華北地區(qū)經(jīng)濟(jì)發(fā)展水平分析——基于面板數(shù)據(jù)(共8頁)

1、題 目 華北地區(qū)經(jīng)濟(jì)發(fā)展(fzhn)水平基于(jy)面板(min bn) 數(shù)據(jù)的實(shí)證分析 姓 名 學(xué) 號 專 業(yè) 會(huì)計(jì)學(xué) 指導(dǎo)教師 評語：成績： 教師簽名：華北地區(qū)經(jīng)濟(jì)發(fā)展水平基于面板數(shù)據(jù)的實(shí)證分析摘要(zhiyo)：本文(bnwn)選取(xunq)了華東地區(qū)2004-2014年的經(jīng)濟(jì)指標(biāo)的面板數(shù)據(jù)作為研究對象，選取了北京，天津，河北，山西和內(nèi)蒙古五個(gè)地區(qū)2004-2014年的地區(qū)生產(chǎn)總值（億元），固定資產(chǎn)投資完成額（億元），社會(huì)消費(fèi)品零售總額（億元）和進(jìn)出口總額（萬美元）(見附錄)作為本文的實(shí)證分析研究對象。關(guān)鍵詞：經(jīng)濟(jì)發(fā)展水平 面板分析 單位根檢驗(yàn) 協(xié)整檢驗(yàn)一、指標(biāo)選取及數(shù)據(jù)來源 本文選取

2、了華東地區(qū)2004-2014年的經(jīng)濟(jì)指標(biāo)的面板數(shù)據(jù)作為研究對象，選取了北京，天津，河北，山西和內(nèi)蒙古五個(gè)地區(qū)2004-2014年的地區(qū)生產(chǎn)總值（億元），固定資產(chǎn)投資完成額（億元），社會(huì)消費(fèi)品零售總額（億元）和進(jìn)出口總額（萬美元）(見附錄)作為本文的實(shí)證分析研究。表1.1給出了模型中涉及的變量名稱、標(biāo)識(shí)及含義。本文數(shù)據(jù)取自中經(jīng)網(wǎng)統(tǒng)計(jì)數(shù)據(jù)庫表1.1 模型中的衡量指標(biāo)、變量及其符號衡量指標(biāo)變量符號被解釋變量地區(qū)生產(chǎn)總值（億元）Y解釋變量固定資產(chǎn)投資完成額（億元）X1社會(huì)消費(fèi)品零售總額（億元）X2進(jìn)出口總額（萬美元）X3 二描述性分析本文按照上述的原則選擇了北京，天津，河北，山西和內(nèi)蒙古五個(gè)地區(qū)200

3、4-2014年的地區(qū)生產(chǎn)總值，固定資產(chǎn)投資完成額，社會(huì)消費(fèi)品零售總額和進(jìn)出口總額作為樣本，首先我們利用Eviews6.0軟件對所有變量進(jìn)行描述性統(tǒng)計(jì)分析。得到的描述性結(jié)果如表2.1所示。表2.1 描述性統(tǒng)計(jì)分析表Y?X1?X2?X3?Mean11785.567269.3914137.0238302229.Median11237.555578.9303397.4203842053.Maximum29421.1526671.9011820.4642899581Minimum3041.0701245.660884.7600372170.6Std. Dev.6477.7395576.3872567.3

4、7611415774Skewness0.8610891.5274521.0544761.918719Kurtosis3.3228955.2085783.6587165.701878Jarque-Bera7.03577432.5651711.1869750.47642Probability0.0296620.0000000.0037220.000000Sum648205.6399816.5227536.24.57E+08Sum Sq. Dev.2.27E+091.68E+093.56E+087.04E+15Observations55555555Cross sections5555由上表(shn

5、 bio)可以看出五個(gè)地區(qū)(dq)的2004-2014年的地區(qū)(dq)生產(chǎn)總值，固定資產(chǎn)投資完成額，社會(huì)消費(fèi)品零售總額和進(jìn)出口總額的偏度系數(shù)值均是大于零的，其表現(xiàn)為右偏。其峰度系數(shù)值均大于3，均是相對呈現(xiàn)“高瘦”（尖峰）形狀?？梢钥闯?個(gè)地區(qū)的經(jīng)濟(jì)指標(biāo)均是呈現(xiàn)右偏分布和“高瘦”形態(tài)。三、計(jì)量檢驗(yàn)（一） 單位根檢驗(yàn)由于面板數(shù)據(jù)反映了時(shí)間和截面二維上的信息。因此，與時(shí)間序列相同，面板數(shù)據(jù)也有可能存在單位根。為了保證變量序列的平穩(wěn)性，即為避免因時(shí)間序列的非平穩(wěn)性所造成的“偽回歸”問題。在進(jìn)行模型估計(jì)前，首先使用單位根方法檢驗(yàn)各變量的平穩(wěn)性。面板數(shù)據(jù)的單位根檢驗(yàn)和普通的單序列單位根檢驗(yàn)類似但兩者又有所

6、不同。本文運(yùn)用Eviews6.0采用IPS檢驗(yàn)、Fisher-ADF檢驗(yàn)、Fisher-PP檢驗(yàn)3種面板數(shù)據(jù)單位根檢驗(yàn)方法，運(yùn)行結(jié)果如表3.1所示。表3.1 單位根檢驗(yàn)結(jié)果變量序列YX1X2X3原序列IPS4.8962(1.0000)9.9429(1.0000)9.5249(1.0000)1.7034(0.9558)Fisher-ADF0.5529(1.0000)0.2798(1.0000)0.0046(1.0000)2.6537(0.9884)Fisher-PP0.5572(1.0000)0.1320(1.0000)0.0034(1.0000)2.0991(0.9955)結(jié)論非平穩(wěn)非平穩(wěn)非平

7、穩(wěn)非平穩(wěn)一階差分序IPS-1.0241(0.1529)-0.5215(0.3010)-0.2874(0.3869)-4.2404(0.0000)Fisher-ADF13.4328(0.2005)15.0681(0.1296)8.9861(0.5334)38.1437(0.0000)Fisher-PP12.1415(0.2757)20.0134(0.0291)8.3037(0.5992)54.9101(0.0000)結(jié)論非平穩(wěn)非平穩(wěn)非平穩(wěn)平穩(wěn)二階差分序列IPS-3.6139(0.0002)-3.5313(0.0002)-3.9365(0.0000)-4.2142(0.0000)Fisher-AD

8、F33.1243(0.0003)32.7679(0.0003)36.5099(0.0001)39.3688(0.0000)Fisher-PP33.9752(0.0002)32.0233(0.0004)55.1733(0.0000)74.3765(0.0000)結(jié)論平穩(wěn)平穩(wěn)平穩(wěn)平穩(wěn)由表3.1的單位根檢驗(yàn)結(jié)果(ji gu)可以發(fā)現(xiàn)，所有(suyu)變量原序列(xli)都是不平穩(wěn)序列，因此，需要對原序列進(jìn)行差分，繼續(xù)用單位根檢驗(yàn)法檢驗(yàn)差分后序列的平穩(wěn)性。對所有變量進(jìn)行一階差分后，進(jìn)行單位根檢驗(yàn)發(fā)現(xiàn)，除了進(jìn)出口總額是平穩(wěn)的，其他變量都是非平穩(wěn)的，我們繼續(xù)對序列進(jìn)行二階差分，進(jìn)而進(jìn)行單位根檢驗(yàn)，得到其概

9、率P值均是小于0.05的顯著水平，即認(rèn)為所有序列都是平穩(wěn)序列。說明五個(gè)變量均為二階單整變量。（二）協(xié)整檢驗(yàn)由于面板數(shù)據(jù)是原變量序列是非平穩(wěn)的，而差分后的各個(gè)變量通過IPS檢驗(yàn)、Fisher-ADF檢驗(yàn)、Fisher-PP檢驗(yàn)都被證實(shí)是平穩(wěn)的且為一階單整變量，但是這不能說明它們之間的線性組合也是平穩(wěn)的。為了探究變量之間的線性組合關(guān)系，此時(shí)就需要通過協(xié)整檢驗(yàn)來確定變量之間的線性組合是否存在著長期穩(wěn)定的關(guān)系。運(yùn)用Eviews6.0軟件對所有變量的的二階差分變量做Kao協(xié)整檢驗(yàn)，檢驗(yàn)結(jié)果如表3.2所示。表3.2 Kao協(xié)整檢驗(yàn)的Eviews運(yùn)行結(jié)果t-StatisticProb.ADF-1.43817

10、40.0752Residual variance346121.7HAC variance183783.0由表4.1的結(jié)果可知，在0.1的顯著水平下，Kao協(xié)整檢驗(yàn)的ADF統(tǒng)計(jì)量的值為-1.438174，小于顯著水平為0.1的臨界值，且協(xié)整檢驗(yàn)的ADF統(tǒng)計(jì)量值的伴隨概率P值為0.0752，在0.1的顯著性水平下拒絕序列中不存在協(xié)整關(guān)系的原假設(shè)，表明變量之間存在顯著的協(xié)整關(guān)系。說明地區(qū)生產(chǎn)總值，固定資產(chǎn)投資完成額，社會(huì)消費(fèi)品零售總額和進(jìn)出口總額之間存在長期的均衡關(guān)系。下面我們建立模型。四. 模型(mxng)的建立與結(jié)論(jiln) 面板(min bn)數(shù)據(jù)是同時(shí)包含若干個(gè)體成員和時(shí)期的二維數(shù)據(jù)，因

11、此對于面板數(shù)據(jù)的組織需要同時(shí)對截面和時(shí)刻的觀測值進(jìn)行組織。面板數(shù)據(jù)模型主要有兩種，一種是固定效應(yīng)回歸模型，另一種是隨機(jī)效應(yīng)回歸模型，Hausman(1978)等學(xué)者認(rèn)為應(yīng)該是總是把個(gè)體影響處理是隨機(jī)的，即隨機(jī)效應(yīng)模型優(yōu)于固定效應(yīng)模型，其主要原因?yàn)椋汗潭ㄐ?yīng)模型將個(gè)體影響設(shè)定為跨截面變化的常數(shù)使得分析過于簡單，并且從實(shí)際的角度看，固定效應(yīng)模型將損失較多的自由度。但是相對于固定效應(yīng)模型，隨機(jī)效應(yīng)模型也存在明顯的不足：在隨機(jī)效應(yīng)模型中是假設(shè)隨機(jī)變化的個(gè)體影響與模型中的解釋變量不相關(guān)，而在實(shí)際建模過程中這一假設(shè)很有可能由于模型中省略了一些變量而不足。因此在確定固定效應(yīng)模型還是隨機(jī)效應(yīng)模型時(shí)，一般的做法

12、是：先建立隨機(jī)效應(yīng)模型，然后檢驗(yàn)該模型是否滿足個(gè)體影響與解釋變量不相關(guān)的假設(shè)，如果滿足將模型確定為隨機(jī)效應(yīng)模型，反之則確定為固定效應(yīng)模型?；诒疚牡难芯啃枰?，建立的固定效應(yīng)模型如下： 其中i=1,2,3,4,5表示個(gè)體成員，t=1,2,3T表示時(shí)間跨度。建立的隨機(jī)效用模型如下： 其中i=1,2,3,4,5表示個(gè)體成員，t=1,2,3T表示時(shí)間跨度。由上面的論述我們在主觀上斷模型是固定效應(yīng)還是隨機(jī)效應(yīng)是個(gè)困難的問題，因此我們依據(jù)Hausman檢驗(yàn)的結(jié)果在兩者之間做出選擇。Hausman檢驗(yàn)的原假設(shè)是選擇隨機(jī)效應(yīng)模型，其被擇假設(shè)為固定效應(yīng)模型。當(dāng)Hausman統(tǒng)計(jì)量在統(tǒng)計(jì)上顯著時(shí)，我們拒絕原假設(shè)，

13、選擇固定效應(yīng)模型進(jìn)行參數(shù)估計(jì)，否則應(yīng)當(dāng)選擇隨機(jī)效應(yīng)模型估計(jì)參數(shù)。表4.1是采用隨機(jī)效應(yīng)模型得到的結(jié)果。表4.1 隨機(jī)效應(yīng)模型運(yùn)行(ynxng)結(jié)果VariableCoefficientStd. Errort-StatisticProb.C1832.781284.73236.4368550.0000X1?0.4221950.0976764.3223850.0001X2?1.6120910.2456086.5636770.0000X3?2.58E-053.34E-050.7737450.4427Random Effects (Cross)BJ-C-153.5350TJ-C44.05352HB-C3

14、86.6175SX-C-311.8704NMG-C34.73442Effects SpecificationS.D.RhoCross-section random219.80430.0476Idiosyncratic random982.75030.9524Weighted StatisticsR-squared0.964156Mean dependent var9465.550Adjusted R-squared0.962047S.D. dependent var6048.277S.E. of regression1178.292Sum squared resid70807032F-stat

15、istic457.2744Durbin-Watson stat0.470217Prob(F-statistic)0.000000根據(jù)上面的隨機(jī)效應(yīng)模型可以看出總體模型的概率P值為0.0000，說明模型總體是顯著(xinzh)的。下面我們判斷是建立隨機(jī)效應(yīng)模型還是固定效應(yīng)模型，于是我們對上述的隨機(jī)效應(yīng)模型進(jìn)行Hausman檢驗(yàn)(jinyn)，當(dāng)Hausman統(tǒng)計(jì)量在統(tǒng)計(jì)上顯著時(shí)，選擇固定效應(yīng)模型進(jìn)行參數(shù)估計(jì)，否則應(yīng)當(dāng)選擇隨機(jī)效應(yīng)模型估計(jì)參數(shù)。表4.2是Hausman檢驗(yàn)的結(jié)果。表4.2 Hausman檢驗(yàn)的運(yùn)行結(jié)果Test SummaryChi-Sq. StatisticChi-Sq. d.f.

16、Prob.Cross-section random25.31452730.0000Cross-section random effects test comparisons:VariableFixedRandomVar(Diff.)Prob.X1?0.6026270.4221950.0116180.0941X2?0.9009641.6120910.1024510.0263X3?0.0001780.0000260.0000000.0041由表5.2我們(w men)可以得出Hausman檢驗(yàn)的P值為0.0000小于置信水平0.05，因此(ync)我們拒絕原假設(shè)，即采用(ciyng)固定效應(yīng)模型。

17、下面運(yùn)用Eviews6.0軟件對各個(gè)變量采用固定效應(yīng)模型進(jìn)行回歸分析。得到表5.3的運(yùn)行結(jié)果。表4.3 固定效應(yīng)模型的運(yùn)行結(jié)果VariableCoefficientStd. Errort-StatisticProb.C2197.305325.74016.7455750.0000X1?0.6026270.1454614.1428670.0001X2?0.9009640.4034532.2331300.0303X3?0.0001786.28E-052.8403630.0066Fixed Effects (Cross)BJ-C-1866.327TJ-C-578.8009HB-C2369.240SX-

18、C-264.5233NMG-C340.4113Effects SpecificationCross-section fixed (dummy variables)R-squared0.979967Mean dependent var11785.56Adjusted R-squared0.976983S.D. dependent var6477.739S.E. of regression982.7503Akaike info criterion16.75231Sum squared resid45392512Schwarz criterion17.04429Log likelihood-452.6885Hannan-Quinn criter.16.86522F-statistic328.4489Durbin-Watson stat0.781992Prob(F-statistic)0.000000由表4.3的運(yùn)行結(jié)果我們可以得出在置信水平為