计量经济学模型分析论文.docx

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