美章网 资料文库 经济增长论文范文

经济增长论文范文

经济增长论文

经济增长论文范文第1篇

现有文献中,关于政府债务与经济增长之间具体关系的研究较多,而专门研究政府债务对经济增长影响传导机制的文献则相对较少,并且大都是在研究政府债务与经济增长之间关系时附带涉及。在政府债务影响经济增长的传导机制中,诸多研究强调投资在该机制中的重要作用。Krugman(1988)认为,当经济处于债务积压状态时,国内经济活动中投资回报的一部分将被外国债权人以税收的形式征走,因此国内外投资者的投资将会受到抑制,进而降低经济增长率。债务积压也会通过增加不确定性抑制投资,进而阻碍经济增长。OksandWijnbergen(1995)认为,高债务会对投资的期限结构产生影响,任何投资者都倾向于去投资那些期限短回报快,而不是长期、高风险、不可逆的项目。迅速的债务积累也会伴随着资本流失,因为私人部门会担心货币贬值或者是税收的增加用于偿还债务。MossandChiang(2003)认为,具有高债务水平的国家通常具有更高的违约率,使得经济环境不够稳定,影响投资信心,抑制投资;已经存有的投资者也会审慎评估经济环境慎重投资,总之会抑制投资。

Balassoneetal.(2011)等也认为,在高债务水平下,主要是通过减少投资来降低经济增长。还有一些文献强调利率在政府债务影响经济增长传导机制中的作用。Cohen(1993)认为,政府债务影响经济增长的一条主要途径是长期利率。政府预算赤字的持续上升,会导致更高水平的长期利率,并且会对私人投资产生挤出效应,因此会降低潜在产出的水平。ElmendorfandMankiw(1999)认为,如果政府债务融资水平持续上升,会推高国债利率,对居民和企业而言,会导致私人部门净现金流出增加流入到公用部门。这有可能使得非公共部门投资利率上升,并且消费下降。BallandMankiw(1995)和Orszagetal.(2004)等认为,不断上升的债务水平可能令投资者怀疑政府的到期偿付能力,最终会导致必须要向投资人支付更高的利率才能弥补赤字。利率水平的提升会引发金融市场的无序,影响经济增长率。

部分文献认为全要素生产率和人力资本在政府债务影响经济增长的传导机制中有重要作用。Pattilloetal.(2002)以61个发展中国家1969~1998年的数据对该问题进行研究,结果表明,债务水平翻倍会降低每资本GDP增速和TFP增速1%,并且政策环境也会影响政府债务与经济增长之间的关系。Pattilloetal.(2004)认为,在债务水平对经济增长的影响方面,高债务水平对人力资本积累和TFP有显著的负面效应,从而对经济增长产生负面影响,其中2/3是通过TFP,1/3是通过人力资本积累。ElmeskovandSutherland(2012)认为,政府债务会以非线性的方式推高长期利率,增大违约风险,挤出私人投资,进而降低研发支出,损害经济增长。对政府部门而言,一方面,政府更倾向于投资期限短,见效快的项目;而不是投资期限长,投资金额大,产出具有高度不确定性的高新技术项目。而且,也降低了政府提供教育的资金投入,进而降低了人力资本积累的增长速度。

还有一部分文献认为,政府债务会造成资本流出,进而影响经济增长。AlesinaandTabellini(1989)和TornellandVelasco(1992)认为,一国通常会过度借贷,为偿还贷款会提高税率,引发资本流出,从而降低经济增长率。MossandChiang(2003)认为,具有高债务历史的国家通常具有更高的违约率,而债务违约将会对一国的国际信用及信用记录带来不良的影响,国际声望下降。投资者会怀疑一国的经济实力,引发资本流出。总结现有文献,虽然也有文献提及利率在政府债务影响经济增长传导机制中的重要作用,但是大都仅作为一种理论观点提出,而且经验研究结果也相对较少。本文将运用面板VAR方法对利率在政府债务影响经济增长的传导机制进行深入的分析,以期对理解政府债务与经济增长的关系有所帮助。

二、研究设计

从利率—投资视角来分析,政府债务影响经济增长的具体机制是,首先,政府的发债行为会引发利率的上升。因为发行政府债务,会对货币市场资金造成占用,形成政府部门和私人部门之间对资金产生竞争,企业整体的融资成本和长期利率均会提高。其次,利率上升会对私人部门的投资有挤出效应,导致投资下降。最后,由于投资构成总需求,投资的下降必然引起经济增长率的下降。基于以上分析,为了得到政府债务冲击下利率、投资和产出的具体反应,本文使用当前宏观经济领域较为新颖的面板向量自回归模型(PanelVectorAutoregression,简称“面板VAR”或“PVAR”)来分析该传导机制的宏观经济效应。

(一)模型的设定选用经济增长率、政府债务、利率和投资组成一个PVAR系统。具体的模型设定形式如下。

(二)数据的选择数据选择方面,鉴于1980年以前个别国家数据缺失较多,考虑到数据的可获得性及数据的完整性,本文以69个国家1980~2012年间33年的数据为样本,分析政府债务与经济增长率之间的关系(见表1)。这69个国家分别为:澳大利亚、布隆迪、比利时、孟加拉国、巴哈马、玻利维亚、巴巴多斯、不丹、博茨瓦纳、加拿大、瑞士、智利、喀麦隆、哥斯达黎加、塞浦路斯、德国、多米尼加、丹麦、厄瓜多尔、西班牙、埃塞俄比亚、芬兰、法国、加蓬、赤道几内亚、希腊、格林纳达、危地马拉、洪都拉斯、印度、爱尔兰、冰岛、以色列、意大利、牙买加、日本、肯尼亚、圣基茨和尼维斯、科威特、圣卢西亚、斯里兰卡、莱索托、摩洛哥、马里、马耳他、毛里塔尼亚、毛里求斯、马拉维、尼日利亚、荷兰、挪威、尼泊尔、阿曼、葡萄牙、卢旺达、新加坡、塞拉利昂、瑞典、斯威士兰、叙利亚、乍得、多哥、泰国、乌干达、乌拉圭、美国、南非、赞比亚、津巴布韦。

(三)单位根检验及滞后阶数的选择面板VAR格兰杰因果检验要求时间序列变量必须平稳或者协整。如果一个时间序列是非平稳的,那么每一个时间序列的数据集都只是一个期间的行为,其结果无法推广到其他区间,并且该统计量的渐进分布将不再是F分布。因此在进行格兰杰因果检验之前,必须要对变量进行平稳性检验。本文采用Levin-Lin-Chu方法对相关变量进行平稳性检验。经检验,政府债务的数据为非平稳序列,但经一阶差分后平稳;利率和经济增长率的数据本身即为平稳序列,无需调整。变量的平稳性检验结果如表2所示。在对各变量的平稳性进行检验之后,对模型的滞后阶数进行估计。根据滞后长度信息标准显示,PVAR的最佳滞后阶数见表3。

(四)PVAR估计结果本文利用stata12.0软件对4个变量的面板数据进行了PVAR分析,估计结果如表4所示,其中L1、L2、L3分别代表滞后1期、滞后2期和滞后3期。首先来看政府债务对利率的影响过程。估计结果显示,政府债务的滞后1期在5%的显著性水平上对利率会产生影响。其次来看利率对投资的影响过程,利率在10%的显著性水平上会对投资产生影响。再来看投资对于经济增长率的影响过程。投资的滞后1期对于经济增长率有显著的正向影响。PVAR综合估计结果显示,政府债务—利率—投资—经济增长率的传导机制显著且有效。

(五)脉冲响应分析图1即为使用Bootstrap方法进行200次蒙特卡洛模拟反复抽样得到的95%的置信区间,首先来看利率对于政府债务冲击的动态响应过程。在政府债务1%正的增长率冲击下,利率的增加第1期期末达到正的最大值,随后在第1期后会向下穿越横轴,并在第2期达到负的最大值。之后经历震荡衰减过程,并在第10期左右回归到初始稳态水平。由此可见,债务水平的提高在短期内会提升利率水平,但也存在利率超调的震荡调整过程,带来一定程度上的利率波动。其次来看投资对利率冲击的动态响应过程。在利率1%正的增长率冲击下,投资成正“U”型调整,并在第5期达到最大,最后在经历约10期后逐渐收敛至稳态水平。由此可见,利率的提升在短期内对投资具有明显的抑制效应。再次,来看经济增长率对投资的脉冲响应过程。在投资1%正的增长率冲击下,实际产出呈“驼峰”形态调整,并在第1期期末达到峰值。然后,实际产出经历约10期的回调后,逐渐收敛至初始稳态水平。最后,来看经济增长率对于利率的脉冲响应过程。在利率1%正的增长率冲击下,实际产出会立刻出现下降,并在第2期期末达到峰值,然后逐渐回归到初始稳态水平。综上所述,脉冲响应图结果也显示,政府债务的提升会造成利率水平的提高,而利率水平的提高将直接引发投资的下降,最终导致经济增长率的下降。脉冲响应函数图直观地反映和证明了政府债务影响经济增长利率传导机制的有效性。

三、结论及政策建议

经济增长论文范文第2篇

与此相反,在中国的受实体经济率先复苏和预期人民币升值等因素影响,国际资本争相流入中国。因为中国的货币政策早于西方发达国家开始收紧,央行自2010年下半年开始已经4次提高基准利率。加息只能使国内外利差进一步加大,使得国际游资加速涌入国内进行套利,流动性加剧,通胀风险进一步提升。全球面临流动性失控也导致国际大宗商品价格暴涨,国内企业生产成本上升。较为宽松的货币政策导致发达国家的货币争相流入商品金融市场,大宗商品包括贵金属价格普遍上浮,铁矿石、铜等金属物品及大宗农副产品价格均大幅上涨,致使向全球输出通胀。中国对于这些物品需求量巨大,引起企业生产成本上升,间接带动了消费品价格上涨。其次,外部和内部因素的共同作用使得中国央行并不能完全控制其发行的基础货币量。从2008年3月(最低点)到2013年8月,中国的基础货币量(M1)从15.1万亿增加到31.4万亿,净增长16.3万亿,翻了超过一番(见表1)。但是,中央银行并不应该完全为基础货币的高速增长负责,中国的基础货币有明显的受到外贸因素影响而被动增加的色彩。受世界范围流动性过剩和出口导向的影响,作为拉动经济增长的三驾马车之一的净出口2012年表现依然强劲,实现贸易顺差2311亿美元,增长了48.1%。由于央行负有要维护人民币汇率稳定的责任,净出口增加导致我国央行资产负债表中的外汇占款数额急剧增长,而外汇占款增加的结果是央行增发基础货币。其逻辑是,中国企业出口赚取外汇;在人民币升值预期下,企业向商业银行结汇;把维护汇率稳定作为政策目标之一的央行再从商业银行手中购买外汇,转化为日渐积聚的国家外汇储备。2013年6月末央行外汇储备已经达到了3.5万亿美元,是排名第二的日本的近三倍。央行购汇使得基础货币不断地流入商业银行,扩大了后者的可贷资金规模。由于净出口更多地受到整个世界经济形势和出口导向的经济增长政策的影响,中国的央行没有能力加以左右。所以,央行对基础货币的控制并不是随意的,为维护人民币汇率稳定导致基础货币量被动增长,客观上增加了通货膨胀风险。再次,从造成流动性过剩的内部原因看,央行不仅无法控制全球流动性泛滥所导致的热钱流入、成本上涨和基础货币被动增加,也没有可能完全控制国内广义货币的创造。广义货币的失控和过剩是在刺激性的货币和财政政策背景下,货币通过商业信贷过程内生创造的结果。

在从2008年3月到2013年8月的这四年时间内,中国的广义货币即M2由42.3万亿增加到106.1万亿,净增长了63.8万亿,增长达1.5倍。2013年8月,广义货币(M2)与基础货币(M1)的增幅之差达到了“106.1万亿—31.4=74.7万亿”之巨,见表2。教科书上的西方经济学理论喜欢用乘数效应解释广义货币的创造,但这种解释是刻舟求剑,书斋里的学问,乘数论似乎解释了一切但也掩盖了一切。直面现象的经济学研究必须解释为什么在中国经济体系的运行过程中会内生的多创造出来74.7万亿的广义货币。从央行的数据分析,新增加的货币供给量绝大多数被以贷款形式流出的。从绝对量讲,截止2012年末,全国金融机构累计发放本外币贷款总量约67.3万亿元,大约是2012年GDP总量的1.3倍。从增量看,从2008年3月到2013年8月,全国金融机构本外币贷款规模从29.4万亿上升到74.1万亿,净增了44.7万亿,占内生地多创造出来的74.7万亿的广义货币的60%,见图3。那么,这44.7万亿的银行贷款又流向了什么领域呢?有研究显示,这44.7万亿的贷款80%以上仍然流向了大型国有企业和各级政府所发动的投资项目。这符合在转轨过程中长期形成的一个经验判断,每当宏观经济出现紧缩迹象时,在获得国内贷款等方面受到限制的首先是民营部门,反之大型国有企业和政府的项目在信贷方面往往享有优先权。一个举目可见的现象是,在4万亿财政投资计划的刺激下,各地政府拼命扩大高铁、地铁、高速公路等基建项目投资,国有企业也趁机大举借贷,乃至出现国企地王现象。通过上述数字的对比和对商业银行贷款方向的考察可以认为,从2008年3月到2013年8月之内广义货币增和基础货币之间的74.7万亿增幅差额,从国内的因素看,主要应该是在政府宽松货币政策和财政刺激政策背景下,各商业银行对大型国有企业和地方政府主导的大型项目工程的倾斜性信贷急剧膨胀的结果。

二、根治中国当前通货膨胀问题的对策

综上所述,当下中国的通货膨胀远不是央行多发了基础货币那么简单,广义货币增加背后的逻辑是复杂的,反映了国内外双重流动性过剩等因素综合作用的影响。因此,治理通货膨胀也必须多管齐下。

(一)加强对国际游资进入中国渠道的监管,防止炒作性游资进入国际游资进入中国无外乎是被套汇和套利机会所吸引。既然在短期内,中国外贸巨额顺差造成国际市场巨额的人民币需求,且以美国为代表的发达国家在政治上强烈要求人民币升值,故而人民币升值预期无法避免;为控制国内的流动性过剩,加息的政策也不可能废止。那么,在长期弱化甚至于取消管制的基本方针下,短期可暂时对外汇资金强化兑换管理。可规定资本项目下的外汇资金,没有经过非常充分严谨的论证不能兑换成人民币,进而切断人民币与外币在资本项目下的连接。政策实施时要区别对待,在拒绝国际游资的同时,不能伤害到正常外国投资者的利益。在反通货膨胀的特殊时期,短期内来强化外汇的干预和管制,是一个值得考量的政策选项。

(二)转变经济发展方式,降低生产能耗,减轻对石油等资源性产品的依赖度根据国际能源署的报告,中国目前已经取代美国成为了世界上最大的能源消费国,并且正在逐步成为世界上最大的石油消费国。无怪乎在世界大宗商品市场上,现在中国需要何种商品,该商品的价格就会水涨船高。面对当前的国际能源形势和全球气候变化的挑战,中国作为后发的大国必须探索出一条不同于发达国家发展历史的、崭新的发展道路,既要保证人民的生活得到持续的改善、国家实力不断增强,又要相对减少对能源、资源的依赖。即使是从长期国家能源安全和短期抑制成本拉上型通胀的角度看,加快经济发展方式转变和产业结构调整,降低生产对国外资源的依赖迫在眉睫。另一方面,扩大中国政府和企业在能源输出国和大宗商品市场上国际影响,从而增强在国际市场中的定价权也是必须抓紧进行的工作。

(三)扩大内需,降低经济增长对净出口的依赖近年来,净出口对于中国经济已经成为了一把双刃剑,一方面它带动了经济增长,另一个方面它对通货稳定始终是一个潜在的威胁。根本的解决方法是通过扩大内需降低经济增长对于净出口的依赖。扩大内需实际上已经是个老生常谈的问题,而在通胀背景下,消费能力受到影响最大的是中产阶级和低收入群体。必须按照“十二五”规划的要求,对收入分配进行合理调整,增加中产阶级和低收入群体的收入,因为他们的消费倾向要远高于高收入群体。在逐步提高低收入群体收入的同时,政府行政主管部门应尽快编制针对低收入群体的基本生活费用价格指数,以便科学地建立健全动态价格补贴机制,当因供求变化等原因导致生活必需品的价格出现持续较大幅度上涨时,政府应及时对低收入困难群体给予适当的临时价格补贴。

经济增长论文范文第3篇

(一)模型构建通过将投入产出与线性规划、多目标规划方法相结合建立多目标投入产出线性优化模型,在保持经济快速发展的同时,兼顾低碳目标,在投入产出平衡经济系统内寻求低碳与经济增长双赢的产业优化路径。模型构建过程如下:1.目标函数设定。(1)区域GDP最大,即所有产业增加值的和达到最大。式中,xi(t)为第t时期i部门的总产出,是模型中的可控优化变量,aij(t)为第t时期j部门对i部门的直接消耗系数,n为产业部门的个数。2.约束条件设定。对模型中的约束条件需要结合东北地区经济发展和低碳环保的实际情况进行设定。2009年,哥本哈根气候会议上中国承诺到2020年中国单位国内生产总值碳排放比2005年降低40%~45%。2012年党的十八大报告中提出“2020年实现国内生产总值和城乡居民人均收入比2010年翻一番”的经济发展指标。其中碳减排和经济增长目标也是东北地区的指标和任务。因此,本文将2020年作为规划期,中国宏观的节能减排和经济发展指标作为基本约束。经济增长约束:终期国内生产总值要能够达到一定经济增长率下的预期值。东北地区近十年经济保持快速增长,年均增长率高于10%,但由于近年来经济结构转型,更加注重社会效益和经济增长质量,导致经济增长速度放缓,2012年经济增长率已经低于10%,并有进一步下降的趋势。考虑到上述因素,本文以2010年为基期,设定到规划期2020年的经济预期年均增长率分别为7.17%(GDP翻一番的增长率)、8%(正常发展)和9%(快速发展)三个档次,进而计算得到2020年三个档次增长率所对应的GDP约束的下限值。低碳约束:根据中国政府的减排承诺,分两种情境设定东北地区2020年碳强度目标,分为在2005年的基础上降低40%和45%两档,用每个产业的碳排放系数(见表2)乘以其增加值再求和算出二氧化碳排放总量。通过计算,2005年东北地区碳排放强度为6.38吨/万元,按照减排目标,2020年的碳排放强度约束为3.82~3.51吨/万元。产业结构约束:现代社会经济发展程度的重要衡量标准之一就是第三产业发展水平,提高第三产业占比是产业结构调整的方向。因此,将规划期末第三产业达到期望比重作为产业结构约束。图1为东北地区2006年以来三次产业比重变化。近年来,东北地区三次产业结构基本保持稳定状态,第一产业平均比重在11%左右,二次产业比重占到52%,三次产业平均占比为37%。各省也在经济发展规划中提出产业结构要进一步得到优化,加强对第三产业的政策扶持和关注,使第三产业的比重提高到40%以上,本文设定到2020年第三产业占总产值比重的下限为40%。投入产出平衡约束:该约束条件中,最终使用Yt按照GDP呈现的年均增长速度保守估计各产业增加值的期望下限值,At按照上文所论述的方法取值;另外,模型中各产业部门的产值及引入模型中的正负偏差变量都要求为非负值。模型中,xi为各产业的总产值,是优化变量,vi是i部门的增加值率,Y0是基期(2010年)的GDP,rk表示不同的预期增长率,ci是i部门的碳排放强度,C0表示东北地区基期(2005年)碳排放强度,rh表示碳排放强度降低率,C0(1-rh)Y0(1+rk)表示第k经济增率和第h碳排放强度降低率下CO2排放总量的上限值。第三个等式为产业结构约束,17部门划分中,x16为商业、运输业,x17为其他服务业,均属于第三产业。

(二)模型数据本文的基准数据为国家信息中心编制的2002年和2007年中国区域间投入产出表———东北区域17部门投入产出表,部门分类如表1所示。相关数据分别来自于《中国区域经济统计年鉴》、《黑龙江统计年鉴》、《吉林统计年鉴》、《辽宁统计年鉴》。模型中需要预测东北地区2020年各产业的直接消耗系数矩阵At,直接消耗系数反应了某一产业部门单位产出对其他部门的消耗,又称为技术系数。东北地区作为经济不发达地区,其技术效率相对较低,可用经济技术水平较高的东部沿海地区直接消耗系数当前值替代东北区域2020年的直接消耗系数矩阵。另外,对于模型中的增加值系数向量Vt,通过2002年和2007年东北地区投入产出表可以计算出各个产业增加值系数的年均变化率,进而推算出2020年的增加值系数向量。由于统计年鉴中缺乏二氧化碳排放数据,需要通过计算得到。本文综合补充了以往的对碳排放量的计算方法,首先根据《IPCC国家温室气体清单指南》提供的方法并结合东北地区实际的能源消耗情况计算出各种能源的碳排放系数C。其中,ECj表示第j个行业的CO2排放量,Fij表示j行业对第i种能源的消耗量。分行业终端能源消费量可以从各省的统计年鉴中获得。由于东北地区分行业能源消费量无法直接获得,因而需要依照上述方法分别计算出吉林、辽宁、黑龙江三个省份分行业CO2排放量,然后将其加总得出东北地区17个行业CO2排放量,进而除以东北地区2005年GDP计算得到东北地区各产业CO2排放强度。

二、东北区域低碳约束下产业优化结果分析

表4~6①模拟出经济增长率为7.17%(GDP翻一番的增长率)、8%(正常发展)和9%(快速发展)和碳排放强度在2005年基础上降低40%和45%六种情境下的产业优化结果。表4显示了在满足2020年的GDP比2010年翻一番的经济发展要求时,各产业部门在两种低碳约束下模拟得到的最优总产出和年均增长率。由上表可以看出,为了满足经济增长和低碳的双重目标,各产业发展表现出显著差异,增长速度分布离散,17个产业部门中7个产业部门的增长率需要达到两位数以上,第三产业中的商业、运输业的年均增长率需要达到17%以上,而建筑业总产出呈现负增长,即应该减少其总产出。2020年要达到增加值翻一番,则2007~2020年的年均增长率需要达到9.4%,达到这一增长率要求的有10个产业部门,包括采选业、纺织服装业、造纸印刷及文教用品制造业、石化工业、金属冶炼及制品业、交通运输设备制造业、其他制造业、电力热力及水的生产供应业、商业和运输业、其他服务业,即这10个产业部门应该优先发展,加快其增长速度。该优化结果表明,东北地区目前的产业结构与节能减排所要求的优化结构还有较大差距。另外,在GDP翻一番的前提下,碳排放强度约束由40%增加到45%时,农林牧渔业、纺织服装业、非金属矿物制品业、机械工业、电子机械及电子通信设备制造业及其他制造业这6个部门增长率有小幅度增加,调增幅度均在0.05%以下,商业运输业的增长率有较大幅度提升,增长率从17.22%提高到18.17%。这7个产业部门的碳排放强度相对较小,它们的发展既能保证经济发展水平,又具有低碳化的发展空间,对东北地区的低碳化产业结构转型发展提供了良好的条件。表5是2010~2020年年均增长率在8%时各产业部门在不同碳强度约束下的发展趋势。17个产业部门的增长率同样表现出较大差异,商业、运输业及其他服务业所属的第三产业仍然表现出较大的增长幅度。换算成以2007年为基期时,年均增长率需要达到10.3%,该表中达到或者超过这一平均水平的部门有10个,与表3中的部门相同,即这10个部门的发展对经济增长有明显的拉动作用。与表3情况不同的是,碳排放强度从40%增加到45%时,该种情境下有6个产业部门增长率增加。农业部门、非金属矿物制品业和机械业的增长率开始小幅下降,分别需要降低0.27%、0.13%和0.12%,采选业和交通运输设备制造业的增长率调增,调增幅度为0.05%和1%。也就是说,在较高的经济增长的目标下,进一步加强减排强度时,对农业、非金属矿物制品业和机械业的经济增长的促进作用减弱,对采选业、交通运输设备制造业的经济增长较为有利。表6是2010~2020年年均增长率在9%时各产业部门模拟优化结果。换算成以2007年为基期时,年均增速为10.8%,表3和表4中发展较快的10个部门在该种情境下继续表现出较高的优化增速。与表3和表4不同的是,除建筑业外,其他16个产业部门的增长差距减小,各产业部门增速分布相对更集中,即在更高的经济发展要求下,碳排放约束对各产业部门的影响减弱。建筑业在6种情境下均出现负的增长率,说明建筑业对东北区经济发展的影响很小,应该缩减其产业规模。另外,在该经济增长目标下,石化工业的发展情况与表3和表4中该产业的发展呈现反向变化,随着碳排放强度的增强,其增长速度反而需要调增,表明了该产业对东北地区经济增长的重要作用。为了进一步了解产业结构的调整方向和调整力度,本文测算了17个产业部门的产业结构调整潜力。产业结构调整潜力是指优化后的产业结构中各个产业所占比例与现有产业结构中各产业比重之差,这是制定产业结构调整方案的依据。正号表示该产业存在扩大潜力,即该产业在总产出中的比例调增;负号表示该产业存在缩小潜力,即应该缩减其在总产出中的比重。表7是不同经济增长与低碳约束下各产业结构调整潜力。表7显示,每个产业部门在6种情境下的结构调整方向是一致的,仅表现为调整幅度的不同。17个产业部门中9个表现出不同程度的正的结构调整潜力,尤其是第三产业(商业、运输业和其他服务业)在不同的经济增长和碳减排约束下均具有很大的调整潜力,调整幅度达到5%以上,即相对于2007年的产业结构而言,2020年经过优化后的产业结构中,第三产业总产出在整个国民经济总产出中的比例至少应该提高5个百分点。其次,电力、热力及水的生产供应业也具有较大的正向调整潜力,不过可以看出随着碳减排约束程度的加大,其正向调整潜力幅度明显降低,主要由其行业本身特征决定,在生产电力、热力的过程中会产生大量二氧化碳,使其具有较高的碳排放强度。另外,注意到具有较高碳排放强度的交通运输设备制造业(5.12吨/万元)、石化工业(6.62吨/万元)和金属冶炼及制品业(12.15吨/万元)在总产出中的比重也具有增加趋势,它们的平均调增幅度分别为2.6%、1.01%、0.88%,虽然这些产业总产出的减少对于CO2减排有比较明显的效果,但它们对东北地区经济增长的影响远高于其他行业,东北三省“十二五”中也均将它们作为重点发展的产业。纺织服装业和包括仪器仪表及文化办公用机械制造业、工业品及其他制造业、废品废料在内的其他制造业也都呈现出正向调整潜力,但调整幅度均较小,分别为0.07%和0.42%,这些产业碳排放强度较小,产业基础发展水平不高。此外,在这些产出调增的部门中,随着经济增长速度的加快,其调增幅度在减缓,这说明东北地区产业结构存在着调整潜力,但这种潜力是有限度的,在调整产业结构的同时还应注意产业部门技术效率的提高。同时,17个产业部门中8个产业部门存在负向调整潜力。农林牧渔业在6种情境下的平均调减幅度为2.44%,该调整幅度基本符合产业发展规划,并且随着低碳约束的加强其缩减幅度下降,但缩减幅度很小,说明第一产业受低碳约束的影响很小。优化后的产业结构中建筑业呈现出较大幅度的缩减,平均调减幅度达到5.13%,虽然其碳排放强度很小,仅为0.22吨/万元,但建筑业对东北地区的经济增长贡献很小,并非优势产业,因而应该在一定程度上减少其在总产出中的比重。对于机械工业,在低碳强度约束相同时,其缩减比例的绝对值随着经济增长的加快而增大,经济增长为7.17%、8%和9%时对应的缩减幅度分别为0.99%、1.11%和1.14%,在经济增长较慢(7.17%)和较快(9%)时,该产业缩减幅度随着碳强度约束的加强而增加,在经济增长处于中间时(8%),碳强度约束由40%增加到45%时,其缩减比例反而有所降低。采选业、木材加工及家具制造业、非金属矿物制品业、电气机械及电子通信设备制造业也都应该缩小它们在总产出中的比重,缩减比例均在1%以下,表明现在的产业结构中这些产业部门所占的比重是较为合理的。

三、结论与启示

结合东北地区经济发展和环境质量的实际情况构建含有经济增长和低碳双重目标的投入产出优化模型,测算三档经济增长率和两档碳排放强度目标下各产业结构的演进方向和各行业的产业结构调整潜力。结果显示:

1.从产业经济增长方面看,调整碳排放强度和优化产业结构对各产业总产出和经济增长率都有一定的影响,但影响程度存在较大差异。一些产业部门在不同经济增长率和碳排放强度约束下都呈现出较高的增长潜力,包括采选业、纺织服装业、造纸印刷及文教用品制造业、石化工业、金属冶炼及制品业、交通运输设备制造业、其他制造业、电力热力及水的生产供应业、商业和运输业、其他服务业,这10个部门对区域经济增长具有明显的带动作用,是需要重点关注的产业,尤其是第三产业的经济增长潜力远高于其他行业。在经济增长目标较低时,低碳约束的增强对农业、纺织服装业、非金属矿物制品业、机械工业、其他制造业的经济增长较为有利;在经济增长目标较高时,随着低碳约束的增强,采选业、石化工业、交通运输设备制造业这些碳排放强度较高的产业反而有着更高的增长潜力;电气机械及电子通信设备制造业、商业及运输业由于无论是在高经济增长还是低经济增长目标下,碳排放约束越强,它们的增长潜力越大。

2.从产业结构调整潜力方面看,在6种情境下,每个行业在调整方向上具有一致性,调整幅度有不同程度的差异。农业、建筑业、食品制造及烟草加工业存在较大的负向调整潜力,即应该降低它们在总产出中的比重;同时,由于前两个产业的碳排放系数较低,当碳排放约束增强时,它们的缩减比例有所降低,而食品制造及烟草加工业随着低碳约束的增强需要进一步地调减其在总产出的比例。采选业、木材加工及家具制造业、非金属矿物制品业、机械工业和电气机械及电子通信设备制造业均需要小幅度地调减。商业、运输业、其他服务业、电力、热力及水的生产供应业、交通运输设备制造业这四个产业需要加大幅度提高它们在总产出中的比重,纺织服装业、造纸印刷及文教用品制造业、石化工业、金属冶炼及制品业和其他制造业具有小幅度的正向调整潜力。

经济增长论文范文第4篇

1.1计算方法

1.1.1原始数据处理由于事物或因素计量单位不同,原始数据在量纲和数量级上也会存在差异,因此在计算之前首先要对原始数据进行处理,主要通过初值化和均值化方法。初值化是用一个数列第一个数据后面的每一个数据除以第一个数据,得到所有数据相对于第一个数据的倍数数列,称之为初值化数列;均值化是用一个数列的所有数据除以该数列的平均数,得到一个所有数据相对于平均数的倍数数列,称之为均值化数列。

1.1.2计算灰色关联系数假定已经处理过的数据参考数列和与之作灰色关联程度比较的p个比较数列分别为。对于第k个比较数列,分别记n个∆0k(t)中的最小数和最大数为∆0k(min)和∆0k(max)。对p个比较数列,又记p个∆0k(min)中的最小者为∆(min),p个∆0k(max)中的最大者为∆(max)。这样∆(min)和∆(max)分别为这p个比较数列在各期的绝对最小差值和绝对最大差值。那么,在t时期,第k个比较数列与参考数列的灰色关联系数可通过下式计算。

1.1.3求灰色关联度通过n个灰色关联系数来反映每个比较数列与参考数列的灰色关联程度有一定的局限性,即难于从整体上对灰色关联信息进行把握,信息比较分散,因此,需要对灰色关联信息进行集中处理。可以采取求平均值的方法来定量衡量两个数列的灰色关联程度,则第k个比较数列与参考数列的灰色关联度计算公式为。

1.1.4排灰色关联度通过以上分析可以得知,灰色关联度主要用来比较度量因素间密切程度的相对大小,其绝对数值的大小意义不大,关键是在求得各个比较数列与同一参考数列的灰色关联度之后比较它们的大小。p个比较数列就对应p个灰色关联度,将这p个灰色关联度按其大小进行排列即为排灰色关联度,得到灰色关联序,其大小顺序代表了每个比较数列相对于同一参考数列的主次关系。因素分析便是灰色关联度分析方法最主要的运用之一。在运用过程中,人们不能完全有效地掌握信息,加上客观事物的复杂性,经济变量影响因素的多样性,导致很难看清各因素对经济总量的影响程度,这就需要通过因素分析对经济变量进行深入研究。而利用灰色关联度进行分析则比较适合各影响因素和总量之间数字关系不严密的情况。

1.2模型选择

1.2.1指标选取在建立模型之前首先要对模型的指标集进行选择,合适的指标集将对模型评估结果产生直接影响。在选择指标集时要考虑目标数据的可获得性、财务指标与传统非财务指标的融合性,且要切合研究目的。运用灰色关联分析方法定量计算子系统和母系统中诸因素的相关关系,其过程如下:(1)指标的选择问题。在分析南水北调工程与受水地区经济增长关系的研究中,GDP的增长首先是一个非常重要的指标,它可以反映出受水地区经济的整体运行状况。(2)以地区粮食总产量作为指标,分析受水地区农业发展与调水工程供水效益之间的关联。(3)将固定资产投资额、规模以上工业增加值、港口吞吐量作为研究受水地区工业发展和调水工程供水效益关系的指标。(4)找出社会消费品零售额与进出口总额作为指标,研究受水地区贸易增长与调水工程之间的关联。据此,通过对以上指标与调水工程供水效益进行灰色关联分析,可以描绘出受水地区经济运行的整体状态与南水北调工程供水效益之间的关联程度。受水地区地方经济指标的数据可以从各个地方政府的统计年鉴中获取,南水北调工程供水效益的数据可以向相关管理部门索取。

1.2.2模型建立设参考数列为X0,代表南水北调工程供水效益增长的百分点;被比较数列(因素数列)为Xi,i=1,2,…n,分别代表选取的受水地区经济指标。

2案例分析—以通榆河北沿送水工程为例

2.1工程概况通榆河是江苏省苏北沿海地区一条集送水、排涝和航运等多种功能于一体的骨干河道,通榆河北延送水工程是江苏省为实施国家沿海开发战略、促进东部沿海水运事业发展而开辟的战略性水资源工程,是一项超前谋划、有利于江苏未来长远发展的重大基础设施项目。该工程于2007年12月9日开工,并于2010年7月7日正式通水,总投资46.8亿元,包括疏港航道工程和送水工程两部分,该工程全长190km,连接了盐城市滨海县、响水县和连云港市的灌南县、灌云县、赣榆县和连云港市区,其中整治拓浚老河道103.1km,并新挖河道12.3km,输水规模达到30~50m3/s。在其建成后江苏省沿海和连云港市水源供给的安全保障能力将得到提升,沿海地区的水资源和水环境质量也将得到有效改善;同时,沿线地区的供水、排涝和水生态环境也会受其影响得到改善,与此同时,沂北地区的排涝工作也将得到相应保障[9]。

2.2指标集的选择根据上文建立的模型,为揭示通榆河北延送水工程供水效益与连云港区域经济增长之间的影响关系,选取2008~2013年连云港地区生产总值、地区粮食总产量、固定资产投资额、规模以上工业增加值、港口吞吐量、社会消费品零售额、进出口贸易总额和通榆河的供水效益作为指标集,对其数据进行分析,研究连云港区域经济增长与通榆河北延送水工程供水效益之间的关联程度,详见表1。

2.3灰色关联度计算(1)无量纲化处理。根据灰色关联度计算方法,对表1数据进行无量纲化处理,计算出通榆河北延送水工程供水效益及连云港港航经济系统各指标年度增加值,见表2。根据表2数据,可以计算出通榆河北延送水工程供水效益增长率及连云港港航经济系统各指标年度增长率,见表3。

2.4案例分析根据表7的结论可以发现,连云港港航经济系统的发展与各影响因素的关联度均大于0.5,这表明连云港港航经济系统各参考因子与通榆河调水工程供水效益都具有较高的相关性。其中,相关性最高的为连云港港口吞吐量,说明通榆河北延送水工程为连云港港口注入了新的活力。相关性最弱的为连云港进出口贸易总额,说明调水工程供水效益与当地国际贸易增长关联较低。此外,连云港区域经济系统与通榆河北延送水工程的关联度相对较高的指标还有连云港地区生产总值(灰色关联度为0.8426)、固定资产投资额(灰色关联度为0.7420)、规模以上工业增加值(灰色关联度为0.8008)和社会消费品零售额(灰色关联度为0.8296),均在0.7至0.85之间。可见,通榆河北延送水工程与连云港区域经济增长具有较高的相关性,两者紧密相关,相互依存发展。连云港港航经济系统与通榆河北延送水工程之间之所以有如此高的相关性,主要原因是:(1)连云港市区饮用水供水线路单一,通榆河北延送水工程有效地解决了这个矛盾。30~50m3/s的供水流量的意义不仅在于可以有效保障连云港市区应急水源及沿海开发战略的实施,也保障着疏港航道通航水位以及沂北地区的排涝工作。同时,通榆河北延送水工程也向里下河沿海垦区和渠北地区供水,在工业生产和农业灌溉方面也发挥着十分重要的作用。截止2013年底,通榆河北延送水工程平均每年供水量3888万m3,城市居民、工业及临港产业供水效益15708万元,并增加向农业供水,农业供水效益为1866万元,该工程的建成,不仅使得沂北地区排涝可调度,也保证了疏港航道的通航率。(2)作为连云港市的第二水源通道,通榆河北延送水工程提升了江苏沿海地区对水资源安全的保障能力,也显著提高了沿海地区的水资源和水环境质量。1998~2008年,连云港的唯一城市饮用水源“蔷薇河”共发生过水污染事故11次,虽然在实施清污水分流技术的后污染指标比过去有所下降,但对城市居民饮用水、食品等工业用水的影响仍然较大。通榆河北延送水工程的建设,可作为连云港市遭遇水质事故时的备用水源,从而保证连云港市城市及港口的正常生活。(3)工程的建设使得连云港市的生活用水和生态环境用水水质得到了保障,提高了居民用水效率,为招商引资树立了良好的城市形象,间接地影响了当地经济的发展,提高了当地的经济效益。

3结语

经济增长论文范文第5篇

对2000—2012年度安徽省经济增长质量的评价分析,借助统计分析SPSS软件,根据时间序列指标体系运用时序因子分析法进行经济增长质量指数测度,并与浙江省、全国进行比较。

(一)数据来源及处理数据样本为安徽省、浙江省、全国,样本时序长度为2000—2012年共13期;用于分析的客观基础数据从国家统计出版社出版的安徽省、浙江省和中国相关样本年份的统计年鉴、统计信息网和国家统计局网站获取,部分数据来源于新中国60年统计资料汇编。其中,全要素生产率增长率的估算中,关于资本存量的估算采用张军的方法[17];全要素生产率的测定采用非参数的DEA-MALMQUIST指数法在Deap2.1软件中实现。潜在产出根据平减后的真实GDP数据采用HP滤波方法,取λ=100得到。由于数据的不统一,有关人均受教育年限主要根据有关省和国家的统计年鉴数据按照达到相应文化程度需要经历的受教育年数(小学为6年、初中为9年、高中为12年、大学为16年)和相应人口比例通过加权平均测算所得。对指标体系中的逆向指标运用极大值与指标的差值使其正向化;指标体系中的所有指标统一为同一正向指标后,为了消除量纲差异,同时又不改变指标数值的分布规律,采用均值化处理方法。

(二)时序因子分析法测度时序因子分析法是将时间维度与传统因子分析结合起来的一种多元统计分析方法。在综合评价的各类方法中,由于因子分析法具有变量降维、直接源于数据本身的结构而具有客观性的因子得分权重以及计算方法简明实用、比较规范等优点,因而在评价实践中应用普遍。具体分析步骤如下:1.前提条件的判断利用均值化处理后的变量数据相关矩阵采用主成分分析方法,经反复比较统一抽取前2个主因子,坐标轴旋转方法采用方差最大化法,得到安徽、浙江、全国的经济增长质量的稳定性、协调性、持续性、潜力和福利性等五个维度的KMO值均在0.5~1.0之间,在1%显著性水平下Bartlett球形检验皆拒绝原假设,表明选取的2000—2012年安徽、浙江、全国的经济增长质量的基础指标数据适宜在各维度进行因子分析。2.计算因子综合得分利用满足因子分析前提条件所得的前期结果,分别得到经济增长质量五个维度的2个主因。根据式(1)并利用2个主因子线性得分函数可以求出经济增长质量各维度的基础指标系数向量,并对系数向量作规范归一化处理得到相应权重(结果见表2);运用式(1)计算各维度指数(结果见表3)。对上述五个维度指数F1t,F2t,…,F5t(t=2000,2001,…,2012)是否适合作因子分析进行判断:通过抽取2个主因子(k1,k2),安徽省、浙江省、全国的变量共同度均高于80%、累计方差贡献率也都在85%以上;KMO值都在0.70以上、Bartlett球形检验均拒绝原假设。因此,各维度指数满足因子分析前提条件。进一步计算顶层的因子得分值(经济增长质量指数)Ft(t=2000,2001,…,2012):以2个主因子的方差贡献率作为权重分别对其线性得分函数值(k1t,k2t)进行线性加权求和。同样,根据式(2)并利用2个主因子线性得分函数可以求出各维度指数的系数向量,对系数向量作规范归一化处理而得到其相应权重(见表4);运用式(1)计算得到经济增长质量指数(见表5)。

(三)二次加权评价法测度为反映评价对象在样本期间总体上的经济增长质量水平以及便于评价对象之间的直观比较,本文运用二次加权评价法[19]将评价对象在多个时间上的综合评价值通过时序集结算子转换为一个点值,形成对原有评价信息的转换,即将时序动态综合评价转化为静态综合评价。这里采用时序加权平均(TOWA)算子,其时间权重通过时间权重向量熵的非线性规划求解得到。根据时序因子分析结果(见表3和表5)运用TOWA算子,测算出静态综合评价值(结果见表6)。

二、测度结果的解释和分析

(一)从经济增长质量指数来看时间跨度为2000—2012年的13年间历经“十五”“十一五”和“十二五”的前两年,安徽省经济增长质量指数表现出小幅波动并呈上升趋势的动态变化特征,由2000年的-0.56经历短暂波动后,稳定地上升到2012年的1.053。与浙江省和全国的经济增长质量指数的变化轨迹相比较,后二者具有周期性波动的特点(见表5)。其中,安徽省经济增长质量水平高于浙江省的有7年(2000—2002年、2008年、2010—2012年),而好于全国的有9年(2000—2002年、2004年、2008—2009年、2010—2012年)。从近期看出(见表6),安徽省经济增长质量总体水平(0.915)优于全国(0.824)、浙江省(0.768)。在安徽省经济增长质量指数中,通过各维度指数的权重(见表4)可知,正向影响的维度指数有稳定性指数、协调性指数、潜力指数和福利性指数,其中福利性指数影响最大,为0.6095,其次是稳定性指数0.4961和潜力指数0.3664,只有持续性指数为负向影响,且对经济增长质量影响也较大,为-0.4033。而浙江省和全国对经济增长质量水平有负向影响的也是持续性指数,影响幅度大致接近;其他正向影响的四个维度指数中,浙江省最大的是潜力指数,为0.5321,全国最大的是稳定性指数,为0.5873。由此,可以说明安徽省经济增长质量在持续、稳定地上升,近期总体上要好于全国、浙江省,而且经济增长的福利性、稳定性和潜力的贡献较大,特别是在“十二五”开局的两年内,比全国、浙江省的经济增长质量水平有明显增进,这与安徽省一系列的规划、政策的实施(如《经济强省建设实施纲要》的着力推进、合芜蚌自主创新综合试验区和国家技术创新工程试点省建设、推进皖江城市带、合肥经济圈、皖北振兴等)和经济发展环境的改善、居民福利水平的增进有着密切的关系,但经济增长的持续性值得关注。

(二)从经济增长质量各维度指数来看1.经济增长的稳定性经济增长的稳定性是经济健康运行的重要基础,良好的稳定性反映经济增长过程中资源的配置和利用效率的改善。安徽省的稳定性指数呈明显频繁波动的特征,动态路径大致与浙江省、全国基本一致,只有2004年、2008年呈现偶然性剧烈波动(见表3),这与经济系统之外的冲击如“SARS”病毒传播、世界性金融危机爆发有关。由表4可知,影响安徽省稳定性的基础指标均为正向贡献,其中,经济增长率波动系数(X1)的贡献最大,权重为0.6862,其次为通货膨胀率(X2),其系数和权重分别为0.2584和0.5381,但浙江省的经济增长质量稳定性受通货膨胀率(X2)影响最大,其次为失业率(X3),全国的经济增长质量稳定性受失业率(X3)影响最大,其次为通货膨胀率(X2)。安徽省稳定性指数优于浙江省的只有6年(2000—2002年、2008年、2010—2011年),超过全国的也只有6年(2001—2003年、2005年、2008—2009年),但从2009年高峰下滑之后在2012年稳定性有所好转。表明安徽省经济增长过程中要素配置效率有所提高,价格水平相对稳定使得经济运行的潜在风险较小,经济增长拉动就业,尤其是城镇化的推进对农村劳动力转移就业效应得到改观。但是,在总体上,在经济增长的稳定性方面(见表6),安徽省经济增长质量水平(0.109)要低于全国(0.118)和浙江省的水平(0.249)。2.经济增长的协调性经济增长的协调性体现了经济增长过程中经济结构包括城乡结构、产业结构、收入结构、出口结构等的优化程度。安徽省的协调性指数具有与浙江省、全国类似的共变特征:具有显著的平稳上升趋势(表3),好于浙江省的仅有5年(2000年、2006—2009年),而高于全国的只有7年(2000—2002年、2008—2009年、2011—2012年),表明安徽省经济增长质量的协调性与浙江省、全国相比仍存在差距。但是,从安徽省自身观察,经济增长的协调性除个别年份(2009年)外表现出较快的上升态势,由2000年的-0.89升至2012年的0.72;通过表2发现,影响安徽省协调性的基础指标中,影响最为显著的是投资消费比例(X8),其系数和权重分别为0.1451和0.4831,其次为城镇化率(X6)、工业化率(X5),其系数和权重分别为0.1419和0.4725、0.1347和0.4485,这与全国的基本相同,而影响最小的指标为对外贸易依存度(X9),其系数和权重仅为0.0957和0.3186,这与安徽省所处中部腹地,且外向型经济占比不高(2012年安徽省对外贸易依存度仅为14.76%,而浙江省和全国分别为58.89%和47.00%)、对其他成分经济的外溢效应较小有关,但6个基础指标对协调性的影响均为正向的贡献。影响浙江省经济增长协调性的基础指标中,最为显著的是城镇化率(X6),其系数和权重分别为0.5888和0.5452,其次为对外贸易依存度(X9)、投资消费比例(X8),它们的系数和权重分别是0.4586和0.4247、0.4563和0.4225,而经济增长均衡率(X4)和工业化率(X5)却对协调性有负向的影响,其系数和权重分别为-0.4047和-0.3772、-0.1803和-0.1670。对全国经济增长的协调性有负向影响的是经济增长均衡率(X4),其系数和权重分别-0.1529和-0.3992。由数据分析可以认为,安徽省经济增长过程中结构性调整和转换所产生的经济增长效率在多数年份有所改善,但对安徽经济增长质量的贡献率(表4)不高,仅为0.2925,低于浙江的0.3953,比全国的0.2921略大,而从总体上看也确实如此(表6),安徽省经济增长的协调性水平(0.609)低于浙江省(0.635)而高于全国(0.498)。3.经济增长的持续性经济增长的持续性体现了经济增长的成本代价,较高的经济增长质量应是以较小的资源环境和生态代价而取得经济增长的。安徽省经济增长的持续性指数表现长期下降的趋势(表3),由2000年的0.84降至2011年的最低点-1.24,中间年份虽然在2003年、2005年、2008年有所回升,但均在一年后又继续下滑;尽管在2012年升至-0.39,但仍然在平均值0以下。这与浙江省、全国的波动趋势基本相似,只是后二者的变动幅度更大一些。安徽省经济增长的持续性水平超过浙江省的只有5年(2005—2008年、2012年),高于全国的也只有6年(2003年、2005—2008年、2012年),所以,在多数年份安徽省的经济增长持续性水平低于浙江省、全国的水平,而总体上也显示出这一结果(见表8):安徽省经济增长持续性水平(-0.642)比浙江省(-0.634)、全国(-0.507)低。由各维度的基础指标系数向量及相应权重(表2)可以看出,影响安徽省经济增长持续性的基础指标中,工业固体废物生产量(X15)影响最大,其系数和权重分别为0.1505和0.4565,其次为工业废气排放量(X14)、工业废水排放量(X13),其系数和权重分别为0.1466和0.4447、0.1273和0.3861,与浙江省受此三个指标的影响方向相同,但全国的持续性水平受工业废水排放量(X13)影响最为显著,其次是工业废气排放量(X14)、工业固体废物生产量(X15);安徽省资源配置率(X12)影响程度最低,但对安徽省持续性的影响要高于浙江省、全国水平,系数和权重分别达到0.0840和0.2548。而经济增长持续度(X10)和综合能耗产出率(X11)对安徽省和全国的持续性均产生较大的负向影响,浙江省只有综合能耗产出率(X11)对其持续性有着负向影响。这表明安徽省经济增长过程同浙江省、全国一样对生态环境的伤害、以牺牲环境为代价依然存在;特别地,安徽省、浙江省和全国的持续性指数对经济增长质量均表现为负向影响,因而,加强生态环境保护,实现绿色增长,实现向可持续的集约性增长方式转变依然任重道远。4.经济增长的潜力经济增长的潜力意味着经济增长的内生性动力的强弱。安徽省经济增长的潜力指数呈波动上升的趋势(表3),由2000年的低点-1.31几经升降,在2010年达到峰点0.81后至2012年降至0.59,其变化轨迹与浙江省、全国相近。安徽省经济增长的潜力水平超过浙江省的有8年(2001—2004年、2007年、2009—2011年),高于全国的有7年(2001—2002年、2004年、2008年、2009—2011年),在2003年与全国相同。总体上看,安徽省与浙江省、全国比较起来(见表8),经济增长的潜力(0.628)略高于浙江省(0.623)而低于全国水平(0.649)。由各维度的基础指标系数向量及相应权重(表2)可知,安徽省经济增长的潜力指数均受到基础指标的正向影响,其中人均受教育年限(X18)表现最为突出,其系数和权重分别达到0.5990和0.6011,其次是研发经费支出占GDP比重(X19)、经济潜在增长接近度(X16),其系数和权重分别为0.5776和0.5796、0.4951和0.4968,表明安徽省区域创新尤其是合芜蚌自主创新实验区的建设、研究与开发和教育投入对人力资本的积累及技术创新有着明显的正向激励,但全要素生产率增长率(X17)对经济增长潜力的贡献最低,而高于浙江省,低于全国。浙江省的经济潜在增长接近度(X16)、全要素生产率增长率(X17)均对其经济增长潜力有着负向影响,人均受教育年限(X18)和研发经费支出占GDP比重(X19)产生正向影响,较显著的是研发经费支出占GDP比重(X19);全国经济增长的潜力受经济潜在增长接近度(X16)的负向影响,其余基础指标中正向影响最大的是人均受教育年限(X18),与安徽省一致,其次是研发经费支出占GDP比重(X19)、全要素生产率增长率(X17)。在影响经济增长质量指数(表4)中,安徽省的潜力指数具有正向影响,其系数和权重分别为0.1697和0.3664,但低于浙江省和全国。因此,安徽省要提高经济增长的内生动力,需要继续改善教育投入结构、引进民间投资,注重科研经费的投入产出效率,加强基础研究,实现科研成果的产业化转移,积极为区域产业承接升级服务,同时促进模仿创新向自主创新和协同创新转移。5.经济增长的福利性经济增长的福利性反映了经济增长成果的分享性,体现了经济增长的最终目的在于居民福利水平最大程度的改善。安徽省经济增长的福利性指数总体上表现出较快上升的态势(表3),由2000年的-0.40快速升至2002年的-0.15,自2006年-0.66开始快而平稳地提高到2012年的峰点1.43,运动路径与浙江省、全国较为接近,但后两者在2004年和2008年均降至低点,特别是浙江省自2011年开始出现下滑趋势。安徽省经济增长的福利性水平好于浙江省和全国的均只有6年(2000—2002年、2010—2012年),前期和后期的水平较高,但其间连续7年(2003—2008年)均劣于浙江省和全国的水平。从总体上看(表6),安徽省经济增长的福利性水平(1.037)反而优于浙江省(0.433)和全国(0.710)。由各维度的基础指标系数向量及相应权重(表2)可看出,安徽省的福利性指数均受其基础指标的正向影响,其中最为显著的是人均GDP(X20),其系数和权重分别为0.6758和0.6388,其次为城镇居民家庭恩格尔系数(X23)、农村居民家庭恩格尔系数(X22),它们的系数和权重分别为0.6020和0.5686、0.5040和0.4765,而城乡收入比(X21)影响最小,其系数和权重分别是0.2175和0.2054。与浙江省和全国比较,城乡收入比(X21)对二者的福利水平均产生了负向影响,而在正向影响的基础指标中,农村居民家庭恩格尔系数(X22)对二者的福利水平皆贡献最高。在影响经济增长质量指数中,安徽省的福利性指数对经济增长贡献较高,其系数和权重分别为0.2823和0.6095,高于浙江省和全国对经济增长质量的贡献。通过数据可以判断安徽省在经济增长过程中改善收入分配、缩小城乡差距,进而提高经济增长成果的分享性方面有着较好的表现。

三、结论和启示

经济增长论文范文第6篇

1.1消费价格

价格对消费结构的影响,首先表现在居民消费价格总水平上。消费价格总水平的变化意味着消费者可支配的货币能够购买到的消费品的数量和质量的变化,这就促使消费者在消费和储蓄之间以及各种金融资产之间做出重新选择,从而使消费结构发生变化[2]。消费品之间的比价变化也会影响人们的消费结构。一般来说,生活必需品的需求价格弹性较小;而一些高档奢侈品的需求价格弹性较大。正因为各种消费品的需求价格弹性不同,所以它们之间的比价变化会影响人们对不同消费品的需求量,进而影响消费结构。

1.2产业结构

产业结构决定产品结构,决定消费结构,是影响消费结构的又一个重要因素。首先,消费资料主要来源于第一、三产业及第二产业中的轻工业,它们的发展状况及在整个产业体系构成中的比重直接决定了广大居民的消费水平和消费结构。其次,三次产业内部的结构变化对消费结构的影响。三次产业内部结构的变化直接决定了居民消费的具体品种,反映了消费结构微观层次的变化。如第一产业内部种植业、畜牧业的结构,对人们食物消费结构中的粮食、水果、肉蛋奶的消费有直接的影响。

1.3消费倾向

消费结构和储蓄之间也是有着密切的关系的。虽然近年来镇江城市居民消费倾向(消费性支出占可支配收入的比重)稳定在63%左右,但边际消费倾向呈现出较大差异。

2镇江市居民消费结构实证分析

2.1恩格尔系数分析

恩格尔系数是指用于食物的消费支出占总消费支出的比例。2012年镇江城市居民的恩格尔系数为39.3%,比2000年的42.7%下降了3.4个百分点。按照恩格尔系数划分贫富的标准,镇江城市居民已处于相对富裕阶段。但是恩格尔系数的下降不仅源于人均收入水平的迅速上升和生活水平的急剧提高,而且在很大程度上体现了居民消费观念的多元转变。因此从总体上讲,镇江城市居民生活仍处于小康阶段,正在逐渐走向富裕。

2.2边际消费倾向分析

2012年镇江城市居民总体的边际消费倾向为0.413,这说明在新增可支配收入中,41.3%用于了生活消费。其中,食品、教育文化娱乐与其他商品和服务的边际消费倾向最高,分别达到0.077、0.070和0.098。城市居民在基本的生活满足后,更加注重饮食的丰富化和科学化,教育的多样化和层次化,旅游和美容等成了城市居民十分热衷的消费项目。由于国家住房调控等政策的实施,居民在居住需求方面的意愿降低,居住的边际消费倾向仅为0.009。

3镇江城市居民消费结构变动对经济增长的影响分析

随着市场化进程的不断加快,镇江经济运行逐步从生产主导型转变为消费主导型。市场化程度越高,需求特别是消费需求对经济增长的牵动作用就越大,其规模、结构和增长速度,是制约经济增长的主要条件之一。居民消费结构的升级对经济的发展起到助推器的作用。从基本生活消费为主的初级阶段到以家用电器及耐用品等向高档化方向发展的第二次、三次消费阶段的升级,对电子、钢铁、机械制造等行业产生强大的驱动力,推动了经济的发展。

4镇江市经济增长对居民消费结构的影响分析

经济增长对消费结构传递机制可以归纳为经济增长→居民收入水平提高→消费需求增加→消费结构改变→经济进一步增长,具体如下:

4.1经济发展推动消费增长

由于资料的限制,消费对经济的贡献可用地区生产总值的增长率来代替。2008年至2012年期间,镇江市地区生产总值由1491.83亿元增长至2630.42亿元,四年间增长了76.3%;而相对应的,镇江城乡居民收入四年间分别增长了54.7%和66.8%,城乡居民消费性支出增长了51.6%和60.0%。随着经济的增长,居民消费(收入)也有了较快增长。

4.2消费的商品化和市场化程度促进经济增长

一方面,不同于计划经济体制下的卖方市场,市场经济条件下为买方市场,供过于求,消费者的需求导向决定着市场的发展导向,消费品的商品化和市场化程度大大提高,另一方面货币分配形式增强了消费的选择性和自主性,拓宽了消费渠道。

4.3以智能化为特征的信息产品引导消费,实现质的飞跃

近年来,信息产品进入家庭,无论是从数量扩张和质量提升都达到相当高的速率。移动电话、家用电脑等拥有量成倍增长。十年来,城市居民家庭彩电拥有量增长49.0%、照相机增长22.0%、摄像机拥有量增长3.7倍;移动电话增长3.7倍,家用电脑增幅达到7.4倍。消费产品的智能化、网络化和数字化也预示着未来居民生活更加丰富多彩。

5实现居民消费结构合理化的基本对策

消费结构的合理化作为一个动态的运行发展过程,客观上存在着一些标准来帮助人们判别消费结构是否已趋于合理。这些标准主要包括生理标准(保证劳动力的再生产)、经济标准(消费结构应与生产力水平、生产能力、资源承载能力和经济承受能力相适应)和社会标准(有利于人的身心健康和全面发展)等。

5.1提高居民收入水平

千方百计提高镇江居民的收入水平,尽快扭转镇江居民收入水平长期低于苏南地区平均水平被动局面,不仅可以有效地促进区域消费水平的提升,而且还能启动目前较为低迷的消费市场。因此必须大力发展生产力,增加居民收入,将对消费需求的回升产生一定的推动作用,从而促进镇江居民的生活消费水平不断提高,消费结构升级步伐的不断加快。

5.2积极调整产业结构

多年来,镇江凭借其独特的区位优势和自然禀赋,坚持错位发展,扬优求特,积极发展高新技术产业和现代服务业,产业结构调整步伐加快。现阶段,镇江应当做好以下几方面文章。一是建立健全以企业为主体、市场为导向、产学研相结合的技术创新体系,加速科技成果转化和产业化。二是建设好协作配套园区。按照发展壮大产业链、加速培育产业集群的整体思路,培育一批竞争力强、带动作用大的优势骨干企业。三是以发展现代农业为重点,推进农业产业化进程。

5.3完善社会保障制度,改善消费环境

经济增长论文范文第7篇

(一)中国总债务规模与国内生产总值的变化从总体规模上看,随着国内生产总值的不断扩大,社会总债务规模也在不断的增大。由图1可知,社会总债务规模由1997年77780.45亿元增长到2013年1059457.021亿元,年均增长率为16.6%。与此同时,国内生产总值在1997年至2013年之间由78973亿元增长到568845亿元,年均增长率为13.55%。截止到2013年底社会债务总额占GDP的比重约为186.24%,已经接近发达国家平均水平。另外,由图1还可以看出,我国总债务水平的增长分为两个阶段,在1997~2007年之间,我国债务总额的增长趋势较为平滑,自2008年之后出现了明显的陡峭上扬。而国内生产总值一直都表现为平滑的增长。

(二)中国分部门债务规模的变化从分部门债务角度上看,近十余年来,各分部门债务总额都出现明显地增加。家庭债务从172亿元增长到129721亿元,净增值为129549亿元;企业债务从69104.7亿元增长到599575.15亿元,净增值为530470.45亿元;公共债务从1997年的8503.75亿元增长到2013年的330160.85亿元,净增值为321657.1亿元。通过图2可以看出,在1997~2013年之间,中国分部门债务的变化大致可以分为两个阶段。1997~2007年为第一阶段,在这期间,分部门债务增长相对平缓,无论是家庭债务、企业债务或公共债务,增长曲线都比较平滑。第二阶段为2008~2013年,在这个阶段,家庭债务仍然保持较为平滑的增长趋势;而企业债务和公共债务则出现了陡峭上升。

(三)中国分部门债务结构的变化从图3可以看出,随着时间的变化社会总债务中各分部门债务所占比例也在发生相应地变动。其中企业债务在社会总债务中占有重要地位。以1997年为例,企业债务占总债务的比重约为88.84%,而公共债务所占比重为10.93%,家庭债务仅为0.22%。在此之后公共债务和家庭债务在总债务中所占规模不断增大,截止到2013年底公共债务占总债务的比重为31.16%,家庭债务为12.24%,企业债务为56.59%。社会债务组成结构的变化说明我国债务结构日渐趋于合理,家庭债务所占比重的增加反映了我国居民消费信贷的增加以及居民消费观念的改变,而公共债务所占比的加大则反映了政府以及公共部门逐渐重视通过信贷手段弥补财政问题。

(四)中国分部门债务增长率的变化从图4可知,我国分部门债务的环比增长率数值一直在变动,但总体处于正值,说明分部门债务每年都保持较快增长。其中家庭债务方面,1998~2001年环比增长率均超过50%,2002~2005年其增长率不断降低,2006年之后增长率呈现波动变化趋势。非金融部门企业债务环比增长率也表现出波动情况,其平均环比增长率为14.6%,相较家庭债务和公共债务而言企业债务的增长率较低,但由于其债务总量较大,仍然需要提高对企业债务的重视。我国公共债务环比增长率一直较为稳定,平均环比增长率为24.09%,但是同时也可以看出我国公共债务增长速度较快,存在着债务规模过大的风险。通过上文分析可知,1997~2013年间,中国社会总债务水平和国内生产总值的规模不断扩大。具体到分部门方面,企业债务占中国总债务比重最大,而家庭债务和公共债务所占的比重也呈现出上升的趋势,对于分部门债务与国内生产总值之间的动态关系,下面将通过实证探求。

二、变量选择、数据来源与模型构建

(一)变量选择及数据来源本文旨在考察中国分部门债务与经济增长的动态关联性,选因变量为国内生产总值,自变量为家庭债务、非金融部门企业债务、公共债务、全社会固定资产投资。由于1997年之前国家没有正式的家庭债务统计数据,因此选取变量区间为1997~2013年,变量选择的区间较短,为了能获得更准确的实证结果,作者采用Eviews6.0软件将年度数据转化为季度数据。各变量的含义以及数据来源如下:(1)国内生产总值(GrossDomesticProduct,简写为GDP)。国内生产总值是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和劳务的价值,常被公认为衡量国家经济状况的最佳指标。核算国民经济活动的核心指标是国内生产总值(GDP)。数据来源于中国统计局官方网站。(2)家庭债务(Householddebt,简写为Hd)。家庭债务是指一般居民家庭为了购买长短期耐用品以及其他消费品和服务而产生的债务。它一般由住房抵押贷款和短期消费者信贷组成,而前者占主要部分。由于家庭在民间金融市场借贷的数据难以获得,因此本文用正规金融市场上,银行和非银行机构向家庭发放的消费信贷数据近似代替家庭债务数据。数据来源于中国人民银行官方网站。(3)非金融部门企业债务。企业债务是指企业在资金不足的情况下,为了满足其生产和企业自身战略发展的需要,通过发行债券等筹资行为获得资金的行为。由于企业债务的构成项目繁多,而本文所研究的是非金融部门企业债务,故本文企业债务数据选用中国人民银行对非金融机构债权数据处理后近似替代。(4)公共债务(Publicdebt,简写为Pd)。公共债务是指的是政府为筹措财政资金,凭其信誉按照一定程序向投资者出具的,承诺在一定时期支付利息和到期偿还本金的一种格式化的债权债务凭证。本文的公共债务数据由中央政府债务加省级地方政府债务所替代,其中1997~2004年中央债务数据由历年国债余额替代(数据来源中国证券期货统计年鉴2010);2005~2010数据来自于中央财政债务余额(数据来源:中国统计年鉴2011)。地方债务年度数据根据中华人民共和国审计署结果公告2011第35号(总第104号)计算所得。2011~2013年数据由中华人民共和国审计署结果公告2013第32号(总第174号)所得。(5)全社会固定资产投资(FixedAssetsIn-vestment,简写为Fai)。固定资产投资(FAI)是评价国家或地区在一年内在固定资产方面投资总量的指标,是反映固定资产投资规模、速度、比例关系和使用方向的综合性指标。我国的信贷市场很大程度上是为投资所服务,债务规模对经济增长的影响也是由投资所体现。另外我国经济具有明显的投资主导的特点,因此在研究中将全社会固定资产投资容纳到模型中。数据来源于中国统计局官方网站。

(二)模型构建本文模型方面出于了解各变量之间动态变化规律的需要选用VAR模型。模型通常用于多变量时间序列系统的预测和描述性随机扰动对变量系统的动态影响。其中,yt是m维内生变量向量,xt是d维外生变量向量;A1...Ap和B1...Br是要估计的参数矩阵,内生变量和外生变量分别有p和r阶滞后期;并且假定εt是白噪声序列。在实际运用VAR模型时格兰杰因果检验以及平稳性检验都需要确定模型的滞后阶数,有多种信息准则能确定滞后阶数。本文选用赤池信息准则(AIC)以及施瓦茨准则(SC)两者来确定滞后期。系统的变量之间存在协整关系,简单的差分VAR将损失掉许多有用的信息,同时也会使得分析结果出现误差,而VECM模型可以较好地克服VAR的不足,同时也可以反映出短期内各变量之间的关系。本文变量为国内生产总值、家庭债务、非金融部门企业债务、公共债务、全社会固定资产投资五个变量,通过单位根检验我们发现变量之间存在协整关系,所以本文通过建立VECM模型来探索中国分部门债务与经济增长的关系。

三、实证分析及结果讨论

(一)实证过程1.单位根检验单位根检验法包括ADF检验、DFGLS检验、PP检验、NP检验。由于本文有较多变量,所以选用ADF法检验上述5个变量的时间序列的平稳性。在进行单位根检验之前对所有数据取对数,消除异方差的影响。检验结果如表1所示:由表1中可知,除家庭债务外,各变量的水平值均存在单位根,而一阶差分检验结果都为平稳,所以可以判定所有变量的时间序列都是一阶单整序列,各变量之间可能存在协整关系。2.协整检验协整检验方法主要有Engle-Granger检验Johansen检验,考虑到本文有5个变量,变量较多,所以选用Johansen检验。在进行协整检验之前,VAR模型中需要确定变量的滞后阶数,一般采用最大似然比检验与AIC和SC准则,从表2可以看出,检验结果一致表明变量的最佳滞后阶数为2阶。滞后阶数确定之后,对各变量进行Johansen检验,得到结果如表3。结果表明,在5%临界值水平上各变量之间至少存在4个协整方程,Johansen检验说明国内生产总值、家庭债务、公共债务、非金融部门企业债务、全社会固定资产投资之间确实存在协整关系,各变量具有长期均衡关系。3.向量误差修正模型由协整检验可知,5个变量之间存在协整关系,基于此,本文构建VAR模型进行VECM检验。根据反复操作实验,当滞后期为1时拟合度最佳。VECM检验结果如下:公式(4)是由VECM检验输出的协整方程式。通过此式可知,国内生产总值与中国总债务变化存在长期均衡关系,其中家庭债务、企业债务和全社会固定资产投资对国民生产总值的影响为正相关关系,即家庭债务每增长一个单位,国民生产总值上升0.268个单位;企业债务每增长一个单位则国民生产总值上升0.345个单位;公共债务对国内生产总值的影响为负相关,公共债务比每上升一个单位,国内生产总值下降1.41个单位。4.脉冲响应分析脉冲响应函数用于衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响。通过脉冲响应函数,可以知道VAR模型其中一个随机误差项的冲击对各个内生变量当前和未来产生怎样的影响。建立VAR模型之后,本文采用Generalized分解方法,分别给VAR模型中各变量一个标准差大小的冲击,可以得到关于各变量的脉冲响应函数图(横轴表示滞后期数,纵轴表示冲击力度),脉冲响应得出结果如图5~图12。图5~图8是家庭债务、企业债务、公共债务以及全社会固定资产投资对GDP的冲击。由图5~图8可以看出,给企业债务一个正冲击,在0~3期,其对GDP的影响为负相关并一直扩大,在3~8期其负相关影响逐渐减小,从第8期开始其对GDP的影响转变为正相关并且最终稳定在0.005左右;当给家庭债务一个正冲击,在0~4期其对GDP的影响为正相关但一直缩小,在第4期其之后影响转变为负相关,并最终稳定在-0.001左右;给公共债务一个正冲击,在0~5期,其对GDP的影响为负相关并且一直在缩小,在5期之后,其对GDP的影响为正相关,并且稳定在0.005左右;最后给固定资产投资一个正冲击,在0~3期,其对GDP的影响由负相关向正相关转变,3期之后转为正相关并最终稳定在0.01左右。图9~图12是GDP的变化对家庭债务、企业债务、公共债务以及全社会固定资产投资的冲击。由图9~图12可知,给GDP一个正冲击之后,对家庭债务、企业债务、公共债务和社会固定资产投资的影响都是正方向。这其中对企业债务的影响逐渐增大并稳定在0.006左右;对公共债务和家庭债务的冲击较小,分别稳定在0.002和0.001左右;对社会固定资产投资的冲击一直增长并最终稳定在0.01左右。5.方差分解通过方差分解我们可以更好的分析各变量冲击对GPD的影响,判断各变量的冲击对于内生变量的重要性。图13~图16是方差分解的结果,其中横轴表示冲击作用的滞后期数(单位:年),纵轴表示变量变化的贡献率(%)。图13~图16表示企业债务、家庭债务、公共债务及社会固定资产投资对GDP变化的贡献率。由图可知,在短期内,给企业债务、家庭债务、公共债务以及全社会固定资产投资这些变量一个正冲击后,社会固定资产投资对GDP的贡献率最大,其贡献率一直上升,贡献率由1%上升到30%;企业债务的贡献率次之,则稳定在20%左右;公共债务和家庭债务则维持在10%以下。

(二)结果讨论(1)家庭债务与经济增长有正相关关系。家庭债务每上升1个单位GDP将上升0.268个单位。1997年以来,随着金融市场改革的推进,银行等金融机构放宽了家庭借贷条件,是家庭债务规模增加的主要原因,而家庭债务对宏观经济的增长效用是积极的。实证结果与金融不稳定性假说所提出的家庭债务会妨碍经济增长的观点相违背,可能是由于我国金融市场自1997年才出现正式的居民借贷,家庭债务的负效应还未体现的缘故。(2)企业债务对经济的增长有显著影响。通过VECM检验可知在1997~2013年之间企业债务对GDP产生了正相关的影响,其系数约为0.34,而脉冲检验显示企业债务在长期将逐渐稳定的对GDP产生正向冲击,方差检验说明了企业债务对GDP冲击的贡献率在三个部门中最大(约为20%左右)。造成这一现象原因可能是因为企业债务的增长往往促进企业的投资和再生产,企业借贷行为很大程度上是为了弥补短期资金链的不足,有效合理的企业债务规模能一定程度上的刺激宏观经济的增长。(3)公共债务对GDP的影响最为显著。公共债务与GDP变动存在负相关关系,公共债务每增加一个单位将使GDP下降1.41个单位。而脉冲检验显示公共债务在长期将逐渐稳定的对GDP产生正向冲击,方差检验显示公共债务对GDP冲击作用较小。实证结果表明,长期以来公共债务积累所产生的负效应已经逐渐体现,而政府实行财政刺激政策对国家财政带来了较大的偿债压力,过多的政府支出所产生的挤出效益也导致私人消费和投资的减少,从而引起国内生产总值的下降。

四、结语

经济增长论文范文第8篇

1.1模型及变量本文采用扩展的Cobb-Douglas生产函数:Y=AKaLβ(HHI)bSθ(GB)σeui,为了减少多重共线性的影响,本文采取资本与产出密集形式的模型。在模型中,Y表示产出,用每年的GDP来衡量。K表示物质资本,由于资本形成主要包括固定资产形成总额,还有一小部分存货增加,所以本文用固定资本形成总额来表示物质资本。L表示劳动力,采用历年社会劳动者人数作为历年劳动投入量指标。银行结构的集中度指标用赫芬达尔指数(HHI)表示,HHI是指银行业中各银行所占行业总资产百分比的平方和,被广泛用来综合反映银行业市场力量的分化程度和市场垄断程度,HHI指数越大,表明该行业垄断程度越高。HHI计算公式如下。考虑到中国国有形式的单一性,且国有银行政府持股比重高,本文选择资产前18位的银行中的9家国有银行,包括1994年之前的中国人民银行、3家政策性银行,四大国有银行,以及交通银行,用这9家银行总资产与18家银行总资产的比值表示GB。

1.2数据的选择本文选取19家资产最大的银行作为样本,包括3家政策性银行、4大国有银行、以及交通银行、深圳发展银行、广东发展银行、浦东发展银行、兴业银行、民生银行、招商银行、中信银行、华夏银行、恒丰银行、光大银行和中国投资银行,其中中国投资银行于1998年合并到国家开发银行,所以本文将其资产纳入到国家开发银行,样本总数为18个,且由于我国银行业直至1985年才成为一个独立的产业,所以本文选择1987-2013年为考察年份,所需数据大都来自历年《中国金融年鉴》,部分来自银行网站主页。其他宏观数据均来自历年统计年鉴,数据如表1所示。

2分析结果及建议

利用Eviews6.0对模型进行最小二乘法估计,分析结果如表2所示。由R2以及R2调整后的数值可以看出,方程的拟合度比较高,说明自变量从总体上对因变量的解释能力较强。由德宾—沃森检验统计量值接近2可以看出,说明自变量残差项自相关性较小。

友情链接