论文部分内容阅读
摘要:钢铁作为一个国家储备的战略性资源,自工业化以来一直被各个国家所重视。钢铁也可是衡量一个国家工业发展水平的重要指标。本文主要是用过计量方法进行论证,讨论钢铁产量主要受制于那些因素的影响。进一步论证分析将我国钢铁企业生产地区进行转移是否具有可行性。为企业发展和战略选择提供依据。
关键词:钢铁产量;计量分析;最小二乘法
1、前言
我国自从进入工业化 以来钢铁的产量逐年增加。从2006年的46893.36万吨增加到2019年的120456.94万吨。在过去的13年里,钢铁增加了73563.58万吨,增加了156.87%。钢铁产量的逐年增加是因为钢铁是工业生产极为重要的半成品原料。
在我国,东部地区特别是沿海城市经济发展较为迅速,行业对于钢铁的需求也较高。因此在经济发展较为迅速的地区其钢铁产能一般也较高。相对而言,中西部地区,下游行业对于钢铁的需求较为低迷,钢铁行业发展较为缓慢。通过计量模型可以更好的分析出我国钢铁产量主要受到那些因素的影响。有助于促进我国行业布局以及钢铁产能的进一步释放。促进中国东西部协调融合发展。
2、模型设定
对于钢铁产量的影响因素在本文中我们主要选择5个因素进行计量分析。即,钢材生产总量要受到粗钢产量、国内生产总值、固定资产投资和建筑业总产值等因素的影响,因此可以将钢材生产产量Y看作被解释变量,粗钢产量X1、全社会固定资产投资X2、国内生产总值X3、建筑业总产值X4、焦炭产量X5作为解释变量,建立线性回归模型。上述数据均来源于2006年-2019年统计年鉴。
3、模型估计
上述数据利用Stata进行多元线性回归,采取最小二乘法(OLS)进行估计,估计结果如表1:
我们可以看出X1前面的系数为1.254,表明粗钢每增加一单位产量,钢铁就要增加1.254单位产量,p值为0.001即应当拒绝系数为零的原假设。X2前面的系数为0.288,表明全社会固定资产投资每增加一单位刚体产量就要增加0.0288单位,p值为0.098,在显著性水平α=0.05的情况不显著。X3前面的系数为-0.127,即国内生产总值每增加一单位,钢铁就要减少0.127单位,这显然是不符合经济含义的。国内生产总值X3的T检验p值为0.758,表明变量不显著。建筑业总产值X4系数为-0.1098,表明建筑业总产值每增加一单位钢铁产量下降-0.1098个单位,这显然也是不符合经济学原理。并且在建筑业总产值X4的T检验p值为0.582,也不具有显著性。焦炭产量X5前面的系数为1.158,表明经济中焦炭产量每增加一单位,钢铁产量就要增加1.158个单位。对于焦炭产量X5的T检验p值为0.018,在显著性水平α=0.05时应当拒绝原假设。整体分析,调整的可决系数R=0.9958,整体方程的标准误为1543.7。因此,该模型的拟合程度时较高的。
4、多重共线性调整
对于多重共线性,采用逐步回归法,根据上表得出粗钢产量X1是拟合程度最好。因此,将Y=β0+β1X1+ε作为基本模型,将其他解释变量逐次代入基本模型。得出当只有两个因素粗钢产量X1和焦炭产量X5的R2最大并且T检验也最为显著。在这个基本模型逐步引入变量全社会固定资产投资X2、国内生产总值X3、建筑业总产值X4,发现拟合结果均不满意。因此我们简化该模型,模型中仅保留对于钢铁产量具有重要影响的两个因素粗钢产量X1和焦炭产量X5。重新进行回归,结果如表2。
在简化后的模型当中我们可以看出 ,无论是粗钢产量X1还是焦炭产量X5其T檢验的p值为0.000,具有显著性影响。并且再简化后的模型当中可决系数以及调整后的R2仍然高达0.994以上,因此简化后的模型仍然对于被解释变量,即Y钢铁产量具有较好的解释能力。简化后的模型表达式可以表述为:
5、异方差检验
本文对于是否存在异方差问题,采用BP检验和怀特检验,分别利用所有解释变量以及拟合值进行BP检验的p值分别为0.9290和0.7860,怀特检验的结果p值为0.9708。表明无法拒绝原假设同方差的假定,我们可以大概率的认为不存在异方差性问题。
6、自相关性检验
由于这是时间序列数据,因此怀疑其扰动项存在着自相关性问题。本文进行BG检验和Q检验,考虑是否存在一阶自相关性问题。
进行BG检验的p值为0.6852, DW=1.49337(离2较近而离0较远),Q检验的结果也表明在5%的显著性水平下,无法拒绝原假设。所以我们可以大概率的认为该模型当中是不存在一阶自相关性问题。
7、结论
通过以上计量分析我们可以大致得出以下结论。我国钢铁产量主要受粗钢产量以及焦炭产量的影响,和全社会固定资产投资、国内生产总值以及建筑总投资之间的关系并不密切。因此,在我国的产业布局当,可以将钢铁企业的生产转移到具有丰富矿产储藏和煤炭储量丰富的中西部地区,拉动当地经济的增长以及促进当地就业。也可以使得东部地区进一步优化产业结构和产业升级。
参考文献
[1]郭刚刚.我国钢铁产量影响因素的计量分析[J].经贸实践,2016, (08):85.
[2]邓忠奇,刘美麟,庞瑞芝.中国钢铁行业产能过剩程度测算及去产 能政策有效性研究[J].中国地质大学学报(社 会 科 学 版),2018, 18(06):131-142.
[3]上海期货交易所.钢材基础知识与市场概况[Z].2014.
关键词:钢铁产量;计量分析;最小二乘法
1、前言
我国自从进入工业化 以来钢铁的产量逐年增加。从2006年的46893.36万吨增加到2019年的120456.94万吨。在过去的13年里,钢铁增加了73563.58万吨,增加了156.87%。钢铁产量的逐年增加是因为钢铁是工业生产极为重要的半成品原料。
在我国,东部地区特别是沿海城市经济发展较为迅速,行业对于钢铁的需求也较高。因此在经济发展较为迅速的地区其钢铁产能一般也较高。相对而言,中西部地区,下游行业对于钢铁的需求较为低迷,钢铁行业发展较为缓慢。通过计量模型可以更好的分析出我国钢铁产量主要受到那些因素的影响。有助于促进我国行业布局以及钢铁产能的进一步释放。促进中国东西部协调融合发展。
2、模型设定
对于钢铁产量的影响因素在本文中我们主要选择5个因素进行计量分析。即,钢材生产总量要受到粗钢产量、国内生产总值、固定资产投资和建筑业总产值等因素的影响,因此可以将钢材生产产量Y看作被解释变量,粗钢产量X1、全社会固定资产投资X2、国内生产总值X3、建筑业总产值X4、焦炭产量X5作为解释变量,建立线性回归模型。上述数据均来源于2006年-2019年统计年鉴。
3、模型估计
上述数据利用Stata进行多元线性回归,采取最小二乘法(OLS)进行估计,估计结果如表1:
我们可以看出X1前面的系数为1.254,表明粗钢每增加一单位产量,钢铁就要增加1.254单位产量,p值为0.001即应当拒绝系数为零的原假设。X2前面的系数为0.288,表明全社会固定资产投资每增加一单位刚体产量就要增加0.0288单位,p值为0.098,在显著性水平α=0.05的情况不显著。X3前面的系数为-0.127,即国内生产总值每增加一单位,钢铁就要减少0.127单位,这显然是不符合经济含义的。国内生产总值X3的T检验p值为0.758,表明变量不显著。建筑业总产值X4系数为-0.1098,表明建筑业总产值每增加一单位钢铁产量下降-0.1098个单位,这显然也是不符合经济学原理。并且在建筑业总产值X4的T检验p值为0.582,也不具有显著性。焦炭产量X5前面的系数为1.158,表明经济中焦炭产量每增加一单位,钢铁产量就要增加1.158个单位。对于焦炭产量X5的T检验p值为0.018,在显著性水平α=0.05时应当拒绝原假设。整体分析,调整的可决系数R=0.9958,整体方程的标准误为1543.7。因此,该模型的拟合程度时较高的。
4、多重共线性调整
对于多重共线性,采用逐步回归法,根据上表得出粗钢产量X1是拟合程度最好。因此,将Y=β0+β1X1+ε作为基本模型,将其他解释变量逐次代入基本模型。得出当只有两个因素粗钢产量X1和焦炭产量X5的R2最大并且T检验也最为显著。在这个基本模型逐步引入变量全社会固定资产投资X2、国内生产总值X3、建筑业总产值X4,发现拟合结果均不满意。因此我们简化该模型,模型中仅保留对于钢铁产量具有重要影响的两个因素粗钢产量X1和焦炭产量X5。重新进行回归,结果如表2。
在简化后的模型当中我们可以看出 ,无论是粗钢产量X1还是焦炭产量X5其T檢验的p值为0.000,具有显著性影响。并且再简化后的模型当中可决系数以及调整后的R2仍然高达0.994以上,因此简化后的模型仍然对于被解释变量,即Y钢铁产量具有较好的解释能力。简化后的模型表达式可以表述为:
5、异方差检验
本文对于是否存在异方差问题,采用BP检验和怀特检验,分别利用所有解释变量以及拟合值进行BP检验的p值分别为0.9290和0.7860,怀特检验的结果p值为0.9708。表明无法拒绝原假设同方差的假定,我们可以大概率的认为不存在异方差性问题。
6、自相关性检验
由于这是时间序列数据,因此怀疑其扰动项存在着自相关性问题。本文进行BG检验和Q检验,考虑是否存在一阶自相关性问题。
进行BG检验的p值为0.6852, DW=1.49337(离2较近而离0较远),Q检验的结果也表明在5%的显著性水平下,无法拒绝原假设。所以我们可以大概率的认为该模型当中是不存在一阶自相关性问题。
7、结论
通过以上计量分析我们可以大致得出以下结论。我国钢铁产量主要受粗钢产量以及焦炭产量的影响,和全社会固定资产投资、国内生产总值以及建筑总投资之间的关系并不密切。因此,在我国的产业布局当,可以将钢铁企业的生产转移到具有丰富矿产储藏和煤炭储量丰富的中西部地区,拉动当地经济的增长以及促进当地就业。也可以使得东部地区进一步优化产业结构和产业升级。
参考文献
[1]郭刚刚.我国钢铁产量影响因素的计量分析[J].经贸实践,2016, (08):85.
[2]邓忠奇,刘美麟,庞瑞芝.中国钢铁行业产能过剩程度测算及去产 能政策有效性研究[J].中国地质大学学报(社 会 科 学 版),2018, 18(06):131-142.
[3]上海期货交易所.钢材基础知识与市场概况[Z].2014.