建筑业总产值影响因素的实证研究——基于Stata的面板数据分析

发表时间:2021/8/16   来源:《中国建设信息化》2021年8期   作者:张端阳 宋斐璠
[导读] 本文选取了2011年至2019年的建筑业总产值相关数据,运用stata对建筑业总产值的影响因素进行了实证研究,

        张端阳  宋斐璠
        中国船舶集团国际工程有限公司  
        摘要:本文选取了2011年至2019年的建筑业总产值相关数据,运用stata对建筑业总产值的影响因素进行了实证研究,结果表明影响我国建筑业总产值的主要因素有建筑业单位个数、建筑业从业人员数、建筑业企业本年新签合同额、建筑业房屋施工面积,通过最终的模型分析,对于要保持建筑业总产值不断增加和建筑业的良好发展提出了一些建议。
        关键词:建筑业总产值 实证研究 面板数据
        一、研究目标与拟解决的决策问题
        建筑业总产值影响因素分析,是一项非常复杂的工程,需要参考的因素有很多,包括经济、科技、文化、教育、交通等等在内的很多因素,由于很多因素是定性描述,同时各个因素的权重也很难用数字固化,因此考虑所有的因素进行实证定量分析实现起来十分困难。由于建筑业总产值是以货币形式表现的建筑业企业在一定时期内生产的建筑业产品的总和,因此,本文仅考虑构成建筑业总产值的主要定量因素,如建筑企业数量、建筑从业人员、建筑施工面积等。
        本文在充分运用有关数据、资料的基础上,结合stata软件,基于因子分析法以我国近年以来的建筑业总产值为研究对象,尝试对影响建筑业总产值的可能因素进行全面的详细的分析,试图发现对建筑业总产值影响较大以及较小的因素,从而为建筑业总产值的增长提供参考,得出影响建筑业总产值与选取指标的相关性。
        二、变量的选择
        本文借鉴国内外的相关研究并提取了7个变量,分别是建筑业总产值、建筑业单位个数、建筑业从业人员数、建筑业企业本年新签合同额、建筑业房屋施工面积、建筑企业利润、建筑业企业自有施工机械设备年末总台数。7个变量分别定义为 V2-V8,选取的9个观测样本分别是2011年至2019年的数据。
        三、数据来源与分析方法
        文中数据来源于国家统计局建筑业年度数据,分析方法采用相关分析、回归分析,借助 Stata分析软件,首先使用相关分析、回归分析研究各年建筑业总产值关键变量间的关系及其构成情况。

        四、分析过程
        1、相关性分析
        进入Stata,打开相关数据文件,在主界面的“Command”文本框中输入命令:summarize V2-V8,detail便得基本描述性统计的结果。从结果可以看出,所有数据中没有极端数据,数据间的量纲差距也在可以接受的范围之内,因此,可以进行下一步的分析过程。
        再对变量进行相关分析,见图1。建筑业总产值(V2)与建筑业单位个数、建筑业从业人员数、建筑业企业本年新签合同额、建筑业房屋施工面积、建筑企业利润的相关性很强,为0.9以上,在0.01的显著性水平上显著相关,且这五个变量相互间的相关性很强(注: *  表示在0.01 的水平( 双侧) 上显著相关)。

        2、回归分析
        (1)建立线性模型
        考虑到建筑业企业自有施工机械设备年末总台数与建筑业总产值变量间相关性小,对于回归分析以建筑业总产值为因变量,将建筑业单位个数、建筑业从业人员数、建筑业企业本年新签合同额、建筑业房屋施工面积、建筑企业利润为自变量进行多重线性回归。
        线性模型:
        V2 = a*V3+b*V4+c*V5+d*V6+e*V7+u
        式中,a、b、c、d、e 是未知的回归系数,u是随机误差项。
        (2)模型修正
        运用普通最小二乘回归法做逐步回归分析,见图2的结果。模型的F(4,4)= 1009.22,Prob>F=0.0000,说明该模型整体非常显著。模型可决系数R-squared= 0.9990,模型修正可决系数Adj R-squared= 0.9980,说明模型解释能力非常优秀。
        模型经过1次剔除变量后得到最终结果,该模型V7变量的系数显著性p = 0.4024 >= 0.1000,被剔除,剔除V7后得到最终回归模型。
        线性模型V2= 1.149732*V3+ 11.54197*V4+0.1856807*V5+0.0805434*V6-104632.1
        (3)异方差的检验
        使用estat imtest,white或estat hettest,iid分别为怀特检验,拟合值对数据的BP检验,其目的是检验数据是否存在异方差。分析结果显示:第一命令P值为0.3423,非常显著接受了同方差的原假设,认为不存在异方差。第二命令P值为0.3417,P值均大于0.05,非常显著接受了同方差的原假设,认为不存在异方差,所以,我们没有必要使用稳健的标准差进行回归。
        经过以上最小二乘回归分析,可以发现建筑业单位个数、建筑业从业人员数、建筑业企业本年新签合同额、建筑业房屋施工面积对建筑业总产值起正向促进作用。
        五、模型的应用与结论
        综上,可以看出影响我国建筑业总产值的主要因素有建筑业单位个数、建筑业从业人员数、建筑业企业本年新签合同额、建筑业房屋施工面积,并且上述因素与我国的建筑业总产值成正相关的关系。建筑行业在国民经济各行业中所占比重仅次于工业和农业,对我国经济的发展有举足轻重的作用。同时,作为劳动密集型行业,建筑行业提供了大量的就业机会,建筑行业运行的良好与否对中国的经济发展和社会稳定有十分重要的意义。通过最终的模型分析,对于要保持建筑业总产值不断增加和建筑业的良好发展有如下建议:建议一是构建顶层指导,从宏观政策上给予扶持,促进加快建筑业的转型升级,使得更多的建筑企业能享受到良好政策的刺激,从而诞生出越来越多良好的企业;二是加强人才队伍的建设,人力资源是确定建筑业竞争优势的重要因素,我们要切实提高产业工人的“工匠精神”和技术水平。三是切实加强对建筑业的监管,切实有效的执行相关政策,并建立秩序良好的建筑市场,促进建筑业持续健康发展。

参考文献:
[1] 陈于, 彭川. 中国建筑业总产值的多元线性回归分析[J]. 重庆与世界(学术版), 2014, 31(3):36-38.
[2] 毛乐. 应用统计学方法探析建筑业总产值和营业收入之间差异的成因及其控制对策[J]. 中国房地产业, 2019, 000(001):240.
[3] 刘博雷. 中国36个主要城市经济社会发展水平的实证研究——基于Stata的面板数据分析[J]. 经济与社会发展, 2014, 012(003):105-108.
[4] 龙花楼, 李秀彬. 长江沿线样带土地利用格局及其影响因子分析[J]. 地理学报, 2001.
投稿 打印文章 转寄朋友 留言编辑 收藏文章
  期刊推荐
1/1
转寄给朋友
朋友的昵称:
朋友的邮件地址:
您的昵称:
您的邮件地址:
邮件主题:
推荐理由:

写信给编辑
标题:
内容:
您的昵称:
您的邮件地址: