碳排放论文空间计量经济学论文：基于空间计量经济学的碳
排放与经济增长分析
摘要本文采用空间计量经济学的方法对我国各省份的经济增长与碳排放之间的关系进行了
实证分析，结果表明：我国各省份的碳排放在空间分布上表现出一定的空间正自相关性，碳
排放量最高的省份多处于经济发达的沿海地区，如以北京为中心的环渤海地区，以上海为中
心的长三角地区和以广东为核心的珠三角地区，而次之的是经济较为发达的地区，如中部的
山西、湖北、湖南、江西、安徽和西南地区；我国各省份的碳排放在空间分布上存在一定的
空间集群效应，如环渤海地区就表现出高碳排放的空间集群效应，而西部地区的西藏、新疆、
甘肃、青海却表现出低碳排放的空间集群效应。经济增长与碳排放呈现出正相关关系，高碳
排放的地区多处于经济发达的沿海地区，而低碳排放的地区多处于经济落后的内陆地区；我
国目前的经济增长对碳排放的依赖性较强，经济增长对碳排放的弹性系数约为08左右，说
明在未来的短时间内很难实行低碳经济的发展模式。
关键词碳排放；经济增长；空间计量经济学
最近，关于我国碳排放与经济增长的关系引起了学者们的高度关注。徐玉高、郭元［1］等采用时间序列和截面数据的计量分析方法，对我国经济增长与碳排放的关系进行了实证研究，认为人均碳排放与人均gdp之间不存在库兹涅茨曲线，人口增长和人均gdp的增加是人均碳排放增加的主要来源，而gdp能源消费强度的下降则是碳排放减少的重要来源。张雷［2］的研究认为经济结构多元化的发展导致我国能源消费需求增长的减缓，能源消费结构的多元化发展则是我国碳排放水平下降的重要因素，经济和能源消费两者结构多元化的演进是促使我国经济发展从高碳燃料为主向低碳
为主方式转变的重要途径。王中英、王礼茂［3］对我国gdp 增长与碳排放量之间的关系进行了相关分析，表明二者存在明显的相关性，认为我国过分依赖投资的增长方式和以第二产业为主的经济结构在很大程度上是导致温室气体排放量
增加的主要原因。杜婷婷、毛锋［4］等以库兹涅茨环境曲线（ekc）及其衍生曲线为依据，对我国碳排放量与人均收入增长的时间序列数据进行了统计拟合，得出我国碳排放量与人均gdp之间呈现出“n型”曲线。随后，胡处枝、黄贤金［5］等、王琛［6］等人的研究也证实了该观点。高卫东、姜巍［7］等的研究表明随着产业结构的演进和生产技术进步的加快，我国能源碳排放的增速有了明显的减缓，从区域分布来看，东部地区碳排放经历了先下降后上升的过程，而
西部地区碳排放则是保持上升的趋势。也有学者从其他角度对
我国的碳排放问题进行了研究。徐国泉、刘则渊、姜照华［8］等基于碳排放恒等式，采用对数平均权重diveisia 分解法，建立了我国人均碳排放量的因素分解模型，对我国1995-2004年间，影响人均碳排放的各种因素进行了分析，认为经济发展对人均碳排放的贡献率呈指数增长的态势，能源利用效率和能源结构对人均碳排放的贡献率呈“倒u型”关系。张雷［9］认为产业结构的演进不仅决定着地区经济发展的基本状态，而且同样决定着国家一次能源消费空间的基本格局；地区产业结构多元化程度越是走向成熟，其一次能源消费的增速也就越是减缓；缓慢的一次能源消费结构变化是难以实现地区碳排放增长有效控制的关键。
与以上学者的研究相比，本文从空间经济学的角度，采用空间计量经济学的方法对我国各省份（自治区、直辖市）的碳排放与经济增长之间的关系进行了实证研究。
1 样本数据与指标选取
1.1 样本数据
本文采用的空间样本数据是除了我国台湾省和香港、澳门特别行政区外的大陆31个省、自治区和直辖市。样本区间为2005-2008年，数据主要来源于《新中国六十年统计资料汇编》，部分数据来源于各省份统计年鉴及统计公报、《中国能源统计年鉴》。
1.2 指标选取
1.2.1 国内生产总值
本文采用国内生产总值（gdp）来衡量各省份的经济发展水平，以1978年为基期，单位为亿元。
1.2.2 碳排放量
由于目前我国没有碳排放量的直接监测数据，而且关于碳排放量的计算学术界也没有一个统一的标准，因而大部分的研究都是基于对能源消费的测算得来。本文采用了两种方法来计算各省份的碳排放量，分别是kaya碳排放恒等式法和碳的化学燃烧公式法。
kaya碳排放恒等式［10-11］是由日本学者yoichi kaya 于1989年在联合国政府间气候变化专门委员会（ipcc）研讨会上提出的，该等式通过一种简单的数学公式将经济、人口和政策等因素与人类活动产生的二氧化碳建立起了一种
数学联系，基本公式是：
c=∑ni=1[dd)]c i=∑ni=1[dd)]e ie×c ie i ×ey×yp×p i=1,2,k n（1）
其中，c表示总的碳排放量；i表示所消费能源的种类；
c i为第i种能源的碳排放量；e表示一次能源的消费量；
e i为对第i种能源的消费量；y表示国内生产总值（gdp）；p为人口数量。
由（1）可分析出几个影响碳排放的因素，并给出如下的定义：能源结构因素s i=e ie表示对第i种能源的消费在一次能源消费中所占的比重；各类能源的排放强度f i=c ie i表示消费单位第i种能源的碳排放量；能源效率因素i=ey表示单位gdp的能源消耗量（可以理解为gdp的能源消耗系数）；经济发展因素r=yp表示人均gdp。因此，式（1）可简化为c=∑ni=1[dd)]c i=∑ni=1[dd)]s i×f i×i×r×p(i=1,2，k n)，这样一个地区的碳排放量就和该地区的能源结构因素、各类能源的排放强度、能源利用效率、经济发展因素以及人类的活动联系到了一起。
碳排放计算的第二种方法使用了碳的化学燃烧公式：
c+o2=co2，在该过程中，碳的燃烧值约为34 070 kj/kg，而每吨标准煤释放的热量为7 000千卡，即约为29 302 kj，于是就可以粗略地计算出每吨标准煤完全燃烧释放出的二
氧化碳。
但是考虑到第二种方法中标准煤的碳含量、含有硫、氮等元素、不完全燃烧等因素，最后本文采用两种方法所计算出的每吨标准煤的碳排放系数介于2.277和2.72之间，取两者的算术平均数作为每吨标准煤的碳排放系数，为2.499。本文用各省份的能源消费总量（单位为万吨标准煤）乘以每吨标准煤的碳排放系数得到碳排放量，单位为万吨，用carbon表示。
1.2.3 劳动力投入量
本文中劳动力投入量选取的是各省份的就业人员数，单位为万人，用labor表示。
2 实证方法与模型设定
2.1 空间效应检验
空间效应［12］（spatial effects）是指各地区间的经济地理行为之间一般都存在的一定程度的空间相互作用，分为空间依赖性（spatial dependence，也叫空间自相关性（spatial autocorrelation））和空间异质性。空间依赖性意味着空间上的观测值之间缺乏独立性，也意味着空间相关的强度及模式由空间的绝对位置（格局）和相对位置（距离）共同来决定。空间异质性是指地理空间上的区域缺乏均质性，也即存在中心和外围地区、核心和边缘地区、发达和落后地区等经济地理结构，从而导致经济社会发展存在较大的空间差异性。本文主要采用全域空间相关性检验和局域空间相关性检验来检验我国各地区碳排放的空间效应。
2.1.1 全域空间相关性检
验
全域空间相关性又称全域空间自相关（global spatial autocorrelation），是指从区域空间的整体上刻画区域碳排放空间分布的集群情况。这里主要采用moran s i指数法
来对我国碳排放的全域空间相关性进行检验。全域moran
s i指数定义是：
moran s i=∑ni=1∑nj=1w ij(y i-y)(y
j-y)
s2∑ni=1∑nj=1w ij(2)
其中，s2=1n∑ni=1(y i-y)，y=1n∑ni=1y i，y i表示第i地区的观测值（如本文中的碳排放），n为地区总数（在本文中为31个省份），w ij为二进制的临近空间权值矩阵，用以定义空间对象的相互临近关系。
全域moran s i的取值范围介于-1-1之间，若其数值大于0，说明空间存在正自相关，数值越大说明空间分布的正自相关性越强；若其数值小于0，说明空间相邻的单元之间不具有相似的属性，数值越小则说明各空间单元的差异性越大；若其数值为0，则说明该空间服从随机分布。
通过绘制空间相关关系系数的moran s i散点图，可以将碳排放分为四个象限，分别用以识别各个省份与其他临近省份之间的相互关系：右上方为第一象限，表示高碳排放的省份被高碳排放的其他省份所包围（h-h，高-高）；左上方为第二象限，表示低碳排放的省份被高碳排放的其他省份所包围（l-h，低-高）；左下方为第三象限，表示低碳排放的省份被低碳排放的其他省份所包围（l-l，低-低）：
右下方为第四象限，表示高碳排放的省份被低碳排放的其他省份所包围（h-l，高-低）。第一、三象限为正的空间自相
关关系，表示相似碳排放省份之间的空间关联；而第二、四象限为负的空间自相关关系，表示不同碳排放省份之间的空间关联，如果各省份碳排放均匀地分布于四个象限之内，则说明各省份之间不存在空间相关关系。
2.1.2 局域空间相关性检验
局域空间相关性又称为空间关联局域指标（local indicators of spatial association,lisa）,它是探索性空间数据分析的重要组成部分。anselin［13］认为lisa分析应该满足两个条件：每个空间单元的lisa描述了在一定显著性条件下，围绕该空间单元的其他相似空间单元之间所具有的空间集群程度；所有空间单元的lisa之和与对应的全域空间相关性指标成比例。对于局域空间相关性的分析主要包括局域moran s i指数和局域geary指数，本文采用的是局域moran s i指数，定义为：
moran s i i=z i∑nj=1w ij z j (i≠j)（3）
其中，z i=x i-x、z j=x j-x分别表示观测值与均值的离差，x i表示空间单元i的观测值，w ij 表示空间权值矩阵，因此moran s i就可以表示为空间单元i的观测值的离差z i与其相临近的空间单元j的观测值离差的加权平均值的乘积。
局域moran s i指数还可以定义为：
moran s i i=(z im)∑[dd(x]jw ij z
j(i≠j)（4）
其中m表示空间观测单元的数量，若moran s i i 值为正，则说明该空间单元周围存在相似的空间集群；若moran s i i值为负，则说明该空间单元周围存在非相似的空间集群。
z(moran s i i)=moran s i i-e(moran s i
i)[kf(]var(moran s i i)[kf)]（5）
其中，e(moran s i i)表示局域moran s i i 值的期望值，var(moran s i i)表示局域moran s i i值的方差。利用公式（5）就可以对局域空间相关性进行显著性检验。
2.1.3 空间权值矩阵的选择
本文主要采用的是各省份的相关数据，而且相邻省份间有共同的边界，因此，采取k值最临近空间权值矩阵（k nearest neighbor spatial weights）。
2.2 空间模型
2.2.1 空间滞后模型
空间滞后模型主要是探讨各变量在一地区是否具有扩散效应（或溢出效应）。模型为：
y=ρw y+xβ+ε（6）
其中，y为被解释变量；x为n×k的外生解释变量矩阵；ρ为空间回归系数，它反映了空间单元之间的相互关系，也就是说相邻空间单元对本空间单元的影响程度（该影响程度为矢量，具有一定的方向性）；w为n×n的空间权值矩阵，w y为空间权值矩阵w的空间滞后因变量；ε为随机误差向量。参数β主要反映了自变量x对因变量y的影响，空间滞后因变量w y是一内生变量，反映了空间距离对各空间单元之间的作用。
2.2.2 空间误差模型
该模型为：
y=xβ+ε（7）
ε=λwε+u（8）
其中，y为因变量；x为n×k的外生解释变量矩阵；w 为n×n的空间权值矩阵；ε为随机误差向量；u为正态分布的随机误差向量；参数β为自变量x对因变量y的影响系数，λ为因变量向量的空间误差系数。
2.3 计量模型的设定
从上面的分析，结合相关的经济理论，本文设定的计量模型是：
lngdp=c+α1lncarbon+α2lnlabor+ε（9）
其中，lngdp、lncarbon和lnlabor分别表示各省份的gdp、碳排放和劳动力的自然对数；c表示常数项；α1
和α2分布为相关的回归系数；ε为随机误差项。
3 我国碳排放的空间格局及其集群现象
为了对我国各省份碳排放的空间格局和集群现象有一
个更好的描述，本节以31个省份为空间单元，以2005—2008年各省份的碳排放及其平均数作为衡量指标，首先从宏观的角度分析了碳排放分布的空间格局；其次，采用全域空间相关性指数moran s i及局域moran s i散点图对各省份的碳排放在空间上是否存在自相关及集群现象进行了检验；再次，用局域空间相关性分析方法（lisa分析）对各省份碳排放的空间格局和集群现象进行了更加深入的分析，以揭示相邻省份碳排放之间的空间关系；最后，用空间加权回归的方法对碳排放、劳动力与经济增长之间的关系进行了实证分析。
3.1 碳排放的空间分布描述
从宏观的角度对各省份碳排放的空间分布进行描述性
分析，可以清楚地看出各省份的碳排放在三个不同时段的空间分布呈现出一种明显的空间格局，就是碳排放量较高的省份大多处于沿海地区，尤其是以北京为核心的环渤海地区、以上海为中心的长三角地区和以广东为核心的珠三角地区。这表明，我们各省份的碳排放存在一定的空间集群现象，主要的高碳排放集群有内蒙古、河北、辽宁、山东、河南集群，上海、江苏、浙江集群，广东珠三角集群；还有可能会出现
一些中等程度的集群，如湖北、湖南、安徽集群，东北的黑龙江，西南的四川、贵州等地区；
毕业设计（论文）任务书 学院：人文学院 专业：旅游与酒店管理 学生姓名:张雪梅学号:0702110310 设计(论文)题目：南京旅游业灰色关联度分析 指导教师:严伟 专业负责人： 起迄日期: 设计(论文)地点:金陵科技学院江宁校区 发任务书日期:2010年12月16日
1．本毕业设计（论文）课题应达到的目的： 目前,灰色系统理论在社会、经济和自然科学的应用十分广泛,如预测宏观经济态势、区域经济优势分析、产业结构的调整方向等方面都取得了较好的应用效果，但在旅游经济应用研究方面尚不多见。本文以南京旅游业为例，应用灰色关联分析的方法，定量地将影响地方旅游经济发展的主导因素的分析出来，同时建立南京旅游业的灰色预测模型，进而为南京旅游经济的发展提供科学依据。 2．本毕业设计（论文）课题任务的内容和要求（包括原始数据、技术要求、工作要求等）： 本选题属于一项理论性的研究，学生应在查阅大量文献的基础上，分析南京旅游业的影响因子。南京旅游业是一个复杂的巨系统，影响的因素很多，如旅游资源、交通条件、区域经济发展水平、客源市场、旅游者的可支配性收入、旅游偏好、年龄、职业及文化修养等等，而这些因素对南京旅游业的发展表现出明显的灰色性。 本课题需要对这些因子结合南京旅游业进行初步的灰色分析。 本选题需要使用图书馆及网络资源，如CNKI期刊网等。
3．对本毕业设计（论文）课题成果的要求〔包括图表、实物等硬件要求〕： 通过开展毕业论文课题研究，培养学生综合运用所学的基础理论、专业知识和基本技能，分析和解决问题。要求学生完成1000字左右文献综述、翻译1万印刷符（或译出3千汉字）以上相关参考资料、以及撰写1万字左右的论文。以上成果应由学生独立完成，不弄虚作假，不抄袭他人成果。 4．本毕业设计（论文）课题工作进度计划： 起迄日期工作内容 2010年12月1日指导教师与学生见面，进行论文开题指导； 2010年12月1日至2010年12月19日学生完成并上交开题报告，并提交《毕业设计（论文）外文参考资料译文（附原文）》； 2010年12月22日至2011年1月18日学生结合毕业设计（论文）题目进行实习调研，并完成论文一稿； 2011年2月23日至2011年 3月27日 学生完成论文二稿； 2011年4月13日至2011年 4月17日 进行毕业设计（论文）中期检查；2011年3月30日至2011年 4月24日 学生完成论文定稿； 2011年4月27日至2011年 5月8日 学生完成论文答辩准备工作；2011年5月15日至2011年 5月16日 进行论文答辩
计量经济学论文 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
我国旅游收入的计量分析 一、经济理论陈述 在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了2X国内旅游人数，3X入境旅游人数。这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。 另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费。 旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。
在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了6X公路长度和7X铁路长度这两个解释变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在6X的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。 二、相关数据 三、计量经济模型的建立 Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ 我们建立了下述的一般模型：
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
计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。
四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据
资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别
2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差 （45.2） （1.53） n=30 R 2 =0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。 回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ； （3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义是什么。 13．假设某国的货币供给量Y 与国民收入X 的历史如系下表。 某国的货币供给量X 与国民收入Y 的历史数据 根据以上数据估计货币供给量Y 对国民收入X 的回归方程，利用Eivews 软件输出结果为： Dependent Variable: Y Variable Coefficient Std. Error t-Statistic Prob. X 1.968085 0.135252 14.55127 0.0000 C 0.353191 0.562909 0.627440 0.5444 R-squared 0.954902 Mean dependent var 8.258333 Adjusted R-squared 0.950392 S.D. dependent var 2.292858 S.E. of regression 0.510684 F-statistic 211.7394 Sum squared resid 2.607979 Prob(F-statistic) 0.000000 问：（1）写出回归模型的方程形式，并说明回归系数的显著性（） 。 （2）解释回归系数的含义。 （2）如果希望1997年国民收入达到15，那么应该把货币供给量定在什么水平？ 14．假定有如下的回归结果 t t X Y 4795.06911.2?-= 其中，Y 表示美国的咖啡消费量（每天每人消费的杯数），X 表示咖啡的零售价格（单位：美元/杯），t 表示时间。问： （1）这是一个时间序列回归还是横截面回归？做出回归线。 （2）如何解释截距的意义？它有经济含义吗？如何解释斜率？（3）能否救出真实的总体回归函数？ （4）根据需求的价格弹性定义： Y X ?弹性＝斜率，依据上述回归结果，你能救出对咖啡需求的价格弹性吗？如果不能，计算此弹性还需要其他什么信息？ 15．下面数据是依据10组X 和Y 的观察值得到的： 1110=∑i Y ，1680 =∑i X ，204200=∑i i Y X ，315400 2=∑ i X ，133300 2 =∑i Y 假定满足所有经典线性回归模型的假设，求0β，1β的估计值； 16.根据某地1961—1999年共39年的总产出Y 、劳动投入L 和资本投入K 的年度数据，运用普通最小二乘法估计得出了下列回归方程：
计量经济学论文参考题目 本文由论金台论文站工作室整理提供。 中国城镇居民2013年可支配收入分析 中国农业总产值问题的计量分析 中国上市公司现金股利的影响因素分析 在校学生总数变动的多因素分析 GDP与进出口总额的计量分析 有关我国进口商品消费的计量分析 影响我国居民储蓄的相关因素的实证分析 影响我国粮食总产量诸因素分析 影响新股上市定价的因素分析 影响粮食产量的相关因素分析 影响银行卡交易量的因素分析 城市住房均衡价格供求模型 城镇集体单位固定资产投资对国内生产总值的影响分析 城镇人均收入与人均通讯消费分析 江苏省居民消费函数模型 江苏省城镇居民消费模型 江苏省镇居民消费函数模型 影响GDP增长的经济因素分析 影响保费收入的因素分析 影响寿险保费收入的因素分析2 影响江苏省房地产业发展的因素分析 影响我国农业总产值因素的实证分析 影响中国汽车产量的多因素分析 影响人身保险保费收入的重要因素分析 资本结构主要影响因素的再探析 中国经济增长的影响因素实证分析 运用OLS法对参数估计 江苏省城市居民消费函数模型分析 店铺租金的确定 对江苏省房地产市场的实证考察 固定资产投资对江苏省GDP影响分析 固定资产投资的计量经济学模型
关于社会商品零售总额的案例分析 关于封闭式基金价格问题 货币政策与GDP的回归分析. 开放经济下储蓄、投资与贸易余额关系的研究 农业总产值分析 农民收入影响因素研究 外商直接投资FDI与国有企业改革的互动分析 旅游经济分析 我国财政收入与部分支出结构 美国居民消费与可支配收入关系的实证分析 四川省居民消费结构计量分析 我国居民消费增长模型 我国居民消费的因素分析 我国国内债务规模的多元线性分析 我国改革开放以来固定资产投资与GDP关系分析 我国国债发行规模影响因素的分析 我国利用外资与GDP关系我国人均GDP与消费的计量分析我国外汇储备及其影响因素的分析 我国涉外旅游业收入的实证分析 西方消费理论在中国的实证分析 我国私人汽车拥有量分析 影响GDP的因素分析 中国股票内在价值影响因素的实证分析 政府对公共卫生事业的投 中国粮食总产量多因素分析 江苏省城乡居民储蓄存款的计量模型分析 中国对美国进口总额的分析 关于农民人均纯收入的计量经济模型 对江苏省种植业收入模型的初步探索 计量经济学消费——收入模型分析 城镇居民消费水平影响因素浅析 江苏省人力资本存量的现状分析 农民人均收入影响因素分析 浅析我国城市化的影响因素 加工工业产品出厂价格多因素分析
房价的计量经济分析 引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。 写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。 关键词：房价成本计量假设检验最小二乘法拟合优度 现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元） 数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49
计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入
计量经济学论文影响粮食产量的因素分析 ：易士桢 班级：金融1502 学号：20153035
影响粮食产量的因素分析 我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。 本文严格按照计量经济分析方法,以1996-2015年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。 一、模型的建立 以Y i=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、 X3=农用机械总动力、 X4=农、林、牧、渔业劳动力、 X5=耕地灌溉面积，设定Y i=c+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+u i 理论模型。 由经济规律知β1、β2、β3、β4、β5都应大于零。 二、数据的收集（资料来源于中国各年统计年鉴） 三、模型的参数估计 利用Eviews8得到结果如下： Dependent Variable: Y Method: Least Squares
Date: 06/01/17 Time: 20:10 Sample: 1996 2015 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C -66773.87 37106.01 -1.799543 0.0935 X1 0.790068 0.119139 6.631499 0.0000 X2 1.768843 8.059923 0.219462 0.8295 X3 -0.028692 0.338671 -0.084720 0.9337 X4 -0.087017 0.051349 -1.694614 0.1123 X5 0.477765 0.663745 0.719802 0.4835 R-squared 0.976250 Mean dependent var 51861.43 Adjusted R-squared 0.967768 S.D. dependent var 5548.066 S.E. of regression 996.0571 Akaike info criterion 16.88881 Sum squared resid 13889816 Schwarz criterion 17.18753 Log likelihood -162.8881 Hannan-Quinn criter. 16.94712 F-statistic 115.0958 Durbin-Watson stat 1.811852 Prob(F-statistic) 0.000000 由此数据看出，可决系数和修正可决系数为0.976250和0.967768，F的检验值为115.0958，明显显著，拟合效果还可以。但当a=0.05时，t a/2(n-k-1)=2.1448，说明X2与X5的t检验 不显著，而且X3与X4系数的符号与经济解释相反，可能存在多重共线性。 四、模型的检验 （一）Ⅰ、检验多重共线性（利用相关系数矩阵法） Covariance Analysis: Ordinary Date: 06/01/17 Time: 20:27 Sample: 1996 2015 Included observations: 20 Covariance
xxx学院 课程论文 论文题目: 分析市产业结构对经济增长的影响 系 (室）： 专业班级： 小组成员： 指导教师： 完成日期：2015年12月13日
分析市产业结构对经济增长的影响 摘要 市近年来随着经济迅猛发展，经济实力不断增强。经济发展以经济增长为前提，而经济增长与产业结构变动有着密不可分的关系。在一定条件下，产业结构变动是经济增长的基础，是促进经济增长的主要因素。强调产业结构的转变也是当前经济增长的发展要求。本文采用1985年至2014年的统计数据，通过建立多元线性回归模型，运用Eviews软件，建立计量经济学模型，研究三大产业的增长对市经济增长的贡献，从而得出调整产业结构对转变经济发展方式，促进市经济可持续发展的重要意义。 关键词：经济增长、产业结构、回归分析、模型检验
绪论 (1) （一）问题的提出及研究意义 (1) 1．问题的提出 (1) 2．研究意义 (1) （二）研究思路 (1) 一、市经济现状 (2) 二、数据收集及模型设定 (2) （一）数据收集与处理 (2) （二）模型的设定 (4) 三、模型参数估计 (4) 四、模型检验 (5) （一）经济意义检验 (5) （二）统计检验 (6) 1．拟合优度检验 (6) 2．F检验 (6) 3．t检验 (6) （三）计量经济学检验 (6) 1．解释变量间的多重共线性检验 (6) 2．自相关性检验 (7) 3．异方差性经验 (7) 五、根据数据进行对GDP的影响分析 (8) 六、对策建议 (9) （一）转变经济发展方式，推动产业优化升级 (9) （二）加大对农业的投入，调整农业部产业结构 (9) （三）坚持走新兴工业化道路 (9) （四）积极推进服务业发展及转型 (10) （五）注重发挥市场机制的作用 (10) 参考文献 (11)
我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师：
我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数
本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5
大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于平台。 三、实验模型建立与分析 案例1：
我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况
（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20
Variable Coeffici ent Std. Error t-Statisti c Prob.?? C AVGDP R-squared ????Mean dependent var Adjusted R-squared????. dependent var . of regression ????Akaike info criterion Sum squared resid1538032.????Schwarz criterion Log likelihood ????Hannan-Quinn criter. F-statistic ????Durbin-Watson stat Prob(F-statistic) 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））
当初一个舍友来自西部地区，从没学过计量（OLS都没学过）。但毕业论文老板要求用数据说话，发愁。我于心不忍，告诉她：我每天晚上自习回来，睡觉前花10分钟给你讲解一下STATA的操作和出来的各项结果意义。第一天，我讲了OLS。画了一张散点图和一根直线，用了1分钟就让她完全理解了OLS的精髓，这是用来干啥的。后面9分钟讲解了STATA的操作和OLS的各种变种。结果只一个星期，讲完五种方法（下面会介绍），她信心大增。后来一下子发了好几篇CSSCI，计量做的天花乱坠，让人误以为是一个大师。毕业论文也顺利通过。她说我的方法是当今世界上最快的计量速成法。她说，以后有时间要好好看看计量书，打打基础。我推荐她读伍德里奇的那本现代观点。但她论文发表了好多篇，至今还没看那本书。问其原因：“看了一下OLS，跟你讲的没啥区别，就是多了些推导。那些推导看不看都不影响我用软件。现在没空看，先发论文再说。” 我笑其太浮躁。但后来想想，这种学习方法不一定适合所有人，但或许适合一部分人群。因此有必要写出来让这部分人群都有所收获，不会因为发不了CSSCI而担忧，不会因为毕业论文不会做计量而担忧。因此有了本文。你是不是属于这样的人群？请看下面： 本文的目标人群： 1、不懂计量的人； 2、想学计量却苦于缺乏时间的人； 3、想学计量却看不懂、推导不了那些恐怖矩阵的人，也就是不想看
推导过程，也想发论文的人。 4、不想看计量书，却想写计量论文，发几篇CSSCI，尽快毕业的人。 5、所有想速成的人。 但是目标人群一定要能看懂STATA软件操作手册的人（或者其他软件操作手册）。如果你不认得手册上的字，不要来告诉我。我也不认得。如果你能找到一个懂STATA、EVIEWS的人给你讲解一下，那么你看不懂手册也无所谓。 本文的目标：不看计量推导、不看计量书籍就能发计量论文，而且是大规模批量生产计量论文，甚至是发经济研究和管理世界。 目标能否实现：取决于你能否掌握本黑客教程的内容，能否阅读软件手册。 申明：不是教你如何抄袭作弊，而是教你写计量论文的方法和捷径。目录 一、计量论文的两大要点是什么？ 二、如何判断计量论文的水平高低？ 三、做计量的“大杀器”有哪些？ 四、瞎倒腾计量的秘诀 五、大规模发CSSCI的建议 一、计量论文的两大要点是什么？
我 国 税 收 增 长 的 影 响 因 素 分 析 姓名： 班级： 学号：2008 【摘要】本文?是在参考了多个关于影响我国税收收入的主要观点的基础上，对影响我国自1988年至2007年的税收收入的主要因素进行实证分析。选取的自变量有国内生产总值、财政支出和零售商品物价水平。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。得出结论是国内生产总值、财政支出和零售商品物价水平三者均对我国税收收入有很大影响。 【关键词】：国内生产总值财政支出零售商品物价水平税收计量思考 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3645.2亿元增长到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519.28亿元，到2008年已增长到54223.79亿元，31年间平均每年增长16.76%。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
计量经济学案例分析 一、问题背景 高新区自开始设立至今短短十多年的时间，以其惊人的经济发展速度为世人所关注。随着我国经济发展模式的逐步转变，高新区已经成为我国依靠科技进步和技术创新推动经济社会发展、走中国特色自主创新道路的一面旗帜。“十二五”时期，面对新的机遇和挑战，国家高新区应注重提升五种能力，努力成为加快转变经济发展方式的排头兵。为了探索高新经济发展的内在规律性，本文采用截面数据对高新区的投入产出进行分析，力求能够增进对高新区经济发展的了解，对高新区的进一步发展有所帮助。 二、模型设定 本文研究的是高新区投入对产出的影响，所以本模型的被解释变量Y 即为高新区的产出。就目前对高新区数据的统计来看，反映高新区产出的主要有“工业总产值”、“工业增加值”、“技工贸总收入”、“利润”和“上缴税额”几个总量指标。按照生产函数理论，产出利用增加值，所以模型中我们将使用“工业增加值”指标数据来估计各高新区的总产出。 从高新区的投入来看，对产出有重要影响的因素主要包括以下几个方面： 资本K ，劳动力L ，技术投入T ，此外，体制改革，管理模式创新也可以看作是投入的要素，但因其不可量化，因此归入模型的扰动项中。 这样，按照科布道格拉斯形式的生产函数，我们设定函数形式为： u T L AK Y γβα= 两边取自然对数得：u T L K A Y ln ln ln ln ln ln ++++=γβα 其中，资本数据K 我们利用的是当年的年末净资产来进行估计，即当年年末资产减去当年年末负债后得到的数据；用当年年末从业人员来估计劳动力L ；用当年技术研发投入来估计技术投入T 。数据选用的是截面数据。 从《国家高新技术产业开发区十年发展报告（1991－2000年）》得到1999年全国53个高新区各项指标统计数据： 园区 工业增加值(千 元)Y 净资产（千元）K 年末从业人员（人） L 技术开发费（千 元）T 北京 246422 天津 4138312 106970 1004739 石家庄 1428436 8427194 40404 437677 保定 1320169 5564045 35743 78798 太原 1261311 4755833 39469 254922 包头 877062 3798540 19793 56816 沈阳 3835694 21547 525425 大连 2099833 9922822 61713 328710
案例分析一关于计量经济学方法论的讨论 问题：利用计量经济学建模的步骤，根据相关的消费理论，刻画我国改革开放以来的边际消费倾向。 第一步：相关经济理论。首先了解经济理论在这一问题上的阐述，宏观经济学中，关于消费函数的理论有以下几种：①凯恩斯的绝对收入理论，认为家庭消费在收入中所占的比例取决于收入的绝对水平。②相对收入理论，是由美国经济学家杜森贝提出的，认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平，这告诉我们，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。关于消费函数的理论还有持久收入理论、生命周期理论，有兴趣的同学可以参考相应的参考书。毋庸置疑，收入和消费之间是正相关的。 第二步：数据获得。在这个例子中，被解释变量选择消费，用cs表示；解释变量为实际可支配收入，用inc表示（用GDP减去税收来近似，单位：亿元）；变量均为剔除了价格因素的实际年度数据，样本区间为1978～2002年。 第三步：理论数学模型的设定。为了讨论的方便，我们可以建立下面简单的线性模型： 第四步：理论计量经济模型的设定。根据第三步数学模型的形式，可得 式中：cs=CS/P，inc=(1-t)*GDP/P，其中GDP是当年价格的国内生产总值，CS代表当年价格的居民消费值，P代表1978年为1的价格指数，t=TAX/GDP代表宏观税率，TAX是税收总额。u t表示除收入以外其它影响消费的因素。 第五步：计量经济模型的参数估计 根据最小二乘法，可得如下的估计结果： 常数项为正说明，若inc为0，消费为414.88，也就是自发消费。总收入变量的系数 为边际消费倾向，可以解释为城镇居民总收入增加1亿元导致居民消费平均增加0.51亿元。 另外，根据相对收入理论，我们可以得到下面的估计结果：
计量经济学课程案例分析论文 本小组案例：影响税收收入的因素 摘要：我国经济增长与税收增长之间是正相关的，经济增长是税收增长的源泉，而税收又是国家财政收入的主要来源，国家把税收收入用于经济建设，发展科学、教育、文化、卫生等事业，反过来又促进经济的进一步增长。 关键字：税收国内生产总值财政支出商品零售价格指数 一、引言：改革开放以来，随着经济体制的改革的深化和经济的快速增长，中国的财政收支状况发生很大的变化，为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 二、经济理论分析：影响中国税收收入增长的主要因素可能有： 【1】从宏观经济上看经济增长是税收增长的基本源泉 【2】社会经济的发展和社会保障等对公共财政提出要求，公共财政的需求可能对当年的税收入可能会有一定的影响。 【3】物价水平。中国的税制结构以“流转税”为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。 【4】税收政策因素 三、建立模型：以各项税收收入Y作为解释变量 以GDP表示经济增长水平 以财政支出表示公共财政的需求 以商品零售价格指数表示物价水平 税收政策因素较难用数量表示，暂时不予考虑 模型设定为Y=β1X1+β2X3+β3X3+C 其中：Y—各项税收收入（亿元）
X1—国内生产总值（亿元） X2—财政支出（亿元） X3—商品零售价格指数（%） 四、数据收集： 年份x1 x2 x3 y 1978 3645.20 1122.09 100.70 519.28 1979 4062.60 1281.79 102.00 537.82 1980 4545.60 1228.83 106.00 571.70 1981 4891.60 1138.41 102.40 629.89 1982 5323.40 1229.98 101.90 700.02 1983 5962.70 1409.53 101.50 775.59 1984 7208.10 1701.02 102.80 947.35 1985 9016.00 2004.25 108.80 2040.79 1986 10275.20 2204.91 106.00 2090.73 1987 12058.60 2262.18 107.30 2140.36 1988 15042.80 2491.21 118.50 2390.47 1989 16992.30 2823.78 117.80 2727.40 1990 18667.80 3083.59 102.10 2821.86 1991 21781.50 3386.62 102.90 2990.17 1992 26923.50 3742.20 105.40 3296.91 1993 35333.90 4642.30 113.20 4255.30 1994 48197.90 5792.62 121.70 5126.88 1995 60793.70 6823.72 114.80 6038.04 1996 71176.60 7937.55 106.10 6909.82 1997 78973.00 9233.56 100.80 8234.04 1998 84402.30 10798.18 97.40 9262.80 1999 89677.10 13187.67 97.00 10682.58 2000 99214.60 15886.50 98.50 12581.51 2001 109655.20 18902.58 99.20 15301.38 2002 120332.70 22053.15 99.70 17636.45 2003 135822.80 24649.95 99.90 20017.31 2004 159878.30 28486.89 102.80 24165.68 2005 184937.40 33930.28 100.80 28778.54 2006 216314.40 40422.73 101.00 34809.72 2007 265810.30 49781.35 103.80 45621.97 2008 314045.40 62592.66 105.90 54223.79 2009 340902.80 76299.90 98.80 59521.59 2010 401202.00 89874.16 103.10 73210.79 回归分析： 相关分析