影响我国人口预期寿命的可能因素分析(编辑修改稿)

影响我国人口预期寿命的可能因素分析(编辑修改稿)内容摘要：

988 1989 1990 4517 1991 1992 1993 1994 1995 1996 1997 1998 1999 2020 2020 2020 2020 我们设 GDP为因变量 Y，同时设为解释变量 X。 再应用 Eview软件对教育投资额与 GDP进行相关关系分析，得到如下图 1所示的变量相关关系散布图上的点接近一条直线，可近似看作两变量具有线性相关。 鉴于此，我们继续对两变量 教育投资和 GDP进行如下回归分析。 （图 1） 三、教育投资与经济增长的回归分析 （一）分别用各期的教育支出解释 GDP，进行比较 考虑 用最小二乘法 Y 对各滞后期 X分别回归，得出关于各滞后期的可决系数的数据表格 Rsquared Adjusted Rsquared YX YX（ 1） YX（ 2） YX（ 3） YX（ 4） YX（ 5） YX（ 6） YX（ 7） YX（ 8） YX（ 9） YX（ 10） YX（ 11） YX（ 12） YX（ 13） YX（ 14） YX（ 15） YX（ 16） YX（ 17） YX（ 18） YX（ 19） YX（ 20） A．我们发现各个回归方程的 T检验都很理想（由于篇幅限制，此处只将 Y –X模型列出，其他从略），说明各滞后期教育支出 X对 Y都有很大的影响 Dependent Variable: Y Method: Least Squares Date: 12/18/05 Time: 11:04 Sample: 1978 2020 Included observations: 26 Variable Coefficient Std. Error tStatistic Prob. C X Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid +09 Schwarz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) B．同时我们发现 . of regression都非常大，作散点图我们得知的确存在异方差（图 2。 只作了 YX方程的散点图，其他近似。 ）说明每一个方程都丧失了重要的解释变量，各个滞后期教育支出都不能单独解释 GDP的增长，而导致异方差。 （图 2） C． 我们考察 Rsquared 与 Adjusted Rsquared在 X模型中分别高达 在以后年份逐年减小。 在 X（ 9）滞后期又开始回升并在 X（ 18）滞后期达到最大值 和。 而随着滞后期的再延长又逐 渐变小。 说明当年的教育支出会直接拉动当年的消费和投资，从而增长 GDP。 这种作用和别的固定资产等实物的投资没有区别。 同时当期经济的增长还要受到滞后期教育支出的影响。 随着滞后期的再延长（ 18年以前），教育支出对于当期 GDP的影响又渐渐减弱。 当期的 GDP是由众多滞后期教育支出共同作用的，而其作用强弱的具有 U型分布。 （如图 3） 教育支出对GDP的 可决系数11 4 7 10 13 16 19滞后年份可决系数系列1系列2（图 3） 这与 舒尔茨的人力资本论是相符合的。 政府教育支出对宏观经济的影响应该从两个方面来考虑：一是政府教育支出直接构成社会投资和消费资金的一部分，并且政府的公共教育支出通过产业的关联性和乘 数效应还直接或间接地影响到宏观经济的增长。 二是从长期来看，政府教育支出作为一种人力资本的投资，能大大提高劳动力的技术知识和管理知识，这必然导致社会劳动生产力的提高和技术的进步，从而对宏观经济产生巨大影响。 （二）现在我们考虑如何确定各个滞后解释变量共同解释 GDP的增长 由上面的分析得知，若干滞后期和当期解释变量共同解释当期 GDP。 同时，我们在 EVIEW 中用 CORRELATION 建立各期解释变量的相关系数，发现存在高度的相关关系（篇幅限制，此处从略）。 所以用 逐步回归法 剔除有关的解释变量，驱除多重共线性的影响。 由于可决系数呈现先先下降后上升的趋势，其中滞后 18 期的可决系数和调整可决系数都是最大的， 根据可决系数最大原则 ，首先选用 X（ 18）来建立初始回归模型。 Dependent Variable: Y Method: Least Squares Date: 12/15/05 Time: 21:13 Sample(adjusted): 1996 2020 Included observations: 8 after adjusting endpoints Variable Coefficient Std. Error tStatistic Prob. C X(18) Rsquared Mean dependent var Adjusted Rsquared . dependent var . of regression Akaike info criterion Sum squared resid 22778475 Schwarz criterion Log likelihood Fstatistic DurbinWatson stat Prob(Fstatistic) 分别引入其他解释变量，发现由 X和 X（ 18）共同的方程的 Rsquared和 Adjusted Rsquared达到。 且大于初始模型的数值。 同时 T检验也很显著。 Dependent Variable: Y Method: Least Squares Date: 12/15/05 Time: 21:47 Sample(adjusted): 1996 2020 Included observations: 8 after adjusting endpoin。