人力资本对经济增长的影响.docx

人力资本对经济增长的影响.docx

《人力资本对经济增长的影响.docx》由会员分享，可在线阅读，更多相关《人力资本对经济增长的影响.docx（17页珍藏版）》请在冰豆网上搜索。

人力资本对经济增长的影响

人力资本对经济增长的影响

一、理论依据

1、人力资本理论与柯布一道格拉斯生产函数

舒尔茨的人力资本理论认为人力资本是体现于人身体上的知识、能力和健康（T.W.Schultz，1962），人力资本投资是经济增长的源泉，并且人力资本投资是效益最佳的投资。

丹尼森后来发展了舒尔茨的人力资本理论，做出改进，提出人力资本中的教育因素和教育投资指的是受正规教育年限的多少，并且正规教育因素对经济增长的作用，只有其中的3/5在起作用。

柯布一道格拉斯生产函数（

）是现代经济增长实证分析的基础，通过该函数可以分解出资本投入、劳动力投入和技术进步对经济总量的贡献份额。

在人力资本理论指导下，结合道格拉斯生产函数建立模型为：

式中，Ｙ代表产出，Ｋ代表物质资本投入，Ｌ代表人力资本投入，Ａ代表技术进步，α代表物质资本的产出弹性系数，β代表人力资本的产出弹性。

2、增长速度方程（索洛函数）

为了明确物质资本投入、人力资本投入对经济增长的具体影响，引入增长速度方程。

利用增长速度方程（即索洛函数）进行因素分析，是从各经济变量相对变化的角度来观察经济增长速度与技术进步、物质资本和人力资本增长速度之间的关系，变形以后的增长速度方程具体形式为：

式中，∆Y/Y是1990-2002年间GDP的平均增长速度；∆K/K是1990-2002年间资本的平均增长速度；α∆K/K是资本对产出的影响率；∆L/L是1990-2002年间人力资本的平均增氏速度；β∆L/L是人力资本对产出的影响率；∆A/A是技术进步对产出的影响率。

二、数据收集

1、Y，产出指标是国内生产总值。

该指标是用零售物价指数对我国现价国内生产总值调整后得到的不变价（1990年价）国内生产总值，单位：

亿元。

2、K，物质资本投入指标。

本文采用了资本形成总额，资本形成总额是常住单位在一定时期内获得减去处置的固定资产和存货的净额，包括固定资本形成总额和存货增加两部分，该指标是用支出法计算的当年国内生产总值的一部分，本文资料来自于2003年《中国统计年鉴》，用固定资产投资价格指数调整后得到各年度不变价（1990年价）资本形成总额。

单位：

亿元。

3、L，人力资本投入总额。

设S为人力资本数量，即劳动者投入人数，单位：

亿人；Z为人力资本质量，用在业人口平均受教育年限表示，单位：

年。

则，人力资本投入为：

。

S，历年劳动者数量是根据第五次人口普查资料调整的在业人口数。

Z，在业人口平均受教育年限的计算方法如下：

根据我国的教育体系，按教育程度分为5组，分别是大专及以上、高中、初中、小学和文盲半文盲。

根据接受教育的年限，设定各类人员的权数，具体为：

文盲半文盲为1，小学为6，初中为9，高中为12，大专及以上为16。

考虑到资料的易获得性，在这里我们将研究生、大学本科和大学专科并为一组，忽略大专、本科、硕士和博士受教育年限的差异。

最后，通过加权求和得到人均受教育年限。

用公式表示为：

人均受教育年限=∑（接受不同级教育的人数×权数）／不同级受教育的人数之和。

需要说明的是，由于我国1990年前只有个别年份有在业人口的受教育水平，所以数据的起始从1990年开始。

资料来源为《中国劳动年鉴》与《中国统计年鉴》。

如此，模型所需数据收集并计算如下：

obs

Y

K

L（S*T）

S

Z

1990

18547.90

4732.000

39.72580

6.470000

6.140000

1991

21008.55

5424.650

40.74100

6.550000

6.220000

1992

24560.29

6587.540

41.70600

6.620000

6.300000

1993

28208.50

8124.660

42.61840

6.680000

6.380000

1994

31293.94

9555.480

43.60500

6.750000

6.460000

1995

34092.05

10867.09

44.53740

6.810000

6.540000

1996

37301.28

12013.25

45.19840

6.890000

6.560000

1997

40590.13

12733.85

47.11500

6.980000

6.750000

1998

43846.65

14018.67

47.79620

7.060000

6.770000

1999

47350.28

15012.97

48.90900

7.140000

6.850000

2000

52406.34

16433.22

51.62360

7.210000

7.160000

2001

57463.71

18472.22

53.43600

7.300000

7.320000

2002

62692.55

21112.86

54.31690

7.370000

7.370000

三、模型建立

1、

对上式两边取对数得：

（1）数据：

obs

LNY

LNK

LNL

1990

9.828112

8.462103

3.682001

1991

9.952685

8.598709

3.707235

1992

10.10889

8.792935

3.730645

1993

10.24738

9.002659

3.752286

1994

10.35118

9.164870

3.775172

1995

10.43682

9.293494

3.796329

1996

10.52678

9.393765

3.811062

1997

10.61128

9.452019

3.852591

1998

10.68845

9.548145

3.866946

1999

10.76533

9.616670

3.889961

2000

10.86678

9.707060

3.943979

2001

10.95891

9.824023

3.978485

2002

11.04600

9.957638

3.994835

（2）回归结果：

DependentVariable:

LNY

Method:

LeastSquares

Date:

12/20/05Time:

13:

39

Sample:

19902002

Includedobservations:

13

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

0.917146

0.285729

3.209841

0.0093

LNK

0.589744

0.032155

18.34061

0.0000

LNL

1.068997

0.147282

7.258185

0.0000

R-squared

0.998980

Meandependentvar

10.49143

AdjustedR-squared

0.998776

S.D.dependentvar

0.382449

S.E.ofregression

0.013383

Akaikeinfocriterion

-5.590560

Sumsquaredresid

0.001791

Schwarzcriterion

-5.460188

Loglikelihood

39.33864

F-statistic

4895.310

Durbin-Watsonstat

1.038758

Prob（F-statistic）

0.000000

从回归结果可以看出

（1）可决系数、调整后的可决系数很大，模型的拟合度很好；

（2）

，模型整体的回归效果显著；

（3）

，物质资本、人力资本对GDP的影响显著；

（4）α=0.59，β=1.069，α+β=1.60>1，我国经济的增长表现为规模报酬递增，这主要是由于人力资本对经济的拉动作用实现的。

2、样本回归函数

α=0.59，β=1.069，C=LnA=0.917

将α，β，A代入原始方程得　

四、影响率及贡献率分析

年平均增长率%

对GDP增长的影响%

对GDP增长的贡献%

Y（GDP）

10.68

10.68

100.00

K（物质资本）

13.27

7.83

73.31

L（人力资本）

1.53

1.64

15.31

A（技术进步）

—

1.22

11.38

由图表可以看出：

（1）物质资本对GDP的贡献率最高，达73.31%，这与我国通过扩大资本投资来使经济规模扩张的现实是相符的，我国经济增长的主要拉动力目前还是以资金的投入为主。

（2）人力资本的贡献位居第二，达到15.31%。

从长远来看，中国要保持人力资本对经济增长的持续高效拉动，必须尽快提高人力资本水平，不仅是数量上，更要从质量上通过提高整个国民的文化素质和加快专业化人力资本的积累，增强我国经济与社会发展的后劲。

关于房价问题的初步分析

引言：

近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。

是什么造就了这样的状况。

房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。

而这场博弈的焦点则是房价问题。

如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。

先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。

而对于房价的构成因素，至今仍然是不透明的。

公布房价成本成为另政府极为头疼的一件事。

房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。

写作目的：

通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。

并对这些因素进行统计推断和经济意义上的检验。

选择拟和效果最好的最为结论。

在一定层面上分析房地产如此暴利的因素。

当然笔者的能力有限，并不能全面的分析这一问题。

仅仅就几个因素进行分析。

写作方法：

理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。

关键词：

房价成本拟合优度

现在我们以2003年的数据，选取30个省市的数据为例进行分析。

在Eviews软件中选择建立截面数据。

现在我们以2003年的数据，选取31个省市的数据为例进行分析。

令Y=各地区建筑业总产值。

（万元）X1=各地区房屋竣工面积。

（万平方米）X2=各地区建筑业企业从业人员。

（人）X3=各地区建筑业劳动生产率。

（元/人）X4=各地区人均住宅面积。

（平方米）X5=各地区人均可支配收入。

（元）

数据如下：

Y

X1

X3

X2

X4

X5

12698521

4254.800

569767.0

129961.0

24.77140

13882.62

5208402.

1465.800

238957.0

147063.0

23.09570

10312.91

7799313.

4748.300

989317.0

70048.00

23.16710

7239.060

5401279.

1313.300

591276.0

89151.00

22.99680

7005.030

2576575.

1450.700

265953.0

61074.00

20.05310

7012.900

10170794

3957.100

966790.0

82496.00

20.23510

7240.580

3469281.

1626.800

303837.0

77486.00

20.70590

7005.170

4401878.

2181.300

441518.0

68033.00

20.49200

6678.900

11958034

3609.200

505185.0

153910.0

29.34530

14867.49

27949354

17730.00

2727006.

100569.0

24.43530

9262.460

31272779

16183.90

2429352.

127430.0

31.02330

13179.53

6227073.

4017.600

910691.0

66407.00

20.75480

6778.030

5493441.

2952.100

553611.0

108288.0

30.29870

9999.540

3593356.

2750.900

574705.0

70826.00

22.61980

6901.420

14813618

9139.800

2072530.

60728.00

24.48080

8399.910

6345217.

3433.600

932901.0

66056.00

20.20090

6926.120

8729958.

4840.800

1048763.

81761.00

22.90280

7321.980

8188402.

4969.700

1119106.

74553.00

24.42580

7674.200

15163242

8105.000

1492820.

101932.0

24.93280

12380.43

2818466.

1721.600

353700.0

77472.00

24.17320

7785.040

394053.0

121.5000

61210.00

55361.00

23.43200

7259.250

5862095.

4939.600

817997.0

69432.00

25.72440

8093.670

12253374

8784.600

2070534.

59748.00

26.35850

7041.870

2122907.

980.3000

293310.0

72152.00

18.19430

6569.230

3967957.

2248.700

522470.0

69238.00

24.92940

7643.570

293427.0

121.3000

36593.00

73205.00

19.92990

8765.450

4404362.

1580.000

410311.0

93212.00

21.75050

6806.350

2236860.

1327.200

449409.0

46857.00

21.11380

6657.240

747325.0

242.9000

101501.0

61046.00

19.10550

6745.320

1080546.

578.7000

88225.00

61459.00

22.25500

6530.480

3196774.

1450.800

203375.0

95835.00

20.78110

7173.540

先用Eviews软件进行White检验：

WhiteHeteroskedasticityTest:

F-statistic

2.779810

Probability

0.049670

Obs*R-squared

26.27412

Probability

0.156948

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/22/05Time:

21:

50

Sample:

131

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

6.08E+12

2.29E+13

0.265539

0.7960

X5

1.64E+08

3.88E+09

0.042370

0.9670

X5^2

87293.54

453712.3

0.192398

0.8513

X5*X4

38067124

3.56E+08

0.106810

0.9171

X5*X3

1363.555

6160.070

0.221354

0.8293

X5*X2

-17464.36

50393.75

-0.346558

0.7361

X5*X1

-453312.2

1215201.

-0.373035

0.7169

X4

-9.71E+11

1.83E+12

-0.531486

0.6067

X4^2

4.28E+10

6.46E+10

0.661720

0.5231

X4*X3

-1905048.

1949296.

-0.977301

0.3515

X4*X2

-19010403

17319142

-1.097653

0.2981

X4*X1

4.23E+08

4.15E+08

1.020801

0.3314

X3

-13869460

34509844

-0.401899

0.6962

X3^2

41.81843

22.62540

1.848296

0.0943

X3*X2

517.0981

231.1954

2.236628

0.0493

X3*X1

-14772.93

8469.467

-1.744258

0.1117

X2

1.51E+08

3.45E+08

0.438853

0.6701

X2^2

2050.261

1851.410

1.107405

0.2940

X2*X1

-67170.59

50453.24

-1.331343

0.2126

X1

7.80E+08

6.17E+09

0.126430

0.9019

X1^2

1246362.

746355.0

1.669932

0.1259

R-squared

0.847552

Meandependentvar

1.17E+12

AdjustedR-squared

0.542656

S.D.dependentvar

1.78E+12

S.E.ofregression

1.21E+12

Akaikeinfocriterion

58.69986

Sumsquaredresid

1.46E+25

Schwarzcriterion

59.67127

Loglikelihood

-888.8478

F-statistic

2.779810

Durbin-Watsonstat

1.809921

Prob（F-statistic）

0.049670

结果显示为没有异方差。

DW值为1.809921，没有自相关。

做多重共线性检验：

X5

X4

X3

X2

X1

X5

1.000000

0.686513

0.279851

0.836241

0.418307

X4

0.686513

1.000000

0.477886

0.540881

0.538697

X3

0.279851

0.477886

1.000000

0.125029

0.960871

X2

0.836241

0.540881

0.125029

1.000000

0.271375

X1

0.418307

0.538697

0.960871

0.271375

1.000000

可以看出有多重共线性。

数97

数97得的的的

采取逐步回归法：

第一次回归，我们可以根据T检验值和可决系数看出：

X1的效果最好：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/22/05Time:

21:

16

Sample:

131

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

1651.403

87.67703

18.83508

0.0000

C

903234.0

502408.2

1.797809

0.0826

R-squared

0.924432

Meandependentvar

7446408.

AdjustedR-squared

0.921826

S.D.dependentvar

7227629.

S.E.ofregression

2020815.

Akaikeinfocriterion

31.93824

Sumsquaredresid

1.18E+14

Schwarzcriterion

32.03076

Loglikelihood

-493.0427

F-statistic

354.7601

Durbin-Watsonstat

1.930762

Prob（F-statistic）

0.000000

依次

21得加入X2，X3，X4，X5：

可得，加入X2后的效果最好：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/22/05Time:

21:

16

Sample:

131

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X2

60.57577

9.136899

6.629795

0.000