最新影响GDP变化的因素分析.docx

最新影响GDP变化的因素分析.docx

《最新影响GDP变化的因素分析.docx》由会员分享，可在线阅读，更多相关《最新影响GDP变化的因素分析.docx（31页珍藏版）》请在冰点文库上搜索。

最新影响GDP变化的因素分析

影响GDP变化的因素分析

影响GDP变化的因素分析

金融1班：

李立鹏（11083027）李铭杰（11083126）

一、问题的提出

摘要：

随着改革开放的逐步深入和社会主义市场经济日益发展，各城区GDP连年攀升，地区GDP反映的是一个地区的综合经济发展水平，其中园林绿化面积、城市建成区面积、基本建设财政支出都有可能影响GDP的变化。

本文主要通过对2011年期各省的GDP和园林绿化面积、城市建成区面积、基本建设财政支出的变动数据进行分析，建立以2011年各省的GDP为被解释变量，以基本建设财政支出、城市建成区面积、城市园林绿地面积各值为解释变量的多元线性回归模型，从而找出这三个解释变量和GDP间的发展关系，并就此对如何增加GDP、促进产业经济的发展提出一些建议。

二、理论综述

GDP 的增长对于一个国家有着十分重要的意义，它衡量一国在过去的一年里所创造的劳动成果，而研究它的影响因素不仅可以很好的了解GDP的经济内涵，而且还有利于我们根据这些因素对GDP影响大小来制定工作的重点以更好的促进国民经济的发展。

三、数据来源

本文所收集的数据来源于《中国统计年鉴2011》和国家统计局

（一）计量经济模型的建立

建立线性回归模型：

Y=

+

X1+

X2+

X3+

以Y表示各省的GDP，X1，X2，X3分别表示基本建设财政支出、城市建成区面积和城市园林绿地面积，

表示随机干扰项。

（二）模型的估计与检验

1、最小二乘估计

建立Eviewsnewworkfile

启动Eviews,点击File/New/workfile建立workfile，在”Workfilestructuretype”中选择”Unstructured”,并在”Observations”中输入”31”.,点击OK.

在命令窗口输入：

“datayx1x2x3”回车，出现“Group”窗口，复制输入数据，如下图所示：

模型的参数估计，用OLS方法估计得：

可见模型参数估计建立的回归方程为：

Y=—3680.981+2.950740X1+8.056911X2+0.004731X3

t=（-2.153265）（2.843810）（4.532902）（0.267483）

=0.943236

=0.936929F=149.5521D.W=1.785761

2、拟合度检验

由

=0.943236

=0.936929两个值都接近于1，说明模型的拟合优度,好。

即3个解释变量的变化对GDP变化的解释程度很大，线性影响较强。

3、方程显著性检验——F检验

给定显著性水平α=0.05，在自由度为（3，31-3-1）即（3,27）下，由截图可知道，F统计量值为F=149.5521，查F分布表得F0.05（3,27）=2.96

4、变量显著性检验——T检验

给定显著性水平α=0.05，查t分布表得自由度为31-3-1=27，临界值

（27）=2.052，X1和X2对应的P值均小于0.05,可知X1X2都通过了t检验，但X3对应的P值大于0.05,即X3没有通过t检验，表明模型中X3在95%的置信水平下T值不显著，修正系数不高。

故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。

四、模型的异方差性检验

用怀特检验法进行检验

点击OLS回归结果Equation窗口的View→ResidualTests→HeteroskedastcityTestsWhite,在弹出窗口的Testtype中选定White,Ok,如图：

结果如下图：

由截图可见Obs*R-squared所相应的P值为0.0514>0.05,所以接受怀特检验的原假设，认为原方程序列不存在异方差，因此不需要做出修正。

五、模型的序列相关性

序列相关性的检验

D.W检验

对原始模型进行OLS回归，结果如下：

可见，D.W.=1.785761,在0.05显著性水平下，n=31,k=3,查D.W.表得dL=1.30，dU=1.57，根据模型的自相关状态：

du

拉格朗日乘数检验（LM）

在OLS回归结果窗口，点击View→ResidualTests→SerialCorrelationLMTest,在弹出窗口输入“1”,如图

按OK，结果如下图所示：

由图可见Obs*R-squared相应的P值为0.6286大于0.05，说明模型不存在1阶序列相关性。

再验证模型是否存在2阶序列相关性，如下：

由图可见Obs*R-squared相应的P值为0.7166大于0.05，说明模型不存在2阶序列相关性。

因此，说明该模型拟合效果较好，所有变量都通过了t检验，方程也通过了F检验，而且dU=1.57

六、随机解释变量检验：

逐一检验X1X2X3是否存在内生性。

导入上一年基本建设财政支出的数据命名为z。

1．首先检验x1的内生性：

导入上一年基本建设财政支出的数据并命名为z。

将X1作为被解释变量，X2X3z作为解释变量，作回归。

生成残差序列，命名为e

加入残差作回归。

由图可知残差序列E对应的P指小于0.05，因此x1有内生性，是内生变量。

由于X1存在内生性，所以运用工具变量法进行修正

得出以下结果：

X1的内生性得到修正

2.检验x2的内生性：

导入上一年的城市建成区面积数据并命名为a，x2作为被解释变量，x1x3a作为解释变量，作回归。

再生成残差序列，命名为e2.

加入残差作回归。

由图可知残差序列E2对应的P指大于0.05，因此X2无内生性，是外生变量。

3.检验X3的内生性：

导入上一年城市园林绿地面积的数据并命名为b。

将x3作为被解释变量，x1x2b作为解释变量，作回归。

得出残差序列，并命名为e3.

加入残差作回归。

由图可知残差序列E3对应的P指大于0.05，因此X3无内生性，是外生变量。

七、模型的多重共线性

多重共线性的检验

检验简单相关系数如下图：

点击Quick→GroupStatistics→Correlations,在弹出框中输入”x1x2x3”,按OK得到下图：

由相关系数矩阵表可以得知，表中数据X1与X2的r=0.912385，X2与X3的r=0.899777，X1与X3的r=0.832822，三个值都非常接近于1，因此说明模型具有很强的共线性。

下面就要对此模型进行多重共线性的修正。

运用逐步回归方法进行修正

点击Quick→EstimateEquation,在弹出窗口下方的Method对应下拉列表中选

择STEPLS,然后按如下要求输入

点击确定后，得到以下结果：

可见，

=0.943086，代表模型的拟合优度较高，模型结果剔除了共线性高的解释变量X3，而X1与X2对应t检验的p值分别为0.0000和0.0069，均小于0.05，即都通过了t检验。

F检验所对应的p值小于0.05，因此拒绝原假设，通过了显著性检验，整体模型有意义。

即得到最后的模型为：

Y=-3806.881+2.969199X1+8.350506X2

T=-2.3558372.9167156.074628

=0.943086

=0.939021DW=1.788833F=231.9848

八、新模型的再次检验：

1、异方差检验

得出以下结果：

由图可见Obs*R-squared相应的P值为0.0614大于0.05，所以接受同方差性的原假设，模型不存在异方差性。

2、序列相关检验

可见，D.W.=1.788833，在0.05显著性水平下，n=31,k=2查D.W.表得dL=1.36，dU=1.50，由于4-dU=2.50，du

再进行拉格朗日乘数检验（LM）

在OLS回归结果窗口，点击View→ResidualTests→SerialCorrelationLMTest,在弹出窗口输入“1”,如图：

按OK，结果如下图所示：

由图可见Obs*R-squared相应的P值为0.6431大于0.05，说明模型不存在序列相关性。

再验证模型是否存在2阶序列相关性

结果如下：

由图可见Obs*R-squared相应的P值为0.8078大于0.05，说明模型不存在序列相关性。

因此，说明该模型拟合效果较好，所有变量都通过了t检验，方程也通过了F检验，而且dU=1.50

此时，所有参数的t值都已经比较显著，且F值也有了一定的增加，故不再删除变量，选择此模型为修正后的模型。

可见经过异方差性、序列相关性以及多重共线性检验，可以得出最后的模型为

Y=—3806.881+2.969199X1+8.350506X2

t=（-2.355837）（2.916715）（6.074628）

=0.943086

=0.939021F=231.9848

九、预测：

导入数据：

Y为GDP，X1为基本建设财政支出，X2为城市建成区面积。

样本数据为31，则导入32个数据。

假定X1为基本建设财政支出的第32个数据为1000，X2为城市建成区面积第32个数据为2000.

作回归，预测。

由以上的预测可以得出，若某地区某年的基本建设财政支出为1000万元，城市建成区面积为2000平方公里，那么该地区该年的GDP为15863.11亿元。

经济意义：

在城市建成区面积不变的情况下，某地区基本建设财政支出每增加1亿元，GDP增加2.969199亿元，在基本建设财政支出不变的情况下，某地区城市建成区面积每增加1平方公里，GDP增加8.350506亿元。

十、结论

从模型方程中可看出：

城市园林绿化面积与GDP关联不紧密，而基本建设的财政支出及城市建成区面积更为直接的影响了GDP。

具体来说，其中城市建成区面积对GDP影响最大，城市建成区面积每增加一个单位，GDP平均增加8.350506个单位，可见城市建成区面对GDP影响是非常显著的；而基本建设的财政支出对GDP影响相对较少，但仍然有很大贡献。

城市园林绿化面积与GDP关联不大。

因此，要想提高对GDP的增长，应提高城市建设的规模，合理扩大城市建成区面积；同时要充分认识到基本建设是国民经济运行的重要环节,是提高GDP,扩大社会生产规模、推进技术进步、增强综合国力的重要手段。

两者都不可忽略。

当然影响GDP的因素还有很多很多，所以在这次研究范围外的其他因素也不容忽视。

综上所述，我们采用截面数据拟合的模型能成功的反映GDP与所研究解释变量之间的数量关系，是一个成功的模型。

十一、政策建议

1.合理配置基本建设支出，调整基本建设支出结构，加大对国民经济及基础作用的基础设施建设的投资。

2.有效控制基本建设投资规模，保持经济稳定。

3.合理扩大城市建成区面积，提高城市规模质量，提高城市化，促进GDP的增长。

4.政府应该制定可行性发展规划，协调城市园林建设与国家经济建设的关系，从而也使绿化产业也可以为提高GDP做贡献。

参考文献：

1．《中国统计年鉴》

2.顾俊杰《中国基本建设支出和GDP之间关系的调整分析》

3.张明旭《中国建成区面积与国内生产总值之间的关系分析》