GDP与国债关系的数学模型Word文档下载推荐.docx

GDP与国债关系的数学模型Word文档下载推荐.docx

《GDP与国债关系的数学模型Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《GDP与国债关系的数学模型Word文档下载推荐.docx（24页珍藏版）》请在冰豆网上搜索。

，

即如果国债增长率与GDP的比例系数

大于0.07时，国债最终会超过GDP。

针对问题（4），分别用微分方程模型和统计回归模型进行分析。

模型一微分方程模型：

根据我国历年经济数据，令

分别等于1992的GDP和国债数据，由模型一计算20年的预测值，与实际数据进行对比。

模型二统计回归模型：

在由我国历年GDP和国债数据作出的散点图上，GDP与国债显示出较强的线性关系，因此用线性回归的方法，建立线性回归模型

，描述GDP和国债的线性关系。

通过MATLAB对数据进行数据分析和图像对比，对两个模型作出比较：

（1）模型一预测的国债和GDP增长趋势与实际情况相吻合，但GDP的预测值与实际数据存在较大误差。

原因可能是简单的假设GDP年均增长率为7%造成的。

故模型一只能进行趋势预测，不能预测数值。

（2）模型二描述了GDP与国债的线性关系，计算得到国债预测值与实际数据误差较小，可以对数据进行精确预测。

因此相对于模型一更为优良。

两个模型均描述了GDP与国债间的关系，即国债将随着GDP的增长而增长。

关键词：

GDP与国债关系微分方程模型统计回归模型数据拟合

1.问题的提出

国内生产总值[1]（GrossDomesticProduct，GDP），是一定时期内一个国家的经济中所生产出的全部最终成果的市场价值。

国内生产总值是国民经济核算的核心指标也是衡量一个国家或地区经济状况和发展水平的重要指标。

假设GDP以年均7%的增长率增长，而国债的增长率与GDP总量成比例。

（1）建立一个描述GDP和国债的数学模型；

（2）假设在第0年时的GDP为M0，国债为N0，求解

（1）中的数学模型；

（3）用国债与GDP之比的形式，确定国债最终是否会大于GDP；

（4）查阅相关资料，利用

（1）中数学模型就某一国家GDP与国债的关系加以分

析；

2.问题的分析

该问题需要建立一个描述GDP与国债关系的数学模型。

问题中假设“GDP以每年7%的速度增长，国债随着GDP成比例增长”，因增长率可以表示为微分，所以使用常微分方程组表示这一关系，建立微分方程模型作为模型一对该问题进行解答。

考虑到现实生活中GDP的增长率是变化的，假定增长率恒定而构建的微分方程模型不够精确。

因此使用我国历年GDP总量和国债发行额的数据，建立描述GDP和国债关系的统计回归模型作为模型二，用线性回归方程对数据进行拟合，分析GDP与国债的关系，并将结果与模型一进行对比，以此分析模型一的建模效果。

对于问题

（1），由GDP和国债的增长率的关系构建常微分方程组，建立GDP和国债关系的微分方程模型作为模型一；

对于问题

（2），由初始值M0、N0解出常微分方程组，分别确定模型一中的表示GDP和国债增长的子模型；

对于问题（3），考虑模型一中的国债子模型与GDP子模型之比，当年份t趋于无穷时，即可得出GDP与国债的最终大小关系；

对于问题（4），用模型一分析我国历年GDP总量与国债发行额的数据，得出二者关系。

并由历年数据建立线性回归模型作为模型二，分析GDP与国债的关系，并与模型一对比结果。

3.模型假设与符号假设

3.1模型假设

3.1.1模型一：

微分方程模型的假设

（1）GDP以年均7%的增长率增长；

（2）国债发行额的增长率与GDP总量成成正比，比例系数k﹥0；

（3）在第0年时的GDP为M0，国债为N0。

3.1.2模型二：

线性回归方程模型的假设

（1）经济正常发展，社会稳定；

（2）国债的发行额只取决于GDP总量，忽略其他因素影响；

（3）一段时期内生产力水平不会发生变化；

（4）所有统计数据真实可靠。

3.2符号假设

表示在第t年的GDP总量；

表示在第t年的国债发行额；

表示在第0年的GDP总量；

表示在第0年的国债发行额；

表示国债的增长率与GDP总量的比例系数；

表示年份；

表示复相关系数；

表示统计量；

表示随机误差；

表示参数。

4.模型的建立与求解

4.1模型一：

微分方程模型

4.1.1问题

（1）模型的建立

4.1.1.1描述GDP增长率的子模型

GDP以年均7%的增长率增长，可以用微分方程表示这一关系，从而得到：

4.1.1.2描述国债增长率的子模型

国债的增长率与GDP总量成正比，比例系数k﹥0，构建微分方程得到：

4.1.2问题

（2）模型的建立与求解

4.1.2.1求解GDP子模型

因第0年GDP为

，所以

方程两端分离变量

两端积分，得到

由第0年时GDP为

解出

故

因此得到

即为GDP子模型

4.1.2.2求解国债子模型

因第0年国债为

分离变量

两端积分，得到

由第0年国债为

故

即为国债子模型

4.1.3问题（3）模型的建立与求解

考虑国债子模型与GDP子模之比：

即

当t趋于无穷时有

即t趋于无穷时，国债与GDP之比为与t无关的常量

令

所以当国债增长率与GDP的比例系数

4.1.4问题（4）模型的建立与求解

4.1.4.1由模型一进行求解

从国家统计局国家数据库中查找到我国1992年至2012年国民生产总值[2]和国债发行额[3]，见附表1。

令

等于1992年的GDP总量（即

），

等于1992年的国债发行量（

亿元），取k=0.01，在MATLAB中编写程序计算出模型一预测的20年（1993年至2012年）的GDP和国债值，与实际GDP总量和国债发行额数据进行图像对比，分别如图1和图2所示：

图1

图2

可以看出模型一的预测趋势与实际情况相吻合，国债发行额随着GDP的增长而增加。

将k的赋值分别修改为0.07和0.1，当k=0.07时国债增长趋势与基本GDP相同（图3）；

当k=0.1时，国债的增长已超过GDP增长（图4），问题（3）的结论得到验证。

图3（k=0.07）

图4（k=0.1）

然而模型一预测数据的数量级是10的四次方，实际数据的数量级是10的五次方，有很大的误差。

原因可能是假设GDP增长率恒为7%造成的。

在实际情况中，GDP的增长率是变化的。

为了更准确的描述国债与GDP之间的关系，考虑使用回归分析方法对历年GDP与国债数据进行分析，建立统计回归模型作为模型二进行描述。

4.1.4.2模型二：

统计回归模型

在MATLAB中对我国1992年至2012年GDP和国债发行额做散点图，如图5所示：

图5

可以看出二者具有较强的线性关系，因此建立一元线性回归模型

在MATLAB中使用regress（）函数求解这一回归方程，结果如表1所示：

表1回归方程求解结果

参数

参数估计

置信区间

-678.1164

[-1524.89962346931，168.666914695084]

0.0462

[0.0425153898951599，0.0497962974520615]

=0.9737

=704.1915p

1.76737638209671e-016

因

=0.9737接近于1，

=704.1915，p远小于0.05，可知线性回归模型

成立。

残差图如图6所示，除第16个和第17个数据外，其余数据的残差离原点均较近，残差区间也包含原点，说明模型二能较好的反映原始数据。

图6

模型二说明GDP与国债呈线性关系，国债会随着GDP增长而增大，结论与模型一相同。

5.结果分析与检验

5.1对模型一的分析与检验

（亿元），k=0.01，用MATLAB绘出模型一的GDP预测量与实际GDP总量的对比图，如图7所示；

并做出模型一的国债预测量与实际国债发行额的对比图，如图8所示。

从图中可以看到，模型一与实际值有较大差距，特别是GDP预测量与GDP实际数据的误差很大。

用MATLAB计算模型一的GDP和国债预测值，并与实际值作比较分析误差，如表2所示。

误差较大的原因可能是由于模型一假设GDP年增长率为7%，而过去二十年GDP的平均增长率超过15%。

并且，模型一只是由两个简单的微分方程构成也是造成误差过大的原因之一。

因此模型一只能预测趋势，不能用于数值预测。

图7

图8

图9为模型一的误差分析图，可以看出模型一对GDP预测的误差很大，对国债预测的误差较小且基本保持稳定：

图9

表2模型一预测值与真实值的对比（误差=实际值-预测值）

年份

预测GDP总量（亿元）

实际GDP总量（亿元）

误差

（亿元）

预测国债发行额（亿元）

实际国债发行额（亿元）

1992

26923.48

/

460.78

1993

28875.65

35333.92

6458.27

739.66

381.31

-278.88

1994

30969.37

48197.86

17228.49

1038.76

1137.55

98.78

1995

33214.91

60793.73

27578.82

1359.56

1510.86

151.30

1996

35623.26

71176.59

35553.33

1703.60

1847.77

144.16

1997

38206.24

78973.03

40766.79

2072.60

2411.79

339.19

1998

40976.50

84402.28

43425.78

2468.35

3808.77

1340.42

1999

43947.63

89677.05

45729.42

2892.80

4015

1122.20

2000

47134.20

99214.55

52080.35

3348.02

4657

1308.97

2001

50551.81

109655.17

59103.36

3836.26

4884

1047.74

2002

54217.23

120332.69

66115.46

4359.89

5934.3

1574.41

2003

58148.42

135822.76

77674.33

4921.49

6280.1

1358.61

2004

62364.65

159878.34

97513.68

5523.81

6923.9

1400.09

2005

66886.6