云南省固定资产投资和对GDP增长的实证分析.docx
《云南省固定资产投资和对GDP增长的实证分析.docx》由会员分享，可在线阅读，更多相关《云南省固定资产投资和对GDP增长的实证分析.docx（22页珍藏版）》请在冰豆网上搜索。
云南省固定资产投资和对GDP增长的实证分析
综合性及设计性实验1
课程论文
学院：
统计与数学学院
班级：
经统13-1
陈亚伦201305001654
时秋平201305001652
何秋娟201305001649
固定资产投资对经济增长影响的实证分析
——以云南省为例
摘要：
固定资产投资对经济增长有着十分重要的作用，为了分析固定资产投资对云南经济增长的影响，本文选取了2003年-2013年云南省数据，把总的固定资产投资按产业分为三个部分：
第一产业固定资产投资，第二产业固定资产投资，第三产业固定资产投资。
分产业对固定资产投资对经济的拉动作用进行实证分析。
借助EViews软件，对固定资产投资与经济增长进行相关分析，建立回归模型，得出两者的因果关系，并在此提出合理的政策建议及意见。
关键词：
固定资产投资；经济增长；相关分析；逐步回归法
一、引言
投资、出口、消费是拉动经济增长的“三驾马车”，2008年国际金融危机发生以后，出口和消费对于我国的经济增长的拉动作用越来越弱。
投资已经成为拉动经济增长的主要力量，而投资对于经济增长的贡献度到底有多大是目前国内讨论的热点问题。
本文以云南省为例进行分析，从固定资产投资的角度考虑，根据云南省近几年各个产业固定资产投资的数据，应用计量经济学方法分析固定资产投资对于云南省经济的影响。
2013年云南省的地区生产总值已经达到11832.31亿元，以平均每年将近17%的速度增长。
同时从2003年到2013年，云南省的国内生产总值翻了4.67倍。
根据宏观经济学中的凯恩斯模型：
即Ｙ＝Ｃ＋Ｉ＋（Ｘ－Ｍ），我们可以看出经济增长受消费、出口、投资的影响，公式中的Ｉ就是投资的部分，而固定资产投资就是Ｉ中的主要部分，因此它对经济的发展起着十分重要的作用。
云南省固定资产投资有逐年增加的趋势，本文把总的固定资产投资按产业分为三个部分：
第一产业固定资产投资，第二产业固定资产投资，第三产业固定资产投资。
分产业对固定资产投资对经济的拉动作用进行实证分析。
二、文献综述
凯恩斯在《就业、货币和通论》中提出了投资乘数理论，并试图通过它来分析增加投资对促进经济繁荣、解决经济危机和失业问题的作用，以得到投资等于储蓄下的国民产出均衡，但是凯恩斯均衡并没有考虑时间、人口等因素对经济增长的影响。
随着固定资产投资对经济发展的影响越来越重要，国内许多学者对其的进行了研究，其中最具代表的有：
1、经济学家李京文教授、郑友敬教授通过对我国1953—1990年期间经济增长研究，认为资本投入对经济增长的贡献率高达75.07%。
2、雷辉通过研究得出，固定资产投资在拉动经济增长上起到了巨大作用，并且二者之间还存在着长期稳定的双向因果关系。
3、张华嘉、黄怡胜把固定资产投资资金来源划分为国家投资、国内贷款投资、外国投资、自筹资金及其他资金来源投资，分析了固定资产总投资和各种投资的决定因素以及各种投资对经济增长、行业结构和地区结构的影响。
4、胡春、仲继银对我国固定资产投资与经济增长周期的关系进行了实证分析，认为我国经济增长对固定资产投资有较高的依赖程度，并且经济增长呈现出周期波动过于频繁的现象。
上述文献都对固定资产投资和GDP增长做了实证分析，但是没有细化固定资产投资，为了更好的分析固定资产投资哪个行业对促进GDP增长的效果更好，我们将总的固定资产投资分产业对固定资产投资的拉动作用进行分析。
三、理论与方法
以云南省地区生产总值GDP（Y）为因变量代表经济发展水平；固定资产总额（X），第一产业固定资产投资额（X2），第二产业固定资产投资额（X3），第三产业经济固定资产投资额（X4），作为自变量进行回归分析。
模型形式如下：
Y=
+
+
+
其中，
为相应的拟合参数，
为随机干扰项。
本文采用2003-2013年期间的相关数据进行分析
表1云南省2003-2013年期间的数据
单位：
亿元
时间
地区生产总值
固定资产投资总额
第一产业固定资产投资
第二产业固定资产投资
第三产业固定资产投资
2003年
2556.02
1000.12
45.58
282.67
671.87
2004年
3081.91
1291.54
53.33
434.37
803.84
2005年
3462.73
1777.63
71.84
642.88
1060.76
2006年
3988.14
2208.6
73.99
799.17
1337.59
2007年
4772.52
2759.03
100.3
988.1
1670.63
2008年
5692.12
3435.93
153.92
1306.62
1963.13
2009年
6169.75
4526.37
166.18
1535.13
2748.19
2010年
7224.18
5528.71
204.25
1773.1
3529.71
2011年
8893.12
6191
225.9
2098.63
3938.45
2012年
10309.47
7831.1
243.05
2544.41
5082.44
2013年
11832.31
9968.3
338.44
2874.83
6755.03
资
资料来源：
国家统计局官网整理
四、实证分析
（一）固定资产投资总额对于地区生产总值影响的回归分析
经过回归分析得到回归系数估计值为1.0582＞０，说明地区生产总值与固定资产投资总额同方向变动，当其他条件不变时，固定资产投资总额每增加一亿元时，地区生产总值将平均增加1.0582亿元；进一步证明固定资产投资对云南省的经济发展具有带动作用。
（二）三次产业固定资产投资共同作用对于经济增长影响的分析
１．回归分析过程
将回归分析过程中得到的数字带入模型得：
=1474.630
2.4156X2+2.5902X3+0.5491X4
t=（7.8207）（-0.4135）（4.3205）（2.1826）
=0.9952F=491.5475n=11
结果表明：
模型的可决系数
=0.9952，可知回归系数拟合优度较好，方程通过拟合优度检验。
回归系数估计值
=-2.4156＜０，说明云南省生产总值与第一产业的固定资产投资额反方向变动，当其他条件不变时，第一产业固定资产投资额每多投资一亿元时，云南省地区生产总值将平均减少2.4156亿元；回归系数估计值
=2.5902＞０，说明云南省地区生产总值与第二产业的固定资产投资额同方向变动，当其他条件不变时，第二产业固定资产投资额每多投资一亿元时，云南省地区生产总值将平均增加2.5902亿元；回归系数估计值
＝0.5491＞０，说明国内生产总值与第三产业的固定资产投资额同方向变动，当其他条件不变时，第三产业固定资产投资额每多投资一亿元时，国内生产总值将平均增加0.5491亿元。
通过观察根据上表P值，我们可以看出第一和第三产业的固定资产投资没有通过检验。
出现这一情况的原因是第一、第二和第三产业的固定资产投资之间可能存在严重的多重共线性。
下面我们就对模型进行多重共线性的检验。
２．多重共线性检验。
虽然第一、二、三产业固定资产投资额表面上并没有明显的内在联系，但是因为它们的变化方向非常一致使得变量的样本数据高度相关。
表2相关系数矩阵
变量
X2
X3
X4
X2
1
0.985563
0.984061
X3
0.985563
1
0.982089
X4
0.984061
0.982089
1
由相关系数矩阵可以看出，各解释变量互相之间的相关系数较高，证实确实存在一定的多重共线性。
为了进一步了解多重共线性的性质，我们做辅助回归，即将每个X变量分别作为被解释变量都对其其余的X变量进行回归，为节省篇幅，只给出从这些回归所得到的可决系数和方差扩大因子的数值，见表3。
表3辅助回归的
值
被解释变量
可决系数
的值
方差扩大因子
=1/（1-
）
X2
0.978682
46.90871564
X3
0.976068
41.78505766
X4
0.973598
37.87591849
由于辅助回归的可决系数很高，经验表明，方差扩大因子VI
10时，通常说明该解释变量与其余解释变量之间有严重的多重共线性，这里X2、X3、X4的方差扩大因子远大于10，表明存在严重多重共线性问题。
3、修正多重共线性。
先采用取对数OLS回归,发现LnX2和LnX3的P值分别为0.6096和0.7，远远大于0.05，说明LnX2和LnX3不显著，即X2和X3不显著，与实际不符，不能采用取对数的方法减弱多重共线性。
再采用逐步回归的方法从３个经济变量中选择最显著地变量建立最基本的模型，然后再将另外２个经济变量逐个带入模型，从而消除不显著的变量。
（1）云南省地区生产总值Y分别关于X2、X3、X4建立一元回归模型,回归分析结果：
=1249.012
32.3496X2
=0.9701
=1242.206+3.5549X3
=0.9916
=1996.912+1.5566X4
=0.9785
由结果分析第二产业固定资产投资应该是国内生产总值增加的最主要因素，所以把
=1249.012
32.3496X3+μ作为最基本的模型。
（2）加入第三产业固定资产投资X4，对国内生产总值Y关于X3、X4建立二元回归模型，回归分析结果
=1444.413
2.4487X3+0.4965X4
=0.9952
可以看出，加入变量X4后，修正的可决系数
提高，X3、x4的参数估计值符号正确，并且X3的系数显著，因此在模型中加入X4.
（3）加入第一产业固定投资X2，对国内生产总值Y关于X2、X3、X4建立三元回归模型，回归分析结果：
=1474.630
2.5902X3+0.5492X4-2.4156X2
=0.9952
可以看出，加入变量X2后，修正的可决系数
没有改进，同时X2的参数估计值符号不正确，并且X2的系数不显著，因此在模型中略去X2。
经过上面的逐步回归分析表明Ｙ对Ｘ3、X4的回归模型为最优。
即
=1444.413
2.4487X3+0.4965X4
五、结论和建议
根据上述的分析结果，得出的结论是：
①由固定资产投资总额对于地区生产总值影响的回归分析的结果可知，拟合系数R^2为0.9883，说明模型Y=α+βX中Y有98.83%可以被X解释。
系数为1.0582，说明每变化1单位的固定资产投资，GDP平均变动1.0582单位，表明固定资产投资对云南经济的增长有明显的拉动作用。
②通过逐步回归的分析可以看出在三次产业的固定资产投资中，第二产业固定资产投资对云南省经济发展的带动作用最显著。
基于上述得出的结论，为保证云南经济健康稳定可持续发展提出两点建议：
①由上述分析的结果说明固定资产的投资对促进云南生产总值GDP的增长扮演着十分重要的角色，是拉动经济增长的强有动力。
其中，加大固定资产的投入是保持云南经济持续增长有效方法，但也不能过分的依赖固定资产的投入，过分的以加大固定资产投资来促进经济增长,将对未来经济造成危害,降低投资效率,加剧产能过剩,引致结构失衡,造成环境、资源等一系列问题,阻碍经济的可持续增长。
②为了保证云南经济增长不过于依赖固定投资的投入，还需从消费、政府购买和进出口贸易发面着手，只有保证拉动经济增长的四驾马车能够协调发展，才能从根本上保持经济的可持续发展，从而保证整个社会健康和谐的发展。
③通过以上的分析可以看出在三次产业的固定资产投资中，第二产业固定资产投资对云南省经济发展的带动作用最显著，这也与我国工业化经济和社会的发展阶段相一致，是一个工业仍占主体的结构特征。
④同时第三产业固定资产投资的份额虽逐年增加，但其对经济增长的拉动作用还没有发挥出来。
因此今后我们要进一步加大第三产业的投资，比如云南旅游业，能源再生等，加速第三产业的发展，使其对经济的拉动作用更加显著，这也符合经济和社会发展的趋势。
因为虽然第二产业的固定资产投资过去和目前对于云南的经济增长起主要的作用，但是从长远来说，走可持续发展道路，第二产业的作用被第三产业的发展所取代是必然的。
参考文献
1.李京文，郑友敬.中国经济增长分析[J].中国社会科学，1992
（1）
2.雷辉.我国固定资产投资与经济增长的实证分析[J].国际商务-对外经济贸易大学学报，2006
（2）
3.张华嘉，黄怡胜.固定资产投资与经济增长—对1978-1997年中国经济的市政分析[J].世界经济文汇，1999（6）
4.胡春，仲继银.我国固定资产投资与经济增长周期关系的实证分析[J].北京邮电大学学报（社会科学版），2000（3）
5.庞皓.计量经济学[M].科学出版社.2009年
6.朱平芳，《现代经济学》，上海财经大学出版社，2004年
7.何晓群等，《应用回归分析》（第三版），中国人民大学出版社，2011年
8.张晓峒，计量经济学基础[M]，南开大学出版社，2001年
9.张晓峒，计量经济学软件Eviews使用指南[M]，南开大学出版社，2004年
10.高鸿业.西方经济学（宏观部分）[M].北京:
中国人民大学出版社，2014.
附录：
Y和x回归
DependentVariable:
Y
Method:
LeastSquares
Date:
11/03/15Time:
22:
24
Sample:
111
Includedobservations:
11
Coefficient
Std.Error
t-Statistic
Prob.
C
1704.939
193.6135
8.805886
0.0000
X
1.058248
0.038362
27.58607
0.0000
R-squared
0.988312
Meandependentvar
6180.206
AdjustedR-squared
0.987013
S.D.dependentvar
3075.562
S.E.ofregression
350.4948
Akaikeinfocriterion
14.71953
Sumsquaredresid
1105619.
Schwarzcriterion
14.79188
Loglikelihood
-78.95744
Hannan-Quinncriter.
14.67393
F-statistic
760.9912
Durbin-Watsonstat
1.984856
Prob（F-statistic）
0.000000
Y和x2x3x4回归
DependentVariable:
Y
Method:
LeastSquares
Date:
11/03/15Time:
22:
26
Sample:
111
Includedobservations:
11
Coefficient
Std.Error
t-Statistic
Prob.
C
1474.630
188.5547
7.820700
0.0001
X2
-2.415621
5.843995
-0.413351
0.6917
X3
2.590186
0.599504
4.320547
0.0035
X4
0.549157
0.251606
2.182608
0.0654
R-squared
0.995276
Meandependentvar
6180.206
AdjustedR-squared
0.993251
S.D.dependentvar
3075.562
S.E.ofregression
252.6694
Akaikeinfocriterion
14.17733
Sumsquaredresid
446893.0
Schwarzcriterion
14.32202
Loglikelihood
-73.97531
Hannan-Quinncriter.
14.08612
F-statistic
491.5475
Durbin-Watsonstat
2.051274
Prob（F-statistic）
0.000000
X2和X3X4
DependentVariable:
X2
Method:
LeastSquares
Date:
11/03/15Time:
22:
29
Sample:
111
Includedobservations:
11
Coefficient
Std.Error
t-Statistic
Prob.
C
12.50909
10.51507
1.189634
0.2683
X3
0.058563
0.029778
1.966626
0.0848
X4
0.021797
0.013127
1.660451
0.1354
R-squared
0.978682
Meandependentvar
152.4345
AdjustedR-squared
0.973353
S.D.dependentvar
93.64240
S.E.ofregression
15.28614
Akaikeinfocriterion
8.518771
Sumsquaredresid
1869.329
Schwarzcriterion
8.627288
Loglikelihood
-43.85324
Hannan-Quinncriter.
8.450366
F-statistic
183.6374
Durbin-Watsonstat
2.250025
Prob（F-statistic）
0.000000
X3和X2X4
DependentVariable:
X3
Method:
LeastSquares
Date:
11/03/15Time:
22:
29
Sample:
111
Includedobservations:
11
Coefficient
Std.Error
t-Statistic
Prob.
C
82.48458
107.3066
0.768681
0.4642
X2
5.564903
2.829670
1.966626
0.0848
X4
0.170541
0.135580
1.257860
0.2439
R-squared
0.976068
Meandependentvar
1389.083
AdjustedR-squared
0.970086
S.D.dependentvar
861.5399
S.E.ofregression
149.0100
Akaikeinfocriterion
13.07290
Sumsquaredresid
177631.9
Schwarzcriterion
13.18142
Loglikelihood
-68.90098
Hannan-Quinncriter.
13.00450
F-statistic
163.1437
Durbin-Watsonstat
1.757567
Prob（F-statistic）
0.000000
X4和X2X3
DependentVariable:
X4
Method:
LeastSquares
Date:
11/03/15Time:
22:
30
Sample:
111
Includedobservations:
11
Coefficient
Std.Error
t-Statistic
Prob.
C
-449.9709
211.8767
-2.123740
0.0664
X2
11.75892
7.081762
1.660451
0.1354
X3
0.968212
0.769730
1.257860
0.2439
R-squared
0.973598
Meandependentvar
2687.422
AdjustedR-squared
0.966997
S.D.dependentvar
1954.396
S.E.ofregression
355.0478
Akaikeinfocriterion
14.80938
Sumsquaredresid
1008471.
Schwarzcriterion
14.91790
Loglikelihood
-78.45160
Hannan-Quinncriter.
14.74098
F-statistic
147.5031
Durbin-Watsonstat
1.009315
Prob（F-statistic）
0.000000
取对数后回归
DependentVariable:
LNY
Method:
LeastSquares
Date:
11/03/15Time:
22:
42
Sample:
111
Includedobservations:
11
Coefficient
Std.Error
t-Statistic
Prob.
升级会员 