Miembros del equipo:
Líder del equipo:
Profesor:
Fecha: 27 de mayo de 2010
Análisis multifactorial de los cambios del PIB en las ciudades chinas en 2006
Basado en el análisis multifactorial del PIB de cada ciudad en el mismo período, este documento estableció un modelo utilizando el PIB de cada ciudad. en el mismo período que la variable explicada, un modelo de regresión lineal múltiple utilizando otros datos transversales cuantificables como variables explicadas para realizar un análisis cuantitativo del PIB de cada ciudad en el mismo período.
Palabras clave: Prueba econométrica del modelo de análisis multifactor PIBY (100 millones de yuanes)
1. Introducción
El producto interno bruto (PIB) se refiere a un país ( (o región) el resultado final de las actividades de producción de todas las unidades permanentes dentro de un cierto período de tiempo. Desde la perspectiva de la forma de valor, es la diferencia entre el valor de todos los bienes y servicios producidos por todas las unidades permanentes dentro de un período determinado y el valor de todos los activos no fijos invertidos a mediano plazo durante el mismo período, es decir , la suma del valor agregado de todas las unidades permanentes. Mientras se crea el PIB, también se divide entre los factores de producción correspondientes, lo que se refleja principalmente en la remuneración laboral y las ganancias. En la sociedad moderna, el gobierno se lleva parte del PIB en forma de impuestos. Este artículo estudia principalmente el impacto del número de empleo L (diez mil personas) y la formación total de capital K (mil millones de yuanes) en cada región sobre el PIB de cada ciudad en el mismo período después de excluir el factor precio, es decir, el precio minorista. índice P (último año = 100).
II. Revisión de la literatura
Nota: Los datos del PIB urbano para el mismo período en 2006 provienen del "China Statistical Yearbook 2007";
En 2006 L (empleo de 10.000 personas) Los datos proceden del "Anuario estadístico de China 2007".
Los datos de formación de capital total K (miles de millones de yuanes) en 2006 provienen del "Anuario Estadístico de China 2007". Esta tabla se calcula basándose en los precios de 2006.
Los datos del índice de precios minoristas de productos básicos P de 2006 (año anterior = 100) provienen del "Anuario estadístico de China 2007";
3. >Aprobado Estudiar el PIB de cada ciudad en el mismo período y establecer un modelo de regresión lineal múltiple con el PIB de cada ciudad en el mismo período como variable explicada y otros datos transversales cuantificables como variable explicada, para cuantificar Analizar el PIB de cada ciudad en el mismo periodo. Dominar los métodos de establecimiento de modelos de regresión múltiple y comparación y selección de modelos.
IV.Contenido experimental
Según la teoría de la función de producción, la forma básica de la función de producción es: donde L y K son el trabajo y el capital invertidos en el proceso de producción del PIB, respectivamente. Este artículo no considera el impacto de las variables temporales, es decir, el progreso tecnológico. La tabla anterior enumera datos estadísticos relevantes sobre el PIB de varias ciudades de China en 2006, entre ellos, la producción Y es el PIB de cada ciudad en el mismo período (precios comparables), L y K son respectivamente el número de empleados al final; de 2006 y la formación total de capital en cada región (precios comparables).
5. Construir un modelo y estimar, probar y corregir los parámetros del modelo.
(a) Primero establecemos el modelo de relación entre Y1 y l:
Entre ellos, y 1: el valor real del producto bruto de cada ciudad en el mismo período (100 millones de yuanes )
l——El número de empleados a finales de 2006 (10.000 personas)
Estimación de parámetros del modelo y prueba de su importancia económica e inferencia estadística
Utilizando el software EVIEWS y mediante análisis de regresión, Y1 y L El diagrama de dispersión es el siguiente:
Utilizando el software EVIEWS y el método OLS, estime:
Variable dependiente: Y1
Método: método de mínimos cuadrados
Fecha: 27/05/10 Hora: 14:45
Muestras: 1 36
Comentarios incluidos: 31
Coeficiente estándar variable. Problema de estadístico t de error.
c-1647.264 517.2169-3.184861 0.0034
l 14.99417 0.712549 21.04299 0.0000
r al cuadrado 0.938534 media variable dependiente 7387.979
R cuadrado ajustado 0,936415 Desviación estándar Valor de riesgo de dependencia 6367,139
Desviación estándar de regresión 1605,545 Criterio de información de Akaike 17,66266
Suma de cuadrados de resid 74755513 Criterio de Schwartz 17 5653867
Logaritmo de probabilidad - 271.7712 Estadístico F 442.8073
Estadístico de Durbin-Watson 1.503388 Probabilidad (estadístico F) 0.000000
Se puede ver que el valor t de L es significativo y el coeficiente está en línea con la economía Importancia. Desde el punto de vista económico, cada unidad adicional de trabajo puede aumentar el PIB real en 14 38 0, lo que se puede lograr bajo ciertas condiciones. Además, el coeficiente de determinación corregido es 0,936415 y el valor F es 442,8073, lo que obviamente pasa la prueba f. El valor de la prueba p de l es 0, que es menor que 0,05, por lo que pasa la prueba p.
(2) Establecer un modelo de relación entre Y1 y K1
Entre ellos, y 1: el valor real del producto bruto de cada ciudad en el mismo período (100 millones de yuanes)
K1 ——Formación total de capital (inversión real) en cada región (100 millones de yuanes)
Estimación de parámetros del modelo y prueba de su importancia económica e inferencia estadística
Utilizando el software EVIEWS, después del análisis de regresión, el diagrama de dispersión de Y1 y K1 es el siguiente:
Utilizando el software EVIEWS y el método OLS, estime:
Variable dependiente: Y1
Método: método de mínimos cuadrados
Fecha: 27/05/10 Hora: 17:16
Muestras: 1 36
Comentarios incluidos: 31
Estándar de coeficiente variable. Problema de estadístico t de error.
393.0357 -1.793873 0.0833
k 1 241106 0.086751 25.83385 0.0000
r cuadrado 0.958357 variable dependiente promedio 7387.979
Valor R cuadrado ajustado 0.956921 Desviación estándar Dependencia Valor de riesgo 6367,139
Desviación estándar de la regresión 1321,537 Criterio de información de Akaike 17,27332
Suma residual de cuadrados 50647333 Criterio de Schwartz 17,36583
Logaritmo Probabilidad -265,7364 F- estadístico 667.3880
Estadístico de Durbin-Watson 1.697910 Probabilidad (estadístico F) 0.000000
Se puede observar que el valor t de K1 es significativo y el coeficiente está en línea con la significancia económica. Desde el punto de vista económico, cada unidad adicional de capital puede aumentar el PIB real en 2,241106, lo que se puede lograr bajo ciertas condiciones. Además, el coeficiente de determinación corregido es 0,956921 y el valor F es 667,3880, lo que obviamente pasa la prueba f. El valor de la prueba P de K1 es 0, que es menor que 0,05, por lo que pasa la prueba P.
Al comparar los coeficientes absolutos, los coeficientes determinables ajustados, la prueba t, la prueba f y la prueba del valor p de los dos modelos, es obvio que el modelo de relación entre Y1 y K1 es mejor que la relación entre Y1 y Por lo tanto, a partir del modelo de relación entre Y1 y K1, se establece un modelo de relación binaria.
(3) Establecer un modelo de relación binaria entre Y1, K1 y l
Entre ellos, y 1: el PIB real de cada ciudad en el mismo período (100 millones de yuanes)
K1——Formación total de capital (inversión real) en cada región (100 millones de yuanes)
l——El número de empleados a finales de 2006 (10.000 personas)
Estimado utilizando el software EVIEWS y el método OLS.
Variable dependiente: Y1
Método: método de mínimos cuadrados
Fecha: 27/05/10 Hora: 17:23
Muestra : 1 36
Vistas incluidas: 31
Coeficiente estándar variable. Problema de estadístico t de error.
c-1369.643 303.2218-4.516968 0.0001
k 1 1.336796 0.176104 7.590936 0.0000
l 6.522268 1.190606 5.478107 0.0 0
El valor cuadrado de r es 0,979900, la variable dependiente promedio es 7387,979
R cuadrado ajustado 0,978464 Desviación estándar valor de riesgo dependiente 6367,139
Desviación estándar de la regresión 934,3899 Estándar de información de Akaike 16,60943
Suma residual de diferencias al cuadrado 24446367 Criterio de Schwartz 16,74820
Logaritmo de probabilidad - 254,4462 Estadístico F 682,5040
Estadístico de Durbin-Watson 1,633165 Probabilidad (estadístico F) 0,000000
Se puede ver que los valores t de K1 y L son significativos y los coeficientes están en línea con la significancia económica. En un sentido económico, cada unidad adicional de capital puede conducir a un aumento correspondiente del PIB real. Además, el coeficiente de determinación corregido es 0,978464 y el valor F es 682,5040, lo que obviamente pasa la prueba f. Y los valores de la prueba p de K1 y l son 0 y menores que 0,05, por lo que se pasa la prueba p.
Al comparar los coeficientes absolutos, los coeficientes determinables ajustados, la prueba t, la prueba f y la prueba del valor p de los dos modelos, se puede ver claramente que el modelo de relación entre Y1, K1 y L es mejor que Y1. y el modelo relacional de K1. Por tanto, establecer un modelo de relación binaria está más en consonancia con las condiciones económicas reales.
(4) Establecer un modelo de regresión no lineal-función de producción C-D.
La función de producción de C-D es:. Para esta función no lineal, se pueden utilizar los dos métodos siguientes para construir un modelo.
Modo 1: Convertir a un modelo lineal para estimación;
Tome el logaritmo de ambos extremos del modelo al mismo tiempo para obtener:
Escriba secuencia en la ventana de comandos del software EViews El siguiente comando:
GENR LNY1=log(Y1)
GENR·LNL =Log(L)
GENR LNK1=log(K1)
LNL LNK1
Los resultados de la estimación se muestran en la figura.
Variable dependiente: LNY1
Método: método de mínimos cuadrados
Fecha: 27/05/10 Hora: 17:29
Muestra : 1 36
Vistas incluidas: 31
Coeficiente estándar variable. Problema de estadístico t de error.
c 0,242345 0,198180 1,222853 0,2316
lnk 1 0,66500 0,082707 8,058538 0,0000
LNL 0,493322 0,088128 5,597775 00. 00
r al cuadrado 0,988755 promedio variable dependiente 8,504486
Valor R cuadrado ajustado 0,987951 Desviación estándar valor de riesgo dependiente 1,037058
Desviación estándar de la regresión 0,113834 Información de Akaike estándar-1,416379
Suma residual de cuadrados 0.362831 Criterio de Schwartz - 1.277606
Logaritmo de verosimilitud 24.95388 Estadístico F 1230.946
Estadístico de Durbin-Watson 1.295173 Probabilidad (estadístico F) 0.000000
Se puede ver que los valores t de K1 y L son significativos y los coeficientes están en línea con la significancia económica. En un sentido económico, cada unidad adicional de capital puede conducir a un aumento correspondiente del PIB real. Además, el coeficiente de determinación corregido es 0,987951 y el valor F es 1230,946, lo que obviamente pasa la prueba f. Y los valores de la prueba p de K1 y l son 0 y menores que 0,05, por lo que se pasa la prueba p.
Al comparar el coeficiente de determinación, el coeficiente de determinación ajustado y la prueba f del modelo anterior, se puede ver claramente que el modelo es óptimo. Por lo tanto, este modelo fue seleccionado como el modelo de regresión lineal múltiple óptimo con el PIB de cada ciudad en el mismo período como variable explicada y otros datos transversales cuantificables como variables explicadas.
Resumen del verbo intransitivo
En resumen, el modelo de ajuste de datos transversales refleja con éxito el PIBY1 de cada región y el número de empleados L (diez mil personas) y excluye los factores de precios. La relación cuantitativa final entre la formación total de capital K1 (miles de millones de yuanes) es un modelo exitoso. Se puede ver en el modelo que el PIBY1 de cada ciudad en el mismo período tiene una relación muy estrecha con el número de empleados L (diez mil personas) y la formación total de capital en cada región después de excluir los factores de precios, es decir, el índice de precios minoristas P (el año pasado = 100), y La función de producción Cobb-Douglas (C-D) es estrechamente consistente, verificada
Referencias:
1, Cuentas Económicas Nacionales-2007 Nacional Anuario estadístico
2. Anuario estadístico nacional del índice de precios 2007
3 "Contabilidad del producto interno bruto de China" editado por Xu Xianchun,