遼寧經(jīng)濟(jì)與產(chǎn)業(yè)結(jié)構(gòu)的實(shí)證分析

1、計(jì)量經(jīng)濟(jì)學(xué)論文題 目：遼寧省產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)發(fā)展作用的實(shí)證分析 學(xué)生姓名：曹威學(xué)生學(xué)號：20140856專業(yè)班級：經(jīng)濟(jì)學(xué)1401班指導(dǎo)老師：田樹喜 2016年7月6日遼寧省產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)發(fā)展作用的實(shí)證分析 曹威摘 要：借助經(jīng)典假設(shè)下的線性回歸模型和時間序列模型，利用遼寧省1998年到2015年三次產(chǎn)業(yè)的每年增長率和GDP增長率對遼寧省產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)濟(jì)增長的影響進(jìn)行實(shí)證分析，分析的結(jié)果表明，遼寧省第三產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)率較大，第三產(chǎn)業(yè)次之。同時利用財(cái)政科技支出增長率和固定資產(chǎn)投資增長率對第三產(chǎn)業(yè)增長率進(jìn)行實(shí)證分析，分析的結(jié)果表明，遼寧省第三產(chǎn)業(yè)的增長率受固定資產(chǎn)投資影響較大。因此，在工業(yè)產(chǎn)能過剩的

2、環(huán)境下，遼寧省應(yīng)該在進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)改革發(fā)展第三產(chǎn)業(yè)的同時，也應(yīng)該通過增加固定資產(chǎn)投資和增加投資邊際回報(bào)率來保證第二產(chǎn)業(yè)的穩(wěn)定，最終使遼寧在經(jīng)濟(jì)下行壓力下仍然保證經(jīng)濟(jì)的動力。關(guān)鍵詞：產(chǎn)業(yè)結(jié)構(gòu)；經(jīng)濟(jì)增長；固定資產(chǎn)投資；東北振興戰(zhàn)略1、 問題的提出 產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長之間，一直是經(jīng)濟(jì)學(xué)家討論和研究的熱點(diǎn)。許多外國學(xué)者很早就開始進(jìn)行這方面的研究，庫茲涅茨提出，人均產(chǎn)出的高增長帶動消費(fèi)水平的提高，引起消費(fèi)需求結(jié)構(gòu)的變遷，進(jìn)而促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)的變遷，進(jìn)一步促進(jìn)經(jīng)濟(jì)增長。Kuzenets提出主導(dǎo)產(chǎn)業(yè)政策會引起社會投資結(jié)構(gòu)的調(diào)整和消費(fèi)結(jié)構(gòu)的變動，進(jìn)而對經(jīng)濟(jì)的穩(wěn)定性造成影響。近年P(guān)eneder認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)促進(jìn)經(jīng)濟(jì)增長

3、的核心原因是，在技術(shù)進(jìn)步和主導(dǎo)產(chǎn)業(yè)依次推動產(chǎn)業(yè)結(jié)構(gòu)變遷的過程當(dāng)中也存在著產(chǎn)業(yè)生產(chǎn)率水平的巨大差異，投入要素從低生產(chǎn)率或者低生產(chǎn)率增長率的部門向高生產(chǎn)率水平或高生產(chǎn)率增長率的部門流動可以促進(jìn)整個社會生產(chǎn)率水平的提高，由此帶來的“結(jié)構(gòu)紅利”維持了經(jīng)濟(jì)的持續(xù)增長。國內(nèi)的一些學(xué)者也對中國進(jìn)行了產(chǎn)業(yè)結(jié)構(gòu)方面的研究。王發(fā)明和壟榮華認(rèn)為，對于欠發(fā)達(dá)地區(qū)來說，轉(zhuǎn)變經(jīng)濟(jì)增長方式，應(yīng)充分重視結(jié)構(gòu)效應(yīng)在經(jīng)濟(jì)增長過程中的作用。調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、改變資源在不同行業(yè)的配置是促進(jìn)經(jīng)濟(jì)增長、改變經(jīng)濟(jì)增長方式的有效途徑。曾光以長三角地區(qū)為考察對象，探討產(chǎn)業(yè)結(jié)構(gòu)變動與經(jīng)濟(jì)增長之間的關(guān)系，認(rèn)為改革開放以來，長三角區(qū)域產(chǎn)業(yè)結(jié)構(gòu)與經(jīng)濟(jì)增長

4、之間具有十分明顯的正相關(guān)關(guān)系。2004年溫家寶總理提出了東北振興戰(zhàn)略，近期文件也都強(qiáng)調(diào)了東北產(chǎn)業(yè)結(jié)構(gòu)改革的重要性。本文的研究思路是，首先研究遼寧的產(chǎn)業(yè)結(jié)構(gòu)現(xiàn)狀對經(jīng)濟(jì)發(fā)展的影響，以三大產(chǎn)業(yè)的增長率與GDP的增長率之間的關(guān)系，分析遼寧省三大產(chǎn)業(yè)對經(jīng)濟(jì)增長的拉動程度。然后再分析對經(jīng)濟(jì)增長影響最大的產(chǎn)業(yè)的相關(guān)影響因素，由此得到一些對于遼寧省經(jīng)濟(jì)發(fā)展的相關(guān)政策建議。2、 理論分析與模型構(gòu)建 國民生產(chǎn)總值是一國所擁有的生產(chǎn)要素所生產(chǎn)的最終產(chǎn)品價值，各種生產(chǎn)產(chǎn)業(yè)分為三大產(chǎn)業(yè)，所以以國民生產(chǎn)總值的年增長率來表示經(jīng)濟(jì)增長，以三大產(chǎn)業(yè)各產(chǎn)值的年增長率來表示經(jīng)濟(jì)增長中三者的結(jié)構(gòu)比重。 基于上述分析遼寧省產(chǎn)業(yè)結(jié)構(gòu)對經(jīng)

5、濟(jì)增長的影響模型可以用模型（1）來表示：GDPt=0+1PIt+2SIt+3TIt+t （1）其中，國內(nèi)生產(chǎn)總值的年增長率（GDPt）為反映經(jīng)濟(jì)增長的被解釋變量，第一產(chǎn)業(yè)產(chǎn)值年增長率（PIt），第二產(chǎn)業(yè)產(chǎn)值年增長率（SIt），第三產(chǎn)業(yè)產(chǎn)值年增長率（TIt）為解釋變量，系列為反映解釋變量引起被解釋變量變動的彈性系數(shù)，t為隨機(jī)誤差項(xiàng)。投資分為固定資產(chǎn)投資和存貨投資，所以以年固定投資的增長率來表示投資影響。財(cái)政支出表現(xiàn)了當(dāng)年政府的投入大小，所以以財(cái)政科技支出的年增長率來表示科技支出的影響?；谏鲜龇治鲞|寧省投資和科技支出對某一產(chǎn)業(yè)的影響可以用模型（2）來表示：XIt=0+1FAIt+2FESTt+t

6、 （2）其中，某產(chǎn)業(yè)的產(chǎn)量年增長率（XIt）為反映某產(chǎn)業(yè)經(jīng)濟(jì)增長的被解釋變量，固定資產(chǎn)投資的年增長率（FAIt），財(cái)政科技支出的年增長率（FESTt）為解釋變量，系列為反映解釋變量引起被解釋變量變動的彈性系數(shù)，t為隨機(jī)誤差項(xiàng)3、 計(jì)量分析 1.平穩(wěn)性檢驗(yàn)與協(xié)整檢驗(yàn) 經(jīng)典回歸分析對于小樣本問題具有普遍適用性，但對于大樣本分析，尤其是在時間序列的趨勢分析中，需要進(jìn)行平穩(wěn)性檢驗(yàn)來保證回歸結(jié)果的穩(wěn)健性，避免非平穩(wěn)時間序列之間可能產(chǎn)生的偽回歸問題。因此，在分析金融資源配置與經(jīng)濟(jì)增長之間的協(xié)整關(guān)系之前，首先要對相關(guān)變量進(jìn)行平穩(wěn)性檢驗(yàn)。本文采用ADF方法來檢驗(yàn)時間序列的平穩(wěn)性。檢驗(yàn)結(jié)果如表1所示。其中I（0

7、）表示變量平穩(wěn)I（1）表示變量一階單整。表1檢驗(yàn)變量檢驗(yàn)結(jié)果Prob值GDPtI(1)0.0011PItI(0)0.039SItI(1)0.0113TItI(1)0.0041FAItI(1)0.0043FESTtI(1)0.0411 如果所考慮的時間序列具有相同的單整階數(shù)，且它們之間某種線性組合使得組合時間序列的單整階數(shù)降低則稱這些時間序列之間存在顯著的協(xié)整關(guān)系。本文采用EG兩步法進(jìn)行協(xié)整的檢驗(yàn)。檢驗(yàn)結(jié)果如表2.檢驗(yàn)變量e的平穩(wěn)性結(jié)果Prob值GDPt、SIt、TItI(0)0.0114SIt、FAIt、FESTtI(0)0.0462由以上結(jié)果可知，所構(gòu)建的兩個模型可以進(jìn)行OLS擬合。 2.計(jì)

8、量檢驗(yàn)與統(tǒng)計(jì)檢驗(yàn)根據(jù)數(shù)據(jù)，首先對模型（1）進(jìn)行擬合得到（見表1）GDPt=0.0003 + 0.1204PIt + 0.4963SIt + 0.3805TIt + t（0.14） （20.36） （83.43） （20.62） D.W=1.64 F=7841.52根據(jù)DW值進(jìn)行序列相關(guān)性檢驗(yàn)得dL<DW<du ，無法確定根據(jù)OLS得出的e值，進(jìn)行et與et-1的參數(shù)估計(jì)得到方程（見表2）et=0.003+0.592et-1且通過了t檢驗(yàn)，說明存在序列相關(guān)性，所以進(jìn)行差分法的修正，修正結(jié)果如下（見表3）GDPt=0.0002 + 0.1198PIt + 0.4965SIt + 0.3

9、811TIt + 0.1719AR(1)（0.083） （17.377） （79.033） （17.929） （0.547） 接下來進(jìn)行異方差的檢驗(yàn)，檢驗(yàn)結(jié)果顯示，方程不存在異方差。（見表4）經(jīng)過統(tǒng)計(jì)檢驗(yàn)又因?yàn)榉匠讨谐?shù)項(xiàng)未通過t檢驗(yàn)所以舍去常數(shù)項(xiàng)，得到最終方程（見表5）GDPt = 0.1196PIt + 0.4963SIt + 0.3827TIt + 0.1684AR(1)（18.929） （89.847） （47.447） （0.660）=0.999 F=7841.52由此可以看出，模型擬合效果非常好，且關(guān)系顯著。 由方程可以看出，遼寧省第二產(chǎn)業(yè)增長率對遼寧省經(jīng)濟(jì)增長的影響較大，達(dá)到49

10、.63%，所以接下來再對第二產(chǎn)業(yè)增加值（SIt ）與固定資產(chǎn)投資的年增長率（FAIt），財(cái)政科技支出的年增長率（FESTt）進(jìn)行模型的檢驗(yàn)分析。根據(jù)模型（2）和相關(guān)數(shù)據(jù)進(jìn)行擬合得（見表6）SIt = 0.043 + 0.259FAIt + 0.191FESTt + t（1.62） （1.91） （1.31）=0.52 D.W=1.936 F=8.122DW值通過檢驗(yàn)，檢驗(yàn)多重共線性得到FAIt與FESTt的=0.46，所以可以證明不具有多重共線性。接下來進(jìn)行異方差的檢驗(yàn)，檢驗(yàn)結(jié)果顯示（見表7），F(xiàn)AIt 與方程殘差的平方關(guān)系顯著，利用加權(quán)最小二乘法（WLS）進(jìn)行修正后，得到的方程如下（見表8）

11、SIt = 1.181 + 0.418FAIt + 0.006FESTt + t（2.266） （4.430） （0.726）由于經(jīng)過統(tǒng)計(jì)檢驗(yàn)，F(xiàn)ESTt沒有通過t檢驗(yàn)，不顯著，所以舍去該解釋變量，得到最終方程為（見表9）XIt = 1.191 + 0.472FAIt + t（2.32） （8.08）=0.8033 F=65.3672可以看出擬合效果較好，且關(guān)系顯著。4、 結(jié)論與建議 1.結(jié)論分析本文利用經(jīng)典假設(shè)下的時間序列模型進(jìn)行的實(shí)證分析表明，遼寧省經(jīng)濟(jì)增長與遼寧省三大產(chǎn)業(yè)的產(chǎn)業(yè)結(jié)構(gòu)有關(guān)，當(dāng)遼寧省經(jīng)濟(jì)每增長一單位，第一產(chǎn)業(yè)貢獻(xiàn)占11.96%，第二產(chǎn)業(yè)貢獻(xiàn)占49.63%，第三產(chǎn)業(yè)貢獻(xiàn)占38.

12、05%。可以看出第二產(chǎn)業(yè)的發(fā)展對遼寧的經(jīng)濟(jì)發(fā)展起到了近一半的拉動作用，而通過對第二產(chǎn)業(yè)的模型構(gòu)建與分析表明，國家對遼寧的固定資產(chǎn)投資每增加0.472個單位，第二產(chǎn)業(yè)產(chǎn)值增加1個單位?？梢钥闯?，固定資產(chǎn)投資對遼寧省第二產(chǎn)業(yè)的增長起到很大作用。從得到的模型（1）可以看出，盡管近年來，全國經(jīng)濟(jì)下行壓力加上初等工業(yè)產(chǎn)品價格下降，產(chǎn)能過剩，但是遼寧省的經(jīng)濟(jì)增長支撐點(diǎn)依然主要是第二產(chǎn)業(yè)。從第二產(chǎn)業(yè)的產(chǎn)業(yè)類型來看，以原材料為產(chǎn)品的采礦業(yè)等資源型產(chǎn)業(yè)占遼寧一大部分比例，從而在二十年來一直以資源帶動著遼寧的經(jīng)濟(jì)增長，利用資源優(yōu)勢使得大量勞動力和資本流向第二產(chǎn)業(yè)，一定程度上限制了第一產(chǎn)業(yè)和第三產(chǎn)業(yè)的發(fā)展。但是隨著

13、資源的枯竭和產(chǎn)能的過剩，導(dǎo)致這類產(chǎn)業(yè)不在具有利潤優(yōu)勢，而同時第一產(chǎn)業(yè)和第三產(chǎn)業(yè)對經(jīng)濟(jì)貢獻(xiàn)度不高，導(dǎo)致轉(zhuǎn)型發(fā)生困難。遼寧作為農(nóng)業(yè)大省和臨海港口地區(qū)，第一產(chǎn)業(yè)和第三產(chǎn)業(yè)的貢獻(xiàn)度較低，二者加起來不到百分之五十。而作為經(jīng)濟(jì)支柱的第二產(chǎn)業(yè)，從模型（2）看出，固定資產(chǎn)投資對第二產(chǎn)業(yè)的發(fā)展有很強(qiáng)的推動作用，第二產(chǎn)業(yè)的增加率是固定資產(chǎn)投資增加率的兩倍以上。而近期國家對遼寧固定資產(chǎn)投資連年遞減，也是導(dǎo)致第二產(chǎn)業(yè)發(fā)展不足，遼寧省經(jīng)濟(jì)發(fā)展動力不足的一方面原因。 2.政策建議由結(jié)論可以看出，遼寧省產(chǎn)業(yè)結(jié)構(gòu)改革迫在眉睫，第二產(chǎn)業(yè)的高貢獻(xiàn)率與第二產(chǎn)業(yè)產(chǎn)量持續(xù)下跌，利潤持續(xù)下降構(gòu)成矛盾。遼寧作為農(nóng)業(yè)大省與第一產(chǎn)業(yè)的低貢獻(xiàn)率

14、形成矛盾。隨著經(jīng)濟(jì)發(fā)展全國產(chǎn)業(yè)結(jié)構(gòu)升級，第三產(chǎn)業(yè)的貢獻(xiàn)率較低，無法實(shí)現(xiàn)第三產(chǎn)業(yè)綠色靈活的經(jīng)濟(jì)增長模式，無法適應(yīng)國家整體發(fā)展。根據(jù)模型解釋，提出以下政策建議。一是應(yīng)該調(diào)整遼寧省勞動力和資本結(jié)構(gòu)，促進(jìn)利用自然優(yōu)勢，改善種植結(jié)構(gòu)，加大投資和現(xiàn)代化建設(shè)，促進(jìn)第一產(chǎn)業(yè)的發(fā)展。二是應(yīng)該努力發(fā)展第三產(chǎn)業(yè)，利用沿海優(yōu)勢，積極參與一帶一路建設(shè)，講服務(wù)業(yè)，旅游業(yè)等行業(yè)發(fā)展起來。三是努力改變第二產(chǎn)業(yè)產(chǎn)業(yè)內(nèi)結(jié)構(gòu)，將資源優(yōu)勢型企業(yè)轉(zhuǎn)變?yōu)閯?chuàng)新型企業(yè)，擺脫對原材料的依賴，減少利用初級工業(yè)品為產(chǎn)品的生產(chǎn)模式，構(gòu)建以高科技創(chuàng)新技術(shù)為主導(dǎo)的生產(chǎn)，并且利用原材料采掘和初級工業(yè)品生產(chǎn)形成產(chǎn)業(yè)鏈，繼續(xù)發(fā)揚(yáng)東北老工業(yè)基地的文化基礎(chǔ)，開展

15、新型創(chuàng)新型工業(yè)基地的構(gòu)建。四是在經(jīng)濟(jì)下行壓力中，充分利用投資，提高投資的利用率和投資的邊際效率，使投資充分地促進(jìn)產(chǎn)業(yè)的發(fā)展。隨著全球經(jīng)濟(jì)的復(fù)蘇，和中國經(jīng)濟(jì)新常態(tài)的形成，遼寧省的新的以創(chuàng)新型工業(yè)生產(chǎn)為基礎(chǔ)和產(chǎn)業(yè)結(jié)構(gòu)和諧發(fā)展的經(jīng)濟(jì)模式才能實(shí)現(xiàn)東北的振興。參考文獻(xiàn)：1 西蒙·庫茲涅茨各國的經(jīng)濟(jì)增長北京：商務(wù)印書館,19992 Peneder M,2002，“Structural Change and Aggregate Growth”，WIFO Working Paper Austrian Institute of Economic Research，Vienna3 王發(fā)明，壟榮華產(chǎn)業(yè)結(jié)構(gòu)

16、變動對經(jīng)濟(jì)增長的效應(yīng)分析基于浙江欠發(fā)達(dá)地區(qū)的實(shí)證 華東經(jīng)濟(jì)管理，2009，(1):21-24 4 曾光產(chǎn)生結(jié)構(gòu)變動與經(jīng)濟(jì)增長比較分析基于長三角地區(qū)的實(shí)證 湖北社會科學(xué)，2008， (3):83-86Empirical Analysis of the Effect of Industrial Structure on Economic Development in Liaoning ProvinceAbstract: With the help of under the assumptions of the classical linear regression model and the ti

17、me series model, in the Liaoning Province in 1998 to 2015 three times the annual industrial growth rate and GDP growth rate on the empirical analysis of the impact of industrial structure on the economic growth of Liaoning Province, analysis results show that of Liaoning Province, the third industry

18、 to the economic growth contribution rate is larger, and the third industry times. At the same time, the fiscal expenditure on science and technology growth rate and fixed asset investment growth rate of the tertiary industry growth rate for empirical analysis. Analysis results show that Liaoning Pr

19、ovince tertiary industry growth rate of investment in fixed assets affected by the larger. Therefore, under the environment of industrial overcapacity, Liaoning Province should in industrial structure reform and development of the third industry, and at the same time, should also by increasing inves

20、tment in fixed assets and increase the rate of marginal return of investment to ensure the stability of the secondary industry, and finally to the Liaoning in under the pressure of the economic downturn is still guaranteed economic power.Key words: industrial structure; economic growth; investment i

21、n fixed assets; the strategy of revitalizing northeast China附錄：表1Dependent Variable:GDPtMethod: Least SquaresDate: 07/06/16 Time: 16:26Sample: 1998 2015Included observations: 18VariableCoefficientStd. Errort-StatisticProb.  C0.0002640.0018700.1413420.8896PIt 0.1204070.00591520.357610.0000S

22、It0.4962940.00594983.431420.0000TIt0.3805270.01845720.617240.0000R-squared0.999405    Mean dependent var0.124294Adjusted R-squared0.999278    S.D. dependent var0.062822S.E. of regression0.001688    Akaike info criterion-9.737093Sum squared

23、resid3.99E-05    Schwarz criterion-9.539232Log likelihood91.63383    Hannan-Quinn criter.-9.709810F-statistic7841.578    Durbin-Watson stat1.641429Prob(F-statistic)0.000000表2Dependent Variable: EMethod: Least SquaresDate: 07/06/16 Time: 16:

24、30Sample (adjusted): 1999 2015Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C0.0031300.0054290.5764920.5728E(-1)0.5920700.1849163.2018370.0059R-squared0.405982    Mean dependent var0.002671Adjusted R-squared0.366381  

25、;  S.D. dependent var0.028110S.E. of regression0.022375    Akaike info criterion-4.651581Sum squared resid0.007510    Schwarz criterion-4.553556Log likelihood41.53844    Hannan-Quinn criter.-4.641837F-statistic10.25176  

26、  Durbin-Watson stat2.328698Prob(F-statistic)0.005941表3Dependent Variable: GDPtMethod: Least SquaresDate: 07/06/16 Time: 16:31Sample (adjusted): 1999 2015Included observations: 17 after adjustmentsConvergence achieved after 25 iterationsVariableCoefficientStd. Errort-StatisticProb. &#

27、160;C0.0001870.0022610.0825090.9356PIt 0.1197970.00689417.377250.0000SIt0.4965400.00628379.033440.0000TIt0.3810650.02127817.908630.0000AR(1)0.1719120.3142140.5471180.5943R-squared0.999413    Mean dependent var0.126693Adjusted R-squared0.999217    S.D. dependen

28、t var0.063900S.E. of regression0.001788    Akaike info criterion-9.575028Sum squared resid3.84E-05    Schwarz criterion-9.329965Log likelihood86.38774    Hannan-Quinn criter.-9.550668F-statistic5103.400    Durbin-Watson

29、stat1.771233Prob(F-statistic)0.000000Inverted AR Roots      .17表4Dependent Variable: E2Method: Least SquaresDate: 07/06/16 Time: 16:47Sample (adjusted): 1999 2015Included observations: 17 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C-1.02E-

30、063.15E-06-0.3237230.7513PIt 1.35E-079.61E-060.0140470.9890SIt5.83E-069.36E-060.6229100.5441TIt1.85E-053.06E-050.6058580.5550R-squared0.183923    Mean dependent var2.26E-06Adjusted R-squared-0.004402    S.D. dependent var2.64E-06S.E. of regression2.65E-06 

31、;   Akaike info criterion-22.64407Sum squared resid9.11E-11    Schwarz criterion-22.44802Log likelihood196.4746    Hannan-Quinn criter.-22.62458F-statistic0.976626    Durbin-Watson stat1.957410Prob(F-statistic)0.433643表5Depen

32、dent Variable: GDPtMethod: Least SquaresDate: 07/06/16 Time: 16:39Sample (adjusted): 1999 2015Included observations: 17 after adjustmentsConvergence achieved after 17 iterationsVariableCoefficientStd. Errort-StatisticProb.  PIt 0.1196480.00632118.928920.0000SIt0.4963180.00552489.846870.000

33、0TIt0.3826730.00806547.446510.0000AR(1)0.1683780.3007320.5598930.5851R-squared0.999412    Mean dependent var0.126693Adjusted R-squared0.999277    S.D. dependent var0.063900S.E. of regression0.001719    Akaike info criterion-9.692114Sum squa

34、red resid3.84E-05    Schwarz criterion-9.496064Log likelihood86.38297    Hannan-Quinn criter.-9.672626Durbin-Watson stat1.764599Inverted AR Roots      .17表6Dependent Variable: SItMethod: Least SquaresDate: 07/06/16 Time: 17:14Samp

35、le: 1998 2015Included observations: 18VariableCoefficientStd. Errort-StatisticProb.  C0.0426920.0263431.6206030.1259FAIt0.2588970.1355191.9104090.0754FESTt0.1906520.1450201.3146600.2084R-squared0.519921    Mean dependent var0.123866Adjusted R-squared0.455910  

36、  S.D. dependent var0.097570S.E. of regression0.071970    Akaike info criterion-2.274130Sum squared resid0.077695    Schwarz criterion-2.125735Log likelihood23.46717    Hannan-Quinn criter.-2.253668F-statistic8.122422  &

37、#160; Durbin-Watson stat1.936240Prob(F-statistic)0.004072表7Dependent Variable: E2Method: Least SquaresDate: 07/06/16 Time: 17:17Sample: 1998 2015Included observations: 18VariableCoefficientStd. Errort-StatisticProb.  C0.0019350.0018151.0659450.3033FAIt0.0169880.0093361.8194890.0389FES

38、Tt-0.0048440.009991-0.4848020.6348R-squared0.224667    Mean dependent var0.004316Adjusted R-squared0.121289    S.D. dependent var0.005289S.E. of regression0.004958    Akaike info criterion-7.624502Sum squared resid0.000369   

39、 Schwarz criterion-7.476107Log likelihood71.62052    Hannan-Quinn criter.-7.604041F-statistic2.173262    Durbin-Watson stat2.519626Prob(F-statistic)0.148307表8Dependent Variable: NSItMethod: Least SquaresDate: 07/06/16 Time: 17:19Sample: 1998 2015Included observations: 18VariableCoefficientStd.