- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
北京经济结构与经济增长关系量化研究
北京经济结构与经济增长关系量化研究
【摘 要】我们已经进入了一个经济高速发展的时代,北京作为全国的经济中心,研究其经济结构与经济增长的关系对促进中国其他城市的发展有重要的借鉴意义。本文主要利用规模报酬不变的Cobb-Douglas生产函数,建立计量模型,并对其进行计量经济学和统计学检验,得出北京经济结构变动对经济增长产生怎样影响的结论。
【关键词】经济结构;经济增长;Cobb-Douglas生产函数
1.引言
当今的时代是人类历史上发展最为迅速的阶段。生产生活从以农业为主转换到以工业为主,再到许多发达地区的以服务产业为主,每一个转变都有着跨时代的意义。经济的发展要以农业为生活物质基础,以工业为生产物质基础,才能够达到稳定持续的增长,才能够满足进军后工业时代的基本条件。
当代中国经济飞速发展,接连十年以上经济增长率始终保持在7%以上的高速率。而北京作为环渤海京津冀的中心城市之一,作为中国的经济中心,肩负着成为世界中心城市的重要责任。2009年,北京人均GDP达到10000美元以上,经济结构发生明显转变,是中国最先一批进入后工业社会的城市之一。研究其经济结构与经济增长的关系对促进中国其他城市的发展有重要意义。
2.研究内容和方法
本文运用规模报酬不变的Cobb-Douglas生产函数,利用EViews5.0软件,建立数量模型,并对其进行计量经济学和统计学检验,对北京经济结构与经济增长的关系进行研究,得出北京经济结构变动对经济增长的影响。
2.1 模型的建立
本文将从总供给的角度建立计量模型,研究经济结构与经济增长的关系。
首先,利用经济学中一个规模报酬不变的Cobb-Douglas生产函数(1)式表示资本存量和劳动力是如何决定生产能力的。
(1)
Y——产出
K——资本存量
L——劳动
?——资本的产出弹性
ε——随机扰动项,表示资本和劳动以外的其他生产因素对产出的影响
A——特定时期的技术结构特征
然后,将(1)式左右两边同除以L,得出人均产出函数:
(2)
再另y=Y/L ,k=K/L,得出规范式:
(3)
产业结构、投资结构和消费结构???一组成经济结构,因此所建模型应表现出它们的变化是如何通过影响资本效率或经济规模刺激经济增长的。设定模型如下:
(4)
x1——产业结构特征,用第三产业就业人员比重×100代入
x2——投资结构特征,用基础设施投资占固定资产投资的比重×100代入
x3——消费结构特征,用北京城市居民恩格尔系数代入,即北京城市居民食品支出/城市居民消费性支出×100
y——人均地区生产总值
k——人均资本拥有量
a1、a2、a3 ——产业结构、投资结构和消费结构变化对资本产出效率的边际影响参数
b1、b2、b3 ——产业结构、投资结构和消费结构变化对经济规模的边际影响参数
最后,将(4)式左右两边同取对数,得出模型:
㏑y=㏑A+(a1x1+a2x2+a3x3)㏑k+(b1x1+b2x2+b3x3)+ε (5)
2.2 数据与初步模型计量结果
根据《2010北京统计年鉴》的数据,计算并整理得到1978-2009年的相关数据。
利用这些数据和EViews5.0软件,对(5)式进行最小二乘法的回归分析。
结果显示,变量x1*log(k) 、x2*log(k)、x1、x2在5%的显著水平下没有通过t检验,模型存在自相关等缺陷,接下来要对其进行检验与改进。
2.3 模型检验
用怀特法(White)检验异方差,结果表明在60.29%的显著性水平下接受不存在异方差的原假设。
用拉格朗日乘数法(LM)检验序列相关性(Obs*R2=10.12122;Probability=0.006342),LM统计量显示,在5%的显著水平下拒绝原假设,回归方程的残差序列存在序列相关性。
用ARMA模型消除序列相关,结果如下:
表1 模型计量结果eq11
变量 t值 概率
C 4.71 0.0001
X1*LOG(K) 2.21 0.0386
X2*LOG(K) -3.04 0.0064
X3*LOG(K) 9.44 0.0000
X1 0.06 0.9524
X2 3.56 0.0020
X3 -6.50 0.0000
AR(1) 8.77 0.0000
AR(2) -6.36 0.0000
MA(1) -9.40 0.0000
LM统计量显示,在5%的显著水平下接受回归方程的残差序列不存在序列相关性的原假设。
通过表1可以看出x1的t检验的概率大于0.05,为极不显著,先去掉这个变量,(5)式变为:
㏑y=㏑A+a1
文档评论(0)