固定资产投资对GDP的影响.docx

固定资产投资对GDP的影响.docx

《固定资产投资对GDP的影响.docx》由会员分享，可在线阅读，更多相关《固定资产投资对GDP的影响.docx（15页珍藏版）》请在冰豆网上搜索。

固定资产投资对GDP的影响

固定资产投资对地区生产总值的影响

【摘要】：

在国家的经济发展中，最直观测量经济发展效果良好与否的指标就是看它的GDP，而影响GDP的主要有三大因素：

消费、投资与进出口贸易。

总的来说，固定资产投资可分为国有投资与个体投资，而个体投资又可分为很多的种类，本文以计量经济学模型为基础，试图建立一个以地区生产总值为因变量，以国民投资、集体投资、个人投资和农村投资四类投资为解释变量的多元线性回归模型，来说明固定资产投资对地区生产总值的重要性，同时运用多因素分析方法，对经济增长变动及其主要影响因素进行实证分析，从而得到一些启示，并结合区域经济增长情况，为区域未来因固定资产而引起生产总值变动情况提供依据。

【关键词】：

国民投资，个体投资，地区生产总值

理论依据便是宏观经济学中的Keynes模型：

用支出法核算GDP时，即Y=C+I+G+NX。

其中的I就是投资的部分，而固定资产投资又是投资中的主要部分，因此它对经济的发展有至关重要的作用。

并且，有一种发展理论认为发展中过国家之所以发展缓慢，就是因为投资不足。

发展经济学要求国家积累储蓄，以用于投资。

而这里的投资就包括有基础设施建设等固定资产的投资。

我们根据对以往相关资料的分析，通过总结，可得出以下观点。

虽然过去已经有很多人研究过这方面内容，但缺点是：

对固定资产投资部分的分析主要集中于政府的投入分析，忽视了个体的投资，在现在这个个体投资逐渐增长的情况下，重视它们的存在对经济发展的研究具有十分重要的意义。

因此，我们这次的分析是把总的固定资产投资部分分为四个部分：

政府投资、集体投资、个人投资和农村投资。

下面，我们就关于固定资产投资对地区生产总值影响的模型建立采取以下步骤：

一、建立模型。

根据以上分析，我们把资产分为四个部分，也就是四个解释变量

设定:

国民投资部分为变量X1

集体投资部分为变量X2

个人投资部分为变量X3

农村投资部分为变量X4

由于在过去的研究和各种经济理论中，我们没有找到专门研究固定资产投资和生产总值之间关系的经济模型，因此我们根据自己的认识将初始模型设定为：

Y=α+β1X1+β2X2+β3X3+β4X4+ut

二、估计参数

收集模型所含经济变量的数据，主要来源于网上的收集，一是来自于中经网的数据；二是来自于省份统计局网站的统计年鉴

年份

国民生产总值

国有经济投资

集体经济投资

个体经济投资

农村经济投资

1991

21662.5

3713.8

697.8

1182.9

1042.56

1992

26651.9

5498.7

1359.4

1222

1005.52

1993

34560.5

7925.9

2317.3

1476.2

1137.73

1994

46670

9615

2758.9

1970.6

1519.24

1995

57494.9

10898.2

3289.4

2560.2

2007.85

1996

66850.5

12056.2

3660.6

3211.2

2544.03

1997

73142.7

13091.7

3850.9

3429.4

2691.16

1998

76967.2

15369.3

4192.2

3744.4

2681.52

1999

80579.4

15947.8

4338.6

4195.7

2779.59

2000

88228.1

16504.4

48105

4709.4

2904.26

2001

96346.4

17607

5278.6

5429.6

2976.56

2002

119095.7

18877.4

5987.4

6519.2

3123.2

2003

135174.0

21661.0

8009.5

7720.1

3201.0

2004

159586.7

34091.8

1879.1

6517.9

3362.7

2005

184088.6

38676.7

2231.7

9950.0

3940.2

2006

213131.7

44823.9

6472.0

33378.2

4436.2

2007

251483.2

52229.4

8080.6

46405.1

5123.3

三、验证模型

对原模型进行初步回归得到如下的结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

10/20/12Time:

15:

36

Sample:

19912007

Includedobservations:

17

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-3253.317

1016.906

-3.199231

0.0076

X1

2.659681

0.385593

6.897639

0.0000

X2

0.001335

0.043956

0.030380

0.9763

X3

4.215146

1.400283

3.010210

0.0109

X4

9.541968

2.438306

3.913359

0.0021

R-squared

0.997851

Meandependentvar

44161.04

AdjustedR-squared

0.997135

S.D.dependentvar

30811.57

S.E.ofregression

1649.121

Akaikeinfocriterion

17.89380

Sumsquaredresid

Schwarzcriterion

18.13886

Loglikelihood

-147.0973

F-statistic

1393.312

Durbin-Watsonstat

1.340522

Prob（F-statistic）

0.000000

可以看出，经济检验合理，没有出现数字和符号的错误。

并且度量拟合优度的判定系数R2=0.997851，调整的判定系数为0.997135。

可以看出，拟和效果十分的好。

因此，该模型的设定是合理的，将表中的数字带入模型得：

Y=-3253.317+2.659681X1+0.001335X2+4.215146X3+9.541968X4

3.1992316.8973690.0303803.0102100.913359

R2=0.997851F=1393.312DW=1.340522

四、做完统计检验，再对模型进行计量的经济检验

1、做多重共线性检验，利用简单相关系数矩阵法得到下列的矩阵：

X1

X2

X3

X4

X1

1.000000

0.492140

0.975155

0.978367

X2

0.492140

1.000000

0.530160

0.482757

X3

0.975155

0.530160

1.000000

0.975582

X4

0.978367

0.482757

0.975582

1.000000

可以看出存在的多重共线性，下面我们采用逐步回归法对他进行修正，先对它们的每个解释变量对应回归。

DependentVariable:

Y

Method:

LeastSquares

Date:

10/20/12Time:

16:

16

Sample:

19912007

Includedobservations:

17

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-302.5024

1436.238

-0.210621

0.8360

X1

5.276606

0.141686

37.24166

0.0000

R-squared

0.989301

Meandependentvar

44161.04

AdjustedR-squared

0.988587

S.D.dependentvar

30811.57

S.E.ofregression

3291.614

Akaikeinfocriterion

19.14627

Sumsquaredresid

1.63E+08

Schwarzcriterion

19.24430

Loglikelihood

-160.7433

F-statistic

1386.942

Durbin-Watsonstat

1.157392

Prob（F-statistic）

0.000000

经过比较得，X1与Y的t检验和拟和效果最好，因此把X1作为基准变量引入，然后再逐步的引入其他的解释变量，经最后得到当去除X2以后，多重共线性消失，得到的检验结果如下：

DependentVariable:

Y

Method:

LeastSquares

Date:

10/20/12Time:

16:

22

Sample:

19912007

Includedobservations:

17

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-3254.751

975.9967

-3.334797

0.0054

X1

2.659258

0.370238

7.182561

0.0000

X3

4.227543

1.287006

3.284788

0.0059

X4

9.531943

2.321185

4.106499

0.0012

R-squared

0.997851

Meandependentvar

44161.04

AdjustedR-squared

0.997355

S.D.dependentvar

30811.57

S.E.ofregression

1584.486

Akaikeinfocriterion

17.77623

Sumsquaredresid

Schwarzcriterion

17.97228

Loglikelihood

-147.0980

F-statistic

2012.406

Durbin-Watsonstat

1.344455

Prob（F-statistic）

0.000000

从上面修正的回归结果可以看出，R2=0.997851，并且它的调整的判定系数值也达到了0.997355，显然，它的拟和效果十分的好，并且t检验值显著的大于它的临界值，即t值检验十分的显著，因此多重共线性消失，得到修正后的模型为：

Y=-3254.751+2.659258X1+4.227543X3+9.531943X4

-3.3347977.1825613.2847884.106499

R2=0.997851F=2012.406DW=1.344455

2、在1的基础上进行异方差的检验

利用ARCH检验，得到的结果是，在上面1中的模型中，不存在异方差。

所得到的DW值总是大于2的。

下面的是我们滞后5期的检验结果。

ARCHTest:

F-statistic

0.194771

Probability

0.953441

Obs*R-squared

1.675723

Probability

0.891944

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/16/09Time:

16:

43

Sample（adjusted）:

19912007

Includedobservations:

12afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

2193556.

2155338.

1.017732

0.3481

RESID^2（-1）

0.148862

0.386211

0.385441

0.7132

RESID^2（-2）

-0.025827

0.353938

-0.072972

0.9442

RESID^2（-3）

-0.287149

0.490408

-0.585531

0.5795

RESID^2（-4）

0.278066

0.515142

0.539785

0.6088

RESID^2（-5）

-0.211612

0.535957

-0.394830

0.7066

R-squared

0.139644

Meandependentvar

2005926.

AdjustedR-squared

-0.577320

S.D.dependentvar

2322068.

S.E.ofregression

2916318.

Akaikeinfocriterion

32.91639

Sumsquaredresid

5.10E+13

Schwarzcriterion

33.15885

Loglikelihood

-191.4984

F-statistic

0.194771

Durbin-Watsonstat

2.019631

Prob（F-statistic）

0.953441

如图所显示的一样，DW检验明显的通过检验，不存在异方差。

并且通过图示法如下

也可以看出点相对的集中不存在异方差。

3、对修正的模型进行自相关的检验。

先用散点图法：

可以看出呈很强的线性关系，存在自相关。

再对它进行DW检验得：

d=0.3278,经过查表得，在n=17,k=3的情况下，得到的下限临界值dl=0.897上限临界值du=1.710,d

下面对它进行修正。

先进行广义差分法，得到下列的结果

DependentVariable:

DY

Method:

LeastSquares

Date:

10/21/12Time:

12:

02

Sample（adjusted）:

19912007

Includedobservations:

16afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-2598.748

988.2074

-2.629759

0.0220

DX1

2.529208

0.414231

6.105790

0.0001

DX3

4.649384

1.503811

3.091734

0.0093

DX4

9.780878

2.634919

3.712023

0.0030

R-squared

0.996288

Meandependentvar

35136.47

AdjustedR-squared

0.995360

S.D.dependentvar

22612.54

S.E.ofregression

1540.372

Akaikeinfocriterion

17.72975

Sumsquaredresid

Schwarzcriterion

17.92290

Loglikelihood

-137.8380

F-statistic

1073.501

Durbin-Watsonstat

1.604456

Prob（F-statistic）

0.000000

从上面的结果可以看出，虽然DW有很到的提高，可是它却落在了不确定的区域，下面在对它进行Cochrane-Oecutt迭代法进行检验，得到下列的结果。

DependentVariable:

Y

Method:

LeastSquares

Date:

12/17/09Time:

13:

03

Sample（adjusted）:

19912007

Includedobservations:

16afteradjustingendpoints

Convergenceachievedafter8iterations

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-3589.189

1620.325

-2.215104

0.0488

X1

2.474528

0.462902

5.345687

0.0002

X3

4.867869

1.953241

2.492201

0.0299

X4

9.763649

3.022069

3.230782

0.0080

AR

（1）

0.362664

0.327192

1.108416

0.2913

R-squared

0.997962

Meandependentvar

46359.28

AdjustedR-squared

0.997221

S.D.dependentvar

30414.11

S.E.ofregression

1603.382

Akaikeinfocriterion

17.84792

Sumsquaredresid

Schwarzcriterion

18.08936

Loglikelihood

-137.7834

F-statistic

1346.546

Durbin-Watsonstat

1.703525

Prob（F-statistic）

0.000000

InvertedARRoots

.36

这次得到的DW=1.703525.但是效果已经明显的好转了，因此我们可以看作它已经落在了没有自相关的区域。

因此我们在它的基础上再进行一次迭代得到下列的结果。

得到的模型为

Y=-3589.189+2.474528X1+4.867869X3+9.763649X4）

-2.2151045.3456872.4922013.230782

R2=0.997962F=1346.546DW=1.703525

DependentVariable:

Y

Method:

LeastSquares

Date:

12/17/09Time:

13:

02

Sample（adjusted）:

19922007

Includedobservations:

15afteradjustingendpoints

Convergenceachievedafter15iterations

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

3.140521

0.330911

9.490519

0.0000

X3

2.388136

1.327758

1.798623

0.1023

X4

9.481661

2.456511

3.859808

0.0032

C

-3227.635

821.2250

-3.930268

0.0028

AR

（2）

-0.676145

0.377847

-1.789470

0.1038

R-squared

0.998000

Meandependentvar

48769.81

AdjustedR-squared

0.997200

S.D.dependentvar

29857.66

S.E.ofregression

1579.782

Akaikeinfocriterion

17.82916

Sumsquaredresid

Schwarzcriterion

18.06518

Loglikelihood

-128.7187

F-statistic

1247.716

Durbin-Watsonstat

1.835760

Prob（F-statistic）

0.000000

可以看到，DW=1.835760大于du=1.710，因此不存在自相关的区域，自相关修正完毕，并且从上面的结果我们也可以看出，t检验和判定系数都是很显著的，结果合理。

得到修正后的模型。

4.进行平稳性检验。

对GDP的检验得到下列的结果：

ADFTestStatistic

0.172147

1%CriticalValue*

-4.1366

5%CriticalValue

-3.1483

10%CriticalValue

-2.7180

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（Y）

Method:

LeastSquares

Date:

12/17/09Time:

13:

45

Sample（adjusted）:

19902001

Includedobservations:

12afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

Y（-1）

0.012838

0.074574

0.172147

0.8690

D（Y（-1））

1.060365

0.512954

2.067172

0.0842

D（Y（-2））

-0.343638

0.699769

-0.491074

0.6408

D（Y（-3））

-0.343622

0.730271

-0.470541

0.6546

D（Y（-4））

0.102210

0.704008

0.145183

0.8893

C

2821.284

1578.264

1.787587

0.1241

R-squared

0.763783

Meandependentvar

6619.050

AdjustedR-squared

0.566935

S.D.dependentvar

3260.410

S.E.ofregression

2145.601

Akaikeinfocriterion

18.48708

Sumsquaredresid

Schwarzcriterion

18.7295