我国国内生产总值的实证分析.docx
《我国国内生产总值的实证分析.docx》由会员分享,可在线阅读,更多相关《我国国内生产总值的实证分析.docx(29页珍藏版)》请在冰豆网上搜索。
我国国内生产总值的实证分析
Ⅰ.摘要………………………………………………………………2
关键词………………………………………………………………2
Ⅱ.正文………………………………………………………………2
1.序言………………………………………………………………2
2.模型设定……………………………………………………………
3.参数估计……………………………………………………………
4.检验修正……………………………………………………………
经济意义检验……………………………………………………
统计意义检验……………………………………………………
计量经济学检验…………………………………………………
多重共线性检验………………………………………………
相关系数检验………………………………………………
逐步回归修正………………………………………………
异方差性检验…………………………………………………
异方差检验…………………………………………………
模型修正……………………………………………………
序列相关性检验………………………………………………
GB检验……………………………………………………
模型修正……………………………………………………
模型预测检验……………………………………………………
模型确认……………………………………………………………
5.模型评价………………………………………………………………
6.政策建议………………………………………………………………
7.参考文献………………………………………………………………
我国国内生产总值的实证分析
【摘要】:
本文主要是从宏观经济的角度,对影响我国自1990年至2009年的国内生产总值的主要因素进行实证分析。
结合我国特定国情选取了六个影响我国国内生产总值的主要因素,并对其时间序列分析,建立多元线性模型,利用OLS方法进行参数估计并进行计量经济学模型的四大检验。
经济意义检验中,发现储蓄总额前参数不符合经济理论常识,并在后面的工作中得到了修正;计量经济学检验中,发现初建模型具有多重共线性,采用逐步回归法进行修正,消除了多重共线性;在异方差性检验中,发现模型具有异方差性,采用对数变换法进行修正,消除了异方差性;利用GB检验法发现模型随机干扰项存在2阶序列自相关性,采用广义差分变换法修正模型,消除了模型序列相关性;利用2010年数据,模型通过了经济预测检验,并确定了最终模型,得出结论:
进出口额、职工工资总额和上期国内生产总值对国内生产总值有很大影响。
最后,进行了模型评价并结合模型及我国国情给出了相应的可供参考的政策建议。
【关键词】:
国内生产总值进出口额职工工资总额经济意义检验计量经济学检验时间序列多元线性回归OLS方法逐步回归法多重共线性异方差性对数变换法GB检验法序列自相关性广义差分变换法经济预测检验
序言
自1985年国家统计局建立起相应的核算制度以来,国内生产总值核算已经成为我国宏观经济管理部门了解经济运行状况的重要手段,制定经济发展战略、中长期规划、年度计划和各种宏观经济政策的重要依据。
因此研究国内生产总值的影响因素对我国的经济发展有重大意义。
2010年国内生产总值397983亿元,按可比价格计算,比上年增长10.3%,增速比上年加快1.1个百分点。
总量跃居世界第二。
本文主要运用计量经济学和统计经济学研究一些经济指标对国内生产总值的影响和相关关系。
GDP=C+C1*LNX1+C2*LNX3+C3*LNX5
一、模型的设定
选国内生产总值GDP为被解释变量,而影响国内生产总值的因素有很多,但普遍看来,进出口额、财政支出总额、职工工资总额、税收总额、上期国内生产总值和储蓄总额这六个因素对国内生产总值影响较大,因此,我们搜集了这六个因素的时间序列数据作为解释变量,希望建立一个合适的经济模型来从理论上探讨影响国内生产总值的因素,进而提出相应的建议。
把上述六个因素分别设定为X
、X
、X
、X
、X
、X6。
设定模型为:
GDP=
+
+
+U
经查资料得国内生产总值样本观测数据(单位/亿元):
年份
GDP
进出口额
财政支出
职工工资总额
税收收入
上期GDP
储蓄余额
1990
18667.8
5560.1
3083.59
2951.1
2821.86
16992.3
1210.2
1991
21781.5
7225.8
3386.62
3323.9
2990.17
18667.8
1610
1992
26923.5
9119.6
3742.2
3939.2
3296.91
21781.5
2312.3
1993
35333.9
11271
4642.3
4916.2
4255.3
26923.5
3095.2
1994
48197.9
20381.9
5792.62
6656.4
5126.88
35333.9
4680.1
1995
60793.7
23499.9
6823.72
8100
6038.04
48197.9
5884.1
1996
71176.6
24133.8
7937.55
9080
6909.82
60793.7
7647.6
1997
78973
26967.2
9233.56
9405.3
8234.04
71176.6
10053.1
1998
84402.3
26849.7
10798.18
9296.5
9262.8
78973
11615.9
1999
89677.1
29896.2
13187.67
9875.5
10682.58
84402.3
14666.7
2000
99214.6
39273.2
15886.5
10656.2
12581.51
89677.1
18190.7
2001
109655.2
42183.6
18902.58
11830.9
15301.38
99214.6
22327.6
200
120332.7
51378.2
22053.15
13161.1
17636.45
109655.2
28121.7
2003
135822.8
70483.5
24649.95
14743.5
20017.31
120332.7
35119
2004
159878.3
95539.1
28486.89
16900.2
24165.68
135822.8
41416.5
2005
184937.4
116921.8
33930.28
19789.9
28778.54
159878.3
48787.5
2006
216314.4
140971.5
40422.73
23265.9
34804.35
184937.4
58575.9
2007
265810.3
166740.2
49781.35
28244
45621.97
216314.4
67599.7
2008
314045.4
179921.5
62592.66
33714
5422.379
265810.3
78585.2
2009
340506.9
150648.1
76299.93
40288.16
59521.59
314045.4
100541.3
——数据来自中国统计年鉴
二、模型的参数估计
对设定模型用OLS法进行参数估计,用Eviews5对上表数据回归得:
DependentVariable:
GDP
Method:
LeastSquares
Date:
06/29/11Time:
20:
09
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.464687
0.041527
11.18991
0.0000
X2
1.099405
0.520605
2.111781
0.0546
X3
1.854433
0.683749
2.712155
0.0178
X4
0.098013
0.082998
1.180915
0.2588
X5
0.759080
0.067561
11.23539
0.0000
X6
-1.284279
0.378693
-3.391349
0.0048
C
-2350.298
1721.927
-1.364923
0.1954
R-squared
0.999706
Meandependentvar
124122.3
AdjustedR-squared
0.999571
S.D.dependentvar
95623.17
S.E.ofregression
1981.296
Akaikeinfocriterion
18.29011
Sumsquaredresid
51031963
Schwarzcriterion
18.63861
Loglikelihood
-175.9011
F-statistic
7373.983
Durbin-Watsonstat
1.313821
Prob(F-statistic)
0.000000
回归结果如下:
GDP=-2350.298+
-1.284279
-1.36492611.189932.1117852.7121611.1809111.23540-3.391354
=0.999706
=0.999571
=7374.005D.W.=1313820
F=7374.005>
(6,13))=2.92(显著性水平α=0.05)表明模型从整体上看国内生产总值和解释变量间线形关系显著。
三、检验及修正
1.经济意义检验
从上述回归结果可知:
的系数为负值,说明国民生产总值随居民储蓄余额的增加而减少,这从理论上说不符合我国的实际情况;其他因素系数均为正,均不和经济原理相悖,具有经济意义:
各系数表示国内生产总值对该因素的弹性大小。
2.统计意义检验
从回归结果可以看出,模型的拟和优度非常好(
=0.999706),F统计量的值在给定显著性水平α=0.05的情况下也较显著。
因为
=7374.00>
(6,13),表明模型的线性关系在95%的置信水平下显著成立.。
但是X2、X4的t统计值均不显著。
3.计量经济学检验
(1)多重共线性检验
相关系数检验:
用Eviews5求得解释变量的相关系数矩阵:
GDP
X1
X2
X3
X4
X5
X6
GDP
1.000000
0.969179
0.991794
0.995825
0.790460
0.996865
0.991017
X1
0.969179
1.000000
0.948919
0.951089
0.752585
0.950081
0.960884
X2
0.991794
0.948919
1.000000
0.995181
0.800763
0.993493
0.996078
X3
0.995825
0.951089
0.995181
1.000000
0.801194
0.996041
0.991165
X4
0.790460
0.752585
0.800763
0.801194
1.000000
0.802156
0.830014
X5
0.996865
0.950081
0.993493
0.996041
0.802156
1.000000
0.991482
X6
0.991017
0.960884
0.996078
0.991165
0.830014
0.991482
1.000000
由此可知:
解释变量
、
、
、
、
之间存在高度正相关,模型存在严重多重共线性。
下面对模型进行修正。
模型修正:
用逐步回归法修正模型
由相关系数矩阵知解释变量X5和GDP相关性最强,故首先选取X5做为基本变量和GDP建立一元回归模型:
Y=1206.208+1.138675
(0.418440)(53.45104)
2=0.9937F=2857.014D.W.=1.117717
依次引入X3、
、
、
、X6变量回归:
引入X3:
DependentVariable:
GDP
Method:
LeastSquares
Date:
06/29/11Time:
20:
19
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1393.537
3037.490
-0.458779
0.6522
X3
3.410660
1.822811
1.871099
0.0786
X5
0.720199
0.224541
3.207424
0.0052
R-squared
0.994808
Meandependentvar
124122.3
AdjustedR-squared
0.994198
S.D.dependentvar
95623.17
S.E.ofregression
7283.977
Akaikeinfocriterion
20.76222
Sumsquaredresid
9.02E+08
Schwarzcriterion
20.91158
Loglikelihood
-204.6222
F-statistic
1628.742
Durbin-Watsonstat
1.268140
Prob(F-statistic)
0.000000
引入X3,拟合优度得到提高,参数符号合理且参数统计量显著,故采纳该变量。
引入
:
DependentVariable:
GDP
Method:
LeastSquares
Date:
06/29/11Time:
20:
25
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
2751.958
1322.723
2.080524
0.0539
X3
2.206781
0.757971
2.911432
0.0102
X5
0.634452
0.092446
6.862915
0.0000
X1
0.354703
0.038402
9.236473
0.0000
R-squared
0.999180
Meandependentvar
124122.3
AdjustedR-squared
0.999026
S.D.dependentvar
95623.17
S.E.ofregression
2983.745
Akaikeinfocriterion
19.01660
Sumsquaredresid
1.42E+08
Schwarzcriterion
19.21575
Loglikelihood
-186.1660
F-statistic
6499.488
Durbin-Watsonstat
1.354897
Prob(F-statistic)
0.000000
引入
,拟合优度再次提高,参数符号合理且参数统计量显著,故采纳该变量。
引入
:
DependentVariable:
GDP
Method:
LeastSquares
Date:
06/29/11Time:
20:
36
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-207.3832
2300.651
-0.090141
0.9294
X3
2.934796
0.867059
3.384771
0.0041
X5
0.670137
0.091673
7.310107
0.0000
X1
0.357885
0.036906
9.697292
0.0000
X2
-0.511151
0.331441
-1.542208
0.1439
R-squared
0.999292
Meandependentvar
124122.3
AdjustedR-squared
0.999104
S.D.dependentvar
95623.17
S.E.ofregression
2862.969
Akaikeinfocriterion
18.96942
Sumsquaredresid
1.23E+08
Schwarzcriterion
19.21836
Loglikelihood
-184.6942
F-statistic
5295.161
Durbin-Watsonstat
1.523732
Prob(F-statistic)
0.000000
引入
,拟合优度虽然得到了提高,但是参数符号为负值,表示GDP随财政支出增加而减少,和实际情况相悖,故将该变量剔除。
剔除
,引入
DependentVariable:
GDP
Method:
LeastSquares
Date:
06/29/11Time:
21:
05
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
2678.009
1221.170
2.192985
0.0445
X3
2.276780
0.700362
3.250861
0.0054
X5
0.648344
0.085605
7.573629
0.0000
X1
0.350608
0.035499
9.876493
0.0000
X4
-0.133084
0.068361
-1.946783
0.0705
R-squared
0.999345
Meandependentvar
124122.3
AdjustedR-squared
0.999171
S.D.dependentvar
95623.17
S.E.ofregression
2753.333
Akaikeinfocriterion
18.89133
Sumsquaredresid
1.14E+08
Schwarzcriterion
19.14026
Loglikelihood
-183.9133
F-statistic
5725.563
Durbin-Watsonstat
1.606945
Prob(F-statistic)
0.000000
引入
,拟合优度再次提高,但是参数符号为负值表明我国GDP随税收收入增加而减少,和实际情况相悖,所以将之剔除。
引入
:
DependentVariable:
GDP
Method:
LeastSquares
Date:
06/29/11Time:
21:
22
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
0.408542
0.030811
13.25965
0.0000
X3
2.805214
0.566605
4.950912
0.0002
X5
0.734555
0.071222
10.31356
0.0000
X6
-0.607529
0.152807
-3.975787
0.0012
C
-2698.436
1669.743
-1.616079
0.1269
R-squared
0.999601
Meandependentvar
124122.3
AdjustedR-squared
0.999494
S.D.dependentvar
95623.17
S.E.ofregression
2150.295
Akaikeinfocriterion
18.39692