【正文】 此時 Obs*Rsquared=， 在給定的顯著性水平 amp。分別對這兩部分進行回歸，記 錄 其殘差平方和。 （ 1）、運用 OLS方法逐一求 Y對各個解釋變量的回歸。 促進內(nèi)蒙古經(jīng) 濟發(fā)展的因素分析 03 經(jīng)濟基地 南慧穎 40301027 摘要：“西部大開發(fā)”發(fā)展戰(zhàn)略的實施西部落后地區(qū)迎來了發(fā)展的機遇，內(nèi)蒙古作為西部的一個省，也將抓住機遇積極發(fā)展經(jīng)濟。但現(xiàn)實中房價成本具有相當(dāng)大的難度。（人） X3=各地區(qū)建筑業(yè)勞動生產(chǎn)率。僅僅就幾個因素進行分析。而對于房價的構(gòu)成因素，至今仍然是不透明的。貝克爾 .人力資本 [Ｍ ].北京 :北京大學(xué)出版社 ,1987。 【 參考資料 】 [1] Ｔ赫克曼的觀點 ： 1） 中國人力資本的潛在投資回報率不但遠遠高于實物資本的投資回報率，也高于發(fā)達國家的教育投資回報率。人力資本投資與國民收入成正比，比物質(zhì)資源增長速度快。與此同時，發(fā)展教育融資市場，使得人們不至于由于流動性約束而失去受教育的機會。而且，中國當(dāng)前大量不熟練勞工進入城市，也需要高素質(zhì)人員去培訓(xùn)他們。但是，實際上中國人力資本的潛在投資回報率不但遠遠高于實物資本的投資回報率，也高于發(fā)達國家的教育投資回報率。但是這里我們僅僅是為了說明政府教育支出對 GDP既有當(dāng)期影響又有長期影響這個理論。高技術(shù)知識程度的人力帶來的產(chǎn)出明顯高于技術(shù)程度低的人力。舒爾茨的人力資本論是相符合的。 （ 2） 模型中 LX的系數(shù) 為 ， LX（ 18）的系數(shù) ，說明了當(dāng)期教育支出增加 1%， GDP增長 %， 18年前的教育支出增加 1%，今年的 GDP增長 %.說明了兩個問題 首先： 當(dāng)期的教育支出的回報率高于實物資本的回報率（ 據(jù)已有的 詹姆斯用 X和 X（ 18）共同解釋 GDP。 同時，我們在 EVIEW 中 用 CORRELATION 建立各期解釋變量的相關(guān)系數(shù)，發(fā)現(xiàn)存在高度的相關(guān)關(guān)系（篇幅限制，此處從略）。這種作用和別的固定資產(chǎn)等實物的投資沒有區(qū)別。 鑒于此，我們繼續(xù)對兩變量 教育投資和 GDP進行如下回歸分析。 美國著名經(jīng)濟學(xué)家舒爾茨 1962年運用大量統(tǒng)計數(shù)據(jù)得出 19291957年美國經(jīng)濟增長有33%的份額要歸因于美國教育的發(fā)展， 舒爾茨教授（和他的追隨者們）通過研究證實，美國經(jīng)濟在 “人力資本 ”上的投資收益大于在實物資本上的投資收益，而這種狀況正是導(dǎo)致教育投資的增長速度大大高于其他投資的增長速度的一個原因。通過教育 ,人們的文化水平得到提高 ,相應(yīng)的提高了勞動生產(chǎn)率 ,從而帶來ＧＤＰ的增長和整個社會經(jīng)濟的發(fā)展。再看近代日本和亞洲四小龍創(chuàng)造的經(jīng)濟奇跡，他們具有一個共同的特點：高度 過重視國民教育投資，人力資本在經(jīng)濟發(fā)展中處于絕對重要的地位。 政府教育支出對宏觀經(jīng)濟的影響應(yīng)該從兩個方面來考慮：一是政府教育支出直接構(gòu)成社會投資和消費資金的一部分，并且政府的公共教育支出通過產(chǎn)業(yè)的關(guān)聯(lián)性和乘數(shù)效應(yīng)還直接或間接地影響到宏觀經(jīng)濟 的增長。 由于各國的經(jīng)濟、政治、文化及各種背景的不同，我們很難找到他們完全一致的發(fā)展道路，完全相同的發(fā)展軌跡。目前，具有代表性的幾種計量方法主要有：舒爾茨（ Schultz ）的余數(shù)分析法、丹尼森（ Denison） 的經(jīng)濟增長因素法和斯特魯米林（ Sterlumlin）的勞動簡化法。由此可見，政府教育支出作為人力資本投資的一部分能極大地促進社會勞動生產(chǎn)率的提高和技術(shù)進步，從而對宏觀經(jīng)濟的長期、穩(wěn)定增長產(chǎn)生巨大影響。在 X（ 9）滯后期又開始回升并在 X（ 18）滯后期達到最大值 和 。 政府教育支出對宏觀經(jīng)濟的影響應(yīng)該從兩個方面來考慮：一是政府教育支出直接構(gòu)成社會投資和消費資金的一部分，并且政府的公共教育支出通過產(chǎn)業(yè)的關(guān)聯(lián)性和乘數(shù)效應(yīng)還直接或間接地影響到宏觀經(jīng)濟的增長。同時 T檢驗也很顯著。說明除了教育還有其他變量對 GDP有重要的影響，從而有異方差的出現(xiàn)。此外，政府對教育的支出必然帶動飲食、服務(wù)等第三產(chǎn)業(yè)的發(fā)展，而第三產(chǎn)業(yè)的發(fā)展又能帶動其它產(chǎn)業(yè)一起聯(lián)動共同影響著宏觀經(jīng)濟的發(fā)展。不應(yīng)當(dāng)把人力資本的再生產(chǎn)僅僅視為一種消費，而應(yīng)視同為一種投資，這種投資的經(jīng)濟效益遠大于物質(zhì)投資的經(jīng)濟效益。只能大致說明當(dāng)期和滯后期教育支出共同影響當(dāng)期 GDP，但是不能準(zhǔn)確的計量確定是哪一年的影響。 2020年，中國教育支出占 GDP的比重上升到 ％，但實物投資占 GDP的比重更 上升到 45％！在中國，實物資本與人力資本投資的比例比其他大多數(shù)國家都要高得多。越是有知識和技能的人，越能很好地適應(yīng)各種變化，并反過來更好地推進經(jīng)濟的發(fā)展。其次，改革教育市場，對所有形式的資本開放競 爭，創(chuàng)造融資的條件，讓人們不但愿意、而且可以投資教育。Ｗ高技術(shù)知識程度的人力帶來的產(chǎn)出明顯高于技術(shù)程度低的人力。人力資本投資和物質(zhì)資本投資需要平衡，過分強調(diào)其中的一方都會損失效率 4）中國經(jīng)濟的高速增長掩蓋不住效率偏低的現(xiàn)實，這是無法回避的問題。舒爾茨 《教育的經(jīng)濟價值》 [3] 《現(xiàn)代經(jīng)濟探討》 2020年第 7期。而這場博弈的焦點則是房價問題。選擇擬和效果最好的最為結(jié)論。令 Y=各地區(qū)建筑業(yè)總產(chǎn)值。 做多重共線性檢驗： X5 X4 X3 X2 X1 X5 X4 X3 X2 X1 可以看出有多重共線性。房地產(chǎn)業(yè)的暴利如果繼續(xù)維持，考驗的不僅是中國經(jīng)濟的穩(wěn)定，更是老百姓忍耐的限度。結(jié)合數(shù)據(jù)設(shè)模型的函數(shù)形式為： Y=a0+a1*X1+a2*X2+a3*X3+a4*X4+a5*X5+a6*X6+u (式 1) 先利用 GENR生成 X4=Z1Z2,再運用 OLS估計方法對式 1中的參數(shù)進行估計，得回歸分析結(jié)果： （表 2） Dependent Variable: Y Method: Least Squares Date: 12/18/05 Time: 09:31 Sample: 1985 2020 Included observations: 19 年 份 生產(chǎn)總值（ 億元 ） Y 社會消費品零售總額 (億元 )X1 基本建設(shè)投資 (億元 )X2 固定資產(chǎn)投資(億元 )X3 出口總額(億元 )Z1 進 口總額(億元 )Z2 實際利用外資額 (萬美元 )X5 教育事業(yè)投資 (億元 )X6 1985 530 1986 664 1987 1120 1988 961 1989 3050 1990 2530 1991 5532 1992 7910 1993 19213 1994 29086 1995 61801 1996 38355 1997 44209 1998 44253 1999 40133 2020 54819 2020 47342 2020 58211 2020 66529 Variable Coefficient Std. Error tStatistic Prob. X1 X2 X3 X5 X6 C Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) （二）多重共線性的檢驗及修正 檢驗 表 1 的各估計量的 t 檢驗都不顯著，而 f 檢驗顯著，說明存 在多重共線性。用 Goldfeldquandt檢驗。因為 F*F,表明誤差項存在 異方差。（ arch檢驗用于時間序列數(shù)據(jù)的異方差檢驗，該模型為截面數(shù)據(jù)） （ 4）異方差的修正 加權(quán)最小二乘法 設(shè)權(quán)數(shù) w=1/e^2,回歸得：（表 6） Dependent Variable: Y Method: Least Squares Date: 12/18/05 Time: 11:59 Sample: 1985 2020 Included observations: 19 Weighting series: W Variable Coefficient Std. Error tStatistic Prob. C X1 X2 Weighted Statistics Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) Unweighted Statistics Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Sum squared resid DurbinWatson s