计量经济数据分析.docx

计量经济数据分析.docx

《计量经济数据分析.docx》由会员分享，可在线阅读，更多相关《计量经济数据分析.docx（18页珍藏版）》请在冰豆网上搜索。

计量经济数据分析

一、数据分析的问题：

影响GDP增长的主要因素

二、选题缘由

改革开放以来，特别是自十八届三中全会召开以来，我国社会主义市场经济体制已基本建立并不断完善，我国在世界中的地位越来越突出，经济的发展也十分迅速并取得了巨大成就。

但当前我国经济仍然面临着极大的考验，即如何实现经济的长期可持续增长，而影响经济增长的因素很多，如何高效率的提升经济的持续增长能力成为了置关重要课题。

本文则主要从三个方面的因素来分析对经济增长的影响。

三、经济意义的分析

经济增长通常是指在一个较长的时间跨度上，一个总产出（或人均产出）水平的持续增加，即国生产总值（GDP）的增加或人均国生产总值的增加。

同时，经济增长率的高低体现了一个或地区在一定时期经济总量的增长速度，也是衡量一个或地区总体经济实力增长速度的标志。

古典经济增长理论以社会的财富增长为中心，并且指出生产劳动是社会财富的源泉，而现代经济增长理论则认为知识、人力资本、技术的进步是经济增长的主要因素，但普遍认为物质资本和劳动对经济增长具有重要贡献。

所谓物质资本，是指长期存在的生产物资形式，例如机器设备、厂房、建筑物、交通运输设施等固定资产的投资。

但是，由于物质资本数值难以具体测量，所以本文中用“全社会的固定资产投资总额”来代替物质资本的额。

同时，中国是一个人口大国，为经济增长提供了大量的劳动力资源，所以在本文中用“年末总就业人数”来衡量劳动力。

而众多的消费群体同样对经济的增长发挥着不可忽视的作用，在本文用“居民消费价格指数”来衡量消费对经济增长的影响。

综上：

GDP增长的主要影响因素包括全社会固定资产投资总额（TZ）、年末总就业人数（JY）、居民消费价格指数（P）。

四、数据来源：

中国统计局—《中国统计年鉴》

年份

全社会固定资产投资（亿元）

国生产总值（亿元）

就业人员（万人）

居民消费价格指数（上年=100）

1980年

910.90

4545.62

42361.00

107.50

1981年

961.00

4891.56

43725.00

102.50

1982年

1230.40

5323.35

45295.00

102.00

1983年

1430.10

5962.65

46436.00

102.00

1984年

1832.90

7208.05

48197.00

102.70

1985年

2543.20

9016.04

49873.00

109.30

1986年

3120.60

10275.18

51282.00

106.50

1987年

3791.70

12058.62

52783.00

107.30

1988年

4753.80

15042.82

54334.00

118.80

1989年

4410.40

16992.32

55329.00

118.00

1990年

4517.00

18667.82

64749.00

103.10

1991年

5594.50

21781.50

65491.00

103.40

1992年

8080.10

26923.48

66152.00

106.40

1993年

13072.30

35333.92

66808.00

114.70

1994年

17042.10

48197.86

67455.00

124.10

1995年

20019.30

60793.73

68065.00

117.10

1996年

22913.50

71176.59

68950.00

108.30

1997年

24941.10

78973.03

69820.00

102.80

1998年

28406.20

84402.28

70637.00

99.20

1999年

29854.70

89677.05

71394.00

98.60

2000年

32917.70

99214.55

72085.00

100.40

2001年

37213.50

109655.17

72797.00

100.70

2002年

43499.90

120332.69

73280.00

99.20

2003年

55566.61

135822.76

73736.00

101.20

2004年

70477.43

159878.34

74264.00

103.90

2005年

88773.61

184937.37

74647.00

101.80

2006年

109998.16

216314.43

74978.00

101.50

2007年

137323.94

265810.31

75321.00

104.80

2008年

172828.40

314045.43

75564.00

105.90

2009年

224598.77

340902.81

75828.00

99.30

2010年

251683.77

401512.80

76105.00

103.30

2011年

311485.13

473104.05

76420.00

105.40

2012年

374694.00

518942.00

76704.00

102.60

五、数据的分析过程

⒈初始的模型估计

步骤：

在主菜单上点击Quick\EstimateEquationGDPCJYTZP

GDP-国生产总值JY-就业人员TZ-全社会固定资产投资P-居民消费价格指数

DependentVariable:

GDP

Method:

LeastSquares

Date:

12/20/13Time:

12:

40

Sample:

19802012

Includedobservations:

33

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-2719.175

45296.60

-0.060030

0.9525

JY

1.916021

0.258069

7.424449

0.0000

TZ

1.333564

0.030316

43.98818

0.0000

P

-815.3575

379.3138

-2.149560

0.0401

R-squared

0.992351

Meandependentvar

120245.3

AdjustedR-squared

0.991560

S.D.dependentvar

143693.1

S.E.ofregression

13201.23

Akaikeinfocriterion

21.92722

Sumsquaredresid

5.05E+09

Schwarzcriterion

22.10861

Loglikelihood

-357.7991

F-statistic

1254.114

Durbin-Watsonstat

1.031859

Prob（F-statistic）

0.000000

回归结果：

GDP=-2719.175+1.916021JY+1.333564TZ-815.3575P

t（-0.060030）（7.424449）（43.98818）（-2.149560）

=0.992351

=0.991560F=1254.114

⒉多重共线性的检验与剔除

步骤:

在数据组窗口点击View\Correlations

GDP

JY

P

TZ

GDP

1.000000

0.691237

-0.201502

0.987476

JY

0.691237

1.000000

-0.199862

0.597181

P

-0.201502

-0.199862

1.000000

-0.152015

TZ

0.987476

0.597181

-0.152015

1.000000

根据多重共线性检验，变量之间存在着线性相关的关系。

可以通过重复剔除变量法剔除相关变量。

具体作法：

在模型估计时，依次添加变量JY、TZ、P做模型估计，如果添加的那个变量模型估计不显著则予以剔除。

最后经检验模型估计应剔除变量：

P-居民消费价格指数。

剔除P后，修正多重共线性后的模型估计，如下：

DependentVariable:

GDP

Method:

LeastSquares

Date:

12/20/13Time:

12:

41

Sample:

19802012

Includedobservations:

33

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-94068.60

16597.24

-5.667724

0.0000

TZ

1.336272

0.032066

41.67257

0.0000

JY

1.992349

0.270600

7.362708

0.0000

R-squared

0.991132

Meandependentvar

120245.3

AdjustedR-squared

0.990541

S.D.dependentvar

143693.1

S.E.ofregression

13975.15

Akaikeinfocriterion

22.01446

Sumsquaredresid

5.86E+09

Schwarzcriterion

22.15050

Loglikelihood

-360.2385

F-statistic

1676.526

Durbin-Watsonstat

0.651113

Prob（F-statistic）

0.000000

回归结果：

GDP=-94068.60+1.992349JY+1.336272TZ

t=（-5.667724）（7.362708）（41.67257）

=0.991132

=0.990541F=1676.526

⒊模型的异方差性检验——怀特（White）检验法

步骤：

在方程窗口点击View\ResidualTest\WhiteHeteroskedasticity

WhiteHeteroskedasticityTest:

F-statistic

1.426641

Probability

0.251112

Obs*R-squared

5.586942

Probability

0.232192

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/20/13Time:

12:

42

Sample:

19802012

Includedobservations:

33

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1.20E+09

2.32E+09

-0.515944

0.6099

TZ

829.8461

2621.541

0.316549

0.7539

TZ^2

0.000175

0.006473

0.027030

0.9786

JY

42503.61

82844.81

0.513051

0.6119

JY^2

-0.331433

0.721727

-0.459223

0.6496

R-squared

0.169301

Meandependentvar

1.78E+08

AdjustedR-squared

0.050630

S.D.dependentvar

2.27E+08

S.E.ofregression

2.21E+08

Akaikeinfocriterion

41.40418

Sumsquaredresid

1.37E+18

Schwarzcriterion

41.63092

Loglikelihood

-678.1689

F-statistic

1.426641

Durbin-Watsonstat

0.946714

Prob（F-statistic）

0.251112

取显著性水平ａ=0.05时，则自由度（模型中变量个数）为2的卡方值约为5.99。

从模型估计结果中得到：

R-squared*N=0.169301*33=5.586933<5.99

所以估计模型不存在异方差性。

⒋序列相关性的检验与剔除

从修正多重共线性后的模型估计结果中可以看到：

D-W检验的结果为0.651113。

一般来讲D-W检验值接近2时则认为不存在序列相关性，所以修正后的模型存在序列相关性。

又由于D-W检验存在局限性，它只能检验是否存在一阶自相关性。

故本文通过依次迭代法来消除序列相关性。

步骤：

在EstimateEquation窗口中依次输入GDPCTZJYAR

（1）、

GDPCTZJYAR

（1）AR

（2）、GDPCTZJYAR

（1）AR

（2）AR（3）

三次迭代结果如下：

1.在EstimateEquation窗口中输入GDPCTZJYAR

（1）进行回归

DependentVariable:

GDP

Method:

LeastSquares

Date:

12/25/13Time:

15:

09

Sample（adjusted）:

19812012

Includedobservations:

32afteradjustments

Convergenceachievedafter197iterations

Coefficient

Std.Error

t-Statistic

Prob.  

C

3478155.

1.32E+08

0.026376

0.9791

TZ

0.984369

0.217541

4.524974

0.0001

JY

-0.846659

1.165559

-0.726397

0.4736

AR

（1）

0.998286

0.066542

15.00229

0.0000

R-squared

0.996147

    Meandependentvar

123861.0

AdjustedR-squared

0.995734

    S.D.dependentvar

144459.1

S.E.ofregression

9435.520

    Akaikeinfocriterion

21.25882

Sumsquaredresid

2.49E+09

    Schwarzcriterion

21.44204

Loglikelihood

-336.1411

    Hannan-Quinncriter.

21.31955

F-statistic

2412.805

    Durbin-Watsonstat

2.412638

Prob（F-statistic）

0.000000

InvertedARRoots

      1.00

2.在EstimateEquation窗口中输入GDPCTZJYAR

（1）AR

（2）进行回归

DependentVariable:

GDP

Method:

LeastSquares

Date:

12/25/13Time:

15:

09

Sample（adjusted）:

19822012

Includedobservations:

31afteradjustments

Convergenceachievedafter263iterations

Coefficient

Std.Error

t-Statistic

Prob.  

C

5050443.

2.33E+08

0.021691

0.9829

TZ

1.047465

0.162272

6.455010

0.0000

JY

-1.011040

1.139278

-0.887440

0.3830

AR

（1）

0.663928

0.210056

3.160723

0.0040

AR

（2）

0.334596

0.206076

1.623657

0.1165

R-squared

0.996422

    Meandependentvar

127698.7

AdjustedR-squared

0.995871

    S.D.dependentvar

145179.4

S.E.ofregression

9328.274

    Akaikeinfocriterion

21.26618

Sumsquaredresid

2.26E+09

    Schwarzcriterion

21.49747

Loglikelihood

-324.6258

    Hannan-Quinncriter.

21.34157

F-statistic

1810.

    Durbin-Watsonstat

2.233278

Prob（F-statistic）

0.000000

InvertedARRoots

      1.00

         -.33

3.在EstimateEquation窗口中输入GDPCTZJYAR

（1）AR

（2）AR（3）进行回归

DependentVariable:

GDP

Method:

LeastSquares

Date:

12/25/13Time:

15:

10

Sample（adjusted）:

19832012

Includedobservations:

30afteradjustments

Convergenceachievedafter437iterations

Coefficient

Std.Error

t-Statistic

Prob.  

C

3818035.

74919970

0.050962

0.9598

TZ

1.098701

0.088324

12.43950

0.0000

JY

-1.292457

0.875796

-1.475751

0.1530

AR

（1）

0.405874

0.187168

2.168499

0.0403

AR

（2）

0.014262

0.204769

0.069647

0.9451

AR（3）

0.576699

0.194286

2.968298

0.0067

R-squared

0.997377

    Meandependentvar

131777.9

AdjustedR-squared

0.996831

    S.D.dependentvar

145843.2

S.E.ofregression

8210.126

    Akaikeinfocriterion

21.04098

Sumsquaredresid

1.62E+09

    Schwarzcriterion

21.32122

Loglikelihood

-309.6147

    Hannan-Quinncriter.

21.13063

F-statistic

1825.408

    Durbin-Watsonstat

1.912291

Prob（F-statistic）

0.000000

InvertedARRoots

      1.00

    -.30-.70i

  -.30+.70i

通过以上三次迭代的结果比较可以看出第三次迭代结果比较令人满意，并且已不存在自相关性。

步骤：

在方程窗口点击View\ResidualTest\Correlogram-Q-statistics

高阶自相关性检验结果如下：

⒍时间序列的平稳性检验

1稳性检验—图示法

步骤：

在数据组中点击View\Graph\Line

从以下三个图中可以看出三个变量均为非平稳时间序列。

2除时间序列的非平稳性——单位根检验法

步骤：

由于三个因素都存在非平稳性，故通过变量差分法剔除非平稳性，即通过一次差分、二次差分、三次差分…..直到时间序列通过单位根检验。

经检验ddgdp（二次差分）、djy（一次差分）、ddtz（二次差分）通过了单位根检验，最终检验结果如下：

1.对GDP进行二次差分后，进行单位根检验结果：

ADFTestStatistic

-5.820609

1%CriticalValue*

-3.6661

5%CriticalValue

-2.9627

10%CriticalValue

-2.6200

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（DDGDP）

Method:

LeastSquares

Date:

12/20/13Time:

13:

56

Sample（adjusted）:

19832012

Incl