時間：2024-02-04 14:50:57
序論：在您撰寫計量經濟學分析時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
關鍵詞：出國留學；影響因素；計量經濟學
中圖分類號：F22 文獻標志碼：A 文章編號：1673-291X（2013）24-0274-03
目前，中國出國留學生規模空前，成為世界上最大的留學生生源國。根據《2011年中國出國留學行業研究報告》，2011年有接近34萬中國學生出國留學，增長速度20%左右?？梢灶A測，未來中國出國留學生人數將持續增加。本文通過網絡調研，收集、分析、整理了大量數據，歸納出影響出國留學人數的幾個因素。根據計量經濟學線性回歸理論建立了出國留學人數的多元線性回歸模型，利用Eviews軟件分析了幾種可能變量對出國留學人數的影響，并對未來出國留學人數進行了預測。
一、影響出國留學人數的主要因素
1.近十年來，中國出國留學生中，有超過90%的學生選擇的是自費留學。自費出國留學人數主要是由家庭的經濟實力所決定，因此家庭人均收入是影響出國留學人數的最主要因素。
2.近年來，在出國留學的大軍中，不僅僅高校畢業生選擇出國留學，而且越來越多的高中畢業生也選擇出國留學。隨著高校畢業生人數和高中畢業生人數的增多，必然會有更多的人選擇出國留學。因此高校畢業生人數和高中畢業生人數也是影響出國留學的主要因素之一。
3.近年來，由于人民幣的升值，使得出國留學費用降低很多，匯率變化也在一定程度上影響著學生家庭對于出國留學的最終決定。因此人民幣匯率也是影響出國留學的因素之一。
二、計量經濟學分析模型建立
（二）模型檢驗
1.經濟學意義檢驗。根據最初回歸方程（2）可以看出城鎮居民家庭人均收入貢獻為正，說明這個解釋變量對出國留學人數的影響是正向的，這個變量越大，出國留學人數就越多，符合經濟學意義。大學高中學生畢業生人數貢獻為負，說明這個解釋變量對出國留學人數的影響是負向的，這一點與實際情況不符，不符合經濟學意義。人民幣對美元平均匯率的貢獻為正，說明這個解釋變量對出國留學人數的影響是正向的，這一點與實際情況不符，不符合經濟學意義。
2.統計檢驗。擬合優度檢驗：擬合優度檢驗判定系數R2是一個非負的統計量，取值范圍是[0，1]。R2越接近1，說明實際觀測點離回歸線越近，擬合優度越高。由表2得到擬合優度檢驗判定系數R2=0.9874994，修正的判定系數為R2=0.979366，說明模型對樣本的擬合度較高，通過該檢驗。
（三）多重共線性判定
綜合模型（2）的經濟學意義檢驗和統計檢驗可以看出，模型可能存在多重共線性。利用Eviews6.0軟件求出3個解釋變量之間的簡單相關系數矩陣（如表3所示）。
從表3可以看出 ，3個解釋變量之間的兩兩相關系數都在80%以上，表明存在嚴重的多重共線性。
（四）模型修改
五、結論
按照一般經濟學常識認為城鎮居民家庭人均收入、大學高中畢業生人數和人民幣匯率都對留學出國人數有一定影響。通過上面的計量經濟學線性回歸理論分析可以得出幾點結論。（1）在出國留學問題上，學生家庭主要考慮的是經濟負擔，即家庭自身財力是否能夠承受出國留學所需要的高額費用。家庭實際人均收入越高，出國留學人數就越多，反之則越少。（2）大學高中畢業生人數對出國留學人數的影響沒有明確的線性關系，甚至是負相關的。（3）人民幣匯率對于出國留學人數的影響雖然是線性關系，但是在本模型中反映并不明顯。說明人民幣匯率的變動對于出國留學人數的影響不是很大，主要原因可能是匯率的變動幅度和家庭收入增長幅度比較起來顯得微不足道。只要家庭收入達到一定程度，人們出國留學時很少考慮人民幣匯率變動因素。
參考文獻：
[1] 洪柳.高等教育國際化背景下中國出國留學現狀及分析[J].河北師范大學學報：教育科學版，2013，（2）：29-33.
[2] 趙鶴婷.人民幣升值對出國留學產生的影響[J].財經界：學術版，2012，（9）：32.
關鍵詞：貝葉斯計量；先驗分布；后驗分布；伸縮性
Zellner的《An Introduction to Bayesian Analysis in Econometrics》一書的出版標志著貝葉斯計量經濟學的真正誕生。該書較為全面地闡述了貝葉斯計量經濟學的大多數專題，其中包括回歸模型中的大多數問題、聯立方程模型和時間序列模型等的貝葉斯計量方法。
此后，研究貝葉斯計量經濟學的文獻開始大量出現。當代許多杰出的計量經濟學家如Geweke,Litterman ,Dempster, Sims, Maddala ,Chib等都應用貝葉斯計量經濟學解決經濟問題。Qin（1996）對貝葉斯計量經濟學理論發展進行了回顧。Poirier（2006）對國外1970―2000年間幾種重要的期刊在經濟和計量經濟學文章中使用的貝葉斯方法數量發展速度進行了回顧。國內研究貝葉斯理論的人員很多，但是研究貝葉斯計量經濟學的文獻并不是很多，只有朱慧明、韓玉啟（2006）研究了貝葉斯計量經濟學的幾個重要專題，并深入地進行了討論。雖然貝葉斯計量經濟學作為一種科學的數據分析的方法早已經存在，但貝葉斯計量經濟學分析應遵循的基本框架是什么？本文就此分八個部分進行闡述，并對其發展和應用前景進行展望。
一、貝葉斯學派與經典學派之間的差異及其分析的優點
統計學發展過程中產生了兩個主要學派：經典學派與貝葉斯學派。經典學派又叫頻率學派，其發展已有幾百年的歷史。而貝葉斯學派的發展歷史不過0多年，在貝葉斯學者的努力下，打破了經典統計一統江山的局面，兩個統計學派共同發展起來，而且不同的派別各自有大量的追隨者（茆詩松，1999）。
貝葉斯學派與經典學派之間的差異是明顯的。首先，兩個學派的核心差別是對于概率的不同定義。經典學派認為概率可以用頻率來進行解釋，估計和假設檢驗可以通過重復抽樣來加以實現。而貝葉斯學派認為概率是一種信念。結合這種信念加以假設檢驗（先驗機會比），當數據出現以后就產生后驗機會比。這種方法結合了先驗和樣本信息輔助假設檢驗。其次，兩者使用的信息不同。經典學派使用了總體信息和樣本信息，總體信息即總體分布或總體所屬分布族的信息，樣本信息即抽取樣本(數據)提供給我們的信息。而貝葉斯學派除利用上述兩種信息外，還利用了一種先驗信息，即總體分布中未知參數的分布信息。兩者在使用樣本信息上也有差異，經典統計對某個參數的估計說是無偏的，其實是利用了所有可能的樣本信息，貝葉斯學派只關心出現了的樣本信息。而且貝葉斯學派將未知參數看作是一個隨機變量，用分布來刻劃，即抽樣之前就有有關參數問題的一些信息，先驗信息主要來自經驗和歷史資料。而經典統計把樣本看成是來自具有一定概率分布的總體，所研究的對象是總體，而不局限于數據本身，將未知參數看作常量。
貝葉斯方法的優點很多。例如：與頻率方法比較貝葉斯方法充分利用了樣本信息和參數的先驗信息，在進行參數估計時，通常貝葉斯估計量具有更小的方差或平方誤差，能夠得到更精確的預測結果；貝葉斯PD（最大后驗）置信區間比不考慮參數先驗信息的頻率置信區間短；貝葉斯方法能對假設檢驗或估計問題所做出的判斷結果進行量化評價，而不是頻率統計理論中的接受、拒絕的簡單判斷；在基于無失效數據的分析工作，貝葉斯統計有著更大的優點（韓明，200）。
二、貝葉斯定理的表述
貝葉斯方法的一個關鍵元素是貝葉斯定理，通常又叫反概率原理。當先驗分布和后驗分布都是連續形式時：用θ表示我們關心的參數向量或矩陣，用y表示來自聯合密度函數f(y∶θ)的樣本觀測值向量或矩陣，聯合密度函數又可以寫成f(y｜θ)，函數f(y｜θ)在代數上等同于θ的似然函數，它包含了關于θ的所有樣本信息，在貝葉斯理論中由于θ是隨機變量，f(y｜θ)是給定θ的條件下y的條件密度函數，而且有h(θ,y)=f(y｜θ)π(θ)=π(θ｜y)f(y)。其中h是θ和y的聯合密度函數，π是θ的先驗密度函數，它包含了關于θ的非樣本信息，通常將上式重新排列得到結果π(θ｜y)=f(y｜θ)π(θ)f(y)。由于f(y)是與θ無關的一個常數，上式可寫成：π(θ｜y)∝f(θ｜y)π(θ)，其中∝表示“與……成比例”，若用文字表述就是：后驗密度∝似然函數×先驗密度。這就是貝葉斯定理的連續形式，它把先驗信息、樣本信息和總體信息融為一體。
貝葉斯后驗均值估計的最基本特性是伸縮性(shrinkage)。當似然函數的精度h0較大時，后驗均值主要受樣本均值支配；相反，當先驗精度h1較大時，后驗均值主要受先驗均值支配。這就是為什么貝葉斯估計通常取先驗精度較低的原因（方差給得較大），也可以看出貝葉斯估計在調整先驗精度下可以達到經典估計的效果，從某種意義上說經典估計是貝葉斯估計的特殊形式。通過兩種精度的調整達到對后驗均值的估計叫做伸縮性估計特性，所有貝葉斯估計的均值都具有伸縮性估計這個特性。
三、先驗分布理論的研究
從上面已經看出，似然原理在貝葉斯學派和經典學派都有應用，而區別在于解釋不同。除了似然原理外，貝葉斯定理得到后驗分布的另外一個元素就是參數θ的先驗分布。先驗分布是后繼貝葉斯推斷的基礎和出發點，是貝葉斯學派研究的重點問題之一，也是貝葉斯理論有爭議最多的部分。先驗分布大體可以分為擴散先驗（diffuse prior）分布和共軛先驗(conjugateprior)分布兩大類。此處的擴散先驗即一般文獻中的無信息先驗分布（noninformative prior）。當然無信息先驗分布并非一無所知，實際包含許多信息，至少知道該參數是位置參數還是尺度參數。共軛先驗分布是指這個先驗分布與似然函數相乘后，得到的分布與先驗分布函數形式一樣，即屬同一個分布族。這種先驗的好處是，當一個新的樣本被觀察后，關于參數θ的后驗分布有同樣的解析形式，只需帶入超參數和樣本值，就可以計算出后驗的均值和方差。
參數的先驗分布的選取方法之一是貝葉斯假設，即假設參數的先驗分布在取值范圍內是均勻分布的：若將θ的取值范圍記為，并略去密度取值為0的部分，則參數θ先驗分布密度函數為：π(θ)∝a constant時，這時先驗叫improper prior 或叫flatprior 。因為這個分布積分不為1（概率公理不滿足）。
通常，貝葉斯假設在參數變換下并不滿足不變性的要求，即變換后的分布不再服從均勻分布。如果參數θ選取均勻分布作為其先驗分布，根據貝葉斯假設，θ的函數π(θ)也應選取均勻分布作為其先驗分布，然而由θ服從均勻分布這一前提，往往導不出π(θ)也服從均勻分布。例如正態總體標準差為σ，它的參數空間是(0,∞)，為能變換，我們選取貝葉斯假設σ～U(0,1)，即f(σ)=1，0＜σ＜1，其它情況密度為0，取它的一個變換η=σ2，這是一一變換，根據隨機變量函數的變換，g(η)=f(σ)×1/2σ=1/2σ，可以看出η的密度已不是均勻分布了，而是與隨機變量σ有關了。
針對貝葉斯假設在變換下并不滿足不變性，effreys（1961）建議對于參數在有限范圍內或-∞到+∞范圍內取任意值，它的先驗分布應取成均勻分布，若它的可能取值范圍是從0到∞之間，則它取對數后的先驗分布應是均勻分布。所以位置參數的先驗應與一個常數成比例，尺度參數應與自己的逆成正比，例如來自正態分布N(μ,σ2)的樣本的擴散先驗應為π(μ,σ)∝1/σ。effreys（1961）根據不變性的要求，又提出了一種基于Fisher信息陣的多參數模型擴散先驗分布選擇方法。若令L(θ)為似然函數，effreys認為參數先驗分布應與Fisher信息陣的行列式的平方根成比例：π(θ)∝［detI(θ)］1/2，其中I(θ)=E-2logLθθ，ellner(1971)詳細研究了effreys先驗分布能夠滿足的各種不變性要求。所以在貝葉斯計量經濟學中討論位置參數θ的擴散先驗應為π(θ)∝1,θ∈，尺度參數的擴散先驗分布為π(θ)∝1/θ,θ＞0；對于正態分布N(μ0，σ2),μ0已知，σ＞0未知，此時標準差σ是尺度參數，那么標準差σ的擴散先驗分布應為：π(σ)∝1/σ,σ＞0。對于正態分布N(μ,σ20),σ20已知，此時μ是位置參數，那么其擴散先驗分布應為π(μ)∝1,μ∈R。位置――尺度參數的聯合擴散先驗分布形式
四、貝葉斯點估計
參數的后驗密度概括了參數的所有信息。因此，一旦得到參數的后驗密度，就可以對參數進行研究。在確定參數的具體值（點估計）時，就要依據某個準則來決定哪一個值最佳。若最佳估計值的選取依賴于用來估計真參數θ時所造成的損失。一般來說，當估計值離參數真值θ越遠，損失就越大。描述點估計與真參數θ間的函數L(θ,)稱為損失函數。常用的損失函數是二次損失函數L2=c(-θ)2和線形損失函數L1=c｜-θ｜，其中c是一個正的常數。要獲得點估計值，需要考慮某種損失函數形式使損失最小，要使所有類的損失函數都能達到最小的，只有=θ；然而，真實參數θ是未知的，這種方法明顯不行。為了克服這一困難，在θ的所有可能值上加權平均（或期望）損失最小，權數為后驗密度函數π(θ｜y)，因而，一個貝葉斯點估計值就是使期望后驗損失最小的值。這里，期望后驗損失由下式給出Eθ｜y［L(θ,)］=∫L(θ,)π(θ｜y)dθ，對于二次損失函數L2，后驗分布的均值就是使上式達到最小的點估計值，因為Eθ｜y［L2(θ,)］=∫c(-θ)2π(θ｜y)dθ，為使上式達最小的值，對上式求導得dd{Eθ｜y［L2(θ,］}=∫2c(-θ)π(θ｜y)dθ，令上式為零便得的最小值，∫π(θ｜y)dθ=∫θπ(θ｜y)dθ。 由密度函數的性質知上式左邊積分號的內容等于1，因此二次損失函數下的θ的點估計值就是后驗密度的均值（期望）：=E［θ｜y］=∫θπ(θ｜y)dθ 。在貝葉斯計量經濟學中，只要對后驗分布求期望就能得到參數的點估計值。
五、貝葉斯區間
我們在經典統計下討論置信區間和參數時，都是說這個區間覆蓋參數的可能性，而不說這個參數在這個區間內，因為這里隨機變化的是區間而不是參數。當說一個參數有90%的把握落在某個區間內，這種說法經典統計是不容許的，因為經典統計認為參數是固定的；只能說90%的機會覆蓋這個參數；而貝葉斯學派可以說某個參數落入某個區間的概率。這是因為貝葉斯學派認為參數是個隨機變量，有一個概率分布。而只有在得到貝葉斯后驗分布時，才用區間覆蓋某個參數這種說法。為了與經典學派相區分，貝葉斯學派用可信區間而不是置信區間，可信區間來自后驗分布。
所以當θ的后驗分布π(θ｜y)獲得以后，立即可以計算出θ落入某個區間［a,b］內的后驗概率。p(a＜θ＜b)=∫baπ(θ｜y)=1-α，滿足這個式子的a,b不唯一（單峰型的密度函數中是唯一的），因此需要依據某些準則來選擇這個區間。一種可能是，要求所選區間內的每點的后驗密度函數值都大于區間以外點的密度函數值。具有這種性質的區間叫做最大后驗密度（PD）。反之，若給定1-α的概率，要找一個區間［a,b］，使上式成立，這樣求的區間就是θ的貝葉斯可信區間。
六、貝葉斯假設檢驗
抽樣理論中的假設檢驗是通過設置兩個假設0和1，和一個適當的統計量，根據此統計量的值是否落入臨界區域內決定每個假設被接受還是拒絕。貝葉斯假設檢驗是根據零假設0下的設定值是否以預先指定的概率落入PD區間，來決定接受或是拒絕零假設。常用的貝葉斯假設檢驗是利用后驗機會比（posterior odds）。這種方法通過計算每種假設下的后驗概率P(0｜y)和P(1｜y)得到后驗機會比01，01=P(0｜y)P(1|y) 。這一比率給出了0相對于1的優勢。利用后驗機會比進行假設檢驗，與其說是假設檢驗還不如說是“比較”。從上面可以看出，貝葉斯假設檢驗不要求接受或是拒絕某個假設，因為后驗機會比就足以說明問題。后驗機會比01大于1表明支持原假設，后驗機會比小于1表明接受1，后驗機會比01約等于1時須重新搜索信息，不宜做出判別，這種后驗機會比01也適合多重假設檢驗，這是經典統計辦不到的。
七、貝葉斯預測
許多情況下，給定樣本信息y后，我們希望對其它還未觀測到的未來值y進行預測。在貝葉斯方法中，給定樣本信息后能夠求得還未觀察值的分布，我們稱之為預測分布。令y為還未觀察到的向量，y和參數向量θ在
們就可以對未來參數進行點預測和區間預測了。
八、貝葉斯計算方法
盡管貝葉斯推斷模式簡單，并且概率形式優美。然而，在貝葉斯分析中，一般只知道后驗分布密度函數的核，而難以獲得具體的邊緣密度函數和條件密度函數，也很難找到累積分布函數的數值分位點，計算邊緣后驗分布密度函數和條件密度函數的困難是阻礙貝葉斯方法應用廣泛的最大障礙。對于貝葉斯后驗分布的高維問題，通常的格點搜索方法和拉普拉斯算法都不是很有效。而蒙特卡洛方法對這類問題較為強勁，且一直受到計量經濟學家的關注(朱慧明、韓玉啟,2006)。然而，這些方法的實現，需要依靠復雜數值的解析近似技術及相應的軟件支撐。
目前，在貝葉斯分析中應用最為廣泛的是MCMC方法，而MCMC方法主要有兩種：Gibbs抽樣方法和Metroplis-astings方法。能夠支持這種運算的軟件和應用程序已經有很多被開發出來，例如WinBUGS通常專門用來實現MCMC，還有一些在軟件中加入貝葉斯模塊，例如 RAS、S-Plus 和Matlab等。盡管MCMC方法應用廣泛，但很難判斷何時馬爾科夫鏈已經漸近收斂于平穩分布，所以對MCMC方法收斂性的研究一直是個重要課題。從某種意義上說，貝葉斯研究帶動了計算技術的發展。
通常一個完整的貝葉斯計量經濟學問題的分析結構都應包括上述八個步驟的討論，當然具體問題還要具體對待。展望未來貝葉斯計量經濟學仍然是一個值得大量研究的領域，例如，面板數據分析中的隨機系數模型和時變參數模型，若是給定先驗分布就是一個貝葉斯問題；單位根檢驗也是貝葉斯方法大有用武之地的領域,很多計量經濟學家都對其進行了研究，并且提出了不同的觀點，得出了宏觀經濟數據的不同單位根檢驗的結果；缺失數據的分析天然地與貝葉斯方法結合比較緊密，它本身就是對未知值的一種信念。越來越多的文獻目前關注著貝葉斯方法的發展和貝葉斯方法在計量經濟學文獻中的應用。
參考文獻：
阿諾德?澤爾納. 200. 計量經濟學貝葉斯推斷引論［M］. 上海：上海財經大學出版社.
韓明. 200. 基于無失效數據的可靠性參數估計［M］. 北京：中國統計出版社.
茆詩松. 1999. 貝葉斯統計［M］. 北京：中國統計出版社.
朱慧明,韓玉啟. 2006. 貝葉斯多元統計推斷理論［M］.北京：科學出版社.
UDGE G G.1980. he theory and practice of econometrics［M］. New York :Wiley.
POIRIER D . 2006. he growth of bayesian methods in statisticsand economics since 1970［］ . Bayesian Analysis，1(4):969-980.
PRESS S . 1989. Bayesian statistics: principles, models, and applications［M］. New York. ohn Wiley and Sons, Inc.
QIN D. 1996. Bayesian econometrics:the first twenty years［］. Econometric heory.
ELLNER A. 1997. Bayesian analysis in econometrics and statistics :the ellner′s view and papers［M］. ［S.L］：Edward Elgar.
ELLNER A. 2004. Statistics, econometrics, and forecasting［M］. ［S.L］：Cambridge University Press.
he Framework of Contemporary Bayesian
Econometrics Analysis and Its Outlook
LI Xiaosheng1，2 XIA Yuhua1
(1.Xiamen University, Xiamen 36100; 2.Anhui University. of Finance and Economics, Bengbu 233041)
Abstract:Along with the development of Bayesian theory and the advancement of computer simulation, Bayesian econometrics develops rapidly.his paper compares the classical and Bayesian school of thought, and briefly reviews Bayesian econometrics develpoment courses. In the end, it analyzes its framework from eight aspects and its outlook.
【關鍵詞】國內旅游收入 計量經濟學 模型
一、引言
隨著經濟發展，旅游受到越來越多人的親睞，旅游業取得了快速發展，并成為國家經濟發展新的增長點。國內旅游收入作為衡量旅游經濟的綜合性重要指標，直接反映了旅游經濟的運行狀況。研究國內旅游收入與其影響因素之間的關系，對于促進旅游業的發展，并推動經濟的發展具有重要的意義。
二、模型變量選擇
旅游業的發展受到社會經濟狀況和經濟關系等多種因素的影響，因此國內旅游收入是多種因素共同作用的函數：1、經濟發展水平。近年來我國經濟高速發展，旅游業也快速發展，國內旅游收入不斷提高，采用國內生產總值GDP來衡量經濟發展水平，令為X1；2、人均可支配收入。旅游越來越受到人們的親睞，前提是可供自由支配的收入增多，令為X2；3、國內旅游人數。龐大的旅游人數必將帶來可觀的旅游收入，令為X3；4、人均旅游花費。在接待人數既定的條件下，旅游者人均旅游花費直接影響旅游收入，令為X4；5、旅游業發展水平。旅游業發展水平越高，提供的旅游產品和服務水平越高，吸引更多的旅游消費者而增加旅游收入，以旅行社數量來衡量旅游業發展水平，交通發達程度。便捷的交通讓人們的出行更方便，更愿意去旅游，以交通運輸總的旅客周轉量來衡量交通發達程度，令為X6。
五、模型檢驗與調整
（一）多重共線性檢驗與消除。
回歸模型中R2為0.999，擬合優度很高，但除X6外變量的Prob值都偏高，其對應的t統計量較小。表現R2為很大，t很小，可能出現多重共線性。進一步檢驗各解釋變量之間的相關系數，其相關系數都很接近于1，說明模型中存在較為嚴重的多重共線性。
采用逐步回歸法消除多重共線性。的一元回歸，得到的回歸方程中，使R2最大的解釋變量是X4，則以X4為基礎作為初始模型，順次將其他解釋變量依據R2大小逐個引入，并比較結果：初始模型中引入X3，模型的擬合優度提高，變量也通過顯著性檢驗，則保留X3。繼續引入X6，模型的擬合優度提高，變量也通過顯著性檢驗，但X6的系數為負數，不符合經濟意義，則舍棄X6。繼續依次引入X2，X1和X5，模型的擬合優度均未改善，變量也未通過顯著性檢驗，則舍棄X2，X1和X5。六、經濟意義檢驗
對初始模型進行了多重共線性、異方差性和序列相關性檢驗并消除其影響后得到如模型③的最終回歸模型。現對模型進行經濟意義的檢驗：1、模型中人均旅游花費X4和國內旅游人數X3的回歸系數均為正，表明國內旅游收入與兩者成正相關關系，符合經濟學一般原理；2、模型中截距項的系數為負，這是由于旅游業本身經營所需人力、物力等巨大成本的存在。因此，回歸模型符合現實經濟，模型通過了經濟意義的檢驗。
七、結論
本文的回歸模型表明，國內旅游收入與國內旅游人數和人均旅游花費成正相關關系，而GDP、人均可支配收入、旅游業發展水平和交通發達程度由于與二者之間存在較高的相關性，其對國內旅游收入的解釋作用間接體現在國內旅游收入和人均旅游花費上。
參考文獻：
關鍵字：文化消費、收入、計量經濟學分析
一、經濟理論
客觀上對文化消費一種解釋是說文化消費指用文化產品或服務來滿足人們精神需求的一種消費，主要包括教育、文化娛樂、體育健身、旅游觀光等方面。隨著經濟的快速發展，人民生活水平得到了相應的提高（主要表現為人均收入的提高），我們都知道在收入提高的前提下，人們就會相應的增加消費，其中包括物質消費和文化消費等方面的支出。在西方經濟學中，我們都知道收入是影響消費支出的最重要因素之一。與物質消費相比文化消費是屬于精神層次的消費，是高于物質消費的一層。文化消費的主體主要是以收入水平較高，接受教育時間長的人群為主。所以，受教育程度也是影響文化消費的一個重要因素。而另一方面，人們收入的提高時，即也會使消費支出增加。這就為本文研究收入對文化消費影響提供了一個經濟理論方面的支持。
二、問題的提出
眾所周知，中國是一個歷史古國也是一個文化大國。中國在五千年的歷史長河中積累了深厚的文化底蘊。而我們作為在這種文化氛圍熏陶下生活的個體，對文化知識的渴望應該說并沒有減少半分，人們內心依舊渴望文化和知識對自己的影響。人們對精神層次的追求并不因為的時代的更迭而改變。在現代社會，在經濟高度快速發展的今天，在物質極度發達的今天，人們已經不再僅僅滿足于吃飽肚子，穿暖衣服的這種基本生活需求。對精神層次的追求也成為人們新的消費點和新的滿足點。
本文是主要通過研究收入對文化消費影響程度的大小，來觀察在文化消費領域收入是如何影響消費的，進一步了解到對整個經濟社會的影響。
三、計量分析
根據1993-2011年居民文化消費及人居收入的數據，采用EViews軟件進行以下回歸分析。
（一）變量間相關系數分析
根據相關性分析，（中等收入）城鎮居民的文化消費Y與城鎮居民人居可支配收入X 的相關系數為0.9767386983586031，呈高度正相關。這表明利用線性模型解釋它們之間的關系是比較適合的。
（二）繪制散點圖
根據操作原理中的方法，可以繪制出被解釋變量Y與解釋變量X 的散點圖，從圖中可以看出，大多數散點都分布在一條直線附近，可認為Y和X 呈高度線性關系。
（三）建立回歸方程
對統計數據做回歸， 根據回歸結果可得到下面的估計方程：
（1.679020） （2.623276）
根據 =0.954214可以表明模型的擬合效果非常好，F檢驗的相伴概率為0.000000，反映變量間呈高度線性，方程回歸效果顯著。
（四）參數的置信區間估計
根據變量顯著性檢驗可以推出：在 的置信度下 的置信區間是（ ），其中， 為t分布表中顯著性水平為 ，自由度為n-k-1的臨界值。如果給定 ，查表得 ，
從回歸分析中得到
因此可以計算得出 的置信區間分別為（0.01263516，0.245789）顯然，參數 的置信區間小，這意味著在同樣的置信區間下， 的結果精度高一些。
四、檢驗
（一）經濟意義檢驗
（1.679020） （2.623276）
根據公式可知， 的符號為正，即與文化消費成正比關系，且數值在[0，1]之間，符號經濟發展規律。
，表明在其他因素保持不變的情況下，人均收入每增加1個單位，文化消費增長0.065862個單位；
綜合以上分析，該模型設定符合經濟意義，通過了經濟意義檢驗。
（二）統計檢驗
1. 擬合優度檢驗
由以上回歸結果， ， 。 、 的值越接近1。表明回歸直線對觀測值的擬合效果越好；反之， 、 的值越接近0，表明回歸直線對觀測值的擬合效果越差。
樣本可決系數和修正可決系數都非常接近于1，說明本次回歸模型對樣本的擬合效果很好。
2. F檢驗
假設： = =0，即人均可支配收入與文化消費不存在顯著性相關。 = ，即人均可支配收入與文化消費存在顯著性相關。
通過樣本求出 統計量的數值后，通過 > 或 ，（n為樣本個數，k為解釋變量個數），來拒絕或接受原假設 。
在給定顯著性水平 的情況下，查表知 ，回歸結果中 ，顯然有 > ，表明模型的線性關系在95%的置信水平下顯著成立。人均可支配收入對文化消費存在顯著影響。
3. t統計檢驗
針對解釋變量 設計原假設和備擇假設分別為：
= = =0，即人均可支配收入與文化消費不存在顯著性相關。 = = ，即人均可支配收入與文化消費存在顯著性相關。
給定一個顯著性水平 ，得到臨界值 ，（n為樣本個數，k為解釋變量個數），通過樣本求出 統計量的數值后，根據 來決定拒絕或接受原假設 ，從而判定對應的解釋變量是否應包含在模型中。
查表知 ，樣本回歸結果中， 的 統計量分別為2.623276，即 > 。從 的 統計量的P值小于0.05，也可以看出，解釋變量X 通過了t統計檢驗。
五、經濟預測
根據計量預測，已知的2012年人均可支配收入為23607.2元，可預測出2012年的Y是1785.45元
根據上述的分析，可知我國在19年間文化消費得到快速增長，得益于人均可支配收入的提高和其他因素的影響。而可支配收入對文化消費的貢獻尤為突出。在預測中，2012年我國的文化消費依然會平穩增長。
【關鍵詞】糧食產量，影響因素，回歸分析
一、模型的建立
（一）理論分析。我國是一個人口大國同時又是一個農業相對落后的國家而糧食又是人類賴以生存的基礎，所以提高糧食生產能力是我國不容忽視的重大問題。糧食產量的影響因素眾多，其中投入產出、自然環境因素最為顯著，根據實際情況選取可能的影響因素因素探討糧食生產的投入產出關系最終將這種關系用數學表達式表示出來，最后通過確定的函數模型對糧食生產提出可行性建議。
（二）模型設定
1.確定模型所包含的變量。為了對影響糧食總產量的因素進行深入分析，在眾多影響糧食總產量的因素中以糧食總產量為被解釋變量Y；糧食總播種面積、農業機械總動力、有效灌溉面積、化肥施用量、受災面積、成災面積為解釋變量X.
2.樣本數據的搜集與整理。通過查閱2011年統計年鑒，搜集整理了1997年到2011年的糧食總產量以及6個可能影響因素的數據。見下表：
表1是設定模型所用的時間序列數據。其中，糧食總產量為因變量Y；糧食總播種面積為X1、農業機械總動力為X2、有效灌溉面積為X3、化肥施用量為X4、受災面積為X5、成災面積為X6。
二、模型參數的估計
模型為：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+μ μ為隨機擾動項
利用計量經濟學的基本方法--最小二乘法（OLS）對所摘樣本數據進行模型的從參數估計，結果如下：（圖中各變量名稱均為首字母）
Y=-79529.88+0.478599X1-0.521481X2+0.775946X3+15.70729X4
-0.092737X5-0.011504X6
為初步所得模型。
可見模型整體上通過了檢驗，但是變量各個系數并不是完全顯著。
三、模型的檢驗
（一）經濟意義檢驗。在經濟意義上分析β0、β1、β2、β3、β4應為正值，β5、β6應為負值。由初步回歸的模型可以看到回歸模型的整體顯著，在經濟意義檢驗上X2、常數C符號不正確，符號應作進一步研究。
（二）統計意義檢驗。R方檢驗：由圖1可以看到R-squared=0.985867說明方程擬合很好；F檢驗：圖1中顯示F值為93.00697，p值為0.000均表明通過了F檢驗，方程整體顯著。T檢驗：圖1給出了每個解釋變量的T值分別為：-2.194987、4.767208、-1.616074、1.110846、2.404107、-1.335772、-0.131875可以看到X3、X4、X6、X7的系數均不顯著。說明回歸方程中存在問題，有可能是這些不顯著的變量對糧食總產量影響小也可能是變量之間存在多重共線性。
（三）計量經濟學檢驗。
1.多重共線性檢驗與修正
從圖1給出的估計參數結果可以看出F值=93.00697，方程整體上是和糧食總產量線性關系顯著，但t檢驗值大部分不能通過檢驗。因此可能存在多重共線性問題。其次，雖然方程整體上線性回歸擬合較好，但解釋變量t統計量值基本都不顯著并且β0、β2的符號也與經濟意義相反，也表明存在多重共線性問題。
運用Frisch（逐步分析法）對多重共線性模型修正。
第一步：運用OLS（最小二乘法）對各個變量與解釋變量做回歸：考慮經濟意義和統計檢驗選出擬合最好的方程，各個解釋變量與被解釋變量擬合方程的R方分別為：0.388667、0.432807、0.503207、0.494893、0.349633、0.489638?？梢娮兞縓3有效灌溉面積和糧食總產量關系最強，擬合最好。
第二步：將其他解釋變量逐一帶入回歸方程，找到模型中新增變量對回歸模型擬合優度和顯著性的貢獻以及對其他解釋變量的影響，剔除一些對被解釋變量影響不顯著或影響其他解釋變量的變量，最后確定如下模型：
由圖可以看到最后模型留下的解釋變量有播種面積X1、化肥施用量X4、成災面積X6三個變量。擬合優度R-squared =0.977601 擬合效果較好；DW值為2.120391較接近2，說明序列相關問題不嚴重；整體方程的F統計量值為160.0277說明方程整體顯著；各個系數的p值分別為0.000、0.000、0.007，說明三個系數都通過了顯著性檢驗排除了對Y影響不顯著或影響其他變量的X。可以寫出回歸方程的模型為：
Y= -28655.24+0.591186X1+3.868546X4-0.139113X6
2.異方差檢驗
采用G-Q檢驗方法：三個解釋變量中X4化肥施用量對y的影響最為顯著，所以將X4按升序排序，去掉中間的3個留下兩個子樣本分別為：包含X4較低值的前六個（1997年-2002年）、包含X4較高值的后六個（2006年-2011年）。
對兩個子樣本分別求出回歸方程為：
Y1=-14793.47+0.578192X1+1.651901X4-0.262729X6
R方=0.995844 RSS1=274.8451
t值分別為5.42、0.50、-4.488950
Y2=44174.07-0.158587X1+6.019034X4-0.298388X6
R方=0.977376 RSS2=655.4554
t值分別為-0.21、0.88、-1.845
計算G-Q檢驗F統計量為：F=RSS2/RSS1=655.4554/274.8451=2.3848
3.序列相關檢驗
由結果可以得到DW值為2.12，給定顯著性水平為0.05，n=15，k=3 ，查DW值表可以得到dl=0.82，du=1.75，1.75
5，可知隨機誤差項不存在一階序列相關。
最終確定模型為Y= -28655.24+0.591186X1+3.868546X4-0.1
39113X6
四、模型的應用及對策建議
我國人口眾多對糧食的依賴性很強但是我國耕地面積越來越少，因此要解決糧食問題必須從產量入手。糧食產量的影響因素眾多，其中投入產出、自然環境因素最為顯著，由以上分析可以看到化肥施用量是對糧食產量影響最大的因素，說明投入產出之間的關系是顯著的；從模型可以看到播種面積對糧食產量的影響也同樣很重要，播種面積的增加必然使糧食產量的增加；受災面積也是影響糧食產量的重要因素之一，與糧食產量成負相關。
對量產量增加的幾點建議：
1.增加播種面積是對糧食產量最直接簡單的方法，但是目前農民對糧食種植的積極性很低。政府可以采取農業補助、糧食最低價格、農業保險等手段增加農民種植糧食的積極性?？梢酝ㄟ^提高產量和保證價格兩種途徑，農業補助、農業保險等保證糧食產量，糧食最低價格保證糧食價格。兩種手段結合使用，既對糧食產量有一個保證又對糧食價格有一個保證，結合使用可以提高農民種植積極性。我國國土面積雖大但是農業用地卻也逐漸減少。因此政府在提高農民種植積極性的同時也要控制非農業用地保持農業用地數量的足夠穩定性。除此之外，要在擁有足夠的糧食用地的基礎上提高利用效率。
2.在合理范圍內提高化肥施用量。播種面積在一定程度后會受邊際效益遞減的影響，因此要在播種面積上提高土地利用效率。由前邊模型分析可得化肥施用量在一定程度上對糧食產量有積極影響超過邊界線會產生相反的消極影響?？傻谜畱摲e極對農業化肥施用類型、施用量、施用方法、施用時間等進行宣講提高土地利用效率和化肥施用效率。
3.采用事前預防事后保障兩種途徑降低農業風險減少受災面積。成災面積對糧食產量影響系數雖然較小但是自然災害的發生影響面試很廣的，若受災面積較大時同樣會引起糧食產量的大幅度減少。因此，政府應該積極增強對農業的研究提高自然災害的事前預防能力，采用農業保險等方法保障農民收入水平起到事后保障的作用。通過這兩種途徑兩種方法控制受災面積減少農民損失。
除上述對策之外，也可以通過提高農業機械化程度增加農業科技投入量等方法?？偠灾?，擴大耕作面積，提高單產，實現機械化、規模化生產是保證我國農業健康發展的必經之路。
參考文獻：
[1]張潤清.計量經濟學[M].北京：中國農業出版社，2007
【關鍵詞】 出口總額 匯率 GDP 進口總額 模型
Abstract ： At present， a major factor influence our country's economic increasing is export， but because of several elements such as the appreciation of of the RMB， China's export met barrier. In order to guide our export of smooth health growth with the help of the analysis and conclusion， in this article， the econometrics thoughts are applied to set up， estimate， inspect and forecast economic modle. On the base of relevant research in this field， this article makes empirical analysis by the use of econometric approach， in the end， conclusion are got from reasoning.
Keywords ： Total Exports Exchange Rate GDP Total Import Economic Modle
1. 出口總額影響因素概述
進出口關稅稅率是進出口貿易的一個門坎，它對進出口總額產生了顯著的影響。1994年匯率并軌，對當年沒有產生太大的作用。但之后確實對中國進出口總額產生了顯著性影響。[1]
有研究結果表明外貿依存度仍是度量我國貿易開放度的較好指標，進一步采用基于VAR系統的脈沖響應函數法以及預測誤差方法分解法對貿易開放促進經濟增長的作用進行了動態刻畫。[2]
基于協整理論和ECM 分析我國進出口數據之間的協整關系，平穩性檢驗顯示， 進出口都是非平穩的一階單整， 利用EG 兩步法協整檢驗方法分析誤差修正模型發現進口額和出口額變量構成了長期的均衡關系。[3]
要更有效地實現國債對經濟的促進作用，應以提高國債項目的經濟效益為重點，將更大比例的資金有重點地投向產業關聯性強、需求拉動力強的項目。 [4]
出口主要受GDP 滯后一階和其自身一階的影響。這說明經濟增長受外商直接投資的長期影響， 而不是短期行為；外商直接投資受經濟增長的長期影響， 受其自身的短期影響；出口受經濟增長短期影響。[5]
改革開放以來，我國的國民經濟發展迅速，GDP增長數度始終保持在 7%以上。同時，進出口規模迅速擴大。2001 年，我國進出口總 額達到 5098 億美元，是 1989 年的 4.6 倍，年均增長 13.6%?？梢姡覈哪赀M出口總額 與國內生產總值有著密切的聯系。 [6]
模型通常采用進出口總額而不是凈出口額作為變量，因為凈出口指示衡量貿易均衡的一個因素，要綜合反映一個國家GDP的發展，顯然沒有進出口總額有效。 [7]
有些模型中引入了六個變量：居民消費水平，對外經濟合作，國內貸款，國民收入，財政支出，財政收入。從所做的回歸結果看，影響我國的進出口總額的主要因素有居民消費水平，固定資產投資中的國內貸款，且國內貸款的影響最大。 [9]
據海關統計：2005年我國制成品的進出口貿易總額為12 251.6億美元，其中：出口7 129.2億美元，是1985年的53倍。同時，出口商品結構也在不斷地優化。[10]
因此，相關影響因素可能有：人民幣匯率、國內生產總值GDP、進口總額、政策性因素、產業結構等。
2. 模型數學形式
橫軸表示因變量Y：中國出口總額；豎軸表示自變量：X1（國內生產總值GDP）、X2（進口總額）和X3（人民幣匯率）。數據時間跨度為1980至2010共30年。
2.1做出Y與X1、X2和X3的折線圖及散點圖如下：
從走向來看，X1和X3對應的點散布在從左下角到右上角的區域， X1和X3與Y呈正相關關系；而X2對應的點有先升后降的趨勢，表明X2與Y之間的相關關系較為復雜。因此需要分別對Y和單獨的各個X做出散點圖分析。
2.2 Y分別與X1、X2和X3的散點圖：
X1與Y的關系可以用非線性函數--冪函數--來表示。
X2與Y的關系可以非線性函數--指數函數--來表示。
X3與Y的關系可以用線性函數表示。
因為存在突然Y值飆升的斷點，因此有必要設置虛擬變量。在模型中加入乘法形式的虛擬變量D1。
2.3 針對本研究問題的虛擬變量的制定理由
由上數據走向分析發現，當X2達最大時，Y的值又回落至斷點前的水平--可以發現若把斷點后半部分約以X2=600的位置為軸作軸對稱，再平移接到斷點后，則可基本呈現連貫的函數圖象，且可以以指數函數表達。得出X2對Y的擬合形式：c（3）*e^（m+d1*x2）。設1994年前，D1=1，M=0；1994年及其后，D1=-1，M=150。
得出X1、X2、X3和Y的相關系數矩陣如下：
由此得到：ry1=0.975388>0.90，ry2=0.4942880.90。這說明單獨來看，X1、X3和Y之間存在較為密切的線性相關關系，而X2與Y之間的關系相對較弱。而X1和X3之間的相關系數為0、981887，說明兩者之間有較強的相關關系；而X1和X2、X2和X3之間的相關系數基本在0.5左右，之間關系較弱。
3. 估計模型的方法
由以上相關關系分析得，Y可以用X1的冪函數形式、X2的指數函數形式和X3的線性函數形式結合起來表達。因此，對本模型使用NLS估計方法建立多元回歸方程。
在EVIEWS軟件中輸入如下命令：
nls y=c（1）+c（2）*x1^2+c（3）*e^（m+d1*x2）+c（4）*x3由此得到輸出結果如下：
得c（1）=19.52591， c（2）=0.000385，c（3）=-8.13e-33，c（4）=0.896359，則模型的數學表達式為：
Y=19.52591+0.000385*X1^2-8.13e-33*E^（M+D1*X2）+0.8963593611*X3
（0.73） （11.88） （-14.52） （30.17）
括號內的數字對應于b0 ，b1的t檢驗統計量?；貧w標準誤差為105.38，殘差平方和為299859.8， D.W.=1.18，F=7754.64，
4. 模型檢驗：
4.1經濟意義檢驗
從上述參數的系數可以看出：GDP和進口總額均與出口總額之間存在顯著正相關關系，而人民幣匯率與出口總額之間存在顯著的負相關關系。將模型參數的估計量與預先擬定的理論期望值進行比較，包括參數估計量的符號、大小、相互之間的關系，以判斷其合理性。模型充分滿足經濟意義并且合理。
4.2統計檢驗
4.3 可決系數及擬合優度
可決系數R2=0.999082，，調整可決系數R2=0.998980。兩者均很大且接近1，即回歸直線的擬合優度很好。即回歸方程能解釋約99%的Y變異性。
此外，還可使用SC和AIC 來比較擬合優度，該模型：SC=12.45，AIC=12.27這兩個值越小擬合優度越高
4.4模型的顯著性檢驗
4.4.1 t檢驗：
tc1=73，其p值=0.4744；tc2=11.88，其p值=0.0000；tc3=-14.52，其p值=0.0000；tc4=30.17，其p值=0.0000；
對于常數項：p=0.4744>0.05，表示在顯著性水平α=0.05和0.01下常數項都沒有通過t檢驗；解釋變量顯著性檢驗通不過的原因可能是：xi與y不存在線性相關關系、不存在任何關系或xi與xj（i≠j）存在線性相關關系等。常數項沒有通過t檢驗可能是由于包含了遺漏的解釋變量，或是由于其他因素波動的綜合影響等，所以并不應該將常數項從模型中剔除，而應從其他方面進行優化。
對于X1、X2、X3：p均等于0.0000
4.4.2 F檢驗：
由上述NLS分析結果得：F=9793.316，且其p值=0.0000。
同理，因為p=0.0000Fα。則原假設在5%和1%的顯著性水平上均被拒絕，表明X1、X2和X3聯合起來對Y有顯著影響。
4.4.3計量經濟學檢驗；
（1）自（序列）相關性檢驗
在EVIEWS3.0的估計結果輸出窗口操作RESIDUAL TEST/CORRELOGRAM-Q-STATI-
STICS，進行自相關檢驗，結果如下（第二圖）：
觀察以上殘差序列的分析圖，可見AC和PAC均落在各自的虛線范圍內，因此可以認為該殘差序列為純隨機序列。且右邊最后一行的P值表示該模型通過了X2檢驗，不存在自相關問題。
（2）異方差性檢驗
在EVIEWS3.0的估計結果輸出窗口操作VIEW/RESIDUAL TEST/WHITE HETEROSKE-
DASTICITY（NO CORSS TERMS），結果如下：
WHITE檢驗統計量的伴隨概率P=0.102346>5%，大于1%，表示可以接受懷特檢驗的原假設，即認為不存在異方差。
若采用含有交叉項的懷特檢驗，結果為：
同樣證明了該模型不存在異方差。
（3）多重共線性檢驗.
命名方程為eqy，在主窗口命令行輸入scalar vifcons=1/（1-eqv.@R2），得到方差膨脹因子VIF=1089.146。
經驗判斷方法表明：當VIF≥100，存在嚴重多重共線。
再看變量之間的相關系數，初步判斷是由于X1和X3之間較強的線性相關關系引起的。
CHOW氏模型結構變化檢驗
假設1994年為斷點的CHOW式斷點檢驗說明：即使1994年的匯率有了較大的提高，但1994年前后經濟結構并沒有發生變化。
CHOW氏模型穩定性檢驗
以2000年為選擇點，由結果可見，該模型尚未達到穩定，還需要進一步調整。
5. 解釋說明與存在的問題
5.1對模型估計結果解釋說明
根據模型估計結果，C2 為0.00385，C3為-0.813E-33，C4為0.896359。在這一組參數值中，X1的參數明顯比預想中小，X2沒有太偏離預想，X3比較一致。這說明對于出口總額的影響中，GDP對出口總額的影響較小，進口總額對于出口總額的影響與設想基本一致，而最主要的影響因素是人民幣匯率。
這是因為雖然人民幣匯率只是眾多影響到出口總額因素中的一個，但是人民幣匯率波動改變匯率條件直接影響到我國出口。
5.2存在的問題及改進途徑
5.2.1多重共線問題：
（1）逐步回歸法：
即利用被解釋變量Y對每一個解釋變量Xi 作一個回歸方程，構造統計量，進行統計檢驗，并根據相應的經濟理論進行解釋，從中選取最優的回歸方程；然后逐步引入其他的解釋變量，再做相應的回歸方程，擴大模型的規模，同時對所有解釋變量的回歸系數進行檢驗。
（2）改變變量的定義形式
要根據所分析的具體經濟問題及模型的形式對解釋變量重新調整，如用相對數變量替代絕對數變量、刪去模型中次要的或可替代的解釋變量和差分法等。
（3）嶺回歸估計
該方法放棄最小二乘的無偏性，損失部分信息，以放棄部分精確度為代價來尋求效果稍差但更符合實際的回歸方程。故嶺回歸所得剩余標準差比最小二乘回歸要大。
5.2.2穩定性不足
模型未通過Chow's檢驗，存在模型穩定性不夠的問題。應該再回頭再對數據進行預備處理，即進行價格平減、取自然對數，或HP濾波處理，這樣數據質量會高一些，不穩定性問題應該能得到一定解決。
5.2.3可能遺漏重要解釋變量
應當盡可能地搜集更多的資料，找尋更多的數據，如出口原材料價格指數、我國關稅總額等，通過理論和實踐等途徑考察各因素分別及聯合起來對出口總額的影響程度，加強模型的解釋說明和預測能力。
6. 結論和政策建議
6.1結論
6.1.1人民幣匯率下調是要改變我國人民幣幣值對外高估狀況，使用美元表示的我國出口商品價格下降，增強在國際市場上的競爭力；使用人民幣表示的進口商品價格升高，使其在國內市場上處于不利地位，從而達到擴大出口，限制進口。匯率單獨對進口和出口產生重大的影響，但是對進出口總額則沒有太大的影響。
6.1.2 1994年匯率并軌，對當年沒有產生太大的作用。但之后確實對中國進出口總額產生了顯著性影響
6.1.3 GDP對出口總額的影響并不如預想中的大，所以，我國GDP連續多年的增長并未對出口總額造成過大的影響。
6.1.4出口總額受到多方面復雜的影響，政府在制定經濟與財政政策時，應注重引導。
6.2政策建議
6.2.1在現有的人民幣匯率基礎上，再次通過漸進的人民幣升值來實現進出口總額的下降，進而促進外貿依存度的降低。 另外，根據日本的經驗來看，本幣升值還可以在間接上起到調整出口產品結構的作用。
6.2.2調整國內的產業調整。大力發展高新技術產業，以減少對國外技術的依賴，進而降低該類產品的進口；大力發展能夠吸納勞動力的輕工業和服務業，有效提高國民的收入，進而進一步推動第三產業的發展。
6.2.3提高城鎮居民的消費傾向。通過收入分配政策調整收入差距，實際上就是在居民收入持續增 長的同時，不斷提高中低收入群體收入增長的幅度。
參考文獻：
[1] 劉雪倩，《影響我國出口總額的因素分析》.
[2] 許和連，《出口貿易促進經濟增長的理論、模型及實證研究》.
[3] 陳錦錦，趙同亮，《基于1955- 2009 年中國進出口數據的計量經濟--協整分析及誤差修正模型》.
[4] 姜嵐，張宏，《淺析近年資本市場與我國經濟發展的關系》.
[5] 曹海濱，許銳，趙飛，《我國出口、外商直接投資與經濟增長的計量經濟分析》.
[7] 《GDP與出口總額的計量分析》.
[8] 《中國統計年鑒》.
[9] 關于我國進出口總額的影響因素的分析》.
[10] 馬婷潔 ，《FDI對我國貿易出口額影響的實證分析》.
關鍵詞：流通方式 貨物周轉量 計量經濟學 OLS回歸分析
由于數據的可獲得性，本文采用1990—2010年共21個我國貨物周轉量及不同運輸方式下線路里程的數據進行OLS回歸分析，得出鐵運、公路、水云以及民航等不同運輸方式對我國貨物周轉量的影響程度，對提高我國貨物流通效率提出一些規范性建議。
一、模型設定
二、數據的收集
本文數據均通過我國統計年鑒相關年份數據的查詢獲得，選用1990—2010年我國貨物周轉量以及鐵路、公路、內河航路和民航運輸線路里程數據對上述建立的模型進行回歸分析。
三、模型分析與調整
1.模型的參數估計
利用EVIEWS軟件，對上述模型進行OLS估計。
（1）經濟意義檢驗
（2）統計意義檢驗
2.多重共線性的檢驗與修正
3.異方差的檢驗與修正
（2）異方差的修正—WLS
4.序列相關性的檢驗與修正
5.模型最終分析
四、總結及建議
本文運用計量經濟學模型，研究不同運輸方式對我國貨物周轉量的影響程度，通過OLS回歸分析可得，對我國貨物周轉量影響程度最大的是鐵路運輸，其次是公路運輸；水運方式在α=0.05水平下對貨物流通效率呈現負影響，因為本文被解釋變量為貨物周轉量，衡量的是貨物流通效率，而不是貨物量，水運以其容積大，在貨物量上的影響很顯著，但由于其運輸線路的特殊性以及運轉的復雜性，所以水運方式呈現負影響?；趯嵶C分析結論，對提高我國貨物周轉效率提出一些建議：
1.綜合調度最佳的配送線路和運輸方式
在流通配送中，要達到高效率流通，做到時間最少、距離最短、成本最低，必須綜合調度最佳的配送線路和運輸方式。只有合理完善調配運輸線路與運輸工具，才能不斷加強產銷銜接點，縮短運輸線路，節省運輸時間，降低運輸成本，選擇合適的運輸工具，減少貨物在運輸過程中的損耗。
2.加大投資力度，改善傳統運輸工具
由回歸方程可知，對我國貨物周轉量影響最為顯著的主要是鐵路與公路運輸方式，在一定的運輸距離下，運輸工具要充分快捷、迅速。因此建議要加大貨物運輸工具的投資力度，積極改善傳統運輸工具的裝備配置，提高傳統運輸工具的運轉效率，只有這樣才能有效減少貨物在流通過程中的損失及運輸風險。
3.提高“節約歷程法”在貨物流通中的應用水平
“節約里程法”的基本思想即是幾何三角形中的“兩邊之和大于第三邊”的定理，在運送貨物時，首先要估計各目的地之間的距離，計算連接各目的地到同一線路上的距離節約值，之后確定初始運輸方案的運輸線路及運輸費用，合理安排運輸方式以達到節約里程的同時節約運輸時間，減少運輸環節及成本。
參考文獻：
[1]龐浩.《計量經濟學》[D].科學出版社.2010（6）
[2]龐浩.《計量經濟學學習輔導》[D].科學出版社.2011（3）
[3]李如姣.“節約里程法”在某物流公司配送中心的實際運用[J].科技資訊.2008（11）
[4]戴群艷.對我國國內旅游需求的計量經濟學分析[J].中國商界.2010（7）.第202期
[5]于航.基于節約里程法的鮮活農產品物流配送車輛路線的最優設計[J].安徽農業科學.2011（4）
[6]王珊.我國鮮活農產品物流存在的突出問題及解決對策研究[J].現代經濟信息.2011（9）
[7]童光榮.《計量經濟學實驗教程》[D].武漢大學出版社.2008（6）
