发布时间：
我们也要做，怎么办
我有，去年计量实验考试交的 不知道你还要不哈哈
计量经济学课程论文产业结构对我国经济增长影响的实证分析学号：2008324030924学院：商学院 班级：财务管理0802班姓名：王玉娟产业结构变动对我国经济增长影响的实证分析（河北农业大学商学院 财务管理0802班 王玉娟 2008324030924）摘要：经济发展是以经济增长为前提的，而经济增长与产业结构变动又有着密不可分的关系。本文采用1981年至2010年的统计数据，通过建立多元线性回归模型，运用最小二乘法，研究三大产业增长对我国经济增长的贡献，从而得出调整产业结构对转变经济发展方式，促进我国经济可持续发展的重要性。关键字：经济增长；三大产业；最小二乘法；产业结构；可持续发展The change of industrial structure to the economic growth in China empirical analysis of the influenceAbstract: Economic development is the premise of economic growth, and economic growth and the change of industrial structure and the inseparable This paper adopts from 1981 to 2010 by establishing the statistical data of multiple linear regression model, using the least squares, research to our country economy three industry growth contribution to the growth of adjust the industrial structure, thus draws for transformation of the mode of economic development, and promote the sustainable development of China's economic Key word: economic growth; Three industries; Least squares; Industrial structure一、引言经济增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）水平的持续增加。经济增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。它构成了经济发展的物质基础，而产业结构的调整与优化升级对于经济增长乃至经济发展至关重要。一个国家产业结构的状态及优化升级能力，是经济发展的重要动力。十六大报告提出，推进产业结构优化升级，形成以高新技术产业为先导、基础产业和制造业为支撑、服务业全面发展的产业格局。十七大报告明确指出，推动产业结构优化升级，这是关系国民经济全局紧迫而重大的战略任务。《十二五规划纲要》又将经济结构战略性调整作为主攻方向和核心任务。产业结构优化升级对于促进我国经济全面协调可持续发展具有重要作用。二、模型设定及数据说明1、模型设定通过对数据观察，根据搜集的1981年至2010年的统计数据，建立模型。其模型表达式为：Yt=α+β1X1+β2X2+β3X3+µi (i=1,2,3)其中：Y表示国内生产总值(GDP)的年增长率，X1、X2、X3分别表示第一、二、三产业的年增长率，α表示在不变情况下，经济固有增长率。可近似认为，表明国内生产总值增长为三次产业增加值增长率的加权和，而βi分别表示各产业部门在经济增长中的权数；βi Xi则表示各产业部门对经济增长的贡献。µi表示随机误差项。通过上式，我们可以了解到，各产业每增长1个百分点，国内生产总值(GDP)会如何变化。从而进行经济预测，为产业政策调整提供依据与参考。2、数据说明以下数据来自财新网，见表1表1 单位：％年度 GDP 第一产业 第二产业 第三产业 年度 GDP 第一产业 第二产业 第三产业 增长率 增长率 增长率 增长率 增长率 增长率 增长率 增长率1981 2 98 87 42 1996 10 1 11 431982 1 53 56 98 1997 3 5 48 721983 9 33 37 17 1998 8 5 91 371984 2 88 48 35 1999 6 8 14 331985 5 84 57 16 2000 4 4 43 751986 8 32 22 04 2001 3 8 44 261987 6 7 69 36 2002 1 9 83 441988 3 54 52 16 2003 10 5 67 51989 1 07 77 36 2004 1 3 11 061990 8 33 17 33 2005 3 2 1 21991 2 4 85 87 2006 7 5 4 11992 2 7 15 44 2007 2 7 1 161993 14 7 87 19 2008 6 4 9 41994 1 4 36 09 2009 2 2 9 61995 9 5 88 84 2010 3 3 2 5三、模型参数估计运用1软件，采用最小二乘法，对表一中的数据进行线性回归，对所建模型进行估计，估计结果见下图。（图1）从估计结果可得模型：Yt=6902+1869X1+4564X2+2875X3四、模型的检验通过上述线性回归得到模型，现在就其具体形式进行检验：1、经济意义检验通过估计所得到参数，可进行经济意义检验：⑴ α=6902，表示当三大产业保持原有规模，我国GDP仍能增加6902个百分点。这种结果符合经济发展规律，合理。⑵ β1 =1869,表示在其他条件不变的情况下，第一产业每增长1个百分点，GDP增加1869个百分点；反之，降低1869，符合经济现实。⑶ β2=4564,表示在其他条件不变的情况下，第产业每增长1个百分点，GDP增加4564个百分点；反之，降低4564，符合现实。⑷ β3 =2875,表示在其他条件不变的情况下，第一产业每增长1个百分点，GDP增加2875个百分点；反之，降低2875，合理。 综上可知，该模型符合经济意义，经济意义检验通过。 2、统计检验⑴ 拟合优度检验① 样本决定系数R^2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R^2的值越接近0，说明回归直线对观测值的拟合程度越差。由图1参数估计结果可得，样本决定系数R^2=965032＞8，可见其拟合优度不错。② 调整后的样本决定系数因解释变量为多元，使用调整的拟合优度，以消除解释变量对拟合优度的影响。调整后的R^2=960997＞8，所以，其拟合程度不错。⑵方程显著性检验有模型可知总离差平方和TSS的自由度为29(n-1),回归平方和ESS的自由度为3。所以，残差平方和的自由度为26(n-k-1)。H0: βi =0 H1: βi≠0 在H0成立的条件下，统计量F= (ESS/k)/(RSS/(n-K-1))=1760而在α=05,n=30,k=3时，查表得F05(3,26)=98＜1760，由此可知，应拒绝原假设，接受H1，认为回归方程显著成立。⑶参数显著性检验H0: βi =0 H1: βi≠0在H0成立的条件下，统计量Ti=(^βi-βi)/S(^βi)当βi =0时，T1=970619、T2=04468、T3=837076；在α=05,n=30,k=3时，查表得T025(26)=056,得Ti＞T025(16)=056,则拒绝原假设，接受备选假设，即认为βi显著不为0 。3、计量经济学检验⑴解释变量之间的多重共线性检验在这里采用Frisch综合分析法，检验模型各解释变量间是否存在多重共线问题：① 通过做简单回归得到下表：表2回归方程 Tα Tβ R^2 DWY1=4776+1292 X1 49 62 01 94Y2=6885+5537 X2 87 95 81 79Y3=5273+6727 X3 30 18 65 44根据经济理论和统计检验，X2最重要，从而得出最有简单回归方程Y= 6885+5537 X2 。②将其余变量逐一引入Y=6885+5537X2，从而得出Y=6902+1869X1+4564X2+2875X3为最优模型。说明该模型不存在多重共线性问题，可能与选取变量为相对数有关，降低了其共线性问题发生的可能性。将其余变量逐一引入综上所述，该模型不存在共线性问题。⑵随即扰动项序列相关检验在给定α=05，n=30,k=3,查D-W统计表，得dL=21,dU=55。由DW=5372＜dL=21，可知随机误差项存在一阶正序列相关，即μt=ρμt-1+νt。经软件处理可得图2，ρ1估计值为8643，并且T检验显著，说明该模型确实存在一阶序列相关。DW=2963，α=05，n=29,k=3,，查表得dL=20，dU=65， dU=65＜DW=2963＜4-dU=35，表明模型已经不存在一阶序列相关性。因此，模型已消除序列相关性影响，经济增长率与各产业增长率的回归方程为：Yt=4168+2506X1+4002X2+3852X3由模型可知，当第一产业增长1个百分点时，我国经济增长2506个百分点；当第二产业增长1个百分点时，我国经济增长4002个百分点；当第三产业增长1个百分点时，我国经济增长3852个百分点。五、对策建议根据模型得出1981-2010年，三大产业对经济增长的贡献率和产业构成情况如下图所示：由图可以看出，由前面对实证分析结果可以看出，改革开放以来，第二产业对经济增长的贡献率最高，其次是第三产业、第一产业；第二、三产业所占比重逐年增大，其中，以第三产业增速最快，而第一产业在国民经济中所占比重逐年下降。1、坚持科学发展观，加快转变经济发展方式，推动产业优化升级，形成以高技术产业为先导，基础产业和制造业为支撑、服务业全面发展的产业格局；形成由主要依靠第二产业带动向依靠第一、第二、第三产业协同带动转变的新局面，实现我国经济可全面协调持续发展。2、加大对农业的投入，调整农业内部产业结构，提高我国农业的科技化、产业化、现代化水平。改革开放以来，尤其是市场经济建立以来，虽然第一产业在国民经济中所占比重逐年下降，但第一产业对经济增长的贡献率却逐年上升，说明科教兴农、农业产业化、财政支持等农业产业政策的支持下，我国农业的综合竞争力在提升，但就总体而言，仍是我国的弱智产业。加强农业财政投入，提高农业科技化、产业化、现代化水平，调整农业内部产业结构，提高我国农业的市场竞争力。尤其应加大资本、技术等要素的投入，建立健全农村资本金融市场和生产要素流动市场，提高要素资源的使用效率。提高农村居民受教育水平，培养具有创新精神和时代感的社会主义新农民。3、要坚持走中国特色新兴工业化道路，着重改造提升制造业，培育发展战略性新兴产业，建立创新型国家，提高我国核心竞争力。自建国以来，工业尤其是重工业是我国经济发展的支柱，工业内部结构、地区结构都存在差异。调整工业内部产业结构，提高基础工艺、基础材料、基础元器件研发和系统集成水平。积极有序发展新一代信息技术、节能环保、新能源、生物、高端装备制造、新材料、新能源汽车等产业，加快形成先导性、支柱性产业，切实提高产业核心竞争力和经济效益。4、加快推进服务业发展，把推动服务业大发展作为产业结构优化升级的战略重点。推进服务业发展，不仅能够有效改变我国产业结构现状，更能够提高就业率，稳定民生，提高人们的生活水平和质量。推进服务业发展，重点是建立健全流通和服务部门，提高流通、服务质量；拓展服务业新领域，发展新业态，培育新热点，推进规模化、品牌化、网络化经营。推动特大城市形成以服务经济为主的产业结构。 参考文献：⑴ 陈华中国产业结构变动与经济增长[J]．统计与决策，2005,3⑵ 刘云峰辽宁省产业结构与经济增长实证分析[J]．东北亚论坛，2004，9⑶ 高鸿业西方经济学北京：中国人民大学出版社，2004⑷ 张润清计量经济学北京：中国农业出版社，2007⑸ 刘伟，李绍荣产业结构与经济增长[J]．中国工业经济5，⑹ 王怜产业结构变动与经济增长影响的实证分析[J]．商业现代化5
呵呵 我可以帮你 【摘要】本文旨在对1999我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意义的分析，并相应提出一些政策建议。一．问题的提出随着市场经济的稳定繁荣和改革开放的深入发展，我国人均生活水平有了大幅度提高，其主要表现在人均可支配收入的增长。联系我国“九五”期间的情况看，政府为加快经济发展所使用的扩张性财政政策收效明显，各种金融资产的利率也多次下调，其结果使大量储蓄直接转化为投资，将后期消费转化为当期消费，大大激活了商品市场，使其流动性增强。投资的增加促使了商品的多元化快速发展。90年代中期以来,短缺经济现象在我国基本消失,价格机制在资源配置中开始发挥基础性调节作用,市场供不应求的商品已很少见,供过于求的商品不断增加,价格开始出现持续下降。我国城镇居民收入高,消费量大,商品化程度高,其消费对农村居民有一定的示范作用,在消费结构的研究中占有重要的地位,因而研究分析城镇居民消费结构及特征,对拓宽消费品市场渠道,确定经济发展战略,适时调整和正确引导居民消费方向,促进经济增长具有重大意义。与此同时，改革开放以来的经济在从计划向市场转型的过程中，人民的消费水平、结构都发生了很大变化。在90年代后期我国更是首次出现了有效需求严重不足的状况，影响我国消费的因素就更成了一个热点问题。针对这种现象，本文收集了我国“九五”期间首年和末年各省、市、自治区的相关截面数据，并加以实证分析及比较对比分析，分析我国“九五”政策对我国经济发展的影响。二．经济理论陈述<一>西方经济学中关于消费与收入决定关系的有关理论假说（一）凯恩斯绝对收入假说对于 有（1） ，即 会随收入的而增长 ，但其增量小于收入增量。（2） ，即 由 可知 有 ，即收入的平均消费倾向递减。绝对收入假说下的消费函数通常采用线性形式 ， 此时 ，函数 符合假说 和 （二）杜森贝利相对收入假说1．由于消费的示范效应，消费支出不仅受消费者自身收入影响，而且受他人消费支出和收入影响。2．由于消费的棘轮效应，消费支出不仅受消费者当前收入影响，而且受他过去收入和消费支出影响，尤其受具高峰时期收入和消费支出影响。即 表示过去最高消费水平，对 有 其中 表示过去最高收入水平。（三）弗里德曼持久性收入假说该假说把收入 分解为持久性收入 和暂时性收入 ，把 分解为持久性消费 和暂时性消费 ，有 ， 假定：1．从而 2． ，其中 ， 是由利息率 ，消费者非人力资本财富 其他因素 决定的，认为 通常是相对稳定的常数。 与 ， 与 ， 与 不相关，即 ， ， ，从而 ，因此 ，进而有 。所以：消费函数 不清 ，在假设 下，函数形式 成为弗里德曼持久性收入假说消费函数的修正形成或弱形式。〈二〉有关消费结构对居民消费影响的理论（一）消费结构是消费者为满足不同方面的需要，用于不同方面的消费支出在总消费支出中所占的比例关系。它是居民消费行为的重要内容。消费结构根本上说是由生产力发展水平决定的同时，又反过来对生产力发展水平产生重要影响。研究居民消费结构，对于正确引导消费，实现消费结构合理化，为产业结构调整提供理论依据，以促进经济发展有重要意义。西方经济学家对消费支出的分类，一般有以下3种，（1） 按吃、穿、住、用划分；（2） 按消费对象基本属性划分，分为非耐用消费品、耐用消费品、劳务（3） 按消费的社会功能分为生理消费和社会消费。消费结构变化取决于多方面因素，其中志决定作用的是人均收入水平。恩格尔定律揭示了两者的关系，用恩格尔系数= ，作为衡量个人家庭消费结构，以至一国居民消费结构变化的指标，也成为衡量富国、穷国的标准，一般也随着收入的增加，恩系趋于下降。（二）从整个人类社会发展过程看，消费结构变化一般规律可概括为四个转化（1）从自给性消费为主的消费结构向商品性消费结构转化。（2）在商品性消费结构中，吃为主的消费结构向穿用为主的消费结构转化。还有好多穿不上来 加我qq 532657535请采纳。
一、 研究的目的要求 税收是我国财政收入的基本因素,也影响着我国经济的发展。取得财政收入的手段有多种多样，如税收、发行货币、发行国债、收费、罚没等等，而税收则由政府征收，取自于民、用之于民。经济是税收的源泉，经济决定税收，而税收又反作用于经济，这是税收与经济的一般原理。这几年来，中国税收收入的快速增长甚至“超速增长”引起了人们的广泛关注。科学地对税收增长进行因素分析和预测分析非常重要，对研究我国税收增长规律，制定经济政策有着重要意义。。 改革开放以来，中国经济高速增长，1978-2008年的31年间，国内生产总值从2亿元增长到314045亿元，一跃成为世界第二大经济体。随着经济体制改革的深化和经济的快速增长，中国的财政收支状况也发生了很大的变化，中央和地方的税收收入1978年为28亿元，到2008年已增长到79亿元，31年间平均每年增长76%。税收作为财政收入的重要组成部分，在国民经济发展中扮演着不可或缺的角色。为了研究影响中国税收增长的主要原因，分析中央和地方税收收入的增长规律，以及预测中国税收未来的增长趋势，我们需要建立计量经济模型进行实证分析。 影响税收收入的因素有很多，但据分析主要的因素可能有：①从宏观经济看，经济整体增长是税收增长的基本源泉，而国内生产总值是反映经济增长的一个重要指标。②公共财政的需求，税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出要求，因此对预算支出所表现的公共财政的需求对当年的税收收入可能会有一定影响。③物价水平。我国的税制结构以流转税为主，以现行价格计算的GDP等指标和经营者的收入水平都与物价水平有关。④税收政策因素。我国自1978年以来经历了两次大的税制改革，一次是1984~1985年的国有企业利改税，另一次是1994年的全国范围内的新税制改革。税制改革对税收增长速度的影响不是非常大。因此，可以从以上几个方面，分析各种因素对中国税收增长的具体影响。 为了全面反映中国税收增长的全貌，我们选用“国家财政收入”中的“各项税收”（即税收收入）作为被解释变量，反映税收的增长；选择“国内生产总值”（即GDP）作为经济整体增长水平的代表；选择“财政支出”作为公共财政需求的代表；选择“商品零售价格指数”作为物价水平的代表。另外，由于财税体制的改革难以量化，而且从数据上看，1985年以后财税体制改革对税收增长影响不是很大，在此暂不考虑税制改革对税收增长的影响摘之文库，你可以去看下。
B
40年代，《财富》月刊除了报道工商企业界动向之外，还刊登经济问题研究文章，介绍美国大型企业甚至外国的某一大型企业，或某二类工业，或某一地区工业的经营状况，包括它们的政策方针、生产组织、技术改革、面临的问题以及财政状况等。40年代后期，该刊增强了调查性报道的分量。
沃尔玛（美国）64亿美元，中国石化（中国）088亿美元，国家电网公司（中国）06亿美元，中国石油天然气（中国）302亿美元、荷兰皇家壳牌石油（荷兰）06美元、沙特阿美集团（沙特阿拉伯）844亿美元、大众公司（德国）602亿美元，英国石油（英国）16亿美元、亚马逊（美国）22亿美元、丰田汽车（日本）883亿美元。
由低到高，分别是丰田汽车公司 275288美元，亚马逊280522美元，英石油公司282616美元，大众282760美元，沙特阿美公司329784美元荷兰皇家壳牌石油352106美元，中石油天然气公司379130美元，国家电网公司383906美元，中石油化工公司407008美元，沃尔玛523964美元
计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。 计量经济学 期末实验报告 实验名称：大中城市城镇居民人均消费支出与其影响因素的分析 姓 名： 学 号： 班 级： （）级统计学系（）班 指导教师： 时 间： （上面是论文封皮） 23个城市城镇居民人均消费支出与其影响因素的分析（题目） 一、 经济理论背景 近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。 二、 有关人均消费支出及其影响因素的理论 我们主要从以下几个方面分析我国居民消费支出的影响因素： ①、居民未来支出预期上升，影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。 ②、商品供求结构性矛盾依然突出 从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。 ③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长 加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。 ④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长 经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。 三、 相关数据收集 相关数据均来源于2006年《中国统计年鉴》： 23个大中城市城镇居民家庭基本情况（表格） 地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元） 北京 6 8 1 2 9 天津 4 0 6 8 8 石家庄 4 0 3 0 9 太原 3 2 9 9 5 呼和浩特 5 9 2 8 7 沈阳 3 1 5 7 1 大连 6 8 8 1 5 长春 8 7 1 1 2 哈尔滨 4 0 8 5 4 上海 6 9 0 1 3 南京 4 0 4 0 6 杭州 5 9 0 9 2 宁波 5 8 4 2 4 合肥 6 8 5 1 9 福州 7 9 5 4 8 厦门 5 9 7 3 7 南昌 4 8 0 1 4 济南 7 7 3 8 4 青岛 6 8 6 5 7 郑州 4 1 2 2 3 武汉 5 0 5 2 1 长沙 4 1 9 9 8 广州 7 8 6 1 1 四、 模型的建立 根据数据，我们建立多元线性回归方程的一般模型为： 其中： ——人均消费支出 ——常数项 ——回归方程的参数 ——平均每户就业人口数 ——平均每一就业者负担人口数 ——平均每人实际月收入 ——人均可支配收入 ——随即误差项 五、实验过程 （一）回归模型参数估计 根据数据建立多元线性回归方程： 首先利用Eviews软件对模型进行OLS估计，得样本回归方程。 利用Eviews输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -180 506 -282633 2159 X1 3490 2332 427889 1704 X2 1209 7866 498528 1513 X3 552510 629371 466766 0239 X4 -180652 742107 -590947 1290 R-squared 721234 Mean dependent var 2913 Adjusted R-squared 659286 SD dependent var 1711 SE of regression 8502 Akaike info criterion 77564 Sum squared resid 9 Schwarz criterion 02249 Log likelihood -9199 F-statistic 64259 Durbin-Watson stat 047936 Prob(F-statistic) 000076 根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ， 从而初步得到的回归方程为： Se= (506) (2332) (7866) (629371) (742107) T= (-282633) (427889) (498528) (466766) (-590947) F=64259 df=18 模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。 （二）处理多重共线性 我们采用逐步回归法对模型的多重共线性进行检验和处理： X1： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:28 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8238 6688 296574 7697 X1 0964 4840 531833 1405 R-squared 100508 Mean dependent var 2913 Adjusted R-squared 057675 SD dependent var 1711 SE of regression 6105 Akaike info criterion 68623 Sum squared resid 2 Schwarz criterion 78497 Log likelihood -3917 F-statistic 346511 Durbin-Watson stat 770750 Prob(F-statistic) 140491 X2： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 641 2658 632596 0156 X2 -1146 9597 -218861 2364 R-squared 066070 Mean dependent var 2913 Adjusted R-squared 021597 SD dependent var 1711 SE of regression 7371 Akaike info criterion 72380 Sum squared resid Schwarz criterion 82254 Log likelihood -8237 F-statistic 485623 Durbin-Watson stat 887292 Prob(F-statistic) 236412 X3： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8827 8342 326831 1988 X3 540400 095343 667960 0000 R-squared 604712 Mean dependent var 2913 Adjusted R-squared 585888 SD dependent var 1711 SE of regression 2575 Akaike info criterion 86402 Sum squared resid 5 Schwarz criterion 96276 Log likelihood -9362 F-statistic 12577 Durbin-Watson stat 064743 Prob(F-statistic) 000013 X4： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:30 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7094 8178 141465 2665 X4 596476 124231 801338 0001 R-squared 523300 Mean dependent var 2913 Adjusted R-squared 500600 SD dependent var 1711 SE of regression 4178 Akaike info criterion 05129 Sum squared resid 1 Schwarz criterion 15003 Log likelihood -0898 F-statistic 05284 Durbin-Watson stat 037087 Prob(F-statistic) 000096 由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得： X1、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:32 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -8991 9081 -644388 5266 X1 8101 2070 275533 2167 X3 517213 095693 404899 0000 R-squared 634449 Mean dependent var 2913 Adjusted R-squared 597894 SD dependent var 1711 SE of regression 1510 Akaike info criterion 87276 Sum squared resid 2 Schwarz criterion 02087 Log likelihood -0368 F-statistic 35596 Durbin-Watson stat 032110 Prob(F-statistic) 000043 X2、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:33 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 5536 1435 451015 6568 X2 -00981 0392 -110678 9130 X3 536856 102783 223221 0000 R-squared 604954 Mean dependent var 2913 Adjusted R-squared 565449 SD dependent var 1711 SE of regression 7747 Akaike info criterion 95036 Sum squared resid 0 Schwarz criterion 09847 Log likelihood -9292 F-statistic 31348 Durbin-Watson stat 063247 Prob(F-statistic) 000093 X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:34 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7015 5882 326290 0306 X3 766892 553402 192782 0046 X4 -473721 656624 -244390 0363 R-squared 684240 Mean dependent var 2913 Adjusted R-squared 652664 SD dependent var 1711 SE of regression 1157 Akaike info criterion 72634 Sum squared resid 0 Schwarz criterion 87445 Log likelihood -3529 F-statistic 66965 Durbin-Watson stat 111635 Prob(F-statistic) 000010 由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。 X1、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:37 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 6693 8464 479562 6370 X1 29944 6512 366505 7180 X3 652622 646003 558228 0192 X4 -345001 757634 -775265 0919 R-squared 686457 Mean dependent var 2913 Adjusted R-squared 636950 SD dependent var 1711 SE of regression 0712 Akaike info criterion 80625 Sum squared resid 3 Schwarz criterion 00373 Log likelihood -2719 F-statistic 86591 Durbin-Watson stat 082104 Prob(F-statistic) 000050 X2、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:38 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 60939 2088 127981 8995 X2 1557 9303 575948 5714 X3 886588 600027 144175 0053 X4 -596394 701018 -277251 0345 R-squared 689658 Mean dependent var 2913 Adjusted R-squared 640657 SD dependent var 1711 SE of regression 3798 Akaike info criterion 79599 Sum squared resid 8 Schwarz criterion 99347 Log likelihood -1539 F-statistic 07429 Durbin-Watson stat 143110 Prob(F-statistic) 000046 由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为： Se= (5882) (553402) (656624) T= (326290) (192782) (-244390) F=66965 df=20 （三）异方差性的检验 对模型 进行怀特检验： White Heteroskedasticity Test: F-statistic 071659 Probability 399378 Obs*R-squared 423847 Probability 351673 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/07 Time: 16:53 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 50 9 266460 7929 X3 9623 1924 394723 6977 X3^2 -071268 187278 -380548 7080 X4 -6779 3390 -467114 6460 X4^2 121138 229933 526841 6047 R-squared 192341 Mean dependent var 87 Adjusted R-squared 012861 SD dependent var 54 SE of regression 59 Akaike info criterion 12207 Sum squared resid 60E+09 Schwarz criterion 36892 Log likelihood -9038 F-statistic 071659 Durbin-Watson stat 968939 Prob(F-statistic) 399378 由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=1435，因为 < (5)= 1435,所以模型中不存在异方差。 （四）自相关的检验 由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于05，D-W值为111635，显著性水平 =05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =543 上周通宵了4个晚上,也没啥进展,我室友人家直接找的毕业论文网代做的,百度里搜 毕业论文网 第一个就是的，记得网站是 Lw54 的那个，居然直接过了，这周我也想开了，不行就找人写，宋思明说了，能用钱解决的问题都不是问题。 已发 计量经济学课程论文 小组成员： 组长： 指导教师： 日期：2010/年5月27日 2006年我国各城市的GDP变动的多因素分析 摘要：本文主要通过对各城市同一时期的GDP进行多因素分析，建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。 关键词：GDPY(亿元） 多因素分析 模型 计量经济学 检验 一、引言部分 GDP（国内生产总值）指一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，从价值形态看，它是所有常住单位在一定时期内生产的全部货物和服务价值超过同期中间投入的全部非固定资产货物和服务价值的差额，即所有常住单位的增加值之和。GDP在创造的同时也被相应的生产要素分走了，主要体现为劳动报酬和利润。在现代社会政府还要以税收的形式拿走一部分GDP。本文主要研究就业人数L（万人）、各地区资本形成总额K(亿元）剔除价格影响因素即商品零售价格指数P（上年=100）之后对各城市同一时期的GDP的影响。 二、文献综述 注： 2006年各城市同一时期的GDP总量的数据来源于《中国统计年鉴2007》； 2006年就业人数L（万人）的数据来源于《中国统计年鉴2007》； 2006年资本形成总额K(亿元）的数据来源于《中国统计年鉴2007》,本表按2006年价格计算； 2006年商品零售价格指数P（上年=100）的数据来源于《中国统计年鉴2007》； 三、研究目的 通过研究各个城市在同一时期的GDP建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。掌握建立多元回归模型和比较、筛选模型的方法。 四、实验内容 根据生产函数理论，生产函数的基本形式为: 。其中，L、K分别为产出GDP的过程中投入的劳动与资金,本文未考虑时间变量 即技术进步的影响。上表列出了我国2006年我国各个城市的GDP的有关统计资料；其中产出Y为各城市同一时期的GDP（可比价），L、K分别为2006年年末职工人数和各地区资本形成总额（可比价）。 五、建立模型并进行模型的参数估计、检验及修正 （一） 我们先建立Y1与L的关系模型： 其中，Y1——各个城市在同一时期的实际GDP(亿元) L——2006年年末职工人数（万人） 模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，经回归分析，作出Y1与L的散点图如下： 利用EVIEWS软件，用OLS方法估计得： Dependent Variable: Y1 Method: Least Squares Date: 05/27/10 Time: 14:45 Sample: 1 36 Included observations: 31 Variable Coefficient S Error t-Statistic P C -264 2169 -184861 0034 L 99417 712549 04299 0000 R-squared 938534 Mean dependent var 979 Adjusted R-squared 936415 SD dependent var 139 SE of regression 545 Akaike info criterion 66266 Sum squared resid 74755513 Schwarz criterion 75517 Log likelihood -7712 F-statistic 8073 Durbin-Watson stat 503388 Prob(F-statistic) 000000 可见，L的t值显著，且系数符合经济意义。从经济意义上讲，劳动每增加一单位，都可以使实际GDP相应增加9941， 这在一定条件下可以实现。另外，修正可决系数为936415，F值为8073，明显通过了F检验。且L的P检验值为0，小于05,所以通过了P值检验 （二）建立Y1与K1的关系模型： 其中，Y1——各个城市在同一时期的实际GDP(亿元) K1——各地区资本形成总额(实际投入额)（亿元） 模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，经回归分析，作出Y1与K1的散点图如下： 利用EVIEWS软件，用OLS方法估计得： Dependent Variable: Y1 Method: Least Squares Date: 05/27/10 Time: 17:16 Sample: 1 36 Included observations: 31 Variable Coefficient S Error t-Statistic P C -0563 0357 -793873 0833 K1 241106 086751 83385 0000 R-squared 958357 Mean dependent var 979 Adjusted R-squared 956921 SD dependent var 139 SE of regression 537 Akaike info criterion 27332 Sum squared resid 50647333 Schwarz criterion 36583 Log likelihood -7364 F-statistic 3880 Durbin-Watson stat 697910 Prob(F-statistic) 000000 可见，K1的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加241106， 这在一定条件下可以实现。另外，修正可决系数为956921，F值为3880，明显通过了F检验。且K1的P检验值为0，小于05,所以通过了P值检验 通过两个模型的可绝系数 、调整可决系数 、T检验、F检验、P值检验的比较，明显的 ，Y1与K1的关系模型优于Y1与L的关系模型。因此，在以Y1与K1的关系模型为基础模型的条件下，建立二元关系模型。 （三）建立Y1与K1和L的二元关系模型 其中，Y1——各个城市在同一时期的实际GDP(亿元) K1——各地区资本形成总额(实际投入额)（亿元） L——2006年年末职工人数（万人） 利用EVIEWS软件，用OLS方法估计得 Dependent Variable: Y1 Method: Least Squares Date: 05/27/10 Time: 17:23 Sample: 1 36 Included observations: 31 Variable Coefficient S Error t-Statistic P C -643 2218 -516968 0001 K1 336796 176104 590936 0000 L 522268 190606 478107 0000 R-squared 979900 Mean dependent var 979 Adjusted R-squared 978464 SD dependent var 139 SE of regression 3899 Akaike info criterion 60943 Sum squared resid 24446367 Schwarz criterion 74820 Log likelihood -4462 F-statistic 5040 Durbin-Watson stat 633165 Prob(F-statistic) 000000 可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为978464，F值为5040，明显通过了F检验。且K1和L的P检验值为0，均小于05,所以通过了P值检验。 通过两个模型的可绝系数 、调整可决系数 、T检验、F检验、P值检验的比较，明显的 ，Y1与K1和L的关系模型优于Y1与K1的关系模型。因此，建立二元关系模型更符合实际经济情况。 （四）建立非线性回归模型——C-D生产函数。 C-D生产函数为： ，对于此类非线性函数，可以采用以下两种方式建立模型。 方式1：转化成线性模型进行估计； 在模型两端同时取对数，得： 在EViews软件的命令窗口中依次键入以下命令： GENR LNY1=log（Y1） GENR LNL=log（L） GENR LNK1=log（K1） LS LNY1 C LNL LNK1 则估计结果如图所示。 Dependent Variable: LNY1 Method: Least Squares Date: 05/27/10 Time: 17:29 Sample: 1 36 Included observations: 31 Variable Coefficient S Error t-Statistic P C 242345 198180 222853 2316 LNK1 666500 082707 058538 0000 LNL 493322 088128 597775 0000 R-squared 988755 Mean dependent var 504486 Adjusted R-squared 987951 SD dependent var 037058 SE of regression 113834 Akaike info criterion -416379 Sum squared resid 362831 Schwarz criterion -277606 Log likelihood 95388 F-statistic 946 Durbin-Watson stat 295173 Prob(F-statistic) 000000 可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为987951，F值为946，明显通过了F检验。且K1和L的P检验值为0，均小于05,所以通过了P值检验。 通过对以上模型的可决系数 、调整可决系数 、F检验的比较，明显的 ，该模型最优。因此，选用该模型为以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立的最优多元线性回归模型。 六、总结 综上所述，我们采用截面数据拟合的模型成功的反映各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）间的数量关系，是一个成功的模型。从模型中看出，各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）有非常密切的关系，与柯布-道格拉斯 （C-D）生产函数密切吻合，验证了柯布-道格拉斯 （C-D）生产函数的正确。 参考文献： 1、《国民经济核算——国家统计年鉴2007》 2、《价格指数——国家统计年鉴2007》 3、《中国国内生产总值核算》,作者：许宪春 编著， 40座主要城市的人均收入排行。北京跟上海以超过三万元的月收入夺得第一跟第二，深圳则以两万五的综合月收入高居第三。值得注意的是北上广深中的广州则被浙江省的杭州市超越了，杭州综合月收入为23508比广州多出四百来块钱，而广州则屈居第五。相关介绍：从地域分布来看，长三角地区的人均收入表现最佳。除了上海之外，苏州、杭州以及南京、宁波、无锡这些城市的人均收入也都领先全国。珠三角的综合实力虽强，但是劳动密集型企业比较多，同时，到珠三角打工的外地人比较多，很多人都没有户口，因此人均收入不如长三角地区。 沃尔玛（美国）64亿美元，中国石化（中国）088亿美元，国家电网公司（中国）06亿美元，中国石油天然气（中国）302亿美元、荷兰皇家壳牌石油（荷兰）06美元、沙特阿美集团（沙特阿拉伯）844亿美元、大众公司（德国）602亿美元，英国石油（英国）16亿美元、亚马逊（美国）22亿美元、丰田汽车（日本）883亿美元。 没有。这个人均财富无法说明普通市民的财富值，很惭愧我拖后腿了。 从第一到第十依次为：沃尔玛523964百万美元，中国石油化工集团公司8百万美元，国家电网公司383906百万美元，中国石油天然气集团公司2百万美元，荷兰皇家壳牌石油公司352106百万美元，沙特阿美公司4百万美元，大众公司2百万美元，英国石油公司282616百万美元，亚马逊280522百万美元，丰田汽车公司3百万美元。财富杂志人均综合月收入