参数估计论文的文献综述

2006年我国各城市的GDP变动的多因素分析摘要：本文主要通过对各城市同一时期的GDP进行多因素分析，建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。关键词：GDPY(亿元） 多因素分析 模型 计量经济学 检验一、引言部分GDP（国内生产总值）指一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，从价值形态看，它是所有常住单位在一定时期内生产的全部货物和服务价值超过同期中间投入的全部非固定资产货物和服务价值的差额，即所有常住单位的增加值之和。GDP在创造的同时也被相应的生产要素分走了，主要体现为劳动报酬和利润。在现代社会政府还要以税收的形式拿走一部分GDP。本文主要研究就业人数L（万人）、各地区资本形成总额K(亿元）剔除价格影响因素即商品零售价格指数P（上年=100）之后对各城市同一时期的GDP的影响。二、文献综述注： 2006年各城市同一时期的GDP总量的数据来源于《中国统计年鉴2007》；2006年就业人数L（万人）的数据来源于《中国统计年鉴2007》；2006年资本形成总额K(亿元）的数据来源于《中国统计年鉴2007》,本表按2006年价格计算；2006年商品零售价格指数P（上年=100）的数据来源于《中国统计年鉴2007》；三、研究目的通过研究各个城市在同一时期的GDP建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。掌握建立多元回归模型和比较、筛选模型的方法。四、实验内容根据生产函数理论，生产函数的基本形式为: 。其中，L、K分别为产出GDP的过程中投入的劳动与资金,本文未考虑时间变量 即技术进步的影响。上表列出了我国2006年我国各个城市的GDP的有关统计资料；其中产出Y为各城市同一时期的GDP（可比价），L、K分别为2006年年末职工人数和各地区资本形成总额（可比价）。五、建立模型并进行模型的参数估计、检验及修正（一） 我们先建立Y1与L的关系模型：其中，Y1——各个城市在同一时期的实际GDP(亿元)L——2006年年末职工人数（万人）模型的参数估计及其经济意义、统计推断的检验利用EVIEWS软件，经回归分析，作出Y1与L的散点图如下：利用EVIEWS软件，用OLS方法估计得：Dependent Variable: Y1Method: Least SquaresDate: 05/27/10 Time: 14:45Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -1647.264 517.2169 -3.184861 0.0034L 14.99417 0.712549 21.04299 0.0000R-squared 0.938534 Mean dependent var 7387.979Adjusted R-squared 0.936415 S.D. dependent var 6367.139S.E. of regression 1605.545 Akaike info criterion 17.66266Sum squared resid 74755513 Schwarz criterion 17.75517Log likelihood -271.7712 F-statistic 442.8073Durbin-Watson stat 1.503388 Prob(F-statistic) 0.000000可见，L的t值显著，且系数符合经济意义。从经济意义上讲，劳动每增加一单位，都可以使实际GDP相应增加14.9941， 这在一定条件下可以实现。另外，修正可决系数为0.936415，F值为442.8073，明显通过了F检验。且L的P检验值为0，小于0.05,所以通过了P值检验（二）建立Y1与K1的关系模型：其中，Y1——各个城市在同一时期的实际GDP(亿元)K1——各地区资本形成总额(实际投入额)（亿元）模型的参数估计及其经济意义、统计推断的检验利用EVIEWS软件，经回归分析，作出Y1与K1的散点图如下：利用EVIEWS软件，用OLS方法估计得：Dependent Variable: Y1Method: Least SquaresDate: 05/27/10 Time: 17:16Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -705.0563 393.0357 -1.793873 0.0833K1 2.241106 0.086751 25.83385 0.0000R-squared 0.958357 Mean dependent var 7387.979Adjusted R-squared 0.956921 S.D. dependent var 6367.139S.E. of regression 1321.537 Akaike info criterion 17.27332Sum squared resid 50647333 Schwarz criterion 17.36583Log likelihood -265.7364 F-statistic 667.3880Durbin-Watson stat 1.697910 Prob(F-statistic) 0.000000可见，K1的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加2.241106， 这在一定条件下可以实现。另外，修正可决系数为0.956921，F值为667.3880，明显通过了F检验。且K1的P检验值为0，小于0.05,所以通过了P值检验通过两个模型的可绝系数 、调整可决系数 、T检验、F检验、P值检验的比较，明显的 ，Y1与K1的关系模型优于Y1与L的关系模型。因此，在以Y1与K1的关系模型为基础模型的条件下，建立二元关系模型。（三）建立Y1与K1和L的二元关系模型其中，Y1——各个城市在同一时期的实际GDP(亿元)K1——各地区资本形成总额(实际投入额)（亿元）L——2006年年末职工人数（万人）利用EVIEWS软件，用OLS方法估计得Dependent Variable: Y1Method: Least SquaresDate: 05/27/10 Time: 17:23Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -1369.643 303.2218 -4.516968 0.0001K1 1.336796 0.176104 7.590936 0.0000L 6.522268 1.190606 5.478107 0.0000R-squared 0.979900 Mean dependent var 7387.979Adjusted R-squared 0.978464 S.D. dependent var 6367.139S.E. of regression 934.3899 Akaike info criterion 16.60943Sum squared resid 24446367 Schwarz criterion 16.74820Log likelihood -254.4462 F-statistic 682.5040Durbin-Watson stat 1.633165 Prob(F-statistic) 0.000000可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为0.978464，F值为682.5040，明显通过了F检验。且K1和L的P检验值为0，均小于0.05,所以通过了P值检验。通过两个模型的可绝系数 、调整可决系数 、T检验、F检验、P值检验的比较，明显的 ，Y1与K1和L的关系模型优于Y1与K1的关系模型。因此，建立二元关系模型更符合实际经济情况。（四）建立非线性回归模型——C-D生产函数。C-D生产函数为： ，对于此类非线性函数，可以采用以下两种方式建立模型。方式1：转化成线性模型进行估计；在模型两端同时取对数，得：在EViews软件的命令窗口中依次键入以下命令：GENR LNY1=log（Y1）GENR LNL=log（L）GENR LNK1=log（K1）LS LNY1 C LNL LNK1则估计结果如图所示。Dependent Variable: LNY1Method: Least SquaresDate: 05/27/10 Time: 17:29Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 0.242345 0.198180 1.222853 0.2316LNK1 0.666500 0.082707 8.058538 0.0000LNL 0.493322 0.088128 5.597775 0.0000R-squared 0.988755 Mean dependent var 8.504486Adjusted R-squared 0.987951 S.D. dependent var 1.037058S.E. of regression 0.113834 Akaike info criterion -1.416379Sum squared resid 0.362831 Schwarz criterion -1.277606Log likelihood 24.95388 F-statistic 1230.946Durbin-Watson stat 1.295173 Prob(F-statistic) 0.000000可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为0.987951，F值为1230.946，明显通过了F检验。且K1和L的P检验值为0，均小于0.05,所以通过了P值检验。通过对以上模型的可决系数 、调整可决系数 、F检验的比较，明显的 ，该模型最优。因此，选用该模型为以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立的最优多元线性回归模型。六、总结综上所述，我们采用截面数据拟合的模型成功的反映各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）间的数量关系，是一个成功的模型。从模型中看出，各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）有非常密切的关系，与柯布-道格拉斯 （C-D）生产函数密切吻合，验证了柯布-道格拉斯 （C-D）生产函数的正确。参考文献：1、《国民经济核算——国家统计年鉴2007》2、《价格指数——国家统计年鉴2007》3、《中国国内生产总值核算》,作者：许宪春 编著，

撰写文献综述步骤：

1、搜索相关文献

2、评价来源

3、识别主题、辩论和差距

4、概述结构

5、写文献综述

一、正确的论文格式：论文属于科学性的文章，它有严格的书写格式规范，因此一篇好的论文一定要有正确的格式，就拿摘要来说吧，它要包括6 要素（问题,方法,模型,算法,结论,特色），它是一篇论文的概括，摘要的好坏将决定你的论文是否吸引评委的目光，但听阅卷老师说，这次有些论文的摘要里出现了大量的图表和程序，这都是不符合论文格式的，这种论文也不会取得好成绩，因此我们写论文时要端正态度，注意书写格式。二、论文的写作：我个人认为论文的写作是至关重要的，其实大家最后的模型和结果都差不多，为什么有些队可以送全国，有些队可以拿省奖，而有些队却什么都拿不到，这关键在于论文的写作上面。一篇好的论文首先读上去便使人感到逻辑清晰，有条例性，能打动评委；其次，论文在语言上的表述也很重要，要注意用词的准确性；另外，一篇好的论文应有闪光点，有自己的特色，有自己的想法和思考在里面，总之，论文写作的好坏将直接影响到成绩的优劣。三、算法的设计：算法的设计的好坏将直接影响运算速度的快慢，建议大家多用数学软件（Mathematice,Matlab,Maple, Mathcad,Lindo,Lingo,SAS 等），这里提供十种数学建模常用算法，仅供参考：1、 蒙特卡罗算法（该算法又称随机性模拟算法，是通过计算机仿真来解决问题的算法，同时可以通过模拟可以来检验自己模型的正确性，是比赛时必用的方法）2、数据拟合、参数估计、插值等数据处理算法（比赛中通常会遇到大量的数据需要处理，而处理数据的关键就在于这些算法，通常使用Matlab 作为工具）3、线性规划、整数规划、多元规划、二次规划等规划类问题（建模竞赛大多数问题属于最优化问题，很多时候这些问题可以用数学规划算法来描述，通常使用Lindo、Lingo 软件实现）4、图论算法（这类算法可以分为很多种，包括最短路、网络流、二分图等算法，涉及到图论的问题可以用这些方法解决，需要认真准备）5、动态规划、回溯搜索、分治算法、分支定界等计算机算法（这些算法是算法设计中比较常用的方法，很多场合可以用到竞赛中）6、最优化理论的三大非经典算法：模拟退火法、神经网络、遗传算法（这些问题是用来解决一些较困难的最优化问题的算法，对于有些问题非常有帮助，但是算法的实现比较困难，需慎重使用）7、网格算法和穷举法（网格算法和穷举法都是暴力搜索最优点的算法，在很多竞赛题中有应用，当重点讨论模型本身而轻视算法的时候，可以使用这种暴力方案，最好使用一些高级语言作为编程工具）8、一些连续离散化方法（很多问题都是实际来的，数据可以是连续的，而计算机只认的是离散的数据，因此将其离散化后进行差分代替微分、求和代替积分等思想是非常重要的）9、数值分析算法（如果在比赛中采用高级语言进行编程的话，那一些数值分析中常用的算法比如方程组求解、矩阵运算、函数积分等算法就需要额外编写库函数进行调用）10、图象处理算法（赛题中有一类问题与图形有关，即使与图形无关，论文中也应该要不乏图片的，这些图形如何展示以及如何处理就是需要解决的问题，通常使用Matlab 进行处理）