计量经济学报告.docx

计量经济学报告.docx

《计量经济学报告.docx》由会员分享，可在线阅读，更多相关《计量经济学报告.docx（19页珍藏版）》请在冰点文库上搜索。

计量经济学报告

影响我国教育经费支出因素的分析

影响我国教育经费支出因素的分析

【摘要】21世纪国家之间综合实力的竞争归根结底是人才的竞争，我国能否在新世纪实现稳步较快的发展取决于高素质、多元化人力资本的投入多少。

因此提高我国的教育水平，增加高素质人力资源是当务之急。

而教育经费的投入情况在很大程度上影响教育的现状和未来发展。

本文建立在前人经验基础上，收集了相关数据并利用EViews5.0软件对模型进行参数估计和检验，对我国1991-2012年教育经费支出情况进行多因素的实证分析，最后根据分析结果提出一些可供参考的政策建议和意见。

【关键字】教育经费投入GDP高校在校生数量计量经济模型与检验

一、引言

随着经济全球化进程的加快，中国也在世界的大潮中不断崛起，在高速发展阶段我国急需高素质多元化的人才，因此提高中国的教育水平是当务之急；另一方面，知识经济时代的高等教育，其职能在不断拓展：

追求广泛的社会服务，为人们提供多种规格和多种形式的教育；促进知识共享，缩小社会阶层的分化；开发人力资源，推动科技发展，增强国家竞争力和提供高等教育市场等。

由此可见，加强我国高等教育对提高中国总体的教育水平有很大的影响，人才的竞争已经是国际竞争的主流，因此政府一直关注中国教育事业特别是高等教育的发展，逐年稳步增加教育的经费投入，社会各界越来越多的人也开始积极资助中国教育事业的发展。

二、变量的引入及数据的收集

（一）选择变量的依据

中国教育经费包括国家财政性教育经费、社会团体和公民个人办学经费、社会捐资集资的教育经费、学费、杂费和其他教育经费。

我们建模时是根据以下四点来选择变量。

首先，《2003-2007年教育振兴行动计划》明确确定“重点推进高水平大学和重点学科建设”为教育事业建设的一大战略重点。

教育部副部长吴启迪在“庆祝中国高等教育学会成立20周年暨2003.年高等教育国际论坛”也表明高等学校对国家经济建设和社会进步的贡献日益突出。

他指出我国高等教育事业的发展还面临不少问题和困难，其中一个主要方面就是高等教育的经费投入仍然不能适应规模快速发展的要求，高等学校的办学条件全面紧张。

可见，国家对教育经费中高等教育的投入十分重视，总体教育经费用于高等教育的部分也在逐步上升；

其次，自1999年高校扩招以来，中国大学生人数不断增加，相应的总的学费及杂费呈上升趋势；

第三，社会各界有识之士和知名企业都越来越重视中国的高等教育，纷纷捐助各大高等学校进行科研创新、改善教学设备、设立奖学金等；

由此可见，高等教育经费对中国的总体教育经费投入有很大影响。

另外，现在对教育经费的理论研究大都是从高等教育对教育经费的影响入手，因此，我们在此基础上选择大学生人数、高等学校数及高等学校教职员工数为解释变量。

最后，在2004年1月6日教育部颁布的《中国教育改革与发展及全国教育经费投入情况》的报告中又对教育经费的投入做了部署，中国政府在教育经费投入方面的目标是争取在较短的时间内实现国家财政性教育经费占国内生产总值的比例达到4%的水平。

在我国，国家公共支出一直是教育经费的重要来源，而财政支出的变动与经济增长息息相关，因此国内生产总值（GDP）是研究教育经费投入必不可少的变量。

（二）数据的收集

由此可见，高等教育经费对中国的总体教育经费投入有很大影响。

另外，现在对教育经费的理论研究大都是从高等教育对教育经费的影响入手，因此，我们在此基础上选择GDP、大学生人数、高等学校数及高等学校教职员工数为解释变量。

具体数据见表1。

回归模型设立如下：

Y=β0+β1X1+β2X2+β3X3+β4X4+ui

--我国教育经费投入数量（单位：

亿元）

--我国各年GDP数值（单位：

亿元）

--普通高等学校在校生数量（单位：

万人）

--普通高等学校数量（单位：

所）

--普通高等学校教师数（单位：

万人）

年份

y

x1

x2

x3

x4

1991

731.5

21781.5

120.7

805.0

30.3

1992

867.1

26923.5

139.6

902.0

31.5

1993

1059.9

35333.9

170.3

1016.0

34.4

1994

1488.8

48197.9

188.0

1054.0

37.2

1995

1878.0

60793.7

195.9

1063.0

38.5

1996

2262.3

71176.6

206.6

1075.0

39.3

1997

2531.7

78973.0

208.2

1075.0

39.7

1998

2949.1

84402.3

206.3

1075.0

39.5

1999

3349.0

89677.1

204.4

1075.0

39.1

2000

3849.1

99214.6

218.4

1053.0

38.8

2001

4637.7

109655.2

253.6

1065.0

38.8

2002

5480.0

120332.7

279.9

1080.0

39.6

2003

6208.3

135822.8

290.6

1054.0

40.1

2004

7242.6

159878.3

302.1

1032.0

40.3

2005

8418.8

184937.4

317.4

1020.0

40.5

2006

9815.3

216314.4

340.8

1022.0

40.7

2007

12148.5

265810.3

413.4

1071.0

42.6

2008

14500.8

314045.4

556.1

1041.0

46.3

2009

16502.8

340902.8

719.1

1225.0

53.2

2010

19561.2

401512.8

903.4

1396.0

61.8

2011

23869.4

473104.1

1108.6

1552.0

72.5

2012

26236.3

519470.1

1252.6

1605.0

81.6

表1

数据来源：

中国统计局（数据可能与其他来源不完全一致）

三、模型的求解

下面，我们运用Eviews对建立的模型使用普通最小二乘法（OLS）进行估计，并对所得结果做相关检验和修正，回归结果如下：

DependentVariable:

Y

Method:

LeastSquares

Date:

07/07/14Time:

22:

24

Sample:

19912012

Includedobservations:

22

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

1313.334

868.5355

1.512125

0.1489

X1

0.042701

0.001827

23.37528

0.0000

X2

6.348896

1.672226

3.796673

0.0014

X3

-1.851344

1.576903

-1.174038

0.2566

X4

-28.50051

46.29277

-0.615658

0.5463

R-squared

0.999069

    Meandependentvar

7981.282

AdjustedR-squared

0.998849

    S.D.dependentvar

7664.631

S.E.ofregression

259.9867

    Akaikeinfocriterion

14.15585

Sumsquaredresid

1149083.

    Schwarzcriterion

14.40382

Loglikelihood

-150.7144

    F-statistic

4558.634

Durbin-Watsonstat

0.888020

    Prob（F-statistic）

0.000000

归纳可得回归模型为：

Y=1313.3334+0.0427X1+6.349X2-1.851X3-28.501X4

SE=（868.536）（0.00183）（1.672）（1.577）（46.293）

T=（1.512）（23.375）（3.797）（-1.174）（-0.616）

P=（0.1489）（0.000）（0.0014）（0.2566）（0.5463）

R-square=0.999069F=4558.634DW=0.888020

以下我将对回归模型进行分析：

（一）经济意义的检验

从经济意义上来说，我国教育经费投入应该和我国各年GDP数值、普通高等学校在校生数量、普通高等学校数量、普通高等学校教师数呈正相关的关系，根据:

β1=0.0427>0β2=6.349>0β3=-1.851<0β4=-28.501

其中β1表示我国GDP每增加一个单位，将会相应增加0.0427个单位的教育经费投入，β2、β3、β4也表示相应的边际效应。

我们可以看出β3、β4在经济意义上不成立，这可能是由于模型存在多重共线性引起的，我们在计量经济意义检验中将对其进行修正。

（二）统计推断的检验

R-square=0.999069说明

的总变差中由模型做出解释的部分占的比重有99.90%，因此样本回归直线对样本的拟合优度是很高的。

t1=23.375，其P值为0.0000，说明GDP的增加对教育经费投入影响是显著的；t2=3.797，其P值为0.0014，说明普通高等学校在校生数量对教育经费投入影响是显著的；t3=-1.174，其P值为0.2566为，说明普通高等学校数量的增加对教育经费投入影响是不显著的；t4=-0.616，其P值为0.5463，说明普通高等学校教师数的增加对教育经费投入影响是不显著的。

对

值不显著的变量，我们同样也在接下来的计量经济检验中进行修正。

（三）计量经济的检验

1、模型设定误差检验

（1）RESET检验：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5Y2+β6Y3+β7Y4

RamseyRESETTest:

F-statistic

14.80333

    Probability

0.000127

Loglikelihoodratio

31.42545

    Probability

0.000001

TestEquation:

DependentVariable:

Y

Method:

LeastSquares

Date:

07/07/14Time:

22:

17

Sample:

19912012

Includedobservations:

22

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

5146.273

908.3246

5.665676

0.0001

X1

0.060919

0.005957

10.22695

0.0000

X2

14.91658

1.957485

7.620276

0.0000

X3

0.461841

1.333432

0.346355

0.7342

X4

-264.8223

47.50575

-5.574531

0.0001

FITTED^2

-5.64E-05

2.14E-05

-2.633505

0.0197

FITTED^3

2.36E-09

1.35E-09

1.754389

0.1012

FITTED^4

-2.55E-14

2.54E-14

-1.004136

0.3324

R-squared

0.999777

    Meandependentvar

7981.278

AdjustedR-squared

0.999665

    S.D.dependentvar

7664.629

S.E.ofregression

140.2623

    Akaikeinfocriterion

13.00019

Sumsquaredresid

275429.0

    Schwarzcriterion

13.39694

Loglikelihood

-135.0021

    F-statistic

8956.223

Durbin-Watsonstat

2.128486

    Prob（F-statistic）

0.000000

使用F检验：

F=[（R方new-R方old）/新回归元的个数]/[（1-R方new）/（n-新模型中的参数个数）]可以得到F值为8956.223，显然该数值明显大于临界值，因此可以得出以下结论：

该模型可能存在设定误差。

（2）残差图法：

结论：

由残差图可以看出，估计的残差显示出一些系统模式，表明残差不完全是随机分布的，因此，同样说明了模型中可能存在模型设定的误差。

2、多重共线性检验

简单相关系数矩阵法

X1

X2

X3

X4

X1

1

0.890934

0.729841

0.845733

X2

0.890934

1

0.81383

0.937757

X3

0.729841

0.81383

1

0.958213

X4

0.845733

0.937757

0.958213

1

表3

由上表可以看出，解释变量之间存在高度线性相关。

但这仅是一个粗略的判断。

（1）变量显著性与方程显著性的综合判断

Y=1313.3334+0.0427X1+6.349X2-1.851X3-28.501X4

SE=（868.536）（0.00183）（1.672）（1.577）（46.293）

T=（1.512）（23.375）（3.797）（-1.174）（-0.616）

P=（0.1489）（0.000）（0.0014）（0.2566）（0.5463）

R-square=0.999069F=4558.634DW=0.888020

由以上可知，模型的R-squared（AdjustedR-squared）很大，且通过F检验，但X3，X4对应的偏回归系数的t值不显著，且系数的符号与经济意义相悖，可以判断该模型存在多重共线性。

（2）下面运用逐步回归法对多重共线性进行修正：

经分析在四个一元回归模型中教育经费投入

对GDP

的线性关系最强，如下：

Y.0517*******X1

SE=（127.277）（0.00056）

T=（-8.5643）（92.3757）

R-square=0.997662F=8533.268DW=0.470736

将其余解释变量

、

、

分别逐一代入上式，得到如下最佳模型

Y.0452*******2

SE=（102.3073）（0.001834）（0.849914）

T=（-11.35853）（24.67692）（3.628317）

再将其余变量

、

逐一代入上面的二元方程，发现其效果并不理想，结果如下：

Y=1192.923937+0.0428137201X1+5.611063262X2-2.630781213X3

SE=（831.5038）（0.001786）（1.145927）（0.923752）

T=（1.14658）（23.97305）（4.89653）（-2.847929）

P=（0.1685）（0.0000）（0.0001）（0.0107）

R-square=0.999048F=6295.226DW=0.979058

虽然整体上拟和效果看上去似乎更好，但是由于其截距项部分P值为0.1685>α/2=0.025所以予以排除。

Y=1313.3334+0.0427X1+6.349X2-1.851X3-28.501X4

SE=（868.536）（0.00183）（1.672）（1.577）（46.293）

T=（1.512）（23.375）（3.797）（-1.174）（-0.616）

P=（0.1489）（0.000）（0.0014）（0.2566）（0.5463）

R-square=0.999069F=4558.634DW=0.888020

同上面的分析相同，其截距项部分P值为0.1489>α/2=0.025所以也予以排除。

通过对方程的多重共线性的判断，我们最后得出的模型为

Y.0452*******2

SE=（102.3073）（0.001834）（0.849914）

T=（-11.35853）（24.67692）（3.628317）

经检验，它同时又通过了以上的经济意义和统计推断检验。

2、异方差性检验以及其修正

怀特检验结果如下：

WhiteHeteroskedasticityTest:

F-statistic

5.186574

    Probability

0.017908

Obs*R-squared

20.06562

    Probability

0.128086

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

07/07/14Time:

22:

26

Sample:

19912012

Includedobservations:

22

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

17234837

6305810.

2.733168

0.0292

X1

46.73403

42.54354

1.098499

0.3083

X1^2

-7.51E-05

4.40E-05

-1.706919

0.1316

X1*X2

0.112854

0.082290

1.371427

0.2126

X1*X3

-0.066723

0.014861

-4.489860

0.0028

X1*X4

0.229131

1.186477

0.193118

0.8524

X2

10003.51

23258.89

0.430094

0.6801

X2^2

-15.74391

26.34501

-0.597605

0.5689

X2*X3

69.58495

28.49536

2.441975

0.0446

X2*X4

-2178.532

723.6655

-3.010412

0.0197

X3

4698.133

10440.00

0.450013

0.6663

X3^2

10.91480

7.825684

1.394741

0.2058

X3*X4

-967.7808

688.9926

-1.404632

0.2029

X4

-1230240.

434484.6

-2.831494

0.0254

X4^2

35694.30

14434.71

2.472810

0.0427

R-squared

0.912074

    Meandependentvar

52231.03

AdjustedR-squared

0.736221

    S.D.dependentvar

63648.68

S.E.ofregression

32689.60

    Akaikeinfocriterion

23.84601

Sumsquaredresid

7.48E+09

    Schwarzcriterion

24.58990

Loglikelihood

-247.3061

    F-statistic

5.186574

Durbin-Watsonstat

2.947723

    Prob（F-statistic）

0.017908

可从检验结果中得出：

R2=0.912074

比较n*R2~

k-1，可得n*R2=22*0.912074=20.06554>

8=15.507

由此可知模型中可能存在异方差。

异方差的修正——加权最小二乘法：

由于 σ^2未知，因此这里假设E（μ2）=σ^2Xi2，同时令原方程两边同除Xi2再做回归可得以下结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

07/07/14Time:

22:

42

Sample:

19912012

Includedobservations:

22

Weightingseries:

1/YF

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

3018.447

289.0394

10.44303

0.0000

X1

0.045696

0.001848

24.73341

0.0000

X2

7.812911

1.118005

6.988260

0.0000

X3

-0.934420

0.471481

-1.981881

0.0639

X4

-114.8080

20.07298

-5.719528

0.0000

Wei