说明分析成果12

1、Company Logo2014年学士论文答辩题目：基于面板数据的教育投资与经济增长之间的关系研究专业： 统计学班级： 100802班答辩人： 耿长学导师： 董小刚Company Logo选题的背景、意义1论文的基本结构2论文的主要内容3结论4目录Company Logo1选题的背景、意义本文研究的目的在于从理论和实证两个不同的层面探讨教育投资与经济增长的关系，揭示它们之间的规律，并对我国教育投资与经济增长进行实证分析。通过理论与实证研究，分析制约我国教育投资与经济增长良性互动机制形成的原因，并探索正在进入转型深化时期的中国，实现教育投资与经济增长良性互动的对策与途径，以期为我国国民经济的宏观

2、决策提供参考依据。Company Logo2论文的基本结构教育投资现状基本理论实证分析检验结果结论Company Logo3论文的主要内容模型的假定：面板数据有三个模型（一） 无个体影响的不变系数模型的单方程回归形式： （二） 变截据模型的单方程回归形式：（三) 变系数模型的单方程回归形式：Company Logo3论文的主要内容实证分析：要对收集的数据进行分析，首先要对数据进行检验，以确保数据的可利用性本文选取来自于中国统计年鉴2004-2011年全国31个省及直辖市的面板数据，以各地区教育经费为自变量，记为EDU，以各地区国内生产总值为因变量，记为GDP，来分析我国教育投资对经济增长的贡献

3、。本文系利用Eviews6.0进行分析，为了消除异方差性，对两变量分别取对数。要想对两变量进行建模，首先要进行检验：Company Logo3论文的主要内容实证分析：要对收集的数据进行分析，首先要对数据进行检验，以确保数据的可利用性本文选取来自于中国统计年鉴2004-2011年全国31个省及直辖市的面板数据，以各地区教育经费为自变量，记为EDU，以各地区国内生产总值为因变量，记为GDP，来分析我国教育投资对经济增长的贡献。本文系利用Eviews6.0进行分析，为了消除异方差性，对两变量分别取对数。要想对两变量进行建模，首先要进行检验：Company Logo单位根检验：我们知道要运用这些数据首

4、先要确保数据的平稳性。 图3.1 变量的水平条件下 从图3.1可以看出，所有检验的P值都很大，远远大于0.05，所以是非平稳的 3论文的主要内容Company Logo变量的二阶差分（一阶差分不平稳） 图3.2 变量的二阶差分检验 从图3.2可以看出，变量的二阶差分所有的P值都小于0.05，是平稳的3论文的主要内容Company Logo协整检验Peduoni检验 图3.3 Peduoni检验 从图3.3可以看出，有两个检验的P值大于0.05，所以变量不存在协整关系。3论文的主要内容Company LogoKao检验：从上面Peduoni检验我们知道，变量之间不存在协整，那么我们把变量取对数，

5、在进行检验。 Kao检验： 图3.4 取对变量的Kao检验 从图3.4可以看出，变量去对数后，P值小于0.05，则存在协整关系3论文的主要内容Company Logopanel data模型 要想建立模型，首先要选取模型：计算得到两个检验统计量F1=3.21， F2=101.51 在显著性水平 =0.005下，F2=101.511.70故拒绝假设H2，继续检验假设H1，又由于F1=3.212.20，故拒假设H1。因此本文需要选择变系数模型进行数据拟合，模型的具体形式为： 由于模型仅对各地区的个体差异情况进行研究，所以将模型取为固定效应模型。为了减少面板数据造成的异方差性，在回归估计时选取“可行

6、的广义最小二乘法”即GLS方法来对模型进行估计，结果见表1.1。通过BG序列相关性检验和White异方差性检验，可以得出结论，在显著性水平O.005下模型没有明显的异方差和自相关，故模型拟合较好。3论文的主要内容Company Logo模型的结果及检验： 3论文的主要内容Company Logo 图3.5 模型的检验及结果 从上图所示的检验结果可分为两部分，第一部分解释变量EDU对应于各截面成员的系数以及其估计结果，例如北京的系数为1.48，表示北京地区的教育投资对北京GDP的影响程度，当北京的教育投资增加1时，将拉动GDP1.48个单位；第二部分给出了评价总体估计效果的统计量，由于估计方法选

7、择的是GLS估计，所以结果给出了加权和未加权两种情况下的评价统计量。从表中可以看出，加权后的模型显著提高，所以采用GLS估计要比OLS估计更合理。 从上面的检验结果我们可以看出全国各地区教育投资对经济增长的贡献，结果显示，各地区回归模型中的斜率系数各有所异，换句话说，全国各地区的教育投资对经济增长的贡献不一，但总体来说各地区的教育投资对经济增长有显著的促进作用。3论文的主要内容Company Logo格兰杰因果检验：根据F统计量或者Chi平方统计量检验联合假设 ，从而判断是否存在EDU到GDP方向的因果关系。同理，检验假设 ，来判断是否存在GDP到EDU方向上的因果关系。我们利用EViews6

8、.0软件提供的Wald约束检验功能，得到了检验结果如表3.6 表3.6 教育投资与经济增长的因果检验由表3.6可知，在1的显著性水平下，教育投资对区域经济增长的Granger因果影响通过检验，同时，区域经济增长对教育投资发展的影响也通过Granger因果检验。3论文的主要内容假设F值检验 Chi值检验显著水平教育投资是经济增长的原因703.55821407.116接受经济增长是教育投资发展的原因43.70987.418接受Company Logo我国教育投资对东、中、西部GDP的影响 文章前面的两节从全国的范围内分析了教育投资对各地区的影响，研究了两者之间的Granger关系。然而，我国现阶段

9、经济发展极度不平衡，东部地区的经济发展远远超过了中部地区和西部地区，特别是西部地区的经济发展较为落后，因此，东部地区的教育投资在各省份中所占的比重也相对较低。图4.1，图4.2和图4.3分别显示了2004年-2011年教育投资在各地区GDP中所占的比重。 图4.1 东部地区教育投资所占比例3论文的主要内容Company Logo 图4.2 中部地区教育投资所占比重 图4.3 西部地区教育投资所占比重 3论文的主要内容Company Logo如前所述：利用Eviews建立各个地区的面板模型，并进行检验，所得结果分别显示在表4.4-4.6中。 表4.4 东部地区模型检验结果3论文的主要内容Comp

10、any Logo 表4.5 中部地区模型检验结果3论文的主要内容Company Logo 表4.6 西部地区模型检验结果3论文的主要内容Company Logo 从上面三表中，其中各值的含义和表4.1相同。从三表中我们可以看出，各地区的教育投资对GDP的贡献不相同，西部地区最高，中东部较低。西部地区教育投资对GDP的平均贡献率为1.54，即西部地区的教育投资平均每增加1个单位，将拉动西部地区的GDP平均1.54个单位；中部地区教育投资对GDP的平均贡献率最低为1.52，即中部地区的教育投资平均每增加1个单位，将拉动中部地区的GDP平均1.52个单位；东部地区教育投资对GDP的平均贡献率为1.5

11、0，即东部地区的教育投资平均每增加1个单位，将拉动东部地区的GDP平均1.50个单位。3论文的主要内容Company Logo本文利用基于面板数据所做的工作以及主要结论概述如下： 1 各地区回归模型中的斜率系数各有所异，换句话说，全国各地区的教育投资对经济增长的贡献不一，但总体来说各地区的教育投资对经济增长有显著的促进作用。一些经济发达地区由于经济总量大，教育基础较好，弹性系数已经较小，如北京、上海、江苏等地。总体上说，经济欠发达地区的弹性系数要大于经济发达地区，特别是我国的中西部地区，每一元的教育投资对该地区的经济增长大于东部发达地区，因此，加大对中西部地区的教育投资更加有利于当地经济的发展； 2 我国的教育投资和经济增长之问存在Granger因果关系，说明两者自身的变化可以引起另一方的变化，即教育投资的变化能引起GDP的变动，而GDP