天天論文網（http://www.tskan.cc）專注代寫論文，包括各個專業代寫畢業論文，代寫碩士論文以及代寫代發職稱論文服務，對于代寫經濟管理論文有獨到的見解，寫手能力突出，實踐能力強，可以大批量完成經濟管理論文代寫任務，代寫論文速度快，質量高，歡迎聯系約稿。為方便客戶免費下載最新論文，本網站更新文章全部為付費從知網下載PDF格式論文，經轉換為文檔后上傳，方便客戶下載，歡迎大家到天天論文網免費下載相關論文。因為本網站對于客戶信息嚴格保密，所以此篇論文并非本網站所代寫論文， 原作者如有異議，請聯系本站站長予以刪除。

引言

２０１０年，英國雜志《經濟學人》為了評級中國ＧＤＰ增長量創造了“克強指數”這一指標。這一概念的提出源于李克強在２００７年擔任遼寧省委書記時，稱自己喜歡用全省鐵路運貨量、用電量和銀行已發放貸款量來衡量經濟的動向。之后花旗銀行對這幾個變量之間做了簡單的線性回歸，得到“克強指數”的公式：克強指數＝０．２５＊鐵路貨運量增速＋０．３５＊銀行中長期貸款余額增速＋０．４＊工業用電量增速。

在“克強指數”這一概念提出之前，我國已有大量的學者對工業用電量、交通運輸業以及融資的規模與ＧＤＰ的增長量進行過探討。何永秀、趙四化等（２００６）用格氏因果關系和修正誤差模型對中國的經濟增長和用電量進行研究，發現當用電量增長時國民經濟也會隨之增長，但不同工業部門的用電量對經濟的增長起著不同的作用。［１］張靜、劉婷（２０１０）就廣西地區鐵路運輸和地方的經濟增長建立回歸模型進行了定量分析，得到貨物周轉量每增加１％時，ＧＤＰ的增長為２．０７％。［２］韓愛華（２００９）以上海市為例，利用關聯度分析方法研究ＧＤＰ增長與信貸擴大的關系，并得出銀行短期工業貸款、中長期基礎建設貸款與ＧＤＰ的相關性最高的結論。［３］在“克強指數”提出之后，國內又有部分學者對該指數與ＧＤＰ的增速關系進行了更深一步的討論。祝煦，黃正勇（２０１４）以我國的貨運總量、新增貸款量以及全社會用電量為評經濟指標，對原有的“克強指數”做出了修正，提出了“修正的克強指數”，并基于２００８年到２０１１年的月度數據為樣本，建立一元和二元的動態ＡＲＩＭＡＸ模型進行對比。［４］唐德祥、孫權等（２０１５）采用ＶＥＣＭ 模型對重慶市經濟增長和“克強指數”之間的關系進行了動態的分析，發現“克強指數”可以很好地研究重慶市經濟的發展。

但從Ｇｒａｎｇｅｒ因果檢驗的結果來看，該地區的貨物運輸量與地區經濟增長之間不存在因果關系。［５］劉慧（２０１４）通過ＶＡＲ模型和ＶＥＣ模型證明了銀行貸款、鐵路運輸量以及工業用電量與經濟增長之間存在著短期調整機制和長期均衡關系。［６］從研究的文獻來看，目前已有許多學者對工業用電量、鐵路運輸量以及銀行貸款余額這三個指標與經濟增長的關系進行研究。但由于“克強指數”是李克強總理根據遼寧經濟發展做出的評價，對于不同省份“克強指數”的指標可能代表性不強。多數學者都是基于宏觀角度，從國家層面上分析，對部分省市的探討涉及的較少。因此，本文以安徽省為例，分析“克強指數”與安徽經濟發展的動態變化關系。

１　變量及模型的選取

１．１　變量的說明

“克強指數”對工業耗電量、鐵路貨運量和銀行中長期貸款這三個指標的選取是為了評價我國生產的活躍程度、經濟的運行效率以及市場對當前經濟的信心。［７］相比于農業和服務業，安徽省耗電量絕大多數都用于工業生產，用工業用電量便能很好地反映經濟發展的狀況。從１９９８年到２０１４年期間的數據來看，安徽省的貨物運輸絕大多數依靠公路，其次是水路，鐵路運輸只占貨物運輸總量的很小一部分。所以，在構建適合安徽省的“克強指數”時，將鐵路運輸總量改成總的貨物運量，從而能夠更好地反映安徽省的經濟運行現狀。［８］與此同時，銀行中長期貸款在中國的融資里只占有限的一部分，若只用銀行貸款來反映信貸的規模會出現低估的現象。考慮到安徽省信貸的總體情況，采用金融機構的總體的貸款余額作為評價指標。根據以上所選取的三個指標，構建“修正的克強指數”。仍然采用花旗銀行的“克強指數”的計算公示運算，可以看到“修正的克強系數”與安徽省經濟增長速度有著相一致的變化，能夠較好地反映安徽省經濟的發展變化狀況。

圖１　安徽省ＧＤＰ的增長變化與“改進的克強指數”波動變化狀況

１．２　分析方法

設工業耗電量（億千瓦時）為Ｘ１，貨運量為Ｘ２，金融機構的貸款余額為Ｘ３，安徽省生產總值為Ｙ。在分析經濟增長與“修正的克強指數”之間的關系時，首先對數列進行對數處理，對對數數列和差分后的數列進行平穩性檢驗，之后進行協整性檢驗，最后利用ＥＶＩＥＷＳ８．０對各項指標之間建立修正誤差模型，得到最終的結果。

２　實證分析

２．１　ＡＤＦ檢驗和協整性檢驗

為了防止偽回歸的現象出現，首先對時間序列進行單位根檢驗。根據檢驗結果可以看出，在１０％的顯著性水平下，都接受存在單位根的原假設，序列不平穩。于是，對四個序列進行一階差分，發現一階查差分后能初步消除增長的變化趨勢，在１０％的范圍內拒絕原假設。

表２　單位根檢驗結果ｓｅｒｉｅｓ　ｔ－Ｓｔａｔｉｓｔｉｃ　１％ｌｅｖｅｌ　５％ｌｅｖｅｌ　１０％ｌｅｖｅｌ　Ｐｒｏｂ．

Ｌｎ　Ｙ －２．３６６１ －４．０５７９ －３．１１９９ －２．７０１１　０．１６８４Ｌｎ　Ｘ１ ０．４０７１ －３．９２０４ －３．０６５６ －２．６７３５　０．９７６４Ｌｎ　Ｘ２ ０．４７５０ －３．９２０４ －３．０６５６ －２．６７３５　０．９７９７Ｌｎ　Ｘ３ ２．６１９３ －３．９２０４ －３．０６５６ －２．６７３５　０．９９９９ｄＬｎ　Ｙ －２．７０３５ －３．９５９１ －３．０８１０ －２．６８１３　０．０９６３ｄＬｎ　Ｘ１ －３．１１６２ －３．９５９１ －３．０８１０ －２．６８１３　０．０４７０ｄＬｎ　Ｘ２ －４．０１８３ －３．９５９１ －３．０８１０ －２．６８１３　０．００９０ｄＬｎ　Ｘ３ －３．４０４７ －３．９５９１ －３．０８１０ －２．６８１３　０．０２７９在證明一階差分序列為無單位根后，在對其進行Ｊｏｈａｎｓｅｎ協整性檢驗，檢驗結果見表２。在５％的顯著性水平下，６６．９７０３＞４７．８５６１，概率值為０．０００３，拒絕假設，說明四個變量之間存在協整關系。

表２　Ｊｏｈａｎｓｅｎ協整性檢驗結果ＨｙｐｏｔｈｅｓｉｚｅｄＮｏ．ｏｆ　ＣＥ（ｓ）

ＥｉｇｅｎｖａｌｕｅＴｒａｃｅＳｔａｔｉｓｔｉｃ０．０５ＣｒｉｔｉｃａｌＶａｌｕｅＰｒｏｂ．

Ｎｏｎｅ＊ ０．９５５０　６６．９７０３　４７．８５６１　０．０００３Ａｔ　ｍｏｓｔ　１　０．６５６５　２３．５５７６　２９．７９７１　０．２１９８Ａｔ　ｍｏｓｔ　２　０．３３８８　８．５９８１　１５．４９４７　０．４０３８ＨｙｐｏｔｈｅｓｉｚｅｄＮｏ．ｏｆ　ＣＥ（ｓ）

ＥｉｇｅｎｖａｌｕｅＴｒａｃｅＳｔａｔｉｓｔｉｃ０．０５ＣｒｉｔｉｃａｌＶａｌｕｅＰｒｏｂ．

Ａｔ　ｍｏｓｔ　３　０．１８１６　２．８０５７　３．８４１５　０．０９３９

２．２　模型的構建

有時即便變量之間有著長期的均衡關系，在短期內也可能出現失衡，所以建立ＥＣＭ 模型糾正短期的失衡。先擬合出對數序列的回歸方程，得到誤差項，再對差分序列和修正誤差項做回歸，建立如下模型：

ＥＣＭｔ－１＝ｌｎＹ －０．３７６９ｌｎＸ１－０．１０５０ｌｎＸ２－０．５０９９ｌｎＸ３－０．８６１８ｄｌｎＹ＝０．１１８９ｄｌｎＸ１＋０．１９６０ｄｌｎＸ２＋０．３２６２ｄｌｎＸ３－０．１４９４ＥＣＭｔ－１＋０．００４４通過短期的修正誤差模型看出，－０．１４９１符合誤差的反向修正機制。由方程的系數可知，安徽省的工業耗電量、貨運總量和金融機構貸款余額與ＧＤＰ之間存在正的相關關系。工業耗電量每增長１單位，經濟增長１１．８９％；貨運總量每增長１單位，經濟增長１９．６％；金融機構貸款余額每增長１單位，經濟增長３２．６２％。

３　結論及展望

本文主要是以安徽省的年度數據進行分析，對“克強指數”所含指標進行修正，由最終得到的修正誤差模型看出，金融機構的貸款對安徽省的經濟增長貢獻度最大。可見，金融機構放貸擴張是對經濟看好，對經濟增長有著積極的引導。金融機構放大貸款對工業、農業以及其他的第三產業都有著正效應的傳導作用。其次，貨物運輸總量增長對安徽省經濟發展也起著較為重要的作用。貨物運輸體現著一個地區的經濟繁榮程度，當地區發展較好，運輸業也會隨之發展，所以運輸業對經濟的貢獻大小也能從側面反映當地的工業、零售業等發展。但工業用電量較金融機構貸款余額和貨物運輸總量而言對安徽省經濟發展的作用較小，分析安徽省用電量結構發現，工業用電是安徽省用電能消耗的主要部分，工業企業在保持正常生產的同時，可能忽略能源消耗所帶來的負外部效應，沒有很好地考慮到環境污染治理等問題。工業增長對安徽省經濟作出貢獻的同時，政府還要拿出一部分資金進行環境治理。

結合以上的結論，提出下列幾點建議：

首先，在推進工業發展的同時，政府應鼓勵節能環保型企業的發展，對工業企業的污染排放標準作出明確限制。積極開發新能源，加快科技的創新力度，實現能源供給的多元化。淘汰高污染、高耗能的企業，盡快完成產業的轉型升級。

其次，對于安徽省來說，公路運輸是安徽省運輸的主要方式。但對比鐵路運輸，公路運輸存在著費用較高、效率較低的現象。安徽省處于長江三角洲地區，水路運輸有著良好的發展條件，并且作為代表性的中部省份，擁有許多鐵路樞紐。所以安徽省應該利用自身的地理優勢，加大發展鐵路運輸和水上運輸，建立完整的交通運輸網絡。最后，安徽省政府應該優化投融資環境，加強金融機構對企業的扶持力度。通過保持一個合理的融資規模，保持當前金融機構貸款在安徽省經濟發展中的主導作用。

完善當前的投融資渠道，加大對投融資平臺的規范化的管理力度，從而提升當前的金融服務環境。

參考文獻：

［１］　何永秀，趙四化，等．中國工業用電量與經濟增長的關系研究［Ｊ］．工業技術經濟，２００６（１）：７８－８２．

［２］　張靜，劉婷等．鐵路運輸對地方經濟增長的貢獻分析［Ｊ］．中國新技術新產品，２０１０（２）：２０５．

［３］　韓愛華．擴大信貸投放與ＧＤＰ增長關系：對上海市的實證研究［Ｊ］．上海經濟研究，２００９（９）：９１－９８．

［４］　祝煦，黃正勇．“修正的克強指數”與ＧＤＰ增長率時間序列建模分析［Ｊ］．洛陽師范學院學報，２０１４（１１）：１１０－１１５．

［５］　唐德祥，孫權．經濟增長與“克強指數”的動態關系研究［Ｊ］．重慶理工大學學報，２０１６（１）：４６－５２．

［６］　劉慧．“克強指數”與經濟增長的動態關系研究：基于ＶＡＲ和ＶＥＣ模型的實證分析［Ｊ］．商業時代，２０１４（１）：１１－１３．

［７］　黃志敏，慈向陽．“改進的克強指數”與經濟增長實證研究［Ｊ］．商業經濟研究，２０１５（３１）：５５－５７．

［８］　馬秋卓．五種運輸方式貨運周轉量與國民經濟關系研究［Ｊ］．物流技術，２０１０（２０）：２９－４５．