工业总产值计量经济论文

计量经济学论文

（一）内容提要

本文主要通过对我国2004年各地工业总产值进行多因素分析，建立以工业总产值为被解释变量，以其它可能对工业总产值有明显影响的因素为解释变量的多元线性回归模型，并利用模型对工业总产值进行数量化分析，就当前形势下通过何种方式才能提高工业总产值提出一些可供参考的意见。

关键词：工业总产值多因素分析投入固定资产劳动计量经济学

Summary

ThispapermainlybyChinain2004toaroundindustrialoutputformulti-factoranalysis,establishagrossvalueofindustrialoutputwastheexplanatoryvariable,Otherpossibletotheindustrialoutputvaluehasobviousimpactonthevariablefactorstoexplainthemultiplelinearregressionmodel,anduseofindustrialoutputmodelforquantitativeanalysis,onthecurrentsituationbywhatmeanscanimprovetheindustrialoutputvalueofsomeoftheadviceavailable.

Keywords:IndustrialoutputMultivariateanalysisInputFixedassetsLaborEconometrics

（二）建立模型的步骤

（1）建立模型

1、解释变量的选择

被解释变量,直接取工业总产值，用Y表示。

解释变量，即影响解释工业总产值的变量选取哪些呢？

我们知道，对于影响产量的主要变量是投资（K），劳动（L）和技术进步（T），所以在我们选择工业总产值解释变量的时候应该含有K、L，但是由于技术进步（T）的数据我们不可得，所以我们无法将其列入模型中进行定量研究。除了以上两个变量，我们还应该选择一个重要的变量，那就是固定资产，因为工业总产值中很大一部分是由大型工业产值组成的，这些工业的固定资产大小会对他们的产值产生重大影响，比如，一个大型工厂在以前用价值100万的旧生产线生产产品时，投入10万，产值是14万，后来引进新生产线，同样的投入和劳动，产值会是20万，这就表现出固定资产对工业总产值的影响。所以在选择了解释变量K、L之后，我们还要加上固定资产（B）。至此，对于工业总产值影响较大的解释变量我们已经找到。

建立如下产量模型

Y=f（K，L，B，担

其中，凳瞧渌幸蛩氐淖酆洗恚撬婊哦睢

2、模型数学形式的确定

根据经济理论和数理经济学的结论我们可以知道，解释变量K、L、B与别解释变量Y存在线性关系。

另外，我们通过描绘变量之间关系的散点图，通过下图大致可以判断，解释变量K、L、B与别解释变量Y存在线性关系

于是，我们设定工业总产值的模型为

Y=b0+b1K+b2L+b3B+

3、拟定参数的大致范围

资本投入（K）和劳动投入（L）及固定资产（B）的增加都会导致工业总产值（Y）的增加，所以，b1>0、b2>0、b3>0

（2）样本数据的收集

现在做的关于工业总产值的模型中所用的数据为截面型数据，我所收集的数据为我国2004年全国各省的工业企业主要经济指标，包含工业总产值、固定资产原价、主营业务成本和全部从业人员年底平均数。

14-3各地区全部工业企业主要经济指标(2004年)

地区工业总产值

(Y)

单位：亿元固定资产

原价

(B)主营业务

成本

(K)全部从业人员

年平均人数

(L)

(万人)

北京5974.703322.085244.46158.03

天津6119.082476.965197.60168.93

河北10194.404735.218427.93440.99

山西4173.933351.303197.32278.13

内蒙古2327.481866.931859.00110.14

辽宁9140.615538.817696.00354.20

吉林3551.722177.682802.44138.29

黑龙江3955.702990.532789.85187.48

上海14594.155842.6512777.87340.93

江苏29476.6610173.9625208.811018.91

浙江21227.207746.8617862.06861.59

安徽4236.392368.233407.16235.81

福建7516.053014.866185.11364.53

江西2736.691511.752279.37179.17

山东24678.509398.7820133.49935.93

河南9236.804589.397361.50530.25

湖北5329.234129.674245.60235.48

湖南4341.882341.413339.51262.40

广东31519.6110118.8628557.181338.13

广西2242.261503.991809.14126.67

海南429.42306.40341.1414.77

重庆2598.841320.982074.64144.62

四川5303.643515.934221.95297.31

贵州1546.171444.601107.9993.89

云南2344.071839.661616.54103.53

24.8573.0617.072.31

陕西3150.792614.742280.36175.43

甘肃1695.791495.521386.7298.09

青海388.12639.32287.7618.10

宁夏605.19489.34479.3533.11

新疆1656.021675.521206.7356.81

其中，工业总产值就是我们模型中的Y、固定资产原价相当于模型中的B、主营业务成本相当于投入资产K、全部从业人员年底平均数相当于劳动L。

（3）参数估计

对于参数的估计，我们采用计量经济学软件计算相关数据，在这里我们用eviews3.1来计算。

步骤：

1、打开eviews软件，通过file-new-workfile选中undatedorirregular然后在下面文本框中输入1到31建立实验所需表格。

2、在操作区输入datayklb然后按回车键进入数据输入页面并把数据准确输入到相关项目中，如下图

obsKBLY

15244.463322.08158.035974.7

25197.62476.96168.936119.08

38427.934735.21440.9910194.4

43197.323351.3278.134173.93

518591866.93110.142327.48

676965538.81354.29140.61

72802.442177.68138.293551.72

82789.852990.53187.483955.7

912777.875842.65340.9314594.15

1025208.8110173.961018.9129476.66

1117862.067746.86861.5921227.2

123407.162368.23235.814236.39

136185.113014.86364.537516.05

142279.371511.75179.172736.69

1520133.499398.78935.9324678.5

167361.54589.39530.259236.8

174245.64129.67235.485329.23

183339.512341.41262.44341.88

1928557.1810118.861338.1331519.61

201809.141503.99126.672242.26

21341.14306.414.77429.42

222074.641320.98144.622598.84

234221.953515.93297.315303.64

241107.991444.693.891546.17

251616.541839.66103.532344.07

2617.0773.062.3124.85

272280.362614.74175.433150.79

281386.721495.5298.091695.79

29287.76639.3218.1388.12

30479.35489.3433.11605.19

311206.731675.5256.811656.02

3、在操作区输入lsycklb再按回车键，得出软件对这个模型的参数的计算结果如下。

DependentVariable:Y

Method:LeastSquares

Date:06/10/07Time:13:42

Sample:131

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-156.8089133.5327-1.1743110.2505

K0.9793550.04378722.366460.0000

B0.3702630.0901314.1080570.0003

L0.7381820.8556700.8626950.3959

R-squared0.998486Meandependentvar7171.482

AdjustedR-squared0.998317S.D.dependentvar8427.921

S.E.ofregression345.7126Akaikeinfocriterion14.64901

Sumsquaredresid3226965.Schwarzcriterion14.83404

Loglikelihood-223.0596F-statistic5934.064

Durbin-Watsonstat2.028371Prob(F-statistic)0.000000

由上结果得出模型方程如下

Y=-156.8089+0.370263B+0.738182L+0.979355K+

（4）模型的检验

1、经济检验：由上方程可知，b1>0、b2>0、b3>0

符合我们的经济学意义。通过了经济学准则检验

2、统计学检验：由上述软件得出的计算结果可知

①拟合优度检验R=0.998486，很接近1，通过了拟合优度检验；

②回归方程显著性检验F=5934.064，数值很大，通过回归方程显著性检验

③变量的显著性检验T，

解释变量BLK

T检验4.1080570.86269522.36646

由上表可知，K和B的T检验都明显大于2，通过变量显著性检验，可是L的T检验值明显小于2，不能通过变量显著性检验。

我们可以导出这三个解释变量和被解释变量的线性表，可以看出，Y随着K和B的变化而变化，而L几乎和Y没有相关关系。此图说明在我们设定的三个解释变量中，L变量是多余的，我们必须将其舍弃。

舍弃L解释变量后，我们的模型方程变为

Y=b0+b1K+b2B+

我们再通过eviews软件得出这个方程的相关参数如下图

DependentVariable:Y

Method:LeastSquares

Date:06/10/07Time:14:17

Sample:131

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C-144.7105132.1864-1.0947460.2830

B0.3882660.0872804.4484850.0001

K1.0042170.03281430.603170.0000

R-squared0.998444Meandependentvar7171.482

AdjustedR-squared0.998333S.D.dependentvar8427.921

S.E.ofregression344.1301Akaikeinfocriterion14.61168

Sumsquaredresid3315915.Schwarzcriterion14.75046

Loglikelihood-223.4811F-statistic8982.774

Durbin-Watsonstat2.012255Prob(F-statistic)0.000000

继而得出我们的新的模型

Y=-144.7105+0.388266B+1.004217K+

可以看出这次得出的参数与前面带有L解释变量的参数相比，在满足的经济学意义检验后，统计学检验R检验变化很小，F检验结果则极大增加，同时K、B的T检验也都通过，可见，这个模型是比较好的。

至此，新的模型方程通过了所有统计学检验

3、计量经济学准则检验：

①序列相关性检验：绘制ei与ei-1的相关图

GENRe=resid(求残差序列ei)

GENRe1=e(-1)(求残差序列ei-1)

SCATee1(绘制ei与ei-1的相关图)

可以看出，ei与ei-1之间不存在自相关

检验误差项凳欠翊嬖谧韵喙兀阂阎狣.W=2.012255，若给定a=0.05,查附表，dL=1.30,dU=1.57，因为dU<D.W<4-dU,依据判别规则，认为误差项挡淮嬖谧韵喙亍

②异方差检验：

将K的样本观测值按升序排列，Y的样本观测值按原来与K样本观测值相对应关系进行排列，略去中心7个样本观测值，将剩下的24个样本观测值分成从量相等的两个样本，每个子样本的观测值个数均为12。排列结果见下

单位：亿元

地区YK地区YK

广东31519.6128557.18江西2736.692279.37

江苏29476.6625208.81重庆2598.842074.64

山东24678.5020133.49内蒙古2327.481859.00

浙江21227.2017862.06广西2242.261809.14

上海14594.1512777.87云南2344.071616.54

河北10194.408427.93甘肃1695.791386.72

辽宁9140.617696.00新疆1656.021206.73

河南9236.807361.50贵州1546.171107.99

福建7516.056185.11宁夏605.19479.35

北京5974.705244.46海南429.42341.14

天津6119.085197.60青海388.12287.76

湖北5329.234245.6024.8517.07

用第一个子样本估计模型，得

Y=52.44415+1.241964K+

残差平方和Σe1i=145350.74

用第二个子样本估计模型，得

Y=530.0243+1.132635K+

残差平方和Σe2i=4680196.526

提出原假设H0：si2=s32…..=.s312

备择假设Hi：si2s22…….s312各不相同

构造F统计量

F=Σe2i/Σe1i=32.20

给定显著性水平a=0.05，v1=v2=12-2=10，查F分布表，

F0.05（10，10）=2.97

因为F=32.20>2.97，所以应接受备择假设，即该模型存在异方差。

上述过程的软件操作如下：

SORTK（样本按K升序排列）

SMPL112（工作区间定义为1-12）

LSYCK（求出Σe1i玻

SMPL2031（工作区间定义为20-31）

LSYCK（求出Σe2i玻

GEMRF=4680196.526/145350.74（求出F=32.20）

将B的样本观测值按升序排列，Y的样本观测值按原来与B样本观测值相对应关系进行排列，略去中心7个样本观测值，将剩下的24个样本观测值分成从量相等的两个样本，每个子样本的观测值个数均为12。排列结果见下

单位：亿元

地区YB地区YB

江苏29476.6610173.96内蒙古2327.481866.93

广东31519.6110118.86云南2344.071839.66

山东24678.509398.78新疆1656.021675.52

浙江21227.207746.86江西2736.691511.75

上海14594.155842.65广西2242.261503.99

辽宁9140.615538.81甘肃1695.791495.52

河北10194.404735.21贵州1546.171444.60

河南9236.804589.39重庆2598.841320.98

湖北5329.234129.67青海388.12639.32

四川5303.643515.93宁夏605.19489.34

山西4173.933351.30海南429.42306.40

北京5974.703322.0824.8573.06

用第一个子样本估计模型，得

Y=-56.29035+1.360224B+

残差平方和Σe1i=2096059.48

用第二个子样本估计模型，得

Y=-8181.280+3.712556B+

残差平方和Σe2i=28414056.94

提出原假设H0：si2=s32…..=.s312

备择假设Hi：si2s22…….s312各不相同

构造F统计量

F=Σe2i/Σe1i=13.56

给定显著性水平a=0.05，v1=v2=12-2=10，查F分布表，

F0.05（10，10）=2.97

因为F=13.56>2.97，所以应接受备择假设，即该模型存在异方差。

上述过程的软件操作如下：

SORTB（样本按K升序排列）

SMPL112（工作区间定义为1-12）

LSYCB（求出Σe1i玻

SMPL2031（工作区间定义为20-31）

LSYCB（求出Σe2i玻

GEMRF=28414056.94/2096059.48（求出F=13.56）

下面应用加权最小二乘法估计模型

软件操作如下：

SMPL131

GENRX=1/（K*B）

LS（W=X）YCKB（以X=1/（K*B）为权数进行加权最小二乘估计）估计结果如下：

DependentVariable:Y

Method:LeastSquares

Date:06/21/07Time:13:50

Sample:131

Includedobservations:31

Weightingseries:X

VariableCoefficientStd.Errort-StatisticProb.

C-1.4856300.886460-1.6759140.1049

K1.1899020.01581175.255680.0000

B0.0824490.0153875.3583930.0000

WeightedStatistics

R-squared0.999935Meandependentvar50.55315

AdjustedR-squared0.999930S.D.dependentvar133.1075

S.E.ofregression1.113330Akaikeinfocriterion3.144353

Sumsquaredresid34.70608Schwarzcriterion3.283126

Loglikelihood-45.73747F-statistic214397.9

Durbin-Watsonstat1.854200Prob(F-statistic)0.000000

UnweightedStatistics

R-squared0.992805Meandependentvar7171.482

AdjustedR-squared0.992291S.D.dependentvar8427.921

S.E.ofregression739.9753Sumsquaredresid15331778

Durbin-Watsonstat1.098686

得出模型Y=-1.485630+0.082449B+1.189902K+

T值（-1.68）（75.26）（5.36）

R=0.999935F=214397.9D.W=1.85

满足所有统计学检验

③多重共线性检验

我们采用逐步回归法来检验我们的模型。我们先把解释变量中的固定资本量B去掉，得出一个模型

Y=3.221972+1.267023K+

T值（19.50）（138.40）

R=0.999868F=219251.0D.W=2.05

可以看出，除了R检验值略小外，其他值都有所提高，B不会引起多种共线性。

我们再把解释变量中的K去掉，得出模型

Y=-58.17087+1.136486B+

T值（-8.88）（12.73）

R=0.986728F=2156.025D.W=2.17

可以看出，几乎所有值都没有原来模型的好，说明该模型缺不了K，K也不会形成多重共线性。

（五）应用计量经济学模型分析问题

长期以来，我们一直把影响产出的因素归结为投资，劳动和技术，这次我们的研究没有涉及技术，只分析了前两者，后来我们发现劳动在其中的作用变的很小，以至于我们将它舍弃，联系到现实生活中我们就不难发现为什么现在下岗工人如此的多，近些年来，由于技术和管理手段的提高，以往的劳动水平已经超过我们需要的劳动要求，劳动的增加已经不能提高产出，反而增加了成本，所以各个企业纷纷裁员。所以，要想提高产出，已经不需要也不能靠劳动力的提高来提高。投入将会在影响产出的众因素中越加凸现出来。

另一方面，我们选取了固定资产来作为影响工业产出的一个变量，因为我觉得固定资产的多少客观上能反映企业技术水平的高低，固定资产除了厂房等一些基础投资外，就是设备的投入，而技术又是通过设备体现出来的，所以提高固定资产，购进先进设备，是另一个提高工业产量的方法。

所以，在现在的工业产业中，我们应该更加看重投入，把钱都用在需要的项目上，当我们想要提高生产率或者提高产品质量的时候，我们就要购置先进生产线，对于我们来是说事半功倍。各工厂还要根据自己的情况合理配置人员。人多力量大的时代不复存在。合理投入和夸大生产线或升级生产线才能更好的提高产值。