总需求曲线—AD模型的中国实证分析(计量经济学实践报告).doc

本文档系作者精心整理编辑，实用价值高。计量经济学实践报告总需求曲线AD模型的中国实证分析小组成员：水平不高组指导教师：日期：20 年11月总需求曲线AD模型的中国实证分析主要内容：由于我国工资水平长期处于刚性状态，总供给对均衡产出的影响不大，均衡产出主要由总需求决定，所以我们仅建立总需求模型来分析其对GDP的影响。本文通过对中国的GDP，货币供应量，政府购买支出，税收，以及价格水平等数据进行计量经济分析，希望通过总需求模型来分析短期内货币政策与财政政策对GDP的作用。关键词：总需求曲线 GDP真实货币供应量 政府购买支出 税收一、总需求曲线的理论背景总需求模型表示产品市场和货币市场同时达到均衡时的价格水平与产出水平的组合，是新古典综合派对凯恩斯理论与新古典理论和货币理论又一新的综合，同时在一定意义上还体现了凯恩斯学派与货币学派、供给学派的大融合。凯恩斯在对总需求分析时，有三点重要的假定：1.总供给不变。假定各种资源没有得到充分的利用，总供给曲线处于水平线的区域，总需求的增加可以引起均衡国民收入上升，即总供给可以适应总需求的增加而增加（也就是不考虑总供给对国民收入决定的影响）。2.潜在的国民收入，即充分就业时的国民收入不变。3.价格水平既定。基于这三点假设而推导出来的总需求曲线通常可以用图形表示为：Yn国民收入ADAD45注：其中AD为总需求曲线，Yn为充分就业时的国民收入，45度直线上的点为国民收入达到均衡时的均衡点。凯恩斯所认为的总需求是一种需求与国民收入的变动，这就是现在总需求模型的雏形。但它仅仅是从产品市场来考虑了总需求。而在传统的简单的货币数量论模型中，则从货币市场的角度考察了总需求，并建立了描述货币供求相等的均衡方程。现代货币数量论据此认为，货币供应量的变动将直接影响名义国民收入水平的变动。在这些总需求模型中，有一个强有力的假定就是一般物价水平不变。这在凯恩斯提出问题的30年代或许是合理的，然而自从60年代后期以来，一般物价水平上涨已经成为一种经常的现象，若再继续假定价格水平不变就有脱离现实之嫌了。于是，随后的新古典综合派将上述两派的理论加以综合，提出理论模型中把物价变动考虑在内，建立了新的总供给总需求模型。根据前人的研究，我们可以把总需求曲线的特性归纳如下：（1）总需求曲线表示在某个给定的价格水平上所需要的GDP水平。（2）决定、影响总需求曲线的两个经济原理是收支平衡和货币供求相等。（3）总需求曲线是向右下方倾斜的。价格水平的上升意味着实际货币余额的降低，因而实际利率会上升，从而使投资、GDP和净出口减少。（4）总需求取决于真实货币供给。名义货币存量的增加使AD曲线上移的程度恰好与名义货币增加的程度一致，也就是说，名义货币的增加不会改变GDP，只能改变价格水平。（5）一般说来，扩张性政策如增加政府支出、减税和增加货币供给使总需求曲线向右移动，消费者与投资者的信心也影响总需求曲线（信心增强时，AD曲线向右移动；当信心削弱时，AD曲线向左移动）。二、模型的建立我们要将中国的数据来进行拟合，就必须在原来的模型上加上一个随机扰动项Ut，得到GDP= 1+ 2G+ 3T+ 4M/P+Ut。其中，G是政府购买支出，我们用基础建设支出，地质勘探支出，与国防支出之和来代替政府购买支出；T是税收总和；M是货币供应量，在这里我们使用的是狭义的货币供应量，即M1，是流通中的货币量与活期存款的总和；P是价格水平，用GDP平减指数。下面是我们的原始数据，是由历年的中国统计年鉴、中国金融年鉴及中国金融统计1952-1999的数据处理得来。obsGDPM1PGT单位：年单位：亿元单位：亿元1990年=1单位：亿元单位：亿元1978 3624.100 944.0000 0.551463 639.9100 519.28001979 4038.200 1146.000 0.571074 685.9900 537.82001980 4517.800 1223.000 0.592669 562.7700 571.70001981 4862.400 1712.300 0.606346 447.3700 629.89001982 5294.700 1912.800 0.604075 468.5200 700.02001983 5934.500 2219.000 0.609424 545.7100 775.59001984 7171.000 2982.800 0.638684 661.1000 947.35001985 8964.400 3290.500 0.705311 775.6700 2040.7901986 10202.20 4745.700 0.739816 827.2300 2090.7301987 11962.50 5714.600 0.777995 761.5500 2140.3601988 14928.30 6950.500 0.873879 744.8700 2390.4701989 16909.20 7347.100 0.949940 766.3300 2727.4001990 18547.90 8793.200 1.000000 873.8900 2821.8601991 21617.80 10866.60 1.068297 928.2700 2990.1001992 26638.10 15015.70 1.154725 977.8300 3296.9101993 34634.40 16280.40 1.327457 1066.790 4255.3001994 46759.40 20540.70 1.591635 1254.560 5126.8801995 58478.10 23987.10 1.826171 1492.260 6038.0001996 67884.60 28514.80 1.930709 1696.060 6069.8201997 74462.60 34826.30 1.950088 1905.440 8234.0401998 78345.20 38953.70 1.903311 2405.570 9262.8001999 82067.50 45837.30 1.861569 3276.660 10682.582000 89442.20 53147.20 1.871635 3390.500 12581.512001 95933.30 59872.00 1.876136 3751.600 15301.381、使用原始数据进行初次拟合首先我们将M/P的值定义为A,即真实的货币供应量，先用A、G、T对GDP进行回归，然后再对残差进行正态性检验 Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C3868.3255109.4350.7570940.4578A0.0475841.3301840.0357720.9718G-9.1716269.769445-0.9388070.3590T9.4551543.7192182.5422430.0194R-squared0.939790 Mean dependent var33050.85Adjusted R-squared0.930759 S.D. dependent var31871.78S.E. of regression8386.646 Akaike info criterion21.05768Sum squared resid1.41E+09 Schwarz criterion21.25402Log likelihood-248.6922 F-statistic104.0576Durbin-Watson stat0.539034 Prob(F-statistic)0.000000其回归结果为：GDP=3868.325 +0.047584 A - 9.171626 G + 9.455154 T+et Se (5109.435) (1.330184) (9.769445) (3.719218) t =(0.757094) (0.035772) (-0.938807) (2.542243) p = (0.4578) (0.9718) (0.3590) (0.0194) R2=0.939790(调整可决系数为0.930759) DW=0.539034F=104.0576 n=24从回归结果中可以看出，A与G的t值都比较小，R2较大，而G的系数为负不符合经济意义，估计解释变量间存在多重共线性（即货币政策和财政政策存在较大的相关性）。对A、G、T进行简单相关系数矩阵检验得到如下结果：AGTA 1.000000 0.967409 0.987797G 0.967409 1.000000 0.982637T 0.987797 0.982637 1.000000可以看出，A、G、T之间存在高度相关.再进行正态性检验，据此看出，该模型基本上服从正态性假定。 于是，对多重共线性采用逐步回归法进行修正。第一步，用A、G、T分别对GDP回归得下面的结果：Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-6240.0253172.842-1.9666990.0620A3.5923560.23092815.556140.0000R-squared0.916665 Mean dependent var33050.85Adjusted R-squared0.912877 S.D. dependent var31871.78S.E. of regression9407.486 Akaike info criterion21.21605Sum squared resid1.95E+09 Schwarz criterion21.31423Log likelihood-252.5927 F-statistic241.9936Durbin-Watson stat0.350037 Prob(F-statistic)0.000000Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-6753.3053773.294-1.7897640.0873G30.909402.35753713.110880.0000R-squared0.886537 Mean dependent var33050.85Adjusted R-squared0.881379 S.D. dependent var31871.78S.E. of regression10977.08 Akaike info criterion21.52466Sum squared resid2.65E+09 Schwarz criterion21.62283Log likelihood-256.2959 F-statistic171.8953Durbin-Watson stat0.338332 Prob(F-statistic)0.000000Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C1198.9212425.0640.4943880.6259T7.4411280.41109918.100580.0000R-squared0.937077 Mean dependent var33050.85Adjusted R-squared0.934216 S.D. dependent var31871.78S.E. of regression8174.579 Akaike info criterion20.93510Sum squared resid1.47E+09 Schwarz criterion21.03327Log likelihood-249.2212 F-statistic327.6309Durbin-Watson stat0.397048 Prob(F-statistic)0.000000可以看出,用T对GDP回归的修正可决系数最大(等于0.934216),F值也较大所以选取T作为第一个解释变量。 第二步，用T再加上其它任一个解释变量对GDP回归得：Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C772.47953891.7700.1984910.8446T7.0617742.7003322.6151500.0162A0.1874561.3180750.1422200.8883R-squared0.937137 Mean dependent var33050.85Adjusted R-squared0.931150 S.D. dependent var31871.78S.E. of regression8362.922 Akaike info criterion21.01747Sum squared resid1.47E+09 Schwarz criterion21.16473Log likelihood-249.2097 F-statistic156.5300Durbin-Watson stat0.384792 Prob(F-statistic)0.000000Dependent Variable: GDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C3988.4273758.8081.0610880.3007T9.5604562.2184864.3094500.0003G-9.2107709.474312-0.9721840.3420R-squared0.939787 Mean dependent var33050.85Adjusted R-squared0.934052 S.D. dependent var31871.78S.E. of regression8184.790 Akaike info criterion20.97441Sum squared resid1.41E+09 Schwarz criterion21.12167Log likelihood-248.6929 F-statistic163.8795Durbin-Watson stat0.545004 Prob(F-statistic)0.000000可以看到，无论是用T、A或是T、G对GDP回归的修正可决系数（分别为0.931150和0.934052）都比T对GDP回归的（0.934216）小。所以，初步模型为 GDP=1198.921 + 7.441128T + et Se (2425.064) (0.411099) t =(0.494388) (18.10058) p = (0.6259) (0.0000) R2=0.937077(调整可决系数为0.934216) DW=0.545004 F=327.6309 n=24 再对模型进行怀特检验，得：White Heteroskedasticity Test:F-statistic4.113129 Probability0.031095Obs*R-squared6.755233 Probability0.034129Test Equation:Dependent Variable: RESID2Method: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-5863654.42723707-0.1372460.8921T16669.1217926.360.9298660.3630T2-0.1216681.260998-0.0964860.9240R-squared0.281468 Mean dependent var61255094Adjusted R-squared0.213036 S.D. dependent var1.17E+08S.E. of regression1.04E+08 Akaike info criterion39.87716Sum squared resid2.28E+17 Schwarz criterion40.02442Log likelihood-475.5260 F-statistic4.113129Durbin-Watson stat1.478312 Prob(F-statistic)0.031095同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方差的问题。综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。接着进行自相关检验。首先用et与et-1的散点图进行观测。图示如下：可以看到，et与et-1存在明显的正自相关关系。再看模型的回归结果，其回归结果表明，D-W值为0.545004。而在0.05的显著性水平下，有n=24 ，k=1，查D-W表得dl=1.273，du=1.446。因为 d=0.545004dl，断定模型可能存在正自相关。我们用CORC法对正自相关进行修正，可得到下面的结果：Dependent Variable: GDPMethod: Least SquaresSample(adjusted): 1979 2001Included observations: 23 after adjusting endpointsConvergence achieved after 7 iterationsVariableCoefficientStd. Errort-StatisticProb. C-22533.1718551.14-1.2146510.2386T0.0235491.4825880.0158840.9875AR(1)1.0757820.02913736.920900.0000R-squared0.991799 Mean dependent var34330.27Adjusted R-squared0.990979 S.D. dependent var31951.71S.E. of regression3034.765 Akaike info criterion18.99476Sum squared resid1.84E+08 Schwarz criterion19.14287Log likelihood-215.4398 F-statistic1209.357Durbin-Watson stat0.413515 Prob(F-statistic)0.000000Inverted AR Roots 1.08Estimated AR process is nonstationary从结果中可以看出，由于我国的货币供给量、税收及政府购买支出随着时间发展呈现一种高速增长状态使得原模型的数据存在不稳定性，所以用CORC法反而使修正后的D-W值变得更小。因此，无法用CORC法对该模型的自相关进行修正。于是，我们考虑转换模型的形式以求得到更好的模型。2、模型的修正转换为对数形式的拟合由于无法用CORC法对上述模型的自相关进行修正，我们变换模型的形式，采用对数形式对模型进行拟合。首先，用LogA、LogG、LogT分别对LogGDP回归，得到：Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C0.3105311.1369140.2731350.7876LOGA0.3058120.3006341.0172240.3212LOGG0.2005440.1924881.0418520.3099LOGT0.6870250.2848962.4114900.0256R-squared0.969863 Mean dependent var9.858089Adjusted R-squared0.965343 S.D. dependent var1.131745S.E. of regression0.210691 Akaike info criterion-0.125833Sum squared resid0.887817 Schwarz criterion0.070509Log likelihood5.509997 F-statistic214.5463Durbin-Watson stat0.345327 Prob(F-statistic)0.000000其回归结果为：LogGDP= 0.310531 + 0.305812 LogA - 0.200544LogG + 0.687025Log T+et Se (1.136914) (0.300634) (0.192488) (0.284896) t = (0.273135) (1.017224) (1.041852) (2.411490) p = (0.7876) (0.3212) (0.3099) (0.0256) R2=0.969863(调整可决系数为0.965343) DW=0.345237F=214.5463 n=24从回归结果中可以看出，LogA、LogG、LogT的t值都比较小，R2较大，而G的系数为负不符合经济意义，估计该模型存在多重共线性。对LogA、LogG、LogT进行简单相关系数矩阵检验得到如下结果：LOGALOGGLOGTLOGA 1.000000 0.895540 0.984411LOGG 0.895540 1.000000 0.926769LOGT 0.984411 0.926769 1.000000可以看出，LogA、LogG、LogT之间存在高度相关。再进行正态性检验，得： 从图中可以看出，残差基本上服从正态性分布。于是，对多重共线性采用逐步回归法进行修正。第一步，用A、G、T分别对GDP回归得下面的结果：Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-1.6629960.579512-2.8696470.0089LOGA1.2825780.06423319.967580.0000R-squared0.947707 Mean dependent var9.858089Adjusted R-squared0.945330 S.D. dependent var1.131745S.E. of regression0.264621 Akaike info criterion0.258619Sum squared resid1.540533 Schwarz criterion0.356790Log likelihood-1.103423 F-statistic398.7042Durbin-Watson stat0.411570 Prob(F-statistic)0.000000Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-1.7004981.029054-1.6524870.1126LOGG1.6634060.14751511.276150.0000R-squared0.852499 Mean dependent var9.858089Adjusted R-squared0.845794 S.D. dependent var1.131745S.E. of regression0.444425 Akaike info criterion1.295586Sum squared resid4.345307 Schwarz criterion1.393757Log likelihood-13.54704 F-statistic127.1515Durbin-Watson stat0.232752 Prob(F-statistic)0.000000Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C1.7000340.3225555.2705200.0000LOGT1.0365800.04062425.516570.0000R-squared0.967315 Mean dependent var9.858089Adjusted R-squared0.965829 S.D. dependent var1.131745S.E. of regression0.209206 Akaike info criterion-0.211338Sum squared resid0.962878 Schwarz criterion-0.113167Log likelihood4.536058 F-statistic651.0952Durbin-Watson stat0.546204 Prob(F-statistic)0.000000可以看出,用LogT对LogGDP回归的修正可决系数最大(等于0.965829),F值也较大,所以选取LogT作为第一个解释变量。第二步，用T再加上其它任一个解释变量对GDP回归得：Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C1.0699020.8743141.2237040.2346LOGT0.8584040.2330833.6828250.0014LOGA0.2262570.2913660.7765390.4461R-squared0.968228 Mean dependent var9.858089Adjusted R-squared0.965202 S.D. dependent var1.131745S.E. of regression0.211120 Akaike info criterion-0.156315Sum squared resid0.936001 Schwarz criterion-0.009058Log likelihood4.875782 F-statistic319.9746Durbin-Watson stat0.392940 Prob(F-statistic)0.000000Dependent Variable: LOGGDPMethod: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C1.2955980.5961432.1732990.0413LOGT0.9548150.1090068.7593240.0000LOGG0.1508110.1863290.8093780.4274R-squared0.968304 Mean dependent var9.858089Adjusted R-squared0.965285 S.D. dependent var1.131745S.E. of regression0.210866 Akaike info criterion-0.158723Sum squared resid0.933750 Schwarz criterion-0.011466Log likelihood4.904677 F-statistic320.7713Durbin-Watson stat0.524027 Prob(F-statistic)0.000000可以看到，无论是用LogT、LogA或是LogT、LogG对LogGDP回归的修正可决系数（分别为0.965202和0.965285）都比T对GDP回归的（0.965829）小。所以，模型最后确定为：LogGDP=1.700034+ 1.036580 LogT + et Se (0.322555) (0.040624) t =(5.270520) (25.51657) p = (0.0000) (0.0000) R2=0.967315(调整可决系数为0.965829) DW=0.546204 F=651.0952 n=24对其残差进行正态性检验得： 可以认为其基本上服从正态性分布。再对模型进行怀特检验，得：White Heteroskedasticity Test:F-statistic1.621782 Probability0.221330Obs*R-squared3.210978 Probability0.200791Test Equation:Dependent Variable: RESID2Method: Least SquaresSample: 1978 2001Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C-1.2626630.734966-1.7179890.1005LOGT0.3326320.1901931.7489180.0949LOGT2-0.0208600.012133-1.7192150.1003R-squared0.133791 Mean dependent var0.040120Adjusted R-squared0.051295 S.D. dependent var0.061753S.E. of regression0.060148 Akaike info criterion-2.667551Sum squared resid0.075973 Schwarz criterion-2.520294Log likelihood35.01061 F-statistic1.621782Durbin-Watson stat1.255677 Prob(F-statistic)0.221330同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方差的问题。我们可以断定，该模型并不存在异方差。接着进行自相关检验。首先用et与et-1的散点图进行观测。图示如下：可以看到，et与et-1存在较明显的正自相关关系。而模型的回归结果表明，D-W值为0.524027。而在0.05的显著性水平下，有n=24 ，k=1，查D-W表得dl=1.273，du=1.446。因为 d=0.524027dl，断定模型可能存在正自相关。我们用CORC法对正自相关进行修正，可得到下面的结果：Dependent Variable: LOGGDPMethod: Least SquaresSample(adjusted): 1979 2001Included obs