Advertisement

关于中国地方政府债务与经济增长的格兰杰因果检验实证分析论文研究

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
本研究运用格兰杰因果检验方法,探讨了中国地方政府债务与经济增长之间的关系,旨在揭示两者间的动态影响机制及内在联系。 关于政府债务与经济增长之间的关系,在国内外的理论研究和实证分析上尚未达成一致结论。本段落基于中国1995年至2014年间31个省及地方政府的债务数据(剔除2005年和2013年的无效样本),探讨了这一问题。 首先,我们对政府债务(DEBT)与国内生产总值(GDP)进行了单位根检验以确保时间序列稳定性。在通过单位根检验后,进一步进行协整分析来确定两者间是否存在长期稳定关系。接着,在上述步骤的基础上实施格兰杰因果检验,探究两变量间的因果联系。 研究结果表明:中国地方政府债务和经济增长形成了一个二阶单整过程(即它们的差分序列是一阶单整)。此外,并未发现政府债务与GDP之间存在长期协整关系。短期内,地方经济增长是导致政府债务增加的原因之一;而从中期来看,这种因果效应更加显著。然而,在长期内,两者的相互影响更为复杂和微妙。 通过对中国31个省份长达18年的实际数据进行分析,并借助Eviews 8计量经济学软件执行格兰杰因果关系检验,我们得出了上述结论。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • 优质
    本研究运用格兰杰因果检验方法,探讨了中国地方政府债务与经济增长之间的关系,旨在揭示两者间的动态影响机制及内在联系。 关于政府债务与经济增长之间的关系,在国内外的理论研究和实证分析上尚未达成一致结论。本段落基于中国1995年至2014年间31个省及地方政府的债务数据(剔除2005年和2013年的无效样本),探讨了这一问题。 首先,我们对政府债务(DEBT)与国内生产总值(GDP)进行了单位根检验以确保时间序列稳定性。在通过单位根检验后,进一步进行协整分析来确定两者间是否存在长期稳定关系。接着,在上述步骤的基础上实施格兰杰因果检验,探究两变量间的因果联系。 研究结果表明:中国地方政府债务和经济增长形成了一个二阶单整过程(即它们的差分序列是一阶单整)。此外,并未发现政府债务与GDP之间存在长期协整关系。短期内,地方经济增长是导致政府债务增加的原因之一;而从中期来看,这种因果效应更加显著。然而,在长期内,两者的相互影响更为复杂和微妙。 通过对中国31个省份长达18年的实际数据进行分析,并借助Eviews 8计量经济学软件执行格兰杰因果关系检验,我们得出了上述结论。
  • granger_cause.rar__causality_granger_cause_matlab_
    优质
    本资源包提供格兰杰因果检验的相关资料与MATLAB代码,适用于经济学、金融学等领域的时间序列数据分析,帮助研究者探究变量间的因果关系。 格兰杰因果检验的MATLAB程序非常好用。
  • .pdf
    优质
    本文档探讨了如何使用统计方法来验证经济及金融数据中变量间的因果关系,重点介绍了格兰杰因果检验的应用与实施。 格兰杰(Granger)在1969年提出了一种基于“预测”的因果关系概念,即所谓的格兰杰因果关系。这一理论经过西蒙斯(Simons)于1972年及1980年的进一步发展后,格兰杰因果检验作为一种计量方法已被经济学家广泛接受并使用。然而,在哲学层面上,关于这种因果关系是否可以被视为真正的因果关系仍然存在很大争议。
  • .ppt
    优质
    本PPT探讨了经济学和统计学中的一个重要概念——格兰杰因果关系,介绍了其基本原理、应用方法及在实证研究中的意义,并展示了具体的检验步骤与案例分析。 传统的计量经济方法是基于经济理论或实际经验来确定变量,并建立模型进行回归分析。通过假设检验判断所选解释变量是否对被解释变量有显著影响。尽管我们也会测定两个变量之间的相关系数,但高度相关的两个变量并不意味着它们之间一定存在因果关系。
  • Bootstrap
    优质
    本文探讨了利用Bootstrap方法进行时间序列数据中格兰杰因果关系检验的应用,提出了一种改进算法以提高检验的有效性和可靠性。 Bootstrap方法是一种基于样本重复抽样的蒙特卡洛模拟非参数技术,因此在应用过程中无需事先对面板单位根和协整进行检验。
  • MATLAB位数
    优质
    本研究探讨了在MATLAB环境下实施分位数格兰杰因果检验的方法与应用,分析变量间非线性关系及条件依赖性,为经济与金融数据的深入解析提供了有力工具。 传统的格兰杰因果检验方法主要从均值的角度来分析两个变量之间的线性关系,并未深入探讨它们的复杂联系。Troster(2018)提出了一种新的分位数格兰杰因果关系检验,这种方法能够检测非线性的因果关联,并且特别关注尾部的关系,从而提供更加详尽的结果。该方法使用的软件是MATLAB。
  • 系列报告之首:概览.pdf
    优质
    本报告为地方政府债务系列研究的第一篇,全面概述中国地方政府债务现状、特征及风险,并提出相关政策建议。 地方政府债务系列报告之一:地方政府债务面面观 本段文字旨在介绍关于地方政府债务的分析与研究内容,并非包含任何联系信息或网站链接。因此,在进行重新表述时,主要关注于保留原意的核心观点。 重写如下: 《地方政府债务系列报告》的第一部分将全面探讨中国地方政府债务的情况和特点。通过深入剖析当前政府负债状况、成因及潜在风险,该报告旨在为政策制定者提供有价值的参考信息,并帮助投资者更好地理解这一复杂问题。
  • Matlab代码 - Granger:含显著性频域系Matlab代码
    优质
    这段简介描述的是一个在MATLAB环境中运行的程序代码,用于执行包含显著性检验功能的频域格兰杰因果分析。该工具能够帮助研究人员和工程师识别时间序列数据之间的潜在因果关系,并提供统计上的证据以支持这些发现。通过使用频域方法,用户可以获得更深入的理解关于变量间动态互动的本质及其频率特性。 格兰杰因果检验的Matlab代码用于频域中的格兰杰因果关系分析及显著性测试。
  • 教育支出对回归
    优质
    本文采用计量经济学方法,通过回归分析探讨政府在教育领域的开支如何影响国家经济的增长。研究旨在揭示教育投资与宏观经济表现之间的联系,并为政策制定提供数据支持和理论依据。 本研究的主题是经济增长与政府教育支出的回归分析,探讨了政府在教育领域的投资如何影响国家的整体经济表现,并强调了教育对宏观经济的重要性。通过使用EViews软件进行数据分析,该研究考察了1978年至2006年间中国国内生产总值(GDP)和教育支出的相关性。研究方法包括格兰杰因果检验、处理异方差及自相关问题以及一元线性回归分析等手段,最终得出结论:政府对教育的投入显著促进了经济增长。 文献综述部分指出,该研究深入探讨了公共教育资源在宏观经济中的作用,并将其影响分为两个层面:一是作为社会投资和消费的一部分,通过产业关联性和乘数效应来推动经济的增长;二是作为一种长期的人力资本投资,在提升劳动力的技术知识与管理能力方面发挥关键作用,从而提高劳动生产率并促进技术进步。 美国经济学家舒尔茨在1962年的研究发现,从1929年至1957年期间,33%的经济增长可归因于教育发展。苏联学者斯特鲁米林的研究也显示,在1940至1960年间,国民收入增长中有约30%来自于教育投资。这些例子表明了教育对经济发展的显著贡献。 亚洲四小龙和近代日本的成功案例进一步证明了重视教育的重要性,并且在知识经济时代中,经济发展越来越依赖于人力资源的开发与利用。“增加人力资本投资”成为了促进经济社会发展的重要策略之一。 丹尼森的研究将美国1929至1982年间经济增长的因素细分为劳动、资本、单位投入产量、知识进展等几个方面。其中,“知识进展”的贡献被评估为0.66个百分点,这进一步证实了教育支出作为人力资本投资的一部分,在推动社会生产力和技术进步上的关键作用。 此外,政府对教育的投资可以从数量和质量两个维度来提升整体的人力资源水平:一方面通过增加受教育人口的比例提高整个社会的平均文化程度;另一方面则通过改善教育的质量增强劳动力的技术与管理能力,从而进一步促进经济发展。 从经济学的角度来看,无论是物质资本还是人力资本投资都是经济增长的重要因素。然而,在我国当前的发展阶段中,由于教育资源投入不足导致了经济发展的限制。长期而言,这种状况可能会阻碍中国的持续增长和进步。因此,通过定量分析教育支出对GDP的贡献率来揭示其重要性,并为政策制定者提供理论依据与实践建议是十分必要的。 研究采用格兰杰因果检验等统计方法来评估变量间的因果关系;同时运用适当的数据处理技术解决异方差及自相关问题。这些实证研究不仅深化了教育经济学领域的理论探讨,也为理解教育对经济发展的影响提供了重要的数据支持和政策指导意义。
  • (Matlab).zip
    优质
    本资源为一个关于如何使用Matlab进行格兰杰因果检验的教程和代码集合,适用于经济学、金融学及统计学领域的研究人员与学生。 1. 版本:MATLAB 2014a至2019a,包含运行结果示例。 2. 领域:涵盖智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划及无人机等领域的MATLAB仿真研究。 3. 内容:博客标题所展示的内容包括相关介绍和更多详情。具体信息可通过主页搜索功能查找相应博客文章获取。 4. 适用人群:适用于本科生、研究生及其他科研教学需求的用户群体。 5. 博客简介:一位热爱科研工作的MATLAB开发者,致力于技术与个人修养并行发展,并欢迎有兴趣合作项目的联系交流。