欢迎来到天天文库
浏览记录
ID:9684629
大小:75.00 KB
页数:12页
时间:2018-05-05
《中国市场化进程报告:现状分析与未来预测》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、中国市场化进程报告:现状分析与未来预测 「标题 这个数字与国内专家们的判断(2003年10月由国民经济研究所委托中国国内30位著名经济学家所作的预测)也很吻合(见图1)。有近一半的专家认为中国当前的市场化程度在60%~70%以下。超过1/3的专家认为低于这个程度,只有16.67%的专家认为高于这个数。总体而言,对于60%~70%这样的判断是比较认可的。 图1国内专家对当前中国总体市场化程度的判断 资料来源:中国改革基金会国民经济研究所(2003),《5~10年后中国经济市场化调查问卷》。 综合北师大指数、官方意见以及专家判断,可以认为,当前中国的总体市场化程度在60%与70%之间。
2、3.对总体市场化进程的预测 对中国未来的市场化进程尤其是5年和10年以后经济市场化程度进行预测是一件非常困难的事。这一方面是由于影响市场化的因素很多,市场化进程中面临的不确定性因素也很多;另一方面是中国对市场化进行测度的工作开始还没几年,积累的数据相当有限。不过,本文还是愿意作一下尝试。 目前来看,关于市场化程度,较系统的数据主要是国民经济研究所的NERI指数。问题是,尽管NERI指数有1997~2000年的4年数据,但可比口径的只有1999年与2000年,也就是说,可用的时间序列只有两年。北师大指数事实上只有2001年1年。其他零星的计算,更不系统。 这种情况下,我们只能利用横截面的
3、数据来弥补时间序列数据的不足。NERI指数包含了30个省份,加上有2年,共60个观察值,勉强可以进行预测。 考虑到对GDP的未来增长预测要相对确定一些,另外,GDP指标也很综合,比某些单项指标包含了更多的信息量,所以,我们希望建立市场化指数与人均实际GDP之间的一个关系,然后通过人均实际GDP来预测未来市场化指数。 (1)解释因子为人均实际GDP. 回归结果为:INDEX=4.858445+0.000110×GDP(17.62701)(3.778087) R[2]=0.197498,调整后R[2]=0.183662,F=14.27394从结果可以看出(括号内数字为t统计量),无论是R
4、[2]还是调整后R[2]都不到0.20,也就是说,人均实际GDP仅能解释市场化指数变化的不到20%。这显示GDP与市场化程度INDEX之间的相关性并不是很强。 (2)解释因子为GDP与GDP[2]. 回归结果为:INDEX=3.338765+0.000441×GDP(7.192528)(4.931368) -1.15E-08×GDP[2](-3.869251) R[2]=0.364431,调整后R[2]=0.342130,F=16.34168结果表明,增加GDP二次项以后,解释力有所提高,但人均实际GDP对市场化指数变化的解释力还不到40%(R[2]=0.364431)。 (3)解
5、释因子为人均实际GDP,以及体现地区差异因素的虚拟变量。以上的分析表明,仅仅用GDP来解释市场化程度是远远不够的。那么,到底还有什么别的因素决定了市场化水平呢? 我们所使用的是30个省区的横截面数据,因而,地区之间结构性差异的影响一定存在(比如地理位置的影响、不同省份可能享受不同的优惠政策、不同省份政府的开明程度的差别等等)。于是,我们加入虚拟变量以体现这些结构性差异因素的影响。 由于有30个省区,我们要加上29个体现地区差异的虚拟变量。回归结果为:INDEX=-3.046061+0.000906×GDP+0.454302D2(-4.425193)(13.14907)(1.203155)
6、 +1.494322×D3+…+0.565362×D30(4.305879)(4.828941) R[2]=0.960075,调整后R[2]=0.918773,F=23.24534结果表明,加入虚拟变量以后,市场化指数变化的96%可以得到解释。除了有两个虚拟变量(D2,D10)系数的t统计检验通不过之外,其他各项统计检验都能通过。因此,这个回归方程是比较令人满意的(如果在该方程中加入人均实际GDP的二次项,R[2]有所上升,达到98,5%;而用logGDP代替GDP进行回归,效果并不理想)。不过,这恰恰表明人均实际GDP不能很好地解释市场化,而市场化指数变化的更大部分实际上要由各类地区性
7、差异来解释。这个结果与我们的经验也是相符的:一个地区或国家人均GDP增长得快,并不意味着市场化也很快;人均GDP高也不意味着市场化程度高。前苏联的人均GDP就很高,但其市场化程度并不高。北京的人均GDP也很高,但其市场化程度却没有相应地那么高。 下面准备用以上的回归方程对未来的市场化进行预测。应该选择哪个回归方程呢?第1个方程R[2]太低;第3个方程尽管R[2]很高,但由于用了反映地区差异的虚拟变量,在对全
此文档下载收益归作者所有