導(dǎo)語(yǔ)：工業(yè)總產(chǎn)值計(jì)量經(jīng)濟(jì)論文一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

計(jì)量經(jīng)濟(jì)學(xué)論文

（一）內(nèi)容提要

本文主要通過(guò)對(duì)我國(guó)2004年各地工業(yè)總產(chǎn)值進(jìn)行多因素分析，建立以工業(yè)總產(chǎn)值為被解釋變量，以其它可能對(duì)工業(yè)總產(chǎn)值有明顯影響的因素為解釋變量的多元線性回歸模型，并利用模型對(duì)工業(yè)總產(chǎn)值進(jìn)行數(shù)量化分析，就當(dāng)前形勢(shì)下通過(guò)何種方式才能提高工業(yè)總產(chǎn)值提出一些可供參考的意見(jiàn)。

關(guān)鍵詞：工業(yè)總產(chǎn)值多因素分析投入固定資產(chǎn)勞動(dòng)計(jì)量經(jīng)濟(jì)學(xué)

Summary

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

Keywords:IndustrialoutputMultivariateanalysisInputFixedassetsLaborEconometrics

（二）建立模型的步驟

（1）建立模型

1、解釋變量的選擇

被解釋變量,直接取工業(yè)總產(chǎn)值，用Y表示。

解釋變量，即影響解釋工業(yè)總產(chǎn)值的變量選取哪些呢？

我們知道，對(duì)于影響產(chǎn)量的主要變量是投資（K），勞動(dòng)（L）和技術(shù)進(jìn)步（T），所以在我們選擇工業(yè)總產(chǎn)值解釋變量的時(shí)候應(yīng)該含有K、L，但是由于技術(shù)進(jìn)步（T）的數(shù)據(jù)我們不可得，所以我們無(wú)法將其列入模型中進(jìn)行定量研究。除了以上兩個(gè)變量，我們還應(yīng)該選擇一個(gè)重要的變量，那就是固定資產(chǎn)，因?yàn)楣I(yè)總產(chǎn)值中很大一部分是由大型工業(yè)產(chǎn)值組成的，這些工業(yè)的固定資產(chǎn)大小會(huì)對(duì)他們的產(chǎn)值產(chǎn)生重大影響，比如，一個(gè)大型工廠在以前用價(jià)值100萬(wàn)的舊生產(chǎn)線生產(chǎn)產(chǎn)品時(shí)，投入10萬(wàn)，產(chǎn)值是14萬(wàn)，后來(lái)引進(jìn)新生產(chǎn)線，同樣的投入和勞動(dòng)，產(chǎn)值會(huì)是20萬(wàn)，這就表現(xiàn)出固定資產(chǎn)對(duì)工業(yè)總產(chǎn)值的影響。所以在選擇了解釋變量K、L之后，我們還要加上固定資產(chǎn)（B）。至此，對(duì)于工業(yè)總產(chǎn)值影響較大的解釋變量我們已經(jīng)找到。

建立如下產(chǎn)量模型

Y=f（K，L，B，擔(dān)

其中，凳瞧淥幸蛩氐淖酆洗恚撬婊哦睢

2、模型數(shù)學(xué)形式的確定

根據(jù)經(jīng)濟(jì)理論和數(shù)理經(jīng)濟(jì)學(xué)的結(jié)論我們可以知道，解釋變量K、L、B與別解釋變量Y存在線性關(guān)系。

另外，我們通過(guò)描繪變量之間關(guān)系的散點(diǎn)圖，通過(guò)下圖大致可以判斷，解釋變量K、L、B與別解釋變量Y存在線性關(guān)系

于是，我們?cè)O(shè)定工業(yè)總產(chǎn)值的模型為

Y=b0+b1K+b2L+b3B+

3、擬定參數(shù)的大致范圍

資本投入（K）和勞動(dòng)投入（L）及固定資產(chǎn)（B）的增加都會(huì)導(dǎo)致工業(yè)總產(chǎn)值（Y）的增加，所以，b1>0、b2>0、b3>0

（2）樣本數(shù)據(jù)的收集

現(xiàn)在做的關(guān)于工業(yè)總產(chǎn)值的模型中所用的數(shù)據(jù)為截面型數(shù)據(jù)，我所收集的數(shù)據(jù)為我國(guó)2004年全國(guó)各省的工業(yè)企業(yè)主要經(jīng)濟(jì)指標(biāo)，包含工業(yè)總產(chǎn)值、固定資產(chǎn)原價(jià)、主營(yíng)業(yè)務(wù)成本和全部從業(yè)人員年底平均數(shù)。

14-3各地區(qū)全部工業(yè)企業(yè)主要經(jīng)濟(jì)指標(biāo)(2004年)

地區(qū)工業(yè)總產(chǎn)值

(Y)

單位：億元固定資產(chǎn)

原價(jià)

(B)主營(yíng)業(yè)務(wù)

成本

(K)全部從業(yè)人員

年平均人數(shù)

(L)

(萬(wàn)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

內(nèi)蒙古2327.481866.931859.00110.14

遼寧9140.615538.817696.00354.20

吉林3551.722177.682802.44138.29

黑龍江3955.702990.532789.85187.48

上海14594.155842.6512777.87340.93

江蘇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

山東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

廣東31519.6110118.8628557.181338.13

廣西2242.261503.991809.14126.67

海南429.42306.40341.1414.77

重慶2598.841320.982074.64144.62

四川5303.643515.934221.95297.31

貴州1546.171444.601107.9993.89

云南2344.071839.661616.54103.53

西藏24.8573.0617.072.31

陜西3150.792614.742280.36175.43

甘肅1695.791495.521386.7298.09

青海388.12639.32287.7618.10

寧夏605.19489.34479.3533.11

新疆1656.021675.521206.7356.81

其中，工業(yè)總產(chǎn)值就是我們模型中的Y、固定資產(chǎn)原價(jià)相當(dāng)于模型中的B、主營(yíng)業(yè)務(wù)成本相當(dāng)于投入資產(chǎn)K、全部從業(yè)人員年底平均數(shù)相當(dāng)于勞動(dòng)L。

（3）參數(shù)估計(jì)

對(duì)于參數(shù)的估計(jì)，我們采用計(jì)量經(jīng)濟(jì)學(xué)軟件計(jì)算相關(guān)數(shù)據(jù)，在這里我們用eviews3.1來(lái)計(jì)算。

步驟：

1、打開(kāi)eviews軟件，通過(guò)file-new-workfile選中undatedorirregular然后在下面文本框中輸入1到31建立實(shí)驗(yàn)所需表格。

2、在操作區(qū)輸入datayklb然后按回車鍵進(jìn)入數(shù)據(jù)輸入頁(yè)面并把數(shù)據(jù)準(zhǔn)確輸入到相關(guān)項(xiàng)目中，如下圖

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、在操作區(qū)輸入lsycklb再按回車鍵，得出軟件對(duì)這個(gè)模型的參數(shù)的計(jì)算結(jié)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

由上結(jié)果得出模型方程如下

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

（4）模型的檢驗(yàn)

1、經(jīng)濟(jì)檢驗(yàn)：由上方程可知，b1>0、b2>0、b3>0

符合我們的經(jīng)濟(jì)學(xué)意義。通過(guò)了經(jīng)濟(jì)學(xué)準(zhǔn)則檢驗(yàn)

2、統(tǒng)計(jì)學(xué)檢驗(yàn)：由上述軟件得出的計(jì)算結(jié)果可知

①擬合優(yōu)度檢驗(yàn)R=0.998486，很接近1，通過(guò)了擬合優(yōu)度檢驗(yàn)；

②回歸方程顯著性檢驗(yàn)F=5934.064，數(shù)值很大，通過(guò)回歸方程顯著性檢驗(yàn)

③變量的顯著性檢驗(yàn)T，

解釋變量BLK

T檢驗(yàn)4.1080570.86269522.36646

由上表可知，K和B的T檢驗(yàn)都明顯大于2，通過(guò)變量顯著性檢驗(yàn)，可是L的T檢驗(yàn)值明顯小于2，不能通過(guò)變量顯著性檢驗(yàn)。

我們可以導(dǎo)出這三個(gè)解釋變量和被解釋變量的線性表，可以看出，Y隨著K和B的變化而變化，而L幾乎和Y沒(méi)有相關(guān)關(guān)系。此圖說(shuō)明在我們?cè)O(shè)定的三個(gè)解釋變量中，L變量是多余的，我們必須將其舍棄。

舍棄L解釋變量后，我們的模型方程變?yōu)?/p>

Y=b0+b1K+b2B+

我們?cè)偻ㄟ^(guò)eviews軟件得出這個(gè)方程的相關(guān)參數(shù)如下圖

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

繼而得出我們的新的模型

Y=-144.7105+0.388266B+1.004217K+

可以看出這次得出的參數(shù)與前面帶有L解釋變量的參數(shù)相比，在滿足的經(jīng)濟(jì)學(xué)意義檢驗(yàn)后，統(tǒng)計(jì)學(xué)檢驗(yàn)R檢驗(yàn)變化很小，F(xiàn)檢驗(yàn)結(jié)果則極大增加，同時(shí)K、B的T檢驗(yàn)也都通過(guò)，可見(jiàn)，這個(gè)模型是比較好的。

至此，新的模型方程通過(guò)了所有統(tǒng)計(jì)學(xué)檢驗(yàn)

3、計(jì)量經(jīng)濟(jì)學(xué)準(zhǔn)則檢驗(yàn)：

①序列相關(guān)性檢驗(yàn)：繪制ei與ei-1的相關(guān)圖

GENRe=resid(求殘差序列ei)

GENRe1=e(-1)(求殘差序列ei-1)

SCATee1(繪制ei與ei-1的相關(guān)圖)

可以看出，ei與ei-1之間不存在自相關(guān)

檢驗(yàn)誤差項(xiàng)凳欠翊嬖謐韻喙兀閡閻狣.W=2.012255，若給定a=0.05,查附表，dL=1.30,dU=1.57，因?yàn)閐U<D.W<4-dU,依據(jù)判別規(guī)則，認(rèn)為誤差項(xiàng)擋淮嬖謐韻喙亍

②異方差檢驗(yàn)：

將K的樣本觀測(cè)值按升序排列，Y的樣本觀測(cè)值按原來(lái)與K樣本觀測(cè)值相對(duì)應(yīng)關(guān)系進(jìn)行排列，略去中心7個(gè)樣本觀測(cè)值，將剩下的24個(gè)樣本觀測(cè)值分成從量相等的兩個(gè)樣本，每個(gè)子樣本的觀測(cè)值個(gè)數(shù)均為12。排列結(jié)果見(jiàn)下

單位：億元

地區(qū)YK地區(qū)YK

廣東31519.6128557.18江西2736.692279.37

江蘇29476.6625208.81重慶2598.842074.64

山東24678.5020133.49內(nèi)蒙古2327.481859.00

浙江21227.2017862.06廣西2242.261809.14

上海14594.1512777.87云南2344.071616.54

河北10194.408427.93甘肅1695.791386.72

遼寧9140.617696.00新疆1656.021206.73

河南9236.807361.50貴州1546.171107.99

福建7516.056185.11寧夏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5329.234245.60西藏24.8517.07

用第一個(gè)子樣本估計(jì)模型，得

Y=52.44415+1.241964K+

殘差平方和Σe1i=145350.74

用第二個(gè)子樣本估計(jì)模型，得

Y=530.0243+1.132635K+

殘差平方和Σe2i=4680196.526

提出原假設(shè)H0：si2=s32…..=.s312

備擇假設(shè)Hi：si2s22…….s312各不相同

構(gòu)造F統(tǒng)計(jì)量

F=Σe2i/Σe1i=32.20

給定顯著性水平a=0.05，v1=v2=12-2=10，查F分布表，

F0.05（10，10）=2.97

因?yàn)镕=32.20>2.97，所以應(yīng)接受備擇假設(shè)，即該模型存在異方差。

上述過(guò)程的軟件操作如下：

SORTK（樣本按K升序排列）

SMPL112（工作區(qū)間定義為1-12）

LSYCK（求出Σe1i玻

SMPL2031（工作區(qū)間定義為20-31）

LSYCK（求出Σe2i玻

GEMRF=4680196.526/145350.74（求出F=32.20）

將B的樣本觀測(cè)值按升序排列，Y的樣本觀測(cè)值按原來(lái)與B樣本觀測(cè)值相對(duì)應(yīng)關(guān)系進(jìn)行排列，略去中心7個(gè)樣本觀測(cè)值，將剩下的24個(gè)樣本觀測(cè)值分成從量相等的兩個(gè)樣本，每個(gè)子樣本的觀測(cè)值個(gè)數(shù)均為12。排列結(jié)果見(jiàn)下

單位：億元

地區(qū)YB地區(qū)YB

江蘇29476.6610173.96內(nèi)蒙古2327.481866.93

廣東31519.6110118.86云南2344.071839.66

山東24678.509398.78新疆1656.021675.52

浙江21227.207746.86江西2736.691511.75

上海14594.155842.65廣西2242.261503.99

遼寧9140.615538.81甘肅1695.791495.52

河北10194.404735.21貴州1546.171444.60

河南9236.804589.39重慶2598.841320.98

湖北5329.234129.67青海388.12639.32

四川5303.643515.93寧夏605.19489.34

山西4173.933351.30海南429.42306.40

北京5974.703322.08西藏24.8573.06

用第一個(gè)子樣本估計(jì)模型，得

Y=-56.29035+1.360224B+

殘差平方和Σe1i=2096059.48

用第二個(gè)子樣本估計(jì)模型，得

Y=-8181.280+3.712556B+

殘差平方和Σe2i=28414056.94

提出原假設(shè)H0：si2=s32…..=.s312

備擇假設(shè)Hi：si2s22…….s312各不相同

構(gòu)造F統(tǒng)計(jì)量

F=Σe2i/Σe1i=13.56

給定顯著性水平a=0.05，v1=v2=12-2=10，查F分布表，

F0.05（10，10）=2.97

因?yàn)镕=13.56>2.97，所以應(yīng)接受備擇假設(shè)，即該模型存在異方差。

上述過(guò)程的軟件操作如下：

SORTB（樣本按K升序排列）

SMPL112（工作區(qū)間定義為1-12）

LSYCB（求出Σe1i玻

SMPL2031（工作區(qū)間定義為20-31）

LSYCB（求出Σe2i玻

GEMRF=28414056.94/2096059.48（求出F=13.56）

下面應(yīng)用加權(quán)最小二乘法估計(jì)模型

軟件操作如下：

SMPL131

GENRX=1/（K*B）

LS（W=X）YCKB（以X=1/（K*B）為權(quán)數(shù)進(jìn)行加權(quán)最小二乘估計(jì)）估計(jì)結(jié)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

滿足所有統(tǒng)計(jì)學(xué)檢驗(yàn)

③多重共線性檢驗(yàn)

我們采用逐步回歸法來(lái)檢驗(yàn)我們的模型。我們先把解釋變量中的固定資本量B去掉，得出一個(gè)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檢驗(yàn)值略小外，其他值都有所提高，B不會(huì)引起多種共線性。

我們?cè)侔呀忉屪兞恐械腒去掉，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，幾乎所有值都沒(méi)有原來(lái)模型的好，說(shuō)明該模型缺不了K，K也不會(huì)形成多重共線性。

（五）應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)模型分析問(wèn)題

長(zhǎng)期以來(lái)，我們一直把影響產(chǎn)出的因素歸結(jié)為投資，勞動(dòng)和技術(shù)，這次我們的研究沒(méi)有涉及技術(shù)，只分析了前兩者，后來(lái)我們發(fā)現(xiàn)勞動(dòng)在其中的作用變的很小，以至于我們將它舍棄，聯(lián)系到現(xiàn)實(shí)生活中我們就不難發(fā)現(xiàn)為什么現(xiàn)在下崗工人如此的多，近些年來(lái)，由于技術(shù)和管理手段的提高，以往的勞動(dòng)水平已經(jīng)超過(guò)我們需要的勞動(dòng)要求，勞動(dòng)的增加已經(jīng)不能提高產(chǎn)出，反而增加了成本，所以各個(gè)企業(yè)紛紛裁員。所以，要想提高產(chǎn)出，已經(jīng)不需要也不能靠勞動(dòng)力的提高來(lái)提高。投入將會(huì)在影響產(chǎn)出的眾因素中越加凸現(xiàn)出來(lái)。

另一方面，我們選取了固定資產(chǎn)來(lái)作為影響工業(yè)產(chǎn)出的一個(gè)變量，因?yàn)槲矣X(jué)得固定資產(chǎn)的多少客觀上能反映企業(yè)技術(shù)水平的高低，固定資產(chǎn)除了廠房等一些基礎(chǔ)投資外，就是設(shè)備的投入，而技術(shù)又是通過(guò)設(shè)備體現(xiàn)出來(lái)的，所以提高固定資產(chǎn)，購(gòu)進(jìn)先進(jìn)設(shè)備，是另一個(gè)提高工業(yè)產(chǎn)量的方法。

所以，在現(xiàn)在的工業(yè)產(chǎn)業(yè)中，我們應(yīng)該更加看重投入，把錢都用在需要的項(xiàng)目上，當(dāng)我們想要提高生產(chǎn)率或者提高產(chǎn)品質(zhì)量的時(shí)候，我們就要購(gòu)置先進(jìn)生產(chǎn)線，對(duì)于我們來(lái)是說(shuō)事半功倍。各工廠還要根據(jù)自己的情況合理配置人員。人多力量大的時(shí)代不復(fù)存在。合理投入和夸大生產(chǎn)線或升級(jí)生產(chǎn)線才能更好的提高產(chǎn)值。