【正文】 建筑業(yè)相對國有化程度XRsquared根據(jù)體制轉(zhuǎn)型期行業(yè)工資決定假說，總體參數(shù)應該大于0，相對國有化程度越高，行業(yè)壟斷程度越高，工資相對水平就越高。即建筑業(yè)相對工資水平的變化，可以由該行業(yè)壟斷程度的相對變化所解釋。而一些原來工資并不太高，但壟斷程度至今仍保持較高水平的行業(yè)，如金融保險業(yè)、房地產(chǎn)業(yè)等則陸續(xù)進入最高工資行列。表2 為了獲取資料的方便，本文將建筑業(yè)國有化程度用建筑業(yè)國有單位職工人數(shù)占建筑業(yè)全部就業(yè)人數(shù)的比重來表示。建筑業(yè)相對于電力、金融、房地產(chǎn)等行業(yè)，其非國有經(jīng)濟成分進入的門檻相對較低，競爭較為激烈，因此所有制多元化進展較快。然而，隨著計劃經(jīng)濟體制向市場經(jīng)濟體制的過渡，這種國有經(jīng)濟一統(tǒng)天下的格局逐步被打破，呈現(xiàn)出所有制日趨多元化的的趨勢。在傳統(tǒng)的計劃經(jīng)濟體制下，我國經(jīng)濟屬于典型的二元經(jīng)濟模式。2．壟斷程度在西方國家，人們通常用一個行業(yè)中最大的幾家廠商的銷售收入的份額表示一個行業(yè)的壟斷程度。 部分年份建筑業(yè)相對工資水平的時序數(shù)據(jù)見表1。二、數(shù)據(jù)定義與經(jīng)濟理論假說（一）數(shù)據(jù)定義1．建筑業(yè)工資水平建筑業(yè)相對工資水平定義為建筑業(yè)平均工資與全社會平均工資之比。在這一時期，各行業(yè)之間的職工工資差異在日趨擴大的同時，呈現(xiàn)出與計劃經(jīng)濟時期完全不同的特征。當?shù)诙綍r，個別值置信度95%的預測區(qū)間為（，）元。當元時，平均值置信度95%的預測區(qū)間為（，）元。這是當和時人均消費支出的點預測值。在對話框中的“Forecast name”(預測值序列名)鍵入“”， 回車即得到模型估計值及標準誤差的圖形。 為了輸入，在EViews命令框鍵入data x /回車, 在X數(shù)據(jù)表中的“32”位置輸入“8270”，在“33”的位置輸入“12405”，將數(shù)據(jù)表最小化。 用EViews作回歸預測，首先在“Workfile”窗口點擊“Range”，出現(xiàn)“Change Workfile Range”窗口，將“End data”由“31”改為“33”，點“OK”，將“Workfile”中的“Range”擴展為1—33。在西部大開發(fā)的推動下，如果西部地區(qū)的城市居民人均年可支配收入第一步爭取達到1000美元(按現(xiàn)有匯率即人民幣8270元)，第二步再爭取達到1500美元(即人民幣12405元)，利用所估計的模型可預測這時城市居民可能達到的人均年消費支出水平。這表明，城市人均年可支配收入對人均年消費支出有顯著影響。取，查t分布表得自由度為的臨界值。擬合優(yōu)度的度量：，說明所建模型整體上對樣本數(shù)據(jù)擬合較好，即解釋變量“城市居民人均年可支配收入”對被解釋變量“城市居民人均年消費支出”的絕大部分差異作出了解釋。這與經(jīng)濟學中邊際消費傾向的意義相符。若要顯示回歸結(jié)果的圖形，在“Equation”框中，點擊“Resids”，即出現(xiàn)剩余項（Residual）、實際值（Actual）、擬合值（Fitted）的圖形。 估計參數(shù) 方法一：在EViews主頁界面點擊“Quick”菜單，點擊“Estimate Equation”，出現(xiàn)“Equation specification”對話框，選OLS估計，即選擊“Least Squares”，鍵入“Y C X”，點“ok”或按回車。若要對數(shù)據(jù)存盤，點擊 “fire/Save As”，出現(xiàn)“Save As”對話框，在“Drives”點所要存的盤，在“Directories”點存入的路徑（文件名），在“Fire Name”對所存文件命名，或點已存的文件名，再點“ok”。其他變量的數(shù)據(jù)也可用類似方法輸入。若要將工作文件存盤，點擊窗口上方“Save”，在“SaveAs”對話框中給定路徑和文件名，再點擊“ok”，文件即被保存。其中已有變量：“c”—截距項 “resid”—剩余項。在“Workfile frequency”中選擇數(shù)據(jù)頻率： Annual (年度) Weekly ( 周數(shù)據(jù) ) Quartrly (季度) Daily (5 day week ) ( 每周5天日數(shù)據(jù) ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日數(shù)據(jù) ) Monthly (月度) Undated or irreqular (未注明日期或不規(guī)則的)在本例中是截面數(shù)據(jù)，選擇“Undated or irreqular”。 利用EViews作簡單線性回歸分析的步驟如下： 建立工作文件首先，雙擊EViews圖標，進入EViews主頁。從2002年《中國統(tǒng)計年鑒》: 2002年中國各地區(qū)城市居民人均年消費支出和可支配收入地 區(qū)城市居民家庭平均每人每年消費支出(元) Y城市居民人均年可支配收入(元) X北京天津河北山西內(nèi)蒙古遼寧吉林黑龍江上海江蘇浙江安徽福建江西山東河南湖北湖南廣東廣西海南重慶四川貴州云南西藏陜西甘肅青海寧夏新疆作城市居民家庭平均每人每年消費支出(Y)和城市居民人均年可支配收入(X)的散點圖，： 從散點圖可以看出居民家庭平均每人每年消費支出(Y)和城市居民人均年可支配收入(X)大體呈現(xiàn)為線性關(guān)系，所以建立的計量經(jīng)濟模型為如下線性模型： 三、估計參數(shù) 假定所建模型及隨機擾動項滿足古典假定，可以用OLS法估計其參數(shù)。因此這些其他因素可以不列入模型，即便它們對居民消費有某些影響也可歸入隨即擾動項中。因此建立的是2002年截面數(shù)據(jù)模型。所以模型的被解釋變量Y選定為“城市居民每人每年的平均消費支出”。居民消費可分為城市居民消費和農(nóng)村居民消費，由于各地區(qū)的城市與農(nóng)村人口比例及經(jīng)濟結(jié)構(gòu)有較大差異，最具有直接對比可比性的是城市居民消費。為了分析什么是影響各地區(qū)居民消費支出有明顯差異的最主要因素，并分析影響因素與消費水平的數(shù)量關(guān)系，可以建立相應的計量經(jīng)濟模型去研究。為了研究全國居民消費水平及其變動的原因，需要作具體的分析。但是在看到這個整體趨勢的同時，還應看到全國各地區(qū)經(jīng)濟發(fā)展速度不同，居民消費水平也有明顯差異。居民合理的消費模式和居民適度的消費規(guī)模有利于經(jīng)濟持續(xù)健康的增長，而且這也是人民生活水平的具體體現(xiàn)。第八步：利用模型進行控制或制定政策。第七步：預測?？梢岳胻檢驗和F檢驗來見模型參數(shù)的顯著性。上述結(jié)果表明加入消費的上期值以后，邊際消費傾向的數(shù)據(jù)發(fā)生了明顯的變化，究竟選擇哪一個模型，可以在以后的案例討論中進行說明。第五步：計量經(jīng)濟模型的參數(shù)估計根據(jù)最小二乘法，可得如下的估計結(jié)果：常數(shù)項為正說明，若inc為0，也就是自發(fā)消費。根據(jù)第三步數(shù)學模型的形式，可得式中：cs=CS/P，inc=(1 t)*GDP/P，其中GDP是當年價格的國內(nèi)生產(chǎn)總值，CS代表當年價格的居民消費值，P代表1978年為1的價格指數(shù)，t=TAX/GDP代表宏觀稅率，TAX是稅收總額。為了討論的方便，我們可以建立下面簡單的線性模型：在這個例子中，被解釋變量選擇消費，用cs表示；解釋變量為實際可支配收入，用inc表示（用GDP減去稅收來近似，單位：億元）；變量均為剔除了價格因素的實際年度數(shù)據(jù)，樣本區(qū)間為1978～2002年。毋庸置疑，收入和消費之間是正相關(guān)的。②相對收入理論，是由美國經(jīng)濟學家杜森貝提出的，認為人們的消費具有慣性，前期消費水平高，會影響下一期的消費水平，這告訴我們，除了當期收入外，前期消費也很可能是建立消費函數(shù)時應該考慮的因素。第一步：相關(guān)經(jīng)濟理論。案例分析一 關(guān)于計量經(jīng)濟學方法論的討論問題：利用計量經(jīng)濟學建模的步驟，根據(jù)相關(guān)的消費理論，刻畫我國改革開放以來的邊際消費傾向。首先了解經(jīng)濟理論在這一問題上的闡述，宏觀經(jīng)濟學中，關(guān)于消費函數(shù)的理論有以下幾種：①凱恩斯的絕對收入理論，認為家庭消費在收入中所占的比例取決于收入的絕對水平。關(guān)于消費函數(shù)的理論還有持久收入理論、生命周期理論，有興趣的同學可以參考相應的參考書。第二步：數(shù)據(jù)獲得。第三步：理論數(shù)學模型的設定。第四步：理論計量經(jīng)濟模型的設定。ut表示除收入以外其它影響消費的因素。總收入變量的系數(shù) b 為邊際消費傾向。另外，根據(jù)相對收入理論，我們可以得到下面的估計結(jié)果： 第六步：假設檢驗。例如，在（）式中，從而可以計算出t值為15，如果給定顯著性水平為5%，(21)=，因此可以拒絕總收入系數(shù)為0的原假設，認為邊際消費傾向的估計量是統(tǒng)計顯著的。 如果要對此模型的預測功能進行評價，可以用1978～1999年的22年數(shù)據(jù)進行參數(shù)估計，用2000～2002年的數(shù)據(jù)作為檢驗性數(shù)據(jù)，考察實際值和預測值的差別。案例分析二 我國城市居民家庭消費函數(shù)——一元線性回歸模型 一、研究的目的要求居民消費在社會經(jīng)濟的持續(xù)發(fā)展中有著重要的作用。改革開放以來隨著中國經(jīng)濟的快速發(fā)展，人民生活水平不斷提高，居民的消費水平也不斷增長。例如，, ，最高的上海市達人均10464元。影響各地區(qū)居民消費支出有明顯差異的因素可能很多，例如，居民的收入水平、就業(yè)狀況、零售物價指數(shù)、利率、居民財產(chǎn)、購物環(huán)境等等都可能對居民消費有影響。 二、模型設定 我們研究的對象是各地區(qū)居民消費的差異。而且，由于各地區(qū)人口和經(jīng)濟總量不同，只能用“城市居民每人每年的平均消費支出”來比較，而這正是可從統(tǒng)計年鑒中獲得數(shù)據(jù)的變量。 因為研究的目的是各地區(qū)城市居民消費的差異，并不是城市居民消費在不同時間的變動，所以應選擇同一時期各地區(qū)城市居民的消費支出來建立模型。 影響各地區(qū)城市居民人均消費支出有明顯差異的因素有多種，但從理論和經(jīng)驗分析，最主要的影響因素應是居民收入，其他因素雖然對居民消費也有影響，但有的不易取得數(shù)據(jù)，如“居民財產(chǎn)”和“購物環(huán)境”；有的與居民收入可能高度相關(guān)，如“就業(yè)狀況”、“居民財產(chǎn)”；還有的因素在運用截面數(shù)據(jù)時在地區(qū)間的差異并不大，如“零售物價指數(shù)”、“利率”。為了與“城市居民人均消費支出”相對應，選擇在統(tǒng)計年鑒中可以獲得的“城市居民每人每年可支配收入”作為解釋變量X。運用計算機軟件EViews作計量經(jīng)濟分析十分方便。在菜單一次點擊File\New\Workfile，出現(xiàn)對話框“Workfile Range”。并在“Start date”中輸入開始時間或順序號，如“1”在“end date”中輸入最后時間或順序號，如“31”點擊“ok”出現(xiàn)“Workfile UNTITLED”工作框。在“Objects”菜單中點擊“New Objects”，在“New Objects”對話框中選“Group”，并在“Name for Objects”上定義文件名，點擊“OK”出現(xiàn)數(shù)據(jù)編輯窗口。輸入數(shù)據(jù)在數(shù)據(jù)編輯窗口中，首先按上行鍵“↑”，這時對應的“obs”字樣的空格會自動上跳，在對應列的第二個“obs”有邊框的空格鍵入變量名，如“Y”，再按下行鍵“↓”，對因變量名下的列出現(xiàn)“NA”字樣，即可依順序輸入響應的數(shù)據(jù)。也可以在EViews命令框直接鍵入“data X Y ”(一元時) 或 “data Y … ”(多元時)，回車出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對應的Y、X下輸入數(shù)據(jù)。若要讀取已存盤數(shù)據(jù)，點擊“fire/Open”，在對話框的“Drives”點所存的磁盤名，在“Directories”點文件路徑，在“Fire Name”點文件名，點擊“ok”即可。 在本例中，參數(shù)估計的結(jié)果為： （） () t=() () F= df=29方法二：在EViews命令框中直接鍵入“LS Y C X”，按回車，即出現(xiàn)回歸結(jié)果。 四、模型檢驗經(jīng)濟意義檢驗所估計的參數(shù)，說明城市居民人均年可支配收入每相差1元。擬合優(yōu)度和統(tǒng)計檢驗用EViews得出回歸模型參數(shù)估計結(jié)果的同時，已經(jīng)給出了用于模型檢驗的相關(guān)數(shù)據(jù)。對回歸系數(shù)的t檢驗：針對和，估計的回歸系數(shù)的標準誤差和t值分別為：，；的標準誤差和t值分別為：。因為，所以不能拒絕；因為，所以應拒絕。 五、回歸預測 ，2002年中國西部地區(qū)城市居民人均年可支配收入除了西藏外均在8000以下，人均消費支出也都在7000元以下。可以注意到，這里的預測是利用截面數(shù)據(jù)模型對被解釋變量在不同空間狀況的空間預測。在“Workfile”窗口點擊“sampl”，將“sampl”窗口中的“1 31”改為“1 33”，點“OK”，將樣本區(qū)也改為1—33。 然后在“E”框中，點擊“Forecast”，得對話框。雙擊“Workfile”窗口中出現(xiàn)的“”，在“”數(shù)據(jù)表中的“32”位置出現(xiàn)預測值，在“33”位置出現(xiàn)。 為了作區(qū)間預測，在X和Y的數(shù)據(jù)表中，點擊“View”選“Descriptive Stats\Cmmon Sample”，則得到X和Y的描述統(tǒng)計結(jié)果，: :