固定资产投资对贵州GDP影响分析.docx

1、固定资产投资对贵州GDP影响分析固定资产投资对贵州GDP影响分析一、导论GDP（国内生产总值）是指经济社会（即一国或一地区）在一定时期内运用生产要素所生产的全部最终产品（物品和劳务）的市场价值。在四部门经济中，Y=C+I+G+(X-M)，其中 YGDP C消费 I投资 G政府对物品和劳务的购买 X出口 M进口固定资产投资是社会固定资产再生产的主要手段。通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。这对我国的社会主义现代化建设具有重要意义。固定资产投资作为企业的生产资料投资在整个生

2、产过程起着至关重要的作用,对一个企业来说它是其主要的劳动手段,直接影响着企业的生产能力.固定资产的价值是逐渐地转移到所生产的产品上去.企业同时又是重要的市场主体,因此对固定资产的投资间接的影响到了一个经济体的产出。随着我国经济的高速的发展,我们有必要站在宏观的角度对我国国内固定资产投资进行分析,以控制经济的平稳快速发展.这里忽略其他因素对GDP的影响，主要对GDP及国有经济固定资产投资额(X2),集体经济固定资产投资额(X3),其他经济固定资产投资额(X4),进行计量经济学多元线性回归模型分析。二、模型设计假设模型的函数形式为： Y=1+2X2+3X3+4X4+其中：Y GDP X2国有经济固

3、定资产投资 X3集体经济固定资产投资 X4其它经济固定资产投资三、数据收集及处理1、全国GDP数据来自中华人民共和国国家统计局2、贵州省GDP、国有经济固定资产投资、集体经济固定资产投资、个体经济固定资产投资均来自中国人民银行贵阳市中心支行3、原始数据如下：全国GDP贵州GDP全社会固定资产国有经济固定资产集体经济固定资产其他经济固定资产年份（亿元）（亿元）投资总额（亿元）投资额（亿元）投资额（亿元）投资额（亿元）19804,51760.26 13.97 11.59 0.83 1.55 19814,86267.89 15.16 12.06 0.99 2.11 19825,29479.39 15

4、.52 11.56 1.08 2.88 19835,93487.38 17.07 11.88 1.23 3.96 19847,171108.27 23.02 15.02 0.98 7.02 19857,780123.92 33.14 21.24 1.76 10.14 19869,380139.57 35.99 24.09 1.71 10.19 198710,920165.50 42.97 27.10 3.61 12.26 198813,853211.79 45.42 33.05 2.74 9.63 198915,677235.84 44.08 32.29 2.73 9.06 199017,40

5、0260.14 51.51 36.95 2.14 12.42 199119,580295.90 58.44 42.97 3.67 11.80 199223,938339.91 78.82 58.82 3.59 16.41 199331,380416.07 106.30 77.84 6.81 21.65 199443,800521.17 140.95 93.74 9.77 37.44 199557,733630.07 173.66 108.85 12.94 51.87 199667,795713.70 207.10 133.19 14.75 59.16 199774,772792.98 247.

6、23 149.75 15.09 82.39 199879,553841.88 304.91 188.93 19.34 96.64 199982,054911.86 333.90 210.80 22.19 100.91 200089,404993.53 402.50 259.95 28.45 114.10 200195,9331084.90 533.74 357.69 22.45 153.60 2002102,3981185.04 623.44 423.88 18.86 180.70 2003117,2521356.11 754.13 457.10 39.26 257.77 （表1）Depend

7、ent Variable: YMethod: Least SquaresDate: 05/31/05 Time: 23:55Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C90.7285725.503393.5575100.0020X23.1211740.7431784.1997640.0004X324.998424.7189475.2974570.0000X4-4.1248351.739215-2.3716650.0279R-squared0.966782 Mea

8、n dependent var484.2113Adjusted R-squared0.961799 S.D. dependent var404.5809S.E. of regression79.07573 Akaike info criterion11.72970Sum squared resid125059.4 Schwarz criterion11.92604Log likelihood-136.7564 F-statistic194.0257Durbin-Watson stat0.849162 Prob(F-statistic)0.000000（表2）四、模型检验1、t检验： 提出假设：

9、H0：j=0 (j=1,2,3,4) H1: j0 (j=1,2,3,4) 检验：给定显著水平=0.05 查表得t0.05/2(24-4)=2.0860 t=3.557510 tt0.05/2(24-4)，所以拒绝H0，接受H1。 t=4.199764 tt0.05/2(24-4)，所以拒绝H0，接受H1。 t=5.297457 tt0.05/2(24-4)，所以拒绝H0，接受H1。 t= -2.371665 tt0.05/2(24-4)，所以拒绝H1，接受H0。解释变量X4对应变量Y的影响不显著2、分析： 显著水平=0.05，F=194.0257 F0.05（3，21）=3.07 F F0.

10、05（3，21） 表明模型从整体上看GDP与解释变量之间线性关系显著。3、计算解释变量之间的简单相关系数：X2X3X4X21.0000000.9190300.985882X30.9190301.0000000.941856X40.9858820.9418561.000000（表3） 由表3可以看出，解释变量之间存在高度线性相关。同时由表2也可以看出X3系数的符号所表示的经济意义与事实相悖。表明模型中解释变量确实存在严重的多重共线性。 4、修正： 运用OLS方法逐一求Y对各个解释变量的回归： Dependent Variable: YMethod: Least SquaresDate: 06/0

11、1/05 Time: 12:43Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C147.564832.047574.6045540.0001X22.8859050.18220515.838780.0000R-squared0.919375 Mean dependent var484.2946Adjusted R-squared0.915710 S.D. dependent var404.6470S.E. of regression117.4802 Akaike in

12、fo criterion12.45007Sum squared resid303635.2 Schwarz criterion12.54824Log likelihood-147.4009 F-statistic250.8670Durbin-Watson stat0.231225 Prob(F-statistic)0.000000（表4） Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 12:57Sample: 1980 2003Included observations: 24VariableCoefficient

13、Std. Errort-StatisticProb. C121.646633.518313.6292590.0015X336.728492.34539015.659870.0000R-squared0.917674 Mean dependent var484.2946Adjusted R-squared0.913932 S.D. dependent var404.6470S.E. of regression118.7125 Akaike info criterion12.47094Sum squared resid310038.5 Schwarz criterion12.56911Log li

14、kelihood-147.6513 F-statistic245.2314Durbin-Watson stat1.746274 Prob(F-statistic)0.000000(表5)Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 13:09Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C183.733233.942415.4130860.0000X45.6993770.40181514

15、.184080.0000R-squared0.901428 Mean dependent var484.2946Adjusted R-squared0.896948 S.D. dependent var404.6470S.E. of regression129.8986 Akaike info criterion12.65104Sum squared resid371220.4 Schwarz criterion12.74921Log likelihood-149.8125 F-statistic201.1882Durbin-Watson stat0.297713 Prob(F-statist

16、ic)0.000000 （表6） 依据可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型： Y=147.5648+2.885905 X2 (4.604554) (15.83878) R-squared=0.919375 S.E.=117.4802 F=250.8670逐步回归（将其余解释变量分别加入模型）： Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 14:03Sample: 1980 2003Included observations: 24VariableCoefficientStd

17、. Errort-StatisticProb. C119.994924.714854.8551730.0001X21.5196260.3443624.4128790.0002X318.937944.3866994.3171270.0003R-squared0.957285 Mean dependent var484.2946Adjusted R-squared0.953217 S.D. dependent var404.6470S.E. of regression87.52305 Akaike info criterion11.89815Sum squared resid160866.0 Sc

18、hwarz criterion12.04541Log likelihood-139.7778 F-statistic235.3134Durbin-Watson stat0.678505 Prob(F-statistic)0.000000 （表7）Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 14:10Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C151.937834.457694.40

19、94010.0002X22.4483751.1094702.2067960.0386X40.8851362.2127970.4000070.6932R-squared0.919984 Mean dependent var484.2946Adjusted R-squared0.912364 S.D. dependent var404.6470S.E. of regression119.7893 Akaike info criterion12.52581Sum squared resid301339.2 Schwarz criterion12.67307Log likelihood-147.309

20、8 F-statistic120.7243Durbin-Watson stat0.192940 Prob(F-statistic)0.000000（表8）再次依据调整后的可决系数最大原则，选取调整后可决系数最大所对应的解释变量作为新进入模型的后选变量，且调整后的可决系数大于上一步的可决系数，所以得到： Y=119.9949+1.519626 X2+18.93794 X3 (4.855173) (4.412879) (4.317127) R-squared=0.957285 S.E.=87.52305 F=235.3134 由（表2）可得对Y的影响并不显著，故将删去。得如下模型： Y=119.9

21、949+1.519626 X2+18.93794 X35、统计学检验 t检验：显著水平0.05，t0.05/2(24-3)=2.0796，显然4.855173和4.412879都远远大于它，即从统计学检验的角度上讲解释变量的选取是有意义的。 f检验及拟合优度检验R-squared：R-squared值越接近于1,则F值越大,这里的R-squared值为0.957285,大于0.9拟合优度比较高,因此FStatistic检验亦通过。6、计量经济学检验： 被解释变量与解释变量的散点图如下： （图1）结论：被解释变量与解释变量的线性关系较强。 异方差检验： 图示法：（图2）ARCH检验：ARCH T

22、est:F-statistic0.503771 Probability0.684780Obs*R-squared1.714496 Probability0.633716Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/01/05 Time: 16:07Sample(adjusted): 1983 2003Included observations: 21 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C6042

23、.6093539.3401.7072700.1060RESID2(-1)0.5230740.4441991.1775670.2552RESID2(-2)-0.2762040.482861-0.5720160.5748RESID2(-3)-0.1145660.450162-0.2545000.8022R-squared0.081643 Mean dependent var6574.751Adjusted R-squared-0.080420 S.D. dependent var9626.857S.E. of regression10006.47 Akaike info criterion21.4

24、2949Sum squared resid1.70E+09 Schwarz criterion21.62845Log likelihood-221.0097 F-statistic0.503771Durbin-Watson stat1.386163 Prob(F-statistic)0.684780（表9）结论：散点变化成总体上升趋势，且PR,即0.6337161.714496.所以模型存在异方差。 异方差的修正： WLS估计法：Dependent Variable: YMethod: Least SquaresDate: 06/04/05 Time: 00:23Sample(adjusted

25、): 1981 2003Included observations: 23 after adjusting endpointsWeighting series: WVariableCoefficientStd. Errort-StatisticProb. C164.31308.40536119.548600.0000X23.8232250.4369458.7498980.0000X3-13.762844.911786-2.8020030.0110Weighted StatisticsR-squared0.999888 Mean dependent var369.6089Adjusted R-s

26、quared0.999877 S.D. dependent var1365.774S.E. of regression15.16405 Akaike info criterion8.396839Sum squared resid4598.967 Schwarz criterion8.544947Log likelihood-93.56365 F-statistic1347.468Durbin-Watson stat1.792554 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.840326 Mean dependent var

27、502.7309Adjusted R-squared0.824359 S.D. dependent var403.3033S.E. of regression169.0227 Sum squared resid571373.7Durbin-Watson stat0.535394（表10） 对数变换法：Dependent Variable: LYMethod: Least SquaresDate: 06/04/05 Time: 00:31Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C3.0433390.3296599.2317680.0000LX20.5688250.1284064.4298980.0002LX30.2407570.1255971.9168930.0690R-squared0.977840 Mean dependent var5.763426Adjusted R-squared0.975730 S.