计量经济学模型分析论文.docx
《计量经济学模型分析论文.docx》由会员分享,可在线阅读,更多相关《计量经济学模型分析论文.docx(32页珍藏版)》请在冰豆网上搜索。
计量经济学模型分析论文
影响我国人均GDP的变量因素分析
摘要
人均国生产总值(RealGDPpercapita),也称作“人均GDP",常作为发展经济学中衡量经济发展状况的指标,是重要的宏观经济指标之一,它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。
是衡量各国人民生活水平的一个标准,为了更加客观的衡量,经常与购买力平价结合。
本文从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面出发,通过往年的数据发展来观察它们对于人均GDP的影响,从而对我国目前的经济发展提供一些建议。
笔者认为,在提高城镇居民可支配收入、城市化率以及政府支出的基础上,更要调节好我国目前贫富差距过大的问题,这样才能保持经济的稳定发展。
关键词:
人均GDP;城市化率;城镇居民可支配收入;城府支出
引言
一国的经济乃立国之本,而经济发展是以GDP增长为前提的。
影响人均GDP的因素看似众多,究竟哪些因素对人均GDP的增长起关键性的影响作用呢?
由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。
随着2009年中国GDP赶超日本,成为世界排名第二,无疑吸引了国外的目光。
然而,在如此大的总量之下,中国的人均GDP却一直在世界100名左右徘徊。
“国服民穷”的现状一直是我们的问题。
经我们数据搜寻,在人均GDP的增长过程中,城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。
同时,我们知道GDP的构成取决于消费、投资、政府支出。
因此,我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量,认为这四个变量是影响人均GDP的关键性因素。
本实验主要选取1979—2009年的统计数据。
一、人均GDP的基本概念及特点
1、人均GDP的基本概念和经济意义
(1)人均GDP的基本概念
人均国生产总值(RealGDPpercapita),也称作“人均GDP",常作为发展经济学中衡量经济发展状况的指标,是重要的宏观经济指标之一,它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。
将一个国家核算期(通常是一年)实现的国生产总值与这个国家的常住人口相比进行计算,得到人均国生产总值。
是衡量各国人民生活水平的一个标准,为了更加客观的衡量,经常与购买力平价结合。
(2)人均GDP的经济意义
首先,除资源国以外的绝大多数工业化国家,人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。
一方面,就中日比较而论,人均GDP虽不能正确反映中日两国综合国力,但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国,尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平,更是让中国望尘莫及。
改革开放30多年来,中国城市化、工业化进程加快,农村农业的滞后发展恰恰拖了我国人均GDP的后腿,成为我国经济社会发展的短板,最终也深刻影响了我国的综合国力和国际竞争力。
其次,人均GDP本身具有社会公平和平等的含义。
人均GDP虽然不能直接等同于居民的人均收入和生活水平,但构成了一国居民人均收入和生活水平的主要物质基础,是提高居民人均收入水平、生活水平的重要参照指标。
事实上,强调人均GDP的国家,一般也比较注重提高本国居民的人均收入水平和社会公平程度。
再次,人均GDP与工业化进程和社会稳定,具有一定在联系。
据亨廷顿分析,在一定阶段,人均国生产总值增长与社会安定、社会和谐成正比。
二、1978-2011年的数据搜集
年份
人均GDP
城市化率
城镇居民家庭人均可支配收入
政府支出
城镇居民消费水平
1978
381
17.92
343.4
1122.09
405
1979
419
18.96
405
1281.79
425
1980
463
19.39
477.6
1228.83
489
1981
492
20.16
500.4
1138.41
521
1982
528
21.13
535.3
1229.98
536
1983
583
21.62
564.6
1409.52
558
1984
695
23.01
652.1
1701.02
618
1985
858
23.71
739.1
2004.25
765
1986
963
24.52
900.9
2204.91
872
1987
1112
25.32
1002.1
2262.18
998
1988
1366
25.81
1180.2
2491.21
1311
1989
1519
26.21
1373.9
2823.78
1466
1990
1644
26.41
1510.2
3083.59
1596
1991
1893
26.94
1700.6
3386.62
1840
1992
2311
27.46
2026.6
3742.2
2262
1993
2998
27.99
2577.4
4642.3
2924
1994
4044
28.51
3496.2
5792.62
3852
1995
5046
29.04
4283
6823.72
4931
1996
5846
30.48
4838.9
7937.55
5532
1997
6420
31.91
5160.3
9233.56
5823
1998
6796
33.35
5425.1
10798.18
6109
1999
7159
34.78
5854
13187.67
6405
2000
7858
36.22
6280
15886.5
6850
2001
8622
37.66
6859.6
18902.58
7113
2002
9398
39.09
7702.8
22053.15
7387
2003
10542
40.53
8472.2
24649.95
7901
2004
12336
41.76
9421.6
28486.89
8679
2005
14185
42.99
10493
33930.28
9410
2006
16500
43.9
11759.5
40422.73
10423
2007
20169
44.94
13785.8
49781.35
11904
2008
23708
45.68
15780.8
62592.66
13526
2009
25575
46.59
17174.7
76299.93
15025
三、REVIEWS模型建立及检验
1、散点图变化分析
(1)、GDPP(人均GDP)和CSH(城市化)的关系
(2)、GDPP(人均GDP)和JMKZPSR(城镇居民家庭人均可支配收入)的关系
(3)、GDPP(人均GDP)和ZFZC(政府支出)的关系
(4)、GDPP(人均GDP)和GMXFSP(城镇居民消费水平)
2、Ganger检验
(1)首先,我们研究GDPP和CSH的因果检验。
PairwiseGrangerCausalityTests
Date:
06/03/12Time:
10:
42
Sample:
19782009
Lags:
1
NullHypothesis:
Obs
F-Statistic
Prob.
CSHdoesnotGrangerCauseGDPPP
31
0.78247
0.3839
GDPPPdoesnotGrangerCauseCSH
0.57193
0.4558
由表可知,CSH影响GDPP的概率较大,故可以将CSH作为自变量,GDPP为因变量。
(2)其次,我们研究GDPP和JMKZPSR的因果检验。
PairwiseGrangerCausalityTests
Date:
06/03/12Time:
10:
44
Sample:
19782009
Lags:
1
NullHypothesis:
Obs
F-Statistic
Prob.
JMKZPSRdoesnotGrangerCauseGDPP
31
0.24821
0.6222
GDPPdoesnotGrangerCauseJMKZPSR
0.19484
0.6623
由表可知,JMKZPSR影响GDPP的概率高,故可以将JMKZPSR作为自变量,GDPP作为因变量。
(3)紧接着,我们研究GDPP和ZFZC之间的因果关系。
PairwiseGrangerCausalityTests
Date:
06/03/12Time:
10:
45
Sample:
19782009
Lags:
1
NullHypothesis:
Obs
F-Statistic
Prob.
ZFZCdoesnotGrangerCauseGDPP
31
0.02024
0.8879
GDPPdoesnotGrangerCauseZFZC
0.33720
0.5661
由表可知,GDPP和ZFZC相互影响,概率都比较大,所以可以将ZFZC作为自变量。
(4)最后,我们研究GDPP和GMXFSP的因果关系。
PairwiseGrangerCausalityTests
Date:
06/03/12Time:
10:
44
Sample:
19782009
Lags:
1
NullHypothesis:
Obs
F-Statistic
Prob.
JMXFSPdoesnotGrangerCauseGDPP
30
16.0251
0.0004
GDPPdoesnotGrangerCauseJMXFSP
7.44216
0.0111
由表可知,GDPP和JMXFSP的相关可能性都非常低,顾将JMXFSP作为自变量剔除。
3、选择模型形式,做回归,描绘模型
估计模型:
DependentVariable:
GDPP
Method:
LeastSquares
Date:
06/07/12Time:
16:
47
Sample:
19782011
Includedobservations:
34
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
472.7725
178.0388
2.655446
0.0126
CSH^2
-1.589601
0.416496
-3.816604
0.0006
ZFZC
0.096333
0.011037
8.728460
0.0000
JMKZPSR
1.269763
0.086591
14.66399
0.0000
R-squared
0.999337
Meandependentvar
7863.882
AdjustedR-squared
0.999271
S.D.dependentvar
9292.254
S.E.ofregression
250.9664
Akaikeinfocriterion
13.99865
Sumsquaredresid
1889524.
Schwarzcriterion
14.17822
Loglikelihood
-233.9770
Hannan-Quinncriter.
14.05989
F-statistic
15070.08
Durbin-Watsonstat
1.179488
Prob(F-statistic)
0.000000
令
4、随机误差项的正态性检验(JB检验)
通过JB检验发现,估计模型随机误差项可能为正太分布的可能性P>5%,所以通过检验。
5、Ramseyresettest检验
RamseyRESETTest:
F-statistic
4.085866
Prob.F(1,27)
0.0533
Loglikelihoodratio
4.509325
Prob.Chi-Square
(1)
0.0337
TestEquation:
DependentVariable:
GDPP
Method:
LeastSquares
Date:
06/03/12Time:
13:
59
Sample:
19782009
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-44.45361
313.7799
-0.141671
0.8884
CSH^2
-0.208129
0.798441
-0.260669
0.7963
JMKZPSR
1.226143
0.088068
13.92275
0.0000
ZFZC
-0.004762
0.051507
-0.092447
0.9270
FITTED^2
8.81E-06
4.36E-06
2.021353
0.0533
R-squared
0.998943
Meandependentvar
6325.906
AdjustedR-squared
0.998787
S.D.dependentvar
7066.021
S.E.ofregression
246.1018
Akaikeinfocriterion
13.99197
Sumsquaredresid
1635285.
Schwarzcriterion
14.22099
Loglikelihood
-218.8715
Hannan-Quinncriter.
14.06788
F-statistic
6382.086
Durbin-Watsonstat
1.060922
Prob(F-statistic)
0.000000
Prob.F值为0.533>5%,所以模型被误设可能性较小。
6、T、F检验,拟合优度检验
t-Statistic
2.288009
-3.385601
13.98170
7.726581
T值的绝对值>2,通过检验,说明此模型拟合优度较好。
Prob(F-statistic)
0.000000
F值为0,远远小于5%,说明此模型拟合优度较好。
R-squared
0.998784
=0.99,说明改模型可行性很大,拟合度好。
7、WaldTest检验,若 Prob.F>5%,接受约束条件
WaldTest:
Equation:
Untitled
TestStatistic
Value
df
Probability
F-statistic
3.421460
(1,28)
0.0749
Chi-square
3.421460
1
0.0644
NullHypothesisSummary:
NormalizedRestriction(=0)
Value
Std.Err.
-1+C
(2)^2-3*C(3)+C(4)
2.792085
1.509465
Deltamethodcomputedusinganalyticderivatives.
8、邹氏突变检验:
若 Prob.F<5%,认为该点很可能是突变点
通过观察整体数据较为平稳,未发现明显突变点,其中对1995年、2004年进行随机检测,如下图:
ChowBreakpointTest:
1994
NullHypothesis:
Nobreaksatspecifiedbreakpoints
Varyingregressors:
Allequationvariables
EquationSample:
19782009
F-statistic
10.66037
Prob.F(4,24)
0.0000
Loglikelihoodratio
32.68074
Prob.Chi-Square(4)
0.0000
WaldStatistic
42.64146
Prob.Chi-Square(4)
0.0000
ChowBreakpointTest:
2004
NullHypothesis:
Nobreaksatspecifiedbreakpoints
Varyingregressors:
Allequationvariables
EquationSample:
19782009
F-statistic
51.32985
Prob.F(4,24)
0.0000
Loglikelihoodratio
72.22598
Prob.Chi-Square(4)
0.0000
WaldStatistic
205.3194
Prob.Chi-Square(4)
0.0000
所以通过邹氏检验,发现无突变点。
9、模型的比较:
观察AIC和SC值的变化,若有下降的现象,该模型可能更好些。
DependentVariable:
GDPP
Method:
LeastSquares
Date:
06/07/12Time:
19:
12
Sample:
19782009
Includedobservations:
32
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-355.7275
157.9942
-2.251522
0.0327
CSH^2
1.175857
0.448006
2.624645
0.0141
ZFZC
-0.157097
0.034252
-4.586449
0.0001
JMKZPSR
1.056712
0.058971
17.91905
0.0000
JMKZPSR^2
5.91E-05
7.81E-06
7.574526
0.0000
R-squared
0.999611
Meandependentvar
6325.906
AdjustedR-squared
0.999553
S.D.dependentvar
7066.021
S.E.ofregression
149.3804
Akaikeinfocriterion
12.99347
Sumsquaredresid
602491.2
Schwarzcriterion
13.22249
Loglikelihood
-202.8955
Hannan-Quinncriter.
13.06938
F-statistic
17333.87
Durbin-Watsonstat
1.124435
Prob(F-statistic)
0.000000
此时
原模型
通过比较发现增加一个变量后的模型更适合
四、REVIEWS异方差检验及克服
1、异方差检验
(1)图形法
(2)WHITE检验
HeteroskedasticityTest:
White
F-statistic
4.375318
Prob.F(9,22)
0.0023
Obs*R-squared
20.53007
Prob.Chi-Square(9)
0.0149
ScaledexplainedSS
25.76099
Prob.Chi-Square(9)
0.0022
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/03/12Time:
14:
01
Sample:
19782009
Includedobservations:
32
Vari