计量报告-大学生人数增加

关于我国大学生在校人数增加原因的分析关于我国大学生在校人数增加原因的分析 一、研究背景一、研究背景 过去的 20 多年来，中国教育实现两大历史性跨越。第一是实现了基本普及 义务教育， 基本扫除青壮年文盲的目标；第二是中国高等教育开始迈入大众化阶 段，高教毛入学率达到 17%。从 1998 年开始的高等教育持续地实施扩招，2003 年全国国内高等教育规模已经达到 1900 万人，使在校人数规模位于世界首位， 使高等教育的毛入学率从 1998 年的 9.8%提高到 2003 年的 17%，按照联合国教 科文的口径， 中国高等教育已经迈进了大众化的阶段。普通高校在校生作为纯消 费者， 其人数的变化会直接或间接地带动着整个经济的发展，特别是近几年高校 不断扩招， 大学生人数急剧增加，引发了政界及学者各方面人士就高校学生人数 对整体经济、物价指数等各项经济指标影响的关注。从这个意义上看，普通高校 在校大学生人数背后与宏观等经济变量隐含着较高的相关性和可比性。 特别是， 随着我国的经济发展， 教育资源的丰富以及人民对教育问题的重视， 特别是大学扩招政策的实施，近些年来，我国大学生入学率不断升高，在校大学 生人数激增。 在大学生在校人数增加的背后，有哪些因素起着重要作用？本文以 我国在校大学生的人数为研究对象，以教育经费、招生人数、居民收入等变量为 解释变量，建立模型。通过实证分析研究我国大学生在校人数增加的主要原因， 并提供建议。 二、所研究问题的变量选择及数据说明二、所研究问题的变量选择及数据说明 研究对象是大学生在校人数，即对当前各大高校在校人数的统计，由于是某 一时点的统计， 因此范围包括已入学的大一学生和尚未毕业的大四学生。但是单 纯的大学生在校人数统计，是一个绝对量，在这里选取衡量大学生在校人数的指 标为：普通本、专科在校学生数(万人)，也就是本文的被解释变量 Y，同时涵盖 了本科、专科的在校学生数。 一般来说， 对大学生在校人数多少有一定关系的影响因素包括高校数量、教 育投入、招生人数，普通家庭的收入也有一定的影响作用，因为收入较高的家庭 就会重视孩子的教育，并且可能为孩子上大学提供较为良好的条件。本文就以普 通本专科学校招生人数（X1） 、城镇家庭平均每人可支配收入（ X2） 、普通高等学 校数为解释变量（X3） ，来研究大学生在校人数的影响因素。 本文选取上述变量的 1988-2014 年间的年度数据来作为研究样本， 数据来源 于中经网数据库，通过收集获取的数据见： 1、本文研究所选定的变量及数据 普通本、 专科在普通本、 专科学城镇家庭平均每人可 支配收入(元) 739.1 900.9 1002.1 1180.2 普通高等学校 数(所) 1016 1054 1063 1075 校学生数(万人)校招生数(万人) 170.3 188 195.9 206.6 61.9 57.2 61.7 67 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 208.2 206.3 204.4 218.4 253.6 279.9 290.6 302.1 317.4 340.9 413.4 556.1 719.1 903.4 1108.6 1333.5 1561.8 1738.8 1884.9 2021 2144.7 2231.8 2308.5078 59.7 60.9 62 75.4 92.4 90 92.6 96.6 100 108.4 159.7 220.6 268.3 320.5 382.2 447.3 504.5 546.1 565.9 607.7 639.5 661.8 681.5009 1373.9 1510.16 1700.6 2026.6 2577.4 3496.2 4282.95 4838.9 5160.3 5425.1 5854 6279.98 6859.6 7702.8 8472.2 9421.6 10493 11759.5 13785.8 15780.8 17174.7 19109.44 21809.78 1075 1075 1075 1053 1065 1080 1054 1032 1020 1022 1071 1041 1225 1396 1552 1731 1792 1867 1908 2263 2305 2358 2409 对于上述数据分别做 Y、X1、X2、X3 的散点图，得到： 2,400 2,000 1,600 1,200 Y 800 400 0 0100200300 X1 400500600700 2,400 2,000 1,600 1,200 Y 800 400 0 04,0008,00012,00016,00020,00024,000 X2 2,400 2,000 1,600 1,200 Y 800 400 0 1,0001,4001,800 X3 2,2002,600 图 1Y、X1、X2、X3 的散点图 通过散点图可以看出，Y、X1、X2、X3 都存在着一定的相关关系，所以可以 考虑采用线性回归模型去拟合该数据，并进行分析。 三、构建模型并进行回归分析 根据上述定量分析，模型设置如下： Y  0  1X1  2 X 2  3 X 3   -479.09402.2635X +0.5094XY 13 t= (-7.7913) (15.0321) (7.1903) 22R  0.9975 修正R  0.9973 F  4745.05 DW=1.12 从结果可以看出， R-squared 为 0.9979， 拟合效果很好， 解释变量显著， F 统 计量的值也很显著，说明方程整体是很显著的。对于解释变量的 t 统计量，可以 根据 p 值来判断，一般情况下，p 值小于 0.05，则说明该变量的系数估计值较为 显著。由上表可以看出，本模型的各个解释变量的估计系数均显著。 四、各种检验与修正 为了更好地分析模型的实证效果， 本文对该模型的估计结果进行各种相关检 验。 1、多重共线性检验 2、序列相关 伴随统计量小于 5.991，伴随概率大于 0.05，所以不存在序列相关 3、异方差性检验： 使用 White 异方差检验法进行检验，得到下面的检验结果： 使用怀特检验检验法，由查表得伴随统计量大于 11.07，伴随概率小于 0.05 所以有异方差。设权重 1/x1 来消除异方差。 无法确定是否存在异方差。 4、序列相关检验及修正 当解释变量个数为 3，样本量为27 时，德宾－沃森ｄ统计量在0.05 显著性 水平上的 dL 和 dU 的显著点分别为： dL＝0.632, dU=2.303,4-dU=4-2.303=1.697。 由 Eviews 回归结果可以看出， 该模型中 DW 统计量=1.12， 该值位于不确定区域， 下面对模型进行修正：采用广义差分法对模型进行修正 五、结论五、结论 根据上述的得到的模型最终结果，我们对结果进行