全社会固定资产投资与国内生产总值GDP互动关系的实证分析Word文件下载.docx
《全社会固定资产投资与国内生产总值GDP互动关系的实证分析Word文件下载.docx》由会员分享，可在线阅读，更多相关《全社会固定资产投资与国内生产总值GDP互动关系的实证分析Word文件下载.docx（21页珍藏版）》请在冰豆网上搜索。
因此，全社会固定资产投资与国内生产总值GDP之间存在着一定的因果关系，换句话说，如果没有投资就不可能有产出，如果没有投资的增长，经济就不可能保持一定的增长。
二、数据选取与模型设定
（一）数据选取
本文从国家统计局（GDP从1995年至2014年的共20个样本作为研究的对象，如表1“1995-2014年全社会固定资产投资与国内生产总值GDP”所示，对样本数据序列进行实证分析。
表11995-2014年全社会固定资产投资与国内生产总值GDP
指标
全社会固定资产投资（亿元）
国内生产总值GDP（亿元）
2014年
512760.7
636138.7
2013年
446294.09
588018.8
2012年
374694.74
534123
2011年
311485.13
484123.5
2010年
251683.77
408903
2009年
224598.77
345629.2
2008年
172828.4
316751.7
2007年
137323.94
268019.4
2006年
109998.2
217656.6
2005年
88773.62
185895.8
2004年
70477.4
160714.4
2003年
55566.61
136564.6
2002年
43499.91
121002
2001年
37213.49
110270.4
2000年
32917.73
99776.3
1999年
29854.7
90187.7
1998年
28406.2
84883.7
1997年
24941.1
79429.5
1996年
22913.5
71572.3
1995年
20019.3
61129.8
由表1所收集的数据可知，1995—2014年全社会固定资产投资和国内生产总值GDP增长具有明显趋同性，说明国内生产总值GDP和全社会固定资产投资在1995—2014年期间都保持了逐年增长的趋势。
全社会固定资产投资对国内生产总值GDP具有推动发展作用。
（二）模型设定
根据经济学的相关理论得到全社会固定资产投资与国内生产总值GDP之间存在着一定的因果关系。
为计算方便，令全社会固定资产投资=x（解释变量），国内生产总值GDP=y（被解释变量）。
拟初步建立了一元线性回归函数模型，具体如公式如下所示：
yt=α+βxt+μ
其中，α和β分别表示回归系数，μ表示随机误差。
一般而言，全社会固定资产投资的增加会带动国内生产总值GDP的增加，由此可以预期：
β>
0。
三、全社会固定资产投资和国内生产总值GDP关系的计量分析
（一）SPSS
1、线性分析
根据表1中的数据，利用SPSS进行线性分析。
表2模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.991a
.982
.981
25614.31289
a.预测变量:
（常量）,x。
由表2知，该回归方程的判定系数为R2=0.982∈[0.8,1]，调整R2=0.981∈[0.8,1]，拟合优度值非常高，回归方程高度显著。
即全社会固定资产投资总额的变动在很大程度上影响了国内生产总值GDP的变动。
表3Anovab
平方和
df
均方
F
Sig.
回归
6.604E11
1006.562
.000a
残差
1.181E10
18
6.561E8
总计
6.722E11
19
b.因变量:
y
由表3知，F=1006.562，sig=0.000<
0.05。
模型通过F检验，表明方程的整体性关系显著，x对y的影响显著。
表4系数a
非标准化系数
标准系数
t
B
标准误差
试用版
（常量）
68311.014
8100.284
8.433
.000
x
1.213
.038
.991
31.726
a.因变量:
如表4所示，显然回归模型通过t检验，表明解释变量与被解释变量线性关系显著。
由输出结果得，sig（β）=0<
0.05，显著拒绝原假设，β≠0；
sig（α）=0<
0.05，显著拒绝原假设，α≠0。
根据所建立的预测模型y=1.213x+68211.014（回归方程）和y=0.991x（标准化后），就可以对国内生产总值GDP进行预测。
从模型中可以看出，回归系数为1.213，表明全社会固定资产投资每增加1亿元，国内生产总值GDP就会增加1.213亿元，全社会固定资产投资每增加1个标准差，国民生产总值GDP就会增加0.991个标准差，说明全社会固定资产投资对国民生产总值GDP的推动作用是明显的。
表5残差统计量a
极小值
极大值
均值
标准偏差
N
预测值
92595.2109
690309.8125
250039.5200
186434.46715
20
标准预测值
-.845
2.362
1.000
预测值的标准误差
5747.404
15012.624
7770.277
2346.799
调整的预测值
95613.7969
718655.8125
251569.9582
189798.64723
-54171.11719
38793.07031
.00000
24931.14143
标准残差
-2.115
1.515
.973
Student化残差
-2.610
1.570
-.027
1.067
已删除的残差
-82517.12500
42577.37500
-1530.43822
30317.20047
Student化已删除的残差
-3.218
1.642
-.047
1.165
Mahal。
距离
.007
5.577
.950
1.381
Cook的距离
1.783
.126
.393
居中杠杆值
.294
.050
.073
由表5可知，残差的均值=0.00000。
图1回归标准化残差的标准P-P图
由图1可知，残差分布为正态分布。
图2散点图
由图2可知，残差的方差为常数，各点分布均匀，为同方差。
因此，α与β为最佳、线性、无偏、blue估计。
图3标准化残差与学生化残差
图3为数据表输出的标准化残差与学生化残差。
2、相关分析
相关分析是对变量之间的相关关系的分析，其主要目标是考察变量之间是否存在内在依存关系，并做出符合实际的判断。
如果变量间的相关程度很高，还可以通过绘制散点图判断因变量和自变量之间有无明显线性关系。
表6相关性
y
Pearson相关性
.991**
显著性（双侧）
**.在.01水平（双侧）上显著相关。
**表示x与y之间显著相关。
（二）Eviews
1、平稳性检验
由于时间序列数据往往存在非平稳性，直接对两个非平稳的时间序列进行回归分析，可能引起伪回归，因此有必要对数据进行平稳性检验以保证实证检验结果的正确性。
表7平稳性检验
NullHypothesis:
Unitroot（individualunitrootprocess）
Series:
X,Y
Date:
11/21/15Time:
22:
04
Sample:
19952014
Exogenousvariables:
Individualeffects,individuallineartrends
Automaticselectionofmaximumlags
AutomaticlaglengthselectionbasedonSIC:
1to3
Totalnumberofobservations:
30
Cross-sectionsincluded:
2
Method
Statistic
Prob.**
ADF-FisherChi-square
16.2069
0.0028
ADF-ChoiZ-stat
-2.89404
0.0019
**ProbabilitiesforFishertestsarecomputedusinganasymptoticChi
-squaredistribution.Allothertestsassumeasymptoticnormality.
IntermediateADFtestresultsD（GROUP01,2）
Series
Prob.
Lag
MaxLag
Obs
D（X,2）
0.0734
3
14
D（Y,2）
0.0041
16
由表7知，prob值全部小于显著性水平α（α=0．05），应拒绝原假设，即二阶差分序列为平稳序列。
在二阶检验下达到平稳状态，显著平稳。
2、协整关系检验
在计量经济分析中，如果变量之间不存在长期稳定的均衡关系，在进行回归分析时所建立的回归模型便极有可能有虚假回归（伪回归）的问题。
因而在建立回归模型之前，往往需要对变量进行协整分析，判断其长期均衡关系。
表8协整关系检验
07
Sample（adjusted）:
19972014
Includedobservations:
18afteradjustments
Trendassumption:
Lineardeterministictrend
XY
Lagsinterval（infirstdifferences）:
1to1
UnrestrictedCointegrationRankTest（Trace）
Hypothesized
Trace
0.05
No.ofCE（s）
Eigenvalue
CriticalValue
None*
0.797863
30.35729
15.49471
0.0002
Atmost1
0.083970
1.578712
3.841466
0.2089
Tracetestindicates1cointegratingeqn（s）atthe0.05level
*denotesrejectionofthehypothesisatthe0.05level
**MacKinnon-Haug-Michelis（1999）p-values
UnrestrictedCointegrationRankTest（MaximumEigenvalue）
Max-Eigen
28.77858
14.26460
0.0001
Max-eigenvaluetestindicates1cointegratingeqn（s）atthe0.05level
UnrestrictedCointegratingCoefficients（normalizedbyb'
*S11*b=I）:
X
Y
-6.63E-05
9.08E-05
0.000105
-8.39E-05
UnrestrictedAdjustmentCoefficients（alpha）:
D（X）
4811.184
762.1902
D（Y）
4127.075
-3085.433
1CointegratingEquation（s）:
Loglikelihood
-361.7166
Normalizedcointegratingcoefficients（standarderrorinparentheses）
1.000000
-1.370538
（0.06487）
Adjustmentcoefficients（standarderrorinparentheses）
-0.318839
（0.06332）
-0.273503
（0.19214）
由平稳性检验可知残差序列平稳，即国内生产总值GDP与全社会固定资产投资序列之间具有协整关系，也就是说国内生产总值GDP与全社会固定资产投资序列之间存在长期稳定的均衡关系。
上述检验结果中，none*表示拒绝或否定，prob（none*）=0.0001<
0.05，因此拒绝变量间无协整关系的原假设，即在相应的显著性水平（0.05）下认为变量之间存在协整关系。
atmost1表示至多有一个。
3、格兰杰因果关系检验
由上述协整关系检验结果得出，全社会固定资产投资与国内生产总值GDP之间存在着长期稳定的均衡关系，短期的偏离并不会影响长期的走势。
但这种均衡关系是否构成因果关系，即是由于全社会固定资产投资的增加带来了国内生产总值GDP的增长，还是由于国内生产总值GDP的增长带来了全社会固定资产投资。
需要对上述序列的平稳形式进行格兰杰因果检验。
格兰杰因果关系检验实际是考察相互关联的两个变量之间在时间上的先导与滞后关系。
一般经济理论认为全社会固定资产投资的变动会拉动国内生产总值GDP变动，而另一方面，国内生产总值GDP的变动也会产生引致全社会固定资产投资效应。
可以通过格兰杰创造的因果关系检验法来验证两者何者为因、何者为果。
如果检验拒绝原假设H01，则认为变量Y是X的格兰杰原因，即变量Y有解释和预测变量X的能力，反之则认为变量Y不是X的格兰杰原因；
若检验拒绝原假设H02，则认为X是Y的格兰杰原因，即变量X有解释和预测变量Y的能力，反之则认为变量X不是的Y格兰杰原因。
对全社会固定资产投资和国内生产总值GDP进行格兰杰因果关系检验结果如下：
表9格兰杰因果关系检验
PairwiseGrangerCausalityTests
11
Lags:
F-Statistic
YdoesnotGrangerCauseX
30.3226
1.E-05
XdoesnotGrangerCauseY
1.40080
0.2812
由表9可知：
对于国内生产总值GDP不是全社会固定资产投资原因的原假设，prob（YdoesnotGrangerCauseX）值为1.E-05<
0.05，拒绝原假设，表明在95%的置信条件下可以认为国内生产总值GDP是全社会固定资产投资的格兰杰原因；
对于全社会固定资产投资不是国内生产总值GDP原因的原假设，Prob（XdoesnotGrangerCauseY）值为0.2812>
0.05，不能拒绝原假设。
这表明国内生产总值GDP是全社会固定资产投资增长的显著原因，而全社会固定资产投资增长对国内生产总值GDP增长的作用不显著，全社会固定资产投资和国内生产总值GDP增长之间只存在单向因果关系。
由此，可以得出结论，国内生产总值GDP的增加或减少必然会引起全社会固定资产投资的增加或减少，而全社会固定资产投资的变化对国内生产总值GDP的变化没有直接因果关系。
4、面板数据模型
表10面板数据模型
DependentVariable:
Y?
Method:
PooledLeastSquares
23:
06
20
1
Totalpool（balanced）observations:
Variable
Coefficient
Std.Error
t-Statistic
C
68311.01
8.433163
0.0000
X?
1.213039
0.038234
31.72636
R-squared
0.982432
Meandependentvar
250039.5
AdjustedR-squared
0.981455
S.D.dependentvar
188094.1
S.E.ofregression
25614.31
Akaikeinfocriterion
23.23433
Sumsquaredresid
1.18E+10
Schwarzcriterion
23.33390
-230.3433
Hannan-Quinncriter.
23.25
升级会员 