我国国内生产总值(GDP)影响因素的回归分析.doc
《我国国内生产总值(GDP)影响因素的回归分析.doc》由会员分享,可在线阅读,更多相关《我国国内生产总值(GDP)影响因素的回归分析.doc(9页珍藏版)》请在冰豆网上搜索。
![我国国内生产总值(GDP)影响因素的回归分析.doc](https://file1.bdocx.com/fileroot1/2022-10/10/17de8457-9bfe-4141-987e-c850771ac950/17de8457-9bfe-4141-987e-c850771ac9501.gif)
我国国内生产总值(GDP)影响因素的实证分析
摘要:
本文以国民收入核算理论为基础,引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资(FDI)等解释变量,运用计量经济学分析的方法,分析国内生产总值与这些解释变量之间的关系。
从中国的实际情况出发,在利用从1985到2001的年度时间序列数据分析的基础上,分析各因素对国内生产总值的不同程度的影响及其原因,最后得出结论、提出观点。
关键词:
GDP影响因素实证分析Eviews
一、问题提出:
国内生产总值(GDP)是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和劳务的价值,常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现,更可以反映一国的国力与财富。
国民经济,作为一个复杂的综合体,它的影响因素一直是人们探索和争论的热点,根据西方经济学中关于国民收入核算的经典理论,我们建立以GDP为被解释变量的线性回归模型,引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量,对GDP的影响因素作实证分析,试图揭示这几个解释变量对GDP的影响程度。
二、样本数据选取及模型设定:
回归模型设立如下:
Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+U
Y--------国内生产总值GDP
X1-----能源消费
X2-----就业人数
X3-----居民消费水平
X4-----社会消费品零售总额
X5-----进出口贸易总额
X6-----外商直接投资(FDI)
U------随机扰动项
β1、β2、β3、β4、β5、β6为待估参数。
变量采用时间序列数据,具体数据(现价计算)见表一:
表1:
年份
GDP
X1能源消费总量(万吨标准煤)
X2就业人员(万人)
X3居民消费水平(元)
X4社会消费品零售总额(亿元)
X5进出口贸易总额(亿元)
X6外商直接投资(FDI)
1985
8964.4
76682
49873
437
4305
2066.7
48.69
1986
10202.2
80850
51282
447
4950
2850.4
64.71
1987
11962.5
86632
52783
508
5820
3084.2
86.13
1988
14928.3
92997
54334
635
7440
3822
118.88
1989
16909.2
96934
55329
762
8101.4
4155.9
127.71
1990
18547.9
98703
56740
803
8300.1
5560.1
166.79
1991
21617.8
103783
58360
896
9415.6
7229.3
232.42
1992
26638.1
109170
59432
1070
10993.7
9119.6
606.99
1993
34634.4
115993
60220
1331
12462.1
11271
1585.41
1994
46759.4
122737
61470
1746
16264.7
20381.9
2910.28
1995
58478.1
131176
62388
2236
20620
23499.9
3133.38
1996
67884.6
138948
68850
2641
24774.1
24133.8
3469.1
1997
74462.6
138173
69600
2834
27298.9
26967.2
3751.71
1998
78345.2
132214
70637
2972
29152.5
26849.7
3763.93
1999
82067.5
130119
71394
3138
31134.7
29896.2
3337.73
2000
89442.2
130297
72085
3397
34152.6
39273.2
3370.55
2001
95933.3
134914
73025
3609
37595.2
42183.6
3880.09
(数据来源于中国统计年鉴。
)
三、参数的初步估计与检验
将第一个模型的样本导入Eviews软件进行OLS估计,得到输出结果如下:
表2:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/17/12Time:
15:
27
Sample:
19852001
Includedobservations:
17
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-13277.72
9457.897
-1.403876
0.1939
X1
0.052743
0.050777
1.038720
0.3260
X2
0.133846
0.241763
0.553624
0.5933
X3
18.57620
4.262774
4.357774
0.0018
X4
0.377243
0.459735
0.820567
0.4331
X5
0.169706
0.689638
0.246079
0.8111
X6
0.002222
0.000974
2.280198
0.0485
R-squared
0.999741
Meandependentvar
44575.16
AdjustedR-squared
0.999539
S.D.dependentvar
31239.02
S.E.ofregression
670.8163
Akaikeinfocriterion
16.16006
Sumsquaredresid
4049950.
Schwarzcriterion
16.55216
Loglikelihood
-129.3605
F-statistic
4955.607
Durbin-Watsonstat
1.833054
Prob(F-statistic)
0.000000
将上述回归结果整理如下:
Ŷ=-13277.72+0.052743X1+0.133846X2+18.57620X3+0.377243X4+0.169706X5+0.002222X6
0.999741,0.999539,F=4955.607
从回归结果看,可决系数很高,F值很大,但在显著性水平下,很多项的回归系数都不显著,因此回归方程不能投入使用;该模型很可能存在多重共线性。
和F值大反映了模型中各解释变量联合对Y的影响力显著,而t值小于临界值恰好反映了由于解释变量共线性的作用,使得不能分解出各个解释变量对Y独立影响。
1.模型检验:
(1)经济意义检验
由回归估计结果可以看出,能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及FDI与GDP线性正相关,这与现实中GDP随能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及FDI的增加而增长是相符的。
(2)统计推断检验
从估计的结果可以看出,可决系数R2=0.999741,F统计量=4955.607,表明模型在整体上拟合地比较理想。
系数显著性检验:
给定α=0.05,X3、X6的t的P值小于给定的显著性水平,表明居民消费水平、FDI对GDP有显著性影响。
2.计量经济学检验
(1)多重共线性的检验
用Eviews计算解释变量之间的简单相关系数:
表3:
X1
X2
X3
X4
X5
X6
X1
1.000000
0.942695
0.918347
0.894626
0.887761
0.945640
X2
0.942695
1.000000
0.980690
0.977624
0.952169
0.930263
X3
0.918347
0.980690
1.000000
0.996855
0.985127
0.958071
X4
0.894626
0.977624
0.996855
1.000000
0.986614
0.936663
X5
0.887761
0.952169
0.985127
0.986614
1.000000
0.938836
X6
0.945640
0.930263
0.958071
0.936663
0.938836
1.000000
由此可见,模型存在严重的多重共线。
模型修正:
运用OLS方法逐一求Y对各个解释变量的回归,结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。
过程如下:
表4:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/17/12Time:
17:
08
Sample:
19852001
Includedobservations:
17
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X1
1.354376
0.149761
9.043577
0.0000
C
-108415.3
17195.21
-6.304967
0.0000
R-squared
0.845019
Meandependentvar
44575.16
AdjustedR-squared
0.834687
S.D.dependentvar
31239.02
S.E.ofregression
12701.37
Akaikeinfocriterion
21.84694
Sumsquaredresid
2.42E+09
Schwarzcriterion
21.94496
Loglikelihood
-183.6990
F-statistic
81.78629
Durbin-Watsonstat
0.176301
Prob(F-statistic)
0.000000
表5:
DependentVariable:
Y
Method:
LeastSquares
Date:
06/17/12Time:
17:
09
Sample:
19852001
Includedobservations:
17
Variable
Coefficient
Std.Error
t-Statistic
Prob.
X2
3.890224
0.206735
18.81748
0.0000
C
-195200.4
12839.45
-15.20318
0.0000
R-squared
0.959360
Meandependentvar
44575.16
AdjustedR-squar