中國產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響

全國大學(xué)生統(tǒng)計(jì)建模大賽論文論文題目：中國產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響基于面板模型分析參賽隊(duì)員：王煥英王尚坤王燦指導(dǎo)老師：雷建敏魯筠參賽單位：云南財(cái)經(jīng)大學(xué)提交日期：2009-9-28目錄TOC\o"1-2"\h\z\u一、引言 2二、數(shù)據(jù)及模型解釋 3(一)數(shù)據(jù)解釋 3（二）基礎(chǔ)模型介紹 4（三）面板數(shù)據(jù)模型的概述 4三、產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的貢獻(xiàn)實(shí)證分析 5（一）首先考慮不同產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響 61.混合效應(yīng)模型 62.隨機(jī)效應(yīng)模型 63.固定效應(yīng)模型 7（二）產(chǎn)業(yè)結(jié)構(gòu)與生產(chǎn)要素效率的關(guān)系分析模型 71.混合效應(yīng)模型 82.隨機(jī)效應(yīng)模型 93.固定效應(yīng)模型 9（三）模型的不足和改進(jìn) 10四、建議及結(jié)論 10附表 12參考文獻(xiàn) 19中國產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響——基于面板模型分析內(nèi)容提要：經(jīng)濟(jì)增長主要表現(xiàn)為經(jīng)濟(jì)總量的增長。但是,經(jīng)濟(jì)總量的增長是以各產(chǎn)業(yè)部門的增長為基礎(chǔ)的。現(xiàn)有文獻(xiàn)中主要是采用截面數(shù)據(jù)對各省份的產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行分析，而本文采用面板數(shù)據(jù)從截面?zhèn)€體及時(shí)間變動(dòng)兩方面，研究我國產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的整體影響，及產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)變動(dòng)對經(jīng)濟(jì)增長的影響。從而合理的解釋我國三大產(chǎn)業(yè)結(jié)構(gòu)如何帶動(dòng)經(jīng)濟(jì)的增長，以此使產(chǎn)業(yè)結(jié)構(gòu)合理化。關(guān)鍵詞：產(chǎn)業(yè)結(jié)構(gòu)經(jīng)濟(jì)增長面板模型一、引言所謂產(chǎn)業(yè)結(jié)構(gòu)是指國民經(jīng)濟(jì)各產(chǎn)業(yè)之間的相互關(guān)系。產(chǎn)業(yè)結(jié)構(gòu)是一個(gè)體系,它包括構(gòu)成該體系的各子系(即產(chǎn)業(yè)部門)的構(gòu)成形式及地位、各子系間的相互聯(lián)系和相互作用。產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)與經(jīng)濟(jì)增長是分不開的。一方面，產(chǎn)業(yè)結(jié)構(gòu)體系的構(gòu)成是隨著經(jīng)濟(jì)增長而發(fā)生變動(dòng)的。在人類社會(huì)發(fā)展的漫長歷史長河中,產(chǎn)業(yè)結(jié)構(gòu)是由最簡單的以農(nóng)業(yè)為中心的初級產(chǎn)業(yè)結(jié)構(gòu)發(fā)展到現(xiàn)在的以三大支柱產(chǎn)業(yè)即農(nóng)業(yè)、制造業(yè)和服務(wù)業(yè)為核心的結(jié)構(gòu)體系。美國著名經(jīng)濟(jì)學(xué)家西蒙?庫茲涅茨在他的《各國的經(jīng)濟(jì)增長》(1966年)等著作中,對伴隨著經(jīng)濟(jì)增長的產(chǎn)業(yè)結(jié)構(gòu)變化作過很好的描述。他指出:農(nóng)業(yè)部門(即第一產(chǎn)業(yè))所實(shí)現(xiàn)的國民收入,隨著年代的延續(xù),在整個(gè)國民收入中的比重和農(nóng)業(yè)勞動(dòng)力在全部勞動(dòng)力中的比重一樣,處于不斷下降之中。工業(yè)部門(即第二產(chǎn)業(yè))占國民收入的相對比重,大體來看是上升的,但工業(yè)部門勞動(dòng)力的相對比重,把世界各國的情況綜合起來看大體不變或略有上升。服務(wù)部門(即第三產(chǎn)業(yè))的勞動(dòng)力的相對比重,差不多在所有的國家里都是上升的。而國民收入的相對比重大體不變,略有上升。另一方面，產(chǎn)業(yè)結(jié)構(gòu)在一定意義上又決定了經(jīng)濟(jì)的增長方式。經(jīng)濟(jì)增長主要是通過一國國民生產(chǎn)總值的增加來度量的,1949年庫茲尼茨(Kuznets,1949)提出,一個(gè)國家國民收入的度量必須從產(chǎn)業(yè)結(jié)構(gòu)的角度去衡量,而一個(gè)經(jīng)濟(jì)的產(chǎn)業(yè)結(jié)構(gòu)又是由其生產(chǎn)方式所決定的。錢納里(Chenery,1960)通過分析部門增長的決定要素指出：當(dāng)一個(gè)國家的經(jīng)濟(jì)規(guī)模發(fā)生變化時(shí),服務(wù)行業(yè)和農(nóng)業(yè)變化最小,而制造業(yè)增長最大,由此提出產(chǎn)業(yè)增長的模式,并認(rèn)為這種工業(yè)化模式能使資源得到最優(yōu)配置。近年來，我國的很多學(xué)者作了很多關(guān)于產(chǎn)業(yè)結(jié)構(gòu)變化對經(jīng)濟(jì)增長的相關(guān)研究。劉偉和李紹榮(2002)給出了產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長貢獻(xiàn)的分析模型,以及產(chǎn)業(yè)結(jié)構(gòu)與生產(chǎn)要素效率的關(guān)系模型。并利用這兩個(gè)模型并通過模型變量的適當(dāng)變換也可以分析經(jīng)濟(jì)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響。袁捷敏（2007）采用偏離—份額分析方法對全國31個(gè)省(區(qū)、市)2000—2004年的經(jīng)濟(jì)增長影響因素進(jìn)行了分析，并揭示產(chǎn)業(yè)結(jié)構(gòu)和區(qū)域經(jīng)濟(jì)增長之間的關(guān)系。黃君，黃文（2008）采用1981年-2006年的我國GDP的總量和第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)的產(chǎn)出作為樣本數(shù)據(jù)來分析產(chǎn)業(yè)結(jié)構(gòu)變化對經(jīng)濟(jì)增長影響，通過建立簡單的線性回歸模型來得出當(dāng)前我國各個(gè)產(chǎn)業(yè)對GDP增長的貢獻(xiàn)以及這一貢獻(xiàn)在一定時(shí)期內(nèi)的變化情況。劉建黨（2008）闡述了產(chǎn)業(yè)結(jié)構(gòu)變化、演進(jìn)的內(nèi)在機(jī)制；探討了產(chǎn)業(yè)結(jié)構(gòu)變化與經(jīng)濟(jì)增長的聯(lián)系機(jī)制，并基于此提出了勞動(dòng)力配置理論、擴(kuò)張需求的投資理論、技術(shù)進(jìn)步理論和外部效應(yīng)理論。面板數(shù)據(jù)模型是近20年來計(jì)量經(jīng)濟(jì)學(xué)理論方法的重要發(fā)展之一，具有很好的應(yīng)用價(jià)值。面板數(shù)據(jù)是指在時(shí)間序列上的多個(gè)截面，在這些截面上同時(shí)選取樣本觀測值所構(gòu)成的樣本數(shù)據(jù)，即包括兩維的數(shù)據(jù)(橫截面和時(shí)間)。如果只考慮截面數(shù)據(jù)，即同一時(shí)間的不同個(gè)體的數(shù)據(jù)，我們只能分析個(gè)體之間的關(guān)系。如果只考慮時(shí)間序列數(shù)據(jù)，即同一個(gè)個(gè)體在不同時(shí)間上的數(shù)據(jù)，我們得到的只是與時(shí)間有關(guān)的一些結(jié)論。面板數(shù)據(jù)使得我們在分析橫截面?zhèn)€體之間的關(guān)系的同時(shí)還可以探討個(gè)體與時(shí)間之間的關(guān)系?；谏鲜鲈蛭覀儾捎妹姘鍞?shù)據(jù)對我國產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長的關(guān)系進(jìn)行分析，從而更合理的反映出產(chǎn)業(yè)結(jié)構(gòu)影響我國經(jīng)濟(jì)增長的方式，也有利于進(jìn)一步使產(chǎn)業(yè)結(jié)構(gòu)合理化。本文分五部分介紹，第一部分引言，概括了現(xiàn)有研究的結(jié)論及方法；第二部分?jǐn)?shù)據(jù)及模型介紹，第三部分產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長貢獻(xiàn)實(shí)證研究；第四部分結(jié)論及建議二、數(shù)據(jù)及模型解釋(一)數(shù)據(jù)解釋本文采用全國29個(gè)省市自治區(qū)1978年—2007年的數(shù)據(jù)。數(shù)據(jù)來源于《新中國統(tǒng)計(jì)50年統(tǒng)計(jì)資料匯編》、《中國統(tǒng)計(jì)年鑒》及國泰安數(shù)據(jù)庫。按照以往的規(guī)則不包括西藏，1996年以后的重慶加入四川省。采用的指標(biāo)有：各地區(qū)生產(chǎn)總值Y，各地區(qū)第一、二、三產(chǎn)業(yè)總值、、，各地區(qū)勞動(dòng)力投入量L（各地區(qū)就業(yè)人數(shù)衡量），各地區(qū)資本投入量K（用各地區(qū)資本存量衡量）。其中產(chǎn)值均用實(shí)際GDP來衡量。（二）基礎(chǔ)模型介紹本文中生產(chǎn)函數(shù)遵循

Cobb—Douglas生產(chǎn)函數(shù)，具體形式為：Y表示國民收入；K表示一個(gè)國家或地區(qū)的資本存量；L表示勞動(dòng)力要素的投入量；和分別表示資本和勞動(dòng)力的產(chǎn)出彈性;是隨機(jī)擾動(dòng)項(xiàng)，表示除資本和勞動(dòng)之外其他生產(chǎn)因素對生產(chǎn)的影響。不同的產(chǎn)業(yè)結(jié)構(gòu)對總產(chǎn)出影響的函數(shù)（表示總產(chǎn)值；，表示第產(chǎn)業(yè)的產(chǎn)出量,是隨機(jī)擾動(dòng)項(xiàng)），可利用以下計(jì)量模型研究產(chǎn)業(yè)結(jié)構(gòu)的變化對經(jīng)濟(jì)增長的貢獻(xiàn)：不同的產(chǎn)業(yè)對總產(chǎn)出的影響是通過對生產(chǎn)規(guī)模和要素效率兩方面產(chǎn)生作用的，可利用下列模型對此加以量化：其中表示總產(chǎn)出;表示資本使用量;表示勞動(dòng)投入量；,表示各產(chǎn)業(yè)的產(chǎn)出占總產(chǎn)出的比例或經(jīng)濟(jì)中各經(jīng)濟(jì)成分的比重。（三）面板數(shù)據(jù)模型的概述1.經(jīng)濟(jì)分析中的面板數(shù)據(jù)問題在經(jīng)濟(jì)分析中，經(jīng)常會(huì)發(fā)現(xiàn)，只利用截面數(shù)據(jù)或者只利用時(shí)間序列數(shù)據(jù)都不能滿足分析目的的需要。例如，如果分析目前我國產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響問題，它既受到各地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的影響，也受到國家在不同時(shí)期的宏觀經(jīng)濟(jì)政策的影響。只利用截面數(shù)據(jù)，即選擇同一時(shí)間上不同省市的數(shù)據(jù)作為樣本觀測值，可分析各省市不同產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響，但是不能分析國家的宏觀政策對各省市產(chǎn)業(yè)結(jié)構(gòu)的影響；只利用時(shí)間序列數(shù)據(jù)，即選擇同一省市或者全國在不同時(shí)間上的數(shù)據(jù)作為樣本觀測值，可以分析國家的宏觀政策對各省市不同產(chǎn)業(yè)的影響，但不能分析不同產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響。若采用面板數(shù)據(jù)，即在不同時(shí)間上選擇不同省市的數(shù)據(jù)作為樣本觀測值，就可以分析不同產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響，又可以分析國家宏觀政策對同時(shí)期的產(chǎn)業(yè)結(jié)構(gòu)的影響。2.面板數(shù)據(jù)模型的簡介面板數(shù)據(jù)模型的一般形式為：（1）其中，分別表示第個(gè)個(gè)體在t時(shí)刻的被解釋變量、解釋變量的觀測值，為一標(biāo)量，為系數(shù)向量，為元外生解釋變量的列向量，隨機(jī)擾動(dòng)項(xiàng)。模型（1）有如下三種情形：情形1：在截面上午個(gè)體影響無結(jié)構(gòu)變化。情形2：稱為變截距模型，在截面上個(gè)體影響不同，表現(xiàn)為模型中被忽略的個(gè)體的異質(zhì)性，有分為固定效應(yīng)和隨機(jī)效應(yīng)。情形3：稱為變系數(shù)模型，除了存在個(gè)體影響外，在截面上還存在變化的結(jié)構(gòu)。也分為固定效應(yīng)和隨機(jī)效應(yīng)兩種情況。三、產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的貢獻(xiàn)實(shí)證分析下面我們采用面板數(shù)據(jù)分析模型研究產(chǎn)業(yè)結(jié)構(gòu)的變化對經(jīng)濟(jì)增長的貢獻(xiàn)。各地區(qū)經(jīng)濟(jì)增長的回歸模型設(shè)定為代表年份（1978-2007），代表不同地區(qū)，表示不同產(chǎn)業(yè)，代表隨機(jī)擾動(dòng)項(xiàng)，代表地區(qū)效應(yīng)，代表時(shí)間效應(yīng)，是一組控制變量。研究的主要對象是1978年—2007年各省的經(jīng)濟(jì)數(shù)據(jù)。數(shù)據(jù)來源于《新中國統(tǒng)計(jì)50年統(tǒng)計(jì)資料匯編》、《中國統(tǒng)計(jì)年鑒》及國泰安數(shù)據(jù)庫。（具體數(shù)據(jù)見附表）以下分析都是在軟件Eviews6.0中實(shí)現(xiàn)的。（一）首先考慮不同產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響表1.1變量的定義和說明變量定義Y地區(qū)生產(chǎn)總值（用GDP來衡量）X1第一產(chǎn)業(yè)的產(chǎn)出量（用GDP來衡量）X2第二產(chǎn)業(yè)的產(chǎn)出量（用GDP來衡量）X3第三產(chǎn)業(yè)的產(chǎn)出量（用GDP來衡量）L各地區(qū)勞動(dòng)力投入量（各地區(qū)就業(yè)人數(shù)衡量）K各地區(qū)資本投入量（用各地區(qū)資本存量衡量）面板數(shù)據(jù)模型一般有三種形式：固定效應(yīng)模型，隨機(jī)效應(yīng)模型，混合效應(yīng)模型。我們建模的出發(fā)點(diǎn)是度量不同產(chǎn)業(yè)之間對經(jīng)濟(jì)增長的貢獻(xiàn)的差異，以便更好地調(diào)節(jié)產(chǎn)業(yè)結(jié)構(gòu)，因?yàn)楹侠淼漠a(chǎn)業(yè)結(jié)構(gòu)可以促進(jìn)經(jīng)濟(jì)的快速增長。1.混合效應(yīng)模型為了分析的方便，我們將變量,,,的數(shù)據(jù)都進(jìn)行取對數(shù)的處理，然后再進(jìn)行分析。在模型中，變量都相應(yīng)地轉(zhuǎn)變?yōu)?,,.分析過程如下：對變量,,進(jìn)行混合回歸分析，考慮截距項(xiàng)不為零的情況，三個(gè)變量都通過了顯著性檢驗(yàn)，模型的擬合優(yōu)憂度達(dá)到0.948965。但是Durbin-Watsonstat的值為0.133028，說明回歸方程的殘差項(xiàng)存在嚴(yán)重的序列相關(guān)性。同時(shí)，第三產(chǎn)業(yè)的總產(chǎn)值與地區(qū)總產(chǎn)值成負(fù)相關(guān)關(guān)系，這與實(shí)際經(jīng)濟(jì)不相符，我們有理由相信，在這里，混合回歸模型不適合。見附表（表1，表2）2.隨機(jī)效應(yīng)模型分別考慮了個(gè)體隨機(jī)效應(yīng)模型，時(shí)間隨機(jī)效應(yīng)模型，個(gè)體和時(shí)間都隨機(jī)的模型。并分別對這三類模型進(jìn)行了Hausman檢驗(yàn)。隨機(jī)效應(yīng)估計(jì)的一個(gè)核心假設(shè)，即原假設(shè)是隨機(jī)效應(yīng)與解釋變量無關(guān)，Hausman檢驗(yàn)是對這個(gè)假設(shè)進(jìn)行檢驗(yàn)的一種普偏方法。檢驗(yàn)的輸出結(jié)果見附表（表3，表4，表5），從結(jié)果中可以看出，三類隨機(jī)效應(yīng)模型的Hausman檢驗(yàn)都拒絕了隨機(jī)效應(yīng)與解釋變量無關(guān)的假設(shè)，因此我們考慮用固定效應(yīng)模型進(jìn)行相應(yīng)的分析。3.固定效應(yīng)模型對于固定效應(yīng)模型，我們也分別考慮了三種情形：個(gè)體固定效應(yīng)模型，時(shí)間固定效應(yīng)模型，個(gè)體時(shí)間固定效應(yīng)模型。我們對三種固定效應(yīng)模型的分析結(jié)果（見附表，表6-表11）進(jìn)行了比較，比較的結(jié)果如下表：表1.2固定效應(yīng)模型分析結(jié)果比較模型參數(shù)名稱個(gè)體固定效應(yīng)模型時(shí)間固定效應(yīng)模型個(gè)體時(shí)間固定效應(yīng)模型R-squared0.9919140.9857730.995835AdjustedR-squared0.9916150.9852290.995526Akaikeinfocriterion-1.490204-0.922863-2.086817Schwarzcriterion-1.314811-0.741989-1.752474從表中可以直接看出，個(gè)體時(shí)間固定效應(yīng)模型中R-squared和AdjustedR-squared在三模型中最大，AIC和SC的值在三者中最小，相比較而言，個(gè)體時(shí)間固定效應(yīng)模型擬合程度更好。在個(gè)體固定效應(yīng)模型中，三個(gè)變量都通過了顯著性檢驗(yàn)，而且三個(gè)變量與被解釋變量都成正相關(guān)關(guān)系，這與實(shí)際經(jīng)濟(jì)情況相吻合。由此我們應(yīng)選擇個(gè)體時(shí)間固定效應(yīng)模型來分析三產(chǎn)業(yè)對經(jīng)濟(jì)增長的影響。從個(gè)體時(shí)間固定效應(yīng)模型的參數(shù)估計(jì)結(jié)果（見附表表10）中知，的系數(shù)0.0507，的系數(shù)是0.2255，的系數(shù)是0.3010，這說明在三產(chǎn)業(yè)中，對經(jīng)濟(jì)總產(chǎn)量影響最大的是第三產(chǎn)業(yè)，其次是第二產(chǎn)業(yè)，影響最小的是第一產(chǎn)業(yè)。這也不難理解，改革開放以后，我國的產(chǎn)業(yè)結(jié)構(gòu)發(fā)生了一些顯著的變化，第一產(chǎn)業(yè)對經(jīng)濟(jì)總量的影響逐漸下降；第二產(chǎn)業(yè)對經(jīng)濟(jì)總產(chǎn)量的貢獻(xiàn)穩(wěn)步提高；第三產(chǎn)業(yè)對經(jīng)濟(jì)總產(chǎn)量的影響在逐年增長。（二）產(chǎn)業(yè)結(jié)構(gòu)與生產(chǎn)要素效率的關(guān)系分析模型前面我們進(jìn)行了不同產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長影響的分析，但是這些產(chǎn)業(yè)是通過影響要素的生產(chǎn)效率來影響經(jīng)濟(jì)？還是通過影響經(jīng)濟(jì)的生產(chǎn)規(guī)模來影響經(jīng)濟(jì)呢？我們在此對這個(gè)問題進(jìn)行深入的實(shí)證分析。表2.1變量的定義和說明變量定義Y地區(qū)生產(chǎn)總值占總產(chǎn)出的比率X1第一產(chǎn)業(yè)的產(chǎn)出占總產(chǎn)出的比率X2第二產(chǎn)業(yè)的產(chǎn)出占總產(chǎn)出的比率X3第三產(chǎn)業(yè)的產(chǎn)出占總產(chǎn)出的比率L各地區(qū)勞動(dòng)力投入量（各地區(qū)就業(yè)人數(shù)衡量）KXL1XL2XL3XK1XK2XK3各地區(qū)資本投入量（用各地區(qū)資本存量衡量）X1與L的對數(shù)的乘積X2與L的對數(shù)的乘積X3與L的對數(shù)的乘積X1與K的對數(shù)的乘積X2與K的對數(shù)的乘積X3與K的對數(shù)的乘積模型的選擇：我們依然采面板數(shù)據(jù)模型的方法，模型設(shè)定為代表年份（1978-2007），代表地區(qū)，代表隨機(jī)擾動(dòng)項(xiàng)，代表地區(qū)效應(yīng)，代表時(shí)間效應(yīng)，是一組控制變量。在具體分析的過程中，我們將做了取對數(shù)處理，即用表2.1中的變量,,，,,,,,來解釋.同前面的方法一樣，分別對混合效應(yīng)模型，固定效應(yīng)模型，隨機(jī)效應(yīng)模型進(jìn)行分析，從中找出最合適的模型。1.混合效應(yīng)模型分析如下，對變量,,，,,,,,進(jìn)行混合回歸分析，在截距不為零的情況下，,,，,,,,,三個(gè)變量都通過了顯著性檢驗(yàn)，模型的擬合優(yōu)度達(dá)到0.9017。但是Durbin-Watsonstat的值為0.2198，意味著回歸方程的殘差項(xiàng)存在嚴(yán)重的序列相關(guān)性。說明在這里混合效應(yīng)模型不太適合。2.隨機(jī)效應(yīng)模型分別考慮了個(gè)體隨機(jī)效應(yīng)模型，時(shí)間隨機(jī)效應(yīng)模型，個(gè)體時(shí)間隨機(jī)效應(yīng)模型三種。這里依然用Hausman檢驗(yàn)，判斷模型應(yīng)該采用隨機(jī)效應(yīng)還是固定效應(yīng)。通過對三模型的檢驗(yàn)，都拒絕了零假設(shè)，即我們應(yīng)該采用固定效應(yīng)模型。Hausman檢驗(yàn)的部分結(jié)果見附表（表16，表17，表18）3.固定效應(yīng)模型對于固定效應(yīng)模型，同樣考慮了個(gè)體固定效應(yīng)模型，時(shí)間固定效應(yīng)模型，個(gè)體時(shí)間固定效應(yīng)模型。在個(gè)體固定效應(yīng)模型中，變量（第一產(chǎn)業(yè)產(chǎn)量占總產(chǎn)量的比重）,（勞動(dòng)在第一產(chǎn)業(yè)上的投入）,（勞動(dòng)在第三產(chǎn)業(yè)上的投入）都沒有通過顯著性檢驗(yàn)見附表（表20），剔除變量,,后，新的結(jié)果見表22、表23.將新的結(jié)果與混合效應(yīng)模型的結(jié)果比較如表2.2表2.2模型參數(shù)名稱個(gè)體固定效應(yīng)模型混合效應(yīng)模型R-squared0.9734610.901706AdjustedR-squared0.9723800.900677Akaikeinfocriterion-0.2947960.957071Schwarzcriterion-0.1029601.011881顯然，從表2.2可看出，無論是擬合優(yōu)度，還是AIC值和SC值，剔除三變量后的個(gè)體固定效應(yīng)模型都優(yōu)于混合效應(yīng)模型。在時(shí)間固定效應(yīng)模型中，所有變量都通過了顯著性檢驗(yàn)。但是擬合優(yōu)度，AIC值和SC值都不如剔除三變量后的個(gè)體固定效應(yīng)模型。見附表（表20，表21）再考慮個(gè)體時(shí)間固定效應(yīng)模型，在該模型中，X1沒有通過顯著性檢驗(yàn)，見附表（表24），剔除變量X1后的進(jìn)行分析，結(jié)果所有變量通過了顯著性檢驗(yàn)，見附表（表28，表29）.現(xiàn)將個(gè)體固定效應(yīng)模型（剔除變量X1,XL2,XL3），時(shí)間固定效應(yīng)模型，個(gè)體時(shí)間固定效應(yīng)模型（剔除變量X1）比較如表2.3，表2.3模型參數(shù)名稱個(gè)體固定效應(yīng)模型（剔除變量X1,XL2,XL3）時(shí)間固定效應(yīng)模型個(gè)體時(shí)間固定效應(yīng)模型（剔除變量X1）R-squared0.9734610.9456380.994927AdjustedR-squared0.9723800.9431520.994516Akaikeinfocriterion-0.2947960.431443-1.878150Schwarzcriterion-0.1029600.645203-1.516402從表2.3中可以看出，個(gè)體時(shí)間固定效應(yīng)模型（剔除變量X1）明顯優(yōu)于個(gè)體固定效應(yīng)和時(shí)間固定效應(yīng)模型。從個(gè)體時(shí)間固定效應(yīng)模型（剔除變量X1）的參數(shù)估計(jì)結(jié)果中可以看出，第一產(chǎn)業(yè)在總產(chǎn)出中的比率不影響要素的生產(chǎn)效率，只影響經(jīng)濟(jì)的生產(chǎn)規(guī)模。第一產(chǎn)業(yè)主要是通過增加資本，同時(shí)減少勞動(dòng)力的投入拉動(dòng)經(jīng)濟(jì)增長的。第二和第三產(chǎn)業(yè)在總產(chǎn)出中的比率既影響要素的生產(chǎn)率，又影響經(jīng)濟(jì)的生產(chǎn)規(guī)模。第二產(chǎn)業(yè)是通過同時(shí)增加投資和勞動(dòng)投入來影響經(jīng)濟(jì)增長的。（三）模型的不足和改進(jìn)本文建立了兩個(gè)面板數(shù)據(jù)模型，分別討論了不同產(chǎn)業(yè)對經(jīng)濟(jì)總量的影響，以及各產(chǎn)業(yè)以什么樣的方式影響經(jīng)濟(jì)總量。然而我們的模型也存在一些不足。一是由于不同產(chǎn)業(yè)之間，影響經(jīng)濟(jì)的主要產(chǎn)業(yè)沒有加入進(jìn)來，模型的擬合程度有待進(jìn)一步提高。二是由于選取的數(shù)據(jù)量有限，擬合的模型不能很好地反映實(shí)際問題。三是在建模的過程中沒有分階段的討論產(chǎn)業(yè)結(jié)構(gòu)的變化對經(jīng)濟(jì)的影響。這幾點(diǎn)都是我們值得改進(jìn)的地方。四、建議及結(jié)論根據(jù)我們對面板數(shù)據(jù)模型的分析，可以看出，產(chǎn)業(yè)結(jié)構(gòu)的狀態(tài)在一定程度上影響著經(jīng)濟(jì)總量的增長。經(jīng)濟(jì)增長是一種投入產(chǎn)出關(guān)系，雖然資源的投入是產(chǎn)出的基礎(chǔ)，但投入的產(chǎn)出效益很大程度上取決于結(jié)構(gòu)的優(yōu)化程度。如果產(chǎn)業(yè)結(jié)構(gòu)均衡，資源的配置是合理的，經(jīng)濟(jì)總量就會(huì)保持持續(xù)的增長；如果產(chǎn)業(yè)結(jié)構(gòu)失衡，資源配置效率低下，經(jīng)濟(jì)增長必然是緩慢的。根據(jù)分析并結(jié)合我國的實(shí)際情況，提出以下建議：（一）用結(jié)構(gòu)優(yōu)化經(jīng)濟(jì)增長，推進(jìn)效益和質(zhì)量的提高。在不同產(chǎn)業(yè)之間，合理分配資源。加強(qiáng)基礎(chǔ)設(shè)施的建設(shè)，用科學(xué)技術(shù)改造傳統(tǒng)產(chǎn)業(yè)，促進(jìn)產(chǎn)業(yè)間的協(xié)調(diào)發(fā)展。（二）經(jīng)濟(jì)總量的持續(xù)增長依賴于產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變。表現(xiàn)在經(jīng)濟(jì)增長必須依靠那些高于平均增長率的新型產(chǎn)業(yè)來支撐。如果沒有較高增長率的新型產(chǎn)業(yè)出現(xiàn)，也就沒有產(chǎn)業(yè)結(jié)構(gòu)的變化，那么經(jīng)濟(jì)總量就必然下降。因此，要大力發(fā)展新型產(chǎn)業(yè)，調(diào)整原有產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)經(jīng)濟(jì)經(jīng)濟(jì)更好的發(fā)展。附表表1混合效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C1.5502370.03981138.939460.0000LNX1?0.0812710.0134056.0626550.0000LNX2?0.7706640.02681128.744480.0000LNX3?-0.1126740.026366-4.2734870.0000表2混合效應(yīng)模型的相關(guān)統(tǒng)計(jì)量表參數(shù)名稱數(shù)值R-squared0.948965AdjustedR-squared0.948788S.E.ofregression0.278785Sumsquaredresid67.30650Loglikelihood-121.2087F-statistic5367.528Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion0.287836Schwarzcriterion0.309760Durbin-Watsonstat0.133028表3個(gè)體隨機(jī)效應(yīng)模型Hausman檢驗(yàn)表TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.

Cross-sectionrandom271.15328730.0000表4時(shí)間隨機(jī)效應(yīng)模型Hausman檢驗(yàn)表TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.

Periodrandom933.15896830.0000表5個(gè)體時(shí)間隨機(jī)效應(yīng)模型Hausman檢驗(yàn)表TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom0.00000031.0000Periodrandom0.00000031.0000Cross-sectionandperiodrandom0.00000031.0000表6個(gè)體固定效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C2.5457640.03356275.852870.0000LNX1?-0.0364430.018228-1.9992500.0459LNX2?0.2923850.01809916.154330.0000LNX3?0.3251020.01819517.868020.0000表7個(gè)體固定效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.991914AdjustedR-squared0.991615S.E.ofregression0.112806Sumsquaredresid10.66374Loglikelihood680.2388F-statistic3316.131Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-1.490204Schwarzcriterion-1.314811Hannan-Quinncriter.-1.423094Durbin-Watsonstat0.353812表8時(shí)間固定效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C0.3273410.0351459.3140180.0000LNX1?0.0563220.0073207.6938110.0000LNX2?0.4015470.01815822.113850.0000LNX3?0.5235150.02177424.043210.0000表9時(shí)間固定效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.985773AdjustedR-squared0.985229S.E.ofregression0.149723Sumsquaredresid18.76309Loglikelihood434.4452F-statistic1812.311Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-0.922863Schwarzcriterion-0.741989Hannan-Quinncriter.-0.853655表10個(gè)體時(shí)間固定效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C2.6332540.11904122.120520.0000LNX1?0.0507310.0186062.7266770.0065LNX2?0.2255440.01675413.461890.0000LNX3?0.3010420.01919515.683260.0000表11個(gè)體時(shí)間固定效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.995835AdjustedR-squared0.995526S.E.ofregression0.082405Sumsquaredresid5.493522Loglikelihood968.7652F-statistic3223.430Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-2.086817Schwarzcriterion-1.752474Hannan-Quinncriter.-1.958888表12混合效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C6.4653540.06901093.687140.0000X1?-11.574780.419209-27.610990.0000X2?-3.9580930.224834-17.604510.0000X3?4.6375720.40565911.432200.0000XL1?0.8387040.05581415.026660.0000XL2?0.7351280.04331816.970370.0000XL3?-0.4227380.041559-10.172010.0000XK1?0.8164000.04657217.529950.0000XK2?-0.1415610.039515-3.5825000.0004XK3?-0.2521520.045644-5.5242740.0000表13混合效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.901706AdjustedR-squared0.900677S.E.ofregression0.388246Sumsquaredresid129.6319Loglikelihood-406.3259F-statistic876.5847Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion0.957071Schwarzcriterion1.011881Durbin-Watsonstat0.219769表14個(gè)體隨機(jī)效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C5.4302040.05636796.336260.0000X1?-8.2133580.352786-23.281390.0000X2?-2.7133050.139610-19.434930.0000X3?3.7388680.24089815.520520.0000XL1?0.7004960.04576615.305910.0000XL2?0.2053910.0327216.2770930.0000XL3?-0.2300960.026081-8.8223730.0000XK1?0.4907210.02900716.917410.0000XK2?-0.1939970.022480-8.6297400.0000XK3?0.1705980.0310525.4940150.0000表15個(gè)體隨機(jī)效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.909371AdjustedR-squared0.908423S.E.ofregression0.279429F-statistic958.8082Prob(F-statistic)0.000000R-squared0.909371AdjustedR-squared0.908423Meandependentvar1.980536S.D.dependentvar0.923376Sumsquaredresid67.14944Durbin-Watsonstat0.273592表16個(gè)體隨機(jī)效應(yīng)模型的Hausman檢驗(yàn)TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom755.48514490.0000表17時(shí)間隨機(jī)效應(yīng)的Hausman檢驗(yàn)TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Periodrandom603.56544590.0000表18個(gè)體時(shí)間隨機(jī)效應(yīng)的Hausman檢驗(yàn)TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom0.00000091.0000Periodrandom0.00000091.0000Cross-sectionandperiodrandom0.00000091.0000表20個(gè)體固定效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C4.8109600.05934981.062530.0000X1?-0.7502110.500349-1.4993750.1342X2?-2.1581350.145714-14.810800.0000X3?2.6945810.24938610.804850.0000XL1?-0.1399140.064427-2.1716460.0302XL2?-0.0481240.035601-1.3517670.1768XL3?-0.0124880.027938-0.4470080.6550XK1?0.3212750.03044710.552000.0000XK2?-0.2505500.022912-10.935360.0000XK3?0.3797730.03309511.475130.0000表21個(gè)體固定效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.973630AdjustedR-squared0.972458S.E.ofregression0.204448Sumsquaredresid34.77675Loglikelihood166.0252F-statistic830.2549Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-0.294311Schwarzcriterion-0.086032Hannan-Quinncriter.-0.214618Durbin-Watsonstat0.353306表22個(gè)體固定效應(yīng)模型的參數(shù)估計(jì)（去掉X1,XL2,XL3）VariableCoefficientStd.Errort-StatisticProb.

C4.8485370.029239165.82670.0000X2?-2.2490840.118504-18.978980.0000X3?2.6547540.17341115.309010.0000XL1?-0.2483620.024785-10.020600.0000XK1?0.3311910.02578312.845420.0000XK2?-0.2537140.022323-11.365720.0000XK3?0.3378380.01595421.175140.0000表23個(gè)體固定效應(yīng)模型的相關(guān)統(tǒng)計(jì)量（去掉X1,XL2,XL3）參數(shù)名稱數(shù)值R-squared0.973461AdjustedR-squared0.972380S.E.ofregression0.204736Sumsquaredresid35.00044Loglikelihood163.2361F-statistic900.8183Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-0.294796Schwarzcriterion-0.102960Hannan-Quinncriter.-0.221394Durbin-Watsonstat0.343500表24時(shí)間固定效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C7.2863470.08038690.642110.0000X1?-9.2206700.335357-27.495100.0000X2?-2.3446610.188205-12.458030.0000X3?0.8818600.3482502.5322600.0115XL1?0.7222800.04352916.593060.0000XL2?0.8261370.03389224.375640.0000XL3?-0.4458950.032392-13.765530.0000XK1?0.5971600.03748815.929400.0000XK2?0.2932210.0351878.3332250.0000XK3?-0.5821110.039050-14.906890.0000表25時(shí)間固定效應(yīng)模型的相關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.945638AdjustedR-squared0.943152S.E.ofregression0.293724Sumsquaredresid71.69375Loglikelihood-148.6775F-statistic380.4046Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion0.431443Schwarzcriterion0.645203Hannan-Quinncriter.0.513233Durbin-Watsonstat0.149358表26個(gè)體時(shí)間固定效應(yīng)模型的參數(shù)估計(jì)VariableCoefficientStd.Errort-StatisticProb.

C5.2581710.032989159.39020.0000X1?-0.3992800.227449-1.7554670.0795X2?-1.4177690.070999-19.968820.0000X3?1.2669310.11893310.652500.0000XL1?-0.1703730.028981-5.8787910.0000XL2?0.0775360.0166094.6682590.0000XL3?-0.0827880.013264-6.2413600.0000XK1?0.2987210.01454020.544260.0000XK2?-0.0299790.012317-2.4340010.0151XK3?0.1424060.0162408.7689500.0000表27個(gè)體時(shí)間固定效應(yīng)模型的關(guān)統(tǒng)計(jì)量參數(shù)名稱數(shù)值R-squared0.973373AdjustedR-squared0.972189S.E.ofregression0.151672F-statistic822.0161Prob(F-statistic)0.000000Meandependentvar5.897608S.D.depe