固定资产投资的计量经济学模型完整版.doc

固定资产投资的计量经济学模型杨思鸣 40404023摘要：改革开放以来，我国固定资产投资已经历两次高速增长。其一是1984-1988年期间，由城市经济体制改革引发的集体经济投资快速增长引致的。其二是1991-1994年经济过热期间由国有经济和集体经济投资的快速增长引致的。此后，受紧缩性宏观调控政策，亚洲金融危机及结构性供过于求等多种因素的影响，固定资产投资增速在1995年以后大幅度下滑，到1999年降为5.1%。2000年以后，固定资产投资增长恢复上升趋势，本轮投资快速增长主要是由非国有经济投资快速增长拉动的。本文建立了一个以国内生产总值GDP为因变量，以其它可量化的影响因素为解释变量的多元线性回归模型；运用多因素分析法对GDP的增长变动极其主要影响因素进行了实证分析，从而得到相关启示，并结合我国现在的GDP增长情况，为未来我国因固定资产而引起的GDP变动情况提供了依据。关键词：GDP 固定资产投资 计量经济学 多元线性回归模型一、问题的提出全社会固定资产投资是社会固定资产再生产的主要手段。通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。这对我国的社会主义现代化建设具有重要意义。固定资产投资额是以货币表现的建造和购置固定资产活动的工作量，它是反映固定资产投资规模、速度、比例关系和使用方向的综合性指标。全社会固定资产投资按经济类型可分为国有、集体、个体、联营、股份制、外商、港澳台商、其他等。1978年至2005年间，中国经济平均年增长率在9.5%左右，中国经济增长波动的标准差约3个百分点。中国现阶段的经济增长只是达到了27年来的平均水平，预计2006年的增长速度在8%9%，也仍属正常范围内。与之形成对照的是，同期中国固定资产投资的增速的确过快。从中国目前的现实出发，中国固定资产投资波动在22%至24%之间均属正常范围。但中国2003年固定资产投资增幅已接近27%，2004年达到25.8%。经过2004年的宏观调控，固定资产投资过快的趋势已经得到一定的缓解，通货膨胀压力正在减轻。从总量数据来看，目前固定资产投资的增长率仍在高水平徘徊，政府的紧缩政策对投资的控制力度似乎不够。但通过对部门分类的投资数据分析，我们发现，中国的固定资产投资结构2004年已经发生了显著的变化。首先，制造业投资的年比增长率下降了近一半，同时，农林牧业的投资终止了连年下降的势头，由年初的25.1%负增长变为23.1%的正增长，此外，在制造业内部，对交通和矿业等瓶颈产业的投资不降反升。由此可见，2004年中国政府的宏观调控更加注重于治理经济结构，而非市场理解的控制增长总量。长期以来，国际经济界断定中国近年来的经济成长主要归功于“投资拉动”。然而我们发现，虽然在上世纪80和90年代固定资产投资对中国经济增长的贡献首屈一指，但自2002年一季度至今，消费对于GDP增长的贡献已经超过了固定资产投资的贡献。经济结构已经从“投资拉动”转型为“消费拉动”。2006年，中国政府将继续实行“稳健”的货币政策和财政政策。根据我们的理解，稳健的货币政策意味着央行在2006年仍将会保持利率政策适度从紧，而稳健的财政政策则表明财政部会减少国债的发行规模，削减政府赤字。如果这些宏观政策得以贯彻实施，同时外部经济环境保持稳定，我们预计2005年中国固定资产投资的增长可以控制在20%左右，GDP增长将会稳定在8%左右。我国当前固定资产投资增长的主要特征：（一）非国有经济是新一轮投资快速增长的主导力量。（二）政府投资的诱导作用弱化，市场约束力加强；再市场经济框架基本建立，企业预算约束僵化之后，市场对企业的投资行为的约束力不断加强。（三）企业技术改造意愿加强，更新改造投资相对快速增长。（四）制造业和社会服务业投资快速增长，在投资总额中的比重持续提升；2000年以来我国投资结构的这一变化特征，表明我国经济结构在经过多年的调整后，已进入以制造业和服务业相对快速发展为特征的新工业化时期。（五）投资率和固定资产投资率进一步提高；投资率和固定资产投资率分别从2000年的36.4%和36.8%提高到2002年的39.4%和42.49%，2003年前三季度固定资产率进一步提高到43.43%,是1953年以来的历史最高水平。二、模型的建立（一）建立模型固定资产对一个企业来说是其主要的劳动手段，它的价值是逐渐地转移到所生产的产品上去。企业同时又是重要的市场主体，因此对固定资产的投资间接的影响得到了一个经济体的产出，这里主要对GDP及国有固定资产投资额，集体经济固定资产投资额，个体经济固定资产投资额，进行计量经济学多元线性回归模型分析。Y=+ +其中：Y国内生产总值GDP （亿元）国有固定资产投资额 （亿元）集体经济固定资产投资额 （亿元）个体经济固定资产投资额 （亿元）（二）我们对模型的初步设想：在开始模型估计前，让我们先对回归系数的符号做一个预期：因为全社会固定资产投资按经济类型可分为国有经济，集体经济，个体经济，外商投资经济，股份制经济，农村经济等等，在这其中我们选取影响比较显著的三个因素，来做为固定资产投资对GDP影响的主要因素进行分析研究。我们初步认为这三个因素对GDP都有正相关的影响，只是影响程度有所不同 ，即认为这些因素的系数符号均可能为正，但仍需要通过具体的数据分析来确定。三、相关数据的收集我们选择时间序列的年度数据，样本期为1980-2005年，共26个样本。由于是小样本，检验和解释都有一定的难度，因此我们倍加小心。数据来源为1980-2005中国统计年鉴国内生产总值和全社会固定资产投资(按经济类型分) 年份GDP国有经济集体经济个体经济19804545.6745.94611919814891.6667.5115.2178.319825323.4845.3174.3210.819835962.7952156.3321.819847208.11185.2238.740919859016.01680.5327.5535.2198610275.22079.4391.8649.4198712058.62448.8547795.9198815042.83020711.71022.1198916992.32808.25701032.2199018667.82986.3529.51001.2199121781.53713.8697.81182.9199226923.55498.71359.41222199335333.97925.92317.31476.2199448197.99615.82758.91970.6199560793.710898.23289.42560.2199671176.612056.23660.63211.2199778973.013091.73850.93429.4199884402.315369.34192.23744.4199989677.115947.84338.64195.7200099214.616504.44801.54709.42001109655.217606.95278.65429.62002120332.718877.45987.46519.22003135822.821661.08009.57720.12004159878.325027.69965.79880.62005183084.829666.911969.613890.6四模型的参数估计利用EVIEWS软件，用OLS方法估计得：（见下表）Dependent Variable: GDPMethod: Least SquaresDate: 06/23/07 Time: 15:38Sample: 1980 2005Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C-1580.3981416.492-1.1157130.2766X15.3144260.5722909.2862420.0000X2-0.9210112.741334-0.3359720.7401X33.3043201.6436522.0103530.0568R-squared0.995297 Mean dependent var55201.23Adjusted R-squared0.994655 S.D. dependent var53269.74S.E. of regression3894.347 Akaike info criterion19.51308Sum squared resid3.34E+08 Schwarz criterion19.70663Log likelihood-249.6700 F-statistic1551.899Durbin-Watson stat1.029932 Prob(F-statistic)0.000000可以看出，经济检验合理，没有出现数字和符号的错误。并且可决系数R2=0.995297，修正的可决系数为0.994655。可以看出，拟和效果十分的好。因此，该模型的设定是合理的 ，将表中的数字带入模型得：=-1580.398+5.314426-0.921011+3.304320 （1416.492）（0.572290）（2.741334）（1.643652）T= (-1.115713) (9.286242) (-0.335972) (2.010353)R-squared=0.995297 Adjusted R-squared=0.994655 F-statistic=1551.899五、计量经济学检验1做多重共线性检验，利用简单相关系数矩阵法得到下列的矩阵：X1X2X3X1 1.000000 0.983445 0.957488X2 0.983445 1.000000 0.987376X3 0.957488 0.987376 1.000000由相关系数矩阵可以看出，各解释变量相互之间的相关系数比较高，证实确实存在严重多重共线性。采用逐步回归的办法，去检查和解释多重共线性问题。分别做Y对x1、x2、x3的一元回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/23/07 Time: 16:32Sample: 1980 2005Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C-2999.7511377.406-2.1778260.0395X16.2303240.10991656.682360.0000R-squared0.992585 Mean dependent var55201.23Adjusted R-squared0.992277 S.D. dependent var53269.74S.E. of regression4681.518 Akaike info criterion19.81444Sum squared resid5.26E+08 Schwarz criterion19.91121Log likelihood-255.5877 F-statistic3212.889Durbin-Watson stat0.607257 Prob(F-statistic)0.000000经过比较得，X1与Y的t检验和拟和效果最好 ，因此把X1作为基准变量引如，然后在逐步的引如其他的解释变量，经最后得到当去除X2以后，多重共线性消失，得到的检验结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/23/07 Time: 17:34Sample: 1980 2005Included observations: 26VariableCoefficientStd. Errort-StatisticProb. C-1348.4421212.761-1.1118780.2777X15.1543360.31078916.584700.0000X32.8211230.7802123.6158400.0015R-squared0.995273 Mean dependent var55201.23Adjusted R-squared0.994862 S.D. dependent var53269.74S.E. of regression3818.505 Akaike info criterion19.44127Sum squared resid3.35E+08 Schwarz criterion19.58644Log likelihood-249.7365 F-statistic2421.178Durbin-Watson stat0.985238 Prob(F-statistic)0.000000从上面修正的回归结果可以看出，R2=0.995273，并且它的修正的可决系数值也达到了0.994862，显然，它的拟和效果十分的好，并且t检验值显著的大于它的临界值，即t值检验十分的显著，因此多重共线性消失，得到修正后的模型为：=-1348.442+5.154336+2.821123 （1212.761）（0.310789）（0.780212）T= (-1.11878) (16.58470) (3.615840) R-squared=0.995272 Adjusted R-squared=0.994862 F-statistic=2421.1782 .在1的基础上进行异方差的检验利用ARCH 检验，得到的结果是，不存在异方差。下面的是我们滞后5期的检验结果。ARCH Test:F-statistic1.175428 Probability0.366376Obs*R-squared5.911726 Probability0.314903Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/23/07 Time: 18:05Sample(adjusted): 1985 2005Included observations: 21 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C8741505.6763645.1.2924250.2158RESID2(-1)0.6623760.2911292.2751970.0380RESID2(-2)-0.5290870.338109-1.5648410.1385RESID2(-3)0.4027890.3593621.1208450.2800RESID2(-4)-0.0381670.359955-0.1060330.9170RESID2(-5)0.0315700.3132310.1007880.9211R-squared0.281511 Mean dependent var15251411Adjusted R-squared0.042014 S.D. dependent var19316291S.E. of regression18906157 Akaike info criterion36.58283Sum squared resid5.36E+15 Schwarz criterion36.88126Log likelihood-378.1197 F-statistic1.175428Durbin-Watson stat1.828711 Prob(F-statistic)0.366376从图中得到Obs*R-squared=5.911726，查卡方分布表，给定显著性水平0.05，自由度为5，得临界值0.05（5）=11.0705大于5.911726,表明模型中不存在异方差。3.自相关的检验（1）D-W检验根据估计的结果，由DW=0.985238,给定显著性水平a=0.05,查Durbin-Watson表，n=26,k（解释变量个数)=2，得下限临界值dL=1.224,上限临界值du=1.553,因为DW统计量为0.985238dL=1.224,根据判定区域知，随机误差项存在正的自相关。（2）自相关的修正 用Cochrane-Orcutt迭代法Dependent Variable: YMethod: Least SquaresDate: 06/23/07 Time: 19:35Sample(adjusted): 1981 2005Included observations: 25 after adjusting endpointsConvergence achieved after 17 iterationsVariableCoefficientStd. Errort-StatisticProb. C-699.60423151.470-0.2219930.8265X15.3847250.5693669.4574010.0000X31.8176311.3035351.3943860.1778AR(1)0.6337220.2159922.9340100.0079R-squared0.996478 Mean dependent var57227.46Adjusted R-squared0.995975 S.D. dependent var53335.81S.E. of regression3383.620 Akaike info criterion19.23693Sum squared resid2.40E+08 Schwarz criterion19.43195Log likelihood-236.4616 F-statistic1980.763Durbin-Watson stat1.411964 Prob(F-statistic)0.000000Inverted AR Roots .63从上面的结果可以看出，虽然DW有很到的提高， 可是它却落在了不确定的区域，下面在对它进行Cochrane-Oecutt迭代发进行检验 ，得到下列的结果。Dependent Variable: YMethod: Least SquaresDate: 06/23/07 Time: 19:42Sample(adjusted): 1982 2005Included observations: 24 after adjusting endpointsConvergence achieved after 4 iterationsVariableCoefficientStd. Errort-StatisticProb. C-1808.9481431.756-1.2634470.2210X15.2139760.37393013.943720.0000X32.7257320.9529432.8603310.0097AR(2)-0.0003440.290489-0.0011850.9991R-squared0.995026 Mean dependent var59408.12Adjusted R-squared0.994280 S.D. dependent var53332.36S.E. of regression4033.700 Akaike info criterion19.59377Sum squared resid3.25E+08 Schwarz criterion19.79011Log likelihood-231.1252 F-statistic1333.569Durbin-Watson stat1.645786 Prob(F-statistic)0.0000004.进行平稳性检验。对GDP的检验得到下列的结果ADF Test Statistic -2.655417 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(Y)Method: Least SquaresDate: 06/23/07 Time: 20:19Sample(adjusted): 1983 2005Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. Y(-1)0.0554840.0208952.6554170.0156D(Y(-1)1.1605750.2064325.6220620.0000D(Y(-2)-0.7020440.253329-2.7712710.0122C917.3622750.46161.2223970.2365R-squared0.902687 Mean dependent var7728.757Adjusted R-squared0.887322 S.D. dependent var6673.081S.E. of regression2239.988 Akaike info criterion18.42310Sum squared resid95333409 Schwarz criterion18.62058Log likelihood-207.8656 F-statistic58.74893Durbin-Watson stat1.764479 Prob(F-statistic)0.000000可以看出是非平稳的，并且进行 多次检验结果都是非平稳的 。并且对 X1 X3 进行检验，一样是非平稳的。但是由于我们的能力有限 ，对平稳性休整多次还是非平稳的 ，在这里我们就把它当成我们以后的努力的重点 ，以后再继续详细的研究，这里就不做平述。因此，对于 协整，这里也不做平述。六、模型分析该模型并没有直接的从投资，消费，出口的角度去考虑解释变量对GDP的影响，而是以间接的方法从固定资产投资的角度研究了其对GDP的影响。从计量经济学的检验结果看无论是公有经济还是个体经济对GDP都存在线性影响，而且相关系数都接近于1，进一步证明了固定资产投资对一国社会总产出的影响。从我们得出的模型可以看出，尽管从经济背景来看，近几年来各种类型的固定资产投资对GDP的增长均会产生影响，但实证分析表明，公有经济和个体经济对GDP的影响较其他两个因素要显著些。其中公有经济与GDP的相关系数从一个侧面显示出近年来国有经济布局调整和国有企业战略性改组的成效。当其他条件不变时，公有经济投资固定资产每增长1亿元，则GDP将增加0.9722742亿元。尽管近几年我国在经济上取得了巨大成就，但我国仍是一个发展中国家。所以国家仍会大力投资于全社会的基础设施建设等固定资产项目，所以对GDP的影响很显著。我们可以看到国有经济对GDP的影响始终都是非常显著的。虽然在经济发展的不同阶段，国家对固定资产的投资侧重点有所不同，但比起其他的经济形式，它仍是固定资产投资的支柱。当其他条件保持不变时，个体经济固定资产投资每增长1亿元，则GDP将增加5.076192亿元。近年来个体经济投资自主性增强，并成为推动支出与支撑社会投资增长的主导力量。2005年内个体经济注册资金达到2.8万亿元的规模，占全社会投资的比重已超过50%，个体投资已成为我国社会投资中最具有活力的增长源泉。改革开放以后，我国的国有经济开