论文基于面板数据模型中国五化协同影响因素是关于对写作数据模型论文范文与课题研究的大学硕士、相关本科毕业论文数据模型概念论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
摘 要相对而言,国内对“四化”同步的研究较多,而对“五化”协同的研究处于刚刚起步阶段,相应的对“五化”协同的影响因素的研究还尚未涉及.文章通过耦合度方法构建了“五化”协同发展指数,并对2001～2013年全国、三大地区和各省市区进行了协同度的测度,结果表明,各地区“五化”协同发展指数呈现上升趋势,区域之间协同度趋于收敛.在此基础上,构建了市场、政府和社会三个维度的影响因素的框架体系,并采用面板数据模型对全国以及三大地区的“五化”协同度影响因素进行了定量分析,实证结果显示了人均GDP和人均财政支出在两个维度均高度显著,人均贷款余额均不显著,其余各指标在不同维度显著性差异较大.
关键词“五化”协同；发展指数；耦合度模型；固定效应模型
[中图分类号]F124 [文献标识码] A [文章编号]1673-0461（2017）02-0006-05
一、引言和文献综述
从“两化”融合、“三化”协调、“四化”同步到“五化”协同,这个系列概念提出的过程充分反映了人们对发展中不断出现的新现象、新问题、新挑战进行的思考和采取的相适应的行动.理念贴近于现实,更凸显对理论进行现实分析的意义,而对新理念的定量化的研究则可以更好地建立标准化的衡量依据.“五化”协同的提出时间较短,和之相应的研究成果较少,更是鲜有对其定量化的研究.而先前基础性的研究为我们开展“五化”协同及其影响因素的研究提供了一定的借鉴.如钱丽等（2012）认为基础教育水平、产业结构以及R&D经费投入对“三化”耦合协调度的提升具有积极的影响,而农村金融支持和经济发展水平对耦合协调度的影响并不明显；郭振（2013）认为不同区域的自然条件、资源禀赋、经济发展水平和管理水平对“三化”协调发展有较多影响；李裕瑞等（2014）认为农业和农村的社会投资、财政投入及金融支持,以及大中型企业发展、道路基础设施建设、居民消费等因素对“四化”同步发展的影响较为稳健；曾福生等（2013）、周振等（2015）则分别利用SBM-HR- Rdgopribit模型和随机效应有序pribit模型从农业现代化角度分析了农业发展对“四化”协同发展的制约作用；舒季君等（2015）构建了面板数据模型从全国、东中西部对影响“四化”同步发展水平的主要因素进行了定量分析,结果表明经济发展、教育和信息化水平是我国“四化”同步发展时空分异的關键因素,财政和投资水平、对外开放程度、交通、人口的作用较为显著.以上主要针对“五化”同步中的部分内容进行了分析,或从某一化角度分析了对整体协调发展的影响程度,目前尚未有对“五化”协同发展的影响因素分析成果,本文基于2001～2013年全国31个省市自治区的面板数据,构建了“五化”协同发展指标体系,并利用耦合度指标评价方法测度了各地区“五化”协同发展水平,从市场基础、政府支持以及社会资源3个方面对“五化”协同的影响因素进行了分析,揭示“五化”协同发展的时空分异特征,为我国区域发展规划和决策提供参考和借鉴.
二、研究方法
(一)指标选取和数据处理
“五化”协同发展的测度没有一个公认的统一的指标来衡量,因此,我们在科学性、系统性、层次性、客观性和代表性的原则下根据对“五化”的丰富内涵的理解并借鉴前人研究成果多角度构建了一个发展指标体系,综合反映了“五化”发展水平,如表1所示.
本文将研究对象定于全国31个省市自治区,数据均来源于《新中国60年统计资料汇编》、《中国区域经济统计年鉴》、《中国城市统计年鉴》、《中国信息年鉴》以及部分省市2002～2014年统计年鉴,为保证数据完整性,缺失数据采用插值法进行补充.
三、中国“五化”协同发展指数的测度
利用式（1）～（4）计算得到2001～2013年31个省市自治区的“五化”协同发展指数,并且按照东部、中部和西部3大地区进行了分类,计算结果如图1所示.
为了更好的说明“五化”协同发展的程度,借鉴廖重斌（1999）的做法,将协同发展度进行了等级划分,见表2.
依据上述标准,2001年中国“五化”协同轻度失调型地区有2个,即西藏和贵州；濒临失调型地区的有1个为云南；勉强协调型地区数目最多,达到12个,主要分布在中西部地区；初级协调型地区有8个,东、中、西、东北4大地区均有分布；中级协调型地区有7个,几乎都分布在东部沿海地区；良好协调型地区有1个,即北京.而到2013年,各地区协同发展指数均有所增加,勉强协调型地区仅有西藏；初级协调型地区仅有贵州；中级协调型地区增加到11个,大部分分布在中西部地区；良好协调型地区增加到11个,东、中、西、东北4大区域均有分布；而优质协调型地区增加到7个,均分布在东部沿海地区.
从各省区“五化”协同指数的均值看,中国“五化”协同发展指数呈现出缓慢上升趋势,从2001年的0.62上升到2013年的0.83,年均增长2.38%；分阶段看,从“十五”到“十一五”,中国“五化”协同发展指数均出现增速下滑,再到2011～2013年的发展阶段,“五化”协同发展指数又出现了增速加快的趋势.从各省区“五化”协同指数的变异系数看,2001～2013年,全国“五化”协同的差异逐渐下降,从0.178下降到0.1103,说明省区之间“五化”协同有趋同趋势.西部省区“五化”协同发展指数增速加快,且远高于东部省区.2001～2013年间,“五化”协同发展指数年均增速最快的5个省区分别为贵州（5.31%）、西藏（4.2%）、云南（3.81%）、海南（3.34%）和甘肃（3.29%）,除海南外均属于西部地区；而增速最慢的5个省市分别为辽宁（1.06%）、吉林（1.17%）、北京（1.19%）、内蒙古（1.43%）和天津（1.57%）,西部仅有1省区,其余为东部和东北省区.增速最快的贵州和增速最慢的辽宁之间的同步指数差距从2001年的0.3647降到2013年的0.1478,缩小了一半多.
总结:本论文为免费优秀的关于数据模型论文范文资料，可用于相关论文写作参考。
参考文献：
1、 基于行业异质性中国工业碳排放影响因素分析 [摘要]文章通过建立LMDI模型对我国工业碳排放变化进行机理分析。以此为基础，根据能源消费特征将工业行业分为能源密集型行业和非能源密集型行业，利。
2、 基于CMS模型澳大利亚对中国羊毛出口额波动影响因素分析 摘 要：20 世纪 90 年代进入了一个崭新的时代，中国与澳大利亚双边贸易不断发展，羊毛贸易是其中一个重要组成部分。运用恒定市场份额模型（CMS。
3、 基于分层线性模型流动人口社会融合影响因素 摘 要：根据2012年全国流动人口动态监测结果和反映31个省市基本公共服务均等化的指标数据，建立分层线性模型从流动人口个体和省级层面考察影响流动。
4、 中国外汇储备规模影响因素分析 本文选取国内生产总值、外债余额、年均汇价和对外贸易依存度四个因素，利用Eviews软件，根据1994-2016年的数据进行实证分析，结果表明，国。
5、 基于多元回归模型分析我国外汇储备影响因素 【摘要】随着中国经济的高速发展，我国的外汇储备规模也不断扩大，影响其增长的因素有很多，本文主要从GDP规模、年均汇价、进出口差额、外债余额、外商。
6、 基于面板数据模型我国农村商业银行可持续能力分析 摘 要：本文通过构造面板数据模型分析了我国各区域农村商业银行的可持续发展能力，结果发现，农村商业银行的利润主要来源于利差，时间因素的变化对农村商。