面板数据范文第1篇

关键词:数据模型 面向对象工程模板 冷冲模

随着计算机辅助设计(CAD)的迅速发展,集成化CAD系统的研制与开发成为当今计算机集成制造系统(CIMS)环境下CAD的发展方向。产品的设计制造过程实质是对信息的采集、传递、加工和处理过程,其本质体现在以信息集成为特征的技术集成和人的集成两方面1。信息集成是指将CAD/CAM/CIMS工程设计中涉及的数据和信息(尤其是图形数据、结构化数据和非结构化非图形信息)集中起来管理。由于工程设计过程的特殊性,设计过程是一个不断反复、试探、选择、完善的过程,会面临大量需要组织的设计数据和试验数据;同时还会因为同一设计对象的多个版本而产生大量的重复数据,这些都给数据组织带来了很大的困难。因此如何及时、有效地组织和管理工程数据成为工程设计人员迫切需要解决的问题。

传统的数据模型工程设计中没有足够的能力表达工程数据的全部语义结构,表达工程数据的数据模型应当具有以下几个方面的特性:

·随着工程设计的逐步深入,设计人员能够定义新的数据类别,并对已有的数据类别进行改进和重新定义;

·可以允许定义静态和动态的数据种类,静态实体属于设计环境的一部分,可用它创建表示设计对象的动态实体;

·在提供基本数据结构的同时,可以建立设计中数据结构的抽象数据类型;

·提供描述复杂对象的数据描述标准框架,使得不同的设计者从不同的角度描述同一设计对象时,它们的视图是相关的;

·在数据模型里可以按照一定的格式描述任意一个产品设计信息及其语义信息,满足设计要求;

·满足设计和生产要求的一切产品都能为数据模型所描述。

1 面向对象与模板

模板的基本思想是从一组相似的事物中抽象出一种框架型的模式,任何一个类似的事物都可作为以模板为超类派生的实例。将模板概念引入到工程CAD领域,这与工程CAD领域的设计特色有密切的关系。工程设计是设计人员具有创造性的思维活动,其特点具体表现在创造性、变异性、模式重复性、绘图工作量大等方面。采用工程模板的设计思想使设计人员在设计的不同阶段都能按照自己的要求进行操作;而面向对象模型可以描述很复杂的事物,并能在统一概念化的基础上处理有关数据。因而把对面向对象模型的研究和对工程模板设计理论与方法学的研究结合起来设计面向对象工程模板,使产品数据信息模型可以从更本质的基础上建立起来。

模板的应用很广泛,如在程序设计语言中(如VC++)引入了面向对象类(函数)模板用于支持程序设计的参数化、多态性。模板函数可以使某个类型范围之内的各种类型的对象达到一些相同或相似的功能,但这种类型要求参数个数相同,因而函数模板适用于函数名相同、算法相同、参数个数相同,只是类型不同的问题。与面向对象类(函数)模板相比,面向对象工程模板有以下特点:

·描述数据的结构信息采用半结构化数据模式,不是对数据结构进行强制性的约束;

·可以利用工程模板的嵌套、层次结构描述具有复杂语义的数据类型;

面板数据范文第2篇

LabVIEW；菜单；信号采集；子面板中图分类号：TP311 文献标识码：A

【中图分类号】S973.1+5 文献标识码：B文章编号：1673-8500（2012）12-0036-02

0 前言

LabVIEW是一种基于图形开发、调试和运行程序的集成化环境，是图形化编程语言——G语言的可视化开发平台，其广泛应用于仪器控制、数据采集、数据分析等领域。在用LabVIEW软件开发较复杂的多任务控制系统时，往往无法用一个用户界面来实现，此时可将一个完整的控制系统任务分成多个功能模块，每个功能模块分别设计成为拥有用户界面的子程序。

本文采用的是LabVIEW2011版本，通过设计人体微弱信号采集系统实例，来主要介绍通过菜单响应进行对话框的调用，子面板的功能及使用，以及控件的驱动响应方法，其中包括“写入波形”与“读取波形”控件的响应与功能实现方法。

3 程序运行

运行主程序，点击“测量项目”的下拉菜单“心电测量”，连接好外界硬件（此处为信号发生器，用来验证其可行性）及设置好参数，在心电测量窗口中点击“写入波形”控件，即可在进行波形

4 结论

本文在基于LabVIEW图形化编程语言的环境下，阐述了人体微弱信号采集系统界面的设计方法，介绍了通过菜单响应进行对话框的调用，子面板的功能及使用，以及各控件的驱动响应方法，同时通过信号的采集存储显示与读取，证明了本设计方法的有效性。该方法对于其他系统的设计具有一定的实际参考价值。

参考文献

[1]李涛，刘延武.基于LabView的心电信号采集和分析Ⅱ.医疗设备信息，2007，22（6）：15—17.

[2] 谢启，温晓行，高琴妹，顾启民.LabVIEW软件中菜单形式的用户界面设计与实现[J].微计算机信息，2005，（21）：88-90.

面板数据范文第3篇

关键词：股票收益率 企业成长性 面板数据 净资产增长率 营业利润增长率

一、引言

股票收益率波动是股市运行的基础，也是投资者关注的焦点。股票收益率受各种经济因素和非经济因素、宏观因素和微观因素的影响。集中关注每种因素的影响程度可为投资者作出正确的投资决策提供一定的依据，同时对提高上市公司的自身素质、理性发展、使其真正发挥优化资源配置以及促进资本流动的功能具有积极深远的影响。因此，对股票收益率影响因素进行探究就成为国内外众多学者所关注的重要研究课题之一。国内学者王军波（2000）、李训（2006）、王振山（2008）、张玲（2004）、程文卫（2009）等分别对利率、分析师关注度、通货膨胀等不同角度对股票收益率的解释能力进行了实证研究。国外在研究股价波动的动因方面研究很早。1968年Ball和Brown（1968）对年度报告的盈利数据和股价进行实证研究时发现，存在超额盈利的公司其投资者就存在超额回报。Umstead（1977）和Fame（1981）的研究结果表明，股票价格与实际经济增长存在正相关关系，实际经济增长率可以解释48%的股票价格波动。Chen（1986）等在APT框架内建立了一个向量自回归模型，说明经济变量对股市收益率具有系统的影响，宏观经济变量通过这种机制成为股市风险因素之一。Campbell和Ammer（1993）用经典的统计过程对股票收益进行了方差分解，并运用分解出来的各个参数度量每个参数对股票价格有多大影响。很多因素会影响股票收益率，很多文献都研究了公司规模、会计盈余、公司财务状况、贝塔值、市盈率、通货膨胀率等对股票收益率的影响，这些研究一般运用线性模型、向量自回归模型、截面方法、因子模型进行分析。本文运用面板数据技术重点研究企业成长性与股票收益率之间的关系，以期为投资者投资决策提供一定的参考。

二、研究设计

（一）样本选取和数据来源 本文同时选择2006年至2009年上海股票市场与深圳股票市场中A股股票（金融类、ST类除外）作为研究对象，对总资产增长率、净资产增长率、营业收入增长率、营业利润增长率与股票收益率的关系进行实证分析。由于本文样本跨度较大，所以在上海证券市场与深圳证券市场选取样本区间为2006年1月1日到2009年12月31日所有A股上市公司中，剔除了ST类公司、金融类公司，资产增长过快、以及数据不完整的公司，最后得到了样本公司329家，即329支股票。由于时间跨度大，故文章所用数据均为年度数据。本文的所有数据都来自CCERDATA经济金融数据库。

（二）变量选取 考虑到数据的可得性问题以及更加贴近我国股票市场的特性，具体变量定义和计算原则如下：（1）股票收益率。年股票收益率（SR）的计算按照以下公式：Rt=（Pt-Pt-1+Dt）/Pt-1。

其中，Rt为某证券在时期t的收益率；Pt表示t时期的股价；Pt-1表示前一期的收盘价；Dt=每股现金红利+Pt×（送股比例+配股比例）-每股配股价×配股比例，这里t可以取日、周、月、年等，计算出的收益率分别为日收益率、周收益率、月收益率、年收益率。由于CCER经济金融数据库中有股票的复权价格，故可将收益率的计算公式简化为Rt=（Pt-Pt-1）/Pt-1。

（2）企业成长性。这里选择总资产增长率、净资产增长率、主营业务收入增长率、主营业务利润增长率4个指标来衡量企业的成长性，研究这4个指标与股票收益率的关系进行实证分析。总资产增长率（TAG）=（本年总资产-上一年总资产） /上一年总资产；净资产增长率（NAG）=（本年净资产-上一年净资产） /上一年净资产；营业收入增长率（RG）=（本年营业收入-上一年营业收入） /上一年营业收入；营业利润增长率（OPG）=（本年营业利润-上一年营业利润） /上一年营业利润

（三）研究假设 本文对选取的可能影响因素提出如下假设：

假设1：总资产增长率与股票收益率呈正相关关系

假设2：净资产增长率与股票收益率呈正相关关系

假设3：营业收入增长率与股票收益率呈正相关关系

假设4：营业利润增长率与股票收益率呈正相关关系

（四）面板数据基本模型 面板数据（Panel data）指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。平行数据含有时间和截面双向信息，利用面板数据模型可以构造和检验比以往单独使用横截面数据或时间序列数据更现实的行为方程，进行更加深入的分析。正是基于实际分析的需要，作为非经典计量经济学问题，时间序列/截面数据模型已经成为近20年来计量经济学理论方法的重要发展之一（白仲林，2008）。设因变量yit与k×1维解释变量向量 it=（x1,it，x2,it，?撰，xk,it）'，满足线性关系： it=αit+ 'it+ it+uit，i=1,2，?撰，N，t=1,2，?撰，T （式1）

式（1）是面板数据模型的概述，是考虑k个经济指标在N个个体及T个时间点上的变动关系。其中，N为个体截面成员的个数，T表示每个截面成员的观测时期总数，参数αit表示模型的常数项， it表示对应于解释变量向量 it的k×1维系数向量，k表示解释变量个数。随机误差项uit相互独立，满足零均值、等方差为?滓2u的假设。为了实现模型的估计，可以分别建立含有N个个体成员方程的面板数据模型和含有T个时间截面方程的面板数据模型。由于这两种模型在估计方法上类似，因此，下面主要介绍含N个个体成员方程的面板数据模型。根据截距向量α和系数向量 是否相同，可以将含N个个体成员方程的面板数据模型分为如下三种形式：第一，联合回归模型（Pooled Regression Model），又称混合模型，其单回归方程的形式可以写成： it=α+ it +ui，i=1,2，?撰，N（式2）。其中截距项α和k×1 维系数向量 均相同。第二，变截距模型，其单回归方程的形式可以写成： i=αi+ i +ui，i=1,2，?撰，N（式3）。该模型假设个体成员上存在个体影响而无结构变化，并且个体影响可以用截距项的差别来说明，即各个体成员方程的截距项 不同，而k×1维系数向量 相同，故称该模型为变截距模型。从估计方法角度，有时也称该模型为个体均值修正回归模型（individual-mean corrected regression model）。第三，变系数模型，其单回归方程的形式可以写成： i=αi+ i +ui，i=1,2，…，N（式4）。该模型假设个体成员上存在个体影响并存在结构变化，即个体影响可以用截距项的差别来说明，同时还允许k×1维系数向量 随个体成员而变化，用以说明个体成员之间的结构变化，因此该模型也被称为无约束模型（unrestricted model）。

三、实证结果分析

（一）描述性统计 本文使用2006年至2009年沪深两市上市公司的数据，选取样本329家上市公司，共有5个变量，1316个观察值（329*4）。变量观测值统计性描述结果如（表1）。

（二）F检验 面板数据模型可以分为三种。为了确定应该使用哪种模型，需要对以下两个假设进行检验：H1:?茁1=?茁2=…=?茁N；H2:α1=α2=…=αN。

首先需要检验H2：如果接受H2，则需采用联合回归模型；否则，继续检验H1。接受H1意味着需要采用变截距模型，而拒绝H1则需要建立变系数模型。为了检验这两个假设，需要根据以上三种模型下的残差平方和，计算得到两个F统计量F1和F2。其中， 服从自由度为 （N-1）（k+1）和N（T-k-1）的F分布，F1服从自由度为（N-1）k和N（T-k-1）的F分布。如果令S3表示模型（2）的残差平方和，S2表示模型（3）的残差平方和，S1表示模型（4）的残差平方和，那么有：

F2= ~F［（N-1）（k+1），N（T-k-1）］

F1= ~F［（N-1）k，N（T-k-1）］

本部分针对选取的样本，4年329只股票得到1316个数据，使用Eviews 6.0软件完成了对面板数据的处理。根据处理结果计算得到 F2=0.5870，F1=0.6780，由于N=329，k=1，T=4，查F分布表，在给定5%的显著性水平下，相应的临界值为：F2（656,658）≈1.00，F1（328，658）≈1.00。由于F2

（三）相关性和显著性检验

（1）净资产增长率与股票收益率之间的关系的分析。如（表2）所示，模型处理结果为：

SRit=1.067834-0.628795×NAGit

t=（17.88299）（-1.799249）

从上面的结果可以看出，截距项α通过了t检验（t=17.88299，Prob=0.0000），?茁未通过t检验（t=-17.88299，Prob=0.0722）；方程的R2=0.002458，并且Prob（F-statistic）=0.072209，即方程未通过显著性检验且不能很好地解释因变量SR。

（2）总资产增长率与股票收益率之间的关系的分析。由（表3）模型处理结果为：

SRit=0.901347+1.325837×NAGit

t=（16.02475）（3.727285）

从上面的结果可以看出，截距项α通过了t检验（t=16.02475，Prob=0.0000），?茁也通过了t检验（t=3.727285，Prob=0.0002）；方程的R2=0.010462，并且Prob（F-statistic）=0.000202，即方程通过了显著性检验但不能很好地解释因变量SR。

（3）营业收入增长率与股票收益率之间关系分析。由模型处理结果为：

SRit=0.954116+0.424292×NAGit

t=（1783902）（2.393341）

另外，检验结果也表明，截距项α通过了t检验（t=17.83902，Prob=0.0000），?茁也通过了t检验（t=2.393341，Prob=0.0168）；方程的R2=0.004340，并且Prob（F-statistic）=0.016835，即方程通过了显著性检验但不能很好地解释因变量SR。

（4）营业利润增长率与股票收益率之间关系分析。由模型处理结果为：

SRit=1.005903-0.000361×NAGit

t=（20.53452）（-0.198840）

检验结果看出，截距项α通过了t检验（t=20.53452，Prob=0.0000），?茁未通过t检验（t=-0.198840，Prob=0.842418）；方程的R2=0.00003，并且Prob（F-statistic）=0.842418，该方程未通过显著性检验且不能很好地解释因变量SR。

因此，总的来说，净资产增长率、营业利润增长率与股票收益率之间的模型未通过检验，换句话说就是净资产增长率、营业利润增长率与股票收益率之间不存在显著的相关关系，总资产增长率、营业收入增长率与股票收益率之间的模型通过了检验，因此通过以上分析，可以建立以下模型：总资产增长率与股票收益率之间的模型：SRit=0.901347+1.325837×NAGit；营业收入增长率与股票收益率之间的模型：SRit=0.954116+0.424292×NAGit。

（四）面板单位根检验面板数据是时间序列数据与截面数据的结合，必须通过单位根检验以判断数据的平稳性，否则就可能出现“伪回归”。面板单位根检验包括LTC（Levin-Lin-Chu）检验、崔仁检验（Fisher-ADF检验）、PP检验。（表4）是股票收益率的相关检验结果，其他指标的检验结果这里不全部列出。

四、结论

利用面板数据实证研究得出以下结论：总资产增长率、营业收入增长率与股票收益率存在微弱的正相关关系，而净资产增长率、营业利润增长率与股票收益率之间不存在相关关系。从回归方程来看，TAG每增加1%，SR将增加1.33%，RG每增加1%，SR将增加0.42%，NAG、OPG与SR之间无明显的相关关系。 可以看到我国股票市场并不能完全及时准确反映企业的经营业绩，说明我国证券市场本身并不很成熟，而投资者的不理是造成这种结果的重要原因。

参考文献：

［1］王军波、邓述慧：《关于利率对不同规模上市公司影响的讨论》，《系统工程学报》2000年第4期。

［2］李训、曹国华：《我国上市公司股票收益率影响因素的实证研究》，《重庆大学学报（自然科学版）》2006年第10期。

［3］王振山、姚秋：《分析师关注度与股票收益率――基于中国A股市场数据的经验研究》，《财经问题研究》2008年第4期。

［4］张玲、邓霄敏：《经济增加值和市场增加值对股票收益率解释力的实证研究》，《经济问题探索》2004年第12期。

［5］程文卫：《通货膨胀影响股票市场的实证分析》，《财经问题研究》2009年第6期。

［6］白仲林：《面板数据的计量经济分析》，南开大学出版社2008年版。

［7］高铁梅：《计量经济分析方法与建模：Eviews应用及实例（第二版）》，清华出版社2009年版。

［8］Ball，P．Brown．An empirical evaluation of accounting income numbers．Journal of Accounting Research，1968.

［9］Umstead，D．A．Forecasting Stock Market Prices．Journal of Finance，1977.

［10］Fama，E．F．Ft Stock Returns，Real Activity ,Inflation，and Money．American Economic Review, 1981.

面板数据范文第4篇

【关键词】房地产价格；空置面积；面板数据；有效供给

进入21世纪，特别是2005年以来，我国房地产市场发展迅速，2009年我国商品住宅完成投资额25619亿元，商品住宅销售面积85294万平方米；但另一方面，高房价背后却存在着房地产市场异常高的空置面积。国家统计局数据显示，2008年末，我国商品住房控制面积达到1.36亿平方米。预计2009年底控制面积将达到2亿立方米左右，如果按照国际4-6%的合理空置区间，我国目前房地产市场已经接近泡沫发生界限[1]。虽然，国际警戒线对我国房地产市场的适用性还有待商榷，但是房地产市场的偏轨道发展不得不引起重视。目前我国处于房地产市场的发展阶段，因此，空置统计对象为新增住房。空置指建筑物的整体或部分未得到使用，处于等待出租或出售的状态。空置一方面表明房屋未被使用，另一方面还意味着所有权人准备将房屋出租或出售，只有两方面的条件都满足的房屋才是空置房屋。从实质上讲，空置也是供给的一种方式，在某一特定时间点上，存在供给=需求+空置。一般来说空置是房地产市场必然存在现象，可以调节供需平衡；不过，空置过高却是房地产市场非健康发展的表现[2]。本文基于高房价与高空置面积并存这一悖论出发，探讨二者的相互关系，以及高空置面积产生的原因。

1 房地产高空置与高房价：经济学悖论的解释

凯恩斯经济学认为市场是调节商品供求的最佳途径，市场这只“无形的手”总能指引着资源流向发挥最大效用的领域。当商品供给大于市场的需求时，商品滞销，价格降低。市场会将信息及时传递给生产者，此时生产者会降低生产、增加存货，以减少供给，从而保证市场上的商品达到供需平衡，稳定市场价格使其重新回到均衡价格；相反，当商品供给低于需求时，商品供不应求，商品价格随之增加，而此时市场也将信息反馈给消费者，消费者就会以不消费或者消费替代物品来降低该商品的消费，同样促使商品价格回到均衡价格位置，保证市场商品的供需处在一个动态均衡的过程中。

对于房地产商品而言，除了满足一般商品的特性之外，还有自己的特征，而这正是房地产市场出现高空置与高房价并存的所谓的“悖论”现象。首先商品房供给弹性小且时滞性强，而商品房需求波动大受价格影响也大，同时房地产供给受经济形势影响。当市场经济形势不明朗的情况下，商品房供给大于商品房需求，房地产商会降低市场供给，形成空置。但房地产价格并不会出现大幅度降低现象；而一旦经济形势好转，房地产商会加大房地产投资力度，但是投资的房地产产品由于存在时滞性而无法立即进入供给市场，供不应求局面无法立即得到改善，从而导致房地产价格虚假抬高，而进入一个“供过于求―高空置―供不应求―高房价”的循环往复过程。其次，房地产市场的准理性预期也是导致高空置与高房价并存的重要原因。准理性预期不同于理性预期，它是介于理性预期与非理性预期之间的市场预期，虽然具有理性预期成分，但是往往根据以往市场情况进行判断。当房地产市场持续一段时间繁荣时，消费者与房地产商会做出这种繁荣仍然会持续一段时间的准理性预期，从而导致房地产市场过热；而一旦市场疲软，消费者与房地产商的准理性预期会促使二者持续性观望，导致房地产市场持续性疲软。这种房地产市场“买涨不没跌”准理性预期会加剧房地产市场高空置与高房价的发展。最后，房地产市场的失效也是存在房地产市场高空置与高房价的原因之一。上面提到在一般情况下市场会自动调节商品供需，保证商品维持在均衡价格位置附近上下波动。但是并不是任何情况下，商品市场的这种调节作用都是有效的，此时就会出现所谓的“市场失灵”。房地产市场是一个信息极其不对称的市场，开发商掌握了市场的绝大部分信息，消费者处于被动局面。开发商总是利用消费者的“无知”进行市场活动――“惜盘不售”、抬高市价等，造成房地产价格的虚假抬高。

2 相关研究综述[3-4]

目前，学者对房地产市场空置与价格的研究主要还是集中在高空置与高房价并存的基础之上。国外房地产市场发展较为成熟，根据加拿大统计局及加拿大央行对卡尔加里地区的统计结果表明房地产价格高的增长率往往伴随着房地产市场比较低的出租空置率，如图1所示。

对于国内情况而言：林毅夫（2006）认为，空置面积很大的情况下房价上涨是由于银行业过于集中，地方政府行为、外资、外贸政策和房地产投机性需4个方面的原因。姚炜（2006）认为，高房价、高空置率是开发企业自身的资本运作、投资决策的失误，市场有效需求不足和开发企业和银行管理体制存在缺陷三方面原因造成的，并提出政府应该发挥宏观调控作用，银行应该控制住宅建设规模，提高贷款质量的对策。王健蕾（2009）认为一定量商品房空置面积的存在是房地产市场供需平衡的主要表现，同时也是在市场条件下，房地产资源利益最大化的必然结果。他分析指出根本原因是空置是由于缺乏有效的需求：房价偏高、住宅产品结构不合理、房地产投资功能被过分夸大。他建议必须要结合真实的市场行情，选择合理的自然空置率等一系列空置率指标，以判断当下房地产市场的运行情况，及其走向，并促进房地产市场的不断完善。宋鸿、冯诚诚、陈晓玲（2009）认为我国大陆省区房地产市场在商品房空置上存在着显著的差异。2003-2007年期间，商品房空置面积中2/3左右的份额集中在商品房空置面积排名前1/3的省区房地产市场上。同时，省区房地产市场在商品房空置上的差异随时间发生变化，省区商品房空置面积泰尔指数的时间变化表明，商品房空置面积的省区差异在波动中呈现减小的变化趋势，但是，这一趋势并没有改变省区房地产市场在商品房空置上差异的基本特征。由于商品房空置的省区差异显著，因此，不考虑巨大的差异而笼统地仅从总量上评述我国商品房空置，可能会在一定程度上夸大商品房空置问题的严重性，致使结论与实际情况有一定偏离。

上述可以看出学者们大多采用理论研究探索房价与空置的相互关系，这也一定程度上揭示了房价与空置的内在联系，却无法直观地做出说明。本文则采用实证研究对高房价与高空置进行分析。

3 基于面板数据的房地产空置与房价的实证分析

3.1 数据来源及说明

本文所采用数据来自《中国房地产统计年鉴》、《中国城市统计年鉴》以及国务院相关网站，并参考了35个大中心城市的统计公报等。同时为了消除异方差的影响，而对数据取对数并不改变线性相关性，因此，对房地产价格、房地产空置进行了取对数处理。数据图形拟合如图2。

根据图形可以看出，房地产价格与房地产空置面积具有较高的一致性，即房地产价格与控制面积可能存在线性相关性。因此，下面将对数据进行回归分析，探讨其内在联系。

3.2 数据拟合及分析

本文所处理数据为面板数据。面板数据（panel data）又称时间序列与截面混合数据（pooled time series and cross section data），它是将一维的时间数列数据以及截面数据同时你喝到一起的二维数据。面板回归分析就是将截面数据与时间序列数据结合进行的回归分析。采用面板回归分析可以增加估计量的抽样精度，这是因为其观测值不仅来自时间序列还来自截面；同时对于固定效应模型能得到参数的一致估计量，甚至有效估计量；此外面板数据建模比单截面数据建模可以获得更多的动态信息。采用面板回归模型的一般表达式为：

（1）

其中，为截距项；为X对Y的影响系数；为修正误差系数；、分别代表第t年i地区的数据。

在进行回归分析之前，首先对面板数据进行单位根检验。在检验面板单位根时，最常用的有LLC、IPS、Breintung、ADF-Fisher和PP-Fisher五种方法。其中LLC检验与Breintung检验方法原假设是存在普通单位根，其他方法原假设是存在有效单位根过程。本文采用两种单位根检验方法，LLC检验与Fisher-ADF检验，如果在两种检验中均拒绝存在单位根的原假设则说明该时间序列是平稳的，反之则不平稳。利用Eviews5.0检验如表1所示。

检验结果表明，二者在水平值下均存在单位根，而一阶差分值却满足单整要求，即房地产价格与房地产空置面积为一阶单整。一般而言，如果数据间存在同阶单整，就可以对数据进行协整检验，已验证二者的线性组合是否存在平稳性。首先利用Eviews5.0进行回归分析，结果如下。

LNPRICE=7.061663+0.199816*LNVACANCY （2）

LNVACANCY=-2.305403+0.878969*LNPRICE （3）

R2=0.787235 Adjusted R2=0.717745 F-statistic=81.59844

结果表明，房地产价格与房地产空置面积之间存在明显的相关性，LNVACANCY每增加一个单位，LNPRICE就会增加0.199816个单位；LNPRICE每增加一个单位，LNVACANCY就会增加0.878969单位，二者相关程度高达近80%。接下来，对残差项ecmt进行单位根检验，以探讨二者是否存在长期线性稳定性。结果表明，ecmt服从一阶单整，即房地产价格与房地产空置面积存在长期稳定关系。

4 结论

经过实证分析可以看出，房地产价格与房地产空置面积之间存在着一定的相关性，相关程度高达近80%。这也验证了理论分析的结果，房地产市场存在着高房价与高空置面积共存的基本态势。但同时必须看到房地产市场空置面积对活跃房地产市场的重要作用，一定的空置面积可以起到调节房地产市场价格，避免房地产价格过高过低的剧烈波动。这也为政府制定相关政策提供以下建议。

其一，进一步从有效需求与有效供给角度进行分析，供给市场户型、区位等的不合理造成的非有效供给以及消费者收入水平等原因造成的非有效需求会造成房地产商开发的产品滞销，而部分消费者无法找到适合自己的住房。因此，这就要求政府在制定相关政策时，鼓励或引导开发商对消费者所需户型的投资，保证有效供给。其二，房地产空置一定程度上是房地产开发商“捂盘”的结果。政府应该加大对房地产商的监管以及规范房地产市场的准入机制。只有从制度、法规上着手，提高房地产商的道德水平，才能从根本上解决房地产商的非市场行为的发生。其三，政府可以购买非有效供给导致的空置面积，补充到保障性住房体系之中，以增加保障性住房的供给。这在解决保证性住房的房源基础上，也帮助部分房地产商解决滞销住房的问题，达到降低空置面积的目的。

参考文献

[1]郭峰，任宏.我国商品房合理空置率确定的实证研究[J].贵州大学学报，2004，21（4）：416-419.

[2]贾海.我国商品房空置率计算方法及合理区间研究[J].城市开发，2004，24（3）：70-73.

面板数据范文第5篇

关键词：碳排放；工业部门；面板数据

中图分类号：F062.2文献标识码：A

收稿日期：2012-12-10

作者简介：王世进（1980-），男， 河北衡水人，江苏师范大学经济学院教师， 中国矿业大学管理学院博士研究生，研究方向：低碳转型、 产业经济。

基金项目：教育部人文社科青年基金项目，项目编号：11YJC790189；江苏省研究生培养创新工程项目，项目编号：CXLX12_0972。

一、引言

我国十二五规划中表示要履行在哥本哈根气候大会上的承诺，即到2020年单位GDP二氧化碳排放量在2005年的基础上降低40%-45%，非化石能源占一次能源比重要达到15%左右，这不仅需要对处于产业始端投入的能源消耗进行压缩，更需要在经济运行过程中对产业结构、能源结构以及能源利用效率进行调整和挖掘。江苏省作为我国的经济大省，正处于工业化、城市化、现代化的快速发展阶段，能源的大量需求和快速增长的现状短期难以改变。“贫煤、少气、缺油”的资源禀赋、资源能源和市场“两头在外”的经济格局，以及以煤为主的能源消费结构，决定了江苏省在今后相当长的一段时间内仍需要保持以煤为主的能源结构。基于江苏的省情以及国家的宏观减排目标，客观科学地对二氧化碳的排放现状以及二氧化碳排放的主要影响因素进行分析，对江苏省科学有效制定实施碳减排战略具有重要意义。

目前，国内外大量文献对二氧化碳排放的影响因素进行了研究。根据研究的区域不同，可以归为以下三类。

第一类即全球范围内的碳排放。Grossman and Krueger（1995）在上世纪就率先对不同经济发展水平和收入水平的国家间的环境污染物排放差异进行研究，并认为长期环境污染与经济增长之间呈现倒U型关系，之后很多学者在此基础上结合不同地区不同时间进行研究，大多认为经济增长是造成二氧化碳排放增加的直接原因。国内学者如于峰（2005）、桂小丹和李慧明（2010）、王良举等（2011）都对世界范围内的经济发展与污染物排放之间的关系进行了详实的分析，结论都认为中长期来看两者的关系以倒U型的趋势存在，当然贸易结构、国家制度、人口增长、城市化、产业结构、能源结构等诸多因素都是构成二氧化碳以及二氧化硫等污染物排放的重要影响因素。

第二类是基于国家层面的碳排放研究。目前，有相当多的学者结合我国国情对二氧化碳排放的影响因素进行研究。刘华军等（2011）、杜立民（2011）、蒋金荷（2011）运用面板数据等计量模型实证分析后得出经济发展是我国二氧化碳排放的直接原因且符合EKC模型的结论；同时认为我国倒U型的拐点将出现在人均GDP达到3万元以上时，目前国内绝大部地区还没有达到这个水平；除人均GDP外，能源强度，产业结构以及能源消费结构都对二氧化碳排放有显著影响。郭朝先（2010）、陈诗一（2011）等通过LMDI因素分解模型对我国二氧化碳的排放因素进行分解，认为经济发展、能源结构、能源效率是影响二氧化碳排放最重要的因素，转变资本驱动型的增长模式、提高能源生产率和资本生产率、优化能源结构和产业结构是切实可行的碳减排之路。也有不少学者在国家层面下对工业部门的碳排放进行了研究，如朱平辉（2010）、潘雄锋等（2011）基于不同视角对碳排放因素进行了拟合，结果显示经济发展、能源效率是影响碳排放的重要因素。

第三类是对省市层面的碳排放进行研究。陈立泰等（2010）、王迪和聂锐（2010）、万宇艳和苏瑜（2011）等分别结合重庆、江苏、浙江、上海、山东、湖北的实际情况在不同的视角下对二氧化碳的排放进行了实证研究，并提出能源结构和产业结构演化和能源强度降低有利于减排二氧化碳。对江苏省碳排放的研究，夏自兰（2010）、王迪等（2011）、刘慧等（2011）、王圣等（2011）得出了一些有益结论并认为积极扶持新能源产业，开发清洁能源，实现煤炭清洁和高效利用是实现江苏碳减排的可行途径。

本文测算了江苏省7个地级市的二氧化碳排放量，并运用面板数据模型对其影响因素进行实证分析，以期得出一些有意义的结论，并对政府制定切实可行的碳减排政策提供一定的借鉴。

二、二氧化碳排放量测算

IPCC 提出的二氧化碳排放测算方法和我国的统计数据不能完全匹配，需要结合我国能源利用和结构特征来进行调整。为了保证对对整个工业部门二氧化碳排放的准确测算，在考虑传统化石能源二氧化碳排放的基础上，加入对水泥生产过程中二氧化碳排放的计算。本文的化石能源消耗量以及水泥产量数据来源于江苏各市的统计年鉴。

根据图1可以大致看出七个城市的工业碳排放趋势。2000年，南京的二氧化碳排放量在七市中是最高的，达到0.8亿吨；经济发达的苏州和无锡及传统的重工业和能源基地的徐州，排放量也处于领先的地位；省内其它城市的排放量都在（0.1，0.5）区间内波动。可以发现2000年全省的碳排放格局是“苏南多，苏北少；发达地区多，次发达地区少”。即苏南产出了江苏绝大部分的GDP、吸收了全省几乎全部的外商直接投资，也消耗了大部分的能源，经济发展是碳排放的一个重要原因。此外，2008年，七市中的苏州碳排放已经跃居全省之首，这与其外向型经济密切相关。在图示区间内，七个城市碳排放可以分为三个集团，南京和苏州以其绝对的领先地位处于第一集团，无锡和徐州处于第二集团，常州、南通和盐城则居于第三集团。

通过图2我们从生产力视角对江苏七市9年中工业碳排放进行解读。（1）2000年，盐城的工业碳生产力（下称碳生产力）最高，也是全省唯一一个碳生产力达到0.5的城市，意味着每吨二氧化碳的排放对应着0.5万元的工业产出，这是因为盐城的工业绝大部分是轻工业，如纺织工业、食品工业和化学工业，这些行业对能源的依赖性和碳排放总量远不如重工业严重。徐州和南京的碳生产力水平处于末位，与盐城的状况正好相反，绝大部分工业部门是由高耗能的重工业组成的，如南京的钢铁工业、炼油工业等。2008年，七市的碳生产力较2000年有了明显的提高，这与产业结构的优化、能源消费结构的优化以及能源利用效率提高有着直接的关系。（2）在2006年之前江苏固定资产投资尤其是基础设施建设的投入以年均20%以上的增速发展，但2006年在中央提出经济要又好又快发展的背景下，江苏放缓了对量和速度的追求，转向对发展质量的重视，加上在2005年江苏开始大规模使用西气东输天然气，多方面综合原因使得图中各城市2008年的碳生产力较2000年有了大幅提高。总之，由于发展水平、产业规模和产业结构的不同，省内不同城市之间的工业碳排放量存在差距，尤其是第一集团与第三集团的差距很大；同时由于产业结构的不同，第三集团的城市的碳生产力高于第一集团和第二集团的城市。但是随着经济发展的日趋合理以及工业结构、能源结构的优化，各个城市的碳生产力水平都有很大程度改善。

三、计量方法和数据说明

四、二氧化碳的排放驱动因素分析

本文分别使用了带有固定效应和随机效应的面板数据模型对（3）式进行了回归检验。结果显示，随机效应模型得到的回归系数均不显著，而采用固定效应模型估计出来的参数与预期符号方向一致（见表2）。模型1、模型2以及模型3都是在j=2的前提下完成，结果显示EKC曲线的形态是正U型的，这与预期的倒U型是不匹配的；加入PGDP的三次项（模型4、模型5）后，发现回归结果显示除产业结构STRUC的作用系数不显著外，其它变量均显著的，并且二氧化碳的排放与经济增长之间的关系呈倒N型曲线，结合AIC和SC准则，可以判定加入的三次项后的模型更能反映各解释变量对被解释变量的作用关系，所以最终选择模型5作为对二氧化碳的排放驱动因素的分析依据。通过计算得出了库兹涅茨倒N型曲线的上拐点为人均GDP66 836元，下拐点不落在本研究区间内，故不做考虑。EKC倒N型曲线说明在下拐点之前的区间内二氧化碳的排放与经济增长是负相关关系，随着PGDP的增长环境污染反而变小；两拐点之间的区间两者是呈正相关走势，即经济发展构成了污染物增加的重要原因；而在上拐点出现后的区间内两者出现了负相关，结合发达国家的经验不难发现：先进的技术、非化石能源的大规模使用、环保意识的深入人心都对经济发展水平更高时污染物排放下降有着重要作用。

通过表2可以发现：

1.根据含三次项的EKC曲线回归结果，江苏7市在PGDP达到66 836元后，PCO2会随着PGDP的增长而出现下降的趋势，即环境质量会较之前会有改善。2008年，7个城市PGDP最高的是苏州的101 494元，无锡和南京分别为69 383和58 358元，最低的是盐城为20 166元，而全省的PGDP为39 622元。从全省层面来看，江苏正处于倒N型曲线的第二个区间，即污染物排放与经济发展呈正向关系；从市级层面看，江苏经济的“三强”苏州、无锡、南京的PGDP已经达到或接近上拐点，说明江苏省城市之间的发展水平差距较大。我们假使江苏的GDP年增速为9%，在不考虑通货膨胀和人口自然增长的前提下，江苏在2014年的PGDP为66 450元，这与许广月等（2010）在考虑不同情景时得出的江苏省EKC拐点出现在2013-2020年之间的研究结论相一致。

2.高城市化水平作为工业化发展到一定阶段的产物，对PCO2有着很大程度的影响。2008年，全国的水平城市化率为33.28%，而江苏的南京、无锡、常州的城市化率都已达到70%以上，最低的徐州也有35.55%。本研究结果显示，江苏城市化水平每提高1%，PCO2的排放会增加83.68%。这是因为城市的大规模建设会带动一系列产业的发展以及人们消费习惯的改变，如城市的基础设施建设会加大对水泥、钢铁、能源的需求，城市机动车数量的增加，日用工业产品的大量使用都会间接促使PCO2排放的增加。尤其是水泥的生产，杜立民（2010）研究认为目前水泥生产过程中的二氧化碳的排放已经占整个社会总排放量的10%。所以在节能减排呼声渐高的今天，地方政府在进行经济发展和城市建设的过程中，需要考虑到城市化给环境带来的巨大压力。

3.经济对外依存度和引进外商直接投资在研究区间内是促使工业二氧化碳排放增加的显著驱动因素，在实证中EXPO和FDI两个变量对PCO2的弹性分别为0.2059和0.207。江苏省对外出口的商品包括高新技术产品、机电产品、纺织服装以及农产品，其中前两种产品的生产需要大量钢铁、能源的投入，多晶硅的生产是典型的高耗能产业，而这正是高新技术产品的核心要件。Rauscher（2001）认为国际贸易中“碳泄漏”的机理主要表现在三个方面：一是发达国家在国内征收较高的能源税，导致含碳能源价格在全球市场上的价格下降，使那些没有征收能源税的国家的贸易条件改善并增加其能源消耗；二是发达国家对生产过程中的含碳能源的使用和碳排放进行了限制，使得其国内相关产品价格上涨，进而使得没有相关限制的国家的贸易条件改善，增加能源密集型产品的生产和出口，从而导致碳排放增加；三是发达国家的一些资源密集型企业为了逃避国内的监管和惩罚，转移到那些碳减排政策不严的国家生产，进而增加东道国的碳排放。江苏省经济对外依存度的提高和接受外商直接投资的增加正好可以用上述机理来解释，虽然GDP和税收归属中国，但绝大部分的利润是被国外企业享有，最重要的是生产过程中的附属产物留在中国。所以在国家制定碳减排目标的刚性约束的背景下，地方政府需合理引导和发展对外贸易和有甄别地引进外商直接投资。

4.上海作为我国的经济中心和长三角最大的中心城市对周边地区有着极大的辐射作用，这种辐射不仅表现在人们的日常生活中，更表现在对周边地区的经济发展上。表2实证结果表明，“上海”因素是显著的，与上海的距离每增加100公里，该地区的PCO2将会增加10%。上海集聚了相当多的大型企业和科研机构，这些与世界发达国家接轨的部门有相当多的先进技术和超前管理理念，离上海越近意味着更多的发展机遇、更低的成本来承接上海的产业转移、接受全方位的辐射。孟可强（2011）等研究发现在一定距离内离核心城市越远其人均GDP越低。

五、结论与政策

本文对江苏省7个城市2000-2008年9年间的工业碳排放量进行测算，并在此基础上运用面板数据模型对影响研究人均工业碳排放的因素进行实证研究，得到以下几个主要结论。第一，江苏省经济增长与环境污染间存在着显著的倒N型库兹涅兹曲线关系，其中上拐点为66 836元，说明随着人均产出的增加，工业部门的二氧化碳排放量在增加。第二，7个样本地市发展水平差距较大，部分苏南城市已经达到或者接近倒N的上拐点，而处于苏中、苏北的城市距此拐点仍很远。苏南城市的碳排放绝对量要远大于其它城市，且苏南城市的碳生产力小于苏中、苏北城市。第三，城市化的速度具有较强的碳拉动作用。第四，经济对外依存度和外商直接投资与江苏7市的工业二氧化碳排放正相关，这体现了贸易和投资对环境影响的规模效应。第五，“上海”在本文中作为一个距离变量，与江苏7市二氧化碳排放存在着显著的正相关关系，意味着与上海越远碳排放越多。鉴此，有以下政策建议。第一，江苏省总体发展水平在全国很高，但省内南北发展差距较大，要使江苏省整体达到倒N曲线的第三阶段，亟待政府通过政策引导和支持来缩小江苏南北差距，加大苏南先进技术对苏中、苏北的转移力度，建立完善的省级层面的节能减排机制。第二，城市化的快速推进所带来的能源和工业消费的刚性需求使得江苏在短时期内控制碳排放量不具有客观可行性，而提高工业部门碳生产力才是实现经济发展与节能减排兼得的明智之举。第三，积极发展对外贸易和招商引资是江苏经济得以持续发展的重要保证，政府需要引导企业有甄别的进行招商引资，杜绝高排放的项目。第四，积极承接上海低碳产业转移。

参考文献：

[1]Grossman，G.et al.Economic growth and the Environment[J].Quarterly Journal of Economic.1995， 110（2）：353-377.

[2]许广月，宋德勇.中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J].中国工业经济，2010（5）：37-47.

[3]Poon J.P.H.，Casas I.，He C.F.The Impact of Energy，Transport，and Trade on Air Pollution in China[J].Eurasian Geography and Economics，2006（5）：1.