中国食品价格指数的影响因素分析计量经济学eviews分析.doc

中国食品价格指数的影响因素分析
摘 要：本文试从影响食品价格指数的外因粮食价格指数、肉禽及其制品价格指数、水产品价格指数、蔬菜价格指数等进行分析和探讨，并在比较相关线性回归方程后，建立合理的食品价格指数预测模型。本文用到的模型检测方法主要有相关系数法、怀特检验。模型修正方法有科克伦—奥克特迭代方法、逐步回归法。
关键词：食品价格指数 多因素分析 预测模型 模型检测与修正

一、 文献综述
众所周知，食品在我国CPI中的权重约为1/3，是我国CPI 8项分类指数中权重最大的，食品价格由于受需求和供应变化影响经常出现波动，导致我国CPI指数的上升或下跌。分析我国食品价格指数的影响因素，对于调控市场价格总水平具有重要意义。曾经，有一种说法，叫做“CPI的走势是由猪决定”。这句话乍一看很荒谬，但是仔细分析，其实是有道理的，猪肉的价格会首先影响粮食价格指数，粮食价格指数通过影响食品价格指数，进而影响CPI。从公布的数据来看，食品类价格依然领涨CPI。7月份中国食品类价格同比上涨14.8%，影响价格总水平上涨约4.38个百分点。其中，猪肉价格同比上涨56.7%，影响价格总水平上涨约1.46个百分点。中国社会科学院宏观经济研究所袁钢明教授表示，虽然CPI的涨幅比上个月提高0.1个百分点，但上涨幅度明显减缓，这主要是因为食品价格、尤其是猪肉价格的下降。2009年11月份CPI由负转正，结束了九个月的负增长过程。自此以来，CPI持续高速增长，最高时在去年7月份达到了%6.5.从数据上看，中国经济似乎已经呈现“高通胀，高增长”的过热趋势，有关经济是“过热”还是“通胀”的议论已经不绝于耳。中国经济增长显然“过热”。 经济过热发生时，其生产能力无法跟上日益增长的总需求。这是普遍的特点是一个不可持续的高比率的经济增长速度。经济处于景气时期往往是经济过热的特色。 经济过热给社会各方面造成的影响是不可忽视的。
从过去的CPI数据中可以看出，食品价格的上涨是CPI的主要推手。这一点可以从一下事实看出。中国国家统计局9日发布数据，7月份全国居民消费价格总水平（CPI）同比上涨6.5%，涨幅比上月提高了0.1个百分点，再创新高，但增速有明显回落。CPI涨幅已经达到了拐点，食品价格季节性因素成为增速放缓的主要原因。
因此，我们几乎可以得出结论，要想控制CPI，对食品价格指数的控制毫无疑问是很重要的一环，而对食品价格的控制，很显然有赖于对影响食品价格指数的各因素的控制。这也正是本项目研究的主要目的。
食品价格波动问题一直备受关注，有很多学者从不同角度进行了研究，但主要的研究内容可归结为两类：一是食品价格指数和居民消费价格指数之间的关系研究；二是食品价格指数上涨的原因分析。对于食品价格指数和居民消费价格指数之间的关系，刘苗、陈蕊（2008）运用协整分析和误差修正模型，对食品价格指数和消费价格指数的关系进行了实证分析，其结果表明食品价格指数和消费价格指数之间存在长期同向变动的趋势。熊文静（2008）运用VAR模型实证分析后认为食品价格指数与CPI存在相关关系，并且食品价格指数是CPI的格兰杰原因，但CPI不是食品价格指数的格兰杰原因。余红艳、储德银（2010）结合HP滤波、交叉相关系数及协整关系检验，认为两者在长期趋势成分中存在着一定的因果互动关系，但在居民消费价格指数波动成分的分解中，来自食品价格的波动因素构成其最主要的力量，来自于非食品价格波动的因素对其波动产生了巨大的助力。对于食品价格指数上涨原因的分析，薛慧敏（2008）认为国际市场价格的带动及国内的成本推动是食品价格指数上涨的主要原因。赵如(2007)运用成本理论和供求理论探究了我国食品价格上涨的原因，认为成本推动、供求失衡以及全球经济的影响是我国食品价格大幅上涨的主要动因。张益丰和张少军(2007)认为肉禽等食品价格的上涨源于城市化进程的加剧、饲料价格上涨以及人均耕地面积下降。谭本艳（2010）运用Gonzalo-Granger分解的方法，检验得出粮食和肉禽及其制品既是食品价格波动的长期驱动力也是短期驱动力；而蛋类是长期驱动力，水产品类是短期驱动力。薛慧敏(2008)从多个角度分析了我国食品价格上涨的原因，认为国际市场价格的带动、成本推动、美元贬值和供给不足是我国现阶段食品价格攀升的主要原因。张文刚(2008)分析了我国食品价格上涨的利弊，认为食品价格上涨有利有弊，但利大于弊。
从上面的文献来看，关于食品价格指数波动的研究比较丰富，但是还有进一步拓展的空间：一是关于食品价格指数波动本身的研究较少，而研究其与CPI关系的文章较多；二是运用ARCH类模型研究食品价格指数的文献太少。方燕、尹元生（2010）利用ARCH类模型研究了国内物价水平的波动，得出物价波动存在明显的“非对称效应”。但是根据实际情况，CPI中的八大类每类波动情况不同，尤其是食品类波动最明显，因此有必要分类具体讨论其波动状况。
从国内外学术界对食品价格的研究现状来看，均是从生物能源、成本推动、供求关系、全球经济等宏观经济因素来分析食品价格上涨的原因。国家统计局在分析我国CPI波动的原因时明确表示，“判断通货膨胀要看CPI，但是不能单纯看CPI的增长幅度，要看其结构，要看CPI上涨的原因是什么”，国家统计局所称的CPI结构，也就是构成我国CPI篮子的8类居民消费价格分类指数，分析通货膨胀在关注总体CPI的同时，也要从CPI分类指数的角度分析CPI上涨的原因。中国人民银行在2007年第二季度货币政策执行报告中也明确提出，中央银行在关注整体CPI的同时，也会充分考虑我国CPI 8项分类指数的变化因素。可见，从CPI分类指数的角度来分析整体CPI波动的原因，是目前我国国家统计局和中央银行均高度关注的现实问题。因此，研究我国食品价格，在关注我国食品消费价格总指数的同时，也有必要从食品消费价格分类指数的视角考察食品价格波动的原因，这样有利于制定稳定食品价格的相关政策，也能发挥政策效果。
二、模型设定
在本文中，我们选取粮食价格指数、肉禽及制品价格指数、水产品价格指数、蔬菜价格指数作为解释变量，选取食品价格指数作为被解释变量，构建多元线性回归模型：
Y=β0+β1X1 +β2X2 +β3X3 +β4X4 +μi
其中：Y 食品价格指数
X1 粮食价格指数
X2 肉禽价格指数
X3 水产品价格指数
X4 蔬菜价格指数
本文获取了2009年8月份到2011年10月的数据如下表：
2009年08月
100.5
105.2
90.5
98.6
121.8
2009年09月
101.5
105.5
93.3
98.8
125.8
2009年10月
101.6
106.2
96.1
101.4
114.8
2009年11月
103.2
107
98.3
103.6
123.9
2009年12月
105.3
108.6
98.3
105.7
136.2
2010年01月
103.7
109.8
96.5
103.9
117.1
2010年02月
106.2
109.6
98.4
108.8
125.5
2010年03月
105.2
109.2
97.8
106.3
118.5
2010年04月
105.9
110.7
98.2
105.5
124.9
2010年05月
106.1
111.5
100.8
105.6
121.3
2010年06月
105.7
111.73
101.81
106.47
114.55
2010年07月
106.83
111.75
104.09
107.6
122.29
2010年08月
107.5
111.95
105.43
108.52
119.24
2010年09月
108.05
112.07
105.42
110.9
118.01
2010年10月
110.06
112.34
106.8
111.15
130.95
2010年11月
111.7
114.74
109.91
111.85
121.25
2010年12月
109.55
115.57
110.23
110.89
94.28
2011年01月
110.34
115.08
110.88
111.07
102.01
2011年02月
111
114.83
113.27
109.09
106.05
2011年03月
111.71
114.99
117.27
110.19
104.28
2011年04月
111.47
113.9
121.44
111.64
92.64
2011年05月
111.74
112.85
124.27
112.45
92.88
2011年06月
114.44
112.41
132.26
113.9
107.32
2011年07月
114.76
112.37
133.58
115.01
107.6
2011年08月
113.39
112.23
129.27
114.71
100.06
2011年09月
113.42
111.93
128.39
114.1
102.11
2011年10月
111.93
111.59
126.11
112.38
93.18
以上数据来源于国研网数据中心
三、模型的估计与调整
通过使用Eviews计量经济学分析软件，得到了一下回归分析结果
Dependent Variable: Y
Method: Least Squares
Date: 05/31/12 Time: 19:50
Sample: 2009:08 2011:10
Included observations: 27
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
7.299120
4.819287
1.514564
0.1441
X1
0.453111
0.060483
7.491500
0.0000
X2
0.225563
0.021002
10.74012
0.0000
X3
0.176492
0.064235
2.747576
0.0118
X4
0.059371
0.012392
4.790912
0.0001
R-squared
0.990031
Mean dependent var
108.2515
Adjusted R-squared
0.988219
S.D. dependent var
4.152074
S.E. of regression
0.450673
Akaike info criterion
1.409427
Sum squared resid
4.468336
Schwarz criterion
1.649396
Log likelihood
-14.02726
F-statistic
546.2222
Durbin-Watson stat
0.901780
Prob(F-statistic)
0.000000

1.多重共线性检验。

（1） 直观的来看，x1、x3的相关系数达到了0.80，x2、x3的相关系数达到了0.88。所以可以认为存在较严重的多重共线性。
（2） 修正多重共线性
现剔除x3进行回归，结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 05/31/12 Time: 21:40
Sample: 2009:08 2011:10
Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.

C
5.210228
5.394102
0.965912
0.3441
X1
0.578762
0.044867
12.89960
0.0000
X2
0.274932
0.012324
22.30812
0.0000
X4
0.075820
0.012298
6.165094
0.0000

R-squared
0.986610
Mean dependent var
108.2515
Adjusted R-squared
0.984864
S.D. dependent var
4.152074
S.E. of regression
0.510823
Akaike info criterion
1.630366
Sum squared resid
6.001621
Schwarz criterion
1.822342
Log likelihood
-18.00994
F-statistic
564.9205
Durbin-Watson stat
0.921999
Prob(F-statistic)
0.000000

由上图可看出，剔除x3后，拟合优度非常好，且显著性明显。
再剔除x1进行回归，结果入下：
Dependent Variable: Y
Method: Least Squares
Date: 05/31/12 Time: 21:43
Sample: 2009:08 2011:10
Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.

C
32.39493
6.385302
5.073358
0.0000
X2
0.142679
0.032900
4.336732
0.0002
X3
0.540343
0.077478
6.974153
0.0000
X4
0.014435
0.019985
0.722265
0.4774

R-squared
0.964601
Mean dependent var
108.2515
Adjusted R-squared
0.959983
S.D. dependent var
4.152074
S.E. of regression
0.830589
Akaike info criterion
2.602589
Sum squared resid
15.86718
Schwarz criterion
2.794565
Log likelihood
-31.13496
F-statistic
208.9094
Durbin-Watson stat
1.044482
Prob(F-statistic)
0.000000

由上图可以看出，剔除x1后，导致x4通不过t检验。
剔除x2进行回归，结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 05/31/12 Time: 21:41
Sample: 2009:08 2011:10
Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.

C
16.34095
11.59588
1.409202
0.1722
X1
0.110905
0.125632
0.882772
0.3865
X3
0.766733
0.081268
9.434609
0.0000
X4
-0.032165
0.021984
-1.463059
0.1570

R-squared
0.937763
Mean dependent var
108.2515
Adjusted R-squared
0.929645
S.D. dependent var
4.152074
S.E. of regression
1.101317
Akaike info criterion
3.166844
Sum squared resid
27.89668
Schwarz criterion
3.358820
Log likelihood
-38.75239
F-statistic
115.5183
Durbin-Watson stat
1.495176
Prob(F-statistic)
0.000000

由上图可知，剔除x2后，导致x1，x4都通不过t检验，且可决系数大幅降低。
剔除x4进行回归，结果入下：
Dependent Variable: Y
Method: Least Squares
Date: 05/31/12 Time: 21:44
Sample: 2009:08 2011:10
Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.

C
21.06007
5.410084
3.892744
0.0007
X1
0.312854
0.073992
4.228215
0.0003
X2
0.156363
0.021315
7.335880
0.0000
X3
0.325170
0.078627
4.135588
0.0004

R-squared
0.979631
Mean dependent var
108.2515
Adjusted R-squared
0.976974
S.D. dependent var
4.152074
S.E. of regression
0.630052
Akaike info criterion
2.049924
Sum squared resid
9.130200
Schwarz criterion
2.241900
Log likelihood
-23.67397
F-statistic
368.7162
Durbin-Watson stat
2.010366
Prob(F-statistic)
0.000000

由上图可看出，x4的存在不影响本文的分析结果，没必要剔除。
所以综上所述，剔除x3，得到一下回归分析结果：
Dependent Variable: Y
Method: Least Squares
Date: 05/31/12 Time: 21:40
Sample: 2009:08 2011:10
Included observations: 27

Variable
Coefficient
Std. Error
t-Statistic
Prob.

C
5.210228
5.394102
0.965912
0.3441
X1
0.578762
0.044867
12.89960
0.0000
X2
0.274932
0.012324
22.30812
0.0000
X4
0.075820
0.012298
6.165094
0.0000

R-squared
0.986610
Mean dependent var
108.2515
Adjusted R-squared
0.984864
S.D. dependent var
4.152074
S.E. of regression
0.510823
Akaike info criterion
1.630366
Sum squared resid
6.001621
Schwarz criterion
1.822342
Log likelihood
-18.00994
F-statistic
564.9205
Durbin-Watson stat
0.921999
Prob(F-statistic)
0.000000

得到的回归方程为=5.210228+0.578762X1 +0.274932X2 +0.07582X4
(0.965912) (12.8996) (22.3081) (6.165094)
R2=0.9866 Adjusted R-squared =0.9849 F=564.9205
从回归的结果可以得到R2=0.9866，修正的可决系数为0.9849，这说明模型对样本的拟合度非常好。
2.相关性检验
从估计的结果可以看出，模型拟合较好，可决系数R²=0.9866，修正的可决系数为0.9849，表明模型在整体上拟合比较好。

3.显著性检验
（1）对于ß1，t统计量为12.8996。给定α=0.05，查t分布表，在自由度为n-4=23下，得临界值t0.025(23)=2.069，因为t>t0.025(23)，所以拒绝原假设H0: ß1=0，表明粮食价格指数对食品价格指数有显著性影响；
（2）对于ß2，t统计量为22.3081。给定α=0.05，查t分布表，在自由度为n-4=23下，得临界值t0.025(23)= 2.069，因为t>t0.025(23)，所以拒绝原假设H0: ß2=0，表明肉禽价格指数对食品价格指数有显著性影响。
（3）对于ß4，t统计量为6.165094。给定α=0.05，查t分布表，在自由度为n-4=23下，得临界值t0.025(23)= 2.069，因为t>t0.025(23)，所以拒绝原假设H0: ß4=0，表明蔬菜价格指数对食品价格指数有显著性影响。
（4）对于F=564.9205>F(3,23)=3.03(显著性水平为0.05)，表明模型从整体上看食品价格指数与各解释变量之间线性关系显著。
4.异方差检验
利用White检验进行模型的异方差检验，检验结果如下：
White Heteroskedasticity Test:
F-statistic
1.187420
Probability
0.362554
Obs*R-squared
10.42169
Probability
0.317437

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/31/12 Time: 22:28
Sample: 2009:08 2011:10
Included observations: 27
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-139.0819
172.9732
-0.804066
0.4325
X1
2.655436
3.537800
0.750590
0.4632
X1^2
-0.012716
0.018742
-0.678506
0.5066
X1*X2
3.07E-05
0.008603
0.003568
0.9972
X1*X4
0.001527
0.003843
0.397176
0.6962
X2
-0.027058
0.985863
-0.027446
0.9784
X2^2
2.88E-05
0.001050
0.027455
0.9784
X2*X4
5.25E-05
0.001627
0.032282
0.9746
X4
-0.109803
0.595909
-0.184261
0.8560
X4^2
-0.000293
0.000819
-0.358108
0.7247
R-squared
0.385989
Mean dependent var
0.222282
Adjusted R-squared
0.060924
S.D. dependent var
0.295919
S.E. of regression
0.286763
Akaike info criterion
0.617799
Sum squared resid
1.397965
Schwarz criterion
1.097738
Log likelihood
1.659719
F-statistic
1.187420
Durbin-Watson stat
1.841089
Prob(F-statistic)
0.362554
由上表可得，Obs*R-squared=10.422，而查表，给定α=0.05，自由度P=9，得临界值16.9190，所以10.422<16.9190，则接受原假设，表明模型中随机误差不存在异方差。
5. 序列相关检验

（1） 由图可知，存在一阶自相关。
（2） 修正：
用科克伦--奥克特迭代方程法对模型进行修正，得到如下结果：
Dependent Variable: Y
Method: Least Squares
Date: 06/01/12 Time: 13:10
Sample(adjusted): 2009:09 2011:10
Included observations: 26 after adjusting endpoints
Convergence achieved after 10 iterations
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
5.169187
9.846460
0.524979
0.6051
X1
0.563162
0.087786
6.415188
0.0000
X2
0.282129
0.017712
15.92855
0.0000
X4
0.084586
0.010330
8.188270
0.0000
AR(1)
0.584082
0.186977
3.123825
0.0051
R-squared
0.989380
Mean dependent var
108.5496
Adjusted R-squared
0.987357
S.D. dependent var
3.928543
S.E. of regression
0.441736
Akaike info criterion
1.374831
Sum squared resid
4.097737
Schwarz criterion
1.616772
Log likelihood
-12.87280
F-statistic
489.0816
Durbin-Watson stat
1.380596
Prob(F-statistic)
0.000000
Inverted AR Roots
.58

得到一阶自相关系数估计为0.584082
再次检验是否存在自相关：

由上图可知，修正后不再存在自相关。
综上，本研究模型估计的最终结果为
得到的回归方程为=5.1691+0.5631X1 +0.2821X2 +0.0846X4
(0.5250) (6.4152) (15.9286) (8.1883)
R2=0.9894 Adjusted R-squared =0.9874 F=489.0816
经济意义检验：
从经济意义上来看,该模型说明了在假定其他变量不变的情况下，粮食价格指数每上升1%，食品价格指数上涨0.5631%；肉禽及制品价格指数每上升1%，食品价格指数上涨0.2821%；蔬菜价格指数每上升1%，食品价格指数上涨0.0846%。由于各变量都通过了检验，所以说明各变量对被解释变量都起到了很好的作用。

6. 因果关系检验
对x1，y进行因果关系检验，结果如下：
Pairwise Granger Causality Tests
Date: 06/01/12 Time: 21:54
Sample: 2009:08 2011:10
Lags: 2
Null Hypothesis:
Obs
F-Statistic
Probability
Y does not Granger Cause X1
25
1.09403
0.35409
X1 does not Granger Cause Y
2.86637
0.08043
由上图可知，选定显著性水平（如10%），0.35>0.1，则在该显著性水平下，接受原假设，表示食品价格指数对粮食价格指数没有影响；0.08<0.1，拒绝原假设，表示粮食价格指数对食品价格指数有显著性的影响。
对x2，y进行因果关系检验，结果如下：
Pairwise Granger Causality Tests
Date: 06/05/12 Time: 20:32
Sample: 2009:08 2011:10
Lags: 1
Null Hypothesis:
Obs
F-Statistic
Probability
Y does not Granger Cause X2
26
0.00457
0.94669
X2 does not Granger Cause Y
0.96516
0.33611
由上图可知，选定显著性水平（如10%），0.9>0.1，则在该显著性水平下，接受原假设，表示食品价格指数对肉禽价格指数没有影响；0.3>0.1，接受原假设，表示粮食价格指数对食品价格指数没有显著性的影响。
对x4，y进行因果关系检验，结果如下：
Pairwise Granger Causality Tests
Date: 06/05/12 Time: 20:36
Sample: 2009:08 2011:10
Lags: 4
Null Hypothesis:
Obs
F-Statistic
Probability
Y does not Granger Cause X4
23
5.12876
0.00932
X4 does not Granger Cause Y
1.40301
0.28366
由上图可知，选定显著性水平（如10%），0.009<0.1，则在该显著性水平下，拒绝原假设 ，表示食品价格指数对蔬菜价格指数有显著性影响；0.28>0.1，接受原假设 ，表示蔬菜价格指数对食品价格指数没有影响。
四、 结论及政策建议
本研究的结果表明，食品价格指数确实受到粮食价格指数、肉禽及其制品价格指数、蔬菜价格指数四个因素的影响，从经济意义上来看,该模型说明了在假定其他变量不变的情况下，粮食价格指数每上升1%，食品价格指数上涨0.5631%；肉禽及制品价格指数每上升1%，食品价格指数上涨0.2821%；蔬菜价格指数每上升1%，食品价格指数上涨0.0846%。由于各变量都通过了检验，所以说明各变量对被解释变量都起到了很好的解释作用。
从结论来看，我们应该从以下几点来进行改进,以控制食品价格指数，进而控制CPI：
1.保持政策的连续性，继续实施积极的财政政策和适度宽松的货币政策，财政政策的重点应转移到减轻相关食品企业和居民的税收负担上来，以保证食品的供给和居民对经济增长的信心；
2.稳定粮食价格，防止粮食价格的波动幅度过大，在粮食丰收之年，照顾到农民利益，实行最低粮食收购价格制度；构建价格指数的预警机制，监测关键食品价格的走势；在粮食歉收之年，要加大粮食调度，调剂余缺，避免出现粮食价格被过分炒高，防止出现前年的“蒜你狠”、“豆你玩”。
3.完善食品的储备制度，增加各种重要食品的储备，使得基本供给有保障。保证肉、蛋、奶的稳定供应，猪肉等价格的波动在很大程度上会通过食品价格指数传导到CPI.
4.关注居民的菜篮子，控制居民日常蔬菜、鲜果的的价格。出台调价措施时应注意采取多种方式缓解价格上涨对居民生活特别是低收入群体生活的影响，对满足群众基本需要的部分实行优惠价格。

参考文献：
[1]方燕，尹元生.我国物价波动的实证分析[J].价格理论与实践，2010
[2]高铁梅.计量经济分析方法与建模第二版[M].清华大学出版社，2009
[3]刘苗，陈蕊.食品价格指数与消费价格指数[J].理论视野，2008
[4] 薛慧敏 .多角度透析食品价格上涨 [J].中国民营科技与经济，2008 (6)：87-87.
[5]熊文静.CPI与食品价格关系及趋势研究[J].中国集团经济，2008(2)：4-5
[6]余红艳，储德银.我国居民消费价格指数与食品类价格指数的动态相关性分析[J].价格理论与实践，2011
[7]谭本艳.我国食品价格波动的驱动力分析—基于Gonzolo—Granger分解的分析[J].价格月刊，2011(11)
[8] 张文刚 .食品价格上涨的利弊分析 [J].黑龙江金融，2008 (2)：33-34.
[9] 赵如 .食品价格上涨原因的经济学分析 [J].商场现代化，2007 (12)（上旬刊）：4-5.
[10] 张益丰,张少军 .消费品价格与城市化进程——以食品价格为例的实证分析 [J].浙江社会科学，2007 (5)：27-31.
毕业论文（设计）原创性声明

本人所呈交的毕业论文（设计）是我在导师的指导下进行的研究工作及取得的研究成果。据我所知，除文中已经注明引用的内容外，本论文（设计）不包含其他个人已经发表或撰写过的研究成果。对本论文（设计）的研究做出重要贡献的个人和集体，均已在文中作了明确说明并表示谢意。

作者签名： 日期：

毕业论文（设计）授权使用说明

本论文（设计）作者完全了解**学院有关保留、使用毕业论文（设计）的规定，学校有权保留论文（设计）并向相关部门送交论文（设计）的电子版和纸质版。有权将论文（设计）用于非赢利