华北地区经济发展水平分析——基于面板数据(共8页)

1、题 目 华北地区经济发展(fzhn)水平基于(jy)面板(min bn) 数据的实证分析 姓 名 学 号 专 业 会计学 指导教师 评语：成绩： 教师签名：华北地区经济发展水平基于面板数据的实证分析摘要(zhiyo)：本文(bnwn)选取(xunq)了华东地区2004-2014年的经济指标的面板数据作为研究对象，选取了北京，天津，河北，山西和内蒙古五个地区2004-2014年的地区生产总值（亿元），固定资产投资完成额（亿元），社会消费品零售总额（亿元）和进出口总额（万美元）(见附录)作为本文的实证分析研究对象。关键词：经济发展水平 面板分析 单位根检验 协整检验一、指标选取及数据来源 本文选取

2、了华东地区2004-2014年的经济指标的面板数据作为研究对象，选取了北京，天津，河北，山西和内蒙古五个地区2004-2014年的地区生产总值（亿元），固定资产投资完成额（亿元），社会消费品零售总额（亿元）和进出口总额（万美元）(见附录)作为本文的实证分析研究。表1.1给出了模型中涉及的变量名称、标识及含义。本文数据取自中经网统计数据库表1.1 模型中的衡量指标、变量及其符号衡量指标变量符号被解释变量地区生产总值（亿元）Y解释变量固定资产投资完成额（亿元）X1社会消费品零售总额（亿元）X2进出口总额（万美元）X3 二描述性分析本文按照上述的原则选择了北京，天津，河北，山西和内蒙古五个地区200

3、4-2014年的地区生产总值，固定资产投资完成额，社会消费品零售总额和进出口总额作为样本，首先我们利用Eviews6.0软件对所有变量进行描述性统计分析。得到的描述性结果如表2.1所示。表2.1 描述性统计分析表Y?X1?X2?X3?Mean11785.567269.3914137.0238302229.Median11237.555578.9303397.4203842053.Maximum29421.1526671.9011820.4642899581Minimum3041.0701245.660884.7600372170.6Std. Dev.6477.7395576.3872567.3

4、7611415774Skewness0.8610891.5274521.0544761.918719Kurtosis3.3228955.2085783.6587165.701878Jarque-Bera7.03577432.5651711.1869750.47642Probability0.0296620.0000000.0037220.000000Sum648205.6399816.5227536.24.57E+08Sum Sq. Dev.2.27E+091.68E+093.56E+087.04E+15Observations55555555Cross sections5555由上表(shn

5、 bio)可以看出五个地区(dq)的2004-2014年的地区(dq)生产总值，固定资产投资完成额，社会消费品零售总额和进出口总额的偏度系数值均是大于零的，其表现为右偏。其峰度系数值均大于3，均是相对呈现“高瘦”（尖峰）形状。可以看出5个地区的经济指标均是呈现右偏分布和“高瘦”形态。三、计量检验（一） 单位根检验由于面板数据反映了时间和截面二维上的信息。因此，与时间序列相同，面板数据也有可能存在单位根。为了保证变量序列的平稳性，即为避免因时间序列的非平稳性所造成的“伪回归”问题。在进行模型估计前，首先使用单位根方法检验各变量的平稳性。面板数据的单位根检验和普通的单序列单位根检验类似但两者又有所

6、不同。本文运用Eviews6.0采用IPS检验、Fisher-ADF检验、Fisher-PP检验3种面板数据单位根检验方法，运行结果如表3.1所示。表3.1 单位根检验结果变量序列YX1X2X3原序列IPS4.8962(1.0000)9.9429(1.0000)9.5249(1.0000)1.7034(0.9558)Fisher-ADF0.5529(1.0000)0.2798(1.0000)0.0046(1.0000)2.6537(0.9884)Fisher-PP0.5572(1.0000)0.1320(1.0000)0.0034(1.0000)2.0991(0.9955)结论非平稳非平稳非平

7、稳非平稳一阶差分序IPS-1.0241(0.1529)-0.5215(0.3010)-0.2874(0.3869)-4.2404(0.0000)Fisher-ADF13.4328(0.2005)15.0681(0.1296)8.9861(0.5334)38.1437(0.0000)Fisher-PP12.1415(0.2757)20.0134(0.0291)8.3037(0.5992)54.9101(0.0000)结论非平稳非平稳非平稳平稳二阶差分序列IPS-3.6139(0.0002)-3.5313(0.0002)-3.9365(0.0000)-4.2142(0.0000)Fisher-AD

8、F33.1243(0.0003)32.7679(0.0003)36.5099(0.0001)39.3688(0.0000)Fisher-PP33.9752(0.0002)32.0233(0.0004)55.1733(0.0000)74.3765(0.0000)结论平稳平稳平稳平稳由表3.1的单位根检验结果(ji gu)可以发现，所有(suyu)变量原序列(xli)都是不平稳序列，因此，需要对原序列进行差分，继续用单位根检验法检验差分后序列的平稳性。对所有变量进行一阶差分后，进行单位根检验发现，除了进出口总额是平稳的，其他变量都是非平稳的，我们继续对序列进行二阶差分，进而进行单位根检验，得到其概

9、率P值均是小于0.05的显著水平，即认为所有序列都是平稳序列。说明五个变量均为二阶单整变量。（二）协整检验由于面板数据是原变量序列是非平稳的，而差分后的各个变量通过IPS检验、Fisher-ADF检验、Fisher-PP检验都被证实是平稳的且为一阶单整变量，但是这不能说明它们之间的线性组合也是平稳的。为了探究变量之间的线性组合关系，此时就需要通过协整检验来确定变量之间的线性组合是否存在着长期稳定的关系。运用Eviews6.0软件对所有变量的的二阶差分变量做Kao协整检验，检验结果如表3.2所示。表3.2 Kao协整检验的Eviews运行结果t-StatisticProb.ADF-1.43817

10、40.0752Residual variance346121.7HAC variance183783.0由表4.1的结果可知，在0.1的显著水平下，Kao协整检验的ADF统计量的值为-1.438174，小于显著水平为0.1的临界值，且协整检验的ADF统计量值的伴随概率P值为0.0752，在0.1的显著性水平下拒绝序列中不存在协整关系的原假设，表明变量之间存在显著的协整关系。说明地区生产总值，固定资产投资完成额，社会消费品零售总额和进出口总额之间存在长期的均衡关系。下面我们建立模型。四. 模型(mxng)的建立与结论(jiln) 面板(min bn)数据是同时包含若干个体成员和时期的二维数据，因

11、此对于面板数据的组织需要同时对截面和时刻的观测值进行组织。面板数据模型主要有两种，一种是固定效应回归模型，另一种是随机效应回归模型，Hausman(1978)等学者认为应该是总是把个体影响处理是随机的，即随机效应模型优于固定效应模型，其主要原因为：固定效应模型将个体影响设定为跨截面变化的常数使得分析过于简单，并且从实际的角度看，固定效应模型将损失较多的自由度。但是相对于固定效应模型，随机效应模型也存在明显的不足：在随机效应模型中是假设随机变化的个体影响与模型中的解释变量不相关，而在实际建模过程中这一假设很有可能由于模型中省略了一些变量而不足。因此在确定固定效应模型还是随机效应模型时，一般的做法

12、是：先建立随机效应模型，然后检验该模型是否满足个体影响与解释变量不相关的假设，如果满足将模型确定为随机效应模型，反之则确定为固定效应模型。基于本文的研究需要，建立的固定效应模型如下： 其中i=1,2,3,4,5表示个体成员，t=1,2,3T表示时间跨度。建立的随机效用模型如下： 其中i=1,2,3,4,5表示个体成员，t=1,2,3T表示时间跨度。由上面的论述我们在主观上断模型是固定效应还是随机效应是个困难的问题，因此我们依据Hausman检验的结果在两者之间做出选择。Hausman检验的原假设是选择随机效应模型，其被择假设为固定效应模型。当Hausman统计量在统计上显著时，我们拒绝原假设，

13、选择固定效应模型进行参数估计，否则应当选择随机效应模型估计参数。表4.1是采用随机效应模型得到的结果。表4.1 随机效应模型运行(ynxng)结果VariableCoefficientStd. Errort-StatisticProb.C1832.781284.73236.4368550.0000X1?0.4221950.0976764.3223850.0001X2?1.6120910.2456086.5636770.0000X3?2.58E-053.34E-050.7737450.4427Random Effects (Cross)BJ-C-153.5350TJ-C44.05352HB-C3

14、86.6175SX-C-311.8704NMG-C34.73442Effects SpecificationS.D.RhoCross-section random219.80430.0476Idiosyncratic random982.75030.9524Weighted StatisticsR-squared0.964156Mean dependent var9465.550Adjusted R-squared0.962047S.D. dependent var6048.277S.E. of regression1178.292Sum squared resid70807032F-stat

15、istic457.2744Durbin-Watson stat0.470217Prob(F-statistic)0.000000根据上面的随机效应模型可以看出总体模型的概率P值为0.0000，说明模型总体是显著(xinzh)的。下面我们判断是建立随机效应模型还是固定效应模型，于是我们对上述的随机效应模型进行Hausman检验(jinyn)，当Hausman统计量在统计上显著时，选择固定效应模型进行参数估计，否则应当选择随机效应模型估计参数。表4.2是Hausman检验的结果。表4.2 Hausman检验的运行结果Test SummaryChi-Sq. StatisticChi-Sq. d.f.

16、Prob.Cross-section random25.31452730.0000Cross-section random effects test comparisons:VariableFixedRandomVar(Diff.)Prob.X1?0.6026270.4221950.0116180.0941X2?0.9009641.6120910.1024510.0263X3?0.0001780.0000260.0000000.0041由表5.2我们(w men)可以得出Hausman检验的P值为0.0000小于置信水平0.05，因此(ync)我们拒绝原假设，即采用(ciyng)固定效应模型。

17、下面运用Eviews6.0软件对各个变量采用固定效应模型进行回归分析。得到表5.3的运行结果。表4.3 固定效应模型的运行结果VariableCoefficientStd. Errort-StatisticProb.C2197.305325.74016.7455750.0000X1?0.6026270.1454614.1428670.0001X2?0.9009640.4034532.2331300.0303X3?0.0001786.28E-052.8403630.0066Fixed Effects (Cross)BJ-C-1866.327TJ-C-578.8009HB-C2369.240SX-

18、C-264.5233NMG-C340.4113Effects SpecificationCross-section fixed (dummy variables)R-squared0.979967Mean dependent var11785.56Adjusted R-squared0.976983S.D. dependent var6477.739S.E. of regression982.7503Akaike info criterion16.75231Sum squared resid45392512Schwarz criterion17.04429Log likelihood-452.6885Hannan-Quinn criter.16.86522F-statistic328.4489Durbin-Watson stat0.781992Prob(F-statistic)0.000000由表4.3的运行结果我们可以得出在置信水平为