計(jì)量經(jīng)濟(jì)學(xué)小組作業(yè)

1、一、理論依據(jù)回歸分析是在對(duì)線性分析模型提出若干假設(shè)的條件下，應(yīng)用普通最小二乘法得到了無(wú)偏的、有效的參數(shù)估計(jì)量。但是，在實(shí)際的計(jì)量經(jīng)濟(jì)學(xué)問(wèn)題中，完全滿足這些基本假設(shè)的情況并不多見(jiàn)。如果違背了某一項(xiàng)基本假設(shè)，那么應(yīng)用最小二乘法估計(jì)模型就不能得到無(wú)偏的、有效的參數(shù)估計(jì)量，OLS法失效，這就需要發(fā)展新的方法估計(jì)模型。二、建立建立GDP的CD生產(chǎn)函數(shù)模型年份國(guó)內(nèi)生產(chǎn)總值（億元）就業(yè)人數(shù)L（萬(wàn)人）資本形成總額K（億元）19847226.3481972495.119859039.9498733557.5198610308.08512823921.9198712102.2527834562198815101.

2、1543345970.2198917090.3553296412.7199018774.3647496447199121895.5654917768199227068.36615210686.3199335524.36680815603.8199448459.66745519704.9199561129.86806524104.6199671572.36895027284.5199779429.56982028632.5199884883.77063730035.4199990187.77139431228.7200099776.37208533960.72001110270.47279739

3、715.620021210027328044310.92003136564.67373654850.92004160714.474264681562005185895.874647759542006217656.67497887875.22007268019.475321109624.62008316751.7755641351992009345629.275828158301.1201040890376105192015.32011484123.576420227593.1201253412376704248389.92013588018.876977274176.72014636138.7

4、77253293783.11984-2014年GDP、就業(yè)人數(shù)、資本形成總額統(tǒng)計(jì)表（數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)年鑒）利用EViews軟件估計(jì)結(jié)果得：LnY=-4,3705+0.5841lnL+0.8851lnKt = （-1.4306）（2.0309）（33.7808）R2=0.9991 R2=0.9990 F=6995.2170 DW=1.7909即：在資本投入保持不變的條件下，勞動(dòng)投入每增加1%，產(chǎn)出將平均增加0.5841%在勞動(dòng)投入保持不變的條件下，資本投入每增加1%，產(chǎn)出將平均增加0.8511%.三、自相關(guān)性自相關(guān)性的檢驗(yàn) 由殘差圖估計(jì)得殘差et呈線性回歸，表明隨機(jī)項(xiàng)ut存在。DW檢驗(yàn)：DW=

5、0.56918給定顯著性水平=0.05 n=31 k=2查表得得下限臨界值dL=1.36和上限臨界值dU=1.50由W=0.56918dL=1.36，這時(shí)隨機(jī)誤差項(xiàng)存在一階正自相關(guān)?；貧w檢驗(yàn)法建立殘差項(xiàng)et與et-1、et-2的回歸模型。由結(jié)果可得隨機(jī)誤差項(xiàng)存在一階自相關(guān)。相關(guān)圖和Q統(tǒng)計(jì)量檢驗(yàn)明顯可得我國(guó)gdp模型存在著一階自相關(guān)性各階滯后的Q統(tǒng)計(jì)量的p值都小于0.05說(shuō)明在5%的顯著性水平下，拒絕原假設(shè)，殘差序列存在自相關(guān)。自相關(guān)性的修正迭代估計(jì)法在命令窗口中鍵入“LS lnGDP C lnLlnK AR(1) AR(2)”得到表3.2.1回歸結(jié)果。鍵入文本由上圖得DW=1.790932 n

6、=29 k=2 =0.05查表得dL=1.34，dU=1.48DW=1.7909324-dU=2.52所以模型已不存在自相關(guān)。此時(shí)，回歸方程為：LnY=-4,3705+0.5841lnL+0.8851lnKt = （-1.4306）（2.0309）（33.7808）R2=0.9991 R2=0.9990 F=6995.2170 DW=1.7909四、異方差性異方差性的檢驗(yàn)圖示法假設(shè)國(guó)內(nèi)生產(chǎn)總值的差別主要來(lái)源于就業(yè)人數(shù)，所以是L引起了異方差性。模型得到的殘差平方與lnL、lnK的散點(diǎn)圖表明存在復(fù)雜的異方差性。圖4.1.1 異方差性檢驗(yàn)圖德菲爾德匡特檢驗(yàn)將原始數(shù)據(jù)按lnL排成升序，去掉中間7個(gè)數(shù)據(jù)

7、，得到兩個(gè)容量為12的子樣，對(duì)兩個(gè)子樣分別做OLS回歸，求各自殘差平方和和。求得=0.003751，=0.023462。計(jì)算出F=/=0.023462/0.003751=6.2549，取=0.05時(shí)，查F分布表得(9,9)=3.18，而F=6.2549(9,9)=3.18，所以存在遞增的異方差性。4.1.3 戈里瑟和帕克檢驗(yàn)4.1.3.1 戈里瑟檢驗(yàn)利用Eviews進(jìn)行戈里瑟檢驗(yàn)。生成 序列，再分別建立與這些序列的回歸方程。由上述各回歸結(jié)果可知，的回歸模型中解釋變量的系數(shù)估計(jì)值顯著不為0且均能通過(guò)顯著性檢驗(yàn)。所以認(rèn)為存在異方差性。4.1.4 ARCH檢驗(yàn)樣本資料是時(shí)間序列數(shù)據(jù)，所以繼續(xù)用ARC

8、H方法檢驗(yàn)異方差。利用Eviews軟件得到ARCH檢驗(yàn)結(jié)果如表所示。表4.1.4 ARCH檢驗(yàn)結(jié)果Heteroskedasticity Test: ARCHF-statistic5.549504Prob. F(1,28)0.0257Obs*R-squared4.962372Prob. Chi-Square(1)0.0259Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 11/11/16 Time: 18:20Sample (adjusted): 1985 2014Included observations:

9、30 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C0.0018990.0012161.5615830.1296RESID2(-1)0.4053800.1720822.3557380.0257R-squared0.165412Mean dependent var0.003371Adjusted R-squared0.135606S.D. dependent var0.006143S.E. of regression0.005712Akaike info criterion-7.428288Sum squared r

10、esid0.000913Schwarz criterion-7.334875Log likelihood113.4243Hannan-Quinn criter.-7.398404F-statistic5.549504Durbin-Watson stat1.741829Prob(F-statistic)0.025721取顯著水平=0.05，LM(p)=(n-p)=4.96236(p)=(1)=3.841，則拒絕，表明模型中存在異方差性，即存在異方差效應(yīng)。異方差性的修正加權(quán)最小二乘法下面采用加權(quán)最小二乘法對(duì)原模型進(jìn)行回歸。取L的倒數(shù)1/L為權(quán)數(shù)進(jìn)行加權(quán)最小二乘法，回歸結(jié)果如表所示。表4.2.1 加

11、權(quán)最小二乘法估計(jì)結(jié)果Dependent Variable: LNYMethod: Least SquaresDate: 11/11/16 Time: 20:47Sample: 1984 2014Included observations: 31Weighting series: 1/LWeight type: Inverse standard deviation (EViews default scaling)VariableCoefficientStd. Errort-StatisticProb.C-4.9591061.765688-2.8085980.0090LNL0.6289490.17

12、52823.5882050.0013LNK0.8927520.01933546.173260.0000Weighted StatisticsR-squared0.998239Mean dependent var11.11969Adjusted R-squared0.998113S.D. dependent var0.587399S.E. of regression0.062592Akaike info criterion-2.612590Sum squared resid0.109698Schwarz criterion-2.473817Log likelihood43.49515Hannan

13、-Quinn criter.-2.567354F-statistic7935.028Durbin-Watson stat0.668724Prob(F-statistic)0.000000Weighted mean dep.10.91758Unweighted StatisticsR-squared0.998024Mean dependent var11.30253Adjusted R-squared0.997883S.D. dependent var1.360337S.E. of regression0.062586Sum squared resid0.109675Durbin-Watson

14、stat0.568319表4.2.2 WLS估計(jì)模型后的懷特檢驗(yàn)結(jié)果Heteroskedasticity Test: WhiteF-statistic1.353221Prob. F(5,25)0.2752Obs*R-squared6.602925Prob. Chi-Square(5)0.2519Scaled explained SS7.431319Prob. Chi-Square(5)0.1905Ln=-4.9591+0.6289lnL+0.8928lnKt =(-2.8086) (3.5882) (46.1733)=0.9982， DW=0.6687， F=7935.028為了分析異方差性的

15、校正情況，利用WLS估計(jì)出每個(gè)模型之后，還需要利用懷特檢驗(yàn)再次判斷模型是否存在著異方差性，檢驗(yàn)結(jié)果如表所示。給定顯著水平=0.05，由于=6.6029250.9，認(rèn)為lnl與lnk之間高度相關(guān)。輔助回歸模型檢驗(yàn)首先建立解釋變量的輔助回歸模型，結(jié)果如下：Lnk=-90.15836+9.038250lnlt=(-10.16917) (11.34073)R2=0.816004 =0.809659 DW=0.216612 F=128.6122Lnl=10.18539+0.090273lnkt=(122.165) (11.3473)R2=0.816004 =0.809659 DW=0.249538 F=

16、128.6122從以上輔助回歸模型的R2、F統(tǒng)計(jì)量的數(shù)值可以看出，解釋變量lnk、lnl之間存在嚴(yán)重的多重共線性。方差膨脹因子檢驗(yàn)從以上輔助回歸模型可知，VIF1=VIF25.43495，可以認(rèn)為模型存在較嚴(yán)重的多重共線性。5.2多重共線性的修正-逐步回歸法分別做lnY對(duì)lnk,lnl的一元回歸，結(jié)果如下表所示：表一元回歸結(jié)果（被解釋變量為lny）解釋變量lnklnl參數(shù)估計(jì)量0.9501688.718372t統(tǒng)計(jì)量98.6710412.26207R20.9970300.838313 0.9969280.832737從上表的回歸結(jié)果可知，lnk,lnl對(duì)lny均由顯著性影響。但lnk的影響更顯

17、著。利用EViews軟件，分別進(jìn)行有進(jìn)有出回歸和單項(xiàng)回歸，其回歸結(jié)果相同，如下表所示：表有進(jìn)有出逐步回歸結(jié)果表5.2.3單項(xiàng)逐步回歸結(jié)果因此得到修正后的回歸方程為：Lny=-5.731598+0.886599lnk+0.704186lnlt =(-3.024193) (47.72504) (3.788089)=0.9982， DW=0.6687， F=7935.028六、結(jié)論在經(jīng)過(guò)檢驗(yàn)與修正，認(rèn)為已經(jīng)消除回歸模型的自相關(guān)性、多重共線性以及異方差性，修正后的模型可用CD生產(chǎn)函數(shù)進(jìn)行分析，以CD生產(chǎn)函數(shù)為理論基礎(chǔ)，結(jié)合多元線性回歸模型的知識(shí)，實(shí)證分析資本和勞動(dòng)對(duì)我國(guó)總產(chǎn)出的影響，并分析我國(guó)屬于資本

18、密集型還是勞動(dòng)密集型。從修正后的模型可以看出，我國(guó)資本形成總額每增加1%，GDP上漲0.886599%；就業(yè)人數(shù)沒(méi)上漲1%，GDP上漲0.74186%。如果將兩個(gè)彈性系數(shù)相加，我們得到一個(gè)重要的經(jīng)濟(jì)參數(shù)規(guī)模報(bào)酬，它反映了產(chǎn)出對(duì)要素投入的比例變動(dòng)。如果兩個(gè)彈性系數(shù)之和為1，則稱規(guī)模報(bào)酬不變；如果兩個(gè)彈性系數(shù)之和大于1則稱規(guī)模報(bào)酬遞增；如果兩個(gè)彈性系數(shù)之和小于1，則稱規(guī)模報(bào)酬遞減。在本案例中，兩個(gè)彈性系數(shù)之和為1.590785，表明中國(guó)經(jīng)濟(jì)的特征是規(guī)模報(bào)酬遞增的。中國(guó)經(jīng)濟(jì)規(guī)模報(bào)酬遞增的影響因素分析7.1專業(yè)化程度分工一直被認(rèn)為是引致報(bào)酬遞增的首要因素。中國(guó)經(jīng)濟(jì)多年的高速增長(zhǎng)，首先在于漸進(jìn)式改革解除

19、了對(duì)分工與交易發(fā)展的束縛。隨著技術(shù)的進(jìn)步，生產(chǎn)過(guò)程越來(lái)越細(xì)分，產(chǎn)品以及生產(chǎn)工藝專業(yè)化都有了突破式發(fā)展，企業(yè)內(nèi)部和企業(yè)間的迂回生產(chǎn)方式和產(chǎn)品多樣化程度加深，最終使得分工鏈條加長(zhǎng)和專業(yè)化程度加深并帶來(lái)產(chǎn)品生產(chǎn)效率的提高；另一方面，隨著分工的深化，地區(qū)間、行業(yè)間的分工和交易障礙進(jìn)一步被打破，特別是各地區(qū)、行業(yè)間市場(chǎng)分割和貿(mào)易封鎖的瓦解，通過(guò)比較優(yōu)勢(shì)在產(chǎn)業(yè)和地區(qū)間實(shí)現(xiàn)了合理分工，專業(yè)化分工使各經(jīng)濟(jì)主體的活動(dòng)集中在自己的核心優(yōu)勢(shì)上做大做強(qiáng)，分工的網(wǎng)絡(luò)效應(yīng)凸顯?？梢哉f(shuō)，地區(qū)行業(yè)的專業(yè)化是生產(chǎn)專業(yè)化的表現(xiàn)形式，也是勞動(dòng)地域分工不斷深化的結(jié)果，會(huì)引致報(bào)酬遞增7.2技術(shù)創(chuàng)新熊彼特認(rèn)為，經(jīng)濟(jì)發(fā)展的核心不是均衡，報(bào)

20、酬遞增就產(chǎn)生于創(chuàng)新過(guò)程中的“產(chǎn)業(yè)突變”和“創(chuàng)造性破壞”。技術(shù)創(chuàng)新，特別是知識(shí)性因素具有溢出效應(yīng)，這是影響報(bào)酬遞增的直接因素。在中國(guó)多年經(jīng)濟(jì)發(fā)展的微觀層面上，隨著現(xiàn)代企業(yè)制度普遍建立，以市場(chǎng)為導(dǎo)向的企業(yè)技術(shù)創(chuàng)新動(dòng)力和能力越來(lái)越強(qiáng)。企業(yè)的發(fā)展更多地依靠技術(shù)創(chuàng)新和知識(shí)管理，生產(chǎn)經(jīng)營(yíng)活動(dòng)明顯轉(zhuǎn)向高技能、高技術(shù)的領(lǐng)域；企業(yè)為了自身長(zhǎng)期的發(fā)展必然會(huì)依靠高新技術(shù)以及不斷革新的技術(shù)確保自己獲得市場(chǎng)優(yōu)勢(shì)，從而在企業(yè)內(nèi)部形成報(bào)酬遞增。在宏觀層面上，首先，不斷創(chuàng)造的新技術(shù)、新工藝使原有的技術(shù)裝備和工藝水平不斷提高，導(dǎo)致原有固定資產(chǎn)結(jié)構(gòu)的優(yōu)化，促使產(chǎn)業(yè)結(jié)構(gòu)升級(jí)；其次，技術(shù)創(chuàng)新成果的擴(kuò)散引導(dǎo)投資結(jié)構(gòu)向更合理的方向發(fā)展；

21、再次，技術(shù)創(chuàng)新的良好收益引導(dǎo)資金從效益差、成長(zhǎng)性弱的產(chǎn)業(yè)轉(zhuǎn)向效益好、成長(zhǎng)性強(qiáng)的產(chǎn)業(yè)，使各種資源配置趨向合理。除此之外，近年來(lái)中國(guó)對(duì)知識(shí)產(chǎn)權(quán)保護(hù)的水平越來(lái)高，技術(shù)創(chuàng)新的動(dòng)力機(jī)制日益形成，使得技術(shù)創(chuàng)新成為形成報(bào)酬遞增最為直接的因素。7.3政府政策在中國(guó)，政府長(zhǎng)期扮演的是經(jīng)濟(jì)增長(zhǎng)推動(dòng)者和改革開(kāi)放推動(dòng)者的雙重角色，形成了政府主導(dǎo)的典型“中國(guó)式”發(fā)展模式，轉(zhuǎn)軌時(shí)期中國(guó)經(jīng)濟(jì)主要特色之一是諸多經(jīng)濟(jì)發(fā)展機(jī)制與政府政策 相關(guān)。同樣，公共部門服務(wù)或政府政策與報(bào)酬遞增息息相關(guān)。 政府支持政策對(duì)報(bào)酬遞增影響的途徑主要有二：一是政府政策能夠?yàn)槠髽I(yè)提供生產(chǎn)性服務(wù)，政府對(duì)高技術(shù)產(chǎn)業(yè)等的投入加大會(huì)提高此類部門的生產(chǎn)率，同時(shí)政府政策具有導(dǎo)向作用，會(huì)引導(dǎo)社會(huì)和私人資本迅速流入，使