在校学生数变动的多因素分析.doc

《在校学生数变动的多因素分析.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《计量经济学》论文在校学生总数变动的多因素分析姓名：周敏学号：6041211298学院：经济与管理学院班级：财务管理15-2班摘要：本文主要通过对中国各级各类学校在校学生总数的变动进行多因素分析，建立以在校学生总数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对在校学生总数进行数量化分析，观察各因素是如何分别影响在校学生总数的。关键词：在校学生总数多因素分析模型计量经济学检验一、引言部分改革开放以来，中国的教育事业取得了长足的发展，各项教育指标都较以往有了很大提高，受教育的人数也是逐年上升，文盲比例直线下降。随着有知识、有文化的人数的不断增加，中国的经济也随之高速发展，众

2、多毕业生们在各行各业上表现都十分出色，取得了一系列令人瞩目的成就。二、研究目的本文主要对中国在校学生总数（应变量）进行多因素分析（具体分析见下图），并搜集相关数据，建立模型，对此进行数量分析。在得到在校学生总数与各主要因素间的数量关系后，据模型方程中的各因素系数大小，分析各因素的重要性，并找出影响在校学生总数最大的因素。影响在校学生总数变动的主要影响因素如下图：人口总数——————这是影响在校学生总数的一个重要因素学校总数——————这也是影响在校学生总数的重要因素人均GDP——————我认为这个因素同样重要（注：1.由于其他因素或是不好量化，或是数据资料难于查找，故为了分析的简便，这里仅用此

3、三个因素来进行回归分析。2.学校总数包括普通高等学校、普通中等学校、小学、特殊教育学校和幼儿园等，故学生总数也是以上学校的人数之和。）三、建立模型Y=α+β1X1+β2X2+β3X3+u其中，Y—在校学生总数（应变量）X1——人口总数（解释变量）X2——各级各类学校总数（解释变量）X3——人均GDP（解释变量）（注：有关模型的一些假定：（1）假定不考虑学生转学的影响。（2）假定各统计量计算准确。四、数据搜集1.数据说明在这里，使用同一地区（即中国）的时间序列数据进行拟合。2.数据的搜集情况采用1985年到2003年的时间序列数据，具体情况见表一。表一：obsX1（人口总数/万）X2（学校总数/

4、万）X3（人均GDP/元）Y（学生总数/万）198510585111.108185320117198610750711.0063595620325.8198710930010.90899110420248198811102610.71226135519848.8198911270410.54347151219489.4199011433310.40992163419532.519911158239.94932187919813.219921171719.85393228720215.319931185179.6081293920627.919941198509.5612839232146119

5、951211219.46772485422418.119961223899.29882557623251.219971236269.06617605423861.119981247618.85622630824074.219991257868.61273655124327.620001267438.25667708624369.920011276277.01097765124224.420021284536.62013821424389.320031292276.34737910124452.5五、模型的参数估计、检验及修正1.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，用

6、OLS方法估计，得：（见表二）表二：DependentVariable:YMethod:LeastSquaresDate:06/07/05Time:09:35Sample:19852003Includedobservations:19VariableCoefficientStd.Errort-StatisticProb.C18008.664856.6553.7080380.0021X1-0.0803410.038584-2.0822410.0549X2851.4523174.17774.8884100.0002X31.3242340.12480010.610840.0000R-squared0

7、.978300Meandependentvar21949.85AdjustedR-squared0.973960S.D.dependentvar2024.050S.E.ofregression326.6198Akaikeinfocriterion14.60013Sumsquaredresid1600207.Schwarzcriterion14.79896Loglikelihood-134.7013