Documento del curso de ciencias minoristasMiembros del equipo: Líder del equipo: Instructor: Fecha: 27 de mayo de 2010/2006 Análisis multifactorial de los cambios del PIB en las ciudades chinas Resumen: Este artículo analiza principalmente los cambios en el PIB en varias ciudades de China Se realizó un análisis multifactorial del PIB del mismo período utilizando el PIB de cada ciudad en el mismo período como variable explicada y otros datos transversales cuantificables como variables explicadas, una regresión lineal múltiple. Se estableció un modelo para realizar un análisis cuantitativo del PIB de cada ciudad en el mismo período. Palabras clave: Prueba econométrica 1 del modelo de análisis multifactor PIBY (100 millones de yuanes). Introducción: El PIB (producto interno bruto) se refiere al resultado final de las actividades productivas de todas las unidades permanentes de un país (o región) dentro de un período de tiempo determinado. 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 en un período determinado y el valor de todos los bienes y servicios de activos no fijos invertidos en el mismo período, es decir, el 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). 2. Revisión de la literatura Nota: Los datos del PIB urbano para el mismo período en 2006 provienen del "China Statistical Yearbook 2007"; los datos de L (empleo por 10.000 personas) para 2006 provienen del "China Statistical Yearbook 2007". Los datos sobre la formación total de capital K (miles de millones de yuanes) en 2006 proceden del "Anuario estadístico de China 2007". Esta tabla se calcula sobre la base de los precios de 2006. Los datos del índice de precios minoristas de productos básicos P (año anterior = 100) en 2006 provienen del "Anuario estadístico de China 2007". En tercer lugar, el propósito de la investigación es estudiar el PIB de cada ciudad en el mismo período, utilizando el PIB de cada una; ciudad en el mismo periodo que la variable explicada, y otros factores cuantificables. Los datos transversales son las variables explicadas, y se establece un modelo de regresión lineal múltiple para analizar cuantitativamente 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. Cuatro. 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, tecnológicas. progreso. 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. Establecer el modelo y estimar, probar y modificar los parámetros del modelo (1) Primero establecemos el modelo de relación entre Y1 y L: entre ellos, Y1 - el PIB real de cada ciudad en el mismo período (100 millones de yuanes) L - estimación de parámetros del modelo a finales de 2006. Su importancia económica y su inferencia estadística se probaron utilizando el software EVIEWS. Haga un diagrama de dispersión de Y1 y L de la siguiente manera: Utilice el software EVIEWS para estimar con el método MCO: Variable dependiente: y 1 Método: Mínimos cuadrados Fecha: 27/05/10 Hora: 14:45 Muestra: 136 Observaciones incluidas: 31 Variable coeficientes estándar Errort-StatisticProb. c-1647.264517.2654 38+069-3.1848610.00034 l 14.994654170.76545438+02549 21.042999 0.000004 R-cuadrado 0.d var dependiente 6367.139S . 605 .545 akaikeinfocriteria 17.66266 sumsquaredresid 74755513 schwarzcriion 17.75517 log probabilidad-271.7712f -1 Desde una perspectiva económica, 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, donde Y1 - el valor de producción bruta real de cada ciudad en el mismo período (100 millones de yuanes) K1 - formación total de capital (inversión real) (100 millones de yuanes) Estimación de parámetros del Modelo y su importancia económica y estadística. Pruebas de inferencias.
Usando el software EVIEWS, después del análisis de regresión, el diagrama de dispersión de Y1 y K1 es el siguiente: Estimado usando el método MCO: Variable dependiente: Método y 1: Mínimos cuadrados Fecha: 27/05/10 Hora: 17:16 Muestra: 136 Contiene observaciones : 31 coeficiente variable StdErrort-StatisticProb. c-705.0563393.0357-1.7938730.0833 k 12.2411060.08675125.833850.0000 R cuadrado 0.958357 invarr dependiente medio 7387.979 dr cuadrado ajustado 0.9555d var dependiente 6367.139S. e de regresión 1321.537 akaikeinfocriteria 17.27332 sumsquaredresid 50647333 schwarzcriterion 17.36 583 log probabilidad- 265.7364 f -estadísticas 667.3880 durbin-Watson stat 6544 Económicamente hablando, 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. Y 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 P de los dos modelos, se puede ver claramente que el modelo de relación entre Y1 y K1 es mejor que el modelo de relación entre Y1 y l. Y1 y Basado en el modelo de relación de K1, se establece un modelo de relación binaria. (3) Establezca un modelo de relación binaria entre Y1, K1 y L, donde y 1 - el valor de producción bruta real de cada ciudad en el mismo período (100 millones de yuanes) k 1 - la formación total de capital de cada región (100 millones de yuanes ) y el número de empleados a finales de 2006 (10.000 yuanes). Variable dependiente estimada con método MCO: y 1 Método: Mínimos Cuadrados Fecha: 27/05/10 Hora: 17:23 Muestra: 136 Contiene observaciones: 31 Coeficientes variables Std. Errort-StatisticProb. c-1369.643303.2218-4.5654438+069688.000065En un sentido económico, cada aumento de capital en una unidad puede conducir a un aumento correspondiente en el 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 y K1 y L es mejor que el modelo de relación entre Y1. y 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; tomar el logaritmo de ambos extremos del modelo al mismo tiempo, puede obtener los siguientes resultados: En la ventana de comandos del software EViews, escriba los siguientes comandos en secuencia: genrlny 1 = log(y 1)genrlnl = log(l) genrlnk 1 = log(k 1)lslny 1 CLL enlace 65438. Variable dependiente: LNY1 Método: Mínimos cuadrados Fecha: 27/05/10 Hora: 17:29 Muestra: 136 Observaciones contenidas: 31 Coeficientes variables Std. Errort-StatisticProb.