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.docx](https://file1.bdocx.com/fileroot1/2023-1/5/3ac15081-4f60-4772-9356-81a0ee5914a4/3ac15081-4f60-4772-9356-81a0ee5914a41.gif)
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P⑵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.