固定资产投资对GDP的影响.docx

1、固定资产投资对GDP的影响固定资产投资对地区生产总值的影响【摘要】：在国家的经济发展中，最直观测量经济发展效果良好与否的指标就是看它的GDP，而影响GDP的主要有三大因素：消费、投资与进出口贸易。总的来说，固定资产投资可分为国有投资与个体投资，而个体投资又可分为很多的种类，本文以计量经济学模型为基础，试图建立一个以地区生产总值为因变量，以国民投资、集体投资、个人投资和农村投资四类投资为解释变量的多元线性回归模型，来说明固定资产投资对地区生产总值的重要性，同时运用多因素分析方法，对经济增长变动及其主要影响因素进行实证分析，从而得到一些启示，并结合区域经济增长情况，为区域未来因固定资产而引起生产总

2、值变动情况提供依据。【关键词】：国民投资，个体投资，地区生产总值理论依据便是宏观经济学中的Keynes模型：用支出法核算GDP时，即Y=C+I+G+NX。其中的I就是投资的部分，而固定资产投资又是投资中的主要部分，因此它对经济的发展有至关重要的作用。并且，有一种发展理论认为发展中过国家之所以发展缓慢，就是因为投资不足。发展经济学要求国家积累储蓄，以用于投资。而这里的投资就包括有基础设施建设等固定资产的投资。我们根据对以往相关资料的分析，通过总结，可得出以下观点。虽然过去已经有很多人研究过这方面内容，但缺点是：对固定资产投资部分的分析主要集中于政府的投入分析，忽视了个体的投资，在现在这个个体投资

3、逐渐增长的情况下，重视它们的存在对经济发展的研究具有十分重要的意义。 因此，我们这次的分析是把总的固定资产投资部分分为四个部分：政府投资、集体投资、个人投资和农村投资。下面，我们就关于固定资产投资对地区生产总值影响的模型建立采取以下步骤：一、建立模型。根据以上分析，我们把资产分为四个部分，也就是四个解释变量设定:国民投资部分为变量X1 集体投资部分为变量X2 个人投资部分为变量X3 农村投资部分为变量X4由于在过去的研究和各种经济理论中，我们没有找到专门研究固定资产投资和生产总值之间关系的经济模型，因此我们根据自己的认识将初始模型设定为：Y=+1X1+2X2+3X3+4X4+ut二 、估计参数

4、 收集模型所含经济变量的数据，主要来源于网上的收集，一是来自于中经网的数据；二是来自于省份统计局网站的统计年鉴年份国民生产总值国有经济投资集体经济投资个体经济投资农村经济投资199121662.53713.8697.81182.91042.56199226651.95498.71359.412221005.52199334560.57925.92317.31476.21137.7319944667096152758.91970.61519.24199557494.910898.23289.42560.22007.85199666850.512056.23660.63211.22544.0319

5、9773142.713091.73850.93429.42691.16199876967.215369.34192.23744.42681.52199980579.415947.84338.64195.72779.59200088228.116504.4481054709.42904.26200196346.4176075278.65429.62976.562002119095.718877.45987.46519.23123.22003135174.021661.08009.57720.13201.02004159586.734091.81879.16517.93362.7200518408

6、8.638676.72231.79950.03940.22006213131.744823.96472.033378.24436.22007251483.252229.48080.646405.15123.3三 、验证模型对原模型进行初步回归得到如下的结果：Dependent Variable: YMethod: Least SquaresDate: 10/20/12 Time: 15:36Sample: 1991 2007Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-3253.3171016.

7、906-3.1992310.0076X12.6596810.3855936.8976390.0000X20.0013350.0439560.0303800.9763X34.2151461.4002833.0102100.0109X49.5419682.4383063.9133590.0021R-squared0.997851 Mean dependent var44161.04Adjusted R-squared0.997135 S.D. dependent var30811.57S.E. of regression1649.121 Akaike info criterion17.89380S

8、um squared resid Schwarz criterion18.13886Log likelihood-147.0973 F-statistic1393.312Durbin-Watson stat1.340522 Prob(F-statistic)0.000000可以看出，经济检验合理，没有出现数字和符号的错误。并且度量拟合优度的判定系数R2=0.997851，调整的判定系数为0.997135。可以看出，拟和效果十分的好。因此，该模型的设定是合理的，将表中的数字带入模型得：Y=-3253.317+2.659681X1+0.001335X2+4.215146X3+9.541968X4

9、3.199231 6.897369 0.030380 3.010210 0.913359R2=0.997851 F=1393.312 DW=1.340522四、做完统计检验，再对模型进行计量的经济检验1 、做多重共线性检验，利用简单相关系数矩阵法得到下列的矩阵：X1X2X3X4X1 1.000000 0.492140 0.975155 0.978367X2 0.492140 1.000000 0.530160 0.482757X3 0.975155 0.530160 1.000000 0.975582X4 0.978367 0.482757 0.975582 1.000000可以看出存在的多重

10、共线性，下面我们采用逐步回归法对他进行修正，先对它们的每个解释变量对应回归。Dependent Variable: YMethod: Least SquaresDate: 10/20/12 Time: 16:16Sample: 1991 2007Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-302.50241436.238-0.2106210.8360X15.2766060.14168637.241660.0000R-squared0.989301 Mean dependent var44161

11、.04Adjusted R-squared0.988587 S.D. dependent var30811.57S.E. of regression3291.614 Akaike info criterion19.14627Sum squared resid1.63E+08 Schwarz criterion19.24430Log likelihood-160.7433 F-statistic1386.942Durbin-Watson stat1.157392 Prob(F-statistic)0.000000经过比较得，X1与Y的t检验和拟和效果最好，因此把X1作为基准变量引入，然后再逐步的

12、引入其他的解释变量，经最后得到当去除X2以后，多重共线性消失，得到的检验结果如下：Dependent Variable: YMethod: Least SquaresDate: 10/20/12 Time: 16:22Sample: 1991 2007Included observations: 17VariableCoefficientStd. Errort-StatisticProb. C-3254.751975.9967-3.3347970.0054X12.6592580.3702387.1825610.0000X34.2275431.2870063.2847880.0059X49.53

13、19432.3211854.1064990.0012R-squared0.997851 Mean dependent var44161.04Adjusted R-squared0.997355 S.D. dependent var30811.57S.E. of regression1584.486 Akaike info criterion17.77623Sum squared resid Schwarz criterion17.97228Log likelihood-147.0980 F-statistic2012.406Durbin-Watson stat1.344455 Prob(F-s

14、tatistic)0.000000从上面修正的回归结果可以看出，R2=0.997851，并且它的调整的判定系数值也达到了0.997355，显然，它的拟和效果十分的好，并且t检验值显著的大于它的临界值，即t值检验十分的显著，因此多重共线性消失，得到修正后的模型为：Y=-3254.751+2.659258X1+4.227543X3+9.531943X4 -3.334797 7.182561 3.284788 4.106499R2=0.997851 F=2012.406 DW=1.3444552、在1的基础上进行异方差的检验利用ARCH 检验，得到的结果是，在上面1中的模型中，不存在异方差。所得到的

15、DW值总是大于2的 。下面的是我们滞后5期的检验结果。ARCH Test:F-statistic0.194771 Probability0.953441Obs*R-squared1.675723 Probability0.891944Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/16/09 Time: 16:43Sample(adjusted): 1991 2007Included observations: 12 after adjusting endpointsVariableCoefficien

16、tStd. Errort-StatisticProb. C2193556.2155338.1.0177320.3481RESID2(-1)0.1488620.3862110.3854410.7132RESID2(-2)-0.0258270.353938-0.0729720.9442RESID2(-3)-0.2871490.490408-0.5855310.5795RESID2(-4)0.2780660.5151420.5397850.6088RESID2(-5)-0.2116120.535957-0.3948300.7066R-squared0.139644 Mean dependent va

17、r2005926.Adjusted R-squared-0.577320 S.D. dependent var2322068.S.E. of regression2916318. Akaike info criterion32.91639Sum squared resid5.10E+13 Schwarz criterion33.15885Log likelihood-191.4984 F-statistic0.194771Durbin-Watson stat2.019631 Prob(F-statistic)0.953441如图所显示的一样，DW检验明显的通过检验，不存在异方差。并且通过图示法

18、如下也可以看出点相对的集中不存在异方差。3、对修正的模型进行自相关的检验。先用散点图法：可以看出呈很强的线性关系，存在自相关。再对它进行DW检验得：d=0.3278,经过查表得，在n=17,k=3的情况下，得到的下限临界值dl=0.897上限临界值du=1.710,ddl,它落在了正的自相关区域，也说明存在正的自相关。下面对它进行修正。先进行广义差分法，得到下列的结果Dependent Variable: DYMethod: Least SquaresDate: 10/21/12 Time: 12:02Sample(adjusted): 1991 2007Included observatio

19、ns: 16 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C-2598.748988.2074-2.6297590.0220DX12.5292080.4142316.1057900.0001DX34.6493841.5038113.0917340.0093DX49.7808782.6349193.7120230.0030R-squared0.996288 Mean dependent var35136.47Adjusted R-squared0.995360 S.D. dependent var2

20、2612.54S.E. of regression1540.372 Akaike info criterion17.72975Sum squared resid Schwarz criterion17.92290Log likelihood-137.8380 F-statistic1073.501Durbin-Watson stat1.604456 Prob(F-statistic)0.000000从上面的结果可以看出，虽然DW有很到的提高， 可是它却落在了不确定的区域，下面在对它进行Cochrane-Oecutt迭代法进行检验 ，得到下列的结果。Dependent Variable: YMe

21、thod: Least SquaresDate: 12/17/09 Time: 13:03Sample(adjusted): 1991 2007Included observations: 16 after adjusting endpointsConvergence achieved after 8 iterationsVariableCoefficientStd. Errort-StatisticProb. C-3589.1891620.325-2.2151040.0488X12.4745280.4629025.3456870.0002X34.8678691.9532412.4922010

22、.0299X49.7636493.0220693.2307820.0080AR(1)0.3626640.3271921.1084160.2913R-squared0.997962 Mean dependent var46359.28Adjusted R-squared0.997221 S.D. dependent var30414.11S.E. of regression1603.382 Akaike info criterion17.84792Sum squared resid Schwarz criterion18.08936Log likelihood-137.7834 F-statis

23、tic1346.546Durbin-Watson stat1.703525 Prob(F-statistic)0.000000Inverted AR Roots .36这次得到的DW=1.703525.但是效果已经明显的好转了 ，因此我们可以看作它已经落在了没有自相关的区域。因此我们在它的基础上再进行一次迭代得到下列的结果。得到的模型为Y=-3589.189+2.474528X1+4.867869X3+9.763649X4)-2.215104 5.345687 2.492201 3.230782 R2=0.997962 F=1346.546 DW=1.703525Dependent Varia

24、ble: YMethod: Least SquaresDate: 12/17/09 Time: 13:02Sample(adjusted): 1992 2007Included observations: 15 after adjusting endpointsConvergence achieved after 15 iterationsVariableCoefficientStd. Errort-StatisticProb. X13.1405210.3309119.4905190.0000X32.3881361.3277581.7986230.1023X49.4816612.4565113

25、.8598080.0032C-3227.635821.2250-3.9302680.0028AR(2)-0.6761450.377847-1.7894700.1038R-squared0.998000 Mean dependent var48769.81Adjusted R-squared0.997200 S.D. dependent var29857.66S.E. of regression1579.782 Akaike info criterion17.82916Sum squared resid Schwarz criterion18.06518Log likelihood-128.71

26、87 F-statistic1247.716Durbin-Watson stat1.835760 Prob(F-statistic)0.000000可以看到，DW=1.835760大于du=1.710，因此不存在自相关的区域，自相关修正完毕，并且从上面的结果我们也可以看出，t检验和判定系数都是很显著的，结果合理。得到修正后的模型。4.进行平稳性检验。对GDP的检验得到下列的结果：ADF Test Statistic 0.172147 1% Critical Value*-4.1366 5% Critical Value-3.1483 10% Critical Value-2.7180*MacK

27、innon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(Y)Method: Least SquaresDate: 12/17/09 Time: 13:45Sample(adjusted): 1990 2001Included observations: 12 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. Y(-

28、1)0.0128380.0745740.1721470.8690D(Y(-1)1.0603650.5129542.0671720.0842D(Y(-2)-0.3436380.699769-0.4910740.6408D(Y(-3)-0.3436220.730271-0.4705410.6546D(Y(-4)0.1022100.7040080.1451830.8893C2821.2841578.2641.7875870.1241R-squared0.763783 Mean dependent var6619.050Adjusted R-squared0.566935 S.D. dependent var3260.410S.E. of regression2145.601 Akaike info criterion18.48708Sum squared resid Schwarz criterion18.7295