1、应届毕业生报考研究生人数变动的计量分析应届毕业生报考研究生人数变动的计量分析穆利勇40420029物流管理引言部分改革开放以来，中国的教育事业取得了长足的发展，各项教育指标都较以往有了很大提高，受教育的人数也是逐年上升，文盲比例直线下降。随着有知识、有文化的人数的不断增加，中国的经济也随之高速发展，众多毕业生们在各行各业上表现都十分出色，取得了一系列令人瞩目的成就。但是,经济的发展也要求更多高学历、高素质人才的不断涌现；再加上由于最近几年本科就业压力越来越大,据参考消息报道，预计今年的将会有 60%的高校毕业人数面临失业的状态。所以，由于上述因素的存在，越来越多的本科生选择进一步深造读研，为的
2、是今后在就业市场上更能凸显自身优势，同时也能为我国今后的经济建设发展注入新的活力。二、研究目的本文主要对中国在校研究生学生总数（应变量）进行多因素分析（具体分析见下图） ，并搜集相关数据，建立模型，对此进行数量分析。在得到在校研究生学生总数与各主要因素间的数量关系后，据模型方程中的各因素系数大小，分析各因素的重要性，究竟是什么因素在对在校研究生人数变动方面起着关键作用，并以此针对未来研究生人数变动走向来提出我们的建议。影响在校研究生学生总数变动的主要影响因素如下图：人均 GDP 这是影响在校研究生学生总数的一个重要因素（读研是一个不小的成本，只有拥有了一定的经济基础才有更多的机会深造）人口总数
3、 这也是影响在校研究生学生总数的一个重要因素（可以说是影响它的基础源泉）失业人口数 这是影响在校研究生学生总数的一个直接因素（正是由于失业率高，才会有更高的人选择考研，将强自身就业砝码）普通高等学校数 这是影响在校研究生学生总数的一个不小的相关因素（正是有了更多的高等学校的出现，才可以允许更多的人参与考研）注：1.由于其他因素或是不好量化，或是数据资料难于查找，故为了分析的简便，这里仅用此四个因素来进行回归分析。2我们觉得失业率的高低更能说明问题，但是由于失业率是个比较敏感的数字，所以在数据上根本找不到，我们就只能采取失业人口数来代替失业率。三、建立模型Y=+1X1+2X2+3X3+4X4 +
4、u其中，Y在校研究生总数（应变量） X1人均 GDP （解释变量） X2 人口总数 （解释变量） X3 失业人口数 (解释变量）X4普通高等学校数（解释变量）四、数据搜集数据说明在这里，使用同一地区（即中国）的时间序列数据进行拟合。 数据的搜集情况采用 19986110371963107507264.4105419881127761366111026296.21075198118517420.11065199412793540441198198093989612336129986 2005Included observations: 20VariableCoefficientStd. Erro
5、rt-StatisticProb. X4621.334846.7225613.29839） + 270775.151（369252.8）（0.733306）R2=0.996048 Adjusted R-squared =0.994994 F=945.1415 DW=1.596173可见，X1, X2, X3, X4 的 t 值均是显著的，表明人均 GDP、人口总数、城镇登记失业人口数、普通高等学校数都是影响在校研究生学生总数的主要因素。模型可决系数为 0.996048，修正可决系数为 0.994994，都比较大，说明模型的拟合程度较高，而 F 值为 945.1415，说明模型总体是显著的。另外
6、，X1, X4 的系数符合经济意义，但 X2, X3,的系数不符合经济意义，因为从经济意义上讲，在校研究生的总人数应该都是随着人口总数（X2）增加而增加的，而且由于失业人数的增多，也会有越来越多的人选择读研，所以说失业人口总数与研究生人数应该是正相关的关系。由于 X2, X3 的系数符号与预期相反，这表明可能存在着严重的多重共线性。2.计量经济学检验 （1）多重共线性检验用 EVIEWS 软件，得相关系数矩阵表：x1x2x3x4x110.9421990.980.616487x30.9810.776181x40.8020950.6164870.7761811由上表可以看出，解释变量 X1 与 X
7、2, X3, X4 之间高度正相关，X2 与 X1， X3 之间高度正相关，可见存在严重的多重共线性。下面用逐步回归法进行修正：用 OLS 法逐一求 Y 对各个解释变量的回归：Y 对 X1 回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/22/07 Time: 12:54Sample: 198Log likelihood-259.3741F-statistic91.02316Durbin-Watson stat0.129358Prob(F-statistic)0.000000Y = 60.21976901*X1 - 61096
8、.25048（6.311944） （42959.23）t = (9.540606) (-1.422191)Adjusted R-squared=0.825725 F=91.02316Y 对 X2 回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/22/07 Time: 12:57Sample: 1987660.0003R-squared0.562668Mean dependent var275872.5Adjusted R-squared0.538371S.D. dependent var261975.3S.E. of regr
9、ession177994.6Akaike info criterion27.11153Sum squared resid5.70E+11Schwarz criterion27.21111Log likelihood-269.1153F-statistic23.15862Durbin-Watson stat0.151849Prob(F-statistic)0.000140Y = 27.05878289*X2 - 2993786.354( 5.622791) (680596.9)t = (4.812340) (-4.3986 2005Included observations: 20Variabl
10、eCoefficientStd. Errort-StatisticProb. X31231.660161.90457.6073240.0000C-371863.790051.37-4.1294610.0006R-squared0.762756Mean dependent var275872.5Adjusted R-squared0.749576S.D. dependent var261975.3S.E. of regression1310986 2005Included observations: 20VariableCoefficientStd. Errort-StatisticProb.
11、X41053.52065.8594815.996480.0000C-964699.879072.71-12.200160.0000R-squared0.934280Mean dependent var275872.5Adjusted R-squared0.930628S.D. dependent var261975.3S.E. of regression69000.33Akaike info criterion25.21625Sum squared resid8.57E+10Schwarz criterion25.31582Log likelihood-250.1625F-statistic2
12、55.8874Durbin-Watson stat0.485113Prob(F-statistic)0.000000Y = 1053.519847*X4 - 964699.7964(65.85948) (79072.71)t = (15.99648) (-12.20016)Adjusted R-squared=0.930628 F=255.887逐步回归。将其余解释变量逐一带入上式中，得如下几个模型：Dependent Variable: YMethod: Least SquaresDate: 06/22/07 Time: 13:53Sample: 1988016Mean dependent
13、var275872.5Adjusted R-squared0.988Durbin-Watson stat1.093701Prob(F-statistic)0.000000Y = 714.1694264*X4 + 25.58237739*X1 - 708247.7381（48.45708） （2.930053） （45496.23）t = （14.73818） （8.731029） （-15.56718）Adjusted R-squared=0.988Dependent Variable: YMethod: Least SquaresDate: 06/22/07 Time: 14:00Sample: 1986 2005Included observations: 20VariableCoefficientStd. Errort-StatisticProb. X4886.358455.5267015.962740.0000X28.9740911.8377224.8832690.0001C-1852247.189180.7-9.7908860.0000R-squared0.972648
