【摘要】工業(yè)增加值是指在報(bào)告期內(nèi)工業(yè)企業(yè)在其生產(chǎn)活動(dòng)中新增加的價(jià)值，它反映了一定時(shí)期內(nèi)工業(yè)生產(chǎn)的實(shí)際水平，是計(jì)算工業(yè)發(fā)展速度的重要指標(biāo)。文章主要討論如何聯(lián)系統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)計(jì)量學(xué)與計(jì)算機(jī)技術(shù)的知識，運(yùn)用統(tǒng)計(jì)軟件與多元統(tǒng)計(jì)的方法來建立廣東省工業(yè)增加值的經(jīng)濟(jì)計(jì)量模型。

     【關(guān)鍵詞】工業(yè)增加值 多重線性回歸 虛擬變量

     改革開放以來，特別是近幾年，廣東省經(jīng)濟(jì)有了突飛猛進(jìn)的發(fā)展，而在整個(gè)經(jīng)濟(jì)發(fā)展中，工業(yè)起著龍頭作用。要研究廣東省的經(jīng)濟(jì)情況，必然要對工業(yè)進(jìn)行研究分析。根據(jù)廣東省經(jīng)貿(mào)委經(jīng)濟(jì)運(yùn)行處的長期實(shí)踐經(jīng)驗(yàn)及相關(guān)分析，選取了對工業(yè)增加值影響較大的四個(gè)因素:發(fā)電量（單位：億千瓦時(shí)），外貿(mào)出口總額（單位：億美元），社會(huì)消費(fèi)品零售總額（單位：億元），固定資產(chǎn)投資額(單位：億元)作為對工業(yè)增加值(單位:億元)的解釋變量，并收集了2003 年至2005 年的數(shù)據(jù)。其中Y:廣東省工業(yè)增加值(億元)；X1: 發(fā)電量(億千瓦時(shí))；X2: 外貿(mào)出口總額(億美元)；X3: 社會(huì)消費(fèi)品零售總額(億元)；X4: 固定資產(chǎn)投資額(億元)首先分別作出與X1、X2、X3、X4 的散點(diǎn)圖如圖1：

由圖1 可以發(fā)現(xiàn)與X1、X2、X3、X4 之間存在線性相關(guān)關(guān)系，為了確定各對的線性相關(guān)程度，下面求出各變量之間的相關(guān)系數(shù)。

由表2 可以看出，Y 與X1、X2、X3、X4 在5%的水平上顯著線性相關(guān)。由此首先嘗試建立Y 對X1、X2、X3、X4 的多重線性回歸模型。得到：Y=- 177.855+1.068X1+1.738X2+0.566X3+0.02913X4

由方差分析表和擬合小結(jié)可知方程

（4）的判斷系數(shù)R2=0.958，修正判斷系數(shù)=0.951。F 統(tǒng)計(jì)量的值為137.856,方程通過了檢驗(yàn)，是高度顯著的。這說明使用多元線性回歸建立模型是可行的。由于這些數(shù)據(jù)是按月份統(tǒng)計(jì)的，而許多用月份或季度數(shù)據(jù)表示的經(jīng)濟(jì)時(shí)間序列，常呈現(xiàn)出季節(jié)變化的規(guī)律，為探討季節(jié)因素是否對廣東工業(yè)增加值有所影響，首先作出各變量對時(shí)間的序列圖。

可以看出，Y 和X1、X2、X3、X4 存在明顯的季節(jié)波動(dòng)，由此懷疑季節(jié)因素對工業(yè)增加值有所影響。那么怎樣來反映季節(jié)對模型的影響呢?利用虛擬變量進(jìn)行季節(jié)調(diào)整，是眾多的經(jīng)濟(jì)時(shí)間序列季節(jié)調(diào)整方法中常見的一種。由此，在模型中引入虛擬變量來消除季節(jié)對模型的影響。在回歸模型（1）中所考慮的解釋變量X1、X2、X3、X4 都是可以連續(xù)取值的定量變量，但在實(shí)際研究中，往往還會(huì)碰到許多定性的而非定量的變量，要想把這些定性的變量包括在模型中，必須先把它們量化。由于定性變量通常是表明某種特征或?qū)傩允欠翊嬖�，所以可以�? 表示該屬性存在，用0 表示該屬性不存在。把這種取值為0、1 的變量稱作虛擬變量，用D表示。當(dāng)定性變量含有個(gè)類別時(shí)，模型應(yīng)該引入m- 1 個(gè)虛擬變量，而不能引入個(gè)，否則在虛擬變量間會(huì)產(chǎn)生完全多重共線性，而無法估計(jì)回歸參數(shù)。由此原則，要把季節(jié)因素引入模型，只須設(shè)置11 個(gè)虛擬變量（=1，2，…11）,其中 根據(jù)含虛擬變量的觀測值數(shù)據(jù)重新建立模型即含虛擬變量的多重線性回歸模型。

由以上方差分析表和擬合小結(jié)可知方程（2）的判斷系數(shù)R2=0.995， =0.990。比方程（1）有了明顯提高，方程擬合效果很好，并且方程通過了檢驗(yàn)，是高度顯著的。下面作出模型（2）的2003 年1 月至2005 年12 月的預(yù)測工業(yè)增加值與實(shí)際工業(yè)增加值的數(shù)據(jù)對比圖。由圖也可以直觀地看出，模型（2）的擬合效果確實(shí)不錯(cuò)。從整個(gè)趨勢看，廣東省工業(yè)增加值幾乎每年都在以相同趨勢增長，但是到了每年的年底與下年的年初，工業(yè)增加值都有下降趨勢，這主要是因?yàn)榈侥昴┐汗?jié)期間，工業(yè)生產(chǎn)大部分處于半停產(chǎn)狀態(tài)，產(chǎn)值不高，這與我省實(shí)際情況也相符。每年3、4、5、6 月份工業(yè)增加值會(huì)持續(xù)增長，到了每年7 月份，由于各企業(yè)設(shè)備的例行大檢修，以及夏天電力不足的影響，工業(yè)增加值都有所回落。7 月以后，工業(yè)增加值又持續(xù)增長。若廣東省要使工業(yè)有迅猛發(fā)展，可在年底適當(dāng)調(diào)整生產(chǎn)計(jì)劃，使其在年底也保持平穩(wěn)增長勢態(tài)。

【參考文獻(xiàn)】

[1]余錦華，王振堂.經(jīng)濟(jì)預(yù)測方法程序和實(shí)例[M].中山：中山大學(xué)出版社，1996.

[2]李長風(fēng).經(jīng)濟(jì)計(jì)量學(xué)[M].上海：上海財(cái)經(jīng)大學(xué)出版社，1995.

[3]Weisberg.APPLIED LINEAR REGRESSION[M].北京：中國統(tǒng)計(jì)出版社，1997.

[4]何曉群，劉文卿.應(yīng)用回歸分析[M].北京：中國人民大學(xué)出版社，2001.

[5]盧紋岱.SPSS for Windows 統(tǒng)計(jì)分析[M].北京：電子工業(yè)出版社，2002.