課程論文-建筑業(yè)總產(chǎn)值與計量經(jīng)濟學分析

建筑業(yè)總產(chǎn)值與計量經(jīng)濟學分析內(nèi)容摘要：建筑業(yè)是我國國民經(jīng)濟的一大支柱產(chǎn)業(yè)，在我國的工業(yè)化和城市化進程中華國，發(fā)揮著至關重要的作用。要更加系統(tǒng)化地了解各種因素對建筑業(yè)總產(chǎn)值的影響，就要對其進行計量等方面的深入研究。關鍵詞：建筑業(yè)總面積施工房屋面積竣工房屋面積全部職工平均人數(shù)企業(yè)單位個數(shù)建筑業(yè)總產(chǎn)值與計量經(jīng)濟學分析一、引言隨著江蘇省國民經(jīng)濟的快速增長，建筑業(yè)作為拉動國民經(jīng)濟的關鍵環(huán)節(jié)也有了長足的發(fā)展，這種發(fā)展不僅體現(xiàn)在整個行業(yè)規(guī)模的擴大，更體現(xiàn)在內(nèi)部結構的不斷優(yōu)化，從而更好地發(fā)揮了建筑業(yè)推動國民經(jīng)濟，提高人民生活水平的功能。近20年來，隨著商品房、鐵路、公共設施、港口等各類建筑業(yè)新興業(yè)態(tài)的快速發(fā)展促使江蘇建筑業(yè)經(jīng)歷了重大的產(chǎn)業(yè)結構升級。并且建筑業(yè)作為我國城市經(jīng)濟改革的先行領域，在從計劃經(jīng)濟走向市場經(jīng)濟的過程中，率先承擔了體制變革帶來的各種成本，并為其他各行各業(yè)的改革提供著寶貴的經(jīng)驗。面對如此快速的變遷，把握其運行發(fā)展的趨勢成為了為江蘇省建筑業(yè)提供良好制度環(huán)境的破在迫在眉睫的工作。本文將基于1989-2009年江蘇省建筑施工企業(yè)概況表，運用計量經(jīng)濟學相關知識，對影響江蘇省建筑業(yè)總產(chǎn)值的因素進行分析，從而揭示其中對江蘇省建筑業(yè)總產(chǎn)值的影響。二、理論基礎建筑業(yè)總產(chǎn)值（自行完成施工產(chǎn)值）指以貨幣表現(xiàn)的建筑安裝企業(yè)在一定時期內(nèi)生產(chǎn)的建筑業(yè)產(chǎn)品的總和房屋施工面積指報告期內(nèi)施過工的全部房屋建筑面積，包括本期新開工、上期跨入本期繼續(xù)施工、上期停緩建在本期恢復施工、本期竣工和本期施工后又停緩建的房屋面積。房屋竣工面積指在報告期內(nèi)房屋建筑按照設計要求已全部完工，達到了使用條件，經(jīng)有關部門檢查驗收鑒定合格的房屋建筑面積。計算房屋竣工面積，必須嚴格執(zhí)行房屋竣工驗收標準。對民用建筑來講，一般應按設計要求在土建工程和房屋本身附屬的水、衛(wèi)、氣、暖等工程已經(jīng)完工，通風、電梯等設備已安裝完畢，做到水通、燈亮、經(jīng)驗收鑒定合格，并正式交付給使用單位后，才能計算竣工面積；對于工業(yè)及科研等生產(chǎn)性房屋建筑，一般應按設計要求在土建工程（包括水、暖、電、衛(wèi)、通風）及屬于房屋組成部分的生活間、操作間等已經(jīng)完成，經(jīng)驗收合格后才計算竣工面積。只差安裝工藝設備、管線工程的亦可以計算竣工面積。多重共線性指各解釋變量之間存在完全的或者近似的線性關系。三、建筑業(yè)總產(chǎn)值的計量經(jīng)濟學模型3.1模型的設計與參數(shù)估計3.1.1模型的設計施工房面積、竣工房面積、全部職工平均人數(shù)與企業(yè)單位個數(shù)是影響江蘇省建筑業(yè)總產(chǎn)值的四個最重要的因素。本模型是把施工房面積、竣工房面積。全部職工平均人數(shù)與企業(yè)單位個數(shù)作為解釋變量來揭示建筑業(yè)總產(chǎn)值。把施工房面積作為變量X1，竣工房面積作為變量X2，全部職工平均人數(shù)作為變量X2，企業(yè)單位個數(shù)作為變量X4，建筑業(yè)總產(chǎn)值作為被解釋變量Y，建立起建筑業(yè)總產(chǎn)值的單方程計量經(jīng)濟學模型：Y=c+b1X1+b2X2+b3X3+b4X4+ui其中c,b1,b2,b3,b4為待估計參數(shù)，u1,2,3…n,ui為隨機誤差項，它包含了除施工房面積、竣工房面積、全部職工平均人數(shù)和企業(yè)單位個數(shù)以外的因素對建筑業(yè)總產(chǎn)值的影響。我們對我們?nèi)〉玫臄?shù)據(jù)進行歸總統(tǒng)計可以得到如下表格匯總：變量模型1(2.776)模型2(3.182)模型3(3.182)C（-701.076（0.2332））（-7322.403（-1.324391））(-2991.79(-1.559058))X10.130597（0.0000）0.270982(4.929052)X2（-0.094145（0,1784））2.171119（4.929052）X31.389704（0.7478）3.433043（0.078758）9.331617(0.612499)X40.067557（0.8397）0.942224（0.280069）1.755053(1.577373)FF>臨界值F>臨界值F>臨界值R^20.9920440.9914310.994056變量模型4(3.182)模型5(3.182)模型6(12.706)C29.48288(0.935850)1101.656(3.431489)（-572.3865(-6.847686)）X10.000106(0..078758)0.004874(0.280069)0.100752(51.18658)X20.002314(0.612499)0.072746(1.577373)X37.43163(2.896144)X40.044456(2.896144)FF>臨界值F>臨界值F>臨界值R^20.9837280.9897720.992422其中括號內(nèi)的為T值，模型后面括號內(nèi)的為T值臨界值，因此我們得出的結論是：Y=-572.3865+0.100752X13.1.2數(shù)據(jù)分析過程如下：參數(shù)估計表1給出了自1989年至2009年的建筑業(yè)總產(chǎn)值、竣工房面積。施工房面積。全部職工平均人數(shù)和企業(yè)單位個數(shù)。表11989~2009年建筑施工企業(yè)概況年份建筑業(yè)總產(chǎn)值（億元，Y）施工面積（萬平方米，X1）竣工面積（萬平方米，X2）職工個數(shù)（萬人，X3）企業(yè)個數(shù)（個，X4）1989142.055447.403446.50128.5524081990147.235240.983307.93124.3122841991176.215711.133422.75126.4423161992265.807780.324387.99143.4424171993449.9910229.965767.78175.0628101994738.6013201.219336.28212.1733481995998.1116646.148739.38232.94342619961049.4215672.958252.13220.71352819971102.1216191.858787.36215.69354619981224.4217803.339958.90232.32358719991338.4618748.2510558.22222.80399420001546.1721287.1012329.65221.48394820011859.4124319.0114268.89239.52387220022199.5227753.3915478.58251.36408420032794.9433949.9517730.02277.91426720043656.6643170.5721756.82305.64524120054368.9552242.2325391.86342.24590920065424.8563140.4928715.39379.77637120077010.5779901.6334992.20437.10701720088547.9490144.6440272.98488.678389200910264.9299659.9243307.52540.528664通過Eviews6.0軟件，得到輸出的結果如圖2所示DependentVariable：YMethod：LeastSquaresDate:11/19/11Time:12:40Sample:19892009Includedobserbations:21CoefficientStd.Errort-StatisticProb.CX1X2X3X4-701.0760565.7722-1.2391490.23320.1305970.0236305.5268440.0000-0.0941450.066885-1.4075640,17841.3897044.2476120.3271730.74780.0675570.3285260.2056370.8397R-squraedAdjustedR-squaredS.E.ofregressionsSumsquaredresidLoglikelihoodF-statisticProb(F-statistic)0.9936350.992044259.89681080742-143.7084624.48390.000000MeandependentvarS.D.dependentvarAkaikeinfocriterionSchwarzcriterionHannan-QuinncriterDurbin-Watsonstat2633.6352913.82214.1627014.4114014.216680.909342圖2建筑業(yè)總產(chǎn)值與施工房面積、竣工房面積、職工平均人數(shù)、企業(yè)單位個數(shù)的關系回歸分析結果由結果可得建筑業(yè)總產(chǎn)值的單方程計量經(jīng)濟學模型為：Y=-701.0760+0.130597X1-0.09415X2+1.389704X3+0.067557X4T=(-1.239149)(5.526844)(-1.407564)(0.327173)(0.205637)R=0.993635R=0.992044DW=0.909342F=624.4839給定顯著水平a=0.05，查F分布表，的臨界值F0.05（4,5）=5.19，F(xiàn)>F0,05，明顯顯著。但是X2，X3，X4系數(shù)的T檢驗不顯著，而且X2的系數(shù)的符號與預期的相反，這表明很可能存在嚴重的多重共線性。3.2模型的檢驗3.2.1多重共線性檢驗（1）相關系數(shù)檢驗。在命令窗口輸入：CORYX1X2X3X4，輸出的相關系數(shù)矩陣如圖3所示YX1X2X3X4Y1.0000000.9963940.9904530.9828240.986268X10.9963941.0000000.9963160.9867980.990711X20.9904530.9963161.0000000.9895650.993426X30.9828240.9867980.9895651.0000000.992586X40.9862680.9907110.9934260.9925861．000000圖3相關系數(shù)矩陣由相關系數(shù)矩陣可以看出，各解釋變量相互之間的相關系數(shù)較高，證實確實存在嚴重多重共線性。（2）輔助回歸模型檢驗。建立每個解釋變量對其余解釋變量的輔助回歸模型：CX2X3X4Cofficient-7322.4032.1711193.4330430.942224t-Statistic-1.3243914.9290520.0787580.280069R2=0.992716A-R2=0.991431DW=0.718829F=772.2890CX1X3X4Cofficient-2991.7900.2709829.3316171.755053t-Statistic-1.5590584.9290520.6124991.577373R2=0.994948A-R2=0.994056DW=0.680823F=1115.906CX1X2X4Cofficient29.482880.0001060.0023140.044456t-Statistic0.9358500..0787580.6124992.896144R2=0.986169A-R2=0.983728DW=1.258365F=404.0376CX1X2X3Cofficient1101.6560.0048740.0727467.431630t-Statistic3.4314890.2800691.5773732.896144R2=0.991306A-R2=0.989772DW=2.010259F=636.1408從以上輔助回歸模型中R2、F統(tǒng)計量的數(shù)值可以看出，X1,X2,X3,X4之間存在較為嚴重的多重共線性（3）方程膨脹因子檢驗。以上輔助回歸模型可知，VIF1=137.3，VIF2=197.9，VIF3=72.3，VIF4=115.0，均明顯大于10，解釋變量X1，X2，X3，X4之間存在較為嚴重的多重共線性。3.2.2多重共線性的解決方法（1）修正多重共線性：逐步回歸法采用逐步回歸的辦法，去檢驗和解決多重共線性問題。分別做Y對X1，X2，X3，X4的一元回歸，結果如圖4所示。解釋變量X1X2X3X4參數(shù)估計值0.01007520.23609724.616501.514766T統(tǒng)計量51.1865831.3189523.2139726.03022R20.9928000.9809980.9659430.972724調(diào)整的R20.9924220.9799980.9641510.971288圖4通過圖4我們可以看出，含有解釋變量X1的回歸方程，其調(diào)整的R2最大，所以以X1為基礎，順次加入其他變量逐步回歸，比較重新調(diào)整的各組的擬合優(yōu)度和調(diào)整的R2的值，結果如圖5所示。變量X1X2X3X4Adj-R2X1，X20.131839(5.884603)-0.073557(-1.392714)0.992779X1，X30.102333(8.199158)-0.396929(-0.128392)0.9920008X1，X40.105469(7.112401)-0.072434(-0.321103)0.992046圖5加入了X2后，雖然擬合優(yōu)度略有所提高，但是X2不顯著，加入X3后，不僅調(diào)整的R2下降，而且X3參數(shù)的T檢驗變得不顯著。加入X4后，擬合優(yōu)度下降，而且X4參數(shù)的T檢驗變得不顯著。這說明X2，X3，X4引起嚴重多重共線性，應予剔除。最后修正嚴重多重共線性影響的回歸結果如圖6所示。DependentVariable:YMethod:LeastSquaresDate:11/19/11Time:15:22Sample:19892009Includedobservations:21CoefficientStd.Errort-StatisticProb.CX1-572.386583.58831-6.8476860.00000.1007520.00196851.186580.0000R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-statisticProb(F-statistic)0.9928000.992422253.66051222530-145.00282620.0660.000000MeandependentvarS.D.dependentvarAkaikeinfocriterionSchwarzcriterionHannan-QuinncriterDurbin-Wastonstat2633.6352913.82214.0002614.0997414.021850.770835圖6Y=-572.3865+0.100752X1T=(-6.847