最新对中国经济增长影响因素的实证分析文档格式.docx
《最新对中国经济增长影响因素的实证分析文档格式.docx》由会员分享,可在线阅读,更多相关《最新对中国经济增长影响因素的实证分析文档格式.docx(38页珍藏版)》请在冰点文库上搜索。
而且,就直观上来说,解释变量与被解释变量都是相关的,这三个解释变量都是经济増长的“良性”变量,它们的增长都对我国经济增长起着积极的推动作用.这一点可以作为模型经济意义检验的依据。
表1:
被解释变量与解释变量1980-20009数据
年份
国内生产总值(现价)/亿元
年末从业人员数/万人
全社会固定资产投资总额/亿元
居民消费价格指数(上年
=100)
1980
4545.623973
42361
910.9
107.5
1981
4889.461062
43725
961
102.5
1982
5330.450965
45295
1230.4
102
1983
5985.551568
46436
1430.1
1984
7243.751718
48197
1832.9
102.7
1985
9040.736581
49873
2543.2
109.3
1986
10274.37922
51282
3120.6
106.5
1987
12050.61513
52783
3791.7
107.3
1988
15036.82301
54334
4753.8
11&
8
1989
17000.91911
55329
4410.4
118
1990
18718.32238
56909
4517
103.1
1991
21826.19941
58360
5594.5
103.4
1992
26937.27645
59432
8080.1
106.4
1993
35260.02471
60220
13072.3
114.7
1994
48108.45644
61470
17042.1
124.1
1995
59810.52921
67947
20019.3
117.1
1996
70142.49165
68850
22913.5
108.3
1997
78060.835
69600
24941.1
102.8
1998
83024.27977
69957
28406.2
99.2
1999
88479.15475
70586
29854.7
98.6
2000
98000.45431
72085
32917.7
100.4
2001
108068.2206
73025
37213.5
100.7
2002
119095.6893
73740
43499.9
2003
135173.9761
74432
55566.6
101.2
2004
159586.7479
75200
70477.4
103.9
2005
185808.559
75825
88773.6
101.8
2006
217522.6698
76400
109998.2
101.5
2007
267763.6588
76990
137323.9
104.8
2008
316228.8248
77480
172828.4
105.9
2009
343464.6903
77995
224598.8
99.3
资料来源:
《中国统计年鉴》。
首先,检查被解释变量和解释变量之间的线性关系是否成立。
观察被解释变量与解释变量之间的散点图。
图1:
被解释变量Y与解释变量£
的散点图
由图中趋势线可以判断,被解释变量Y与解释变量£
之间基本呈线性关系。
图2:
被解释变咼Y与解释变量X.的散点图
由图中趋势线可以判断,被解释变量Y与解释变量X]之间基本呈线性关系。
Y
图3:
被解释变量Y与解释变量Xj的散点图
由图中趋势线可以判断,被解释变量Y与解释变量X3之间基本呈线性关系。
再通过变量之间的相关系数判断。
表2:
被解释变量与解释变量相关系数表
CovarianceAnalysis:
Ordinary
Date:
1/7/15Time:
13:
05
Sample:
19802009
Includedobservations:
30
Covariance
Correlation
X1
X2
X3
8.85E+09
1.000000
8.91E+08
1.33E+08
0.820679
5.05E+09
0.981058
4.52E+08
0.717394
2.99E+09
・197583.1
-0.325058
-20469.67
-0.274607
・102814.7
-0.291137
41.73889
看到被解释变量Y与解释变量X-X2,兀之间具有较高的相关性。
通过散点图和相关系数表的判断,可以判断被解释变量和解释变量之间具有明显的相关线性关系。
同时通过被解释变量与解释变量的相关图形分析,设置理论模型为:
y=P\+卩+03X2+"
4X3+“
2.2建立初始模型一LS
2.2.1使用OLS法进行参数估计
表3:
普通最小二乘法参数估计输出结果
DependentVariable:
Y
Method:
LeastSquares
14:
23
Coefficient
Std.Errort-Statistic
Prob.
1.934840
0.2159908.957997
0.0000
1.382559
0.04582330.17169
-379.2654
280.8999-1.350180
0.1886
C
-49822.31
33676.59-1.479434
0.1510
R-squared
0.991233
Meandependentvar
85749.31
AdjustedR-squared
0.990221
S.D.dependentvar
95692.85
S.E.ofregression
9462.951
Akaikeinfocriterion
21.27172
Sumsquaredresid
2.33E+09
Schwarzcriterion
21.45855
Loglikelihood
・315.0758
Hannan-Quinncriter.
21.33149
F-statistic
979.8468
Durbin-Watsonstat
1.178143
Prob(F-statistic)
0.000000
得到初始模型为:
y=-49822.31+1.934840X】+1.382559X2一379.2654X3
2.2.2对初始模型进行检验
要对建立的初始模型进行包括经济意义检验、统计检验、计量经济学检
验、预测检验在内的四级检验。
(1)经济意义检验
解释变量的系数分别为A二1.934840、伙二1382559。
两个解释变量系数均为正,符合被解释变量与解释变量之间的正相关关系,符合解释变量增长带动被解释变量增长的经济实际,民二379.2654,符合被解释变量与解释变量之间的负相关关系。
与现实经济意义相符,所以模型通过经济意义检验。
(2)统计检验
1拟合优度检验:
R’检验,R-squared=0.991233;
AdjustedR-
squared二0.990221;
可见拟合优度很高,接近于1,方程拟和得很好。
2变量的显著性检验:
t检验,
表4:
模型系数显著性检验,t检验结果
Std.Error
t-Statistic
0.215990
8.957997
0.045823
30.17169
280.8999
-1.350180
33676.59
-1.479434
从检验结果表中看到,包括常数项在内的所有解释变量系数的t检验的伴随概率均小于5%,所以,在5%的显著水平下&
、X2SX3的系数显著不为零,通过显著性检验,常数项也通过显著性检验,保留在模型之中。
@方程的显著性检验:
F检验,方程总体显著性检验的伴随概率小于
0.00000,在熬显著水平下方程显著成立,具有经济意义。
(3)计量经济学检验:
方程通过经济意义检验和统计检验,下面进行居于计量经济学模型检验核心的计量经济学检验。
①]进行异方差性检验:
首先用图示法对模型的异方差性进行一个大致的判断。
令X轴为方程被解释变量,Y轴为方程的残差项,做带有回归线的散点图。
.000.000.000「
800,000.000-
cxj
LD
600,000.000-
400,000.000-
图4:
初始模型的异方差性检验散点图
图5:
图6:
通过图形看到,回归线向上倾斜,大致判断存在异方差性,但是,图示法
并不准确,下面使用White异方差检验法进行检验,分别选择不带有交叉项和
带有交叉项的White异方差检验法。
得到下面的检验结果:
表5:
不带有交叉项的White异方差检验结果
HeteroskedasticityTest:
White
TestEquation:
RESIDA2Method:
17:
53
1.51E+08
1.08E+08
1.398492
0.1738
X1A2
-0.029775
0.009593
-3.103868
0.0046
X2A2
0.017419
0.001245
13.98776
X3A2
-2715.996
8243.375
-0.329476
0.7444
0.897150
Meandependentvar
77607780
0.885283
S.D・dependentvar
1.80E+08
61075426
38.81668
9.70E+16
Schwarzcriterion
39.00351
-578.2502Hannan-Quinnenter.
75.59849Durbin-Watsonstat
表6:
带有交叉项的White异方差检验结果
54
Ineludedobservations:
-2.08E+09
4.06E+09
-0.512912
0.6136
-34576.99
39720.32
-0.870512
0.3943
0.189719
0.224091
0.846615
0.4072
xrX2
-0.297299
0.442472
-0.671906
0.5093
xrx3
127.5161
329.2824
0.387254
0.7027
29147.14
35662.29
0.817310
0.4234
0.033135
0.007760
4.270053
0.0004
X2-X3
-97.11637
96.87489
-1.002493
0.3281
55473498
68538734
0.809374
0.4278
-283697.5
290382.6
-0.976978
0.3403
0.937930
0.909998
S・E.ofregression
54097636
38.71168
5.85E+16
39.17875
-570.6752
38.86110
33.57944
2.262413
使用White检验法不论是否带有交叉项,所得的检验伴随概率均小于5%,均在5%的显著水平下拒绝方程不存在异方差性的原假设,认为模型具有比较严重的异方差性。
需要对模型进行修正。
②多重共线性检验:
用逐步回归法检验如下
以Y为被解释变量,逐个引入解释变量召、X-X3)构成回归模型,进
行模型估计。
表7:
被解释变量Y与£
最小二乘估计结果
18:
32
Prob
6.692086
0.8805267.600101
-334986.1
56283.70-5.951743
0.673513
0.661853
55645.78
24.75574
8.67E+10
24.84915
-369.3361
24.78562
57.76153
0.096883
表8:
被解释变量Y与X?
YMethod:
LeastSquaresDate:
34Sample:
1.688594
0.06301126.79831
19746.45
4234.3284.663420
0.0001
0.962474
0.961134
S.E.ofregression
18865.38
22.59239
9.97E+09
22.68580
-336.8858
Hannan-Quinncriter.
22.62227
718.1495
0.402624
表9:
被解释变量Y与X,最小二乘估计结果
36
・4733.789
2602.669-1.818821
0.0797
586426.4
275788.72.126361
0.0424
0.105663
0.073722
S.D.dependentvar
92097.98
25.76343
2.37E+11
25.85685
-384.4515
Hannan-Quinncriter.
25.79332
3.308109
0.120717
0.079650
由图可以看出,Y与兀的拟合优度是最大的,R・squared』.962474。
再做Y与&
和X?
的回归模型。
表10:
被解释变量Y与X】和X?
的最小二乘估计结果
47Sample:
1.963607
0.2181888.99961