探索影响工业GDP增长的因素.doc

1、探索影响工业GDP增长的因素 统计学院 2001级 王明明 郝夏目前，我国经济正处在高速稳定增长的阶段。而根据以前学过的知识，我们知道GDP主要是靠工业拉动的，因此，我们想探索一下哪些因素是影响工业GDP的主要因素。考虑到目前工业的生产特点：固定资产投资较大，需要能源的推动，我们猜想这是影响工业GDP的主要因素。于是，我们尝试用计量经济学的知识验证我们的猜想，并力图建立一个简单的数量模型来解释它们之间的关系。以下是数据分析：1.分别探索固定资产投资和能源消费量对工业GDP的影响首先，我们讨论单因素的模型，第一个是固定资产投资与工业GDP。模型1：INDUSG = C + *FXA+uDepen

2、dent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 17:15Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C1258.981588.71612.1385200.0482FXA1.1183210.02748640.686780.0000R-squared0.990427 Mean dependent var20313.41Adjusted R-squared0.989829 S.D. depe

3、ndent var15007.39S.E. of regression1513.518 Akaike info criterion17.58670Sum squared resid36651784 Schwarz criterion17.68563Log likelihood-156.2803 F-statistic1655.414Durbin-Watson stat0.841509 Prob(F-statistic)0.000000注释：FXA固定资产投资额（单位：元） INDUSG工业GDPt= 2.138 40.69（R20.9904，F=1655.4 DW=0.8415）由t统计量可以

4、看出，固定资产投资（FXA）对工业GDP的影响十分显著。从R2和F统计量可以看出模型拟合得非常好。但是D-WdL=1.046表明残差存在相当强的自相关性；下面我们接着做了能源消费量与工业GDP的模型模型2：INDUSG = C + *POW_US+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 17:14Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-51613.807585

5、.126-6.8046070.0000POW_US0.6260750.0648959.6475760.0000R-squared0.853313 Mean dependent var20313.41Adjusted R-squared0.844145 S.D. dependent var15007.39S.E. of regression5924.689 Akaike info criterion20.31608Sum squared resid5.62E+08 Schwarz criterion20.41501Log likelihood-180.8447 F-statistic93.075

6、72Durbin-Watson stat0.192529 Prob(F-statistic)0.000000注释：POW_US能源消费量（单位：万吨标准煤）INDUSG = -51613.79789 + 0.6260746823*POW_USt= -6.804 9.647（R20.853，F=93.07 DW=0.1925）由t统计量可以看出，能源消费量（POW_US）对工业GDP的影响十分显著；但从R2和F统计量可以看出模型整体拟合得不是很好；同时D-W0表明残差存在严重的自相关性。这样的结果说明在本模型中并没有包含影响工业GDP的关键因素。由以上两个表可以看出，这两个因素对工业GDP的影响

7、是比较显著的，证明我们的猜想是符合现实情况的。但是这两个模型的D-W检验结果都相当差，说明了两个模型都漏掉了影响模型的重要因素。于是我们考虑做二元模型。2.建立二元模型，探索固定资产投资和能源消费量对工业GDP的相对影响强弱由以上一元模型的结果可知：固定资产投资（FXA）和能源消费量（POW_US）对工业GDP的影响都很显著，所以尝试用这两个解释变量作二元模型，得到模型3。模型3：INDUSG = C + 1*FXA + 2*POW_US+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 17:46Samp

8、le: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-5810.1483190.055-1.8213320.0886FXA0.9991480.05845117.093900.0000POW_US0.0792060.0352542.2467350.0401R-squared0.992838 Mean dependent var20313.41Adjusted R-squared0.991883 S.D. dependent var15007.39S.E. of regressio

9、n1352.116 Akaike info criterion17.40774Sum squared resid27423273 Schwarz criterion17.55614Log likelihood-153.6697 F-statistic1039.631Durbin-Watson stat0.999447 Prob(F-statistic)0.000000解释变量相关系数矩阵：FXAPOW_USFXA 1.000000 0.907479POW_US 0.907479 1.000000INDUSG = -5810.148217 + 0.9991484399*FXA + 0.07920

10、588433*POW_USt 1.8213 17.09 2.24（R20.9928，F=1039 DW=0.999）Cov(FXA,POW_US)=0.9075从以上数据可以看出：模型总体拟合的很好（R20.9928），也比较可以。但如果考虑二者的相关系数很大，模型具有多重共线性。同时，dL=0.933D-W du=1.696落在了不可判断区域，D-W比较接近dL，保守起见还是认为模型具有自相关性。因此这个模型不是很理想。由于没办法扩大样本容量，我们只有变换模型形式，用取对数的方式来减弱多重共线性。于是有模型4：模型4：Ln(INDUSG) = C +1*Ln(FXA) +2*Ln(POW_U

11、S)+uDependent Variable: LINMethod: Least SquaresDate: 12/15/03 Time: 19:26Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-7.6217483.210235-2.3742020.0314LFX0.7583180.06911210.972330.0000LPOW0.8685230.3295132.6357780.0187R-squared0.995059 Mean dependent var9.

12、579689Adjusted R-squared0.994400 S.D. dependent var0.909086S.E. of regression0.068030 Akaike info criterion-2.386719Sum squared resid0.069422 Schwarz criterion-2.238323Log likelihood24.48047 F-statistic1510.340Durbin-Watson stat1.029314 Prob(F-statistic)0.000000解释变量相关系数矩阵：LFXLPOWLFX 1.000000 0.96916

13、8LPOW 0.969168 1.000000做出来的效果和“模型3”从数值上看并没有明显的改善：多重共线性依然十分严重；dL=0.933D-W du=1.696还是落在了不可判断区域。由模型3和模型4，我们看到，两个解释变量之间的相关性很强且不可通过数学上的变换减弱这种相关性，我们考虑将其中的一个因素替换掉。从以上四个模型的t统计量来说，固定资产投资（FXA）对工业GDP的影响比能源消费量（POW_US）对工业GDP的影响要显著，而且从“能源消费量”本身的数据来说，也存在着异常波动，将能源消耗总量数据作图：如图：可以看到，从97年后，能源消费量都比较异常：经济在增长，但能源消耗量却在下降。因

14、此，从这个意义上讲，能源消费量（POW_US）这个变量也不宜采纳到模型中。3.更换模型的变量，再作探索根据柯布道格拉斯函数给我们的启示，我们推测工业企业效益不仅与固定资产投资额（资本）有关，还与劳动人数（劳动力）有一定的关系，于是做出了下面的模型：模型5：INDUSG = C +1*FXA +2*LAB+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 20:03Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-Statist