实证分析
开篇：润墨网以专业的文秘视角，为您筛选了八篇实证分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
实证分析范文第1篇
房价牵动着政府、企业、家庭等不同群体,是当前社会各界关注的焦点。关注者依据数据、分析判断方法的不同,对房价高低、未来走势的判断可谓是“仁者见仁,智者见智”。究其原因在于房地产市场是一个复杂的系统,房价是众多影响因素共同作用下最终的表现形式。闫妍和汪寿阳等(2007)[1]基于114项指标变量,利用粗糙集方法分析决策信息表,选出了重要程度最高的50项指标,用时差相关分析法确定其对商品房销售价格指数是先行指标、同步指标,还是滞后指标。另外,房价还受到非理性因素的影响。房价与经济发展有着密切的联系。Case[2]从住房市场、抵押贷款市场和商业房地产市场三方面论述了美国房地产与宏观经济的关系。认为上世纪90年代美国房价的快速上涨主要应从经济基本面来解释,而非从投机角度来解释。沈悦和刘洪玉[3]的研究结果表明,经济基本面的当前信息或历史信息可 以 部 分 解 释 住 宅 价 格 水 平 或 变 化 率。但 在2002年以后,经济基本面对住宅价格变化率的解释水平明显减弱,即住宅价格的增长已经打破经济基本面和住宅价格之间原有的均衡关系。影响房价波动的因素来自经济基本面的波动、宏观调控政策和投资投机行为。Miller和Peng[4]的实证研究发现大都市产出增长率和房价增长率是住房价格波动的Granger因,房价波动又是人均收入和未来房价波动的Granger因。武康平和胡谍[5]没有分析房价波动的具体原因,将房价变动作为分析前提,认为经济中存在房地产加速器机制时,外生冲击对经济的影响会被放大,从而加剧经济波动。因此存在加速器机制时,经济波动对房价波动的影响可能会增强。何国钊和曹振良等[6]分析了投资和政策两大主要因素如何影响房价的周期波动。梁云芳和高铁梅[7]利用1999-2005年的季度数据,从供给、需求角度选取影响因素实证分析了商品住宅销售价格波动的成因。张红等[8]认为目前我国各种非理性因素对房价产生了相当程度的影响,直接应用国外成熟市场的先验理论建立模型缺乏合理性。如廖理等[9]利用CAPM定价理论计算出中国房地产行业的资本成本为12.44%,作为判断是否存在泡沫的标准。另外,我国房地产市场的统计数据无论是质量还是时间序列长度均无法满足传统统计分析的需要。因此,采用谱分析的方法得出北京市房地产市场存在约为3年的周期。徐国祥等[10]指出传统方法测量峰-峰、谷-谷之间的距离来确定房地产周期的不足,运用谱分析来研究房价的周期波动。研究得出自1998年1月以来,我国房地产市场存在为期36个月的主周期和27个月的次周期波动。
Miles[11]对美国50个州分别采用GARCH模型考查住房价格的波动性。研究发现,超过一半的州存在显着的GARCH效应,这表明采用非线性模型能更好地解释房价波动。经验模态分解是一种处理非平稳、非线性数据序列的新方法,能够分解出研究对象在不同尺度上的波动信息。它从数据自身出发,通过分析本征模态函数(Intrinsic Mode Func-tion,IMF)来揭示数据序列的内在特征。相关研究表明,经验模态分解可以很好地处理非平稳、非线性序列,是提取数据序列趋势的较好方法[12]。经验模态分解起源于海洋波动研究,之后成功运用到生物医学工程、大气科学、土木工程等众多自然科学领域;在社科领域还很少应用,仅涉及原油价格和股票价格。本文拓展了经验模态分解方法在社科领域的应用。从复杂系统、数据驱动的视角认识房价的周期波动,让数据表明其具有的特征,针对分解结果给予经济意义上的解释,用于短期房价预测。可为房地产市场的不同参与者把握市场运行规律,政府制定宏观调控政策提供决策依据,具有理论与实践的双重价值。
2 经验模态分解方法
2.1 经验模态分解(EMD)理论与算法
经验模态分解的基本思想是如果待分解数据序列的极大值或极小值的数目比上跨零点(或下跨零点)的数目多两个或两个以上,则该数据序列就需要进行平稳化处理[13]。首先,利用三次样条函数把序列x(t)的局部极大值和局部极小值点分别拟合成x(t)的上包络线和下包络线,然后计算两包络线的均值m1。再将原数据序列x(t)减去m1,即可得到一个移除低频的新数据序列:通常,h1并不是IMF分量,为此需对h1重复以上处理过程进行k次筛选,直到所得到的平均曲线趋于零为止,此时得到的数据序列为:h1k=h1(k-1)-m1k(2)式中,h1k为第k次筛选所得的数据,h1(k-1)为第k-1次筛选所得的数据。利用限制标准差SD的值来判断每次筛选结果是否为IMF分量,SD定义为:T为序列长度限制标准差SD的值一般取在0.2~0.3之间,满足时分解过程即可结束[13]。此标准的考虑是:既要使得hk(t)足够接近IMF的要求,又要控制分解的次数。当h1k满足SD的要求时,令c1=h1k即得到序列x(t)的第一个IMF分量,它代表了组成序列x(t)中最高频率的成分。从序列x(t)中减去第一个IMF分量c1,就得到一个移除最高频成分的差值数据序列:r1=x(t)-c1。再重复式(1)~(3)的过程,直至所剩序列包含的信息对研究内容的意义很小或已是单调函数时停止。此时,rn代表数据序列x(t)的趋势或均值。至此,便得到了序列x(t)的一系列IMF分量:c1,c2,…,cn;且r1-c2=r2,r2-c3=r3,…,rn-1-cn=rn。序列x(t)可由这些IMF分量和最后的残差项rn表示成:分解的本质是把数据序列x(t)分解为各种不同特征尺度上波动的叠加,每个IMF分量既可以是线性的也可以是非线性的。
2.2 集成经验模态分解(Ensemble EMD)
经验模态分解在处理非平稳、非线性数据时显示出了很大的优越性。然而,前述的经验模态分解方法有一个缺陷:常会出现不同模态之间的混淆。为了克服该缺陷,Wu和Huang[14]提出了EnsembleEMD。步骤如下:(1)对目标序列增加一列白色噪声;(2)再对增加白色噪声后的序列分解;(3)重复上述步骤,但每次增加的白色噪声不一样,得到IMF的集成均值作为最后的结果。增加白色噪声序列是为了提供标准的参考框与IMF对照,达到目的后通过集成平均消除自身的影响。大大减少了模式混淆的机会,是对前述EMD方法的一大改进。增加白色噪声的后果可以通过统计规律来控制:
3 房价分解
3.1 数据来源说明
根据文献,采用杭州市新建商品住宅交易价格为分析对象。数据来源于杭州市房管局主管的透明售房网(hzfc365.com),数据及时、准确。统计范围包括西湖、拱墅、上城、下城、萧山、余杭等10个城区。2007.3.17~3.23为第1周,2011.2.21~2.27为第204周,共204个周度数据。描述性统计情况见表1,数据分布见图1。
3.2 非平稳、非线性检验
由表2知t统计量>10%level,不能拒绝原假设,即认为房价时间序列是非平稳的,进一步验证该序列一阶单整。对差分后的序列做自相关、偏自相关分析,发现偏自相关系数4阶截尾,自相关系数2阶截尾,建立ARIMA(4,1,2)模型。剔除不显着变量,得到方程: 方程残差的各阶自相关系数、偏自相关系数均与零无显着差异,说明不存在自相关性。但残差平方的自相关系数、偏自相关系数很大,存在较明显的自相关性。因此,用非线性模型来描述房价波动显得更合适。
3.3 EEMD分解
EEMD作为分解工具,白色噪声的标准差设为房价标准差的0.2倍,集成数量设为100。在Mat-Lab平台上编程实现,得到6个不同尺度的IMF和1个残差项,如图2、3所示。
3.4 本征模态函数和残差项的特征
从图2得到的6个本征模态函数来看,频率最高的是IMF1,振幅变化大,平均周期为3.4周。在30、75、150周附近振幅较大,其中在第150周附近振 幅 超 过5000,对 应 时 间 是2009.11.30 ~2010.7.4。频率次高的是IMF2,周期约7周,振幅变化类似IMF1,150周附近最大振幅接近4000。IMF3的平均周期为15.4周,在30、75、150周附近振幅 较 大,但 没IMF1、IMF2明 显,最 大 振 幅 为2000。IMF4、IMF5、IMF6的频率相对较低,平均周期分别约为30周(7个月)、62周(14个月)、160周(3年)。IMF4的平均振幅约1000,IMF5的振幅由1000增大到2000,后又增大到3000,IMF6的振幅约2000。IMF4、IMF5、IMF6呈现出较为规则的正弦式波动。残差项近似一条稍向上凸的直线,由1周时的8516,逐步增长到204周时的21959,见图3。残差项与房价时间序列的Pearson相关系数最高,达0.648;Kendall相 关 系 数 达0.497。而 各IMF与房价时间序列的相关系数则比较低,不高于0.4。房价时间序列总方差主要来自于残差项,占到63.12%;各IMF方差占总方差的比值均不高于10%,见表4。
4 分解结果分析
房价时间序列可分解成6个IMF与1个残差项。IMF的频率各不相同,低频IMF具有很强的周期波动性,高频IMF则表现出随机无序性。由图4知各IMF均值偏离0的显着性水平,加之从IMF4开始呈现较 规 则 的 正 弦 式 波 动,因 此 将IMF1~IMF3归为高频部分,把IMF4~IMF6归为低频部分。 由表5知,残差项与房价时间序列的相关性最高,且房价时间序列59.51%方差变动来自残差项。高频部分的相关程度大于低频部分,但高频部分解释房价方差变动的比例小于低频部分。残差项、低频部分和高频部分分别隐含着很强的经济意义,可用来揭示隐含在房价序列中的内在特征。如图5所示,用残差项来描述房价的长期趋势。低频曲线上下振动转折点的出现与房地产市场发生的重大事件有关,比如:金融危机、宏观调控政策等。无序的高频曲线围绕零均值线随机波动,可用来揭示房地产市场短期的不均衡现象,用其振幅来表示市场的不均衡程度。
实证分析范文第2篇
关键词：国债负担率 国债依存度
一、对一些现象的描述
当前的欧洲主权债务危机，越来越明显地影响欧洲本土经济以及世界经济的发展，而这些国家都有着相当高的国债负担率，在金融危机中普遍实行的量化宽松货币政策以及积极的财政政策，使得很多国家的国债负担率，赤字率有很大的提升，主权债务危机突显；并且经济的滞涨使得欧元区国家承受着货币贬值的风险；此外，金融危机后通货膨胀的广泛传播，使得欧洲国家经济更是雪上加霜。因此，国债负担率对国家的隐性影响很大。
我国自1981年发行国债以来，GDP在飞速增长，并伴随一定的通货膨胀，国债负担率有下降的趋势，然而事实却不是这样，这需要对国债负担率的变化进行动态分析。面临越来越大，并且依然有很大的提升空间的国内市场需求；对国家基础设施的不断建设；国家的宏观规划使全国各地区协调发展；不断提高人民的福利水平和持续渐进地改善民生；以及应对不可预测的自然灾害等等，这些都需要有持续不断的资金来补足。因此，国债负担率的变化就复杂了，有必要建立一个简单的模型来描述这一趋势。
二、国债负担率的理论基础
我国近几年的国债负担率都维持在稳定的水平，例如05年为17.63%，06年为16.18%，07年为19.59%，08年为16.96%，09年为17.69%，10年为17.89%，一直维持在这个很窄的区间内波动，可见我国是实行稳健的财政政策。
国债负担率是国债余额占国内生产总值的比重，衡量整个国民经济对债务的承受能力。现在具体的理论推导如下：
假设P为基本赤字额，D为当期债务余额、D_为上期债务余额、i为国债在一期内的综合利率、g为GDP增长率。则：
D=D_（1+i）+ P
除以GDP（Y为GDP）后，得到：
D/Y=（D_/Y_）* (1+ i )/(1+g ) + P/Y
设b为国债负担率，则
b = b_(1+i )/(1+g ) + p
由于相对国债规模是稳定的，即d=d_
则需要：b[1-(1+ i )/(1+g )]= p
即 b (g-i )/(1+g )= p
由于Y=Y_*(1+g )，则可以推导出来：
b(g-i )=P/Y_
注：上式推导中的i当年所有国债的综合年利率，可用当年付息额占上年国债余额的比例计算的平均利息率。
从这个公式中可以看出，由于国债的名义利率i是已知的，并且在可预期的经济增长率情况下，国债负担率决定于当年的财政赤字。
为了研究财政负担率与财政赤字的关系，现在引入国债依存度来代替财政赤字。国债依存度是一国当年财政赤字（或者国债发行额-还本数）占全部财政支出的比例。所以下面通过Eviews 5.0回归方程来描述这一现象。
三、函数模型设计与结果
本文将运用简单的线性方程讨论国债依存度与国债负担率的关系。条件假设如下：（1）我国的国债负担率是稳定不变化的（或者在很小的范围内变动）。（2）经济增长率是可以预期的。（3）国家的经济政策是稳定的，并且国际环境是稳定和平的。
1．线性回归模型，如下：b = C1*r + c
上式中，b 为国债负担率，r 为国债依存度，C1为变量系数，c为常数。
2．对回归模型的解释与验证：
回归结果如下：
注：该数据中都是用标准化的百分数。
则由此可以得出以下方程：b = -0.436047 r +18.38629
从回归的结果看，R^2=0.663505，F=15.77451，说明拟合效果较好。说明这个模型能描述出国债负担率的大致走势。
四、动态分析
在回归结果中，我们看出国债依存度的系数为负数，正常情况下随着财政赤字的增加应该会导致国债负担率的上升，但是这一结果却出现了相反的现象。这是因为国债依存度=当年赤字/全部财政支出，这个式子中全部财政支出的速度要高于财政赤字的增长速度。致使在财政赤字增加情况下，国债依存度依然下降，然而国债依存度的增长速度却不及国民经济的增长速度，所以会出现国债依存度与国债负担率出现负相关。
关于模型的预测和真实值有一定的偏差，是因为经济增长率的预期值和真实值有一定的偏差；我国实行的国债政策并不是严格稳定不变的，在一定的范围内波动；并且还依然存在其他不可控的影响因素。
我国的国债负担率呈现稳中有升的趋势，最近几年徘徊在16%—19%左右，远小于《马斯特里赫特条约》要求欧盟国家的60%。看起来我国还有很大的提升空间，但是不能就以此认为国债还可以进一步扩张下去。首先，相对我国GDP的平均增长率，国债余额年增长率是很高的。照此速度发展下去，国债规模很可能达到难以控制的程度，这一点无法与有着悠久国债历史的发达国家相比。其次，尽管西方发达国家的国债负担率较高，但他们的财政收入占GDP的比重较高，一般为45%左右，而我国财政收入即使加上预算外收入，也只占GDP的20%左右。因此，我国对外债务的承受能力要弱一些。
当国债规模发行过大，债务依存度过高时，表明财政支出过多依赖债务收入，财政状况脆弱。根据国际通用的控制指标，国债依存度一般以15%—20%为宜。近十多年，我国的国债依存度都是保持在较低的水平，风险相对来说比较小。
实证分析范文第3篇
【关键词】 保险需求 国内生产总值 存款利率
一、引言
保险需求，即在一定时期和一定价格水平下，消费者愿意购买保险商品的总量。保险需求可分为自然需求和有效需求两种。保险的自然需求是指由自然界和社会经济生活中客观存在的风险损失总量所产生和决定的保险需求。保险的有效需求则是指与消费者的购买能力相联系的需求，即消费者愿意并且能够购买的保险商品的总量。本文以保险的有效需求（以下简称为保险需求）为研究对象，利用计量经济学的方法，来分析保险需求的影响因素及各因素对保险需求的影响程度，以期找到促进保险需求增长的方法。
二、研究综述
随着计量学的不断发展，国外的学者运用计量经济学的新方法对影响保险需求的因素作了大量的实证分析，虽然得出的结论不尽相同，但是其中有些因素对保险需求的影响获得了广泛的认同，如经济增长因素。另一些因素则由于每个国家的情况不同，对保险需求是否有影响有所争议。我国的学者在研究国外的一些相关成果并结合我国国内的实际情况的基础上，对影响中国保险需求的因素做了一些实证分析。
林宝清（1992）认为保费收入与国民生产总值（现在多用国内生产总值的概念来代替）高度相关。孙祁祥（1997）认为在中国保险产业的发展过程中，社会经济体制的变革对转变人们的风险意识和风险观念起着十分重要的作用，从而影响我国的保险需求。一国的经济政策，如社会保障政策、货币金融政策等对保险需求也有一定影响。此外，社会因素如人口结构、家庭结构等也都以各自的方式影响着各个国家的保险需求。于殿江、郭南（2003）指出，我国城镇居民的保险行为在受居民收入影响的同时，更多地受到制度变迁因素造成的预防性储蓄动机的影响，保险行为与居民实物资产投资行为关系较弱，居民的保险投资基本作为一种对传统储蓄存款的替代行为，保险投资行为更多地出于人身保障动机，而非出于避免个人实物资产损失的动机。他们认为最优保险需求水平受风险发生频率、风险造成的损失水平、保险费率（保险价格）、个人初始财富的变动、保险市场的垄断因素、信息不对称因素及人口老龄化等多种因素的影响。
以上学者在文章中对中国保险需求的影响因素进行了实证分析，但是不涉及计量经济学模型。综合他们的观点来看，决定保险需求量的因素有五个方面：一是经济发展水平，包括国内生产总值、利率及通货膨胀率等；二是风险发生频率和损失程度；三是保险价格（保险费率）；四是保险替代品，主要指社会保障和居民储蓄；五是保险意识的强弱、文化教育水平、宗教、人口家庭结构、人口出生率和死亡率及传统习俗等。
运用计量经济学方法来分析保险需求影响因素的文章也不少。卓志（2001）利用1986―1995年的序列数据建立了多元回归模型，对我国人寿保险需求进行了实证研究，得出的基本结论为：我国的经济增长、高少年儿童赡养率及正在增长的老年赡养率对寿险需求有正面影响，而我国人口较低的教育水平可能会阻碍保险业的发展，预期的通货膨胀对保险有负面影响但是不十分显著。徐爱荣（2002）用1980―2001年时间序列数据，以国内生产总值、物价指数、政策虚拟变量为自变量，建立多元线性回归模型，结果表明国内生产总值对保险需求的正面影响以及物价指数对保险需求的负面影响均较为显著，虚拟变量对外开放无法通过统计检验，但是他认为根据实际情况，保险市场的对外开放仍是具有正面影响的解释变量。阎建军、王治超（2002）采用1985―1997年的相关数据，用取对数的形式建立多元回归模型分析了国民生产总值、名义利率对寿险需求的影响，并认为GNP的变动是导致我国寿险需求总量变动的主要原因，而利率变动对我国寿险需求总量变动的影响很微弱。吴江鸣、林宝清（2003）利用1980―2002年的时间序列数据建立了一个计量模型，模型中的因变量包括通货膨胀、收入、市场机制与保险品种创新，特别分析了市场机制与保险品种创新对我国保险需求的影响。陈之楚、刘晓敬（2004）用多元线性回归模型考察了1990―2001年期间居民人均收入、恩格尔系数、利率、社会保障制度安排和储蓄对寿险需求的影响。李良（2006）抽取了全国30个省市1998―2003年的数据就收入、通货膨胀率、社会保障、银行利率、死亡率等对寿险需求影响的因素与保费收入间的相关性做了Granger因果性分析，但并没有运用协整分析方法。
大多数文章是利用经典计量经济学的方法来研究保险需求的，未考虑到时间序列的平稳性问题。然而大多经济时间序列是非平稳的，因此在建立计量经济模型之前应对时间序列数据进行平稳性检验。
三、保险需求的影响因素
1、国内生产总值
保险需求的增长离不开经济的发展，而国内生产总值作为衡量一国经济发展的主要指标，无疑是影响一国保险需求的主要因素。
随着收入水平的增加，消费结构也会发生变化。根据马斯洛的“需求层次理论”，随着收入的提高，人们也将由生存需要为主的单一消费方式向消费多样化发展，安全的需求将成为人们日常生活中不可缺少的部分，并在消费结构中占有越来越重要的地位，这就从根本上扩大了保险需求。
从凯恩斯的消费理论的角度来讲，消费与收入存在着正相关的关系，而本文选择代表保险需求的指标――保费收入是消费的一个组成部分，因此保费收入也与总收入存在正相关的关系。
2、利率
保险是一种金融商品，而且是储蓄的替代品，当利率下调时储蓄的收益降低，人们会转而购买保险或其他金融商品。
利率也可以通过影响国内生产总值从而间接影响保险需求。利率是中央银行实施货币政策、调整国民经济运行的一个工具。利率调整刺激了投资，促进了经济的发展和国内生产总值的增长，从而提高了保险需求。
3、通货膨胀
通货膨胀对保险需求的影响主要表现为两个方面：第一，通货膨胀使得消费者的实际收入水平增长速度放缓，由于收入与保险需求的正相关性，这将导致保险需求增长速度的下降或者保险需求的减少。第二，通货膨胀引起其他一些环境变量的变化，从而使寿险与其他的替代品相比预期收益发生变化，进而影响对保险的需求。
四、中国保险需求的实证分析
1、变量选取及数据来源
本文选择保费收入作为被解释变量。保险需求量的增加，意味着保费收入的增加，从经济意义上可以认为保费收入与保险需求量具有较高的相关关系。保费收入不但能较好地反映保险需求的变动情况，而且数据比较容易取得。
在影响保险需求的各种因素中，有些因素的变动会同时影响人身保险和财产保险的需求，比如国内生产总值、通货膨胀率和利率。有些因素，如出生率、死亡率等，对寿险需求的影响明显大于对财险需求的影响。在选择变量时本文选用对寿险和财险都有明显影响的变量。有些因素虽然对财险和寿险需求都有一定影响，但是较难以量化形式反映，或数据较难取得，因此将它们作为随机扰动项处理。
在模型中，被解释变量保费收入（premium income）用PI来表示。解释变量国内生产总值用GDP来表示，我们选用CPI数据来代替通货膨胀率，并以1978年的数据为基期，即令1978年的CPI等于100。利率本文采用的是一年期定期存款利率，并用DR（deposit rates）来表示。对以上四个变量取自然对数后分别记为LPI、LGDP、LCPI和LDR。
本文选用1985―2007年的数据进行分析，各年度的GDP、CPI及保费收入数据来源于中经网统计数据库，利率数据来源于中国人民银行网站，我们采用线性内插法计算出每年的利率。本文应用EVIEWS6.0软件进行分析。
2、时间序列的平稳性检验
由于模型所涉及到的变量为宏观经济数据，而经济时间序列通常是非平稳的，因此我们在建立模型之前首先要检验时间序列的平稳性，否则有可能导致伪回归。
（1）单位根检验。常用的单位根检验有ADF检验、PP检验和KPSS检验。本文选用ADF检验，结果如表1所示。
在5%的显著水平下，LPI、LGDP、LCPI和LDR都为非平稳数列，所以不能直接用普通最小二乘法进行回归，否则可能出现无意义的“伪回归”。
我们对以上四个非平稳序列进行一阶差分，差分后的序列分别记为DLPI、DLGDP、DLCPI和DLDR，并对差分后的序列进行单位根检验，结果四个序列进行一阶差分后均为平稳序列，即LPI、LGDP、LCPI和LDR均为一阶单整序列。
（2）协整检验。协整方法认为非平稳序列之间的某种线性组合是平稳的，它反映了变量之间的长期均衡关系。短期内，随机冲击可能使系统偏离均衡关系，但是长期内系统内的经济变量的共同作用将使系统恢复稳定关系。
常用的协整向量估计方法有EG检验和Johansen检验。EG检验采用单一回归方程表达式，隐含地假设变量之间只存在一个协整关系，对于多变量系统，这种假设就不适用。另外，它也没有很好地考虑解释变量可能存在的内生性问题。相比之下，Johansen检验基于多元VAR 框架，允许变量之间的即时相互反馈作用，并允许多个变量以不同的速度对扰动项进行反映与调整，使得系统向长期均衡靠近。Gonzalo（1994）通过Monte Carlo 模拟方法，发现Johansen的方法有最小的均方差，它们的有限样本性质也与渐近结果一致。鉴于此，我们采用Johansen 的方法估计协整向量，结果如表2所示。表2的结果表明，模型存在唯一的协整关系。
3、模型的设定
根据前文对影响保险需求因素的分析及协整检验的结果，我们建立以下的对数线性模型：
LPI=X0+X1LGDP+X2LCPI+X3LDR
4、模型的估计与检验
由于模型已经通过了Johansen检验，我们直接对模型进行线性回归。结果如下：
LPI=-11.67931+0.830710LGDP+1.564923LCPI-0.109323LDR
（-4.380247） （1.720239） （1.257412） （0.5940）
R2=0.976687 F=265.3324
虽然可以通过F检验，但是模型的三个解释变量都无法通过t检验。由经济理论可以知道，国内生产总值和CPI之间是存在着相关性的，模型无法通过t检验有可能是存在多重共线性，所以我们对模型进行多重共线性的检验。我们对LGDP和LCPI进行回归，发现两者之间的相关系数高达0.976438，证明两者高度相关。
5、模型的调整
我们采用剔除变量的方法解决多重共线性的问题。由经济理论及其他学者所做的大量实证分析可知，GDP对保费收入的影响大于CPI对保费的影响，因此我们剔除变量LCPI，建立新的模型。
由于模型发生了变化，需要重新进行Johansen检验。结果如表3所示。
由表3可以看出，经调整后的模型也存在着唯一的协整关系。
对模型进行回归，结果如下：
LPI=-8.615926+1.428653LGDP-0.300343LDR
（-7.838449） （16.75760） （-2.233415）
R2=0.974747 F=385.9934 DW=0.550337
dL=1.168 dU =1.543
我们还需要进一步检验模型是否存在异方差和自相关。
检验异方差通常可以采用Goldfeld-Quanadt检验、White检验、ARCH检验和Glejser检验。由于我们采用的是时间序列数据，所以选用ARCH检验。结果证明，当ARCH过程为一阶时，模型不存在异方差。
由于DW=0.550337，dL=1.168，dU =1.543，所以模型存在着自相关。我们采用AR（1）模型来修正回归方程残差序列的自相关。修正后的回归方程如下：
LPI=-4.831795+1.122081LGDP-0.476071LDR
（-1.999724） （5.746836） （-2.934623）
R2=0.990519 F=626.8538 DW=1.649012 df=22
AR（1）=0.659337 dL=1.147 dU=1.541
1
模型估计结果说明，保费收入与国内生产总值和利率之间存在长期的稳定关系，并且国内生产总值增加1%，保费收入增加1.428653%；利率下降1%（这里是指利率的变化率为1%，而不是名利利率下降1%），保费收入增长0.476071%。
五、结论和后续研究
本文用时间序列的平稳性检验和协整检验方法证明保费收入与国内生产总值和存款利率之间存在着长期均衡关系，建立了对数线性模型，得出保费收入与国内生产总值正相关，与存款利率负相关，并得出了相关程度的具体数值。然而由于消费物价指数与国内生产总值存在着严重的多重共线性，我们把它从模型中剔除了，而作为随机扰动项处理。
由于有些数据较难取得，本文所采用的变量里并未包含所有对保费收入有重要影响的变量，而是作为随机扰动项处理，这使得一些影响保险需求的重要因素无法进入模型，从而无法得到具体的对保费收入的影响程度。此外，由于中国恢复国内保险业务的时间尚短，导致本文所采用的数据的样本容量较小，可能对某些计量经济方法的使用有影响。这些不足之处也是在后续研究中需要想办法解决的问题。
【参考文献】
[1] 庞皓：计量经济学[M].科学出版社，2007.
[2] 孙祁祥：保险需求因素分析――兼论中国保险业增长潜在需求因素[J].改革，1997（5）.
[3] 林宝清：保险需求定量分析[J].金融研究，1992（7）.
[4] 卓志：我国人寿保险需求的实证分析[J].保险研究，2001（5）.
实证分析范文第4篇
进入21世纪以来,国际贸易领域的主要研究方向从宏观和中观层面逐步向微观层面纵深发展。从国际贸易理论发展的主要脉络上看,古典贸易理论、新古典贸易理论和新贸易理论都存在一个共同的假设前提:各产业内的企业是同质的(homogeneous);但近年来出现的“新-新贸易理论(new-new trade theory)”则突破了该假设的局限性,将企业在规模或生产率等方面的异质性(heterogeneous)纳入了国际贸易理论框架中,这就为在微观领域里进一步深入研究国际贸易理论奠定了基础。目前,新-新贸易理论正成为国际贸易理论的最新研究前沿之一。
近几年来,一些新-新贸易理论文献都较好地阐释了新产品种类(productvariety)在国际贸易中所产生的重要作用,并发现新出口产品种类的出现是促进行业生产率提高的一个重要原因(Melitz,2003;Bernard等,2006),也是获得国际贸易利益的一个重要来源(Bernard等,2007;Feenstra,2009)。2009年,中国的出口额已跃居世界第一位,进口额也迅速上升到世界第二位,这标志着中国的对外贸易进入了一个崭新的时期。现实已说明了比较优势在中国外贸出口中的关键性作用,但如何在保持出口额持续上升的基础上进一步提升我国出口比较优势和出口竞争力,并增加从出口中获得的贸易利益呢?这已成为当前亟待研究的课题之一。
二、文献综述
早在20世纪90年代初期,“内生增长模型”(Romer,1990;Grossman andHelpman,1991)就已经关注了新产品种类的创造,以及它们对生产率和经济增长的影响,并认为一个国家进行贸易开放将增加可获得的进口产品种类,还可能提高出口产品种类,并且这两种结果都有助于经济增长。而真正能够从微观贸易数据的角度来精确测量产品种类变化对国际贸易所产生的影响,则是从Feenstra(1994)开始的。Feenstra首先提出了一种采用微观贸易数据来测度产品种类变化的方法,并探讨了在美国进口产品中新产品种类对需求收入弹性的影响。在以Melitz(2003)为代表的新-新贸易理论出现之后,国外不少文献都开始采用新-新贸易理论模型来研究产品种类变化在国际贸易中所产生的重要影响。如Melitz和Ottaviano(2005)保留了Melitz(2003)中的垄断竞争假设,但放松了CES假定,并以Ottaviano,Tabuchi和Thisse(2003)提出的一个连续变量线性需求系统为研究基础,发现一国能否通过国际贸易使该国福利提高主要取决于以下因素:1.是否有较多的产品种类;2.是否有较高的平均生产率;3.是否有较低的价格加成(markup)。Bernard,Redding和Schott(2007)将异质性企业引入到比较优势模型中,并发现在考虑了企业的异质性后,企业出口的扩张不但能够提升比较优势,带来生产率的提高,还能成为一国贸易福利增长的新来源。Feenstra(2009)在垄断竞争模型中研究了对贸易利益的测度问题,并在产业层面上对Melitz(2003)模型进行了研究,其结论是:贸易利益的三个重要来源分别是新产品种类、高生产率企业的自我选择机制以及进口竞争导致的企业加成下降。在实证研究方面,Khhoe和Ruhl(2003)发现,与原有的产品种类相比,新产品种类能解释更多的因贸易自由化所带来的贸易增长。Funke和Rduhwedel(2001,2005)所做的一系列实证研究表明,出口产品种类增加对各国的经济增长都有显着的正面影响。Broda和Weinstein(2006)采用Feenstra(1994)提出的方法计算了美国的进口数据,发现截止到2001年,来自于新出口国的、美国新产品种类进口所产生的贸易利益占了美国GDP的2.6%,其贸易增益效应很显着。Amiti和Freund(2008)对中国的实证研究发现,1992~2005年间中国的出口增长主要源于原有产品种类的贸易量扩张,新产品种类的贡献较小。Yang(2008)将Bernard,Redding和Schott模型进行了扩展,并将劳动划分为熟练和非熟练两大类,在此基础上研究了出口种类与根据资源禀赋情况建立起来的比较优势之间的关系,其结论支持了其“半H-O预测(semi-Heckscher-Ohlinprediction)”,即一国具有比较优势的产业往往会出口较多的产品种类。目前,国内与新-新贸易理论相关的文献并不多见,并且已有文献主要集中在企业异质性与生产率关系等方面的研究;而从产品种类变化的微观数据视角来进行相关研究的国内文献就更为少见,如李未无(2010)基于中国对日本出口产品种类变动的视角,对2002~2008年中国对日本出口增长进行分解,发现自2004年底中国提出转变外贸增长方式以来,中国对日本出口增长源自旧产品种类的贡献在不断减少,而来自新产品种类的贡献在加速增长。本文试图在上述文献研究的基础上,结合具有典型互补性特征的“中美双边贸易”,针对两国出口产品种类变化对出口比较优势提升的影响进行比较研究,这对促进中国出口竞争优势的提升,以及从“贸易大国”向“贸易强国”的转变显然有着重要的现实意义。
三、模型的构建及说明
为研究出口产品种类变化与比较优势之间的关系,并考虑到相关数据的可得性,我们选取了具有典型“互补性”贸易特征的中美制造业双边贸易数据进行实证研究。我们设立如下计量模型:it it it itRCA = + EV + X+其中, 与 为待估参数,X代表各控制变量,为随机误差项,i代表各行业,t代表年份。各变量的含义如表1所示,并在计量模型中对各变量均采用了对数形式。基于以上模型,我们首先需要处理产品种类和各行业的对应关系问题。
(1)对产品种类的测度:在UNComtrade数据库中,我们能够得到1997~2008年中美两国相互进出口的全部6位数级HS1996微观贸易数据,我们将每个6位数级HS商品代码视为一个产品种类。
(2)对产业的划分:首先,根据我国国家统计局公布的国民经济行业分类(GB/T4754-2002)中的两位数行业代码,将制造业划分为26个行业。然后,依照中国国家统计局公布的中国国民经济行业分类(GB/T4754—2002)与4位数级ISIC3.0之间的对应表、联合国统计司所公布的6位数级HS1996商品代码与4位数级ISIC3.0之间的对应表、美国国家统计局公布的北美产业分类体系(NAICS 2002)与4位数ISIC对应表,整理出这26个制造业行业与6位数级HS1996商品代码、6位数级NAICS代码之间的对应关系。这样,我们就可以在这26个制造业行业层面对出口产品种类以及其他的行业特征进行研究了。这26个制造业行业分别为:食品、饮料加工制造业,烟草制品业,纺织、服装鞋帽制造业,皮革、毛皮、羽毛(绒)及其制品业,木材加工及木、竹、藤、棕、草制品业,家具制造业,造纸及纸制品业,印刷业和记录媒介的复制,文教体育用品制造业,石油加工、炼焦及核燃料加工业,化学原料及化学制品制造业,医药制造业,化学纤维制造业,橡胶制品业,塑料制品业,金属矿物制品业,黑色金属冶炼及压延加工业,有色金属冶炼及压延加工业,金属制品业,通用设备制造业,专用设备制造业,交通运输设备制造业,电气机械及器材制造业,通信设备、计算机及其他电子设备制造业,仪器仪表及文化、办公用机械制造业,工艺品及其他制造业。鉴于中国统计数据中缺乏部分相关年份的“工艺品及其他制造业”的相关数据,我们剔除此行业,主要对余下的25个制造业行业进行分析。接下来,我们对表1中各变量说明如下。
(1)显示性比较优势指数(RCA):“显示性比较优势指数”是由巴拉萨(Balassa)于1965年提出的。我们选取该指数来表示对各行业比较优势的测度,其特点是可以从商品进出口贸易的结果中来间接地测定比较优势,从而在经验分析中可以摆脱苛刻的各种理论假设的制约,因而较适合于现实的国际贸易分析。其计算公式为://i Tiiw wX XRCAX X式中iRCA 表示中(美)国i产业在美(中)国市场上的显示性比较优势指数;iX 代表中(美)国i产业在美(中)国市场上的出口额;TX 代表中(美)国对美(中)国的所有制造业行业产品的总出口额;iwX 代表美(中)国对i产业的世界进口总额;wX 代表美(中)国对所有制造业行业产品的世界进口总额。如果一国某产业的RCA大于1,表示这一产业在国际上有明显的比较优势,具有一定的国际竞争力;并且RCA越大其比较优势越强。
(2)出口产品种类的比重(EV):根据我们整理出来的6位数HS商品代码与各制造业产业之间的对应关系,我们能够计算出在1997年—2008年中国(美国)各制造业产业对美国(中国)出口的全部制造业商品种类的数量ijn。考虑到一些制造业产业本身会比其他产业出口更多的商品种类,我们借鉴Yang(2008)的处理方法,采用中国(美国)各制造业对世界出口的全部产品种类数(iwn )对其进行调整,即计算出/ij ij iwEV =n n,其中i代表各制造业产业,i=1,2,……,25,j为美国或中国,w为世界。
(3)熟练劳动密集度:对美国各制造业产业的熟练劳动密集度的测度,我们采用的是历年美国各制造业非生产性工人数量与制造业工人总人数之比。而在计算中国各制造业产业的熟练劳动密集度时,由于在中国所公布的统计数据中没有明确区分各行业生产性工人数量和非生产性工人数量,因此我们在相关年份的《中国科技统计年鉴》中找到这25个制造业行业的“科技活动人员占从业人员比重”,以该统计数据来近似代替中国各制造业的熟练劳动密集度。
(4)劳动生产率(EP):采用中美两国各制造业产业的产出增加值与各行业从业人员年平均人数之比来表示。
(5)资本劳动比(RKL):中国的资本数据我们采用《中国统计年鉴》中的“固定资产净值年平均余额”,劳动为各行业“从业人员年平均人数”;美国的相关数据均来自美国国家统计局的“制造业年度调查”,并利用先前整理出来的6位数级NAICS代码与各行业的对照关系来计算。
(6)出口规模(Size):为保持数据来源的一致性,我们采用UNComtrade公布的中美两国相互进出口数据,并根据之前整理出的各制造业产业与6位数级HS代码的对应关系计算出中(美)国各制造业产业对美(中)国的出口额,我们以各国出口额来表示其出口规模。
以上各原始数据均来源于UNComtrade、美国国家统计局的“制造业年度调查”、《中国统计年鉴》、《中国工业经济统计年鉴》及《中国科技统计年鉴》等,并对历年相关中国数据的货币单位均采用当年人民币兑美元汇率的年平均价换算为美元。
实证分析范文第5篇
关键词：利比亚战争；石油价格；ARCH模型分析；事件研究方法
一、利比亚战争对国际油价影响的实证分析
石油是当代战争非常重要的根源，两次世界大战都与争夺石油类资源有关。美国的地缘政治学家威廉・恩道尔曾经认为石油战争主要分为两类：第一类是抢夺石油资源的控制权的战争，从20世纪70年代以来，3次中东战争、伊拉克战争、海湾战争、英阿马岛之战，都是资本主义国家为了石油而进行的。伊拉克的尚未开发的石油储量比沙特阿拉伯要多，这是美军把萨达姆赶下台的主要原因，而另一类是争夺石油定价权的战争。当前石油供给与需求大致平衡的情况下，石油战争将以期货市场争夺石油定价权为主。随着石油的资源日趋枯竭，而绿色能源尚未得到解决，石油的供给更加紧俏。石油是重要的能源，日常经济生活，工业生产，航天军工都需要石油作为能源和原料。经过石油分离出的汽油、沥青等化工产品广泛应用到人们日常生活中。可以说，谁掌握的石油的供应权和定价权，就可以掌握世界的经济命脉。到那时，对于海上石油通道和陆上石油管道的控制权的争夺，也必定成为战争导火索，而海上通道最重要的是中东石油出口的霍尔木兹海峡以及马六甲海峡，而陆上石油管道，主要是从俄罗斯及中亚通往欧美的石油管道。2011年3月，由于受到利比亚战争的影响，国际油价大幅攀升，一度升至一桶110美元，创下自2008年9月以来的新高。对于能源危机，我们每一个国家都不能置身事外，必须提前考虑。随着各国对能源需求的不断增长，围绕争夺最后的油气资源的斗争仍然是21世纪地缘政治的主题。从委内瑞拉到俄罗斯，从地中海沿岸到西非的几内亚湾，从里海到波斯湾，无一不受影响。更为严重的是，石油已经与反恐和人权联系在一起，成为发动战争的理由，世界政局充满了不确定性。究竟是利比亚战争影响了石油还是石油影响了利比亚战？
二、相关理论
事件研究法主要是探讨事件的发生对期货或市场价格数据带来的短暂冲击，暂时的冲击主要体现在下面诺干方面：平均股价效应、市场收益方差的变化（反映股价波动性的变化）、股票成交量的变化、经营（会计） 绩效的变化等。总体来说，事件研究包括一下几个步骤，即定义事件以及事件研究窗口、选择研究样本、选择度量正常收益的模型、估计异常收益、检验异常收益的显著性、实证结果与解释。
事件包括合并、收购、收益公告或再融资行为等，若研究者关心增发对股东财富的影响，此时的事件即为增发公告。事件研究所涉及的窗口包括估计窗、事件窗与事后窗等，如下图1，
t = 0为事件日；t = T1+ 1至t = T0代表事件窗，其长度为 L1= T1-T0； t = T0+ 1至t=T1为估计窗，其长度为L2= T2-T1；t=T2+1至t = T3为事后窗，其长度为 L3= T3-T2。估计窗的作用在于估计正常收益 （或估计正常收益模型的参数），一般情况下，估计窗的长度应大于等于120天；事件窗是用于检验股价对事件有无异常反映的期间 ，有时事件窗仅为一天（即事件发生的当天），有时为两天（即事件公告当天与后一天），有时为三天 （即公告前一天、公告当天与公告后一天），也有学者将事件窗定义为公告前后10天、20天或更长，事件窗长短主要取决于研究者的研究目的：事后窗主要用于考察事件发生后股价 （ 或企业价值） 有无异常变化 ，常见于探讨某一事件长期绩效的研究中 。
三、事件研究方法实证分析
（一）选取估计窗口并进行模型分析
估计窗口年初到2月18日（战争爆发前一个月）
对AR（1）模型保留残差进行Q平方检验，输出结果如下表1：
由上表可以看出，标注化残差平方序列的Q统计量在1%和5%的置信水平下均是不显著的，并且以较大的概率接受了序列不具有相关性的原假设，所以认为序列不具有自相关性。因此，残差序列是白噪声序列。
（二）选取事件窗口并进行模型分析
选取事件窗口3月18号到8月22号（战争基本结束）
得到的AR（1）的模型为：Pt=115.1596 + 0.930935Pt-1+εt
（38.83576） （25.11394）
对上述模型保留残差进行Q平方检验，检验结果如下表2所示：
由上表可以看出，标注化残差平方序列的Q统计量在1%和5%的置信水平下均是不显著的，并且以较大的概率接受了序列不具有相关性的原假设，所以认为序列不具有自相关性。因此，残差序列是白噪声序列。
（三）对模型进行J1和J2检验
HO为利比亚战争事件对世界石油价格的变动不产生影响，H1为利比亚战争对世界石油价格变动产生影响，很显然，拒绝原假设。即利比亚战争对石油价格的变动产生影响。
用以上模型对石油价格数据进行预测，可以得到一个长期平稳的的预测序列，但与实际序列的比较中可以发现，实际数据后30天为114.13，比预测的数据要大，实际数据中的石油价格一直处于向上增长的一种的趋势。可以得出的结论是利比亚战争促使了石油的价格上涨，而且上涨的幅度略大。但是这种影响会在什么时间结束？我们需要选取另一个时间段进行建模预测，这个时间段也就是事件窗口即利比亚战争爆发到利比亚战争结束的时间。
运用事件窗口的AR（1）模型对后60天进行预测，通过预测后的60天的数据和实际60天后的数据比较后发现预测后的数据111.645和10月24号（10月22号为周末）为111.67基本持平，这说明利比亚战争对石油价格的影响基本趋于稳定。至此，分析结束。
通过以上分析可以知道，利比亚战争对石油价格影响的时间区间为战争前一个月（2月18日）到战争基本结束后的两个月（10月24日），这说明利比亚战争对石油价格的波动是一个比较长期的影响。
参考文献：
[1] 高铁梅.计量经济分析方法与建模EViews应用及实例第2版[M].北京：清华大学出版社，2009： 211～215.
[2] 袁显平，柯大钢.事件研究方法及其在金融经济研究中的应用.统计研究，2006（10）.
实证分析范文第6篇
关键词:保险需求;解释变量;被解释变量;社会保障
中图分类号:F842 文献标志码:A文章编号:1673-291X(2010)29-0091-03
自1980年4月中国恢复保险业务以来,已经成为世界上发展最快的保险市场之一。特别是1998年中国保险监督管理委员会成立以后,中资股份制保险公司数量迅速增加,加及外资保险公司的进入,使得我国保险市场的格局进一步多样化,经营运作和管理流程进一步规范化,保险范围和险种结构不断拓宽和优化,保险业已经初具规模。
从1980年到2007年,保费收入由4.6亿元上升至7 036亿元,保险深度由0.1%上升至2.82%,保险密度由0.47元上升至532.5元,增长十分迅速。尽管如此,我国的保险业还存在着诸多不可忽视的问题:一是保险密度和保险深度绝对量太小;二是险种结构不尽合理。人身保险需求中的人寿保险比重过大,健康保险和意外伤害保险比重过小;财产保险需求中的机动车辆及第三者责任保险企业财产保险和货物运输保险三大传统险种长期保持在80%左右的份额,其他险种如家庭财产保险责任保险农业保险的需求不够旺盛;三是保险需求的地区差异明显,东部发展较快,中西部相对落后。这与我国地区经济发展的不平衡是分不开的。
一、基本理论回顾
从宏观方面看,保险需求的影响因素主要源于对群体保险需求总量的研究。
保险需求总量一般以保险费收入来衡量。假定保险价格相对稳定,或者说保险价格对保险需求影响比较微弱,那么保费收入与保险需求总量成正比关系。一般认为,影响保险需求总量的因素可以分为“内生”和“外生”两类,其中内生变量由需求方程Xd=f(p,v)决定,p表示价格变量,y表示收入变量。外生变量是影响保险需求的外部环境,不由保险市场供求双方力量决定,如财政政策、货币政策、收入分配政策等,这些外生变量直接或间接地作用于内生变量,从而引起保险需求的变化。
国内有不少学者也从宏观层面对保险需求做了定量分析,他们更多地将分析集中在国内的保险市场。结果表明,保险增长源于保险业自身的扩张国民可支配收入增长和市场经济体制改革。
二、我国保险业现状的分析
(一)我国保险业发展现状
我国保险业发展的突出特点是增长率高,保费收入从1980年的4.6亿元上升至2006年的7 036亿元,年均增长率为32%,年几何平均增长率为31.2%。与此同时,国内生产总值1980―2007年的年平均增长率为17%,年几何平均增长率为15.9%。我国保费收入大大高于国内生产总值的增长速度。
我国保险业的起步阶段,保费收入还处于较低的水平,1992年人均保费只有17.5元。这是因为我国刚开始进行改革开放,国民收入依然处于一个较低的水平,1980年的恩格尔系数达到56.9,居民可支配收入除了满足最基本的生活需求后,能够用于投入保险的部分很少,即存在自然需求但无法形成有效的保险需求。
从1992年到2002年,保险业呈现出较快的增长势头,市场竞争格局逐步显现。保费收入从1992年的205.1亿到2002年的3 053.1亿元,增长幅度达到1488.6%,比同期国内生产总值的增长幅度447%高出很多。2002年至今,由于银行保险的发展,保险产品的创新尤其是寿险产品方面,保险营销方式的改进,国民保险意识的增强,国民经济继续快速稳健的发展,都导致我国的保费收入快速增长。保险产品作为一种新的投资渠道使人们在获得保险保障的同时能够得到一定的收益,分红险万能险以及投资连接险的出现分流了银行储蓄,流入保险业的资金大量增加。另外,加入WTO以后,外资保险公司的进入加剧了保险市场的竞争,加速了保险市场的细分,进一步挖掘了潜在保险产品的有效需求。
(二)我国保险业目前存在的主要问题
尽管我国保险市场需求呈现扩张趋势,但其背后仍存在着不容忽视的问题,我国保险深度近几年来似乎出现了“瓶颈”,这说明了我国保险业确实存在着一定的问题。
1.供给主体数量不足。尽管我国保险公司的数量、规模都有较大发展,但与其他发达国家相比,仍属落后。目前,我国大陆共有开业保险公司22 家,而美国有5 000 多家,香港有230 多家。这样的供给不足状况一定程度上抑制了保险需求。
2.开发新险种不足。险种单一、范围相对狭窄是我国保险市场由来已久的问题。长期以来,我国保险对象主要停留于财物的物质毁损上,责任保险、信用保险的比重很小。很多保险公司在新险种的开发问题上重视不够,使人们潜在的保险需求没有现实保险商品与之对应。
3.保险中介机构不足。保险中介作为保险公司与投保人沟通的桥梁,在解释条款、保证被保险人利益、提高效率、减少纠纷等方面都起着积极作用,但目前我国保险中介严重缺位。
三、保险需求影响因素的分析
在传统的保险理论中,影响保险业规模发展的宏观环境影响因素主要有:一是经济发展状况财富积累和人民生活水平等因素;二是社会文化结构传统习俗消费观念以及法律法规等因素;三是保险的替代因素,如社会保障制度政府和社会的扶助措施等。主要包括以下要素。
(一)收入水平
自改革开放以来,我国经济一直保持了较快的增长速度。与此同时,居民的收入水平也呈现了较快的增长,从1980到2007年,城镇居民家庭人均可支配收入从477.6元增长到13 785.8元,农村居民家庭人均纯收入从191.3增长到4 140.4元。
实证经验表明,收入水平的提高会引起保险需求的增长。吴江鸣林宝清(2003年)的实证结果发现,加权个人可支配收入对人身保险保费收入有十分重要的影响,两者呈正相关关系。
(二)储蓄存款数量和利率水平
依据生命周期或持久收入假说的基本观点,储蓄是未来的消费。即让渡即期消费权,取得价值增值的收益权。于是通过银行储蓄和保险投资方式,均是为了达到资产的保值增值,以满足远期的消费需求。此时,随着收入增加,储蓄和保险需求两者均增长。当人们注重储蓄的预防,特别是对未来经济收入预期和未来收入的不确定性的效应时,这点与保险应对经济不确定性因素的方法相似,两者功能具有替代性。
从我国具体情况看,1980年到2007年间,我国城乡居民人民币储蓄存款余额从399.5亿元增加到172 534.2亿元,保费收入占居民储蓄存款余额的比重由1.15%增加到4.08%,说明保费收入增长超过储蓄的增长。对于保费收入和储蓄的替代关系,栾存存(2004)认为,尽管我国的储蓄存款对保费收入的影响不大,但是,保费收入增长率与储蓄余额增长率负相关成立。
(三)通货膨胀水平
通货膨胀对于保险业规模有着重要的影响。由于通货膨胀降低货币的购买力,因而也就降低了保险产品的实质保障,使保险产品的消费者所得到的补偿不能或不能完全达到当初所设定的目标。因此,当通货膨胀率较高的时候,人们对保险产品的需求将会受到抑制。
(四)人口总量及其结构
首先,人口总量决定了保险购买力总和以及保险需求的潜力。其次,家庭结构小型化趋势使保险功能凸现。我国平均家庭户的人口已由1982 年的4.51下降为2002年的3.39 人。再次,人口老龄化和人口预期寿命的延长会增加对寿险的需求。一般而言,人口的平均预期寿命越长,往往会增加对养老保险、年金等储蓄型寿险的购买。
(五)保险意识及教育水平
作为一种科学的风险管理工具,保险必须首先要被人接受才能发挥出应有的作用,因此一国国民风险意识尤其是树立运用保险机制来管理风险的意识对于保险业的发展也起着重要的作用。
(六)政策及法律环境
由于保险经济关系的成立往往要以保险合同为载体,因此立法制度法律体系对保险业有着重要的影响。在国际上,凡是立法较早法律体系健全国民法律意识较高的国家,对保险的需求普遍越大。
(七)社会保障水平
我国特殊的社会保障制度是影响我国保险业发展的重要因素。在二十余年市场化的改革进程中,政府及国企主导经济,逐渐让位于多元化的市场力量。中国GDP 的增长主要来自于非国有经济。民营企业、集体企业与三资企业的迅猛发展为中国GDP 的增长做出了主要贡献。然而,这三类企业的职工却缺乏传统国企职工那样的社会保障。
四、实际保费收入的回归分析
现阶段中国保险业的高速发展,不仅是我国经济高速发展的结果,也是我国社会经济体制转型的产物。因此,我国保险业的发展既具有各国保险业发展过程中所存在的共性,又具有我国经济体制转轨时期的特性。结合上述保险需求中影响因素的分析和我国的特殊情况,在既兼顾到统计资料查找的可能性,又不违背经济理论原则的基础上我们对现阶段中国保险业供需模型作如下假定,并进行研究和分析。
(一)变量的选择
1.被解释变量的选择
被解释变量:实际人均保费收入即实际保险密度(Y)=人均名义保费收入/商品零售价格指数。保险需求总量(即保险总金额)是保险商品的使用价值量指标,在假设保险费率相对稳定时,则保险费收入与保险需求总量成正比,保险费收入的规模和速度反映着保险需求总量的规模和速度,并且保险密度在某种程度上更能精确地反映保险需求的信息,所以选取保险密度作为保险需求的近似替代。对于保费收入数据的处理:由于1995年之前一直把保险业储蓄金收入作为保费收入,此后才将储蓄收入剔出了,所以应当将1980―1994年的保费收入减去储蓄金收入,这样调整后将使得数据前后具有可比性。关于这一变量的处理是参照栾存存2004年在《中国保险业增长分析》中的经济研究。
2.解释变量的选择
一般认为,影响保险需求的变量可分为两组:
第一组为内生变量:
(1)价格变量(即微观证明中的保险费率)。就保险商品而言,其价格就是费率。一方面,财产险与人寿险的费率决定原理不同,财产险是以大数法则为基础,通过损失或然率的计算厘定;而人寿险是以生命表和预定年复利率为基础,利用精算的技术手段厘定。另一方面,不同险种间的费率也参差不齐。因为,无法以合适的变量来衡量价格。
(2)收入变量(即微观证明中的财富收入水平因素)。实际国内生产总值(用GDP来表示)=国内生产总值/商品零售价格指数,与国内生产总值具有较强替代性的变量有人均居民储蓄存款人均可支配收入等,考虑到除了居民个人购买保险外(主要体现在居民可支配收入影响上),还有企业购买保险对外贸易也有相当一部分的保险需求,而国内生产总值则涵盖了这些方面,所以选择以实际国内生产总值作为解释变量。
第二组为外生变量:
(1)保险意识。可在以下两个变量之间进行选择:
①实际全国财政预算内教育经费支出(用EB来表示)。作为一种科学的风险管理工具,保险必须首先要被人接受才能发挥出应有的作用,因此一国国民风险意识尤其是树立运用保险机制来管理风险的意识对于保险业的发展也起着重要的作用。
②普通高等教育毕业生人数(GRA)。高等教育毕业人数的增长显示出高素质人口的数量在增加,进而保险意识会有所提升,但考虑到GRA还代表着人们对教育的投入,在收入水平相对并不宽裕和高等教育投入占家庭收入比重过高的条件下,对高等教育投入的增加意味着其他需求会相应缩减,这当然包括保险需求。GRA的增长一方面代表保险意识的提升进而带动保险需求的扩展,另一方面代表教育投入的增加进而“排挤”保险需求(即微观分析中的消费储蓄因素),两方面作用的大小有待于实证分析。
(2)收入分配差距:城镇居民可支配收入/农村居民纯收入(用UR来表示)。决定消费者保险需求的因素除了经济发展水平以外,还与收入分配的公平性密切相关。考虑到我国特殊的城乡二元结构,所以引入收入差距作为解释变量。
(3)恩格尔系数。恩格尔系数表示食品开支占整个可支配收入的比例。保险产品作为奢侈品而言,只有当收入水平达到一定的程度,人们才会将潜在需求转化为真正的现实需求。所以设其变量为ENG。
(4)利率水平:用R表示。利率水平的高低是决定金融资产价格的重要因素,对保险产品而言,利率升高,一方面,对储蓄型保险产品而言,其现值降低;另一方面,银行存款利息增加也会对保险产品的需求产生替代效应。
(5)市场模式。拟设立虚拟变量Dl:
D1=0,t=1980,1981,…1993,我国保险市场垄断程度较为严重时期;
D1= l,t=1994,1995,…2006,我国保险市场竞争较为活跃时期。
(6)产品创新:用虚拟变量D2来表示。
设D2=1,t=200120022003年;
D2=0,t=1980,1981…2000,2004,2005,2006。
(二) 模型的构建
令LY=Ln(Y),LUR=Ln(UR),LEB=Ln(EB),LLEB=LEB-LEB(-1),LGDP=Ln(GDP),LR=Ln(R),Leng=Ln(eng)。对各个变量进行单位根检验:
以下我们将用1980―2006年的数据进行建模。
用动态分布滞后模型进行回归:
LYt=0.69LYt-1+0.84LGDPt-0.09LLEBt-0.14LGRAt+0.47LENGt-0.06LURt+0.02LRt+0.19D2-0.014D1-7.71
(1.3.1)
(8.54)(3.04)(-0.24) (-2.18) (0.74) (-0.29)(0.35)(3.09) (-0.21)(-1.8)
1.由上式可知:(1)城乡收入水平(LUR)的差别与保险收入的增加关系不大。(2)在利率(LR)非市场化的前提下,有条件的选择贷款对象和能够最有效率利用资本的真正需求者之间存在矛盾,利率的高低不能有效反应资本供给和需求的关系,进而与保险收入增长之间相关性并不明显。(3)市场化改革前后(D1),1994年前后市场由垄断转变为寡头垄断,进而逐步变成为垄断竞争的市场格局,但是保险收入并没有显著改变,这也从侧面反应了我国渐进式和增量式改革的特点。
2.恩格尔系数(LENG)前的系数t值较小,显著性不强。但并不能说明恩格尔系数对保费收入没有影响。如COV(LENG,LY)=-0.9408。这说明恩格尔系数的下降即食物衣服等必需品占收入的比重下降,这将使得人们有更多的“闲钱”来满足自己更高的品质需求其中当然包括对保费需求的增加,其本质是收入的增加促使人们的潜在保险需求向现实需求的转变。
3.长期来看,实际保费收入(Y)与实际人均国内生产总值(GDP)的弹性关系是正向的,实际人均国内生产总值每增长1%,长期内会引起实际保费收入增长近2.3%,这说明我国保险业是一个极度依赖国民经济增长的行业,正处于超高速增长时期。
4.实际国内生产总值对实际保费收入的影响是十分显著的,说明我国保险业发展是严重依赖于国民经济的发展。
参考文献:
[1] Damian Ward,Ralf Zurbruegg..Does Insurance Promote Economic Growth.The journal of Risk and insurance,2000,vol.67(4),489-506.
[2] Beck,T.and I.Webb.Economic,Demographic,and Institutional Determinants of Life Insurance Consumption across Countries.World Bank Economic Review,2003,vol.17(1):51-88.
[3] Beenstock,M.,Dickinson,G.and S.Khajuria.The Relationship between Property-Liability Insurance Premiums and Income:An International Analysis of Life Insurance Demand.Journal of Risk and Insurance,1998,vol60(4):616-34.
[4] Christian Gollier.The Economics of Risk and Time[M].北京:中信出版社,2003.
[5] Carsten-Henning Schlag.Determinants Of Demand For Life Insurance Products-Theoretical Concepts and Empirical Evidence. Swiss Re Economic Research&Consulting, July 2003:289-314.
[6] 孙祁祥,贲奔.中国保险产业发展的供需规模分析[J].经济研究,1997,(3).
[7] 肖文,谢文武.中国保险费收入增长的模型分析[J].上海金融,2001,(4).
[8] 吴江鸣,林宝清.我国保险需求模型的实证分析[J].福建论坛:经济社会版,2003,(10).
[9] 粟芳.收入对保险需求的影响机制研究[J].江西财经大学学报,2004,(4):13-15.
[10] 栾存存.我国保险业增长分析[J].经济研究,2004,(1).
[11] 彭记德.新疆城乡收入差距对保险需求影响的实证分析[J].新疆财经,2007,(3).
实证分析范文第7篇
【关键词】 FDI 集聚经济 空间滞后 GMM
一、引言
以往很多有关外资集聚的文献将仅外商投资作为一个地理空间上彼此独立的变量加入模型，而忽略掉了不同城市外商投资在空间地理上的相互影响与联系，然而这种经济上的联系是实际存在的，本文在对环渤海经济增长的研究中就克服了以上问题，将空间滞后 （ Spacial Lag ） 因素纳入对影响FDI集聚的考察。另外，FDI的区位选择常同集聚经济，市场规模以及工资等其他变量联系起来，但是FDI自身也具有自我强化的特点 （Self-Reinforcing），忽略这一点虽然也能得到比较显著的估计结果，但是得出的结果并不能真正反映变量之间的真正关系，所以文章同时还将FDI的滞后项考虑在内。
二、外资集聚实证模型
考虑到影响FDI集聚的空间滞后因素以及外商投资滞后项，本文参考了Yanjing Chen， （2009）文中的变量定义，但由于统计资料不足或指标难以量化，本文中省略掉了包括政策，公路密度，交易成本等解释变量。得到如下模型：
方程中下标指的是环渤海某城市，则是被定义为城市的周边邻近城市，则代表2000-2008年的样本年份，回归的数据来自环渤海9个城市，具体包括：北京，天津，济南，威海，青岛，以及大连，沈阳，唐山，石家庄。
是因变量，代表该年城市的流入量。
代表城市化经济。文章用城市人口占该城市总人口的比值来代表该城市的城市化水平即，其中代表的是的城市人口，这里用非农业人口表示，指的是城市的非农业与农业人口总和。
，则分别代表了这个城市邻近周边城市的外商投资集聚即空间滞后项 （Spatial Lag），其中的代表的是城市之间空间距离加权矩阵。这里的邻近周边城市是指在300公里的范围以内的周边城市地区所具有的集聚经济对该城市的集聚产生的影响。加权矩阵具体展开表达为：
其中矩阵对角线上的，，值为0下标11即代表城市自身，在非对角线上，，代表的是第个和第个城市之间的空间关系。通常情况下一般用共同的边界来界定周边的城市，但是本文中的城市大多数都没有共同的边界。因此，一个给定的距离在这里用来定义某城市在空间上周边城市的范围。如果第个城市和第个城市在空间上的距离在此给定的距离 （本文设为300公里） 之内，那么在该矩阵中=1，如果在此距离之外则=0。
本文中利用矩阵加权的变量包括：，。其中代表的是城市市区人口，这里用非农业人口表示，指的是城市的非农业与农业人口总和，第个城市邻近周边城市的城市人口表示为的第行即与的乘积，其中表示的是向量即9个城市市区人口数组成的矩阵。同样的道理利用矩阵可以求得第个城市邻近周边城市的城市总人口，其中代表的是9个城市总人口组成的矩阵，基于此我们就可以计算城市周边城市的城市化经济指标：。
本文中另外两个利用矩阵加权的变量为﹑，其中代表外商投资企业在城市的就业人数，代表该城市全部的就业人数之和。由于外商集聚的地理范围不好界定，外商集聚通常用外商相对集聚程度来衡量，具体表示为该城市外商投资企业雇佣人数与该城市总的工作人数的比值比上该城市所在地区层面上外商雇佣人数与该地区总的企业雇佣人口的比值，从而该城市外商集聚为。
前面关于城市自身的集聚指标中已经用，即外商投资在期的滞后项予以表示，用的滞后项来表示城市集聚也能够体现出外商投资自我强化的特点（Self-Reinforcing Effect），这里参照Yanjing Chen， （2009） 中的处理方法，将体现城市外资集聚的指标用该城市外商直接投资的滞后项所代替。
基于此方法，我们就可以计算该城市邻近地区的外商集聚指标：。
三、实证检验结果
文章实证部分采用广义距估计即GMM估计方法，由于普通GMM对数据进行处理时对样本的要求较高，本文中使用的数据为小样本，在时间跨度以及个体数量上都难以满足要求，所以这里采用系统广义矩（System GMM） 对数据进行分析。
表1是通过Stata程序xtabond2 所得系统GMM回归结果，但是由于这里GMM估计的有效性会受到小样本的影响，因此在列出GMM估计结果的同时还列出了固定效应模型 （Fixed Effect Model） 和混合OLS （Pooled OLS） 模型的估计结果以供参考：
b.回归结果中对Pool， Fixed effect， One-Step GMM分别做了在不存在WFS， WUE空间滞后项时的结果以及存在WFS， WUE这两个空间滞后项时的结果；在图表中括号中列出的为变量的t统计量，***，**，*分别代表1%，5%，10%的水平上显著；在图表底部相关检验中对Pool和Fixed Effect列出了衡量拟合优度的R2值，对GMM回归结果的检验则列出了一次差分扰动项的一阶自相关性项AR（1），二阶自相关性项AR（2）的P值， 以及Sargan检验的P值；Sargan检验的零假设（Null Hypothesis）是工具变量约束有效。
GMM检验的结果中Arellano-Bond （ Arellano and Bond， 1991） 的AR统计量检验的是一阶差分残差序列的一阶，二阶自相关性，其零假设为残差序列不存在自相关，从回归结果中可以看到GMM的AR（1） 分别在0.182和0.177的显著性水平上接受零假设，即存在自相关可能性很大，而GMM的AR（2） 项都可以分别在0.649和0.718的较高水平上接受残差序列不存在自相关的零假设。 Sargan检验是为了观察GMM是否存在过度识别约束（Over Identifying Restrictions），其零假设为工具变量约束有效，从而说明选取的工具变量是合适的。从结果中可以看到，Sargan检验P值分别在0.354和0.261的水平上接受工具变量约束有效的零假设，这很大程度上说明GMM回归中选择的工具变量是合理的。
从GMM回归的结果中我们可以看到，作为解释变量的滞后一期的外商投资集聚指标FDIt-1的显著性很高，从而说明外资在城市的集聚可以促使外商在该地区更进一步的投资和集聚。
回归结果中另外一个重要的结论是UE城市化对于外商投资的区位选择具有显著影响。城市化水平所涉及的方面不只是城市化率UE即城市人口与城市总人口的比率，城市化还包括良好的基础设施，通讯交通便利程度等。
模型中另外两个解释变量即邻近城市外资集聚水平WFS，邻近城市城市化水平WUE对于城市自身的外资集聚效应不显著，若将城市视为外资集聚水平较低的一方，即便其邻近周边城市城市化率指标WUE水平较高，在较长的一段时间内外资不会在城市集聚。
人均GDP对外资集聚有显著影响，人均GDP高在一定程度上说明该城市具有较大的市场潜力，尤其是对于那些不以海外出口为导向的水平外资企业 （Horizontal FDI） 来讲，首先，就近销售能够将产品到当地可以节省交通运输费用，其次，从市场规模较大的城市生产，把产品销售到周边的地区对自身更有利。
WAGE工资就是一个由于集聚而导致的一个分散力，这就不难理解文章回归结果中解释变量工资指标WAGE与被解释变量FDI集聚之间的反方向作用。许多环渤海城市普遍生产附加值较低的初级产品，对于工资水平十分敏感，工资水平这决定了该类企业在市场上的去留。
四、结论
环渤海地区城市之间在外资集聚方面的相互影响不大，外商投资区位选择主要是来自于对该城市自身因素的考虑。
环渤海城市外商投资差距主要来自于城市自身城市化水平以及市场规模的差异。对于那些城市化程度高，市场规模大的城市，他们可以在最初吸收大量的外资，增加FDI存量，从集聚经济中受益。为了在竞争中取得外资集聚优势，那些落后的城市应该一方面从城市化水平入手，提高城市交通，通讯等基础设施，服务设施，同时提高城市环境质量，另一方面努力发展经济，提高本市市场规模。
参考文献
[1]Elitza Mileva， 2007， Using Arellano–Bond Dynamic Panel GMM Estimators in Stata： Tutorial with Examples using Stata 9.0 （xtabond and xtabond2）， Economics Department Fordham University.
[2]Madariaga， N. and S. Poncet， 2007， FDI in Chinese cities： spillovers and impact on growth， The World Economy.
[3]Roodman， D.， 2006， How to do xtabond2： An introduction to difference and system GMM in Stata， Center for Global Development working paper.
[4]Shanzi Ke， 2009， Agglomeration， productivity， and spatial spillovers across Chinese cities， Springer.
[5]Yanjing， C.， 2009， Agglomeration and location of foreign direct investment： The case of China， China Economic Review.
实证分析范文第8篇
关键词：买壳上市；壳公司；买壳交易
2002年我国上市公司收购活动发展迅速，截止2002年末共披露172起上市公司控制权转移的并购事项，其中有89家获得财政部批准或已办理股权过户手续。我们以2003年6月30日以前是否发生资产交易为标准共选择29个样本进行分析得出如下结论：
1． 壳规模越来越大。2002年买壳案例中出现了大量的大宗交易。在18个有效样本中（满足直接收购上市公司股权且每股净资产大于1元上市公司）交易金额大于1亿元的达到10家，最高的浦东不锈的股权转让总额达到了创记录的11.45亿。而从平均数来说达到了2.18亿元，大于2002年整个股权转让的平均金额2.02亿元。其原因主要是：一批有实力的强势企业的内在需求要求它们去整合，不断提升自我竞争实力。另外股本数额大的公司再融资有优势。
2． 操作类型多而集中。2002年收购方式的突出特点是没有无偿划拨形式。原因如下：转轨时期的国有企业的利益主体不一致，即使股权转移发生在国有企业之间，一般也需要进行支付；另一方面，并购市场上的无偿划拨主要是地方政府为了进一步整合资源、加强管理而采取的，而买壳主要为了实现间接上市。因此，壳很少采取无偿划拨的形式。
此外，购买母公司的股权的收购方式将有很大的发展空间。本期发生4起购买母公司股权形式占总数的13.85%，是由于该形式有利于避开过多的市场关注，更有效地处理企业上市中的遗留问题，而我国不成熟的市场体制，更为这种交易留下了土壤。
3． 壳公司特点。（1）业绩并非一律差。通过调查，我们发现本期被ST或PT的壳公司共有9家，占31%；其余的20个样本中，共有13家公司的净资产收益率为正数，且有5家该指标大于5%。此外，壳公司的资产负债率普遍较低。在所有壳公司中，有12家低于35%，最低仅为1.4%，是典型的净壳公司，这说明买壳者在选择目标时更理性。（2）壳公司多集中于欠发达地区。并购说明有实力，被收购说明有价值，对买壳上市更是如此。从经济区域看，共有18家壳公司分布在经济欠发达地区，占总数的62%，其余的38%分布在经济发达地区。这也印证了欠发达地区上市公司平均赢利能力较差，容易被作为壳公司而遭到收购。并且，四川、上海、北京三地的壳公司数量最多，也反映了老上市公司是壳公司的最主要的来源。（3）行业多分布于传统制造业。壳公司有较突出的行业特征：化工行业4家，纺织服装2家，冶金机械3家，商贸旅游酒店等服务型行业达到7家公司，综合性公司5家，电子通信3家，其它行业5家。从行业分布看，传统的制造业是壳资源比较集中的领域，而科技类企业由于行业不景气等原因成为壳资源新的发源地。
4. 买壳公司的特点。（1） 买壳公司多集中发达地区。从经济区域讲，买壳公司共有21家分布在经济发达地区，占总量的72%，说明了买壳者有很强的经济实力。上海以6家名列榜首，证明上海是中国最具活力的地区。2002年广东省壳公司仅有一家，买壳公司达到4家，说明广东上市公司质量普遍较高，未上司公司利用资本的愿望迫切。在不发达地区中四川共有4家买者，3家是购买本省的壳公司，说明买壳上市行为中地方政府推动因素的作用非常大，当地政府担心壳资源流失而人为地设置地区壁垒的情况很严重。（2）买壳公司大多为有实力的民营企业。8月15日，财政部批准了方向光电国有股权转让一案，标志着关闭了两年的“国转非”大门重新向民营企业开放。9月28日，管理层又出台了《上市公司收购管理办法》，明确规定各类主体都可以参与到上市公司的股权收购当中。沉寂多年的民营企业上市劲头由此爆发。2002年买壳交易中买壳公司是民营企业的共有24家，占83%，大于同期并购市场的51.2%的比例。
5． 转让溢价低。在18家有效样本中（每股净资产大于1元且有购买价格）仅有一家转让溢价率为负。这主要由于财政部明确规定国有股向民营企业转让价格不低于净资产，并且不同的国有主体具有不同的利益。在另外的17家正转让溢价样本中，平均转让溢价率为18.71%，大于2002年股权转让的平均转让溢价率10.71%。从绝对数看共有16家中转让溢价小于1元，而平均转让溢价为0.38元。这些说明当前买壳重组已转为理性行为，二级市场不再盲目追捧重组题材，从而减少了使其获得短期大幅度升值效应的机会。而相对较高的转让溢价率，其原因主要是壳公司一般都财务状况差，净资产低。当然，由于股权转让大多以协议的方式进行，参与竞争者较少，因此不排除国有资产低价转让的发生。
6． 转让比例相对集中。2001年以来，证监会严格限制了豁免民企要约收购。本年度的20家以购买股权的手段买壳交易中有5家持股股份超过总数30%。但是这5笔交易中都是国有股本之间的转移，很可能获得证监会的豁免，事实上它们也确实获得了豁免。其余的15家持股股份都小于30%， 14家分布在20%~30%之间 。持有30%以下的股份主要是因为民营企业为了避免要约收购。持有大于20%的股份主要为了保证相对控股，从而保持足够的话语权，更有利于日后进行资产交易。
一、对壳公司资产整合的分析
由于资产整合晚于股权买卖，因此本文截取了至2003年6月30日相关的资产整合资料进行实证分析，我们发现资产整合有以下特点： 1． 公司改名成时尚。名称是一个企业的标志，新的控股股东的进入往往伴随着名称的改变。在全部29个样本中，共有12家占41%的上市公司变更了公司简称。变更后的名字充分体现了新控股股东的名称或其主营业务，从而达到充分利用上市公司扩大自己的知名度的广告效果。
2． 治理结构彻底变化。调整壳公司的治理结构是买壳上市的题中之意，因为这是对壳公司进行资产整合的前提。29个样本中治理结构发生彻底变化的共有27家，占总数的93%，而其余的两家也发生了重大的变化。通过改变壳公司的治理结构可以解决壳公司经营管理中存在问题，这也是买壳者花费巨资购买壳公司的股份取得权力的表现。