[经济学]计量经济学论文12篇-精品 97页

中国商品进口额模型研究摘要:通过对中国商品进口额及其主要影响因素的数据分析，得到关于中国商品进口额的函数，并用计量经济学的方法，对模型进行检验，探究其增长的规律性，从而使商品进口额成为一个可预测的经济变量。关键词:计量经济学模型多重共线性异方差性自相关性一、研究意义改革开放以来，随着经济的发展，人们生活水平的不断提高，人民日益增长的物质文化需要不断提高，中国的商品进口额发生了很大的变化，进口数额不断上升，从1985年的1257.8亿元到2007年的73284.6亿元。影响中国商品进口额的因素很多，这里选取教材课后练习中的数据，研究中国商品进口额和国民生产总值的数量关系，商品进口额与居民消费价格指数的数量关系，对于探究中国商品进口额增长的规律性，预测商品进口额的发展趋势具有重要意义。二、因素分析及模型建立1、因素分析一国的商品进出口属于对外贸易的内容，一国对外贸易的发展情况对经济增长有着重要影响，影响对外贸易发展的因素有很多，从大的方面来说，主要是世界经济的发展情况和国内经济发展的冷热情况，还有就是一国的对外贸易政策的等因素。有研究显示，对外贸易对一国经济增长的影响主要是进口增长对经济增长有较大的促进作用。这里，对中国商品进口额的研究，主要选取国内生产总值和居民消费价格指数，国内生产总值和居民消费价格指数说明了一国的经济发展情况。经济的发展，居民的生活水平得到了提高，居民对国外商品的需求也增大，所以，对这两个因素对进口额的影响有一定的参考意义。2、变量选取与模型建立这里选取“中国商品进口额”为被解释变量，用Y表示，选“国内生产总值”、“居民消费价格指数”为解释变量，分别用X1、X2表示。所以，模型假定为LnY=β0+β1㏑X1+β2㏑X2+µ其中u为随机误差项。下表为1985——2007年中国商品进口额、国内生产总值、居民你消费价格指数数据：年份商品进口额国内生产总值居民消费价格指数(1985=100)(亿元)(亿元)19851257.8901610019861498.310275.2106.519871614.212058.6114.319882055.115042.8135.82199.9160.2\n198916992.319902574.318667.8165.219913398.721781.5170.819924443.326923.5181.719935986.235333.9208.419949960.148197.9258.6199511048.160793.7302.8199611557.471176.6327.9199711806.578973337.1199811626.184402.3334.4199913736.489677.1329.7200018638.899214.6331200120159.2109655.2333.3200224430.3120332.7330.6200334195.6135822.8334.6200446435.8159878.3347.7200554273.7183084.8353.9200663376.9211923.5359.2200773284.6249529.9376.5（资料来源：中国统计年鉴2008.中国统计出版社）三、参数估计运用Eviews软件，建立方程CREATEA19852007DATAYXlX2GENRW=log(Y)GENRWl=log(X1)\nGENRW2=log(X2)运用OLS估计法得所以，模型估计结果为：LnY=-3.060149+1.656674lnX1-1.057053lnX20.3374270.0922060.214647t=-9.06905917.96703-4.924618R2=0.992218=0.991440F=1275.093n=23四、模型检验1、经济意义检验：模型估计结果说明，在假定其他变量不变的情况下，当国内生产总值每增加百分之一，商品进口额会平均增加1.78%；在假定其他变量不变的情况下，居民消费价格指数每增加1%,s商品进口额会平均减少1.51%。这与理论分析的经验判断一致。2、统计推断检验：A、可决系数R2=0.992218，说明所建模型整体上对样本数据的拟合较好，即解释变量“国内生产总值”“居民消费价格指数”对被解释变量的绝大部分差异做出了解释。B、F检验给定显著性水平α=0.05下，查F分布表查出自由度为k-1=2和n-k=20的临界值为3.49，F=1275.093>3.49，说明原方程显著，即解释变量联合起来对被解释便量有显著影响。3、计量经济学检验：A、多重共线性检验：由估计模型可见，该模型R2=0.992218\n=0.991440可决系数较高，F检验值为1275.093明显显著，但当α=0.05时，t临界值等于2.086，而且lnX2的回归系数不能通过t检验，这表明可能存在严重的多重共线性。由直观判断法可以看出，lnX2的t统计量的绝对值小于临界值，说明可能存在多重共线性。有简单的线性相关系数检验可知，两个变量间的相关系数很高，证实存在严重的多重共线性。所以需要对模型进行补救。采用逐步回归法，去检验和解决多重共线性问题。分别作lnY对lnX1和lnX2的一元回归，结果如下表所示：变量LnX1LnX2参数估计值1.218532.663790T统计量34.6222211.68091R20.9827830.8666190.9819630.860268其中加入lnX1的方程最大，以lnX1为基础，顺次加入其他变量逐步回归，结果如下表所示：当加入lnX2时有所增加，但其他t统计量的绝对值小于临界值，所以是lnX2引起了多重共线性，应当剔除。最后修正多重共线性后的结果为：LnY=-4.09067+1.2186lnX1t=-10.645834.6222R2=0.9828=0.9820F=1198.70DW=1.6207n=23这说明其他因素不变的情况下，当国内生产总值每增加1%，进口额就增长1.22%。A、自相关性检验对一个样本容量为23的解释变量模型，在5%的显著性水平下，查表可得dl=1.257，du=1.437,所以DW>DU,原模型无自相关性，模型不需要补救。四、模型应用1、模型结果为LnY=-4.09067+1.2186lnX1t=-10.645834.6222R2=0.9828=0.9820F=1198.70DW=1.6207n=23这说明其他因素不变的情况下，当国内生产总值每增加1%，进口额就增长1.22%1、对策建议、\n第一，要坚持发展对外贸易不动摇。面对国内外经济增长放缓的新形势，中国对外贸易应进一步调整发展战略，通过加快转变发展方式来增强对外贸易的综合竞争力，促进对外贸易与国民经济的协调发展；通过不断完善对外贸易的体制和机制，不断提升对外开放水平，构建参与国际竞争新优势，稳步推进贸易强国进程。要充分认识对外贸易的积极作用，坚持发展对外贸易不动摇；积极调整发展战略，加快转变外贸发展方式；加快自主创新步伐，构建国际竞争新优势；加快产业布局调整，促进制造业梯度转移；加快建立海外营销网络，构建对外贸易发展的外部支撑体系；积极参与全球经济治理，营造良好的国际贸易环境。　　第二，加快转变外贸发展方式。要改变长期以来中国对外贸易发展更多注重数量扩张，竞争力主要依靠劳动力、资源能源等生产要素的旧模式。随着中国经济快速发展和国际市场竞争加剧，传统发展模式难以为继。中国虽然是贸易大国，但还不是贸易强国。中国处在国际贸易分工价值链低端，自主知识产权、自主品牌、自主营销渠道和高技术含量、高附加值、高效益的产品比重低，与贸易强国还有较大差距。因此，要尽快转变外贸发展方式，更多地通过低碳、节能、环保等绿色技术和手段，支持出口产业向高端发展，把产品做精、把质量做优、把品牌做硬，把效益做大，不断提高产品的科技含量和附加值，不断提高产品的国际竞争力，进一步扩大绿色产品贸易份额。　　第三，进一步优化进口结构，更好发挥进口的作用。一是要通过主动利用战略进口和国内产业转移、开放，搞活国内市场。在这一过程中，一方面，将培育企业的自生能力必须与进口选择相配合，通过发挥我国拥有国内大市场优势的主动权，战略选择有利于本地企业成长和发展的进口技术、商品结构，以拉动内需并提高本地企业的国际竞争能力；另一方面，要通过国内地区间产业转移和开放，加强地区内部的经济合作、促进地区间贸易和资金的流动，不仅使得这些地区获得更多的技术模仿、学习机会，而且有利于形成有效的市场竞争机制、增强当地企业的自生能力。第四，积极鼓励海外投资和产业外移，促使中国企业主动加快融入全球和区域经济体系，提高中国企业的自主能力和定价权，真正实现进口服务于中国可持续发展的战略调整。第五，要灵活运用贸易政策引导进口。要进一步出台新的鼓励措施，特别是对先进适用技术、设备、仪器、材料的进口，尤其是集成电路、半导体、纳米材料、航空航天设备、医疗设备、多类仪器、能源设备、信息通讯技术产品等等，由于这些产品总体上同发达国家差距明显，大力引进应当作为今后相当长时期的重点，大力推动进口增长。总之，对外贸易的发展过程中有机遇也有挑战，所以，要继续落实好稳外需的各项政策措施，积极开拓新兴市场，保持出口回升向好势头。进一步稳定进口促进政策，利用当前外贸回升的有利时机，调整和优化进出口结构，促进对外贸易转型升级和发展方式转变，努力实现外贸又好又快发展。\n参考文献：1、庞皓.计量经济学[M].成都：西南财经大学出版社，2002年2、《中国统计年鉴》2008年3、薛荣久.《国际贸易》对外经济贸易出版社我国人均GDP与农业人口比重、能源生产总量的关系摘要:考察我国各年国内生产总值和农业人口占总人口比重及全国能源生产总量的关系,对他们之间数量关系的回归分析,得出了农业人口比重和能源生产总量都是人均GDP的重要制约因素的观点,为加快发展,必须保持国民经济的高速增长,以及通过转移农业剩余劳动力即通过城市化来促进国民经济的发展、促进第三产业的发展和能源生产总量投入。关键词:人均GDP；农业从业人口比重；能源生产总量能源生产总量是生产力水平提高和社会进步的重要表现,能源生产总量的高低是衡量现代社会经济发展程度的重要标志。加快发展中国新能源的发展可以有效地提高第一二产业的运行质速度,为促进国民经济更快更好的发展提供能源上的保障。依据三次产业的发展规律,第一产业的就业人口数在就业总人口数中会随着经济的不断发展而不断缩小。当今世界上的发达国家在经济发展过程中也都体现了这一规律,这是经济发展过程中的一个重要的规律。2000年中国农村人口比重高达50.1%，2010年我国农村人口的比重就下降到了38.1%，现在大多数发达国家的农村人口比重都下降到10%以内。这种规律性反映了第一产业比重对国民经济,的制约作用，这种制约机制主要表现为可以反映国民经济发展水平的数量指标和第一产业就业人口比例之间的数量反比关系。就我们国家来说，1998年到2010年,其人均GDP与能源生产总量、农业从业人口占第一、二、三产业从业人口比重(以下称农业从业人口比重)之间存在着数量对应关系。笔者从分析国民经济统计数据入手,运用定量分析的方法研究这种对应关系,从而揭示出第一产业的发展对国民经济发展水平的制约作用以及能源生产总量对国民经济的促进作用。希望通过研究,提高广大群众特别是各级决策机关和决策人员对“保持国民经济持续、快速、健康发展”的重要性的认识,努力实现十八大提出的“全面建成小康社会,加快推进社会主义现代化”的目标。一、主要指标的选择和简要分析人均GDP可以用来作为反映一个国家或地区(各省区)的国民经济发展水平的主要指标之一,人均GDP反映国民经济发展水平,记作Y,Y和国民经济发展水平是同向变动的,Y值越大表示国民经济发展水平越高。农业从业人口比重可以作为反映国民经济发展水平的另一个主要指标,这一指标也用于表示一个国家或地区的城镇化发展水平,随着国民经济的发展,农业从业人口向非农化方向发展,农业人口比重逐渐变小。农业人口比重记作X1,X1=各省区农业从业人口/各省区第一、二、三产业从业人口,X1与国民经济发展水平呈反方向变动。我国能源生产总量，用标准煤为衡量标准，统计数值为亿吨单位。\n记作X2，X2值越大，我国每年的能源生产总量约大，国民经济发展水平的促进作用越大。选择了上述三项指标(Y,X1,X2)之后,假定三者之间存在着这样的函数关系:Y=F(X1,X2)。以此为假设,然后对国民经济统计数据进行定量分析。分析过程中,首先采用单因素分析法分别分析Y和X1、X2的关系,然后用双因素分析法分析Y和X1、X2的关系。二、国民经济相关数据的统计分析采用的国民经济相关数据源于《中国统计年鉴2010年》,详见表1。年份人均GDP（Y）农业人口比重(X1)能源生产(X2)1998679649.912.9831999715949.813.1942000785850.113.505200186225014.388200293985015.0662003105425017.19120041233649.119.66520051418546.921.62220061650044.823.21720072016942.624.72820082370840.826.05520092560839.627.46220102999238.129.692(一)关系的单因素分析1、分析人均GDP(Y)和农业人口比重（X1）的相关关系。经过对Y和X1之间的关系初步分析,可以判断Y和X1有近似的直线关系,所以可以采用简单线性回归模型进行分析。Y和X1的相关系数为-0.9856它们呈显著线性相关关系。二者关系的回归方程模型为:Y=92751.4731-1683.390644*X1（1）（22.91824）（-19.33754）相关统计指标:可决系数=0.97144=2882.576P值=0.000P值近似于零。F=373.9405因此,回归模型是显著的,模型的经济意义比较合理，解释变量也都通过了T检验和F检验，Y和X1之间存在明显的线性相关关系2,分析人均GDP(Y)和能源生产总量X2的相关关系。经过对Y和X2之间的关系的初步分析,我们可以判断Y和X2之间呈现对数函数关系,所以可以采用拟合线性回归模型来进行分析。Y和X2的相关系数为0.9759,它们呈显著线性相关关系。二者关系的回归方程模型为:Y=-10527.04976+1274.209512*X2（2）（-5.921119）（14.84044）\n相关统计指标:可决系数=0.952430;=1766.066F=220.2386P=0.000近似于零因此,各参数很合理，回归模型是显著的,Y和X2之间存在明显的线性相关关系。(二)关系的双因素分析经过上面的单因素分析,我们可以判断Y和X1、X2之间分别存在明显的线性相关关系。因此,我们可以在Y=c+b1*X1+b2*X2的假定下,对Y和X1、X2之间的关系进行双因素分析。分析的主要结果如下:回归方程模型为:Y=-26522.20187+952.279833*X1+913.7741652*X2（（-4.188026）（2.593847）（5.879191）相关统计指标:可决系数=0.971563;=1432.125F=170.8258P=0.000000统计检验通过，各参数值比较明显。所以回归模型是显著的,Y和X1、X2之间存在明显的线性相关关系。(三)两种分析的结果比较在上面分析Y和X1、X2的关系中,单因素分析法和双因素分析法也就是回归方程模型(1)、(2)和(3)到底哪种方法更能有效地解释国民经济发展水平和第三产业发展水平的关系呢?可以通过比较三个模型方程的可决系数和标准偏差的大小来进行比较。依据上述分析可以明显地看出,回归方程模型(3)的可决系数=0.971563>（1）=0.97144,=0.971563>（2）=0.952430;回归模型(3)方差平方和(3)=1432.125<(1)=2882.576,(3)=1432.125<(2)=1766.066,所以在解释Y和X1、X2的关系中,方程(3)要优于方程(1)、(2)。通过回归模型方程(3)可以得出这样的判断,能源生产总量和农业从业人口比重都是人均GDP的重要决定因素。三、结论和建议人均GDP和农业从业人口比重都是决定第三产业发展水平的重要因素。1、人均GDP(Y)与农业人口比重（X1）之间存在着负的简单线性相关关系,说明第一产业的发展水平对人均GDP有明显的制约作用。一般而言,第一产业发展水平较高的国家人均GDP也较高,特别是国家处在发展中的时候,第一产业的的就业人口转移对人均GDP有较大的拉动作用。\n第一产业作为完整的国民经济体系的重要组成部分,特别是我国正朝着全面建成小康社会的目标奋进的时刻,要紧紧把握住发展这一主题，农业从业人口比重比较高,是我国目前大多数省区普遍存在的问题。要求降低农业从业人口比重,积极探索适合的转移农业富裕劳动力的途径,使得第一产业的发展水平迈上新的台阶。同时农业是第一产业，是国民经济的基础，没有农业的发展，就不会有国民经济的发展。2·Y与全国能源生产总量(X2)的之间存在着明显正的线性相关关系,说明能源生产总量对国民经济的发展水平也有明显的推动作用。世界各国经济发展的历史表明，能源消费与国民经济之间存在着明显的关系。能源是国民经济的命脉,能源是国家重要的战略资源，。能源是推动经济社会发展必不可少的助动力,是国民经济的基础产业,对国民经济持续、快速、健康地发展和人民生活的改善,发挥着十分重要的促进与保障作用。3·随着第一产业就业人口比例的不断缩小以及全国能源生产总量的的提高，同时国民经济的发展水也在不断提高，是整个经济发展过程中的一个重要规律,这是世界各国在经济发展过程中所体现出来的一个重要特征。其三者的联系紧密，当第一二三产业很好的平衡发展，国家的宏观政策调节好三者之间的产业结构时，才能促进国民经济的又好又快发展。能源生产总量为国民经济发展提供动力保证，列宁曾说过“煤是工业的粮食。石油是工业的血液。”能源为工业发展提供了原动力，这正是它对国民经济发展的重要性所在。参考文献：[1]庞皓.计量经济学【M】.北京：科学出版社，2010.[2]罗祥立.我国第三产业与人均GDP、农业从业人口的关系[J].商业研究.2005/02中国财政地方卫生支出的影响因素分析内容摘要近年来居民卫生医疗健康状况一直是全社会关注的重点民生问题。与此同时，中央及地方各级政府也一再强调要加大公共卫生的财政支出力度。而许多地方“看病难、看病贵”等现象似乎并没有得以解决，这个历史遗留的民生问题牵涉的方方面面是在太多，要一次性完全解决妥当似乎不是那么件容易的事。要解决问题，首先肯定要找出出现问题的原因，到底是哪些因素影响了我国卫生医疗跟不上脚步。本文着重从政府地方卫生支出的影响因素来分析，为何地方卫生支出存在不均衡的问题。关键词：卫生医疗、财政支出、GDP、财政收入\n早在1997年《中共中央、国务院关于卫生改革与发展的决定》就提出了“中央和地方政府对卫生事业的投入，要随着经济的发展逐年增加，增加力度不低于财政支出的增长幅度”的要求，但是我国政府的卫生支出水平仍旧偏低。从绝对量上看，我国的卫生支出从2000年的709.52亿元增长到2010年的3124.57亿元，虽然增长了4倍多，但直到2003年SARS的爆发，政府才更加重视卫生领域的投入，政府预算支出的增长开始慢慢地与财政支出的增长相协调。1997年《中共中央、国务院关于卫生改革与发展的决定》还要求在二十世纪末“争取全社会卫生总费用占国内生产总值的5％左右”，但是我国卫生总费用占GDP的比重直到2010年也没有超过5%。根据Tanzi和Schuknecht(1997)的整理，早在上个世纪90年代奥地利、法国、意大利、德国、挪威、荷兰等国医疗卫生支出占GDP的比重就超过了8%，加拿大和美国更是超过了10%，比例最低的是爱尔兰，也达到了7.1%。一、理论分析研究对于影响政府财政支出的因素主要有人口密度，人均GDP，受教育水平。本文主要以人口密度、人均GDP和文盲率作为人口、经济和社会三个方面的效率影响因素。所使用的所有数据均来自2010年各地中国财政年鉴、中国卫生年鉴、中国卫生统计年鉴以及中国统计年鉴人口数：由于较多的人口数有利于降低政府支出的管理和监督成本,所以人口数与政府支出的效率应该呈正相关关系GDP水平：较高的经济发展水平有助于提高财政支出效率，所以GDP越高地地区，政府财政医疗卫生支出应该越高。卫生医疗机构数：卫生医疗机构多的地区，医疗卫生发展水平相对较高，所以卫生医疗机构数应与政府财政医疗支出成正比。财政收入水平：财政收入高的地区说明当地政府正真能力强，能够充分利用当地资源，积极发展地方经济，说明地方经济发展水平也就较高，医疗发展水平也较高。所以财政收入高地地区政府财政卫生医疗支出也高。二、模型设定Y代表政府财政医疗支出额X1代表人口数X2代表GDP总额X3代表卫生医疗机构X4代表财政收入基于以上数据，初步建立模型三、数据收集：本文收集了我国2010年我国卫生医疗支出以及相关因素的部分数据地区卫生医疗财政支出（亿元）Y人口数（万人）X1GDP总量（万元）X2卫生医疗机构数（个）X3财政收入（亿元）X4北京186.82196214113.5894112353.93天津70.0712999224.4645421068.81河北235.48719420394.26814031331.85山西113.8635749200.8641098969.67内蒙古120.72247211672.00225651069.98辽宁151.36437518457.27348052004.84吉林110.9127478667.5819385602.41黑龙江135.18383310368.6022073755.58上海160.07230317165.9847082873.58江苏249.69786941425.48309564079.86浙江224.53544727722.31299392608.47\n安徽184.22595712359.33229971149.40福建117.58369314737.12270171151.49江西150.0244629451.2634068778.09山东250.77958839169.92669672749.38河南270.21940523092.36757411381.32湖北179.13572815967.61342691011.23湖南180.44657016037.96593591081.69广东304.041044146013.06448804517.04广西165.4946109569.8532741771.99海南34.828692064.504678270.99重庆94.8728857925.5817495952.07四川263.34804517185.48742831561.67贵州127.6834794602.1625420533.73云南183.7046027224.1822888871.19西藏32.04301507.46496036.65陕西156.66373510123.4835696958.21甘肃100.4025604120.7526673353.58青海38.945631350.435781110.22宁夏34.026331689.654129153.55新疆103.5621855437.4716000500.58注：以上数据来自2010年中国统计年鉴四、图形分析及理论模型建立：1、利用Eviews软件分别绘制X1，X2，X3与Y的相关图相关图如下：\n由相关图可知，解释变量与被解释变量之间存在线性相关关系，为此，可建立如下人口密度，人均GDP，文盲率与政府卫生医疗财政支出的多元线性回归模型：2、用最小二乘法，利用Eviews软件可得估计结果如下：\n报告形式：（7.4831）（20.0044）（0.0014）（0.0004）（5.0199）=（3.9038）（5.2771）（-3.4521）（1.6519）（5.0199）=0.9388=0.9293DW=2.2969F=99.6313=19.53873、检验多元回归模型：给定显著水平为0.05拟合优度检验：=0.9388接近于1，表明模型对样本数据拟合程度高。F检验：F=99.6313>(5-1,31-5)=2.74表明模型线性关系显著，或解释变量人口密度X1，人均GDPX2，文盲率X3结合起来对被解释变量政府卫生医疗财政支出Y有显著影响。T检验：人口数X1的T统计量绝对值为5.2771>(31-5)=2.056表明人口数量对Y有显著影响GDP总量X2的T统计量绝对值为3.4521>(31-5)=2.056表明GDP总量对Y有显著影响卫生医疗机构数X3的T统计量绝对值为1.6519<(31-5)=2.056表明卫生医疗机构数对Y没有显著影响财政收入X4的T统计量绝对值为5.0199>(31-5)=2.052表明财政收入对Y有显著影响模型可能存在多重共线性，现对其进行计量经济检验：4、多重共线性检验：由于选择的影响因素过多，所以估计模型之前，应先分析各个因素与被解释变量之间的关系，以及因素之间的相关程度，利用COR命令进行相关系数检验，得相关系数矩阵为：\n通过计算表明，各解释变量都与被解释变量政府财政医疗支出高度相关，且解释变量之间也是两两高度相关的。先按照逐步回归原理建立回归模型。1)建立一元回归模型根据理论分析，人口数量应是财政医疗支出的主要影响因素，相关系数检验也表明，人口数量应与财政医疗支出的相关性最强。所以，以Y=a+bX+作为最基本的模型2）将其余的变量逐个引入模型，估计结果列入下表（第二行为t检验值）模型X1X2X3X4y=f(x1)0.02473513.680350.8612y=f(x1,x2)0.02016.38160.00141.77270.8708y=f(x1,x3)0.02728.0557-0.00040.86200.8600y=f(x1,x4)0.020410.10240.01743.40080.8983y=f(x1,x4,x2)0.02859.4392-0.0048-3.29870.05094.59640.9248y=f(x1,x4,x3)0.01523.43590.00061.30450.02233.53680.9008y=f(x1,x4,x3,x2)0.02315.2771-0.0049-3.45210.00061.65190.05675.01990.9388经过以上的逐步引入检验过程，最终确定政府财政医疗卫生支出的函数为\n=42.2853+0.0204+0.0174（7.9621）（0.0020）（0.0051）t=(5.3108)(10.1024)(3.4008)=0.9051=0.8983DW=2.3662F=133.4513统计检验：判定系数：R2=0.9051接近于1，表明模型对样本数据拟合优度高。F检验：F=133.4513,大于临界值2.74,其P值0.000000也明显小于,说明各个解释变量对政府财政医疗支出Y有显著影响，模型线性关系显著T检验：人口数X1的T统计量绝对值为5.3108>(31-5)=2.056表明人口数量对Y有显著影响；财政收入X4的T统计量绝对值为3.4008>(31-5)=2.052表明财政收入对Y有显著影响自相关检验：给定显著性水平0.05，查DW表，当n=31,k=3时，得下限值dL=1.229,上限值dU=1.650因为DW统计量为2.3662位于4-dU=2.35与4-dl=2.771之间所以无法判断是否存在自相关性。5、偏相关系数检验：\n从上图可知，偏相关系数PAC的绝对值都小于0.5，表明回归模型存在一阶二阶，三阶，自相关性从White检验知Obs*R-squared=10.80896小于自由度为5，显著性水平为为0.05的2值为11.071表明模型不存在异方差性。修正模型：加权最小二乘法WLS建立的样本回归模型:权数为W1=1/abs(resid)和权数为W2＝1/RESID^2的加权最小二乘法估计相比较，最终得到的理想模型是\n经过White检验，无交叉乘积项的检验结果为：=0.6905prob(nR)=0.9524White检验结果表明：prob(nR)大于给定的显著性水平=0.05，接受原假设，认为经加权最小二乘法调整后的回归模型不存在异方差。6、经比较和检验，我们最终确定的政府财政医疗支出的模型为：=951610+0.0026+0.0228（16.1952）（0.0009）（0.0104）t=(5.8759)(3.0038)(2.1846)=0.9709=0.9688DW=2.1899F=467.1209P=0.0000这表明，在其他条件不变的情况下，地区人口每增加一万人，该地区的政府财政医疗支出就会增加26万元；在其他条件不变的情况下，地区财政收入每增加一亿元，政府财政医疗支出就会增加228万元。五、得出结论：（1）人口数量与政府财政医疗卫生支出呈现较为明显的正向相关关系。表明人口数量越多的地区，政府财政医疗卫生支出越高，相应的效率也越高。（2）地区财政收入与政府财政医疗卫生支出成正相关关系。说明说明当地政府正真能力强，能够充分利用当地资源，积极发展地方经济，说明地方经济发展水平也就较高，医疗发展水平也较高。所以财政收入高地地区政府财政卫生医疗支出也高。六、参考文献[1]中国统计年鉴.2010[2]赵卫亚.计量经济学[M].上海：上海财经大学出版社，2003年.我国农村居民消费水平影响因素实例研究一、提出问题近年来，我国的经济在迅速的发展，国内生产总值（GDP）也在增长。居民的收入和消费也都在增加。2001年我国的居民消费水平在3887万亿元，直到2010年，我国居民消费水平增加到了9969万亿元。居民的消费水平是指居民在物质产品和劳务的消费过程中，对满足人们需求生存、发展和享受需求方面所达到的程度。一般，通过消费的物质产品和劳务的数量和质量反映出来的。居民的消费水平在很大程度上受整体的经济状况影响国民生产总值是用于衡量一国总收入的一种整体的经济指标，经济扩张时期，居民收入稳定，GDP也高，居民用于消费的支出较多，消费水平较高；反之，经济收缩时，收入下降，GDP也低，用于消费的支出较少，消费水平随之下降。消费问题一直是经济学界研究的重点和热点,国内许多专家学者从收入、消费支出、物价、贫富差异、地区和行业等因素入手研究了我国消费结构。因此，为了更加了解我国的消费水平，保持我国经济可持续增长，对影响居民消费水平\n的因素进行大量的实证研究。二、理论综述1、.凯恩斯的绝对收入理论。凯恩斯将消费函数表达为：C＝f（Y），并将此式改写为C＝bY，表明如果其他条件不变，则消费C随收入Y增加而增加，随收入Y减少而减少。他强调实际消费支出是实际收入的稳定函数，这里所说的实际收入是指现期、绝对、实际的收入水平，即本期收入、收入的绝对水平和按货币购买力计算的收入。凯恩斯认为，消费是限期可支配收入的函数，消费与可支配收入之间存在着以下的关系：（1）在短期无论可支配收入多少，是否等于零，消费支出总是大于零。可支配收入等于零时的消费支出，来源于从前的储蓄或现在的借债，这部分的消费支出与可支配收入无关，称为自发消费；（2）随着可支配收入的增加，消费支出也增加。随着可支配收入的变动而变动的消费叫引致消费；（3）消费支出的增加量少于可支配收入的增加量。假定消费函数为线性，则凯恩斯的消费函数可表述为C=C0+cYd其中，C为消费支出，Yd为可支配收入，C0与c均为常数，且C0>0,0所以模型不存在正自相关。606.3428+0.474545X1+0.370364X2t=（1.025435）(3.202042)(1.528988)se=(591.3029)(0.148201)(0.242228)　　　=0.909854,=0.891824,F=50.46542，DW=1.700670对方程进行经济意义解释安徽省上一期人均消费支出增加1%，本期人均消费支出就提高0.47%，安徽省人均可支配收入增加1%,本期人均消费支出就增加0.37%。人均可支配收入的变动对人均消费支出的影响显著。这只是理论上的解释，现实可能与解释有出入。四、对回归方程结果的分析以及建议由多元回归模型分析可知,本期人均消费支出与上一期人均消费支出、人均可支配收入有很大关系.零售商品物价水平以及利率对安徽省人均消费支出的影响有限。分析得出以下观点:经过实证分析,得出安徽省人均消费水平主要受人均可支配收入的影响。后者增加就能带动前者的增加。但人均消费的增长速度低于人均可支配收入的增长速度。说明随着人均可支配收入的增加,消费者用于消费的支出所占的比例反而会减少,他会将更多余额用来储蓄或其它的经济活动。前一期消费对当期消费也存在正相关，我们可以用前期消费来估计当期的消费,不过它的解释能力远没有收入的影响强。而利率的变动对消费的影响就基本上不存在了,这就是说安徽省省如果采取降低利率来鼓励消费的方法是行不通的,货币政策失效。综合上述因素,最有效拉动内需的方法是提高安徽省的人均可支配收入。因此,经济增长的办法是以消费需求为主导,适应消费需求变化,增强市场有效供给。【参考文献】《计量经济学》庞皓北京：科学出版社，2007\n《计量经济学教程》赵卫亚上海财经大学出版社《安徽省统计年鉴》2009年《城镇居民消费行为变异与我国经济增长》袁志刚宋铮我国居民储蓄宏观影响因素的实证分析摘要：居民的储蓄水平是反映国家经济状况，居民生活水平的重要因素，本文将通过对居民收入水平，市场利率，物价水平，证券市场对资金的吸纳程度，基尼系数，经济体制这些因素建立模型来分析它们对居民储蓄水平的影响，从而有助于分析如何控制居民储蓄水平。关键词：储蓄水平，计量经济模型，最小二乘法，自相关性，异方差性一问题的研究意义改革开放使我国的经济呈现蓬勃发展趋势，与此同时我国居民的储蓄也随之快速增长。进入九十年代后，我国居民储蓄额的增长上升到一个新的阶层，保持着两位数的速度增长。这一现象引起国内各经济学家及政府的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响。适度的储蓄是能够促进国民经济的良性循环和均衡发展的，主要表现为居民储蓄使银行能够有足够的资金来源为企业提供贷款，有利于国家经济的长期发展，但是居民储蓄如果达到适度的点后依然高居不下，说明国家居民的消费欲望和能力不强，需求不足。改革开放以来，我国居民储蓄存款一直保持快速的增长势头。1991年到2008年的18年间，居民储蓄存款率增长率达到25倍多。1998到2000年期间由于中央银行的连续降息、政府开征利息所得税、储蓄实名制的实行等因素，居民储蓄存款的增长速度开始减缓。进入2001年后，储蓄存款增长势头再次加快，到2007你12月末17.25万亿元，2006年到2007年我国虽然经历了一轮巨大的牛市，增长幅度有所降低，但是总量依然高居不下。从国际角度看，我国储蓄从80年代以来，一直列居世界前列，这对于高速发展的中国而言无疑是一件不好的事情。因为伴随着储蓄的高速增长，消费的持续低迷将对我国经济的快速稳定发展产生不利的影响，我国居民储蓄多年居高不下是不争的事实，尽管国家采取了多种措施来鼓励居民消费，但成效均不明显。不管从宏观还是微观来分析，我国居民存款额都直接影响到我国的国民经济运行及整个经济的发展，所以对我国居民存款的问题进行研究是必不可少的，而且十分重要。我们可以运用研究的结果来分析现状并制定正确的应对方针。二理论基础近代人们关于储蓄的研究主要是以凯恩斯的消费函数推到而来：凯恩斯认为，消费是限期可支配收入的函数，消费与可支配收入之间处在着以下的关系：（1）在短期无论可支配收入多少，是否等于零，消费支出总是大于零。可支配收入等于零时的消费支出，来源于从前的储蓄或现在的借债，这部分的消费支出与可支配收入无关，称为自发消费；（2）随着可支配收入的增加，消费支出也增加。随着可支配收入的变动而变动的消费叫引致消费；（3）消费支出的增加量少于可支配收入的增加量。假定消费函数为线性，则凯恩斯的消费函数可表述为C=C0+cYd\n其中，C为消费支出，Yd为可支配收入，C0与c均为常数，且C0>0,00,S0为自发储蓄，与可支配收入无关。00.8522；\n所以不存在异方差。（二）自相关检验1、残差图法View→Actual,Fitted,Residual→ResidualGraph结论：根据书上所示，上图意味着随机项之间不存在序列相关。2、DW检验因为n＝21，k＝2，取显著性水平α＝0.05时，查表得dL＝1.22，dU＝1.42，而dU<1.8609＝DW<4-dU=2.14，所以无自相关。五、结论1）预测模型选择由于经过多重共线性、自相关、异方差的诊断和补救，所以，将选取Y=355.5672+0.1267*X2+0.4398*X4-4.2847*X5-0.0121*X6作为本报告中研究对象的预测模型。其经济含义如下：\n平均而言，在其他条件不变的情况下，居民家庭可支配收入变动每变动一个单位，将引起居民消费水平变动0.4398个单位；在其他条件不变的情况下，农村居民家庭恩格尔系数每变动1%，将引起居民消费水平变动0.1267个单位；在其他条件不变的情况下，CPI每变动一个单位，将引起居民消费水平变动-4.284个单位；在其他条件不变的情况下，税收每变动一个单位，将引起居民消费水平变动-0.0121个单位。并且，该模型反映了99.7%的真实情况。2）小结通过以上计量回归分析我们可以得出这样的结论：居民消费水平与农村居民家庭恩格尔系数、居民可支配收入、CPI、税收存在紧密联系。正如凯恩斯所认为的那样，消费存在一条基本的心理规律：随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多，居民可支配收入提高，有利于拉动消费的增长。CPI的提高意味着物价水平上涨，人们用同样地财富所能购买的商品减少，因此会导致市场疲软、消费水平下滑。税收的提高，一方面个人所得税提高会减少人们的收入，从而抑制消费；另一方面消费税、印花税、营业税等税收的提高在无形中转嫁给了消费者，等同于提高了物价，所以也会造成消费水平的降低。消费需求总体运行从计划经济特殊模式到遵循市场经济一般规律，是经济市场化程度由量变到质变的飞跃。随着这一质变的发生，我国经济增长的主要约束已经由短缺经济时代的供给约束转变为需求约束。就内需而言，从社会再生产看，只有消费才是社会再生产的终点和新的起点，是真正的最终需求；而投资需求在一定意义上是消费需求的派生需求。从本质上看，投资对经济发展的贡献主要体现在为社会生产提供有效地生产手段上，而不是体现在对有效需求形成的贡献。中国经济增长影响因素实证分析摘要：伴随着时间推移的脚步，自改革开放以来，我国的经济一直处在飞速发展的阶段，并且一直都在突飞猛进的发展，而经济的增长速度更是让世人为之惊讶。本文主要采用经济增长模型和多元性回归分析的方法对1980~2010年的中国经济增长因素进行研究，分析了物质资本、劳动力以及消费对国内生产总值的影响，与此同时建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，并对模型进行检验。关键词：消费、投资、经济增长、劳动力、实证分析一、研究意义\n经济增长是指一个国家生产商品和劳动能力的扩大，在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值来表示。经济增长是经济学研究的永恒主题。影响经济增长的因素多种多样，如劳动力、资本等硬投入要素外，还有制度变迁、文化等软因素，经济增长并不是由某一因素就能决定，不同区域、历史背景、文化氛围、资源禀赋等都会导致经济增长上的差异。但无论是硬投入还是软因素，都会对经济增长产生重要影响。古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉，而现代经济增长理论则认为知识、人力资本、技术进步是经济增长的主要因素。从古典增长理论到新增长理论，都重视物质资本和劳动的作用。物质资本是指经济系统运行中实际投入的资本数量。然而，由于资本投入数量难以测量，在这里我们用全社会固定资产投资总额来衡量物质资本。中国拥有全世界近四分之一的人口，为经济增长提供了丰富的劳动力资源，因此本文用总就业人数来衡量劳动力。居民消费需求也是经济增长的主要因素，经济增长问题既受各国政府和居民的关注，也是经济学研究的一个重要方面。在1978~2008年的31年中，我国经济年均增长率高达9.6%，综合国力大大提高，居民的消费需求的质量和数量有了很大的提高。但是，我国目前仍然面临消费需求不足的问题。因此，研究消费需求对经济增长的影响，并对我国消费需求对经济增长的影响程度进行实证分析，可以帮助我们更好的理解消费对我国经济增长的作用。一、数据收集以及模型的建立（一）数据收集以及模型的建立表1.中国经济增长影响因素模型时间序列表年份国内生产总值（现价）年末从业人员数全社会固定资产投资总额居民消费价格指数（上年=100）19804545.642361910.9107.519814891.643725961102.519825323.4452951230.410219835962.7464361430.110219847208.1481971832.9102.719859016498732543.2109.3198610275.2512823120.6106.5198712058.6527833791.7107.3198815042.8543344753.8118.8198916992.3553294410.4118199018667.8647494517103.1199121781.5654915594.5103.4199226923.5661528080.1106.4199335333.96680813072.3114.7\n199448197.96745517042.1124.1199560793.76806520019.3117.1199671176.66895022913.5108.31997789736982024941.1102.8199884402.37063728406.299.2199989677.17139429854.798.6200099214.67208532917.7100.42001109655.27302537213.5100.72002120332.77374043499.999.22003135822.87443255566.6101.22004159878.37520070477.4103.92005184937.47582588773.6101.82006216314.476400109998.2101.52007265810.376990137323.9104.82008314045.477480172828.4105.9200934090377995224598.899.3资料来源：中经网统计数据库（二）模型设计为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（y）作为对经济发展的衡量，代表经济发展；用总就业人员数（x1）衡量劳动力；用固定资产投资总额（x2）衡量资本投入；用价格指数（x3）代表消费需求，运用这些数据进行回归分析。采用的模型为：y= β1+β2x1+β3x2+β4x3+ui其中，y代表国内生产总值，x1代表社会就业人数，x2代表固定资产投资，x3代表消费价格指数，ui代表随机扰动项。我们通过对该模型的回归分析，得出各个变量与我国经济增长的变动关系。一、模型设定和检验（一）模型初始估计表2.模型初始估计结果DependentVariable:YMethod:LeastSquareDate:2013-06-11Time:20:08Sample(adjusted):1980~2009\nIncludedobservations:30afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C-16197.4741510.11-0.3902050.6996X11.6839720.2560656.5763360.0000X21.4204450.05488625.879790.0000X3-580.7369355.4395-1.6338560.1143R-squared0.985665Meandependentvar85805.26AdjustedR-squared0.984011S.D.dependentvar95097.07S.E.Ofregression12024.95Akaikeinfocriterion21.75092Sumsquaredresid3.76E+09Schwarzcriterion21.93775Loglikelihood-322.2638F-statistic595.9008Durbin-Wastonstat0.968679Prob(F-statistic)0.000000（二）多重共线性检验表3.相关系数矩阵X1X2X3X11.0000000.665094-0.219318X20.6650941.000000-0.291137X3-0.219318-0.2911371.000000根据多重共线性检验，变量之间存在着线性相关。通过剔除变量法，多重共线性的修正结果如下：剔除X3表4.修正多重共线性后的模型DependentVariable:YMethod:LeastSquaresDate:2013-06-11Time:20:50Sample(adjusted):1980~2009Includedobservations:30afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C-79282.7915704.05-5.0485550.0000X11.6990130.2636936.4431580.0000X21.4383250.05542225.952220.0000R-squared0.984193Meandependent85805.26\nvarAdjustingR-squared0.983022S.D.dependentvar95097.07S.E.Ofregression12391.14Akaikeinfocriterion21.78199Sumsquaredresid4.15E+09Schwarzcriterion21.92211Loglikelihood-323.7299F-statistic840.5434Durbin-Watsonstat0.689221Prob.(F-statistic)0.000000(三）异方差检验表5.ARCH检验ARCHTestF-statistic5.690752Probability0.024334Obs*R-squared5.048272Probability0.024651TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:2013-06-11Time:21:10Sample(adjusted):1981~2009Includedobservations:29afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C49385817560101980.8817290.3857RESID^2(-1)0.8990980.3768972.3855300.0243R-squared0.174078Meandependentvar1.39E+08AdjustedR-squared0.143489S.D.dependentvar2.41E+08S.E.ofregression2.23E+08Akaikeinfocriterion41.35408Sumsquaredresid1.35E+18Schwarzcriterion41.44838Loglikelihood-597.6342F-statistic5.690752Durbin-Watsonstat1.336249Prob.(F-statistic)0.024334从上表可以得到数据：(n-p)R2=5.048272，查表得到x2(p)=5.9915，（n-p)R2=5.048272F(2,27)=3.35(显著性水平为0.05),表明模型从整体上看我国经济增长与各解释变量之间线性关系显著。修正的拟合优度量为0.9919，拟合程度很好。四、结论分析和政策建议（一）主要结论3)固定资产投资是经济增长的重要原动力经济发展取决于投入资金的数量和资金的利用率，固定资产投资是经济增长的重要原动力，它对经济运行具有先导作用，并以其乘数效应拉动经济增长。4)劳动力对GDP有一定的促进作用，但是对经济增长的贡献率却微不足道这是因为我国劳动力结构总量巨大、供给充足、流动性强，对GDP影响很大。但是劳动力的人力资本含量以及高技术含量偏低，劳动力素质结构存在巨大的缺陷，这会直接影响经济的增长。5)消费需求对经济的拉动作用消费需求是三大需求要素中所占份额最大、波动幅度最小的部分，是国民经济的重要支柱和最主要的组成部分，同时也是最为明显的反映经济自发增长态势的宏观经济指标。（二）政策建议\n就业是民生之本，有效促进就业，保持经济增长良好势头成为我国当前乃至今后一段时期的重要课题。针对目前劳动力数量庞大且整体素质不高的情况，应该通过多种途径，一方面加强就业培训的投入力度，提高劳动者就业以及再就业的能力，从而降低失业率；另一方面，加强各地区间人才交流并促进劳动力自由流动，通过合理的技术壁垒的方式，阻止外来流动人员的无序进入。同时，鼓励灵活就业，以减轻就业压力。劳动力的人力资本含量以及高技术含量偏低，劳动力素质结构存在严重缺陷，直接影响了经济的增长，因此应当控制人口的数量，优化劳动力结构，提高劳动力素质。物质资本对我国的经济增长也起到了一定的影响作用，应当加强对投资的科学管理，提高投资效率。参考文献：[1]赵晓，消费中国经济增长主动力[J]，2005[2]徐铮、张润清、李晓红，1990-2004年我国经济增长因素实证分析[J]，经济论坛，2007（04）[3]繤国萍，我国经济增长影响因素的实证研究，安徽财经大学，安徽蚌埠233041摘[4]吴沛、李克俊，中国经济增长影响因素的实证分析，西华大学，成都610039[5]刘诗白，社会主义市场经济理论，西南财经大学出版社，2004[6]中经网统计数据库人民币汇率影响因素分析（五）问题提出自2000年我国加入WTO以来我国经济得到了飞速的发展，2010年，我国的经济总量已经超越日本，成为仅次于美国的世界第二经济体，这与我国实施的出口导向型政策有很大关系。出口、消费、投资是推动我国经济发展的“三驾马车”\n，而这三驾马车中无疑出口的动力最强劲，1990年出口占GDP的比重到2011年增至56.2%，2012年前三个季度更上升到57.3%。虽然近三十多年我国的出口总额一直在增长，从1980年的181.19亿美元增至2011年的18983.81亿美元，增长了103.773倍，但是在对外贸易的快速发展的过程中，我国的对外贸易过程同样也面临着诸多问题，其中关于人民币汇率的问题也越来越受到世界各国的关注。在经济起飞过程中汇率升值的问题是不可避免的，如韩国,台湾与日本,在起飞过程中汇率都升值了一倍以上。韩国仅仅从2000年到2007年，汇率就涨了四成；日本仅在1987年日元的汇率就涨了近100%。但在中国经济起飞的前二十年,1980-1996,人民币的汇率不但没有升值,反而贬值了560%。1996年,中国经济已经高速增长了二十年,按日本四小龙的经验,货币已经开始一倍两倍地大幅升值了,但中国人民币却不动如山的稳定了十年,一直到2005年。2005年，人民币开始升值，而2005到现在,人民币虽然开始了升值,却依然是虫子爬行般地升值。如果从1980年算起综合起来看,人民币从1980至2011年,不但没有升值,反而贬了差不多500%。这都说明，人民币升值压力加大。人民币升值预期不断加强，也使得中国在国际贸易中与其他国家和地区贸易摩擦不断，2011年，仅第一季度中欧之间的贸易摩擦案件已超过8起；2012年，欧盟多次对中国数据卡发起反补贴和保障措施调查，在此基础上，欧美把反倾销、反补贴的矛头指向了我国的光伏产品，美国针对我国光伏双反案调查长达一年之久，2012年10月10号，美国商务部做出仲裁，认定中国向美国出口的光伏产品存在倾销和补贴行为，美国商务部公布了这起反倾销、反补贴案件的仲裁结果，大部分中国企业都将承受超过34%的惩罚性关税；今年5月份，欧盟委员会同意对进口中国的太阳能电池板进行惩罚性征税，中国对外贸易摩擦持续升温。中国的出口规模已超过其它任何一个国家，研究分析汇率的影响因素，把握人民币汇率的发展方向，人民币汇率问题不仅仅是国内问题，也是国际问题。（五）模型设定研究人民币汇率的影响因素需要考虑以下几个方面：1．人民币汇率的衡量。人民币汇率是一个宽泛的概念，汇率是由于世界各国货币的名称不同，币值不一，所以一国货币对其他国家的货币要规定一个兑换率，即一国货币兑换另一国货币的比率，是以一种货币表示另一种货币的价格，它是国际贸易中最重要的调节杠杆，人民币汇率就是人民币对其他国家货币的一个兑换比率，所以，在研究人民币汇率时必须要选取一个固定的“其他国家货币”，在研究过程中才能避免因兑换国货币不固定而造成的人民币汇率衡量不正确。本文选取是人民币兑美元的汇率，来作为人民币汇率的衡量。2．数据性质的选择。人民币汇率的影响因素主要是在历史的发展进程中对人民币汇率进行影响的，所以，毫无置疑应该选取时间序列数据。所以本文选取了1980年至2011年32年的时间序列数据去建立模型。3．影响因素的分析相关经济理论以及现实生活中的相关经济数据已经显示下列因素会影响到人民币汇率：（一）国内生产总值。国内生产总值是指一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和提供劳务的市场价值的总值，即GDP，它是一国经济实力的衡量标准，“强国铸就强币”反应了其对一个货币汇率的影响。（二）利率。我国的利率水平会影响资本的收益率，进而可能影响对外币的吸引力，影响我国的外币供求，同时，我国的利率也会影响到一国的储蓄和投资，对本国市场上的本币供求产生影响。（三）外汇储备。外汇储备反映的是一国外汇的拥有量，外汇储备和本币的供求有着千丝万缕的联系，因此我国的外汇储备可能会影响人民币汇率。（四）\n通货膨胀率。物价是一国的商品价值的货币表现，通货膨胀意味着该国货币代表的价值量下降，同时，在国内外商品市场相互紧密相连的情况下，如果我国存在通货膨胀，通货膨胀会引起出口商品的减少和进口商品的增加，从而对外汇市场的供求关系产生影响，影响人民币汇率。（一）货币政策。一国的货币政策对该国货币汇率的影响主要是通过对市场上本国货币的供给量的供给量来实现的，一国的采取不同的货币政策来控制货币供给量，这就会对汇率带来影响，人民币也不例外。（二）净出口总额。我国的净出口总额反映了我国的贸易条件，同时会影响我国的外汇供给增加或本币的减少，影响到货币的供给，从而会影响到人民币汇率。4.模型形式的设计初步估计被解释变量和解释变量之间是线性关系，所以先采用简单线性回归模型对变量进行回归，然后再进行检验调整。（五）数据的收集本文收集了我国1980年至2011年的数据如下表：表一我国1980年至2011年的相关数据年份YX1X2X3X4D1D219801504545.6239735.4-12.96106.00.00.01981170.504891.5610625.427.08102.40.00.01982189.255323.3509655.7669.86101.90.01.01983197.575962.6515685.7689.01101.50.01.01984232.707208.0517185.7682.2102.80.00.01985293.669016.0365817.226.44108.80.00.01986345.2810275.179227.220.72106.00.00.01987372.2112058.615137.229.23107.30.00.01988372.2115042.823018.6433.72118.50.00.01989376.5116992.3191111.3455.5117.80.00.01990478.3218667.822388.64110.93102.10.01.01991532.3321781.499417.56217.12102.90.01.01992551.4626923.476457.56194.43105.40.01.01993576.235333.9247110.98211.99113.21.00.01994861.8748197.8564410.98516.2121.71.01.01995835.160793.7292110.98735.97114.81.01.01996831.4271176.591657.471050.29106.11.01.01997828.9878973.0355.671398.9100.80.01.01998827.9184402.279773.781449.5997.40.01.01999827.8389677.054752.251546.75970.01.02000827.8499214.554312.251655.7498.50.01.02001827.7109655.17062.252121.6599.20.01.02002827.7120332.68931.982864.0798.70.01.02003827.7135822.75611.984032.5199.91.01.02004827.68159878.33792.256099.32102.81.01.02005819.17184937.3692.258188.72100.81.01.02006797.18216314.42592.5210663.41011.01.02007760.4265810.30584.1415282.49103.81.01.02008694.51314045.42712.2519460.3105.91.01.0\n2009683.1340902.81262.2523991.5298.81.01.02010676.95401512.79522.7528473.38103.11.01.02011645.88472881.55783.2331811.48104.91.01.0注：（二）Y表示1980年至2011年，100美元所能兑换的人民币数，单位为元，用以表示人民币的汇率；（三）X1表示1980年至2011年，我国的国内生产总值，单位为亿元；（四）X2表示1980年至2011年，我国的存款利率，单位为%；（五）X3表示1980年至2011年，我国的外汇储备，单位为亿美元；（六）X4表示1980年至2011年，我国的商品零售价格指数，上一年为100，用以表示通货膨胀；（七）D1为虚拟变量，表示1980年至2011年我国的货币政策，当D1=1时，表示我国实施的是紧缩的货币政策，当D1=0时，表示我国实施的是宽松的货币政策；（八）D2为虚拟变量，表示1980年至2011年我国的净出口总额，当D2=1时，表示我国净出口总额大于0，出现贸易顺差，当D2=0时，表示我国净出口总额小于0，出现贸易逆差。（五）模型的估计与调整1.对变量采用简单线性回归预测各解释变量和被解释变量之间是简单线性关系，对其进行简单线性回归，结果如下：图一简单线性回归结果\n由图一可以看出解释变量X4、D1系数检验的t值不显著，直接将其剔除后再进行简单回归，结果如下：图二简单线性回归结果模型为：Y=1.740461964+0.007960295512*X1+28.97143191*X2-0.09966267191*X3+115.9400936*D2t=(0.029678)(11.48183)(4.613158)(-11.15496)(2.810267)R²=0.914322Ṝ²=0.901629F=72.03335n=32对模型进行检验：1)经济意义检验。从回归结果来看，在其他变量不变的情况下，我国的国内生产总值每增加1亿元，平均来说，每100美元兑换的人民币增加0.007960295512元；在其他变量不变的情况下，我国的存款利率每上升1%，平均来说，每100美元兑换的人民币增加28.97143191元；在其他变量不变的情况下，我国的外汇储备每增加1亿美元，平均来说，每100美元兑换的人民币减少0.09966267191元；在其他变量不变的情况下，当我国出现贸易顺差时，平均来说，每100美元兑换的人民币增加115.9400936元。这基本与理论分析和经验判断相一致。2)统计推断检验。从回归结果看，可决系数R²=0.914322，修正的可决系数Ṝ²=0.901629，模型的拟合优度较好；F检验：给定显著性水平α=0.05，在F分布表中查出自由度为k-1=4和n-k=27的临界值Fα(4,27)=4.21，F>Fα\n(4,27)，F检验显著，即国内生产总值、利率、外汇储备、净出口总额等解释变量联合起来对人民币汇率有显著影响；t检验：给定显著性水平α=0.05，在t分布表中查出自由度为n-k=27的临界值tα/2(27)=2.052，X1、X2、X3、D2的参数t检验值的绝对值均大于该临界值，t检验显著，即国内生产总值、利率、外汇储备、净出口总额等解释变量分别对人民币汇率有显著影响。1)计量经济学检验。一、多重共线性检验：各解释变量之间的相关性如下：图三解释变量之间的相关性图由上图可见，只有X1和X3之间有较强的相关关系外，其他的各变量之间的相关关系并不强，并且X1、X3在模型中均通过了检验，所以可以不考虑多重共线性。二、自相关性检验：对模型进行各阶的自相关性检验结果如下：图四模型自相关性检验图上图直观地反映了模型不存在自相关性。三、异方差性检验：对模型进行White检验，结果如下：\n图五White检验结果图由图五可知，nR²=21.84747，其概率水平为0.002699，低于显著性水平α=0.05，所以模型存在异方差性。2.模型的调整通过对解释变量X1、X2、X3、D2与解释变量Y的简单线性回归模型的检验发现，模型除了存在异方差性之外，其他检验均符合标准，所以只要对模型的异方差性进行修正即可。选取权数W1=1/resid，W2=1/(resid)²，经估计检验发现权数W2的效果最好。权数W2的结果如下：\n图六修正异方差后模型修正后模型的White检验：\n图七修正后White检验图可见，修正后，模型的可决系数有了极大大改善，nR²=5.817415，其概率水平为0.561224，高于显著性水平α=0.05，所以模型的异方差性得到了很好的修正。所以本文模型估计的最终结果为：Y=23.55945632+0.007792488357*X1+27.89452689*X2-0.09375612498*X3+144.5438098*D2t=(0.62216)(14.47639)(6.605671)(-14.14750)(6.578507)R²=0.992337Ṝ²=0.989272F=292.4059（五）结论通过构造模型对影响人民币汇率的因素分析得到以下结论：1.在理论分析中提到的影响因素中，在显著性水平α=0.05时，通货膨胀和货币政策对人民币汇率的影响不显著，这是因为较其他几个影响因素而言，它们对人民币的汇率影响不是很明显。2.\n国内生产总值对人民币的汇率确实存在影响。这是因为国内生产总值代表着一个国经济实力，当一国国内生产总值大时，证明该国经济实力强，其他国家的货币就会以增值的初衷流入该国，使得外币供给量大贬值，本币升值，导致该国货币汇率上升。1.我国的利率水平对人民币汇率有显著性影响。由于一国的利率对储蓄和投资均有影响，当利率水平较高时，该国用于储蓄的货币多，国内市场上的本币就会减少，同时，其他国家的货币也会受到高利率的吸引进入国内，使得外币供给量大，外币贬值，本币升值，导致该国货币汇率上升。2.我国的外汇储备影响着人民币汇率。这是因为一国需要通过放出本币收入外币才能形成外汇储备，所以，当一个外汇储备增加时，该国放出本币增多，本币供给增大，本币贬值，该国货币汇率的下跌。3.我国的净出口总额对人民币汇率有影响。这是因为一国的净出口总额等于该国出口总额减去进口总额，它反映的是一国在对外贸易过程中是否占有优势，当净出口总额小于零时，出口总额小于进口总额，贸易出现逆差，会导致本国货币的外流，本币升值；相反，当净出口总额大于零时，出口总额大于进口总额，贸易出现逆差，会导致外国货币的内流，本币贬值，导致该国货币汇率下跌。（五）政策建议通过对影响人民币汇率的因素进行分析，我们已经知道，我国的国内生产总值、利率、外汇储备、净出口总额对人民币汇率有显著的影响，在人民币面临较强的升值压力的情况下，我们不可能停下经济发展的步伐，因此应该通过对利率、外汇储备、净出口总额的调节来稳定人民币汇率。所以，提出以下几点政策建议：1.适当下调存款利率。利率对人民汇率的影响前文已经有了说明，近两年我国的存款利率一直维持在3%左右，相比于美国的0.5%和英国0.25%来说，属于较高的利率水平了，所以我国可以适当地下调存款利率，这有利率减轻人民的升值压力。2.稳定外汇储备量。我国的外汇储备一直遥遥领先与其他国家，大量的外汇储备对于缓解人民币升值有一定的作用，但是过多的外汇储备带来的是高成本的管理费用，非常不利，而且还可能引起他国的反对，因此不能通过一味地增加外汇来稳定人民币汇率，适当地控制、稳定外汇储备量。3.降低贸易顺差额。1993年至今，我国已经存在了近十年的贸易顺差，出口导向型的经济的发展模式、长时间的贸易顺差是给人民币带来升值压力的一个主要原因。因此通过适当政策调整，刺激进口，降低我国的贸易顺差对较低人民币的升值有重要意义。安徽经济增长和人均消费水平的关系摘要:本文主要研究安徽省经济增长对消费的影响,并依据结论来指导经济的发展,通过经济增长与消费的关系来预测经济的增长速度与发展潜力.关键词:经济增长、人均消费一、研究经济增长和人均消费水平的关系的意义消费是经济发展的根本动力，消费在人类社会中有着重要意义，\n任何社会都离不开消费。在我国，随着社会主义市场经济体制的确立，消费在全民经济生活中的作用更显重要。可以这样概括的说，消费活动是经济活动的终点，一切经济活动的目的就是为了满足人们不断增长的消费需求；但另一方面，消费活动又是经济活动的起点，是拉动经济增长的动力。国家一系列决策和尚待解决的问题很大程度上是既源于消费，又回归到消费。正因为如此，研究消费水平对于正处于转型期的我国经济有极其重要的经济意义。消费问题解决不好，就无法发展好经济，要想经济发展水平更有质量，我国现阶段必须依赖于消费的增加.一、模型设定为了分析居民消费水平与经济增长的关系，选择安徽能代表城乡所有居民消费的“全体居民人均年消费水平”为被解释变量用Y表示，选择表现经济增长水平的“人均GDP”为解释变量用X表示。2—1安徽生产总值本表按当年价格计算。　年份　　人均生产总值　　　　　　　生产总值　　　　　(按常住人（亿元）第一产业第二产业工业建筑业第三产业#交通运输仓储#批发和零售口计算）　　　　邮电通信业贸易餐饮业（元/人）19951810.66584.12660.09562.4497.65566.45108.44162.293065.8019962093.30668.44742.07634.21107.85682.79131.84205.173524.1019972347.32736.26828.85703.69125.16782.21164.84242.043928.9019982542.96744.08920.50765.95154.55878.38185.00264.844235.4419992712.34746.72974.32820.25154.07991.30203.86290.694495.8420002902.09741.771056.78885.10171.681103.54215.61300.754779.4620013246.71760.771254.881062.00192.881231.06239.50323.515312.9020023519.72783.661337.041115.09221.951399.02275.27343.875736.1820033923.10749.401535.291255.80279.491638.42326.34380.496374.8920044759.30950.501844.901488.90356.001963.90409.80427.107681.2520055375.12966.492221.171818.44402.722187.46358.71397.708669.5520066131.101011.032648.132190.18457.952471.94409.64449.6310026.3020077364.181200.183289.122752.08537.042874.88483.04525.7112044.80　　　　　　　　　　注：1)1993-2003年的数据按2004年经济普查数据进行历史调整。110.40106.30672.27478.57809.86111.30109.80758.99532.65889.22111.90110.30857.66596.04980.812—16居民消费水平\n本表绝对数按当年价格计算，指数按可比价格计算。年份绝对数（元）城乡消费指数（上年为100）指数（1978年为100）　水平对比　　全省居民农村居民城镇居民（农民=1）全省农村居民城镇居民全省农村居民城镇居民　　　　居民　　居民　　199067057012362.1796.6895.48100.16210.03199.30206.34199168355913792.47117.01103.33124.84245.77205.94257.60199276259716462.76102.81102.21122.55252.66210.49315.69199397370023893.41105.96103.65100.74267.71218.18318.031994125196926712.76105.74103.69114.23283.07226.22363.2719951669130034412.65107.20109.43101.84303.45247.55369.9519961945148840732.74113.12112.85111.64343.26279.37413.0219972275179644292.47114.34118.52106.02392.48331.12437.9019982370184546752.53107.10106.20107.05420.06351.40468.7819992523193949852.57106.60104.70107.40447.96367.83503.3420002588192253232.77104.30100.70108.00466.94370.43543.3620012739198558062.92106.31104.05109.13496.40385.43592.9720022988235344681.90105.96101.01111.52525.99389.32661.2820033312257249331.92108.04104.65109.83570.17407.42726.2820043707291053431.84106.80106.40104.90608.94433.49761.8620053888217771363.28110.40110.40106.30672.27478.57809.8620064441244579423.25112.90111.30109.80758.99532.65889.2220075278288092083.20113.00111.90110.30857.66596.04980.81　　　　　　　　　　　注：根据国家统计局制度规定，从2003年起按常住人口计算，2002年数据作同口径调整。三、为分析居民人均消费水平Y和人均GDPX的关系，作了如下散点图\n从散点图可以看出居民消费水平Y和人均GDPX大体呈现为线性关系，为分析中国居民消费水平随人均GDP变动的数量规律性，可以建立如下简单线性回归模型Y=a+bx在eviews命令框中直接输入“LSYCX”DependentVariable:YMethod:LeastSquaresDate:06/05/13Time:19:58Sample:19952007Includedobservations:13VariableCoefficientStd.Errort-StatisticProb.C730.914580.424289.0882320.0000X0.3783530.01204331.417550.0000R-squared0.988979Meandependentvar3055.615AdjustedR-squared0.987977S.D.dependentvar1036.177S.E.ofregression113.6176Akaikeinfocriterion12.44419Sumsquaredresid141998.5Schwarzcriterion12.53111Loglikelihood-78.88725F-statistic987.0623Durbin-Watsonstat0.832940Prob(F-statistic)0.000000可以得到线性方程为Y=730.9145+0.378353xR=0.988979F=987.0623DW=0.832940回归图形如下\n2.从城乡居民差距来看Y是城镇居民人均收入x是农村居民人均收入城镇居民人均收入比农村居民人均收入大概在2.62倍。由此可以看出城乡之间收入差距十分明显，而且在逐年扩大。首先看城市居民收入对消费的影响：对城市居民Y是城市居民人均消费x是人均GDPVariableCoefficientStd.Errort-StatisticProb.C2041.071413.30564.9384060.0004X0.5662330.0618889.1492590.0000R-squared0.883855Meandependentvar5520.154AdjustedR-squared0.873296S.D.dependentvar1640.342S.E.ofregression583.8881Akaikeinfocriterion15.71793Sumsquaredresid3750178.Schwarzcriterion15.80485Loglikelihood-100.1666F-statistic83.70893Durbin-Watsonstat1.172472Prob(F-statistic)0.000002Y=2041.071+0.566233x农村居民人均收入对消费的影响Y是农村居民人均消费x是人均GDPVariableCoefficientStd.Errort-StatisticProb.C1211.635207.90535.8278220.0001\nX0.1484910.0311324.7697460.0006R-squared0.674079Meandependentvar2124.000AdjustedR-squared0.644449S.D.dependentvar492.5761S.E.ofregression293.7135Akaikeinfocriterion14.34373Sumsquaredresid948944.0Schwarzcriterion14.43064Loglikelihood-91.23421F-statistic22.75048Durbin-Watsonstat1.062898Prob(F-statistic)0.000581Y=1211.635+0.148491x从计算结果可以看出城市居民的消费更大，对经济增长贡献更大，而农村居民的消费贡献相对来说就要小很多，从这个绝对差来看，农村消费潜力很大，因此，要加快农村居民收入的提高。四、结论及建议从第一个分析来看，人均必要消费为730.9145元，在收入增长1元时，消费增长0.385元，经济增长带动消费很明显，反过来消费也会刺激经济增长。在第二个分析中，城市居民人均收入每增长1元时，消费增长0.566233。而农村居民人均收入每增长1元，消费增长0.148491。由此可以看出，城市居民与农村居民之间的差距很大，城市居民的消费刺激更强。消费带动经济的增长比例大约是百分之四十，由此可以看出消费对经济的重要意义，当然随着收入的提高，消费会增长的更快。建议1、调整收入分配政策，改善分配结构，以达到增加消费的目的。要收缩城市居民与农村居民之间的收入差距，这样消费会增长的更厉害。农民手中的钱多了，农民就会增大消费量，从而提高居民的整个消费水平。2、增进社会福利，改善人们对未来的生存状况预期，进而增加现期消费。采用政策改善社会收入分配结构，就可以增进社会福利，尤其是农村居民的福利，进而改变人们对未来生存状况的预期，就会使收入中用于防范未来不确定性的那部分减少，从而提高用于现期消费的那部分。如现在的农村医疗保险和养老保险，在很大程度上提高了农村居民的福利。家电下乡等优惠活动也大大提高了农村居民的消费水平。安徽省城乡储蓄存款影响因素分析【摘要】：影响我省城乡储蓄存款的因素很多，主要因素有国内生产总值、固定资产投资、财政支出。运用计量经济学方法，定量分析这些因素对我省城乡储蓄存款的影响程度，根据这些因素对城乡储蓄存款的影响大小制定更好的政策促进经济发展。【关键词】城乡储蓄存款、影响因素、定量分析国内生产总值、固定资产投资、财政支出一、数据收集整理下表是2000-2011年度各项数据\n年份城乡储蓄存款国内生产总值固定资产投资财政支出万元亿元万元万元2000144715392902.09866666732347282001170046613246.71964113340379882002204751173519.721133314645685792003247582573923.111477716250743982004297236664759.31914227360152802005350867275350.172520964071306332006407780416112.53544667194023292007454649447360.9250936811124383422008564751218851.66679995351647125320096619483110062.82926318222141921720107788480012359.331184943432587613520119233572715300.6512147779433029911二、建立模型我们用Eviews软件逐步回归法建立线性模型。我们希望应用多元回归分析的方法建立“最优”回归方程以便对被解释变量Y（城乡储蓄存款）进行预测或控制。所谓“最优”回归方程，主要是指希望在回归方程中包含所有对被解释变量y影响显著的自变量而不包含对Y影响不显著的自变量回归方程。本文旨在研究国内生产总值的影响因素与出口额之间的关系，所以选取国内生产总值（X1）、固定资产投资（X2）、财政支出（X3）三组数据作为解释变量构建模型：Y=aX1+bX2+cX3++C\n根据上表数据，运用OLS方法估计模型的参数，利用计量经济学计算机软件Eviews计算，回归结果如下：DependentVariable:YMethod:LeastSquaresDate:06/14/13Time:15:47Sample:20002011Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.C-4128185.3600068.-1.1466970.2846X18551.3221731.2264.9394590.0011X20.2056240.0944692.1766270.0612X3-1.7778370.820549-2.1666450.0621R-squared0.995311Meandependentvar43387786AdjustedR-squared0.993552S.D.dependentvar25133089S.E.ofregression2018159.Akaikeinfocriterion32.13447Sumsquaredresid3.26E+13Schwarzcriterion32.29611Loglikelihood-188.8068F-statistic565.9929Durbin-Watsonstat2.058189Prob(F-statistic)0.000000Y=-4128185.+8551.322X1+0.205624X2+-1.777837X3t=(-1.146697)(4.939459)(2.176627)(-2.166645)-ˉ---R2=0.995311R2=0.993552F=3.26E+13由回归式可看出，判定系数高，t检验和F检验显著，模型拟合较好。从经济角度看，国内生产总值每提高一个单位会使得城乡储蓄存款水平提高8551.322个单位，同时，随着固定资产投资上升一个单位城乡储蓄存款增加0.205624个单位，财政支出每上升一个单位比会使城乡储蓄存款减少1.777837个单位。三、回归模型的扩展：1、多重共线性简单相关系数检验YX1X2X3Y1.0000000.9958330.9851180.989278X10.9958331.0000000.9839350.996026X20.9851180.9839351.0000000.988360X30.9892780.9960260.9883601.000000\n可见每个因素都和城乡储蓄存款高度相关，而且解释变量之间也是高度相关的。按照逐步回归原理建立模型，根据理论分析，国内生产总值应该是城乡储蓄存款的最重要因素，相关数检验也表明，国内生产总值与城乡储蓄存款相关性最强，所以以Y=f（X1）作为最基本的模型。再将其余变量逐个引入模型Y=f(X1)DependentVariable:YMethod:LeastSquaresDate:06/14/13Time:15:48Sample:20002011Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.C-844003.41456831.-0.5793420.5752X16337.766183.538734.530950.0000R-squared0.991683Meandependentvar43387786AdjustedR-squared0.990852S.D.dependentvar25133089S.E.ofregression2403921.Akaikeinfocriterion32.37411Sumsquaredresid5.78E+13Schwarzcriterion32.45493Loglikelihood-192.2447F-statistic1192.387Durbin-Watsonstat0.906538Prob(F-statistic)0.000000Y=f(X1,X2)DependentVariable:YMethod:LeastSquaresDate:06/14/13Time:15:48Sample:20002011Includedobservations:12\nVariableCoefficientStd.Errort-StatisticProb.C1682389.2852377.0.5898200.5698X15299.7721025.0585.1702170.0006X20.0983300.0955451.0291530.3303R-squared0.992559Meandependentvar43387786AdjustedR-squared0.990905S.D.dependentvar25133089S.E.ofregression2396842.Akaikeinfocriterion32.42952Sumsquaredresid5.17E+13Schwarzcriterion32.55075Loglikelihood-191.5771F-statistic600.2497Durbin-Watsonstat0.698605Prob(F-statistic)0.000000Y=f(X1，X3)DependentVariable:YMethod:LeastSquaresDate:06/14/13Time:15:48Sample:20002011Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.C-4899615.4262066.-1.1495870.2799X18413.1622058.1934.0876450.0027X3-0.8416000.831307-1.0123810.3378R-squared0.992533Meandependentvar43387786AdjustedR-squared0.990874S.D.dependentvar25133089S.E.ofregression2400932.Akaikeinfocriterion32.43293Sumsquaredresid5.19E+13Schwarzcriterion32.55416Loglikelihood-191.5976F-statistic598.1912Durbin-Watsonstat1.355877Prob(F-statistic)0.000000模型X1X2X3R2-R2Y=f（X1）6337.766（34.530956)0.9916830.990852Y=f（X1，X2）5299.772（5.170217）0.098330（1.029153）0.9925590.990905Y=f（X1，X3）8413.162（4.087645）-0.841600（-1.012381）0.9925330.990874修正后的模型为\nY=1682389.+5299.772X1+0.098330X2t=（0.589820）（5.170217）（1.029153）-ˉ---R2=0.992559R2=0.990905F=5.17E+134.异方差性WhiteHeteroskedasticityTest:F-statistic0.664238Probability0.664901Obs*R-squared4.275663Probability0.510447TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/14/13Time:16:28Sample:20002011Includedobservations:12看表观察p值可判断该模型不具有异方差性3、自相关性dL=0.812du=1.579DW=0.698605存在正相关性2）广义差分法对模型修正DependentVariable:Y-0.540470*Y(-1)Method:LeastSquaresDate:06/14/13Time:18:46Sample(adjusted):20012011Includedobservations:11afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C2652362.1124756.2.3581670.0461X1-0.540470*X1(-1)4668.817621.78247.5087630.0001X2-0.540470*X2(-1)0.1267960.0606612.0902390.0700R-squared0.989333Meandependentvar24971729AdjustedR-squared0.986666S.D.dependentvar13344709S.E.ofregression1540942.Akaikeinfocriterion31.56069Sumsquaredresid1.90E+13Schwarzcriterion31.66920Loglikelihood-170.5838F-statistic370.9866Durbin-Watsonstat2.200855Prob(F-statistic)0.000000\n回归方程为Yt*=2652362.+4668.817X1t*+0.126796X2t*t=（2.358167）（7.508763）（2.090239）-ˉ—---R2=0.989333R2=0.986666F=1.90E+13样本容量减少为11个，在1%显著水平的DW可知，dL=0.519du=1.297模型中DW=2.200855〉du，说明模型中已无自相关。C=2652362/1-0.540470=5771901.7257最终模型为Yt=5771901.7257+4668.817X1t+0.126796X2t四，结论和政策建议1、研究结论从建立模型最终得到的多元线性回归方程可以看出，安徽省城乡储蓄存款主要受国内生产总值、固定资产投资等因素的影响，且相关程度较高。国内生产总值的增加对城乡储蓄存款发展有促进作用，且固定资产投资也有影响。财政支出因素并不显著，主要由于政府财政支出对城乡储蓄存款的影响大多可以通过其他因素的变化反应出来。2、政策建议（1）加快经济发展，促进国内生产总值增加。从模型分析上来看，国内生产总值对城乡储蓄存款占有最重要因素，也就是说，国内经济越发展，百姓生活水平越高，储蓄存款也就越高（2）加快固定资产投资。政府对社会，基础设施建设等设施加大投资会带动就业，进一步也会增加百姓收入，增加城乡储蓄存款（3）加大政府财政支出对民生领域的投资。改善人民生活。我国第三产业影响因素的实证分析一问题的提出第三产业的发展是我国经济发展的重要标志。加快发展第三产业可以有力地推进我国工业化和现代化的进程。大力发展第三产业，可以有效地推进第一产业（农业）和第二产业（工业）的发展，推进我国工业化和现代化的进程。第三产业的发展不仅可以促进我国由农业社会向工业化的转化，而且还可以促进我国国民素质整体的提高，加快现代化的进程。第三产业,即服务业,它\n包括流通部门，如交通运输业、邮电通讯业、商业、饮食业、物质供销和仓储业；为生产和生活服务的部门，如金融、保险业、地质普查业、公用事业、居民服务业、旅游业、咨询信息服务业和各类技术服务业等；为提高科学文化水平和居民素质服务的部门，如教育、文化、广播电讯业、科学研究事业、卫生、体育和社会福利事业等；为社会公共需要服务的部门等4个层次。我将从交通运输邮电仓储业，批发零售业，住宿餐饮业，金融业和房地产业五个部门分析影响第三产业的因素。二、模型的设定1、影响因素的分析（1）交通运输业交通运输业不仅是国民经济的基础产业，而且是关联度极高的产业，不仅实现着商品和人员的跨地域流动，而且承担着协调产业布局、带动经济落后地区发展、带动上下游产业发展的任务。（2）批发零售业批发业和零售业是国民经济的传统行业，在第三产业中占较高的比重，是居民消费市场的重要组成部分，与人民生活密切相关。近年来，随着宏观经济的快速发展，经济结构不断调整，经济增长逐渐向促进消费，扩大内需的方式转变，消费市场面临极大的发展机遇。（3）住宿餐饮业住宿餐饮业作为我国第三产业中一个传统服务性行业，经历了改革开放起步、数量型扩张、规模连锁发展和品牌提升战略4个阶段，取得突飞猛进的发展。其一直在社会发展与人民生活中发挥着重要作用。（4）金融业金融业在国民经济中处于牵一发而动全身的地位，关系到经济发展和社会稳定，具有优化资金配置和调节、反映、监督经济的作用。指标性是指金融的指标数据从各个角度反映了国民经济的整体和个体状况，金融业是国民经济发展的晴雨表。金融业具有指标性、垄断性、高风险性、效益依赖性和高负债经营性的特点。（5）房地产业\n房地产业在第三产业经济中的地位和作用房地产是国民经济发展的一个基本的生产要素,任何行业的发展都离不开房地产，房地产业是发展国民经济改善人民生活的基础产业。2、模型的设定Y第三产业年度收入总额X1交通运输业年度收入额X2批发零售业年度收入额X3住宿餐饮业年度收入额X4金融业年度收入额X5房地产业年度收入额基于以上数据，初步建立模型Y=C+C1*X1+C2*X2+C3*X3+C4*X4+C5*X5+三数据的收集表1本文收集了我国1989—2009年有关第三产业年度收入总额的相关数据年份第三产业(亿元)交通运输仓储邮政业(亿元)批发和零售业(亿元)住宿和餐饮业(亿元)金融业(亿元)房地产业(亿元)19894590.31483.4241.4585.4473.81120.619905448.41536.2277.4964.3566.21291.619915888.41268.9301.91017.5662.21470.919927337.11834.6442.31056.3763.71819.919939357.42405584.61306.21101.32271.3199411915.72816.6712.11669.71379.63163.7199516179.83773.41008.52234.81909.34465.8199619978.54778.61200.12798.523545602.9199723326.25599.71336.83211.72617.66778.3199826988.16327.41561.33606.82921.18423199930580.56913.21786.93697.73434.510087.3200033873.47491.11941.23816.53681.811767.7\n2001387148158.62146.34086.74149.114012.4200244361.69119.42400.14353.54715.116903.3200349898.99995.42724.84612.85346.419726.7200456004.711169.53126.14989.46172.722633.9200564561.312453.83664.853937174.126571.2200673432.913534.54193.46307.28243.830318.1200784721.415471.14792.18490.3966433822.72008103879.618866.15547.21333212277.5390512009120486.623100.76624.416816.51272044635.1注：表中各资料来源于各年份中国统计年鉴。四模型的估计与调整用最小二乘法，利用Eviews软件可得估计结果如下：报告形式：=213.0758+1.2065+1.7939+0.9387+1.5513+1.0094（162.6215）（0.1345）（0.7564）(0.0649)(0.1998)(0.0652)t=（1.3103）（8.9693）（2.3717）(14.4560)(7.7657)(15.4776)\nR2=0.9999650.999953F=85765.70S.E=229.5584D.W=1.224938统计检验：给定显著性水平为0.05。拟合优度检验：R2=0.999965接近于1，表明模型对样本数据拟合优度高。F检验（回归方程显著性检验）:F=85765.70>=2.90，其P值0.000000也明显小于，表明模型线性关系显著，交通运输业年度收入额X1、批发零售业年度收入额X2、住宿餐饮业年度收入额X3、金融业年度收入额X4与房地产业年度收入额X5联合起来对被解释变量第三产业年度收入总额Y有显著影响。T检验(解释变量显著性检验)：所有参数的t值的绝对值均大于2，表明所有参数对第三产业年度收入总额Y均有显著影响。由此可见，该模型R2=0.999965,0.999953,判定系数很高，F检验值85765.70，明显显著，但由于本题中Std.Error过大，可能存在多重共线性，现对其进行计量经济检验：计量经济检验：多重共线性检验：由于选择的影响因素过多，所以估计模型之前，应先分析各个因素与被解释变量之间的关系，以及因素之间的相关程度，利用COR命令进行相关系数检验，得相关系数矩阵为：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，均大于0.8，证实确实存在严重多重共线性。\n修正多重共线性：采用逐步回归的办法，去检验和解决多重共线性问题。分别作Y对X1X2X3X4X5的一元回归，结果如表2所示。表2一元回归估计结果变量参数估计值5.543018.26347.91988.96152.4807T统计量60.1436108.993614.858865.798450.27700.99480.99840.92080.99560.99250.99450.99830.91660.99540.9921其中，加入的方程最大，以为基础，顺次加入其他变量逐步回归，结果如表3所示。表3加入新变量的回归结果（一）变量，1.0133（1.5590）14.9404（6.9895）0.9954，17.0325（34.9812）0.5826（2.6500）0.9987，13.0328（7.4950）2.5786（3.0279）0.9988，16.4749（8.3653）0.2445（0.9115）0.9983其中，不带括号的为各参数，带括号的为t值各参数符号均符合经济意义，经比较，新加入X4的方程=\n0.9988，改进最大，而加入X1、X5后t检验不通过，选择保留X4，再顺次加入其他新变量逐步回归，结果如表4所示。表4加入新变量的回归结果（二）变量，，1.4875（3.1286）7.0964（2.9903）3.1003（4.3062）0.9992，，12.6322（8.3734）0.4939（2.6743）2,2616（3.0273）0.9991，，12.4659（5.6323）2.4937（2.7820）0.1011（0.4308）0.9988其中，不带括号的为各参数，带括号的为t值各参数符号均符合经济意义，经比较，新加入X1的方程=0.9992，改进最大，各参数的t检验都显著。选择保留X1，再顺次加入其他新变量逐步回归，结果如表5所示。表5加入新变量的回归结果（三）变量，，，1.0869（2.0291）8.4607（3.4118）0.2889（1.4620）2.7744（3.7913）0.9992\n，，，1.8918（4.0164）3.2400（1.1551）2.9061（4.4031）0.3998（2.1480）0.9993其中，不带括号的为各参数，带括号的为t值各参数符号均符合经济意义，当加入后，参数的t检验不显著。加入后，有所增加，但参数的t检验不显著，由相关系数也可看出，X3、X5也与其他变量高度相关，这说明主要是X3、X5引起了多重共线性，予以删除。虽然Y与X1、Y与X2、Y与X4、Y与X2和X1、Y与X2和X4以及Y与X1、X2、X4均符合条件，但Y与X1、X2、X4建立的模型最大，所以，建立模型Y、X1、X2、X4。最后，修正严重多重共线性影响后的回归结果为：=-1692.604+1.4875+7.0964+3.1003(469.3376)(0.4754)(2.3732)(0.7200)t=(-3.6064)(3.1286)(2.9902)(4.3062)R2=0.99930.9992F=8415.790S.E=945.7760D.W=0.5177统计检验：给定显著性水平为0.05\n拟合优度检验：R2=0.9993接近于1，表明模型对样本数据拟合优度高。F检验（回归方程显著性检验）:F=8415.790>=3.20，其P值0.000000也明显小于，表明模型线性关系显著，交通运输业年度收入总额X1、批发零售业年度收入总额X2与金融业年度收入总额X4联合起来对被解释变量第三产业年度收入总额Y有显著影响。T检验(解释变量显著性检验)：所有参数的t值的绝对值均大于2，表明所有参数对第三产业年度收入总额Y均有显著影响。计量经济学检验：1）自相关检验：给定显著性水平0.05，查DW表，当n=21,k=3时，得下限值dL=1.026，上限值dU=1.669,因为DW统计量为0.5177=3.24，其P值0.000000也明显小于，表明模型线性关系显著，交通运输业年度收入总额X1、批发零售业年度收入总额X2与金融业年度收入总额X4联合起来对被解释变量第三产业年度收入总额Y有显著影响。T检验(解释变量显著性检验)：所有参数的t值的绝对值均大于2，表明所有参数对第三产业年度收入总额Y均有显著影响。当n=20,k=3时，得下限值dL=0.998，上限值dU=1.676dL0.8522；所以不存在异方差。（二）自相关检验1、残差图法View→Actual,Fitted,Residual→ResidualGraph结论：根据书上所示，上图意味着随机项之间不存在序列相关。2、DW检验因为n＝21，k＝2，取显著性水平α＝0.05时，查表得dL＝1.22，dU＝1.42，而dU<1.8609＝DW<4-dU=2.14，所以无自相关。五、结论1）预测模型选择由于经过多重共线性、自相关、异方差的诊断和补救，所以，将选取Y=355.5672+0.1267*X2+0.4398*X4-4.2847*X5-0.0121*X6作为本报告中研究对象的预测模型。其经济含义如下：\n平均而言，在其他条件不变的情况下，居民家庭可支配收入变动每变动一个单位，将引起居民消费水平变动0.4398个单位；在其他条件不变的情况下，农村居民家庭恩格尔系数每变动1%，将引起居民消费水平变动0.1267个单位；在其他条件不变的情况下，CPI每变动一个单位，将引起居民消费水平变动-4.284个单位；在其他条件不变的情况下，税收每变动一个单位，将引起居民消费水平变动-0.0121个单位。并且，该模型反映了99.7%的真实情况。2）小结通过以上计量回归分析我们可以得出这样的结论：居民消费水平与农村居民家庭恩格尔系数、居民可支配收入、CPI、税收存在紧密联系。正如凯恩斯所认为的那样，消费存在一条基本的心理规律：随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多，居民可支配收入提高，有利于拉动消费的增长。CPI的提高意味着物价水平上涨，人们用同样地财富所能购买的商品减少，因此会导致市场疲软、消费水平下滑。税收的提高，一方面个人所得税提高会减少人们的收入，从而抑制消费；另一方面消费税、印花税、营业税等税收的提高在无形中转嫁给了消费者，等同于提高了物价，所以也会造成消费水平的降低。消费需求总体运行从计划经济特殊模式到遵循市场经济一般规律，是经济市场化程度由量变到质变的飞跃。随着这一质变的发生，我国经济增长的主要约束已经由短缺经济时代的供给约束转变为需求约束。就内需而言，从社会再生产看，只有消费才是社会再生产的终点和新的起点，是真正的最终需求；而投资需求在一定意义上是消费需求的派生需求。从本质上看，投资对经济发展的贡献主要体现在为社会生产提供有效地生产手段上，而不是体现在对有效需求形成的贡献。