社会保障和就业支出的影响因素分析本科毕业论文

1、西南财经大学西南财经大学 southwestern university of finance and economics 学期课程论文学期课程论文 课程名称：课程名称： 计量经济学计量经济学 论文题目：论文题目：社会保障和就业支出影响因素分析社会保障和就业支出影响因素分析 学生姓名学生姓名 专专 业：业： 20112011 级国际商务级国际商务 教学班级：教学班级： 周周 二二 第第 1 1、2 2、3 3 节节 【摘要摘要】本文以 1991-2010 年统计年鉴上的宏观经济数据为样本，对社会保障 和就业支出进行影响因素分析。本文先定性分析社会保障和就业支出的影响因 素，选取符合经济意义的四

2、个解释变量财政支出，gdp 指数，居民储蓄和 城镇失业率，再利用 eviews 软件建立时间序列模型，进行一系列实证检验和分 析，得出最终的回归模型并利用该模型进行预测。研究结果表明，财政支出和 gdp 平减指数对社会保障和就业支出有显著影响。基于以上分析，我们认为应 该根据我国国民收入和经济增长速度来调整财政支出，把社会保障和就业支出 保持在适度水平。 【关键词关键词】 社会保障和就业支出社会保障和就业支出 时间序列数据时间序列数据 财政支出财政支出 gdpgdp 平减指数平减指数 abstract:abstract: this paper analyzes the influence fa

3、ctors of expenditure on social securement and employment with the data between 1991 and 2010 in china statisitcal yearbook. having done qualitative analysis on the influence factors of expenditure on social securement and employment, the paper chooses four independent variables complying with econom

4、ic implications. they are fiscal expenditure, gdp deflator, household savings and urban unemployment rate. then the paper conducts a series of empirical tests and analysis by the means of eviews, through which process we get the final regression model and use it to make expectations. according to ou

5、r research results, fiscal expenditure and gdp deflator have significant influences on the expenditure on social securement and employment. based on the findings, we suggest that fiscal expenditure should be adjusted according to the speed of national income and economic development. only in this wa

6、y can the expenditure on social securement and employment maintains the level modest. keywords:keywords: social security expenditure; time-series data; fiscal expenditure; gdp deflator 目录目录 一、一、 研究背景研究背景.3 3 1.1 研究目的.3 1.2 文献综述.3 1.3 创新之处.5 二、社会保障和就业支出影响因素的定性分析二、社会保障和就业支出影响因素的定性分析.5 5 三、指标和数据的选取三、指标

7、和数据的选取.6 6 四、实证检验和分析四、实证检验和分析.7 7 4.1 单位根协整检验.7 4.1.1 单位根检验 .7 4.1.2 协整检验 .8 4.2 模型的初步构建与检验.9 4.2.1 模型的初步构建.9 4.2.2 模型的检验.9 4.3 多重共线性检验及修正.10 4.3.1 多重共线性的检验.10 4.3.2 多重共线性的修正.11 4.4 异方差检验及修正.13 4.4.1 散点图法.13 4.4.2 white 检验.14 4.5 自相关检验及修正 .15 4.5.1 自相关检验.15 4.5.2 自相关的修正.16 4.6 新模型的平稳性检验.17 五、模型预测五、模

8、型预测.1818 六、小结六、小结.1818 【附录一附录一 数据数据】.2121 1、原始数据表： .21 2、单位根检验 eviews结果 .21 3、协整检验 eviews结果（初步模型） .23 4、协整检验 eviews结果（最终模型） .23 1 1、研究背景研究背景 1.11.1 研究目的研究目的 社会保障和就业支出主要是指财政对社会保险基金的补助、补充全国社会 保障基金、行政事业单位离退休、就业补助、城市和农村居民最低生活保障等 财政开支。它往往被称为社会的“缓冲剂” ，以及经济发展的“减震器”和“安 全网” ，对维护社会稳定安全、创造良好的社会环境、提高居民生活水平发挥着 重

9、要的作用。过低的社会保障和就业支出会使个人在就业市场上的竞争风险与 生活风险增大，给劳动者的巨大压力，而且会影响其正常的工作与生活安排， 最终将损害劳动者的就业能力与正常生活，保障民生将变成一句空话，同时也 会给社会带来不稳定因素；然而过高的社会保障和就业支出水平不仅会阻碍影 响经济增长，也会造成国民过分依赖社会、依赖政府的社会问题，也就是在西 方国家中俗称的“福利病” 。因此，社会保障和就业支出力求保持在适度水平。 为了将社会保障和就业支出保持在适度水平，我们可以研究其影响因素， 通过控制其中一些重要的影响因素来把社会福利维持在一个合适的范围。对于 社会保障和就业支出的影响因素，在此之前许多

10、国内学者已经做过很多研究。 1.21.2 文献综述文献综述 曹朴 (2006) 对影响我国社会保障支出水平的影响因素进行了定性分析。 曹朴认为，人口老龄化会直接增加养老保险基金的支出压力，由此可见，老年 人口比重与社会保障支出水平存在着紧密的联系；失业率和社会保障支出水平 存在着一定的相关性，下岗和失业促使居民对生活保障和失业补助金的需求大 大增加，因此社会保障支出水平也要相应增加；社会保障支出在一定程度上也 和储蓄因素具有相关性，虽然目前对于社会保障支出和储蓄或呈正的相关性或 呈负的相关性没有明确的定论，但从总体上看，较高的社会保障水平可能会带 来储蓄的减少；地区差异也是影响社会保障支出的一

11、个重要因素，我国的社会 保障支出存在着明显的地区差异。政府的临时性政策会影响社保。 周仲秋，龙岳辉 (2010) 以我国各省19972006农村公共支出的数据为样本， 对我国农村公共支出影响因素进行了建模分析，研究结果表明，农村公共支出 受到农村公共支出初期值，政府治理水平，gdp，城乡储蓄存款，进出口总额， 农村居民家庭人均纯收入和城市化水平等因素的综合影响。 赵蔚蔚，杨庆运 (2011) 选取20002010年的数据为样本，采用协整分析和 因果分析检验，对财政社会保障支出与表示经济增长量的gdp这两个变量进行了 动态研究，结论表明，财政社会保障支出与经济增长之间存在协整且为双向的 格兰杰因

12、果关系。 徐晓莉，白极星，宋高燕 (2012) 以 2010 年西北五省区财政社会保障支出 为研究数据，对地方财政社会保障支出区域差异的影响因素及效应进行了探析。 最终其研究表明，社会保障支出的影响因素有经济发展水平、居民储蓄、就业 水平及总抚养比等。 李娜，袁志刚 (2013) 利用面板数据模型对社会保障和就业支出地区差异 影响因素进行了实证分析。研究表明，财政分权的程度和形式是影响地区社会 保障和就业支出的重要因素；反映地区劳动力市场状况的“城镇登记失业率” 、 反映经济发展水平的“实际人均gdp 对数”和反映城市化水平的“二三产业就 业人员占总就业人员比重”等变量的估计系数均不显著；最能

13、反映地方政府公 共服务供给能力的变量“实际人均财政收入对数” ，其估计系数只有在“随机效 应模型”中显著，在“混合ols 模型”和“固定效应模型”中均不显著。 李莹华，方晓彤，刘云 (2013) 基于灰色关联回归分析方法，运用 19992009年我国时间序列数据对政府卫生支出，预算内教育支出及社会保障支 出三大民生类公共支出与国内生产总值、财政支出、城乡恩格尔系数等8个影响 因素进行分析。结果表明，财政支出，国内生产总值、城乡居民人均年收入是 影响三大民生类公共支出的前四位首要因素。 王静 (2013) 结合对中国财政社会保障支出的现状和未来趋势的数据性描 述，构建数据模型，运用eviews软

14、件等进行因果分析和敏感度测算的实证分析， 得出财政社会保障支出与经济增长存在双向因果关系。 1.31.3 创新之处创新之处 以往的研究结果为我们进一步研究我国社会保障和就业支出的影响因素奠 定了良好的基础。然而，从国内学者来看，有关社会保障和就业支出影响因素 的研究很多都只基于定性分析；对于定量分析，不少文献都倾向于以公共支出 和民生支出为解释变量，而将社会保障和就业支出作为其中的一个分支进行分 析；其次，即使单独以社会保障和就业支出为解释变量，也偏向选择其中的某 一影响因素进行研究；再次，大部分已有文献偏向选取面板数据为样本，即选 取我国不同地区不同年份的相关数据进行分析。 本文以 1991

15、2010 年的时间序列数据为样本，对社会保障和就业支出进行 影响因素分析。先基于经济意义进行定性分析，从而初步选定了影响社会保障 和就业支出的四个因素财政支出，gdp 指数，居民储蓄和城镇失业率，再 利用 eviews 软件进行定量分析，通过一系列实证检验和分析，得出最终的回归 模型并利用该模型进行预测。研究结果表明，财政支出和 gdp 平减指数对社会 保障和就业支出有显著影响。因此，为了将社会保障和就业支出维持在适度水 平，一方面要加快经济增长速度，另一方面要基于国民收入和经济增长速度来 制定适当的财政开支政策。 二、社会保障和就业支出影响因素的定性分析二、社会保障和就业支出影响因素的定性分

16、析 社会保障和就业支出作为衡量社会福利的一个重要指标，常常受到许多宏 观因素的影响。根据已有文献和一些相关的经济理论，我们总结了如下几个比 较重要的影响因素： 财政支出因素财政支出因素 社会保障支出是财政满足公共需要的重要内容，是调整财政支出结构、建 立公共财政的方向之一。因此，财政支出作为社会保障与就业支出的一个重要 来源，一旦其规模、结构发生变化，一定会对社会保障和就业支出产生巨大的 影响。 经济发展因素经济发展因素 崔大海 (2008) 研究了我国财政社会保障支出与经济增长的相关关系，发 现经济增长是财政社保支出的 granger 原因，且弹性系数达到了 2.156。他认 为，我国 gd

17、p 多年来维持在 10%上下，财政税收收入更是持续高速增长，为财 政社保支出提供了坚实的财力支持，因此，我国经济增长对财政社保支出有 “拉动作用” 。并且由经济发展的一般规律可知，经济越发达的国家福利水平也 相对越高，社会保障和就业支出也就越高。因此，经济发展是影响社会保障和 就业支出的一个重要因素。 居民储蓄因素居民储蓄因素 社会保障支出是通过收入分配的方式来实现的，而收入又是储蓄的函数。 因此，社会保障支出在一定程度上也和储蓄因素具有相关性。国内不少学者的 研究显示，社会保障支出水平越高，居民储蓄越少。宋喜 (2010) 认为，社会 保障支出水平与储蓄负相关，并且社会保障支出水平每提高一个

18、百分点，储蓄 将会相应减少 0.36%。同时，由于居民收入增加是居民储蓄增加的主要原因 (陈玉珍，2005)，储蓄增加说明居民收入增加，则国家财政支出用于保证居民 基本生活的社会保障和就支出就会相应减少。 失业率因素失业率因素 社会保障和就业支出是政府转移支付的一种形式。在经济处于萧条时，劳 动者收入下降,失业人数增加,社会保障支出通过发放失业保险金、生活救助等 形式，缓和颓势，刺激经济的增长。反之，当经济处于繁荣时，社会保障支出 减少，形成结余。因此，失业率会影响社会保障和就业支出水平。 三、指标和数据的选取三、指标和数据的选取 本文在第二部分已经对社会保障和就业支出的影响因素做过定性分析，

19、我 们将选取对影响因素具有高度代表性的指标来进行实证分析，指标数据均源于 19912010 年中国统计年鉴。 （2007 年社会保障支出的统计口径较 19982006 年 发生了大的变化。 ）以 1991 年为数据起始点，是因为 1991 年邓小平提出中国特 色社会主义市场经济，并随之开始施行中国社会主义市场经济体制改革，直到 今日社会主义市场经济体制得以逐步建立和完善；数据截止到 2010 年，是因为 统计年鉴的数据更新至 2012 年，我们希望通过模型预测 11、12 年的社会保障 和就业支出，将预测结果与官方实际数据比较，检验模型的拟合效果。指标设 置如下： x1：财政支出因素全国财政支

20、出（亿元） x2：经济发展因素gdp 平减指数 x3：居民储蓄因素居民储蓄（元） x4 ：失业率因素城镇登记失业率 注：gdp 平减指数（以 1978 年为基期）作为经济发展程度的指标。之所以 用 gdp 平减指数来衡量经济发展程度，是因为该指标相较 cpi，gdp 平减指数的 计算基础更广泛，除消费外，还包括生产资料和资本、进出口商品和劳务等， 因此它可以被看作为总物价水平一般性的衡量指标，是对价格水平最宏观测量。 一方面，价格水平的不断上涨，显示出因社会总需求上升导致一国较高的经济 增长速度；另一方面，物价上涨一定程度上也反映出通胀压力，社会经济现状 对政府社会保障和就业支出本身具有影响。

21、此外，在此我们选取 gdp 平减指数 是以 1978 年为基期，有了一个固定的标准更有利于从时间上分析 gdp 的一个走 势。 四、实证检验和分析四、实证检验和分析 4.14.1 单位根协整检验单位根协整检验 4.1.14.1.1 单位根检验单位根检验 由于本文的研究是基于时间序列的分析方法，这种分析背后有一个隐含的 假设：时间序列是平稳的。否则，t、f 和 等检验结果不具有可靠性，会产 生伪回归等不良后果。故首先对样本数据进行单位根 adf 检验以检测其平稳性。 从 eviews 检验结果（见附表）看，在 1%，5%，10%三个显著性水平下，t 检验 统计量值均大于单位根检验的 mackin

22、non 临界值，故接受原假设，即该时间序 列存在单位根，是非平稳序列。 为了得到各变量序列的单整阶数，我们对一阶、二阶差分序列作单位根检 验，得到如下结果： 序列adf检验值1%level5%level10%levelp值 （二阶差分） x4-3.077-3.9204-3.0656-2.67350.049 x3-5.6964-3.8868-3.0522-2.66660.0003 x2-4.6438-3.9204-3.0656-2.67350.0025 x1-2.7746-4.0044-3.0989-2.69040.0869 y-3.5611-4.0579-3.1199-2.70110.0236

23、 由上表可知，各变量的二阶差分序列均通过了单位根检验，因此，各变量 均为二阶单整序列，记为：yi(2)，x1i(2)，x2i(2)，x3i(2)， x4i(2)。 鉴于各变量的二阶差分序列都为平稳时间序列，即为同阶单整序列，故可 以建立协整方程，以进行后续分析。 4.1.24.1.2 协整检验协整检验 如果多个非平稳经济变量的某种线性组合是是平稳的，则表明它们之间存 在长期稳定的均衡关系，即协整关系，那么所建立的回归就不是伪回归。为了 使建立方程后得到的回归模型检验值可信，需要先进行协整检验。对于变量间 是否存在协整关系的检验方法一般有两种：一种是基于回归残差的 eg 两步法协 整检验；另一种

24、是基于回归系数完全信息的 johansen 协整检验。这里我们采用 eg 两步法检验各变量间的协整关系。 由于各变量与社会保障和就业支出都是二阶单整序列，因此用 ols 法作协 整回归，建立的回归模型如下： 得出残差序列后，对残差序列进行单位根 adf 检验来判断其平稳性，如 t e dy = 191.972277678 + 0.141362560596*dx1 + 0.435349141857*dx2 - 0.0206063537776*dx3 +11295.5099186*dx4 r=0.931276 dw=1.011803 果得出的结论，则方程的各变量间存在协整关系。检验结果（eview

25、s(0) t ui 结果见附表）如下： 由上表可知，在 1%，5%，10%三个显著性水平下，t 检验统计量值均小于单 位根检验的 mackinnon 临界值，故拒绝原假设，即残差序列不存在单位根，是 平稳序列。这表明社会保障和就业支出和全国财政支出，gdp 平减指数，居民 储蓄和城镇失业率存在协整关系，即存在长期的稳定的均衡关系，可以进行下 一步建模分析。 4.24.2 模型的初步构建与检验模型的初步构建与检验 4.2.14.2.1 模型的初步模型的初步构建构建 采取 ols 进行简单的回归分析得到最初回归结果： 由上表， 建立的回 归模型如 下： y= - 2071.346+0.126503

26、x1+ 1.963429x2 -0.019673x3+ 41225.61x4 variable coefficie nt std. error t- statisticprob. c-2071.346507.5069 -4.0814140.0010 x10.1265030.0315534.0092810.0011 x21.9634291.0752581.8260070.0878 x3-0.0196730.011010 -1.7867630.0942 x441225.6123454.571.7576790.0992 r-squared0.994941 mean dependent var2584

27、.319 adjusted r- squared0.993592 s.d. dependent var2793.464 s.e. of regression223.6087 akaike info criterion13.86999 sum squared resid750012.8 schwarz criterion14.11892 log likelihood-133.6999 f-statistic737.5645 durbin-watson stat1.054220 prob(f- statistic)0.000000 (-4.081414) (4.009281) (1.826007)

28、 (-1.786763) (1.757679) 0.994941 =0.993592 f= 737.5645 4.2.24.2.2 模型的检验模型的检验 （一）经济意义分析（一）经济意义分析 基于经济学理论和以往学者的研究结果，本文在定性分析的部分已指出， 财政支出因素，经济发展因素和失业率因素与社会保障和就业支出具有正比关 系；居民储蓄与社会保障和就业支出的关系没有定论，但在一般情况下，居民 储蓄和社会保障和就业支出是呈反比的关系。所以，在经济学角度上来讲，最 初模型并没有大的问题。 （二）统计学分析（二）统计学分析 由 eviews 回归结果可知，该模型 0.994941 可决系数很高，f

29、 检验值 为 737.5645，明显显著。但是当 =0.05 时，x2，x3 和 x4 系数的 t 检验不显 著，这表明很可能存在严重的多重共线性，需要进一步进行多重共线性检验。 注：根据老师课上所讲，平稳性检验与多重共线性检验及修正的先后顺序 没有太大影响，可以调换，但推荐先做多重共线性检验及修正。因为如果模型 最初选入的变量较多，先做平稳性检验需要对各变量逐一进行 eviews 分析，工 程量较大；先做多重共线性可以剔除一些变量，从而减轻平稳性检验的工作量。 但是鉴于我们的模型中变量数较少，先做平稳性检验的工程量也不大，因此， 我们先做平稳性检验。 4.34.3 多重共线性检验及修正多重共

30、线性检验及修正 4.3.14.3.1 多重共线性的检验多重共线性的检验 首先我们先计算出解释变量的相关系数，相关系数矩阵如下： x1x2x3x4 x11.00 0.98 0.99 0.76 x20.98 1.00 0.99 0.85 x30.99 0.99 1.00 0.82 x40.76 0.85 0.82 1.00 由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确 实存在严重多重共线性。 因此，我们采取逐步回归的办法，去进一步检验和解决多重共线性问题。 4.3.24.3.2 多重共线性的修正多重共线性的修正 运用 ols 方法逐一作 y 对各解释变量的一元回归。结果如下表：

31、 变量 x1x2x3x4 参数估计值 0.1096 5.2215 0.0324 319400.4 t 统计量 39.3829 31.6486 37.0349 5.7286 r0.9885 0.9823 0.9870 0.6458 r 0.9879 0.9814 0.9863 0.6261 其中，加入 x1 的方程r最大，以 x1 为基础，顺次加入其他变量逐步回归， 结果如下： 变量 x1x2x3x4r x1 x2 0.0661 2.111 1 0.992 7 5.4082 3.613 2 x1 x3 0.0624 0.014 1 0.989 5 2.5243 1.923 4 x1 x4 0.1

32、006 29.76 86 0.992 5 42638. 4 0 3.500 2 由上表知，加入 x2 的方程r最大，且各参数的 t 检验都显著，选择保留 x2，再加入其他新变量逐步回归，结果如下： 从上表可知，加入 x3 或 x4 时，r几乎没有变化，且各参数的 t 检验不显 著。所以，我们最终保留 x1 和 x2。 用 ols 估计模型得： 变量 x1x2x3x4r x1， x2 0.0661 2.111 1 0.992 7 5.4082 3.613 2 x1， x3 0.0624 0.014 1 0.989 5 2.5243 1.923 4 x1， x4 0.1006 29.76 86 0

33、.992 5 42638. 40 3.500 2 变量 x1x2x3x4r x1，x2 ，x3 0.0843 50 2.91528 1 - 0.010361 0.99 28 3.8689 28 2.95150 6 - 1.009542 x1，x2 ，x4 0.0792 87 1.25552 5 21060.2 9 0.99 27 4.3127 49 1.17790 5 0.96059 2 最后修 正多重共 线性影响 后的回归 结果为: y=-1144.058+0.066122x1+2.11105x2 t= (-4.704183) (5.408167) (3.613152) =0.993511

34、0.992748 f=1301.399 dw=0.736187 这说明，在其他因素不变的情况下，当全国财政支出 x1 每增加 1 亿元，社 会保障和就业支出总额增加 0.066122 亿元；在其他因素不变的情况下，当 gdp 平减指数每增加 1 个百分比，社会保障和就业支出总额增加 2.11105 亿元。 4.44.4 异方差检验异方差检验及修正及修正 在计量经济学分析中，往往会出现某些因素随其观测值的变化而对被解释 变量产生不同的影响，导致随机误差项的方差相异。为了保证模型检验和预测 的正确性，我们还需要进行异方差。 sample: 1991 2010 included observatio

35、ns: 20 variable coeffici ent std. error t- statisticprob. c - 1144.058243.2001 -4.7041830.0002 x10.0661220.0122265.4081670.0000 x22.1110500.5842683.6131520.0021 r-squared0.993511 mean dependent var2584.319 adjusted r- squared0.992748 s.d. dependent var2793.464 s.e. of regression237.8954 akaike info

36、criterion13.91902 sum squared resid 962101.7 schwarz criterion14.06838 log likelihood - 136.1902 f-statistic1301.399 durbin-watson stat0.736187 prob(f- statistic)0.000000 4.4.14.4.1 散点图法散点图法 生成残差平序列，分别做残差平方和 e与 x1 和 x2 的散点图。结果如下： 根据图示，x1 和 x2 与 e之间的几何规律性不显著，很难对是否存在异方 差下结论。因此，需要进一步采用其他准确性高的统计检验方法。 4.

37、4.24.4.2 whitewhite 检验检验 white 检验分为有交叉项与无交叉项两种情况，一般情况下 white 检验应 当采取有交叉项的方法，但这种方法的弊端是会导致损失较多的自由度。就这 点来讲，对于我们这种样本容量较小（20 个）的情况，为了保证自由度，最好 采用无交叉项的 white 检验。但鉴于我们的模型里只有两个解释变量，有无交 叉项的 white 检验自由度损失差异不大，最终我们选择做有交叉项的 white 检 验。检验结果如下： white heteroskedasticity test: f-statistic 0.61409 6 probability 0.6911

38、3 5 obs*r-squared 3.59741 3 probability 0.60870 2 由上表可知，辅助回归有 5 个解释变量，由 white 检验知， 在=0.05 下，查 分布表，得，比较计算的 统计量 与临界值，因为，所以接受原假设，拒绝 备择假设，表明模型不存在异方差。 4.54.5 自相关检验及修正自相关检验及修正 以上的检验和修正都是假定随机误差项前后期之间是不相关的，但在经济 系统中，经济变量前后期之间很可能有关联，使得随机误差项不能满足无自相 关的假定，从而带来严重后果。因此，我们需要进行自相关检验。 4.5.14.5.1 自相关检验自相关检验 （一）图示检验法（一

39、）图示检验法 求出残差项和滞后一期的残差项，用(e(-1)，e)作为散步点绘图。图形如 下： 由图示，大部分的点落在一、三象限，表明随机误差项存在着正自相关。 （二）（二）dwdw 检验法检验法 由修正多重共线性后的回归结果可知， dw=0.736187。对于样本量为 20， 两个解释变量的模型，5%的显著水平，查 dw 统计表可知，=1.1 ，模型中 dw，显然社会保障和就业支出的影响因素模型中有 正的自相关，模型检验和预测的结论不可信，需要采取补救措施。 4.5.24.5.2 自相关的修正自相关的修正 为解决自相关问题，选用广义差分法。生成残差序列et，使用et进行滞后 一期的自回归，结果

40、如下： variablecoefficientstd. errort-statisticprob. e(-1)0.573050.1755833.2636940.0043 由此可得回归方程：，=0.573，对原模型进行广义差 分，得到广义差分方程： -0.573*=（1-0.573）+(x1t-0.573*)+2 (x2t-0.573* )+ sample (adjusted): 1992 2010 included observations: 19 after adjustments variable coeffici ent std. error t- statisticprob. c -

41、647.6747190.7182 -3.3959780.0037 x1-0.573*x1(-1)0.0556670.0170783.2595320.0049 x2-0.573*x2(-1)2.7327210.9029513.0264350.0080 r-squared0.986444 mean dependent var1433.401 adjusted r- squared0.984749 s.d. dependent var1442.093 s.e. of regression178.0887 akaike info criterion13.34638 sum squared resid

42、507449.5 schwarz criterion13.49550 log likelihood - 123.7906 f-statistic582.1418 对该广义差分方程进行回归，回归结果如下： 由上表 可知，回归 方程如下： t= (-3.395978) (3.259532) (3.026435) f=582.1418 dw=2.038822 其中：-0.573* -0.573* -0.573* 由于使用了广义差分数据，样本容量减少了一个，为 19 个，查 5%的显著 水平的 dw 统计表可知=1.074，模型中dw=2.0388224- 说明在 5%的显著性水平下广义差分模型中已无

43、自相关，不必再进行迭代。 同时可见，可决系数、t、f 统计量也均达到理想水平。 durbin-watson stat2.038822 prob(f- statistic)0.000000 sample (adjusted): 1992 2010 included observations: 19 after adjustments variable coefficie ntstd. errort-statisticprob. c-647.6747190.7182-3.3959780.0037 x1-0.573*x1(-1)0.0556670.0170783.2595320.0049 x2-0.

44、573*x2(-1)2.7327210.9029513.0264350.0080 r-squared0.986444 mean dependent var1433.401 adjusted r-squared0.984749 s.d. dependent var1442.093 s.e. of regression178.0887 akaike info criterion13.34638 sum squared resid507449.5 schwarz criterion13.49550 log likelihood-123.7906 f-statistic582.1418 durbin-

45、watson stat2.038822 prob(f-statistic)0.000000 由差分方程式有1516.803 由此，我们得到最终的社会保障和就业支出的影响因素模型为： 4.64.6 新模型的平稳性检验新模型的平稳性检验 我们的最终模型已不存在多重共线性、异方差及多重共线性问题；但由于 最初的平稳性检验是针对最初模型（即含有六个解释变量的模型） ，而现在的模 型中经过一系列检验及修正后只保留了两个解释变量，模型发生变化，因此， 需要对新模型进行平稳性检验。 由于两个解释变量与社会保障和就业支出都是二阶单证序列，因此我们采 用 eg 两步法检验两个解释变量间的协整关系。以 ols 法

46、作协整回归，建立的回 归模型如下： 得出残差序列后，对残差序列进行单位根 adf 检验来判断其平稳性，如 t e 果得出的结论，则方程的各变量间存在协整关系。检验结果（eviews(0) t ui 结果见附表）如下： 由上表可知，在 1%，5%，10%三个显著性水平下，t 检验统计量值均小于单 位根检验的 mackinnon 临界值，故拒绝原假设，即残差序列不存在单位根，是 平稳序列。这表明社会保障和就业支出与全国财政支出和 gdp 平减指数间存在 协整关系，因此长期关系模型的变量选择是合理的，回归系数具有经济意义。 最终我们得到的模型为： t= (-3.395978) (3.259532)

47、(3.026435) f=582.1418 dw=2.038822 12 1516.8030.0556672.732721 t yxx 12 1516.8030.0556672.732721 t yxx dy = 35.0823823966 + 0.0747688692091*dx1 + 1.24529996365*dx2 r=0.897403 dw=0.959537 这说明，在其他因素不变的情况下，当全国财政支出 x1 每增加 1 亿元，平 均来说社会保障和就业支出 0.05567 亿元；在其他因素不变的情况下，当 gdp 平减指数每增加 1 个百分比，平均来说社会保障和就业支出总额增加 2

48、.732721 亿元。 五、模型预测五、模型预测 由 20112012 年中国统计年鉴，2011 年全国财政支出为 109247.79 亿元， gdp 平减指数为 2250.4 ；2012 年全国财政支出为 11833.54 亿元，gdp 平减指 数为 2411.2。把以上数据代入我们的最终模型，得：2011 年和 2012 的社会保 障和就业支出分别为为 10751.42 亿元和 12034.76 亿元，而官方实际数据分别 为 11109.4 亿元和 12585.52 亿元，准确度高达 95%以上，所以，我们的模型拟 合效果和预测效果比较好。 六、小结六、小结 经过本文一系列实证分析和检验，

49、模型最终保留全国财政支出和 gdp 平减 指数两个解释变量，而居民储蓄和失业率被剔除在模型之外。这是因为，对于 居民储蓄因素来说，它本身就是 gdp 的一个部分，所以与 gdp 平减指数有高度 相关性，因而在多重共线性的修正时被剔除。对于失业率因素来说，虽然与社 会保障和就业支出有一定的联系，但是因为它和 gdp 高度相关，因为 gdp 是衡 量一国经济发展程度最重要的指标之一，gdp 越大，说明经济越发展，提供给 人们就业的机会越多，失业率就越低，因此也在多重共线性的修正时被剔除在 模型之外。 社会保障与就业支出的模型虽然整体拟合与预测效果比较好，但是还是存 在一定问题。 1. 模型选取的变

50、量本身过于宏观，实际操作中很难运用该模型指导国家的 经济调控，而使福利水平控制在一定范围内。 2. 样本容量只有 20，偏小，模型的拟合及预测可能带有一定偶然性。 3. 本文默认社会保障和就业支出与其影响因素之间为线性关系，故建立线 性回归模型，但实际上它们之间的关系还可能是对数线性关系及其他非线性关 系。虽然最后我们的模型拟合和预测效果较好，但还是有可能不是最佳结果。 通过这个模型，关于社会保障和就业支出我们又有了更加深刻的认识。社 会保障与就业支出受宏观经济影响很大，经济越发达，社会保障与就业支出越 多，人民的福利水平越高。所以，从本质上来讲，提高一个国家的综合国力才 是实现更高社会福利的

51、根本办法，而其他的一些制度或政策上的改进只是辅助 性措施，是在历史发展过程中的一个必然的趋势，只能在一定范围内优化我们 的社会福利，并且会遇到瓶颈，而只有真正实现了经济的发展才能保障我们的 社会福利有本质上的提高。 【参考文献参考文献】 1 曹朴.影响我国社会保障支出水平的因素分析j.经济问题,2006(6):77-78. 2 陈玉珍.我国居民储蓄的影响因素分析d.江苏:江苏大学,2005. 3 崔大海.我国财政社会保障支出与经济增长的相关关系研究a.江淮论坛, 2008(6):27-33. 4 李娜,袁志刚.社会保障和就业支出地区差异影响因素的实证分析j.经济 研究导刊,2013(2):30

52、-31. 5 李莹华,方晓彤,刘云.三大民生类公共支出影响因素灰色关联及回归分析j. 商业时代,2013(7):10-11. 6 潘楠.公共财政框架下我国社会保障支出分析d.南昌:江西财经大学,2006. 7 宋喜.社会保障对居民储蓄的影响d.天津:天津财经大学,2010. 8 王静.中国财政社会保障支出与经济增长的相关性研究d.辽宁:辽宁大学, 2013. 9 赵蔚蔚,杨庆运.我国社会保障支出和经济增长的关系研究基于公共财 政视角j.经济问题,2011(8):24-27. 10 周仲秋,龙岳辉.我国农村公共支出影响因素的模型分析a.湖南师范大学 社会科学学报,2010(3):62-65. 【

53、附录一附录一 数据数据】 1 1、原始数据表：、原始数据表： 年份社会保障和就业支出财政支出gdp平减指数居民储蓄城镇登记失业率 （亿元）y（亿元）x1x2（元）x3x4 199167.323386.62308.209244.900.023 199266.453742.20351.5511757.300.023 199375.274642.30399.6015203.500.026 199495.145792.62451.9721518.800.028 1995115.466823.72494.1629662.300.029 1996182.687937.55544.5338520.800.0

54、30 1997328.429233.56596.9546279.800.031 1998595.6310798.18640.6053407.470.031 19991197.4413187.67691.4959621.830.031 20001517.5715886.50750.6564332.380.031 20011987.4018902.58811.1173762.430.036 20022636.2222053.15888.5486910.650.040 20032655.9124649.95983.06103617.600.043 20043116.0828486.891085.41

55、119555.400.042 20053698.8633930.281201.751410501.000.042 20064361.7840422.731361.10161587.300.041 20075447.1649781.351560.48172534.200.040 20086804.2962592.661713.65217885.400.042 20097606.6876299.931866.98260771.700.043 20109130.6289874.162069.42303302.500.041 2 2、单位根检验、单位根检验 eviewseviews 结果结果 null hypothesis: d(y，2) has a unit root exogenous: constant lag length: 4 (automatic based on sic，maxlag=4) t- statistic prob.* augmented dickey-