時間：2024-02-04 14:50:57
序論：在您撰寫計量經(jīng)濟(jì)學(xué)分析時，參考他人的優(yōu)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(fā)您的創(chuàng)作熱情，引導(dǎo)您走向新的創(chuàng)作高度。
關(guān)鍵詞：出國留學(xué)；影響因素；計量經(jīng)濟(jì)學(xué)
中圖分類號：F22 文獻(xiàn)標(biāo)志碼：A 文章編號：1673-291X（2013）24-0274-03
目前，中國出國留學(xué)生規(guī)?？涨?，成為世界上最大的留學(xué)生生源國。根據(jù)《2011年中國出國留學(xué)行業(yè)研究報告》，2011年有接近34萬中國學(xué)生出國留學(xué)，增長速度20%左右?？梢灶A(yù)測，未來中國出國留學(xué)生人數(shù)將持續(xù)增加。本文通過網(wǎng)絡(luò)調(diào)研，收集、分析、整理了大量數(shù)據(jù)，歸納出影響出國留學(xué)人數(shù)的幾個因素。根據(jù)計量經(jīng)濟(jì)學(xué)線性回歸理論建立了出國留學(xué)人數(shù)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(xué)人數(shù)的影響，并對未來出國留學(xué)人數(shù)進(jìn)行了預(yù)測。
一、影響出國留學(xué)人數(shù)的主要因素
1.近十年來，中國出國留學(xué)生中，有超過90%的學(xué)生選擇的是自費(fèi)留學(xué)。自費(fèi)出國留學(xué)人數(shù)主要是由家庭的經(jīng)濟(jì)實力所決定，因此家庭人均收入是影響出國留學(xué)人數(shù)的最主要因素。
2.近年來，在出國留學(xué)的大軍中，不僅僅高校畢業(yè)生選擇出國留學(xué)，而且越來越多的高中畢業(yè)生也選擇出國留學(xué)。隨著高校畢業(yè)生人數(shù)和高中畢業(yè)生人數(shù)的增多，必然會有更多的人選擇出國留學(xué)。因此高校畢業(yè)生人數(shù)和高中畢業(yè)生人數(shù)也是影響出國留學(xué)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(xué)費(fèi)用降低很多，匯率變化也在一定程度上影響著學(xué)生家庭對于出國留學(xué)的最終決定。因此人民幣匯率也是影響出國留學(xué)的因素之一。
二、計量經(jīng)濟(jì)學(xué)分析模型建立
（二）模型檢驗
1.經(jīng)濟(jì)學(xué)意義檢驗。根據(jù)最初回歸方程（2）可以看出城鎮(zhèn)居民家庭人均收入貢獻(xiàn)為正，說明這個解釋變量對出國留學(xué)人數(shù)的影響是正向的，這個變量越大，出國留學(xué)人數(shù)就越多，符合經(jīng)濟(jì)學(xué)意義。大學(xué)高中學(xué)生畢業(yè)生人數(shù)貢獻(xiàn)為負(fù)，說明這個解釋變量對出國留學(xué)人數(shù)的影響是負(fù)向的，這一點(diǎn)與實際情況不符，不符合經(jīng)濟(jì)學(xué)意義。人民幣對美元平均匯率的貢獻(xiàn)為正，說明這個解釋變量對出國留學(xué)人數(shù)的影響是正向的，這一點(diǎn)與實際情況不符，不符合經(jīng)濟(jì)學(xué)意義。
2.統(tǒng)計檢驗。擬合優(yōu)度檢驗：擬合優(yōu)度檢驗判定系數(shù)R2是一個非負(fù)的統(tǒng)計量，取值范圍是[0，1]。R2越接近1，說明實際觀測點(diǎn)離回歸線越近，擬合優(yōu)度越高。由表2得到擬合優(yōu)度檢驗判定系數(shù)R2=0.9874994，修正的判定系數(shù)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(jīng)濟(jì)學(xué)意義檢驗和統(tǒng)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(guān)系數(shù)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(guān)系數(shù)都在80%以上，表明存在嚴(yán)重的多重共線性。
（四）模型修改
五、結(jié)論
按照一般經(jīng)濟(jì)學(xué)常識認(rèn)為城鎮(zhèn)居民家庭人均收入、大學(xué)高中畢業(yè)生人數(shù)和人民幣匯率都對留學(xué)出國人數(shù)有一定影響。通過上面的計量經(jīng)濟(jì)學(xué)線性回歸理論分析可以得出幾點(diǎn)結(jié)論。（1）在出國留學(xué)問題上，學(xué)生家庭主要考慮的是經(jīng)濟(jì)負(fù)擔(dān)，即家庭自身財力是否能夠承受出國留學(xué)所需要的高額費(fèi)用。家庭實際人均收入越高，出國留學(xué)人數(shù)就越多，反之則越少。（2）大學(xué)高中畢業(yè)生人數(shù)對出國留學(xué)人數(shù)的影響沒有明確的線性關(guān)系，甚至是負(fù)相關(guān)的。（3）人民幣匯率對于出國留學(xué)人數(shù)的影響雖然是線性關(guān)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(xué)人數(shù)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(dá)到一定程度，人們出國留學(xué)時很少考慮人民幣匯率變動因素。
參考文獻(xiàn)：
[1] 洪柳.高等教育國際化背景下中國出國留學(xué)現(xiàn)狀及分析[J].河北師范大學(xué)學(xué)報：教育科學(xué)版，2013，（2）：29-33.
[2] 趙鶴婷.人民幣升值對出國留學(xué)產(chǎn)生的影響[J].財經(jīng)界：學(xué)術(shù)版，2012，（9）：32.
關(guān)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(biāo)志著貝葉斯計量經(jīng)濟(jì)學(xué)的真正誕生。該書較為全面地闡述了貝葉斯計量經(jīng)濟(jì)學(xué)的大多數(shù)專題，其中包括回歸模型中的大多數(shù)問題、聯(lián)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(jīng)濟(jì)學(xué)的文獻(xiàn)開始大量出現(xiàn)。當(dāng)代許多杰出的計量經(jīng)濟(jì)學(xué)家如Geweke,Litterman ,Dempster, Sims, Maddala ,Chib等都應(yīng)用貝葉斯計量經(jīng)濟(jì)學(xué)解決經(jīng)濟(jì)問題。Qin（1996）對貝葉斯計量經(jīng)濟(jì)學(xué)理論發(fā)展進(jìn)行了回顧。Poirier（2006）對國外1970―2000年間幾種重要的期刊在經(jīng)濟(jì)和計量經(jīng)濟(jì)學(xué)文章中使用的貝葉斯方法數(shù)量發(fā)展速度進(jìn)行了回顧。國內(nèi)研究貝葉斯理論的人員很多，但是研究貝葉斯計量經(jīng)濟(jì)學(xué)的文獻(xiàn)并不是很多，只有朱慧明、韓玉啟（2006）研究了貝葉斯計量經(jīng)濟(jì)學(xué)的幾個重要專題，并深入地進(jìn)行了討論。雖然貝葉斯計量經(jīng)濟(jì)學(xué)作為一種科學(xué)的數(shù)據(jù)分析的方法早已經(jīng)存在，但貝葉斯計量經(jīng)濟(jì)學(xué)分析應(yīng)遵循的基本框架是什么？本文就此分八個部分進(jìn)行闡述，并對其發(fā)展和應(yīng)用前景進(jìn)行展望。
一、貝葉斯學(xué)派與經(jīng)典學(xué)派之間的差異及其分析的優(yōu)點(diǎn)
統(tǒng)計學(xué)發(fā)展過程中產(chǎn)生了兩個主要學(xué)派：經(jīng)典學(xué)派與貝葉斯學(xué)派。經(jīng)典學(xué)派又叫頻率學(xué)派，其發(fā)展已有幾百年的歷史。而貝葉斯學(xué)派的發(fā)展歷史不過0多年，在貝葉斯學(xué)者的努力下，打破了經(jīng)典統(tǒng)計一統(tǒng)江山的局面，兩個統(tǒng)計學(xué)派共同發(fā)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(xué)派與經(jīng)典學(xué)派之間的差異是明顯的。首先，兩個學(xué)派的核心差別是對于概率的不同定義。經(jīng)典學(xué)派認(rèn)為概率可以用頻率來進(jìn)行解釋，估計和假設(shè)檢驗可以通過重復(fù)抽樣來加以實現(xiàn)。而貝葉斯學(xué)派認(rèn)為概率是一種信念。結(jié)合這種信念加以假設(shè)檢驗（先驗機(jī)會比），當(dāng)數(shù)據(jù)出現(xiàn)以后就產(chǎn)生后驗機(jī)會比。這種方法結(jié)合了先驗和樣本信息輔助假設(shè)檢驗。其次，兩者使用的信息不同。經(jīng)典學(xué)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(shù)據(jù))提供給我們的信息。而貝葉斯學(xué)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(shù)的分布信息。兩者在使用樣本信息上也有差異，經(jīng)典統(tǒng)計對某個參數(shù)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(xué)派只關(guān)心出現(xiàn)了的樣本信息。而且貝葉斯學(xué)派將未知參數(shù)看作是一個隨機(jī)變量，用分布來刻劃，即抽樣之前就有有關(guān)參數(shù)問題的一些信息，先驗信息主要來自經(jīng)驗和歷史資料。而經(jīng)典統(tǒng)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(shù)據(jù)本身，將未知參數(shù)看作常量。
貝葉斯方法的優(yōu)點(diǎn)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(shù)的先驗信息，在進(jìn)行參數(shù)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(yù)測結(jié)果；貝葉斯PD（最大后驗）置信區(qū)間比不考慮參數(shù)先驗信息的頻率置信區(qū)間短；貝葉斯方法能對假設(shè)檢驗或估計問題所做出的判斷結(jié)果進(jìn)行量化評價，而不是頻率統(tǒng)計理論中的接受、拒絕的簡單判斷；在基于無失效數(shù)據(jù)的分析工作，貝葉斯統(tǒng)計有著更大的優(yōu)點(diǎn)（韓明，200）。
二、貝葉斯定理的表述
貝葉斯方法的一個關(guān)鍵元素是貝葉斯定理，通常又叫反概率原理。當(dāng)先驗分布和后驗分布都是連續(xù)形式時：用θ表示我們關(guān)心的參數(shù)向量或矩陣，用y表示來自聯(lián)合密度函數(shù)f(y∶θ)的樣本觀測值向量或矩陣，聯(lián)合密度函數(shù)又可以寫成f(y｜θ)，函數(shù)f(y｜θ)在代數(shù)上等同于θ的似然函數(shù)，它包含了關(guān)于θ的所有樣本信息，在貝葉斯理論中由于θ是隨機(jī)變量，f(y｜θ)是給定θ的條件下y的條件密度函數(shù)，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(lián)合密度函數(shù)，π是θ的先驗密度函數(shù)，它包含了關(guān)于θ的非樣本信息，通常將上式重新排列得到結(jié)果π(θ｜y)=f(y｜θ)π(θ)f(y)。由于f(y)是與θ無關(guān)的一個常數(shù)，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(shù)×先驗密度。這就是貝葉斯定理的連續(xù)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(dāng)似然函數(shù)的精度h0較大時，后驗均值主要受樣本均值支配；相反，當(dāng)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(diào)整先驗精度下可以達(dá)到經(jīng)典估計的效果，從某種意義上說經(jīng)典估計是貝葉斯估計的特殊形式。通過兩種精度的調(diào)整達(dá)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(jīng)看出，似然原理在貝葉斯學(xué)派和經(jīng)典學(xué)派都有應(yīng)用，而區(qū)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(shù)θ的先驗分布。先驗分布是后繼貝葉斯推斷的基礎(chǔ)和出發(fā)點(diǎn)，是貝葉斯學(xué)派研究的重點(diǎn)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(kuò)散先驗（diffuse prior）分布和共軛先驗(conjugateprior)分布兩大類。此處的擴(kuò)散先驗即一般文獻(xiàn)中的無信息先驗分布（noninformative prior）。當(dāng)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(shù)是位置參數(shù)還是尺度參數(shù)。共軛先驗分布是指這個先驗分布與似然函數(shù)相乘后，得到的分布與先驗分布函數(shù)形式一樣，即屬同一個分布族。這種先驗的好處是，當(dāng)一個新的樣本被觀察后，關(guān)于參數(shù)θ的后驗分布有同樣的解析形式，只需帶入超參數(shù)和樣本值，就可以計算出后驗的均值和方差。
參數(shù)的先驗分布的選取方法之一是貝葉斯假設(shè)，即假設(shè)參數(shù)的先驗分布在取值范圍內(nèi)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(shù)θ先驗分布密度函數(shù)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(shè)在參數(shù)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(shù)θ選取均勻分布作為其先驗分布，根據(jù)貝葉斯假設(shè)，θ的函數(shù)π(θ)也應(yīng)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(dǎo)不出π(θ)也服從均勻分布。例如正態(tài)總體標(biāo)準(zhǔn)差為σ，它的參數(shù)空間是(0,∞)，為能變換，我們選取貝葉斯假設(shè)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(jù)隨機(jī)變量函數(shù)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(jī)變量σ有關(guān)了。
針對貝葉斯假設(shè)在變換下并不滿足不變性，effreys（1961）建議對于參數(shù)在有限范圍內(nèi)或-∞到+∞范圍內(nèi)取任意值，它的先驗分布應(yīng)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(shù)后的先驗分布應(yīng)是均勻分布。所以位置參數(shù)的先驗應(yīng)與一個常數(shù)成比例，尺度參數(shù)應(yīng)與自己的逆成正比，例如來自正態(tài)分布N(μ,σ2)的樣本的擴(kuò)散先驗應(yīng)為π(μ,σ)∝1/σ。effreys（1961）根據(jù)不變性的要求，又提出了一種基于Fisher信息陣的多參數(shù)模型擴(kuò)散先驗分布選擇方法。若令L(θ)為似然函數(shù)，effreys認(rèn)為參數(shù)先驗分布應(yīng)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(xì)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(jīng)濟(jì)學(xué)中討論位置參數(shù)θ的擴(kuò)散先驗應(yīng)為π(θ)∝1,θ∈，尺度參數(shù)的擴(kuò)散先驗分布為π(θ)∝1/θ,θ＞0；對于正態(tài)分布N(μ0，σ2),μ0已知，σ＞0未知，此時標(biāo)準(zhǔn)差σ是尺度參數(shù)，那么標(biāo)準(zhǔn)差σ的擴(kuò)散先驗分布應(yīng)為：π(σ)∝1/σ,σ＞0。對于正態(tài)分布N(μ,σ20),σ20已知，此時μ是位置參數(shù)，那么其擴(kuò)散先驗分布應(yīng)為π(μ)∝1,μ∈R。位置――尺度參數(shù)的聯(lián)合擴(kuò)散先驗分布形式
四、貝葉斯點(diǎn)估計
參數(shù)的后驗密度概括了參數(shù)的所有信息。因此，一旦得到參數(shù)的后驗密度，就可以對參數(shù)進(jìn)行研究。在確定參數(shù)的具體值（點(diǎn)估計）時，就要依據(jù)某個準(zhǔn)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(shù)θ時所造成的損失。一般來說，當(dāng)估計值離參數(shù)真值θ越遠(yuǎn)，損失就越大。描述點(diǎn)估計與真參數(shù)θ間的函數(shù)L(θ,)稱為損失函數(shù)。常用的損失函數(shù)是二次損失函數(shù)L2=c(-θ)2和線形損失函數(shù)L1=c｜-θ｜，其中c是一個正的常數(shù)。要獲得點(diǎn)估計值，需要考慮某種損失函數(shù)形式使損失最小，要使所有類的損失函數(shù)都能達(dá)到最小的，只有=θ；然而，真實參數(shù)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(quán)平均（或期望）損失最小，權(quán)數(shù)為后驗密度函數(shù)π(θ｜y)，因而，一個貝葉斯點(diǎn)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(shù)L2，后驗分布的均值就是使上式達(dá)到最小的點(diǎn)估計值，因為Eθ｜y［L2(θ,)］=∫c(-θ)2π(θ｜y)dθ，為使上式達(dá)最小的值，對上式求導(dǎo)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(shù)的性質(zhì)知上式左邊積分號的內(nèi)容等于1，因此二次損失函數(shù)下的θ的點(diǎn)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(jīng)濟(jì)學(xué)中，只要對后驗分布求期望就能得到參數(shù)的點(diǎn)估計值。
五、貝葉斯區(qū)間
我們在經(jīng)典統(tǒng)計下討論置信區(qū)間和參數(shù)時，都是說這個區(qū)間覆蓋參數(shù)的可能性，而不說這個參數(shù)在這個區(qū)間內(nèi)，因為這里隨機(jī)變化的是區(qū)間而不是參數(shù)。當(dāng)說一個參數(shù)有90%的把握落在某個區(qū)間內(nèi)，這種說法經(jīng)典統(tǒng)計是不容許的，因為經(jīng)典統(tǒng)計認(rèn)為參數(shù)是固定的；只能說90%的機(jī)會覆蓋這個參數(shù)；而貝葉斯學(xué)派可以說某個參數(shù)落入某個區(qū)間的概率。這是因為貝葉斯學(xué)派認(rèn)為參數(shù)是個隨機(jī)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(qū)間覆蓋某個參數(shù)這種說法。為了與經(jīng)典學(xué)派相區(qū)分，貝葉斯學(xué)派用可信區(qū)間而不是置信區(qū)間，可信區(qū)間來自后驗分布。
所以當(dāng)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(qū)間［a,b］內(nèi)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(shù)中是唯一的），因此需要依據(jù)某些準(zhǔn)則來選擇這個區(qū)間。一種可能是，要求所選區(qū)間內(nèi)的每點(diǎn)的后驗密度函數(shù)值都大于區(qū)間以外點(diǎn)的密度函數(shù)值。具有這種性質(zhì)的區(qū)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(qū)間［a,b］，使上式成立，這樣求的區(qū)間就是θ的貝葉斯可信區(qū)間。
六、貝葉斯假設(shè)檢驗
抽樣理論中的假設(shè)檢驗是通過設(shè)置兩個假設(shè)0和1，和一個適當(dāng)?shù)慕y(tǒng)計量，根據(jù)此統(tǒng)計量的值是否落入臨界區(qū)域內(nèi)決定每個假設(shè)被接受還是拒絕。貝葉斯假設(shè)檢驗是根據(jù)零假設(shè)0下的設(shè)定值是否以預(yù)先指定的概率落入PD區(qū)間，來決定接受或是拒絕零假設(shè)。常用的貝葉斯假設(shè)檢驗是利用后驗機(jī)會比（posterior odds）。這種方法通過計算每種假設(shè)下的后驗概率P(0｜y)和P(1｜y)得到后驗機(jī)會比01，01=P(0｜y)P(1|y) 。這一比率給出了0相對于1的優(yōu)勢。利用后驗機(jī)會比進(jìn)行假設(shè)檢驗，與其說是假設(shè)檢驗還不如說是“比較”。從上面可以看出，貝葉斯假設(shè)檢驗不要求接受或是拒絕某個假設(shè)，因為后驗機(jī)會比就足以說明問題。后驗機(jī)會比01大于1表明支持原假設(shè)，后驗機(jī)會比小于1表明接受1，后驗機(jī)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(jī)會比01也適合多重假設(shè)檢驗，這是經(jīng)典統(tǒng)計辦不到的。
七、貝葉斯預(yù)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(jìn)行預(yù)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(yù)測分布。令y為還未觀察到的向量，y和參數(shù)向量θ在
們就可以對未來參數(shù)進(jìn)行點(diǎn)預(yù)測和區(qū)間預(yù)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(yōu)美。然而，在貝葉斯分析中，一般只知道后驗分布密度函數(shù)的核，而難以獲得具體的邊緣密度函數(shù)和條件密度函數(shù)，也很難找到累積分布函數(shù)的數(shù)值分位點(diǎn)，計算邊緣后驗分布密度函數(shù)和條件密度函數(shù)的困難是阻礙貝葉斯方法應(yīng)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(diǎn)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(qiáng)勁，且一直受到計量經(jīng)濟(jì)學(xué)家的關(guān)注(朱慧明、韓玉啟,2006)。然而，這些方法的實現(xiàn)，需要依靠復(fù)雜數(shù)值的解析近似技術(shù)及相應(yīng)的軟件支撐。
目前，在貝葉斯分析中應(yīng)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(yùn)算的軟件和應(yīng)用程序已經(jīng)有很多被開發(fā)出來，例如WinBUGS通常專門用來實現(xiàn)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(yīng)用廣泛，但很難判斷何時馬爾科夫鏈已經(jīng)漸近收斂于平穩(wěn)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(shù)的發(fā)展。
通常一個完整的貝葉斯計量經(jīng)濟(jì)學(xué)問題的分析結(jié)構(gòu)都應(yīng)包括上述八個步驟的討論，當(dāng)然具體問題還要具體對待。展望未來貝葉斯計量經(jīng)濟(jì)學(xué)仍然是一個值得大量研究的領(lǐng)域，例如，面板數(shù)據(jù)分析中的隨機(jī)系數(shù)模型和時變參數(shù)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(lǐng)域,很多計量經(jīng)濟(jì)學(xué)家都對其進(jìn)行了研究，并且提出了不同的觀點(diǎn)，得出了宏觀經(jīng)濟(jì)數(shù)據(jù)的不同單位根檢驗的結(jié)果；缺失數(shù)據(jù)的分析天然地與貝葉斯方法結(jié)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(xiàn)目前關(guān)注著貝葉斯方法的發(fā)展和貝葉斯方法在計量經(jīng)濟(jì)學(xué)文獻(xiàn)中的應(yīng)用。
參考文獻(xiàn)：
阿諾德?澤爾納. 200. 計量經(jīng)濟(jì)學(xué)貝葉斯推斷引論［M］. 上海：上海財經(jīng)大學(xué)出版社.
韓明. 200. 基于無失效數(shù)據(jù)的可靠性參數(shù)估計［M］. 北京：中國統(tǒng)計出版社.
茆詩松. 1999. 貝葉斯統(tǒng)計［M］. 北京：中國統(tǒng)計出版社.
朱慧明,韓玉啟. 2006. 貝葉斯多元統(tǒng)計推斷理論［M］.北京：科學(xué)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(guān)鍵詞】國內(nèi)旅游收入 計量經(jīng)濟(jì)學(xué) 模型
一、引言
隨著經(jīng)濟(jì)發(fā)展，旅游受到越來越多人的親睞，旅游業(yè)取得了快速發(fā)展，并成為國家經(jīng)濟(jì)發(fā)展新的增長點(diǎn)。國內(nèi)旅游收入作為衡量旅游經(jīng)濟(jì)的綜合性重要指標(biāo)，直接反映了旅游經(jīng)濟(jì)的運(yùn)行狀況。研究國內(nèi)旅游收入與其影響因素之間的關(guān)系，對于促進(jìn)旅游業(yè)的發(fā)展，并推動經(jīng)濟(jì)的發(fā)展具有重要的意義。
二、模型變量選擇
旅游業(yè)的發(fā)展受到社會經(jīng)濟(jì)狀況和經(jīng)濟(jì)關(guān)系等多種因素的影響，因此國內(nèi)旅游收入是多種因素共同作用的函數(shù)：1、經(jīng)濟(jì)發(fā)展水平。近年來我國經(jīng)濟(jì)高速發(fā)展，旅游業(yè)也快速發(fā)展，國內(nèi)旅游收入不斷提高，采用國內(nèi)生產(chǎn)總值GDP來衡量經(jīng)濟(jì)發(fā)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(nèi)旅游人數(shù)。龐大的旅游人數(shù)必將帶來可觀的旅游收入，令為X3；4、人均旅游花費(fèi)。在接待人數(shù)既定的條件下，旅游者人均旅游花費(fèi)直接影響旅游收入，令為X4；5、旅游業(yè)發(fā)展水平。旅游業(yè)發(fā)展水平越高，提供的旅游產(chǎn)品和服務(wù)水平越高，吸引更多的旅游消費(fèi)者而增加旅游收入，以旅行社數(shù)量來衡量旅游業(yè)發(fā)展水平，交通發(fā)達(dá)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(yùn)輸總的旅客周轉(zhuǎn)量來衡量交通發(fā)達(dá)程度，令為X6。
五、模型檢驗與調(diào)整
（一）多重共線性檢驗與消除。
回歸模型中R2為0.999，擬合優(yōu)度很高，但除X6外變量的Prob值都偏高，其對應(yīng)的t統(tǒng)計量較小。表現(xiàn)R2為很大，t很小，可能出現(xiàn)多重共線性。進(jìn)一步檢驗各解釋變量之間的相關(guān)系數(shù)，其相關(guān)系數(shù)都很接近于1，說明模型中存在較為嚴(yán)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(chǔ)作為初始模型，順次將其他解釋變量依據(jù)R2大小逐個引入，并比較結(jié)果：初始模型中引入X3，模型的擬合優(yōu)度提高，變量也通過顯著性檢驗，則保留X3。繼續(xù)引入X6，模型的擬合優(yōu)度提高，變量也通過顯著性檢驗，但X6的系數(shù)為負(fù)數(shù)，不符合經(jīng)濟(jì)意義，則舍棄X6。繼續(xù)依次引入X2，X1和X5，模型的擬合優(yōu)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(jīng)濟(jì)意義檢驗
對初始模型進(jìn)行了多重共線性、異方差性和序列相關(guān)性檢驗并消除其影響后得到如模型③的最終回歸模型。現(xiàn)對模型進(jìn)行經(jīng)濟(jì)意義的檢驗：1、模型中人均旅游花費(fèi)X4和國內(nèi)旅游人數(shù)X3的回歸系數(shù)均為正，表明國內(nèi)旅游收入與兩者成正相關(guān)關(guān)系，符合經(jīng)濟(jì)學(xué)一般原理；2、模型中截距項的系數(shù)為負(fù)，這是由于旅游業(yè)本身經(jīng)營所需人力、物力等巨大成本的存在。因此，回歸模型符合現(xiàn)實經(jīng)濟(jì)，模型通過了經(jīng)濟(jì)意義的檢驗。
七、結(jié)論
本文的回歸模型表明，國內(nèi)旅游收入與國內(nèi)旅游人數(shù)和人均旅游花費(fèi)成正相關(guān)關(guān)系，而GDP、人均可支配收入、旅游業(yè)發(fā)展水平和交通發(fā)達(dá)程度由于與二者之間存在較高的相關(guān)性，其對國內(nèi)旅游收入的解釋作用間接體現(xiàn)在國內(nèi)旅游收入和人均旅游花費(fèi)上。
參考文獻(xiàn)：
關(guān)鍵字：文化消費(fèi)、收入、計量經(jīng)濟(jì)學(xué)分析
一、經(jīng)濟(jì)理論
客觀上對文化消費(fèi)一種解釋是說文化消費(fèi)指用文化產(chǎn)品或服務(wù)來滿足人們精神需求的一種消費(fèi)，主要包括教育、文化娛樂、體育健身、旅游觀光等方面。隨著經(jīng)濟(jì)的快速發(fā)展，人民生活水平得到了相應(yīng)的提高（主要表現(xiàn)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(yīng)的增加消費(fèi)，其中包括物質(zhì)消費(fèi)和文化消費(fèi)等方面的支出。在西方經(jīng)濟(jì)學(xué)中，我們都知道收入是影響消費(fèi)支出的最重要因素之一。與物質(zhì)消費(fèi)相比文化消費(fèi)是屬于精神層次的消費(fèi)，是高于物質(zhì)消費(fèi)的一層。文化消費(fèi)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(fèi)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(fèi)支出增加。這就為本文研究收入對文化消費(fèi)影響提供了一個經(jīng)濟(jì)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(yùn)。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(yīng)該說并沒有減少半分，人們內(nèi)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(xiàn)代社會，在經(jīng)濟(jì)高度快速發(fā)展的今天，在物質(zhì)極度發(fā)達(dá)的今天，人們已經(jīng)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(fèi)點(diǎn)和新的滿足點(diǎn)。
本文是主要通過研究收入對文化消費(fèi)影響程度的大小，來觀察在文化消費(fèi)領(lǐng)域收入是如何影響消費(fèi)的，進(jìn)一步了解到對整個經(jīng)濟(jì)社會的影響。
三、計量分析
根據(jù)1993-2011年居民文化消費(fèi)及人居收入的數(shù)據(jù)，采用EViews軟件進(jìn)行以下回歸分析。
（一）變量間相關(guān)系數(shù)分析
根據(jù)相關(guān)性分析，（中等收入）城鎮(zhèn)居民的文化消費(fèi)Y與城鎮(zhèn)居民人居可支配收入X 的相關(guān)系數(shù)為0.9767386983586031，呈高度正相關(guān)。這表明利用線性模型解釋它們之間的關(guān)系是比較適合的。
（二）繪制散點(diǎn)圖
根據(jù)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(diǎn)圖，從圖中可以看出，大多數(shù)散點(diǎn)都分布在一條直線附近，可認(rèn)為Y和X 呈高度線性關(guān)系。
（三）建立回歸方程
對統(tǒng)計數(shù)據(jù)做回歸， 根據(jù)回歸結(jié)果可得到下面的估計方程：
（1.679020） （2.623276）
根據(jù) =0.954214可以表明模型的擬合效果非常好，F(xiàn)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(shù)的置信區(qū)間估計
根據(jù)變量顯著性檢驗可以推出：在 的置信度下 的置信區(qū)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(qū)間分別為（0.01263516，0.245789）顯然，參數(shù) 的置信區(qū)間小，這意味著在同樣的置信區(qū)間下， 的結(jié)果精度高一些。
四、檢驗
（一）經(jīng)濟(jì)意義檢驗
（1.679020） （2.623276）
根據(jù)公式可知， 的符號為正，即與文化消費(fèi)成正比關(guān)系，且數(shù)值在[0，1]之間，符號經(jīng)濟(jì)發(fā)展規(guī)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(fèi)增長0.065862個單位；
綜合以上分析，該模型設(shè)定符合經(jīng)濟(jì)意義，通過了經(jīng)濟(jì)意義檢驗。
（二）統(tǒng)計檢驗
1. 擬合優(yōu)度檢驗
由以上回歸結(jié)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(shù)和修正可決系數(shù)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(shè)： = =0，即人均可支配收入與文化消費(fèi)不存在顯著性相關(guān)。 = ，即人均可支配收入與文化消費(fèi)存在顯著性相關(guān)。
通過樣本求出 統(tǒng)計量的數(shù)值后，通過 > 或 ，（n為樣本個數(shù)，k為解釋變量個數(shù)），來拒絕或接受原假設(shè) 。
在給定顯著性水平 的情況下，查表知 ，回歸結(jié)果中 ，顯然有 > ，表明模型的線性關(guān)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(fèi)存在顯著影響。
3. t統(tǒng)計檢驗
針對解釋變量 設(shè)計原假設(shè)和備擇假設(shè)分別為：
= = =0，即人均可支配收入與文化消費(fèi)不存在顯著性相關(guān)。 = = ，即人均可支配收入與文化消費(fèi)存在顯著性相關(guān)。
給定一個顯著性水平 ，得到臨界值 ，（n為樣本個數(shù)，k為解釋變量個數(shù)），通過樣本求出 統(tǒng)計量的數(shù)值后，根據(jù) 來決定拒絕或接受原假設(shè) ，從而判定對應(yīng)的解釋變量是否應(yīng)包含在模型中。
查表知 ，樣本回歸結(jié)果中， 的 統(tǒng)計量分別為2.623276，即 > 。從 的 統(tǒng)計量的P值小于0.05，也可以看出，解釋變量X 通過了t統(tǒng)計檢驗。
五、經(jīng)濟(jì)預(yù)測
根據(jù)計量預(yù)測，已知的2012年人均可支配收入為23607.2元，可預(yù)測出2012年的Y是1785.45元
根據(jù)上述的分析，可知我國在19年間文化消費(fèi)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(fèi)的貢獻(xiàn)尤為突出。在預(yù)測中，2012年我國的文化消費(fèi)依然會平穩(wěn)增長。
【關(guān)鍵詞】糧食產(chǎn)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(nóng)業(yè)相對落后的國家而糧食又是人類賴以生存的基礎(chǔ)，所以提高糧食生產(chǎn)能力是我國不容忽視的重大問題。糧食產(chǎn)量的影響因素眾多，其中投入產(chǎn)出、自然環(huán)境因素最為顯著，根據(jù)實際情況選取可能的影響因素因素探討糧食生產(chǎn)的投入產(chǎn)出關(guān)系最終將這種關(guān)系用數(shù)學(xué)表達(dá)式表示出來，最后通過確定的函數(shù)模型對糧食生產(chǎn)提出可行性建議。
（二）模型設(shè)定
1.確定模型所包含的變量。為了對影響糧食總產(chǎn)量的因素進(jìn)行深入分析，在眾多影響糧食總產(chǎn)量的因素中以糧食總產(chǎn)量為被解釋變量Y；糧食總播種面積、農(nóng)業(yè)機(jī)械總動力、有效灌溉面積、化肥施用量、受災(zāi)面積、成災(zāi)面積為解釋變量X.
2.樣本數(shù)據(jù)的搜集與整理。通過查閱2011年統(tǒng)計年鑒，搜集整理了1997年到2011年的糧食總產(chǎn)量以及6個可能影響因素的數(shù)據(jù)。見下表：
表1是設(shè)定模型所用的時間序列數(shù)據(jù)。其中，糧食總產(chǎn)量為因變量Y；糧食總播種面積為X1、農(nóng)業(yè)機(jī)械總動力為X2、有效灌溉面積為X3、化肥施用量為X4、受災(zāi)面積為X5、成災(zāi)面積為X6。
二、模型參數(shù)的估計
模型為：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+μ μ為隨機(jī)擾動項
利用計量經(jīng)濟(jì)學(xué)的基本方法--最小二乘法（OLS）對所摘樣本數(shù)據(jù)進(jìn)行模型的從參數(shù)估計，結(jié)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(shù)并不是完全顯著。
三、模型的檢驗
（一）經(jīng)濟(jì)意義檢驗。在經(jīng)濟(jì)意義上分析β0、β1、β2、β3、β4應(yīng)為正值，β5、β6應(yīng)為負(fù)值。由初步回歸的模型可以看到回歸模型的整體顯著，在經(jīng)濟(jì)意義檢驗上X2、常數(shù)C符號不正確，符號應(yīng)作進(jìn)一步研究。
（二）統(tǒng)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(shù)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(chǎn)量影響小也可能是變量之間存在多重共線性。
（三）計量經(jīng)濟(jì)學(xué)檢驗。
1.多重共線性檢驗與修正
從圖1給出的估計參數(shù)結(jié)果可以看出F值=93.00697，方程整體上是和糧食總產(chǎn)量線性關(guān)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(tǒng)計量值基本都不顯著并且β0、β2的符號也與經(jīng)濟(jì)意義相反，也表明存在多重共線性問題。
運(yùn)用Frisch（逐步分析法）對多重共線性模型修正。
第一步：運(yùn)用OLS（最小二乘法）對各個變量與解釋變量做回歸：考慮經(jīng)濟(jì)意義和統(tǒng)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(chǎn)量關(guān)系最強(qiáng)，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(yōu)度和顯著性的貢獻(xiàn)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(zāi)面積X6三個變量。擬合優(yōu)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(guān)問題不嚴(yán)重；整體方程的F統(tǒng)計量值為160.0277說明方程整體顯著；各個系數(shù)的p值分別為0.000、0.000、0.007，說明三個系數(shù)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?？梢詫懗龌貧w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(tǒng)計量為：F=RSS2/RSS1=655.4554/274.8451=2.3848
3.序列相關(guān)檢驗
由結(jié)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(jī)誤差項不存在一階序列相關(guān)。
最終確定模型為Y= -28655.24+0.591186X1+3.868546X4-0.1
39113X6
四、模型的應(yīng)用及對策建議
我國人口眾多對糧食的依賴性很強(qiáng)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(chǎn)量入手。糧食產(chǎn)量的影響因素眾多，其中投入產(chǎn)出、自然環(huán)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(chǎn)量影響最大的因素，說明投入產(chǎn)出之間的關(guān)系是顯著的；從模型可以看到播種面積對糧食產(chǎn)量的影響也同樣很重要，播種面積的增加必然使糧食產(chǎn)量的增加；受災(zāi)面積也是影響糧食產(chǎn)量的重要因素之一，與糧食產(chǎn)量成負(fù)相關(guān)。
對量產(chǎn)量增加的幾點(diǎn)建議：
1.增加播種面積是對糧食產(chǎn)量最直接簡單的方法，但是目前農(nóng)民對糧食種植的積極性很低。政府可以采取農(nóng)業(yè)補(bǔ)助、糧食最低價格、農(nóng)業(yè)保險等手段增加農(nóng)民種植糧食的積極性。可以通過提高產(chǎn)量和保證價格兩種途徑，農(nóng)業(yè)補(bǔ)助、農(nóng)業(yè)保險等保證糧食產(chǎn)量，糧食最低價格保證糧食價格。兩種手段結(jié)合使用，既對糧食產(chǎn)量有一個保證又對糧食價格有一個保證，結(jié)合使用可以提高農(nóng)民種植積極性。我國國土面積雖大但是農(nóng)業(yè)用地卻也逐漸減少。因此政府在提高農(nóng)民種植積極性的同時也要控制非農(nóng)業(yè)用地保持農(nóng)業(yè)用地數(shù)量的足夠穩(wěn)定性。除此之外，要在擁有足夠的糧食用地的基礎(chǔ)上提高利用效率。
2.在合理范圍內(nèi)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(chǎn)量有積極影響超過邊界線會產(chǎn)生相反的消極影響?？傻谜畱?yīng)該積極對農(nóng)業(yè)化肥施用類型、施用量、施用方法、施用時間等進(jìn)行宣講提高土地利用效率和化肥施用效率。
3.采用事前預(yù)防事后保障兩種途徑降低農(nóng)業(yè)風(fēng)險減少受災(zāi)面積。成災(zāi)面積對糧食產(chǎn)量影響系數(shù)雖然較小但是自然災(zāi)害的發(fā)生影響面試很廣的，若受災(zāi)面積較大時同樣會引起糧食產(chǎn)量的大幅度減少。因此，政府應(yīng)該積極增強(qiáng)對農(nóng)業(yè)的研究提高自然災(zāi)害的事前預(yù)防能力，采用農(nóng)業(yè)保險等方法保障農(nóng)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(zāi)面積減少農(nóng)民損失。
除上述對策之外，也可以通過提高農(nóng)業(yè)機(jī)械化程度增加農(nóng)業(yè)科技投入量等方法?？偠灾?，擴(kuò)大耕作面積，提高單產(chǎn)，實現(xiàn)機(jī)械化、規(guī)?；a(chǎn)是保證我國農(nóng)業(yè)健康發(fā)展的必經(jīng)之路。
參考文獻(xiàn)：
[1]張潤清.計量經(jīng)濟(jì)學(xué)[M].北京：中國農(nóng)業(yè)出版社，2007
【關(guān)鍵詞】 出口總額 匯率 GDP 進(jìn)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(jìn)出口關(guān)稅稅率是進(jìn)出口貿(mào)易的一個門坎，它對進(jìn)出口總額產(chǎn)生了顯著的影響。1994年匯率并軌，對當(dāng)年沒有產(chǎn)生太大的作用。但之后確實對中國進(jìn)出口總額產(chǎn)生了顯著性影響。[1]
有研究結(jié)果表明外貿(mào)依存度仍是度量我國貿(mào)易開放度的較好指標(biāo)，進(jìn)一步采用基于VAR系統(tǒng)的脈沖響應(yīng)函數(shù)法以及預(yù)測誤差方法分解法對貿(mào)易開放促進(jìn)經(jīng)濟(jì)增長的作用進(jìn)行了動態(tài)刻畫。[2]
基于協(xié)整理論和ECM 分析我國進(jìn)出口數(shù)據(jù)之間的協(xié)整關(guān)系，平穩(wěn)性檢驗顯示， 進(jìn)出口都是非平穩(wěn)的一階單整， 利用EG 兩步法協(xié)整檢驗方法分析誤差修正模型發(fā)現(xiàn)進(jìn)口額和出口額變量構(gòu)成了長期的均衡關(guān)系。[3]
要更有效地實現(xiàn)國債對經(jīng)濟(jì)的促進(jìn)作用，應(yīng)以提高國債項目的經(jīng)濟(jì)效益為重點(diǎn)，將更大比例的資金有重點(diǎn)地投向產(chǎn)業(yè)關(guān)聯(lián)性強(qiáng)、需求拉動力強(qiáng)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(jīng)濟(jì)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(jīng)濟(jì)增長的長期影響， 受其自身的短期影響；出口受經(jīng)濟(jì)增長短期影響。[5]
改革開放以來，我國的國民經(jīng)濟(jì)發(fā)展迅速，GDP增長數(shù)度始終保持在 7%以上。同時，進(jìn)出口規(guī)模迅速擴(kuò)大。2001 年，我國進(jìn)出口總 額達(dá)到 5098 億美元，是 1989 年的 4.6 倍，年均增長 13.6%。可見，我國的年進(jìn)出口總額 與國內(nèi)生產(chǎn)總值有著密切的聯(lián)系。 [6]
模型通常采用進(jìn)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(mào)易均衡的一個因素，要綜合反映一個國家GDP的發(fā)展，顯然沒有進(jìn)出口總額有效。 [7]
有些模型中引入了六個變量：居民消費(fèi)水平，對外經(jīng)濟(jì)合作，國內(nèi)貸款，國民收入，財政支出，財政收入。從所做的回歸結(jié)果看，影響我國的進(jìn)出口總額的主要因素有居民消費(fèi)水平，固定資產(chǎn)投資中的國內(nèi)貸款，且國內(nèi)貸款的影響最大。 [9]
據(jù)海關(guān)統(tǒng)計：2005年我國制成品的進(jìn)出口貿(mào)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(jié)構(gòu)也在不斷地優(yōu)化。[10]
因此，相關(guān)影響因素可能有：人民幣匯率、國內(nèi)生產(chǎn)總值GDP、進(jìn)口總額、政策性因素、產(chǎn)業(yè)結(jié)構(gòu)等。
2. 模型數(shù)學(xué)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(nèi)生產(chǎn)總值GDP）、X2（進(jìn)口總額）和X3（人民幣匯率）。數(shù)據(jù)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(diǎn)圖如下：
從走向來看，X1和X3對應(yīng)的點(diǎn)散布在從左下角到右上角的區(qū)域， X1和X3與Y呈正相關(guān)關(guān)系；而X2對應(yīng)的點(diǎn)有先升后降的趨勢，表明X2與Y之間的相關(guān)關(guān)系較為復(fù)雜。因此需要分別對Y和單獨(dú)的各個X做出散點(diǎn)圖分析。
2.2 Y分別與X1、X2和X3的散點(diǎn)圖：
X1與Y的關(guān)系可以用非線性函數(shù)--冪函數(shù)--來表示。
X2與Y的關(guān)系可以非線性函數(shù)--指數(shù)函數(shù)--來表示。
X3與Y的關(guān)系可以用線性函數(shù)表示。
因為存在突然Y值飆升的斷點(diǎn)，因此有必要設(shè)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(shù)據(jù)走向分析發(fā)現(xiàn)，當(dāng)X2達(dá)最大時，Y的值又回落至斷點(diǎn)前的水平--可以發(fā)現(xiàn)若把斷點(diǎn)后半部分約以X2=600的位置為軸作軸對稱，再平移接到斷點(diǎn)后，則可基本呈現(xiàn)連貫的函數(shù)圖象，且可以以指數(shù)函數(shù)表達(dá)。得出X2對Y的擬合形式：c（3）*e^（m+d1*x2）。設(shè)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(guān)系數(shù)矩陣如下：
由此得到：ry1=0.975388>0.90，ry2=0.4942880.90。這說明單獨(dú)來看，X1、X3和Y之間存在較為密切的線性相關(guān)關(guān)系，而X2與Y之間的關(guān)系相對較弱。而X1和X3之間的相關(guān)系數(shù)為0、981887，說明兩者之間有較強(qiáng)的相關(guān)關(guān)系；而X1和X2、X2和X3之間的相關(guān)系數(shù)基本在0.5左右，之間關(guān)系較弱。
3. 估計模型的方法
由以上相關(guān)關(guān)系分析得，Y可以用X1的冪函數(shù)形式、X2的指數(shù)函數(shù)形式和X3的線性函數(shù)形式結(jié)合起來表達(dá)。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(jié)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(shù)學(xué)表達(dá)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(nèi)的數(shù)字對應(yīng)于b0 ，b1的t檢驗統(tǒng)計量?；貧w標(biāo)準(zhǔn)誤差為105.38，殘差平方和為299859.8， D.W.=1.18，F(xiàn)=7754.64，
4. 模型檢驗：
4.1經(jīng)濟(jì)意義檢驗
從上述參數(shù)的系數(shù)可以看出：GDP和進(jìn)口總額均與出口總額之間存在顯著正相關(guān)關(guān)系，而人民幣匯率與出口總額之間存在顯著的負(fù)相關(guān)關(guān)系。將模型參數(shù)的估計量與預(yù)先擬定的理論期望值進(jìn)行比較，包括參數(shù)估計量的符號、大小、相互之間的關(guān)系，以判斷其合理性。模型充分滿足經(jīng)濟(jì)意義并且合理。
4.2統(tǒng)計檢驗
4.3 可決系數(shù)及擬合優(yōu)度
可決系數(shù)R2=0.999082，，調(diào)整可決系數(shù)R2=0.998980。兩者均很大且接近1，即回歸直線的擬合優(yōu)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(yōu)度，該模型：SC=12.45，AIC=12.27這兩個值越小擬合優(yōu)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(shù)項：p=0.4744>0.05，表示在顯著性水平α=0.05和0.01下常數(shù)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(guān)關(guān)系、不存在任何關(guān)系或xi與xj（i≠j）存在線性相關(guān)關(guān)系等。常數(shù)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(yīng)該將常數(shù)項從模型中剔除，而應(yīng)從其他方面進(jìn)行優(yōu)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(jié)果得：F=9793.316，且其p值=0.0000。
同理，因為p=0.0000Fα。則原假設(shè)在5%和1%的顯著性水平上均被拒絕，表明X1、X2和X3聯(lián)合起來對Y有顯著影響。
4.4.3計量經(jīng)濟(jì)學(xué)檢驗；
（1）自（序列）相關(guān)性檢驗
在EVIEWS3.0的估計結(jié)果輸出窗口操作RESIDUAL TEST/CORRELOGRAM-Q-STATI-
STICS，進(jìn)行自相關(guān)檢驗，結(jié)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(nèi)，因此可以認(rèn)為該殘差序列為純隨機(jī)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(guān)問題。
（2）異方差性檢驗
在EVIEWS3.0的估計結(jié)果輸出窗口操作VIEW/RESIDUAL TEST/WHITE HETEROSKE-
DASTICITY（NO CORSS TERMS），結(jié)果如下：
WHITE檢驗統(tǒng)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(shè)，即認(rèn)為不存在異方差。
若采用含有交叉項的懷特檢驗，結(jié)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(jīng)驗判斷方法表明：當(dāng)VIF≥100，存在嚴(yán)重多重共線。
再看變量之間的相關(guān)系數(shù)，初步判斷是由于X1和X3之間較強(qiáng)的線性相關(guān)關(guān)系引起的。
CHOW氏模型結(jié)構(gòu)變化檢驗
假設(shè)1994年為斷點(diǎn)的CHOW式斷點(diǎn)檢驗說明：即使1994年的匯率有了較大的提高，但1994年前后經(jīng)濟(jì)結(jié)構(gòu)并沒有發(fā)生變化。
CHOW氏模型穩(wěn)定性檢驗
以2000年為選擇點(diǎn)，由結(jié)果可見，該模型尚未達(dá)到穩(wěn)定，還需要進(jìn)一步調(diào)整。
5. 解釋說明與存在的問題
5.1對模型估計結(jié)果解釋說明
根據(jù)模型估計結(jié)果，C2 為0.00385，C3為-0.813E-33，C4為0.896359。在這一組參數(shù)值中，X1的參數(shù)明顯比預(yù)想中小，X2沒有太偏離預(yù)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(jìn)口總額對于出口總額的影響與設(shè)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(jìn)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(gòu)造統(tǒng)計量，進(jìn)行統(tǒng)計檢驗，并根據(jù)相應(yīng)的經(jīng)濟(jì)理論進(jìn)行解釋，從中選取最優(yōu)的回歸方程；然后逐步引入其他的解釋變量，再做相應(yīng)的回歸方程，擴(kuò)大模型的規(guī)模，同時對所有解釋變量的回歸系數(shù)進(jìn)行檢驗。
（2）改變變量的定義形式
要根據(jù)所分析的具體經(jīng)濟(jì)問題及模型的形式對解釋變量重新調(diào)整，如用相對數(shù)變量替代絕對數(shù)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(biāo)準(zhǔn)差比最小二乘回歸要大。
5.2.2穩(wěn)定性不足
模型未通過Chow's檢驗，存在模型穩(wěn)定性不夠的問題。應(yīng)該再回頭再對數(shù)據(jù)進(jìn)行預(yù)備處理，即進(jìn)行價格平減、取自然對數(shù)，或HP濾波處理，這樣數(shù)據(jù)質(zhì)量會高一些，不穩(wěn)定性問題應(yīng)該能得到一定解決。
5.2.3可能遺漏重要解釋變量
應(yīng)當(dāng)盡可能地搜集更多的資料，找尋更多的數(shù)據(jù)，如出口原材料價格指數(shù)、我國關(guān)稅總額等，通過理論和實踐等途徑考察各因素分別及聯(lián)合起來對出口總額的影響程度，加強(qiáng)模型的解釋說明和預(yù)測能力。
6. 結(jié)論和政策建議
6.1結(jié)論
6.1.1人民幣匯率下調(diào)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(qiáng)在國際市場上的競爭力；使用人民幣表示的進(jìn)口商品價格升高，使其在國內(nèi)市場上處于不利地位，從而達(dá)到擴(kuò)大出口，限制進(jìn)口。匯率單獨(dú)對進(jìn)口和出口產(chǎn)生重大的影響，但是對進(jìn)出口總額則沒有太大的影響。
6.1.2 1994年匯率并軌，對當(dāng)年沒有產(chǎn)生太大的作用。但之后確實對中國進(jìn)出口總額產(chǎn)生了顯著性影響
6.1.3 GDP對出口總額的影響并不如預(yù)想中的大，所以，我國GDP連續(xù)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(fù)雜的影響，政府在制定經(jīng)濟(jì)與財政政策時，應(yīng)注重引導(dǎo)。
6.2政策建議
6.2.1在現(xiàn)有的人民幣匯率基礎(chǔ)上，再次通過漸進(jìn)的人民幣升值來實現(xiàn)進(jìn)出口總額的下降，進(jìn)而促進(jìn)外貿(mào)依存度的降低。 另外，根據(jù)日本的經(jīng)驗來看，本幣升值還可以在間接上起到調(diào)整出口產(chǎn)品結(jié)構(gòu)的作用。
6.2.2調(diào)整國內(nèi)的產(chǎn)業(yè)調(diào)整。大力發(fā)展高新技術(shù)產(chǎn)業(yè)，以減少對國外技術(shù)的依賴，進(jìn)而降低該類產(chǎn)品的進(jìn)口；大力發(fā)展能夠吸納勞動力的輕工業(yè)和服務(wù)業(yè)，有效提高國民的收入，進(jìn)而進(jìn)一步推動第三產(chǎn)業(yè)的發(fā)展。
6.2.3提高城鎮(zhèn)居民的消費(fèi)傾向。通過收入分配政策調(diào)整收入差距，實際上就是在居民收入持續(xù)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(xiàn)：
[1] 劉雪倩，《影響我國出口總額的因素分析》.
[2] 許和連，《出口貿(mào)易促進(jìn)經(jīng)濟(jì)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(jìn)出口數(shù)據(jù)的計量經(jīng)濟(jì)--協(xié)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(jīng)濟(jì)發(fā)展的關(guān)系》.
[5] 曹海濱，許銳，趙飛，《我國出口、外商直接投資與經(jīng)濟(jì)增長的計量經(jīng)濟(jì)分析》.
[7] 《GDP與出口總額的計量分析》.
[8] 《中國統(tǒng)計年鑒》.
[9] 關(guān)于我國進(jìn)出口總額的影響因素的分析》.
[10] 馬婷潔 ，《FDI對我國貿(mào)易出口額影響的實證分析》.
關(guān)鍵詞：流通方式 貨物周轉(zhuǎn)量 計量經(jīng)濟(jì)學(xué) OLS回歸分析
由于數(shù)據(jù)的可獲得性，本文采用1990—2010年共21個我國貨物周轉(zhuǎn)量及不同運(yùn)輸方式下線路里程的數(shù)據(jù)進(jìn)行OLS回歸分析，得出鐵運(yùn)、公路、水云以及民航等不同運(yùn)輸方式對我國貨物周轉(zhuǎn)量的影響程度，對提高我國貨物流通效率提出一些規(guī)范性建議。
一、模型設(shè)定
二、數(shù)據(jù)的收集
本文數(shù)據(jù)均通過我國統(tǒng)計年鑒相關(guān)年份數(shù)據(jù)的查詢獲得，選用1990—2010年我國貨物周轉(zhuǎn)量以及鐵路、公路、內(nèi)河航路和民航運(yùn)輸線路里程數(shù)據(jù)對上述建立的模型進(jìn)行回歸分析。
三、模型分析與調(diào)整
1.模型的參數(shù)估計
利用EVIEWS軟件，對上述模型進(jìn)行OLS估計。
（1）經(jīng)濟(jì)意義檢驗
（2）統(tǒng)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(guān)性的檢驗與修正
5.模型最終分析
四、總結(jié)及建議
本文運(yùn)用計量經(jīng)濟(jì)學(xué)模型，研究不同運(yùn)輸方式對我國貨物周轉(zhuǎn)量的影響程度，通過OLS回歸分析可得，對我國貨物周轉(zhuǎn)量影響程度最大的是鐵路運(yùn)輸，其次是公路運(yùn)輸；水運(yùn)方式在α=0.05水平下對貨物流通效率呈現(xiàn)負(fù)影響，因為本文被解釋變量為貨物周轉(zhuǎn)量，衡量的是貨物流通效率，而不是貨物量，水運(yùn)以其容積大，在貨物量上的影響很顯著，但由于其運(yùn)輸線路的特殊性以及運(yùn)轉(zhuǎn)的復(fù)雜性，所以水運(yùn)方式呈現(xiàn)負(fù)影響?；趯嵶C分析結(jié)論，對提高我國貨物周轉(zhuǎn)效率提出一些建議：
1.綜合調(diào)度最佳的配送線路和運(yùn)輸方式
在流通配送中，要達(dá)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(diào)度最佳的配送線路和運(yùn)輸方式。只有合理完善調(diào)配運(yùn)輸線路與運(yùn)輸工具，才能不斷加強(qiáng)產(chǎn)銷銜接點(diǎn)，縮短運(yùn)輸線路，節(jié)省運(yùn)輸時間，降低運(yùn)輸成本，選擇合適的運(yùn)輸工具，減少貨物在運(yùn)輸過程中的損耗。
2.加大投資力度，改善傳統(tǒng)運(yùn)輸工具
由回歸方程可知，對我國貨物周轉(zhuǎn)量影響最為顯著的主要是鐵路與公路運(yùn)輸方式，在一定的運(yùn)輸距離下，運(yùn)輸工具要充分快捷、迅速。因此建議要加大貨物運(yùn)輸工具的投資力度，積極改善傳統(tǒng)運(yùn)輸工具的裝備配置，提高傳統(tǒng)運(yùn)輸工具的運(yùn)轉(zhuǎn)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(yùn)輸風(fēng)險。
3.提高“節(jié)約歷程法”在貨物流通中的應(yīng)用水平
“節(jié)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(yùn)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(jié)約值，之后確定初始運(yùn)輸方案的運(yùn)輸線路及運(yùn)輸費(fèi)用，合理安排運(yùn)輸方式以達(dá)到節(jié)約里程的同時節(jié)約運(yùn)輸時間，減少運(yùn)輸環(huán)節(jié)及成本。
參考文獻(xiàn)：
[1]龐浩.《計量經(jīng)濟(jì)學(xué)》[D].科學(xué)出版社.2010（6）
[2]龐浩.《計量經(jīng)濟(jì)學(xué)學(xué)習(xí)輔導(dǎo)》[D].科學(xué)出版社.2011（3）
[3]李如姣.“節(jié)約里程法”在某物流公司配送中心的實際運(yùn)用[J].科技資訊.2008（11）
[4]戴群艷.對我國國內(nèi)旅游需求的計量經(jīng)濟(jì)學(xué)分析[J].中國商界.2010（7）.第202期
[5]于航.基于節(jié)約里程法的鮮活農(nóng)產(chǎn)品物流配送車輛路線的最優(yōu)設(shè)計[J].安徽農(nóng)業(yè)科學(xué).2011（4）
[6]王珊.我國鮮活農(nóng)產(chǎn)品物流存在的突出問題及解決對策研究[J].現(xiàn)代經(jīng)濟(jì)信息.2011（9）
[7]童光榮.《計量經(jīng)濟(jì)學(xué)實驗教程》[D].武漢大學(xué)出版社.2008（6）
