第二產(chǎn)業(yè)GDP增長的多因素分析

《第二產(chǎn)業(yè)GDP增長的多因素分析》由會員分享，可在線閱讀，更多相關(guān)《第二產(chǎn)業(yè)GDP增長的多因素分析（10頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、第二產(chǎn)業(yè)GDP增長的多因素分析 第二產(chǎn)業(yè)GDP增長的多因素分析 主要內(nèi)容：從1978年至今，第二產(chǎn)業(yè)的GDP占GDP總量的比重逐年提高，到2003年，已經(jīng)達到52%。第二產(chǎn)業(yè)的發(fā)展對于國民經(jīng)濟的發(fā)展至關(guān)重要。本文旨在研究資本、勞動、教育水平與第二產(chǎn)業(yè)GDP形成的關(guān)系。 關(guān)鍵字：生產(chǎn)函數(shù)，就業(yè)人數(shù)，資本形成額，教育支出 一、經(jīng)濟理論： 產(chǎn)出增長是通加增加要素投入和通過源于技術(shù)進步所導致的生產(chǎn)率提高和生產(chǎn)能力更強的勞動大軍實現(xiàn)的。生產(chǎn)函數(shù)提供了投入與產(chǎn)出之間的數(shù)量關(guān)系。若僅考慮勞動和資本，生產(chǎn)函數(shù)的一般公式是Y=AF(K,

2、N) ,即產(chǎn)出Y取決于資本和勞動投入（K，L）和技術(shù)水平A。特別的，對柯布-道格拉斯函數(shù)，有Y=AKaLb。這個函數(shù)可以對經(jīng)濟進行比較準確的描述，例如，對美國而言，a=0.25,b=0.75與其現(xiàn)實經(jīng)濟相當相近。 除此之外，自然資源和人力資本也是兩種重要的投入。人力資本投資即通過學校教育，在職培訓和其他手段來增加工人的技巧和才能，這與實物投資導致的實物資本增加是相同的。增加了人力資本H的生產(chǎn)函數(shù)可以寫做：Y=AF（K，H，N）。在工業(yè)化國家中，人力資本的要素分額較大，比如曼昆的一篇文章中就指出，生產(chǎn)函數(shù)中實物資本，非熟練勞動力和人力資本的要素分額各占1/3。 二、模型的建立和數(shù)據(jù)搜集：

3、 由Y=A*F（K，H，L），若生產(chǎn)函數(shù)采用類似柯布-道格拉斯生產(chǎn)函數(shù)的形式，并進行對數(shù)變換得到： LNY=LNA+aLNK+bLNL+cLNH 用Y代表第二產(chǎn)業(yè)GDP，K與L分別代表資本和勞動投入，人力資本用教育費用支出E代替，可以得到以下模型： LNY=C+aLnK+blnL+clnE+u 數(shù)據(jù)： 年份第二產(chǎn)業(yè)就業(yè)人數(shù)第二產(chǎn)業(yè)GDP教育費用支出資本形成 197869451745.275.051377.9 197972141913.593.161474.2 198077072192114.151590 198180032255.5122.791581 198283462

4、383137.611760.2 198386792646.2155.242005 198495903105.7180.882468.6 1985103843866.6226.833386 1986112164492.7274.723846 1987117265251.6293.934322 1988121526587.2356.665495 ***119767278412.396095 1990138567717.4462.456444 1991140159102.2532.397517 19921435511699.5621.719636 19931496516428.

5、5754.914998 19941531222372.21018.7819260.6 19951565528537.91196.6523877 19961620333612.91415.7126867.2 19971654737222.71545.8228457.6 19981660038619.31726.329545.9 19991642140557.81927.3230701.6 20001621944935.32179.5232499.8 200116284487502636.8437460.8 20021578052980.23105.9942304.9 2003

6、1607761274.13351.3251382.7 將所有數(shù)據(jù)取對數(shù)后輸入EVIEWS 從經(jīng)濟意義上考慮到當年的教育支出對產(chǎn)出的影響可能存在滯后，采用Granger檢驗，可以得到當之后長度為2時，E是引起Y變化的原因，故模型修改為： LNY=C+aLnK+blnL+clnE（-2）+u 三、模型的估計和檢驗： 1）平穩(wěn)性檢驗：單位根檢驗 LnyADF 一階差分 只有截距項 滯后3階 ADF Test Statistic-2.8073031%Critical Value*-3.7856 5%Critical Value-3.0114 10% Critical Value-

7、2.6457 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNY,2) Method: Least Squares Date: 06/14/05Time: 10:15 Sample(adjusted): 1983 2003 Included observations: 21 after adjusting endpoints VariableCoeffic

8、ientStd. Errort-StatisticProb. D(LNY(-1))-0.5812070.207034-2.8073030.0126 D(LNY(-1),2)0.5973570.2186002.7326520.0148 D(LNY(-2),2)0.0187300.2225440.0841650.9340 D(LNY(-3),2)0.2935510.2070491.4177850.1754 C0.0900170.0334642.6899590.0161 R-squared0.446263Mean dependent var0.004307 Adjusted R-squ

9、ared0.307828S.D. dependent var0.066967 S.E. of regression0.055715Akaike info criterion-2.732888 Sum squared resid0.049666Schwarz criterion-2.484192 Log likelihood33.69532F-statistic3.223642 Durbin-Watson stat1.883066Prob(F-statistic)0.040398 以10%的標準LNY不存在單位根，一階差分平穩(wěn)。 LNKADF 一階差分 只有截距項 滯后3階 A

10、DF Test Statistic-3.0123731%Critical Value*-3.7856 5%Critical Value-3.0114 10% Critical Value-2.6457 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNK,2) Method: Least Squares Date: 06/14/05Time: 10:19 S

11、ample(adjusted): 1983 2003 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. D(LNK(-1))-0.8981760.298162-3.0123730.0083 D(LNK(-1),2)0.4042240.2584971.5637490.1374 D(LNK(-2),2)0.2826120.2402811.1761750.2567 D(LNK(-3),2)0.3104540.2277361.3632180.19

12、17 C0.1415370.0493952.8654030.0112 R-squared0.380186Mean dependent var0.004144 Adjusted R-squared0.225232S.D. dependent var0.102694 S.E. of regression0.090392Akaike info criterion-1.765057 Sum squared resid0.130733Schwarz criterion-1.516361 Log likelihood23.53309F-statistic2.453546 Durbin-Wat

13、son stat2.004426Prob(F-statistic)0.088031 以5%的標準，沒有單位根，一階差分平穩(wěn)。 LNLADF只有截距項和趨勢 滯后1階一階差分 ADF Test Statistic-3.6286781%Critical Value*-4.4167 5%Critical Value-3.6219 10% Critical Value-3.2474 *MacKinnon critical values for rejection of hypothesis of a unit root. Augmented Dickey-Fuller Tes

14、t Equation Dependent Variable: D(LNL,2) Method: Least Squares Date: 06/14/05Time: 10:22 Sample(adjusted): 1981 2003 Included observations: 23 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. D(LNL(-1))-1.3032520.359153-3.6286780.0018 D(LNL(-1),2)0.0196830.2279610.08634

15、60.9321 C0.1054470.0334553.1519390.0052 @TREND(1978)-0.0045070.001580-2.8527530.0102 R-squared0.632964Mean dependent var-0.002063 Adjusted R-squared0.575011S.D. dependent var0.051344 S.E. of regression0.033472Akaike info criterion-3.799468 Sum squared resid0.021287Schwarz criterion-3.601991 L

16、og likelihood47.69389F-statistic10.92201 Durbin-Watson stat1.991014Prob(F-statistic)0.000216 以5%的標準，沒有單位根，一階差分平穩(wěn) LNE(-2)ADF 有趨勢和截距項 滯后1階一階差分 ADF Test Statistic-4.4199921%Critical Value*-4.4415 5%Critical Value-3.6330 10% Critical Value-3.2535 *MacKinnon critical values for rejection of hypo

17、thesis of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNE1,2) Method: Least Squares Date: 06/14/05Time: 11:28 Sample(adjusted): 1982 2003 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. D(LNE1(-1))-1.5774320.3

18、56886-4.4199920.0003 D(LNE1(-1),2)0.2059900.2192470.9395310.3599 C0.0184120.0359670.5119120.6149 @TREND(1978)-0.0013230.002272-0.5820980.5677 R-squared0.702869Mean dependent var0.001932 Adjusted R-squared0.653348S.D. dependent var0.113284 S.E. of regression0.066698Akaike info criterion-2.41431

19、2 Sum squared resid0.080076Schwarz criterion-2.215940 Log likelihood30.55743F-statistic14.19315 Durbin-Watson stat2.064102Prob(F-statistic)0.000054 以5%的標準，沒有單位根，一階差分平穩(wěn) 綜上，模型中的變量都是一階差分平穩(wěn)。對變量進行回歸LS LNY C LNK LNL LNE（-2） Dependent Variable: LNY Method: Least Squares Date: 06/14/05Time: 11:31

20、 Sample(adjusted): 1980 2003 Included observations: 24 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C3.6123801.0467783.4509510.0025 LNK0.9203680.07564512.166900.0000 LNL-0.3874810.141687-2.7347670.0128 LNE(-2)0.1642600.0673732.4380810.0242 R-squared0.998259Mean depe

21、ndent var9.374063 Adjusted R-squared0.997998S.D. dependent var1.164977 S.E. of regression0.052123Akaike info criterion-2.919421 Sum squared resid0.054336Schwarz criterion-2.723078 Log likelihood39.03305F-statistic3823.231 Durbin-Watson stat0.654112Prob(F-statistic)0.000000 R2=0.998259 擬合程度很好，

22、F=3823.231 通過了F檢驗，模型設(shè)定正確。 回歸結(jié)果，得： LNY=3.612380 +0.920368LNK—0.387481LNL+0.164260LNE(-2) （各參數(shù)均通過T檢驗） 對殘差項進行平穩(wěn)性檢驗，單位根檢驗 0階，沒有趨勢和截距，滯后一階 ADF Test Statistic-2.1086091%Critical Value*-2.6756 5%Critical Value-1.9574 10% Critical Value-1.6238 *MacKinnon critical values for rejection of hypothesi

23、s of a unit root. Augmented Dickey-Fuller Test Equation Dependent Variable: D(R2) Method: Least Squares Date: 06/14/05Time: 11:34 Sample(adjusted): 1982 2003 Included observations: 22 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. R2(-1)-0.4605980.218437-2.108609

24、0.0478 D(R2(-1))0.2609930.2386241.0937440.2871 R-squared0.146646Mean dependent var-0.008221 Adjusted R-squared0.103978S.D. dependent var0.040171 S.E. of regression0.038026Akaike info criterion-3.614601 Sum squared resid0.028919Schwarz criterion-3.515415 Log likelihood41.76061F-statistic3.43693

25、4 Durbin-Watson stat1.816806Prob(F-statistic)0.078563 以5%的標準，沒有單位根，平穩(wěn)。說明存在協(xié)整。 故說明以上長期關(guān)系方程的變量選擇合理，回歸系數(shù)具有經(jīng)濟意義，即： LNY=3.612380 +0.920368LNK—0.387481LNL+0.164260LNE(-2) 誤差校正： LNYI=LNYt—LNYt-1LNKI=LNKt—LNKt-1LNLI=LNLt—LNLt-1LNEI=LNEt—LNEt-1 R=RESID Dependent Variable: LNY1 Method: Least Squar

26、es Date: 06/14/05Time: 10:52 Sample(adjusted): 1983 2003 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0213630.0053044.0275090.0012 LNK10.8940320.01928746.353850.0000 LNK1(-1)0.1008110.0195535.1556970.0001 LNL1-0.2951410.036564-8.0719200

27、.0000 R0.9752030.04141123.549450.0000 R(-1)-0.8331370.051257-16.254240.0000 LNE1(-4)-0.0701980.027907-2.5153950.0247 R-squared0.996762Mean dependent var0.154619 Adjusted R-squared0.995374S.D. dependent var0.083807 S.E. of regression0.005700Akaike info criterion-7.235415 Sum squared resid0.000

28、455Schwarz criterion-6.887241 Log likelihood82.97185F-statistic718.2057 Durbin-Watson stat2.664799Prob(F-statistic)0.000000 回歸得到短期動態(tài)方程： LNY1=0.021363+0.894032LNK1+0.100811LNK1(-1)-0.295141LNL1 0.070198LNE1(-4)+0.975203R-0.833137R(-1) 2）計量經(jīng)濟學檢驗 對長期模型進行異方差檢驗： ARCH Test: F-statistic0.874324P

29、robability0.473763 Obs*R-squared2.807036Probability0.422343 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/15/05Time: 11:45 Sample(adjusted): 1983 2003 Included observations: 21 after adjusting endpoints VariableCoefficientStd. Errort-StatisticProb. C0.0016580.0

30、013371.2406910.2316 RESID^2(-1)0.2342690.3662400.6396590.5309 RESID^2(-2)-0.3322760.348164-0.9543670.3533 RESID^2(-3)0.4128180.3547091.1638220.2606 R-squared0.133668Mean dependent var0.002230 Adjusted R-squared-0.019214S.D. dependent var0.003111 S.E. of regression0.003141Akaike info criterion-

31、8.519183 Sum squared resid0.000168Schwarz criterion-8.320227 Log likelihood93.45143F-statistic0.874324 Durbin-Watson stat1.693624Prob(F-statistic)0.473763 T值都小于2，沒有異方差 White Heteroskedasticity Test: F-statistic2.726168Probability0.048331 Obs*R-squared11.76869Probability0.067333 Test Equati

32、on: Dependent Variable: RESID^2 Method: Least Squares Date: 06/30/05Time: 18:41 Sample: 1980 2003 Included observations: 24 VariableCoefficientStd. Errort-StatisticProb. C-2.5804821.840997-1.4016760.1790 LNK-0.0152300.056131-0.2713370.7894 LNK^20.0010460.0029950.3491290.7313 LNL0.5794110.4

33、186621.3839580.1843 LNL^2-0.0298950.021690-1.3782800.1860 LNE(-2)-0.0500310.027073-1.8479720.0821 LNE(-2)^20.0035060.0020381.7205630.1035 R-squared0.490362Mean dependent var0.002264 Adjusted R-squared0.310490S.D. dependent var0.002979 S.E. of regression0.002473Akaike info criterion-8.928022 S

34、um squared resid0.000104Schwarz criterion-8.584423 Log likelihood114.1363F-statistic2.726168 Durbin-Watson stat2.184959Prob(F-statistic)0.048331 T值都小于2，所以沒有異方差。 長期模型存在自相關(guān)，使用迭代法修正 Dependent Variable: LNY Method: Least Squares Date: 06/15/05Time: 12:18 Sample(adjusted): 1981 2003 Included o

35、bservations: 23 after adjusting endpoints Convergence achieved after 21 iterations VariableCoefficientStd. Errort-StatisticProb. C0.5225072.0845840.2506530.8049 LNK0.7710150.0771279.9967040.0000 LNL0.0245400.2404990.1020390.9199 LNE(-2)0.2496640.0830813.0050750.0076 AR(1)0.7228630.1745814.140

36、5690.0006 R-squared0.999181Mean dependent var9.447171 Adjusted R-squared0.998999S.D. dependent var1.133470 S.E. of regression0.035853Akaike info criterion-3.629138 Sum squared resid0.023137Schwarz criterion-3.382291 Log likelihood46.73508F-statistic5492.676 Durbin-Watson stat1.739477Prob(F-sta

37、tistic)0.000000 Inverted AR Roots.72 樣本容量23個，3個解釋變量，查表，得：Du=1.660,DW=1.739477>1.660且對長期模型進行多重共線檢驗： LNE(-2)LNKLNL LNE(-2)1.0000000.9887010.932551 LNK0.9887011.0000000.953239 LNL0.9325510.9532391.000000 具有比較嚴重的多重共線性。使用逐步回歸法進行修正，不能刪除解釋變量。 3）經(jīng)濟意義檢驗： 綜上可得： Lny =0.522507+0.771015Lnk+0.024540Ln

38、l+0.249664Lne(-2) 可以轉(zhuǎn)化為：Y=e0.522507K0.771015L0.024540E(-2)0.249664 可見，在第二產(chǎn)業(yè)中，資本投入對gdp的貢獻是最大的，資本投入產(chǎn)出彈性為0.771015;人力資本產(chǎn)出彈性為0.249664；而勞動產(chǎn)出彈性為0.024540，十分不顯著——但是這和中國目前的現(xiàn)實不符合，資本投入產(chǎn)出彈性過高而勞動產(chǎn)出彈性過低。這是由于解釋變量之間存在嚴重的多重共線性，從而使得估計結(jié)果無偏但無效，無法真實的描述各因素對我國第二產(chǎn)業(yè)GDP貢獻的真實情況。 4、失敗原因分析和經(jīng)驗教訓總結(jié)： 從上面的分析得到，我們的模型無法達到對促進第二產(chǎn)業(yè)

39、GDP的各因素進行正確描述的目的。失敗的原因主要有： 由于資本，勞動，和人力資本三者之間存在著互相替代的關(guān)系，所以三個解釋變量之間存在嚴重的多重共線性，而且無法進行修正。目前我們沒有辦法解決這個問題。 第二產(chǎn)業(yè)包括工業(yè)和建筑業(yè)，由于數(shù)據(jù)的原因，并且工業(yè)的GDP比建筑業(yè)大出許多，因此我們只是籠統(tǒng)的對第二產(chǎn)業(yè)整體進行了分析。但這兩者之間是存在差異的，這樣使我們的原始數(shù)據(jù)和分析出現(xiàn)偏差。 在這次做論文的過程中，我們有很多遺憾，也從很多次失敗中學到了東西。 我們是三易題目。第一次想要做有關(guān)銀行的盈利性，流動性和安全性之間的分析；第二次是嘗試了金融發(fā)展對中國GDP的影響。最后才換到現(xiàn)在的題目。最深刻的感受就是：每次我們都是一想到某個題目，就馬上開始查找數(shù)據(jù)，輸入數(shù)據(jù)開始回歸，但是沒有認真的對背后的經(jīng)濟理論進行思考和分析，沒有認真想做這個題目的目的和意義何在？所以，在每次回歸的結(jié)果出現(xiàn)問題的時候，我們沒有嘗試從經(jīng)濟意義方面進行分析，就忙著換解釋變量，修改模型的表達式，總之就是千方百計要讓回歸的數(shù)據(jù)“合理完美”。當這些努力都徒勞的時候，我們就決定，換題目。的確是完全陷入了“數(shù)字陷阱”中。就如同在高中做物理實驗的時候，根據(jù)定理來“修改”自己的實驗數(shù)據(jù)，不是一種嚴肅的正確的研究問題的態(tài)度。這是我們得到的最大的教訓，以后一定會引以為戒。