我国金融发展规模的影响因素的探讨.docVIP

我国金融发展规模的影响因素的探讨.doc

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
我国金融发展规模的影响因素的探讨

我国金融发展规模的影响因素的探讨   摘要:金融发展规模主要指一个国家或地区在特定时期内金融市场的发达程度和规模的大小,主要受经济因素、经济结构因素、政治因素、社会环境因素和资本投入的影响。而代表金融发展规模水平的一个重要指标便是“麦氏指数”。据此,针对我国GDP影响因素建立了计量经济模型,并利用E-views软件对数据进行相关回归分析,建立GDP影响因素更精确的模型,分析了影响金融发展规模主要因素及其影响程度,探讨扩大我国金融发展规模的有效措施。   关键词:金融发展规模;影响因素;麦氏指数   中图分类号:F83   文献标识码:A   doi:10.19311/j.cnki2016.21.061   0引言   通过研究以前学者对影响因素的选取并且根据西方经济学理论,发现我国金融发展规模主要受经济因素、经济结构因素、政治因素、社会环境因素和资本投入的影响。其中经济因素主要表现为GDP的发展水平,经济结构因素主要表现为第二产业贡献率,政治因素主要表现为当年政府财政支出与当年GDP的比率,社会环境因素城镇化水平,资本投入主要表现为全社会固定资产投入。经济因素是影响我国金融发展规模的直接因素,二者呈现出反比例关系;经济结构因素是决定我国金融发展规模的一个因子,第二产业贡献率增加,相应的金融发展规模也会增加;政治因素和社会环境因素是影响我国金融发展规模的两个间接因素,政府财政支出与金融发展规模呈负相关关系,二城镇化水平与金融发展规模成正相关关系。资本投入也是一个影响金融发展规模的重要因素,社会固定资产投入的增加会引起金融发展规模的扩大,反之,缩小。于是最终确定了以衡量金融发展规模的麦氏指数(M2/GDP)为被解释变量,以经济因素、经济结构因素、政治因素、社会环境因素和资本投入为解释变量的计量经济模型。   模型初步设定为:   Yi=β0+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+Ui   其中Y表示麦氏指标(M2/GDP)、X1表示经济因素(GDP)、X2表示经济结构因素(第二产业贡献率),X3表示政治因素(当年政府财政支出与当年GDP的比率),X4表示社会环境因素(城镇化水平),X5表示资本投入(全社会固定资产投入)、Ui表示随机误差项。   根据参数估计结果得出回归方程为:Yi=-1.204-0.051X1i+0.004X2i-0.415X3i+0.076X4i+0.043X5i   1实证结果及分析   在经济学和统计学层面上进行检验。   1.1经济意义检验   β0=-1.203629,表示在剔除经济因素、政治因素、社会环境因素、资本投入等因素的影响下,金融规模指数Y为负值,由此可见金融发展规模的大小与上述因素有一定的关系。同时,β1=-0.051033表示金融规模指标随着GDP的增加而减小,β3=-0.414663表示金融规模指标随着财政支出随GDP的增加而减小。   同样。β2=0.00388,表示金融规模指标随着第二产业贡献率的增加而增加,第二产业贡献率每增加一个单位,金融规模指数增加0.00388个单位。同时β4与β5为正数表示金融规模指标随着城镇化率的增加而增加、随社会固定资产投入的增加而增加。   1.2统计学检验   1.2.1拟合优度检验   R2=0.975664,Adjust R2=0.968904   上述结果说明,估计的样本回归线方程可以解释96.89%的估计模型,拟合优度较高,很好地拟合了样本观测值。   1.2.2T检验   (1)提出假设。   H0:β1=β2=β3=β4=β5=0   H1:βi不全为0(i=1,2,3,4,5)   (2)比较T值。   查T统计量表可知t0.025(18)=2.1   由上述估计结果可知:   β1的t统计量绝对值=3.9877972.1=t0.025(18)   β2的t统计量绝对值=1.4581022.1=t0.025(18)   β3的t统计量绝对值=0.4108452.1=t0.025(18)   β4的t统计量绝对值=8.5961952.1=t0.025(18)   β5的t统计量绝对值=3.3496152.1=t0.025(18)   (3)分析结果。   有上述结果可知:t1、t4、t5绝对值都大于2.1,所以否定H0;t2、t3的绝对值都小于2.1,所以接受H0。   1.2.3F检验   (1)提出假设。   H0:β1=β2=β3=β4=β5=0   H1:βi不全为0(i=1,2,3,4,5)   (2)比较F值。   查F统计量表可知:F0.05(5,18)=2.77。   由上述分析结果知,线性回归方程

文档评论(0)

erterye + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档