中国产业结构对经济增长的影响

全国大学生统计建模大赛论文论文题目：中国产业结构对经济增长的影响基于面板模型分析参赛队员：王焕英王尚坤王灿指导老师：雷建敏鲁筠参赛单位：云南财经大学提交日期：2009-9-28目录TOC\o"1-2"\h\z\u一、引言 2二、数据及模型解释 3(一)数据解释 3（二）基础模型介绍 4（三）面板数据模型的概述 4三、产业结构对经济增长的贡献实证分析 5（一）首先考虑不同产业结构对经济增长的影响 61.混合效应模型 62.随机效应模型 63.固定效应模型 7（二）产业结构与生产要素效率的关系分析模型 71.混合效应模型 82.随机效应模型 93.固定效应模型 9（三）模型的不足和改进 10四、建议及结论 10附表 12参考文献 19中国产业结构对经济增长的影响——基于面板模型分析内容提要：经济增长主要表现为经济总量的增长。但是,经济总量的增长是以各产业部门的增长为基础的。现有文献中主要是采用截面数据对各省份的产业结构进行分析，而本文采用面板数据从截面个体及时间变动两方面，研究我国产业结构对经济增长的整体影响，及产业内部结构变动对经济增长的影响。从而合理的解释我国三大产业结构如何带动经济的增长，以此使产业结构合理化。关键词：产业结构经济增长面板模型一、引言所谓产业结构是指国民经济各产业之间的相互关系。产业结构是一个体系,它包括构成该体系的各子系(即产业部门)的构成形式及地位、各子系间的相互联系和相互作用。产业结构变动与经济增长是分不开的。一方面，产业结构体系的构成是随着经济增长而发生变动的。在人类社会发展的漫长历史长河中,产业结构是由最简单的以农业为中心的初级产业结构发展到现在的以三大支柱产业即农业、制造业和服务业为核心的结构体系。美国著名经济学家西蒙•库兹涅茨在他的《各国的经济增长》(1966年)等著作中,对伴随着经济增长的产业结构变化作过很好的描述。他指出:农业部门(即第一产业)所实现的国民收入,随着年代的延续,在整个国民收入中的比重和农业劳动力在全部劳动力中的比重一样,处于不断下降之中。工业部门(即第二产业)占国民收入的相对比重,大体来看是上升的,但工业部门劳动力的相对比重,把世界各国的情况综合起来看大体不变或略有上升。服务部门(即第三产业)的劳动力的相对比重,差不多在所有的国家里都是上升的。而国民收入的相对比重大体不变,略有上升。另一方面，产业结构在一定意义上又决定了经济的增长方式。经济增长主要是通过一国国民生产总值的增加来度量的,1949年库兹尼茨(Kuznets,1949)提出,一个国家国民收入的度量必须从产业结构的角度去衡量,而一个经济的产业结构又是由其生产方式所决定的。钱纳里(Chenery,1960)通过分析部门增长的决定要素指出：当一个国家的经济规模发生变化时,服务行业和农业变化最小,而制造业增长最大,由此提出产业增长的模式,并认为这种工业化模式能使资源得到最优配置。近年来，我国的很多学者作了很多关于产业结构变化对经济增长的相关研究。刘伟和李绍荣(2002)给出了产业结构对经济增长贡献的分析模型,以及产业结构与生产要素效率的关系模型。并利用这两个模型并通过模型变量的适当变换也可以分析经济结构对经济增长的影响。袁捷敏（2007）采用偏离—份额分析方法对全国31个省(区、市)2000—2004年的经济增长影响因素进行了分析，并揭示产业结构和区域经济增长之间的关系。黄君，黄文（2008）采用1981年-2006年的我国GDP的总量和第一产业、第二产业、第三产业的产出作为样本数据来分析产业结构变化对经济增长影响，通过建立简单的线性回归模型来得出当前我国各个产业对GDP增长的贡献以及这一贡献在一定时期内的变化情况。刘建党（2008）阐述了产业结构变化、演进的内在机制；探讨了产业结构变化与经济增长的联系机制，并基于此提出了劳动力配置理论、扩张需求的投资理论、技术进步理论和外部效应理论。面板数据模型是近20年来计量经济学理论方法的重要发展之一，具有很好的应用价值。面板数据是指在时间序列上的多个截面，在这些截面上同时选取样本观测值所构成的样本数据，即包括两维的数据(横截面和时间)。如果只考虑截面数据，即同一时间的不同个体的数据，我们只能分析个体之间的关系。如果只考虑时间序列数据，即同一个个体在不同时间上的数据，我们得到的只是与时间有关的一些结论。面板数据使得我们在分析横截面个体之间的关系的同时还可以探讨个体与时间之间的关系。基于上述原因我们采用面板数据对我国产业结构与经济增长的关系进行分析，从而更合理的反映出产业结构影响我国经济增长的方式，也有利于进一步使产业结构合理化。本文分五部分介绍，第一部分引言，概括了现有研究的结论及方法；第二部分数据及模型介绍，第三部分产业结构对经济增长贡献实证研究；第四部分结论及建议二、数据及模型解释(一)数据解释本文采用全国29个省市自治区1978年—2007年的数据。数据来源于《新中国统计50年统计资料汇编》、《中国统计年鉴》及国泰安数据库。按照以往的规则不包括西藏，1996年以后的重庆加入四川省。采用的指标有：各地区生产总值Y，各地区第一、二、三产业总值、、，各地区劳动力投入量L（各地区就业人数衡量），各地区资本投入量K（用各地区资本存量衡量）。其中产值均用实际GDP来衡量。（二）基础模型介绍本文中生产函数遵循

Cobb—Douglas生产函数，具体形式为：Y表示国民收入；K表示一个国家或地区的资本存量；L表示劳动力要素的投入量；和分别表示资本和劳动力的产出弹性;是随机扰动项，表示除资本和劳动之外其他生产因素对生产的影响。不同的产业结构对总产出影响的函数（表示总产值；，表示第产业的产出量,是随机扰动项），可利用以下计量模型研究产业结构的变化对经济增长的贡献：不同的产业对总产出的影响是通过对生产规模和要素效率两方面产生作用的，可利用下列模型对此加以量化：其中表示总产出;表示资本使用量;表示劳动投入量；,表示各产业的产出占总产出的比例或经济中各经济成分的比重。（三）面板数据模型的概述1.经济分析中的面板数据问题在经济分析中，经常会发现，只利用截面数据或者只利用时间序列数据都不能满足分析目的的需要。例如，如果分析目前我国产业结构对经济增长的影响问题，它既受到各地区产业结构的影响，也受到国家在不同时期的宏观经济政策的影响。只利用截面数据，即选择同一时间上不同省市的数据作为样本观测值，可分析各省市不同产业结构对经济增长的影响，但是不能分析国家的宏观政策对各省市产业结构的影响；只利用时间序列数据，即选择同一省市或者全国在不同时间上的数据作为样本观测值，可以分析国家的宏观政策对各省市不同产业的影响，但不能分析不同产业结构对经济增长的影响。若采用面板数据，即在不同时间上选择不同省市的数据作为样本观测值，就可以分析不同产业结构对经济增长的影响，又可以分析国家宏观政策对同时期的产业结构的影响。2.面板数据模型的简介面板数据模型的一般形式为：（1）其中，分别表示第个个体在t时刻的被解释变量、解释变量的观测值，为一标量，为系数向量，为元外生解释变量的列向量，随机扰动项。模型（1）有如下三种情形：情形1：在截面上午个体影响无结构变化。情形2：称为变截距模型，在截面上个体影响不同，表现为模型中被忽略的个体的异质性，有分为固定效应和随机效应。情形3：称为变系数模型，除了存在个体影响外，在截面上还存在变化的结构。也分为固定效应和随机效应两种情况。三、产业结构对经济增长的贡献实证分析下面我们采用面板数据分析模型研究产业结构的变化对经济增长的贡献。各地区经济增长的回归模型设定为代表年份（1978-2007），代表不同地区，表示不同产业，代表随机扰动项，代表地区效应，代表时间效应，是一组控制变量。研究的主要对象是1978年—2007年各省的经济数据。数据来源于《新中国统计50年统计资料汇编》、《中国统计年鉴》及国泰安数据库。（具体数据见附表）以下分析都是在软件Eviews6.0中实现的。（一）首先考虑不同产业结构对经济增长的影响表1.1变量的定义和说明变量定义Y地区生产总值（用GDP来衡量）X1第一产业的产出量（用GDP来衡量）X2第二产业的产出量（用GDP来衡量）X3第三产业的产出量（用GDP来衡量）L各地区劳动力投入量（各地区就业人数衡量）K各地区资本投入量（用各地区资本存量衡量）面板数据模型一般有三种形式：固定效应模型，随机效应模型，混合效应模型。我们建模的出发点是度量不同产业之间对经济增长的贡献的差异，以便更好地调节产业结构，因为合理的产业结构可以促进经济的快速增长。1.混合效应模型为了分析的方便，我们将变量,,,的数据都进行取对数的处理，然后再进行分析。在模型中，变量都相应地转变为,,,.分析过程如下：对变量,,进行混合回归分析，考虑截距项不为零的情况，三个变量都通过了显著性检验，模型的拟合优忧度达到0.948965。但是Durbin-Watsonstat的值为0.133028，说明回归方程的残差项存在严重的序列相关性。同时，第三产业的总产值与地区总产值成负相关关系，这与实际经济不相符，我们有理由相信，在这里，混合回归模型不适合。见附表（表1，表2）2.随机效应模型分别考虑了个体随机效应模型，时间随机效应模型，个体和时间都随机的模型。并分别对这三类模型进行了Hausman检验。随机效应估计的一个核心假设，即原假设是随机效应与解释变量无关，Hausman检验是对这个假设进行检验的一种普偏方法。检验的输出结果见附表（表3，表4，表5），从结果中可以看出，三类随机效应模型的Hausman检验都拒绝了随机效应与解释变量无关的假设，因此我们考虑用固定效应模型进行相应的分析。3.固定效应模型对于固定效应模型，我们也分别考虑了三种情形：个体固定效应模型，时间固定效应模型，个体时间固定效应模型。我们对三种固定效应模型的分析结果（见附表，表6-表11）进行了比较，比较的结果如下表：表1.2固定效应模型分析结果比较模型参数名称个体固定效应模型时间固定效应模型个体时间固定效应模型R-squared0.9919140.9857730.995835AdjustedR-squared0.9916150.9852290.995526Akaikeinfocriterion-1.490204-0.922863-2.086817Schwarzcriterion-1.314811-0.741989-1.752474从表中可以直接看出，个体时间固定效应模型中R-squared和AdjustedR-squared在三模型中最大，AIC和SC的值在三者中最小，相比较而言，个体时间固定效应模型拟合程度更好。在个体固定效应模型中，三个变量都通过了显著性检验，而且三个变量与被解释变量都成正相关关系，这与实际经济情况相吻合。由此我们应选择个体时间固定效应模型来分析三产业对经济增长的影响。从个体时间固定效应模型的参数估计结果（见附表表10）中知，的系数0.0507，的系数是0.2255，的系数是0.3010，这说明在三产业中，对经济总产量影响最大的是第三产业，其次是第二产业，影响最小的是第一产业。这也不难理解，改革开放以后，我国的产业结构发生了一些显著的变化，第一产业对经济总量的影响逐渐下降；第二产业对经济总产量的贡献稳步提高；第三产业对经济总产量的影响在逐年增长。（二）产业结构与生产要素效率的关系分析模型前面我们进行了不同产业结构对经济增长影响的分析，但是这些产业是通过影响要素的生产效率来影响经济？还是通过影响经济的生产规模来影响经济呢？我们在此对这个问题进行深入的实证分析。表2.1变量的定义和说明变量定义Y地区生产总值占总产出的比率X1第一产业的产出占总产出的比率X2第二产业的产出占总产出的比率X3第三产业的产出占总产出的比率L各地区劳动力投入量（各地区就业人数衡量）KXL1XL2XL3XK1XK2XK3各地区资本投入量（用各地区资本存量衡量）X1与L的对数的乘积X2与L的对数的乘积X3与L的对数的乘积X1与K的对数的乘积X2与K的对数的乘积X3与K的对数的乘积模型的选择：我们依然采面板数据模型的方法，模型设定为代表年份（1978-2007），代表地区，代表随机扰动项，代表地区效应，代表时间效应，是一组控制变量。在具体分析的过程中，我们将做了取对数处理，即用表2.1中的变量,,，,,,,,来解释.同前面的方法一样，分别对混合效应模型，固定效应模型，随机效应模型进行分析，从中找出最合适的模型。1.混合效应模型分析如下，对变量,,，,,,,,进行混合回归分析，在截距不为零的情况下，,,，,,,,,三个变量都通过了显著性检验，模型的拟合优度达到0.9017。但是Durbin-Watsonstat的值为0.2198，意味着回归方程的残差项存在严重的序列相关性。说明在这里混合效应模型不太适合。2.随机效应模型分别考虑了个体随机效应模型，时间随机效应模型，个体时间随机效应模型三种。这里依然用Hausman检验，判断模型应该采用随机效应还是固定效应。通过对三模型的检验，都拒绝了零假设，即我们应该采用固定效应模型。Hausman检验的部分结果见附表（表16，表17，表18）3.固定效应模型对于固定效应模型，同样考虑了个体固定效应模型，时间固定效应模型，个体时间固定效应模型。在个体固定效应模型中，变量（第一产业产量占总产量的比重）,（劳动在第一产业上的投入）,（劳动在第三产业上的投入）都没有通过显著性检验见附表（表20），剔除变量,,后，新的结果见表22、表23.将新的结果与混合效应模型的结果比较如表2.2表2.2模型参数名称个体固定效应模型混合效应模型R-squared0.9734610.901706AdjustedR-squared0.9723800.900677Akaikeinfocriterion-0.2947960.957071Schwarzcriterion-0.1029601.011881显然，从表2.2可看出，无论是拟合优度，还是AIC值和SC值，剔除三变量后的个体固定效应模型都优于混合效应模型。在时间固定效应模型中，所有变量都通过了显著性检验。但是拟合优度，AIC值和SC值都不如剔除三变量后的个体固定效应模型。见附表（表20，表21）再考虑个体时间固定效应模型，在该模型中，X1没有通过显著性检验，见附表（表24），剔除变量X1后的进行分析，结果所有变量通过了显著性检验，见附表（表28，表29）.现将个体固定效应模型（剔除变量X1,XL2,XL3），时间固定效应模型，个体时间固定效应模型（剔除变量X1）比较如表2.3，表2.3模型参数名称个体固定效应模型（剔除变量X1,XL2,XL3）时间固定效应模型个体时间固定效应模型（剔除变量X1）R-squared0.9734610.9456380.994927AdjustedR-squared0.9723800.9431520.994516Akaikeinfocriterion-0.2947960.431443-1.878150Schwarzcriterion-0.1029600.645203-1.516402从表2.3中可以看出，个体时间固定效应模型（剔除变量X1）明显优于个体固定效应和时间固定效应模型。从个体时间固定效应模型（剔除变量X1）的参数估计结果中可以看出，第一产业在总产出中的比率不影响要素的生产效率，只影响经济的生产规模。第一产业主要是通过增加资本，同时减少劳动力的投入拉动经济增长的。第二和第三产业在总产出中的比率既影响要素的生产率，又影响经济的生产规模。第二产业是通过同时增加投资和劳动投入来影响经济增长的。（三）模型的不足和改进本文建立了两个面板数据模型，分别讨论了不同产业对经济总量的影响，以及各产业以什么样的方式影响经济总量。然而我们的模型也存在一些不足。一是由于不同产业之间，影响经济的主要产业没有加入进来，模型的拟合程度有待进一步提高。二是由于选取的数据量有限，拟合的模型不能很好地反映实际问题。三是在建模的过程中没有分阶段的讨论产业结构的变化对经济的影响。这几点都是我们值得改进的地方。四、建议及结论根据我们对面板数据模型的分析，可以看出，产业结构的状态在一定程度上影响着经济总量的增长。经济增长是一种投入产出关系，虽然资源的投入是产出的基础，但投入的产出效益很大程度上取决于结构的优化程度。如果产业结构均衡，资源的配置是合理的，经济总量就会保持持续的增长；如果产业结构失衡，资源配置效率低下，经济增长必然是缓慢的。根据分析并结合我国的实际情况，提出以下建议：（一）用结构优化经济增长，推进效益和质量的提高。在不同产业之间，合理分配资源。加强基础设施的建设，用科学技术改造传统产业，促进产业间的协调发展。（二）经济总量的持续增长依赖于产业结构的转变。表现在经济增长必须依靠那些高于平均增长率的新型产业来支撑。如果没有较高增长率的新型产业出现，也就没有产业结构的变化，那么经济总量就必然下降。因此，要大力发展新型产业，调整原有产业结构，促进经济经济更好的发展。附表表1混合效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C1.5502370.03981138.939460.0000LNX1?0.0812710.0134056.0626550.0000LNX2?0.7706640.02681128.744480.0000LNX3?-0.1126740.026366-4.2734870.0000表2混合效应模型的相关统计量表参数名称数值R-squared0.948965AdjustedR-squared0.948788S.E.ofregression0.278785Sumsquaredresid67.30650Loglikelihood-121.2087F-statistic5367.528Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion0.287836Schwarzcriterion0.309760Durbin-Watsonstat0.133028表3个体随机效应模型Hausman检验表TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.

Cross-sectionrandom271.15328730.0000表4时间随机效应模型Hausman检验表TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.

Periodrandom933.15896830.0000表5个体时间随机效应模型Hausman检验表TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom0.00000031.0000Periodrandom0.00000031.0000Cross-sectionandperiodrandom0.00000031.0000表6个体固定效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C2.5457640.03356275.852870.0000LNX1?-0.0364430.018228-1.9992500.0459LNX2?0.2923850.01809916.154330.0000LNX3?0.3251020.01819517.868020.0000表7个体固定效应模型的相关统计量参数名称数值R-squared0.991914AdjustedR-squared0.991615S.E.ofregression0.112806Sumsquaredresid10.66374Loglikelihood680.2388F-statistic3316.131Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-1.490204Schwarzcriterion-1.314811Hannan-Quinncriter.-1.423094Durbin-Watsonstat0.353812表8时间固定效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C0.3273410.0351459.3140180.0000LNX1?0.0563220.0073207.6938110.0000LNX2?0.4015470.01815822.113850.0000LNX3?0.5235150.02177424.043210.0000表9时间固定效应模型的相关统计量参数名称数值R-squared0.985773AdjustedR-squared0.985229S.E.ofregression0.149723Sumsquaredresid18.76309Loglikelihood434.4452F-statistic1812.311Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-0.922863Schwarzcriterion-0.741989Hannan-Quinncriter.-0.853655表10个体时间固定效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C2.6332540.11904122.120520.0000LNX1?0.0507310.0186062.7266770.0065LNX2?0.2255440.01675413.461890.0000LNX3?0.3010420.01919515.683260.0000表11个体时间固定效应模型的相关统计量参数名称数值R-squared0.995835AdjustedR-squared0.995526S.E.ofregression0.082405Sumsquaredresid5.493522Loglikelihood968.7652F-statistic3223.430Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-2.086817Schwarzcriterion-1.752474Hannan-Quinncriter.-1.958888表12混合效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C6.4653540.06901093.687140.0000X1?-11.574780.419209-27.610990.0000X2?-3.9580930.224834-17.604510.0000X3?4.6375720.40565911.432200.0000XL1?0.8387040.05581415.026660.0000XL2?0.7351280.04331816.970370.0000XL3?-0.4227380.041559-10.172010.0000XK1?0.8164000.04657217.529950.0000XK2?-0.1415610.039515-3.5825000.0004XK3?-0.2521520.045644-5.5242740.0000表13混合效应模型的相关统计量参数名称数值R-squared0.901706AdjustedR-squared0.900677S.E.ofregression0.388246Sumsquaredresid129.6319Loglikelihood-406.3259F-statistic876.5847Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion0.957071Schwarzcriterion1.011881Durbin-Watsonstat0.219769表14个体随机效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C5.4302040.05636796.336260.0000X1?-8.2133580.352786-23.281390.0000X2?-2.7133050.139610-19.434930.0000X3?3.7388680.24089815.520520.0000XL1?0.7004960.04576615.305910.0000XL2?0.2053910.0327216.2770930.0000XL3?-0.2300960.026081-8.8223730.0000XK1?0.4907210.02900716.917410.0000XK2?-0.1939970.022480-8.6297400.0000XK3?0.1705980.0310525.4940150.0000表15个体随机效应模型的相关统计量参数名称数值R-squared0.909371AdjustedR-squared0.908423S.E.ofregression0.279429F-statistic958.8082Prob(F-statistic)0.000000R-squared0.909371AdjustedR-squared0.908423Meandependentvar1.980536S.D.dependentvar0.923376Sumsquaredresid67.14944Durbin-Watsonstat0.273592表16个体随机效应模型的Hausman检验TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom755.48514490.0000表17时间随机效应的Hausman检验TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Periodrandom603.56544590.0000表18个体时间随机效应的Hausman检验TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.Cross-sectionrandom0.00000091.0000Periodrandom0.00000091.0000Cross-sectionandperiodrandom0.00000091.0000表20个体固定效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C4.8109600.05934981.062530.0000X1?-0.7502110.500349-1.4993750.1342X2?-2.1581350.145714-14.810800.0000X3?2.6945810.24938610.804850.0000XL1?-0.1399140.064427-2.1716460.0302XL2?-0.0481240.035601-1.3517670.1768XL3?-0.0124880.027938-0.4470080.6550XK1?0.3212750.03044710.552000.0000XK2?-0.2505500.022912-10.935360.0000XK3?0.3797730.03309511.475130.0000表21个体固定效应模型的相关统计量参数名称数值R-squared0.973630AdjustedR-squared0.972458S.E.ofregression0.204448Sumsquaredresid34.77675Loglikelihood166.0252F-statistic830.2549Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-0.294311Schwarzcriterion-0.086032Hannan-Quinncriter.-0.214618Durbin-Watsonstat0.353306表22个体固定效应模型的参数估计（去掉X1,XL2,XL3）VariableCoefficientStd.Errort-StatisticProb.

C4.8485370.029239165.82670.0000X2?-2.2490840.118504-18.978980.0000X3?2.6547540.17341115.309010.0000XL1?-0.2483620.024785-10.020600.0000XK1?0.3311910.02578312.845420.0000XK2?-0.2537140.022323-11.365720.0000XK3?0.3378380.01595421.175140.0000表23个体固定效应模型的相关统计量（去掉X1,XL2,XL3）参数名称数值R-squared0.973461AdjustedR-squared0.972380S.E.ofregression0.204736Sumsquaredresid35.00044Loglikelihood163.2361F-statistic900.8183Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion-0.294796Schwarzcriterion-0.102960Hannan-Quinncriter.-0.221394Durbin-Watsonstat0.343500表24时间固定效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C7.2863470.08038690.642110.0000X1?-9.2206700.335357-27.495100.0000X2?-2.3446610.188205-12.458030.0000X3?0.8818600.3482502.5322600.0115XL1?0.7222800.04352916.593060.0000XL2?0.8261370.03389224.375640.0000XL3?-0.4458950.032392-13.765530.0000XK1?0.5971600.03748815.929400.0000XK2?0.2932210.0351878.3332250.0000XK3?-0.5821110.039050-14.906890.0000表25时间固定效应模型的相关统计量参数名称数值R-squared0.945638AdjustedR-squared0.943152S.E.ofregression0.293724Sumsquaredresid71.69375Loglikelihood-148.6775F-statistic380.4046Prob(F-statistic)0.000000Meandependentvar5.897608S.D.dependentvar1.231920Akaikeinfocriterion0.431443Schwarzcriterion0.645203Hannan-Quinncriter.0.513233Durbin-Watsonstat0.149358表26个体时间固定效应模型的参数估计VariableCoefficientStd.Errort-StatisticProb.

C5.2581710.032989159.39020.0000X1?-0.3992800.227449-1.7554670.0795X2?-1.4177690.070999-19.968820.0000X3?1.2669310.11893310.652500.0000XL1?-0.1703730.028981-5.8787910.0000XL2?0.0775360.0166094.6682590.0000XL3?-0.0827880.013264-6.2413600.0000XK1?0.2987210.01454020.544260.0000XK2?-0.0299790.012317-2.4340010.0151XK3?0.1424060.0162408.7689500.0000表27个体时间固定效应模型的关统计量参数名称数值R-squared0.973373AdjustedR-squared0.972189S.E.ofregression0.151672F-statistic822.0161Prob(F-statistic)0.000000Meandependentvar5.897608S.D.depe