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
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:
Y
Method:
LeastSquares
Date:
06/27/12Time:
00:
01
Sample:
19802009
Includedobservations:
30
Coefficient
Std.Error
t-Statistic
Prob.
C
-16197.47
41510.11
-0.390205
0.6996
X1
1.683972
0.256065
6.576336
0.0000
X2
1.420445
0.054886
25.87979
0.0000
X3
-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:
c
(1)=0.对立假设:
H1:
c
(1)≠0
对于参数x1假设:
H0:
c
(2)=0.对立假设:
H1:
c
(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
X1
X2
X3
X1
1.000000
0.665094
-0.219318
X2
0.665094
1.000000
-0.291137
X3
-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:
Y
Method:
LeastSquares
Date:
06/28/12Time:
23:
17
Sample:
19802009
Includedobservations:
30
Coefficient
Std.Error
t-Statistic
Prob.
C
-79282.79
15704.05
-5.048555
0.0000
X1
1.699013
0.263693
6.443158
0.0000
X2
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:
48
Sample(adjusted):
19812009
Includedobservations:
29afteradjustments
Coefficient
Std.Error
t-Statistic
Prob.
C
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:
Y
Method:
LeastSquares
Date:
06/07/11Time:
17:
00
Sample(adjusted):
19812009
Includedobservations:
29afteradjustingendpoints
FailuretoimproveSSRafter18iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
21524.05
1.27E+09
1.70E-05
1.0000
X1
0.612694
1.051958
0.582432
0.5655
X2
0.999545
0.309752
3.226923
0.0035
AR
(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:
Y:
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.
C
2457.894
1993.071
1.233219
0.2334
X2
0.025675
0.009271
2.769441
0.0126
X3
-2.167374
1.788256
-1.212004
0.2412
X4
-93.15614
10.81553
-8.613184
0.0000
X5
0.181336
0.042318
4.285045
0.0004
X6
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
相关系数矩阵
X6
X5
X4
X3
X2
X6
1
0.928989
-0.8761717
-0.068191
0.6472208
X5
0.928989
1
-0.9647793
-0.1051723
0.7504174
X4
-0.8761717
-0.9647793
1
0.1459631
-0.8300605
X3
-0.068191
-0.1051723
0.1459631
1
-0.5075543
X2
0.6472208
0.7504174
-0.8300605
-0.5075543
1
有解释变量的相关性矩阵可知,存在多重共线性。
3、对多重共线性的修正
分别作Y对X2、X3、X4、X5、X6的一元回归,相关结果如下:
变量
X2
X3
X4
X5
X6
参数估计值
0.267259
-19.992
-194.597
0.760869
0.689258
t统计量
6.671594
-0.80359
-27.7537
25.82188
12.30902
0.669223
0.028516
0.9722