中国经济增长影响因素实证分析.docx
《中国经济增长影响因素实证分析.docx》由会员分享,可在线阅读,更多相关《中国经济增长影响因素实证分析.docx(13页珍藏版)》请在冰豆网上搜索。
![中国经济增长影响因素实证分析.docx](https://file1.bdocx.com/fileroot1/2022-11/17/86849a07-8012-425c-b248-e686887dc01e/86849a07-8012-425c-b248-e686887dc01e1.gif)
中国经济增长影响因素实证分析
中国经济增长影响因素实证分析
中国经济增长影响因素实证分析
摘要:
改革开放以来,我国的社会主义经济取得了突飞猛进的发展,经济增长速度更是举世瞩目。
本文采用经济增长模型和多元线性回归分析方法对1993~2016年中国经济增长因素进行研究,分析了物质资本、劳动力、消费对国内生产总值的影响,建立计量模型,寻求这些变量与中国国民产出的数量关系,进行定量分析,对模型进行检验。
关键词:
消费、投资、经济增长、劳动力
一、文献综述
(一)经济增长理论
经济增长是指一个国家生产商品和劳务能力的扩大。
在实际核算中,常以一国生产的商品和劳务总量的增加来表示,即以国民生产总值和国内生产总值的(GDP)的增长来计算。
经济增长是经济学研究的永恒主题。
古典经济增长理论以社会财富的增长为中心,指出生产劳动是财富增长的源泉。
现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。
(二)影响因素的分析
从古典增长理论到新增长理论,都重视物质资本和劳动的贡献。
物质资本是指经济系统运行中实际投入的资本数量.然而,由于资本服务流量难以测度,在这里我们用全社会固定资产投资总额(亿元)来衡量物质资本。
中国拥有全世界近1/4 的人口,为经济增长提供了丰富的劳动力资源。
因此本文用总就业人数(万人)来衡量劳动力。
居民消费需求也是经济增长的主导因素。
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1中国经济增长影响因素模型时间序列表
指标
国内生产总值
年末就业人员数
全社会固定资产投资完成额
居民消费价格指数(上年=100)
地区
全国
全国
全国
全国
频度
年
年
年
年
单位
亿元
万人
亿元
-
1993
35673.2
66808
13072.3
114.7
1994
48637.5
67455
17042.1
124.1
1995
61339.9
68065
20019.27
117.1
1996
71813.6
68950
22974
108.3
1997
79715
69820
24941.12
102.8
1998
85195.5
70637
28406.18
99.2
1999
90564.4
71394
29854.72
98.6
2000
100280.1
72085
32917.74
100.4
2001
110863.1
72797
37213.49
100.73
2002
121717.4
73280
43499.91
99.25
2003
137422
73736
55566.61
101.17
2004
161840.2
74264
70477.43
103.88
2005
187318.9
74647
88773.61
101.81
2006
219438.5
74978
109998.16
101.47
2007
270232.3
75321
137323.94
104.77
2008
319515.5
75564
172828.4
105.86
2009
349081.4
75828
224598.77
99.31
2010
413030.3
76105
251683.77
103.32
2011
489300.6
76420
311485.13
105.39
2012
540367.4
76704
374694.74
102.65
2013
595244.4
76977
446294.09
102.62
2014
643974
77253
512020.65
101.99
2015
689052.1
77451
561999.83
101.44
2016
744127.2
77603
606465.66
102
资料来源:
中经网统计数据库
(二)模型设计
为了具体分析各要素对我国经济增长影响的大小,我们可以用国内生产总值(y)作为对经济发展的衡量,代表经济发展;用总就业人员数(x2)衡量劳动力;用固定资产投资总额(x3)衡量资本投入:
用价格指数(x4)去代表消费需求。
运用这些数据进行回归分析。
采用的模型如下:
其中,y代表国内生产总值,x2代表社会就业人数,x3代表固定资产投资,x4代表消费价格指数,
代表随机扰动项。
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2模型初始估计结果
DependentVariable:
Y
Method:
LeastSquares
Date:
12/02/17Time:
21:
55
Sample:
19932016
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1275271.
219020.5
-5.822609
0.0000
X2
15.83664
2.183845
7.251724
0.0000
X3
0.978016
0.031439
31.10849
0.0000
X4
2050.542
769.3861
2.665166
0.0149
R-squared
0.995694
Meandependentvar
273572.7
AdjustedR-squared
0.995048
S.D.dependentvar
228431.4
S.E.ofregression
16074.20
Akaikeinfocriterion
22.35883
Sumsquaredresid
5.17E+09
Schwarzcriterion
22.55517
Loglikelihood
-264.3060
Hannan-Quinncriter.
22.41092
F-statistic
1541.649
Durbin-Watsonstat
0.587012
Prob(F-statistic)
0.000000
t=(-5.822609)(7.251724)(31.10849)(2.665166)
(二)多重共线性检验
表3相关系数矩阵
X2
X3
X4
X2
1
0.7829237374353251
-0.6097869809492669
X3
0.7829237374353251
1
-0.2549475574563468
X4
-0.6097869809492669
-0.2549475574563468
1
表4辅助回归的
值
被解释变量
X2
X3
X4
0.711954
0.982282
0.088145
VIF
3.4717
56.4398
1.0967
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X4
表5修正多重共线性后的模型
DependentVariable:
Y
Method:
LeastSquares
Date:
12/02/17Time:
22:
02
Sample:
19932016
Includedobservations:
24
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-776314.9
129136.0
-6.011605
0.0000
X2
11.86797
1.814776
6.539637
0.0000
X3
1.015821
0.031874
31.86969
0.0000
R-squared
0.994165
Meandependentvar
273572.7
AdjustedR-squared
0.993609
S.D.dependentvar
228431.4
S.E.ofregression
18261.19
Akaikeinfocriterion
22.57941
Sumsquaredresid
7.00E+09
Schwarzcriterion
22.72667
Loglikelihood
-267.9530
Hannan-Quinncriter.
22.61848
F-statistic
1788.997
Durbin-Watsonstat
0.554622
Prob(F-statistic)
0.000000
t=(129136.0)(1.813776)(0.031874)
(三)自相关性检验
1、残差图法
2、回归检验法
表6回归结果
DependentVariable:
E
Method:
LeastSquares
Date:
12/02/17Time:
23:
30
Sample(adjusted):
1424
Includedobservations:
11afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
E(-1)
0.035347
0.316609
0.111642
0.9133
R-squared
-0.006486
Meandependentvar
-853.3129
AdjustedR-squared
-0.006486
S.D.dependentvar
10172.61
S.E.ofregression
10205.54
Akaikeinfocriterion
21.38576
Sumsquaredresid
1.04E+09
Schwarzcriterion
21.42193
Loglikelihood
-1