第一章 绪论——研究背景 福建经济呈现公有制为主体，多种所有制共同发展的多元化格局。自改革开放以来，福建不断探索实行以公有制为主体、多种经济成份并存的所有制结构，鼓励国有、集体、私营、外资一齐上，并从重点战略上调整了国有经济的布局，使福建经济格局发生变化。
在产业结构调整方面，福建第一产业比重持续下降，第二产业比重有所上升，第三产业比重逐年上升。第一产业占国内生产总值的比重由1978年的36.1%下降到2022年的16.3%；第二产业比重由42.5%上升到43.6%；第三产业比重由21.4%上升到40.1%。
国民经济总量增长从主要由第一二产业带动转化为主要由第二三产业带动。 国民经济平稳增长。
初步统计，全年实现国内生产总值4258.37亿元，比上年增长9.0%，其中，第一产业增加值652.40亿元，增长3.5%；第二产业增加值1904.21亿元，增长10.7%；第三产业增加值1701.76亿元，增长9.3%。人均国内生产总值12375元，比上年增长7.0%。
经济结构进一步优化。在国内生产总值中，第一产业比重下降，第二产业比重上升，第三产业比重持平。
一、
二、三产业增加值占国内生产总值的比重由上年的16.3%、43.7 %和40.0%调整为15.3 %、44.7%和40.0%。所有制结构继续调整，非公有制经济占全省经济总量的比重上升到45.6%，比上年提高2.0个百分点。
全年全社会劳动生产率25526元，比上年增长7.5%。 由上可见，改革进行二十多年以来，福建第二产业发展迅速，而且随着经济的进一步发展，第二产业在我省经济中的地位将日益显著。
依据西方经济学理论，国内生产总值主要受居民消费、政府消费、资本形成总额、出口总额、进口总额等因素影响（这里暂时不考虑货币市场），本文试图通过对历年的经济数据采用计量经济的理论进行分析，以实证法研究影响第二产业发展的若干因素所产生的不同作用。 第二章 计量经济实证分析
一、数据收集 原始数据 ——来源于《福建经济与社会统计年鉴——2022》P
2
8、P
30、P53 D2 CC G CAP X M 1981 39.75 68.15 10.6 28.48 7.1426 3.6848 1982 42.92 78.73 12.02 33.21 3.4825 7.1454 1983 46.05 84.44 13.27 35.61 3.7967 7.251 1984 56.39 100.49 15.08 43.76 10.9276 7.6181 1985 72.56 126.56 18.1 64.54 16.3254 10.0692 1986 82.19 139.48 24.43 81.72 25.5367 24.5981 1987 101.28 161.14 29.88 97.92 33.6288 350.052 1988 141.82 211.4 48.07 124.64 52.6752 53.0844 1989 163.82 257.5 64.64 139.14 86.0988 75.0774 1990 174.47 284.85 91.8 151.46 127.8409 98.6591 1991 217.74 332.9 104.98 190.4 170.9071 140.6215 1992 291.6 412.11 123.23 261.23 252.233 211.144 1993 463.93 524.15 149.24 446.44 298.6911 282.7297 1994 739.52 725.81 210.39 756.34 548.4961 491.2708 1995 910.52 930.89 229.79 996.17 662.6954 547.8534 1996 1065.79 1075.34 319.13 1202.55 695.7384 592.3984 1997 1267.64 1239.84 379.76 1374.46 848.9586 637.1742 1998 1401.11 1284.42 432.92 1577.67 824.8092 595.7494 1999 1507.29 1337.05 493.53 1673.94 856.9328 601.6144 2022 1711.16 1496.2 556.21 1798.27 1068.5474 688.319 2022 1904.21 1586.7 638.53 1939.61 1152.4896 720.4915 2022 2159.94 1699.74 734.31 1443.46 1473.9598 912.8945 D2：福建第二产业生产总值 CC：居民消费 G：政府消费 CAP：资本形成总额、 X：出口总额 M：进口总额
二、建立模型 使用Eviews，采用最小二乘法建立多元线形回归模型，以D2为因变量、CC、G、CAP、X、M为自变量。 所得回归方程为：D2 = 34.71180027 - 0.3605174497*CC + 0.3257086244*CAP + 1.371239184*G + 0.04362975814*M + 0.8067113894*X 估计表单为： Dependent Variable: D2 Method: Least Squares Date: 12/09/04 Time: 20:57 Sample: 1981 2022 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C 34.71180 23.39107 1.483977 0.1572 CC -0.360517 0.213369 -1.689645 0.1105 CAP 0.325709 0.078514 4.148429 0.0008 G 1.371239 0.215094 6.375083 0.0000 M 0.043630 0.099110 0.440216 0.6657 X 0.806711 0.186577 4.323744 0.0005 R-squared 0.998554Mean dependent var 661.8955 Adjusted R-squared 0.998102S.D. dependent var 703.4254 S.E. of regression 30.64455Akaike info criterion 9.909787 Sum squared resid 15025.41Schwarz criterion 10.20224 Log likelihood -103.0077F-statistic 2209.788 Durbin-Watson stat 1.393954Prob(F-statistic) 0.000000 该模型优点： 1. 因为Adjusted R-squared=0.998102，故该方程拟合优度较高，即模型总体拟合良好。
2. F统计量的P值=0。表明因变量对各个自变量的回归效果显著。
3. CAP、G、X的T检验相应的P值为0.000
8、0.0000和0.0005均小于显著性水平（0.05） 4. CAP、G、X各个自变量的系数均大于零，符合经济学理论。 5. 以D2的残差图和怀特检验（两个检验的P值均大于0.05）上判断，该方程应该不存异方差。
White Heteroskedasticity Test: F-statistic 2.736215Probability 0.056892 Obs*R-squared 15.69170Probability 0.108805 6．从该方程的相关矩阵来看，两个不同自变量的相关系数均没有大于R平方的值0.998102，基本上不存在多重共线性。 CC CAP G X M CC 1 0.981399302145 0.982806014733 0.989816850973 0.962453202201 CAP 0.981399302145 1 0.951333032707 0.950454277762 0.929899220227 G 0.982806014733 0.951333032707 1 0.986801218628 0.933444432162 X 0.989816850973 0.950454277762 0.986801218628 1 0.963417535784 M 0.962453202201 0.929899220227 0.933444432162 0.963417535784 1 缺点： 1. DW值位于（0.86，1.94）之间，无法判断其相关性。
但从D2的残差图上判断，应该存在轻微的自相关。 2. C、CC、M的T检验相应的P值均大于显著性水平（0.05），即这三个自变量对因变量D2没有显著性影响。
由于存在上述不足，因此对该方程进行修正。
三、模型的修正
(一) 模型的第一次修正 去除对因变量D2（xxx第二产业生产总值）无显著影响的自变量CC（居民消费）、M（进口总额）。 对该模型重新拟合得方程：D2 = -0.2681233922 + 0.2022987875*CAP + 1.310992774*G + 0.588029768*X 估计表单为： Dependent Variable: D2 Method: Least Squares Date: 12/09/04 Time: 22:08 Sample: 1981 2022 Included observations: 22 Variable Coefficient Std. Error t-Statistic Prob. C -0.268123 9.351543 -0.028672 0.9774 CAP 0.202299 0.032856 6.278904 0.0000 G 1.310993 0.192289 6.817838 0.0000 X 0.588030 0.095547 6.154325 0.0000 R-squared 0.998296Mean dependent var 661.8955 Adjusted R-squared 0.998012S.D. dependent var 703.4254 S.E. of regression 31.36464Akaike info criterion 9.892205 Sum squared resid 17707.33Schwarz criterion 10.09058 Log likelihood -104.8143F-statistic 3514.899 Durbin-Watson stat 0.827417Prob(F-statistic) 0.000000 该模型优点： 1. 因为Adjusted R-squared=0.998012，故该方程拟合优度较高，即模型总体拟合良好。
2. F统计量的P值=0。表明因变量对各个自变量的回归效果显著。
3. CAP、G、X的T检验相应的P值均为0.0000，均小于显著性水平（0.05），比初始的T检验的检验效果还要好。 缺点：存在严重的序列正相关，因为DW的值小于1.05。
因此需再次进行调整。
（二）模型的第二次修正 在自变量中加上一阶滞后量AR
（1），重新拟合方程。 新的方程为： D2 = 0.1889537391*CAP + 1.340918866*G + 0.6021953341*X + [AR
(1)=0.5962185074] 估计表单为： Dependent Variable: D2 Method: Least Squares Date: 12/10/04 Time: 21:17 Sample(adjusted): 1982 2022 Included observations: 21 after adjusting endpoints Convergence achieved after 9 iterations Variable Coefficient Std. Error t-Statistic Prob. CAP 0.188954 0.032481 5.817446 0.0000 G 1.340919 0.216503 6.193534 0.0000 X 0.602195 0.094537 6.369946 0.0000 AR
(1) 0.596219 0.202259 2.972779 0.0085 R-squared 0.998851Mean dependent var 691.5214 Adjusted R-squared 0.998648S.D. dependent var 706.5924 S.E. of regression 25.98408Akaike info criterion 9.522489 Sum squared resid 11477.93Schwarz criterion 9.721445 Log likelihood -95.98613Durbin-Watson stat 1.861591 Inverted AR Roots .60 1. 初步检验 Adjusted R-squared=0.998012，故该方程拟合优度较高，即模型总体拟合良好。 CAP、G、X的T检验相应的P值均为0.0000，均小于显著性水平（0.05）。
2. 自相关性检验 该模型的DW值为1.861591，介于（0.96，2.20）之间，说明该方程不存在自相关，得到了令人满意的结果。 3. 多重共线性检验 CAP G X CAP 1 0.951333032707 0.950454277762 G 0.951333032707 1 0.986801218628 X 0.950454277762 0.986801218628 1 从该方程的相关矩阵来看，两个不同自变量的相关系数均没有大于R平方的值0.998854，基本上不存在多重共线性。
4. 异方差性检验 White Heteroskedasticity Test: F-statistic 2.008175Probability 0.132486 Obs*R-squared 9.713600Probability 0.137243 以D2的残差图和怀特检验（两个检验的P值均大于0.05）上判断，该方程应该不存异方差。 5. 因果关系检验 Lags: 5 Null Hypothesis: Obs F-Statistic Probability CAP does not Granger Cause D2 17 8.60073 0.01043 D2 does not Granger Cause CAP 3.06407 0.10268 Lags: 6 Null Hypothesis: Obs F-Statistic Probability G does not Granger Cause D2 16 19.5806 0.01668 D2 does not Granger Cause G 2.52022 0.23957 Lags: 6 Null Hypothesis: Obs F-Statistic Probability X does not Granger Cause D2 16 28.4627 0.00972 D2 does not Granger Cause X 8.65844 0.05222 从上述三个因果关系的检验结果可知：当将延滞期增加到五至六期时，三个自变量均能被解释成为引起D2变化的原因，反之则不然。
一、最终方程 D2 = 0.19*CAP + 1.34*G + 0.60*X + [AR
(1)=0.60] （保留两位小数）
二、对该模型的评价 1.该方程的拟合优度极高，总体回归及各变量回归均高度显著，且基本上不存在自相关、多重共线性、异方差性。 可以说，从计量学的角度出发，该模型是比较优良的。
2. 虽然在因果关系的检验中，将延滞期增加到五至六期时，三个自变量才均能被解释成为引起D2变化的原因，而同时D2不能被解释成为引起CAP、G、X变化的原因。但资本形成总额、政府消费、出口总额对我省第二产业生产总值的影响的滞后性从经济存量的角度是可以解释的。
资本形成总额、政府消费、出口总额等三个自变量的系数均为整数，意味着它们与第二产业生产总值成正比例关系，符合西方经济学理论。 可以说，从经济学的角度出发，该模型也是比较优良的。
三、该模型的意义 初步核算，2022年全年xxx生产总值5241.73亿元，按可比价格计算，比上年增长11.5%。 2022年，第一产业比重继续下降，第二产业比重稳步上升，第三产业比重有所下降。
三次产业比例由上年的14.2：46.1：39.7调整为13.5：47.6：38.9。 三次产业比例中唯一提高的是第二产业的比例，而且为了全面实现现代化，进一步发展xxx的经济，依据上述所建立的模型可知，增加资本投入、增大政府对工业品的采购及使用量、扩大出口对提高第二产业的生产总值均有积极的影响，其中尤其是政府购买所起到的作用最大，其大于1的系数强烈地表明了这点。
限于时间和篇幅，本文仅考虑了影响xxx第二产业发展的部分影响因素，对其他因素的影响还有待进一步研究分析
查看全文
false