计量经济国内生产总值影响因素计量分析.docx
《计量经济国内生产总值影响因素计量分析.docx》由会员分享，可在线阅读，更多相关《计量经济国内生产总值影响因素计量分析.docx（19页珍藏版）》请在冰豆网上搜索。
计量经济国内生产总值影响因素计量分析
国内生产总值影响因素的计量分析
学院名称：
专业名称：
作者姓名：
学号：
指导老师：
摘要
自党的十一届三中全会以来，我国进入了改革开放的新时期。
30多年来，我国的经济建设取得了令世人瞩目的巨大成就——国内经济持续高速增长，基本实现总体小康，人民生活水平显著提高，综合国力不断增强，国际地位也显著提高。
国民经济繁荣给中国的发展带来了昂扬的生命力。
而GDP是衡量一国经济增长的重要指标，因此，对国内生产总值影响因素的经济分析研究具有十分重要意义。
本文采用经济增长模型和多元线性回归分析方法对1992～2011年国内生产总值的影响因素进行研究，分析了消费、财政支出和进出口对经济发展的影响，建立计量模型，寻求这些变量与GDP的数量关系，进行定量分析以及检验，并根据所得结论提出一些可行性的相关建议。
关键词：
国内生产总值消费财政支出净出口计量分析
1前言·····························································3
2理论综述·························································3
2.1国内生产总值···················································3
2.2影响因素分析···················································3
3实证模型构建·····················································4
3.1数据收集·······················································4
3.2模型设计·······················································5
3.2.1建立模型·····················································5
3.2.2模型参数估计·················································5
4模型检验·························································6
4.1统计推断检验···················································6
4.1.1经济意义检验·················································6
4.1.2R^2检验······················································6
4.1.3t检验·························································6
4.1.4F检验························································7
4.2计量经济检验···················································7
4.2.1多重共线性检验················································7
4.2.2异方差检验···················································11
4.2.3自相关检验···················································13
4.2.4最终结果·····················································14
5结论与说明·······················································14
6实习感悟·························································15
参考文献···························································16
1前言
“GDP”被美国商务部誉为“20世纪的伟大发明之一”。
：
GDP能够反映国民经济发展变化情况，并为国家以及各个地区经济发展战略目标和宏观经济政策提供了重要工具和依据。
GDP还为检验宏观经济政策的科学性和有效性提供了重要的检测工具，同时GDP也是对外交往的重要指标，因为在世界上衡量一个国家的经济地位指标，很多与GDP有关，每年，联合国都要根据各国的“人均GDP”进行排名，来提供反映一个国家经济实力的依据。
可以说GDP在一定程度上决定了一个国家承担的国际义务和权利，决定了一个国家在国际社会中所能发挥的作用，影响到国家的经济利益和政治利益；最后GDP的统计比较容易，其具有统计数据准确、重复计算少等优点，作为总量指标，它和经济增长率、通货膨胀率和失业率这三个主要的宏观经济运行指标都有密切关系，是国家制定宏观调控政策的三大指标中最基础性的指标。
GDP能够提供一个国家经济状况的完整图像，帮助国家领导人判断经济是在萎缩还是在膨胀，是需要刺激还是需要控制，是处于严重衰退还是处于过热之中。
甚至有人认为该指标像灯塔一样，能使政策制定者不会陷入杂乱无章的数字海洋而不知所措。
2理论综述
2.1国内生产总值
国内生产总值（GrossDomesticProduct，简称GDP）是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现，还可以反映一国的国力与财富。
2.2影响因素分析
一般来说，国内生产总值共有四个不同的组成部分，其中包括消费、私人投资、政府支出和净出口额。
用公式表示为：
GDP = CA + I + CB + X ，式中：
CA为消费、I为私人投资、 CB为政府支出、X为净出口额。
影响GDP的因素很多。
消费水平的提高能够通过乘数效应，提高极大地带动经济的增长；但消费水平与边际消费倾向和收入之间存在线性关系，由于边际消费倾向在短期内可以认为是固定的，因此，消费水平在某一时期是由收入水平即经济发展水平决定的。
改革开放以来，居民消费、政府购买和进出口明显增加，与之相对应的是GDP总量也迅速得到增加。
在经济发展的过程中，我国在经济贸易方面不断对外开放，同时，我国的经济的发展状态呈效好的趋势。
对外贸易的适度增长和政府购买的增加是经济发展的重要影响因素之一，因为对外贸易的增长，为我国带来了大量的外汇的收入，从而促进了我国GDP的增长，促进我国经济的发展。
因此，本文研究影响经济发展的因素时，旨在分析消费、政府财政支出和进出口对GDP的实证影响。
3实证模型构建
3.1数据收集
表1
年份
国内生产总值（Y）
居民消费水平（X2）
政府财政支出（X3）
净出口（X4）
1992
26923.5
1116
3742.2
233
1993
35333.9
1393
4642.3
-701.4
1994
48197.9
1833
5792.62
461.7
1995
60793.7
2355
6823.72
1403.7
1996
71176.6
2789
7937.55
1019
1997
78973
3002
9233.56
3354.2
1998
84402.3
3159
10798.18
3597.5
1999
89677.1
3346
13187.67
2423.4
2000
99214.6
3632
15886.5
1995.6
2001
109655.2
3887
18902.58
1865.2
2002
120332.7
4144
22053.15
2517.6
2003
135822.8
4475
24649.95
2092.3
2004
159878.3
5032
28486.89
2667.5
2005
184937.4
5596
33930.28
8374.4
2006
216314.4
6299
40422.73
14220.3
2007
265810.3
7310
49781.35
20263.5
2008
314045.4
8430
62592.66
20868.4
2009
340902.8
9283
76299.93
13411.3
2010
401512.8
10522
89874.16
12323.5
2011
472881.6
12272
109247.79
10079.2
样本数据来源：
中国国家统计局官方网站，《中国统计年鉴2012》
3.2模型设计
3.2.1建立模型
根据数据，现以中国国内生产总值（Y）作为被解释变量，以居民消费水平（X1）、国家财政支出（X2）、净出口（X3）为解释变量，建立多元线性回归方程的一般模型为：
Y=B1+B2*X2+B3*X3+B4*X4+U
其中：
Y——国内生产总值
X2——居民消费水平
X3——国家财政支出
X4——净出口
U——随机误差项
B1——常数项
B2,B3,B4——回归方程的系数
3.2.2模型参数估计
根据数据建立多元线性回归方程：
首先利用Eviews软件对模型进行OLS估计，得样本回归方程。
输出结果如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
06/30/13Time:
11:
22
Sample:
19922011
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
120.8285
3603.604
0.033530
0.9737
X2
17.73198
1.955963
9.065601
0.0000
X3
2.199774
0.184259
11.93848
0.0000
X4
1.209306
0.192247
6.290376
0.0000
R-squared
0.999453
Meandependentvar
165839.3
AdjustedR-squared
0.999350
S.D.dependentvar
128980.1
S.E.ofregression
3288.155
Akaikeinfocriterion
19.21090
Sumsquaredresid
1.73E+08
Schwarzcriterion
19.41004
Loglikelihood
-188.1090
F-statistic
9739.476
Durbin-Watsonstat
1.675427
Prob（F-statistic）
0.000000
根据以上结果，初步得出的模型为:
y=120.8285+17.73198*X2+2.199774*X3+1.209306*X4
se=（3603.604）（1.955963）（0.184259）（0.192247）
t=（0.033530）（9.065601）（11.93848）（6.290376）
F=9739.476DW=1.675427R^2=0.999350
4模型检验
4.1统计推断检验
4.1.1经济意义检验：
通过估计所得到参数，可进行经济意义检验：
1）B1=120.8285，表示当消费、财政支出和净出口为0时，我国GDP仍能平均增加120.8285个单位。
这样的解释没什么经济意义。
2）B2=17.73198,表示在其他条件不变的情况下，居民消费水平每增长1个单位，GDP平均增加17.73198个单位，符合经济现实。
3） B3=2.199774,表示在其他条件不变的情况下，财政支出每增长1个弹尾，GDP平均增加2.199774个单位；反之，降低2.199774，符合现实。
4） B4=1.209306,表示在其他条件不变的情况下，净出口每增长1个百分点，GDP平均增加1.209306个单位；反之，降低1.209306，合理。
消费、财政支出和进出口的增长能促进国内生产总值的增加，它们是正比关系。
综上可知，该模型符合经济意义，经济意义检验通过。
4.1.2R^2检验：
R^2的值越接近1，说明回归直线对观测值的拟合程度越好；反之，R^2的值越接近0，说明回归直线对观测值的拟合程度越差。
校正的判定系数R^2同理。
在数据中，判定系数R^2=0.999453，校正的判定系数¯R²=0.999350，计算结果表明模型拟合度高。
4.1.3t检验：
在B2=0，B3=0，B4=0这三个零假设下，模型偏回归系数的t检验值分别为t2=9.065601,t3=11.93848,t4=6.290376，在显著性水平5%下自由度为n-k=20-4=16的t临界值=1.746，比较可知，偏回归系数的t检验值都大于t临界值，而t1=0.033530<1.746。
因此拒绝零假设并得出结论：
常数项系数不显著，居民消费、财政支出和净出口是显著的，它们对国内生产总值有影响。
4.1.4F检验
从表中可知：
模型的F检验值为9739.476，F检验的P值等于0，小于显著性水平0.05。
因此，回归方程是显著的，国内生产总值与居民消费、政府财政支出和净出口之间存在显著的关系。
4.2计量经济学检验
4.2.1多重共线性检验
1）对于含有多个解释变量的模型，可以利用解释变量样本观测值的散点图来考察两两解释变量间是否存在线性关系。
利用Eviews软件做X2,X3之间的散点图，如下图1：
图1
同理，X2和X4，X3和X4之间的散点图下图2，图3
图2
图3
分析:
从散点图可直观看到，图1的点趋向于一条直线，图2和图3的点都比较分散，虽然在模型中不存在多重共线性，但X2-X3存在高度线性相关，X2-X4和X3-X4不存在线性相关。
因此需要对模型进行修正。
2）多重共线性修正处理：
（1）逐步回归处理：
运用OLS方法求y对各个变量的回归。
结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。
用Eviews回归过程如下：
Y对X2的回归
DependentVariable:
Y
Method:
LeastSquares
Date:
06/30/13Time:
16:
38
Sample:
19922011
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-39941.37
4243.437
-9.412505
0.0000
X2
41.20765
0.725687
56.78431
0.0000
R-squared
0.994449
Meandependentvar
165839.3
AdjustedR-squared
0.994140
S.D.dependentvar
128980.1
S.E.ofregression
9873.302
Akaikeinfocriterion
21.32770
Sumsquaredresid
1.75E+09
Schwarzcriterion
21.42727
Loglikelihood
-211.2770
F-statistic
3224.458
Durbin-Watsonstat
0.242547
Prob（F-statistic）
0.000000
Y对X3的回归
DependentVariable:
Y
Method:
LeastSquares
Date:
06/30/13Time:
16:
39
Sample:
19922011
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
33418.51
4063.413
8.224245
0.0000
X3
4.175431
0.093117
44.84069
0.0000
R-squared
0.991127
Meandependentvar
165839.3
AdjustedR-squared
0.990634
S.D.dependentvar
128980.1
S.E.ofregression
12482.22
Akaikeinfocriterion
21.79664
Sumsquaredresid
2.80E+09
Schwarzcriterion
21.89621
Loglikelihood
-215.9664
F-statistic
2010.688
Durbin-Watsonstat
0.536961
Prob（F-statistic）
0.000000
Y对X4的回归
DependentVariable:
Y
Method:
LeastSquares
Date:
06/30/13Time:
16:
40
Sample:
19922011
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
74058.61
25250.03
2.933011
0.0089
X4
14.98829
2.813476
5.327320
0.0000
R-squared
0.611905
Meandependentvar
165839.3
AdjustedR-squared
0.590344
S.D.dependentvar
128980.1
S.E.ofregression
82552.96
Akaikeinfocriterion
25.57491
Sumsquaredresid
1.23E+11
Schwarzcriterion
25.67448
Loglikelihood
-253.7491
F-statistic
28.38034
Durbin-Watsonstat
0.402546
Prob（F-statistic）
0.000046
由上面三个表可知，Y对X2的线性最强（R^2：
0.994449>0.991127>0.611905,即X1>X2>X3），拟合度最优，因此回归方程为：
y=-39941.37+41.20765*X2
（2）将其余解释变量逐一引入上式：
引入X3
DependentVariable:
Y
Method:
LeastSquares
Date:
06/30/13Time:
17:
12
Sample:
19922011
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-10002.50
5829.408
-1.715868
0.1044
X2
24.01242
3.040909
7.896463
0.0000
X3
1.763551
0.308641
5.713929
0.0000
R-squared
0.998099
Meandependentvar
165839.3
AdjustedR-squared
0.997876
S.D.dependentvar
128980.1
S.E.ofregression
5944.885
Akaikeinfocriterion
20.35593
Sumsquaredresid
6.01E+08
Schwarzcriterion
20.50529
Loglikelihood
-200.5593
F-statistic
4463.299
Durbin-Watsonstat
0.880929
Prob（F-statistic）
0.000000
引入X4
DependentVariable:
Y
Method:
LeastSquares
Date:
06/30/13Time:
17:
12
Sample:
19922011
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-39164.87
4485.320
-8.731790
0.0000
X2
40.
升级会员 