出口额受到影响，以及国内爆发100年不遇的大洪水可以解释对外贸易额的锐减。现在我们将剔除这个数据再次进行OLS估计，（表中样本78到2000表示的是78到2001的数据剔除83和98年后的OLS估计）来看看情况会如何变化。 表（7） Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 12:14 Sample: 1978 1999 Included observations: 22 VariableCoefficientStd. Errort-StatisticProb. X0.7288220.02091834.842660.0000 C3.6284460.18115220.029850.0000 R-squared0.983793 Mean dependent var9.847123 Adjusted R-squared0.982982 S.D. dependent var1.114807 S.E. of regression0.145429 Akaike info criterion-0.931756 Sum squared resid0.422989 Schwarz criterion-0.832570 Log likelihood12.24931 F-statistic1214.011 Durbin-Watson stat0.526996 Prob(F-statistic)0.000000 得到更佳的效果： 可决系数和修正可决系数更高，且T统计值仍然很理想 LnY = 3.628446+0.728822LnX t= (20.02985 ) (34.84266 ) R^2=0.983793 F=1214.01 DF=22 该模型的经济意义可解释为：对外贸易额每增长1%，则GDP平均增长0.733091%。作出散点图。（图中X和Y表示LnX和LnY） 98年处拐点被修匀，但早期散点仍然不是很平滑，从理论上可解释为改革初期由于开放程度不够高，对外贸易的变动对GDP增长的影响力度不够大。因此可以认为：长期内，一个对外开放的国家当国家外部经济环境没有重大变化的情况下，国家对外贸易与GDP确实存在对数线性相关关系，可以用最初的模型Lny=C+C2Lnx+u0进行拟和。表明，一个开放国家的对外贸易额在很大程度上是对国内产业情况的综合反映，会在很大程度上影响它的GDP值，可以借助一个对外开放的国家或者地区对外贸易额来研究其总体经济状况。
-
工业产值与能源耗量的实证分析_经济学毕业论文范文
工业产值与能源耗量的实证分析_经济学毕业论文范文 工业产值与能源耗量的实证分析 论文摘要：改革开放以来，我国的工业产出迅速增长，从1978年1607亿到2002年46535亿（人民币，选用当年价格），增长了近30倍，但是，我国能源渐渐告急，九十年代以来，越来越多的企业渐渐重视由“粗放型”向“集约型”转变.本文旨对近24个月的工业产值和能源耗量进行实证分析。利用EVIEWS软件对模型进行了参数估计和检验。最后，我们对所得的分析结果作了经济意义的检验和分析，并相应提出一些政策建议。 关键词：工业产值 能源耗量 粗放型 集约型 一 前 言 工业产值的增加与能源耗量密不可分，尤其是重工业的发展更是对能源具有很强的依赖性。二战后，世界经济取得迅猛的发展，很多国家都度过了一个较长的经济黄金期，但是，七十年代欧佩克的建立使得全世界各工业大国都陷入了空前的能源危机，石油已经成为影响世界经济的一个重要因素，能源的变化就意味着工业产值的变动。本文所述的能源主要指煤炭、石油、电力等自然能源，工业产值涵盖国内所有重工业和轻工业。就我国而言，虽然是个能源大国，但是从人均而言，又是个能源小国，改革开放以来，我国的工业取得长足的发展，而能源短缺也渐渐成为人们关注的焦点，如何高效的利用能源？如何实现可持续发展？能源与工业发展两者之间的关系十分密切，下面我们从我国当月的能源耗量和工业产值的角度出发，建立计量经济模型对上述问题进行分析。 二 计量经济模型的建立 我们选取能源耗量Y作为因变量，工业产值X作为自变量，建立了简单线形回归模型： Y = a + bX + u Y :我国当月能源消耗量 ( 单位:万吨) X :我国工业当月生产总值 ( 单位:亿元) U :随机扰动项 注 ：能源耗量万吨以标准煤计算。 三 中国2001.07-2003.06数据的搜集 通过查阅近三年的统计年鉴，我们得到以下数据: obsYX 2001:078595.452201 2001:088910.662233 2001:098947.112352 2001:109181.662332 2001:119413.242389 2001:1210233.712632 2002:019189.392158 2002:027616.261880 2002:039714.512456 2002:049668.992569 2002:059883.062617 2002:0610239.872780 2002:079748.682568 2002:0810127.42634 2002:0910265.42825 2002:1010164.832830 2002:1110384.642949 2002:1211415.63216 2003:0110051.612662 2003:028765.32547 2003:0310800.013134 2003:0410851.613197 2003:0511232.443190 2003:0611704.953633 （注：由于我国近几年物价指数相当稳定，以上数据全采用当年价格，即工业产值数据没有消除物价因数.数据来源于中国统计年鉴2001，2002,2003） 四 模型的参数估计及检验 我们根据以上数据可以通过上边设定的线形回归模型对我国工业产值和能源耗量之间的关系进行计量模型分析。通过EVIEWS软件的计算，我们得到以下的结果： Dependent Variable: Y Method: Least Squares Date: 12/13/03 Time: 14:33 Sample: 2001:07 2003:06 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. X2.2431010.15769914.223980.0000 C3899.324425.08969.1729470.0000 R-squared0.901927 Mean dependent var9879.433 Adjusted R-squared0.897469 S.D. dependent var960.8949 S.E. of regression307.6835 Akaike info criterion14.37568 Sum squared resid2082721. Schwarz criterion14.47385 Log likelihood-170.5081 F-statistic202.3216 Durbin-Watson stat2.061590 Prob(F-statistic)0.000000 从图表和残差图中我们可以认为残差是服从正态分布的，所以我们可以进行计量经济模型回归。 对模型回归结果: 从显示图表中我们得到以下的结果： Y = 3389.324 + 2.243X (425.0896) (0.157699) (t=9.172947) (14.22398) R-Squared=0.901927 df=23 从上面的估计的结果可以看出：可决系数R-Squared=0.901927，表明模型在整体的拟和非常好。系数显著性检验：对于C、X的系数，t的统计量的绝对值都远大于2,都通过了检验。下图展示了Y X 在坐标中的相关性. 接着我们利用ARCH检验进行异方差的检验 ARCH Test: F-statistic0.206720 Probability0.890328 Obs*R-squared0.739118 Probability0.863967 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/13/03 Time: 14:39 Sample(adjusted): 2001:10 2003:06 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C112076.652725.042.1256820.0485 RESID^2(-1)-0.0269100.238090-0.1130230.9113 RESID^2(-2)0.0090840.2370240.0383240.9699 RESID^2(-3)-0.1838790.237181-0.7752690.4488 R-squared0.035196 Mean dependent var93937.32 Adjusted R-squared-0.135063 S.D. dependent var160472.1 S.E. of regression170965.9 Akaike info criterion27.10596 Sum squared resid4.97E+11 Schwarz criterion27.30492 Log likelihood-280.6126 F-statistic0.206720 Durbin-Watson stat2.044584 Prob(F-statistic)0.890328 对于残差项我们对其滞后了三期.从表格中我们可以看到： Obs*R-squared 7.81 显而易见,模型不存在异方差. 最后进行自相关的检验。先利用图示法： 相关2从图形我们可以看出随机扰动项不存在自相关。 再用DW统计量进行检验 同时我们进行DW统计量的检验:德宾-沃森d统计量在0.01显著性水平上查表得: dl=1.081 du=1.087 本模型中du 2.045 4-du 显然不存在自相关。 五 模型的经济意义检验 经过回归，我们得出了工业产值和能源耗量的回归方程： Y = 3389.324 + 2.243X 首先，截距项a=3389.324 。从中我们可以分析得：如果我国工业产值为0，能源消耗量为3389.324（万吨）。也即是国内的其他行业能源消耗量。从数据中分析得出，我国的工业所耗用的能源大致占总能源的70%。这与我国的实际情况恰好相符合。 其次，系数b = 2.243 ，即：当工业产值每增加一亿元，就要消耗掉2.243万吨能源。以一吨标准煤203.5元（人民网2003.9.21价格）来计算，每增加一亿元工业产值，大约要消耗掉价值450万元的能源。也就是说：在每增加生产一块钱的工业品中，能源成本就要占约四分五厘钱。而这个结论也大致与我国的实际情况一致。所以，模型对现实经济有较强的解释效果。 六 我国工业与能源的未来 从上边的模型中，我们已经大致了解了我国的能源及工业产值的状况，从中不难发现，对比其他的发达或较发达工业国，我国的能源利用效率并不理想。能源对于工业产值的贡献与发达国家还有很大的差距，能源危机的逐渐加重和工业产值的迅速增加之间所形成的矛盾也越来越棘手，这也正是90年代以来，政府一直推崇的经济要由“粗放型”向“集约型”转变的原因。 按实现经济增长途径的不同，经济增长方式划分为两种：一是粗放型经济增长方式。其基本特征是单纯依靠增加生产要素的投入来扩大生产规模，实现经济增长。以这种方式实现经济增长，消耗较高，成本较高，产品质量难以提高，经济效益较低。 二是集约型经济增长方式。其基本特征是依靠提高生产要素的质量和利用效率，来实现经济增长。以这种方式实现经济增长，消耗较低，成本较低，产品质量能不断提高，经济效益较高。 一个国家的经济增长方式是与其经济发展阶段和经济技术条件相联系的。在不发达阶段，经济增长以粗放型增长方式为主是难以避免的。到了发达阶段，经济增长方式则以集约型为主。中国正处于工业化的初期阶段 ，工业增长方式基本上仍处于“粗放型”扩大再生产的状态，资源能源消耗大，环境污染严重。转变工业经济增长方式，变粗放型为集约型，降低资源能源消耗，防治工业污染，是实施中国工业可持续发展的必由之路。我国的经济增长方式，由粗放型向集约型转变是十分必要的，这是因为： 第一，经济增长需要各种资源的供应，但是，资源对于经济增长的需要总是有限的，尤其我国，人均占有资源不足，如果经济增长方式不转型，就很难支撑日益扩大的生产规模。只有转变经济增长方式，才能缓解资源有限与经济增长对资源需要之间的矛盾。 第二，不同的经济增长方式所产生的经济效益大不相同。粗放型方式，投入大，成本高，效益低。而集约型方式则投入小，成本低，效益高。实现经济增长方式的转变，可以较快地增强国家的经济实力，提高人民的生活水平。 第三，经济增长方式直接影响一个国家在国际市场上的竞争力。发达国家可以凭借其高超技术，向国际市场推销技术密集型产品，从而获得丰厚利润。而发展中国家，由于技术落后，则只能出口初级产品或低档次的产品，不仅价格低，收入少，得不到更多的实惠，而且在国际竞争中也处于极为不利的地位。因此，必须提高技术水平，转变经济增长方式。 总之，转变经济增长方式，是提高经济效益，实现社会主义现代化建设，在国际经济竞争中取胜的根本途径，是我国人民跨世纪的迫切任务。近年来，我国政府也在逐步加强优化工业结构，促进工业增长方式的转变。在推进工业经济增长方式从粗放型向集约型的转变过程中，把优化工业结构，合理规模经营，加快企业组织结构调整，作为宏观调控的主要措施和防治污染的重要途径，以建立投入少、产出多、质量好、消耗低的资源节约型、科技先导型的工业体系。 相关2.04 参考文献： 1《计量经济学》 庞皓主编 西南财经大学出版社 2《中国统计年鉴》2001 2002 2003年 3 财大电子图书 中宏数据库 4《新中国五十年统计资料汇编》 中国统计出版社 1999年 5 中华人民共和国可持续发展国家报告 1999.06 6《20年经济改革回顾与展望》 中国经济出版社
-
货币政策与GDP的回归分析_经济学毕业论文
货币政策与GDP的回归分析_经济学毕业论文 货币政策与GDP的回归分析 问题的提出 1992年以来，我国的GDP增长率是逐年下降的，到1999年达到最低值7.1%。为了扭转这种局面，中国人民银行于1999年将适度从紧的货币政策改为稳健的货币政策，并采用积极的财政政策与之相匹配，适时扩大内需，刺激投资，带动消费。2000年GDP增长率上升到8.0%，但2001年GDP增长率下降到7.3%。虽然2002年2月21日又一次降息，当年GDP增长率达到8.0%，但是居民消费物价指数又一次变为负数。由此引发了国内经济界激烈的争论。从货币政策推动GDP增长的长期效应来看，货币政策的作用主要集中在GDP名义价值上，也就是货币政策变化引起货币供给量的变化，最终只是使得价格水平同比例变化，对GDP进行价格核算后得到的实际量并没有变化。对此看法经济界意见基本上一致，争论的焦点集中在短期影响上。有人认为我国货币政策对拉动GDP增长是有效的，随着稳健货币政策的实施，GDP增长率上升到了2000年8.0%，至于2001年下落到7.3%，是由于其他原因（如市场经济体制改革深化等）。也有人认为我国货币政策目标是稳定币值，而中国人民银行近几年来用尽了扩张性货币政策手段的办法和措施，依然不能将GDP增长率拉动到8.0%以上。那么货币政策在短期内对我国的GDP增长是否有效呢？我们可通过对货币政策和GDP的增长的相关性进行分析来认识这个问题。 模型的设定 根据以上的经济理论分析，我们初步建立如下计量经济模型： Y=C1+C2*X+u Y—被解释变量，实际GDP X—解释变量M2 C2—M2对GDP的平均影响，且0C21 u—随机误差，描述变量以外的因素对模型的干扰 注：GDP采用实际GDP=名义GDP/商品零售价格指数；依据国际惯例，均将货币供应量M2货币政策的中介目标，而将M2/GDP作为货币政策的操作空间，所以我们也将M2作为中介目标。（具体详见备注） 数据的搜集及处理方法 1 货币需求量M2据的搜集： M2= M1+储蓄存款+定期存款，广义货币的供给量可以从《中国统计年鉴》，《中国金融统计年鉴》中查得。 2 GDP数据的搜集 1985-2002年间的GDP数据可以从《中国统计年鉴》中直接得到. 数据来源：《中国金融年鉴》、《中国统计年鉴》。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. 表一 Obs x y 1985 5198.9 69.9797 1986 6720.9 75.0162 1987 8330.9 81.9349 1988 10099.8 86.2908 1989 11949.6 83.1327 1990 15290.4 89.3014 1991 19349.9 101.4123 1992 25402.2 118.2864 1993 34634.4 135.8745 1994 46923.5 150.7395 1995 60750.5 164.2182 1996 76094.9 179.6840 1997 90995.3 195.5425 1998 102297.0 214.0628 1999 82067.5 228.0920 2000 89468.1 252.4495 2001 97314.8 276.7770 2002 104790.6 301.9902 四．参数估计与检验 (一)，将样本数据导入Eviews,通过OLS的如下结果：表二 Dependent Variable: Y Method: Least Squares Date: 05/28/05 Time: 16:50 Sample: 1985 2002 Included observations: 18 VariableCoefficientStd. Errort-StatisticProb. X0.0012873.70E-0534.774670.0000 C76.162163.09005424.647520.0000 R-squared0.986942 Mean dependent var155.8214 Adjusted R-squared0.986126 S.D. dependent var74.69894 S.E. of regression8.798764 Akaike info criterion7.291539 Sum squared resid1238.692 Schwarz criterion7.390469 Log likelihood-63.62385 F-statistic1209.278 Durbin-Watson stat0.375177 Prob(F-statistic)0.000000 在做了回归后，对其进行平稳性和协整性的检验。 1，首先对Y，即GDP做平稳性检验 ADF Test Statistic-4.228094 1% Critical Value*-4.0681 5% Critical Value-3.1222 10% Critical Value-2.7042 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(Y,3) Method: Least Squares Date: 06/06/05 Time: 22:16 Sample(adjusted): 1990 2002 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. D(Y(-1),2)-1.9681860.501054-3.9280940.0035 D(Y(-1),3)0.6241980.3903441.5990950.1443 D(Y(-2),3)0.4139930.2751141.5048050.1666 C3.2792261.3168242.4902530.0344 R-squared0.775940 Mean dependent var0.646131 Adjusted R-squared0.701253 S.D. dependent var7.740638 S.E. of regression4.230860 Akaike info criterion5.970348 Sum squared resid161.1016 Schwarz criterion6.144178 Log likelihood-34.80726 F-statistic10.38925 Durbin-Watson stat1.723355 Prob(F-statistic)0.002788 再对X，即M2做平稳性检验 ADF Test Statistic-4.973865 1% Critical Value*-4.1366 5% Critical Value-3.1483 10% Critical Value-2.7180 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(X,3) Method: Least Squares Date: 06/06/05 Time: 22:43 Sample(adjusted): 1991 2002 Included observations: 12 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. D(X(-1),2)-2.3713000.797380-2.9738650.0207 D(X(-1),3)1.1300040.6309401.7909850.1164 D(X(-2),3)1.8048110.5692693.1704030.0157 D(X(-3),3)1.4660840.6812492.1520540.0684 C3511.3731157.7883.0328280.0190 R-squared0.808560 Mean dependent var126.8833 Adjusted R-squared0.699166 S.D. dependent var3775.405 S.E. of regression2070.748 Akaike info criterion18.40354 Sum squared resid30015977 Schwarz criterion18.60559 Log likelihood-105.4213 F-statistic7.391246 Durbin-Watson stat2.022025 Prob(F-statistic)0.011757 3对残差平稳性的检验 ADF Test Statistic-4.794614 1% Critical Value*-4.0681 5% Critical Value-3.1222 10% Critical Value-2.7042 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(E,3) Method: Least Squares Date: 06/06/05 Time: 22:23 Sample(adjusted): 1990 2002 Included observations: 13 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. D(E(-1),2)-2.1832770.455360-4.7946140.0010 D(E(-1),3)0.8174770.3176852.5732330.0300 D(E(-2),3)0.4532920.2334391.9417970.0841 C0.0144340.0086031.6777260.1277 R-squared0.810442 Mean dependent var0.005912 Adjusted R-squared0.747255 S.D. dependent var0.060455 S.E. of regression0.030393 Akaike info criterion-3.901549 Sum squared resid0.008314 Schwarz criterion-3.727719 Log likelihood29.36007 F-statistic12.82626 Durbin-Watson stat1.372819 Prob(F-statistic)0.001336 可以看出，检验的结果是二阶单整，而且残差具有平稳性，因此二变量X,Y之间具有协整性。则表明变量之间存在长期的稳定关系，这种长期的稳定关系是在短期动态过程的不断调整下得以维持。 （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。在我国经济增长中，货币政策的拉动作用是明显的，是正的线形关系。 2．统计推断的检验 从估计的结果可以看到，可决系数为0.986942，说明模型拟合的情况比较理想。系数显著性检验T统计量为：34.77467。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=16下的临界值为2.12。因为34.77467大于2.12，所以拒绝原假设。表明货币政策对GDP有显著影响。 3，计量经济的检验 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。 异方差的检验， 利用ARCH检验，得到如下结果： ARCH Test: F-statistic4.413974 Probability0.028670 Obs*R-squared8.193609 Probability0.042175 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 05/28/05 Time: 21:00 Sample(adjusted): 1988 2002 Included observations: 15 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C40.4345824.899011.6239430.1327 RESID^2(-1)1.1099960.3521133.1523850.0092 RESID^2(-2)-0.8688670.446935-1.9440560.0779 RESID^2(-3)0.2071490.3350260.6183060.5490 R-squared0.546241 Mean dependent var63.50606 Adjusted R-squared0.422488 S.D. dependent var73.98315 S.E. of regression56.22291 Akaike info criterion11.11970 Sum squared resid34771.17 Schwarz criterion11.30852 Log likelihood-79.39778 F-statistic4.413974 Durbin-Watson stat1.498805 Prob(F-statistic)0.028670 其中，自由度为P=3，这是试探从1到n-1/2(这里n取样本个数18)，决定选择p为3，在给定显著水平为0.05的情况下，得临界值为7.815.因为8.193609大于7.815，所以拒绝原假设，表明模型中随机误差项中存在异方差。这表示随着时间的推移，影响GDP的因素可能发生了变化。例如：财政政策对货币供给产生了影响，从而影响到了GDP；利率的变化；近几年国内的通货膨胀等等。 （3）。自相关的检验 我们运用DW检验法，根据表2估计的结果，有DW=0.375177，在给定显著性水平为0.05，查DW表，N=18，K（解释变量个数）=1，得下限临界值，得下限临界值为1.158，上限临界值为1.391，因为DW统计量为0.375177小于下限临界值为1.158。根据判定区域可知，这时随机误差项寸在正的一阶自相关。其原因可能在于不同的货币政策对经济发展的影响时滞性不同 五：计量经济参数修订 根据上述检验可以得到我们建立的模型存在异方差和自相关，下面进行修正： （1）首先对异方差进行修正：利用WLS估计法得到如下输出结果： Dependent Variable: Y Method: Least Squares Date: 05/28/05 Time: 22:33 Sample: 1985 2002 Included observations: 18 Weighting series: W VariableCoefficientStd. Errort-StatisticProb. C76.570800.159892478.89190.0000 X0.0012848.05E-06159.38040.0000 Weighted Statistics R-squared0.979998 Mean dependent var110.9213 Adjusted R-squared0.979998 S.D. dependent var380.9714 S.E. of regression0.489072 Akaike info criterion1.511825 Sum squared resid3.827064 Schwarz criterion1.610755 Log likelihood-11.60643 F-statistic10315428 Durbin-Watson stat1.847117 Prob(F-statistic)0.000000 Unweighted Statistics R-squared0.986927 Mean dependent var155.8214 Adjusted R-squared0.986110 S.D. dependent var74.69894 S.E. of regression8.803745 Sum squared resid1240.095 Durbin-Watson stat0.372739 再用对数变化法，将变量X,Y替换成LNX ,LNY.用LY,LX回归，得到结果如下： Dependent Variable: LY Method: Least Squares Date: 05/28/05 Time: 22:45 Sample: 1985 2002 Included observations: 18 VariableCoefficientStd. Errort-StatisticProb. C0.6572990.1399334.6972410.0002 LX0.7083600.01326830.776700.0000 R-squared0.983389 Mean dependent var4.938367 Adjusted R-squared0.982351 S.D. dependent var0.486568 S.E. of regression0.064641 Akaike info criterion-2.535492 Sum squared resid0.066856 Schwarz criterion-2.436562 Log likelihood24.81943 F-statistic947.2050 Durbin-Watson stat0.345760 Prob(F-statistic)0.000000 比较二种方法，可以发现X，Y在对数线形回归下拟合效果更好，可决系数更好，因此我们将模型的表达试更改为lnY=lna+blnX+u (2)对自相关进行修正 利用对数线形回归修正并进行迭代，得如下结果： Dependent Variable: LY Method: Least Squares Date: 05/28/05 Time: 23:06 Sample(adjusted): 1986 2002 Included observations: 17 after adjusting endpoints Convergence not achieved after 100 iterations VariableCoefficientStd. Errort-StatisticProb. C-0.6584391.587436-0.4147820.6846 LX0.5211170.1269994.1033160.0011 AR(1)0.8306210.1438875.7727330.0000 R-squared0.995732 Mean dependent var4.978965 Adjusted R-squared0.995123 S.D. dependent var0.469067 S.E. of regression0.032759 Akaike info criterion-3.840522 Sum squared resid0.015024 Schwarz criterion-3.693484 Log likelihood35.64444 F-statistic1633.257 Durbin-Watson stat1.412072 Prob(F-statistic)0.000000 Inverted AR Roots .83 从估计的结果看，DW=1.412072与上述上限临界值为1.391相比有了明显好转。所以也修正了自相关性。 六，总结 通过以上分析，我们得到如下方程： LY=0.657299+0.708360*LX （0.139933） （0.013268） T= （4.697241） （30.77670） R^2=0.979998 F=10315428 DF=16 从该模型可以看出，最近18年中我国货币供应量与产出之间确实存在稳定的关系，当年实际GDP与货币形态的金融资产总量M2呈明显的相关关系，相关系数高达0.9833。其弹性系数为：E(GDP) =0.708360 ，表明在18年中，货币供应量M2平均增加1个百分点，就能拉动GDP约0.71个百分点。 由以上的相关分析，我们可以看出，在我经济增长中，货币政策的拉动效应是明显的。如果说2003年初仍有人怀疑货币政策的拉动作用，那么年末人们就疑云消散，虽然第二季度受“非典”影响，但是2003年的GDP增长却达到了9.1%。换言之，近几年，若不是中国人民银行实施稳健的货币政策，推动消费信贷市场，如住房信贷和汽车信贷，我国的GDP增长率每年都高达7%以上是不可能的。众所周知，货币政策和财政政策是宏观经济的两人调控手段。近几年来采取积极的财政政策，利用政府发债投资的方式促进经济增长，亦有非常显著的成效。但是我们也注意到，政府发债投资并没有引发民间投资的热潮，稳定健康持续的经济发展不可能无限制的依靠财政赤字，在今后一两年内，积极地财政政策很可能淡出。在当前的经济状况下，应当充分发挥货币政策的作用，进一步疏通货币政策的传导机制，改善中小企业特别是民营企业贷款难的现状，促进中小企业和民营企的发展，使其对GDP增长能发挥更大的作用。 （备注： 各层次货币供应量的回归方程为： M=a.GDP+b.CPI+c 利用SAS软件对1978年到2001年之间各层次货币供应量进行回归分析，我们可得各层次货币供应量的估计结果。 1）M0的估计结果（见表四）： M0的回归方程如下： M0=0.347298GDP+0.035421CPI+0.11293 2）M1的估计结果（见表五）： M1的回归方程为： M1=0.339762GDP+0.013604CPI+0.110013 3）M2的估计结果（见表六）： M2的回归方程如下： M2=0.443094GDP+0.007361CPI+0.14427 4）M2-M1的估计结果（见表八）： M2-M1的回归方程如下： M2-M1=－0.00528GDP+0.070658CPI+0.173929 上述回归结果总体上体现出以下几个特点： 一是以95％的置信度为标志，各层次货币供应量以及准货币M2-M1的回归效果都非常显著。 二是从与经济增长GDP的相关性来看，M2最为显著，其相关系数高达0.443094，这表明当GDP增加或减少一个百分点时，M2将相应增加或减少0.443094个百分点；与M0、M1的相关系数分别为0.347298和0.339762,其相关性相对弱于M2，这也表明当前我国主要以M2为中间目标是符合实际情况的；需要说明的是与M2-M1之间处于负相关，系数为-0.00528，尽管系数非常小，但是这种趋势应该引起我们的关注。从我们国家改革开放20多年的实践来看，尽管资金流越来越大，但整体上仍然属于资金紧缺型，因此资金这一要素对经济增长的促进作用比较强，资金流量大，经济发展就快，资金流量小，经济发展就慢。而准货币M2-M1主要用于储备，其对经济增长发生作用的前提就是银行及时地把这部分定期存款以贷款形式发放出去，否则这种储备对经济增长的作用就很难体现出来。 三是从货币供应量与价格水平的相关性来看，都较为一致地呈现出正相关，相关程度由高到低依次为M2-M1M0M1M2。一般来讲，价格水平与利率水平的变化方向都是一致的，价格水平高，利率水平也相应提高，价格水平低，利率水平就低，这与我国的实际情况是相符合的。当价格水平高（利率水平高）时，定期存款的增长幅度会相应增加；当价格水平低（利率水平低）时，居民消费或投资的热情也会相应增强，M2-M1的增长速度自然也会下降。M0M1M2的相关特征就更容易让我们理解了，实际上很长一段时间之内，我国中央银行一直把现金作为一个非常重要的操作变量加以调控，主要目的就是现金交易一度是我国非常重要的交易方式，尽管这几年非现金的交易手段日益丰富，但是现金对我国价格水平的变化仍然起到举足轻重的作用，它与价格水平的相关性也就相应会高一些。
-
关于就业与经济增长的计量分析_经济学毕业论文范文
关于就业与经济增长的计量分析_经济学毕业论文范文 关于就业与经济增长的计量分析 摘要：本文主要目的是研究就业与经济增长之间的关系，通过对1991—2001年我国就业人口与国内生产总值的数据进行计量经济分析，把二者的关系数量化，从而提出充分就业与经济增长的双赢对策。 关键词：国内生产总值 一 引言 2003年3月18日，新任国务院总理温家宝在答中外记者问的时候曾经讲过：“中国改革开放以来，国内生产总值的增长速度年均在9%以上。中国近5年尽管受到亚洲金融危机风波的影响，国内生产总值的增长速度年均仍保持在7%，去年达到了8%。但是中国的劳动力有7亿4千万，而欧美所有发达国家的劳动力只有4亿3千万。中国每年还新增劳动力1000万，下岗和失业人员大约有1400万，进城的农民工一般保持在1亿2千万，中国面临巨大的就业压力。” 上述一连串触目惊心的统计数据充分反映了我国面临的重大问题。伴随着我国体制改革和结构调整的进一步深化，国际竞争日趋激烈，我国劳动力的就业形势十分严峻。一方面存在大量的劳动人口；另外一方面我国就业弹性近年呈现明显的下降趋势，各行业吸纳就业人口的能力显著降低。 另一方面，90年代后我国就业弹性成明显下降趋势，各行业吸纳就业人口的能力显著降低。与就业面临的严峻形势相比，我国的经济增长率总体上还是稳定在7％～9％的区间内。因此，可以通过研究分析就业与经济增长之间的关系，来寻求在保持经济稳定增长的条件下促进就业的有效政策，这也正是本文研究目的之所在。 二，就业人口与国内生产总值计量模型的构建 为了定量化研究就业与经济增长之间的关系，本文选择了1991～2001近11年就业人口与国内生产总值的数据作为观测样本，以下数据摘自1996～2000年的中国统计年鉴（其中国内生产总值采用现行价格计算）。 从上表可以明显看出，随着国内生产总值的逐步增长，我国的从业人口总数也在随之不断增加，因此二者之间很可能存在相关关系。附表中的表一就是根据以上资料做出的就业人口与国内生产总值的散点图，反映出我国的就业人口与国内生产总值之间存在这明显的非线性正相关关系。 可见，两者间相互依存的关系十分显著。为了对此经济现象进行数学模拟，用于定量化的研究，根据散点图的形状，本文决定采用指数模型进行拟合，得到如下模型： = 其中Y表示各年年末从业人员总数，X表示GDP（现行价格）， 为常数，为1991～2001年的平均就业弹性。另外，由于就业人口与GDP之间并不是完全精确的函数关系，需要引进作为随机误差项，表示虽然影响就业人口但又未纳入模型的诸多因素的综合影响。 三 经济增长对就业影响的计量分析 为了使参数便于估计，现将方程两边取对数转化为线性模型，得到对数方程： 假设模型中随机误差项满足古典假定，下面采用Eviews统计软件进行回归，运用OLS估计，得到输出结果见图二，估计式如下： (0.16745) (0.015315) t = (59.14164) （7.330833） =0.856553 F = 53.74112 DW = 1.762777 其中列在回归方程下方第一排圆括号内的数字对应参数估计的标准误差；第二排圆括号内的数字分别是在对应参数为零的原假设下所计算的t 统计量。 从估计的结果可以看出，模型的拟合程度良好。可决系数接近于1，表明模型在整体上拟合较好。系数显著性检验：对于，t 统计量为7.330833 ，给定显著性水平为0.05时，（9）＝2.262，因为t ＞(9),所以拒绝：＝0 ，表明国内生产总值对就业人口总数有显著影响。F统计量的数值比较大，也说明解释变量与应变量与应变量之间的线性关系显著。另外。由DW＝1.762777，当给定显著性水平为0.05时，查表的下限临界值＝0.927，上限临界值＝1.324，4－＝2.676。 DW 统计量恰好落在的区间内，接近于2，表明模型不存在一阶自相关。并且从经济意义上看，平均就业弹性＝0.1127在0～1之间，符合经济理论。表示GDP每增长1％，从业人员总数平均增长11.227％，反映了经济增长对就业的拉动程度。因此，该回归方程对我国从业人员总数与GDP的关系的拟合效果十分优良。将其还原为原方程可得： 由此可见，近11年来我国经济增长对就业的促进作用是十分显著的。1991～2001年的平均就业弹性为0.11227，就业与经济增长的方向保持一致。因此，就决就业问题应当以稳定并且适度的经济增长为前提。离开了经济增长，扩大就业就难以长久，只有大力发展经济，才能向社会提供更多的就业岗位，缓解即将面临的巨大就业压力。 四 扩大就业与经济增长的双赢对策 针对我国所面临的就业问题，本文认为大力发展第三产业才是最佳的解决方法。 济必须保持稳定而快速的发展。 经济增长率的提高会增加就业的需求，一般经济增长一个百分点，会带动一百万以上劳动就业人口的增量，且随着时间的推移，拉动作用更大；另一方面，经济增长会大量减少失业人口，对降低失业的效果十分显著。所以，经济的繁荣在减少失业人员的同时增加了就业岗位，使得供需双方的矛盾得以缓解。同时要注意经济增长的速度不能过低，否则会造成对劳动力的需求拉动能力不足，下岗失业人员增加，农村剩余劳动力的转移受到限制。劳动力的需求本身就很小，这种情况下会加剧就业压力，使问题恶化。 传统服务业的基础上拓展现代服务业。 随着时代的发展，科技的进步，世界各国的产业结构都发生了重大的变化，最明显的就是服务业占GDP的比重超过了工业，一些国家甚至超过了工农业比重之和。发达国家服务业占GDP的比重一般都在60％以上，吸纳了约70％的社会劳动者，服务业已成为劳动力数量最庞大的产业，也成了吸纳就业最主要的方式。 我国第三产业的发展同样为国家创造了巨大的产值，为人民提供了大量的就业岗位。但是由于多年来对服务业的发展重视不够，现在与大多数国家相比，产值无论绝对数还是相对数都比较小，吸纳就业的能力也相对不足，存在明显的差距。发达国家服务业的就业比重在70％～80％左右，发展中国家平均为40％，而我国直到2001年服务业占GDP的比重才达到33.6％，从业人员比重为27.7％。然而从另一个角度来看待这个问题，也说明我国服务业又很大的发展空间和巨大的潜力。如果这种潜力能够得到充分发挥，将会带动新一轮的经济增长，那么我国就业问题的解决将指日可待了。 现阶段，传统服务业是吸收下岗失业人员和农村剩余劳动力的主要行业，由于这些人员的素质相对较低，择业范围十分狭窄，目前吸纳就业仍需保持传统服务业的发展。现代服务业尚在成长之中，是可以带动整个经济发展，吸纳优秀人才，发挥巨大潜能的行业，它有助于提高劳动者的素质，同时使自身得到壮大。因此，着重发展现代服务业会为我国带来双赢的结果。 附表（见下页） 表一 表二 Method: Least Squares Date: 12/17/03 Time: 19:15 Sample: 1991 2001 Included observations: 11 VariableCoefficientStd. Errort-StatisticProb. C9.9032700.16745059.141640.0000 LX0.1122700.0153157.3308330.0000 R-squared0.856553 Mean dependent var11.12960 Adjusted R-squared0.840615 S.D. dependent var0.061953 S.E. of regression0.024734 Akaike info criterion-4.398340 Sum squared resid0.005506 Schwarz criterion-4.325996 Log likelihood26.19087 F-statistic53.74112 Durbin-Watson stat1.762777 Prob(F-statistic)0.000044
-
资本结构主要影响因素的再探析——基于我国上市公司的实证研究_经济学毕业论文范文
资本结构主要影响因素的再探析——基于我国上市公司的实证研究_经济学毕业论文范文 资本结构主要影响因素的再探析 ——基于我国上市公司的实证研究景 自从Modigliani和Miller在上世纪五十年代提出著名的MM理论以来，很多学者都对资本结构做出了重大的理论贡献。有关资本结构的研究目前主要分为两大类：一是以MM理论为基础的资本结构主流理论，着重研究资本结构与企业价值的关系；二是以MM理论为基础的资本结构决定因素学派，着重研究资本结构的影响因素。 在这里，我们必须承认，资本结构的影响因素分析至今仍是一个谜，人们始终没能就这个问题达成一致。因为有可能影响企业资本结构的因素实在太多，人们首先在选择进入模型的变量方面就存在不同的意见，再加上选择不同的公司、行业，选择不同时期的数据，选择不同的指标进行回归也就会产生不同的结果。 在我国，关于资本结构影响因素的实证分析虽然起步很晚，但是相关的文章并不少。对于经常出现的因素，不同的学者研究后的结论是不同的[ 对于比较常见的因素，正相关、负相关、不相关都出现过。]。基于我们自身水平有限，我们找不到合适的模型进行单因素的回归分析，所以我们仍将选择多因素进行线性回归分析。 二、研究方法与数据来源 我们以多元线性回归作为我们的研究方法，以Titman and Wessels在1989年的文章中验证并在之后为众多学者所采用的六个因素：即获利能力、规模、资产担保价值、成长性、非负债税盾、变异性为依据，其中考虑到数据收集的问题，变异性不再考察。同时，从目前的现实国情来看，我国存在特殊的股权结构，国家股和法人股不能自由流通，且大多数居于控制地位，非流通股的存在使得股权割裂和市场格局割据，造成了事实上的同股不同权、同股不同利的现象，且国家控股的公司很多行为受到政府行政干预，其很可能像国企一样拥有较高的负债率。因此，特殊的股权结构可能会对上市公司资本结构造成一定影响，故我们将股权结构作为一个变量予以考察。另外，我们认为，企业的资本结构是一个动态的指标[ 如果在一年内变化十分剧烈的话，那也是不正常的。]，它不仅受到当期营状况的影响，而且会受到企业以前各期的影响，所以我们选择混合数据，而且采用自适应模型。 我们的数据来源是：学校图书馆－数字资源－CSMAR中国上市公司财务数据库，可信度较高。本文选用的是2001－2003年的数据。 三、模型构建及实证分析 1．模型中的具体变量如下所示： ①2003年上市公司的资本结构作为被解释变量，设为Y。 ②一般认为，公司上市前会粉饰报表以争取上市资格，这种盈余管理行为如果比较严重的话，那么在上市的前几年，上市公司的盈利会下降甚至变为亏损。所以我们选择1994年以前（含1994年）上市的A股制造业[ 选择制造业是因为制造业是传统产业，其上市前便已经存在了相当长的时间，相对成熟、稳定。]作为考察的样本。这样一方面可以规避公司上市之初可能存在的过度的盈余管理行为；另一方面可以充分考察时间趋势的问题。 ③由于我们选择的是混合数据，在Eviews下进行自适应模型的回归会有问题，所以将2002年和2001年的资本结构作为解释变量，分别设为Y1和Y2。 ④关于上市公司的获利能力，设为X1，X1＝2003年的净利润/2003年所有者权益的平均值[ 我们采用的指标都是在相关的研究中最常见的。这是因为，这些指标的选取并不是随意的，在它们背后都有一定的理论依据。由于我们现在在相关方面的理论积累不足，所以我们认为我们不具备选择新指标的能力。采用老指标一方面是因为它们是有理论依据的；另一方面我们也可以考察这些老指标在我们的模型下会得到什么不同的结果。]。 ⑤公司的规模设为X2，等于2003年末总资产的自然对数。 ⑥公司的资产担保价值设为X3，等于（2003年末存货＋固定资产）/2003年末总资产。 ⑦成长性设为X4，等于（2003年总资产－2002年总资产）/2003年总资产。 ⑧非负债税盾设为X5，等于2003年折旧额/2003年末总资产。 ⑨公司的股权结构设为X6，等于最近的国家股/总股本。 2．经过选择，共得到了137家公司的数据。另外，再根据数据库中公司的标识，共剔除了17家ST、PT公司[ 严格的说，这种方法比较片面。但是由于学校未购买ST/PT数据库，所以目前只能做到这个程度。至于剔除ST、PT公司的原因在于：这些公司或处于财务状况异常的情况，或已连续亏损两年以上，若这些公司纳人研究样本中将影响研究结论。]，这样得到了120家公司的数据。构建的模型为： Y＝α0＋β1Y1＋β2Y2＋α1X1＋α2X2＋α3X3＋α4X4＋α5X5＋α6X6+e。 3．模型的回归与修正 （表一） Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 20:52 Sample: 1 120 Included observations: 120 VariableCoefficientStd. Errort-StatisticProb. C0.3686550.3664241.0060890.3166 Y10.5454480.0790986.8958480 Y20.3244660.1108762.9263780.0042 X1-0.011640.013224-0.880020.3807 X2-0.012830.017345-0.739630.4611 X30.2279580.1194641.9081720.059 X4-0.386420.090641-4.263210 X5-0.229420.136113-1.685520.0947 X6-0.090530.071896-1.259160.2106 R-squared0.693967 Mean dependent var0.552596 Adjusted R-squared0.67191 S.D. dependent var0.305974 S.E. of regression0.175259 Akaike info criterion-0.57306 Sum squared resid3.409449 Schwarz criterion-0.364 Log likelihood43.38384 F-statistic31.46322 Durbin-Watson stat2.064147 Prob(F-statistic)0 通过回归我们发现，在α＝5％的水平下，t检验值经查表得1.658，除了Y1和X4是显著地通过了t检验外，Y2 、X3和 X5只是勉强通过了t检验。再加上模型修正后的拟合优度为0.67191，模型并不理想。 对此，我们认为可能是样本仍存在不足，通过逐个观察，我们发现有些公司的资本结构非常高，我们认为，很可能是由于这些异常值，从而导致模型不理想。我们将2003年资本结构指标超过90％的公司剔除（7家公司），再把另外一家公司剔除，原因是这家公司在2002年的资本结构还是266％，但是到了2003年就下降到81％，虽然小于90％，但是由于变化幅度太大，仍将其剔除。这样共得到112个样本。经回归得到如下结果： （表二） Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 21:09 Sample: 1 112 Included observations: 112 VariableCoefficientStd. Errort-StatisticProb. C-0.032040.113068-0.283370.7775 Y10.9642870.07139113.50710 Y2-0.08910.074605-1.19430.2351 X1-0.31270.03691-8.471850 X20.004170.0053970.7726890.4415 X30.009960.0365620.2724140.7858 X40.1790630.0335185.342340 X5-0.048640.040637-1.196850.2341 X60.0143710.0213980.6716150.5033 R-squared0.921927 Mean dependent var0.491354 Adjusted R-squared0.915863 S.D. dependent var0.175872 S.E. of regression0.051014 Akaike info criterion-3.03648 Sum squared resid0.268053 Schwarz criterion-2.81803 Log likelihood179.0429 F-statistic152.0345 Durbin-Watson stat1.978215 Prob(F-statistic)0 可以看到，经过样本的修正后，模型的拟合程度明显提高。Y1、X1和X4明显通过了t检验，其他指标均未能通过。 （1）经过逐步回归法（过程略），得到Y＝α0＋β1Y1＋α1X1＋α4X4＋e。回归结果为： （表三） Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 21:24 Sample: 1 112 Included observations: 112 VariableCoefficientStd. Errort-StatisticProb. C0.0504730.0141363.5705740.0005 Y10.8868280.02615933.902060 X1-0.313590.033666-9.314710 X40.1902870.029776.3920010 R-squared0.919043 Mean dependent var0.491354 Adjusted R-squared0.916794 S.D. dependent var0.175872 S.E. of regression0.050731 Akaike info criterion-3.0895 Sum squared resid0.277953 Schwarz criterion-2.99241 Log likelihood177.0117 F-statistic408.6814 Durbin-Watson stat2.007886 Prob(F-statistic)0 （2）由Goldfeld－Quandt检验可得： （表四） Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 22:14 Sample: 1 42 Included observations: 42 VariableCoefficientStd. Errort-StatisticProb. C0.0280860.0222211.2638930.214 Y10.9239840.04480720.621550 X1-0.415650.068746-6.046170 X40.2337240.0539154.3350160.0001 R-squared0.921251 Mean dependent var0.452728 Adjusted R-squared0.915034 S.D. dependent var0.193553 S.E. of regression0.056419 Akaike info criterion-2.82164 Sum squared resid0.120956 Schwarz criterion-2.65615 Log likelihood63.25446 F-statistic148.182 Durbin-Watson stat2.122942 Prob(F-statistic)0 （表五） Dependent Variable: Y Method: Least Squares Date: 06/04/05 Time: 22:15 Sample: 71 112 Included observations: 42 VariableCoefficientStd. Errort-StatisticProb. C0.0340460.020941.6258440.1122 Y10.9161620.03844223.83240 X1-0.289830.066476-4.359970.0001 X40.2810920.0501475.605350 R-squared0.942811 Mean dependent var0.485165 Adjusted R-squared0.938296 S.D. dependent var0.175609 S.E. of regression0.043622 Akaike info criterion-3.33613 Sum squared resid0.072309 Schwarz criterion-3.17064 Log likelihood74.05868 F-statistic208.8212 Durbin-Watson stat2.168103 Prob(F-statistic)0 由以上两张表可知，F*＝0.072309/0.120956＝0.5978，小于F（39，39），可知不存在异方差性。 （3）由（1）可知，d＝2.007886，经查表，在0.05的显著水平上，已知k＝3，当n＝100时，dL＝1.613，dU＝1.736；当n＝150时，dL＝1.693，dU＝1.774。经计算，两种情况下都可以说明模型不存在一阶自相关。 综上所述，最终的模型为： Y＝0.050473 + 0.886828Y1 - 0.31359X1 ＋ 0.190287X4 （3.570574） （33.90206） （-9.31471） （6.392001） =0.916794 S．E．＝0.050731 F＝408.6814 参考文献： 1．上市公司资本结构主要影响因素之实证研究 陆正飞、辛宇 会计研究 1998.8 2．上市公司资本结构影响因素述评 李善民、刘智 会计研究 2003.8 3．中国上市公司融资行为研究——基于问卷调查的分析 陆正飞、高强 会计研究 2003.10 4．对资本结构财务影响因素的实证研究 陈维云、张宗益 财经理论与实践(双月刊) 第23卷 第115期 2002年1月 5．我国上市公司资本结构形成的影响因素分析 冯根福、吴林江、刘世彦 经济学家 2000 .5 6. 我国上市公司资本结构影响因素实证研究 肖作平、吴世农 证券市场导报 2002年8月号
-
对外贸易与四川经济增长关系实证分析_经济学毕业论文
对外贸易与四川经济增长关系实证分析_经济学毕业论文 论题:对外贸易与四川经济增长关系 实证分析 众所周知，投资、消费与出口是拉动经济增长的三驾马车。而改革开放以来，四川对外贸易为四川经济发展做出了重大贡献，如2000年出口达到13.9435亿美元。理论界一直在探讨对外贸易与经济增长之间的关系。我们认为外贸与经济增长之间存在着双向的因果关系，一方面，外贸发展取决于经济增长；另一方面，经济增长也依赖于外贸发展。本文意在分析对外贸易对四川经济增长的贡献率和拉动度，进而分析对外贸易与四川经济增长之间的数量关系，并提出相关的建议。 一、对外贸易对四川经济增长的经济效应分析 衡量对外贸易对经济增长的作用，这里我们采用现在学术界一般采用的对外贸易对经济增长的贡献率和拉动度两个概念来表示。对外贸易对GDP的贡献率是指各变量的增量与GDP增量的比值，而对外贸易对经济增长的拉动度是指GDP的增长中有多少是由对外贸易贡献的，简单说来即是贡献率与GDP增长率的乘积。 衡量对外贸易对经济增长的贡献，不同的分析方法得出的结论大相径庭，并不存在公认的标准。比较流行的主要有两种分析方法，一是净出口分析法，该分析法源于用支出法核算的国内生产总值恒等式，即GDP 等于投资、消费与净出口之和：GDP=I+C+X-M,这里，I表示投资，C表示消费，X表示出口，M表示进口，X-M表示净出口。根据该恒等式，GDP的增量为投资，消费和净出口三部分增量之和，因而对外贸易对经济增长的贡献率可以用净出口增长占GDP 增量的比重（百分数）来表示，对外贸易对经济的拉动度则等于GDP增长速度与该比重的乘积。二是出口总量分析法，该分析法只考虑出口总量增长对国民经济增长的贡献率，用GDP的增长速度与该比重的乘积表示对GDP的拉动度。 因此，出口、净出口对经济增长的贡献率分别用出口值、净出口值与GDP比值的百分比来表示，根据此公式及有关统计数据计算出近10年出口、净出口对四川经济增长的贡献率（见表1）。如：2000年净出口对四川经济增长的贡献率=（2000年净出口值*2000汇率-1999年净出口值*1999年汇率）/（2000年GDP-1999年GDP）*100%=[2.4353*8.2784-（-1.8923*8.2783）]/（4010.25-3711.61）*100%=12.00%。出口、净出口对经济增长的拉动率分别等于出口值、净出口值与GDP增量的比值再乘以GDP的增长速度。根据此公式及有关统计数据计算得出近10年出口、净出口对四川经济增长的拉动度（见表1）。如：2000年出口对四川经济增长的拉动度=（2000年出口值*2000年汇率-1999年出口值*1999年汇率）/（2000年GDP-1999年GDP）*2000年GDP增长速度=[(13.9435*8.2784-11.4073*8.2783)/ （4010.25-3711.61）]*9%=0.63%. 表1 1992-2001年对外贸易对四川省GDP增长的贡献 年份GDP (亿元)进口总量 (亿美元)出口总量 (亿美元)净出口总量 (亿美元)汇率外贸贡献率(%)外贸拉动度(%) 出口总量法净出口法出口总量法净出口法 19911016.312.47589.01446.53865.3233NANANANA 19921177.274.43189.72135.28955.51463.50-3.500.46-0.46 19931486.087.292010.42243.13045.76202.09-3.600.27-0.46 19942001.418.730015.14006.41008.618713.677.221.560.82 19952504.959.751518.50578.75428.35104.783.550.520.38 19962985.1510.596115.52814.93208.3142-5.30-6.68-0.54-0.67 19973320.1110.711116.44295.73188.28982.151.940.220.20 19983580.269.216211.71662.50048.2791-15.11-10.31-1.38-0.94 19993711.6113.299611.4073-1.89238.2783-1.96-27.69-0.11-1.55 20004010.2511.508213.94352.43538.27847.0312.000.631.08 20014421.7615.164415.82720.66288.27703.78-3.570.35-0.33 年份19911992199319941995199619971998199920002001 GDP增长速度（%） NA1312.911.410.810.110.29.15.699.2 资料来源：四川统计年鉴1997 四川统计年鉴2004 中国统计年鉴2003 四川统计信息网（） 从表1可以看出，对外贸易对四川GDP增长的贡献率和拉动度波动较大。 按照出口总量法，1991-2001年，有7年外贸对四川GDP增长的贡献率和拉动率为正值。其中2000年达到最高，贡献率为7.03％，拉动度为0.63%。说明2000年四川GDP增长的298.64亿元中，有7.03％是由出口贡献的，GDP增长9%，其中有0.63个百分点是由出口拉动的。 按照净出口法，1991-2001年中有4年外贸对四川GDP增长的贡献率和拉动率为正值。其中也是2000年达到最高，贡献率为12.00％，拉动度为1.08％。 总体上看，在亚洲金融风暴以后的1998、1999两年中，外贸对四川的GDP贡献率和拉动度均为负值。在WTO的影响下，2000、2001年外贸对四川GDP增长的贡献率和拉动度又有所上升。因此，对外贸易对四川经济发展起到一定程度的作用。但是，由于进口也在增长，所以按照净出口法，对外贸易对四川经济增长的贡献还不大，2001年还为负值。 净出口法完全将进口作为对国民经济增长的负面因素来考虑，认为进口产品完全市对国内需求的抵消，是国内可供商品的完全替代。出口总量法是完全不考虑进口，认为进口商品都是国内供给不足的补充。两种方法都有极端性。为了比较准确地衡量对外贸易对四川经济增长的作用，下面采用定量方法分析四川经济增长与对外贸易的关系。 二、四川经济增长与对外贸易关系的实证分析 （一）数据的选取 为了测度对外贸易对四川经济的促进作用，选用四川进口、出口、GDP年度数据进行回归分析。四川GDP数据，进口、出口数据来源于《四川统计年鉴》及四川统计信息网。 （二）模型建立、回归结果及分析 1、四川省出口对GDP的影响 根据四川省1978－2004年国内生产总值与出口总额的数据资料，见表2。其中X表示出口（万美元），Y表示国内生产总值（人民币亿元），试建立一元线性回归函数。设模型的函数形式为： Y＝α1＋β1X＋μ1 表2模型应用的数据表 年 度YX年 度YX年 度YX 1978184.6119051987530.865073319962985.15155281 1979205.7626811988659.695942719973320.11164429 1980229.3137461989744.986435119983580.26117116 1981242.3278341990890.957163519993711.61114073 1982275.23958819911016.319014420004010.25139435 1983311929919921177.279721320014421.76158272 1984358.061520619931486.0810422420024875.12271145 1985421.152447819942001.4115140020035456.32321291 1986458.233384019952504.9518505720046556398371 由Eviews软件查看X随时间的变化趋势图，如图1： 图1 由图可知，从1978－2004年，曲线总体平稳且成上升趋势，但图线在1994－1997段有一个非常明显尖端突起，这表明在这段时间内出现了数据异常的情况，具体原因不明。由于在小样本条件下，可剔除个别样本点而模型不受影响，我们可将94－97年的数据剔除再用OLS进行参数估计，回归结果见表3： Dependent Variable: Y Method: Least Squares Date: 06/01/05 Time: 22:29 Sample: 1 23 Included observations: 23 VariableCoefficientStd. Errort-StatisticProb. X0.0177730.00149311.906100.0000 C135.0107210.00700.6428870.5273 R-squared0.870972 Mean dependent var1817.527 Adjusted R-squared0.864828 S.D. dependent var2026.396 S.E. of regression745.0205 Akaike info criterion16.14764 Sum squared resid11656167 Schwarz criterion16.24638 Log likelihood-183.6979 F-statistic141.7553 Durbin-Watson stat0.604723 Prob(F-statistic)0.000000 表3 得回归方程如下： Y＝135.0107＋0.017773X t= (0.642887) (11.90610) R2=0.870972，F=141.7553，D.W.=0.604723 从R2和F统计量看，方程整体回归拟合程度较好；在α=0.05，当n=23，k=2时，11.90610t0.05(21)=2.080.642887，可知β1=0.017773通过了t检验，而α1=135.0107，即常数项没有通过t检验，该系数不显著；在α=0.05，n=23，k’=1时，dl=1.257，du=1.437，D.W.= 0.604723dl，表明该模型存在着严重的自相关。 (1)自相关的修正 用广义差分法，由D.W.= 0.604723，得ρ=1- D.W./2=0.6976835，由：DY=Y-ρYt-1，DX=X-ρXt-1，利用Eviews3.1，进行OLS参数估计，结果如表4： Dependent Variable: DY Method: Least Squares Date: 06/01/05 Time: 22:35 Sample(adjusted): 2 23 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. DX0.0141090.0022756.2024190.0000 C174.8600146.73891.1916400.2474 R-squared0.657944 Mean dependent var774.0348 Adjusted R-squared0.640841 S.D. dependent var864.4698 S.E. of regression518.0754 Akaike info criterion15.42463 Sum squared resid5368042. Schwarz criterion15.52381 Log likelihood-167.6709 F-statistic38.47000 Durbin-Watson stat1.476956 Prob(F-statistic)0.000005 表4 DY＝174.8600＋0.014109DX t = (1.191640) (6.202419) R2=0.657944，F=38.47000，D.W.=1.476956 我们发现经用广义差分法后，D.W.值有了明显的提高。当α=0.05，n=22，k’=1时，dl=1.239，du=1.429，4-du=2.571，duD.W4-du，可见此时模型中的随机误差项已不存在正自相关了，并且常数项的显著性有了明显的提高，虽然F统计量值有一定的下降，但整体拟合还是较好的。 (2)异方差的检验 利用ARCH法进行检验，检验结果见表5： ARCH Test: F-statistic0.905113 Probability0.465191 Obs*R-squared2.937306 Probability0.401393 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/02/05 Time: 10:41 Sample(adjusted): 7 23 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C2.50E+112.11E+111.1852470.2571 RESID^2(-1)0.1623510.2561130.6339040.5371 RESID^2(-2)-0.2627550.263329-0.9978210.3366 RESID^2(-3)0.6070050.4044451.5008340.1573 R-squared0.172783 Mean dependent var3.36E+11 Adjusted R-squared-0.018114 S.D. dependent var6.73E+11 S.E. of regression6.79E+11 Akaike info criterion57.52793 Sum squared resid5.99E+24 Schwarz criterion57.72398 Log likelihood-484.9874 F-statistic0.905113 Durbin-Watson stat2.487420 Prob(F-statistic)0.465191 表5 当α=0.05，自由度p=3时，χ23(0.05)=7.81473，Obs*R2=2.9373067.81473，所以模型中随机误差项不存在异方差。 于是，最终得到回归方程：DY＝0.014109DX＋174.8600，这表明四川省出口每增长1万美元，GDP增长0.014109亿元人民币，这再次验证了出口对GDP的拉动作用。 2、四川省进口对GDP的影响 根据四川省1978—2001年国内生产总值进口总额的数据资料，见表6。其中Y表示国内生产总值（人民币亿元），M表示进口总额（万美元）。设模型的函数形式为： Y=α2+ß2M+u2 表6： 年度YM年度YM年度YM 1978184.6121621986458.231201819942001.4187300 1979205.7620941987530.861581319952504.9597515 1980229.3142561988659.691802919962985.51105961 1981242.3231501989744.982106019973320.11107111 1982275.2337831990890.951247019983580.2692162 1983311248019911016.312475819993711.61132996 1984358.06686819921177.274431820004010.25115082 1985421.151132119931486.087292020014421.76151644 运用OLS估计模型的参数，结果如表7。 表7 Dependent Variable: Y Method: Least Squares Date: 05/30/05 Time: 13:41 Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C152.998095.285551.6056790.1226 M0.0279410.00139720.004530.0000 R-squared0.947890 Mean dependent var1488.638 Adjusted R-squared0.945521 S.D. dependent var1426.867 S.E. of regression333.0412 Akaike info criterion14.53407 Sum squared resid2440162. Schwarz criterion14.63224 Log likelihood-172.4088 F-statistic400.1811 Durbin-Watson stat1.357110 Prob(F-statistic)0.000000 从表7得回归方程如下： Y=152.9880+0.027941M (95.28555) (0.001397) t=(1.605679) (20.00453) R2=0.947890 F=400.1811 D.W.=1.357110 从数据的回归结果看，方程的整体拟合程度较好。但是，在α=0.05的显著水平下,t0.025(22)=2.0741.606,即常数项没有通过T检验。而且，在0.05的显著性水平下，n=24,k’=1时,dl=1.273,du=1.446,有dlD.W.du，统计量落在了不能判断的区域。尝试调整样本容量，或是改变模型的函数形式。 修正模型如下： （1）利用对数线性回归对原模型进行修改 根据LY=α2+ß2LM+ u2进行转换，其中LY=LOGY，LM=LOGM。运用OLS估计模型参数见表8。 表8 Dependent Variable: LY Method: Least Squares Date: 05/31/05 Time: 13:02 Sample: 1978 2001 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C0.0464740.6409120.0725120.9428 LM0.6836960.06431010.631190.0000 R-squared0.837064 Mean dependent var6.790815 Adjusted R-squared0.829658 S.D. dependent var1.082435 S.E. of regression0.446748 Akaike info criterion1.306012 Sum squared resid4.390848 Schwarz criterion1.404183 Log likelihood-13.67215 F-statistic113.0223 Durbin-Watson stat1.397076 Prob(F-statistic)0.000000 从回归结果看，整体回归的效果有所下降，常数项仍没通过T检验,而且dlDWdu,即统计值仍在不可判断的区域内。可见，此方法不但没有修正模型随机扰动项的自相关，反而出现了不好的结果。所以舍去。 （2）利用广义差分法对模型进行修改 由DW=1.357,根据，ρ=1-DW/2得ρ=0.3215。在对上述模型根据DY=α2(1-ρ)+ ß2DM+v2进行转换，其中DY=Y-0.3215*Y(-1),DM=M-0.3215*M(-1),DY1=Y1,DM1=M1。运用OLS得如下回归结果，见表9。 表9 Dependent Variable: DY Method: Least Squares Date: 05/30/05 Time: 15:08 Sample(adjusted): 1981 2001 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C162.8870109.05571.4936120.1517 DM0.0265210.00207212.798720.0000 R-squared0.896065 Mean dependent var1198.495 Adjusted R-squared0.890595 S.D. dependent var1012.983 S.E. of regression335.0584 Akaike info criterion14.55688 Sum squared resid2133018. Schwarz criterion14.65636 Log likelihood-150.8472 F-statistic163.8071 Durbin-Watson stat1.940348 Prob(F-statistic)0.000000 从表9中得到的回归方程如下： DY=162.8870+0.026521DM (109.0557) (0.002072) t=(1.493612) (12.79872) R2=0.896065 F=163.8071 D.W.=1.940348 从上述回归结果可以看出，虽然整体回归效果有微小的下降，但模型的自相关性有明显改善。在α=0.05的显著性水平下，n=21,k’=1时,dl=1.221,du=1.420,有duDW4-du。可见，此时模型中随机误差项已经不存在自相关了。 可以同时运用Cochrane-Orcutt迭代法，得如下结果（见表10）： 表10 Dependent Variable: DY Method: Least Squares Date: 05/30/05 Time: 15:59 Sample(adjusted): 1982 2001 Included observations: 20 after adjusting endpoints Convergence achieved after 9 iterations VariableCoefficientStd. Errort-StatisticProb. C187.5562136.46451.3743960.1872 DM0.0259720.00257810.072520.0000 AR(1)0.0696140.2618000.2659050.7935 R-squared0.890438 Mean dependent var1249.990 Adjusted R-squared0.877548 S.D. dependent var1010.705 S.E. of regression353.6769 Akaike info criterion14.71213 Sum squared resid2126485. Schwarz criterion14.86149 Log likelihood-144.1213 F-statistic69.08159 Durbin-Watson stat2.039467 Prob(F-statistic)0.000000 Inverted AR Roots .07 可见，经Cochrane-Orcutt迭代法后，对自相关的修正效果更好了。 (3)异方差的检验 Dependent Variable: E2 Method: Least Squares Date: 05/30/05 Time: 16:58 Sample(adjusted): 1985 2001 Included observations: 17 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C90930.6562906.891.4454800.1720 E2(-1)0.0508140.2757170.1842990.8566 E2(-2)0.5468550.3063341.7851560.0976 E2(-3)-0.2658280.336767-0.7893540.4441 R-squared0.216146 Mean dependent var124441.2 Adjusted R-squared0.035257 S.D. dependent var206311.9 S.E. of regression202642.3 Akaike info criterion27.47860 Sum squared resid5.34E+11 Schwarz criterion27.67465 Log likelihood-229.5681 F-statistic1.194910 Durbin-Watson stat1.984350 Prob(F-statistic)0.350229 从输出的辅助函数中得R2=0.216146，计算(n-p)R2=14*0.216146=3.026044。在α=0.05的显著性水平下,自由度p=3查表得临界值χ2=7.81。因为(n-p)R2χ2。所以，模型中随机误差项不存在异方差。 所以，最终得到的回归方程为：DY=187.5562+0.025972DM。这表明四川进口每增长1万美元，四川的GDP就会增长0.025972亿元人民币。进口也会对四川GDP的增长具有拉动作用，这似乎与传统的理论相悖。传统理论认为，对外贸易对国民经济的拉动作用主要依赖出口或净出口。实际上，对生产设备、原材料和相关技术进口，又大量运用于生产，必然会增加产出，因而进口最终能拉动国民经济的增长。可见，进口与国民经济间具有明显的正相关关系。 三、结论与建议 对外贸易对四川经济增长有明显的促进作用，加入WTO之后，其促进作用在不断加强。发展对外贸易，有利于四川利用海外资源来推动经济发展，也有利于四川在更大的范围内优化资源配置，从而促进经济增长。 从拟合的模型看来，进口对四川GDP的促进作用和拉动度更大。这似乎和传统的观点相悖。原因分析可能有：1、我们的模型建立尚不完善，数据处理也有一点瑕疵。2、四川进出口产品的类别。我们查阅了相关资料，发现四川的出口产品多是初级产品，如：活动物、植物产品、食品、饮料、烟草、生皮、纺织原料及纺织制品等等，而进口的多是高科技产品，如：核反应堆、电机、声频设备、车辆、航空器、船舶及有关运输设备等等。这些进口产品可以投入国民生产，提高生产率，从而促进GDP增长，所以可能反映在模型上与经济理论有出入。3、GDP的计算只是算最后的产品价值，而没有考虑产品原始成本，例如，以10美元的价格进口一种产品，经过国内加工后以11美元出口，GDP的计算是在11美元基础上进行的，而真正的价值增值只有1美元。 从以上结论，我们建议：1、扩大出口，且提高出口产品的科技含量、价值，为在国际市场上竞争提供基础。2、限制地科技含量的产品进口，继续引进高科技含量，可同时服务于出口部门和非出口部门的技术设备和智力资源。总的来说，要有利于四川经济长期可持续发展。
-
新企业所得税法对内资企业税后利润的影响_经济学毕业论文
新企业所得税法对内资企业税后利润的影响_经济学毕业论文 摘要：文章重点论述新企业所得税法对内资企业税后利润的影响，创造性地运用了数学建模方法，并借用工作实践中获取的数据来设置案例进行实证分析。通过对比新老企业所得税法下的企业税后利润之间的差异，揭示出新企业所得税法的实施将使内资企业的税后利润增加。 关键词：新所得税法 税前费用扣除 税后利润 从2008年1月1日起，我国开始正式实施《中华人民共和国企业所得税法》（以下简称“新税法”）。至此，我国按照内资企业和外资企业分设并执行了20多年的所得税制终于实现了统一，彻底结束了外资企业享受了近30年的“超国民待遇”，为内外资企业的平等竞争奠定了坚实的基础，体现了税收公平[1]。 在此背景下，本文试图通过在理论分析上运用数学建模原理，在实证分析上通过引用本人工作中收集的实际案例和数据，就新税法的实施对我国内资企业税后利润的影响这一问题开展广泛讨论和深入研究，以期为新税法的实施推广尽绵薄之力。 1 新企业所得税法的主要变化 新税法较原税法有较为显著的变化，表现在对纳税人的界定，所得税税前扣除，税收优惠，征收管理，纳税期限等方面。 1.1 引入了“居民”和“非居民”概念 居民本是国际税法上的概念，即按照一国法律，依住所、居所、管理场所或其他类似性质的标准负有纳税义务的人。新税法将企业所得税的纳税人区分为居民企业和非居民企业，体现了企业与国家之间的人身属性，体现了以“人”的概念作为国家行使税收管辖权的指导原则。 1.2 统一了内外资企业所得税的税负 税负是由税基、税率和税收优惠政策共同决定的。由于“两税”合并前税前扣除范围和标准差异极大，由此导致了内资企业税基厚、外资企业税基薄的局面，加之外资企业税前优惠多，因此名义税率虽然同为33%，但实际税负相差很大。外资企业实际税负水平为11%，内资企业实际税负为23%，国有大中型企业的实际税负水平更高达30%。新税法统一了税基、税收优惠政策，并适当降低了税率[2]。新税率确定为25%[3]，这是统一、公平和效率综合考量的结果，25%的税率水平正位于原两税最低税率和最高税率之间，这不仅降低了内资企业的税负，使内外资企业站在同样的起跑线上竞争，而且也将税负控制在外资企业能够承受的范围之内。另外，新税法还对税收优惠政策做出了重大调整，形成了以“产业优惠为主”，“区域优惠”为辅，兼顾技术进步的新的税收优惠格局[2]。 1.3 反避税高调出台 为了防范各种避税行为，新税法特设“特别纳税调整”一章，引入了“独立交易原则”作为转让定价税制的核心原则；明确了纳税人提供相关资料的义；借鉴国际经验，适时补充了对资本弱化、利用避税地避税等具体避税行为的防范措施，强化了企业所得税征管，切实维护国家税收权益[4]。 1.4 统一了纳税期限 原税法规定，内资企业按年计算，分月或分季预缴，月份或季度终了后15日内预缴，年度终了后4个月内汇算清缴；外资企业按年计算，分季度预缴，季度终了后15天内预缴，年度终了后5个月内汇算清缴。新税法规定，按年计算，分月或分季度预缴，月份或季度终了后15天内预缴，年度终了之后5个月内汇算清缴，并同时向税务机关报送年度企业所得税申报表[5]。 2 新所得税法对企业税后利润的影响 税法的变革必将对我国企业的税后利润产生重大影响。本文仅分析新税法实施之后对内资企业税后利润的影响。 税后利润的计算公式为： 企业的税后净利润＝应纳税所得×适用税率－减免税额－抵免税额 应纳税所得＝税前利润总额＋纳税调整[ 纳税调整包括一般纳税调整和特别纳税调整。特别纳税调整是指税务机关出于实施反避税目的而对纳税人特定纳税事项所作的税务调整，包括针对纳税人转让定价、资本弱化、避税港避税及其他避税情况所进行的税务调整；一般纳税调整是指按照税法规定在计算应纳税所得额时，如果企业财务、会计处理办法同税收法律、行政法规的规定不一致，应当依照税收法律、行政法规的规定计算纳税所作的税务调整，并据此重新调整计算纳税。] （若是纳税调增，则纳税调整为正数；若是纳税调减，则纳税调整为负数） 税前利润总额＝收入—费用 因此，本文主要从新税法在收入的确认、税前费用扣除及税率三方面的变化探讨其对企业税后利润产生的影响。 2.1 收入范围扩大对利润的影响 原税法对收入总额的概念没有明确的界定，只是明确了企业取得的各种形式收入的概念，包括生产、经营收入、财产转让收入、利息收入、租赁收入、特许权使用费收入、股息收入和其他收入等[6]。新税法明确规定：企业以货币形式和非货币形式从各种来源取得的收入，为收入总额。新税法还确定了不征收收入的范围，财政拨款、依法收取并纳入财政管理的行政事业性收费、政府性基金、国务院规定的其他不征税收入为不征税收入[7]。 从新旧税法的不同点我们可以看出新税法对于收入确认的范围上多了一个“接受捐赠收入”，那么也就意味着在计算税前利润总额上新税法得出的结果要比原税法得出的结果大（在此不考虑纳税调整），从而企业要交更多的所得税，新税法的实施将使企业的税后利润减少。 2.2 税前费用扣除的变化对税后利润的影响 与原税法相比，新税法在税前费用扣除[税前费用扣除是指按照税法规定在计算应纳税所得额时，如果企业财务、会计处理办法同税收法律、行政法规的规定不一致，应当依照税收法律、行政法规的规定的比例计算得出允许在税前扣除的数额。]的比例有所变化。例如工资、广告费、业务宣传费等方面的扣除限额都从不同程度上有所放宽，所得税汇算清缴时在“纳税调整”这一部分将有所降低，因此留在企业的税后利润将增加；而业务招待费、捐赠则要根据实际情况分析才能得出新老税法之间扣除数额的差异，进而得出新税法下企业税后利润的增减情况。 2.2.1 税前工资扣除的变化对税后利润的影响 原税法规定内资企业所得税实行计税工资制度或实行“工效挂钩”工资税前扣除管理办法，对内资企业支付的工资超过计税工资部分一方面要缴纳企业所得税，另一方面企业在依法代扣职工的个人所得税时，还要按实际支付给职工的工资计征个人所得税，对这种重复征税我国现行的税法又没有明确的税收抵免规定[8]。新税法统一按企业和单位实际发放的工资据实扣除。很明显，这一规定将使企业不必担心工资支出会超过税法规定的计税工资而被进行纳税调增，这一规定的实施将使企业的税后利润有所增加。 2.2.2 广告费及业务宣传费税前扣除限额变化对税后利润的影响 原税法规定，内资企业广告费的税前扣除额为不超过销售（营业）收入2%的（税法还规定了特殊扣除比例，在此不讨论），可据实扣除；超过部分可无限期向以后纳税年度结转；业务宣传费的税前扣除额则为在不超过销售（营业）收入5‰的范围内可据实扣除[8]。新税法则将广告费和业务宣传费合并起来，不再区分广告费和宣传费，其税前扣除限额为不超过销售收入的15%扣除准于扣除，超过部分，准予在以后纳税年度结转扣除。由此可以看出，在扣除比例上的提高将使企业的税后利润有所增加。 2.2.3 业务招待费税前扣除比例变化对税后利润的影响 原税法规定，内资企业纳税人发生的与其经营业务直接相关的业务招待费，在下列规定比例范围内，可据实扣除：全年销售（营业）收入净额在1500万元及其以下的，不超过销售（营业）收入净额的5‰；全年销售（营业）收入净额超过1500万元的，不超过该部分的3‰。新税法规定，企业发生的与生产经营活动有关的业务招待费，按照实际发生额的60％扣除，但最高不得超过当年销售（营业）收入的5‰[9]。由于这种规定的变化对企业税后利润影响的分析比较复杂，故而笔者试图从数学的角度建立模型来进行尝试性地分析： 假设前提 不考虑其他因素对企业利润变动的影响，只讨论新旧业务招待费税前扣除比例变动对企业利润的影响。 （2）符号说明 X：全年销售（营业）收入净额 Y：业务招待费实际支出额 Z：业务招待费扣除的增减额 （3）讨论 a）X1500万元 若 Y×60％X×5‰，则按X×5‰扣除， Z＝0；税后利润不变。 若 Y×60％X×5‰，则按Y×60％扣除， Z＝Y×60％－X×5‰0；税后利润减少。 b）X1500万元 ① 若Y×60％1500×5‰＋（X－1500）×3‰，则按Y×60％扣除， Z＝Y×60％－[1500×5‰＋（X－1500）×3‰]0；税后利润减少或不变。 ② 若1500×5‰＋（X－1500）×3‰Y×60％ X×5‰，则按Y×60％扣除， Z＝Y×60％－[1500×5‰＋（X－1500）×3‰]0；税后利润增加或不变。 ③ 若Y×60％ X×5‰，则按X×5‰扣除， Z＝X×5‰－[1500×5‰＋（X－1500）×3‰]= （X－1500）×2‰0；税后利润增加。 （4）结论 综合上述分析可知：当销售（营业）收入净额小于或等于1500万时，若企业业务招待费实际支出额的60%大于或等于销售（营业）收入净额的5‰，则新税法下企业税后利润与原税法下企业税后利润相等；若企业业务招待费实际支出额的60%小于销售（营业）收入净额的5‰，则新税法下业务招待费的扣除数额比原税法的扣除数额大，企业税后利润减少。 当销售（营业）收入净额大于1500万时，若企业业务招待费实际支出额的60%小于或等于原税法下业务招待费的扣除数额，则新税法下业务招待费的扣除数额小于或等于原税法下的扣除数额，企业税后利润减少或不变；若企业业务招待费实际支出额的60%大于原税法下业务招待费的扣除数额且小于或等于销售（营业）收入净额的5‰，则新税法下业务招待费的扣除数额大于或等于原税法下的扣除数额，企业税后利润增加或不变；若企业业务招待费实际支出额的60%大于销售（营业）收入净额的5‰，则新税法下业务招待费的扣除数额比原税法下的扣除数额大，企业税后利润增加。 2.2.4 捐赠税前扣除比例变化对税后利润的影响 原税法规定内资企业所得税法对企业的公益救济性捐赠符合条件的在其年度应纳税所得税所得额3%以内的部分准予扣除(有部分全额扣除的特殊规定)。新税法规定对企业发生的公益性捐赠支出，在年度利润总额12%以内的部分，准予在计算应纳税所得额时扣除（新企业所得税法实施细则没有写明全额扣除规定的情况，对于这方面的规定要看相关具体文件）。即将内资企业捐赠扣除比例从现行的3%提高到12%，并且计算基数由年度应纳税所得额改为年度利润 [10]。这种规定的变化对企业利润的影响具体分析如下： 假设前提 不考虑其他因素对企业利润变动的影响，只讨论新旧捐赠税前扣除比例变动对企业利润的影响。 （2）符号说明 X：纳税调整额，X0表示纳税调增，X0表示纳税调减 Y：本年利润 Z：应纳税所得额 K：捐赠扣除的增减额 并且可知Z=X+Y （3）讨论 a）若X0，则YZ，K =12%Y－3%Z=3%×﹙4Y－Z﹚0，税后利润增加 b）若X=0，则Y=Z，K =12%Y－3%Z=3%×﹙4Y－Z﹚0，税后利润增加 c）若X0，则YZ，K =12%Y－3%Z=12%Y－3%（X+Y）=3%×﹙3Y－X﹚ ①当3YX时，K0，税后利润减少 ②当3Y=X时，K=0，税后利润不变 ③当3YX时，K0，税后利润增加 （4）结论 综合以上分析可知：如果纳税调减，那么新税法下捐赠的扣除数额比原税法扣除数额大，企业税后利润将增加。 如果纳税调整的数额为0，那么新税法下捐赠的扣除数额比原税法的扣除数额大，企业税后利润将增加。 如果是纳税调增，那么当纳税调增数额大于本年利润的3倍时，新税法下捐赠的扣除数额比原税法下的扣除数额小，企业税后利润将减少；当纳税调增数额等于本年利润的3倍时，新税法下捐赠的扣除数额等于以原税法下的扣除数额，企业税后利润不变；当纳税调增数额小于本年利润的3倍时，新税法下捐赠的扣除数额比原税法的扣除数额大，企业税后利润将增加。 2.3 税率的下调对税后利润的影响 原税法规定内资企业所得税税率为33%，同时，对应纳税所得在10万元以上的内资微利企业实行27%的优惠税率，应纳税所得额在3万元以下的内资微利企业实行18%的优惠税率。新税法则规定内资企业所得税税率为25%，同时对符合条件的小型微利企业，减按20%的税率征收企业所得税。国家需要重点扶持的高新技术企业，减按15％的税率征收企业所得税。从税率的变化可以看出，假定应纳税所得一样的情况下，新税法下企业的税负将有所减轻，留给企业自身的税后利润将有所增加。 3 新旧税法对企业税后利润影响的实证分析 例：X公司为制药的内资企业，2007年度会计报表经审计后销售收入为667,683,445.00元，税前利润总额为61,887,073.00元。所得税汇算清缴时，注册会计师发现有关税收问题如下： （1）2007年度全年平均员工1500人，实际计提工资31,439,776.55元，截止2007年底实际支付工资31,439,776.55元。（该公司的工资当月计提当月发） （2）2007年度计提广告费8,650,460.84元，截止2008年3月底（即会计师事务所出具所得税汇算报告前）实际支出5,861,125.49元。 （3）2007年在销售费用中列支业务宣传费11,546,926.15元。 （4）2007年在销售费用和管理费用中列支的业务招待费8,961,721.14元。 （5）11月份通过西藏自治区政府向依斯兰教会捐资820,000.00元。已根据会计制度规定在成本费用中扣除。 3.1 原税法下企业所得税汇算清缴[ 企业所得税汇算清缴是指纳税人在纳税年度终了后4个月内，依照税收法律、法规、规章及其他有关企业所得税的规定，自行计算全年应纳税所得额和应纳所得税额，根据月度或季度预缴所得税的数额，确定该年度应补或者应退税额，并填写年度企业所得税纳税申报表，向主管税务机关办理年度企业所得税纳税申报、提供税务机关要求提供的有关资料、结清全年企业所得税税款的行为。]后利润的分析 （1）X公司本年度的计税工资为1500×1600×12=28,800,000.00（元），应纳税调增31,439,776.55－28,800,000.00=2,639,776.55（元） （2）X公司为制药行业，广告费扣除为销售收入的25%，可以在税前扣除的广告费为667,683,445.00×25%=166,920,861.25（元），该公司实际支出数为 5,861,125.49元，由于5,861,125.49166,920,861.25，所以应纳税调增 8,650,460.84－5,861,125.49=2,789,335.35（元） （3）业务宣传费税前扣除限额为667,683,445.00×5‰=3,338,417.23（元），应纳税调增11,546,926.15－3,338,417.23=8,208,508.93（元） （4）业务招待费的税前扣除限额为667,683,445.00×3‰+30000.00=2,033,050.34（元），应纳税调增8,961,721.14－2,033,050.34= 6,928,670.80（元） （5）捐赠的扣除限额为 （61,887,073.00+2,639,776.55+2,789,335.35+8,208,508.93+6,928,670.80+820,000.00） ×3%=2,498,200.94（元），由于820,000.002,498,200.94，所以捐赠支出可据实扣除，无需进行纳税调整。 （6）应纳税所得额为 61,887,073.00+2,639,776.55+2,789,335.35+8,208,508.93+6,928,670.81=82,453,364.64（元） （7）应纳所得税额为82,453,364.64×33%=27,209,610.33（元） （8）税后净利润为61,887,073.00－27,209,610.33= 34,677,462.67（元） 3.2 新税法下企业所得税汇算清缴后利润的分析 （1）由于X公司是当月计当月发工资，根据新税法规定，有关的、合理的工资支出允许据实扣除，所以本年度可以在税前扣除工资为61,439,776.55元，无需进行纳税调整。 （2）广告费和业务宣传费在不超过销售收入的15%扣除准于扣除，超过部分，准予在以后纳税年度结转扣除。本年度允许税前扣除的广告费和业务宣传费为 667,683,445.00×15%=100,152,516.75（元），实际支出为 5,861,125.49+11,546,926.15= 17,408,051.64 (元)，由于 17,408,051.64 100,152,516.75，所以应纳税调增为 8,650,460.84+11,546,926.15－17,408,051.64= 2,789,335.35（元） （3）企业发生的与生产经营活动有关的业务招待费，按照发生额的60％扣除，但最高不得超过当年销售（营业）收入的5‰。业务招待费的60%为8,961,721.14×60%=5,377,032.68（元），而销售收入667,683,445.00×5‰=3,338,417.23（元），由于 5,377,032.683,338,417.23，所以业务招待费的税前扣除限额为3,338,417.23元，应纳税调增8,961,721.14－3,338,417.23=5,623,303.91（元） （4）企业发生的公益性捐赠支出，不超过年度利润总额12％的部分，准予扣除。因 此捐赠的扣除限额为61,887,073.00×12%=7,426,448.7（元），由于820,000.007,426,448.76 ，所以捐赠支出可据实扣除，无需进行纳税调整。 （5）应纳税所得额为61,887,073.00+ 2,789,335.35+5,623,303.91= 70,299,712.26（元） （6）应纳所得税额为70,299,712.26×25%= 17,574,928.07（元） （7）税后净利润为61,887,073.00－17,574,928.07= 44,312,144.94（元） 3.3 案例小结 表1 调增项目比较表 单位：元 调增项目原税法新税法 工资2,639,776.550.00 广告费2,789,335.352,789,335.35 业务宣传费8,208,508.93 业务招待费6,928,670.815,623,303.91 捐赠0.000.00 合计20,566,291.648,412,639.26 表2 税后净利润比较表 单位：元 项目原税法新税法 应纳税所得额82,453,364.6470,299,712.26 应纳所得税税27,209,610.3317,574,928.07 税后净利润34,677,462.6744,312,144.94 从表1可以看出，相对于原税法而言，新税法放宽了费用扣除的标准。在原税法下企业应纳税调增20,566,291.64元，而在新税法下企业应纳税调增8,412,639.26元。新税法下的纳税调增数额比原税法减少了12,153,652.38元。 从表2可以看出，在原税法下该公司的税后净利润为34,677,462.67元，而在新税法下该公司的税后净利润为44,312,144.94元，新税法下企业的税后利润比原税法增加了9,634,682.27元。 综合以上两点，新税法下留存在企业的利润较原税法有所增加。通过分析我们可以发现，造成这种结果的原因在于与原税法相比，新税法下企业各项费用的税前扣除标准有所放宽，在税前进行纳税调增的数额相对较小，进而使应纳税所得额相对较小，并且税率由原来的33%下降到25%，所以留存在企业的净利润有所增加。 4 结语 综上所述，无论是理论分析还是实证分析，新所得税法的实施都有为内资企业留存更多税后净利润的空间。只要企业科学计算、精心设计，便能有效地利用好新所得税法为自己创造更大的财富积累。碍于论文的篇幅所限，笔者未能深入分析新所得税法的每一具体变化，仅从实务性较强且较适用一般企业的变化之处着手分析，并且未对新所得税法实施之后对外资企业税后利润的影响进行探讨，这是本文的遗憾之处，也是有待日后进一步研究的内容。 参 考 文 献 [1] 胡伟.新旧企业所得税税收优惠政策比较[J].涉外税务,2007,(07):41-44. [2] 董再平.新企业所得税重点变化剖析[J].中国管理信息化,2007,8(8):81-82. [3] 国家税务总局.中华人民共和国企业所得税法[EB/OL]. [4] 刘剑文.新企业所得税法:八大制度创新[J].涉外税务,2007,(8):28-34. [5] 刘加恒,李彦龙,王振华.新旧企业所得税法异同探析[J].金融管理,2007,(11):61-62. [6] 季泽.对新企业所得税法的几点认识[J].西部财会,2007,(8):17-19. [7] 合肥市国家税务局.中华人民共和国企业所得税暂行条例[EB/OL]. [8] 神方立.新旧企业所得税法的区别[J].齐鲁珠坛,2007,(6):57-63. [9] 财政部.中华人民共和国企业所得税暂行条例实施细则[EB/OL]. [10] 国家税务总局.中华人民共和国企业所得税法实施条例[EB/OL].
-
中国农业总产值的计量分析_经济学毕业论文范文
中国农业总产值的计量分析_经济学毕业论文范文 [关键词]： 农业总产值、农业从业人员、户均生产原值、耕地面积、农业机总动力、灌溉面积、化肥施用量、出口额、进口额。 [内容提要]： 农业是国民经济的基础，它关系到我国的经济发展和社会稳定，可以说，目前“三农”问题是举国上下关注的焦点。在近几年中，农业总产值出现了一些波动，在这里，我们希望通过计量分析的方法找出影响农业总产值变动的因素及其在这些变动中所起的作用，并对这些现象作出合理的解释。 前言 众所周知，中国是一个农业大国，中国用不到占全世界7%的耕地养活了占世界20%的人口，这是一项举世瞩目的成就。据2003年中国农业统计年鉴，2002年我国农业总产值达到452.85亿元。 农业总产值受自然和社会因素的影响都很大。近年来由于自然灾害等各方面因素的影响，我国的农业总产值出现了一些波动。从1998年到2002年，我国的农业总产值分别为：14241.88亿元，14106.22亿元，13873.59亿元，14462.79亿元，14931.54亿元。在讨论中我们发现几个因素可能对此产生影响：第一，伴随着改革开放的进程，城市化进程加快，农村的耕地正因各种原因，以惊人的速度减少。因此，地少人多这一矛盾将长期困扰我国粮食生产。第二，近年来越来越多的农村青壮年劳动力加入进城打工的农民工的行列，农村留守从事种植业的人很多都是老人和小孩。第三，随着科技的进步，各种各样的肥料，新型的灌溉方式，农机具的使用也对农业总产值有着不同程度的影响。第四，在各种农作物中，有些是优良品种很受市场欢迎，但是有些品种却乏人问津，比如，近年来，由于籼型杂交水稻的口感比不上很多优质的新品种，已经逐渐被市场淘汰，而由于我国国产的黄豆品质价格与美国的同类产品相比不占优势，造成国内黄豆的减产，同时大量从美国进口黄豆。由此可以看出，粮食的市场需求和进出口都对粮食的产量有影响。第五，灌溉的面积、病虫害波及范围、程度，各地区土地的种类和分布等都会对粮食的产量造成一定程度的影响。 二．模型的建立 为了验证在我们能够考虑到的范围内的各种因素对某一时点上农业总产值是否有影响以及影响的程度，我们引入如下变量: 设定模型如下：Y=β0+β1X1+β2 X 2+β3 X 3+β4 X 4+β5 X 5+β6 X 6+β7 X 7+β8 X 8+U 通过分析2003年我国31个省市农业总产量的历史资料可建立模型如下： Y为2002年农业总产值（亿元） X1----农业从业人员（万元） X2----户均生产原值（元/每户） X3----为耕地面积（千公顷） X4----农业机械总动力（万千瓦） X5----灌溉面积（千公顷） X6----化肥施用量（万吨） X7----出口额（万美元） X8----进口额（万美元） 设定模型的函数形式如下：Y=β0+β1X1+β2 X 2+β3 X 3+β4 X 4+β5 X 5+β6 X 6+β7 X 7+β8 X 8+U 本模型采用截面数据，数据来源于《中国农业统计年鉴2003》，所取样本见下表： 城市编号农业总产值（亿元）农业从业人员（万人）元户均固定资产原值（元/户）耕地面积（千公顷）农业机械总动力（万千瓦） 灌溉面积（千公顷）化肥施用量（万吨）出口额（万美元）进口额（万美元） 北京190.0864.16258.09343.9381.79387.614.972277180290 天津286.0680.37727.96485.6612.72391.7517.63061634588 河北3918.6216526671.586883.37449.644772.06278.84807236491 山西4227.12658.44049.174588.61869.41284.34897710720 内蒙古5332.14535.710936.8582011510.222937.9982.8224622339 辽宁6540.09659.24989.954174.81484.771669.23111.47446944496 吉林7419.72509.16470.765578.41150.671569.84117100882415 黑龙江8487.53745.95743.35117731741.752190.24129.7379115871 上海997.2181.52624.32315.1126.88290.317.75629398629 江苏101165.51354.25044.825061.72983.894071.9337.557907111554 浙江11532.16929.68418.752125.32053.21488.8781.99208858004 安徽12718.381931.54948.815971.73372.113299.48270.5243954535 福建13444.24756.64615.741434.7915.87982.19119.9729751460 江西14421.49983.52873.952993.41111.821927.89112.58006727 山东151420.882370.96029.817689.38155.635311.62433.9246185102651 河南161360.2633935406.918110.36548.214871.43468.82309424405 湖北17671.211312953.074949.51557.432444.78257163332286 湖南18666.652019.63192.0139532498.092738.83184.315415939 广东19847.7715554129.873272.21740.112286.35196.4193034242271 广西20465.4715573057.754407.91639.541544.67176.52124829942 海南21151.46181.74463.49762.1250.31247.812930932192 重庆22264.08852.72375.64 665.57641.2573.47610461 四川23807.452503.33592.289169.11803.682547.5209.6263933601 贵州24278.891353.93288.314903.5699.41674.0873.65687176 云南25445.351696.14762.476421.61460.431508.9125301043632 西藏2629.0888.817765.63362.673.69344.013629411 陕西27353.21994.93960.255140.51208.211438.3131.910998763 甘肃28257.26738.24780.365024.71185.331295.1969.454361279 青海2928.59136.57487.33688281.3364.957.247611 宁夏3052.88150.512024.131268.8450.61472.4825128725 新疆31362.773268724.93985.7924.184605.6384.3376203422 三．具体分析过程 对模型进行初步估计，运用OLS估计法对模型中参数进行估计：结果如下 Dependent Variable: Y Method: Least Squares Date: 04/29/05 Time: 09:21 Sample: 1 31 Included observations: 30 VariableCoefficientStd. Errort-StatisticProb. C1.29310949.252640.0262550.9793 X10.0673470.0378801.7778820.0899 X20.0002500.0052440.0477370.9624 X30.0029590.0072630.4074390.6878 X4-0.0131250.016214-0.8094950.4273 X50.0402090.0214031.8786800.0742 X62.0901080.3742985.5840770.0000 X70.0010870.0004552.3915320.0262 X80.0002120.0004030.5247260.6053 R-squared0.969879Mean dependent var489.3170 Adjusted R-squared0.958405S.D. dependent var374.3294 S.E. of regression76.34435Akaike info criterion11.75171 Sum squared resid122397.7Schwarz criterion12.17207 Log likelihood-167.2757F-statistic84.52395 Durbin-Watson stat2.037974Prob(F-statistic)0.000000 分析： 由上可以看出在5%的显著性水平下F=84.52395F(8,22)=2.40，表明模型整上看农业总产与解释变量之间线性关系显著。但是X4的系数为负，与其经济意义相悖，而且常数项、X1、X2、X3、X4、X5、X8的T检验值都不显著，因此需要对模型的多重共线性进行检验。 （一）对模型进行多重共线性的检验： 计算解释变量间的相关系数 YX1X2X3X4X5X6X7X8 Y10.8525705-0.29542570.60257710.85097860.85662740.96803970.52964970.2749907 X10.85257051-0.39414140.62871590.7338960.67997710.8660220.26015620.0518853 X2-0.2954257-0.39414141-0.218498-0.11404-0.0929822-0.3070284-0.0866474-0.1267679 X30.60257710.6287159-0.21849810.54523520.64451890.60786750.0871383-0.1909085 X40.85097860.733896-0.114040.545235210.82890780.86370070.46666480.1489388 X50.85662740.6799771-0.09298220.64451890.828907810.84594670.37466010.099379 X60.96803970.866022-0.30702840.60786750.86370070.845946710.40800690.1698765 X70.52964970.2601562-0.08664740.08713830.46666480.37466010.408006910.7371095 X80.27499070.0518853-0.1267679-0.19090850.14893880.0993790.16987650.73710951 可以看出解释变量间存在高度线性相关。表明模型中确实存在严重的多重共线性。 修正： 1 运用OLS法逐一求对各个解释变量的回归。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Y对X6的线性关系强，如下图所示，两者趋势较一致，拟合程度最好，所以从X6开始进行逐步回归。 2 利用EVIWS逐步回归修正 Y=64.47880+2.989894X6 (2.465609) (20.90158) Adjusted R-squared=0.935605 F-statistic=436.8761 再将其余解释变量逐一添加，由T-检验值，Adjusted R-squared值，F-检验值综合评估，得到以下的模型拟合效果为最优： Y=48.83128+0.032959X5+2.640594X6 782918) (1.571097) (10.05940) Adjusted R-squared=0.938709 F-statistic=230.7323 Y=36.34899+0.0282845X5+2.489372X6+0.001063X7 (1.604827) (1.643220) (11.39764) (3.846975) Adjusted R-squared=0.958943 Dependent Variable: Y Method: Least Squares Date: 04/29/05 Time: 10:10 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. C36.3489922.649791.6048270.1202 X50.0282840.0172131.6432200.1119 X62.4893720.21841111.397640.0000 X70.0010630.0002763.8469750.0007 R-squared0.963048Mean dependent var482.0513 Adjusted R-squared0.958943S.D. dependent var370.2544 S.E. of regression75.02311Akaike info criterion11.59338 Sum squared resid151968.6Schwarz criterion11.77841 Log likelihood-175.6974F-statistic234.5624 Durbin-Watson stat1.931630Prob(F-statistic)0.000000 经上述逐步回归分析可知Y对X5,X6,X7以及常数项的回归模型为最优。 （二）对模型进行异方差的检验 由于我们获得的数据是截面数据，无法采用ARCH检验，又因为该模型有3个解释变量，不适用于需要排序的Goldfeld-Quandt检验，所以我们采用WHITE 检验对该模型进行异方差检验。 WHITE 检验 White Heteroskedasticity Test: F-statistic2.068557Probability0.081746 Obs*R-squared14.56767Probability0.103517 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 04/29/05 Time: 10:40 Sample: 1 31 Included observations: 31 VariableCoefficientStd. Errort-StatisticProb. C-2255.1442597.450-0.8682150.3951 X53.4784795.3044760.6557630.5191 X5^2-0.0027440.001189-2.3086810.0312 X5*X60.0107560.0225190.4776190.6379 X5*X70.0002600.0001032.5327210.0194 X644.5144861.513570.7236530.4773 X6^20.0407390.1850610.2201360.8279 X6*X7-0.0028010.001312-2.1355840.0447 X70.0421580.0646070.6525260.5211 X7^2-5.04E-075.57E-07-0.9036830.3764 R-squared0.469925Mean dependent var4902.214 Adjusted R-squared0.242750S.D. dependent var6126.889 S.E. of regression5331.627Akaike info criterion20.25640 Sum squared resid5.97E+08Schwarz criterion20.71897 Log likelihood-303.9742F-statistic2.068557 Durbin-Watson stat1.853841Prob(F-statistic)0.081746 可知Obs*R-squared=14.56767x(9)=16.9190所以不存在异方差 (三)对模型进行自相关性的检验 由D-W=1.931630,给定显著性水平a=0.05,查durbin-watson表,n=31,k=3得下限临界值dL=1.229和上限临界值du=1.650由du1.9316304-du,所以不存在一阶自相关. 模型确立： 综上所述，模型经过多重共线性的检验、修正，自相关、异方差的检验后可以确定为： Y=36.34899+0.0282845X5+2.489372X6+0.001063X7 修改后的模型不存在自相关性和异方差，说明模型的拟合效果是不错的。 四．模型解释及存在问题 （一）经济解释 经过分析我们所确立的模型，灌溉面积、化肥施用量、出口额都是影响农业总产值的主要因素，并且它们与农业总产值呈正相关关系，其中，灌溉面积每增加1单位，农业总产值增加约0.03单位；化肥施用量每增加1单位，可以使农业总产值增加约2.5单位；另外出口额对农业总产值也有一定影响。从模型还可以看出解释变量“农业从业人员”对被解释变量“农业总产值”的影响不显著，说明我国农业从业人员的边际劳动生产率不高，因此，可以认为劳动生产率是制约今后我国农业总产值增长的一个亟待解决的问题。另外，农业机械总动力的影响也是不显著的，验证了目前我国农业机械化水平不高的现实。 综上所述，我国农业总产值的增长结构是不合理的。原因在于农业机械化程度和劳动生产率对其的影响是不显著的，而化肥的施用量在我们采用的变量中对农业产值的影响却是最大的。化肥的采用的确可以在短期内大幅度的提高总产值，但是化肥对土地和生态的破坏也是有目共睹的，从长远来看，如果靠不断增加化肥的施用量来提高农业总产值是不合理的，也是不符合可持续发展的要求的。因此，结合现阶段我国资源消耗大产出却相对较低的国情，今后我国农业总产值的增长还是应该多在提高资源的利用效率上下功夫。只有这样才能以较小的成本获得较大的产出。 （二）存在的问题 根据先验信息，户均生产原值及耕地面积对农业总产值的影响应该是显著的，对它们的删除可能是不正确的，但是，由于数据的缺失以及一些其他的制约因素，如果不删除该变量，多重共线性又无法消除，这在一定程度上影响了模型的解释效力。 另外由于我们自身认识水平有限，在建立模型的过程中可能忽略了一些影响因素，使模型本身具有一些固有的缺陷，影响我们的分析结论。 [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2003》 3、《中国农业统计年鉴（2003年）》
