论国内生产总值与财政支出总额关系的分析.docx
《论国内生产总值与财政支出总额关系的分析.docx》由会员分享，可在线阅读，更多相关《论国内生产总值与财政支出总额关系的分析.docx（18页珍藏版）》请在冰豆网上搜索。
论国内生产总值与财政支出总额关系的分析
海内生产总值与财务支出总额干系的阐发
摘要：
许多文献已经论证过财务政策在实现经济恒久增长中的作用，我们在前人研究的底子上从财务支出结构角度阐发我国政府财务支出和海内生产总值的相关干系，研究财务支出对经济增长的促进作用。
同时，实验探讨存在财务风险和积极财务政策淡出的情况下，应该如何优化财务支出结构，积极的财务政策应怎么样淡出，以制止财务风险的扩大，并进一步提出相关的发起。
我们此次是接纳时间序列阐发的要领阐发财务支出总额对GDP的影响。
要害词：
海内生产总值财务支出总额时间序列阐发
一、引言
财务支出与GDP之间的干系一直是经济学界存眷的话题。
20世纪30年代，凯恩斯提出了财务支出乘数理论，认为在有效的需求不敷的情况下，增加政府支出，扩大社会总需求，从而淘汰失业，促进经济的增长；当需求过大时，通过淘汰财务支出抑制社会总需求，以实现供求平衡，促进经济的稳定和增长。
随着新增长理论的出现，一部门经济学家认为政府可以实行一定的财务支出政策和税收政策，促进技能的进步，从而可以促进经济的增长，已经有许多的文献研究了财务支出和经济增长之间的干系。
海内生产总值是指在一定时期内（一个季度或一年），一个国度或地域的经济中所生产出的全部最终产物和劳务的代价，常被公认为权衡国度经济状况的最佳指标。
它不光可反应一个国度的经济体现，更可以反应一国的国力与财产。
财务支出也称大众财务支出，是指在市场经济条件下，政府为提供大众产物和办事，满足社会配合需要而进行的财务资金的支付。
财务支出是国度将通过种种形式筹集上来的财务收入进行分派和使用的历程，它是整个财务分派运动的第二阶段。
财务支出增长的原因有经济原因、政治原因，社会性原因和国际干系等。
经济增长离不开政府的宏观调控，钱币政策和财务政策作为宏观调控的主要手段，钱币政策由国度统一实施，对付地方政府财务政策的制定与实施是地方政府效能的一种体现。
财务政策的焦点是通过政府的收入和支出调治有效需求，实现一定的政策目标。
它包罗一是财务收入政策，即通过增税或减税及税种的选择投资和消费需求，实现收入和资金的再分派。
二是财务支出政策，即通过政府预算支出的增减及财务赤字的增减影响总需求。
三是财务补贴。
本文应用时间序列阐发的相关要领，旨在研究我国财务支出与GDP的干系，以反应我国财务对宏观经济运行的调控。
二、数据的选取
本文选取的数据来自《中国统计年鉴2009》1981—2008年的海内生产总值时间序列和财务支出总额的时间序列，记海内生产总值的年度数据序列为{Xt},记财务支出总额的年度数据序列为{Yt}。
详见表1：
表11981—2008年的海内生产总值和财务支出总额的数据
年份
海内生产总值（亿元）
财务支出总额（亿元）
1981
4891.6
1175.79
1982
5323.4
1212.33
1983
5962.7
1366.95
1984
7208.1
1642.86
1985
9016
2004.25
1986
10275.2
2122.01
1987
12058.6
2199.35
1988
15042.8
2357.24
1989
16992.3
2664.9
1990
18667.8
3083.59
1991
21781.5
3386.62
1992
26923.5
3742.2
1993
35333.9
4642.3
1994
48197.9
5792.62
1995
60793.7
6823.72
1996
71176.6
7937.55
1997
78973
9233.56
1998
84402.3
10798.18
1999
89677.1
13187.67
2000
99214.6
15886.5
2001
109655.2
18902.58
2002
120332.7
22053.15
2003
135822.8
24649.95
2004
159878.3
28486.89
2005
183217.4
33930.28
2006
211923.5
40422.73
2007
257305.6
49781.35
2008
300670
62592.66
三、数据阐发
（一）时序图
首先对表1的海内生产总值的年度数据序列{Xt}，财务支出总额的年度数据序列{Yt}分别绘制时序图，以视察海内生产总值的年度数据序列{Xt}和财务支出总额的年度数据序列{Yt}是否平稳，通过EViews软件输出结果如下图所示。
图1海内生产总值和财务支出总额的时序图
由图1可知，红线代表海内生产总值的年度数据序列{Xt}的时序图，表明了海内生产总值出现不停上涨的指数趋势，因此海内生产总值的年度数据序列{Xt}不平稳；蓝线代表财务支出总额的年度数据序列{Yt}的时序图，虽然在2002年以前财务支出总额增长成平稳趋势，但在2002年以后财务支出总额却出现指数增长趋势，因此财务支出总额的年度数据序列{Yt}也不平稳，因此两者之间可能存在协整干系。
（二）单元根查验
下面我们将分别对我国的海内生产总值的时间序列数据{Xt}和财务支出总额的时间序列数据{Yt}进行单元根查验，通过Eviews软件操纵得到结果如下：
表2海内生产总值时间序列的单元根查验
ADFTestStatistic
2.230517
1%CriticalValue*
-3.7076
5%CriticalValue
-2.9798
10%CriticalValue
-2.6290
由表2可知：
海内生产总值的时间序列数据{Xt}的ADF的值为2.230517，显然大于在1%水平下的临界查验值-3.7076，大于在在5%水平下的临界查验值-2.9798，也大于在10%水平下的临界查验值-2.6290，因此海内生产总值的时间序列数据{Xt}是一个非平稳序列。
因此需要对海内生产总值的时间序列数据{Xt}进行对数化处置惩罚，即logx=lnXt，,以及将指标趋势序列转化为线性趋势序列，通过Eviews软件操纵，其海内生产总值对数化序列的时序图见图2。
表3财务支出总额的时间序列{Yt}的单元根查验
ADFTestStatistic
21.56585
1%CriticalValue*
-3.6959
5%CriticalValue
-2.9750
10%CriticalValue
-2.6265
由表3可知：
财务支出总额的时间序列{Yt}的ADF的值为21.56585，显然大于在1%水平下的临界查验值-3.6959，大于在在5%水平下的临界查验值-2.9798，也大于在10%水平下的临界查验值-2.6265，因此财务支出总额的时间序列{Yt}是一个非平稳序列。
因此财务支出总额的时间序列{Yt}需要进行对数化处置惩罚，即令logy=lnYt,以及将指标趋势序列转化为线性趋势序列，通过Eviews软件操纵，其海内生产总值对数化序列的时序图见图2。
图2海内生产总值对数化序列lny和财务支出总额对数化序列lnx的时序图
从图2视察可知对数化的海内生产总值时间序列{logx}和对数化的财务支出总额时间序列{logy}指数趋势已根本消除，二者具有明显的恒久协整干系，但上述对数序列仍然是非平稳序列。
分别对对数化的海内生产总值时间序列{logx}和对数化的财务支出总额时间序列{logy}序列进行ADF单元根查验（表2和表3），查验结果如下表所示。
表4{logy}序列的单元根查验
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
2.724316
1.0000
Testcriticalvalues:
1%level
-3.724070
5%level
-2.986225
由表4可知：
财务支出总额的对数化的时间序列数据{logy}的ADF的值为2.724316，显然大于在1%水平下的临界查验值-3.724070，大于在5%水平下的临界查验值-2.986225，也大于在10%水平下的临界查验值-2.632604，因此财务支出总额的对数化的时间序列数据{logy}是一个非平稳序列。
表5{logx}序列的单元根查验
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-0.894383
0.7714
Testcriticalvalues:
1%level
-3.752946
5%level
-2.998064
10%level
-2.638752
由表5可知：
海内生产总值对数化的时间序列数据{logx}的ADF的值为-0.894383，显然大于在1%水平下的临界查验值-3.752946，大于在在5%水平下的临界查验值-2.998064，也大于在10%水平下的临界查验值-2.638752，因此海内生产总值对数化的时间序列数据{logx}是一个非平稳序列。
因此需要进一步对财务支出总额的对数化的时间序列数据{logy}和海内生产总值对数化的时间序列数据{logx}做差分，差分序列分别记为{▽logx}和{▽logy}。
现分别对二阶差分后的海内生产总值时间序列{▽logx}和二阶差分的财务支出总额时间序列{logy}进行ADF单元根查验，查验结果如下表所示。
表6二阶差分{▽logx}的单元根查验
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-5.838915
0.0001
Testcriticalvalues:
1%level
-3.737853
5%level
-2.991878
10%level
-2.635542
由表6可知，二阶差分的财务支出总额时间序列{▽logy}的ADF的值为-5.838915，显然小于在1%水平下的临界查验值-3.737853，小于在在5%水平下的临界查验值-2.991878，也小于在10%水平下的临界查验值-2.635542，二阶差分的财务支出总额时间序列{logy}是一个平稳序列。
表7二阶差分{▽logy}的单元根查验
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.981638
0.0055
Testcriticalvalues:
1%level
-3.724070
5%level
-2.986225
10%level
-2.632604
由表7可知，二阶差分后的海内生产总值时间序列{▽logx}的ADF的值为-3.981638，显然小于在1%水平下的临界查验值-3.724070，小于在在5%水平下的临界查验值-2.986225，也小于在10%水平下的临界查验值-2.632604，二阶差分的财务支出总额时间序列{▽logy}是一个平稳序列。
（三）协整阐发
1.进行协整回归
由于海内生产总值时间序列{Xt}和财务支出总额时间序列{Yt}分别取对数后，即海内生产总值时间序列{logx}和财务支出总额时间序列{logx}，{logx}时间序列和{logy}时间序列都是二阶单整序列，因此他们有可能存在协整干系。
通过Eviews软件操纵得到结果如下：
表8二阶差分{▽logy}时间序列和二阶差分{▽logx}时间序列的协整结果
DependentVariable:
D（LNY,2）
Method:
LeastSquares
Date:
07/03/10Time:
20:
28
Sample（adjusted）:
19832008
Includedobservations:
26afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.006621
0.009333
2.709409
0.4849
D（LNX,2）
0.369003
0.181709
2.030733
0.0535
R-squared
0.846633
Meandependentvar
0.007631
AdjustedR-squared
0.811076
S.D.dependentvar
0.050404
S.E.ofregression
0.475220
Akaikeinfocriterion
-3.181426
Sumsquaredresid
0.542015
Schwarzcriterion
-3.084650
Loglikelihood
43.35854
F-statistic
4.123877
Durbin-Watsonstat
2.617265
Prob（F-statistic）
0.053502
由表8可知：
R2的值大于DW
D（LNY,2）=0.006621+0.369003*D（LNX,2）
t：
（2.709409）（2.030733）
R2=0.8466DW=2.617
2.查验残差序列的平稳性
表9残差序列的单元根检
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-5.307305
0.0003
Testcriticalvalues:
1%level
-3.737853
5%level
-2.991878
10%level
-2.635542
Variable
Coefficient
Std.Error
t-Statistic
Prob.
D（ET（-1））
-1.115386
0.210160
-5.307305
0.0000
C
-0.000338
0.012673
-2.026684
0.9790
R-squared
0.561469
Meandependentvar
0.002614
AdjustedR-squared
0.541536
S.D.dependentvar
0.091605
S.E.ofregression
0.062026
Akaikeinfocriterion
-2.642881
Sumsquaredresid
0.084638
Schwarzcriterion
-2.544710
Loglikelihood
33.71457
F-statistic
28.16748
Durbin-Watsonstat
2.127176
Prob（F-statistic）
0.000025
由表9可知：
一阶残差序列ET的ADF的值为-5.307305，显然小于在1%水平下的临界查验值-3.737853，小于在5%水平下的临界查验值-2.991878，也小于在10%水平下的临界查验值-2.638752，因此一阶差分的et的时间序列是一个平稳序列。
因此et的表达式如下：
D（et）=-0.000338-1.115386*D（ET（-1））DW=2.127
（-2.0267）（-5.3073）
即EG=-5.3073，
3.查验LNY时间序列与海内生产总值X时间序列间是否存在协整干系
由于EG=-5.3073，查协整查验的EGH或AFG临界值表（凭据N=2,a=0.05，T=28）可知，EG小于临界值
，因而我们担当et是平稳的原假设，这意味着两变量是协整的，大概说两变量存在恒久的协整干系。
（四）创建ECM模型
由前面的阐发可知，二阶差分后的海内生产总值时间序列{▽logx}是一个平稳序列，二阶差分的财务支出总额时间序列{▽logy}是一个平稳序列，一阶差分的残差序列et的是一个平稳序列。
于是对二阶差分的财务支出总额时间序列{▽logy}作为因变量，二阶差分后的海内生产总值时间序列{▽logx}和一阶差分的残差序列et作为自变量进行回归预计，通过Eviews软件操纵得到结果如下：
表10ECM模型结果
DependentVariable:
D（LNY,2）
Method:
LeastSquares
Date:
07/03/10Time:
20:
38
Sample（adjusted）:
19842008
Includedobservations:
25afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.004615
0.007276
2.634258
0.5325
D（LNX,2）
0.340035
0.139703
2.433980
0.0235
D（ET）
0.473814
0.122819
3.857811
0.0009
R-squared
0.886083
Meandependentvar
0.004359
AdjustedR-squared
0.839364
S.D.dependentvar
0.048543
S.E.ofregression
0.036347
Akaikeinfocriterion
-3.679234
Sumsquaredresid
0.029065
Schwarzcriterion
-3.532969
Loglikelihood
48.99043
F-statistic
10.40425
Durbin-Watsonstat
2.315077
Prob（F-statistic）
0.000660
由表10可知，我们可以写成尺度的ECM回归模型结果如下：
D（LNY,2）=0.004615+0.340035*D（LNX,2）+0.473814*D（ET）
t：
（2.634）（2.434）（3.858）
R2=0.8860DW=2.315
ECM回归方程的回归系数通过了显著性查验，误差修正系数为正，切合正向修正机制。
回归结果表明海内生产总值的短期变更对财务支出总额存在正向影响。
别的，由于短期调解系数是显著的，因此它表明每年产生的财务支出总额于其恒久均衡值的偏差中的47.38%（0.4738）是被修正的。
（五）模型预测
通过Eviews软件对ECM模型的表达式进行预测结果，详见表12：
表11预测结果
年份
2009
预测值
63839.37
由表11可知，通过Eviews软件对ECM模型的表达式进行预测，预测2009年我国的财务支出总额为63839.37亿元。
（六）ARMA模型
为了比力ECM模型与ARMA模型的拟合效果，应该创建了单一变量的财务支出总额的ARIMA时间序列模型。
1.模型的创建于识别
我们确定是用AR（P）模型照旧MA（q）模型，大概是ARMA（p,q）模型对财务支出总额平稳的时间序列{logy}进行预计，首先对财务支出总额平稳的时间序列{logy}坐自相关图和偏自相关图，图形如下所示。
图3{logy}的自相关图和偏自相关图
由图3可知，由于自相关图滞后K=3之后都在随机区间内，从偏自相关图可以看出K=1之后都在随机区间内。
于是我们认为财务支出总额时间序列{logy}应该创建ARMA（1,3）模型，下面对ARMA（1,3）模型进行参数预计，得到结果如下表所示。
表12ARMA（1,3）模型参数预计
DependentVariable:
D（LNY,2）
Method:
LeastSquares
Date:
07/04/10Time:
20:
02
Sample（adjusted）:
19842008
Includedobservations:
25afteradjustments
Convergenceachievedafter31iterations
Backcast:
19811983
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.004001
0.001763
2.270131
0.0344
AR
（1）
-0.625638
0.116549
-5.368007
0.0000
MA
（1）
0.965294
0.114114
8.459019
0.0000
MA
（2）
-0.894604
0.092581
-9.662957
0.0000
MA（3）
-0.969077
0.125338
-7.731682
0.0000
R-squared
0.701417
Meandependentvar
0.004359
AdjustedR-squared
0.641701
S.D.dependentvar
0.048543
S.E.ofregression
0.029057
Akaikeinfocriterion
-4.062248
Sumsquaredresid
0.016886
Schwarzcriterion
-3.818473
Loglikelihood
55.77810
F-statistic
11.74578
Durbin-Watsonstat
1.873206
Prob（F-statistic）
0.000045
InvertedARRoots
-.63
InvertedMARoots
.97
-.97-.23i
-.97+.23i
由表12可知，ARMA（1,3）模型参数预计所得到的结果表达式为：
D（LNY,2）=0.004001-0.625638*D（LNY,2）t-1-0.965294*Ut-1+0.894604*Ut-2+
0.969077*Ut-3
2.ARMA（1,3）模型的查验
现在对求得的模型的残差序列进行白噪声查验，如果残差序列不是白噪声序列，则需要对ARMA（1,3）模型进行进一步革新，如果是白噪声历程，则吸收预计得到的模型，ARMA（1,3）模型的残差序列查验结果如下图所示。
图4
升级会员 