中国医药制造业产出影响因素的实证分析

(北京工商大学经济学院 北京 100048)

近些年，中国经济实力的不断增强，人们的健康意识也在逐渐提高，因此，医药制造业也越来越受到人们的重视。学者们也对医药制造业进行过各方面的研究。谢丽云采用定性和定量相结合的方法，研究了医药制造业产出的影响因素，利用灰色关联法对11个影响因素进行了量化处理，得出11个影响因素对于医药制造业的影响大小,并进行排序。

本文在谢丽云研究的基础上，从基本要素投入、医药科技因素和对外开放程度因素中选取医药制造业从业人员数、医药制造业技术投资经费支出和医药制造业出口交货值等数据来进行简单的计量分析，探究我国医药制造业产出是否受这些因素影响。

一、建立模型

为了具体分析各要素对中国医药制造业产出影响的大小，我们可以用医药制造业企业工业总产值作为被解释变量，用医药制造业出口交货值、医药制造业技术投资经费支出和医药制造业从业人员数做为解释变量，来建立模型。

模型如下：

Y=α0+α1X1+α2X2+α3X3+ε

(1)

其中，Y代表医药制造业企业工业总产值，X1代表医药制造业出口交货值，X2代表医药制造业技术投资经费支出，X3代表医药制造业业人员数。我们通过对该模型的回归分析，得出各个变量与中国医药制造业产出的影响关系。

二、模型估计与检验

(一)最小二乘法(OLS)

运用Eviews7.2软件采用最小二乘法对模型(1)进行回归分析。得出R2=0.852915,修正R2=0.803886，两个值均大于0.8，比较接近1，说明模型的拟合效果较好。因此，该模型的设定是合理的，根据检验结果，带入模型(1)，从而得出下式：

Y=6912.52+22.78X1+41.30X2+132.33X3

(2)

T=(1.14) (2.95) (1.24) (-1.54)

R2=0.827286 F=17.39632 DW=2.395466 S.E=1730.734

(二)多重共线性检验

运用Eviews7.2测算解释变量与被解释变量的相关系数，结果发现各个解释变量之间的相关系数较高，可能存在多重共线。

为了消除变量之间的多重共线性，可以利用逐步回归法，分别做被解释变量Y和解释变量X1、X2和X3的一元线性回归，结果得出X1与Y的t检验和拟合效果最好，因此，可以把X1最为基准变量引入，然后逐步加入X2和X3，经检验，当去掉X2时，模型的多重共线性消失，得到的回归结果中，R2=0.887286，修正的R2=0.872743。与进行逐步回归方法之前的R2和修正R2相比，前者的拟合效果更好，并且t检验值大过临界值，即t值检验十分的显著。得到的修正后的模型为：

Y=3189.79+17.33X1+5.08X3

(3)

T=(0.69) (2.85) (0.98)

R2=0.887286 F=23.94959 DW=2.078962 S.E=1779.22

(三)异方差检验

运用Eviews7.2软件，对模型(3)进行White检验：

(四)自相关的检验

模型(3)中，DW=2.078962，在显著性水平α=0.05下，n=13,k=2的情况下，查DW统计表可知dl=0.616,du=1.267，此时du

(五)统计检验

1、t检验：在显著性水平α=0.05下，查t分布表得自由度为10的临界值为2.228，而检验结果中解释变量的t 统计量均大于2.228，说明t 检验显著；

2、F检验：在显著性水平α=0.05下，在F分布表中查出自由度为2和12的临界值为4.10，检验结果中的 F统计量的值远大于3.59，说明F检验显著；

3、拟合优度检验：模型的拟合优度系数R2和修正R2分别为0.887286和0.872743，说明拟合效果较好。

(六)经济意义

模型估计结果说明，在其他影响因素不变的情况下，医药制造业出口交货值每增加1个百分点，医药制造业企业工业总产值就会增加17.33个百分点；在其他影响因素不变的情况下，医药制造业从业人员数每增加1个百分点，医药制造业企业工业总产值就会增加5.08个百分点。

三、模型的评价

本文首先对模型进行回归分析，在此基础之上，进行多重共线性检验，并用逐步回归法消除了多重共线性，此外又进行了White检验和D-W检验，经检验模型不存在异方差，也不存在自相关，得出最终模型，该模型通过了t、F显著性检验，并且拟合优度系数接近于1，与数据拟合效果很好，预测效果也很好。