河南省经济增长影响因素分析

1、资源与环境学院计量地理学课程论文河南省经济增长影响因素分析班级姓名学号专 业地理科学专业河南省经济增长影响因素分析摘要： 改革开放以来，河南省的经济一直在以极快的速度增长，本文采用经济增长模型和多元线性回归分析方法对2001 2014 年河南省经济增长因素进行研究，分析了物质资本、消费、 财政支出对河南省生产总值的影响，建立计量模型，寻求这些变量与河南省国民产出的数量关系，进行定量分析，对模型进行检验。关键词：消费、投资、经济增长、财政支出一、前言（一）经济增长理论经济增长是指一个国家或地区的生产商品和劳务能力的扩大。在实际核算中，常以生产的商品和劳务总量的增加来表示，即以国民生产总值和地区生

2、产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。（二）影响因素的分析从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量. 然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元） 来衡量物质资本。居民消费需求和政府投资也是经济增长的主导因素。经济增长问题既受各国政府和居民的关注, 也是经济学理论研究的一个重要方面。在 2001 2014 年的 14中 , 我省经济年均增长率高达

3、11.5%, 综合实力大大增强, 居民收入水平与生活水平不断提高, 居民的消费需求的数量和质量有了很大的提高。但是 , 我省目前仍然面临消费需求不足问题。因此 , 研究消费需求对经济增长的影响, 并对我省消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我省经济增长的作用。二、数据收集与模型的建立（一）数据收集本文采用了2001-2014 年的河南省生产总值等数据，来源于河南省统计年鉴，具体数据表如下：年份生产总值全社会固定资产投资总额 （ 亿元 ）居民消费价格指数（上年为100）财政支出 （亿元）20015533.011627.99106.9508.5820026035.4818

4、20.45108.6629.1820036867.702310.54108.6716.6020048553.793099.38109.5879.96200510587.424378.69107.71116.04200612362.795907.74112.31440.09200715012.468010.11109.11870.61200818018.5310490.65114.32281.61200919480.4613704.65112.42905.76201023092.3616585.85114.134160317770.51112.04248.8220122

5、9599.3121449.99110.45006.40201332191.3026087.45109.95582.31201434938.2430782.17108.66028.69（二）模型设计为了具体分析各要素对河南省经济增长影响的大小，我们可以用河南省生产总值（y）作为对经济发展的衡量，代表经济发展；用固定资产投资总额（x1）衡量资本投入；用价格指数（ x2）去代表消费需求；用财政支出（x3）代表政府投资。运用这些数据进行回归分析。采用的模型如下：y 12x13 x24 x3 ui其中， y 为河南省生产总值，x1 为固定资产投资总额，x2 为消费价格指数，x3 为财政支出，ui 代表随

6、机扰动项。我们通过对该模型的回归分析，得出各个变量与我省经济增长的变动关系。三、模型估计和检验（一）模型初始估计在 Evivw 中利用最小二乘法进行初步回归分析得到如下的分析结果：Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 13:32Sample: 2001 2014Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C-33005.4911023.17-2.9941910.0135X10.0821930.2129260.38

7、60190.7076X2340.6070100.73083.3813580.0070X34.6890971.0548284.4453640.0012R-squared0.995022Mean dependent var17800.28Adjusted R-squared0.993529S.D. dependent var10143.41S.E. of regression815.9620Akaike info criterion16.48157Sum squared resid6657939.Schwarz criterion16.66416Log likelihood-111.3710Han

8、nan-Quinn criter.16.46467F-statistic666.3206Durbin-Watson stat1.630732Prob(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 =0.995022 ，修正的可决系数为0.993529 。 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：Y? -33005.49+0.0822X1+340.6070X2 + 4.6891X311023.17)(0.2130)(100.7308)(1.0548)T (-2.994191) (0.38601

9、9) (3.381358) (4.445364)22R2 0.9950 R 0.9935 F 666.321 DW 1.63计算解释变量的简单相关系数矩阵YX1X2X3Y1.0000000.9890350.3415520.994639X10.9890351.0000000.2637670.993818X20.3415520.2637671.0000000.270700X30.9946390.9938180.2707001.000000由相关系数矩阵可以看出，x1 和 x3 相互之间的相关系数比较高，证实确实存在多重共线性。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

10、、 x3的一元回归，结果如下：Dependent Variable: YDate: 01/02/17 Time: 14:27Method: Least SquaresDate: 01/02/17 Time: 14:25Sample: 2001 2014Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C5537.514673.08148.2271090.0000X11.0466540.04511623.199420.0000R-squared0.978190Mean dependent var17800.

11、28Adjusted R-squared0.976373S.D. dependent var10143.41S.E. of regression1559.159Akaike info criterion17.67324Sum squared resid29171707Schwarz criterion17.76454Log likelihood-121.7127Hannan-Quinn criter.17.66479F-statistic538.2130Durbin-Watson stat0.814233Prob(F-statistic)0.000000Dependent Variable:

12、YMethod: Least SquaresDate: 01/02/17 Time: 14:27Sample: 2001 2014Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C-145762.7129954.9-1.1216410.2840X21482.7001177.7971.2588760.2320R-squared0.116658Mean dependent var17800.28Adjusted R-squared0.043046S.D. dependent var10143.41S.E.

13、of regression9922.695Akaike info criterion21.37460Sum squared resid1.18E+09Schwarz criterion21.46589Log likelihood-147.6222Hannan-Quinn criter.21.36615F-statistic1.584768Durbin-Watson stat0.216216Prob(F-statistic)0.232014Dependent Variable: YMethod: Least SquaresC2.89E+084.12E+080.7012960.5030Sample

14、: 2001 2014Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C4183.866502.12908.3322530.0000X35.2040850.15618533.320020.0000R-squared0.989307Mean dependent var17800.28Adjusted R-squared0.988416S.D. dependent var10143.41S.E. of regression1091.732Akaike info criterion16.96048Sum sq

15、uared resid14302546Schwarz criterion17.05178Log likelihood-116.7234Hannan-Quinn criter.16.95203F-statistic1110.224Durbin-Watson stat0.611681Prob(F-statistic)0.000000经过比较得，X3 与 Y的 t 检验和拟和效果最好，因此把X3 作为基准变量引入，然后在逐步的引如其他的解释变量。Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:29Sample: 20

16、01 2014Included observations: 14VariableCoefficientStd. Errort-StatisticProb.C4237.181623.67676.7938740.0000X34.9743001.4677093.3891590.0060X10.0467660.2968610.1575340.8777R-squared0.989331Mean dependent var17800.28Adjusted R-squared0.987391S.D. dependent var10143.41S.E. of regression1138.993Akaike

17、info criterion17.10109Sum squared resid14270351Schwarz criterion17.23803Log likelihood-116.7076Hannan-Quinn criter.17.08841F-statistic510.0129Durbin-Watson stat0.599772Prob(F-statistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:29Sample: 2001 2014Included observations:

18、 14VariableCoefficientStd. Errort-StatisticProb.C-32889.7510584.28-3.1074150.0100X35.0935810.11647543.731000.0000X2338.693796.638793.5047380.0049R-squared0.994948Mean dependent var17800.28Adjusted R-squared0.994030S.D. dependent var10143.41S.E. of regression783.7642Akaike info criterion16.35350Sum s

19、quared resid6757150.Schwarz criterion16.49044Log likelihood-111.4745Hannan-Quinn criter.16.34083F-statistic1083.206Durbin-Watson stat1.608830Prob(F-statistic)0.000000从所得的结果中可以看出，x2 的调整后可决系数最大，当去除x1 后多重共线性消失，得到的检验结果如上。从上面修正的回归结果可以看出，R2=0.994948 ，并且它的修正的可决系数值也达到了0.994030 ， 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

20、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：Y? -32889.75+ 5.0936X3 +338.6937X210584.28)(0.1165)(96.6388)T (-3.1074) (43.7310) (3.5047)22R2 0.9950 R 0.9940 F 1083.21 DW 1.61(三)异方差检验White 检验：Heteroskedasticity Test: WhiteF-statistic3.114913Prob.F(5,8)Obs*R-squared9.249117Prob.Chi-Square(5)Scaled explained SS

21、4.944554Prob.Chi-Square(5)0.07460.09950.4227Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 01/02/17 Time: 14:53Sample: 2001 2014Included observations: 14VariableCoefficient Std. Error t-StatisticProb.X313759.847463.8951.8435210.1025X32-0.3173790.101175-3.1369190.0139X3*X2-107.303

22、565.05182-1.6495070.1377X2-5077554.7471862.-0.6795570.5160X2222162.6833832.380.6550730.5308R-squared0.660651Mean dependent var482653.5Adjusted R-squared0.448558S.D. dependent var659161.2S.E. of regression489487.3Akaike info criterion29.33763Sum squared resid1.92E+12Schwarz criterion29.61151Log likelihood-199.3634Hannan-Quinn criter.29.31228F-statistic3.114913Durbin-Watson stat2.851341Prob(F-statistic)0.074568从上表可以得