区域创新能力影响因素研究毕业论文(编辑修改稿)

区域创新能力影响因素研究毕业论文(编辑修改稿)内容摘要：

K PGDP T 从相关系数的计算结果可以看出，各地科研开发活的物质资本投入、人均 GDP以及技术市场合同交易额之间的相关性较高，如果将这些变量同时纳入回归模型，将使的发生多重共线性的可能性大大增加。 因此，基于解释变量的内生性与多重共线性两方面的考虑，问题在于人均 GDP，科研开发的物质资本投入和技术市场合同交易额在很大程度上可以被各地的经济发展水平所解释，而且该变量与其他变量的相关性较高，甚至达到 以上，因此本文在接下来的回归中奖物质资本变量删除。 而这样做也可以这样解释，虽然人均 GDP 在很大程度上反映了各地区的对科研开发的物质资本投入和创新环境，但是却不具体，而分别将代表这两个水平的变量纳入回归模型中则更为客观。 因此上文的模型进一步简化为： ititiitiitiitiiit TF D IKLCI   lnlnlnlnln （ 四 ）模型的参数估计 本文中的所有数据处理和模型运算均采用计量软件。 对（ 3）式选用估计模型是选择 cross section weights，即使用可行的广义最小二乘法（ GLS）估计，以减少由于 截面数据造成的异方差影响。 分析了 FDI 对于东部六省的技术创新的影响见表 2： 该模型的拟合度达到 %修正后的拟合度为 %，而残差平方和为 ， F统计量为 ，在 1%的显著性水平下也显著。 说明该模型很好的解释了 ， 由上表 可以得出 以下结果： 8 （ 1）看出 FDI 对河北省的影响程度为 ，但是不显著，而其他东部省份，除去浙江省不显著外，其他东部省份其 FDI对与当地的区域创新能力都有显著性的正相关影响，而且一江苏省为代表其影响程度达到最高的 ，可见FDI对于江苏 省的区域创新能力的正面的技术溢出效应十分显著。 而浙江省作为一个东部强省 FDI的溢出效应不显著，这出乎人们的意料，但是这可能是多方面的原因造成的，浙江省的自主创新能力在全国排名前列，而且由于无法避免的数据内生性和多重共线性也是造成这一结果的潜在原因。 但是总体上来看， FDI 对于东部省份都有显著地影响，但是河北省的影响为负值，且不显著，国内的其他研究者发现 FDI 对东道国的溢出效应的同时存在“门槛效应”，而且在全国性的研究当中发现， FDI 对于我国的中西部地区没有显著性的影响。 这可以解释河北省 FDI 没有显著性的溢出效 应的问题，河北省虽然是东部沿海省份，但是其无论从经济实力还是整体竞争力上河北省同其他东部沿海省份，甚至同部分中部地区省份还存在差距，这可能是河北省还没有突破 FDI 溢出效应的“门槛”所造成的，具体的原因还有待更深层次的挖掘。 （ 2）科研开发的人力资本的投入对于各个省份的区域创新能力都存在显著性的影响，其对浙江省的影响程度甚至达到了 ，这可以看出人力资本的投入对区域创新能力的重要性。 但是，河北省在这一方面的表现也不尽人意，除了仅高于广东省外，均低于其他省份，但是河北省的人力资本投入却高于浙江、江苏、 福建等省份，可见河北省的人力资本投入的效率很低。 （ 3）科研开发的物质资本的投入对区域创新能力存在显著性的影响，但是其影响值仅为。 这说明的问题是即使在东部沿海的发达省份其用于自主创新的大量物质资本的投入却不能带来其创新能力的显著提升，这也是我国应该认识到得问题。 不应该简单的认为在自主创新能力的投入上越高越好，而是应该提高产出效率，优化结构。 （ 4）技术市场的合同交易额作为创新环境的代理变量，对创新能力的影响仅在河北省、山东省和广东省存在显著性的影响，而对于其他省份不存在显著地影响。 但是对于创新能 力的影响值都较小，影响值最大的为广东省的 ，但是不能就此说明创新环境对与区域创新能力不存在重要的影响，而可能是因为我国的自主创新能力还没有达到较高的水平，以至对创新能力不能产生积极的影 9 响。 表 2 全部样本数据的回归结果 被解释变量 I 解释变量 东部六省 河北省 浙江省 江苏省 山东省 广东省 福建省 L （ ） *** （ ） *** （ ） *** （ ） *** （ ） * （ ） * K （ ） （ ） （ ） （ ） （ ） （ ） ** FDI （ ） （ ） （ ） *** （ ） ** （ ） *** （ ） ** T （ ） ** （ ） （ ） （ ） ** （ ） *** （ ） 注解：括号内为 t 检验值， ***、 **、 *分别表示达到了 1%、 5%、 10%的显著性水平。 由于篇幅的关系，表中各地区的变截距没有列出。 五、 河北省 FDI 的 InterventionARIMA 预测 ARIMA 模型在经济预测过程中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性，对于经济运行短期趋势的预测准确率较高，是近年应用比较广泛的方法之一 [16]。 而干预分析的研究始于美国威斯 康辛大学统计系教授Box与 Tiao 于 1975 年联合发表的《经济与环境问题的干预分析及应用护》以后，干预分析的概念和干预分析模型引起了人们广泛关注，并迅速地被应用去描绘经济政策的变化及其给经济带来的影响。 研究干预分析模型的目的，就是从定量分析的角度来评估政策干预或突发事件对经济环境和经济过程的具体影响。 (一 )模型的基本简介 (1)干预模型简介 干预模型的基本变量是干预变量即确定性输入序列 t ，它有两种基本形式，第一种是持续性的干预变量，形式为：   T)(t 1 T)(t 0TtS 表示在时刻 T之后干预的影响仍保留下去。 第二种是短暂性的干预变量，可用在时刻 T 的脉冲函数给出，形式是： 10 )T(t 1)T(t 039。 39。 TtP 表示在时刻 T之后干预的影响就会消失。 其中 T 是时间变量， T ， 39。 T 是表示干预事件发生的年份。 干预事件的影响形式虽然千姿百态，但按其影响的形式，归纳起来基本上有四种类型： 1)干预事件的影响突然开始，长期持续下去 .这种影响的干预模型可写为 :  ,Ttt SY  表示干预影响的强度 .如果 tY :要求通过差分化为平稳序列，干预模型可调整为 : Ttt SYB  )1( .如果干预事件要滞后 b 个时期才产生影响，干预模型可进一步调整为 : Ttbt SBYB  )1(。 其中 B 为后移算子。 2) 干预事件影响逐渐开始，长 期持续下去。 其模型为 : 10 1   Ttt SBY。 更 一 般 的 模 型 是 ：10 1 1    Ttrrt SBY 。 3)干预突然开始产生短暂的影响。 干预模型为： 10 1 39。   Ttt PBY。 4) 干预 逐渐 开 始 产 生 短 暂 的 影 响 ， 干 预 模 型 为 ：r2 1 39。 1  Ttrrt PBY  。 综合上述，不管经济系统受到的干预影响多么复杂，都可以用上述四种形式或者是它们的某种组合来表达，同时，也可以用这种组合去模拟多个干预事件所产生的影响 [17]。 (2)ARIMA 模型的基本类型 单变量时间序列模型一般有四种：自回归模型 AR(p)，滑动平均模型 MA(q)，自回归滑动平均模型 ARMA(p， q)，求和自回归滑动平均模型 ARIMA(p， d， q)。 其中 p， q 分别为自回归和滑动平均的阶数， d 为单整阶数。 其中前面三个模型只适用于刻画一个平稳序列的自相关性，然而实际生活中遇到的经济数据大多是非平稳的时间序列，这些序列的数字特征是随着时间的变化而变化的，难以通过序列已知的信息去掌握时间序列整体上的随机性。 当遇到一个单变量时间序列 11 时，首先应对其进行单位根检验，检查其是否为平稳序列，如果序列平稳可以用前三个模型对其进行拟合分析；如果序列是非平稳，则通过差分的方法将非平稳序列转化为平稳序列。 (3)ARIMA 模型的识别及选择 模型类型的识别及选择：时间序列 { }经过预处理后成为。