《黄河流域绿色金融与经济增长实证探析》2900字（论文）

黄河流域绿色金融与经济增长实证分析目录TOC\o"1-2"\h\u19915黄河流域绿色金融与经济增长实证分析 120041.1指标选取与数据来源 155971.2平稳性检验 3229771.2.1被解释变量的平稳性检验 473691.2.2解释变量的平稳性检验 5239401.2.3平稳性检验总结 671831.3协整检验 6173251.4回归分析 7129961.4.1随机效应模型分析 7175671.4.2固定效应模型分析 8324721.4.3混合效应模型分析 91.1指标选取与数据来源上一章我们研究了黄河流域部分地区绿色金融对经济增长的影响，尚未发现绿色金融与经济增长之间的关系，为了更好的了解绿色金融与经济增长的关系，在这一章作者将使用Eviews6软件建立数学模型，并进行相关检验。因为受人口因素影响，青海、甘肃、宁夏三个省份地区生产总值相对落后。因此当我们考虑到人口因素的影响后，采用了人均地区生产总值的数据进行分析，得到的结果更能反映黄河流域地区经济增长的真实情况。因此在这一节，我们将采用绿色金融指数与人均地区生产总值两个数据进行实证分析。为了更方便阅读，作者将绿色金融指数表和人均地区生产总值表在本章节再次进行归纳，为了方便设立数学模型，我们将绿色金融指数设为gfi，将人均地区生产总值设为rgdp，时间跨度定为2001-2020年，并在归纳后得出下列两个表格：表3.52001-2020年黄河流域各省份绿色金融指数表省份年份山西内蒙古山东河南四川陕西甘肃青海宁夏20010.0810.0490.0920.0660.0810.0770.0530.0740.05820020.0830.0510.0940.0670.0830.0810.0590.0790.05020030.0850.0530.0970.0680.0860.0860.0660.0850.04220040.0920.0530.1020.0700.0880.0870.0700.0790.04320050.0990.0540.1080.0730.0910.0880.0740.0730.04420060.1100.0610.1150.0770.0960.0900.0800.0750.05020070.1220.0680.1230.0810.1010.0920.0850.0770.05620080.1160.0750.1320.0850.1070.1040.0890.0820.05720090.1100.0810.1410.0890.1140.1150.0920.0860.05820100.1100.0870.1550.0970.1210.1250.0920.0940.06020110.1090.0940.1680.1050.1280.1350.0930.1020.06220120.1170.1040.1840.1140.1390.1530.1040.1080.07420130.1260.1140.2010.1230.1500.1700.1150.1140.08520140.1240.1180.2100.1350.1590.1750.1220.1270.09920150.1260.1150.2200.1420.1690.1850.1240.1270.08020160.1290.1210.2290.1560.1820.1990.1430.1360.10320170.1430.1210.2400.1660.1930.1990.1550.1380.08820180.1410.1340.2670.1740.2020.2080.1460.1440.09920190.1450.1400.2850.1860.2150.2180.1520.1510.10320200.1490.1460.3050.1990.2280.2270.1580.1580.107数据来源：根据2001-2020《中国统计年鉴》、各省份《统计年鉴》以及国家统计局()数据整理而来.表3.62001-2020年黄河流域各省份人均地区生产总值表单位：元/人省份年份山西内蒙古山东河南四川陕西甘肃青海宁夏2001622672101006359595376551144675774603920027082814611120648758906161487564786647200386391001511977737665657057552572487686200410515123151454090477751854565128275890420051219514695173081097888281035773329233979620061400817275204431276110371124398653107281138920071754221334243291581112963153421050113100144582008212342562028861188791568519331120481622018554200920906289823128220280173872148512802169072038220102543433262355992398421230263881542120418249842011304003818540639280092616332562188012422030365201232435421204446430820296693773320978267843312520133311145684487633361832772423182331329772357722014332374861052016366863556546167252023182437605201532375516335631239209371294730125264343223880520163252654816593754234140251500812652038213414272017392325901763162469594576856154280264136647177201843010637726647252114515566219530797457385124820194554967852701295582555472666493299548570542172020505287206272151554355812666292359955081954528数据来源：根据2001-2020《中国统计年鉴》、各省份《统计年鉴》以及国家统计局()数据整理而来.1.2平稳性检验有了被解释变量rgdp和解释变量gfi数据后，在制作回归方程之前，我们需要先将数据进行平稳性检验。1.2.1被解释变量的平稳性检验我们首先对人均地区生产总值rgdp进行单位根检验，测试rgdp的水平值，经Eviews运算得出如下结果：Cross-MethodStatisticProb.**sectionsObsNull:Unitroot(assumescommonunitrootprocess)

Levin,Lin&Chut*

4.91391

1.0000

9

164Null:Unitroot(assumesindividualunitrootprocess)

Im,PesaranandShinW-stat

8.61499

1.0000

9

164ADF-FisherChi-square

0.17411

1.0000

9

164PP-FisherChi-square

0.05536

1.0000

9

171根据以上计算结果，我们可以发现LLC、IMPS、ADF、PP的伴随概率都为1，所以其存在单位根。因为上述结果存在单位根，所以我们以一阶差分的形式再次运算，得出如下结果：Cross-MethodStatisticProb.**sectionsObsNull:Unitroot(assumescommonunitrootprocess)

Levin,Lin&Chut*-4.68057

0.0000

9

159Null:Unitroot(assumesindividualunitrootprocess)

Im,PesaranandShinW-stat

-3.78641

0.0001

9

159ADF-FisherChi-square

43.4238

0.0007

9

159PP-FisherChi-square

35.9422

0.0072

9

162根据以上计算结果，我们可以发现LLC、IMPS、ADF、PP的伴随概率都≤0.01，因此，我们可以断定其数据是平稳的。1.2.2解释变量的平稳性检验我们对绿色金融指数gfi进行单位根检验，测试gfi的水平值，经Eviews运算得出如下结果：Cross-MethodStatisticProb.**sectionsObsNull:Unitroot(assumescommonunitrootprocess)

Levin,Lin&Chut*

8.00605

1.0000

9

165Null:Unitroot(assumesindividualunitrootprocess)

Im,PesaranandShinW-stat

8.98287

1.0000

9

165ADF-FisherChi-square

1.53896

1.0000

9

165PP-FisherChi-square

0.59672

1.0000

9

171根据以上计算结果，我们可以发现LLC、IMPS、ADF、PP的伴随概率都为1，所以我们断定其存在单位根。因为上述结果存在单位根，所以我们以一阶差分的形式再次运算，得出如下结果：Cross-MethodStatisticProb.**sectionsObsNull:Unitroot(assumescommonunitrootprocess)

Levin,Lin&Chut*-4.86543

0.0000

9

156Null:Unitroot(assumesindividualunitrootprocess)

Im,PesaranandShinW-stat

-4.97863

0.0000

9

156ADF-FisherChi-square

60.9144

0.0000

9

156PP-FisherChi-square

69.3760

0.0000

9

162根据以上计算结果，我们可以发现LLC、IMPS、ADF、PP的伴随概率都为0，因此，我们可以断定其数据是平稳的。1.2.3平稳性检验总结综上我们可知，rgdp、gfi都是在一阶差分之后平稳，因此它们是是同阶单增的，接下来我们就可以用rgbp和gfi的数据进行回归分析。1.3协整检验由于rgdp、gfi都通过了平稳性检验，因此我们把被解释变量和解释变量再拿来进行协整检验，经过Eviews的运算得出如下结果：Alternativehypothesis:commonARcoefs.(within-dimension)WeightedStatisticProb.StatisticProb.Panelv-Statistic

2.589635

0.0048

2.221359

0.0132Panelrho-Statistic-2.652374

0.0040-1.158948

0.1232PanelPP-Statistic-3.626868

0.0001-1.412107

0.0790PanelADF-Statistic-2.888421

0.0019-2.554240

0.0053Alternativehypothesis:individualARcoefs.(between-dimension)StatisticProb.Grouprho-Statistic

0.244465

0.5966GroupPP-Statistic-0.892243

0.1861GroupADF-Statistic-2.094965

0.0181为了便于观察，将上述检验结果制成表3.7：表3.7所用变量的面板协整检验变量面板协整检验结果被解释变量

rgdp解释变量gfi组内统计量Panelv-Statistic

2.589635**Panelrho-Statistic

-2.652374**PanelPP-Statistic

-3.626868***PanelADF-Statistic

-4.838391***组间统计量Grouprho-Statistic

0.244465GroupPP-Statistic

-0.892243GroupADF-Statistic

-2.220772**根据上述结果，我们首先来看组内统计，从数据上我们可以看出，4个组内检验统计量其伴随概率都＜0.01，也就意味着拒绝原假设，存在面板协同关系。接下来我们来看组间统计，3个组间统计中前2个都＞0.1，因此它们接受原假设；而第3个ADF＞0.01、＜0.05，因此它拒绝原假设。结合上述信息，因此我们可以断定，被解释变量rgdp和解释变量gif之间存在协整关系。综合判断，7个统计量中有5个拒绝原假设，说明存在面板协整关系，因此接下来我们就可以进行面板数据的回归分析。1.4回归分析在经过批文性检验之后，我们要对被解释变量rgdp和解释变量gfi结合来做随机效应模型分析、固定效应模型分析和混合效应模型分析。1.4.1随机效应模型分析首先我们对被解释变量rgdp和解释变量gfi做随机效应模型分析，经Eviews运算得出如下结果：VariableCoefficientStd.Errort-StatisticProb.

C-17337.072372.737-7.3067810.0000GFI?392091.110332.5237.947300.0000RandomEffects(Cross)1--C-2179.7472--C16667.183--C-11199.114--C387.44055--C-9586.4756--C-5576.6937--C-5246.9478--C279.00039--C16455.35EffectsSpecificationS.D.

Rho

Cross-sectionrandom5993.8450.5272Idiosyncraticrandom5676.1450.4728WeightedStatisticsR-squared0.881012

Meandependentvar5904.206AdjustedR-squared0.880344

S.D.dependentvar17152.08S.E.ofregression5933.133

Sumsquaredresid6.27E+09F-statistic1317.955

Durbin-Watsonstat0.178645Prob(F-statistic)0.000000接下来我们在随机效应模型分析的前提下做Hausman检验：TestSummaryChi-Sq.StatisticChi-Sq.d.f.Prob.

Cross-sectionrandom17.48277810.0000根据以上计算结果，我们可以得出其伴随概率为0，因此我们不能用随机效应模型分析。1.4.2固定效应模型分析然后我们对被解释变量rgdp和解释变量gfi做固定效应模型分析，得出下列结果：VariableCoefficientStd.Errort-StatisticProb.

C-18067.701291.750-13.986990.0000GFI?398340.810440.0738.155000.0000FixedEffects(Cross)1--C-2270.8902--C17570.513--C-12054.364--C425.15965--C-10139.736--C-5975.4607--C-5399.0658--C363.10459--C17480.73EffectsSpecificationCross-sectionfixed(dummyvariables)R-squared0.907001

Meandependentvar28500.56AdjustedR-squared0.902077

S.D.dependentvar18138.95S.E.ofregression5676.145

Akaikeinfocriterion20.17989Sumsquaredresid5.48E+09

Schwarzcriterion20.35727Loglikelihood-1806.190

Hannan-Quinncriter.20.25181F-statistic184.2195

Durbin-Watsonstat0.208785Prob(F-statistic)0.000000接下来我们在固定效应模型分析的前提下做似然比检验：EffectsTestStatistic

d.f.

Prob.

Cross-sectionF55.335623(8,170)0.0000Cross-sectionChi-square230.76944580.0000根据以上计算结果，我们可以得出其伴随概率为0，因此我们不能用固定效应模型检验。1.4.3混合效应模型分析因为不能用随机效应模型分析和固定效应模型分析，所以我们改用混合效应模型分析，得出下列结果：VariableCoefficientStd.Errort-StatisticProb.

C-6383.9742015.638-3.1672220.0018GFI?298399.315880.5818.790200.0000R-squared0.664829

Meandependentvar28500.56AdjustedR-squared0.662946

S.D.dependentvar18138.95S.E.ofregression10530.82

Akaikeinfocri