淺析企業大數據影響與經濟發展關系范文

本站小編為你精心準備了淺析企業大數據影響與經濟發展關系參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要：文章以工業企業大數據影響因素1998—2016年的數據為樣本，建立面板數據模型，分析不同的經濟發展變量對不同的企業大數據的影響差異性。結果表明：人均國內生產總值對資產和利潤，人均工業生產值對全部影響因素，城鎮人口所占比例對利潤、稅費、成本和收入影響顯著，其他影響則不顯著；人均國內生產總值對企業資產、利潤和稅費，人均工業生產值對全部影響因素，GDP年均增長率對利潤、成本和收入，城鎮人口所占比例對利潤、稅費、成本和收入的影響是正向，其他影響則是負向。

關鍵詞：企業大數據；經濟發展；面板數據模型

引言

企業大數據影響因素是衡量一個企業的重要因素，如企業財務相關數據（資產、銷售、所有者權益、成本等）都反映了一個企業經營的方方面面。企業大數據的好壞跟所處的社會壞境有關，如社會的政策環境和社會的經濟壞境等[1-3]。研究企業大數據影響因素與經濟發展水平的關系，可以有助于企業提升自身的競爭力，使企業越辦越好。關于企業大數據影響因素的研究，主要集中于企業數據質量和影響企業數據質量的各種可能的因素方面[4]，如董曉萌[5]認為統計流程、方法等因素導致了企業數據質量低下。Fernandes和Guedes認為上市公司自身數據較差，可能會影響到其在金融市場上的競爭力，因而公司可能要調整銷售數據[6，7]。Cai和Liu發現工業企業調整收入數據，財務數據出現虛假是由于競爭和避稅導致的[8，9]。Michalski和Stoltz認為企業、國家數據“作弊”有一定的策略目的，與國家的經濟政策和制度環境有關。Gava和Vitiello以巴西的數據證實了宏觀經濟的發展對數據質量有一定的影響[10]。研究結果表明，外部和內部的因素可能會影響到企業的大數據，總體而言研究較少，并且主要采用了傳統的統計、計量方式進行數據質量甄別[11]。本文利用面板數據模型對工業企業大數據影響因素與經濟發展進行研究，選取資產、利潤、稅費、成本和收入5組作為工業企業大數據影響因素和人均國內生產總值、人均工業生產值、GDP年均增長率和城鎮人口所占比例作為衡量經濟發展的指標，建立面板數據模型，分析不同的經濟發展的變量（人均國內生產總值、人均工業生產值、GDP年均增長率和城鎮人口）對不同的工業企業大數據影響因素（資產、利潤、稅費、成本和收入）的影響及其影響的差異性。

1研究設計

1.1指標選取

（1）企業大數據影響因素（QY）。企業大數據影響因素有很多，一般而言分為財務和非財務,財務數據包括（資產、銷售額、利潤、成本等），非財務數據包括（成立年份、行業、地址等）。由于非財務數據與很多因素有關，因此選取財務數據為研究對象，本文選取財務數據中的資產（CAP）、利潤（PRF）、稅費（TAX）、成本（COST）、收入（SALE）5組作為企業大數據影響因素的數據。（2）經濟發展。經濟發展是指一個國家經濟發展的規模、速度和所達到的水準。反映一個國家經濟發展的常用指標有國民生產總值、國民收入、人均國民收入、經濟發展速度、經濟增長速度等等。本文選取人均國內生產總值（PERGDP）、人均工業生產值（PERIND）、GDP年均增長率（AAGR）、城鎮人口所占比例（UPR）作為衡量經濟發展的指標。

1.2模型構建

面板數據模型[12，13]，即PanelData，是指在時間序列上取多個截面，在這些截面上同時選取樣本觀測值所構成的樣本數據。模型表示為：工業企業大數據影響因素與經濟發展的函數為：其中，QY、PERGDP、PERIND、AAGR、UPR分別代表企業大數據影響因素、人均國內生產總值、人均工業生產值、GDP年均增長率、城鎮人口所占比例。將兩邊同時取對數：將函數代入模型中：公式中，i=1、2、3、4、5,表示5個企業大數據影響因素的指標，t為時間，t=1998,1999,2000,…,2016。η、φ、ϕ、ϖ分別為人均國內生產總值、人均工業生產值、GDP年均增長率、城鎮人口所占比例的系數，μit為殘差項。截面截距則采取可變截距的固定效應。

2實證分析

本文以工業企業作為研究對象，選取1998—2016年的年度數據共19個樣本容量。企業大數據影響因素、人均國內生產總值、人均工業生產值、GDP年均增長率、城鎮人口所占比例所有原始數據均來源于《中國統計年鑒》，運用計量軟件eviews構建模型。

2.1描述性統計分析

首先對各個變量進行描述性統計分析，結果如表1所示。時間跨度19年（1998—2016年），每個時間截面上有5個企業大數據影響因素，觀測樣本為19*5=95個。描述性統計分析能反映出各個數據的集中度，Std.Dev.表示一組數據的標準差，Std.Dev.越小說明數據集的離散程度越小，即數據集越集中，從表1中看，LNUPR的Std.Dev.值最小，說明LNUPR組數據的集中度最高，分布最為集中；LNQY的Std.Dev.值最大，說明LNQY的數據集離散程度最高，分布較散。

2.2變量的平穩性檢驗

要檢驗企業大數據影響因素與經濟發展是否是長期穩定的，首先應檢驗變量的平穩性（見表2）。企業質量與經濟發展水平的單位根檢驗結果如表2所示。單位根檢驗是否平穩主要是看是否通過5%的顯著水平下的檢驗，若結果通過檢驗，則平穩，若結果未通過檢驗，則不平穩。從表2中可以發現，LNUPR的四個檢驗結果都通過了5%顯著水平下的檢驗，因此變量LNUPR是平穩的，LN-PERGDP通過了四個檢驗中的兩個，并不能判斷LNPERG-DP是平穩的。同理，LNPERIND、LNAAGR和LNQ三個變量未平穩，故而要對這三個變量做一階差分（見表3）。從表3中可以看出，△LNAAGR和△LNQY的LLC檢驗、IPS檢驗、Fisher-ADF檢驗和Fisher-PP檢驗都在5%顯著性水平下拒絕原假設，因此LNAAGR和LNQY的一階差分是平穩的。而變量LNPERGDP和LNPERIND的一階差分均未通過四個檢驗中的任何一種，所以這兩個變量要進一步判斷是否平穩（見表4）。在二階差分下，變量LNPERGDP和LNPERIND的上述4種檢驗結果趨于一致，通過了5%的顯著性水平的檢驗，也就是說△2LNPERGDP和△2LNPERIND不存在單位根，這兩個變量是平穩的。因此，二階差分后所有變量都平穩，原序列是平穩序列。

2.3面板數據模型的協整檢驗

各個變量均平穩后，應對數據面板模型進行協整檢驗，從而能夠有效地避免模型出現偽回歸的情況，通常采用Pedro-ni(Engle-Grangerbased)面板數據協整檢驗（見下頁表5）。在表5中，組內統計量Panelrho-Statistic在5%的顯著性水平上存在協整關系；PanelPP-Statistic和PanelADF-Statistic在1%的顯著性水平上存在協整關系，說明存在協整關系；且組間統計統計量也僅有Panelrho-Sta-tistic在10%的顯著水平上存在協整關系，而其他兩個統計量均通過1%的顯著性水平的檢驗。因此，可以說建立的數據面板模型存在協整關系。

2.4面板數據模型

根據上述的分析，本文建立的是個體固定變系數面板模型，得出面板數據模型輸出結果如表6所示。表6為變系數面板模型，模型中R2的值為0.99377與1很接近，F值為4346.562，數值也較大，由此來看說明模型的總體擬合效果較好，D-W的效果較好，說明經濟發展能較顯著地影響企業大數據影響因素。

2.5影響因素的差異性

從表6中可以看出人均國內生產總值（PERGDP）、人均工業生產值（PERIND）、城鎮人口所占比例（UPR）和GDP年均增長率（AAGR）對衡量企業大數據影響因素的五種指標的相關系數、標準差、T-統計量和概率P值，這些數值直觀的反應了經濟發展對衡量企業大數據影響因素的五種指標的影響效應。（1）資產（CAP）人均國內生產總值（LNPERGDP）對企業資產的相關系數為1.214476，P值為0.0283，這說明人均國內生產總值對企業資產的影響顯著，且為正相關。人均工業生產值（LNPERIND）與企業資產的相關系數為0.003546，P值是0.0045，P值小于0.05，意味著人均工業生產值的變動能夠顯著地影響著企業資產的變動。城鎮人口所占比例（LNUPR）對企業資產的P值為0.6006，他們之間的相關系數為-0.339532，城鎮人口所占比例即城鎮化率對企業資產的影響并不顯著。GDP年均增長率（LNAAGR）與工業企業資產的系數是-0.019569，P值0.7506，意味著GDP年均增長率對工業企業資產的影響是非顯著的。（2）利潤（PRF）人均國內生產總值（LNPERGDP）對工業企業利潤的相關系數為3.034904，P值為0.0000，意味著人均國內生產總值的變動能夠顯著影響著企業利潤的變動。人均工業生產值（LNPERIND）與企業利潤的相關系數為3.011503，P值是0.0000，這說明人均工業生產值對企業利潤的影響是顯著的。城鎮人口所占比例（LNUPR）對企業利潤的P值為0.0000，他們之間的相關系數為8.157327，說明城鎮人口所占比例即城鎮化率對企業資產的影響是顯著且負相關。GDP年均增長率（LNAAGR）與企業利潤的系數是0.10588，P值0.0889，GDP年均增長率與企業利潤之間不存在顯著的聯系。（3）稅費（TAX）人均國內生產總值（LNPERIND）與企業稅費的相關系數為0.821514，P值是0.9013，P值大于0.05，意味著人均國內生產總值的變動不能夠顯著地影響著企業資產的變動。人均工業生產值（LNPERGDP）對企業稅費的P值為0.0373，相關系數是1.097917，這說明人均工業生產值對企業稅費的影響顯著且為正相關。

城鎮人口所占比例（LNUPR）對企業稅費的影響系數為0.773849，P值0.0348，意味著城鎮人口所占比例對稅費的影響是顯著的，方向為正向。GDP年均增長率（LNAAGR）與企業稅費的P值為0.9458，說明GDP年均增長率對企業稅費產生的影響不是顯著的，他們之間的系數為-0.002439。（4）成本（COST）人均國內生產總值（LNPERGDP）對企業成本相關系數是-0.849866，P值0.1214。人均工業生產總值影響企業成本的P值為0.0002，對企業成本的影響是顯著的，系數為2.010553。城鎮人口所占比例（LNUPR）對企業成本的影響系數為1.737741，系數不大，P值是0.0090，城鎮人口所占比例能顯著影響企業成本的變動。GDP年均增長率（LNAAGR）與企業成本的之間的P值是0.9458，系數為0.004186，GDP年均增長率不能顯著影響企業成本。（5）收入（SALE）人均國內生產總值（LNPERGDP）對企業收入的相關系數和P值分別為-0.795487和0.1466，從P值來看，人均國內生產值對企業收入的產生的影響是不顯著的，從相關系數來看，人均國內生產總值對企業收入的影響是負向的。人均工業生產值（LNPERIND）與企業收入的P值是0.00003，能通過顯著性檢驗；系數為1.961847，數值為正，說明人均工業生產值能正向影響企業收入。城鎮人口所占比例（LNUPR）對企業收入的P值為0.014，能通過顯著性檢驗，相關系數是1.630506，城鎮人口所占比例影響企業收入是正向的。GDP年均增長率（LNAAGR）與工業企業收入的系數是0.005676，P值0.7506，GDP年均增長率對企業收入的影響是不顯著且為正的。

3結論

本文采取面板數據模型對企業大數據影響因素和經濟發展的關系進行實證研究，在進行面板數據回歸結果處理之前，對企業大數據影響因素和4組衡量經濟發展的變量：人均國內生產總值、人均工業生產值、GDP年均增長率、城鎮人口所占比例進行描述性統計分析，隨后進行模型的回歸結果處理，分析經濟發展對5組企業大數據影響因素的變量產生的不同影響。從面板數據模型回歸結果來看，經濟發展對衡量企業大數據影響因素的5組變量：企業資產、企業利潤、企業稅費、企業成本、企業收入分別產生不同程度的影響，具體不同影響結果如下：（1）從影響的顯著性來看，影響顯著的有：人均國內生產總值對資產和利潤，人均工業生產值對資產、利潤、稅費、成本和收入，城鎮人口所占比例對利潤、稅費、成本和收入；影響不顯著的有：人均國內生產總值對企業稅費、成本和收入，城鎮人口所占比例對資產，GDP年均增長率對資本、利潤、稅費、成本和收入。（2）從影響的方向來看，影響是正向的有：人均國內生產總值對資產、利潤和稅費，人均工業生產值對資產、利潤、稅費、成本和收入，GDP年均增長率對利潤、成本和收入，城鎮人口所占比例對利潤、稅費、成本和收入；影響反向的有：人均工業生產值對成本和收入，GDP年均增長率對資產和稅費，城鎮人口所占比例對資產。

參考文獻：

[1]辛金國,嚴興良.網絡直報條件下企業統計數據質量影響因素分析[J].統計與決策,2013，(13).

[2]宗威,吳鋒.大數據時代下數據質量的挑戰[J].西安交通大學學報(社會科學版),2013，(5).

[3]程家瑛.提高工業企業統計數據質量的思考[J].中國統計,2012，(11).

[4]袁滿,張雪.一種基于規則的數據質量評價模型[J].計算機技術與發展,2013，(3).

[5]董曉萌.基于通徑決策分析的企業數據質量影響因素分析[J].統計與決策,2015，(1).

[6]楊小琛.企業統計數據質量影響因素研究[J].商場現代化,2015,(26).

[7]王麗云.企業統計數據質量的影響因素研究[J].現代經濟信息,2015,(12).

[8]辛金國,張亮亮.大數據背景下統計數據質量影響因素分析[J].統計與決策,2017,(19).

[9]祝君儀.大數據時代背景下統計數據質量的評估方法及適用性分析[J].中國市場,2015,(29).

[10]邢迎秋.大數據背景下統計數據質量影響因素分析[J].中國集體經濟,2018,(15).

[11]周建彬.大數據背景下統計數據質量影響因素研究[J].商場現代化,2018,(7).

[12]張玉喜,趙麗麗.中國科技金融投入對科技創新的作用效果——基于靜態和動態面板數據模型的實證研究[J].科學學研究,2015，(2).

[13]蘆鋒,韓尚容.我國科技金融對科技創新的影響研究——基于面板模型的分析[J].中國軟科學,2015，(6).

作者：左芊 洪波 單位：湖南大學