freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

林業(yè)產(chǎn)業(yè)全要素生產(chǎn)率研究教材(編輯修改稿)

2025-07-19 22:27 本頁面
 

【文章內(nèi)容簡介】 量為: 其中,、這里、分別為回歸模型的OLS估計的樣本殘差和的標準差。g為模型中參數(shù)的個數(shù),為方差估計量的滯后截斷參數(shù)。(2)協(xié)整檢驗a.Pedroni檢驗EngleGranger 協(xié)整檢驗是從檢驗I(1)變量進行偽回歸的殘差發(fā)展來的。假如變量之間是協(xié)整關系的,則殘差應該是I(0)變量。相反,假如變量之間不存在協(xié)整關系,殘差應是I(1)變量。Pedroni和Kao擴展了EngleGranger研究框架,進而研究面板數(shù)據(jù)。 Pedroni提出了幾種協(xié)整關系的檢驗方法,允許截面間存在異質性截取和趨勢系數(shù)。模型寫成: (f) 其中, 假定y和x都是,原假設為存在協(xié)整關系,殘差;對殘差進行輔助回歸: ,Pedroni提出多種檢驗原假設沒有協(xié)整關系的檢驗統(tǒng)計量。同質性假設、異質性假設。Pedroni協(xié)整統(tǒng)計量是使用的殘差建立的,標準統(tǒng)計量漸近服從正態(tài)分布: 其中,是蒙特卡羅實驗調(diào)整項。模型寫成: (g)其中,對殘差進行輔助回歸:在沒有協(xié)整關系的原假設下,Kao給出統(tǒng)計量,因為,則擴展為: 近似收斂于正態(tài)分布,這里估計方差為,估計的長期運行方差為。(3)模型設定檢驗,使用的樣本包括了個體、指標、時間3個方向上的信息。如果模型設定不正確,估計結果將于所要模擬的經(jīng)濟現(xiàn)實偏離很遠。因此建立面板數(shù)據(jù)模型之前要檢驗被解釋變量的參數(shù)是否在所有很截面樣本的和時間上都是常數(shù),即檢驗所研究的問題屬于上述3種情況中的哪一種,以確定模型的形式。常用的檢驗是協(xié)變分析檢驗或協(xié)方差分析檢驗(analysis of convariance)。主要檢驗如下兩個假設: (48) (49)如果接受了假設2,可以認為樣本數(shù)據(jù)符合模型(45),不需要進行進一步檢驗了。如果拒絕了假設2,則認為樣本數(shù)據(jù)符合模型(46)。如果假設1也被拒絕了,才應采用模型(47)。下面是進行假設檢驗F統(tǒng)計量的計算方法:先對三個模型(47)、 (46) 、(45)分別用最小二乘估計得到殘差平方和、此操作過程可在eviews軟件中得到,具體的數(shù)學公式比較復雜在附錄參考文獻中有詳細的公式說明故在此省略。然后在假設下檢驗統(tǒng)計量服從相應自由度下的F分布,即~ 若計算得到的統(tǒng)計量的值不小于給定置信度下的相應臨界值則拒絕假設,繼續(xù)檢驗假設,檢驗統(tǒng)計量服從相應自由度的F分布?!? 若計算得到的統(tǒng)計量的值不小于給定置信度下的相應臨界值則拒絕假設,用模型(47)擬合樣本,反之,則用模型(46)。其中N為個體成員個數(shù),T為時間點數(shù),K是解釋變量的個數(shù) b. 隨機效應模型和固定效應模型的Hausman檢驗前面介紹的兩種變截距模型的估計方法,在建模的時候采用隨機效應模型還是固定效應模型,主要取決于對截距項的不同設定。如果把。若截距項當作待估計參數(shù),無論是隨機變量還是固定常數(shù),采用虛擬變量最小二乘法估計得到的結果都是無偏估計量。若是隨機變量且與解釋變量不相關,建立隨機效應模型得到的估計值是最佳線性一致無偏估計量;但是當與解釋變量相關時,得到的參數(shù)不僅是有偏的,而且是非一致的,因此正確判斷模型很重要。對于是隨機效應還是固定效應的選擇,Hausman(1978年)提出了一種檢驗這個假設的方法,該檢驗是比較固定效應和隨機效應估計的參數(shù)而判斷選擇哪種模型。檢驗假設為該檢驗統(tǒng)計量為 其中,是分別利用固定效應的LSDV模型和隨機效應模型的廣義得到的回歸系數(shù)估計值;為LSDV模型或者隨機效應模型經(jīng)過估計后得到的協(xié)方差矩陣。該統(tǒng)計量服從自由度為k的分布,這里k為回歸量的個數(shù)。在給定顯著水平下,如果該統(tǒng)計量H大于臨界值,則拒絕原假設,選擇固定效應模型。否則接受原假設,選擇隨機效應模型。. 4數(shù)據(jù)來源與變量說明 評價黑龍江省國有林區(qū)林業(yè)產(chǎn)業(yè)全要素生產(chǎn)率,目的不僅僅是計算40個林業(yè)企業(yè)的全要素生產(chǎn)率值,而且要解釋影響林業(yè)企業(yè)全要素生產(chǎn)率的主要因素,以便促使林業(yè)企業(yè)在今后的生產(chǎn)經(jīng)營活動過程當中,能夠注重這些因素的改進,從而來提高林業(yè)企業(yè)的全要素生產(chǎn)率。下文數(shù)據(jù)來自以上計算結果和《中國林業(yè)統(tǒng)計年鑒》中處理后的數(shù)據(jù)。我們試建立以下對數(shù)模型: i= 1,2,…,N t=1,2,…,T (410)注:(p、te、k、l、wbx、zc)為第i個企業(yè)第t年相應的觀測值模型所選數(shù)據(jù)來源與變量說明:關于數(shù)據(jù)來源在計算全要素生產(chǎn)率是已經(jīng)作了解釋,故在此不在重復。故只對變量指標進行說明:全要素生產(chǎn)率(P):是上文中用deap軟件根據(jù)非參數(shù)DEA模型的Malmquist 生產(chǎn)率指數(shù)計算出的各個林業(yè)企業(yè)的全要素生產(chǎn)率,作為被解釋變量,通過建立回歸方程,來對它進行因素分析。資本投入變量(k):西方經(jīng)濟學家一般采用資本存量來表示資本投入,由于我國長期采用與西方國家不同的國民經(jīng)濟核算體系,因此很難找到理論上的存量指標。因此由于數(shù)據(jù)的可得性,本文利用林業(yè)企業(yè)的固定資產(chǎn)投資年平均凈額指標作為資本投入變量。勞動投入(l):一般利用勞動投入時間表示,但其不具有數(shù)據(jù)可得性,采用統(tǒng)計年鑒中企業(yè)在崗平均勞動力人數(shù)表示。技術投因素(te):也是根據(jù)上文Malmquist 生產(chǎn)率指數(shù)分解計算出的技術進步因素,通過把第一年全部取值為1,然后換算得到。外部性 (wbx):我們?nèi)I林固定資產(chǎn)投資除以總固定資產(chǎn)投資而得的比率。政策變量(zc):由于企業(yè)深陷于沉重的人口負擔,而天保工程每年累計安置人數(shù)給企業(yè)減輕了不少負擔,因此選取天保工程每年累計安置人數(shù)作為政策變量。除以上五個解釋變量之外,我們也試圖通過尋找更多的對企業(yè)生產(chǎn)有影響因素的變量,但由于林業(yè)企業(yè)有關數(shù)據(jù)沒有或不好量化,像近年來一直研究的林業(yè)產(chǎn)權的因素很難找到有關變量來加以量化。作為供給因素的林業(yè)企業(yè)森林蓄積量和需求因素的林業(yè)企業(yè)工業(yè)銷售產(chǎn)值我們也試圖加入模型來解釋企業(yè)的全要素生產(chǎn)率,易于其他變量間產(chǎn)生嚴重的多重共線性,所以只好剔除。 PanelData模型檢驗變量平穩(wěn)性檢驗的形式為包含趨勢項和截距項,為了使結論更具科學我們使用四種方法進行檢驗變量的平穩(wěn)性,結果如表3所示,對變量p和te的檢驗是其水平形式,變量k的檢驗是一階差分形式,變量wbx的檢驗是二階差分形式。結果顯示p和te是平穩(wěn)變量,其他變量為非平穩(wěn)變量,且k是一階差分平穩(wěn),wbx是二階差分平穩(wěn)。表3 變量單位根檢驗Variable unit root test形式含截距項和趨勢項方法LLCADFPPIPS變量StatisticProb.**StatisticProb.**StatisticProb.**StatisticProb.**lnplntelnklnwbx 協(xié)整檢驗由于并不是所有的變量都具有平穩(wěn)性,因此在回歸分析之前必須判斷變量間的協(xié)整性,只有當變量間存在協(xié)整關系時,所得的估計結果才是可靠的,否則會出現(xiàn)偽回歸問題。為此我們通過eviews軟件對其進行協(xié)整檢驗,結果輸出如表4。結果顯示,Kao Text檢驗拒絕原假設,表明存在協(xié)整關系,Pedroni Test檢驗中七個統(tǒng)計量中有四個在1%的顯著水平下拒絕變量間不存在協(xié)整關系的原假設。所以認為變量間存在協(xié)整關系,即具有長期穩(wěn)定的協(xié)整關系,可以做回歸估計。 表4 變量的協(xié)整檢驗檢驗形式 含截距項 Kao Test Pedroni Test 檢驗方法 面板統(tǒng)計量 群統(tǒng)計量 統(tǒng)計指標 ADF V RHO PP ADF RHO PP ADFtstatistic prob 設定檢驗(1)按照上文模型檢驗的方法通過eviews對模型(41)根據(jù)不同假定分別用最小二乘估計得到三個假定下的殘差平方和:變系數(shù)模型=,變截距模型=,混合回歸模型=. 為了確定面板數(shù)據(jù)分析模型,首先利用F檢驗進行模型設定。N=40,T=7,k=5,則有=[()/(39*4)]/[ (28040*4)] =臨界值(156,120),大于臨界值,拒絕原假設,則繼續(xù)檢驗假設;=[()/(39*3)]/[ (28040*4)]=臨界值(195,40),小于臨界值,所以接受假設 選用變截距模型(46)擬合樣本。(2)隨機效應模型和固定效應模型的Hausman檢驗由上知我們選擇了變截距模型(46)擬合樣本,但要用隨機效應模型還是固定效應模型,需要做Hausman檢驗,檢驗方法已經(jīng)在前面模型的選擇中講過,再次我們直接通過eviews軟件,來進行檢驗。首先進行隨機效應估計,然后再進行Hausman檢驗,得到的結果如下圖所示, Hausman TestCorrelated Random Effects Hausman TestPool: POOL01Test crosssection random effectsTest SummaryChiSq. StatisticChiSq. .Prob.Crosssection random3由表中計算的結果可知,Hausman拒絕了零假設,所以模型設定為個體固定效應模型是合理的。所以最終我們建立的個體固定效應模型為: i= 1,2,…,N t=1,2,…,T (411)有關變量的解釋在建模時已經(jīng)做了詳細說明在此也不在贅述。 結果分析通過eviews軟件,我們對最終建立的個體固定效應模型(411)進行了回歸估計,得出eviews固定效應的回歸輸出結果如下表5所示 表5 固定效應panel data 模型VariableCoefficientStd. ErrortStatisticProb.CLOG(TE?)LOG(K?)LOG(WBX?)Effects SpecificationCrosssection fixed (dummy variables)RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaike info criterionSum squared residSchwarz criterionLog likelihoodHannanQuinn criter.FstatisticDurbinWatson statProb(Fstatistic)由結果可以看出擬合優(yōu)度=,可以認為序列之間不存在自相關現(xiàn)象。雖然擬合度不是很高,但假設檢驗和經(jīng)濟意義檢驗都通過,模型的建立是合理的。Eviews的估計結果: () () () () = F=在我們數(shù)據(jù)來源和變量說明中所選的另外兩個變量:勞動投入(l)、政策變量(zc),由于在回歸估計過程中不能通過顯著性檢驗,因此就將其剔除了。(1)技術投入與林業(yè)企業(yè)全要素生產(chǎn)率增長技術因素對企業(yè)全要素生產(chǎn)率增長的影響為正,顯著水平為1%,回歸系數(shù)表示技術因素變化1%% ??梢钥闯黾夹g因素對林業(yè)企業(yè)全要素生產(chǎn)率的影響是非常顯著的,它對企業(yè)全要素生產(chǎn)率增長的影響程度相對于所選取的其它兩個變量是最大的,說明技術因素即技術的投入對近年來黑龍江國有林區(qū)林業(yè)企業(yè)全要素的增長具有明顯的促進作用。(2)資本投入與林業(yè)企業(yè)全要素生產(chǎn)率增長資本投入對企業(yè)全要素生產(chǎn)率增長的影響為負,顯著水平為1%,回歸系數(shù)表示資本投入1%% 。我們利用的是林業(yè)企業(yè)的固定資產(chǎn)投資年平均凈額指標作為資本投入變量??梢钥闯觯潭ㄙY產(chǎn)的投資增長率與黑龍江國有林區(qū)林業(yè)企業(yè)的全要素生產(chǎn)率增長率不存在顯著的正相
點擊復制文檔內(nèi)容
教學課件相關推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1