政府教育支出與經(jīng)濟(jì)增長(zhǎng)的計(jì)量經(jīng)濟(jì)分析-資料下載頁
2025-08-11 19:08本頁面
【導(dǎo)讀】政府教育支出是由教育產(chǎn)品的公共品性質(zhì)所決定的。判斷教育產(chǎn)品是公共產(chǎn)品、對(duì)宏觀經(jīng)濟(jì)調(diào)控，促進(jìn)社會(huì)經(jīng)濟(jì)和社會(huì)事業(yè)的健康、穩(wěn)定發(fā)展具有重要意義。二是從長(zhǎng)期來看，政府教育支出作為一種人力資本的投資，步，從而對(duì)宏觀經(jīng)濟(jì)產(chǎn)生巨大影響。該比例還有所提高。高度過重視國(guó)民教育投資，人力資本在經(jīng)濟(jì)發(fā)展中處于絕對(duì)重要的地位。是促進(jìn)社會(huì)、科技、經(jīng)濟(jì)全面發(fā)展的第一原動(dòng)力。的因素核算分為：勞動(dòng)、資本、單位投入產(chǎn)量、知識(shí)進(jìn)展、資源配置和規(guī)模經(jīng)濟(jì)幾個(gè)部分，長(zhǎng)，%應(yīng)歸功于技術(shù)進(jìn)步。其中，知識(shí)進(jìn)展對(duì)整個(gè)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)為個(gè)百分點(diǎn)。無論對(duì)于個(gè)人還是國(guó)家而言,教育都是創(chuàng)造知識(shí)和傳播知識(shí)的關(guān)鍵。分，教育投入力度不夠，我國(guó)教育投資對(duì)國(guó)民經(jīng)濟(jì)發(fā)展的貢獻(xiàn)份額較其他發(fā)達(dá)國(guó)家明顯偏低，從長(zhǎng)遠(yuǎn)利益來看，這必將阻礙我國(guó)經(jīng)濟(jì)的發(fā)展。資的增長(zhǎng)速度大大高于其他投資的增長(zhǎng)速度的一個(gè)原因。鑒于此，我們繼續(xù)對(duì)兩變量---教育投資和GDP進(jìn)行如下回歸分析。
【正文】 料來源：內(nèi)蒙古統(tǒng)計(jì)局、中國(guó)統(tǒng)計(jì)年鑒） 其中： Y代表地區(qū)生產(chǎn)總值， X1代表 社會(huì)消費(fèi)品零售總額 ， X2代表 基本建設(shè) 投資， X3代表 固定資產(chǎn)投資總額 ， Z1代表 出口總額 ,Z2 代表 進(jìn) 口總額 ， X5代表 實(shí)際利用外資額 ,X6 代表 教育事業(yè) 投資總額 。 (一 )建立模型并回歸 根據(jù)計(jì)算國(guó)民生產(chǎn)總值的支出法可知： GDP=消費(fèi)支出 +投資支出 +政府支出 +凈出口。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(yùn)用 OLS估計(jì)方法對(duì)式 1中的參數(shù)進(jìn)行估計(jì)，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(huì)消費(fèi)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(jìn) 口總額(億元 )Z2 實(shí)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(yàn)及修正 檢驗(yàn) 表 1 的各估計(jì)量的 t 檢驗(yàn)都不顯著，而 f 檢驗(yàn)顯著，說明存 在多重共線性。用簡(jiǎn)單相關(guān)系數(shù)矩陣法再次進(jìn)行檢驗(yàn)用，如表 3： X1 X2 X3 X4 X5 X6 X1 X2 X3 X4 X5 X6 由表 3可以看出，該模型存在多重共線性。 用逐步回歸法修正多重共線性。 （ 1）、運(yùn)用 OLS方法逐一求 Y對(duì)各個(gè)解釋變量的回歸。結(jié)合經(jīng)濟(jì)意義和統(tǒng)計(jì)檢驗(yàn)選出擬合 效果最好的一元線性回歸方程，即： Y= + （ ） （ ） R^2= AR^2= F= (2)、逐步回歸。將其余解釋變量逐一代入上式 結(jié)合經(jīng)濟(jì)意義和統(tǒng)計(jì)檢驗(yàn)選出擬合效果最好的二元線性回歸方程，即： Y=+ * （ ） （ ） （ ） R^2= AR^2= F= (3)、將其余解釋變量逐一代入上式 產(chǎn)生多重共線性，結(jié)合經(jīng)濟(jì)意義和統(tǒng)計(jì)檢驗(yàn)保留 X1和 X2最終的線性回歸方程為， Y= + （ ） （ ） R^2= AR^2= F= 回歸結(jié)果如下：（表 4） Dependent Variable: Y Method: Least Squares Date: 12/18/05 Time: 09:40 Sample: 1985 2020 Included observations: 19 Variable Coefficient Std. Error tStatistic Prob. X1 X2 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) （三）異方差檢驗(yàn)及修正： （ 1）首先用圖示法檢驗(yàn)。（圖 1） 由圖 1可知模型可能存在異方差。 （ 2）由于該模型是小樣本，不適用 White檢。用 Goldfeldquandt檢驗(yàn)。以 X1得升 序排列，去掉中間 1/4的數(shù)據(jù)， n=19去掉 5個(gè) 數(shù)據(jù)。剩下的分為前后兩部分，每部分各有（ n5） /2=7個(gè)數(shù)據(jù)。分別對(duì)這兩部分進(jìn)行回歸，記 錄 其殘差平方和。 樣本范圍在 19851991的殘差平方和 為E1=。 樣本范圍在 19972020 的 殘差平方和為 E2=。構(gòu)造 F統(tǒng)計(jì)量 F*=E2/E1= amp。=下查 F 表的臨界值 F(5,5)=。因?yàn)?F*F,表明誤差項(xiàng)存在 異方差。 （ 3）用 arch檢驗(yàn)?zāi)Ｐ瓦M(jìn)行檢驗(yàn)。（表 5） Dependent Variable: E2 Method: ML ARCH Date: 12/18/05 Time: 11:53 Sample(adjusted): 1988 2020 Included observations: 16 after adjusting endpoints Convergence achieved after 55 iterations Coefficient Std. Error zStatistic Prob. C E2(1) E2(2) E2(3) Variance Equation C ARCH(1) GARCH(1) 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) 由表可知：過程階數(shù) P=1時(shí)為最佳。此時(shí) Obs*Rsquared=， 在給定的顯著性水平 amp。= Obs*Rsquared臨界值 ,所以用 arch檢驗(yàn)方法檢驗(yàn)該模型無異方差。 綜合考慮以上檢驗(yàn)，判定存在異方差。（ arch檢驗(yàn)用于時(shí)間序列數(shù)據(jù)的異方差檢驗(yàn)，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 stat 對(duì)數(shù)變換法 用 GENR生成序列 LY、 LX1 和 LX2,再用 OLS方法求 LY 對(duì) LX1 和 LX2的回歸。結(jié)果如下：（表 7） Dependent Variable: LY Method: Least Squares Date: 12/18/05 Time: 12:04 Sample: 1985 2020 Included observations: 19
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1