《我国教育经费的影响因素分析.doc》由会员分享，可在线阅读，更多相关《我国教育经费的影响因素分析.doc（5页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、【精品文档】如有侵权，请联系网站删除，仅供学习与交流我国教育经费的影响因素分析.精品文档.我国教育经费投入的影响因素分析摘 要：教育是国家发展的关键。我国这样一个发展中国家尤其应加大对教育的投入和投资。教育经费一直是我们关注的问题，教育经费的来源及其有关的影响因素对教育经费产生的影响来说明对现代教育的重视程度。改革开放以来，随着经济体制改革的深化和经济的快速增长，我国的教育经费也发生了很大的变化，教育经费从1995年为1878亿元，到2009年已增长到16502.7亿元。为了研究影响中国教育经费增长的主要原因，需要建立计量经济模型。关键词：教育经费 GDP CPI 受教育人数 财政收入一、 问
2、题的提出教育问题既是一个经济问题，也是一个社会问题。教育过度或不足，既涉及一国教育规模和发展速度的设定以及教育投资方向的调整，还涉及国民经济各部门的协调发展。教育无论是过度还是不足，都会给社会带来巨大的负面影响。因此，把握教育的“度”非常重要。国家是教育的最大受益者。因为办教育，培养各级各类专业人才，能极大地提高社会生产力，促进国家政治、经济、文化的繁荣昌盛，提高国家的综合国力，所以国家理应应加强对教育投入。二、 变量选择影响中国教育经费增长的因素很多，但据分析主要的因素可能有：从宏观经济看，国内生产总值GDP、财政收入是教育经费增长的基本来源。从微观上来看，物价水平、受教育人数也对教育经费产
3、生了很大的影响。所以，本文主要是通过对解释变量我国国内生产总值（GDP）、居民消费价格指数、受教育人数、财政收入，对被解释变量教育经费的影响而建立的多元线性回归模型，并对这一现象进行数量化分析，通过分析结果来看我国对教育的重视程度。 三、 数据来源说明本文采用了1995年到2009年教育经费和我国国内生产总值等数据。可以看出教育经费随着我国的国内生产总值逐渐增加而逐渐增加。由于样本的局限性使自由度过于偏低而造成可能给模型带来的一定影响。四、 模型设定从中国统计年鉴2010收集到以下数据：表1：中国教育经费及相关数据年份教育经费（亿元）Y国内生产总值GDP(亿元) X1居民消费价格指数（上年为1
4、00）X2受教育人数（万人）X3财政收入（亿元）X41995187860793.7107.822045.866242.219962262.371176.6109.422828.517407.9919972531.778973104.523395.668651.1419982949.184402.3105.923576.149875.951999334989677.1108.323630.0611444.0820003849.199214.6108.623723.4413395.2320014637.7109655.2106.123625.4716386.0420025480120332.710
5、723932.9118903.6420036208.3135822.8107.123950.0821715.2520047242.6159878.3108.123971.126396.4720058418.9184937.4107.723847.7731649.2920069815.3216314.4109.623878.638760.2200712148265810.3110.723823.4751321.78200814500.7314045.4108.723680.8761330.35200916502.7340506.9109.223570.3968518.3设定的线行回归模型为：Y=
6、1X1+2X2 +3X3 +4X4+5+其中，Y年教育经费 X1 年国内生产总值GDP X2 居民消费价格指数 X3年受教育人数 X4年财政收入注：所有量化单位为亿元和万人五、 模型的参数估计、检验及修正1、用OLS估计未知参数，得下表： Dependent Variable: YMethod: Least SquaresDate: 12/19/11 Time: 14:28Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-7571.6797517.136-1.007
7、2560.3376X1-0.0015860.027544-0.0575700.9552X2-9.21900052.99929-0.1739460.8654X30.4048150.1841562.1982210.0526X40.2318230.1220191.8998920.0866R-squared0.997778 Mean dependent var6784.893Adjusted R-squared0.996889 S.D. dependent var4622.920S.E. of regression257.8566 Akaike info criterion14.20389Sum sq
8、uared resid664900.2 Schwarz criterion14.43990Log likelihood-101.5291 F-statistic1122.479Durbin-Watson stat0.953091 Prob(F-statistic)0.000000由上表可见，该模型R2=0.99777，Adjusted R2=0.996889可决系数很高，F检验值1122.479，明显显著。从t值可以看出X3、X4系数的t检验不显著，而且X1、X2系数的符号与预期的相反，这表明很肯能存在严重的多重共线性。2、多重共线性检验：计算各解释变量的相关系数，选择X1、X2、X3、X4数
9、据，得相关系数矩阵。表：相关系数矩阵X1X2X3X4X110.5518254084590.4021798339890.999424937864X20.55182540845910.03234254374750.554879728703X30.4021798339890.032342543747510.384370693742X40.9994249378640.5548797287030.3843706937421由相关系数矩证可以看出，各解释变量相互之间的相关系数较高，整个模型可能存在严重多重共线性。3、修正多重共线性采用逐步回归的方法，去检验和解决多重共线性问题。分别做Y对X1、X2、X3、
10、X4的一元回归，结果如下表所示。 表：一元回归结果变量X1X2X3X4参数估计量-0.001586-9.2190000.4048150.231823T统计量-0.057570-0.1739462.1982211.899892R20.9964820.2954980.1777320.996079Adjusted R20.9962110.2413060.1144810.995777其中：X1的方程Adjusted R2最大，以X1为基础，顺次加入其他变量逐步回归，结果如下表所示：表：加入新变量的回归结果（一）X1X2X3X4Adjusted R2X2、X10.051360（49.43501）-29.
11、95549(-0.513731)0.995984X3、X10.05057256.907380.2181451.3810770.996458X4、X10.0345201.3598310.0740100.6521380.996036经比较，新加入X3的方程Adjusted R2=0.996458，改进最大，保留X3。X2的参数为负值不合理，而且X4的t检验也不显著，这说明X4引起严重多重共线性，应予以剔除。4、异方差检验：（White检验）White Heteroskedasticity Test:F-statistic1.917973 Probability0.186624Obs*R-squar
12、ed7.737979 Probability0.171280Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/19/11 Time: 14:58Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C40729421313773491.2980520.2265X1-51.3508653.10683-0.9669350.3588X121.43E-056.63E-062.1623400.0
13、588X1*X30.0019280.0021480.8979690.3926X3-3491.8332787.158-1.2528290.2418X320.0756820.0618571.2234990.2522R-squared0.515865 Mean dependent var60550.90Adjusted R-squared0.246902 S.D. dependent var51099.39S.E. of regression44344.69 Akaike info criterion24.52655Sum squared resid1.77E+10 Schwarz criterio
14、n24.80977Log likelihood-177.9491 F-statistic1.917973Durbin-Watson stat1.616001 Prob(F-statistic)0.186624从上表可以看出，N*R2=7.73797920.05(5)=11.071，所以接受原假设，拒绝备择假设，表明原假设中随机误差项不存在异方差。5、自相关性检验（DW检验）本文解释变量有2个，样本容量为15。在0.05显著水平下，查德宾-沃林d统计量表，知dL=0.946， dU=1.543。由表知2.457=4-duDW=1.616001du表明该模型中误差项之间无自相关。所以模型不存在异方
15、差。在进行了一列系列的检验和修正后得到的最终结果如下： Y= -6216.453+0.050572X1 +0.218145X3 T=（-1.694077）（56.90738）（1.381077）R2=0.996964 Adjusted R2=0.996458 F=1970.516 DW=1.616001 这说明，在其他因素不变的情况下，当国内生产总值GDPX1、受教育人数X3分别增长一亿元、人数增加1万人时，教育经费Y将分别增长0.050572亿元和0.218145亿元。六、 结论（1）通过对模型的多重共线性检验和修正后，我们把居民消费价格指数和财政收入从模型中删除，因为它使模型产生多重共线性， 另外居民消费价格指数变动对我国的教育经费也没有太大的影响。（2）此计量分析中存在的问题是样本容量过小，其可靠性受到影响，如果增大样本容量，效果会更好一些。（3）一个我国的GDP增长了，那么我国投入到教育中的经费也随之增加。（4）一个我国的受教育人口增加了，也会使我国投入到教育中的经费也随之增加。