【摘要】工業增加值是指在報告期內工業企業在其生產活動中新增加的價值，它反映了一定時期內工業生產的實際水平，是計算工業發展速度的重要指標。文章主要討論如何聯系統計學、經濟計量學與計算機技術的知識，運用統計軟件與多元統計的方法來建立廣東省工業增加值的經濟計量模型。

     【關鍵詞】工業增加值 多重線性回歸 虛擬變量

     改革開放以來，特別是近幾年，廣東省經濟有了突飛猛進的發展，而在整個經濟發展中，工業起著龍頭作用。要研究廣東省的經濟情況，必然要對工業進行研究分析。根據廣東省經貿委經濟運行處的長期實踐經驗及相關分析，選取了對工業增加值影響較大的四個因素:發電量（單位：億千瓦時），外貿出口總額（單位：億美元），社會消費品零售總額（單位：億元），固定資產投資額(單位：億元)作為對工業增加值(單位:億元)的解釋變量，并收集了2003 年至2005 年的數據。其中Y:廣東省工業增加值(億元)；X1: 發電量(億千瓦時)；X2: 外貿出口總額(億美元)；X3: 社會消費品零售總額(億元)；X4: 固定資產投資額(億元)首先分別作出與X1、X2、X3、X4 的散點圖如圖1：

由圖1 可以發現與X1、X2、X3、X4 之間存在線性相關關系，為了確定各對的線性相關程度，下面求出各變量之間的相關系數。

由表2 可以看出，Y 與X1、X2、X3、X4 在5%的水平上顯著線性相關。由此首先嘗試建立Y 對X1、X2、X3、X4 的多重線性回歸模型。得到：Y=- 177.855+1.068X1+1.738X2+0.566X3+0.02913X4

由方差分析表和擬合小結可知方程

（4）的判斷系數R2=0.958，修正判斷系數=0.951。F 統計量的值為137.856,方程通過了檢驗，是高度顯著的。這說明使用多元線性回歸建立模型是可行的。由于這些數據是按月份統計的，而許多用月份或季度數據表示的經濟時間序列，常呈現出季節變化的規律，為探討季節因素是否對廣東工業增加值有所影響，首先作出各變量對時間的序列圖。

可以看出，Y 和X1、X2、X3、X4 存在明顯的季節波動，由此懷疑季節因素對工業增加值有所影響。那么怎樣來反映季節對模型的影響呢?利用虛擬變量進行季節調整，是眾多的經濟時間序列季節調整方法中常見的一種。由此，在模型中引入虛擬變量來消除季節對模型的影響。在回歸模型（1）中所考慮的解釋變量X1、X2、X3、X4 都是可以連續取值的定量變量，但在實際研究中，往往還會碰到許多定性的而非定量的變量，要想把這些定性的變量包括在模型中，必須先把它們量化。由于定性變量通常是表明某種特征或屬性是否存在，所以可以用1 表示該屬性存在，用0 表示該屬性不存在。把這種取值為0、1 的變量稱作虛擬變量，用D表示。當定性變量含有個類別時，模型應該引入m- 1 個虛擬變量，而不能引入個，否則在虛擬變量間會產生完全多重共線性，而無法估計回歸參數。由此原則，要把季節因素引入模型，只須設置11 個虛擬變量（=1，2，…11）,其中 根據含虛擬變量的觀測值數據重新建立模型即含虛擬變量的多重線性回歸模型。

由以上方差分析表和擬合小結可知方程（2）的判斷系數R2=0.995， =0.990。比方程（1）有了明顯提高，方程擬合效果很好，并且方程通過了檢驗，是高度顯著的。下面作出模型（2）的2003 年1 月至2005 年12 月的預測工業增加值與實際工業增加值的數據對比圖。由圖也可以直觀地看出，模型（2）的擬合效果確實不錯。從整個趨勢看，廣東省工業增加值幾乎每年都在以相同趨勢增長，但是到了每年的年底與下年的年初，工業增加值都有下降趨勢，這主要是因為到年末春節期間，工業生產大部分處于半停產狀態，產值不高，這與我省實際情況也相符。每年3、4、5、6 月份工業增加值會持續增長，到了每年7 月份，由于各企業設備的例行大檢修，以及夏天電力不足的影響，工業增加值都有所回落。7 月以后，工業增加值又持續增長。若廣東省要使工業有迅猛發展，可在年底適當調整生產計劃，使其在年底也保持平穩增長勢態。

【參考文獻】

[1]余錦華，王振堂.經濟預測方法程序和實例[M].中山：中山大學出版社，1996.

[2]李長風.經濟計量學[M].上海：上海財經大學出版社，1995.

[3]Weisberg.APPLIED LINEAR REGRESSION[M].北京：中國統計出版社，1997.

[4]何曉群，劉文卿.應用回歸分析[M].北京：中國人民大學出版社，2001.

[5]盧紋岱.SPSS for Windows 統計分析[M].北京：電子工業出版社，2002.