休闲养老服务业未来发展剖析.docVIP

  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
休闲养老服务业未来发展剖析

休闲养老服务业未来发展剖析   摘 要:随着老龄化程度的不断加深,为我国休闲养老服务业的发展提供了客观需要和外在的基础条件。本文主要通过对影响休闲养老产业发展的多因素分析,建立以休闲养老产业收入为被解释变量,若干影响因素为解释变量的多元线性回归模型,并应用2003-2013年间的截面数据回归得到的模型,再对模型进行计量经济学检验,并对中国的休闲养老产业发展显著因素分析和提出相关政策建议。   关键词:休闲养老;市场需求;OLS参数估计;异方差   一、现状分析   目前,由于中国老龄问题越来越严峻, 社会各界对老龄问题的探讨也越来越多,很多相应的养老产业应运而生,休闲养老服务业作为一个朝阳产业,影响其发展的有社会各界的诸多因素,基于消费者调查的基础上,用计量经济学模型着重从居民收入、老龄化人口、休闲养老服务业从业人员及政府政策支持等方面分析我国休闲养老服务业的市场需求潜力。休闲养老产业的发展空间巨大,该如何发展仍需要深入探讨。   中国发展休闲养老产业具有不可忽视的两个重要优势条件。首先,中国已经迈进老龄化时代。根据调查分析, 我国目前老龄化的现状存在以下四个问题:一是人口基数大,老年人口多;二是进展快;三是生产力水平比较低;四是历史欠帐较多。其次,老龄群体消费能力强。中国的老年人在职工作时,没有多余的消费时间和机会,当他们退休后,有足够的时间和消费能力。老年人群对于他们的物质生活以及精神生活的要求越来越高,为休闲养老产业的产生与发展奠定了市场基础。休闲养老产业收入是评价休闲养老产业发展程度的一个综合指标,也是某一个国家或者地区休闲养老产业发达与否的重要标志。休闲养老产业的需求量直接决定了休闲养老产业收入的多少,因此如何正确掌握我国国内的休闲养老产业的需求对于该产业未来的发展是至关重要的。有很多因素影响休闲养老产业需求,不仅有消费者内部的因素,也有外部环境的因素。居民的家庭收入和人口老龄化的人数,休闲养老服务业的服务,政府的财政支出都会或多或少的影响休闲养老产业的需求量。通过建立计量经济学模型,可以对影响我国国内休闲养老产业需求的因素进行回归分析,并以此为依据分析影响我国休闲养老产业需求的主要因素及其影响程度,并提出相应的政策建议。   二、模型变量的选择和分析   休闲养老需求的主要影响因素包括:1.居民可支配收入。居民的经济收入状况是决定老年需求市场规模和容量的关键因素。收入与人们消费的积极性有着紧密的联系,消费者的购买能力主要是以收入作为保证前提的。老龄化人口。我国是老龄化人口大国,因此巨大的人口规模是促进我国休闲养老市场规模发展的有利条件。休闲养老服务业从业人员。养老人才数量和质量的提升,有利于休闲养老产业的持续发展。政府对养老产业的财政支出。此外,老年人的受教育程度,居住地,性别等都或多或少的影响着休闲养老产业的需求发展。   三、模型的建立   本文以休闲养老产业2003-2013年的收入数据作为研究对象,利用最小二乘法等方式来分析其与居民可支配收入、老龄化人口、休闲养老服务业从业人员和政府对养老产业的财政支出之间的关系。(一)样本数据的采集。(二)建立模型最初的模型设定为。   其中:Y=休闲养老服务业收入 X1=居民可支配入;X2=老龄化人口;X3=养老服务业从业人员;X4=政府财政投入;-随机扰动项   四、模型分析   (一)各个变量与Y的关系图   (二)回归模型参数估计。首先在EViews中用普通最小二乘法(OLS)进行参数估计,结果如下:   Y=1036.86 +0.0129X1+0.0043X2-1.0408X3+0.1721X4   T=(1.9202) (1.3472) (0.0639) (-0.5185) (0.8471)   R2=0.994425 DW=2.283206 F=267.5455   由此可见,该模型可决系数很高,样本的拟合优度很好,F检验值为267.5455,明显显著。   但是当时,,不仅X1、X2、X3、X4的t值的绝对值小于2.201,t检验不显著,而且X3的t值的符号与预期相反,这表明很可能存在严重的多重共线性。   (三)多重共线性的检验和修正   1.计算各解释变量的相关系数。在Workfile窗口,选择X1、X2、X3、X4数据,点击“Quick”―Group Statistics―Correlations―OK,出现相关系数矩阵,由相关系数矩阵可以看出,各解释变量相互之间的相关系数较高,这表明模型存在着多重共线性。   2.修正多重共线性。采用逐步回归法,去检验和解决多重共线性问题。分别作Y对X1、X2、X3、X4的一元回归,结果如下图:在Eviews主页界面的窗口,输入“ls y c x2”,“回车键”。依次如上

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