前言:想要写出一篇令人眼前一亮的文章吗?我们特意为您整理了5篇喜帖格式范文,相信会为您的写作带来帮助,发现更多的写作思路和灵感。
巡道工在日巡
巡道工在夜巡
巡道工在察看铁轨
巡道工在察看螺栓
巡道工在加固螺栓
巡道工在汇报路况
铁路系列诗歌(10)
巡道工
风狂雨暴日骄红,
工具标牌背袋中。
验路接车排故障,
【关键词】英格布拉克铁矿;化学成分;矿物组成
1.矿床地质特征
新疆若羌县英格布拉克铁矿大地构造上位于塔里木地块阿尔金断隆,北邻塔里木东南边缘断陷。出露地层主要为元古界蓟县系塔昔达坂群斯米尔布拉克组(JxS)、元古界蓟县系塔昔达坂群卓阿布拉克组(JxZH)、上古生界石炭系上统英格布拉克组(C3y)和第四系。矿层(体)赋存于灰绿色、灰黑、灰色千枚岩和灰色、灰白色微晶、粉晶结晶灰岩中。矿体围岩为灰绿色、灰黑、灰色千枚岩、板岩、硅质板岩;灰色、灰白色微晶、粉晶结晶灰岩;灰黑色钠长霏细岩、变英安岩、火山凝灰岩及千糜岩。蚀变类型主要有磁铁矿化和赤铁矿化、次为褐铁矿矿、黄铁矿化、水云母化、绿泥石化、绿帘石化、硅化(玉髓化)、碳酸岩化及方解石化等蚀变。赋矿岩性为蓟县系塔昔达坂群卓阿布拉克组(JxZH)下岩性段千枚岩、板岩、硅质板岩、微晶、粉晶结晶灰岩、变钠长霏细岩、变英安岩、火山凝灰岩及千糜岩。矿床成因类型海相火山沉积—变质改造型铁矿类型。
2.矿石化学成分
通过化学分析,矿石中mFe/TFe的比值为0.6495,碱性系数(CaO+MgO)/(SiO2+Al2O3)=0.077。需要排除的组分主要是SiO2,次为Al2O3、CaO、MgO、Na2O和K2O,六者合计含量为49.01%。有害杂质硫和砷的含量很低,但磷的含量略为超标。矿石化学组分见表1。
表1 矿石的化学成分含量
3.矿石中铁赋存状态
矿石中铁的赋存状态较为简单,主要呈磁性铁形式存在,分布在磁铁矿中的铁占62.70%,综合化学成分特点,可以认为区内铁矿石的工业类型为需选铁矿石,铁物相组成见表2。
表2 铁物相分析结果表
4.矿石中矿物成分及含量
矿石新鲜面在肉眼下多呈灰黑色,磨光面上可见明显的浸染状、条带状构造。显微镜下鉴定和X射线衍射分析综合研究表明,矿石中铁矿物以磁铁矿为主,其次有大量的赤铁矿(包括假象赤铁矿)和极少量的褐铁矿。金属硫化物有黄铁矿、磁黄铁矿、黄铜矿等,但含量很低;含磷矿物为磷灰石;脉石矿物以石英为主,其次是绿泥石、绢云母(白云母、黑云母)、长石及少量白云石、方解石、菱铁矿。矿石中主要矿物的重量含量见表3。
表3 矿石中主要矿物的含量
5.主要矿物的产出开式
(1)磁铁矿:在矿石中呈疏密不等的浸染状和条带状分布。其中以稠密—中等稠密浸染状为主,部分为稀疏—星散浸染状,粒度微细,基本在0.10mm以下,一般介于0.002~0.05mm之前。部分磁铁矿被赤铁矿交生假象赤铁矿化。磁铁矿与脉石呈紧密交生嵌布状态,其间常见微晶片状赤铁矿分布在其颗粒间。由于磁铁矿颗粒微细且与脉石矿物及微晶细片状赤铁矿交生紧密,致使其选矿难度较大,欲获得较高品位的铁精矿,必须采用细磨。
(2)半假象赤铁矿:主要表现形式是赤铁矿沿磁铁矿边缘、粒间及晶面交代,随着交代程度的增加,颗粒中磁铁矿所占比例逐渐减少,但其晶体形态和分布特征仍与原磁铁矿基本一致。
(3)赤铁矿:呈微细片状,细片厚度一般仅几微米,在矿石中广泛存在,主要呈疏密不等浸染状弥散分布在磁铁矿颗粒间。
(4)褐铁矿:含量很少,在矿石中零散分布,仅在少数矿块中偶尔见到。常呈不规则团块状,团块大小一般为0.01~0.15mm。
(5)磷灰石:成分主要是磷和钙。磷灰石呈自形—半自形柱粒状,粒度一般为几微米至十几微米;在矿石中分布不均匀,多数嵌布在脉石中,少量与磁铁矿直接连生,对选矿中降低精矿磷含量有利。
(6)金属硫化物:主要为黄铁矿,其次有磁黄铁矿和黄铜矿,三者含量极少。黄铁矿颗粒较粗,粗粒者可达0.4mm,呈自形—半自形晶,其中有时包裹石英等脉石,常沿矿石裂隙分布;黄铜矿为不规则状,粒度一般在0.05mm以下,多了现在石英—碳酸盐脉中。
(7)脉石矿物:以石英为主,其次是绿泥石、绢云母(白云母、黑云母)、长石及少量白云石、方解石。其中石英、长石为微细粒状,而绿泥石、绢云母(白云母、黑云母)则为微细鳞片状,它们大都为0.03mm以下的微细粒,常混杂交生构成磁铁矿的嵌布基底。
6.磁铁矿矿物嵌布粒度
测定统计结果表明,矿石中磁铁矿属于典型的微细粒嵌布。磁铁矿粒度均在0.105mm以下,当粒级在+0.037mm部分的正累计分布率仅为13.27%,而-0.019mm粒级占63.89%。可见即使磨矿细度达到-400目也不可能使磁铁矿大量解离,而只能回收其中部分的铁矿物和铁矿物连生体,这必然导致精矿的品位和收率大幅度的降低。
7.结论
(1)区内铁矿石的工业类型为需选铁矿石。
(2)矿石具疏密不等的浸染状和条带状—块状构造,矿石中铁矿物主要是磁铁矿和赤铁矿。脉石矿主要以石英为主,其次是绿泥石、绢云母(白云母、黑云母)、长石及少量白云石、方解石等。
——读《合作学习的99个小贴士》有感
张娟
今年暑假,应学校要求购买了《合作学习的99个小贴士》一书,刚看完"前言"就觉得自己买对了。作者仿佛是位医生,一语就道出了我思想上的困惑。
一、 选书之初
"贴士"是英语"Tips"的音译词,是指"供参考的资料"或者"提醒、提示别人的信息".如"旅游小贴士"、"家居小贴士"等,读起来让人有一种温馨、亲切的感觉。通篇的理论知识,引经据典的说教看得人累。果然,《合作学习的99个小贴士》细致地介绍了合作学习阶段教师工作的小细节、小窍门,为我们搭建了合作学习的工作框架,呈现了合作学习的操作流程。哪怕是没有读完,也可以根据阶段和主题找到相关内容,非常实用。
二、 读过"前言"
只要你读了"前言",就会认定作者一定会帮助到自己。因为她指出"合作学习无法在课堂上顺利开展的原因,一方面在于小组活动时制造的噪音过大,另一方面也在于学生缺乏社会能力,他们不认真倾听对方、互相干扰或者逃避学习而把自己的活推给其他组员。此外,要经济有效地组织学习成果汇报以及有益的汇总也并非易事。"相信借由作者们的经验,我们应该可以少走些弯路。正如这本书的目的:一是支持和丰富资深教师的现有教学方法,二是鼓励怀疑者和职场新人在伙伴和小组学习阶段的范围内把合作性学习融入到课堂教学中。
三、"黄金贴士"
本书一开始,作者们就列举了10条最佳小贴士,也是作者最爱的小贴士。可是书中的每条贴士都非常贴心的注明了操作方法和注意事项,完全可以现学现用。可是对于我个人而言,有几条贴士真的是非常受用。
1、 关于分组
经过了一年级下学期的磨合,我也准备在班上计划实施,首先就是分组。有好几条都是与分组有关的贴士,正好是我目前需要的。由于我班人数多达59人,学生年龄比较小,两极分化的情况较为明显,起步阶段的分组着实让我烦恼了许久。虽然4人小组的格局较好,但根据我班的实际情况,"伙伴学习"是比较可行,也比较好操作的。刚进入二年级,可以以同桌自然分组进行"伙伴学习",从家庭作业的听写部分开始同桌交换核对开始。继而再过度到前后4人小组的学习。
2、 关于角色
书中有一条"角色分配"的贴士,列举了小组成员的角色安排及职能,划分得相当明确,各司其职不能越界。并且,作者还很贴心的说明可以制作卡片或徽章,让每个成员的职责一目了然,学习更轻松。这样做非常适合我们低年级的学生,既充满了趣味,又方便操作。特别还要说明的一条贴士"角色分配要有变化",是呀!一层不变的学习模式总会让人倦怠,特别是二年级的孩子,更需要变化,这样才能让每位成员得到锻炼呀!除了学生角色的分配,"明确教师角色"这条更显重要。特别是操作方法"解决问题三部曲"很值得尝试。其内容如下:在我向老师提问前,①自己思考;②请教同学;③查阅资料。
3、应对"干扰"
说到课堂上的"干扰",情况不胜枚举,"合作学习"中出现的几率更大。噪音、违纪……各种突发事件,学生兴致高涨起来,整个课堂炸开了锅,有时候还会失控。我想这应该是困扰大多数老师的一个问题吧。虽然有经验的教师有一大堆办法应对,书中也罗列了一些好办法,但是值得强调的是当"小组的大多数成员不再有效学习,教师要敢于彻底终止小组学习".终止以后不应该是大声地斥责,而是冷静一会儿共同讨论,和学生一起商讨解决办法。我想,对于我这样的急性子一定要谨记。
最后,我借用作者的话与大家共勉。
团队精神和合作——这是对孩子们的未来以及今后的工作成就有着决定性意义的关键素质——只有通过社会集体活动才能学会。此事不宜迟,越早越好;而且勤习多练才能更持久。
关键词:铁矿石进口价格;采购经理指数;BDI;美元指数
中图分类号:F407.1 文献标识码:A 文章编号:1008-4428(2017)04-40 -04
一、引言
中国的经济现状从高速增长转变为中高速增长① ,国民经济的支柱产业依旧是钢铁工业,并且对中国社会主义现代化建设具有重要的经济战略意义。铁矿石作为钢铁产业的主要原料,其价格直接影响到钢铁工业的发展和国民经济各部门的运行状况。我国大力发展铁路事业必定就需要大量的钢铁产品,也会因此对钢铁产品的价格产生一定的影响。因此,对铁矿石价格波动的因素研究就具有十分重要的现实意义。就此笔者将从指标选取、模型检验、意义分析三个部分进行一一阐述。
二、中国铁矿石进口价格波动因素及指标选取
(一)美元指数②
自2012年以来,虽然美元指数整体趋势是呈上升态势的,但是在小范围内是呈现不断波动的状态的,由2012年1月至2016年12月的数据显示,随着时间的推移两者之间的关系是不同的,正因如此世界矿业巨头需要根据美指的波动来定价从而弥补汇率损失,因此在考虑进口铁矿石的价格波动因素分析时应将美元指数列入解释变量中。
(二)波罗的海干散货指数③ (BDI)与海运费
国际铁矿石的运输绝大部分是通过海运完成的,但由于海运费变化快而细微很难获得精准的数据,因此在考虑海运费对进口铁矿石价格的影响时可以通过波罗的海干散货指数来呈现。
2012年1月至2016年12月的中国进口铁矿石价格与波罗的海干散货指数BDI的数据显示:中国进口铁矿石价格与波罗的海干散货指数BDI的关系在不同的时间段呈现不同的关系,因此在考虑进口铁矿石的价格波动因素分析时应将BDI列入解释变量中。
(三)中国铁矿石粗钢产量
2016年是“十三五”的开局之年,铁业推进供给侧结构性改革④ ,粗钢产量增速得到控制。相较于“十二五”时期,见表1我国粗钢产量由2010年的6.3亿吨增加到2015年的8亿吨,年均增长5%,并在2014年达到8.2亿吨的历史峰值。而“十三五”期间,我国钢材生产消费将步入峰值弧顶下行期。
而在中国进口铁矿石价格与中国铁矿石粗钢产量关系中我们从2012年1月至2016年12月两者之间的数据可以看出,两者之间呈现正相关态势。因此研究中国铁矿石粗钢产量与进口铁矿石价格有着重要意义,故在接下来的模型中保留中国铁矿石粗钢产量作为解释变量。
数据来源:国家统计局
(四)中国铁矿石原产量与中国铁矿石进口数量
中国是世界上最大的铁矿石需求国,进口来源主要是澳大利亚和巴西两国。其原因归于自身的档次比较低,所以我国对铁矿石依然供小于求,故需要通过铁矿石进口来缓解这一现象。因此真正反应我国对铁矿石净需求的因素主要就体现在中国铁矿石进口数量上,并且由2012年1月至2016年12月的数据显示,中国进口铁矿石价格与中国铁矿石原矿产量大体呈现负相关关系,因此在考虑进口铁矿石的价格波动因素分析时应将中国铁矿石进口数量列入解释变量中。
(五)采购经理指数① (PMI)
当PMI小于50时,说明经济是在衰退的,如图1中2012年8月和2016年1月至3月;当PMI大于50时,说明经济是在发展的,如图1中其余在色彩以上部分。并且中国进口铁矿石价格与中国制造业采购经理指数的关系由图1不能明显的看出,因此在考虑进口铁矿石的价格波动因素分析时应将采购经理指数列入解释变量中。
数据来源:中国物流与采购联合会网站 国家统计局
(六)普氏价格指数②
普氏价格指数数据是普氏能源资讯制定的,普氏指数和铁矿石进口价格可以说是完全线性相关的,因此在考虑进口铁矿石的价格波动因素分析时应普氏指数列入解释变量中。
(七)中国钢铁行业集中度CR1O
从整体来看中国钢铁产业集中度偏低,大致在35%和50%上下波动(见表2 )。从2007年~2016年中国钢铁产业集中度可以看出,中国钢铁产业集中度先上升后下降,并且在2011年达到最高值,即为49.20%。但是随后便连续五年下降,CR1O从49.20%下降到33.58%,这在一定程度上肯定会影响进口铁矿石的价格。由2012年1月至2016年12月的数据可以知道,中国进口铁矿石价格与中国钢铁行业产业集中度CR1O在大部分时间呈现正相关关系,由此我们只有努力提高中国钢铁行业的产业集中度才能使中国在国际铁矿石价格谈判中处于更有力的地位。当然也有例外的时候,因此在考虑进口铁矿石的价格波动因素分析时应将中国钢铁行业集中度CR1O列入解释变量中。
三、实证分析
(一)构建模型
笔者将选取中国进口铁矿石价格作为被解释变量(P),将我国粗钢产量(X1),我国铁矿石进口数量(X2),采购经理指数(X3),普氏指数(X4),美元指数(X5),波罗的海干散货指数BDI(X6),中国钢铁行业集中度CR1O (X7)为解释变量。所选取的数据样本空间是在2012年1月至016年12月区间内的60组月度数据。其中P是作者根据中国钢铁工业协会日到岸价格算得的月平均到岸价格。根据多元回归模型③ ,构建的模型可以表示为:
P=C+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7
说明:C代表常数,β1β2β3β4β5β6β7代表个解释变量的系数。
本次实证分析的目的是为了在这七个因素中找到起码有一个解释变量对被解释变量的影响是显著的。
(二)多重共线性检验和平稳性检验
为了确认本次线性回归模型中的解释变量之间不存在精确相关关系或高度相关关系进而保证模型的准确性,我们第一步需要检验解释变量是否存在多重共线性。文章采用方差膨胀因子(VIF)检验法④,如图所示,X1,X2,X3,X4,X5,X6X7的centered VIF均未超过10,故不存在多重共线性问题。
第二步笔者对时间序列进行了平衡性检验,其目的是杜绝伪回归⑤的发生。本文采用 ADF 检验方法,即单位跟检验。如果存在同阶平稳的话,就可以对它们进行协整检验。以X1为例:p=0.8179>0.05,不平稳,然后ADF值大于所有的level值。
说明我们还要进行第二步检验。结果如下:
此时p值为0,说明已经平稳了,并且在1%水平显著下滑,因此变量都是一阶段整可以进行协整关系的检验。所有变量的检验结果见表3。
(三)多元回归模型检验结果分析
1.利用Eviews8.0进行了多元回归分析,结果如下表:
根据表模型估计结果为:
P=33.47412+(6.10E-07)X1-(9.15E-08)X2-2.056297X3+0.984284X4
+0.110499X5+0.003456X6+0.7303267X7
(0.677334) (2.751744) (-0.915374) (-2.007267)(20.98349)
(0.628975) (1.640330) (2.410757)
R2=0.984590 F=539.5339
2.经济意义检验
①β1=6.10E-07,说明在其他因素不变的前提下,我国粗钢产量每上升十万分之一,就会使铁矿石进口价格上升十万分之零点六一,与本文第二部分指标选取部分中描述的粗钢产量与铁矿石进口价格之间存在正相关关系是一致的;
②β2=-9.15E-08,说明在其他六个变量不变的前提下,我国铁矿石进口数量每下降十万分之一,就会使铁矿石进口价格上升十万分之零点零九一五,与文中第二部分指标选取部分中描述的铁矿石进口数量与铁矿石进口价格之间存在负相关态势是一致的;
③β3=-2.056297,说明在其他因素不变的前提下,我国采购经理指数每下降1%,就会使铁矿石进口价格上升205.6297%,解释了文中第二部分指标选取部分采购经理指数与铁矿石进口价格之间整体存在负相关关系;
④β4=0.984284,说明在其他六个变量不变的前提下,我国普氏指数每上升1%,就会使铁矿石进口价格上升198.4284%,与文中第二部分指标选取部分中描述的普氏指数与铁矿石进口价格之间存在正相关关系是一致的;
⑤β5=0.110499,说明在其他六个变量不变的前提下,我国美元指数每上升1%,就会使铁矿石进口价格上升11.0499%,解释了文中第二部分指标选取部分的美元指数与铁矿石进口价格之间存在正相关关系;
⑥β6=0.003456,f明在其他六个变量不变的前提下,我国波罗的海干散货指数BDI每上升1%,就会使铁矿石进口价格上升3.456%,解释了文中第二部分指标选取部分的BDI与铁矿石进口价格之间存在正相关关系是一致的;
⑦β7=0.7303267,说明在其他六个变量不变的前提下,我国中国钢铁行业集中度CR10每上1%,就会使铁矿石进口价格上升73.03267%,解释了文中第二部分指标选取部分的中国钢铁行业集中度CR1O与铁矿石进口价格之间存在正相关态势。
根据各解释变量系数的值的正负与大小,可知P与我国铁矿石进口数量(X2)反向变动,与我国粗钢产量(X1),普氏指数(X4)和中国钢铁行业集中度CR10(X7)同向变动,这与预期相同。在未知的采购经理指数(X3)美元指数(X5),波罗的海干散货指数BDI(X6)三个因素中:X3与P呈现负相关,X5和X6与P呈现正相关,且相较于其他因素,采购经理指数(X3)对价格的影响系数较大,整个经济模型符合经济意义。
3.统计推断检验
(1)拟合优度检验
由表中数据可以看出,本例中的决定系数R2=0.986418,调整的决定系数为R2=0.9834590,说明回归方程的解释能力为98.349%,即七个解释变量能对被解释变量的98.35%的做出解释。
(2)方程显著性检验――F检验①
从总体影响来看,在显著性水平是5%的情况下,所有解释变量对进口铁矿石价格波动的共同影响是显著的。
(3)变量显著性检验――t检验②
由表中可以看出,^β1 ^β2 ^β3^β4^β 5^β6的t值分别为:
t(^β1)=2.751744 ,t(^β2)=-0.915374,t(^β3)=-2.007267,
t(^β4)=20.98349,t(^β5)=0.628975,t(^β6)=1.640330,t(^β7)=2.410757
这表明解释变量我国粗钢产量,铁矿石进口数量,采购经理指数,波罗的海干散货指数BDI,美元指数和中国钢铁行业集中度CR1O都在95%的置信水平下对被解释变量“铁矿石进口价格”影响不是很显著,只有普氏指数通过了变量的显著性检验。
四、模型结论与其经济意义
本文选取60组月度数据作为样本空间,通过多元回归模型分析了影响我国铁矿石进口价格 (P) 的影响因素,发现比较显著的因素是采购经理指数(X3)、普氏指数(X4)、美元指数(X5)、中国钢铁行业集中度CR1O (X7),而我国粗钢产量(X1)、波罗的海干散货指数BDI(X6)和我国铁矿石进口数量(X2)则对我国铁矿石进口价格 (P) 的影响不显著。
由于数据样本的选择不同,数量多少都会影响最后的结果。虽然从在 2012 年 1 月至 2016 年 12 月这段时间内的整体上来看,全球经济大体不景气,人民币对美元不断贬值,铁矿石国际市场价格下跌,所以我国的铁矿石进口价格也在下跌,但是从2016年1月开始的小范围来看,进口铁矿石价格开始波动上升虽未到达之前进口铁矿石的价格,但是我们却也要引以为戒,不可小看这次波动上升。
并且虽然铁矿石的特性决定了它的价格应该具有刚性,但其价格刚性程度正在逐渐减弱。由上述模型可知我国铁矿石进口价格主要受采购经理指数(X3),普氏指数(X4),美元指数(X5)和中国钢铁行业集中度CR10(X7)这四个因素的影响。尤其是代表我国国内经济发展情况的采购经理指数 (X3) 的系数估计值较大,表明我国在决定铁矿石进口价格的能力在增强。因此我们可以抓住这次势头,在进口铁矿石价格还未上升到很高的价格时,通过国际价格谈判来降低进口铁矿石的价格,为我国大力发展钢铁产业奠定良好的基础。
参考文献:
[1]严晓斌. 寡头垄断市场讨价还价能力的博弈分析[D]. 浙江理工大学, 2011.
[2]田祖海 李穗嘉.中国铁矿石进口价格波动因素的实证分析[J].武汉金融,2012,(02):52-54.
[3]徐志红, 徐斌. 影响中国进口铁矿石价格波动的因素分析[J].价格月刊, 2014,(07):10-14.
[4]郭存芝. 计量经济学[M].北京:科学出版社,2013.
[5]陶莉华. 关于铁矿石进口价格变动影响因素的实证分析[J].商, 2016,(17):145-145.
[6]董方军. 铁矿石市场价格机制研究[D].北京交通大学, 2010.
作者简介:
金融风暴之后,中国钢铁业尽管在政府投资拉动之下度过了最为艰难的时刻,但由于成本高涨,下游市场景气度或许在未来很长一段时间都不会出现,钢铁行业正在步入微利时代。
钢铁上市公司是钢铁行业内的领军企业,其经营业绩间接反映整个行业的发展状况,对其进行评价研究,能够较好地了解钢铁行业的整体发展态势,促进全行业健康快速发展。
马钢是我国特大型钢铁联合企业之一,安徽省最大的工业企业,产品覆盖板、线、型、轮。马钢是继宝钢、鞍钢和沙钢之后第4个进入世界级钢铁企业的中国钢铁企业。WSD通过对马钢的实地考察和企业生产、经营、发展数据比较分析,认为经过上市、企业改革和产业结构调整,马钢在生产经营方面有了突飞猛进的发展,高速的产能发展和产品结构的大幅调整使马钢成为中国发展速度最快的钢铁企业之一,所以本文选择马钢作为中国钢铁行业的代表企业,希望通过对该公司股票价格的分析研究,得出影响钢铁行业股票价格变动的影响因素。
二.数据处理
2.1数据的选取
本文选取以下4个解释变量来反映影响股票价格的因素,4个解释变量分别为:每股收益、每股净资产、每股现金流量和上证综指指数,为了避免可能存在的异方差,对上证综指指数取对数处理,在此基础上建立的多元回归模型为:Y=0+1*X1+2*X2+3*X3+4*X4+μ,其中
Y2006年第一季度到2013年第三季度,每季度最后一个交易日马钢的股价,X1每股收益,X2每股净资产,X3每股现金流量,X4上证综指指数的对数。
选取的数据为时间序列数据,时间区间为2006年第一季度到2013年第三季度数据,共31组数据。在股票软件上可以查到2006-2013年每季度最后一个交易日的股价和上证综指指数,在公司季度财务报表上可以查到每股收益、每股净资产和每股现金流量。
2.2对各变量进行平稳性检验
对个变量进行ADF单位根检验后,发现每个变量都存在单位根,Y、X2、X4在相应临界值(0.05)下通过一阶差分的平稳性检验,X1、X3通过零阶差分的平稳性检验。
由于各变量的单整阶数不相同,所以它们之间不存在协整关系。为了更好的分析各变量之间的关系,文章从下面开始的处理,均采用各变量一阶差分后的数值。
三.VAR模型
3.1VAR模型估计
3.2VAR模型滞后期的选择
3.3VAR模型平稳性检验
由软件处理结果可以看出,没有根落在单位圆外面,所以VAR模型满足稳定性检验。
3.4脉冲响应与方差分解分析
从左到右依次表示X1、X2、X3和X4的冲击对Y产生的影响,可以看出各变量冲击产生的影响渐渐趋于平稳,也就是说系统对冲击的反应是稳定的。
由方差分解的结果可以看出,马钢股票价格波动除了自身因素达到42.64%外,上证综指指数的相对影响力最大,达到30.91%,而每股收益、每股净资产和每股现金流量的相对影响力分别为5.75%、7.57和13.13%。
3.5协整检验
由于是多变量的协整检验,本文采用的是Johansen协整检验。
通过软件处理可以看出,被解释变量和解释变量之间存在协整关系。
四.多元回归模型
4.1多元回归模型的估计
通过EVIEWS软件进行OLS估计,得到如下回归方程:
Y=0.103156X1-1.191682X2+0.526242X3+7.653114X4-52.17060
t=(0.760918)(-1.023673)(0.832292)(8.244304)(-8.017597)
R2=0.749657
从回归结果来看,在a=0.05的显著水平下,X1、X2和X3的t值不显著,可能存在严重的多重共线性。
4.2多重共线性的修正