对我国经济增长影响因素分析.docx
《对我国经济增长影响因素分析.docx》由会员分享,可在线阅读,更多相关《对我国经济增长影响因素分析.docx(13页珍藏版)》请在冰豆网上搜索。
![对我国经济增长影响因素分析.docx](https://file1.bdocx.com/fileroot1/2023-1/23/0e22307a-5005-4874-857d-5dcc56f77a35/0e22307a-5005-4874-857d-5dcc56f77a351.gif)
对我国经济增长影响因素分析
本科生课程论文
论文题目:
对我国经济增长影响因素分析
课程名称:
计量经济学
学院:
农学与生物科技学院
专业:
农村区域发展
老师:
许秀川
年级:
2013级
学 号:
2026
姓 名:
蒙姜宇
成 绩:
对我国经济增长影响因素分析
摘要:
改革开放以来,我国的社会主义经济取得了突飞猛进的发展,经济增长速度更是举世瞩目。
文章采用多元线性回归模型对1980-2013年中国经济增长因素研究,分析了劳动力、资本投资、消费对国内生产总值的影响,建立计量经济模型,探求这些变量与国内生产总值的数量关系,进行定量分析并对模型进行检验。
关键词:
劳动力,资本投资,消费,经济增长因素,回归分析
十二五规划已接近尾声,即将迎来十三五规划,从1978年到现在,我国的经济年均增长率接近10%,综合国力大大增强,居民收入水平和生活水平在质量和数量上不断提高,研究我国的经济增长影响因素并对这些因素进行实证分析,可以更好的理解我国经济增长的内涵。
1文献综述
在早期的古典经济理论中,斯密、穆勒、马尔萨斯和李嘉图等人都曾涉及到经济增长或剩余同资本、劳动力的关系。
他们认为,“剩余”的出现引起了资本的积累,资本的积累同时构成了对劳动力需求的增加,从而加大了就业规模和社会生产规模,而社会生产规模扩大的直接结果就是剩余的增加,再在更高的起点上重复前一过程。
如此反复,从而带动了经济的增长。
这也就是经济增长理论基础和经济增长模型的理论依据。
新经济增长理论的重要内容之一是把新古典增长模型中的“劳动力”的定义扩大为人力资本投资,即人力不仅包括绝对的劳动力数量和该国所处的平均技术水平,而且还包括劳动力的教育水平、生产技能训练和相互协作能力的培养等等,这些统称为“人力资本”。
美国经济学家保罗·罗默1990年提出了技术进步内生增长模型,他在理论上第一次提出了技术进步内生的增长模型,把经济增长建立在内生技术进步上。
技术进步内生增长模型的基础是:
(1)技术进步是经济增长的核心;
(2)大部分技术进步是出于市场激励而导致的有意识行为的结果;(3)知识商品可反复使用,无需追加成本,成本只是生产开发本身的成本。
经典的马克思经济理论分析了经济增长的本质,认为经济增长是物质财富本身或其内容的增长。
从商品生产来看,经济增长是使用价值量和价值总量的增长;从资本主义生产过程来看,经济增长是生产过程和价值增值过程的统一。
他认为影响经济增长的因素有三个:
劳动力,资本积累和劳动生产力。
在分析技术进步的原因时,马克思认为竞争促进了技术进步。
从古典增长理论到新增长理论,都重视物质资本和劳动的贡献,由于资本在现实社会里难以测度,一般用全社会固定资产投资总额(亿元)来衡量物质资本。
我国拥有全世界近四分之一的人口,为经济增长提供里丰富的劳动力资源,同时也有大量的消费需求。
2模型设计及验证结果
2.1变量的描述性统计
表1数据的描述性统计
变量
众数
中位数
平均数
异众比率
四分位差
方差
标准差
离散系数
偏态
峰度
y
-
75074.81
133443.81
1
163142.41
161072.52
1.21
1.47
1.19
x1
-
69385
65230.65
1
19968.5
129933712
11398.85
0.17
-0.82
-0.84
x2
-
23927.3
75199.46
1
79762.52
115882.28
1.54
1.97
3.18
x3
102
103.2
105.5
0.94
5.25
38.67
6.22
0.06
1.53
1.83
2.2模型设计
为了具体分析各要素对我国经济增长的影响大小,以国内生产总值作为对经济发展的衡量,设为被解释变量y;年末就业人数衡量劳动力,全社会固定资产投资衡量资本投入,居民消费价格指数代表消费需求,分别设置为解释变量x1、x2、x3。
图1国内生产总值的影响因素
由图1可推测固定资产投资与国内生产总值存在线性关系,对国内生产总值的影响较大,就业人数次之,居民消费价格指数最小。
采用的模型如下:
Y=C+β1x1+β2x2+β3x3+ε
其中Y代表国内生产总值,x1代表年末就业人数,x2代表全社会固定资产投资,x3代表居民消费价格指数,ε代表随机误差项。
对该模型做回归分析,得出各个变量与我国经济增长的变动关系。
2.3用OLS法对模型初步估计
表2模型初始估计结果
DependentVariable:
Y
Method:
LeastSquares
Date:
12/25/15Time:
14:
07
Sample:
19802013
Includedobservations:
34
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-21763.66
62603.35
-0.347644
0.7305
X1
2.255538
0.345211
6.533800
0.0000
X2
1.228684
0.033979
36.15990
0.0000
X3
-799.2557
528.8293
-1.511368
0.1412
R-squared
0.988403
Meandependentvar
133443.8
AdjustedR-squared
0.987243
S.D.dependentvar
161072.5
S.E.ofregression
18192.56
Akaikeinfocriterion
22.56554
Sumsquaredresid
9.93E+09
Schwarzcriterion
22.74512
Loglikelihood
-379.6143
Hannan-Quinncriter.
22.62678
F-statistic
852.2789
Durbin-Watsonstat
0.736911
Prob(F-statistic)
0.000000
由OLS分析可得:
R^2=0.988403,很接近1,说明拟合效果很好。
X1和x2的系数都在1附近,且Prob非常小,所以这两个因素对GDP有一定的影响,但X3的系数是负的、很大,且Prob较大,推测这个因素的选取存在问题。
对X1X2X3分别进行T检验,令α=0.05,查表可得T0.025(34)=2.348。
Tx1>T0.025(34),Tx2>T0.025(34),Tx32.4多重共线性检验
2.4.1检验多重共线性是否存在
对两个解释变量的模型,采用简单相关系数法。
求出X1与X2的简单相关系数r,若r接近1,则说明两个变量存在较强的多重共线性。
对多个解释变量的模型,可用综合统计检验法。
在普通最小二乘法下,当R2值、F值很大,各个偏回归系数t值很小,表明各解释变量对被解释变量的整体线性作用显著,但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨,所以T检验不显著。
由上知X3的T检验不显著。
表3变量的相关系数
correlation
X1
X2
X3
X1
1
0.584986
-0.238388
X2
0.584986
1
-0.240966
X3
-0.238388
-0.240966
1
根据多重共线性原理,解释变量之间存在着线性关系。
2.4.2多重共线性的修正
通过采用剔除变量法,剔除X3,多重共线性的修正结果如下:
表4修正多重共线性后的模型
DependentVariable:
Y
Method:
LeastSquares
Date:
12/25/15Time:
16:
07
Sample:
19802013
Includedobservations:
34
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-110792.9
21629.31
-5.122350
0.0000
X1
2.320115
0.349580
6.636867
0.0000
X2
1.235302
0.034387
35.92386
0.0000
R-squared
0.987520
Meandependentvar
133443.8
AdjustedR-squared
0.986715
S.D.dependentvar
161072.5
S.E.ofregression
18565.57
Akaikeinfocriterion
22.58010
Sumsquaredresid
1.07E+10
Schwarzcriterion
22.71478
Loglikelihood
-380.8617
Hannan-Quinncriter.
22.62603
F-statistic
1226.468
Durbin-Watsonstat
0.531706
Prob(F-statistic)
0.000000
由OLS分析可得:
R^2=0.987520,很接近1,说明拟合效果很好。
X1和x2的系数都在1附近,且Prob非常小,所以这两个因素对Y有很大的影响。
下面,对此模型进行检验。
对X1X2X3分别进行T检验,令α=0.05,查表可得T0.025(34)=2.348。
Tx1>T0.025(34),Tx2>T0.025(34),所以X1和x2对Y有影响。
对模型进行F检验,P(F)<<0.05,所以拒绝原假设,即模型效果好。
2.5异方差检验
White检验最显著的优点是不需要假定异方差的形式,所以很常用。
对模型进行怀特检验,其基本思想是如果存在异方差,其方差δi^2与解释变量有关系,分析δi^2是否与解释变量有某些形式的联系以判断异方差性。
在α=0.05,n*R^2=34*0.478824=16.280016>=50.7251,说明不存在异方差。
表5模型的怀特(White)检验
HeteroskedasticityTest:
White
F-statistic
5.144925
Prob.F(5,28)
0.0018
Obs*R-squared
16.28001
Prob.Chi-Square(5)
0.0061
ScaledexplainedSS
17.28743
Prob.Chi-Square(5)
0.0040
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/25/15Time:
17:
19
Sample:
19802013
Includedobservations:
34
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2.28E+09
4.20E+09
-0.541626
0.5924
X1
77072.55
148995.1
0.517282
0.6090
X1^2
-0.430335
1.269253
-0.339046
0.7371
X1*X2
5.783663
3.260905
1.773637
0.0870
X2
-440334.2
246677.7
-1.785059
0.0851
X2^2
-0.007901
0.014051
-0.562311
0.5784
R-squared
0.478824
Meandependentvar
3.14E+08
AdjustedR-squared
0.385757
S.D.dependentvar
5.10E+08
S.E.ofregression
4.00E+08
Akaikeinfocriterion
42.60860
Sumsquaredresid
4.47E+18
Schwarzcriterion
42.87795
Loglikelihood
-718.3461
Hannan-Quinncriter.
42.70046
F-statistic
5.144925
Durbin-Watsonstat
1.592742
Prob(F-statistic)
0.001801
2.6序列相关检验
2.6.1用DW检验法检验序列相关
DW检验是由杜宾(J.Durbin)和沃特森(G.S.Watson)于1951年提出的一种适用于小样本的检验方法。
DW检验只适用于一阶序列相关。
DW的取值范围为
,当DW=2时,接受H0,即不存在序列相关。
根据样本容量n和解释变量的数目k(包括常数项),查DW分布表,得到临界值dL和dU,然后根据下列准则确定序列相关状态:
已知DW=0.531706,查表得dl=1.333,du=1.580,所以存在正序列相关。
2.6.2用广义差分法修正
下面用广义差分法对模型进行修正:
表6修正后的模型
DependentVariable:
Y
Method:
LeastSquares
Date:
12/28/15Time:
10:
13
Sample(adjusted):
19812013
Includedobservations:
33afteradjustments
Convergenceachievedafter154iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
3464066.
95779349
0.036167
0.9714
X1
-1.122113
1.281275
-0.875779
0.3883
X2
0.822930
0.219387
3.751038
0.0008
AR
(1)
0.997856
0.061095
16.33290
0.0000
R-squared
0.996275
Meandependentvar
137349.8
AdjustedR-squared
0.995890
S.D.dependentvar
161926.4
S.E.ofregression
10381.46
Akaikeinfocriterion
21.44664
Sumsquaredresid
3.13E+09
Schwarzcriterion
21.62804
Loglikelihood
-349.8696
Hannan-Quinncriter.
21.50768
F-statistic
2585.393
Durbin-Watsonstat
1.823241
Prob(F-statistic)
0.000000
InvertedARRoots
1.00
由OLS分析可得:
R^2=0.996275,很接近1,说明拟合效果很好。
下面,对此模型进行检验。
对X1X2分别进行T检验,令α=0.05,查表可得T0.025(34)=2.348。
Tx1T0.025(34),所以X1被接受,x2被拒绝,即x2对经济有影响,x1对经济没有影响。
对模型进行F检验,P(F)<<0.05,所以拒绝原假设,即模型效果好。
修正后的DW=1.823241,进行序列相关检验,du
1.823241
4-du,说明无序列相关。
2.7显著性和拟合优度检验
表6反映了模型的最终形式,x1的T检验不通过,x2的T检验通过。
F统计量值为2585.393,F检验通过。
但对于F=1226.468>F(2,33)(α=0.05),表明模型从整体上来说我国经济增长与个解释变量之间线性关系显著。
修正后的拟合优度为0.995890,拟合程度很好。
3结果及政策建议
3.1结果
固定资产投资是经济增长的重要原动力,劳动力对GDP有一定的促进作用,消费需求拉动经济增长。
3.2政策建议
我国现在处于社会主义的初期阶段,我国现阶段的主要矛盾是人民日益增长的物质文化需要和落后的生产力之间的矛盾,要解决这一矛盾就需要大力发展经济建设,2020年要实现全面建成小康社会的奋斗目标,2050年前达到中等发达国家的目标,这需要采取措施保持长期的经济快速健康稳定的增长,稳定的经济增长是以经济建设为中心的客观要求,是提高国际地位的保障,是国家独立自强的重要保障。
保持经济稳定增长,要坚定不移地推进改革开放,特别是要根据条件抓紧在重要领域和关键环节上取得新进展,要加快完善资本市场体系,深化行政管理体制改革,扩大对外开放。
保持经济稳定增长,要着力扩大国内需求尤其是消费需求,同时保持对外贸易平稳增长,充分利用国际国内两个市场、两种资源推动经济发展,支持中小企业解决生产经营困难,引导资本市场、房地产市场健康发展,稳定对经济发展的预期。
有效抑制物价过快上涨,继续综合运用经济、法律和必要的行政手段,着力在增加有效供给和抑制不合理需求上下功夫,要扩大市场供给,特别是要努力增加粮油肉菜等基本生活必需品的生产,强化市场监管。
保持经济稳定增长,要精心做好保障民生工作,要继续实施积极的就业政策,切实做好困难群众就业、高校毕业生就业工作,要关注物价上涨对低收入群众生活水平的影响,加大财政对保障民生的支持力度,努力保证低收入群众生活水平不下降。
参考文献:
[1]许晶华.新古典增长理论50年:
起源、发展和问题[J].华南师范大学学报(社会科学版),2008,(6):
3-11.
[2]庄子银.新增长理论的兴起和发展[J].山东社会科学,2002,
(2):
11-16.DOI:
10.3969/j.issn.1003-4145.2002.02.003.
[3]朱跃.新增长理论与中国经济增长[J].上海行政学院学报,2002,(3):
57-64.DOI:
10.3969/j.issn.1009-3176.2002.03.006.
[4]于怀彬.新增长理论初探[J].理论学刊,2004,(10):
59-62.DOI:
10.3969/j.issn.1002-3909.2004.10.017.
[5]姜鸿.对新增长理论的改进与发展[J].中南财经政法大学学报,2002,(4):
13-17.DOI:
10.3969/j.issn.1003-5230.2002.04.003.
[6]中国统计年鉴
附录:
表7原始数据
年份
国内生产总值
年末就业人数
全社会固定资产投资
居民消费价格指数
单位:
亿元
单位:
万人
单位:
亿元
(上年=100)
1980
4545.6
42361
910.9
107.5
1981
4891.6
43725
961
102.5
1982
5323.4
45295
1230.4
102
1983
5962.7
46436
1430.1
102
1984
7208.1
48197
1832.9
102.7
1985
9016
49873
2543.2
109.3
1986
10275.2
51282
3120.6
106.5
1987
12058.6
52783
3791.7
107.3
1988
15042.8
54334
4753.8
118.8
1989
16992.3
55329
4410.4
118
1990
18667.8
64749
4517
103.1
1991
21781.5
65491
5594.5
103.4
1992
26923.5
66152
8080.1
106.4
1993
35333.9
66808
13072.3
114.7
1994
48197.9
67455
17042.1
124.1
1995
60793.7
68065
20019.3
117.1
1996
71176.6
68950
22913.5
108.3
1997
78973
69820
24941.1
102.8
1998
84402.3
70637
28406.2
99.2
1999
89677.1
71394
29854.7
98.6
2000
99214.6
72085
32917.7
100.4
2001
109655.2
72797
37213.5
100.7
2002
120332.7
73280
43499.9
99.2
2003
135822.8
73736
55566.6
101.2
2004
159878.3
74264
70477.4
103.9
2005
184937.4
74647
88773.6
101.8
2006
216314.4
74978
109998.2
101.5
2007
265810.3
75321
137323.9
104.8
2008
314045.4
75564
172828.4
105.9
2009
340902.8
75828
224598.8
99.3
2010
401512.8
76105
251683.8