《计量经济学》报告.docx

资源描述

《计量经济学》报告.docx

《《计量经济学》报告.docx》由会员分享，可在线阅读，更多相关《《计量经济学》报告.docx（85页珍藏版）》请在冰豆网上搜索。

《计量经济学》报告.docx

《计量经济学》报告

《计量经济学》分析报告

关于上海市GDP影响因素计量分析

一、前言

上海市，简称沪，位于北纬31度14分，东经121度29分。

上海地处长江三角洲前沿，东濒东海，南临杭州湾，西接江苏、浙江两省，北界长江入海口，正当我国南北海岸线中部，交通便利，腹地广阔，地理位置优越，是一个良好江海港。

上海是中国最大经济中心和贸易港口。

地处长江三角洲东南端。

是全国最大综合性工业城市，也是全国重要科技中心，贸易中心，金融和信息中心。

上海地理位置优越，是我国内外交通运输枢纽。

上海不仅是历史文化名城，亦是近代革命运动重要发源地之一。

当前按照振兴上海，开发浦东，服务全国，面向世界方针，力争把上海建设成为外向型，多功能，产业结构合理，科学技术先进，具有高度文明社会主义现代化国际城市。

截止2009年，上海市户籍人口已经达到1391.04万人。

上海属北亚热带季风气候，四季分明，日照充分，雨量充沛，气候温和湿润，春秋较短，冬夏较长，年平均气温16℃左右。

全年无霜期约230天，年平均降雨量在1200毫米左右，但一年中60％雨量集中在5至9月汛期，汛期有春雨、梅雨、秋雨三个雨期。

上海市面积6340.5平方公里，占我国总面积0.06%，南北长约120公里，东西宽约100公里。

其中市区面积2643.06平方公里，郊县面积3697.44平方公里；陆地面积6219平方公里，水面面积122平方公里。

境内辖有崇明岛，面积为1041平方公里，是我国第三大岛。

二、理论背景

1.工业总产值是以货币形式表现，工业企业在一定时期内生产工业最终产品或提供工业性劳务活动总价值量。

包括本期生产成品价值、对外加工费收入，在制品半成品期末期初差额价值三部分。

工业总产值是GDP重要构成部分，工业总产值越高则GDP越高。

2.建筑业总产值是以货币表现建筑安装企业在一定时期内生产建筑业产品总和。

建筑业总产值包括：

　　⑴建筑工程产值；⑵设备安装工程产；⑶房屋、构筑物修理产值；

　　⑷非标准设备制造产值；（5）工程勘测与设计产值

建筑业是第二产业重要组成部分，也是构成GDP主要因素，建筑业总产值越高则GDP越高。

3.全社会固定资产投资。

人均工资去向有一部分是投资，在这里我们只用全社会固定资产投资来代表所有投资，全社会固定资产投资越高则GDP越高。

4.财政收入。

财政收入规模逐年扩大，财政实力增强，为促发展、促和谐提供了有力保障，有力推动了经济发展方式加快转变和区域协调发展，财政收入越高则GDP越高。

5.资本形成总额是常住单位在一定时期内固定资本形成总额和存货变动价值。

固定资本形成总额是常住单位在核算期内购置、转入和自产自用固定资产，扣除固定资产销售和转出后价值。

资本形成总额是支出法GDP重要组成部分，资本形成总额越高则GDP越高。

影响生产总值因素还有很多很多，在这里我们只选取这几个主要因素来讨论。

通过对上海市GDP影响因素分析，我们不难看出，第二产业对上海市经济发展贡献最大，要提高ＧＤＰ，就必须大力发展第二产业。

第二产业包括工业和建筑业，工业又是由采掘业、制造业、供电、供水等部门组成，供电和供水受区域经济发展制约，发展平缓，采掘业因上海市自然条件所限，不具备发展前提，上海市要发展第二产业就必须紧抓建筑业和工业，工业中尤其是制造业发展，结合上海市产业基础，当前要大力培植电子及通讯设备制造业、电气机械及器材制造业、医药器械制造和石化原料及制品业等优势产业发展。

第三产业对ＧＤＰ贡献率为４１．２４％，离上海市实现基本现代化标准５０％仍有一定差距，可见上海市在发展旅游、信息中介服务、医疗保健等服务行业方面大有文章可作。

经济学认为影响GDP因素是复杂。

根据支出法核算方式：

GDP=最终消费+资本形成总额+进出口

其中，最终消费=政府消费+居民消费。

资本形成总额主要包括固定投资等。

进出口暴扣货物和服务等净值。

第一、二产业产值等也是构成GDP重要组成部分。

三、模型选择与建立

选取了如下五个解释变量，来考察对GDP形成影响：

Y：

上海市生产总值，单位：

亿元。

X1：

上海市工业总产值，单位：

亿元。

X2：

上海市建筑业总产值，单位：

亿元。

X3：

上海市固定资产投资，单位：

亿元。

X4：

上海市财政收入，单位：

亿元。

X5：

上海市资本形成总额，单位：

亿元。

将被解释变量数学形式确定为：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ

一共有5个解释变量；β0为常数项；μ为随机误差项，描述变量外因素对模型干扰。

四、数据来源与分析

1、时间序列变量及原始数据：

由于解释变量和被解释变量中都是以“亿元”作单位，数据口径均同质可比，没有实物量指标，故可用现价数据，而不用调整为可比价

年份

生产总值（亿元）

工业总产值（亿元）

建筑业总产值

（亿元）

固定资产投资

（亿元）

财政收入

（亿元）

资本形成总额

（亿元）

1978

272.81

207.47

5.55

27.91

190.67

47.96

1979

286.43

216.62

13.98

35.58

192.75

43.61

1980

311.89

230.87

17.07

45.43

198.85

66.52

1981

324.76

237.12

18.03

54.60

204.52

76.68

1982

337.07

240.75

21.56

71.34

200.69

90.27

1983

351.81

246.26

24.64

75.94

204.34

71.86

1984

390.85

263.19

30.62

92.30

215.79

101.63

1985

466.75

311.12

36.73

118.56

263.86

189.13

1986

490.83

318.89

49.91

146.93

257.72

228.12

1987

545.46

336.54

59.45

186.30

241.36

241.02

1988

648.30

399.53

68.83

245.27

261.69

335.56

1989

696.54

432.92

74.75

214.76

297.25

351.68

1990

781.66

469.83

75.62

227.08

284.36

331.34

1991

893.77

514.79

84.30

258.30

324.66

340.03

1992

1114.32

636.68

117.68

357.38

340.10

487.63

1993

1519.23

846.71

193.00

653.91

429.53

744.11

1994

1990.86

1074.37

309.68

1123.29

615.91

1161.49

1995

2499.43

1308.20

391.42

1601.79

702.46

1567.72

1996

2957.55

1452.79

450.41

1952.05

873.76

1956.84

1997

3438.79

1598.91

564.37

1977.59

1070.95

2048.95

1998

3801.09

1670.19

593.11

1964.83

1146.00

2010.75

1999

4188.73

1787.98

573.06

1856.72

1390.58

1970.24

2000

4771.17

1998.96

631.64

1869.67

1752.69

2169.72

2001

5210.12

2166.74

730.33

1994.73

1995.63

2356.71

2002

5741.03

2368.02

822.27

2187.06

2202.62

2531.29

2003

6694.23

2941.24

1195.80

2452.11

2828.87

3076.68

2004

8072.83

3593.25

1724.40

3084.66

3591.73

3782.25

2005

9164.10

4129.52

1889.25

3542.55

4095.81

4186.86

2006

10366.37

4670.11

2285.38

3825.09

4798.39

4762.86

2007

12188.85

5298.08

2524.18

4458.61

7310.26

5568.49

2008

13698.15

5784.99

3071.76

4829.54

7532.91

6118.70

表一

2.在解释变量与被解释变量之间一一做散点图

由散点图可看出，被解释变量Y与解释变量X1、X2、X3、X4、X5之间基本存在着线性关系，所以初步估计我所要建立模型是直线模型。

五．模型估计

（一）模型初步估计与检验

根据经验，我们认为所选各个解释变量对被解释变量效果都是明显，所以设立初始模型为：

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ

模型回归分析

描述性

Mean

3362.090

1540.408

599.8316

1339.835

1484.410

1581.168

Median

1519.230

846.7100

193.0000

653.9100

429.5300

744.1100

Maximum

13698.15

5784.990

3017.760

4829.540

7532.910

6118.700

Minimum

281.8100

207.4700

5.550000

27.91000

190.6700

43.61000

Std.Dev.

3830.758

1621.459

829.9391

1440.748

2013.599

1758.742

Skewness

1.288344

1.291737

1.610665

0.918076

1.885129

1.128813

Kurtosis

3.632626

3.591193

4.495798

2.788727

5.696585

3.288217

Jarque-Bera

9.092735

9.072470

16.29358

4.412453

27.75327

6.690758

Probability

0.010606

0.010714

0.000290

0.110115

0.000001

0.035247

Observations

协方差

2544319.718

1291632.34478

2225010.04951

3086122.78013

2748140.56823

6003128.92608

1291632.34478

666579.610865

1113326.82797

1595316.3839

1386068.28014

3043664.80446

2225010.04951

1113326.82797

2008794.41272

2633360.55278

2441358.76823

5248970.0796

3086122.78013

1595316.3839

2633360.55278

3923788.86254

3300846.90654

7302749.60596

2748140.56823

1386068.28014

2441358.76823

3300846.90654

2993394.80724

6486588.05668

6003128.92608

3043664.80446

5248970.0796

7302749.60596

6486588.05668

14201332.5362