楼主: 陌人。
2994 6

学长让我做以基尼系数为因变量,研究其和国际贸易的关系,可是中国很多年的基尼系数没 [推广有奖]

  • 2关注
  • 0粉丝

本科生

27%

还不是VIP/贵宾

-

威望
0
论坛币
1020 个
通用积分
0
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
1563 点
帖子
83
精华
0
在线时间
28 小时
注册时间
2012-10-13
最后登录
2014-10-10

楼主
陌人。 发表于 2013-4-16 21:42:31 |AI写论文

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
我又遇到问题了,学长让我做以基尼系数为因变量,研究其和国际贸易的关系(解释变量分别是:X表示贸易出口额占GDP的比重,M表示贸易进口额占GDP的比重,FDI代表外商直接投资实际利用外资金额,L表示劳动密集型产品占出口总额的比重,JOB代
表二、三产业就业人口比重)可是中国很多年的基尼系数都没有记录在案,那个FDI的值也不够,我作业要求是至少50组观测值,现在基尼系数不算,其他所有变量都是从1970年才开始有记载,这样我就少了10组变量,而且最主要的因变量还不全。这可怎么办啊?主要对中国国情我还清楚。有好心人建议我看OECD国家的数据,可是我找了英国美国的数据,人家太稳定了,从50年前这个二三产业就业人口比重稳定在百分之八九十,所有数据我觉得都很稳定,如果做这样的分析是不是就没有意义了,最主要的问题是这两个国家也没有基尼系数,也没有二三产业就业人数的统计,缺20年的。。。求好心人指点现在我该怎么办啊?是该放弃这个模型么还是去缺点数据也不会影响到什么交作业老师也看不出来?求好心人指点,拜谢!!!
二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝

关键词:基尼系数 国际贸易 因变量 实际利用外资 外商直接投资 关系 国际贸易 基尼系数 因变量

沙发
陌人。 发表于 2013-4-16 21:52:24
希望大家帮我看看

藤椅
陌人。 发表于 2013-4-16 21:53:19
这是我找出来的数据了,sheet1是中国的,sheet2是英国,sheet3是美国

板凳
黄海一鸥 在职认证  发表于 2013-4-18 08:42:50
这个研究,唉,飘过吧

报纸
陌人。 发表于 2013-4-18 13:05:28
黄海一鸥 发表于 2013-4-18 08:42
这个研究,唉,飘过吧
这个研究怎么了啊?您说明白一点嘛,我菜鸟一个什么都不懂

地板
陌人。 发表于 2013-4-18 13:05:56
黄海一鸥 发表于 2013-4-18 08:42
这个研究,唉,飘过吧
这个研究怎么了啊?您说明白一点嘛,我菜鸟一个什么都不懂

7
赵安豆 发表于 2025-7-9 11:46:36
面对你的困境,确实需要一些策略和技巧来解决数据不完整的问题。下面是一些可能的解决方案:

1. **数据插值与估计**:对于缺失的数据点(如基尼系数、FDI等),可以考虑使用插值技术或经济模型进行预测。例如,基于已有的数据趋势来估算缺失年的数值。但是这种方法需要谨慎应用,并且在报告中明确指出哪些是实际数据,哪些是预测数据。

2. **替代数据源**:尝试寻找其他可靠的数据来源。中国政府和研究机构、国际组织(如世界银行、联合国)或学术论文可能提供有更完整记录的数据集。特别是基尼系数,中国国家统计局和其他经济研究机构会定期发布相关报告,尽管官方公布频率不高。

3. **缩小时间范围**:如果实在无法找到足够的数据点来满足50组观测值的要求,可以考虑将研究的时间跨度缩短至数据相对完整的年份,如从1980年开始。这样虽然可能会减少样本量,但至少能确保分析的准确性。

4. **采用面板数据模型**:如果你能找到其他国家的相关数据,并且这些国家的数据较为完整,可以尝试构建一个包含多个国家的面板数据分析(Panel Data Analysis)。这不仅能够增加样本数量,还能提供跨国家对比的可能性。

5. **理论假设与文献回顾**:在数据不足的情况下,加强理论分析和文献综述的部分。解释为什么选择特定变量来研究国际贸易对基尼系数的影响,以及这些变量之间的潜在联系。参考前人的研究成果,探讨你的假设是否符合现有理论框架或实证结论。

6. **咨询导师或专家意见**:向学长或其他领域内的专家请教,他们可能会提供宝贵的建议或者知道一些未公开的数据资源。有时候,直接与数据的原始收集者沟通也是一个好办法。

7. **改变研究设计**:如果以上方法都无法解决数据缺失问题,可能需要重新考虑你的研究假设和模型构建,选择更加可行的研究主题或调整变量设置,以适应现有数据条件。

在进行上述任一策略时,请确保遵循学术诚信原则,对所有数据来源、处理方法及其局限性进行详细说明。希望这些建议能帮助你克服当前的挑战!

此文本由CAIE学术大模型生成,添加下方二维码,优先体验功能试用



您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群
GMT+8, 2025-12-5 14:01