昆明理工大学计量经济学案例分析课程报告.docx

资源描述

昆明理工大学计量经济学案例分析课程报告.docx

《昆明理工大学计量经济学案例分析课程报告.docx》由会员分享，可在线阅读，更多相关《昆明理工大学计量经济学案例分析课程报告.docx（32页珍藏版）》请在冰豆网上搜索。

昆明理工大学计量经济学案例分析课程报告.docx

昆明理工大学计量经济学案例分析课程报告

中国经济增长影响因素实证分析

一、研究对象

经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。

在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。

但是,我国目前仍然面临消费需求不足问题。

因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。

二、数据收集与模型的建立

（一）数据收集

表2.1中国经济增长影响因素模型时间序列表

年份

国内生产总值（y）

年末从业人员数（x1）

全社会固定资产投资总额（x2）

居民消费价格指数（上年=100）（x3）

1980

4545.6

42361

910.9

107.5

1981

4891.6

43725

961

102.5

1982

5323.4

45295

1230.4

102

1983

5962.7

46436

1430.1

102

1984

7208.1

48197

1832.9

102.7

1985

9016

49873

2543.2

109.3

1986

10275.2

51282

3120.6

106.5

1987

12058.6

52783

3791.7

107.3

1988

15042.8

54334

4753.8

118.8

1989

16992.3

55329

4410.4

118

1990

18667.8

64749

4517

103.1

1991

21781.5

65491

5594.5

103.4

1992

26923.5

66152

8080.1

106.4

1993

35333.9

66808

13072.3

114.7

1994

48197.9

67455

17042.1

124.1

1995

60793.7

68065

20019.3

117.1

1996

71176.6

68950

22913.5

108.3

1997

78973

69820

24941.1

102.8

1998

84402.3

70637

28406.2

99.2

1999

89677.1

71394

29854.7

98.6

2000

99214.6

72085

32917.7

100.4

2001

109655.2

73025

37213.5

100.7

2002

120332.7

73740

43499.9

99.2

2003

135822.8

74432

55566.6

101.2

2004

159878.3

75200

70477.4

103.9

2005

184937.4

75825

88773.6

101.8

2006

216314.4

76400

109998.2

101.5

2007

265810.3

76990

137323.9

104.8

2008

314045.4

77480

172828.4

105.9

2009

340903

77995

224598.8

99.3

（二）模型设计

采用的模型如下：

y=β1+β2x1+β3x2+β4x3+ui

我们通过对该模型的回归分析，得出各个变量与我国经济增长的变动关系。

三、模型估计和检验

（一）模型初始估计

表3.1模型初始估计结果

DependentVariable:

Method:

LeastSquares

Date:

06/27/12Time:

00:

Sample:

19802009

Includedobservations:

Coefficient

Std.Error

t-Statistic

Prob.

-16197.47

41510.11

-0.390205

0.6996

1.683972

0.256065

6.576336

0.0000

1.420445

0.054886

25.87979

0.0000

-580.7369

355.4395

-1.633856

0.1143

R-squared

0.985665

Meandependentvar

85805.26

AdjustedR-squared

0.984011

S.D.dependentvar

95097.07

S.E.ofregression

12024.95

Akaikeinfocriterion

21.75092

Sumsquaredresid

3.76E+09

Schwarzcriterion

21.93775

Loglikelihood

-322.2638

Hannan-Quinncriter.

21.81069

F-statistic

595.9008

Durbin-Watsonstat

0.968679

Prob（F-statistic）

0.000000

由上表可以看出，R2=0.985665，接近于1。

F=595.9008说明拟合程度很好。

进行t检验：

t（28）=2.048

对于参数c假设:

H0:

（1）=0.对立假设:

H1:

（1）≠0

对于参数x1假设:

H0:

（2）=0.对立假设:

H1:

（2）≠0

对于参数x2假设:

H0:

c（3）=0.对立假设:

H1:

c（3）≠0

对于c,∣t∣=0.390205

因此拒绝H0:

c≠0,接受对立假设:

H1:

c=0

对于x1,∣t∣=6.576336﹥t（n-2）=t（28）=2.048

因此拒绝H0:

x1=0,接受对立假设:

H1:

x1≠0

对于x2,∣t∣=25.87979﹥t（n-2）=t（28）=2.048

因此拒绝H0:

x2=0,接受对立假设:

H1:

x2≠0

对于x3,∣t∣=1.633856

因此拒绝H0:

x2≠0,接受对立假设:

H1:

x2=0

由此可知，x3没有经过t检验。

（二）多重共线性检验

表3.2相关系数矩阵

1.000000

0.665094

-0.219318

0.665094

1.000000

-0.291137

-0.219318

-0.291137

1.000000

根据多重共线性检验，解释变量之间存在着线性相关。

通过采用剔除变量法，多重共线性的修正结果如下：

剔除X3。

表3.3修正多重共线性后的模型

DependentVariable:

Method:

LeastSquares

Date:

06/28/12Time:

23:

Sample:

19802009

Includedobservations:

Coefficient

Std.Error

t-Statistic

Prob.

-79282.79

15704.05

-5.048555

0.0000

1.699013

0.263693

6.443158

0.0000

1.438325

0.055422

25.95222

0.0000

R-squared

0.984193

Meandependentvar

85805.26

AdjustedR-squared

0.983022

S.D.dependentvar

95097.07

S.E.ofregression

12391.14

Akaikeinfocriterion

21.78199

Sumsquaredresid

4.15E+09

Schwarzcriterion

21.92211

Loglikelihood

-323.7299

Hannan-Quinncriter.

21.82682

F-statistic

840.5434

Durbin-Watsonstat

0.689221

Prob（F-statistic）

0.000000

由表可得，x1和x2的t检验值都很显著。

（3）异方差检验

ARCH检验：

HeteroskedasticityTest:

ARCH

F-statistic

5.690752

Prob.F（1,27）

0.0243

Obs*R-squared

5.048272

Prob.Chi-Square

（1）

0.0247

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/28/12Time:

23:

Sample（adjusted）:

19812009

Includedobservations:

29afteradjustments

Coefficient

Std.Error

t-Statistic

Prob.

49385817

56010198

0.881729

0.3857

RESID^2（-1）

0.899098

0.376897

2.385530

0.0243

R-squared

0.174078

Meandependentvar

1.39E+08

AdjustedR-squared

0.143489

S.D.dependentvar

2.41E+08

S.E.ofregression

2.23E+08

Akaikeinfocriterion

41.35408

Sumsquaredresid

1.35E+18

Schwarzcriterion

41.44838

Loglikelihood

-597.6342

Hannan-Quinncriter.

41.38362

F-statistic

5.690752

Durbin-Watsonstat

1.336249

Prob（F-statistic）

0.024334

从上表可以得到数据：

（n-p）R2=5.048272,查表得χ2（p）=5.9915,（n-p）R2=5.048272<χ2（p）=5.9915,则接受原假设，不存在异方差。

（四）序列相关检验

已知：

DW=0.689221，查表得dL=1.270，dU=1.563。

由此可知，存在相关性。

修正如下：

表3.5修正序列相关后的模型

DependentVariable:

Method:

LeastSquares

Date:

06/07/11Time:

17:

Sample（adjusted）:

19812009

Includedobservations:

29afteradjustingendpoints

FailuretoimproveSSRafter18iterations

Variable

Coefficient

Std.Error

t-Statistic

Prob.

21524.05

1.27E+09

1.70E-05

1.0000

0.612694

1.051958

0.582432

0.5655

0.999545

0.309752

3.226923

0.0035

（1）

1.000019

0.111190

8.993770

0.0000

R-squared

0.992728

Meandependentvar

88607.31

AdjustedR-squared

0.991855

S.D.dependentvar

95511.65

S.E.ofregression

8619.708

Akaikeinfocriterion

21.08893

Sumsquaredresid

1.86E+09

Schwarzcriterion

21.27752

Loglikelihood

-301.7895

F-statistic

1137.613

Durbin-Watsonstat

0.989263

Prob（F-statistic）

0.000000

InvertedARRoots

1.00

EstimatedARprocessisnonstationary

四、结论分析和政策建议

（一）主要结论

1、固定资产投资是经济增长的重要原动力。

经济发展取决于投入资金的数量和资金的利用效率。

固定资产投资是经济增长的重要原动力，它对经济运行具有先导作用，并以其乘数效应拉动经济增长。

2、劳动力对GDP有一定的促进作用但对经济增长的贡献率却微不足道。

这是因为我国劳动力结构总量巨大、供给充足、流动性强,对GDP影响很大。

但是劳动力的人力资本含量、高技术含量偏低,劳动力素质结构存在严重缺陷,会直接影响了经济的增长。

3、消费需求对经济的拉动作用

消费需求是三大需求要素中所占份额最大、波动幅度最小的部分，是国民经济的重要支柱和最主要的组成部分，同时也是最为明显地反映经济自发增长态势的宏观经济指标。

（二）政策建议

就业是民生之本，有效促进就业，保持经济增长良好势头成为我国当前乃至今后一段时期的重要课题。

针对目前劳动力数量庞大且总体素质不高的现状，应通过多种途径，一方面加强就业培训的投入力度，提高劳动者就业及再就业能力，降低失业率；另一方面，加强各地区间人才交流及促进劳动力自由流动，并通过合理技术壁垒方式，阻止外来流动人员的无序进入。

同时，鼓励灵活就业，以减轻就业压力。

劳动力的人力资本含量、高技术含量偏低,劳动力素质结构存在严重缺陷,直接影响了经济的增长。

因此应当控制人口数量,优化劳动力结构,提升劳动力素质。

物质资本对我国的经济增长也起到了一定的影响

作用，应加强对投资的科学管理，提高投资效率。

农民收入影响因素分析

本文选取1986-2009年相关数据，应用计量经济学的方法，根据农作物播种面积、农产生产价格总指数、第一产业就业人数占全社会就业人数的比重、农村用电量和财政支出对农业的投入等五因素对我国农民收入的影响，建立多元线性回归模型并检验，并对各因素的影响程度进行分析。

从计量经济学的学习中可以发现，影响农民收入增长的因素主要有：

农产品价格和产量、农作物播种面积、农业从业人数和财政投入等

考虑到数据获取的方便程度和模型的合理性，综合选择了一下指标作为影响农民纯收入的因素：

农村居民纯收入（元）；X2：

农作物播种面积（千公顷）；X3：

农产品的生产价格总指数（%）；X4：

第一产业就业人数占全社会就业人数的比重（%）；X5：

农村用电量（亿千瓦时）；X6：

财政对农业的投入（亿元）。

三、模型所需数据

年份

农村居民家庭人均纯收入（元）Y

农作物总播种面积（千公顷）X2

农产品生产价格总指数X3（上年=100）

第一产业就业人数占全社会就业人数的比重X4

农村用电量（亿千瓦时）X5

财政支出对农业的投入（亿元）X6

1986

423.80

144204.00

106.40

60.9

253.1

184.20

1987

462.60

144957.00

112.00

60.0

320.8

195.70

1988

544.90

144869.00

123.00

59.3

508.9

214.10

1989

601.50

146554.00

115.00

60.1

790.5

265.90

1990

686.30

148362.00

97.40

60.1

844.5

307.80

1991

708.60

149586.00

98.00

59.7

963.2

347.60

1992

784.00

149007.00

103.40

58.5

1106.9

376.00

1993

921.60

147741.00

113.40

56.4

1244.9

440.50

1994

1221.00

148241.00

139.90

54.3

1473.9

533.00

1995

1577.70

149879.00

119.90

52.2

1655.7

574.90

1996

1926.10

152381.00

104.20

50.5

1812.7

700.40

1997

2090.10

153969.00

95.50

49.9

1980.1

766.40

1998

2162.00

155706.00

92.00

49.8

2042.2

1154.80

1999

2210.30

156373.00

87.80

50.1

2173.4

1085.80

2000

2253.40

156300.00

96.40

50.0

2421.3

1231.50

2001

2366.40

155708.00

103.10

50.0

2610.8

1456.70

2002

2475.60

154636.00

99.70

50.0

2993.4

1580.80

2003

2622.20

152415.00

104.40

49.1

3432.9

1754.50

2004

2936.40

153553.00

113.10

46.9

3933.0

2337.60

2005

3254.90

155488.00

101.40

44.8

4375.7

2450.30

2006

3587.00

152149.00

101.20

42.6

4895.8

3173.00

2007

4140.40

153464.00

118.50

40.8

5509.9

4318.30

2008

4760.60

156266.00

114.10

39.6

5713.2

5955.50

2009

5153.20

158639.00

97.60

38.1

6104.4

7253.10

数据来源：

2010年中国统计年鉴，2010年中国农业统计年鉴

四、模型设定和参数估计

样本回归模型设定为：

1、对原始模型进行回归，其结果为：

Variable

Coefficient

Std.Error

t-Statistic

Prob.

2457.894

1993.071

1.233219

0.2334

0.025675

0.009271

2.769441

0.0126

-2.167374

1.788256

-1.212004

0.2412

-93.15614

10.81553

-8.613184

0.0000

0.181336

0.042318

4.285045

0.0004

0.185089

0.021573

8.579689

0.0000

R-squared

0.998004

Meandependentvar

2077.942

AdjustedR-squared

0.997449

S.D.dependentvar

1376.930

S.E.ofregression

69.54587

Akaikeinfocriterion

11.53417

Sumsquaredresid

87059.29

Schwarzcriterion

11.82868

Loglikelihood

-132.4100

F-statistic

1799.580

Durbin-Watsonstat

0.997774

Prob（F-statistic）

0.000000

SE=（1993.071）（0.009271）（1.788256）（10.81553）（0.042318）（0.021573）

T=（1.233219）（2.769441）（-1.212004）（-8.613184）（4.285045）（8.579689）

=0.998004

=0.997449F=1799.580DW=0.997774

模型检验：

当

=0.05时，

=0.99744，可决系数很高，F=1799.580，回归方程显著。

X2、X4、X5和X6都显著，截距和X3未通过显著性检验，可能具有都充共线性。

2、检验是否具有多重共线性