深圳宏观经济与山寨经济研究

《深圳宏观经济与山寨经济研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、深圳宏观经济与山寨经济研究 　　摘要：起源于深圳市以模仿、仿造为主要模式的山寨经济已遍布于我们日常生活的每个角落，涉及电子产品、服装鞋帽、文化娱乐等诸多领域，对现实经济和社会正在产生重大影响。文章对深圳宏观经济和消费作了实证研究，对深圳山寨经济对全市消费及宏观经济的积极作用进行了分析。 　　关键词：山寨经济；回归分析；协整检验；格兰杰检验 一、引言 　　XX年山寨制造以铺天盖地之势闯入生活的每个角落，成为最为流行的话题；如今山寨经济也已经遍布大江南北，已经在深深地影响着中国的经济、文化和社会生活。山寨经济最初兴起于深圳

2、市的手机行业，之后又不断地往其他行业领域渗透，特别是最近两年山寨经济的发展异常迅猛。目前，深圳山寨制造已经从手机行业蔓延到各个消费电子行业领域，市场上已经出现了大量的山寨电子产品，以及山寨服装鞋帽、山寨玩具等生活消费品也大量出现，并且这些山寨产品在市场上很受中低端消费群体的欢迎。本文将从深圳宏观经济出发探析应该如何对待深圳山寨制造。 二、深圳经济的实证研究 深圳市消费和GDP的回归分析 1、模型的设定与数据的收集整理 　　本文选取深圳市1990-XX年的GDP为响应变量并以各年的消费总量为回归变量两个经济时间序列变量

3、进行分析。建立简单的宏观经济计量模型Y=a+b*c，以此模型为基础，用GDP代表总产出，以社会消费品零售总额代表消费。用ｙ表示GDP，以ｘ表示消费，假定两者存在线性关系，设回归函数为ｙ＝ａ＋ｂｘ＋ε，利用Ｅviews5.0分析并检验。 2、OLS参数估计及结果分析 　　利用Eviews5.0对相关数据统计，得到模型的估计函数式为： ■=76.42001+3.530735X 模型的拟合优度检验 　　判定系数R2值非常接近于1，表明模型对样本数据的拟合优度很高，这意味着深圳市的GDP和消费的关系可以通过模型99％的解释

4、，两者具有高度的线性相关性。也即假设成立，深圳GDP与消费是线性相关的。 模型及解释变量的显著性检验 F检验 　　取显著水平а=0.01，由F分布表查得临界值F0.01=8.18，1193.83>8.18即F>F0.01拒绝原假设，F检验通过。 t检验 　　取显著水平а为0.05，查t分布表得临界值为t=2.0930，而x的t统计量值为34.55184，34.55184>2.0930，所以拒绝原假设H0，即x对y的预测作用具有统计显著性。 自相关性检验——德宾-沃森检验 　　由上文知DW=1.724367，趋近

5、于2，所以不存在一阶自相关性，因此OLS估计是有效估计，t检验的可靠性和模型的预测精度没有受到影响。 总结 　　根据以上检验分析，可知解释变量能很好地线性表示回归变量，整体的显著性检验以及系数的t检验均通过，而且方程的拟合度很高。但是不能就此认为该方程可以解释变量间的关系，因为时间序列中的平稳性还没有检验，如果时间序列不平稳，所做的工作就没有意义，方程存在“伪回归”的可能。两者有共同增长的趋势，所以应该运用协整检验在加以验证。 深圳市消费与GDP的协整分析与格兰杰检验 1、平稳性检验 　　在进行协整检验分析之前要先

6、对序列进行平稳性检验。对GDP和消费序列变量进行ADF单位根检验；本文采用麦金农临界值来判断时间序列变量是否具有单位根，并运用AIC信息准则确定最优滞后阶数。由于数据的自然对数变换不改变原来的协整关系，并能使其趋势线性化，一定程度上可以消除时间序列中存在的异方差现象。对GDP和C两组数据取对数，通过Eviews5.0进行数据处理来，得到lny、lnx序列即GDP和C序列都是非平稳的，经过一阶差分后变为平稳序列，就是说lny、lnx均为I序列即一阶单整序列，说明深圳市GDP和C之间可能存在长期的均衡关系，所以要继续进行协整检验

7、进一步分析。 2、协整检验 　　这里采用EG检验法即Engle-Granger协整检验对方程的残差进行平稳性检验，即对残差序列进行ADF单位根检验，若残差是平稳的，则响应变量与回归变量之间存在协整关系；反之，则不存在。从残差的散点图来看，残差围绕0波动，而且没有时间趋势，所以，对残差的单位根进行检验时，设定回归式中不含截距项和时间趋势。按照AIC定阶准则确定滞后阶数。利用Eviews5.0得到的检验结果表明，残差序列是平稳的，这也就证明了lny和lnx是协整的即深圳市的GDP和C存在着长期稳定的均衡关系。 3、格兰杰因

8、果关系检验 　　根据上文分析结论和检验结果可知，lny、lnx均为I序列即一阶单整序列，而且两序列之间存在着协整关系，但这仅仅是表明了深圳经济和消费之间存在着因果关系。还不能确定两者具体的因果关系，即究竟是总体经济引起消费增长还是消费拉动总体经济的增长或者还有可能两者互相因果关系。通过对