面板数据范文

导语：如何才能写好一篇面板数据，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

【关键词】截面数据 面板数据模型

最近几年，关于面板数据模型应用在学术界逐渐升温。据统计，仅《维普资讯―中文科技期刊数据库》所收录的文献已经达到几百篇。所谓面板数据是指由变量关于个不同对象的个观测值所得到得二维样本观测值构成的样本数据，记为，在这里，表示个不同对象中第个个体，表示第个观测期。我们将第个对象的期观测值组成的时间序列称为面板数据的第个纵剖面时间序列；将第期个对象的截面数据称为面板数据的第期横截面。所以，面板数据也称作时间序列与截面的混合数据 [1，2]。

1 面板数据模型介绍

面板数据回归模型的一般形式为：

（1）

其中为向量，为向量，为解释变量的个数。误差项均值为零，方差为。

根据截距项及系数的不同取值，以将面板数据模型划分为 3 种情形：

情形1：

情形2：

情形3：

2 面板数据模型分类

2.1混合面板数据模型

从时间上看，不同个体之间不存在显著性差异，从截面上看不同的截面之间也不存在显著性差异，就称此模型为混合回归模型。用普通最小二乘法（OLS）估计参数。

即 （2）

混合面板数据模型假设了所有的解释变量对被解释变量的影响与个体和时间都无关，Swamy（1971）等学者认为这个假设是不完全正确的。因为在实际问题的研究中，可能只有部分解释变量的系数与个体无关的，因此可以假设模型（2）中前个解释变量的系数与个体无关，后个解释变量的系数随个体变化，即将分为和两部分，参数也被分为和两部分，模型就被变为

（3）

2.2变截距面板数据模型

变截距面板数据模型是应用最广泛的一种面板数据模型，可表示为

（4） 其中为向量，为向量，为个体影响，为模型中被忽略的反映个体差异变量的影响；为随机干扰项，为模型中被忽略的随横截面和时间变化的因素的影响，假设其均值为零，方差为，并假定和不相关。假如横截面的个体影响可以用常数项的差别来解释，则是待估参数，则此模型称为固定影响变截距模型。如果横截面的个体影响可以用不变的常数项和变化的随机项之和的差别来说明的话，那么模型（3）就称为随机影响变截距模型。

2.3变系数面板数据模型

变化的经济结构或不同的社会经济背景因素使得响应参数（结构参数）随着时间或横截面个体不同而变化，当数据不支持不变响应参数模型，而且变量之间关系的设定也很恰当时，就必须考虑在时间或横截面上系数变化的变系数模型。即

， （5）

其中和是解释变量和参数向量。

2.3.1固定影响变系数模型

如果为固定不变的常数时，称此模型为固定影响变系数模型。

记为 则如果随机干扰项在不同横截面个体之间不相关，采用即GLS得到估计量，条件是

，且，如果随机干扰项在不同横截面个体之间的协方差不为零，即，那么，的GLS估计比在每个横截面个体上的经典单方程估计更有效。

2.3.2 随机影响变系数模型

令，Swamy（1970）假定

式（5）可以表示成

其中

，复合干扰项的协方差矩阵是对角分块阵，第个对角分块为：

3面板数据模型的优势

（1）截面数据和时间序列数据相结合能够显著的减少缺省信息带来的问题，使得模型设定及参数估计更准确；（2）面板数据模型扩大了样本信息和样本容量、降低了经济变量间的共线性，也提高了计量经济估计量的有效性；（3）面板数据可以对个体不同进行控制。面板数据研究的对象允许个人、公司、地区或者国家是不同的。而时间序列数据和横截面数据研究对这些个体不加以控制，则有可能出现偏估计。由于当今社会处于转型经济研究当中，现行经济体制的历史较短，因而运用面板数据计量经济学研究这些国家的经济规律显得很有必要[2，3]。

参考文献：

[1] 李子奈，潘文卿.计量经济学[M].北京：高等教育出版社，2005.3.

篇2

关键词：中美服务贸易收支；面板数据模型；货物贸易

中图分类号：F323.6文献标识码：A文章编号：1003-4161(2009)01-0118-04

1.前言

中国和美国分别作为世界上最大的发展中国家和经济实力最强的国家，两国间的贸易对世界经济有着重大的影响。根据中国海关统计数据显示，2006年中国对美国贸易顺差为1.443亿美元；而根据美国政府的统计，2006年美国对中国的贸易逆差达到了创纪录的2.325.5亿美元，占美国整体贸易逆差的28%。中国对美巨额的贸易顺差在一定程度上造成了美国的经济失衡，而美国的经济失衡则是全球经济失衡的主要原因之一。然而，在中国对美货物贸易保持巨额顺差的同时，中美服务贸易却多年来一直是中国处于入超的状态，只是这种服务贸易的逆差被巨额的货物贸易顺差所掩盖了。随着经济全球化的发展，世界贸易的竞争将更多地体现于服务贸易的竞争，并且其竞争的成败将在一定程度上决定各国经济发展的未来。因此，加强对服务贸易的研究，特别是在当前形势下加强对中美服务贸易收支的研究将有着重要的意义。

2.相关文献回顾

到目前为止，在针对服务贸易的相关研究方面，国外学者比国内学者研究得更加深入，且在分析相关影响因素的基础上进一步通过计量回归的方法对实际情况进行了检验。Juann H.Hung和Sandre Viana(1995)采用时间序列中协整分析的方法对上世纪80年代中期美国服务贸易进出口中增长最快的三个部分（旅游、其他私人服务、版税和许可费）进行了研究，其研究结果表明，外国稳健的经济增长和美元的贬值是推动上世纪80年代后半期美国服务贸易收支迅速增长的主要因素［1］。Alan V.Deardorff，Saul H.Hymans，Robert M.Stern和Chong Xiang（2000）使用上世纪70年代至90年代的季度数据对美国服务贸易四个子项（旅游服务、运输服务、乘客运输服务和其他私人服务）的出口和进口建立模型并进行了预测，研究认为，在经过亚洲金融危机以后，美国服务贸易顺差在1999和2000年会减少，到2001年会重新增长［2］。Denise Eby Konan和Ari Van Assche（2004）将一个不完全竞争服务部门纳入小型开放经济这样的标准来计算一般均衡模型（CGE model），以此来分析管制和市场结构这两个因素对突尼斯服务贸易自由化的福利影响，并强调了市场结构和法制环境对突尼斯电信自由化的重要性［3］。与此同时，还有一些国外学者将在货物贸易研究中使用较多的引力模型也应用到了对服务贸易的研究上，Lejour和De Paiva Verheijden（2004）使用引力模型对加拿大和欧盟的双边服务贸易流量进行研究发现，距离对服务贸易影响比之其对货物贸易的重要程度要低［4］。目前，国内也有不少学者对服务贸易收支进行了研究，谢康，李赞（2000）对美国的货物贸易和服务贸易之间的互补性进行了研究，并认为一定时期内中美两国政府和企业不可能从根本上改变中美贸易不平衡的局面

［5］。张德进，吴韧强（2004）利用RCA指数和TC指数对中美两国在服务贸易领域的优势和劣势进行了定量分析，研究结果显示美国在知识和技术密集型的服务产业上仍然保持着显著优势，但我国在劳动密集型服务产业渴望得到较大的发展［6］。程南洋，杨红强和聂影（2006）对我国1999～2003年的服务贸易出口结构变动进行了实证分析，研究表明中国服务贸易出口结构在不断优化，但优化的幅度很小［7］。孙夏，张静中（2006）通过分析中美服务贸易逆差后认为，中国应加大在人力资本及科技方面的投入，并通过分层次逐步对美开放和适度保护相结合来缩小中美服务贸易之间的逆差［8］。

总的来说，与国外相关研究相比，国内研究显得相对没有国外研究的深入和系统。在研究方法方面，有些国内学者在研究服务贸易收支时采用的是相关系数分析法，这种分析方法只是对两变量之间进行分析，却忽视了其他的相关影响变量的作用，缺乏说服力。目前国内几乎还没有学者采用较为合适的计量模型来对中美服务贸易收支进行实证分析，因此，本文采用面板数据模型来分析中美服务贸易收支，将具有独特而重要的研究意义。

3.研究思路

和货物贸易一样，国与国之间服务贸易的进行必然有其理论基础，然而由于贸易动因和贸易形式的多样化，这就使得一种纯粹的贸易理论无法完全将两国间贸易的实际情形解释清楚。但不管怎样，国际间的贸易必然有其共同的影响因素，因此，要研究两国间的贸易收支，将这些共同的影响因素纳入同一个方程，并选择适当的计量模型进行实证分析，将不失为一种较好的方法。

在两个国家进行贸易的情形下，一国的贸易收支等于其出口减去进口，而与此同时，一国的进口就是另一国的出口。从这个角度出发，两国间的出口和进口都具有一些共同的影响因素，只是这种因素的来源国不同而已，因此研究一国对另一国贸易收支影响因素的问题就转变成了研究出口影响因素的问题。本文在研究服务贸易出口时主要考虑了四个随时间变化而变化的重要影响因素，见方程［1］，即收入、货物贸易、对外直接投资和实际汇率，如方程①所示：

EXd= Fd（Yf ，Xd，FDId ，RER） ①

方程中EXd表示本国对外国的服务贸易出口额，Yf表示外国的收入水平，FDId表示本国对外国的直接投资，Xd表示本国对外国的货物贸易出口，RER表示实际汇率。其中，（1）Yf对EXd的影响是正向的，因为本国的出口是基于外国的需求，外国收入水平越高，对本国服务贸易产品的需求则越大；（2）FDId和Xd对EXd的影响也是正向的，这主要是由于对外直接投资和货物出口增加，一定程度上会带动相关服务产品的出口，同时，由于对外直接投资和货物贸易量的增大反映出本国与外国在经贸关系上的愈发紧密，这也会促进本国的服务贸易出口［2］；（3）实际汇率在反映名义汇率的同时还包含了物价水平的变动，但在这里，RER对EXd的影响却是不确定的，这种不确定性是因为实际汇率变动带来的产品数量和产品相对价格变化方向的不同变化所导致。

正如前所述，在两国情形下，本国的进口等于外国的出口，而外国的出口也存在着相同的影响因素，因此，本国的进口方程则为：

IMd= Fd（Yd ，Xf ，FDIf，RER） ②

由于本国的贸易收支等于出口减去进口，而出口和进口方程中均具有共同的影响因素，因此，本国的贸易收支方程也将具有与出口和进口相同的影响因素，即：

B = F（Yf-d , Xd-f , FDId-f , RER）③

其中B为本国对外国的服务贸易收支。在方程①和方程②中，除实际汇率RER的影响方向是不确定之外，其他各变量的影响方向是被确定的，但在服务贸易收支方程中，除实际汇率RER之外，其他三个变量均变成了相对形式，这就使得服务贸易收支方程中四个变量影响方向都具有不确定性，必须通过计量回归的方法对具体两个国家间的服务贸易收支进行分析，才能确定这些变量对其中一国服务贸易收支的影响方向及其影响大小。

4.计量分析

与货物贸易有商品分类一样，服务贸易也有其子项，这就使得本文对服务贸易收支的分析就牵涉到了截面数据，与此同时，考虑到时间序列因时期过短会造成样本数目不足，因此，使用既包含时间序列又包含了截面数据的面板数据模型来分析中美服务贸易收支，一方面能较全面地反映所要研究的对象本身，另一方面还扩充了样本容量，使得回归模型更具有说服力。

4.1 相关变量和指标的选取

在建立计量模型之前，首先要对相关变量和指标进行选择和调整，同时，为了减小数据的波动性和异方差，还必须对原数据进行对数化处理，这也就是本文在进行计量回归前模型设定的一个重要标准。此外，本文所研究服务贸易收支的时期区间是1994～2005年，主要是考虑到在这一时期内人民币采取的是钉住美元的汇率制度，这就在一定程度上消除了因汇率制度改革而产生的样本自身结构性的突变。

4.1.1 因变量的选择。由于中美两国在服务贸易方面是中国处于入超状态，因此，模型的因变量为美国对中国的顺差额。在中美服务贸易收支下的各子项中，美国某些年份中在旅游服务、乘客运输和其他运输这三项收支上是出现逆差的，这就意味着这几个子项的收支在账面上会出现时正时负情形，因此，基于数据对数化的要求考虑，本文并不将旅游服务、乘客运输和其他运输纳入研究范围。此外，由于部分年度数据缺失的原因，保险也并不纳入本文的研究范围。最后，模型所确定的因变量LnYi包括五个截面：（1）私人服务；（2）版税和许可费；（3）其他私人服务；（4）商业、职业和技术服务；（5）其他交易者附属私人服务。

4.1.2 自变量的选择。模型的四个自变量中，除实际汇率外，其他三个变量均为“相对”变量。（1）收入水平。模型中“相对”收入水平采用的是比值的形式，即首先将两国的GDP调整至同一数量级（billion），再将中国的GDP按当年美元与人民币的比价换算成美元，最后将美国的GDP除以换算过后的中国GDP，就得出模型的第一个自变量X1。由于X1本身已经是一个比值，因此X1并不要再进行对数化处理。（2）货物贸易。在中美两国的货物贸易方面，中国保持着巨额顺差，因此模型的第二个自变量LnX2则为对数化后的中国对美货物贸易顺差。（3）对外直接投资。目前，美国对华直接投资大大超过了中国对美直接投资，这就使得本文的第三个自变量LnX3为对数化后的美中双方直接投资的差额。（4）实际汇率。由于在样本期内人民币采取的是钉住美元的汇率制度，因此人民币对美元的名义汇率是几乎不变的，但考虑到两国物价水平的变动，人民币对美元的实际汇率却是变动的。其中计算实际汇率所使用的物价指标是消费者价格指数（均已调整为以1994年为基期）。将计算出的实际汇率进行对数化处理后就得到本文模型的最后一个自变量LnX4。

在数据来源方面，服务贸易收支、美国年度GDP和对外直接投资的数据来源于美国经济分析局；货物贸易和人民币汇率数据来源于亚洲开发银行［3］；中国年度GDP和消费者价格指数来源于中经网数据库。

4.2 计量回归

根据面板数据模型中对截距项向量和系数向量的不同限制要求划分，面板数据模型被分为三种类型：无个体影响的不变系数模型、含有个体影响的不变系数模型（变截距模型）和含有个体影响的变系数模型（变系数模型）。一般来说，要经过相关检验后，才能具体确定选择建立哪类面板数据模型，这样做的目的是为了避免模型设定偏差，以此改进参数估计的有效性。但根据现实情况而言，不同类别的服务贸易子项是肯定存在结构上的差异的，同时其不同类别的子项对这些共同影响因素的反映程度也是不一样的，基于此种原因，本文选择建立的是含有个体影响的变系数模型，同时在回归结果中通过相同的系数检验进行验证。此外，为了进一步减少因为面板数据模型中由于存在截面或时期异方差对回归结果造成的不利影响，在具体的回归方法上选择的是相应的广义最小二乘估计法。

初始设定的模型为：LnYi = Ci+a1iX1+ a2iLnX2+ a3iLnX3+ a4iLnX4+ u, 其中C为截距项，u为随机扰动项。根据（表1）显示，使用时期加权具有最好的效果（残差平方和明显减小），其具体回归结果（表2）所示。

从(表2)中能够看出，在10%的水平下，模型的截距项均是显著的，这也验证了在模型选择时所推定的服务贸易收支子项存在着显著的结构差异；同时，在回归结果中，第二个自变量LnX2即两国货物贸易的系数在各截面均无法通过显著性检验，因此，要对模型进行进一步的处理，将LnX2从初始模型的自变量中剔除，修正后的模型为：

LnYi= Ci+a1iX1+ a3i LnX3+ a4iLnX4+ u

采用上述同样的步骤再次对修正后的模型使用时期方差进行加权最小二乘回归，其结果(表3)所示。

通过对初始模型进行设定和对回归方法进行选择，并在初始设定模型回归结果的基础上进行进一步地修正后，虽然仍有部分截面的系数依然不显著，但模型中大部分系数已经显著，从模型整体上看，已经达到了一个较为满意的回归结果。而从经济理论上来看，不同截面由于其自身存在各自的特点，在面对这些共同的影响因素时表现出不同的显著性，这是合乎现实情况的。因此，本文分析的结论将在模型回归结果的基础上总结得出。

5.结论

通过建立含有个体影响的变系数面板数据模型，并采用广义最小二乘法进行回归后，可以发现模型中5个截面的截距项是不同并且显著的，这表明本文所分析的中美服务贸易收支中的五个子项存在着明显的结构差异；与此同时，模型中各截面自变量的系数也存在着较为明显的差异，甚至不同截面在对某些自变量时表现出了相反的变动方向，这也反映出中美服务贸易收支的五个子项受某些因素影响的程度明显不同。总的来说，本文的结论主要包括四个方面。

第一，对服务贸易的需求是影响中美两国服务贸易收支变化的最显著因素。模型显示，随着自变量X1的减小，即中国经济增速高于美国经济增速，这五个子项的贸易收支都将会被拉大，这也表明，随着中国经济的高速增长，对美国提供的服务的需求将会快速增长，伴随而来的也是中国对美服务贸易逆差的扩大。在5个子项中，版税和许可费的边际系数大小高出其他四个子项边际系数将近一倍，中国表现出对美国的专利、技术、商标等国际技术贸易标的以及出版发行物的较高需求弹性。

第二，货物贸易与服务贸易的相互关系在整体上并不明显。在本文初始模型的回归结果中，货物贸易这一自变量对五个子项的影响均不显著，服务贸易和货物贸易貌似“各行其道”，这与国内一些相关研究的结果存在着出入。这种情况出现的原因可能是多方面的，从本文的角度看来，最有可能的原因是：（1）货物贸易一方面对服务贸易有促进作用，另一方面货物贸易与服务贸易又存在着一定的互补性，综合起来就使得二者整体间的相互关系在统计上并不显著；（2）可能是由于模型的因变量在选取上并没有包含与货物贸易相关度比较大的项目，或者是对模型截面分类的选择（中美服务贸易收支的子项分类）造成了货物贸易影响不显著。

第三，国际直接投资会带动相关服务贸易的进行。模型结果显示，美国对中国增加直接投资会带动其私人服务出口和版税及许可费收入的增加，其中版税及许可费收入受这种国际直接投资的影响最为显著，这本身也是因为技术的转移很大程度上表现出与国际直接投资在时间上的近似同步以及在方向上的大体一致。目前，美国对中国的直接投资远远大于中国对美投资，伴随着这种直接投资差额的增大，美国对中国服务贸易的顺差将会有可能更进一步扩大。

第四，人民币实际汇率波动对中美服务贸易收支存在一定影响［5］。从模型回归结果来看，人民币实际汇率对五个截面中的三个截面存在显著影响，并且人民币实际汇率贬值，会带来美国对中国服务贸易收支顺差的增加。这也反映出在中国对美国服务有着较大需求的情况

下，随着单位美元能换取更多的人民币，美国将更愿意对中国进行相关服务产品的出口。

6.总结

通过本文所进行的实证分析可以看出，除货物贸易外，两国相对经济增长速度、国际直接投资和人民币实际汇率对中美服务贸易收支下的五个子项有着不同程度的影响。从目前来看，由于中国保持着持续的高速增长，这将加大对美国服务贸易品进口的需求；同时，随着美国对中国直接投资增加自身会带来对中国服务贸易出口的增加外，直接投资还通过其直接和间接作用推动中国经济增长，这将进一步带来对美国服务贸易产品的需求。从这两方面来看，中国对美服务贸易收支将可能进一步恶化。虽然模型显示人民币实际汇率升值会改善中国对美服务贸易收支的逆差，且自2005年我国汇率制度改革后人民币处于升值状态，但目前美国自身面临的通货膨胀压力会在一定程度上抵消人民币升值影响，此外，一旦人民币停止升值并处于一个相对稳定的汇率水平时，其他两个因素将成为影响中美服务贸易收支动态变化的主要因素。总的来说，今后中国在对美服务贸易收支变化上具有不确定性，但这种逆差在一定时期内扩大而非缩小的可能性更大，因此，加强对中美服务贸易的研究，在现在和将来

都将具有重要的意义。

参考文献：

［1］Juann H.Hung and Sandre Viana, “Modelling U.S.Services Trade Flows: A Cointegration-ECM Approach”, Federal Reserve Bank of New York Research Paper No.9518,1995.

［2］Alan V.Deardorff, Saul H.Hymans, Robert M.Stern and Chong Xiang, “Forecasting U.S.Trade in Services”, University of Michigan Discussion Paper, No.467, 2000.

［3］Denise Eby Konan and Ari Van Assche, “Regulation, Market Structure and Service Trade Liberalization: A CGE Analysis”, CIRANO Working Papers, 2006.

［4］Lejour, A. and de Paiva Verheijden. “Services Trade with Canada and European Union.” CPB discussing paper, No.42.2004.

［5］谢康，李赞.货物贸易与服务贸易互补性的实证分析［J］.国际贸易问题, 2000，(9).

［6］张德进，吴韧强.中美服务贸易的比较分析与启示［J］.国际贸易问题, 2004，(5).

［7］程南洋，杨红强，聂影.中国服务贸易出口结构变动的实证分析［J］.国际贸易问题, 2006，(8).

［8］孙夏，张静中.中美服务贸易逆差的原因与对策［J］.郑州航空工业管理学院学报, 2006，(8).

篇3

关键词 资源丰裕度；经济增长；非线性；经济结构；政治制度

中图分类号 F061.3 文献标识码 A 文章编号 1002-2104（2013）08-0001-06 doi：10.3969/j.issn.1002-2104.2013.08.001

长期以来，经济学家们一直致力于探究与经济增长有关的诸多因素和条件，即增长的源泉问题。物质资本、人力资本、自然资源和技术进步等相继被揭示出来并置于突出的地位。然而，关于自然资源的真实影响，学术界并未达成共识。自然资源对于经济发展究竟是祝福还是诅咒？本文使用1978-2011年中国30个省市区的面板数据，试图从一个更长的时间跨度去研究资源丰裕度与经济增长之间的关系及其动态变化。

1 自然资源与经济增长的悖论

早期关于自然资源丰裕度与经济增长关系的研究大都认为，丰裕的自然资源作为一种潜在财富，可以便利地被转化为资本，为经济起飞提供了很好的支持[1-2]。时至今日，仍有很多学者在研究近代以来经济发展史的基础上，在探索经济增长和发展问题的过程中强调自然资源对经济增长起到了积极的正面效应。然而，20世纪80年代以来，许多资源丰裕的国家和地区却出现了低增长甚至发展停滞的局面，这使得学术界重新开始认识资源丰裕度和经济增长的关系[3-8]。近来，也有很多学者对上述两种假说都提出了质疑，认为资源丰裕度和经济增长并不构成一一对应的关系[9-11]。

我们感兴趣的是，中国的资源丰裕度对经济增长究竟是祝福、诅咒还是没有特定的关系？是特定时期的经济现象，还是一种普遍的带有规律性的经济机理？本文使用1978-2011年中国30个省市区的面板数据，从一个更长的时间跨度去研究资源丰裕度与经济增长之间的关系及其动态变化，希望可以弥补已有文献在这方面的空白；更进一步，我们试图从实证的角度探讨中国省级层面的自然资源对经济增长的作用机制。

2 数据、计量模型设定与检验

本文运用的数据集涵盖了中国30个省、市、自治区（重庆除外）从1978年至2011年的自然资源和主要经济数据。自然资源的衡量指标主要包括原煤、原油、天然气的产量、采掘业部门的固定资产投资等；主要经济数据包括GDP、人均GDP、人口、就业人口、固定资产投资、制造业固定资产投资、财政支出、科教文卫事业支出等。

资源丰裕度的测量是实证研究中的一个重要难题，为此，学者们引入了一系列的替代变量。比如初级产品出口占GDP的比重[4]11，初级产品部门的就业比例[12]，人均耕地数量[13]，能源储量[14]，资源租占GDP的比重[15]等。考虑到能源资源较大的经济租及其在工业化进程中的战略性地位，我们主要选取徐康宁和韩剑[16]构建的RAI指标来衡量中国各省的资源丰裕程度，并进一步使用采掘业部门的固定资产投资占固定资产投资的比重[17]这一指标作为稳健性检验。

我国一次性能源生产和消费总量中煤炭、石油、天然气的比重大约为：75%、23%和2%。以此为依据，分别赋予三种矿产资源相应的权重。RAI指标的具体计算公式如下：

与该指标类似，中国科学院公布了一个能源产量的折算公式，其中能源产量是原煤、原油、天然气产量经热量转换之后的综合指标：能源产量（108 t）=（原煤产量×0.714 t/t）+（原油产量×1.43 t/t）+（天然气产量×1.33 t/（1 000 m3））。

考虑如下的面板计量模型：

其中下标i代表省份（i=1， 2， …， 30），t代表年份（t=1978， 1979， …， 2011），y表示经济增长的衡量指标，具体包括GDP增长率、人均GDP增长率以及分别相对应的5年移动平均的GDP增长率和人均GDP增长率；RAI表示资源丰裕度指标；X表示模型中引入的一些在长期中影响经济增长的控制变量，具体包括表1中所列的资本投入、劳动力投入以及科技投入等。β0表示常数项，β1和β2是对应的估计系数，εit是随机扰动项。此外，我们的计量模型设定中也控制了省份和年份的固定效应：provi表示各省不随时间变化的固定效应；yeart表示每年对各省都有同样影响的固定效应。

2.1 “资源祝福”还是“资源诅咒”？

利用1978年至2011年全国30个省市区的面板数据进行了检验，表1报告了利用GDP增长率来衡量经济增长情况的参数估计结果。

所有控制变量对经济增长的影响基本上都符合经济理论和直觉的判断：由于经济发展的收敛性，上一年人均GDP对经济增长有负向的影响；资本、劳动以及科技投入则在很大程度上有正向的影响。控制这些解释变量将会保证计量结果得以反映自然资源对经济增长的真实影响。

接下来我们主要关注资源丰裕度与经济增长的关系，表1中的第1-4列是使用GDP增长率作为经济增长情况考核的结果，第1、2列与第3、4列的区别在于是否控制了省份和年份固定效应。从回归的结果来看，这些省份和年份虚拟变量的系数具有联合的显著性，即各省的特定条件和全国范围内的时间趋势是不能忽略的影响因素。第3列的回归结果显示，在控制了其他可能影响经济增长的因素之后，资源丰裕度对经济增长有正向的影响且达到了5%的显著性水平。这意味着，当我们从一个尽可能长的时间跨度去考察，资源的丰裕度从整体上看为经济增长提供了正向的支持。

更进一步，我们在第4列中引入了资源丰裕度的平方项来考察资源丰裕度对经济增长可能存在的一种非线性的影响：资源丰裕度平方项的估计系数为负且达到了5%的显著性水平；此时资源丰裕度的估计系数比第3列的估计系数显著增大并且显著性也进一步增强，达到了1%的显著性水平。这意味着，平方项的引入有力地建立了资源丰裕度与经济增长之间在长期中存在的非线性关系，我们称其为动态演变。也就是说，在经济发展的初期，丰裕的自然资源作为一种潜在财富，可以便利地被转化为资本，而资本是经济发展的关键因素之一，因而丰裕的自然资源为我国各省的经济起飞提供了很好的支持。然而，随着改革开放进程的推进，我国的市场化程度不断加深，产业结构持续完善，丰裕的自然资源并不能继续维持原有的角色，反而在一定程度上制约了经济的持续快速增长。

第5、6列报告了5年移动平均的GDP增长率作为经济增长衡量指标的回归结果，这样的考核指标能在一定程度上消除经济发展的短期波动，从而能够更准确地反映一个地区的经济增长情况。结果显示，当我们使用5年移动平均的指标，估计系数的符号与第3、4列完全一致并且都通过了1%的显著性检验。

2.2 稳健性检验

虽然表1中的回归结果有力地证明了我国省级层面的资源丰裕度与经济增长之间长期中所体现出来的非线性的动态演变关系，我们仍然关心以下问题：其一、资源丰裕度的测量一直是实证研究的难题，当我们使用其他的资源丰裕度指标，上述的非线性的动态演变关系是否依然存在？其二、虽然GDP增长率是大家公认的经济增长衡量指标，但如果我们使用其他的指标来衡量我国各省的经济发展情况，会不会改变上述的研究结论？

在本部分，我们使用了不同的资源丰裕度和经济增长衡量指标来进行稳健性检验。其一，采掘业投资占比。在中国的行业统计口径下，采掘业中包括煤炭、石油、天然气、金属和非金属矿采选业等与自然资源直接关联的细分行业，这些行业的投入多少完全取决于自然资源的可得性，因此我们认为，当地采掘业的投入水平可以很大程度上反映自然资源的综合禀赋状况；其二，GDP增长率更多反映的是一个地区经济总量的增长情况，考虑人均GDP增长率则能更全面地衡量经济增长给全体居民带来的福利改善。检验结果显示，我们发现的非线性动态演变关系仍然存在，且都通过了1%的显著性检验。从系数的大小来看，这种关系甚至更为强烈。

图1以一种更为直观的方式反映了这种非线性的动态演变关系，我们称其为自然资源的库兹涅茨曲线。和收入分配状况、环境污染状况等与经济发展的关系类似，自然资源丰裕度对经济增长的影响也呈现出一种倒U型的形态。

至此，我们利用1978年至2011年我国30个省份的面板数据，对我国省级层面资源丰裕度与经济增长的关系进行了更长时间跨度内、更为全面的检验，在某种程度上解开了二者之间关系的悖论：“资源祝福”、“资源诅咒”和“资源中性”假说可能在某个特定的经济发展阶段成立，但是从长期来看二者之间存在着非线性的动态演变关系，而并非单一的线性关系。

3 “资源诅咒”的传导机制：实证检验

国内外已有很多学者就“资源诅咒”的作用机制和影响渠道进行了研究，比如要素转移效应引发了“荷兰病”[18]、外部环境恶化促使资本外流、资源开采的财富分配方式扩大了贫富差距、资源主导的产业结构制约了人力资本的积累和科技能力的提升[8]86-87等等。然而，所有关于传导机制的研究基本上都停留在经济直觉的判断或者理论模型的层面，并未得到实证的检验。在本部分，我们将从经济结构和政治制度两个方面选取中国省级层面的一系列指标来进行较为严格的计量检验。

3.1 经济结构诅咒

经济结构诅咒的主要思想是，当一个国家或地区拥有某种丰富的自然资源时，比较容易陷入依赖某种自然资源的发展路径，使其他工业或产业的发展受到冷落或排挤，这种挤出效应会对未来的经济发展带来灾难性的打击。从长期来看，经济增长的驱动因素主要有人力资本和物质资本的积累、制度改革和技术进步等。丰裕的自然资源往往会对人力资本和物质资本的投资、制度和技术创新等产生忽略，从而削弱了促进经济长期增长的动力。

我们选取普通初级中学学校数量和普通初级中学在校学生人数的变动情况来衡量该省的人力资本积累情况；用制造业部门的固定资本投资占总固定资本投资份额的增长率来观察该省的物质资本积累情况。表2报告了对经济结构诅咒假说实证检验的结果。

回归结果显示，正如我们所预计的，总人口越多，初中学校的数目越多；近年来的合并浪潮确实使得初中学校数目逐年递减；然而，在我们控制住这些因素之后，仍然发现资源丰裕度对初中学校的数目有显著的负向影响（第1列），且不存在非线性影响（第2列）；第4列的估计系数证明了资源丰裕度同样减少了普通初中的在校学生数，并通过了1%的显著性检验。更进一步，第6列的回归结果表明，资源丰裕度对物质资本的积累同样存在着非线性的影响：在经济发展初期，自然资源的开发能迅速地转化为资本，并带动制造业的发展；但长期来看，过度依赖资源的发展路径实际上挤出了对经济长期持续增长至关重要的制造业部门的投资。

3.2 政治制度诅咒

经济学家们在相当长的一段时间里对所谓的政治因素、社会因素、文化因素等敬而远之，但这些因素在经济增长中却起着重要的作用。在跨国增长研究中，制度因素是各国经济增长差异的一个异常重要的解释变量。在这里，我们选取了樊纲、王小鲁、朱恒鹏从上世纪末期开始连续构建的中国市场化指数作为各省制度质量的衡量指标。该指标体系对中国各省的市场化进程进行了比较全面的比较，完全采用客观指标衡量各地区市场化改革的深度和广度，避免了主观评价。具体来说，该指标体系除了给每

个省份赋予一个总得分之外，还包括政府与市场关系、非国有经济发展、产品市场发育、要素市场发育以及中介组织发育和法律这五个分指标。

表3报告了政治制度诅咒的实证检验结果。我们对各省的市场化指数总得分以及所有5个分指标都进行了计量检验，结果显示，从长期来看，资源丰裕度对市场化指数的所有指标都有负向的影响。

第2列的估计系数证明，资源丰裕度在长期中恶化了政府与市场的关系：资源丰裕的地区更容易形成“大政府”，过多地对企业进行干预，使得市场化进程更为缓慢；同样的，由于当地丰裕的自然资源，大量的人力资本和物质资本都被投入到资源部门，非国有经济更不容易得到发展的空间；最后，第5、6列的结果显示，资源丰裕地区的中介市场（律师、会计师、行业协会等）发育度更低，法制更不健全，生产者的合法权益、知识产权、专利等更不容易得到保护，从而影响了创新活动的进行，进而不利于经济的长期发展。

4 总结与讨论

本文利用1978年至2011年我国30个省份的面板数据，对我国省级层面资源丰裕度与经济增长的关系进行了更长时间跨度内、更为全面的检验。我们的研究发现，资源丰裕度与经济增长之间存在一种非线性的动态演变关系：在经济发展的初期，丰裕的自然资源作为一种潜在财富，为我国各省的经济发展提供了很好的支持。然而，随着改革开放进程的推进，我国的市场化程度不断加深，产业结构持续完善，资源部门的扩张抑制甚至挤出了其他部门的发展，反而在一定程度上制约了经济的持续快速增长。当我们使用其他资源丰裕度和经济增长指标时，这种强烈的非线性动态演变关系仍然存在。更进一步，本文使用较为严格的计量方法对自然资源作用经济增长的机制进行了实证检验，结果显示：在长期中，①自然资源会通过降低人力资本和物质资本的投资对经济结构产生“诅咒”；②自然资源会恶化政府与市场的关系、阻碍非国有经济的发展、中介组织的发育和法律的完善等，从而对政治制度也产生“诅咒”。

当然，由于数据的可得性，本文的研究还存在一些问题。比如，与电力等其他能源部门类似，中国至今的自然资源定价并没有实现完全的市场化，政府的资源价格管理机制仍起着较大的作用。自然资源（如煤炭等）在各省之间的“调拨”、地方政府出面的“采购”或者发改委确定的定价机制（比如价格上限等）使得自然资源对生产省来说是“诅咒”，而对资源消费省则是“祝福”。

致谢：

感谢李宏彬教授和肖志杰教授在本文写作过程中的悉心指导和帮助。

参考文献（References）

[1]Habakkuk H J. American and British Technology in the Nineteenth Century： The Search for Laborsaving Inventions[M]. Cambridge， MA： Cambridge University Press， 1962： 21-28.

[2]Wright G. The Origins of American Industrial Success， 1879-1940[J]. American Economic Review， 1990， 80： 651-668.

[3]Auty R M. Industrial Policy Reform in Six Large Newly Industrializing Countries： The Resource Curse Thesis[J]. World Development， 1994， 22： 11-26.

[4]Sachs J， Warner A. Natural Resource Abundance and Economic Growth[J]. NBER Working Paper， 1995， No. 5398.

[5]Sachs J， Warner A. Fundamental Sources of Longrun Growth[J]. American Economic Review， 1997， 87： 184-188.

[6]Sachs J， Warner A. The Curse of Natural Resources[J]. European Economic Review， 2001， 45： 827-838.

[7]Papyrakis E， Gerlagh R. Resource Abundance and Economic Growth in the United States[J]. European Economic Review， 2006， 51： 1011-1039

[8]徐康宁， 王剑. 自然资源丰裕程度与经济发展水平关系的研究[J]. 经济研究， 2006， 1： 78-89. [Xu Kangning， Wang Jian. An Empirical Study of A Linkage Between Natural Resource Abundance and Economic Development[J]. Economic Research Journal， 2006， 1： 78-89.]

[9]Davis G. Learning to Love the Dutch Disease： Evidence from Mineral Economies[J]. World Development， 1995， 23： 1765-1779.

[10]Coxhea I. 国际贸易和自然资源“诅咒”：中国的增长威胁到东南亚地区的发展了吗？[J]. 经济学（季刊）， 2006， 5（2）： 609-634. [Coxhea I. International Trade and the Natural Resource “Curse” in Southeast Asia： Does China’s Growth Threaten Regional Development？[J]. China Economic Quarterly， 2006， 5（2）： 609-634.]

[11]Lederman D， Maloney W. In Search of the Missing Resource Curse[J]. Economía， 2008， 9：1-56.

[12]Gylfason T， Herbertsson T， Zoega G. A mixed Blessing： Natural Resources and Economic Growth[J]. Macroeconomic Dynamics， 1999， 3： 204-225.

[13]Wood A， Berge K. Exporting Manufactures： Human Resources， Natural Resources and Trade Policy[J]. Journal of Development Studies， 1997， 34： 35-39.

[14]Stijns J. Natural Resource Abundance and Economic Growth Revisited[R]. San Francisco： Western Economic Association International 2001 Conference， 2001.

[15]Hamilton K， Ruta G， Tajibaeva L. Capital Accumulation and Resource Depletion： A Hartwick Rule Counterfactual[J]. World Bank Policy Research Working Paper， 2005， No. 3480.

[16]徐康宁， 韩剑. 中国区域经济的“资源诅咒”效应：地区差距的另一种解释[J]. 经济学家， 2005， 6： 96-102. [Xu Kangning， Han Jian. “Resource Curse” Effect on Regional Economy in China： Another Explanation to Regional Discrepancy[J]. Economist， 2005， 6： 96-102.]

[17]胡援成， 肖德勇. 经济发展门槛与自然资源诅咒：基于我国省际层面的面板数据实证研究[J]. 管理世界（月刊）， 2007， （4）： 15-23. [Hu Yuancheng， Xiao Deyong. The Threshold of Economic Growth and the Natural Resource Curse[J]. Management World （Monthly）， 2007， （4）： 15-23.]

[18]Matsuyama K. Agricultural Productivity， Comparative Advantage and Economic Growth[J]. Journal of Economic Theory， 1992， 58： 317-334.

Natural Resources Kuznets Curve：

篇4

关键词：并购；劳动力需求；面板数据；固定效应

中图分类号：F241.21　文献标识码：A　文章编号：1003-7217(2010)04-0077-05

近年来，国内外并购热潮汹涌迭起。自20世纪90年代以来，全球企业并购速度加快，西方国家掀起五次并购浪潮，大企业通过并购，其规模迅速扩大，实力不断增强。在国内，随着市场体制改革进一步深入和现代企业制度步伐加快，企业并购逐渐展开，我国也经历了三次并购浪潮。

因此，并购已成为一种重要投资方式，也引起学者们广泛关注，于是有关并购内容成为学者们重要研究课题。但国内学者主要集中于并购绩效、动机、时机研究，关于并购对劳动力需求影响研究很少涉及，不同产业公司并购对劳动力需求影响研究更是尚未涉及。进行这方面研究可以从理论上丰富并购研究内容，拓展并购研究范围。同时，并购对劳动力需求有影响前提下，它也会影响到社会就业问题，而社会就业是国家稳定的基础，是构建社会主义和谐社会的重要前提，不同产业公司并购对公司劳动力需求影响研究有助于制定合理就业政策。为此探究并购对公司劳动力需求影响具有重要理论与现实意义。

一、文献回顾

国内学者关于并购对公司劳动力需求研究很少涉及，仅有少数学者在研究并购问题时附带提及并购中的就业问题，且所持观点也不一致。如王一(2001)认为企业并购是影响我国就业的重要因素，并且他指出企业并购将有助于我国社会就业状况改善。韩峰(2002)在研究企业并购的具体目标时，指出企业并购后可以减少管理人员，如减少上层管理者、会计和人事部门工作人员等。王玉霞(2003)认为并购后造成的垄断能推动经济增长，从而有利于解决充分就业问题。干春晖(2004)在研究并购问题中的就业问题时，他指出一旦目标公司被其他公司并购，无论是出于自身经营活动需要还是出于经营战略、运作成本考虑，都必定会伴随着大量冗余人员下岗分流，也即是说企业并购后会使就业减少。薛有志(2004)认为通过纵向并购可减少在实现控制功能方面所需人员，进而节约费用，提高经济效益。

国外学者就公司并购对公司就业影响进行了深入研究，取得有益成果。国外学者有关这方面研究主要集中于美国与欧洲国家，为研究需要，将按国别进行综述，具体如下：

美国：Williamson(1963)认为纵向兼并可能导致上游企业销售人员和／或下游企业采购人员减少；Brown et al.(1988)用Michiganes1978～1984年间的大样本兼并公司数据研究控制权变化对就业的影响，得出兼并使就业略微增加的结论；Bhagat et al.(1990)通过案例研究发现：在美国，敌意收购使就业特别是白领工人的就业减少；Lichtenberg et al.(1992)采用美国制造业数据进行实证研究，结果发现兼并使就业显著减少，并且减少的大部分是中央办公人员；MeGuckin et al.(1995)使用美国的面板数据进行研究，发现被兼并行业相应增加了就业。

英国：Conyon et al.(2002)利用构建的1967～1996年间的数据库，就英国接管和兼并行为对企业就业影响进行了研究，发现企业兼并使劳动力需求减少，不同兼并类型对公司就业影响有显著差异性，相关收购和敌意收购对就业的负面影响最大；Cirma et al.(2004)通过使用英国电气行业数据，经研究发现国外接管减少就业，特别是非熟练工人的就业；Amess et al.(2007)认为管理层收购增加英国就业。

奥地利：Bellak et al.(2006)研究发现在奥地利制造行业，跨国并购与就业增长之间没有因果关系。

法国：Margolis(2006)认为在法国并购在短期对就业有负面影响。

意大利：Piscitello(2005)等发现在意大利，对比没有被并购公司而言，被国外并购方并购公司在并购后几年里增加了就业。

瑞典：Siegel et al.(2006)利用瑞典制造行业数据进行研究，发现公司并购后使就业减少。

芬兰：Lehto et al.(2008)使用芬兰公司级数据进行并购对就业影响研究，发现跨国并购使制造行业就业减少，但在非制造行业这种效果比较弱；国内并购方并购国内公司对于每种行业就业都有负面影响；国外并购方并购国内公司对建筑及其他服务行业就业有负面影响；内部重组对就业也造成负面影响，这主要是针对贸易行业而言。

Gugler et al.(2004)经过研究美国和欧洲兼并收购对劳动力需求的影响，得出结论：在美国，并购对就业不存在负面影响；但在欧洲，并购对就业造成显著负面影响(-10％)。

综上所述，国外学者在研究公司并购对公司就业影响时，有如下特点：首先，研究范围主要集中于美国与欧洲国家，或者对比研究美国与欧洲国家公司并购对公司就业的不同影响；其次，研究时大多以行业数据为样本；再次，研究结论多样化，公司并购对公司就业可以是正面影响，也可以是负面影响，两者也可能不存在影响关系；最后，国外学者在研究中区分不同并购类型对公司就业影响与公司并购对不同类型员工影响。

国外学者通过实证研究就公司并购对公司就业影响得出不同结论，根据其研究特点，他们要么选择国家为研究范围，要么选择行业为研究范围。前者我们已尝试作过相关研究，而后者可能范围略显过小，对国家制定就业政策作用不大。同时，也因为近几年我国产业结构发生很大变化，不同产业的公司并购也随之而变化，这些变化必然对社会就业产生影响，所以我们以不同产业为研究范围来研究不同产业公司并购对公司劳动力需求影响有其必要性。

二、模型构建

(一)变量选择和定义

在总结国外学者关于公司并购对公司就业影响研究基础上，根据前述国内学者关于就业的影响因素研究，借鉴Conyon(2002)的相关变量选择。

(1)因变量(公司劳动力需求人数)的度量指标。本文采用上市公司年报中披露的员工人数来衡量并

购公司劳动力需求，但因避免数据差异过大，将员工人数取其对数值(下文中总销售收入及公司职工薪酬均取其对数值)，用符号ln l表示。

(2)自变量(公司并购)的度量。第一产业、第二产业、第三产业发生的并购在此采用虚拟变量，分别用符号fm、sm、tm表示，公司在并购当年其值取1，否则取O。

(3)控制变量的选择及度量。因为在公司层面上，劳动力需求调整会受到公司职工薪酬及总销售收入的影响，故将此两个变量选为控制变量。职工薪酬与总销售收入均可采用上市公司年报中披露的相关数据，分别用符号ln w与ln q来表示。

(二)模型设定和估计方法

(1)模型设定。考虑并购对劳动力需求的影响效应研究模型时，可将其看成是劳动力需求由一种最佳水平向另一种最佳水平转变。如图1所示，并购前，假设A公司劳动力需求水平为L1，B公司劳动力需求水平为L2，在时间t发生并购后，假定生产技术规模收益保持不变，且相关要素价格也不变，那么并购后的公司产量与劳动力需求水平应该等于并购前两个公司总和。但若生产技术使规模收益增加(IRTS)，那么并购后的公司会通过减少总劳动力需求来获得并购前各个公司产出总和。如果最佳劳动力需求水平与并购后公司总和不同，就必然会发生劳动力调整，使之达到最佳水平。但是要调整到最佳劳动力需求水平并不能在短时间内完成，所以公司将需在迅速调整所费成本与偏离最佳劳动力需求水平时所费成本之间进行权衡，从而可构造出下面的面板数据模型：

但我们在此研究不同产业公司并购对公司・劳动力需求影响，所以将自变量分为第一产业、第二产业、第三产业三个类别，以分别探讨不同产业公司并购对公司劳动力需求的差异性影响。所构造的面板数据模型如下：

其中，lnLit：公司i在时间t雇佣的职工人数的对数；lnqit：公司i在时间t的总销售收入的对数；lnWit：公司i在时间t支付给员工的薪酬的对数；fmit,：第一产业的公司i在时间t发生并购时为1，没有发生并购时为0；smit：第二产业的公司i在时间t发生并购时为1，没有发生并购时为O；tm,：第三产业的公司i在时间t发生并购时为1，没有发生并购时为O；fi特定公司的固定效应，如公司间技术、管理水平的差异；εit：方程的误差项。i=1，2，…，N；t=1，2，…，T。

运用面板数据模型进行估计时，需要在以下三个模型间进行选择：

无个体影响不变系数模型：

经常使用协方差分析检验(analysis of covari-mace)来进行检验，但因本文的截面实体很多，时期较少，属于“宽而短”的数据，不宜采用Eviews中的Pool对象来处理，只能通过具有面板结构的工作文件(panel worldile)进行分析，但因利用面板结构的工作文件只宜进行变截距面板数据模型与动态面板数据模型的估计，所以本文只能采用变截距面板数据模型。

同时在进行估计时还需在固定效应面板数据模型与随机效应面板数据模型之间做出选择。一般在进行这种模型设定检验时采用豪斯曼(Hausmma)检验，它最早是由豪斯曼(Hausman，1978)提出的一种检验方法。由于笔者在进行Hausman检验时，软件提示检验失效，这可能是因为稳健标准误差与Haus―man检验的协方差值的假设不一致导致的，因此不能通过Hausmma检验来判定本文是选择随机效应模型还是固定效应模型。但高铁梅(2006)在其著作中指出；根据面板数据的特点，当数据中所包含的个体成员是所研究总体的所有单位时，即个体成员单位之间的差异可以被看作回归系数的参数变动时，选用固定影响模型比较合理。但是当个体成员单位随机地取自一个大的总体时，固定影响模型不太适合，此时选用随机影响模型更好。据此，因本文选取了所有发生控制权转移的并购样本，所以本文选用变截距固定效应模型进行估计可能更为合适，也就是说采用模型(2)进行估计。

(2)模型估计方法。因白仲林(2008)在其著作中指出了变截距固定效应模型的LSDV(1east square dummy variable)估计法的缺陷：首先，模型难以满足其前提假设，估计结果不是很有效；其次，由于引入了N个虚拟变量容易发生虚拟变量陷阱；最后对于固定的T，当N趋向无穷大时，只有斜率项的LSDV估计是一致的，而截距项的LSDV估计是非一致的，即LSDV存在着伴随参数问题。所以本文采用GLS法对模型(2)进行估计。

三、实证分析

(一)样本选择与数据来源

本文所取并购样本来自沪深两市A股上市公司，样本期间为2002～2008年。

为保证研究的可行性与有效性，本文遵循以下原则选取样本：(1)剔除一年之中发生一次以上并购事件的公司；(2)剔除数据缺失的公司；(3)剔除变量中存在极端异常值的公司。最先根据本文所限定的并购从国泰安数据库中选取2002～2008年间的并购事件1805起，再根据上述原则进行剔除后，最终确定由发生1172起并购事件的相应上市公司7年相应指标构成平衡面板数据集作为研究样本。具体的样本分布为：第一产业的并购样本为29个，第二产业的并购样本为761个；第三产业的并购样本为382个。

(二)实证结果分析

通过采用Eviews6，O的Panel workfile对样本数据按照预先设定的面板数据模型(2)进行固定效应变截距分析，得到结果如表1所示。

1　拟合优度检验。从表1的第七行可知，方程的调整可决系数达0.99，说明回归方程的解释能力为0.99，即总销售收入、职工薪酬、不同产业公司并购能够对公司劳动力需求的99％做出解释。

2　回归模型的总体显著性。从总体影响来看，表1的第九行显示F值为502.8701，表明模型在1％水平上显著，说明此模型中各因素对公司劳动力需求的共同影响是显著的。

3　单个回归系数的显著性。从单个因素来看，表1第二行系数0.23与T值53.20表明总销售收入对劳动力需求有显著正向影响，这与常理相符合，扩大产量增加劳动力；表1第三行系数0.073与T值25.50表明职工薪酬也对劳动力需求产生显著正向影响，这与常理相违背，可能因为公司销售收入增长速度大于职工薪酬增长速度，虽然职工薪酬增长，工资成本增加，但因销售更大比例增加足以抵消这种成本增加所带来的影响。这与国内学者常进雄(2005)的研究结论有相通之处，他通过实证研究得出：资本价格一实际的利率水平对就业没有影响；劳

动力的价格对就业弹性的影响不仅很小，而且与就业弹性是同方向变动，也就是说劳动力价格增加，就业弹性提高，从业人员也在增加，这与一般经济理论预测结果相反；表1第四行系数0.0248与T值0.7949表明第一产业所发生公司并购对公司劳动力需求有正向影响，但结果不显著，即并购的发生会导致公司就业人数增加2.4％左右。这主要因为第一产业的上市公司通过并购在短期内更多地寻求“协同效应”，即通过协同效应后，将会增强管理效果，扩大产出，从而也会雇佣更多的劳动力；表1第五行系数-0.0128与T值-2.59表明第二产业发生公司并购对公司劳动力需求有显著负向影响，第二产业发生公司并购导致公司就业减少1.3％左右，表1第六行系数-0.026与T值-2.657表明第三产业所发生公司并购对公司劳动力需求有显著负向影响，第三产业发生公司并购导致公司劳动力需求人数减少2.6％左右，这说明第二产业、第三产业的上市公司都是通过并购在短期内寻求“减员增效”，即通过裁减人员来达到提高组织效率与效益目的，从并购动机来说，可能规模经济动机与市场势力动机占主要地位。同时，第三产业发生公司并购导致劳动力需求人数减少的数量是第二产业的二倍，说明在第三产业中，上市公司更趋向于追求规模经济与市场势力，以此来实现公司的利益。

四、结论与启示

篇5

关键词： 商务服务业上市公司；绩效；影响因素

中图分类号：F276.6文献标识码：A文章编号：1003-7217（2015）03-0078-06

一、引言

2014年前三个季度第一、第二、第三产业同比增长率依次为：4.2%、7.4%、7.9%，第三产业的增速超过一、二产业，意味着中国经济正由“工业主导型”向“服务主导型”转变[1]。在经济新常态下，商务服务业作为现代服务业的重要构成部分和优先发展部分，颇具研究意义，而国内对此研究却较少 [2]。目前，国内在此领域的研究主要聚集在行业层面和区域经济层面，尚未发现针对商务服务业从微观层面（即单个企业层面）进行研究的学术成果。而企业是构成行业的基本单位，单个企业的内部状态研究是了解一个行业发展态势、发现症结所在的根本依据。基于此，本文以中国商务服务业上市公司为研究对象，对其2009～2013年的绩效状况进行分析，并从内部寻找影响绩效的因素，为促进商务服务业企业发展提供建议，为从微观层面研究商务服务业抛砖引玉。

二、文献综述与假设

（一）绩效

在战略管理领域，“绩效”是一个重要的持续热点 [3]。关于绩效的测量，Liargovas和Skandalis（2010）[4]总结了13篇影响力较大的文章对绩效测量指标的使用情况，其中，使用频率最高的是总资产收益率（ROA）和净资产收益率（ROE）。据此，本文选用ROA和ROE两个指标测量绩效。

绩效是企业发展程度和经营成果的集中体现。根据供需理论，需求是市场存在和行业形成的根基。一方面，转轨中的中国经济需要商务服务业。在由计划经济向市场经济转轨过程中，商务服务业的作用逐步凸显，为生产、贸易等类型企业提供专业服务、配套服务，促进市场经济体制完善。因此，不少地方政府已意识到商务服务业的作用，出台了相关的优惠政策。另一方面，中小微企业需要商务服务业。随着创业环境的优化，中小微企业孵化量提升，需要更多的商务服务业提供配套服务。商务服务业的需求方主要是生产型企业，尤其是中小微生产型企业 [5]。总之，商务服务业处于一个良好的发展时期。据此假设1：

H1：近年来，商务服务业上市公司整体绩效大幅提升。

同一行业的企业面临共同的外部环境，但企业具有异质性，不同企业在组织结构、管理制度、劳动力素质等方面存在差异[6]，因此，在同一行业，有些企业盈利颇多，有些却是惨淡经营或濒临破产[7]。据此假设2：

H2：商务服务业各上市公司间绩效存在显著差异。

（二）绩效影响因素

绩效影响因素的测量亦存在较大差异。Liargovas和Skandalis（2010）[4]、Rosairo等（2012）[8]、Khalifa和Shafii（2013）[9]、舒谦和陈治亚（2014）[10]均从不同层面研究了绩效影响因素，且得出了相互矛盾的结论。综合以上学者的研究，本文归纳出企业绩效影响因素的四个维度（见图1），并基于此提出假设，构建影响因素模型。

图1绩效影响因素框架

1.基本特征：企业规模和企业年龄。规模、年龄是企业异质性的外在表现，在对绩效的影响上通常作为控制变量。有效规模理论认为企业存在最佳有效规模，规模与绩效呈倒“U”型关系。年龄与企业绩效的关系则缺乏足够的论证。年龄较大企业积累更多的资源、经验与技能，在规范性和要素禀赋上优于年轻企业，但在变革能力和增长能力上往往较弱。在新兴市场中，商务服务业处于前期成长阶段，经验积累和规模效应相对重要，据此假设3：

H3：基本特征是影响绩效的关键因素之一。

此假设包含以下分假设：

H3a：规模对商务服务业上市公司绩效具有显著促进作用；

H3b：年龄对商务服务业上市公司绩效具有显著促进作用。

财经理论与实践（双月刊）2015年第3期2015年第3期（总第195期）陈青姣，盖玉坤：商务服务业上市公司绩效及影响因素分析基于2009～2013年的面板数据

2.治理结构：高管激励与董事会行为。

高层管理者激励与董事会状况是研究治理结构的常见指标。在高管激励研究领域，形成了两类主流观点：一类认为高激励可以调动高层管理者的积极性，产生高绩效；另一类则认为过度激励可能导致高层管理者的过激行为，如铤而走险等，产生更大的委托效应和短期行为，从而对绩效产生负面作用。体现高管激励程度的主要指标为高管薪酬和高管持股情况。通常情况下，高管持股激励比高薪激励更为有效，可减少高管的短期行为。

董事会是企业所有者行使权力的途径，是帮助投资者规避风险的一种机制[11]。在衡量董事会规范性、独立性和行为强度时，董事会规模、董事长与总经理是否兼职、董事会会议次数是常用的指标。关于董事会规模与绩效的关系，国外研究存在相反的结论[11]，可能的原因尚缺乏有效的说明。关于董事会会议、董事会独立性与绩效的关系也存在较大分歧[12]。由此假设4：

H4：治理结构是商务服务业上市公司的关键影响因素之一。

此假设包含以下分假设：

H4a：高层激励对商务服务业上市公司绩效具有显著影响，但影响方向不确定；

H4b：董事会规模、董事会独立性和董事会会议次数对商务服务业上市公司绩效有显著影响，但影响方向不确定。

3.股权结构：股权集中度、两权分离度与国有股份。

股权结构通常采用股权集中度、两权分离度来衡量。另外，在国有经济占主导地位的中国，上市公司的国有股份比重通常也影响企业绩效，因此，本研究将此指标纳入股权结构测量的范围。

首先，股权集中度与绩效的关系存在两种对立观点：一是利益收敛理论――股权集中度越高，大股东越精心治理，企业绩效越好；二是利益侵蚀理论――大股东会侵蚀小股东的利益从而导致差绩效。[10-12]其次，两权分离度指控制权与所有权之间的差值，差值越大越容易激起终极控股人侵蚀其他投资人的权益，从而产生隧道行为，这是委托问题产生的又一主要途径（Claessens，2001）。尤其是在财产保护机制并不健全的中国，两权分立带来的负面作用更易显现[13]。再次，国有持股比例对企业的经营产生两种可能的影响：一是利用政府优势为企业带来更好的资源、政策与机会；二是在国有资产具体所有者缺位的情况下，不作为现象严重，不利于经营效果的提升。

基于上述三点，提出假设5：

H5：股权结构是商务服务业上市公司绩效的关键影响因素之一。

此假设包含三个分假设：

H5a：股权集中度对绩效具有显著影响，但影响方向不确定；

H5b：两权分离度对商务服务业上市公司绩效产生消极作用；

H5c：国有持股比例对商务服务业上市公司绩效具有显著影响，影响方向不确定。

4.财务杠杆：资产负债率。资产负债率是企业经营中不可或缺的经营杠杆。适当的负债是促进企业发展的有益手段，而过度负债将增加企业的经营风险。在金融市场不完善、融资途径相对狭窄的背景下，融资能力成为企业竞争力的重要组成部分，资产负债率一定程度体现了企业的融资能力。同时，商务服务业企业需要通过高财务杠杆实现快速增长。基于此，提出假设6：

H6：资产负债率对商务服务业上市公司绩效具有显著促进作用。

三、研究设计

（一）样本选择及数据来源

通过财经网站“证券之星”获得中国上市公司商务服务业板块的24家上市公司名录，其中4家公司数据缺失严重，最终选择了20家作为研究对象。样本公司的主要指标数据来自国泰安CSMAR数据库。研究采用面板数据，原因是面板数据可解决研究对象较少的问题，减少数据偏差风险，同时，面板数据信息量大、变异性高、共线性少。在研究时间的选择上，截至2014年底，20家公司的平均年龄为15年，成立时间最长的是海印股份和粤传媒，达22年，时间最短的是华谊嘉信，仅有5年。综合研究对象的成立时间和数据的实效性、可得性，面板时间范围定为2009～2013年。采用STATA12.0和SPSS19.0分析数据。

（二）变量及测量

表1列举了变量及测量信息。考虑到商务服务业企业具有人员密集性特征，员工依赖度高，其规模用总资产和员工人数两个指标测量。为减少数据的共线性，用员工人数、总资产、企业年龄、高管薪酬等的自然对数测量。四、结果分析

（一）商务服务业上市公司绩效状况分析

2009～2013年商务服务业样本企业绩效描述性统计见表2。相比之下，ROA更能体现经营状况，原因是：中国上市公司有为了避免亏损或获得配股权而通过盈余管理将ROE维持在略高于6%或10%以上区间的激励[14]。从ROA均值看，仅有2009年超过了7%，其余四年在5%左右波动，商务服务业上市公司总体绩效不理想。

（二）商务服务业上市公司绩效影响因素模型及结果分析

在绩效影响因素的描述性统计中，人员规模、高管薪酬变异性较大，说明商务服务业上市公司个体间的基本差异较大。从员工人数和总资产均值来看，商务服务业上市公司总体规模不大。

绩效影响因素测量模型的豪斯曼检验结果为（见表4）：以ROA为因变量的模型1、3和4更适合固定效应，模型2更适合随机效应；以ROE为因变量的模型1和3更适用固定效应，模型2和4更适用随机效应。表4呈现了ROA线性回归结果（受版面限制，省略ROE的线性回归结果，只阐述主要结论）。

1.模型1：基本特征对绩效具有显著影响。

模型1（式1a、1b）测量基本特征对绩效的影响作用。

ROA it =c01 + a1 （size1 it） + b1 （size2 it） +

m1 （LN age it） + u it（1a）

ROE it =c02 + a2 （size1 it） + b2 （size2 it） +

m2 （LN age it） + v it（1b）

回归结果表明，模型1通过了显著性检验。其中，员工人数、企业年龄对ROA有显著促进作用，总资产对ROA有显著消极作用；企业年龄对ROE有显著促进作用，总资产对ROE有显著消极作用，员工人数对ROE有促进作用，但未通过显著性检验。即：H3、H3a得到了部分验证，H3b得到了验证。

2.模型2：治理结构对绩效的影响不显著。模型2（式2a、2b）测量治理结构对绩效的影响作用。

ROA it =c01 + a1 （LNsalarry it） +b1 （Nshrsms it） +

m1 （LNboard it） +n1 （meeting it） +

d1 （duel it） +u it （2a）

ROE it =c02 + a2 （LNsalarry it） + b2 （Nshrsms it） +

m2 （LNboard it） +n2 （meeting it） +

篇6

【关键词】工业品期货；结算价；动态面板数据模型

2010年，中国商品期货市场赶超美国，成为全球第一的商品期货市场，我国的工业品期货上市时间长，交易活跃，受国家政策影响较小，定价相对农产品更加市场化。在期货交易中，结算价是最关键的参考价格，在期货实盘中，结算价无论是对交易盈亏的结算还是对下一个交易期间的实盘交易的参考都有很重要的意义。因此对影响工业品板块期货结算价的影响因素进行分析，无论是对金融工程方面的期货交易数据的研究还是实盘操作的预判都具有积极的意义。

一、相关文献回顾

最早研究期货价格与交易量的实证关系的是克拉克（1973），他研究了棉花的期货价格和交易量之间的实证关系，从而发现棉花的期货价格和交易量之间存在明显的相关效应；康奈尔（1981）研究了十七种不同的期货合约，发现不断变化的期货价格和与其对应的成交量具有正相关关系；卡波夫（1987）对之前的量价关系研究进行了详细的概括，他认为，由于股票存在无法自由做空的局限，所以，股票市场价格变化和交易额会具有正向的相关关系，期货的交易量与价格波动幅度一般是不相关的，但在金融市场中，成交量的大小还是会与绝对价格变化存在正相关关系，这是因为期货市场的无论是做空还是做多具有相同成本，除了相关类的研究之外，格拉马提库斯和桑德斯（1986）的研究发现，格兰杰因果关系在外汇期货价格波动方差和成交量之间存在。拉莫洛克斯和拉斯特拉普斯（1990）的研究发现，成交量的变动对价格波动存在很好的解释。

国内对期货的研究起步时间比较晚，相关的研究成果主要是在价格和交易量、持仓量之间的关系上，仲伟俊，华仁海（2003）（2004）对期货交易量和持仓量与期货价格的关系进行了深入研究，认为所有品种的成交量和持仓量的变化对价格的波动会产生重大影响，梅妹峨，仲伟俊，刘庆富（2005）把持仓量指标分成可以预期和不可以预期的两部分，研究了持仓量指标的变动对价格的影响。而在期货交易中，持仓量是期货交易特有的指标，由此开启了国内学者对持仓量的研究。沈小刚，田新民（2005）研究了期货日内盘中波动，并得出结论，认为日内价格波动与交易量之间存在正相关关系，但持仓量的变动与价格波动是负相关的关系，即交易量的增大将会增大价格波动，而较大的持仓量会减少日内的价格波动。何建敏，崔海蓉（2006）基于FIEGARCH模型研究了铝和天然橡胶的价格变化和交易量的关系，认为交易量和价格变化是正相关的。成思危，刘向丽，洪永淼（2008）的研究表明，持仓量对绝对价格波动幅度和交易量的影响不大，但是绝对价格波动性和交易量有较为显著的互动影响关系。周德群，戴毓（2009）使用了GARCH模型，方差分解和脉冲响应函数对燃料油期货市场的交易量和持仓量还有波动性的关系进行了细致的研究，得出结论：成交量对于价格变化较强的影响，交易过程中，可以参考上一交易周期的成交量的变化，预测下一周期的价格变化。文玉春（2010）使用扩展的GARCH模型和VaR模型得出如下结论：台湾的股指期货的交易量对收益率的波动性存在滞后的直接影响，价格波动性间接依赖持仓量的变化。

综上所述，以上的研究基本上采用了协整理论、GARCH模型、VAR模型来研究期货的量价关系，但是由于方法的局限和数据较旧，并不能对近年变化的期货市场提供良好的参考，随着期货市场的发展，品种数量，市场规模已经今非昔比，由于模型的限制，以前的研究也无法对一个板块的期货品种进行研究，而且以前的研究中少有研究关于同品种不同价格的研究，因此本文采取动态面板数据的方法，对工业品期货进行全面细致的研究。

二、数据说明与模型设定

本文选取了铜、铝、锌、天然橡胶、PTA、聚乙烯、聚氯乙烯、螺纹钢等8个期货品种2011年1月到2012年12月的共计101周的周结算价、最高价、最低价、成交量、持仓量数据，以及共同影响因素美元指数的周收盘价，数据来自文华财经，并按照EVIEWS6.0软件需要进行堆栈排列，并进行对数化处理后导入软件。

以结算价（JSJ）为被解释变量，滞后一期结算价（DJSJ）、最高价（ZGJ）、最低价（ZDJ）、持仓量（CCL）、成交量（CJL）、美元指数（USD）为解释变量，其中美元指数为共同影响因素。采用动态面板模型进行实证分析，构造以下实证模型：

三、实证结果

由于模型（1）中解释变量中存在滞后项，可知解释变量和随机扰动项具有相关性，这时就不能采用面板数据固定效应或随机效应模型，而应当采用动态面板数据的GMM方法来解决上述问题。对方程（1）进行一阶差分：

从模型（2）中可以看出与相关，为了减少这种相关性，本文选取滞后两期的为工具变量，因为和滞后两期的具有相关性，其余解释变量均选择滞后一期作为工具变量。

利用EVIEWS6.0软件，参数估计方法选定GMM/DPD，设定消去截面固定效应的转换方式为Orthogonal deviations。设定标准方差的计算方式为Period SUR，得到动态面板数据估计结果为：

为了确保动态面数据模型的有效性，对模型（2）的残差项进行单位根检验，结果如表2所示。

表2可以分析出，分别运用LLC检验、IPS检验、Fisher-ADF和Fish-PP检验对动态面板模型的残差项进行单位根检验，发现残差项是平稳的，这说明上述模型是有效的。

对动态面板数据模型方程进行分析，可以得出结论：

四、结论

通过对工业品期货周结算价影响因素进行GMM动态面板数据模型分析，发现：

第一，选定的交易指标的影响因素从大到小分别为：周最高价、周最低价、周美元指数收盘价、持仓量、成交量，进行对比可以发现，周最高价对周结算价的影响要大于周最低价，我们已知结算价的形成是按照成交量进行加权的平均价格，所以本文从定量模型的角度验证了“量价齐升”这一市场经验，而且成交量的影响系数为正，也从另一角度更加直接的说明了这个结论。

第二，期货不同于股票，其特有的持仓量指标可以动态地衡量当前的市场规模，成为参与期货交易的重要参考指标，市场往往认为，巨大的持仓量代表巨大的多空分歧，是爆发超级行情的前奏，本文通过动态面板数据模型，发现工业品期货持仓量对结算价的影响要大于成交量的影响，也就是说在交易中，持仓量比成交量更具有参考价值，而且持仓量对结算价的影响系数为正值，说明当持仓量连续上扬的时候，爆发多头行情的概率要略大于爆发空头行情的概率，这个结论对行情的判研有一定的指导意义。

第三，美元指数的影响系数达到了-0.013105，说明在中长期走势上，美元指数对工业品期货有较为明显的负面影响，所以在对工业品期货行情的判断上，中长期来看，分析美元指数的走势非常重要，美元指数的走势是中长线交易的重要参考。

参考文献

[1]华仁海，仲伟俊.我国期货市场期货价格收益、交易量、波动性关系的动态分析[J].统计研究，2003（3）：25-30.

[2]华仁海，仲伟俊.我国期货市场期货价格波动与成交量和空盘量动态关系的实证分析[J].数量经济技术经济研究，2004（7）：123-132.

[3]刘庆富，仲伟俊，梅妹峨.空盘量变动对我国期货市场期货价格收益波动性的影响[J].系统工程理论方法应用，2005（l）：28-32.

[4]田新民，沈小刚.基于交易量和持仓量的期货日内价格波动研究[J].经济与管理研究，2005（7）：78-80.

[5]崔海蓉，何建敏.我国期货市场成交量和持仓量与价格波动关系研究[J].统计与决策，2006（13）：127-129.

[6]刘向丽，程刚，成思危，汪寿阳，洪永淼.中国期货市场日内效应分析[J].系统工程理论与实践，2008（8）：63-80.

[7]戴毓，周德群.燃料油期货市场成交量、持仓量与波动性关系[J].系统工程理论与实践，2009（12）：154-162.

[8]文玉春.台湾股指期货收益波动性与交易量、持仓量考察[J].商业研究，2010（10）：95-103.

[9]Clark P K.A subordinated stochastic process model with finite variance for speculative prices[J].Econometrica，1973（41）：135-155.

[10]Cornell B.The relationship between volume and price variability in futures markets[J].Journal of Futures Markets，1981（1）：303-316.

[11]KarpoffJM.Therelationbetweenpricechangesandtradingvolume：Asurvey[J].Journal of Financial and Quantitative Analysis，1987（22）：109-126.

篇7

论文摘要：本文以781家中国上市公司为研究对象，分析了企业资本结构在9年内的长期演变规律，结果发现：企业资本结构整体上具有趋同趋势，企业资本结构虽然长期收敛，但是并未出现明显的交叉，而是表现出了较强的长期稳定性。由于已知的各种影响因素无法对上述规律做出充分合理的解释，因此企业资本结构可能是由某些未知的且具有长期稳定性的因素所决定。

一、文献综述

(一)国外文献西方资本结构理论是现代金融经济学的核心，从莫迪格里安尼(Modigliani)

米勒(Miller)1958年共同提出“MM定理”以来，围绕企业最优资本结构的研究成果可以说是不胜枚举。MIT斯隆商学院梅尔斯在2001年撰文回顾和评论了几十年来金融学关于西方资本结构的四个理论流派，其中包括：基于避税利益、破产成本的静态权衡理论和基于成本的资本结构理论，基于非对称信息的信号传递理论和优序融资理论，以产品般人品市场的相互作用为基础的企业资本结构理论，以及考虑企业控制权竞争的企业资本结构理论等。每种理论都从不同侧面提出了一系列决定企业资本结构的影响因素，与此有关的国内外研究成果非常丰富。Titman和Wessels(1988)较早对资本结构因素进行了系统研究。

(二)国内文献国内陆正飞和辛宇(1998)则较早研究了我国上市公司资本结构的影响因素。此后，国内很多学者都对我国上市公司的资本结构影响因素进行了广泛而深入的研究，如吕长江(2001)、肖作平(2004)、赵冬青和朱武祥(2006)等。国外实证研究表明获利能力、公司规模、资产担保价值、成长性、非负债盾、变异性等因素影响资本结构的选择。我国实证研究则表明，行业因素、获利能力、资产盈利能力、获利能力增长、资产结构、资产担保价值、资产流动性、利息保障倍数、企业规模、规模扩张、企业经营风险、非负债税盾、企业实际税率、成长性、保留盈余、总资产市值面值比、收入变异程度、收益质量、财务困境成本、投资额、产品独特性、产生内部资源能力等都是我国企业资本结构的影响因素，还有许多学者研究了我国特有的股权结构，如股权流通程度、国家股比例对资本结构的影响。另外，回顾国内已有研究文献，我们发现，国内相关领域的研究主要集中在影响因素对企业资本结构的作用方向和显著性判断方面，至于企业资本结构的长期演变规律及其决定因素等方面尚无相关研究文献的记载。本文试图在已有研究的基础上，主要针对我国上市公司资本结构的长期演变规律进行初步的探索，从中发掘一些有意义的规律。

二、财务杠杆及其影响因素选择

(一)资本结构定义企业资本结构可以有两种度量方式，一种是账面资本结构，另一种是市场资本结构。本文对账面资本结构定义为：账面杠杆(BDR)=账面负债／(账面负债+账面股东权益)。其中账面负债定义为公司的有息债务，即短期借款、一年内到期的长期负债和其他长期负债三者之和。为了增加信息含量以及结论的可比性，我们也同样对市场资本结构进行了统计与检验，考虑到我国上市公司存在非流通股这一特征，本文的市场资本结构被定义为：市值杠杆(MDR)=账面负债／(账面负债+流通股市值+非流通股×每股净资产)，其中账面负债为公司的有息负债。

(二)财务杠杆因素依据有关理论以及国外学者的经验研究，能够影响企业财务杠杆的因素基本可以归纳为以下几个(其中括号里的符号表示影响的方向)：公司规模(+)，对于大公司而言，调整资本结构所涉及到的交易成本相对易于承受，而且信息更为透明，所以大公司更易发行债券和借贷。因此，可以期望公司规模与财务杠杆之间呈现正相关。显然，如果公司规模能够影响企业未来资本结构，那么，这种决策应该依据的是公司在期初，即上期末的数据。本文选用总资产的自然对数来度量公司规模(sIZE)；成长能力(+)，快速成长的公司往往需要大量的外部资金，从而呈现出快速借贷的趋势，因此企业成长越快，财务杠杆比率也会更高。本文选用总资产的增长率来度量公司的成长能力(GROWTH)；盈利能力(+／一)，根据权衡理论，盈利能力更强的公司会要求更多的负债以获得避税的好处，而且依据自由现金流假说，外部股东也可能会迫使管理层举借更多的负债以减少自由现金流的滥用。由此提升负债融资比例。但是另一方面，也可能由于信息不对称，银行因为不能区别好与差的公司，从而选择提高利率，使得公司转而挖掘内部资金，进而降低公司外部负债融资比例。本文选用净资产收益率来度量公司的盈利能力(PR0Fn1ABILnY)；抵押能力(+)，根据权衡理论，当公司破产时，有形资产较易清算并且容易降低企业的财务困境成本。另外，根据优序融资理论，由于有形资产可以被用做抵押，这使得针对贷款人的信息不对称情况能够有所减轻。基于以上两种理由可以认为，有形资产比重大有利于公司加快融资步伐。本文选用(固定资产净值+存货)／总资产来度量公司的抵押能力(MORTGAGE)；非负债避税(一)，根据权衡理论，借贷的主要动机是利用利息的避税好处，其他非负债避税，如折旧将会缓和这种动机。另外折旧无疑也是公司一种非常重要的现金来源方式，必要时可以缓解公司紧急的资金需求。因此，可以预期非负债避税会降低公司财务杠杆比率。本文选用累计折IH／总资产来度量公司的非负债避税(NDT)；资产流动性(+)，一方面公司的资产流动性高意味着企业可以较易支付短期债务，有利于增加企业借贷。另一方面公司流动性高也意味着一些投资项目可以通过流动性资产，如存货的变现而不是借贷获得项目所需的资金。因此，公司的资产流动性高有可能提高或降低企业的财务杠杆比率。本文选用流动比率来度量公司的资产流动性(LIQUIDITY)。

文献综述中提出的其他企业资本结构影响因素，因为在不同程度上都与上述影响因素有关，为了避免多重共线性，故本次研究中没有将企业实际税率、保留盈余、总资产市值面值比、收入变异程度、收益质量、财务困境成本、投资额、产品独特性、产生内部资源能力等因素纳入考虑范围。

(三)样本选取与数据来源本文选择了1998年及其之前在沪、深股市上市的所有公司为样本，其中除去金融公司、sT和公司以及账面与市值财务杠杆大于1的上市公司，时间跨度为1994年至2007年，最后获得分布于35个行业的781家公司，共计8339个观察值。数据来源于CCER中国经济金融数据库。(表1)显示了我国上市公司的账面财务杠杆、市值财务杠杆以及各影响因素的基本情况。

三、财务杠杆演进规律研究

首先研究我国上市公司财务杠杆的横截面变化规律。(图1)描绘了四组企业的平均财务杠杆在“事件窗口”期间的变化规律。由于我国上市公司财务数据经修订后只涵盖了1994年到2007年，如果选择研究上市公司9年的财务杠杆变化，则分组的最后年份只能为1998年。当然也可以选择研究我国上市公司l0年或更长年份的长期变化规律，但是这样做会使得大量新近上市的公司排除在样本分析之外。出于折中的考虑，本文以1994年至1998年作为分组期间，研究我国沪、深两市所有符合要求的781家上市公司在9年间的资本结构变化规律。文中(图1)的具体构造方法如下：从1994年至1998年每年根据上市公司财务杠杆的期末大小将该年全部样本企业平均分为高财务杠杆组、较高财务杠杆组、中等财务杠杆组和低财务杠杆组，同时剔除每组中财务杠杆比率最高与最低5％数量的企业，以消除极端数据对分析结果的干扰，然后保持组内样本企业不变，并以分组年份视为基期0(t=0)计算每组样本企业在随后9年(t∈(0，8))内每一年的平均财务杠杆比率。由于从1994年至1998年每年都能计算出四组企业在随后9年的平均财务杠杆比率，为了求得我国上市公司整体财务杠杆的长期变化规律，就必须对上面数据再求平均，从而计算得至U高财务杠杆组、较高财务杠杆组、中等财务杠杆组和低财务杠杆组四组企业在9年内的平均财务杠杆变化规律，具体结果见(图1)。

观察(图1)可以看到，四组企业的平均财务杠杆在期初差异明显，账面(市值)平均财务杠杆差异为37％(38％)，然而随着时间的推移，差异开始逐渐收敛，且速度逐渐放慢，到了期末，账面(市值)平均财务杠杆差异仅为13％(10％)。由此可见，企业财务杠杆在横截面上存在较强的稳定性，某些因素维持了企业财务杠杆的长期水平，同时又有一些短期因素使得不同企业的财务杠杆朝着中间偏上的水平不断趋近。当然，上述财务杠杆的稳定性有可能是源于已知的影响因素，如公司规模、成长能力、盈利能力、抵押能力、非负债避税、资产流动性等作用的结果，也有可能是来自某些未知的其他因素的作用。正~IWillianmson(1988)研究发现，企业的财务杠杆与公司规模紧密相关，高财务杠杆的企业往往公司规模也更大。因此，高财务杠杆组的企业平均规模可能更大，而低财务杠杆组的企业平均规模则可能更小。

为了检验企业财务杠杆的稳定性是否与我们已知的影响因素有关，本文采用了如下技术处理：从1994年至1998年每年将样本企业的账面(市值)财务杠杆比率作为被解释变量对滞后一期的已知影响因素(公司规模、成长能力、盈利能力、抵押能力、非负债避税、资产流动性)进行回归，然后以回归残差作为分组依据，将样本企业重新划分为高财务杠杆、较高财务杠杆、中等财务杠杆、低财务杠杆四组，然后采用与(图1)同样的方法，计算按残差分组的四组企业它们的平均财务杠杆比率在9年内的变化规律，具体结果见(图2)。

由于(图2)采用的是残差作为分组依据，此时每组包含的企业已与前文所列的影响因素无关。如果这些影响因素能够决定企业的财务杠杆比率，或者能够解释企业财务杠杆比率的绝大部分变化，那么我们有理由推测：(1)采用残差分组的基期组间差异应该很小。(2)就像回归方程残差应是期望值为0的白噪声时间序列一样，财务杠杆的组问差异应该在基期的后续年份迅速消失。然而，如(图2)所示，事实并非如此，除了第一点较为符合外，即按残差分组的组问期初账面(市场)财务杠杆差异为24％(16％)，小于直接按财务杠杆分组的组间期初差异37％(38％)，(图2)中四组曲线的形状与(图1)中四组曲线的形状基本相同，从而说明在剔除已知影响因素对企业财务杠杆的作用后，总体而言，企业财务杠杆仍然具有很强的长期稳定性，换言之，在这些已知影响因素之外还可能存在某些我们尚不知晓的其他因素，它们能够显著的、持久的影响企业的财务杠杆水平，决定着企业资本结构未来的长期变化趋势。本文接下来将采用大样本面板数据回归，进一步考察这些已知和未知影响因素对我国上市公司资本结构的实际作用程度。

四、财务杠杆稳定性影响因素检验

本文研究结果显示，企业财务杠杆会受到某些未知因素的影响，如果这些因素被忽略，线性回归的系数和假设检验结果都会出现较大的偏差。如企业在技术、市场支配力和管理方面的差异会对企业的投资和生产经营活动产生长期影响，由于这些因素不易被观测，因此可以在面板数据回归中加入固定效应来替代上述影响因素(Arellano，2003)。同理，对企业资本结构的研究也可以借鉴此方法，只要这些未知影响因素是随时间缓慢变化的，即不是固定不变的，就可以将不可观测的公司效应和时间效应作为固定效应纳入到面板回归当中，替代影响企业财务杠杆的未知因素。另外，为了测度企业过去的财务杠杆对未来财务杠杆的影响，回归模型还引入了滞后一期的已知影响因素，最后本文构建了如下针对企业当前财务杠杆水平的双固定效应面板回归模型：

其中，i代表不同企业，t代表不同时间，x。代表滞后一期的各已知影响因素，Lev．代表第i个企业在第t年的财务杠杆水平，不可观测的时间效应，v恳不可观测的企业效应，e随机误差项。最后回归结果见于(表1)。如上述回归结果所示，无论是否考虑固定效应，企业的当前账面和市场杠杆都会受到9年前企业财务杠杆的显著影响，也就是说，即使控制了影响企业财务杠杠的其他变量，企业的当前财务杠杆仍是决定企业未来长期财务杠杆的重要影响因素，同时观察加入固定效应前后各影响因素对企业财务杠杆作用的变化：(1)在加入固定效应后，回归方程的解释平方合(adj．R)出现了明显提高，从原来的21．56％(16．85％)上升到85．12％(85．5％)。(2)影响因素的回归系数均有不同程度的降低(企业规模影响因素除外)。(3)影响因素的显著性出现了普遍降低，其中部分影响因素作为解释变量直接从原来统计上显著转变为不显著(企业规模影响因素除外)。从以上回归结果可以看到，在面板数据回归中替代企业资本结构未知影响因素的“固定效应”对各已知影响因素具有很强的替代效应，并且对企业资本结长期演变规律具有较强的解释能力。由此可见，传统影响因素(公司规模、成长能力、盈利能力、抵押了能力、非负债避税、资产流动性)并非企业财务杠杆的决定因素，于此相对，某些未知影响因素(模型中的企业固定效应)才是决定企业财务杠杆水平的关键因素。

篇8

[关键词] 中部地区 要素贡献率 岭回归 层次聚类分析

一、 前言

西方经济学家历来重视对经济增长机制的研究，随着人们认识的深入和经济社会的发展，对经济增长的主要要素，已经由劳动力和资本两要素扩展到劳动力、资本、人力资本、知识积累和技术创新等多种要素，并随着科学技术的发展，对经济增长起主要作用的生产要素及各要素贡献能力格局也将不断发生改变。

借鉴前人对推动经济增长要素的研究，结合中部地区经济发展区域特征，考虑到可行性、科学性等因素，本文选取物质资本存量、固定资产投资、劳动力数量及人力资本存量等四个指标作为解释变量，首先测度了中部地区各类主要要素对经济增长的贡献率，进而根据各省推动经济增长的主要动力不同对中部六省进行了聚类分析，研究了各类经济增长方式特征。

二、模型设计及数据处理

1.回归方程确立

本文借鉴肯德里克和丹尼森对经济增长的分析思路和罗默的经济学模型，采用科布-道格拉斯生产函数形式，来建立中部地区经济增长模型。由于人力资本是经济、社会长期持续发展的主要动力之一，它在社会再生产过程中扮演的角色越来越重要，因此，可以认为人力资本对经济增长的弹性系数并不是一个常数，而是与时间相关的函数，于是有：

式中:Yt表示t时期产出，用一地区的国内生产总值（GDP）来度量；Kt-1表示t-1时期物质资本存量；It为t时期全社会固定资产投资；Lt表示t时期劳动力数量，用从业人员数度量；Ht表示t时期人力资本存量；ε为随机扰动项，它是反映GDP实际值与预测值之间偏差的变量；α、β、γ分别表示物质资本存量、全社会固定资产投资、劳动力数量等要素对产出的贡献指数；T表示时间，为增大回归的显著性，我们采用中心化数据，即T=0时表示1991年，T=1时表示1992年，T=-1时表示1990年，以此类推； 为1991年人力资本对GDP的弹性系数，反映人力资本弹性系数随时间变化的速度；因为人力资本规模报酬递增这一特性，我们限定 ，, ；这里 表示全要素生产率（TFP），除反映技术进步这一因素外，还反映制度因素、产业结构、农村剩余劳动力的转移等因素对促进生产要素投入效率提高所起的作用大小。

式中:为要素的贡献率；Xi为i要素增长率；Pi为i要素产出弹性；Y为GDP折算值。通过计算即可得到各省主要要素对经济增长的贡献率。

2．数据获得及处理

为消除价格因素的影响，对GDP和全社会固定资产投资，分别用各自价格指数进行折算（1978=1）。劳动力是实际从事社会劳动的人口，这里采用从业人员总数来衡量各省劳动投入量。

人力资本的测度是一个难题，这里采用受教育年限法估算人力资本。根据联合国一项研究结论，结合我国的实际情况，对各受教育阶段人数赋予不同权重：小学为1；初中为1；高中阶段为2.02；高等教育为6.69。然后采用加权合成的方法，可以得到各省各年的人力资本存量。

三、回归模型及聚类结果

由于模型中各解释变量之间存在很强的相关性，为了解决多重共线性问题，在对各省进行模型回归时，这里采用了基于SPSS统计软件的岭回归方法。选用合适的岭参数K值时，回归方程T值、F值、RSQ值均能通过显著性检验，说明岭回归方法在对六省生产函数回归过程中是有效的。

将岭回归结果代入公式4中，即可得到各省各要素对经济增长的贡献率，如下表所示。由此表可以看出，各种生产要素对六个省份经济增长贡献率均不相同，值得注意的是，除江西和河南两省外，劳动力数量对经济增长贡献率都是很低的，山西、湖南和湖北三省此贡献率都在10%以下。可见，传统上对经济增长起主要作用的劳动力如今已经显得不那么重要，相反，人力资本和全要素生产率曾经不被经济学家重视的生产要素，对经济增长贡献率已经占到了较大的比重。按照一般规律，全要素生产率贡献率小于50%阶段，经济增长较为粗放，可见，中部六省经济增长都仍是粗放型的。

为了便于观察各种生产要素对各个省份经济增长贡献情况，本文按照五种主要要素贡献率对六个省份进行分类，这里采用基于SPSS软件的层次聚类法。具体结果如图所示。

由图的聚类结果可以看出，若将六省分为两类，安徽、江西和河南三省归为第一类，山西、湖北和湖南为第二类。两种类型省份对比发现，安徽、江西和河南生产要素贡献率较高是物质资本存量和劳动力数量，而全社会固定资产投资、人力资本、全要素生产率贡献率则相对较低，可见，安徽、江西、河南三个省份经济增长主要依赖于其劳动力数量和物质资本存量，这种增长方式是带有粗放性质的；而山西、湖北和湖南三个省份经济增长则主要依赖于固定资产投资、人力资本和全要素生产率，经济增长要素由初级要素向高级生产要素转变，增长方式相对集约。不妨将第一类称为劳动力推动型，第二类称为技术推动型。若将六个省份分为三类，安徽将从第一类中脱离，可以看出安徽省在人力资本、全要素生产率的贡献率方面很接近于第二类，而其从业人员数量对经济增长贡献率却更接近第一类。分为三类后各自基本特征如表2所示。

四、结论

本文借鉴肯德里克和丹尼森对经济增长的分析思路和罗默的经济学模型，采用科布-道格拉斯生产函数形式，构建了中部地区经济增长模型。为了消除各变量之间多重共线性的影响，本文利用基于SPSS的岭回归方法，在选用合适的岭参数下，六省回归模型均能通过显著性检验，说明此模型中所选主要要素可以反映中部地区经济增长机制。因此，该结果可以作为计算要素贡献率及聚类分析的基础。

由各要素对经济增长贡献率可以看出，江西和河南两省劳动力数量和物质资本存量较高，其它三省这两类要素对经济增长贡献率都是较低，山西、湖南和湖北三省劳动力数量贡献率都在10%以下，相反，人力资本和全要素生产率对经济增长贡献率已经占到了较大的比重，六省全要素生产率贡献率均小于50%，由一般规律可见中部六省经济增长都仍是粗放型的。在此贡献率基础上，利用层次聚类分析方法对六省进行归类，结果显示：江西、河南两省物质资本存量和劳动力数量对经济增长贡献率相对较高，而人力资本和全要素生产率贡献率则很低，经济增长方式粗放；山西、湖北和湖南三省人力资本和全要素生产率在经济增长中作用较为突出，劳动力数量在经济增长中逐渐淡出，经济增长方式相对集约，由外延式增长向内涵式增长过渡；安徽省介于前两类之间。

参考文献:

[1]胡德龙 周绍森:提高区域创新能力是促进中部崛起的突破口[J].科技进步与对策,2006(1)

[2]陶文达 黄卫平 彭刚等:发展经济学[M].四川人出版社，1995

[3][美]菲利普・阿吉翁，彼得・霍依特著，陶然等译.内生增长理论[M].北京大学出版社，2004:11-30

[4]卢纹岱等:SPSS for Windows统计分析(第3版)[M].电子工业出版社,2006:414～443

[5]杨 楠:岭回归分析在解决多重共线问题中的独特作用[J].理论新探,2004(3)

[6]曾 庆 周燕荣等：岭回归分析及其在大气环境因素对人群健康影响分析中的应用[J].中国卫生统计,1997(4)

篇9

关键词:FDI;动态面板;区位因素

中图分类号:F726.7文献标识码:A

一、引言

外商直接投资(FDI)不仅能够为东道国引入资本,还能实现先进技术和专业知识的转移,提高国际市场的准入和强化竞争机制,在经济全球化的过程中发挥着原动力和加速器的关键作用,对世界经济与社会产生着越来越深刻的影响。20世纪九十年代以来,随着我国经济的全方位对外开放以及向市场经济体制的逐步转轨,外商在我国的直接投资迅速增长,FDI在促进我国生产力的快速发展、增强我国综合国力、提高人民生活水平等方面发挥了巨大作用,成功推动了我国对外开放和现代化建设。因此,研究影响外商直接投资流量的影响因素具有较重的现实意义。

本文采用动态面板计量模型对全国各省份1997～2008年的历史统计数据,分别建立全国、东部、中部及西部地区四个模型进行实证研究,并对目前我国利用外商直接投资中存在的问题进行分析,为政府制定科学的宏观利用外资战略提供理论支持与政策建议。

二、区位差异因素设定与数据说明

(一)变量选择与设定。综合国内外多数研究成果中关于FDI影响变量选择的归纳与分析,并结合数据的可得性,本文设定了集聚效应、市场规模、基础设施、人力资本、劳动力资本以及对外开放度这6个变量。其中,集聚效应以前一期FDI水平FDIt-1衡量,市场规模以国内生产总值衡量,基础设施用每平方公里铁路、公路、内河航道里程衡量,人力资本以普通高等学校在校学生数反映,劳动力成本以职工平均工资来反映,对外开放度通过进出口总额占GDP的比重来衡量。

(二)数据说明。因为1997年重庆市从四川省独立出来,为了保证数据在时序上的一致性,本文选取1997～2008年我国31个省市的面板数据,并运用Panel Data分析方法。本文所需的原始数据来源于《中国统计年鉴1997～2009》。

由于实际利用外商直接投资的数据是以美元为单位计量的,本文用各年汇率的中间价将美元换算为人民币,考虑到数据的可比性,以1996年不变价格为基期的CPI平减指数对数据进行了处理。而且,由于各省级行政区的建立时间前后不一,会出现某些省份的统计数据缺失现象,因此主要采取内插法处理缺失数据,尽量对缺失数据进行补充。

三、模型构建与计量分析

(一)模型构建。由于我国的FDI分布有着显著的区域差异,在时间上存在着波动,所以建立动态面板数据模型可以较好地反映这种差异性和动态性。本文所选择的动态面板数据模型采用对数形式,模型如下:

上式中,FDI、GDP、INFR、HUMC、WAGE、OPEN分别代表集聚效应、市场规模、基础设施、人力资本、劳动力成本和对外开放度。下标i和t分别代表第i个省市和第t年;it为随机扰动项,?滋i为不随时间变化的各省市截面的个体差异。

在本文面板数据中,被解释变量的滞后项是解释变量之一,会导致解释变量与随机扰动项相关,如果用标准的随机效应或者固定效应来进行估计,将导致参数估计的非一致性,从而得不到可靠的结果。由于工具变量选择的困难,组内、组间估计法基本上不可以用,因此本文运用GMM估计法进行动态面板的参数估计。

(二)实证分析。本文选取了1997～2008年我国31个省市的数据,分别对全国和东、中、西三大区域进行GMM估计,估计结果如表1所示。(表1)

为了进一步评价估计结果,本文用Im-Pesaran-Shin检验对估计的模型进行诊断,主要检验所估计的面板残差是否平稳,以确认GMM估计不是伪回归的结果。为了增强结果的稳健性,对模型同时进行LLC检验和ADF检验,检验结果如表2所示。(表2)

可以看出,各个模型的面板残差P值均小于5%,检验结果表明各个面板残差均具有平稳性,估计结果不存在伪回归现象。

由以上分析可得,各个因素对各地区的FDI影响方向和程度有所不同,下面对其逐一进行分析:

1、集聚效应。外商直接投资往往不是一年就完成的,而是在第一年的投资后,需要进行追加投资。而且一个地区的进出口贸易总额很大一部分来自这个地区已有的外资企业,这说明外资往往愿意进入外资相对集中的地区。从表2中可以得出,FDI在全国及东、中、西部地区都表现出比较显著的集聚效应。系数大小由东向西逐渐减小。这是由于东部地区地处沿海,与港澳台地区临近且开放时间早,吸引外资的规模大于中西部地区,使其较早形成了集聚经济。

2、市场规模。巨大的市场规模是外商直接投资相当看重的区位决定因素。GDP每增加1%,全国及东、中、西部的FDI当期值就分别增加0.5799%、0.5591%、0.2872%、0.5525%,东部地区的市场作用高于中西部地区。

3、基础设施。从表2中可以看出,基础设施在全国和西部的系数为正,在东部和中部的系数为负,但是都不显著,这个因素的回归结果是出乎我们意料的。这并不能说明基础设施对外商直接投资没有影响,主要是因为基础设施变量的内涵比较复杂,用每平方公里的公路、铁路和内河里程可能不具有很强的代表性,因为基础设施不仅包括交通设施,还包括通讯,金融等相关服务业的发展水平。

4、人力资本。从表2分析可知,人力资本在全国和中、东部地区的影响都显著为正,但对西部地区的影响不显著。这说明,我国东、中部今后若要提高FDI的质量,还需通过进一步优化人才结构,加强人才教育与培训来提高劳动力质量,以吸引高质量外资的流入。西部地区的影响不显著,造成这种现象的原因可能是因为FDI在我国西部更看中的是低劳动力成本。

5、劳动力水平。劳动力成本因素在全国以及东、西部地区的系数都为负,在中部地区的系数虽然为正,但结果是不显著的。这是因为大部分来我国投资的外资企业都是看中我国的廉价劳动力。目前外商在我国的直接投资主要还是集中在劳动力密集型行业。

6、对外开放度。在全国及东、中、西部地区,对外开放度因素的系数都为正且高度显著。开放的环境便于外商获取国际市场信息和开展国际贸易,同时也让一个地区获得世界上先进的管理经验、可靠有效的销售渠道和先进技术。但是,从表2中得出的结果显示:西部地区的对外开放度因素的系数远远大于中、东部地区,这与我国的现状不相符合,这可能是因为开放度在一定程度上还受到各地区政策的影响,由此导致分析误差。

四、结论

综上所述,从全国来看,集聚效应、市场规模、对外开放度与FDI之间呈现出显著的正相关关系,而劳动力成本与FDI呈现出显著的负相关关系。基础设施虽然与FDI有正相关关系,但不显著。外商直接投资更倾向于选择那些集聚效应显著、市场规模大、人力资本多、劳动力成本相对较低以及对外开放程度高的地区。但是,东、中、西部对FDI区位分布起决定作用的影响因素存在着差异。由结果可得,在东部地区,外商直接投资对集聚效应、市场规模、人力资本、劳动力成本和对外开放程度都比较关注;在中部地区,集聚效应、市场规模、人力资本和对外开放程度是外商比较重视的因素;至于西部地区,集聚效应、市场规模和对外开放程度这三个指标更受外商直接投资的关注。

(作者单位:安徽财经大学统计与应用数学学院)

主要参考文献:

[1]鲁明泓.国际直接投资区位决定因素[M].南京:南京大学出版社,2000.

篇10

【关键词】区域CPI；CPI影响因素；面板数据

1 绪论

众所周知，我国各地区在自然资源察赋、经济发展水平、居民收人和消费水平、产业结构和消费结构、市场发育程度等方面存在着明显差异，而这些方面又是影响市场价格变化的重要因素，因此如何准确研究区域CPI波动差异及其影响因素，必须考虑到各地区的实际情况，从而更好地发挥价格配置地区间经济资源的作用。基于以上情况，本论文就针对西部12个省份来进行CPI的影响因素分析，缩小了范围，更具体、更具有针对性和全面性。

2 不同省份的面板数据实证分析

2.1 指标的选取

影响CPI的因素众多，其影响特点、影响机制也不尽相同。在洋葱模型中，将CPI的众多影响因素按照对CPI影响程度的大小进行分层处理，如内层有利率、汇率、GDP等，中层有进出口总值、股票指数、PPI等，外层有可支配收入、人口数量、贫富差距等。本文根据实际情况选取了三个指标，分别为区域GDP、进出口总额和城镇居民可支配收入。

2.2 确定面板数据模型类型

一般情况下，根据面板数据待估参数的不同特性，我们将其分为随机效应模型还是很固定效应模型，判断该模型属于那一种用Hausman检验。通过计量专业软件Eviews进行Hausman检验，我们可以得到模型的P值为1，所以可以认为该模型为固定效应模型。

除此之外，对面板模型进行估计时，我们还要判断被解释变量y的参数αi和βi是否对所有的截面都是一样的，据此分为不变系数模型、变截距模型和变系数模型。在此过程中，我们主要检验如下两个假设：

假设：H1：β1=β2=……=β1 H2：α1=α2=……=α12 β1=β2=……=β12

如果接受假设H2则可以认为样本数据符合情形3，即模型为不变参数模型，无需进行进一步的检验。如果拒绝假设H2，则需检验假设H1。如果接受H1，则认为样本数据符合情形2，即模型为变截距模型，反之拒绝H1，则认为样本数据符合情形1，即模型为变参数模型。利用软件可直接求得S1=357.3044，S2=509.5926，S3=520.2143，我们可以计算得F2=0.00014392F1=0.00017938。因为F2

CPI1=m+GDP1β11+IE1β21+INCOME1β31+u1+α1*

i=1，2，…，12 t=1，2，…，10

m反映模型中的个体影响的跨成员方程变化的截距项被分解成在各个体成员方程中都有相等的总体均值截距项（m）和跨成员方程变化的表示个体对总体均值偏离的个体截距项（α1*）。个体截距项α1*表示的是个体成员i对总体平均状态的偏离，可以反映省之间的结构差异。

最后利用固定影响变截距模型的GLS法对模型进行估计，估计结果为：

从估计结果我们可以看出，对于本文中的西部地区12个省来说，其自发消费没有大幅度的变化，且偏离平均自发消费的幅度均偏小，最大的是青海，最小的是重庆。

面板数据虽然减轻了数据的非平稳性，但是还有可能存在单位根，造成伪回归，如本案例中居民可支配收入可能与GDP相关，所以，进行伪回归的检验，检验结果为P值均为0，所以我们可以认定该模型为平稳序列，即这几个变量之间存在长期稳定关系。

3 政策建议

3.1 促进实际GDP增长

从固定影响变截距模型的估计，我们可以看出，GDP对CPI呈现出很小的负相关关系，而论文采用当年价格计算的GDP的方法。因此，政府可以考虑制定相关的经济政策保障实际GDP的增长，而抑制名义GDP的过快增长，不仅可以保障经济持续有效的增长，而且对物价水平影响不大。

3.2 西部地区加强生产资料价格的管控

目前，西部地区物价与生产资料得价格密切相关，主要原因在于粗放式增长模式在“投资推动”的模式下容易造成物价的大幅波动。此模式下会对石油、煤炭和电力造成价格大幅波动，经过层层传输，最终导致物价全面上涨，使可支配收入得绝对值减少，进一步造成CPI的波动。

3.3 调整收人分配格局，增强城乡居民收人预期和价格上涨承受能力

居民收人和消费水平是影响居民消费价格变化最直接的因素。有关部门应调整收人分配格局，提高劳动报酬在初次分配中的比重，同时提高最低工资标准，着力提高低收人群体的收人水平。继续完善关系广大人民群众切身利益的现实问题，降低城乡居民支出的不确定性，防止因价格上涨而导致的生活水平明显下降。

参考文献：