摘要:本文运用计量经济学的分析方法利用柯布-道克拉斯生产函数模型对GDP与就业人数、固定资产投资总额之间的关系进行了分析,并通过计量经济学检验方法对模型进行了检验和修成,从而得出GDP与就业人数、固定资产投资总额在计量经济学方面的经济含义。
关键字:计量经济学模型 柯布-道克拉斯生产函数 经济问题分析
1.问题的提出
计量经济学自20世纪30年代形成以来,发展迅速,在经济学科中占有很重要的地位,在经济、社科领域也取得了广泛的应用。未来是计量经济学更好的服务于我们的生活,很多经济学家用计量经济学的方法建立了经济模型,通过这些模型,我们可以对人们的经济活动作出预测,以更好的发展。我们学过柯布-道克拉斯生产函数,也学过其他的经济函数,但是GDP与就业人数、固定资产投资总额之间究竟有什么关系,他们是怎样彼此影响的?为了更好的理解计量经济学模型,也为了更好的理解柯布-道克拉斯生产函数,我们拟对陕西省1995年——2009年的国民生产总值GDP、就业人数、固定资产投资等相关数据做一个分析,来验证模型,并找到一个合适的模型。
2.问题的解决
估计全社会的生产函数模型有两个问题要加以考虑。一是经济变量指标的选择,既要符合经济理论和计量模型的要求,要要考虑到我国现行统计指标的实际情况;二是要保证样本数据的可采集性和口径的一致。一般来说,作为全社会口径的产出量指标的GDP是一个国家经济核算体系的核心指标,分析GDP与相关经济因素的关系是最直观也是最有效的手段。我们选取柯布-道克拉斯生产函数模型对相关指标进行分析。假定生产中只有劳动和资本两种生产要素,且这两种生产要素是能够互相替代的。我们会建立一些生产函数模型,以便分析劳动(L)和资本(K)之间的依存关系,而柯布—道格拉斯生产函数模型被认为是新经济增长模型的基础。因此,本文选择柯布—道格拉斯生产函数模型对陕西省1995—2009年的GDP、固定资产投资总额和就业人数之间的关系进行一个辩证分析。以下是分析的过程:
基本数据:
陕西省1995年——2009年的国民生产总值GDP、就业人数、固定资产投资总额的统计资料如下表所示。
年份 | 国内生产总值GDP(亿元) | 就业人数(万人) L | 固定资产投资总额(亿元) K K | 居民消费价格指数PRICE | ||
1995 | 1036.85 | 1748 | 358.80 | 1.171 | 885.4398 | 306.4048 |
1996 | 1215.84 | 1776 | 406.90 | 1.083 | 1122.659 | 375.7156 |
1997 | 1300.0 | 1792 | 4.80 | 1.028 | 12.591 | 452.1401 |
1998 | 1381.53 | 1802 | 573.50 | 0.992 | 1392.671 | 578.125 |
1999 | 1487.6 | 1808 | 6.30 | 0.986 | 1508.722 | 655.4767 |
2000 | 1660.92 | 1813 | 796.21 | 1.004 | 1654.303 | 793.0378 |
2001 | 2010.62 | 1785 | 887.20 | 1.007 | 1996.3 | 881.0328 |
2002 | 2253.39 | 1874 | 1016.90 | 0.992 | 2271.563 | 1025.101 |
2003 | 2587.72 | 1911.3 | 1390.28 | 1.012 | 2557.036 | 1373.794 |
2004 | 3175.58 | 1884.7 | 19.28 | 1.039 | 3056.381 | 1587.372 |
2005 | 3772.69 | 1882.9 | 2035.20 | 1.018 | 3705.982 | 1999.214 |
2006 | 4523.74 | 10 | 2659.37 | 1.015 | 4456.887 | 2620.069 |
2007 | 5369.85 | 1922.0 | 3152.28 | 1.048 | 5123.903 | 3007.901 |
2008 | 6851.32 | 1946.5 | 4569.16 | 1.059 | 69.613 | 4314.599 |
2009 | 8186.65 | 1919.4 | 5270.3 | 0.993.3 | 8244.361 | 5307.452 |
(一)模型的选择以及相关系数的解释
在经济学的分析中,为了研究经济增长,通常会将相关因素建立一个经济增长模型。并且假定生产中只有劳动和资本两种生产要素,且这两种生产要素是能够互相替代的。我们会建立一些生产函数模型,以便分析劳动(L)和资本(K)之间的依存关系,而柯布—道格拉斯生产函数模型被认为是新经济增长模型的基础。因此,本文选择柯布—道格拉斯生产函数模型对陕西省1995—2009年的GDP、固定资产投资总额和就业人数之间的关系进行一个辩证分析。
在没有技术进步的条件下,柯布—道格拉斯生产函数可以表示为式中。在模型中包含国内生产总值GDP;就业人数L;固定资产投资总额K。为了消除价格因素对模型的影响,我们引入居民消费价格指数PRICE,并对GDP、固定资产投资总额进行标准化处理。于是便有,Y=GDP/PRICE;X=K/PRICE. 柯布-道格拉斯生产函数为 α+β次齐次生产函数,进一步有:α+β>1时规模报酬递增;α+β=1时,规模报酬不变;α+β<1时,规模报酬递减。
(二)对模型进行估计
柯布—道格拉斯(C-D)生产函数模型
两边取自然对数(取对数是为了消除时间序列异方差的影响)得到:
(1)
令
则,可将柯布-道格拉斯生产函数转换为标准的二元线性回归模型
为了方便计算,我们将数据根据我们的定义转换一下,得到新数据:
年份 | Y | X1 | X2 |
1995 | 6.786084 | 5.7241 | 7.486613 |
1996 | 7.023455 | 5.928791 | 7.482119 |
1997 | 7.142504 | 6.113903 | 7.491088 |
1998 | 7.2379 | 6.359747 | 7.496652 |
1999 | 7.319018 | 6.485368 | 7.499977 |
2000 | 7.411135 | 6.675823 | 7.502738 |
2001 | 7.599223 | 6.781058 | 7.487174 |
2002 | 7.728223 | 6.932448 | 7.53583 |
2003 | 7.846604 | 7.225336 | 7.555539 |
2004 | 8.024987 | 7.235115 | 7.541524 |
2005 | 8.217704 | 7.600502 | 7.540568 |
2006 | 8.402206 | 7.870968 | 7.544332 |
2007 | 8.541672 | 8.0097 | 7.561122 |
2008 | 8.774872 | 8.36976 | 7.573788 |
2009 | 9.017285 | 8.576876 | 7.559768 |
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | -5.67755 | 8.973876 | 0.632676 | 0.5388 |
X1 | 0.775717 | 0.045025 | 17.22857 | 0.0000 |
X2 | 0.445067 | 1.231303 | -0.361460 | 0.7240 |
R-squared | 0.993311 | Mean dependent var | 7.804930 | |
Adjusted R-squared | 0.992196 | S.D. dependent var | 0.674955 | |
Log likelihood | 22.68485 | F-statistic | 1.0154 | |
Durbin-Watson stat | 1.967874 | Prob(F-statistic) | 0.000000 |
(0.6327) (17.2286) (-0.3615)
于是,得到的柯布-道格拉斯生产函数估计方程为:
这是我们得到的基本估计模型,但是模型能否通过诸多检验,我们后面要一一检验。
(三)经济意义
这个经济模型阐述了陕西省1995—2009年的GDP、固定资产投资总额和就业人数之间的函数关系。在这个关系中,GDP
(四)异方差检验
做怀特检验,结果如下:
F-statistic | 0.413293 | Probability | 0.746813 | |
Obs*R-squared | 1.519476 | Probability | 0.677783 | |
所以,<=16.919,则结论是该回归模型中不存在异方差。
(五)自相关检验
用LM检验法:
F-statistic | 1.071691 | Probability | 0.536128 | |
Obs*R-squared | 11.44134 | Probability | 0.246665 | |
(六)多重共线性检验
由(2)式可知,该模型不能通过t检验。首先要判断解释变量之间是否存在多重共线性,多重共线性的检验可以利用两个解释变量的相关性检验。
检验方法如下
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 7.287368 | 0.028868 | 252.4402 | 0.0000 |
X1 | 0.033510 | 0.004060 | 8.2541 | 0.0000 |
R-squared | 0.839767 | Mean dependent var | 7.523922 | |
Adjusted R-squared | 0.827441 | S.D. dependent var | 0.032331 |
将代入模型(1)中,(A为常数)得到:
Variable | Coefficient | Std. Error | t-Statistic | Prob. |
C | 0.333988 | 0.017173 | 19.44850 | 0.0000 |
X1/X2 | 0.749656 | 0.018187 | 41.21972 | 0.0000 |
R-squared | 0.992407 | Mean dependent var | 1.037039 | |
Adjusted R-squared | 0.991823 | S.D. dependent var | 0.085613 | |
S.E. of regression | 0.007742 | Akaike info criterion | -6.7607 | |
Sum squared resid | 0.000779 | Schwarz criterion | -6.666382 | |
Log likelihood | 52.70591 | F-statistic | 1699.065 | |
Durbin-Watson stat | 2.091265 | Prob(F-statistic) | 0.000000 | |
(19.44850) (41.21972)
0F=1699.065 DW=2.091265
由这些可以得到修改后的柯布—道格拉斯生产函数模型为
(3)