竞争变量论文（精选7篇）
竞争变量论文 篇1
引言
自Modigliani和Miller教授于1958年提出MM理论之后, 学者们才着手研究企业的资本结构问题。在国外, Brander和Lewis (1986) [1]首次将产品市场竞争与资本结构联系在一起, 在只考虑有限责任效应的条件下得出资本结构与产品市场竞争正相关。Williamson (1985) [2]在交易成本经济学视角下的公司融资理论中提出如何选择治理结构主要依靠公司的资产专用性。
在国内, 有部分学者研究某一行业企业内部产品市场竞争力与资本结构关系。洪锡熙、沈艺峰 (2000) [3]分析影响中国工业类上市公司企业产品市场竞争力的衡量指标企业规模和盈利能力显著影响企业的资本结构;李青原、王永海 (2006) [4]得出制造业上市公司的资产负债率与专用型资产的投入负相关, 衡量企业产品市场竞争力的指标盈利能力与资本结构负相关。朱顺泉 (2005) [5]对信息产业资本结构的影响因素进行了研究, 但未考虑专用型资产。
信息产业是战略型产业且近年来该行业的年收入占中国国民收入的比重一直处于上升趋势, 所以本文以信息产业为研究对象, 首先研究产品市场竞争力对资本结构的影响, 其次检验专用型资产在资本结构与产品市场竞争力之间是否起到中介作用。
一、样本的选取、变量描述
(一) 数据来源
本文以沪深交易所信息产业A股上市公司为研究对象, 搜集了2003—2012年的数据。为了保证数据的有效性, 本文对原始数据进行了筛选和剔除最终得到数据997个。
(二) 变量的选取
1. 资本结构。
企业资本结构反映的是企业债务资本和权益资本的比例关系, 它在很大程度上决定着企业的偿债和再融资能力和未来的盈利能力。
总资产负债率=总负债/总资产×100%
2. 资产专用性。
资产专用性是指资产能够被重新配置于其他备选用途并由其他使用者重新配置而损失其生产价值的程度。专用性资产是指重置价值很低的资产。
资产专用性= (无形资产+固定资产) /总资产×100%
3. 产品市场竞争力。
在竞争环境下, 企业当前的融资方式会影响企业的产品市场竞争力和企业业绩。产品市场竞争力主要表现在:产品的销售情况和市场地位。本文采用以下指标作为产品市场竞争力的替代指标。
(1) 市场占有率:指一个企业的销售额占整个行业的总销售额的比重, 表明企业在产品市场上所处的地位, 是衡量产品市场竞争力的最直接的指标。市场占有率=企业的销售额/整个行业的总销售额×100%。 (2) 盈利能力:指企业的资金或资本增值能力, 通常表现为一定时期内企业收益数额的多少。主营业务利润率=净利润/主营业务收入×100%。 (3) 企业规模:是对企业生产、经营等范围的划型, 表示企业的劳动力、生产资料和产品在企业中的集中程度。企业规模它可以从资源占用和生产要素的层面上反映企业规模。企业规模=LN (总资产) 。
二、实证研究
(一) 相关性分析
各个变量之间的相关性 (如下页表1所示) 。由表可知, 除盈利能力与市场占有率不显著, 企业规模与资产专用性、盈利能力不显著以外, 其他变量之间都在0.01的水平上显著相关。
注:***表明在0.01的水平上 (双侧) 显著相关。
(二) 回归分析
构造多元线性回归模型的回归方程为:
其中:αi为回归系数;i=1、2、3;δ为残差项。
将所有数据带入回归方程中, 得出回归结果 (见表2) , 根据Ad.R2为0.218, F值为92.315, 说明模型的拟合度较好且在0.01的水平上显著。MS、PRO与LEV显著负相关。MS是衡量产品市场竞争力最直接的指标, 因此说明产品市场竞争力与资产负债率显著负相关。
注: () 为t统计量, **表明在0.05的水平上 (双侧) 显著相关, ***表示在0.01的水平上 (双侧) 显著相关。
(三) 中介效应检验
采用温忠麟、张雷 (2004) [6]的中介效应检验方法进行中介效应检验。检验方程如下:
其中:Y表示LEV;X表示产品市场竞争力;M表示AS;c、a、c′、b都为方程的系数;ei表示残差项, i=1、2、3。按照温忠麟的检验程序, 首先将各变量数据合并取均值后再中心化, 最终得到中心化的X、M、Y。其次, 将中心化的数据带入各个方程对相关的系数依次进行检验。中心化的数据进行分析之后得出c=0.161, 显著性为p=0.000, 所以c显著;接着对a进行检验, 得出a=0.095, 显著性p=0.000, 所以a显著;然后检验b, 得出b=0.183, 显著性p=0.000, 所以b也显著。由于a和b都显著, 接下来通过检验c′, 分析结果得出c′=0.043, 且p=0.000, 表明c′显著, 所以可以得出资产专用性起到了部分中介效应。
结论
通过对信息产业2003—2012年A股上市公司的数据进行后得出产品市场竞争力与资产负债率负相关, 说明在信息产业中若企业的市场占有率越高, 企业越会采取较低的负债水平;企业的市场占有率越低, 企业越会采取较高的负债水平。之后将资产专用性作为中介变量, 得出资产专用性在产品市场竞争力与资本结构之间起到了部分中介作用。
摘要：以信息产业2003—2012年A股上市公司的数据为基础, 研究企业产品市场竞争力对资本结构的影响, 并检验资产专用性在产品市场竞争力与资本结构之间的中介作用。结果表明, 产品市场竞争力与资产负债率显著负相关;资产专用性在产品市场竞争力与资本结构之间起到了部分中介作用。
关键词：产品市场竞争力,资本结构,资产专用性,中介变量
参考文献
[1]Brander James A, Tracy R Lewis.Oligopoly and Financial Structure:the Limited Liability Effect[J].American Economic Review, 1986 (76) :956-970.
[2]Williamson, O, E.The Economic Institutions of Capitalism[M].New York:Free Press, 1985:47-56.
[3]洪锡熙, 沈艺峰.中国上市公司资本结构影响因素的实证分析[J].厦门大学学报 (哲学社会科学版) , 2000, (3) :114-120.
[4]李青原, 王永海.资产专用性与公司资本结构——来自中国制造业股份有限公司的经验证据[J].会计研究, 2006, (7) :66-71.
[5]朱顺泉.中国信息产业类上市公司资本结构的实证分析[J].科技管理研究, 2005, (4) :10-12.
[6]温忠磷, 张雷, 侯杰泰, 等.中介效应检验程序及应用[J].心理学报, 2004, (5) .
竞争变量论文 篇2
大型采掘机械等工程机械采用变量泵-变量马达容积调速系统,系统工作过程相当于变量泵控制定量马达或定量泵控制变量马达,即先进行变量泵-定量马达调速,待变量泵排量达到最大值时,再进行定量泵-变量马达调速,使得马达转速进一步提高,从而增大系统的调速范围[1,2]。上述调节过程中只有一个调节机构工作,存在溢流损失大、响应慢和没有发挥变量泵-变量马达系统潜能等缺点。
变量泵-变量马达是一个双输入单输出的非线性时变系统,国内外对变量泵-变量马达控制系统的研究很少,几乎没有相关研究资料。针对多输入多输出非线性系统,文献[3,4]提出自适应模糊控制算法实现系统输出跟踪期望信号,但参数收敛速度慢,效果不理想;文献[5]综合运用非线性H∞跟踪控制算法、变结构方法以及自适应控制技术构造一个混合自适应鲁棒跟踪控制器;文献[6]针对参数不确定性的多输入多输出参数反馈系统提出自适应鲁棒跟踪控制算法,但该方法没有考虑系统建模动态。
本文针对变量泵-变量马达系统特点提出变量泵-变量马达自适应控制算法。
1 问题提出
在大型采掘机械和摊铺机等工程机械中,普遍采用变量泵-变量马达系统,如图1所示。图1中ω0为马达期望转速,rad/s。
根据图1建立系统传递函数为
式中,ωm为马达转速,rad/s;qm0为变量马达初始排量,m3/rad;ωp为变量泵转速,rad/s;qp为变量泵排量,m3/rad;qm为变量马达排量,m3/rad;ωm0为变量马达初始转速,rad/s;Ct变量泵和变量马达总的泄漏系数,m5/(N·s);pp0为调节变量马达时高压侧的初始压力,Pa;βe为油路的有效体积弹性系数,N/m2;V0为回路高压侧的总容积,m3;TL为作用在变量马达轴上的外负载力矩,N·m;Bt为黏性阻尼系数,N·m·s/rad;Jt为折算到马达轴上的转动惯量,kg·m2。
由式(1)可以看出,变量泵-变量马达系统是一个双输入单输出系统,液压马达转速随着变量泵排量的增大而增大,随着变量马达排量的减小而增大。在不考虑系统泄漏情况下,液压马达转速为
由式(2)可以看出,如柴油机转速ωp保持某一恒值,液压马达期望转速ωm可以有无数(qp,qm)组合满足要求。如果考虑系统响应速度最快、效率最高等指标,变量泵控制变量马达是一个复杂系统。
2 变量泵-变量马达自适应控制算法
变量泵-变量马达自适应控制算法的原理如图2所示。
由图2可以看出,变量泵-变量马达自适应控制算法包括两个部分:一个是变量泵单神经元自适应PID控制;另一个是变量马达预测自适应控制。变量泵对变量马达转速进行主动闭环控制,是时变系统,为了克服PID控制算法不足,引入单神经元进行PID参数整定以提高系统性能,变量马达根据变量泵控制量进行预测自适应控制。变量泵-变量马达系统的泵对马达转速作主动闭环控制,马达根据泵的排量作广义随动控制。
2.1 变量泵单神经元自适应PID控制
具有自学习和自适应能力的单神经元构成的单神经元自适应智能PID控制器不但结构简单,而且能够适应环境变化、具有较强鲁棒性。
单神经元自适应控制器是通过对加权系数的调整来实现自适应、自组织功能的,权系数的调整是按照无监督的Hebb学习规则来实现,控制算法和学习算法为
式中,ηP为比例学习速率;ηI为积分学习速率;ηD为微分学习速率;w1为PID的比例系数;w2为PID的积分系数;w3为PID的微分系数;e(k)为马达转速误差;k为采样时刻。
2.2 变量马达预测自适应控制
根据式(2)可知,泵恒定转速时,根据变量泵排量和马达转速要求就可以计算出变量马达排量,根据这个原理进行变量马达预测自适应控制。变量马达预测自适应控制分为两个步骤:一是马达预测控制信号的计算;二是马达预测控制信号的修正。
2.2.1 马达预测控制信号
在变量泵-变量马达系统中,对于同一转速要求可以有无穷多组泵排量和马达排量组合。如何选取一组最优组合来满足系统要求,目前还没有一种通用的方法。马达预测自适应控制的实质是在变量泵-变量马达系统中,泵对马达转速作主动闭环控制,马达根据泵的控制信号、马达转速要求进行自适应控制,也可以广义理解为随动控制。
根据式(2)得马达预测控制信号:
式中,qms为马达预测排量,m3/rad。
2.2.2 马达自适应控制
在变量泵-变量马达自适应控制中,泵进行主动控制,马达作随动控制。对马达转速的反应马达控制比变量泵慢,为了提高系统控制性能,本文提出根据泵控制量变化率dq进行马达控制信号自适应修正。马达自适应规则如下:当dq正大时,说明马达转速远未达到目标值,马达控制量向小修正;当dq负大时,说明马达转速远超目标值,马达控制量向大修正;当dq在零附近时,说明马达转速在目标值附近,马达控制量不修正。
马达自适应控制规则借鉴模糊控制单输入单输出,输入为泵控制量变化率dq,输出为变量马达控制量修正系数δ。dq和δ的论域分别为
dq={NB,NM,Z,MP,PB}
δ={one,two,three,four,five}
控制规则如表1所示。
在得到马达预测控制信号和修正系数后,马达控制信号为
qm=qmsδ
3 仿真研究
在完成变量泵-变量马达系统建模和控制算法后进行仿真,仿真分两个部分:一是变量泵控制定量马达和定量泵控制变量马达仿真;二是变量泵-变量马达系统仿真。
3.1 变量泵控制定量马达仿真
根据图1,马达排量为60mL/r,泵采用PID控制,控制参数KP=0.0015、KI=0.0015、KD=0.0002,调节时间为0.75s,超调量为0.7%,此时系统溢流流量ΔQp=1.05×10-2m3。
3.2 定量泵控制变量马达仿真
根据图1,泵为全排量,马达采用PID控制,控制参数 KP=0.0002、KI=0.0008、KD=0.0001,调节时间为0.82s,超调量为1.9%,此时系统溢流流量为ΔQm=7.02×10-3m3。
3.3 变量泵-变量马达系统仿真
根据式(1)按照第2节控制算法,进行变量泵-变量马达系统仿真。系统主要参数为:qm0=1.67×10-5m3/rad,ωp=209.4rad/s,ωm0=104.7rad/s,βe=1.4×109N/m2,Bt=340(N·s)/m,Ct=3.5×10-5m5/(N·s)。
表1模糊控制器论域为:dp={-6,-3,0,3,6};δ={1.2,1.1,1.0,0.9,0.8}。利用MATLAB仿真,马达转速如图3所示,泵和马达排量百分比如图4所示。
由图3可以看出基于自适应控制算法变量泵-变量马达速度响应系统的超调量为2%,调节时间为0.355s,此时系统溢流流量ΔQpm=1.1×10-3m3。由图4可以看出变量泵在控制过程中自动调节,变量马达排量根据变量泵的信号进行预测自适应控制,对于马达转速要求1000r/min时,变量泵为全排量的0.68,变量马达为全排量的0.95。
通过以上仿真可以看出,采用变量泵-变量马达自适应控制算法可以提高系统的响应速度、减小系统的溢流损失。
4 实验研究
在变量泵-变量马达系统控制算法设计后进行系统实验,实验采用D6114ZG9B型柴油机,HPV75-02型变量泵和HMV105-02型变量马达。实验室柴油机设定为2000r/min,系统外部负载TL=200N·m,实验分三种情况:变量泵-定量马达、定量泵-变量马达和变量泵-变量马达,实验结果如图5所示。
由图5可以看出,变量泵-定量马达系统调节时间为0.73s;定量泵-变量马达系统调节时间为0.80s;变量泵-变量马达系统调节时间为0.39s。
由实验可以看出变量泵-变量马达自适应控制算法可以实现变量泵控制变量马达,提高系统响应速度。
5 结论
(1)提出了变量泵-变量马达自适应算法,实现变量泵-变量马达速度调节系统中泵和马达排量同时调节,提高系统响应速度。
(2)针对变量泵-变量马达系统特点,提出根据变量泵排量变化率进行变量马达排量修正算法,仿真和试验都表明该算法正确、可靠。
(3)文中提出的自适应控制算法对于双输入单输出系统控制问题具有一定借鉴意义。
摘要：目前变量泵-变量马达系统的速度调节过程相当于变量泵控制定量马达或定量泵控制变量马达,这种方式存在系统溢流损失大、调节速度慢和没有发挥系统潜能等缺点。为克服这些不足,提出变量泵-变量马达自适应控制算法。变量泵对马达转速进行主动闭环控制,变量马达根据变量泵排量作随动控制而实现变量泵和变量马达排量的同时调节。采用单神经元自适应PID控制算法进行变量泵控制,采用预测自适应控制算法进行变量马达控制。给出了变量泵-变量马达自适应控制算法基本原理和框图,仿真和实验表明该算法可以提高系统响应速度、减少溢流损失。
关键词：变量泵-变量马达,自适应控制,单神经元,预测控制
参考文献
[1]马鹏飞.全液压推土机液压行驶驱动系统动力学研究[D].西安:长安大学,2006.
[2]万丽荣,赵胜刚,沈潇,等.基于MATLAB/SI MU-LINK的变量泵变量马达调速系统动态仿真[J].煤矿机械,2007,8(2):26-28.
[3]Golea N,Golea A,Benmahammed K.Stable IndirectAdaptive Fuzzy Control[J].Fuzzy Sets and System,2003,137(3):353-366.
[4]Li Hanxiong,Tong Shaocheng.A Hybrid AdaptiveFuzzy Control for a Class of Nonlinear MI MO Sys-tems[J].IEEE Transactions Fuzzy System,2003,11(1):24-34.
[5]Chang Y C.An Adaptive Tracking Control for aClass of Non-linear Multiple-Input-Multiple-Output(MI MO)Systems[J].IEE Transactions Au-tomatic Control,2001,46(11):1432-1437.
竞争变量论文 篇3
求二维随机变量函数的密度函数是概率论中的一个重要内容, 由于变量分布的差异性, 如何求又是一个难题, 一般没有统一的公式可循。一般教材中介绍了常用的方法, 即先求分布函数, 然后对分布函数求导就得密度函数, 但计算比较麻烦, 学生掌握困难很大。变量变换法和增补变量法相对于常用方法而言, 计算过程更加简捷。其中变量变换法许多学者都有研究, 而增补变量法甚少提及, 总结多年教学经验发现, 学生难以掌握这部分内容的精髓, 运用起来容易犯错, 特别表现在确定被积函数的积分区域上, 本文针对这个问题理清了一个简单通用的确定方法。
二增补变量法
增补变量法实质上是变量变换法的一种应用:为了求出二维连续随机变量 (X, Y) 的函数Z=g (X, Y) 的密度函数, 增补一个新的随机变量V=h (X, Y) 。先用变量变换法求出 (Z, V) 的联合密度函数pZV (z, v) , 再对pZV (z, v) 关于v积分, 从而得到关于Z的边际密度函数pZ (z) 。
问题: (1) 如何增补新随机变量? (2) 如何确定p (z, v) 中v的积分区域?
第二个问题, (Z, V) 的联合密度函数pZV (z, v) 的解析式中只含有z和v两个量, 对v积分时, 积分上下限一定是关于z的表达式。在二维连续随机变量 (X, Y) 的联合密度函数pXY (x, y) 的非零区域里, 画出函数Z=g (X, Y) 的曲线, 用曲线与非零区域相交点确定积分的上下限。
解:本例题作为示范题, 先记V=Y求出Z=X+Y的密度函数, 再换V=X用同样的方法求出Z=X+Y的密度函数, 如果两次求出的密度函数相同, 即验证方法的正确性。
由例题可以看出, 只要掌握了增补变量和确定积分区域的技巧, 增补变量法是一个极易掌握而且便于计算的方法。
增补变量法将比较难求的多维连续随机变量函数的密度函数, 转化为求变换后的两个变量的联合密度函数, 然后利用联合密度函数与边际密度函数之间的关系, 积分求出要求的变量的密度函数。相对于常用方法, 可简化运算。
摘要：二维连续随机变量函数的密度函数的计算是概率论教学中的一个重点, 更是一个难点, 其中增补变量法是一个简洁明了易掌握的方法, 但学生不能准确确定联合密度函数的积分区域, 本文针对这个问题给出了确定积分区域的方法。
关键词：连续随机变量,密度函数,增补变量法
参考文献
[1]茆诗松、程依明、濮晓龙编著.概率论与数理统计教程 (第二版) [M].北京:高等教育出版社, 2011:169~171
[2]王凡彬、严雳.多维随机变量函数密度的求解方法[J].内江师范学院学报, 2012 (10) :17~19
[3]余本国.一般二维连续型随机变量函数分布的讨论[J].华北工学院学报, 2004 (2) :94~96
[4]李思齐、李昌兴、柳晓燕.二维连续型随机变量函数的分布密度的计算[J].大学数学, 2011 (5) :162~166
竞争变量论文 篇4
货币变量对实际产出变量是否具有实际影响, 经济学中已经对此进行了大量的理论和实证研究, 但是目前还没有形成一致的结论, 其主要原因是表示名义经济和实际经济的变量具有多种形式, 因此无法利用确定的代表性变量来指定货币变量与实际产出之间的关联机制。Granger (1969) 利用双变量之间的Granger影响关系检验发现基础货币变量对于实际产出变量具有单向的显著影响, 由此认为货币政策即使在短期内也是有效的, 这样的实证结论支持了货币主义学派的观点。但是随后Sims (1980) 的研究产生了对于“货币冲击具有实际效果”观点的质疑, 其主要结论是当在货币存量和实际产出变量的关系方程中引入利率变量时, 货币存量对于实际产出的作用程度将显著降低, 因此动态利率将比存量货币具有更强的解释产出变化能力, 这同凯恩斯经济学的LM曲线机制更加吻合。为了精细地分析货币变量和实际产出变量之间的关系, Bernanke和Blinder (1992) 选择了不同的货币变量形式, 其中包括M1, M2和三种不同的利率, 分别检验了其不同组合对实际产出变量:工业产出、资本使用率、就业率和失业率、耐用品定单等的影响程度, 结论是联邦基金利率是对这些实际变量最为重要的影响成分, 从而显示出利率杠杆的基本作用。
我国学者也对相关问题进行了理论和实证研究。其中许祥泰 (2001) 认为, 中国经济结构的内在不稳定性导致货币政策中介目标的不可测和不可控性, 经济体制不完善导致了货币政策失效。刘金全 (2002) 认为货币政策的有效性不仅依赖于货币政策的方向和强度, 而且依赖于经济周期的具体阶段, 即货币政策存在非对称性。刘金全、张艾莲 (2003) 通过检验货币供给增长率中存在的趋势性转变发现货币政策对实际产出变量的影响较弱。
由于分析实际产出变量和货币变量之间影响关系的结论不尽相同, 因此需要检验这些结论相对于变量选取和假设条件的稳健性及灵敏性, Leamer (1983) 给出了检验影响关系稳健性及灵敏性的检验方法, 并且在不同国家的经济运行中得到了广泛应用, 为此本文将基于我国的具体数据, 采用Leamer检验方法, 判断我国经济运行中货币政策作用机制的稳健性及灵敏性。
一、向量自回归模型以及Leamer模型的稳健性与灵敏性分析
Leamer (1983) 认为统计检验结论所具有的稳健性体现在所得到的检验结果应该对不同的模型假设均成立。与稳健性相对应, 也需要对一些重要的检验结论在不同模型假设条件下进行灵敏性分析。在具有参数结构的模型当中, 主要对不同假设下变量参数的显著性进行稳健性及灵敏性检验, 即考察变量系数在符号上和显著性水平上的变化。如果经验方程当中引入其他变量以后, 原解释变量系数没有发生符号上的改变, 或者没有出现变量的非显著性, 则我们认为该变量是稳健的。否则, 利用原方程进行检验得到该变量的统计结果被认为是脆弱的, 即具有灵敏性。
我们主要采用向量自回归模型当中的简化式方程检验货币变量对于实际产出变量的Granger影响, 并且判断检验结论的稳健性及灵敏性。如果所考察的货币变量在大多数指定条件下仍然具有对于实际产出变量的Granger影响, 则认为这个变量对于实际产出具有稳健的解释和推断能力。例如考虑变量M1的Granger影响, 设是某个实际变量, 则通过VAR模型得到下述简化式:
这里需要检验系数bt-i, i=1, …, n在统计量水平上是否显著非零, 一般情形下利用具有参数约束的F-统计量进行检验。如果F-统计量显著, 则认为M1对实际变量Xt具有Granger影响。在进行灵敏性分析时, 需要在VAR模型中继续引入其他货币变量, 例如可以引入某种贷款利率变量Rl, t, 得到如下简化式方程:
对上述方程重复进行M1和Rl, t的Granger影响关系检验 (分别计算对应的F-统计量值, 并且与相应的临界值比较) 。与此类似, 我们可以进一步将其他货币变量, 例如某种存款利率Rd, t, 引进作为回归变量继续进行Granger影响因果关系检验。如果某个货币变量在所有回归变量被引进的过程中, 其F-统计量均是显著的, 则认为这个货币变量对于实际产出的Granger影响是稳健的;如果某个货币变量仅仅在具体的某些回归方程中具有显著的Granger影响, 而在引入其他回归因子以后显著性消失, 则认为这个货币变量的Granger影响是脆弱的, 也是灵敏的。
我们在实证分析中涉及到9个实际产出变量和货币变量:实际GDP变量Yt, 累积消费Ct, 累积投资It, 货币变量M0和M1的同比增长率;表示货币机会成本的变量选取了一年期储蓄利率, 一年期贷款利率, 五年期储蓄利率和五年期贷款利率, 分别用变量Rd1、Rd5、Rl1和Rl5表示。由于M0和M1具有较强的相关性, 因此在同一回归方程中避免同时出现这两个变量。这样针对不同的实际产出变量, 我们可以分别建立32个包含M0和M1的回归方程, 建立15个包含Rd1, Rd5, Rl1和Rl5的回归方程, 例如其中涉及到累积消费的回归方程为:
这些方程中逐步引入解释变量, 然后判断这些解释变量对累积消费变量的解释能力, 同时检验消费变量对扰动项的冲击反应, 进而获得模型稳健性和灵敏性检验的经验证据。
二、货币政策的稳健性及灵敏性检验结果
我们使用样本区间取自1991年第4季度至2008年第4季度的季度数据, 实际GDP (Yt) 由名义GDP和通货膨胀率 (用居民消费价格指数替代) 计算得到;累积消费 (Ct) 用社会消费品零售总额度量;累积投资 (It) 用全社会固定资产投资度量。实际GDP、累积消费和累积投资的季度增长率时间路径如图1所示。货币变量M0和M1的季度同比增长率由图2表示。在选取数据时, 由于我国实行了有限浮动的利率体制, 虽然已经连续调整利率并且开征利息税, 但是仍然无法动态地体现利率变化对于实际产出的影响, 为此一年期储蓄利率 (Rd1) 、一年期贷款利率 (Rl1) 、五年期储蓄利率 (Rd5) 和五年期贷款利率 (Rl5) 使用实际利率来进行计算, 实际利率是名义利率和通货膨胀率之差, 它们的时间路径由图3表示。数据来源于国家统计局《我国经济景气月报》和中经网 (http://dbceigovcn) 。
如图1所示, GDP增长率从1991年至1996年期间波动较为剧烈, 在1996年底我国经济顺利实现“软着陆”以后, 经济增长的波动程度明显降低。消费增长率的波动与GDP大体相同, 在时间上稍有滞后。相比而言, 投资增长率的波动较为剧烈, 在1994年至1995年出现了一次大的波动, 1996年经济“软着陆”以后波动幅度逐渐减小, 在2003年到2005年前后又出现了一次较大的波动, 2006年至今逐渐趋于平缓。
由图2可以看出, M0和M1的增长率路径大致趋同, 从1992年到1996年出现了一次“陡升缓降”, 其中M0和M1的增长率都在1993年前后出现了峰值, 随即又迅速下降, 直至1994年—1996年间出现了一次小幅波动, 从1996年到目前为止波幅放缓。
图3表明, 我国实际存款利率和贷款利率也在1992年到1996年出现了“陡降陡升”, 在1994年—1995年间达到谷底, 而后迅速攀升, 直到1998年—1999年达到峰值, 此后实际利率的起伏较为平缓, 从2006年至今一直处于下降态势。
为了检验货币变量与实际产出变量是否显著相关, 我们列出了货币变量对实际产出变量具有显著Granger影响的VAR方程数量除以总方程数, 显著性水平为10%。我们的计算结果在表1中列出:由表1可以看出, 在包含M0和消费的16个VAR方程中, 每个方程中的M0都对消费变量具有显著的Granger影响, 因此我们认为货币变量M0对实际产出变量消费的Granger影响是稳健的。而在分别包括M1、一年期存款利率、五年期存款利率、一年期贷款利率、五年期贷款利率和消费变量的方程中, 具有显著Granger影响的VAR方程数量分别占总方程数量的1/16、2/8、6/8、4/8和2/8, 所以我们认为M1、一年期存款利率、五年期存款利率、一年期贷款利率及五年期贷款利率对消费的Granger影响是灵敏的。
同理, 在分别包含M0、M1、一年期存款利率、五年期存款利率、一年期贷款利率、五年期贷款利率和投资的8个VAR方程中, 具有显著Granger影响的VAR方程数量分别占总方程数量的0/16、0/16、1/8、4/8、1/8和6/8, 所以我们认为一年期存款利率、五年期存款利率、一年期贷款利率及五年期贷款利率对投资的Granger影响是灵敏的。
与之相类似的是, 在分别包括M0、M1、一年期存款利率、五年期存款利率、一年期贷款利率、五年期贷款利率和GDP的方程中, 具有显著Granger影响的VAR方程数量分别占总方程数量的6/16、0/16、2/8、3/8、3/8和5/8, 所以我们认为M0、一年期存款利率、五年期存款利率、一年期贷款利率及五年期贷款利率对GDP的Granger影响是灵敏的。
以上实证结果表明, 只有M0对消费变量具有显著的稳健影响, 而M1、一年期存款利率、五年期存款利率、一年期贷款利率及五年期贷款利率对消费的影响都是灵敏的, 即当与其它货币变量共同作用时, M1、一年期存款利率、五年期存款利率、一年期贷款利率和五年期贷款利率将对消费没有显著影响。存款利率和贷款利率对投资和GDP的Granger影响都是灵敏的, 即考虑多种货币变量共同作用时, 一年期存款利率、五年期存款利率、一年期贷款利率和五年期贷款利率对投资和GDP也没有显著影响。
三、经济政策分析与启示
从理论上讲, 利率是经济活动中一个至关重要的变量, 是借贷资本的成本与报酬, 是推行货币政策的重要工具, 是国家调控经济的重要杠杆。利率波动应该对国民经济各行各业, 以至储蓄、投资、消费都有影响, 特别是对一些利率敏感行业如建筑业、房地产业等的影响应该很大。但从对我国数据的计算分析来看, 我国具有明显的“利率机制失灵”。
从消费方面来说, 现金对于市场的影响要强于存款及贷款利率, 货币供给量的增加能够促进消费的增加, 而通过利率水平的调整来影响消费收效甚微, 即使实际利率为负时, 我国居民的储蓄存款额也一直居高不下。我们认为出现这种情况是因为:首先, 我国具有“勤俭节约”的传统美德, 受这种传统思想的影响, 削弱了利率变化的对消费者的消费刺激, 使得消费者很难改变长期的储蓄习惯。并且随着我国住房、养老、医疗、就业和教育等改革的深入, 导致消费者对未来的支出预期增加, 对当期消费更加谨慎。此外, 我国目前贫富差距较大, 大部分中低收入者的消费倾向很高, 并主要用于满足基本生活需求, 因此对利率的影响并不敏感。而对于高收入者, 利率的变化并不能改变他们的消费能力, 从而利率变化对他们的影响也不大。
从投资和GDP方面来说, 利率在理论上通过影响投资进而影响GDP, 但从本文的实证检验结果可以发现我国利率波动对投资和GDP没有较为稳健的影响。我们认为这首先是因为中央银行是利率的唯一制定者, 而中央银行作为宏观调控部门为了追求货币稳定等其他宏观经济目标, 不能使利率完全随货币资金供求关系的变化而变动, 因此形成的利率水平和波动幅度容易失真。其次, 我国的基础设施建设和房地产投资在固定资产投资中占有较大比例, 近些年来, 这些行业的投资回报率较高, 有的甚至高达几倍, 这导致贷款成本相对较低, 因而利率调节不能对相关行业产生较为显著的影响。
由于存在以上原因, 致使我国的利率调整不能对宏观经济产生较为稳健的影响。为了提高货币政策对实际产出的影响以达到对宏观经济进行调控的目的, 有效发挥“利率杠杆”的作用, 我们提出以下建议: (1) 建立健全社会保障体系。考虑到消费者普遍的储蓄动机, 我国应加快住房、养老、医疗、就业和教育等改革的步伐, 完善社会保障体系, 以减少消费者对于未来不确定支出预期, 从而使消费者改变消费观念, 使货币政策在较大程度上影响个人消费与投资决策。 (2) 提高消费者收入水平。在现有基础上进一步健全和完善最低生活保障制度, 并能使中低收入者的收入水平保持长期稳定增长。通过增加税收等财政政策降低过高收入, 从而在一定程度上缩小贫富差距。 (3) 推动利率市场化进程。货币政策要充分发挥作用, 离不开市场化条件下健全的货币政策工具。利率市场化是发展现代货币政策工具的前提。改革利率管理体制, 使利率能真正反映资本市场供求状况, 才能使货币政策更好的发挥调控宏观经济的作用。 (4) 控制固定资产投资的部分行业。对于房地产等高利润行业, 政府应采取相应措施减少其过高利润, 降低其投资回报率, 从而增加贷款成本在其总投资额中所占的比例, 使货币政策变化对投资能够起到有效的促进或抑制作用。
参考文献
[1]刘金全.货币政策作用的有效性和非对称性研究[J].管理世界, 2002 (3) .
[2]刘金全, 张艾莲.我国货币政策作用机制的阶段性与货币—产出之间影响关系检验[J].统计研究, 2003 (8) .
[3]Bernanke, B.S.and Blinder, A.S.The Fed-eral Funds rate and the channels of monetary transmission, American Economic Review, 1992 (82) :901-921.
[4]Leamer, E.E.Sensitivity analysis would help, A-merican Economic Review, 1985 (75) :308-313.
[5]Sims, C.Money, Income, and Causality, Ameri-can Economic Review, 1972 (62) :540-542.
[6]Walsh, C.E.Monetary Theory and Policy, CM:MIT Press, 1998.
多变量传感器 篇5
随着其尖端化的发展,仪器装置通常可以提供不止一个变量。这些测量是随兴的,因为它们不需要任何额外的传感器辅助或者过程渗透。它们仅需要你提供一种提取信息的方式。
多变量方法根据主导变量的需求可分成三类:
修正性测量一大多电子传感器在一定程度上会被多个变量所影响。比如,使用电容或者应变计技术的压力传感器会受到温度的影响。因此,这一装置的传导器会采用自身温度测量并且使用该数据来修正初始读数。由于此次测量是在传导器中进行,所以通常很容易将其提供给控制系统。
采用修正型测量数据所要注意的问题是要确切知道该数据的来源。上述例子中的做法是在必要时进行的用于修正主导变量的,并且完全不会影响到整个过程;它仅反映传导器或者电子装置周围的温度。在使用这类数据之前必须知道该数据的内容。
多重测量一最普通的流量测量法之一,使用一块挡板和差异压力计。虽然会有很多执行变量,但是用基本概念算出的流量是基于已知障碍物两侧的压力的读数。即使流量测量仅需要获得差异压力值,管路压力的测量值也能从中得到。
计算测量一随着传导器电子元件尖端化的发展,为测量好的过程变量添加计算值变得更加简单了。科里奥利流量计使用了该技术,并且能从实际测量出来的三个变量中得到一系列变量。以上这一技术最普通的应用是将科里奥利流量装置读数设定为加仑或者升每分钟。该装置并不直接测量容积,它可以根据质量流量和密度来计算体积。该传导器可以通过设定来提供所有你需要的变量值来作为主导变量。
提取额外数据
大多数装置的设计是通过模拟信号(4-20mA)或者一个数码输出来提供初始读数。但是,如果有更多的信息可用,你当然也会希望能够得到。
只有少数装置会提供多个(通常只有两个)模拟输出。这个途径当然管用,但是需要给每个变量提供一条线路。.
最通常的传输辅助变量的办法是通过主导变量之后的HART信号来进行。如果你使用HART接口或者将HART输入输出端口连接到控制系统的话,就可以得到辅助测量数据并且任意地将它们用作对处理有价值的事情。科里奥利流量计等复杂的装置会让你选择你希望输出模拟信号的端口或被覆盖的端口。在各种类型的HART读数装置中,一些会将辅助变量转译成为适当的工业计量单位在仪表上显示,一些会将辅助变量转换成为第二个或者第三个4-20mA的信号输出到数据传输系统(DCS),一些甚至是得通过无线的方式来获取信息。
如果你使用联网的方式并且有合适的装置,现场总线协议将使多个变量变得非常简单。一些工程单位只需要对现场总线进行最初级的设置就可以得到所有的主导变量和辅助变量,而且,它们将会被同等重要地来进行处理。
无关变量的控制(一) 篇6
对照试验是一种“出了一个因素以外, 其余因素都保持不变”的实验。其中的“一个因素”实际上就是自变量, 即实验过程中可以人为改变的变量。由自变量的变化引起变化的变量成为因变量。实际上, 除了自变量能引起因变量变化以外, 还有其他的变量也能引起因变量的变化。但对照实验中只允许一个自变量影响因变量, 而其他能引起因变量变化的“因素”都必须加以控制, 不能影响因变量, 这些被加以控制的“因素”再对照试验中叫无关变量。
控制无关变量, 在对照试验中非常重要, 它关系到在对照试验中能不能真正执行单一变量原则, 能不能实现由一个变量——自变量引起因变量的变化。只有由一个自变量影响实验的因变量, 才能找到实验考查的因素——自变量与因变量之间的必然关系, 得出唯一的实验结论, 实现实验的目的。
控制无关变量的措施很多, 而且应该贯穿在实验的每一个步骤中。
首先实验材料就与无关变量的控制有着密切的关系。
实验材料选择与无关变量的控制有着密切的关系。实验材料选择不当, 会直接影响实验结果, 影响因变量, 不能使自变量对因变量的客观影响真正显现出来, 使人们无法找到自变量与因变量的必然联系, 得不出科学的结论, 达不到实验目的。所以, 在实验设计的选材中, 要科学选材, 只要实验材料不是自变量, 就要有效地控制住材料这一无关变量, 以防它对实验结果造成干扰。
例:调查结果表明, 豚草存在着明显的生存优势, 对于豚草的这种生存优势的形成原因, 有人认为可能是由于豚草根部分泌的某种物质抑制了龙葵等植物的生长。请你利用下列给出的材料及用具, 把实验步骤补充完整。
材料及用具:……龙葵、豚草……
方法步骤:第一步:取一洁净的锥形瓶, 编号为甲, 加入适量的完全营养液, 取长势较好的豚草植株种与瓶中。
第二步:将甲瓶放在适宜的环境条件下培养一段时间后, 全部取出其中的豚草植株。甲瓶中的培养液保存备用。
第三步:另取两只洁净锥形瓶, 编号为乙、丙, 分别加入 ( ) 的完全营养液。
第四步:取 ( ) 的龙葵植株随机均分为两组, 并分别植于乙、丙两锥形瓶中。向乙瓶中加入一定量的甲瓶中培养过豚草的培养液, 向丙瓶中加入与之等量的适当稀释的完全培养液。
……
在上述实验中, 实验的目的是“探究豚草根部分泌的物质是否抑制了龙葵等植物的生长”, 自变量是“豚草根部分泌物”, 因变量是“龙葵的长势”, 无关变量应该是除了自变量以外能影响龙葵生长的因素, 如选择材料时, 龙葵植株的长势等。
在本实验中实验组和对照组材料的长势在实验之初就必须相同, 如果选材时, 两组中龙葵的长势不相同, 其长势不同势必也会引起因变量“龙葵长势”在实验组对照组的不同, 也就引入了另一个变量影响实验结果, 造成无法确认自变量与因变量之间有没有必然联系, 无法完成实验目的。所以本实验第四步应该选择“长势相同”的龙葵植株均分为两组。
材料的处理也与无关变量的控制有着密切的关系。
材料选择以后, 有时需要对材料进行适当的处理, 以去除材料本身所“携带”的无关变量对因变量的影响。
在生长素发现的历程中, 著名荷兰科学家温特通过实验证明了胚芽鞘的弯曲生长确实是胚芽鞘尖端产生的一种化学物质引起的。在温特的实验中, 他将胚芽鞘尖端切下放在琼脂块上, 又将这样处理的琼脂块放在去掉胚芽鞘尖端的胚芽鞘一侧, 观察其生长反应。最后一步所用的实验材料“胚芽鞘”, 温特去掉了它们的尖端, 控制了无关变量——胚芽鞘尖端对自身胚芽鞘弯曲生长的影响, 最终确认了“处理过的琼脂块”对胚芽鞘的生长产生了影响, 令人信服地找到了使胚芽鞘产生向光性的根本原因。在这个实验中, 温特对实验材料进行了恰当地处理, 有效地控制了材料本身“携带的”无关变量。
引领教育变量的不是技术 篇7
事实果真如此吗?技术能够真正引领教育变革吗?我们的教育真的会因技术的发展和引入而变好吗?我想, 答案是未必。从世界第一台电脑的问世到全球网络的普及, 再到移动新媒体的火热, “技术引领教育变革”的预言一直在流传, 但至今, 我们依旧在抨击教育的种种弊端, 依旧对教育充满了各种不满, 无论是在发达国家还是在发展中国家。
可以说, 我们对教育变革的需求自教育诞生以来就一直存在, 因为没有哪种教育是完美无缺的, 教育始终追求更美好。所以, 不是技术的发展引发了教育变革的需求, 教育变革不是时代的产物, 任何时代都需要教育变革, 无论技术发展到何种发达程度。
我们对时下教育的最大不满在于, “将学生当成‘知识容器’, 学生被动接受灌输, 思维能力丧失, 主动获取知识的能力和创新能力不断被削减。同时, 由于所教学生数量过多, 教师无法关注每一位学生的学习需求, 教学的针对性差”。这些弊端由来已久, 我们对它的改革从未间断, 随着时代的发展, 我们将技术引入教育之中, 但这只是为教育变革提供一种支撑, 而不是必然要求。如果技术不能解决这些时下教育亟须消除的问题, 那么, 技术的引入也就没有多大的意义和必要。比如, PPT在教育教学中的应用, 如果教师依旧不顾学生的学习主体地位与作用, 在课堂上快节奏、大容量地使用PPT, 那么, PPT不过是教师“满堂灌”的另一种手段而已, 技术的引入与不引入并没有多大的区别, 传统课堂的问题仍旧没有得到解决。
技术的神奇, 很容易让人产生崇拜, 从而让人以为它可以全新变革教育。我们不可否认, 技术有其巨大的优越性, 如果使用恰当、合理, 它的确可以助推教育的发展。但是, 如果它只是被落后的教育观念和思想当做装潢, 如同用电脑算命一样, 那么, 技术就不可能革新教育的面貌, 甚至阻碍教育变革。技术只是形式, 不是根本, 真正能够左右教育变革的是理念, 是思想。经济学家张维迎在一次演讲中说, 人类历史上的很多变革, 其实是一种思想和主义战胜另一种思想和主义, 或者是新的理念战胜旧的理念。比如, 中国共产党领导的新民主主义革命和社会主义革命, 就是马克思主义战胜了其他主义。纵观人类教育发展的历史, 我们可以得出同样的结论, 大多数的教育变革背后, 其实是以新的教育理念替换过时的教育理念。
以翻转课堂这一新兴的教学模式为例, 它在国外之所以能赢得许多人的赞美、获得较为广泛的推广, 关键不在于它将移动终端、无线网络等技术引入教学, 而在于其背后的先进理念——支持个性化学习, 注重差异教与学, 培养学生的自主学习习惯、合作探究能力等, 这些都是我们希冀变革传统教育教学方式所能收获的东西。换句话说, 正是因为翻转课堂的理念迎合了我们的教育变革需求, 所以, 它才彰显了新鲜的活力。再换一句话说, 任何以这种先进理念为核心的教育教学方式, 都可能带来教育变革的浪潮, 无论它以何种形式出现。
因而, 在面对汹涌如潮的教育变革和样式百出的教育教学模式时, 我们需要撩起它们的表面形式, 看到背后支撑它们的教育理念是否先进, 是否满足我们变革旧有教育的要求, 而不以外在的新旧、技术的先进与否去判断它们的成败、好坏。而在学习和借鉴那些先进的教育教学模式时, 我们则要着重把握其背后的理念, 以免陷入形式主义、技术主义之中, 只是学会了皮毛, 而无法把握精髓。
面对教育变革, 我们不要被形式与技术蒙蔽双眼, 理念先行方是硬道理。