经济计量分析（共12篇）
经济计量分析 篇1
改革开放以来,中国的GDP每年以9%左右的速度递增,这种宏观经济的高速增长举世瞩目。中国宏观经济增长速度的高低,中国宏观经济能否持续地快速增长,直接关系到各项改革措施的成功与否,关系到企业利润与投资者的收益的增减和城市职工下岗、农村贫困等问题的解决,以及整个国民生活水平的提高。因此,无论是企业、投资者、政府还是普通百姓都十分关注中国宏观经济增长与发展。于是,究竟中国宏观经济的高速增长还能持续多久,影响中国宏观经济增长与发展的因素是什么便成了当前理论界关注与争论的焦点。
一些学者指出,投资驱动型增长是中国宏观经济增长的显著特征。长达20多年的高储蓄率和高投资率是支撑中国宏观经济高增长的主要原因,中国宏观经济的高增长主要依赖于投资的超高增长。同时,从支出法考察,投资、消费和净出口作为拉动经济增长的三大动力,在中国经济发展过程中呈现出不同的态势。
1.理论分析
从以上理论可知,拉动中国经济增长的主要因素是消费、投资和出口。因此,将中国国内生产总值GDP,最终消费CS,资本形成总额I,出口总额EX作为一个经济系统,检验模型的整体显著性和回归系数的显著性,进而基于检验结论揭示中国经济增长的主要影响因素。
从1982—2012年中国国民生产总值GDP,最终消费CS,资本形成总额I,出口总额EX时序图及其对数时序图可以看出,这几个变量存在稳定增长的趋势。可以建立如下多元回归模型:
2.估计参数
假定模型中随机项满足基本假定,用OLS法估计参数,得出方程:
由此可见,该模型拟合优度很高,回归模型显著。但是,ln EX系数的t检验不显著,且该系数的符号与预期相反,这表明很可能存在严重的多重共线性。
3.多重共线性分析
首先,检验GDP,CS,I,EX之间的相关系数。由相关系数矩阵可以看出,各解释变量相互之间的相关系数较高,解释变量之间确实存在多重共线性。然后,用GDP分别CS,I,EX关于作一元线性回归结果如下表。
由上表知,解释变量的重要程度依次为:CS,I,EX.将各解释变量按以上顺序分别引入基本回归模型中,并用OLS法估计,再将EX引入模型,用GDP关于CS,EX作回归并用OLS法估计时,得出估计方程:
可见,引入E X后,拟合优度有所提高,但E X回归参数的符号不对,所以应把E X从模型中删除。按照上面的方法依次引入C S,I,经过检验均可保留。删去不符合条件的解释变量E X得到G D P关于CS,I的回归结果,得出方程:
结论
本文采用计量经济多元回归模型对消费、投资和出口三种因素进行回归分析,并采用多重共线分析方法对该模型进行检验修正,得出了准确的中国经济增长模型。从本文分析可以看出,影响中国经济增长的主要因素是资本投入和最终消费。因此,我国政府必须高度重视投资和消费在经济增长中的作用,提高资本形成总额和最终消费在经济增长中的贡献。首先,我国政府应建立高效的资本形成和有效利用机制,大力发展资本市场,提高投资的效率和效益,加快资本的形成和有效利用。同时调整国民收入分配关系,努力增加居民收入,做好教育、社保、医保等社会保障工作,增强居民的消费能力,从而促进居民消费。
参考文献
[1]李京文,汪同三.中国经济增长的理论与政策[M].北京:社会科学文献出版社,1998.
[2]汪同三主编,《数量经济学前沿》,北京社会科学文献出版社,2010年12月;
[3]李子奈《计量经济学》修订版,北京高等教育出版社,2004年9月;
经济计量分析 篇2
福州市经济增长与环境污染的计量分析
摘要：根据环境库兹涅茨曲线原理,选取福州市1990年-2008年的`经济与环境数据,运用EXCEL软件,分析福州市经济因子与环境因子的相关关系,并建立模拟经济因子与环境因子之间动态回归模型. 通过人均GDP污染排放量模型发现,福州市污染排放量并不符合环境库兹涅茨曲线的倒“U”模型.工业废水排放量呈现正“U”型.工业废气排放量与工业固废产生量呈现倒“U”型的左侧部分,转折点尚未出现.环境质量并非随着GDP的增长而增高,产业结构调整、环境政策实施以及工业化进程等因素是决定环境质量的主导因素.作 者：黄一绥 张灵 Huang Yisui Zhang Ling 作者单位：福建师范大学,环境科学与工程学院,福建,福州,350108期 刊：环境科学与管理 Journal：ENVIRONMENTAL SCIENCE AND MANAGEMENT年，卷(期)：2010,35(2)分类号：X196关键词：环境库兹涅茨曲线 经济增长 环境污染 福州市
贵州省经济增长因素的计量分析 篇3
关键词:经济增长；经济结构；资本要素
中图分类号：F20文献标识码：A文章编号：1006-4117（2011）06-0139-03
一、研究背景
2011年，贵州省提出“工业强省”的口号，意图与全国同步在2020年达到“全面小康”。但是，经济增长理论的不断发展使我们认识到仅仅实行工业化是不足以让贵州省达到这个目标的。工业化仅是一种单一产业结构上的优化，而经济增长的动力除了源于不可积累的经济结构的多样优化，还源于人力资本、知识（技术）等可积累性生产要素存量的增长。本文针对贵州经济的增长历程，进行实证分析，希望可以找出贵州省经济增长的重要推动力量，从而为贵州经济发展提出好的建议。
二、模型的建立
经济增长一般被简单地概括为总产出的持续增长，而总产出的数理与计量分析的基本范式一般都采用柯布—道格拉斯生产模型（C-D生产函数）：
Yt=AKtαLtβ
式中Yt代表t年的产出，Kt和Lt代表t年的资本和劳动力，α和β分别是资本和劳动的边际产出弹性，α+β为规模报酬系数。传统的C-D模型只强调了物质资本和劳动力的贡献。
由于实际应用的复杂化，C-D模型的基本范式可以根据需要和条件进行扩展。一般的扩展有基于生产要素变量的处理和模型形式的变化，还有一种是体现在分析变量的丰富、分析范围的扩大以及分析的深刻程度上。对于C-D函数的第一种扩展有巴洛和马丁（2000）的规模报酬不变的函数：
Y=AKαH1-α
该模型强调了人力资本H对总产出的贡献。对于C-D函数的第二种扩展有Griliches对模型的改进，他将知识资本存量作为一个单独的生产要素放到模型
中，从而扩大了方程的变量、分析范围且深刻了对问题的分析：
其中Y是总产出，D是知识存量，一般用R&D表示，L是劳动投入，K是资本投入，t表示时间，A是常数，μ代表了时间趋势，该模型认为全要素生产率（TEF）为，从而强调了知识的重要性。
而本文也试图按这两种方式对基本的C-D函数进行扩展。首先如以上两个扩展模型所认为的人力资本和知识这两种要素对经济增长具有重要推动作用，因此，在建立计量模型时，将它们包含进去，得到：
Y=AKαHβDγ
假设规模报酬不变，则α+β+γ=1，α、β、γ∈（0,1）。这是总量表示的形式，改写成人均形式，求对数得：
lny=lnA+αlnk+βlnh+γlnd
式中，所有变量均为人均拥有量，均为对应总量除以L,其中，假设L为简单同质劳动力数量。
但同时，对于人力资本的测量，不同的学者有不同的理解，根据数据的可得性以及合理性，本文采用的是沈坤荣（2008）使用的计算方法。假设人力资本由下式定义：
H=eλEL
其中：E是劳动力平均受教育年限，λ表示人均受教育年限每增加1年时，人均人力资本h的增量，即为人均人力资本对人均受教育年限的弹性系数。把这个表达式除以L后代入前一个表达式可得：
lny=lnA+αlnk+βλE+γlnd
本文认为除了以上可积累性的要素会对经济增长产生影响之外，还有市场化程度、政府对经济的干预等不可积累的制度性因素会对经济增长产生影响。而我国学者沈坤荣（2008）基于1978—2003年的全国时间序列数据和面板数据的分析表明，城市化对经济增长有积极的推动作用。同时工业化对经济增长的推动作用得到了几乎所有经济学家的认可，这种实证研究，可以追溯至上个世纪的库兹涅茨和赛尔奎，再加上结构主义学派认为经济结构的变革能够加速经济的增长。因此对于上述因素，本文都纳入模型进行分析。
根据以上理论分析，可以建立计量模型如下：
lnyt=c0+c1lnkt+c2Et+c3lndt+c4CZ+c5GY+c6GC+c7GYU+c8CY+μt
式中，t代表时间，c0是常数项，μt表示随机项，是未能观察到的偶然因素，ci(i=1…8)分别表示各个解释变量对GRP增长的贡献率。
三、变量数据的搜集及说明
人均产出y人均产出是贵州省历年的以可比价格计算的地区生产总值除以对应的省内劳动力总量的值。《贵州经济社会发展60年研究》中提供了按可比价格计算（按1952年价格）的1950—2008年贵州省GRP的数据。而对于劳动力总量，本文理解为实际参与劳动的劳动力，这样能比较客观的衡量每位劳动力的实际贡献。因此，本文用就业人数来代表劳动力总量，直接采用《新中国六十年统计资料汇编》中列出的历年贵州省就业人数这一数据。
人均资本k人均资本是用按可比价格计算的资本存量除以就业人数。测算资本存量的基本方法是由戈德史密斯（1951）开创的永续盘存法，其基本公式为：Kt=It+(1-δt)Kt-1.其中，Kt、Kt-1表示第t年、t-1年的资本存量，δt表示第t年的折旧率，It表示第t年的投资。但是由于统计资料的缺乏和统计口径的不同，所以测算资本存量的具体方法细节上又有很大的差别。对资本存量的计算方法主要有积累法和净投资法。而關于贵州的资本存量计算，龚晓宽（2009）在戴文的基础上，应用净投资法补充测算了2006—2008年以及应用隐含的资本产出比测算1950—1951年的贵州资本存量，并提供了很详细的测算结果。本文认为，龚晓宽（2009）的测算综合考虑了前人的研究结果并且对数据的估算很严谨，所以，本文直接使用其估算结果。
人均人力资本E历年劳动力的人均受教育年限。关于人均人力资本的估算，本文选择用受教育年限来对其量化。龚晓宽（2009）按照劳动的边际生产力理论，即劳动投入的差别可以表现为在其他条件相同的情况下劳动力的边际产出的差别，用下面的式子来计算由于劳动者文化程度的差异引起的劳动投入量的变化：
式中DC表示劳动投入量(包括劳动者教育年限和劳动力数量)的变化，αi表示第i种文化程度的劳动者除以小学文化劳动者的相对收入（设后者收入为100），Wi为对应该种收入的劳动者人数，W是1952年的劳动投入量。并将文化程度分为6个等级，最后得出相对于1952年的1950—2008年贵州劳动投入量。本文利用其计算出来的劳动投入量除以教育程度为小学时对应的基准收入100，再除以历年相对于1952年的劳动力指数，所得商即为相对于小学教育年限的人均受教育年限。也就是本文使用的人均受教育年限。
人均知识资本d对于人均知识资本的研究，Griliches用R&D代表知识资本存量，并得出结论：R&D资本存量每增加1%，产出将上升0.05%—0.1%。我
国学者沈坤荣（2008）在做完全国各省市的面板数据分析后，发现该变量的估计参数很不显著，并给以剔除。而本文考虑到贵州省的实际情况以及该变量样本数据的可得性和前人的谨慎研究结论，也决定对该变量不予单独考虑，将其纳入到随机波动项中，使其在残差项中得到体现。
城镇化率CZ历年的城镇化率，城镇化的主要特征是农业人口转化为非农业人口，并在空间上从农村转移到城市或者城镇。本文利用《新中国六十年统计资料汇编》中汇总的历年贵州省城镇人口数除以总人口，即得到贵州省历年的城镇化水平。
工业化水平GY工业化水平，工业化是指制造业在国民经济中所占的比重日趋提高，并取得主导地位的过程。本文采用工业增加值占三次产业全部增加值的比重来度量工业化水平，即用历年贵州省工业增加值除以对应地区生产总值。
政府预算内支出水平GC在我国现阶段的经济体制下，政府支出水平反映了政府对市场经济的干预程度，也间接的反映了市场自由程度。因此这是一个逆指标，政府支出水平越高，市场自由度就越低。本文用贵州省政府的历年预算内支出水平除以按照1952年计算的居民消费价格指数，从而换算成以1952年为基期的可比数据。
国有工业产值比重GYU在我国现阶段社会主义经济体制下，国有工业企业是国民经济的重要组成部分，代表着国家对市场和资源的垄断。本文选取该变量主要是用来反映市场的开放程度，这是一个逆指标，该变量越小，市场越开放。本文从历年《中国统计年鉴》及《贵州统计年鉴》中搜集数据，用历年的国有工业产值除以对应的全部工业总产值，即为历年GYU。
产业结构CY根据配第˙克拉克定理，随着经济的发展，劳动力会逐渐先向第二产业、再向第三产业转移。而西蒙˙库兹涅茨的研究发现，在发展过程中，几乎所有国家的服务业的劳动力比重和国民收入的比重都是上升的。第三产业的发展体现了一个国家产业结构的升级和优化。因而，本文选择第三产业占三次产业增加值的比重来衡量贵州省的产业结构。即用历年第三产业增加值除以对应的GRP。
综上所述，计量模型经过调整之后如下：
lnyt=c0+c1lnkt+c2Et+c3CZ+c4GY+c5GC+c6GYU+c7CY+μt
考虑到模型的简洁性以及数据的可得性，本文只是纳入以上变量进行分析。同时，为了对比不同时间段各个变量对经济增长的贡献，本文以1978年为分界线，分为改革开放前和改革开放后进行分析。
四、计量模型的估计和检验
用前文所提的经过加工了的数据,对建立的方程进行回归估计分析。本文采用逐步回归法,对人均产出模型进行估计,并检验每一个变量的显著性,找出对贵州省经济增长具有显著性作用的变量。逐步回归法主要分为两步进行操作，它可以有效的避免多变量方程中容易出现的多重共线性问题，是一种比较好的线性回归方法。
以下是对1950-1978年和1979-2008年两个阶段数据进行的回归分析，所用的方法是最小二乘法。
注:表中系数栏对应的数字分别为估计参数、D-W统计量、R2、F统计量，而t栏是对应的估计参数的t统计量；***、**、*分别表示在1%、5%、10%的水平上显著,在下文中的方程也是如此。
以上这个表就是分时段对各个解释变量进行回归的结果。在两个阶段中,对单个变量进行回归时，每个回归方程都存在严重的自相关问题，并且对最后的回归方程进行LM检验，发现存在二阶自相关问题，因此，在方程中加入该回归方程的滞后两期的残差项AR(1)、AR(2)作为解释变量。可以发现自相关问题得到了很好的解决(D-W统计量大大增加)。同时对两个最终回归方程进行White(不含交叉项)检验，发现加了滞后项的两个方程均不存在显著的异方差问题。所以得到1950—1978年的回归方程为：
lny=2.7***+0.08****GC+3.12****CY-0.6***K+1.38***GYU+0.63***E
D-W=1.3;Ad.R2=0.86;F-stat=35.7
lny=2.98***+0.06****GC+3.57****CY-0.43***K+0.92***GYU+0.48***E+0.74****AR(1)-0.57****AR(2)
D-W=2.26;Ad.R2=0.87;F-stat=25.2
同样可以得到1979—2008年的回归方程为：
lny=1.08+0.73****K+1.45**CY-0.76**GYU
D-W=0.37;Ad.R2=0.98;F-stat=393.2
lny=1.38+0.79****K-0.68*CY-0.16*GYU+1.1****AR(1)-0.14*AR(2)
D-W=1.55;Ad.R2=0.997;F-stat=1897.9
五、贵州省不同阶段的经济增长因素分析
由上表中的回归检验结果可知，在1950—1978年这一阶段，对贵州省经济增长具有显著贡献率的有：市场自由程度、产业结构、人均存量资本、人均受教育年限、市场开放程度。从回归结果得出：这时期政府的干预活动对经济增长产生了积极的推动作用。该时期的中国经济是处于政府绝对控制下的落后经济，政府的很多活动都会对经济产生较大的推动作用，但是我们并不能凭此认为市场的自由和开放程度对经济有消极作用，也许是讨论侧重点的不同或者特定时期的体制所造成。与此同时，贵州产业结构的转变（第三产业比重增加）也对经济增长产生了正向的推动作用。这时期对产业结构产生重大影响的事件主要有“三线建设”，三线建设不仅使得贵州工业化程度有了比较大的提高，并极大的改善了服务业的基础设施，推动了第三产业的发展。此期间的人均受教育年限的上升也对贵州经济增长产生了较大的推动作用，然而比较令人意外的是资本存量却对这段时期的贵州经济产生了消极影响，至于真实具体的原因，则在本文的研究范围之外。
改革开放后，贵州经济经历了一个飞速发展的阶段，名义GRP年均增速达到15%以上。在1979—2008年之间，推动贵州经济增长的主要因素有人均资本存量和产业结构变动。从回归方程可以得见，人均资本存量的上升对贵州经济增长的贡献率达到了0.73，这时期影响贵州人均资本存量的一个重要事件是“西部大开发”。据统计：仅2001—2006年，贵州全社会固定资产投资累计就达到4997.5亿元。因此可见，该时期的经济增长与西部大开发有着紧密联系。还有一个重要影响因素就是产业结构变动，这时期第三产业占比的迅速增长是维护并推动贵州经济增长的重要因素。
经过对比发現在1950—1978年这一阶段中对经济增长有显著作用的因素在1979—2008年这一阶段中作用并不完全依旧。比如，上阶段中政府实际预算内支出水平对经济增长的推动作用明显，而此阶段则不明显了。所以通过对比发现，不同阶段，推动经济增长的因素是不同的。有些因素是可以人为推动的，如西部大开发，但是其前提是不能违背市场运行的规律（表中回归结果表明：政府对经济的干预不是一直有益的），这也是改革开放以来贵州经济增长的主导因素。而产业结构因素在两个阶段都对贵州经济增长产生了显著的积极作用，这表明结构优化对经济增长的作用是长期显著的。
六、对现阶段贵州经济发展的启示
在现阶段，贵州省提出“工业强省”的口号，希望通过工业化来推动贵州经济增长。经过前面的分析可知，不同阶段推动经济增长的因素并不相同。工业在世界范围被公认为是落后地区发展经济的良药，我国的发展经历也证明了这个结论，而且改革开放至今，工业化并没有对贵州经济产生重要的推动力量，这有很多原因，其中一个原因就是工业规模较小，增长较缓慢，因此，工业强省的方向在现阶段是正确的。但是各阶段推动贵州经济增长的原因往往不止一个，因此贵州在实行“工业强省”的同时，还要继续巩固“西部大开发”的成就，加强基础设施的建立，推动科学技术、教育水平的发展，同时产业结构的优化趋势仍需保持，并维护好市场经济的健康运行。
作者单位：徐冕 贵州大学经济学院
罗恒荣 江西财经大学金融与统计学院
参考文献:
[1]易丹辉.数据分析与Eviews应用[M].北京:中国人民大学出版社.2008.
[2]张晓峒.计量经济学基础[M].天津:南开出版社.2007.
[3]龚晓宽.贵州经济社会发展60年研究1949-2009[M].北京:中央文献出版社.2009
[4]沈坤荣.中国经济的转型与增长：1978-2008年的经验研究[M].南京:南京大学出版社.2008.
[5]陈光潮等.经济增长分析范式扩展解析—以广东为例[J].暨南学报.2010,1.
经济计量分析 篇4
海峡西岸经济区( 以下简称海西经济区) 位于中国东南沿海,北承长三角,南接珠三角,东临台湾省,毗邻港澳,是海西经济区崛起、福建振兴的“核心增长板块”,是全国八大重点发展城镇体系之一,是我国东部沿海新的发展增长极。2009 年,国务院通过了《关于支持福建省加快建设海峡西岸经济区的若干意见》,海西经济区从区域战略上升为国家战略,经济步入新一轮的增长期。2013 年海西经济区创造国内生产总值37 159. 4 亿元。然而在海西经济区经济蓬勃发展的同时,海西经济区内的区域差异却较大,2013 年海西经济区的20 个城市中,福建省泉州市的GDP最高,为4 678. 5 亿元,是GDP最小的江西省鹰潭市1 553. 47 亿元的9. 42 倍,区域经济差异较大,这与构建海西经济区时所提出的总目标“协调发展”和基本要求“经济一体化”相违背。
目前关于区域差异的研究主要集中在以下几个方面: 基于不同尺度的经济差异分析［1 － 2］; 基于不同测算指标视角的分析［3］; 基于不同研究方法视角的分析［4 － 9］; 基于不同影响因素的分析［10 － 14］,但还未有前人对海西经济区的经济差异进行系统的分析,本文试图采用传统计量分析方法与探索性空间分析方法相结合分析海西经济区经济增长差异的时空演变,利用空间计量经济模型研究海西经济区经济差异的影响因素,以填补上述研究的空白。
1 研究区域与方法
1. 1 研究区域与数据来源
本文以海西经济区152 个市县( 以2012 年的行政区划为准) 作为区域经济差异及其时空演变分析的基本研究单元,其中县指县域( 包括县级市) ,市指地级市的市辖区。选择2000—2013 年县市人均GDP数据来研究不同年份的区域经济发展水平,分析海西经济区区域经济差异的变化模式,揭示其潜在的影响因素。本文采用的数据主要来源于2001—2014 年《福建省省统计年鉴》《浙江省统计年鉴 》《江西省统计年鉴》《广东省统计年鉴》和各地级市的统计年鉴。
1. 2 研究方法
1. 2. 1 绝对差异测度指数
本文釆用标准差和极差衡量区域经济的绝对差异。极差计算公式为
标准差计算公式为
1. 2. 2 相对差异测度指数
本文采用极比和变异系数衡量区域经济的相对差异。极比计算公式为
变异系数计算公式为
1. 2. 3 空间自相关
空间自相关用于检验区域单元上的某一现象与邻近单元的相关程度,包括全局空间自相关与局部空间自相关,全局空间自相关的主要测度指标为Global Moran's I,其计算公式为
其中: i≠j,n为研究区域的个体的数量; Xi为第i个研究对象的观测值; Wij为空间权重矩阵。
Global Moran's I仅表明空间差异的平均程度,无法反应局部空间差异的变化情况。因此本文选LISA和Moran散点图揭示各单元属性值在异质性空间的分布格局。
1. 2. 4 空间回归分析
本文运用传统的线性回归模型和空间回归模型相结合研究海西经济区经济差异的影响机制。空间回归模型主要包括空间滞后模型( SLM) 与空间误差模型( SEM) 。
SLM模型引入空间滞后变量,度量由于溢出效应、扩散效应等相互作用所产生的地理空间效应。表达式为
其中: W为空间权重矩阵; β 为回归系数; WY为空间滞后因变量; μ 随机误差项向量。
SEM模型将由于误差所造成的冲击等众多原因产生的地理空间效应表达出来。表达式为
其中: μ 为随机误差项向量; Wμ为随机误差项的空间滞后项; ε 为正态分布的随机误差向量残差。
2 海西经济区经济差异的时间演变
本文选取人均GDP作为衡量区域经济差异的指标,以海西经济区152 个县市作为研究对象,从绝对差异和相对差异两方面进行时间演变的分析。
2. 1 区域经济的绝对差异总体呈不断增大趋势
人均GDP的标准差和极差是测量区域经济绝对差异的重要指标。2000—2013 年间海西经济区的人均GDP的标准差和极差总体上均呈不断增大趋势,反映出绝对差异在不断扩大。标准差由2000年的5 896. 13 上升到2013 年的19 093. 38,增大了3. 24 倍,年均增幅为9. 46% ; 极差由2000 年的36702. 65 增加到2013 年的77 188. 11,增大了2. 10倍,年均增幅为5. 89% ; 总的来说海西经济区区域经济的绝对差异总体呈不断扩大趋势,地区不平衡加剧,如图1 所示。
2. 2 区域经济的相对差异呈先增大后减小趋势
本文在衡量相对差异时采用了变异系数和极比的方法,2000—2013 年间海西经济区的人均GDP的变异系数和极比呈先增大后减小趋势,反映出相对差异先增大后减小; 变异系数由2000 年的0. 779 8增加到2002 年的0. 785 6,然后开始下降,直到2013年的0. 494 7。极比的变化和变异系数的变动具有相似性,都呈现先增大后减小的趋势; 极比由2000年的28. 84 增加到2002 年的29. 45,然后下降到2013 年的9. 19。从图2 可以看出2000—2013 年,海西经济区经济相对差异呈倒“U”型的变化趋势,符合威廉姆逊的倒“U”型曲线理论,即随着经济的发展,区域间的差异会先加大,而后会逐渐减小,表明海西经济区在研究期间整体经济正向着良性方向发展,如图2 所示。
2. 3 区域经济极化总体呈上升趋势
本文利用Arcgis自然间断点分级法将海西经济区市县的人均GDP划分为7 个等级,并绘制出人均GDP的空间等级分布图,如图3 所示。
图3 中第一个等级为区域经济严重欠发达水平县市,最后一个等级是区域经济发展高等水平县市。2000 年处于区域经济发展高等水平的县市有5 个( 人均GDP > 21 087) ,处于严重欠发达水平的县市有21 个( 人均GDP < 2 933) ; 2013 年处于区域经济发展高等水平的县市有9 个( 人均GDP > 72 003) ,处于严重欠发达水平的县市有19 个( 人均GDP < 9426) 。说明随着海西经济区经济的发展,高水平县市数量逐渐增多,而低水平县市数量逐渐减少,处于最高等级和最低等级的县市数量之和从2000 年的26,增长为2013 年的28,并且最高等级人均GDP水平较2000 年有了大幅度的提高。说明2000—2013年间海西经济区域经济极化总体上升趋势,区域经济极化不断增强。
3 海西经济区经济差异的空间演变
3. 1 总体差异
本文采用的空间权重矩阵是二进制邻接矩阵,根据公式( 5) ,利用Open Geo Da软件建立邻接规则的空间权重矩阵,并计算2000—2013 年海西经济区人均GDP的全局相关系数( Global Moran's I) ,并且在检验的基础上( p≤0. 05) 绘制出Moran's I趋势图,如图4 所示。
由图4 可以看出,全局自相关系数Moran's I指数呈波浪式缓慢上升趋势,自2000 年以来,Moran's I指数由0. 323 295 一直缓慢上升到2013 年的0. 442536,说明2000 年以来海西经济区区域人均GDP数据之间表现出较强的全局空间自相关,说明了全球化与市场化改革的深化强化了海西经济区区域经济之间的相互作用与联系,经济发展水平相似的区域在空间上呈集中分布,各区域之间的经济联系逐渐增强,经济发展趋于平衡,区域经济差异逐渐变小。
3. 2 局部差异
3. 2. 1 Moran散点图
本文选取2000 年和2013 年作为研究断面,获得海西经济区人均GDP的Moran散点图,如图5 所示。首先2000 年以来,海西经济区区域经济总体差异有了较大幅度的改变。2013 年,位于第一象限的县市个数由2000 年的41 个增加到48 个,约占海西经济区区域总数的1 /3; 位于第一象限的县市个数越多,说明区域经济的总体空间差异越小,这也与前文中全局相关系数估计结果相一致。2013 年,海西经济区仍有75 个县市位于第三象限,约占海西经济区区域总数的1 /2,仅比2000 年减少12 个,说明海西经济区的区域经济协调发展还有很长的路要走。其次,2000 年和2013 年这两年位于存在空间正相关的第一三象限的县市数量远远多于位于存在空间负相关的第二四象限的县市数量,说明海西经济区区域经济发展存在较强的空间正相关性,经济发展水平相似的县市在空间上存在明显的集聚性。
3. 2. 2 LISA集聚图
虽然本文研究的152 个县市都分布在Moran散点图中,但并不是所有象限中的县市均能通过显著性检验。因此有必要计算LISA来进一步研究海西经济区的空间演变过程。LISA是衡量空间单元属性与周围单元的相近和相异程度及其显著性的指标。本文利用Open Geoda软件计算海西经济区各市县不同年份的人均GDP的LISA值并绘制出2000年和2013 年的LISA集聚性水平图,如图6 所示。
由图6 可知,2000 年海西经济区共有44 个县市通过显著性检验。其中处于“高—高”类型的县市一共有7 个,全部集中分布在福建省的沿海地区,说明这些地区空间差异较小,区域自身和周边地区经济发展水平都较高,经济集聚性强,与周边地区经济联系紧密,辐射带动作用强,属于县域经济发展高水平区。“低—低”类型的县市一共有35 个,成片分布在闽粤和闽赣交界地,这些县市是海西经济区里经济最不发达的地区,他们自身的经济发展水平较低,其周围县市经济发展水平也不高,归属为海西经济区经济落后的集聚区域。对存在空间异常现象、属于“高—低”类型的类型的赣州市辖区和武夷山市而言,这两个城市存在负的空间相关性,他们自身经济发展水平较高,但周边地区经济发展水平较低,表明这些地区虽然具有较快的发展速度,但对周边地区的涓滴效应还比较弱。而“低—高”类型的县市没有。2013 年海西经济区共有57 个县市通过显著性检验,比2000 年多了13 个,局部空间自相关性变强。处于“高—高”类型的县市一共有21 个,数量较2000 年有了明显的增加,福州市辖区和连江县由于长乐市和闽侯县的扩散效应以及辐射能力,区域经济迅猛崛起并保持快速发展的势头,由2000年的没有表现出显著特征转变为“高———高”类型的县市,三明市的永安市、明溪县、大田县、尤溪县、将乐县、泰宁县,漳州市的漳州市辖区、南靖县、华安县、顺昌县,龙岩市的龙岩市辖区、漳平市、连城县组成一个新的HH集聚区,这些县市集中分布于福建省内陆地区,这体现了福建省内陆地区近年来经济迅猛发展,与周边的经济联系不断增强,是近年来福建省内乃至整个海西经济区经济发展的热点地区,辐射带动作用明显。“低—低”类型的县市一共有31 个,比2000 年少了4 个,说明海西经济区的区域经济不断发展,区域空间差异不断缩小。“低—低”类型的总体分布格局并没有显著的变化,还是成片分布在闽粤和闽赣交界地。自2000 年开始,低低类型的县市基本大都集中在这一地区,闽粤和闽赣交界地一直是海西经济区经济发展速度较慢的低洼集聚区,只有少数几个县市是变化的。龙岩的武平县,梅州的梅县,鹰潭的贵溪市,赣州的大余县,抚州的金溪县以及上饶市辖区退出LL集聚区,说明这些县市经济快速发展,与周边地区经济联系增加,经济发展取得较大成就。梅州市的平远县、丰顺县、五华县和潮州市的饶平县、揭西县转变为“低—低”类型,说明这些县市经济发展趋于减缓,又受周边经济水平更低的城市的扩散效应的影响,使其在空间上转变为“低—低”类型。与2000 年相比较,赣州市辖区和武夷山市都退出了“高—低”类型,而潮安县转变为“高—低”类型,而且潮安县紧邻新增的LL集聚区,说明潮安县自身经济发展水平较高,但与周边区域经济差异较大,对周边的LL集聚区的扩散效应和辐射功能较弱。2013 年相比2000 年最大的变化就是出现了“低—高”类型的县市,分别是宁德的古田县、霞浦县,莆田的仙游县,以及泉州的安溪县,说明这些县市经济发展水平低于周围临近区域,形成了一个局部经济凹陷区,属于LH类型的这些县市在空间上主要分布在HH类型区的边缘,但是并没有受到这些城市较强的辐射作用,反而与其经济发展呈现出负相关性。
4海西经济区经济差异的影响因素分析
4. 1 模型的设定与变量的选择
本文基于柯布- 道格拉斯生产函数模型和新经济增长理论( Romer,1990; Luea S,1998) 模型,考虑海西经济区的实际情况以及数据的可得性,采用双对数线性的空间滞后( SLM) 和空间误差截面回归模型( SEM)［10 － 14］,具体模型如下:
本文以2013 年的人均GDP做为因变量,记为RJGDP。从能够反映区域经济差异的影响因素角度,分别从政府的宏观调控能力、资本投入水平、产业结构、劳动力投入水平、城镇化率、交通基础设施和对外开放程度等角度,选取相应的自变量: 政府的财政支出水平占GDP比重( GOV) 、固定资产投资占GDP比重( FAI ) 、第二三产业产值占GDP比重( IND) 、全社会从业人员占总人口的比重( LAB) 、县域城镇人口占总人口的比重( URBAN) 、人均公路里程数( INF) 、进出口总额占GDP比重( OPEN) 。
4. 2 实证分析
本文首先运用线性回归模型估计海西经济区经济差异的影响因素,如表3 所示。OLS估计的拟合优度为0. 922 487,调整后的拟合优度为0. 877 271,F统计量为20. 401 8,P值为0. 000 0,LOGL值为31. 552 9,AIC和SC值分别为- 47. 1057 和- 39. 1398,模型整体上显著,Jarque-Bera值为96. 749 64,P为0. 0061,通过了1% 的显著性水平检验,说明误差项为正态分布,Breusch-Pagan test为464. 604 1,P = 0. 007 0,通过了1% 的显著性水平检验,说明不存在异方差现象,对残差做Moran's I指数检验,Moran's I为0. 052 286 2,P为0. 074 5,表明残差之间存在空间自相关,忽视空间自相关直接采用经典线性回归模型的OLS估计可能存在模型设计偏误,所以,需要进一步考虑用空间计量经济学模型进行估计。
为了准确选择模型,本文将SLM模型和SEM模型的结果都列出,如表2,表3 所示。SLM模型和SEM模型的拟合度分别为0. 924 100,0. 941 349,均优于OLS模型的拟合度,为了准确选择模型,采用对比Log L、LR、AIC和SC的值,通过对比发现: SEM模型的Log L值最大,AIC和SC值最小,LR值小于SLM,可以判断出SEM的模型拟合效果最好。接着使用2 个拉格朗日乘数和Robust形式的R-LMLAG和R-LMERR检验,LMLAG、R-LMLAG分别为3. 817 44、6. 203 46,P分别为0. 437 00、0. 489 00,均未通过10% 水平下的显著性检验,LMERR、R-LMERR的统计值分别为26. 919 6、16. 641 9,P值分别为0. 048 00、0. 002 51,均通过5% 水平下的显著性检验。根据Anselin提出的判别准则可以断定在此采用空间误差模型更合适。
SEM模型的估计结果表明导致海西经济区域出现经济增长差异现象是由多种因素共同造成的,只是不同的影响因素对造成这种差异的贡献率不同。在所有变量中只有劳动力因素的回归系数为负,与预期结果不同,其他均为正。除财政支出水平未通过5%水平上的显著性检验外,其他自变量均通过了5% 水平上的显著性检验。在所有因素中,产业结构是对海西经济区区域经济差异影响最大的因素,其回归系数为4. 183457,表示二三产业增加值占GDP的比重增长1% ,会带来经济增长4. 183457% 。接下来区域经济增长贡献率由大到小依次是资本投入水平、劳动力投入水平、城镇化率、对外开放程度、政府的宏观调控能力和交通基础设施。其中在劳动力投入水平对经济增长的影响程度方面,其回归系数为负,与预期不符。这可能是因为海西经济区劳动力整体素质不高,劳动力培训与就业保障机制不够完善致使其劳动投入水平及产出率较低,导致劳动力投入对经济经济增长的表现为负效应。
5 结论和启示
本文运用传统的区域差异测度方法、空间自相关分析和空间计量方法对海西经济区经济发展时空动态演变及影响因素进行了研究,主要得出以下结论:
( 1) 海西经济区各县市在研究期间绝对经济差异呈不断增大趋势,相对经济差异呈先增大后减小趋势,呈倒“U”型的变化趋势,符合威廉姆逊的倒“U”型曲线理论,区域经济极化总体呈上升趋势。
( 2) 海西经济区整个区域的空间正相关效应正在逐渐加强,经济发展水平相似的区域在空间上呈集中分布,各区域之间的经济联系逐渐增强,经济发展趋于平衡,区域经济差异逐渐变小。海西经济区区域人均GDP既存在空间稳定性又存在空间异质性。Moran散点图呈现出位于存在空间正相关的第一三象限的县市数量远远多于位于存在空间负相关的第二四象限的县市数量,说明海西经济区区域经济发展存在较强的空间正相关性,经济发展水平相似的县市在空间上存在明显的集聚性。LISA分析表明海西经济区区域经济的空间格局呈现出明显的“核心———边缘”结构,HH集聚区由福建省沿海向内陆壮大,LL集聚区呈片状稳定分布在闽粤和闽赣交界地。
( 3) 回归模型分析表明,空间误差模型更加接近客观实际。SEM模型的估计结果表明影响海西经济区经济发展差异的主要因素有产业结构、资本投入水平、城镇化率、对外开放程度、政府的宏观调控能力和交通基础设施等。其中在劳动力投入水平对经济增长的影响程度方面,其回归系数为负,与预期不符。这可能是因为海西经济区劳动力整体素质不高,劳动力培训与就业保障机制不够完善致使其劳动投入水平及产出率较低,导致劳动力投入对经济经济增长的表现为负效应。
经济计量分析 篇5
一、引言
作为索洛-斯旺经济增长模型的一个具体形式,2世纪3年代初,美国经济学家柯布和道格拉斯提出下列生产函数:
Y=Kα(AL)1-α,(<α><1)>
式中,K表示资本,L表示劳动,A表示“知识”或“劳动的有效性”,AL表示有效劳动,α是参数,Y表示产量。这就是着名的柯布-道格拉斯生产函数。柯布和道格拉斯用美国1899-1922年制造业的生产统计资料来估计模型的参数,得出:
Y=1.1L.75K.25
对这个生产函数以及柯布、道格拉斯所做的工作,余斌,程立如提出了下列批评[1]:
第一,柯布-道格拉斯生产函数“论证”了资本家的所得不是来自劳动所创造的剩余价值,而是来自资本的边际产出。从而成为为资本主义制度进行辩护的工具。第二,柯布-道格拉斯生产函数中遗漏了许多可能会影响产出的其他的重要因素。如:机器性能的提高、由于经济的短期波动而导致的资本闲置或过度使用的情况、工人每天(或每周或每年)工作小时数的变化、劳动者素质的变化、劳动强度的变化等。因而柯布和道格拉斯对模型所做的估计并无实际价值。第三,本来,生产函数须在一定技术条件以及一定的资本有机构成下(这两个条件在不同的生产部门有很大的差别)来讨论投入对产出的影响。可是,在柯布-道格拉斯生产函数中,这些条件是随意可变的。文献[1]举例说,由于这一疏忽,可能会引出“用1个轮胎配16个汽缸可以组成一辆汽车”这样的荒谬结论。
作为与余斌,程立如观点的商榷,程细玉、陈进坤阐述了下列几个基本观点[2]:第一,一个经济模型是这样建立起来的:在一定经济理论的背景下,根据样本数据,对经济现象众多的影响因素进行检验、比较、筛选,找出其中一种或若干种最重要的因素,用他们来构建模型(而把其他次要因素的作用效果纳入模型的误差项),然后用样本数据来估计模型的参数,最后再对估计结果进行经济意义检验和一系列统计检验。柯布-道格拉斯生产函数是通过以上程序建立的,因而是科学的。第二,影响产出量的要素有哪些?在供给不足的经济环境中,影响产出量的要素是:劳动、资本、技术等等;在需求不足的经济环境中,影响产出量的要素是:居民收入、人口、消费习惯等。第三,柯布-道格拉斯生产函数把技术条件假定为不变,这的确造成了模型与现实之间的距离。针对这一缺点,后来的学者对柯布-道格拉斯生产函数进行改进,把技术进步速度纳入了模型。第四,用样本数据估计了模型的参数之后,要检查所得的结果是否符合经济实际,接着还要进行一系列统计检验。第五,建立经济模型时要考虑所选变量数据的可得性。能够获得数据的变量才具有实际意义,才能成为模型中的变量。
这两篇文章所提出的问题以及二者之间的争论,引起了笔者的若干思考。
二、数理经济模型
人们在进行经济学研究和进行计量经济学研究时,必须要把数理经济模型和计量经济模型清楚地区分开。事实上,柯布-道格拉斯生产函数(以及作为该模型一般形式的索洛-斯旺经济增长模型)属于数理经济模型范畴。后来,柯布和道格拉斯用美国1899-1922年制造业的生产统计资料来估计模型的参数,这是把数理经济模型直接移作计量经济模型来使用(我们将要在后面谈到,这种做法存在着很大的风险),此时,柯布和道格拉斯所作的事情已不再是研究一个数理经济模型,而是在估计一个计量经济模型(此时,模型中加上了随机项,而数理经济模型是无所谓随机项的)。
数理经济学是运用数学方法对经济学理论进行陈述和研究的一个分支学科。数理经济学中的数学模型,是为了探索不能用数字表现的数量之间的关系和不能用代数表现的函数之间的关系,这种模型旨在通过数学逻辑推理来阐释经济现象之间的关系和演变趋势。这就是说,数理经济学是在理论的层面上运用数学语言来研究和表述经济理论,而不是在经验的层面上对经济现象在具体时间、地点、条件下的结局进行描述、估计或预测。
余、程的文章和程、陈的文章同样都把数理经济模型与计量经济模型混为一谈了。余、程文章的主旨是要批评一个数理经济模型(柯布-道格拉斯生产函数),程、陈文章的主旨则是要为这个数理经济模型辩护。但是,两篇论文的内容,其实却撇开了数理经济模型,说的都是计量经济模型的事情。例如,余、程的文章批评说,模型中遗漏了若干变量、没有把技术条件固定住。对于计量经济模型,这些批评是对的;对于数理经济模型,这些批评则是不对的。再如,程、陈的文章一开篇,便开宗明义地说,经济模型中会含有一个误差项(随机项),显然,作者这里所说的“经济模型”指的是计量经济模型而不是数理经济模型,因为,数理经济模型无所谓随机项,计量经济模型才考虑这个项。该论文接下来所说的收集样本数据、对模型进行估计和检验等等,也全都是建立计量经济模型时候的事情。
把数理经济模型与计量经济模型混为一谈的现象,在一些研究人员的成果中也常可见到。有的作者用索洛-斯旺经济增长模型的柯布-道格拉斯生产函数做计量经济分析时,把索洛-斯旺经济增长模型里假定为外生的那些变量作为计量经济分析中理所当然的假定前提,并相应地假定随机项的期望值为。这些研究人员认为,由于现在使用的是索洛-斯旺模型而不是别的其它模型,就应该把索洛-斯旺模型的假定作为对现实生活的假定,认为这就是以经济学理论为根据。这些作者犯了用模型定义现实世界的错误。计量经济分析的目标是尽可能准确地描述现实世界。现实世界只有一个。现实世界是检验计量经济分析正确性的唯一标准。
现在我们来考察数理经济模型。
一个经济学原理,可以用文字阐述,可以用图形来直观地描述,也可以用数学语言(数学模型———数理经济模型)来表述。三者目标相同,都是为了阐释经济学原理(而不是模拟现实世界)。
为了使经济原理的阐释更易于理解,常常需要把现实世界加以简化(简化的世界当然已经不是真实的现实世界)。这是允许的。因为数理经济模型的目的并不是模拟真实的现实世界,而仅仅是为理解这个世界的特定特征提供见解。这种简化现实世界的方法叫做抽象法。抽象法是科学研究中一种常用的方法。马克思在《资本论》中,为了阐述劳动创造价值的理论和剩余价值理论,舍象掉了生产商品的劳动的具体形态
而仅仅从量上考察抽象的人类劳动;舍象掉了商品的使用价值而仅仅考察商品的价值———生产商品的社会必要劳动时间。在自然科学里,抽象法的使用也比比皆是。例如,物理学在阐释一个力学原
理时,常常会把摩擦力忽略不计。索洛-斯旺经济增长模型(以及作为它的具体形式的柯布-道格拉斯生产函数)同样使用了抽象法,把现实世界中一些本来对经济增长有影响的因素假定为不变。该模型假定,产出量Y对于资本K和有效劳动AL是规模报酬不变的,即:如果资本和有效劳动加倍,则产量加倍———这意味着,对新投入品的使用方式与对已有投入品的使用方式一样———这也就是假定,资本有机构成不变。
美国经济学家戴维·罗默更具体地指出了这个模型所应用的假定:只有一种产品;没有政府;就业的波动被忽略;储蓄率、折旧率、人口增长率和技术进步率均不变[3]。对现实世界所作的舍象越多,模型越容易理解,但是,模拟现实世界的能力越差。为了缩小数理经济模型与现实世界的距离,经济学家会把被舍象掉的东西逐步纳入模型,从而使得数理经济模型越来越深刻。索洛-斯旺经济增长模型假定储蓄率s不变,在这一假定下,t时刻的投资sY(t)是t时刻产出量的一个固定的比例,可是,在实际上,s是在家庭和厂商各自追求效用最大化的相互作用下对家庭的收入进行“消费”和“储蓄(即厂商的投资)”分配的权衡之后形成的,它不是固定的;索洛-斯旺经济增长模型假定人口增长率不变,可是,在实际上,人口增长率也不会固定不变。这种过度的舍象使得索洛-斯旺经济增长模型不能很好地解释经济增长。本论文由无忧整理提供后来提出的拉姆齐-卡斯-库普曼斯模型,通过“产量减消费”来计算投资,其中的消费通过对家庭的效用函数在效用最大化的目标下求解得到,这样,就把储蓄率从外生不变转变成为内生变化;再后来,进一步把人口变动从外生转变成为内生,提出了有移民的经济增长模型(包括有移民的索洛-斯旺经济增长模型和有移民的拉姆齐-卡斯-库普曼斯模型)。在这里我们看到了数理经济模型从简单到复杂,对现实世界的解释能力从低到高的发展过程。顺便说一句:程、陈文章所谓在供给不足的经济环境中影响产出量的要素是劳动、资本和技术,在需求不足的经济环境中影响产出量的要素是居民收入、人口和消费习惯的说法显然是错误的———事实是,索洛-斯旺经济增长模型舍象掉了居民收入、人口和消费习惯等变量,后来一些进一步的模型把这些变量加了进来。
归根到底,数理经济模型的目的不是模拟现实世界,而只不过是解释现实世界的某种特征。事实上,我们已经拥有了一个完全现实的模型———这个世界本身。不幸的是,这个“模型”太复杂了,复杂得难以理解。从解释现实世界的某种特征这一目的出发,我们必须要对现实世界加以简化。上面所叙述的经济增长模型的简要发展过程告诉我们,在阐述科学理论的时候,对现实世界所作简化的合理性会有程度之分。在这里,“所探讨的问题”是判断合理性的根据。如果一个简化性的假定使得模型对所探讨的问题给出了不正确的答案,那么,这样的简化是不合理的;如果相反,所作的简化是合理的。尽管这时的模型仍然是“缺乏现实性”的,但是,此时的缺乏现实性应当被认为是模型的优点,因为,此时的模型十分清楚地把我们所关注的效应凸现出来(把这些效应与纷繁的现实世界隔离开来),使得问题更易于理解。所以无论如何,任何一个数理经济模型,都逃避不了要对现实世界做出若干简化性的假定。顺便提一下,在应用数学领域,人们有时会考虑经济问题的数学建模课题。此时,研究目标是,依据所构建的数学模型来求得我们所关心的数学解。例如,谭永基把索洛-斯旺模型的柯布-道格拉斯生产函数作为经济增长的数学模型,要求导出下面的解:在一定的总成本下,怎样分配投资和劳动可以使产量最大;或是,在一定的产量下,怎样分配投资和劳动可以使成本最省[4]。在这里,对于所推出的结果,研究人员应当负责任地说明,这些结果是在何种假定下推出来的;另外,这里所推导的结果究竟有多大的参考价值似乎值得怀疑,因为,柯布-道格拉斯生产函数所设定的“简化世界”距离现实太远了。
三、基于估计因果效应研究目标的
计量经济模型计量经济模型(本文只考虑回归模型形式的计量经济模型)的功用是:预测、控制、进行因果效应估计①(测算某一个自变量对因变量的影响效应)。在不同的功能要求下,对于模型的构造有不同的标准。本文要讨论的是基于估计因果效应这一目标,对计量经济模型所提出的要求。从原则上说,为了在变量的因果关系中确定各个变量的影响效应,所用的模型应当是现实世界本身。拿经济增长模型来说,假若我们有一个描述经济增长的现实世界的模型,那么,对于一个特定的时空,它就会确定地反映出该时空下每个原因变量对经济增长的影响效应。然而,这是不可能做到的。事实上,我们不可能把影响(决定)经济增长的全部因素无遗漏地列举出来,我们所建立的计量经济模型无法避免地要漏掉一些变量。由于无法控制被漏掉的变量的值,因而把某一时空下模型中各个变量的值输入以后所算出的该时空的经济增长数值与实际数字之间会有一个误差(它的大小事先不能确定,是一个随机项)。所以,计量经济模型一定会有一个随机项,它是计量经济模型对现实世界所作的模拟与真实的现实世界之间的差距。数理经济模型没有这样的项,因为,数理经济模型旨在设计一个简化的世界来解释某一个问题,而不是用来测算现实世界。那么,用于估计因果效应的计量经济模型应当满足何种要求呢?仍然拿经济增长模型来说。我们所建立的一个关于经济增长的计量经济模型,它的随机项里会包括被遗漏的影响经济增长的两种类型的因素:一类是对经济增长有举足轻重影响的因素,另一类是大量均匀小的偶然性的影响因素。假若把索洛-斯旺模型的柯布-道格拉斯生产函数当作计量经济模型使用,那么,被该函数假定为外生的储蓄率、折旧率、人口增长率、技术进步率等变量便属于随机项里面的第一类影响因素。除此以外,在这个模型的随机项里边,还包含有许多其它的对经济增长有举足轻重影响的因素。
例如,美国经济学家斯蒂格利茨讲过,经济增长有四个重要的源泉:资本品积累(投资)的增加;劳动力质量提高;资源配置效率的改善;技术变革[5]。这里,所谓资源配置效率的改善,指的是把资源(例如劳动)从生产率低的部门(如传统农业)转移到高生产率的现代制造业。索洛-斯旺模型的.柯布-道格拉斯生产函数假定只有一种产品,当然不会考虑资源在部门间转移的情况,换句话说,这个变量被放在了随机项之中。再如,索洛-斯旺模型的柯布-道格拉斯生产函数假定了一个封闭的经济,可是,现代经济都是开放经济。在一个封闭经济中,投资水平由国内储蓄水平决定,投资等于储蓄,没有更多的储蓄,投资便不能增加;相反,在一个开放经济中,这两者之间的关系是松散的,因为一个国家可以从国外借款来为其投资提供资金。于是,储蓄和投资之间的联系这个变量被放在了随机项之中。又如,政府的宏观经济政策、政府的公共支出无疑是经济增长的重要影响因素。可是,索洛-斯旺模型的柯布-道格拉斯生产函数假定没有政府。于是,这些变量也被放在了随机项之中。除了这三个变量之外,还可以举出更多。这就是说,当我们把索洛-斯旺模型的柯布-道格拉斯生产函数当作计量经济模型使用的时候,在模型的随机项里面,一方面包含有大量均匀小的偶然性影响因素,另一方面还包含有许多对经济增长有举足轻重影响的因素。其中的均匀小的偶然性影响因素,各自一方面与模型的结果变量(因变量)Y相关,另一方面与模型的解释变量(自变量)K以及AL独立;而其中的对经济增长有举足轻重影响的因素中,会有一些既与Y相关,又与K、AL或其中的某一个相关。对上述后一类变量,即遗漏在模型外边的(因而包含在随机项中的)既与因变量相关又与自变量相关的变量,计量经济学给予特别的关注,专门把它们叫做遗漏变量。当使用计量经济模型测算因果效应的时候,如果存在遗漏变量,会得出错误的因果效应结论。
人们熟知,做线性回归分析时,对模型的随机项有若干条假定,其中的一条是:随机项的期望值为。当随机项期望值为时,我们所得到的模型回归系数的最小平方估计量是无偏的,反之,估计量有偏。什么时候会发生随机项期望值不为的情况呢?美国经济学家詹姆斯·H.斯托克和马克·W.沃特森[6]97-97,122-123指出,当模型外存在遗漏变量的时候会出现这种情况。所以,当模型外存在遗漏变量的时候,回归系数的最小平方估计量有偏,也就是说,在这种情形下我们所得到的计算结果并不是对总体的正确的估计。这就是计量经济分析中的遗漏变量效应。可见,用于估计因果效应的计量经济模型应当满足的要求是:模型外不存在遗漏变量,或者说,应当仔细地找出遗漏变量,尽可能把它们都纳入模型。对于一些无法观测的遗漏变量,计量经济学开发了处理它们的若干种办法,例如,面板数据回归,工具变量回归,设计准实验等[6]16-161,177-192,216-276。有的研究人员在建立了他所需要的模型以后,不考虑模型中随机项的期望值是否真的是,而武断地声明,假定自己模型随机项的期望值为。其实,在回归分析的教科书中阐述关于模型随机项的假定的时候,所用的“假定”一词的含义,并不是这个词通常的词义。“假定”一词通常的词义是指:我们对事物的状态所做的某种与真实状态相悖的设定,或者是当我们并不了解真实状态时所做的某种猜想性的设定。然而,回归分析中的“假定”一词却不是这个意思。回归分析教科书中所提出的模型随机项的假定,指的是正确地运行>
文秘站-中国最强免费!<回归分析必须要满足的前提条件。>公务员之家
直接用数理经济模型来充当计量经济模型的风险在于:数理经济模型要对现实世界加以简化,也就是,要把因变量的某些重要的影响因素假定为不变,当我们把该模型充作计量经济模型使用时,只要这些被假定为不变的因素与模型内的自变量相关,它们就成为计量经济模型的遗漏变量,从而导致遗漏变量效应。
由遗漏变量效应所导致的回归系数最小平方估计量的偏差大小由随机项与模型中自变量之间相关程度的大小决定,相关程度越大,偏差就越大。因此,测算因果效应时,至少应当把与模型中自变量相关程度大的遗漏变量仔细地找出来,将其纳入模型。本论文由无忧整理提供回到索洛-斯旺模型的柯布-道格拉斯生产函数上来:其实,它只不过是一个初级的生产函数模型,在经济学中十分明确地指出了这个模型对于解释经济增长的缺陷,因此在其后才陆续提出了若干进一步的模型。后来提出的模型与现实世界的距离较之索洛-斯旺模型要小。我们为什么不使用与现实世界距离小些的较为复杂的模型而偏要用假定性明显过大的索洛-斯旺模型呢?
有的研究人员用计量经济分析手段对数理经济模型进行“实证”。他们用样本数据估计了模型的回归系数,然后进行一系列的统计检验,如果统计检验被通过了,就认为数理经济模型获得了证实。事实上,当我们用计量经济分析方法去“实证”一个数理经济模型时,只能证伪,不能证实。为什么呢?无疑,所有的数理经济模型都是因果关系模型,那末,所谓实证,首先就是要证明因果关系成立。计量经济分析有能力完成“X与Y统计独立还是统计相依”的检验,然而,如黄芳铭指出的,要想把“X与Y统计相依”的论断引申为“X与Y具有因果关系”,必须要具备的前提条件是:“无关的影响变量必须被排除”[7]。
对于计量经济模型来说,这个要求意味着模型外没有遗漏变量(或模型随机项的期望值为)。但是,计量经济研究中所使用的样本数据都是调查数据,在这种情况下,一个计量经济模型是否满足“模型外没有遗漏变量(或模型随机项的期望值为)”的要求,在统计上是无法获得证明的。因此,当一个统计检验拒绝了“总体回归系数等于”的零假设的时候,充其量只能说明该自变量与因变量统计相依,而始终无法说明二者之间具有因果关系。假若得到相反的检验结论———“总体回归系数等于”的零假设无法被拒绝,那倒是可以说明把该自变量做为因变量的一个原因放入数量经济模型是错误的。
四、基于预测任务的计量经济模型
当计量经济模型的任务是用于预测的时候,我们所关心的不是估计的回归系数有没有因果解释能力,是不是无偏;此时我们所关心的是模型的预测能力,即:模型是不是能够生成可靠的预测值。有的时候,遗漏变量效应使得一个模型对于测算因果效应是无用的,但是它仍然可以用于预测[6]。怎样从统计上来评价一个模型的预测能力呢?直观地说,这可以用“预测误差”的大小来衡量。预测误差的大小可以用均方预测误差来描述,它是若干期的预测值与相应实际值的离差平方的平均值。将它与回归分析中熟知的均方残差对照,可以看出,后者也大致地提供了模型的预测误差的信息。另一方面,还可以考察在因变量样本数据的总变差平方和中,有多大的比例可以由回归来解释,这个比例越大,模型的预测能力便越强。显然,它就是判定系数R2。由于R2可以换算成F统计量,所以,也可以用F统计量来评价模型的预测能力(F统计量的值越大,模型的预测能力越强)。
柯布-道格拉斯生产函数是不是一个好的预测模型呢?这需要经过自变量选择的操作才能最后作结论。我们来考察一下两种常用的选择回归自变量的方法[8]:回归选元法和逐步回归法。回归选元的做法是:列出所有可能的自变量,再列出由它们所组成的所有的一元回归模型,所有的二元回归模型,等等,然后构造适当的统计量来设法找出其中使预测误差“接近最小”的模型(进一步缩小预测误差能够缩小的量与相应地需要增加模型的自变量所带来的难度相权衡,不值得再增加更多的自变量)。逐步回归的做法是:列出所有可能的自变量,再列出由它们所组成的所有的一元回归模型(每一个模型中的自变量称作该模型的初始自变量);计算每一个一元回归模型的F统计量,把其中F值最大的那个模型的初始自变量分别加到其他的一元模型中去,形成一个个二元模型;对每一个二元模型计算针对该模型初始自变量的偏F统计量,把其中偏F值最大的那个模型的初始自变量分别加到其他的二元模型中去,形成一个个三元模型;如此逐步进行下去。在这里,针对某一个自变量的偏F统计量的分子度量了把这个自变量加入模型后对于解释总变差平方和做出的贡献。
在逐步回归的操作中,事先规定偏F统计量的一个水平,当逐步回归进行到这样一个阶段时程序终止:在该阶段所算出的各个回归模型针对其初始自变量的各个偏F统计量中最大的那个值低于事先规定的偏F统计量水平,这表明,相应的那个自变量进入模型被认为对于提高预测能力是没有充分帮助的,所以逐步回归所选择的模型到上一个阶段为止,无必要继续为模型增加自变量了。通过考察回归选元法和逐步回归法我们看到,选择回归自变量时,不管用哪一种方法,都必须首先要把所有可能的自变量全部列出来,然后才谈得到设法选择预测能力优良而自变量又尽可能少的模型。可见,那种直接搬用数理经济学里面的某一个经济增长函数用来充当预测经济增长的回归模型的做法是不妥当的。在估计因果效应和预测这两种不同的任务下,对计量经济模型有不同的要求。上文指出了二者的一个重要差别:在估计因果效应时要强调回归系数的因果解释能力,所以特别关注并且要设法解决遗漏变量所导致的回归系数估计量的偏差;在预测时所关心的是模型的预测能力,在不影响模型预测能力的前提下,遗漏变量、回归系数估计量有偏,都是允许的。下面补充指出二者的另一个重要差别:在估计因果效应时强调,模型中的自变量必须真正是引起因变量变化的原因,也就是说,模型必须真正是因果关系模型;在预测时则允许模型中的自变量并不一定是因变量的原因,它只要是和因变量具有间接的因果关系因而表现为统计相依就可以了(于是,在进行自变量筛选起步时所列出的自变量,除了直接因果关系变量以外,还会有间接因果关系变量)。
五、简短的结论
数理经济模型为计量经济分析提供了理论框架,但是,不能直接简单地把数理经济模型当作计量经济模型使用;由于计量经济分析所使用的样本数据都是调查数据,在这种条件下,计量经济分析无法论证变量之间的因果关系,它所能够做的事情只能是,针对经济学中所论证的经济现象之间的因果关系来测算具体时间、地点、条件下具体的因果关系效应;本论文由无忧整理提供当构造一个旨在测算因果关系效应的计量经济模型时,应当力求做到模型外没有遗漏变量,因为,遗漏变量的存在会导致因果关系效应的测算发生错误;计量经济分析还具有预测的功能,当构造一个旨在完成预测任务的计量经济模型时,所关注的是模型的预测功能,此时,允许模型外存在遗漏变量,也允许模型中的自变量只是和因变量具有间接的因果关系而不具有直接的因果关系;构建预测模型时应首先把所有可能充当预测
经济计量分析 篇6
关键词：汽车拥有量；线性回归；经济模型；评价
中图分类号：F416.471 文献标志码：A 文章编号：1005-2550（2012）01-0067-04
Analysis on Econometric Model of the Amount of Civilian Automobile in China
XU Kang，CHEN Yan-shou
（Department of Economics and Management， Hubei University of Automotive Technology，Shiyan 442002， China）
Abstract:Based on the economic indexes of the latest twenty years，this paper constructs and estimates and checks the econometric model of the amount of Civilian Automobile in China by employing linear regression method step by step.The application of this model might be used in predicting the amount of the automobiles in the later period. Thus it can provide theoretical guidance for future development.
Key words: lmount of civilian automobile；linear regression; econometric model；estimates.
据中国汽车工业协会公布数据，2010年，我国汽车产销双双超过1 800万辆，分别达到1 826.47万辆和1 806.19万辆，同比增长分别为32.44%和32.37%，稳居全球产销第一。2010年12月份，汽车产销分别为186.48万辆和166.67万辆，同比增长分别为22.30%和17.90%［1］。
经济的不断增长成为小汽车开始大规模进入家庭的一个重要原因。国家信息中心信息资源开发部主任徐长明说，按照国际上通常的统计，当人均GDP达到1 000美元的时候，小汽车开始进入家庭，当人均GDP达到3 000美元的时候，小汽车开始大规模快速进入家庭［2］。
中国机械工业联合会执行副会长、中国汽车工程学会理事长张小虞表示：“10年来，中国汽车产业取得了一系列辉煌的成就，从入世之初一个最令人担忧的产业，变成如今一个最令人振奋的产业。同时也应该看到，我国汽车产业的可持续发展受到能源、环境、交通等外部环境的严重制约，其国际竞争力与汽车发达国家相比还有很大差距，未来10年我国汽车产业要实现由大到强的目标还面临一系列重大挑战。”［3］
我国经济快速发展，为汽车产业的发展提供了巨大的市场。对于我们这样一个人口大国，发展战略首先应该是推动内需，用内需来带动整个经济的持续健康发展。从国内外汽车产业发展的状况来看，我国汽车产业的发展在相当长的一段时间内将以国内市场为主。这就需要对国内汽车市场发展的主要影响因素进行分析， 进而对国内汽车市场发展状况做出科学判断。本文试图选取一系列变量，建立模型，进行定量分析，以便更准确地反映中国汽车产业发展的影响因素。
1 变量及模型的选择
本模型是研究近二十年来我国民用汽车拥有量与主要影响因素之间的定量关系。
笔者收集到的近年来的相关文献主要有以下两例：张艳冬、吴杰在《基于计量理论的我国汽车销量分析》一文中，选取人均国内生产总值、每年总公里里程、我国轿车的年产量、汽车年进口量、汽车消费贷款利率、石油价格指数作为因变量汽车销量的解释变量。其结论为：在影响汽车销售的诸多因素中，汽车消费贷款利率、汽车年产量、汽车年进口量的影响是比较显著的，其中，汽车年产量对我国汽车销售量的影响是最大的。王玲玲、马骁在《我国民用汽车需求的计量经济模型及分析》［4］一文中被解释变量选用民用汽车需求量，解释变量为国内生产总值、固定资产投资总额、消费品零售总额、客运总量、货运总量、金融机构货币供应量。其结论为：国内生产总值对消费品零售总额的贡献率、客运总量、金融机构货币供应量为显著解释变量，且客运总量与民用汽车需求量呈负相关，其余两个变量与民用汽车需求量呈正相关［5］。
在研究方法上，本文与上述文章是类似的，同样选择多元线性回归模型，为避免多重共线性，使用逐步回归法对不合适的解释变量进行剔除。但本文将比较民用汽车拥有量和其增量，最终再确定是选用民用汽车拥有量（需求量）还是其增量作为因变量，且本文尝试将石油消耗量、虚拟变量WTO、运输线路公路总里程作为解释变量引入模型，以期能更确切地反映民用汽车需求量的影响因素以及各变量之间的互动关系。加入WTO 10年来，中国汽车产业取得了一系列辉煌的成就，为反映入世给中国汽车产业发展的巨大影响，本文尝试引入虚拟变量WTO。由于中国2001年底加入WTO，故该变量从2002年起取值1，之前年份取值0。
本模型的因变量选用民用汽车拥有量Q或其增量（DQ，单位:百万辆）；解释变量为国内生产总值（GDP，单位:万亿元） 、固定资产投资总额（IN，单位:万亿元） 、消费品零售总额（LS，单位:万亿元） 、石油消耗量（SY，单位:亿吨标准煤）、运输线路公路总里程（GL，单位:百万公里）、客运总量（KY，单位:十亿人） 、货运总量（HY，单位:十亿吨） 、金融机构货币供应量（M，单位:万亿元）、虚拟变量WTO。
选择依据是：GDP常被公认为衡量国家或地区经济状况的最佳指标，影响汽车市场的直接因素是经济发展水平，GDP=消费+投资+政府购买支出+净出口，我国经济的增长主要是由投资需求的扩张与消费需求的增长带动的。固定资产投资是建造和购置固定资产的经济活动，即固定资产再生产活动。通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，从而带动汽车消费的增长。从消费方面看，中国拥有世界上最大的潜在消费市场，未来经济的持续高速增长必须建立在充分挖掘内需潜力的基础上。交通运输客、货运量是对客观需求的反映， 也是汽车市场发展的直接动力。公路总里程和能源消费量是汽车市场发展的直接影响因素。金融机构货币供应量主要来源于居民的储蓄，货币供应量的增长既反映居民支付能力的提高，同时也体现出金融机构可提供汽车消费贷款的能力。
2 模型的建立
2.1 样本数据收集
本模型采用时间序列数据，本文数据来源于国家统计局网站，数据经整理得到表1。
2.2 参数估计结果及统计检验
用OLS方法和Eviews软件，引入常数项C，以Q为因变量，对所有变量进行回归，可得到式（1）。
Q=-2.18123804+0.4848673287×GDP+
0.1928597544×IN-4.242160803×LS+
0.7953061323×KY+0.5721133724×HY-
0.1516548169×GL-1.803198559×SY+
1.167150216×M+ 0.3550336873×WTO（1）
回归方程各系数显著程度及相关统计指标值见表2。
*拟合优度R-squared=1.000，Durbin-Watson stat=2.590，F-statistic=20 848.83，Prob（F-statistic）= 0.000
从回归结果可以看出，方程中有多个变量C、IN、GL、WTO的系数T统计量概率值大于0.1，在0.1的显著性水平下这些变量都通不过检验。而且反应残差序列自相关程度的DW值也不够理想。
以Q为因变量，经过反复回归，逐步去掉变量C、GL、IN、WTO，得到式（2）。
Q=0.5796672726×GDP-3.708836339×LS+
0.5116135056×HY+0.5882454584×KY+
1.191379895×M-2.160242659×SY（2）
从表3可以看出，方程中各变量的系数T统计量概率值都远小于0.05，明显是显著的，拟合优度也很高，但是查DW检验临界值表，得到DW序列无关的范围为1.99～2.01 之内。从检验结果看，DW值=2.073 239，落入不确定区域，不能明确判断回归方程的残差项序列是否存在自相关。因此回归方程不够理想。
查DW检验临界值表，由样本个数T=20，非常数项解释变量个数k=4，得到DW序列无关的范围为1.83～2.17。方程实际DW值=1.845 859>1.83，因此可明确判断回归方程的残差项序列不存在自相关。方程中各变量的系数T统计量概率值都接近于0，远小于0.05，明显是显著的。该模型有良好的统计性质，且拟合优度较高。经济含义可以如此解释：消费品零售总额每增加1%，我国民用汽车拥有量的增量减少0.302 9%，其原因可能是在收入或货币存量一定的情况下，在消费品零售方面花得多了，在大件商品汽车上就势必减少支出；客运总量每增加1%，我国民用汽车拥有量的增量增加0.635%；石油消费量每增加1%，我国民用汽车拥有量的增量减少1.62%；金融机构货币供应量每增加1%， 我国民用汽车拥有量的增量增加0.691%。
3 模型评价与检验
3.1 拟合残差
从图1可以看出，该模型整体拟合效果较好，精度较高。
3.2 检验
查相关统计资料得到2010年数据， 民用汽车拥有量为78.018 3百万辆，消费品零售总额（LS） 为15.455 4万亿元， 客运总量（KY） 为32.80十亿人， 金融机构货币供应量（M） 为72.6万亿元。利用模型估计出2010年民用汽车拥有量增量估计值为14.348 77百万辆，由于2009年民用汽车拥有量为62.806 1百万辆，经计算得2010年民用汽车拥有量为77.154 87百万辆，误差为-1.107%，在允许的误差范围内，故认为该模型是可以应用的。
4 结论
本文模型拟合的结果，可以得出：消费品零售总额、客运总量、石油消费量、金融机构货币供应量为显著解释变量，而其余变量国内生产总值、固定资产投资总额、运输线路公路总里程、货运总量、虚拟变量WTO却不能成为模型中符合各项统计要求的显著解释变量。固定资产投资总额对民用汽车拥有量的增量没有显著影响，从宏观角度，要促进民用汽车拥有量的大幅度增加，最有效的办法是加大金融机构货币供应量，降低汽车消费的贷款利率，实行更宽松的货币政策。客运总量是显著的解释变量，说明客运量的增加能实际促进民用汽车拥有量的快速增长，这是由于客运总量能反映出民用汽车的现实需求，公交车、长途客车、客运列车运输量的供不应求必然促进一部分拥有购买能力的人的私有汽车消费需求。同时，石油消费量与民用汽车拥有量的增量呈反向变动关系，即石油消费量加大，将减少民用汽车拥有量的增量，这反映出能源需求对我国汽车产业发展的瓶颈效应。在石油供应量有限的情况下，石油消费量加大势必提高其价格，增加民用汽车使用的成本，进而限制民用汽车拥有量的增加。从长远来看，要促进民用汽车拥有量的快速增长，必须建立积极、稳健、持久的能源生产和进口渠道，保障我国的能源安全。
本文从经济理论分析角度，利用线性回归的方法建立了民用汽车拥有量的计量经济模型， 并对模型的拟合度进行了分析，有较可靠的理论根据。另一方面，因考虑的因素较少， 模型结构较为简单，使模型的建立与检验较为容易。要进行更深入的分析，还要更全面地考察各种影响因素，进行变量的平稳性检验等。这些都有待于以后进一步研究。
参考文献:
［1］ 2010年我国汽车产销量全球第一［DB/OL］.凤凰网财经， 2011.01.11.http://finance.ifeng.com/stock/gszs/20110111/3183333.shtml.
［2］劲松.2010：我国汽车年销量超美国历史最高水平［DB/OL］.新浪博客， 2010.12.08. http://blog.sina.com.cn/s/blog_5dc473b30100nia0.html.
［3］ 《﹤2011中国汽车产业发展报告﹥在北京发布》［DB/OL］.凤凰网，2011.07.11. http://auto.ifeng.com/news/report/20110711/641289.shtml
［4］ 张艳东， 吴杰. 基于计量理论的我国汽车销量分析［J］. 科技创业月刊， 2009，（6）:51-52.
［5］ 王玲玲， 马骁.我国民用汽车需求的计量经济模型及分析［J］. 山西经济管理干部学院学报， 2006，（3）:16-18.
中国GDP计量经济分析预测 篇7
我国GDP总量的形成是一个复杂的过程, 受经济、政策、科技水平、自然等多因素的影响。GDP总量或人均GDP预测的理论及应用研究非常多。国内外学者对我国GDP的研究方法主要有三种: (1) 时间序列方法:研究GDP随时间发展的规律。通过时间序列的历史数据揭示现象随时间变化的规律, 建立ARMA、ARCH等模型, 将这种规律延伸到未来, 从而对该现象的未来作出预测; (2) 协整检验的计量经济学模型:通过分析影响GDP发展的本质因素, 研究GDP与这些因素的协整关系, 建立计量经济学模型; (3) 生产函数模型:分析一定技术条件下, 投入与产出的关系, 等等。由于GDP不仅能够在总体上度量国民产出和收入规模, 也能够在整体上度量经济波动和经济周期状态, 因此成为宏观经济中最受关注的经济统计数据, 被认为是衡量国民经济发展、判断宏观经济运行状况的最重要的一个指标, 也是政府制定经济发展战略和经济政策的重要依据。因此, 建立我国GDP的时间序列模型并对其进行分析具有十分重要的意义。
一、我国GDP时间序列模型的建立与分析
由于原始序列非平稳但取对数且一阶差分后平稳, 故采用求和自回归移动平均模型 (ARIMA) , 差分后的序列也就是ARMA模型。
(一) 数据的分析与处理
1、平稳性检验。
时间序列是否平稳, 可以有两种判别方法:一是自相关图;另一种是单位根检验法。文章对这两种方法结合起来进行检验。根据2007统计年鉴中GDP数据, 从用SAS软件绘制的时序图中可以看出我国GDP序列含有指数趋势, 并具有很强的非平稳性。
2、数据平稳化。
对于含有指数趋势的时间序列, 可以通过取对数将指数趋势转化为线性趋势, 然后再进行差分以消除线性趋势。取对数过后的GDP依旧存在非平稳性, 需要对其进行差分, 先进行一阶差分, 绘制一阶差分后的时间序列图。从图中很难看出一阶差分后的序列是否平稳。于是, 首先考察序列的样本自相关图, 从直观上检验该序列的平稳性;其次, 我们对该序列进行ADF单位根检验。
从自相关图中发现序列的自相关系数一直都比较小, 延迟一阶后始终控制在2倍标准差的范围以内, 可以认为该序列在零轴附近波动, 具有短期相关性, 因而可以直观地判别一阶差分后序列平稳。
从单位根检验结果看, 由于Tau统计量的P值都小于0.05, 可以认为该序列平稳, 不存在一个单位根, 即有指数趋势的序列, 经过取对数、一阶差分后序列平稳。
对差分后序列进行纯随机检验, 发现延迟各阶的P值显著地小于α (α=0.05) , 拒绝原假设, 即可以认为序列为非白噪声序列。
(二) 模型的建立与识别。
从上文分析已知道, 序列经过差分后为平稳非白噪声序列, 可以对差分后序列拟合ARMA模型。即是对原始序列用ARIMA (p, d, q) 模型拟合。考察序列的样本自相关图, 自相关图显示延迟1阶之后, 自相关系数全部衰减到2倍标准差范围内波动, 但序列在延迟4阶后, 衰减为小值的过程相当缓慢, 该自相关系数可以认为不截尾。
再看样本偏自相关图, 从图中可以看出, 除了延迟一阶的偏自相关系数显著大于2倍标准差之外, 其他的偏自相关系数都在2倍标准差范围内做小值随机波动, 而且由非零相关系数衰减为小值波动的过程非常突然, 所以偏自相关系数可以视为1阶截尾。
综合序列自相关系数和偏自相关系数的性质, 为拟合模型定阶为AR (1) 。
(三) 参数估计。
利用SAS, 用estimate命令可以得到未知参数估计结果及拟合统计量的值。从图中可以看出均值MU显著 (t检验统计量的P值小于0.0001) , 参数也显著 (t检验统计量的P值为0.0003) 。输出结果显示序列的拟合模型为ARIMA (1, 1, 0) , 模型口径为:
(四) 模型检验。
确定了拟合模型的口径之后, 就要对拟合模型进行必要的检验。
1、模型的显著性检验。
模型的显著性检验主要是检验模型的有效性, 一个模型是否显著有效主要看它提取的信息是否充分。一个好的拟合模型应该能够提取观察值序列中几乎所有的样本相关信息, 换言之, 拟合残差项中将不再蕴涵任何相关信息, 即残差序列应该为白噪声序列。为考核所建模型的优劣, 需要对模型的残差序列进行检验, 检验其是否为白噪声序列。若残差序列是白噪声序列, 可认为模型合理, 适用于预测, 否则, 意味着残差序列还存在有用的信息没被提取, 需要进一步改进模型。
从SAS作出的残差自相关图中可以看出除延迟6阶外, 其余的延迟各阶的LB统计量的P值均显著大于α (α=0.05) , 可知残差通过了白噪声检验, 该拟合模型显著成立。即认为残差序列为白噪声序列, 拟合模型显著有效。
2、参数的显著性检验。
参数的显著性检验就是要检验每一个未知参数是否显著非零。准1的条件最小二乘检验结果是t统计量的值为3.85, P值为0.003;均值的条件最小二乘检验结果是t统计量的值为4.7, P值<0.001;结论是由于系数t统计量的P值为0.003, 小于α (α=0.01) , 模型系数在1%的水平以上。显然两参数检验均显著。
(五) 模型优化。
当一个拟合模型通过了检验, 说明在一定的置信水平下, 该模型能有效地拟合观察值序列的波动, 但这种有效模型并不是唯一的。同一个模型可以构造多个拟合模型, 当这些模型都显著有效时, 难以选择哪个模型来进行推断, 于是引进AIC和SBC信息准则来选择相对最优模型。
通过用AIC和SBC准则对多个ARIMA模型的比较, 最小信息量检验显示无论是AIC准则还是SBC准则, ARI-MA (1, 1, 0) 模型的AIC函数和SBC函数都是最小的, 所以ARIMA (1, 1, 0) 是相对最优模型。
(六) 模型预测。
用上面拟合的模型可以得到未来8年GDP的预测值。 (表1)
二、结果分析
本文主要从自身发展规律来分析和预测国内生产总值 (GDP) , 比较准确地预测和判断未来几年内的国内生产总值的状况。从预测结果来看, 预测值有个明显的增长趋势, 这符合我国GDP发展的现况, 因为近年来, 我国的经济以较快的速度增长。
由前面我国GDP时间序列模型可知, 我国GDP的增长与上一期GDP增长有关。另外, 根据我国GDP的单位根检验, 发现我国GDP消除指数增长趋势后的序列为一阶单整的, 这说明我国GDP时序数据对冲击具有持久的特性, 往往具有一个固定的增长趋势, 一般不会返回某个特定值。我国GDP增长具有长期可持续性, 并且稳定性也在逐步增强。
文中我们能做到的也仅限于以GDP的变化为视角, 并在这样一个视角下, 力图达到对经济运行较为准确的预测。本文有一个没有仔细研究的问题, 就是GDP数据的周期性, 如果能从这方面详细研究, 肯定更能对GDP的发展变化做出更准确地分析。
参考文献
[1]王燕.应用时间序列分析[M].中国人民大学出版社, 2003.
[2]徐亚鹏.我国GDP分析及预测[Z].2006.
经济计量分析 篇8
关键词：房屋销售价格指数,经济适用房,人均可支配收入
一、文献综述
张红、潘琦、郑思奇 (2002) 对北京商品住宅市场进行回归分析, 说明住宅实际建造成本和实际生产总值对住宅价格有着显著的影响, 而人口数和所有者实际资本成本的影响作用则不明显。张燃、林春阳、胡岷、周薇 (2009) 研究结果显示:除深圳外, 其他一线城市实际房价收入比都要远高于理论房价收入比, 表明这些城市的居民户对当地普通住宅的支付能力很差。肖晋、汪宝平、方俊 (2009) 认为, 经济适用房解决的是中低收入群体的住房困难, 而商品房市场主要是为中等收入或高收入群体改善居住条件提供资源, 两者在目标客户群上有明显的不同。经济适用住房虽然会对附近商品房价格产生一定影响, 但不会对全市整体房价造成很大冲击。
二、房价增长理论模型的设定
本文选取2000～2008年间北京商品房屋的有关数据进行分析。以各时期的房屋销售价格指数作为被解释变量Price。影响房屋销售价格的因素很多, 考虑到实证研究的需要和数据的可获得性, 本文选取以下几个被解释变量作为房屋销售价格指数的影响因素:
(一) 按可比价计算人均地区生产总值指数 (上期=100) gdp。
代表当地的经济发展水平, 经济发展水平与房价存在着密切的关系。理论上, 一个地区经济越发达, 房屋销售的价格越高, 因而两者之间应该存在正相关。
(二) 年末常住 (居住半年以上) 人口数 (万人) num。
代表参与当地生产、消费的人数, 人数越多, 购买力越强, 需求越旺盛, 而且会对房地产决策层的定价策略产生影响, 进而拉动房屋价格的上涨。理论上, 两者之间应该存在正相关。
(三) 按可比价计算的城镇居民家庭人均可支配收入 (元) i ncome。
代表当地人民的经济实力, 人均可支配收入越多, 提高生活质量的欲望和能力就越强。本文采用的是经过扣除价格变动因素之后的数据, 具有一定的代表性, 理论上与房屋价格之间存在正相关。
(四) 经济适用房销售面积占房屋销售面积的比例 (%) pr op。
代表当地的住房保障体系建设程度。如果单纯以经济适用房的销售面积来计量分析不具有可比性。因为土地是稀缺资源, 每年的房屋供应量不同, 经济适用房的供应量也会相应改变。所以, 应以经济适用房销售面积占房屋销售面积的比例来计量。经济适用房是住房保障的重要组成部分, 用以保障相对低收入家庭的住房需求。经济适用房销售面积占住房销售面积的比例对房价具有一定的抑制作用, 理论上与房价存在负相关。
根据以上分析, 设定计量经济模型如下:
三、房价上涨模型的估计与检验
(一) 样本数据的选取。
由于各种统计数据的统计时间跨度不一, 为了便于比较, 本文选取了2000～2008年间的9组数据。 (表1)
(二) 模型估计。
运用EViews6.0软件对以上数据进行分析, 得出多元线性回归方程:
数据来源:中华人民共和国国家统计局、北京市国民经济和社会发展统计公报
(三) 模型检验
1、显著性检验。
F检验, 对于给定的显著水平α=0.05, 可由F分布表查得临界值Fα=6.39, 则F>Fα, 即原线性回归方程线性关系显著。t检验, 对解释变量gdp、num、income、prop的显著性分别进行t检验, 取α=0.05时, 查t分布表得t0.025 (9-4-1) =2.776, 由估计结果可知, gdp、num、income、prop的t统计值分别为1.6278、-3.1994、3.7240、-4.5052, 则有num、income、prop的t检验是显著的。按照统计检验程序, 先剔除t统计值最小的变量 (即gdp) 而重新建立模型, 得出线性回归方程:
进行t检验, 取α=0.05时, 查t分布表得t0.025 (9-3-1) =2.571, 由估计结果可知, num、income、prop的t统计值分别为-2.4113、2.9044、-4.4598, 则有income、prop的t检验是显著的。按照统计检验程序, 再剔除t统计值最小的变量 (即num) 而重新建立模型, 得出线性回归方程:
再进行t检验, 取α=0.05时, 查t分布表得t0.025 (9-2-1) =2.447, 由估计结果可知, income、prop的t统计值分别为3.2946、-3.4617, 则有income、prop的t检验是显著的。最终得出回归方程:
2、异方差检验。
由怀特检验结果可以看出, 取显著水平α=0.05, 由于nR2=4.9068<χ20.05 (5) =11.071, 所以不存在异方差性。
3、自相关检验。
(1) D-W检验。n=9, k=2, 取显著水平α=0.05时, 查表得d L=0.629, dU=1.699, 而d U
四、房价模型的现实意义
由以上分析可知, 北京房价与解释变量的回归方程应为:
可见, 北京房价与人均地区生产总值和年末常住人口数并没有直接的关系, 而与城镇居民家庭人均可支配收入呈正相关关系, 与经济适用房销售面积占房屋销售面积的比例呈负相关关系。
(一) 城镇居民家庭人均可支配收入i ncome的系数为0.001, 虽然呈正相关性, 但是影响有限。可见, 居民人均收入的增加不是房价上涨的主要诱因。房屋属于耐用商品, 而且价格偏高, 年度人均可支配收入的增加不足以支撑对高价商品房的大量消费。但是, 不排除人均可支配收入增加一定年限之后会对房价的上升产生更大的影响, 因为国人有储蓄的习惯, 当储蓄到一定时间之后便有购买高价商品房的能力, 前提是商品房价格涨幅低于人均可支配收入的涨幅。总之, 购买力增强不是房价上涨的主要原因。
(二) 经济适用房销售面积占房屋销售面积的比例pr op的系数为-0.501, 呈负相关, 而且影响较大。经济适用房销售面积占房屋销售面积的比例prop每增加1个百分点, 对房价指数就会有至少0.5个百分点的影响, 可见经济适用房对抑制房价过快增长有较大的作用。
五、政策建议
(一) 增加居民收入, 藏富于民。
有观点说, 房价上涨是居民的收入增加, 使其有能力购买高价商品房, 房地产开发商的定价行为是顺应经济规律的市场行为。用数据分析出来的结果也确实是这样, 居民的收入每增加1元, 房价指数上涨0.001元, 有影响, 但这种影响微乎其微。国家应该调整收入的分配体系, 适当增加二次分配的比例, 运用财政政策和货币政策通过转移支付等手段提高居民的收入, 真正做到藏富于民。
(二) 大力发展经济适用房, 健全住房保障体系。
经济适用房作为现阶段的国家住房建设政策, 旨在通过某种政策倾斜, 如用地划拨、税费减免等优惠措施, 来达到扩大住房供给、调节房地产投资结构和启动市场有效需求的目的, 它是基于我国目前特殊的房地产市场和住房市场发展阶段的一种政策选择。要明确购买经济适用房的收入标准, 确定中低收入家庭购买经济适用房的收入标准;明确住房标准, 确定经适房的档次、建筑面积等。
综上所述, 人均可支配收入的增加对房价上涨产生的作用极小, 不是房价上涨的主要推手, 经济适用房的大量建设可以抑制房价的过快增长, 因此一方面应设法增加居民的可支配收入, 扩大内需;另一方面应加快经济适用房的建设力度, 在保障中低收入群体利益的同时抑制房价的高速增长。
参考文献
[1]赵卫亚.计量经济学教程[M].上海:上海财经大学出版社, 2003.
[2]陈伯庚, 顾志敏, 陆开和.城镇住房制度改革的理论与实践[M].上海:上海人民出版社, 2003.
[3]印坤华.住宅:跨世纪发展热点聚焦[M].上海:上海大学出版社, 1999.
[4]张燃, 林春阳, 胡岷, 周薇.预期收入增长与城镇居民购房能力[J].南方金融, 2009.5.
中国居民消费问题的计量经济分析 篇9
“十一五”规划中明确表示, 中国现在应该转向逐渐依靠个人消费、在较大程度上可自我持续的国内需求模式, 消费已成了值得关注的一大要点。
许多经济学家都对消费理论进行了研究, 提出了很多经典学说。Keyness (1936) 提出的绝对收入假说指出:消费支出和收入之间有稳定的函数关系, 收入增加对消费需求的扩大具有促进作用。美国经济学家Modigliani和Brumb (1950) 认为, 理性的消费者要根据自己一生的收入和财产来安排自己的消费和储蓄, 使一生的消费和收入相等, 这就是生命周期假说。Friedman (1957) 提出了持久收入的消费函数理论, 该理论认为:消费者的消费支出不是由他的现期收入决定的, 而是由他的持久收入决定的。
本文基于上述问题, 建立中国居民消费行为的计量经济模型, 以期能以量化的数据来明确解释其相关因素对中国居民消费的影响及其形象程度的大小。
二、变量的选取及模型的建立
人均纯收入:X1 (元/人年) 。依据:凯恩斯的假说认为, 消费支出的数量依赖于当期的收入水平, 收入水平提高了, 消费水平相应就会提高。因此我们引入该因素作为解释居民消费的变量之一。
储蓄:X2 (元/人年) 。依据:由于储蓄具有流动性和安全性, 代表着更现实的购买力, 在居民的流动资产中占很大比重, 所以居民拥有的储蓄额对当期消费更有意义, 这就是流动资产假说。因此我们引入该因素作为解释居民消费的另一变量。
前期人均纯收入:X3 (元/人年) 依据:费尔德曼提出了持久收入的消费函数理论, 该理论认为:消费者的消费支出不是由他的现期收入决定的, 而是由他的持久收入决定的。因此, 我们选取了属于持久收入的一部分———前期人均纯收入来作为另一解释变量。
在此基础上以中国居民消费为被解释变量, 人均纯收入、储蓄、前期人均纯收入为解释变量而建立的多元线性回归模型为:Y=C+C1X1+C2X2+C3X3+U, 其中, 其中, C1、C2、C3是未知参数, 称为回归系数, U是随机误差。
三、数据及处理
数据主要来源于《中国统计年鉴》, 计量分析时采用的是1990~2004年15年的数据资料, 将它们化为一组时间序列形式的样本数据, 见表1。
四、模型的回归分析与调整
(一) 模型的参数估计
利用EVIEWS软件, 对上述模型运进行最小二乘估计, 得出初步方程如下:
Y=-146.8637696+0.3382130351*X1-0.1408986733*X2+0.1624787102*X3
(二) 经济意义检验
从得到的结果可以看出:
在其他条件不变的情况下, 人均纯收入每增加1元, 居民消费也会相应的增加0.3382130351元。它与居民消费之间是正相关的关系。
在其他条件不变的情况下, 储蓄每增加1元, 居民消费就会相应地减少0.1408986733元。它与居民消费之间是负相关的关系。
在其他条件不变的情况下, 前期人均纯收入每增加1元, 居民消费也会相应的增加0.1624787102元。它与居民消费之间是正相关的关系。均符合经济意义检验。
(三) 统计检验
拟合优度检验:R2检验R2=0.999299, 调整后的R2=0.999107, 可绝系数为0.999299, 接近1, 模型的拟合优度很高。
F检验:eview s计算得出F=5225.061, 在显著性水平a=0.05时, 查F分布表, 得到临界值F0.05 (3, 11) =3.59 (解释变量数目为3, 样本容量为15) 。显然有F>Fa (k, n-k-1) , 表明模型的线性关系在95%的置信水平下显著成立。
T检验:eview s计算得出的t值为|t0|=3.478234、|t1|=10.42062、|t2|=6.804531、|t3|=5.039875, 在显著性水平a=0.05时, 查t分布表, 得到t0.025 (11) =2.201计算的所有t值都大于该临界值, 均通过变量显著性检验。
(四) 多重共线性的检验
首先, 检验x1, x2, x3的简单相关系数, eviews估计得出的相关系数矩阵如表2所示。
由图中可以看出, 变量之间存在高度相关性, 用逐步回归法进行修正。第一步:运用OLS法逐一求Y对各个解释变量x1, x2, x3做回归。依据调整后可决系数最大原则, 选择X1为进入回归模型的第一个解释变量, 再次进行回归, 结果显示调整后的可决系数X2的最大, 加入x3后拟合优度变化很不显著, 说明x3与其他变量之间存在共线性关系, 剔除x3, 逐步回归终止。
再次进行统计检验, 结果如下:
F检验:eview s计算得出F=2579.610, 在显著性水平a=0.05时, 查F分布表, 得到临界值F0.05 (2, 12) =3.88 (解释变量数目为2, 样本容量为15) 。显然有F>Fa (k, n-k-1) , 表明模型的线性关系在95%的置信水平下显著成立。
T检验:eview s计算得出的t值为|t0|=2.356087、|t1|=16.02394、|t2|=3.451894, 在显著性水平a=0.05时, 查t分布表, 得到t0.025 (11) =2.201计算的所有t值都大于该临界值, 均通过变量显著性检验。
最终的回归模型如下:Y=-172.0445783+0.4772419706*X1-0.122548605*X2。
(五) 序列相关性检验
首先运用D-W检验进行序列相关检验, eviews计算出的DW值为0.7405, 查表得d L=1.08, d U=1.36, 显然存在0<0.7405<1.08, 即0<D.W.<d L, 存在正自相关, 下面加入AR (1) 做回归, 进行序列相关的补救。序列相关补救后的回归方程为:
Y=498.6323042+0.3776851715*X1-0.05642567689*X2+[AR (1) =0.8925113675]
加入AR (1) 进行最小二乘法估计后计算出的DW值为1.7300, 查表得d L=1.08, d U=1.36
显然存在1.36<1.7300<2.64, 即d U<D.W.<4-d U, 无自相关, 表明经过加入AR (1) 后模型已不存在序列相关性。
(六) 异方差性检验
1.先用散点图进行初步观测。
上图为eviews做出的散点图, 由于图示法只能进行大概的判断, 本文采用更为严格的检验方法—G-Q检验。
2.运用G-Q检验来消除异方差性。首先将数据按自变量大小排列, 将15个观测值减去3个, 再将剩下的12个分为两组, 分别运用OLS法, 构造残差平方和序列。
G-Q检验结果:
子样本1的回归方程如下:
子样本1的R2残差平方和如下:
子样本2的回归方程如下:
子样本2的R2残差平方和如下:
计算最终F统计量:
在5%的显著性水平下, 自由度为 (3, 3) 的F分布的临界值为F0.05 (3, 3) =9.28, 显然F<Fa (v1, v2) , 表明没有异方差性。
五、结论与建议
(一) 结论
通过上述分析可以看出, 目前我国居民消费的最大影响因素还是收入, 我国居民可支配收入水平低、收入增长慢以及居民的储蓄是造成居民消费需求不足的根本原因。所以想要开启我国消费市场以达到拉动经济增长的目的, 必须研究如何提高居民的收入。
从得到的结果可以看出, 在其他条件不变的情况下, 人均纯收入每增加1元, 居民消费也会相应的提升0.3776851715元, 它与居民消费之间是正相关的关系。在其他条件不变的情况下, 储蓄每增加1元, 居民消费就会相应地减少0.05642567689元, 它与居民消费之间是负相关的关系。
(二) 政策建议
(1) 提高就业率。努力加大各种就业渠道, 提升居民的整体收入水平, 实现高收入高消费, 用收入的增长来带动消费的增长。
(2) 中国由于其自身的城乡二元经济结构, 农村居民长期存在收入水平低下的情况, 这就进一步的引起了消费额的低下, 因此, 要想方设法增加农村居民收入。
(3) 建立健全社会保障体系。完善社会保障体系, 消除居民对未来生活的担忧和顾虑, 增强居民消费信心, 减少居民为将来生活进行的过多储蓄的行为。
参考文献
[1]成秋明.重庆市农村居民消费研究[J].现代商贸工业, 2011年, 第5期:89页~90页.
[2]韩克勇.中国居民消费问题研究[J].经济评论, 2001年, 第1期:54页~56页.
[3]陈成忠, 林振山.中国居民消费价格指数波动的周期性及其驱动因素研究[J].经济问题探索, 2009年, 第8期:83页~84页.
[4]张志敏.1978年以来中国居民消费变化及影响因素分析[J].商业研究, 2003年, 第24期:1页~3页.
[5]张志敏.90年代以来中国居民消费特征及影响因素分析[J].经济管理, 2003年, 第4期:52页~56页.
经济计量分析 篇10
收敛问题概括起来主要有三种假说:
1.σ-收敛,这是与横截面数据相关的假说,指不同经济系统间人均收入的差距随时间推移而趋于下降,即σt+k<σt(k≥1)。
2.β-收敛,这是与时间序列相关的假说,指初期人均产出水平较低的经济系统趋于比初期人均产出水平较高的经济系统以更快的速度增长,即不同经济系统间的人均产出增长率与初始人均产出水平负相关。β-收敛又分为绝对β-收敛与条件β-收敛两种形式。所谓绝对β-收敛,是指技术、制度、文化等相似的区域具有相同的经济状况,而经济状况落后的地区具有比发达地区更快的增长速度,从而所有区域最终将收敛于相同的人均收入或产出水平。所谓条件β-收敛,是指不同经济区域之间具有各自不同的技术、制度、文化等特征,因而具有不同的经济状况,从而不存在绝对的收敛;因此,只有在模型中控制了这些特征,经济区域之间才呈现明显的收敛性。
3.俱乐部收敛,指在具有相同的人力资本、市场开放度等结构特征的经济地区间存在着一定的增长收敛趋势。
中国自改革开放以来,经济发展成就世界瞩目,自20世纪90年代中期以来,更是保持着高速的经济增长势头,日益显示出巨大的经济发展潜力。然而,从改革开放中实施的“先富带动后富”策略开始,中国各省区之间的经济差距日益扩大,并逐渐上升为备受各界关注的焦点问题之一,这其中,诸多学者对中国的经济发展差异问题做了相关研究。
宋学明(1996)的研究指出中国大陆各省市之间存在绝对收敛;蔡昉、都阳(2000)的研究发现,大陆各省市人均GDP不存在σ收敛和β收敛,而东中西部各自则呈现俱乐部收敛;刘强(2001)指出中国大陆地区之间经济增长的收敛性存在显著的阶段性和区域性;张胜等(2001)对省际间经济增长的绝对收敛性进行分时段、分区域的分析发现,1990年以前东西部经济增长存在绝对收敛,而1990年以后东西部经济差距却不断增大,呈现“富省愈富,穷省愈穷”的现象;沈坤荣、马俊(2002)对东中西部经济增长的收敛性进行分析,结果显示东中部内部显著收敛,而西部内部收敛则不显著,总体呈现显著的“俱乐部收敛”,即三大地带内部经济差距不断缩小,而地带之间的经济差距却没有缩小;林毅夫、刘明兴(2003)研究显示,1990年以前存在σ收敛,1990年以后则呈现发散趋势,且在模型中考虑了其它解释变量后发现,中国大陆各省市之间存在条件收敛;徐现祥、李郇(2004)指出,在城市层面上,中国大陆经济增长遵循新古典增长理论和新增长理论的收敛机制;彭国华(2005)对中国大陆28个省市进行全要素生产率的收敛性与收入的收敛性对比,结果指出两者的收敛模型具有很大的相似性,但前者的收敛速度要快于后者。
有关经济收敛的实证研究通常是基于横截面(cross section)回归或建立面板数据(panel data)的固定效应(fixed effect)模型(Magrini,2003)。但是,横截面回归要求研究中的参数具有同质性(homogeneity),而这在经济发展差异显著的区域之间是难以满足的。面板数据模型较横截面回归在解决异质性(heterogeneity)问题上有明显的改进,使用固定效应模型获得的收敛系数通常要高于横截面回归所得(Islam,1995)的收敛系数。但是,因固定模型注重利用年度增长率来分析经济的运动趋势,所以同样也备受非议。众所周知,区域经济数据通常不是独立的,临近区域的经济往往具有较大的相似性(Anselin and Bera,1998)。因此,诸多实证研究中所使用的标准估计程序可能得到无效的收敛结果,横截面回归和固定效应模型均存在这个问题,而空间计量模型正是为解决这一实际问题而诞生的,且迅速得到广泛的关注。
近年来,国内外部分学者已开始利用空间计量模型来研究区域的经济收敛性问题。吴玉鸣、徐建华(2004)运用空间相关指数Moran’s I及面板数据模型对中国省区经济增长集聚及其影响因素进行分析;林光平、龙志和、吴梅(2004)利用地理空间权重矩阵和经济空间权重矩阵研究了中国省市经济的空间相关性和人均GDP的β收敛情况;吴玉鸣(2005)提出区域经济增长β收敛的空间计量经济模型框架,并对省市间经济的空间外溢效应及β收敛效应和成因加以实证研究;林光平、龙志和、吴梅(2006)利用空间计量模型研究了中国省区经济发展的σ收敛情况;Rey and Montouri(1998)利用空间误差模型、空间滞后模型和空间交叉回归模型对美国人均收入的σ收敛和β收敛问题进行研究;Up Lim(2003)采用Anselin(1998)提出的空间计量模型实证研究了美国人均收入的收敛情况。
本文即是在过去实证研究的基础之上,利用中国大陆各省市的经济面板数据建立固定效应模型,同时考虑省市之间的空间相依性,最终对中国省市人均GDP的β收敛性加以探讨。
一、实证研究设计
(一)数据来源及指标说明
本研究采用1994-2006年中国大陆29省市(除西藏和重庆外)的统计数据,以2006年为对比年分别计算1994-2005年的人均GDP增长速度,因此本文研究时间为12年,共计348个样本。同时,本文关注的是各省市之间的条件收敛,因此必须考虑控制部分导致地区之间经济发展差异的因素。结合前述介绍的相关理论和研究,本文主要考虑如下几个指标:平均教育水平(年)、就业人口比重(%)、第一产业人口比重(%)、非国有资产比重(%)、固定资产投资占GDP比重(%)、社会消费总额占GDP比重(%)。经消除价格因素后,再利用实际统计数据计算各经济指标。资料来源于各年统计年鉴。
(二)空间计量模型介绍及建立
本文利用面板数据进行实证分析,而面板数据模型根据参数设定的不同可分为固定效应模型和随机效应模型。一般而言,如果仅以样本自身效应为条件进行推论,宜采用固定效应模型;如以样本对总体效应进行推论,则应采用随机效应模型。由于本研究运用中国大陆各省市的统计资料建立模型并分析,目的旨在对各省市自身的效应进行研究,因此本文选择固定效应模型进行实证分析。
常用的收敛模型为Baumol(1986)提出的β收敛模型(Unconditional Convergence Model):
其中,ln(yi,t/yi,0)表示地区i(1,2,…,29)在t年间的人均GDP增长率;ln(yi,0)表示地区i在初始年份的人均GDP。因本文考察的是1994-2006年间的经济收敛情况,所以yi,0分别为1994,1995,…,2005年的人均GDP,yi,t为2006年的人均GDP。如果β<0,则表明各地区之间存在着绝对收敛,即落后地区的经济增长要快于发达地区;反之则不存在收敛。
但是,经济的增长不仅仅取决于初始水平,同时也受到其它多种因素的影响。因此,在模型(1)中加入其它变量来重新考察经济收敛问题,此时β衡量的是一种控制了适当因素后的经济条件收敛,则模型表达式为:
其中,Xi,0表示控制变量在初始年份的水平,本研究的控制变量包括:平均教育水平对数、就业人口比重、第一产业人口比重、非国有资产比重、固定资产投资占GDP比重、社会消费总额占GDP比重。
1. 空间滞后模型(Spatial Lag Model)
空间滞后模型是指当地区间的经济具有空间相关性时,直接利用模型(2)估计将产生偏差,因而需要引入空间权重矩阵对原模型加以修正,则模型(2)表达式修改为:
其中,ρ为空间自相关系数,W表示空间权重矩阵。这里W采用地理权重,即对于本研究所考察的29个省市,如果它们之间在地理上相邻则权重取1,否则取0。如果空间自相关系数ρ通过显著性检验,即ρ≠0,则表示相邻省市之间确实存在着经济上的空间相互影响关系。
2. 空间误差模型(Spatial Error Model)
当空间相关性存在于误差项时,此时应将模型(2)的误差纳入空间因素加以考虑,则模型表达式为:
其中,λ为空间误差系数,W表示空间权重矩阵。
二、实证结果对比分析
本文采用Matlab 7.3对模型进行估计,计算程序采用Elhorst(2004)提供的模块,固定效应空间滞后模型(Demosarfe)和固定效应空间误差模型(Demosemfe)(1)。
对比表1给出的估计结果发现,无论是空间滞后模型的空间相关系数ρ,还是空间误差模型的空间误差系数λ,其估计值均为正,且均在1%水平下显著。这表明中国大陆各省市之间的经济在空间上存在着明显的相依性。因此,缺乏考虑空间相关因素的固定效应模型其结果是不可靠的。对比空间滞后模型和空间误差模型,从模型总体统计量看,空间误差模型的拟合度和似然比明显大于空间滞后模型,且模型的估计误差σ2较小,显然,空间误差模型在整体上优于空间滞后模型;从参数估计量看,空间误差模型的参数估计量显著较空间滞后模型强,且在经济意义上体现得更为合理。因此,相比而言,笔者认为空间误差模型更为适合于结果分析。以下笔者将以空间误差模型为基础对其结果作进一步分析。
注:*表示在5%水平下显著,**表示在1%水平下显著。
在空间误差模型(1994-2005)中,β系数估计值为-0.085404(<0)且在1%水平下显著,这表明中国大陆各省市之间的经济发展在1994-2004年之间存在着条件收敛。在控制变量上,平均教育水平、就业人口比重和非国有资产比重的参数估计值均为正且均在1%水平下显著,社会消费总额比重的参数估计值为正且在5%水平下显著。这表明教育水平和就业水平越高的地区,其经济的增长速度越快。非国有经济成份越高,市场经济越活跃的地区,其经济的发展势头越高。第一产业人口比重可以在一定程度上反映出一地区的产业结构,而其估计参数值为负,在约6%水平下显著,这表明工业进程落后和第三产业欠发展的地区,其经济增长受到较大的限制。
为进一步研究经济收敛性在不同时段上的差异,笔者以1998-1999年为界,划分整个研究期间为两段进行空间误差模型的重新估计。根据表2的估计结果,分段期间和整段期间的β系数均为负,且均在1%水平下显著,这证明了条件收敛性的显著存在。从β系数估计值的绝对量看,1994-1998年间(0.097087)最大,整段期间(0.085404)次之,1999-2005年(0.028283)最小。这表明,20世纪90年代中后期中国大陆各省市之间的经济收敛速度要快于1994-2003年间,而20世纪末21世纪初期中国大陆各省市之间的经济收敛速度大幅减缓,低于1994-2005年间整体收敛速度;且由于前一时段高速收敛的带动,整段期间的收敛速度仍然保持较高水平。观察前后两个时段的空间误差系数的估计结果(0.900978,0.914992)可以发现,两个时段内的中国大陆各省市之间的经济发展均存在着显著的正向空间相关。
注:*表示在5%水平下显著,**表示在1%水平下显著。
从表2中控制解释变量的估计结果看,前后两个时段的平均教育水平均对经济增长起到显著的推动作用(0.367148,0.255134),这表明了人口素质的重要性;就业人口比重同样也积极地推动地区的经济发展,但是前一时段的影响力(1.635092)要远大于后一时段(0.350423),这一现象的解释是,随着中国的经济体制改革,多种经济成份竞相活跃发展,且劳动力在地区之间的流动性不断加强,从而后一时段的就业人口比重对经济增长的影响力大大削减;非国有资产比重在前一时段对经济的影响不显著,这主要是因为,在国有企业改革之前,中国的市场经济备受诸多限制,因此其它成份的资产对经济的积极效应未能得到充分体现,这表现制度层面对经济的影响力。
三、结论
在考虑地区之间的空间相关性之后,本文基于中国大陆各省市的经济统计资料面板数据建立了空间计量经济学模型,对中国经济的β收敛性加以考察,有效地避免了传统估计方法所可能导致的结果偏差。实证结果显示,1994-2006年期间,中国大陆各省市之间的经济呈现显著的条件收敛;通过分时段的考察发现,1994-1998年期间的收敛速度要快于1999-2005年期间的收敛速度。同时,对控制变量参数估计结果的分析表明,教育水平、就业比重和非国有资产比重均对地区经济有显著的推动作用,这在一定程度上体现了人力资本和制度对经济的影响力;而第一产业从业人口比重则在一定程度上限制了地区经济的增长,这在一定程度上体现了工业进程的重要性和产业结构调整的重要性。
摘要：基于中国大陆29个省市的面板经济数据,建立空间计量经济学模型,实证研究中国省市经济的收敛性,结果表明,在1994-2004年期间,中国大陆省市经济存在着显著的条件收敛现象;以1998-1999年为界的分两时段考察进一步发现,前一时段的收敛速度远快于后一时段的收敛速度;对控制变量的分析表明,教育、就业水平和非国有率有效地推动地区经济的增长,而第一产业人口比重则对地区经济产生阻碍。
经济计量分析 篇11
【关键词】城镇居民消费水平 影响因素 回归分析
一、研究背景及意义
改革开放以来，我国居民消费水平不断提高，消费一直以来都是经济发展的重点任务之一。2015年政府工作报告中指出，应通过加快培育消费增长点，大力鼓励大众消费，使其成为拉动经济增长的强劲动力。在我国经济步入新常态的背景下，提高居民消费水平，对于我国调整经济结构，避免“中等收入陷阱”等问题意义重大。城镇居民消费水平对整体消费水平具有带动作用，因此，及时把握城镇居民消费变动趋势，分析城镇居民消费水平的影响因素，对于提高经济发展的速度与质量具有重要意义。
二、文献综述
查阅文献发现，城镇居民消费水平的影响因素已有很多角度的研究。李洋等（2014）通过建立计量经济模型，发现城镇家庭实际人均可支配收入、人均国内生产总值、城镇固定资产投资额是影响城镇居民消费水平的显著因素。罗世超（2012）从消费水平价格指数、可支配收入、人口增长率和城镇居民工资水平出发研究影响我国城镇居民消费水平的因素。吴锟等（2014）则基于财富效应视角，研究了收入、财富、利率对居民消费水平的影响。
除了对城镇居民消费水平的纵向研究，一些学者着重分析了城镇居民消费差异及成因。袁军江（2012）研究了我国各省域和城镇内部居民消费水平的差异，郝东阳（2011）则按整体、收入、家庭收入角度对城镇居民进行分类，并建立年龄效应模型，分析城镇居民户主年龄与家庭消费行为之间的关系。
尽管众多学者对影响我国城镇居民消费水平的因素做了大量研究，但是较多侧重收入研究。当今社会影响消费的因素很多，应合理加入其它变量，才能更好地拟合消费函数。本文选取了几项重要解释变量，以1984～2014年的数据建立模型并优化，以明确影响城市居民消费水平的因素。
三、模型设定
（一）变量选择的现实及理论依据
现实生活中，收入、物价等会影响居民消费水平。理论方面，绝对收入假说指出消费水平主要取决于收入；生命周期假说认为边际消费倾向会因人口构成比例变化；消费品存量调整假说认为现期消费依存于现期收入等因素。本文以绝对收入假说为基础，选取以下变量：城镇居民家庭人均可支配收入、城镇居民消费价格指数、城镇居民家庭恩格尔系数、城镇人口、国内生产总值、个人所得税。
（二）确定模型形式
1.相关系数分析。相关系数矩阵显示，有4个解释变量与被解释变量的相关系数超过0.9，属于高度相关，应为线性相关关系。
2.模型形式确定。
模型形式为：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6 +μ
X1为城镇居民家庭人均可支配收入（元）、X2为城市居民消费价格指数（上年=100）、X3为城镇居民家庭恩格尔系数（%）、X4为城镇人口（万人）、X5为国内生产总值（亿元）、X6为个人所得税（亿元），Y为城镇居民消费水平（元）。
（三）协整检验
1.平稳性检验。只有平稳序列才能建立模型，本文采用ADF检验考察变量平稳性。一阶差分未通过的情况下对各变量进行二阶差分，结果显示各变量均在1%的显著性水平上通过了检验。各变量均为二阶单整，回归可能是伪回归，需进行协整检验。
2.协整检验。本文采用EG法进行协整检验。首先，对变量进行回归，得到残差项；第二步，对残差序列进行单位根检验，检验统计量为-4.257139，小于临界值，因此，残差序列为平稳序列，各变量与Y存在协整关系。
四、模型估计和优化
（一）初步OLS估计
OLS法估计显示，X1、X3、X6通过了t检验；■2及F检验显示模型的拟合优度很好，解释变量对Y的联合影响效果显著。
但模型存在明显问题：X4系数符号与预期不符，X2、X4、X5未通过t检验，模型需要优化。
（二）多重共线性检验与处理
1.多重共线性的检验。多重共线程度可由膨胀因子判定，本模型平均膨胀因子为777.51，存在较为严重的多重共线。
2.多重共线的处理。逐步回归法：各变量分别对Y回归后，选定最大R2的方程为基础方程，按R2排序依次加入各变量，得到方程：■=1471.460+1.063060X1-28.02823X3-0.769347X6对X2、X4、X5进行剔除。理由如下：①加入X2后系数不显著，可能是各变量包含了价格因素②X4的系数没有通过t检验，可能是城镇人口为相对不重要变量③加入X5后系数符号与预期不符，X1与X5之间存在多重共线。
（三）引入滞后变量
按照相对收入假说，收入变化在消费反应上表现的较为迟钝。因此，在模型中引入X1的滞后变量，并采用阿尔蒙法估计。
在模型中引入X1的滞后变量，模型的R2有所提高，并■=1888.82 -0.81X1t+0.35X1（t-1）-0.11X（t-2）-34.43X3-0.66X6并且滞后期为2时效果最好，引入滞后变量的形式：
（四）自相关的检验与处理
1.自相关的检验。
（1）D.W.检验：对模型进行D.W.检验，D.W.值为1.36，n=29，k=6，查D.W.检验上下界表，得dL=1.05，du=1.84。由于：dL=1.05 五、结论与建议 城镇居民消费水平与城镇居民家庭人均可支配收入呈正相关，与城镇居民家庭恩格尔系数和个人所得税呈负相关。可支配收入、生活水平的提高及个人所得税的降低有利于提高城镇居民消费水平。具体应采取以下措施： （一）提高城镇居民人均可支配收入 以经济建设为中心，保持经济在新常态下的中高速发展；调整国民收入分配格局，提高劳动报酬占国民收入的比重；加速促进中小企业发展，提供更多就业机会；加大知识和技术普及力度，以实现劳动者高质量就业。 （二）提高城镇居民生活水平 扩大社保覆盖面，保障居民基本生活水平；加大对医疗、养老等方面的投入，减少消费者支出负担；倡导积极的娱乐方式，鼓励健康的精神消费；稳定物价水平，使居民的生活水平稳步提高。 （三）完善个人所得税改革 积极进行税制改革与创新。国家应适当提高个人所得税费用起征点和免征额，同时，尽快实行综合制个人所得税，这样不仅有利于公平课税，又可以刺激消费，从整体上提升居民消费水平。 参考文献 [1]李洋，刘美爽.我国城镇居民消费水平的计量经济模型分析[J].商业时代，2015（34）：6-8. [2]罗世超，谢蕊霞.影响我国城镇居民消费水平的主要因素分析[J]，商场现代化，2012（9）. [3]袁军江.我国城镇居民消费差异及其形成原因探析[D].浙江：浙江工业大学，2012：1-87. 出产商品的增长率与初期同期增长的收入水平相互之间存在一定阶段的联系,以时间为序列数据的持续性增长会使得出现弱工具变量的情况,这在宏观数据中是很平常的,动态面板的数据在系统整理后,根据估值的方法将面板的基础均值调整回到最初估算的数据上,这使得估值方法收获了更多的利益。以这些年的发展来看,研究动态法的学者们开始对增长趋同的运作收入进行了深入调查研究,采用最基础的回归分析元素的方式,试着将回归方法带入到收入动态法中,看能否将两种方法结合到一块运用。 2 关于趋同的截面回归和面板回归分析 2.1 截面回归分析 在对趋同的截面回归模型中结合到其他的理论知识,虽然只是加入理论基础解释的变量,但是从各方面来看,不仅是技术操作上精确了数据的准确性,使得模型的真实情况模拟的操作更加立体,而且还从经济系统上进行结构的调整,趋同“条件”的系列还结合考虑到了政治的影响因素,反复验证了条件趋同这一学说,加快了趋同研究方面的脚步。按照目前的情况分析,回归模型的截面不仅是二元还有多元,都有这四个方面的缺陷:第一个方面,我们之所以没能从回归模型的截面上看出有关于经济体系结构的相关元素,这是由于模型本身存在一定的偏差,不过这一个方面在之后的面板数据中,学者在回归方法中找到了如何改善的方法。第二个方面,存在与变量之中的内生性问题,有时候因为在回归方程中融入了一种或多种的,关于结构性以及政治影响因素的变量,都会使得回归方程中出现共线性的波动情况,例如,投资和产出量的增长期间通常与人力资源成本存在着正比的联系,由于不同地区的政治制度或者是不同国家的政治制度的不同,教育方面的投资与经济方面的投资会受到一定因素的影响。此外,在生活中的运作,学者一般会根据某一个时间段的平均投资数据为基础确定储蓄率,可是在接下来的一段时间内,储蓄率会和增长之间有着不可分离的影响,两者存在因果的联系。第三个方面,各个经济体系之间的外溢情况受到忽略。每一个经济体系在回归截面中是作为一个单独的个体来对待的,而回归方法一般是对重复抽样的不同变量对比它们之间的联系,所以要求经济体系中的每个都是独立的个体。第四个方面,数据测量之后的误差很难消除掉。一般计量性的回归模型都会因为一定的测量误差产生非试验之外的情况,面对这样的情况是无法避免的,但对于工具变量和查分的这两种情况可能存在一定的解决方案,可是放在回归模型的截面中时,这两种情况就很难去实施了。 2.2 面板回归分析 不同国家或者是不同地区中一定会因为截面回归模型方法的运作过程产生一定影响,严重的可能会造成各个经济体系在最初开始运作的时候出现在技术水平上的不可控情况,另外,由于不同国家和不同地区的初期,技术水平一般和趋同回归的方程中,一个或者多个变量有着彼此影响的相关性,可是对于初期的技术水平上最重要的一点就是时间的不变性。 在研究趋同的面板数据时,有两个方面需进行验证,一方面是从截面回归的模型中解决处理麻烦的参数中存在异议性的影响元素;另一方面就是截面回归的模型试验中可能会遭受到测量偏差以及内生性这种误差的影响,虽然这些问题一直都存在,但还是努力在完善和处理,尽量在估算的方面得到提升。可是在面板数据的基础原因上也还残留一些没有完善的细节,一般来说面板数据这种方法估计出来的数据不存在偏差,可是在估计数据的过程中组内的计算偏向于各个截面系统的个体,还没能完全的把某些元素汇总的截面系统存在的信息结合进来,这样就使得在估计数据的时候扩大了方差中的结果,数据最后的结果准确性就会降低。例如,人们所关心的入学率就是所属人力资源成本中的代表项目之一,发达国家的入学率数据就相对于国内来说稳定得多,这样的问题也存在与解释变量的数据中,一般影响到面板数据的方法与一些解释的变量有关,对经济的发展有着并不明显的结论。所以目前来说,前期预测的理论与后期算出的结论相互之间是矛盾的,按照准确的方法来做就是,面板回归中不会被识别的原因在于变量没有波及影响。 3 趋同的时间序列分析与空间计量分析 在对趋同研究的方法中,经常采用的是对经济系统中出产的系统单位与和协积进行试验,从此便对趋同有了新的认识和定义。从计量角度来说,这样的方式或许更为精确些,可是同样也存在着某些地方缺乏和增长理论之间的矛盾问题,针对这种问题就算是在文献中也很难有机会找到,关于影响经济系统处于长期稳定状态的某些因素,主要是因为,在研究横截面回归问题时所涉及的趋同理念来说,这其中的联系包括对落后的经济系统与发达的经济系统中的人均收入问题,其中的偏差均值肯定是非零的数据,因此确定,横截面回归的估计方法与时间序列的方法,不管过程怎样,最后的趋同证据却是很不一样的,甚至是相互矛盾的存在。 趋同的空间计量方法是对回归模型进行试验的过程中考虑经济系统中各个因素相互之间是否存在什么关系。最重要的方法就是将空间权重矩阵到基础的线性回归模型运作中来,使用其他能够间接衔接到各个地区以及各个国家之间的相互联系上去。有两种因素会使得空间计量模型在运作过程中出现一些偏差的问题:空间依赖性(或者说是空间自相关)以及空间异质性这两个问题,Anselin与Rey(1991)区别了以上提到的两种情况,还包括了直接依赖性和间接依赖性两种情况。空间依赖性反映的是存在与区域之间的空间影响性,例如指在技术和知识方面对外流溢的情况,以及地区间的劳动力流失;空间异质性反映的就是由于不同区域的系统配置不同使得最终测量的结果有偏差。空间异质性是对某一定的群体进行抽样调查后发现的一种普遍存在的不稳定性关系。所以在研究对趋同问题选择对象问题上,主要的还是空间依赖性为首要。 4 关于趋同的收入分布动态学研究 在研究趋同问题的过程中获得了许多种针对回归为根本研究的分析方法,对关于代表性的经济能够通过趋同的方法维持本身的稳定、目前趋同的影响因素与趋同的发展速度这三个问题进行了针对性的研究和探讨。所以,对于回归方法的理解就是每个独立的经济体,通过某个时间段的趋同发展到本身稳定状态的这个发展过程的理解,并不是常规理解的在趋同发展的过程中对于动态学的解释就是将所有的经济体系的收入分散到其中,可是,为了解释和分析这个经济系统的收入分散是否与时间的周期变化有关,这样对于趋同的探究就变得非常重要。 摘要：从趋同出发,对经济发展思路和方法进行了研究探索,囊括了有关截面和面板数据的回归分析、对比空间计量与时间序列的关系、经济系统的收入分散动态学研究这三个有联系的方面。 关键词：经济趋同,计量分析,收入分布 参考文献 [1]约翰斯顿,迪纳尔多.计量经济学方法(中译本)[M].北京:中国经济出版社,2002:109. [2]古扎拉蒂.计量经济学(中译本)[M].北京:中国人民大学出版社,2006:96.经济计量分析 篇12