计量经济国内生产总值影响因素计量分析

1、国内生产总值影响因素的计量分析 学院名称： 专业名称： 作者姓名： 学 号： 指导老师： 摘 要自党的十一届三中全会以来，我国进入了改革开放的新时期。30多年来，我国的经济建设取得了令世人瞩目的巨大成就国内经济持续高速增长，基本实现总体小康，人民生活水平显著提高，综合国力不断增强，国际地位也显著提高。国民经济繁荣给中国的发展带来了昂扬的生命力。而GDP是衡量一国经济增长的重要指标，因此，对国内生产总值影响因素的经济分析研究具有十分重要意义。本文采用经济增长模型和多元线性回归分析方法对19922011年国内生产总值的影响因素进行研究，分析了消费、财政支出和进出口对经济发展的影响，建立计量模型，寻

2、求这些变量与GDP的数量关系，进行定量分析以及检验，并根据所得结论提出一些可行性的相关建议。关键词：国内生产总值 消费 财政支出 净出口 计量分析目 录1 前言····································

3、3;························32 理论综述························

4、83;································32.1 国内生产总值···············

5、3;···································32.2 影响因素分析·············

6、;······································33 实证模型构建··········&#

7、183;··········································43.1 数据收集······

8、;·················································43.2

9、模型设计·················································&#

10、183;·····5 建立模型···········································&#

11、183;·········5 模型参数估计·······································

12、··········54 模型检验·······································

13、;··················64.1 统计推断检验······························

14、·····················6 经济意义检验···························

15、3;·····················6 R2检验···························

16、3;··························6 t检验·······················

17、;··································64.1.4 F检验··············&

18、#183;·········································74.2 计量经济检验······&#

19、183;············································7 多重共线性检验····

20、;············································7 异方差检验····

21、3;··············································11 自相关检验··&#

22、183;················································13 最终结果&

23、#183;·················································&

24、#183;··145 结论与说明·············································

25、3;·········146 实习感悟·······································&#

26、183;·················15参考文献·······························&#

27、183;···························161 前言“GDP”被美国商务部誉为“20世纪的伟大发明之一”。：GDP能够反映国民经济发展变化情况，并为国家以及各个地区经济发展战略目标和宏观经济政策提供了重要工具和依据。GDP还为检验宏观经济政策的科学性和有效性提供了重要的检测工具，同时GDP也是对外交往的重要

28、指标，因为在世界上衡量一个国家的经济地位指标，很多与GDP有关，每年，联合国都要根据各国的“人均GDP”进行排名，来提供反映一个国家经济实力的依据。可以说GDP在一定程度上决定了一个国家承担的国际义务和权利，决定了一个国家在国际社会中所能发挥的作用，影响到国家的经济利益和政治利益；最后GDP的统计比较容易，其具有统计数据准确、重复计算少等优点，作为总量指标，它和经济增长率、通货膨胀率和失业率这三个主要的宏观经济运行指标都有密切关系，是国家制定宏观调控政策的三大指标中最基础性的指标。 GDP能够提供一个国家经济状况的完整图像，帮助国家领导人判断经济是在萎缩还是在膨胀，是需要刺激还是需要控制，是处

29、于严重衰退还是处于过热之中。甚至有人认为该指标像灯塔一样，能使政策制定者不会陷入杂乱无章的数字海洋而不知所措。2 理论综述2.1 国内生产总值国内生产总值（Gross Domestic Product，简称GDP)是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。2.2 影响因素分析一般来说，国内生产总值共有四个不同的组成部分，其中包括消费、私人投资、政府支出和净出口额。用公式表示为：GDP = CA + I

30、60;+ CB + X ，式中：CA为消费、I为私人投资、 CB为政府支出、X为净出口额。影响GDP的因素很多。消费水平的提高能够通过乘数效应，提高极大地带动经济的增长；但消费水平与边际消费倾向和收入之间存在线性关系，由于边际消费倾向在短期内可以认为是固定的，因此，消费水平在某一时期是由收入水平即经济发展水平决定的。改革开放以来，居民消费、政府购买和进出口明显增加，与之相对应的是GDP总量也迅速得到增加。在经济发展的过程中，我国在经济贸易方面不断对外开放，同时，我国的经济的发展状态呈效好的趋势。对外贸易的适度增长和政府购买的增加是经济发展的重要

31、影响因素之一，因为对外贸易的增长，为我国带来了大量的外汇的收入，从而促进了我国GDP的增长，促进我国经济的发展。因此，本文研究影响经济发展的因素时，旨在分析消费、政府财政支出和进出口对GDP的实证影响。3 实证模型构建3.1数据收集 表1年 份 国内生产总值（Y) 居民消费水平(X2)政府财政支出(X3) 净出口(X4)199226923.511163742.2233199335333.913934642.3-701.4199448197.918335792.62461.7199560793.723556823.721403.7199671176.627897937.5510191997789

32、7330029233.563354.2199884402.3315910798.183597.5199989677.1334613187.672423.4200099214.6363215886.51995.62001109655.2388718902.581865.22002120332.7414422053.152517.62003135822.8447524649.952092.32004159878.3503228486.892667.52005184937.4559633930.288374.42006216314.4629940422.7314220.32007265810.373

33、1049781.3520263.52008314045.4843062592.6620868.42009340902.8928376299.9313411.32010401512.81052289874.1612323.52011472881.612272109247.7910079.2样本数据来源：中国国家统计局官方网站，中国统计年鉴20123.2 模型设计 建立模型根据数据，现以中国国内生产总值（Y）作为被解释变量，以居民消费水平（X1）、国家财政支出（X2）、净出口（X3）为解释变量，建立多元线性回归方程的一般模型为：Y=B1+B2*X2+B3*X3+B4*X4+U其中：Y国内生产总值X

34、2居民消费水平X3国家财政支出X4净出口U随机误差项B1常数项 B2,B3,B4回归方程的系数 模型参数估计根据数据建立多元线性回归方程： 首先利用Eviews软件对模型进行OLS估计，得样本回归方程。输出结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/30/13 Time: 11:22Sample: 1992 2011Included observations: 20VariableCoefficientStd. Errort-StatisticProb.  C120.82853603.6040.033530

35、0.9737X217.731981.9559639.0656010.0000X32.1997740.18425911.938480.0000X41.2093060.1922476.2903760.0000R-squared0.999453    Mean dependent var165839.3Adjusted R-squared0.999350    S.D. dependent var128980.1S.E. of regression3288.155    Akaik

36、e info criterion19.21090Sum squared resid1.73E+08    Schwarz criterion19.41004Log likelihood-188.1090    F-statistic9739.476Durbin-Watson stat1.675427    Prob(F-statistic)0.000000根据以上结果，初步得出的模型为:y = 120.8285+17.73198*X2 +2.199774*X3 +1.2093

37、06*X4se = (3603.604) (1.955963) (0.184259) (0.192247)t = (0.033530) (9.065601) (11.93848) (6.290376)F = 9739.476 DW = 1.675427 R2 =0.9993504 模型检验4.1 统计推断检验 经济意义检验：通过估计所得到参数，可进行经济意义检验：1） B1 =120.8285，表示当消费、财政支出和净出口为0时，我国GDP仍能平均增加120.8285个单位。这样的解释没什么经济意义。2） B2 =17.73198,表示在其他条件不变的情况下，居民消费水平每增长1个单位，GDP

38、平均增加17.73198个单位，符合经济现实。3)B3 =2.199774,表示在其他条件不变的情况下，财政支出每增长1个弹尾，GDP平均增加2.199774个单位；反之，降低2.199774，符合现实。4)B4 =1.209306,表示在其他条件不变的情况下，净出口每增长1个百分点，GDP平均增加1.209306个单位；反之，降低1.209306，合理。 消费、财政支出和进出口的增长能促进国内生产总值的增加，它们是正比关系。综上可知，该模型符合经济意义，经济意义检验通过。 R2检验：R2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R2的值越接近0，说明回归直线对观测值的拟合程度越

39、差。校正的判定系数R2同理。在数据中，判定系数R2=0.999453，校正的判定系数¯R² =0.999350，计算结果表明模型拟合度高。 t检验：在B2=0，B3=0，B4=0这三个零假设下，模型偏回归系数的t检验值分别为t2=9.065601, t3=11.93848, t4=6.290376，在显著性水平5%下自由度为n-k=20-4=16的t临界值=1.746，比较可知，偏回归系数的t检验值都大于t临界值，而t1=0.033530<1.746。因此拒绝零假设并得出结论：常数项系数不显著，居民消费、财政支出和净出口是显著的，它们对国内生产总值有影响。4.1.4

40、F检验 从表中可知：模型的F检验值为9739.476，F检验的P值等于0，小于显著性水平0.05。因此，回归方程是显著的，国内生产总值与居民消费、政府财政支出和净出口之间存在显著的关系。 4.2 计量经济学检验 多重共线性检验1) 对于含有多个解释变量的模型，可以利用解释变量样本观测值的散点图来考察两两解释变量间是否存在线性关系。利用Eviews软件做X2,X3之间的散点图，如下图1： 图1同理，X2和X4，X3和X4之间的散点图下图2，图3 图2 图3分析:从散点图可直观看到，图1的点趋向于一条直线，图2和图3的点都比较分散，虽然在模型中不存在多重共线性，但X2-X3存在高度线性相关，X2-

41、X4和X3-X4不存在线性相关。因此需要对模型进行修正。2) 多重共线性修正处理：(1）逐步回归处理：运用OLS方法求y对各个变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。用Eviews回归过程如下：Y对X2的回归Dependent Variable: YMethod: Least SquaresDate: 06/30/13 Time: 16:38Sample: 1992 2011Included observations: 20VariableCoefficientStd. Errort-StatisticProb.  C-39941.374243

42、.437-9.4125050.0000X241.207650.72568756.784310.0000R-squared0.994449    Mean dependent var165839.3Adjusted R-squared0.994140    S.D. dependent var128980.1S.E. of regression9873.302    Akaike info criterion21.32770Sum squared resid1.75E+09&#

43、160;   Schwarz criterion21.42727Log likelihood-211.2770    F-statistic3224.458Durbin-Watson stat0.242547    Prob(F-statistic)0.000000Y对X3的回归Dependent Variable: YMethod: Least SquaresDate: 06/30/13 Time: 16:39Sample: 1992 2011Included observation

44、s: 20VariableCoefficientStd. Errort-StatisticProb.  C33418.514063.4138.2242450.0000X34.1754310.09311744.840690.0000R-squared0.991127    Mean dependent var165839.3Adjusted R-squared0.990634    S.D. dependent var128980.1S.E. of regression12482.22 

45、   Akaike info criterion21.79664Sum squared resid2.80E+09    Schwarz criterion21.89621Log likelihood-215.9664    F-statistic2010.688Durbin-Watson stat0.536961    Prob(F-statistic)0.000000Y对X4的回归Dependent Variable: YMethod: Le

46、ast SquaresDate: 06/30/13 Time: 16:40Sample: 1992 2011Included observations: 20VariableCoefficientStd. Errort-StatisticProb.  C74058.6125250.032.9330110.0089X414.988292.8134765.3273200.0000R-squared0.611905    Mean dependent var165839.3Adjusted R-squared0.590344 &#

47、160;  S.D. dependent var128980.1S.E. of regression82552.96    Akaike info criterion25.57491Sum squared resid1.23E+11    Schwarz criterion25.67448Log likelihood-253.7491    F-statistic28.38034Durbin-Watson stat0.402546  &

48、#160; Prob(F-statistic)0.000046由上面三个表可知，Y对X2的线性最强（R2：0.994449>0.991127>0.611905,即X1>X2>X3），拟合度最优，因此回归方程为：y = -39941.37+41.20765*X2(2）将其余解释变量逐一引入上式：引入X3Dependent Variable: YMethod: Least SquaresDate: 06/30/13 Time: 17:12Sample: 1992 2011Included observations: 20VariableCoefficientStd

49、. Errort-StatisticProb.  C-10002.505829.408-1.7158680.1044X224.012423.0409097.8964630.0000X31.7635510.3086415.7139290.0000R-squared0.998099    Mean dependent var165839.3Adjusted R-squared0.997876    S.D. dependent var128980.1S.E. of regression5944.88

50、5    Akaike info criterion20.35593Sum squared resid6.01E+08    Schwarz criterion20.50529Log likelihood-200.5593    F-statistic4463.299Durbin-Watson stat0.880929    Prob(F-statistic)0.000000引入X4Dependent Variable: YMethod

51、: Least SquaresDate: 06/30/13 Time: 17:12Sample: 1992 2011Included observations: 20VariableCoefficientStd. Errort-StatisticProb.  C-39164.874485.320-8.7317900.0000X240.628481.17299734.636460.0000X40.3455110.5439020.6352450.5337R-squared0.994577    Mean dependent var1658

52、39.3Adjusted R-squared0.993939    S.D. dependent var128980.1S.E. of regression10041.07    Akaike info criterion21.40424Sum squared resid1.71E+09    Schwarz criterion21.55360Log likelihood-211.0424    F-statistic1559.006D

53、urbin-Watson stat0.217399    Prob(F-statistic)0.000000同理，根据上表可知，模型的统计检验均有改善，调整后的X3的判定系数最大(0.998099>0.994577),因此模型应该引入X3，去掉X4，从而得到修正后的最优模型，回归结果如下： y =-10002.50+24.01242X2+1.763551X3 se = (5829.408） （3.040909） （0.30864） t = (-1.715868) （7.89646） （5.713929） F = 4463.299 DW=0.8809

54、29 R2=0.998099 异方差检验 对模型：y =-10002.50+24.01242X2+1.763551X3 进行White检验White检验：在原来残差与解释变量线性关系的基础上加入解释变量的平方项与交叉项，因此得到辅助回归模型，并求辅助回归方程的R2值，n* R2的积服从2分布。若从回归方程中得到的2值超过所选显著水平下的2临界值，或得到2值的P值很低，则拒绝零假设：不存在异方差。辅助回归模型：ei2 =A1+A2*X2i+A3*X3i+A4*X2i2+A5*X3i2+A6*X2i*X3i+vi假设：H0：Ai=0（i=2，3，4，5 ,6）；H1：A2,A3,.A6不全为零利用

55、Eviews软件做White检验，输出结果如下：White Heteroskedasticity Test:F-statistic4.381915    Probability0.015182Obs*R-squared10.77708    Probability0.029187Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/30/13 Time: 19:18Sample: 1992 2011Included observa

56、tions: 20VariableCoefficientStd. Errort-StatisticProb.  C83124938466048081.7836130.0947X2-68901.8532343.02-2.1303470.0501X2216.388686.1446202.6671590.0176X361.039193714.8520.0164310.9871X32-0.1424810.044812-3.1795110.0062R-squared0.538854    Mean dependent var30040411Ad

57、justed R-squared0.415882    S.D. dependent var42411792S.E. of regression32414328    Akaike info criterion37.63842Sum squared resid1.58E+16    Schwarz criterion37.88735Log likelihood-371.3842    F-statistic4.381915Durbin-

58、Watson stat1.336198    Prob(F-statistic)0.015182 根据上表检验可知：2值= Obs*R-squared=10.77708，从辅助回归模型中可知：2分布的自由度k-1=6-1=5，在显著性水平5%下，查2分布表，得临界值2 0.05（5）=12.5916，因为2值=10.77708<2 0.05（5）=12.5916,ze则接受原假设H0：Ai=0（i=2，3，4，5 ,6）：不存在异方差，也就是说辅助回归模型的回归参数除了常数项外显著为0。所以原模型中不存在异方差。 自相关检验1) 检验模型：y =-

59、10002.50+24.01242X2+1.763551X3是否存在一阶自相关，其关于误差项Ut的一阶自回归形式为：Ut = PUt-1 + Vt德宾-沃森d检验：进行OLS回归并获得残差ei,利用Eviews软件计算d值，根据样本容量及解释变量个数，从D-W表查临界的dl和du，利用判定规则进行判定。假设 H0: P = 0；（不存在一阶自相关）H1: P 0；（存在一阶自相关）已知模型中的DW=0.880929,n=20,k=k-1=2,在5%显著性水平下，查表得其临界值：dl=1.100 ，du=1.537，因为DW=0.880929< dl=1.100,其落在正自相关区域，说明拒

60、绝原假设H0: P = 0，模型存在一阶正自相关2) 自相关修正处理：用广义最小二乘法估计回归参数，利用Eviews软件计算，输入结果如下：Dependent Variable: YMethod: Least SquaresDate: 06/30/13 Time: 21:18Sample (adjusted): 1993 2011Included observations: 19 after adjustmentsConvergence achieved after 9 iterationsVariableCoefficientStd. Errort-StatisticProb.  C-77732.2320778.27-3.7410350.0020X250.668596.9820097.2570210.0000X3-0.6575480.619705-1.0610670.3054AR(1)0.7803870.06709711.630760.0000R-squared0.999265