自己写的计量经济学论文.docx
- 文档编号:30529567
- 上传时间:2023-08-16
- 格式:DOCX
- 页数:18
- 大小:221.48KB
自己写的计量经济学论文.docx
《自己写的计量经济学论文.docx》由会员分享,可在线阅读,更多相关《自己写的计量经济学论文.docx(18页珍藏版)》请在冰豆网上搜索。
自己写的计量经济学论文
湖南农业大学课程论文
学院:
商学院班级:
09级国际经济与贸易
(2)班
姓名:
张书宇学号:
200942348232
课程论文题目:
我国啤酒供给的计量模型研究
课程名称:
计量经济学
评阅成绩:
评阅意见:
成绩评定教师签名:
日期:
年月日
我国啤酒供给的计量模型研究
文/国贸二班张书宇200942348232
摘要:
本文在经济学的理论基础上建立了1978-2008年间我国的啤酒供给的计量模型,通过对影响我国啤酒供给的多因素分析,建立以啤酒供给为应变量,以居民可支配收入,住宿和餐饮业收入营业额,旅游人数,小麦产量为自变量的多元线性回归模型,并利用模型对影响啤酒供给的原因进行数量化分析,发现影响啤酒供给的最主要因素是人均可支配收入,因此对于啤酒生产商,在目标消费群体中做好营销策略是重中之重,努力使自身的品牌形象为更多的消费者所喜爱。
关键字:
啤酒供给;居民可支配收入;旅游;小麦;计量模型
1.研究的背景
啤酒被称为“液体面包”,它是以麦芽为主要原料,添加酒花,经酵母发酵酿制而成,是一种含二氧化碳、气泡、低酒精度的饮料酒。
今天,啤酒已发展成为世界酒类中生产量与消费量最大的酒种。
全球约有165个国家和地区生产啤酒,全世界一年啤酒生产量达1亿多吨,人均消费量20升以上。
啤酒已成为国际上通用的饮料。
啤酒在我国的出现不过近百年时间,但我国却是近年来啤酒发展速度最快的国家。
1994年全国啤酒产量突破1400万吨大关,超过德国,成为仅次于美国的世界第二大啤酒生产国。
2002年,我国啤酒产量首次超过美国,成为世界上最大的啤酒生产大国。
日本麒麟饮食文化研究所8月10目公布的“2009年主要国家啤酒产量”调查报告显示,2009年亚洲主要国家啤酒产量为5867万公升,较前1年增加5.5%。
由此,亚洲超过欧洲成为全球第一大啤酒生产地。
这是自1974年开始此项调查以来,亚洲首次获此殊荣。
相关研究表明,2009年,亚洲啤酒产量最大的国家为中国,比上年增长7%,中国啤酒产量由此连续8年位居亚洲首位。
这些数据充分的说明了一个问题,那就是中国的啤酒生产在世界中占据主导地位,中国啤酒的生产的变化会给世界啤酒的生产造成巨大的影响。
世界各国的啤酒生产商都关注着中国啤酒的生产!
而对于国内啤酒业,借势奥运,国内啤酒营销异常红火。
在每年的啤酒销售中,旺季的销售收入占据了全年销量的一大部分,而奥运会的举办则刚好在销售的旺季之中,这一盛会更使啤酒销售量大幅度增加。
这百年难遇的奥运年给啤酒企业带来新的市场契机,借势奥运这场大戏,啤酒营销表演得淋漓尽致。
而对于消费者,酒类的消费也随着人民生活的不断提高,啤酒消费在各种消费中越来越扮演着重要角色,在消费中的比重越来越大,其中的啤酒更是受到80后和90后的青睐,成为各种聚会必不可少的一项。
所以在这种大背景下,对影响啤酒行业绩效的各种因素进行实证分析就显得尤为必要,本论文正是基于此种背景而做出的。
二.文献综述
王廷惠(2000)通过分析我国啤酒行业自改革开放以来的发展过程,认为我国啤酒行业存在着过度竞争的现象。
作者认为导致我国啤酒行业出现过度竞争的原因主要不是竞争机制作用的必然结果,而是行政性垄断导致资源流动受阻的结果。
黄苹(2006)研究表明跨国并购在一定程度上促进了中国啤酒行业市场集中度的提高,在一定程度上促使啤酒行业过度竞争的市场结构演变为垄断竞争的市场结构。
作者认为跨国并购所导致的新的竞争格局与福利效应之间存在着高度的正相关关系。
王爱林(2001)指出我国啤酒行业主干企业存在的问题有:
啤酒企业缺乏清晰的品牌战略,以一个牌子推出多种产品,如此虽可有效地利用广告、推广费用等,但,因为没有对消费者接受产品的心理进行研究分析,从而会使企业的品牌定位发生混乱。
魏清予(2008)分析了我国啤酒制造业市场结构和市场行为概况,我国啤酒制造业市场绩效中资源配置效率、规模结构效率及技术进步水平状况,以及我国啤酒制造业市场结构和产权结构变化对市场绩效的影响。
以上学者对影响啤酒行业绩效的因素研究,主要集中于行业竞争,行业结构和企业自身经营等方面,并没有对与啤酒相关的其他行业,以及啤酒需求方面的变化对啤酒行业绩效产生的影响。
因此,希望本文的研究方法和研究结论能对啤酒行业绩效这一方面的研究进行补充完善,为以后关注这一方面的学者提供参考。
三.研究目标
如前所述,国内学者对影响啤酒行业的市场绩效各种因素进行了研究,这些因素是多种多样的,事实上对啤酒制行业绩效影响的因素有非常多,但由于数据的限制,任何人的研究显然无法穷尽所有的影响因素。
所以我主要通过以啤酒行业相关的其他行业的情况,以及消费者的购买力等外部环境的变化对啤酒行业的影响进行分析。
通过Eviews软件建立计量模型,对其进行数量化分析。
通过对模型的建立与观察,分析影响因素中的主要因素与次要因素,解释其中蕴含的经济意义,从而为有关部门以及相关企业在决策时,提供一些数据,以供参考。
四.模型的建立与说明
通过运用Eviews软件进行各种函数形式进行模拟。
通过对图形的观察,拟合优度,各参数值的t统计量的观察。
比较了对数,指数与线性函数形式,从中选出最优的函数形式——线性回归函数,建立线性回归模型:
S=C+β1Y+β2R+β3W+β4N+μ
其中:
S——啤酒供给量;单位:
万千升。
Y——城镇居民全年人均可支配收入;单位:
元。
R——住宿和餐饮业收入;单位:
亿元。
W——小麦产量;单位:
万吨。
N——旅游人数;单位:
百万人次。
(所有数据见附表1)
五.数据的搜集与说明
在模型的建立过程中,考虑了影响啤酒供给的各种因素,最终确定主要的影响因素如下:
人均可支配收入,住宿和餐饮业收入,小麦产量,旅游人数。
所以模型的建立,就以这四个因素作为解释变量,以啤酒供给量作为被解释变量进行回归分析。
而人均可支配收入的数据来自国家统计局发布的统计数据,其他各个因素相关年份的数据均来至中国统计年鉴1994-2010。
6.模型的参数估计ˋ检验与预测
1.在对模型进行回归分析之前,先对相关数据的趋势图进行观察和分析,以确保模型回归分析的正确与合理。
本文将选取相关数据的折线图与散点图(相关图)进行分析。
(相关图形见附表2)
从折线图可以看出,啤酒供给,人均可支配收入,住宿和餐饮业收入与旅游人数都是逐年增加的,而小麦产量有的年份增加有的年份减少,波动很大。
图形说明了人均可支配收入,住宿和餐饮业收入与旅游人数的变化与啤酒供给可能存在正相关的关系,而小麦产量的变化并不影响啤酒供给。
从散点图可以看出,1990-2003年啤酒供给,人均可支配收入,住宿和餐饮业收入与旅游人数虽然都是逐年增加,但是增加的速度并不快,而2003-2008年增加速度都骤然加快,而小麦产量依然波动很大。
图形说明从03年后我国整体经济都飞速发展,而啤酒供给,人均可支配收入,住宿和餐饮业收入与旅游人数的变化情况趋于一致,这表示人均可支配收入,住宿和餐饮业收入与旅游人数对啤酒供给可能存在着显著的影响关系。
2.再对相关数据的趋势图进行分析之后,应对模型进行回归分析:
(相关估计结果如附表3)利用EVIEWS软件,用OLS方法对模型进行多元线性回归分析,回归模型如下所示:
S=4.832854+0.344659Y-0.180661R-0.007759W+0.966830N+μ
(0.021062)(9.774821)(-4.138359)(-0.337373)(2.108925)
R2=0.994837R2=0.993362S.E.=82.06523F=674.4452DW=1.180471
由回归模型可以知道,常数项与小麦产量的参数估计值明显不显著。
而住宿和餐饮业的收入与啤酒的供给量呈现负相关关系,这与需求的增加使供给扩大的现实经济意义相违背,而旅游人数的参数估计并不是十分显著。
因此可以说明模型中还存在许多问题,需要对模型进行相关处理。
3.(相关估计结果如附表4)把参数估计不显著的解释变量逐个交替去掉,观察模型相关数据的变化,并进行相关分析,首先把解释变量W(小麦产量)去掉,观察到模型的拟合优度基本没有变化,但是通过赤池信息准则(AIC)和施瓦茨准则(SC)。
发现模型的AIC值与SC值都减小了,并且N(旅游人数)的参数估计值的t检验也变得显著了,所以可以考虑把解释变量W(小麦产量)去掉。
再通过保留W去掉N,发现模型的变化均没有去掉W的效果好,因此选择的新模型为:
S=-48.36677+0.344995Y-0.175373R+0.902605N+μ
t(-0.299121)(10.09085)(-4.437327)(2.231157)
Prob(0.7690)(0.0000)(0.0005)(0.0414)
R2=0.994795R2=0.993754S.E.=79.60417F=955.6828DW=1.134288
通过对模型相关数值的分析,可以看出新模型的拟合优度是较好的,f统计型依然存在很多问题,如:
常数项的参数估计值不显著,R(住宿和餐饮业的收入)与S(啤酒供给量)呈现负相关关系,这依然与需求的增加使供给扩大的现实经济意义相违背,这说明了模型很可能存在多重共线性的问题,因此需对模型进行多重共线性检验。
4.多重共线性检验:
利用Eviews软件进行解释变量之间的多重共线性检验,发现所以解释变量之间都存在高度相关性(检验结果如附表5所示)。
因此需要利用逐步回归法(变量剔除法)对模型进行修正。
首先分别做出S与Y,R,N之间的回归,从中选出相关数据最优的模型,最终确定选择Y单独为解释变量作为初始的回归模型。
接着将R与N分别加入模型进行回归,发现两个模型中R(住宿和餐饮业的收入)与N(旅游人数)均和S(啤酒供给量)呈现负相关关系,这依然现实经济意义相违背。
因此将解释变量R(住宿和餐饮业收入)与解释变量N(旅游人数)剔除。
(详细结果见附表6)。
因此最终确定的新模型为:
S=542.1932+0.245433Y+μ
(10.48309)(36.98376)
R2=0.987724R2=0.987002S.E.=1007.280F=1367.799DW=
0.891272
通过模型可以看出模型的拟合优度是较高的,模型的f统计量也是非常显著的,而t统计量的临界值t0.05(19)=1.729,模型中常数项与解释变量的t统计值都明显大于1.729,所以在5%显著水平下,常数项与解释变量Y的参数估计值是非常显著的。
但是通过查表可知dl=1.18,du=1.40.而模型的DW=0.891272
因此需要对模型进行处理。
5.自相关的克服:
Λ
(相关数据见附表7)在方程估计中就加入AR项,用C-O迭代法来估计模型,利用EViews软件得出的模型如下:
St=810.3265+0.215387Yt+0.677606AR
(1)
(3.084966)(8.780093)(2.921361)
R2=0.992606R2=0.991620S.E.=88.52979F=1006.844DW=
1.829954
模型的DW=1.829954,du=1.40 6.Granger因果关系检验: (相关数据见附表8)通过Granger因果关系检验,可以考察解释变量与应变量直接存在怎样的影响关系,这能对判断模型的设定是否正确提供帮助。 而从Granger因果关系检验的结果可以看出模型的AIC值随着滞后期的增加而增加,而从LM (1)检验的P值可以看出只有在滞后期为1时Y为解释变量,S为被解释变量的模型才不存在序列自相关。 因此,选取为1的滞后期是最优的,即拒绝“Y不是S的格兰杰原因”的假设,不拒绝“S不是Y的格兰杰原因”的假设,这说明Y(人均可支配收入)对S(啤酒供给量)有单向影响。 所以,可以看出模型设定是正确的。 7.模型的分析: Λ 在进行了一系列检验和修正后的最终模型如下: St=810.3265+0.215387Yt+0.677606AR (1) (3.084966)(8.780093)(2.921361) R2=0.992606R2=0.991620S.E.=88.52979F=1006.844DW= 1.829954 (相关数据见附表9)这里还需要对Y(人均可支配收入)这个时间序列的平稳性进行检验。 利用1990—2008年Y(人均可支配收入)的数据,采用带有截距和趋势的ADF的单位根检验,从检验的结果可以看出,不能拒绝存在单位根的原假设,即时间序列Y(人均可支配收入)是非平稳的。 从模型中可以看出: (1)解释变量Y(人均可支配收入)的参数估计值是显著的,表明啤酒的供给与人均可支配收入的变化有明显的相关关系。 (2)Y(人均可支配收入)的参数的大小以及符号都符合经济意义,人均可支配收入的增加会使啤酒的供给增加,且人均可支配收入是影响啤酒供给的主要因素。 (3)模型的f统计量很高,模型整体的拟合优度很好,模型的自相关性也得到了克服,模型还算成功。 8.模型的预测: 通过国家统计局发布2009年统计数据,可以知道2009年全年城镇居民人均可支配收入为17175元,通过模型计算出2009年的啤酒供给量为4509.321万千升,而从2010年中国统计年鉴可以查到2009年的啤酒供给量为4162.18万千升。 误差为347.141万千升,原因是多方面的,比如数据统计误差,统计依据误差以及一些与人均可支配收入相关但又对商品房价格有影响却被剔除的变量有关等因素。 7.总结 模型显示,人均可支配收入与啤酒供给量呈正相关关系,在4个解释变量中人均可支配收入对啤酒供给量影响是最显著的,人均可支配收入没增加1个单位,啤酒供给量就会相应的增加0.215387个单位。 对于城镇居民来说,啤酒的消费算较廉价的奢侈品消费,是为了满足自身的娱乐而进行的消费。 因此可以发现在年轻的工薪阶层或者学生中,如果在自身的可支配的收入水平内,或多或少的会对啤酒进行消费,比如在酒吧,烧烤城,聚餐时等消费啤酒。 而从模型最初建立,处理,一直到最终模型的确定过程中,可以从4个解释变量的参数估计值的显著性可以看出,人均可支配收入对啤酒供给量的影响始终是显著的,小麦产量对啤酒供给量的影响始终是不显著的,而住宿和餐饮业的收入,旅游的人数对啤酒供给量也有明显的影响,但是因为它们都与人均可支配收入存在高度的相关性而不得不被剔除。 这些都说明了: 啤酒生产商在考虑啤酒生产时应重点考虑销售目标的人均可支配收入的变化,对于餐饮业以及旅游业的发展,也要高度关注,因为它们的变化也要会对啤酒的需求产生显著影响。 而对于小麦产量则无需花费太多的精力,通过模型可以看出小麦产量并不会对啤酒的生产产生显著影响,毕竟小麦是啤酒生产的主要原料之一,但其所占的比重并不是非常大,而且啤酒生产所需要的小麦,只是占了全国小麦产量中的小部分。 因此我认为,我国啤酒产量的不断增长主要是受到居民人均可支配收入提高带来的购买力增强的强劲支撑。 考虑到未来我国经济持续增长与消费者收入稳定增长的良好预期,我国啤酒的消费量依然会持续增长,在这种情况下,啤酒企业应积极做好目标消费群体的营销策略: 第一,重点关注产品差异化,努力打造自身产品的特色,做到人无我有,人有我精,给啤酒消费者一种独特的感觉,牢牢抓住消费者。 第二,做好自身的品牌,树立自己的品牌在消费者中的良好形象,只有良好的口碑才能获得消费者的青睐,这就要求企业在提高自身产品质量的同时,还要努力扩大品牌宣传,增加自身的公众影响力,让品牌的影响深入人心。 参考文献: [1]李子奈,潘文卿.《计量经济学》[M].北京: 高等教育出版社,2010年3月 [2]王廷惠.我国啤酒行业市场竞争与发展分析[J].中国工业经济,2000年第7期 [3]黄苹.跨国并购与中国啤酒行业福利效应的实证分析明[J].经济研究,2006年第6期 [4]王爱林.我国啤酒行业主干企业存在的问题及对策[J].企业经济,2001年第3期 [5]魏清予.中国啤酒制造业市场结构及绩效研究[D].南京农业大学,2008年 [6]《中国统计年鉴》1994-2010年 所有附表如下: 附表1 年份 啤酒供给量(万千升) 城镇居民全年人均可支配收入(元) 住宿和餐饮业收入(亿元) 小麦产量(万吨) 旅游人数(百万人次) S Y R W N 1990 692 1510.2 419.8 9822.9 375 1991 838 1700.6 492.0 9595.3 434 1992 1021 2026.6 589.7 10158.7 481 1993 1192 2577.4 817.8 10639.0 497 1994 1415 3496.2 1201.4 9929.7 524 1995 1568.82 4283.0 1614.7 10220.7 629 1996 1681.91 4838.9 2070.0 11056.9 640 1997 1888.94 5160.3 2488.2 12328.9 644 1998 1987.67 5425.1 2878.8 10972.6 695 1999 2098.77 5854.0 3270.3 11388.0 719 2000 2231.32 6280.0 3836.1 9963.6 744 2001 2288.93 6859.6 4465.2 9387.3 784 2002 2402.70 7702.8 5547.1 9029.0 878 2003 2540.48 8472.2 6191.4 8648.8 870 2004 2948.59 9421.6 7550.4 9195.2 1102 2005 3126.05 10493.0 8886.8 9744.5 1212 2006 3543.58 11759.5 10345.5 10846.6 1394 2007 3954.07 13786.0 12352.0 10929.8 1610 2008 4156.91 15781.0 15403.9 11246.4 1712 附表2 附表3 DependentVariable: S Method: LeastSquares Date: 04/17/11Time: 19: 51 Sample(adjusted): 19902008 Includedobservations: 19afteradjustments Variable Coefficient Std.Error t-Statistic Prob. C -54.07923 163.8387 -0.330076 0.7462 Y 0.356107 0.037299 9.547279 0.0000 R -0.177017 0.040061 -4.418736 0.0006 W 284.8773 356.5961 0.798879 0.4377 N 0.817678 0.423088 1.932643 0.0738 R-squared 0.995022 Meandependentvar 2188.249 AdjustedR-squared 0.993600 S.D.dependentvar 1007.280 S.E.ofregression 80.58190 Akaikeinfocriterion 11.83736 Sumsquaredresid 90908.20 Schwarzcriterion 12.08590 Loglikelihood -107.4549 Hannan-Quinncriter. 11.87942 F-statistic 699.6337 Durbin-Watsonstat 1.320852 Prob(F-statistic) 0.000000 附表4 附表5(多重共线性检验结果) Y R N Y 1 0.9897507347485536 0.9879286923969514 R 0.9897507347485536 1 0.9920895853131041 N 0.9879286923969514 0.9920895853131041 1 附表6(逐步回归法结果) 表一 表二 附表7(自相关的克服) DependentVariable: S Method: LeastSquares Date: 04/17/11Time: 12: 01 Sample(adjusted): 19912008 Includedobservations: 18afteradjustments Convergenceachievedafter8iterations Variable Coefficient Std.Error t-Statistic Prob. C 810.3265 262.6695 3.084966 0.0075 Y 0.215387 0.024531 8.780093 0.0000 AR (1) 0.677606 0.231949 2.921361 0.0105 R-squared 0.992606 Meandependentvar 2271.374 AdjustedR-squared 0.991620 S.D.dependentvar 967.1029 S.E.ofregression 88.52979 Akaikeinfocriterion 11.95557 Sumsquaredresid 117562.9 Schwarzcriterion 12.10396 Loglikelihood -104.6001 Hannan-Quinncriter. 11.97603 F-statistic
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 自己 计量 经济学论文
![提示](https://static.bdocx.com/images/bang_tan.gif)