影响中国第三产业的因素分析.docx
《影响中国第三产业的因素分析.docx》由会员分享，可在线阅读，更多相关《影响中国第三产业的因素分析.docx（21页珍藏版）》请在冰豆网上搜索。
影响中国第三产业的因素分析
影响中国第三产业的因素分析
————计量经济学课程论文
班级：
经管交叉实验班
教师：
庞浩，黎实
姓名：
王丽
学号：
40509107
影响中国第三产业的因素分析
摘要：
第三产业的发展水平是衡量现代社会经济发达程度的重要标志，而众所周知，中国的第三产业发展与发达国家第三产业的发展水平仍存在巨大差距。
本文旨在对影响中国第三产业的因素进行分析，希望能找出其因素，并针对它提出一些可行的建议，本文利用2005年中国各省市的截面数据通过逐步回归等希望找出其因素所在。
关键词：
第三产业政府支出比例
一）问题的提出
第三产业是指除了第一，第二产业以外的其他企业，根据我国实际情况，可以分为流通部门和服务部门。
包括交通运输业，邮电通讯业，商业，饮食业，金融保险业，教育，文化，广播电视业等等。
范围极为广泛，基本上可以算是一种服务性产业。
在我国，第三产业总体规模持续扩大，占GDP比重不断提高，对国民经济增长的贡献也越来越大，以成为吸纳劳动力就业的主要渠道；第三产业的发展不断促进我国经济结构的调整，同时期内部结构也进一步得到优化，不但传统的第三产业，如交通运输，邮电通信，饮食业等继续保持快速增长，一些新兴的第三产业如旅游，电子信息服务，贸易及房地产等部门也保持着迅猛地发展势头。
它不仅能够多方面的满足人民生活的需要，提供广阔的就业门路，而且还以其特有的服务职能，促进第一，二产业的发展。
因此，第三产业在社会经济格局中占有非常重要的地位。
然而，我国第三产业与发达国家第三产业的发展水平仍存在巨大差距，世界上第三产
业占GDP比重平均水平为68％，低收入国家是48.5％，中等收入国家是54.2％，高收入国家是71.3％，我国为40.7％，农村剩余劳动力很难大规模转移，二元经济结构的转换难以完成，优化产业结构，大力发展第三产业已成为我国经济发展的“当务之急”。
而且，在当今世界，第三产业的发展水平已成为衡量现代社会经济发达程度的重要标志。
随着中国加入WTO，国内服务市场会引入更为激烈的国际竞争，这对于尚处于稚嫩阶段，总体竞争实力还很弱的我国第三产业的发展势必形成巨大的压力和挑战。
我们必须了解到影响第三产业的因素所在，并以此为基础，提出一些好的建议供参考，使我国的第三产业在持续的增长的同时还能在竞争中立于不败之地，缩小同发达国家的差距。
而且我国是一个人口大国，提高第三产业的发展水平也能在一定程度上解决劳动人口的就业压力。
所以本文对影响中国第三产业的因素进行定量分析，希望能找到影响他的主要因素，为发展第三产业提供一些好的建议。
二）研究现状
目前也有不少学者对此进行了研究，李江帆教授对中国第三产业研究贡献较大，他建立了中国第三产业方程，从第三产业供给和需求角度，利用定性和定量的方法，分析了劳动投入，资本投入和综合要素生产率以及服务需求等因素对中国第三产业的增长贡献。
华中科技大学的张锦的《制约我国第三产业发展的因素分析》选用了城镇居民家庭人均收入指数，基本建设投资，第三产业就业人数，旅客周转，城镇人口数，大学生占学生总数比重及邮电业务总量7个解释变量，第三产业创造的国内生产总值为被解释变量。
我认为城镇家庭人均收入指数应该改为人均可支配收入，包括农村人口在内。
这样来说明人均收入水平的提高会好些。
城镇人口数是绝对数，也不能说明城市化速度的上升。
可见，现在对这个问题的研究还是有待深入的。
综合这些学者的研究成果，在探讨影响第三产业的因素分析中，多偏重于经济发展水平对第三产业的影响，对政府对第三产业的影响进行分析的很少。
本文采用了政府支出比例，城镇化率等指标进行分析。
由于时间，经历，知识等原因，本文采用计量模型对此问题进行了又一次探讨，使人们更清楚的了解到影响中国第三产业发展的因素，并提出一些具有针对性的，可行的建议，加快我国的第三产业发展进程。
（三）模型设定
由于人均收入水平的提高，城市化率，政府支出，第三产业就业人数，人们的消费观念等因素已开始或多或少影响我国第三产业的发展，所以本文选取了下列变量。
本文选用了2006年中国各省市的第三产业总值作为因变量Yi,
人均可支配收入X1:
随着人们可支配收入的上升，在第三产业如旅游，电子信息服务
等的花费应该会有所增加。
第三产业就业人数X2:
在一定的情况下，从事第三产业的人数越多，能够推动的生产
资料越多，所生产的服务产品就越多，第三产业应发展越快。
城市化率X3（各城市人口占其总人口比例，表示城市化程度）:
服务产品不同于工业品，他具有不可贮存性和生产与消费同时性特点，客观上决定了第三产业的发展必须以城市为依托。
城市化的水平越高越能获得人口与产业发展的集聚经济效益。
从而使社会产生对生产和生活服务的高需求，达到对第三产业部门形成和发展所需的起点规模。
建设总规模X4:
可以看出城市的发展程度，即住房等的规模，对第三产业总值应有正向的影响。
政府财政支出比例X5（各省财政支出占GDP比例，表示政府消费份额）：
第三产业
的发展需要政府提供一个良好的发展环境，如公共产品的建设投入，城市化水平的提高，完
善的社会保障体系等等。
形成良好的区域环境，引致第三产业较快的发展。
货物周转量X6:
货物运输业属于第三产业，两者应为正比关系。
邮电业务总量X7:
邮电业也属于第三产业，可以看出人们消费观念的变化及对第三产业的发展是否有较大联系。
国际旅游收入X8:
旅游业在第三产业中占了较大比重，应该对其有正比的影响。
本文采用线性回归模型，初步设定为：
Y=■'-iXii-2X2i3X3i>X4i-'-5X5i-'-6X6i-出
（四）数据来源
上述数据均可从《中国统计年鉴2007》获得，城市化率是用城市人口占总人口的比重
来获得的，具体数据见附录：
（五）模型的估计与调整
运用EViews对初步模型进行最小二乘（OLS）估计，得下结果:
DependentVariable:
Y
Method-LeastSquares
Date：
12/08/07Time.1255
Sample:
131
Includedobservations'31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
941.1397
586.9266
1.603505
0.1231
X1
0.130373
0.027126
4.806255
0.0001
X2
-0195300
0061271
-3.187467
0.0043
X3
0.606770
0.2B7990
2.106913
0.046B
X4
-21.40981
11.36576
-1883712
0.0729
X5
0144898
0027014
5.363875
0.0000
X6
13.05163
32.34348
0.403532
0.6905
X7
-0.1Q2527
0.027608
*3.713706
0.0012
X8
2.411016
02B236S
8.538559
0.0000
R*squared
0.987772
Meandependentvar
2511682
AdjustedR-squared
0983325
SDdependentvar
2134055
S.E.ofregression
275.5708
Akaikeinfocriterion
14.31327
Sumsquaredresid
1670664
Schwarzcriterion
14,72959
Loglikelihood
-212.8556
F-statistic
222.1430
Durbin-Watsonstat
2.363472
Prob（F-statistic）
0.000000
由上可得，模型的回归方程为:
由上可知，方程的可决系数R2=0.987772，修正后也为R2=0.983325，可见所建
模型整体上对样本数据的拟合很好，F统计量也很显著。
但是我们注意到x2,x4,x7的系数均
为负，但是从理论上我们可知，第三产业就业人数，建设总规模，邮电业务总量与第三产业
总值应为正比关系，即此处不符合经济意义。
再看t统计量，截距项，x4与x6的t值均小
于2,均不显著，可见模型中的建设总规模，货物周转量对第三产业总值得影响均不显著。
这些都表明变量间很可能出现严重的多重共线性。
为了知道是否存在多重共线，选择
x1,x2,x3,x4,x5,x6,x7,x8数据，点"view/correlations"得相关系数矩阵，如下:
X1
X2
X3
X4
X5
X6
X7X8
X1
1.000000
0.226151
0.S0S459
0..683952
0.34&131
0.664605
0.486624
0.806975
X2
0225157
1.000000
-0.030509
0735752
0716026
0.104204
0751937
Q431933
X3
0.808459
血030509
1JOOOOO
0.447682
0.238433
0.644336
0.27934S
&.642627
X4
0.683952
0785752
0.447662
toooooo
0.730427
0.436781
0.833060
0.752S45
X5
0.349131
0.716026
0.238433
0730427
1000000
0.369727
0.617033
0332276
X6
0.5B4635
0.104204
0.844336
0.436781
0.369727
1.000000
0.234583
0.356163
X7
04S5624
0.751937
0279346
0833060
0617033
0.234湖
10OQ0
0.807671
X8
0.805975
0.431938
0.642627
0.752845
0.332276
0.355163
0.807671
1.000000
从相关系数矩阵中可看出，x4与x7的相关系数达到0.833060。
x1与x3，x1与x8的相
关系数也均达到0.8以上，可见，模型中的确存在多重共线性。
为了消除多重共线性，下面采用逐步回归法剔除不合理变量。
首先，分别做Y对X1，X2，X3，X4，X5，X6，X7，X8的一元回归，结果如下表:
变量
X1
X2
X3
X4
X5
X6
X7
X8
参数估计
3.74
65.93
588.32
P0.27
1.27；
值
0.492
6
7
0.316
1
8
5.065
2
6.74
:
2.29
8.18：
t统计量
4.945
8
2.911
19.592
5.42
8
11.373
71
24.45
45.5
383.85
129.34
67.0
F统计量
1
4
8.473
9
29.372
5.28
3
31
0.61
0.15
0.69
2
R
0.458
1
0.226
0.93
0.503
4
0.817
81
0.59
0.12
0.68
_2
R
0.439
8
0.199
0.927
0.486
5
0.811
8|
其中，当加入X4时，R2最大为0.927，且t检验与F检验均显著，所以以X4为基础,
顺次加入其他变量进行逐步回归，结果如下表:
变量
X4
X4X1
X4X2
X4X3
X4X5
X4X6
X4X7
X4X8
t统
13.78
11.42
17.07
13.046
17.726
10.478
13.068
计
量
19.5
92
0.463
0.782
0.996
0.148
-0.642
4.985
4.27
FFE计
383
186.83
189.66
192.37
185.46
188.24
362.17
315.09
量
859
8
9
4
6
6
9
7
R2
0.9
3
0.93
0.931
0.932
0.93
0.931
0.963
0.957
R2
0.9
2
7
0.925
0.926
0.927
0.925
0.926
0.96
0.954
经过比较，新加入X7的方程修正后的可决系数R2为0.96>0.927,改进是最大的，而且
各参数的t检验均显著，F统计量=362.179，也明显是显著的。
所以保留X7,再加入其他新变量进行逐步回归，结果如下图：
变量
X4X7
X4X7X1
X4X7X2
X4X7X3
X4X7X5
X4X7X6
X4X7X8
10.478
7.849
9.437
9.448
8.885
9.034
10.554
t
统计
5.429
4.808
5.836
4.892
4.854
3.457
量
4.985
1.775
-0.365
2.549
0.088
0.428
2.66
F统
362.
计量
179
261.058
234.02
291.007
232.9
234.47
296.202
2
R
0.963
0.967
0.963
0.97
0.963
0.963
0.971
_2
R
0.96
0.963
0.959
0.967
0.959
0.959
0.967
在X4,X7基础上加上X8后的方程修正的可决系数R2=0.967>0.96，也有改进，而且
各个参数的t检验都显著，加入X2，X5，X6后的R2有所下降，且新加入变量的参数估计
值均不显著。
保留X8，再加入其他新变量进行逐步回归，结果如下：
变量
X4X7X8
X4X7X8X1
X4X7X8X2
X4X7X8X3
X4X7X8X5
X4X7X8X6
t
统
10.554
8.242
7.369
9.576
7.192
9.488
计
3.457
1.865
1.822
3.324
2.718
3.186
1.947
3.239
1.166
3.507
2.569
2.66
-0.602
1.749
0.945
2.087
-0.071
F统
296.
216.
239.
221.
250.
213.
计量
202
993
845
499
861
966
2
R
0.971
0.971
0.974
0.971
0.975
0.971
—2
R
0.967
0.966
0.97
0.967
0.971
0.966
在
X4，X7，X8基础上加上
X5后的方程修正的可决系数R2
=0.971>0.967,
也有改进，
而且各个参数估计值的t检验均显著。
加入X1,X2,X3后修正的可决系数也有所改进，但是原来的参数也变得不显著，如加入X1后，X7和X8的t检验却变得不显著了，X1参数
的符号也变得不合理，即从理论上讲，第三产业总值应跟个人可支配收入成正比，此处却为
负相关。
所以保留X5，再加入其他新变量进行逐步回归，结果如下表：
X4X7X8
X4X7
X4X7X8
X4X7X8
X4X7X8
变量
X8X5
X5X1
X5X2
X5X3
X5X6
7.192
7.409
5.323
7.051
7.11
2.718
0.493
1.206
1.924
2.222
t
3.507
3.288
4.132
2.111
3.49
统
计
2.602
2.244
1.795
2.157
量
2.087
-1.609
1.936
0.032
-0.635
F统
计量
250.861
213.478
222.652
192.978
196.164
R2
0.975
0.977
0.978
0.974
0.975
R2
0.971
0.973
0.974
0.97
0.97
可见，加入X1,X2后方程的修正可决系数R2虽然有所改进，但是-
-些参数的t检验
却变得不显著，加入X1后，X7和X1的t检验均不显著，甚至X1的符号也变得不合理。
加入X2后，X7和X2的t检验也不显著。
加入X3和X6后的修正可决系数并没有得到改进，反而还有下降的趋势，且其中某些参数的t检验也不显著。
这说明X1，X2，X3，X6
引起多重共线性，应予以剔除。
最后修正严重多重共线性影响后的回归结果为:
DependentVariable:
Y
Method:
LeastSquares
Date:
12/08/07Tme:
1&1Q
Sample:
131
Includedobservations:
31
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-370.7472
213.3143
-1738033
0.0940
X4
0.179310
0.024932
7.191993
0.0000
X7
1053242
0.387448
2.718412
0.0115
X8
0354615
0.101109
3.507268
0.0017
X6
96.21090
46.09298
2.087322
0.0468
R-squared
0.974744
Meandependentvar
2511.632
AdjustedR-squared
0.970950
S.D.dependentvar
2134.056
SEofregression
3643052
Akaikeinfocriterion
14.78055
Sumsquaredresid
3450674.
Schwarzcriterion
15.01104
Loglikelihood
-224.0985
F-statistic
25D.86D5
Durbin-Watsonstat
2.199192
Prob（F-statistic）
0000000
即模型的回归方程为:
Y?
=—370.7470.179X4i1.053X7i0.355X8i96.211X5i
（213.314）（0.025）（0.387）（0.101）（46.093）
t=（-1.738）（7.192）（2.718）（3.507）（2.087）
22
R=0.974744,R=0.970858,DW=2.199192,F=250.8605,df=26
由上可知，方程的可决系数R2=0.974744，说明模型对样本的拟合程度较好，,F统计量
为250.8605，明显显著。
但是由于模型设定过程中可能省略了某些重要的解释变量，而且本
文选择的是截面数据，这些原因均可能产生异方差。
所以下面进行异方差检验并修正。
由于是截面数据，所以采用White检验。
在上最后回归结果的基础上，点"view/residualtests/whiteheteroskedasticity（crossterms）"因为样本容量为31,待估参数数目为5,所以采用有交叉项的white检验，即辅助函数为：
22
-t八。
•「Nt…*5X4t一*9X4tX7「_•Ut
经EViews估计得出检验结果，如下表:
WhiteHeteroskedasticityTest.
F-statistic
2.536140
Probability
0.038680
Obs'R-squared
21.37005
Probability
0092519
TestEquation:
DependentVariableRESIDEMethodLeastSquares
Date12/03/07Time1615
Sample131
Includedobservations31
Variable
Coefficient
StdErroir
t-Statistic
Prob.
c
-84866.32
1761663
-0.484490
06346
X4
82.61077
44.13491
1.871778
00796
XE
0.002927
0.005535
0.528788
06042
X4*X7
-0.178236
0.205311
-0.868126
0.3982
X4"X8
-0.027161
0.024350
-1.115428
0.2811
X4"X5
-6.526905
10.93774
-0.596733
0.5590
X7
-3368.064
1592.661
-2.127298
0.0493
X7*2
1.776728
3.904576
0.455037
06552
X7*X8
^0.063470
0.980043
-0.069864
0.9452
X7*X5
447.6017
2B7.6716
1.555947
01393
X8
300.3332
3730632
0805047
04326
X8*2
-0.022333
0068439
-0326324
07484
X0*X5
35.01675
60.51120
0578682
05709
X5
8934797
9901515
0902367
03802
X5A2
■1338455
1324305
升级会员 