影响GDP增长的经济因素分析.docx
《影响GDP增长的经济因素分析.docx》由会员分享,可在线阅读,更多相关《影响GDP增长的经济因素分析.docx(18页珍藏版)》请在冰点文库上搜索。
影响GDP增长的经济因素分析
影响GDP增长的经济因素分析
国际经济与贸易钟颀40502049
1978年十一届三中全会以后,在邓小平总设计师的指引下,中国开始了改革开放。
改革开放的三十年中,我国GDP逐年增长,经济发展速度令世界瞩目。
为更好的了解我国经济增长的原因,现对影响我国GDP增长的经济因素进行了分析。
下表提供了我国1978——2005年的GDP及其主要影响因素的数据。
其中Y=GDP(亿元);X1=能源消费总量(万吨标准煤);X2=就业人员(万人);X3=居民消费水平(元);X4=农业总产值(亿元);X5=社会消费品零售总额(亿元);X6=进出口贸易总额(亿元)
Obs
X1
X2
X3
X4
X5
X6
Y
1978
57144
40152
184
1397
1558.6
355
3645.2175
1979
58588
41024
208
1697.6
1800
454.6
4062.5792
1980
60275
42361
238
1922.6
2140
570
4545.624
1981
59447
43725
264
2180.62
2350
735.3
4889.4611
1982
62067
45295
288
2483.26
2570
771.3
5330.451
1983
66040
46436
316
2750
2849.4
860.1
5985.5516
1984
70904
48197
361
3214.13
3376.4
1201
7243.7517
1985
76682
49873
446
3619.49
4305
2066.7
9040.7366
1986
80850
51282
497
4013.01
4950
2850.4
10274.379
1987
86632
52783
565
4675.7
5820
3084.2
12050.615
1988
92997
54334
714
5865.27
7440
3822
15036.823
1989
96934
55329
788
6534.73
8101.4
4156
17000.919
1990
98703
64749
833
7662.09
8300.1
5560.1
18718.322
1991
103783
65491
932
8157.03
9415.6
7225.8
21826.199
1992
109170
66152
1116
9084.7
10993.7
9119.6
26937.276
1993
115993
66808
1393
10995.5
14270.4
11271
35260.025
1994
122737
67455
1833
15750.5
18622.9
20381.9
48108.456
1995
131176
68065
2355
20340.9
23613.8
23499.9
59810.529
1996
138948
68950
2789
22353.7
28360.2
24133.8
70142.492
1997
137798
69820
3002
23788.4
31252.9
26967.2
77653.135
1998
132214
70637
3159
24541.9
33378.1
26849.7
83024.28
1999
133830.97
71394
3346
24519.1
35647.9
29896.2
88188.955
2000
138552.58
72085
3632
32917.93
39105.7
39273.2
98000.454
2001
143199.21
73025
3869
37213.49
43055.4
42183.6
108068.22
2002
151797.25
73740
4106
43499.91
48135.9
51378.2
119095.69
2003
174990.3
74432
4411
29691.8
52516.3
70483.5
135174
2004
203226.7
75200
4925
36238.99
59501
95539.1
159586.7
2005
223319
75825
5439
39450.89
67176.6
116921.8
183956.1
现估计模型为Y=c+A1*X1+A2*X2+A3*X3+A4*X4+A5*X5+A6*X6+U
一、平衡性检验和协整检验
将被解释变量Y与解释变量X1、X2、X3、X4、X5、X6进行多元回归,可以得出残差序列e,通过残差序列的线性图形(表1.1):
由图可知,残差序列是有截距无明显趋势的时间序列。
因此选择模型2进行单位根检验,结果如下(表1.2):
NullHypothesis:
Ehasaunitroot
Exogenous:
Constant
LagLength:
0(AutomaticbasedonSIC,MAXLAG=6)
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.149281
0.0347
Testcriticalvalues:
1%level
-3.699871
5%level
-2.976263
10%level
-2.627420
*MacKinnon(1996)one-sidedp-values.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(E)
Method:
LeastSquares
Date:
12/17/07Time:
22:
15
Sample(adjusted):
19792005
Includedobservations:
27afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
E(-1)
-0.534039
0.169575
-3.149281
0.0042
C
-29.52296
117.8645
-0.250482
0.8043
R-squared
0.284036
Meandependentvar
-18.20297
AdjustedR-squared
0.255398
S.D.dependentvar
709.4155
S.E.ofregression
612.1570
Akaikeinfocriterion
15.74304
Sumsquaredresid
9368406.
Schwarzcriterion
15.83903
Loglikelihood
-210.5311
F-statistic
9.917968
Durbin-Watsonstat
1.880914
Prob(F-statistic)
0.004207
由上面的结果可以看出,残差序列e在显著性水平为0.05的条件下,没有通过显著性检验,即e平稳,因此可以得出原模型协整,可以进行下面的回归。
二、多重共线性检验
1、检验:
利用OLS对以上参数进行估计,结果如下(表2.1.1):
DependentVariable:
Y
Method:
LeastSquares
Date:
12/11/07Time:
20:
56
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
526.0417
1206.635
0.435957
0.6673
X1
-0.068108
0.027789
-2.450889
0.0231
X2
0.060175
0.054780
1.098501
0.2844
X3
12.91381
1.869650
6.907075
0.0000
X4
-0.040553
0.054016
-0.750771
0.4611
X5
0.989014
0.196857
5.024023
0.0001
X6
0.499221
0.044154
11.30638
0.0000
R-squared
0.999887
Meandependentvar
51166.32
AdjustedR-squared
0.999855
S.D.dependentvar
52735.89
S.E.ofregression
635.9707
Akaikeinfocriterion
15.96050
Sumsquaredresid
8493633.
Schwarzcriterion
16.29355
Loglikelihood
-216.4470
F-statistic
30938.68
Durbin-Watsonstat
1.728146
Prob(F-statistic)
0.000000
结果分析:
可决系数为0.999855,F统计量为30938.68,通过F检验,表明模型拟合优度较好。
对于A1、A2、A3、A4、A5、A6,X2和X4的T统计量均小于临界值T0.025(21)=0.435957,
而X1和X4的系数为负,与经济意义和实际情况不符。
因此,可初步认为此模型存在严重的多重共线性。
六个解释变量的如下简单相关系数矩阵(表2.1.2):
X1
X2
X3
X4
X5
X6
X1
1
0.908488758726575
0.959220601016032
0.912159453791975
0.961556361286805
0.937316682829166
X2
0.908488758726575
1
0.875303150115327
0.870880188510463
0.849479427175485
0.729465723394794
X3
0.959220601016032
0.875303150115327
1
0.976677694210814
0.996088474364797
0.926876994823225
X4
0.912159453791975
0.870880188510463
0.976677694210814
1
0.967629641450431
0.867243928971564
X5
0.961556361286805
0.849479427175485
0.996088474364797
0.967629641450431
1
0.953292642725825
X6
0.937316682829166
0.729465723394794
0.926876994823225
0.867243928971564
0.953292642725825
1
从上表可以看出,各解释变量之间存在高度线性相关。
同时由表1.2又可看出,尽管整体上线性回归拟合较好,但X2,X4变量的参数T值并不显著,表明模型中解释变量确实存在严重的多重共线性。
2、修正:
⑴运用OLS方法逐一求出Y对各个解释变量的回归,结果如下(表2.2.1):
变量
x1
x2
x3
x4
x5
x6
参数估计值
1.158085
3.612649
31.22369
3.694234
2.648495
1.704013
t统计量
18.44535
7.758008
39.25138
16.81336
96.49946
19.28887
R^
(2)
0.929007
0.698329
0.983404
0.915773
0.997216
0.934683
 ̄R^
(2)
0.926276
0.686727
0.982766
0.912533
0.997109
0.932171
综合分析可见,在六个一元回归模型中,加入X5的方程 ̄R^
(2)最大,以X5为基础,顺次加入其他变量逐步回归,结果如表(表2.2.2):
x1
x2
x3
x4
x5
x6
 ̄R^
(2)
x5x1
0.057886
2.525631
0.997182
(+1.294999)
(+25.59707)
x5x2
-0.196213
2.750751
0.997612
(-2.546525)
(+58.19202)
x5x3
-12.23262
3.674864
0.998266
(-4.283421)
(+15.27659)
x5x4
-0.564964
3.024076
0.998466
(-4.900573)
(+38.18075)
x5x6
2.237638
0.286418
0.999595
(+65.79107)
(-12.67189)
经比较,新加入X6的方程 ̄R^
(2)=0.999595,改进最大,而且各参数t值显著,选择保留X6,再加入其它新变量逐步回归,结果如下(表2.2.3):
x1
x2
x3
x4
x5
x6
 ̄R^
(2)
x5x6x1
0.004651
2.229984
0.284872
0.999579
(+0.260774)
(+49.09533)
(+11.97611)
x5x6x2
0.008742
2.22858
0.289556
0.999579
(+0.233341)
(+42.81782)
10.85269
x5x6x3
9.495286
1.251341
0.418594
0.9998
(+5.152867)
(+6.487128)
(+13.87153)
x5x6x4
-0.044946
2.285325
0.274004
0.999583
(-0.51554)
(+23.14678)
(+8.238447)
在X5、X6基础上加入X3后的方程 ̄R^
(2)明显增大,而且各参数t值显著。
加入X1、X2后,虽然 ̄R^
(2)有所上升,但参数检验不显著;加入X4后,不仅t检验不显著,X4的符号不合理。
所以选择保留X3,继续逐步回归,结果如下(表2.2.4):
x1
x2
x3
x4
x5
x6
 ̄R^
(2)
x5x6x3x1
-0.040338
15.43851
0.984922
0.476601
0.999858
(-3.302717)
(+6.944039)
(+5.434718)
(+15.43851)
x5x6x3x2
-0.060054
11.34664
1.121261
0.422805
0.999829
(-2.269412)
6.013285
(+5.992658)
(+15.1407)
x5x6x3x4
9.458897
-0.010846
1.266628
0.415092
0.999791
(+4.997874)
(-0.174824)
(+5.878828)
(+11.29637)
加入X1、X2、X4后,不仅参数t值不再全部显著,参数符号也不合理。
因此,X1、X2、X4引起严重多重共线性,应予以剔除。
剩下的变量为X3、X5、X6,修定模型为:
Y=C+A3*X3+A5*X5+A6*X6+U,最后修正严重多重共线性影响的回归结果为(表2.2.5):
DependentVariable:
Y
Method:
LeastSquares
Date:
12/17/07Time:
19:
38
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1264.654
249.9107
-5.060423
0.0000
X3
9.495286
1.842719
5.152867
0.0000
X5
1.251341
0.192896
6.487128
0.0000
X6
0.418594
0.030176
13.87153
0.0000
R-squared
0.999822
Meandependentvar
51166.32
AdjustedR-squared
0.999800
S.D.dependentvar
52735.89
S.E.ofregression
746.4204
Akaikeinfocriterion
16.20002
Sumsquaredresid
13371443
Schwarzcriterion
16.39033
Loglikelihood
-222.8003
F-statistic
44917.00
Durbin-Watsonstat
0.979249
Prob(F-statistic)
0.000000
根据回归结果,得回归模型:
Y=-1264.654+9.495286X3+1.251341X5+0.418594X6
t=(-5.060423)(5.152867)(6.487128)(13.87153)
R^
(2)=0.999822 ̄R^
(2)=0.999800F=44917.00DW=0.979249
三、异方差性检验
1、White检验:
表(3.1)
WhiteHeteroskedasticityTest:
F-statistic
0.980384
Prob.F(9,18)
0.487547
Obs*R-squared
9.210473
Prob.Chi-Square(9)
0.418077
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/17/07Time:
19:
57
Sample:
19782005
Includedobservations:
28
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1037033.
794984.1
1.304470
0.2085
X3
-21662.41
13609.43
-1.591721
0.1289
X3^2
11.37727
16.26190
0.699627
0.4931
X3*X5
-1.636288
2.998311
-0.545737
0.5919
X3*X6
0.031932
0.496971
0.064253
0.9495
X5
2129.305
1179.704
1.804949
0.0878
X5^2
0.052810
0.144288
0.366005
0.7186
X5*X6
-0.005026
0.048723
-0.103159
0.9190
X6
-80.84421
234.4271
-0.344859
0.7342
X6^2
0.001873
0.004435
0.422358
0.6778
R-squared
0.328945
Meandependentvar
477551.5
AdjustedR-squared
-0.006582
S.D.dependentvar
498819.6
S.E.ofregression
500458.4
Akaikeinfocriterion
29.35689
Sumsquaredresid
4.51E+12
Schwarzcriterion
29.83268
Loglikelihood
-400.9965
F-statistic
0.980384
Durbin-Watsonstat
2.169849
Prob(F-statistic)
0.487547