计量经济学论文---宏观经济学gdp影响因素的验证 10页

宏观经济学中GDP影响因素的检验制作人：经管学院胡超凡一、前言：摘要：GDP是衡量一国国内总产值的重要指标，本文主要介绍和分析了经济中各要素与我国GDP增长之间的内在关系，希望从数据中找到能够促进我国GDP稳定长足增长的方法。关键词：GDP经济增长经济因素经济计量学模型总论：我国是一个GDP大国，经济总量排名占据世界第二，当前我国GDP增长速度正在放缓，由04年的10.1%放缓至14年的7.3%，这内在的经济因素有很多，我们需要分析这些因素，来分析我国当前经济情势，同事适当改变这些因素，在保持可持续的同时，促进经济的发展。二、计量模型的建立与数据处理二、模型的设定和数据的选择1.根据以上的理论分析，我们以GDP（Y）为被解释变量，净出口额(X)，投资(I)，财政支出(M)，居民消费(s)为解释变量，建立模型。模型设定为：Y=C+β1X+β2I+β3M+β4S+U。（1）、净出口额：用in表示进口，out表示出口，那么（out-in）就是净出口，净出口应从本国总购买中减去，因为进口表示收入留到国外，不是用于购买本国的产品的支出；出口则应加入进本国总购买量之中，因为出口表示收入从国外流入国内，是用于购买本国产品的支出。因此，只有净出口才应该计入总支出，他可能是正值也可能是负值。（2）、投资：投资包括固定资产投资和存货投资两大类。固定资产投资之新厂房，新设备，新商业用房以及新住房增加。因为住宅像别的固定资产一样是长期使用，慢慢的被消耗。存货投资是企业掌握的存货就价值的增加。由于数据的限制，本文以全社会的固定资产投资代替投资这一个项目，省略掉存货投资这一项目。（3）、政府支出：指的是各级政府购买物品的劳务的支出，如政府花钱设立法院，提供国防，建筑道路，开办学校的方面的支出。当然，政府购买只是政府支出的一部分，政府支出的另一些部分如转移支付，公债利息等都不计入GDP，由于数据的采集因素，我们用国家的财政支出代表政府的购买，进而研究其与GDP的关系（4）、消费支出：包括购买耐用消费品，非耐用消费品，和劳务的支出。但是建造支出就不包括在内了，我们选取社会消费品零售总额代表所有消费品的消费支出进行研究。2.数据的选择：我们采用了1981-2011年30年的中国国内的固定资产投资，社会零售消费\n品总额、净出口额、政府财政支出数据作为我们的分析数据。数据均来自国家统计局网站。年份国民总收入(y)国家财政支出（m）全社会固定资产投资(i)进出口差额(x)社会消费品零售总额(s)199988479.1613187.6729854.702423.4035647.90200098000.4815886.5032917.701995.6039105.702001108068.2018902.5837213.501865.2043055.402002119095.6822053.1543499.902517.6048135.902003134976.9724649.9555566.612092.3052516.302004159453.6028486.8970477.432667.5059501.002005183617.3733930.2888773.618374.4068352.602006215904.4140422.73109998.1614220.3079145.202007266422.0049781.35137323.9420263.5093571.602008316030.3462592.66172828.4020868.41114830.102009340319.9576299.93224598.7713411.32132678.402010399759.5489874.16251683.7712323.54156998.402011468562.38109247.79311485.1310079.20183918.60（数据来源：中国统计网）四、关于模型的最小二乘分析：在eviews中导入数据然后做最小二乘回归分析，其分析结果如下：DependentVariable:YMethod:LeastSquaresDate:12/12/13Time:20:24Sample:19992011Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C-1525.2271058.162-1.4413940.1614M0.4720090.4361681.0821740.2891S2.4375610.12304819.809840.0000\nX1.7057360.16141010.567730.0000I-0.1610040.111189-1.4480230.1596R-squared0.999495Meandependentvar110562.3AdjustedR-squared0.999418S.D.dependentvar126746.3S.E.ofregression3058.584Akaikeinfocriterion19.03598Sumsquaredresid2.43E+08Schwarzcriterion19.26727Loglikelihood-290.0577F-statistic12872.77Durbin-Watsonstat1.260978Prob(F-statistic)0.000000X~(2)由上面的数据可以看出，Y、M、I、S、X在5%的显著性水平下，其t值都小于相应的临界值，紧接着，为了分析Y、M、I、S、X之间是否存在相关关系，我们先做五个变量之间的回归，然后检验残差。NullHypothesis:EhasaunitrootExogenous:NoneLagLength:1(Fixed)t-StatisticAugmentedDickey-Fullerteststatistic-4.565419Testcriticalvalues:1%level-2.6471205%level-1.95291010%level-1.610011由此可见，在5%的显著性水平下，t检验值为-4.565419，小于相应的临界值，\n从而拒绝H0，表明残差序列不存在单位根，可以建立回归方程。六．多重共线性的检验及修正1）、计算各解释变量的相关系数：结果如下图所示XSMIX1.0000000.8161750.8004280.799044S0.8161751.0000000.9942100.989371M0.8004280.9942101.0000000.997760I0.7990440.9893710.9977601.000000由相关系数矩阵可知，各个解释变量相互之间的相关系数很高，证实确实存在严重的多重共线性2）、修正采用逐步回归的办法，去检验和解决多重共线性的问题，分别做Y对x、s、m、i的一元回归，整合每个变量的参数估计、t统计量、判定系数和修正后的判定系数，结果如下表所示：变量xsmi参数估计值42309-17201657524583t统计量8.41101.8641.46732.56R²0.70960.99710.98340.9733修正R²0.69960.99720.98250.9725其中，根据上表的数据可以看出来，加入s的方程的修正R²=0.9972为最大，以其为基础，顺次加入其他变量逐步回归，其分布结果如下DependentVariable:YMethod:LeastSquaresDate:12/13/13Time:10:13Sample:19812011Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C-841.5366749.2921-1.1231090.2709S2.4467990.020158121.37950.0000X1.6877710.15831410.660930.0000R-squared0.999449Meandependentvar110562.3AdjustedR-squared0.999410S.D.dependentvar126746.3S.E.ofregression3079.348Akaikeinfocriterion18.99459Sumsquaredresid2.66E+08Schwarzcriterion19.13336\nLoglikelihood-291.4161F-statistic25398.33Durbin-Watsonstat1.167033Prob(F-statistic)0.000000（加入变量X）DependentVariable:YMethod:LeastSquaresDate:12/13/13Time:10:14Sample:19812011Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C-3416.0672254.575-1.5151710.1409S2.8823240.23873412.073370.0000M-0.4448880.405939-1.0959470.2824R-squared0.997327Meandependentvar110562.3AdjustedR-squared0.997137S.D.dependentvar126746.3S.E.ofregression6782.282Akaikeinfocriterion20.57378Sumsquaredresid1.29E+09Schwarzcriterion20.71255Loglikelihood-315.8936F-statistic5224.540Durbin-Watsonstat0.599192Prob(F-statistic)0.000000（加入变量M）DependentVariable:YMethod:LeastSquaresDate:12/13/13Time:10:15Sample:19812011\nIncludedobservations:31VariableCoefficientStd.Errort-StatisticProb.C-3308.6382314.553-1.4294930.1639S2.7933730.17716915.766720.0000I-0.1026000.105065-0.9765380.3372R-squared0.997305Meandependentvar110562.3AdjustedR-squared0.997112S.D.dependentvar126746.3S.E.ofregression6811.205Akaikeinfocriterion20.58229Sumsquaredresid1.30E+09Schwarzcriterion20.72106Loglikelihood-316.0255F-statistic5180.145Durbin-Watsonstat0.586417Prob(F-statistic)0.000000（加入变量I）整合以上数据表中的修正判定系数以及t值，得出以下表格：变量变量xsmi修正R²s，x1.687771（10.66093）2.446799（121.3795）0.999410s，m2.882324（12.07337）-0.444888（-1.095947）0.997137s，i2.793373（15.76672）-0.102600（-0.976538）0.997112由以上数据可以看出，在添加了x后，修正的R²=0.999410，有相对较为明显的提高，改进最大，而且该解释变量的系数的t检验值（对应括号内的数值）显著，选择保留，再加入其它新变量逐步回归。结果如下表：变量变量xsmi修正R²\ns，X，m1.672639（10.26182）2.506404（21.64903）-0.099252(-0.523044)0.999394s，X，i1.67027(0.53479)2.53565（30.37628）-0.052170（-1.096694）0.999414由表可见，加入m后可决系数没有改进，而且E的t检验不显著。而加入i后，可决系数有所改进，但是i的t检验不显著。故最后修正严重多重共线性影响的回归结果如下：DependentVariable:YMethod:LeastSquaresDate:12/13/13Time:10:13Sample:19812011Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C-841.5366749.2921-1.1231090.2709S2.4467990.020158121.37950.0000X1.6877710.15831410.660930.0000R-squared0.999449Meandependentvar110562.3AdjustedR-squared0.999410S.D.dependentvar126746.3S.E.ofregression3079.348Akaikeinfocriterion18.99459Sumsquaredresid2.66E+08Schwarzcriterion19.13336Loglikelihood-291.4161F-statistic25398.33Durbin-Watsonstat1.167033Prob(F-statistic)0.000000Y=-841.536572+2.44679861*S+1.687771263*X+七．异方差的检验根据模型所选择的数据来看，可能会出现异方差，因此可以更具上述的回归的结果，做white分析，直接检验样本是否有异方差的存在，其结果如下HeteroskedasticityTest:White\nF-statistic1.969373    Prob.F(5,25)0.1184Obs*R-squared8.759835    Prob.Chi-Square(5)0.1190ScaledexplainedSS17.93349    Prob.Chi-Square(5)0.0030TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/16/13Time:17:50Sample:19812011Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.  C-8340911.6448723.-1.2934210.2077S1111.588443.22172.5079720.0190S^2-0.0050730.003190-1.5905510.1243S*X0.0168800.0529380.3188580.7525X-4993.5434342.449-1.1499370.2611X^20.0552420.2202810.2507770.8040R-squared0.282575    Meandependentvar8564732.AdjustedR-squared0.139090    S.D.dependentvar19504602S.E.ofregression18097387    Akaikeinfocriterion36.43242Sumsquaredresid8.19E+15    Schwarzcriterion36.70996Loglikelihood-558.7025    Hannan-Quinncriter.36.52289F-statistic1.969373    Durbin-Watsonstat2.085137Prob(F-statistic)0.118357由上表可以看出：怀特统计量nR2=0.282575*31=8.7598。查卡方分布表得知在5%的显著性水平下，自由度为5的χ2分布的临界值为χ20.05=11.07.因为8.7598<11.07，所以接受原假设，该模型没有异方差八．自相关的检验及其修正（1）、检验：根据表可以知道DW=1.167033，对此样本为31,2个解释变量模\n型。在5%的显著性水平下，查DW统计表可知dL=1.30，dU=1.57，由此可知dw=1.167033du=1.50.自相关已经消除。所以最终得到的模型为Y=-959.608942031+2.45546734323*S+1.63112329186*X（2.766447）（90.40725）（7.391776）九、结果评价综合以上的分析，原模型使用的是一个时间序列数据，经过对各组数据的单根检验结果可以看出所得的数据是平稳的时间序列。经过调整，将其改变为二阶单整，再经过对于残差的ADF检验得知，该组数据具有协整关系。但是原模型存在严重的多重共线性，这可以从变量相关性分析的相关系数表中看出，这是由于\n各个经济变量之间可能存在比较强的现实联系，因此通过逐步回归法对变量进行回归后我们剔除了那些对模型贡献较小的变量，基本解决多重共线问题。当然，本文中变量被剔除并不能说明其对GDP没有影响，当将任意两个或多个被剔除变量同GDP值回归后，我们发现其R-squared的值仍然明显高于0.9，这个已经很高的超出了本身所需要的数值。同时投资和GDP的增长关系成负相关，说明了投资和GDP有一定的反向作用，因此过高的固定资产投资会影响GDP的增长。另外，由于在凯恩斯的GDP计算中，投资不仅仅包括固定资产的投资，还包括了存货投资，对于投资对GDP的影响还需要进一步的去验证才能够得到更准确的信息，十、结论根据最终的模型，影响我国GDP增长最重要的因素是居民消费和净出口额，GDP同居民消费和净出口增加值呈正相关关系。这一结果符合一般经济学理论。具体来说，当其他变量保持不变的时候居民消费每增加一亿元将使GDP增加2.45546734323亿元；当其他变量保持不变的时候，净出口额每提高一亿元将使GDP增加1.63112329186亿元。从这一点来看，我国的经济增长属于消费拉动型，且净出口也对GDP起着较大的推动作用。因此，我们可以说，持续不断地拉动国内消费需求，刺激商品经济的发展，同时积极出口货物，争取贸易顺差，才是推动GDP不断前进的动力。参考文献：中华人民共和国统计局www.stats.gov.cnGDP影响因素的计量分析.www.cnki.net吉林大学经济学院.张金玲.2001.《宏观经济学》.中国人民大学出版社.高鸿业