固定资产投资对贵州GDP影响分析.docx

固定资产投资对贵州GDP影响分析.docx

《固定资产投资对贵州GDP影响分析.docx》由会员分享，可在线阅读，更多相关《固定资产投资对贵州GDP影响分析.docx（23页珍藏版）》请在冰豆网上搜索。

固定资产投资对贵州GDP影响分析

固定资产投资对贵州GDP影响分析

一、导论

GDP（国内生产总值）是指经济社会（即一国或一地区）在一定时期内运用生产要素所生产的全部最

终产品（物品和劳务）的市场价值。

在四部门经济中，Y=C+I+G+（X-M），其中

Y——GDPC——消费

I——投资G——政府对物品和劳务的购买

X——出口M——进口

固定资产投资是社会固定资产再生产的主要手段。

通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。

这对我国的社会主义现代化建设具有重要意义。

固定资产投资作为企业的生产资料投资在整个生产过程起着至关重要的作用,对一个企业来说它是其主要的劳动手段,直接影响着企业的生产能力.固定资产的价值是逐渐地转移到所生产的产品上去.企业同时又是重要的市场主体,因此对固定资产的投资间接的影响到了一个经济体的产出。

随着我国经济的高速的发展,我们有必要站在宏观的角度对我国国内固定资产投资进行分析,以控制经济的平稳快速发展.

这里忽略其他因素对GDP的影响，主要对GDP及国有经济固定资产投资额（X2）,集体经济固定资产投资额（X3）,其他经济固定资产投资额（X4）,进行计量经济学多元线性回归模型分析。

二、模型设计

假设模型的函数形式为：

Y=β1+β2X2+β3X3+β4X4+μ

其中：

Y——GDP

X2——国有经济固定资产投资

X3——集体经济固定资产投资

X4——其它经济固定资产投资

三、数据收集及处理

1、全国GDP数据来自中华人民共和国国家统计局

2、贵州省GDP、国有经济固定资产投资、集体经济固定资产投资、个体经济固定资产投资均来自中国人民银行贵阳市中心支行

3、原始数据如下：

全国GDP

贵州GDP

全社会固定资产

国有经济固定资产

集体经济固定资产

其他经济固定资产

年份

（亿元）

（亿元）

投资总额（亿元）

投资额（亿元）

投资额（亿元）

投资额（亿元）

1980

4,517

60.26

13.97

11.59

0.83

1.55

1981

4,862

67.89

15.16

12.06

0.99

2.11

1982

5,294

79.39

15.52

11.56

1.08

2.88

1983

5,934

87.38

17.07

11.88

1.23

3.96

1984

7,171

108.27

23.02

15.02

0.98

7.02

1985

7,780

123.92

33.14

21.24

1.76

10.14

1986

9,380

139.57

35.99

24.09

1.71

10.19

1987

10,920

165.50

42.97

27.10

3.61

12.26

1988

13,853

211.79

45.42

33.05

2.74

9.63

1989

15,677

235.84

44.08

32.29

2.73

9.06

1990

17,400

260.14

51.51

36.95

2.14

12.42

1991

19,580

295.90

58.44

42.97

3.67

11.80

1992

23,938

339.91

78.82

58.82

3.59

16.41

1993

31,380

416.07

106.30

77.84

6.81

21.65

1994

43,800

521.17

140.95

93.74

9.77

37.44

1995

57,733

630.07

173.66

108.85

12.94

51.87

1996

67,795

713.70

207.10

133.19

14.75

59.16

1997

74,772

792.98

247.23

149.75

15.09

82.39

1998

79,553

841.88

304.91

188.93

19.34

96.64

1999

82,054

911.86

333.90

210.80

22.19

100.91

2000

89,404

993.53

402.50

259.95

28.45

114.10

2001

95,933

1084.90

533.74

357.69

22.45

153.60

2002

102,398

1185.04

623.44

423.88

18.86

180.70

2003

117,252

1356.11

754.13

457.10

39.26

257.77

（表1）

DependentVariable:

Y

Method:

LeastSquares

Date:

05/31/05Time:

23:

55

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

90.72857

25.50339

3.557510

0.0020

X2

3.121174

0.743178

4.199764

0.0004

X3

24.99842

4.718947

5.297457

0.0000

X4

-4.124835

1.739215

-2.371665

0.0279

R-squared

0.966782

Meandependentvar

484.2113

AdjustedR-squared

0.961799

S.D.dependentvar

404.5809

S.E.ofregression

79.07573

Akaikeinfocriterion

11.72970

Sumsquaredresid

125059.4

Schwarzcriterion

11.92604

Loglikelihood

-136.7564

F-statistic

194.0257

Durbin-Watsonstat

0.849162

Prob（F-statistic）

0.000000

（表2）

四、模型检验

1、t检验：

⑴提出假设：

H0：

βj=0（j=1,2,3,4）

H1:

βj≠0（j=1,2,3,4）

⑵检验：

给定显著水平α=0.05查表得t0.05/2（24-4）=2.0860

①｜t｜=3.557510｜t｜≥t0.05/2（24-4），所以拒绝H0，接受H1。

②｜t｜=4.199764｜t｜≥t0.05/2（24-4），所以拒绝H0，接受H1。

③｜t｜=5.297457｜t｜≥t0.05/2（24-4），所以拒绝H0，接受H1。

④｜t｜=-2.371665｜t｜≤t0.05/2（24-4），所以拒绝H1，接受H0。

解释变量X4对应变量Y的影响不显著

2、分析：

显著水平α=0.05，F=194.0257F0.05（3，21）=3.07

F>F0.05（3，21）表明模型从整体上看GDP与解释变量之间线性关系显著。

3、计算解释变量之间的简单相关系数：

X2

X3

X4

X2

1.000000

0.919030

0.985882

X3

0.919030

1.000000

0.941856

X4

0.985882

0.941856

1.000000

（表3）

由表3可以看出，解释变量之间存在高度线性相关。

同时由表2也可以看出X3系数的符号所表示的经济意义与事实相悖。

表明模型中解释变量确实存在严重的多重共线性。

4、修正：

⑴运用OLS方法逐一求Y对各个解释变量的回归：

①

DependentVariable:

Y

Method:

LeastSquares

Date:

06/01/05Time:

12:

43

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

147.5648

32.04757

4.604554

0.0001

X2

2.885905

0.182205

15.83878

0.0000

R-squared

0.919375

Meandependentvar

484.2946

AdjustedR-squared

0.915710

S.D.dependentvar

404.6470

S.E.ofregression

117.4802

Akaikeinfocriterion

12.45007

Sumsquaredresid

303635.2

Schwarzcriterion

12.54824

Loglikelihood

-147.4009

F-statistic

250.8670

Durbin-Watsonstat

0.231225

Prob（F-statistic）

0.000000

（表4）

②

DependentVariable:

Y

Method:

LeastSquares

Date:

06/01/05Time:

12:

57

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

121.6466

33.51831

3.629259

0.0015

X3

36.72849

2.345390

15.65987

0.0000

R-squared

0.917674

Meandependentvar

484.2946

AdjustedR-squared

0.913932

S.D.dependentvar

404.6470

S.E.ofregression

118.7125

Akaikeinfocriterion

12.47094

Sumsquaredresid

310038.5

Schwarzcriterion

12.56911

Loglikelihood

-147.6513

F-statistic

245.2314

Durbin-Watsonstat

1.746274

Prob（F-statistic）

0.000000

（表5）

③

DependentVariable:

Y

Method:

LeastSquares

Date:

06/01/05Time:

13:

09

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

183.7332

33.94241

5.413086

0.0000

X4

5.699377

0.401815

14.18408

0.0000

R-squared

0.901428

Meandependentvar

484.2946

AdjustedR-squared

0.896948

S.D.dependentvar

404.6470

S.E.ofregression

129.8986

Akaikeinfocriterion

12.65104

Sumsquaredresid

371220.4

Schwarzcriterion

12.74921

Loglikelihood

-149.8125

F-statistic

201.1882

Durbin-Watsonstat

0.297713

Prob（F-statistic）

0.000000

（表6）

依据可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型：

Y=147.5648+2.885905X2

（4.604554）（15.83878）

R-squared=0.919375S.E.=117.4802F=250.8670

⑵逐步回归（将其余解释变量分别加入模型）：

①

DependentVariable:

Y

Method:

LeastSquares

Date:

06/01/05Time:

14:

03

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

119.9949

24.71485

4.855173

0.0001

X2

1.519626

0.344362

4.412879

0.0002

X3

18.93794

4.386699

4.317127

0.0003

R-squared

0.957285

Meandependentvar

484.2946

AdjustedR-squared

0.953217

S.D.dependentvar

404.6470

S.E.ofregression

87.52305

Akaikeinfocriterion

11.89815

Sumsquaredresid

160866.0

Schwarzcriterion

12.04541

Loglikelihood

-139.7778

F-statistic

235.3134

Durbin-Watsonstat

0.678505

Prob（F-statistic）

0.000000

（表7）

②

DependentVariable:

Y

Method:

LeastSquares

Date:

06/01/05Time:

14:

10

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

151.9378

34.45769

4.409401

0.0002

X2

2.448375

1.109470

2.206796

0.0386

X4

0.885136

2.212797

0.400007

0.6932

R-squared

0.919984

Meandependentvar

484.2946

AdjustedR-squared

0.912364

S.D.dependentvar

404.6470

S.E.ofregression

119.7893

Akaikeinfocriterion

12.52581

Sumsquaredresid

301339.2

Schwarzcriterion

12.67307

Loglikelihood

-147.3098

F-statistic

120.7243

Durbin-Watsonstat

0.192940

Prob（F-statistic）

0.000000

（表8）

再次依据调整后的可决系数最大原则，选取调整后可决系数最大所对应的解释变量作为新进入模型的后选变量，且调整后的可决系数大于上一步的可决系数，所以得到：

Y=119.9949+1.519626X2+18.93794X3

（4.855173）（4.412879）（4.317127）

R-squared=0.957285S.E.=87.52305F=235.3134

由（表2）可得对Y的影响并不显著，故将删去。

得如下模型：

Y=119.9949+1.519626X2+18.93794X3

5、统计学检验

⑴t检验：

显著水平0.05，t0.05/2（24-3）=2.0796，显然4.855173和4.412879都远远大于它，即从统计学检验的角度上讲解释变量的选取是有意义的。

⑵f检验及拟合优度检验R-squared：

R-squared值越接近于1,则F值越大,这里的R-squared值为0.957285,大于0.9拟合优度比较高,因此F－Statistic检验亦通过。

6、计量经济学检验：

⑴被解释变量与解释变量的散点图如下：

（图1）

结论：

被解释变量与解释变量的线性关系较强。

⑵异方差检验：

图示法：

（图2）

ARCH检验：

ARCHTest:

F-statistic

0.503771

Probability

0.684780

Obs*R-squared

1.714496

Probability

0.633716

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/01/05Time:

16:

07

Sample（adjusted）:

19832003

Includedobservations:

21afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

6042.609

3539.340

1.707270

0.1060

RESID^2（-1）

0.523074

0.444199

1.177567

0.2552

RESID^2（-2）

-0.276204

0.482861

-0.572016

0.5748

RESID^2（-3）

-0.114566

0.450162

-0.254500

0.8022

R-squared

0.081643

Meandependentvar

6574.751

AdjustedR-squared

-0.080420

S.D.dependentvar

9626.857

S.E.ofregression

10006.47

Akaikeinfocriterion

21.42949

Sumsquaredresid

1.70E+09

Schwarzcriterion

21.62845

Loglikelihood

-221.0097

F-statistic

0.503771

Durbin-Watsonstat

1.386163

Prob（F-statistic）

0.684780

（表9）

结论：

散点变化成总体上升趋势，且P

⑵异方差的修正：

①WLS估计法：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/04/05Time:

00:

23

Sample（adjusted）:

19812003

Includedobservations:

23afteradjustingendpoints

Weightingseries:

W

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

164.3130

8.405361

19.54860

0.0000

X2

3.823225

0.436945

8.749898

0.0000

X3

-13.76284

4.911786

-2.802003

0.0110

WeightedStatistics

R-squared

0.999888

Meandependentvar

369.6089

AdjustedR-squared

0.999877

S.D.dependentvar

1365.774

S.E.ofregression

15.16405

Akaikeinfocriterion

8.396839

Sumsquaredresid

4598.967

Schwarzcriterion

8.544947

Loglikelihood

-93.56365

F-statistic

1347.468

Durbin-Watsonstat

1.792554

Prob（F-statistic）

0.000000

UnweightedStatistics

R-squared

0.840326

Meandependentvar

502.7309

AdjustedR-squared

0.824359

S.D.dependentvar

403.3033

S.E.ofregression

169.0227

Sumsquaredresid

571373.7

Durbin-Watsonstat

0.535394

（表10）

②对数变换法：

DependentVariable:

LY

Method:

LeastSquares

Date:

06/04/05Time:

00:

31

Sample:

19802003

Includedobservations:

24

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.043339

0.329659

9.231768

0.0000

LX2

0.568825

0.128406

4.429898

0.0002

LX3

0.240757

0.125597

1.916893

0.0690

R-squared

0.977840

Meandependentvar

5.763426

AdjustedR-squared

0.975730

S.