對我國GDP影響因素的分析報告

1、 . . . 對我國GDP影響因素的分析摘要：運用1987-2012年我國城鎮(zhèn)、農(nóng)村人均收入，恩格爾系數(shù)以與就業(yè)人數(shù)的數(shù)據(jù)，先對GDP進行繪制相關(guān)圖，單位根檢驗，在建立了古典線性回歸模型，通過OLS回歸、多重共線性分析、懷特異方差檢驗、對變量進行單位根檢驗、Johansen協(xié)整檢驗、RESET檢驗、Chow穩(wěn)定性檢驗等實證分析了城鎮(zhèn)、農(nóng)村人均收入、恩格爾系數(shù)以與就業(yè)人數(shù)對我國GDP影響。通過這一系列統(tǒng)計分析和檢驗方法，擬合出比較優(yōu)良的GDP模型，得出1987-2012年間我國經(jīng)濟增長的情況。由此來分析所選取的這四個變量對GDP的貢獻情況，結(jié)合當(dāng)前我國宏觀經(jīng)濟形勢，找出目前經(jīng)濟發(fā)展存在的問題，從

2、而找出相應(yīng)的對策。關(guān)鍵詞：GDP 恩格爾系數(shù) 影響因素 回歸分析一、 引言許多專家學(xué)者指出，我國目前的經(jīng)濟形勢是上世紀(jì)90年代中期以來最好的。由此可見，GDP作為現(xiàn)代國民經(jīng)濟核算體系的核心指標(biāo)，它的總量可以反映一個國家和地區(qū)的經(jīng)濟發(fā)展與人民的生活水平，其結(jié)構(gòu)可反映社會生產(chǎn)與使用，投資與消費之間的比例關(guān)系與宏觀經(jīng)濟效益，對于經(jīng)濟研究、經(jīng)濟管理都具有十分重要的意義。尤其從1985年我國開始正式統(tǒng)計GDP后，它就越來越受到人們的關(guān)注。GDP的核算中有許多因素在起著作用，為此，本文對國生產(chǎn)總值GDP的影響因素作計量模型的實證分析，以期分析各影響因素對經(jīng)濟增長的貢獻情況，結(jié)合我國當(dāng)前的宏觀經(jīng)濟形勢，對國

3、家宏觀經(jīng)濟政策提出自己的看法。二、建模分析1、數(shù)據(jù)收集整理從中國統(tǒng)計年鑒得到我國1987-2012年國生產(chǎn)總值GDP、我國城鎮(zhèn)、農(nóng)村人均收入，恩格爾系數(shù)以與就業(yè)人數(shù)的統(tǒng)計數(shù)據(jù)，圖1所示。數(shù)據(jù)收集（數(shù)據(jù)來自中國統(tǒng)計年鑒中國國家統(tǒng)計局 圖1數(shù)據(jù)匯總整理，其中：gdp：國生產(chǎn)總值，tc：城鎮(zhèn)居民人均收入， cc：農(nóng)村居民人均收入， te：城鎮(zhèn)居民恩格爾系數(shù)， ce：農(nóng)村居民恩格爾系數(shù)，tw：城鎮(zhèn)居民就業(yè)人數(shù)，cw：農(nóng)村居民就業(yè)人數(shù)。數(shù)據(jù)匯總整理如圖2所示：圖2（變量數(shù)據(jù)）2、對GDP影響因素的分析過程利用Eviews6.0和我國1987-2012年我國城鎮(zhèn)、農(nóng)村人均收入，恩格爾系數(shù)以與就業(yè)人數(shù)的數(shù)據(jù)

4、建立古典線性回歸模型，通過OLS回歸、多重共線性分析、懷特異方差檢驗、對變量進行單位根檢驗、Johansen協(xié)整檢驗、RESET檢驗、Chow穩(wěn)定性檢驗等實證分析了城鎮(zhèn)、農(nóng)村人均收入、恩格爾系數(shù)以與就業(yè)人數(shù)對我國GDP影響。（1） 繪變量變化折線圖圖3（序列折線圖）（2） GDP相關(guān)圖圖4（GDP序列相關(guān)圖）圖4相關(guān)圖用于顯示序列GDP與其滯后序列之間的相關(guān)關(guān)系。Autocorrelation 部分是相關(guān)圖， Partial Correlation部分是偏相關(guān)圖，自然序數(shù)列表示的是滯后期期數(shù)，AC 是估計的自相關(guān)系數(shù)值， PAC 是估計的偏相關(guān)系數(shù)值，Q-Stat表示的是Q統(tǒng)計量的值

5、，Prob是Q統(tǒng)計量的伴隨概率。P值大于檢驗水平，則表示序列是非自相關(guān)的?？梢钥闯龃屋斎虢Y(jié)果中，P值均小于0.05，表明在0.05的檢驗水平下，此序列存在自相關(guān)。3 單位根檢驗圖5（GDP序列ADF單位根檢驗結(jié)果）單位根檢驗用于檢查時間序列的平穩(wěn)性。圖5中的是GDP序列進行ADF方法下的單位根檢驗?？梢钥吹綑z驗的伴隨概率為接近于1，遠遠大于檢驗水平0.05，所以接受原假設(shè)H0認(rèn)為：如果檢驗式設(shè)定正確則該GDP序列存在單位根。此時GDP為隨機游走，是不穩(wěn)定的。T-staistic欄的值與下面的1%、5%、10%水平的絕對值分別比較，在1%、5%、10%水平下的絕對值分別為3.752946、2.9

6、98064、2.638752均大于了T的值2.646407，則表示應(yīng)當(dāng)接受原假設(shè)，即原序列具有單位根，是非平穩(wěn)序列。而prob欄，顯示的信息是接受原假設(shè)的把握程度或是拒絕原假設(shè)犯錯的概率，此處，是1，表示有100%的把握接受原假設(shè)，即原序列具有單位根，是非平穩(wěn)的。3 OLS模型回歸圖6（OLS估計1）回歸結(jié)果分析：通過圖6表可以看出，模型回歸方程形式為:模型回歸結(jié)果為：從系數(shù)的顯著性來看，prob.值除常數(shù)項C和TE外，其它都小于5%的顯著性水平，說明模型回歸的系數(shù)非常顯著;從模型整體的顯著性來看，F(xiàn)值為11091.40，相應(yīng)的概率值prob.為0.000，可以拒絕模型整體解釋變量系數(shù)為零的原

7、假設(shè)，說明模型的整體擬合情況好；從模型整體的擬合度來看R方和調(diào)整R方都在99%以上，說明該模型整體上擬合的非常好；從模型擬合的殘差序列相關(guān)性來看，D-W值為2.613250，顯然嚴(yán)重大于序列無自相關(guān)的標(biāo)準(zhǔn)值2，判斷回歸殘差序列存在自相關(guān)。一次最小估計統(tǒng)計量仍然是線性和無偏的，但卻不是有效的。由圖6所示回歸結(jié)果可知：最優(yōu)擬合優(yōu)度為0.999730，所以數(shù)據(jù)的擬合優(yōu)度較好。但是CE、CC、CW、TW和TC的P值均小于0.05，其中，TE的prob.值大于0.05，最不為顯著，此時，在0.05的顯著性水平下，不能拒絕TE為0的零假設(shè)。因此，去掉TE后重新進行OLS回歸，回歸結(jié)果如圖7：圖7（OLS估

8、計2）由圖7回歸結(jié)果可知：CE的P值仍大于0.05，不能拒絕CE為0的零假設(shè)，因此把CE從原模型中剔除，再次對剩下的變量進行OLS回歸，回歸結(jié)果如圖8：圖8（OLS估計3）由圖8回歸結(jié)果可知：數(shù)據(jù)的擬合優(yōu)度值均大于0.99，數(shù)據(jù)能較好擬合，且模型中的變量都是顯著的。由此可以得出多元線性回歸方程為：三 模型檢驗1 多元線性回歸模型的統(tǒng)計檢驗對于模型：從圖8可以知道可決系數(shù),調(diào)整可決系數(shù),都接近于1，所以模型的擬合優(yōu)度好。方程總體線性的顯著性檢驗統(tǒng)計量F=15226.58，概率prob.=0.000小于顯著水平0.05，表明模型的線性關(guān)系在99%的置信水平下顯著成立。變量的顯著性檢驗T統(tǒng)計量分別為

9、3.041807、-8.16457、14.88489、5.629989，其對應(yīng)概率為0.0062、0.0000、0.0000、0.0000皆小于顯著水平0.05，說明每個解釋變量對被解釋變量的影響顯著。2 懷特異方差檢驗對上述的回歸模型進行懷特異方差檢驗，檢驗結(jié)果如圖9：圖9(懷特異方差檢驗)從圖9中，F(xiàn)-statistic是輔助方程整體顯著性的F統(tǒng)計量；Obs*R-squared是懷特檢驗的統(tǒng)計量NR2,通過比較Obs*R-squared的概率值和顯著性水平，可以對方程是否存在異方差進行判斷。在圖9中所示懷特檢驗結(jié)果中Obs*R-squared的概率值大于顯著性水平0.05，則不能拒絕原假設(shè)

10、，方程不存在異方差。3 對變量GDP TC CC TW CW進行單位根檢驗圖10（多變量的單位根檢驗）由圖10知對變量GDP TC CC TW CW進行單位根檢驗，檢驗結(jié)果，各檢驗伴隨概率都大于檢驗水平0.05，則接受原假設(shè)H0，即存在單位根，序列組為隨機游走，是不穩(wěn)定的。4 Johansen協(xié)整檢驗對于非平穩(wěn)時間序列可以進一步進行協(xié)整分析，傳統(tǒng)的方法是EG兩步法。但是EG兩步法最多只能判斷多個變量存在的一個協(xié)整關(guān)系，對于多個變量協(xié)整分析最為常見的是Johansen協(xié)整檢驗方法。圖11（Johansen協(xié)整檢驗結(jié)果）圖11中顯示的是跡統(tǒng)計量和最大特征根統(tǒng)計量的檢驗結(jié)果，這兩個統(tǒng)計量在Johan

11、sen協(xié)整檢驗用于判斷變量之間的協(xié)整關(guān)系的個數(shù)。Johansen協(xié)整檢驗是按照協(xié)整關(guān)系的個數(shù)從0到K-1順序進行的，直到拒絕相應(yīng)的原假設(shè)為止。圖中跡統(tǒng)計量的檢驗判定：原假設(shè)None表示沒有協(xié)整關(guān)系，該假設(shè)下計算的跡統(tǒng)計量值為138.0590，大于臨界值69.81889且概率P值為0.0000，小于顯著性水平0.05，可以拒絕原假設(shè)，認(rèn)為至少存在一個協(xié)整關(guān)系；下一個原假設(shè)At most1表示最多有一個協(xié)整關(guān)系，該原假設(shè)下計算的跡統(tǒng)計量值為59.41554，大于臨界值47.85613且概率P值為0.0029，小于顯著性水平0.05，可以拒絕原假設(shè)，認(rèn)為至少存在兩個協(xié)整關(guān)系；下一個原假設(shè)At mos

12、t2表示最多有兩個協(xié)整關(guān)系，該原假設(shè)下計算的跡統(tǒng)計量值為34.05615，大于臨界值29.79.7且概率P值為0.0152，小于顯著性水平0.05，可以拒絕原假設(shè)，認(rèn)為至少存在三個協(xié)整關(guān)系；下一個原假設(shè)At most3表示最多有三個協(xié)整關(guān)系，該原假設(shè)下計算的跡統(tǒng)計量值為11.76213，小于臨界值15.49471且概率P值為0.1687，大于顯著性水平0.05，可以接受原假設(shè)，認(rèn)為存在三個協(xié)整關(guān)系；檢驗到此結(jié)束。通過跡統(tǒng)計量可以判斷城鎮(zhèn)居民人均收入（TC）、農(nóng)村居民人均收入（CC）、城鎮(zhèn)居民就業(yè)人數(shù)（TW）、農(nóng)村居民就業(yè)人數(shù)（CW）、國生產(chǎn)總值（GDP）五個變量存在三個協(xié)整關(guān)系同樣，最大特征值

13、的判斷規(guī)則于跡統(tǒng)計量一樣，最大特征值的檢驗結(jié)果與跡統(tǒng)計量的檢驗結(jié)果一致，都認(rèn)為城鎮(zhèn)居民人均收入（TC）、農(nóng)村居民人均收入（CC）、城鎮(zhèn)居民就業(yè)人數(shù)（TW）、農(nóng)村居民就業(yè)人數(shù)（CW）對國生產(chǎn)總值（GDP）五個變量存在三個協(xié)整關(guān)系。圖12（無約束的產(chǎn)權(quán)估計值結(jié)果）圖12現(xiàn)實的是無約束的參數(shù)估計值，即協(xié)整矢量系數(shù)和調(diào)整參數(shù)矢量系數(shù)的估計結(jié)果。由于協(xié)整矢量并不唯一，因此一般情況下Eviews都會強加一個正規(guī)化約束限制。圖13（對數(shù)似然值最大的協(xié)整關(guān)系式）圖13顯示了對數(shù)似然值最大的協(xié)整關(guān)系式，該關(guān)系式也是VEC中的協(xié)整關(guān)系式。標(biāo)準(zhǔn)的協(xié)整關(guān)系值是指將排序第一位的變量前的系數(shù)標(biāo)準(zhǔn)化為1后計算的協(xié)整關(guān)系，該

14、形式可以方便寫出最終的協(xié)整方程式。本論述中的方程可寫為：通過該協(xié)整關(guān)系式，可以得到GDP與農(nóng)村居民就業(yè)人數(shù)（CW）是正相關(guān)的長期均衡關(guān)系：農(nóng)村居民就業(yè)人數(shù)（CW）每上升1%，GDP就會上升41.4273%；而GDP與城鎮(zhèn)居民人均收入（TC）、農(nóng)村居民人均收入（CC）和城鎮(zhèn)居民就業(yè)人數(shù)（TW）都是負(fù)相關(guān)的長期均衡。圖14（續(xù)圖13）圖15（續(xù)圖14）圖16（續(xù)圖15）5 殘差檢驗（1）殘差自相關(guān)Q檢驗圖17（殘差擬合表）圖18（殘差自相關(guān)的Q檢驗）從圖18中可以看到一直滯后到12階，Q統(tǒng)計量的P值在滯后1至12階的概率都大于0.05，所以不可以拒絕原假設(shè)，認(rèn)為模型回歸的殘差序列不存在自相關(guān)。從穩(wěn)

15、健性考慮，需要進行LM檢驗。（2）殘差自相關(guān)LM檢驗圖19（殘差自相關(guān)LM檢驗）從圖19可以看到，該檢驗的F值為1.847228，其F的概率P值為0.1849大于顯著水平0.05，則不能拒絕原假設(shè)，認(rèn)為模型回歸序列不存在自相關(guān)。（3）殘差正態(tài)性檢驗圖20（殘差正態(tài)性檢驗）從圖20，Histogram-Normality Test 即懷特異方差檢驗，主要用于對殘差進行正態(tài)性檢驗。統(tǒng)計量（Jarque-Bera） =0.003148，其概率probability=0.998427，表明在99%以上的置信水平下，接受原假設(shè)H0：序列服從正態(tài)分布。即統(tǒng)計量計算的概率值P大于了顯著水平0.05，此時就不

16、能拒絕原假設(shè)H0，認(rèn)為殘差分布服從于正態(tài)分布。Skewness偏度為-0.001724<0，所以模型回歸的殘差序列分布是不對稱的，為左偏分布形態(tài)。Kurtosis峰度為1.681<3，模型回歸的殘差序列分布呈厚尾狀態(tài)。（4）殘差異方差檢驗圖21（殘差異方差檢驗）在圖21中，Heteroskedasticity，即懷特異方差檢驗，主要用于檢驗殘差序列是否存在異方差，F(xiàn)-statistic是輔助方程整體顯著性的F統(tǒng)計量；Obs*R-squared是懷特檢驗的統(tǒng)計量NR2，通過比較Obs*R-squared的概率值0.0941和顯著性水平0.05，明顯大于常規(guī)檢驗的檢驗水平0.05，因此

17、接受懷特檢驗原假設(shè)，認(rèn)為原方程的的殘差序列不存在異方差。6 Chow穩(wěn)定性檢驗Chow穩(wěn)定性檢驗包括Chow突變點檢驗和Chow預(yù)測檢驗兩種?；舅枷攵际且姅?shù)據(jù)分成兩個集合，通過檢驗整體估計于分組估計的差異，或者通過檢驗預(yù)測值于觀測值的差異，從而判斷模型的穩(wěn)定性。若兩個集合差異較大或預(yù)測值于觀測值差異較大，則說明模型不具備穩(wěn)定性特點。（1） Chow突變點檢驗根據(jù)回歸模型：用以研究城鎮(zhèn)居民人均收入（TC）、農(nóng)村居民人均收入（CC）、城鎮(zhèn)居民就業(yè)人數(shù)（TW）、農(nóng)村居民就業(yè)人數(shù)（CW）對國生產(chǎn)總值（GDP）影響。我國2001年正式加入WTO世界組織為我國參與國際貿(mào)易和國際分工提供了便利條件，因此較

18、為可能對我國的城鎮(zhèn)居民人均收入（TC）、農(nóng)村居民人均收入（CC）、城鎮(zhèn)居民就業(yè)人數(shù)（TW）、農(nóng)村居民就業(yè)人數(shù)（CW）產(chǎn)生影響，所以在分析估計模型時，需要通過chow穩(wěn)定性檢驗，檢驗加入WTO世界貿(mào)易組織前后模型是否發(fā)生了穩(wěn)定性變化。圖22（Chow突變點檢驗）從圖22可以看到F-statistic =1.588619 ，其伴隨概率Prob. F(5,16)= 0.2196；Log likelihood ratio=10.48037，其伴隨概率Prob. Chi-Square(5)= 0.0627；Wald Statistic =7.943097，伴隨概率Prob. Chi-Squar

19、e(5)= 0.1594。F-statistic =1.588619 的伴隨概率Prob. F(5,16)= 0.2196，大于顯著水平0.05，接受原假設(shè)H0，即兩個子樣本回歸系數(shù)無顯著變化。認(rèn)為2001年假加入WTO世界貿(mào)易組織前后模型沒有發(fā)生顯著變化。（2） Chow 預(yù)測檢驗圖23（Chow預(yù)測檢驗）由圖23，可以看到統(tǒng)計量的伴隨概率都很小，因此拒絕原假設(shè)，認(rèn)為2001年加入WTO世界貿(mào)易組織前后模型發(fā)生了顯著性變化。四 模型解釋：通過回歸模型：這一模型我們可以發(fā)現(xiàn)，其中城鎮(zhèn)、農(nóng)村居民的恩格爾系數(shù)在模型修正中被剔除。城鎮(zhèn)居民的人均收入（TC）也對GDP有著重要影響，城鎮(zhèn)居民收入每上升一

20、個單位，GDP增長將會上升12.71952個單位。而農(nóng)村居民的就業(yè)人數(shù)(CW)對GDP卻起著負(fù)作用，農(nóng)村就業(yè)人數(shù)（CW）每增加一個單位，GDP將下降0.927870個單位。針對農(nóng)村就業(yè)人數(shù)對GDP存在的負(fù)面影響，我們也許會覺得這與我們的邏輯思維有些背離，當(dāng)然這不排除我們在對數(shù)據(jù)收集以與對方程的設(shè)立上存在一些誤差，或是農(nóng)村就業(yè)人數(shù)增加的情況下，GDP會由于其他的一些因素而減小。農(nóng)村居民人均收入（CC）、城鎮(zhèn)居民就業(yè)人數(shù)（TW）對GDP有著正相關(guān)影響。農(nóng)村居民人均收入（CC）上升一個單位，GDP就上升5.465362單位；城鎮(zhèn)居民就業(yè)人數(shù)（TW）每上升1個單位，GDP就上升1.914610單位。五

21、 解決方案通過對所建模型的分析我們可以對如何提高我國GDP給出自己的見解與解決方案。自從我國1978年改革開放以來，隨著我國社會主義市場經(jīng)濟體制的不斷發(fā)展和深入，我國的經(jīng)濟得到了前所未有的、飛速的發(fā)展，但是，也帶來了嚴(yán)重的發(fā)展問題。貧富差距拉大，需求失衡就是當(dāng)前兩個特別受關(guān)注，討論激烈的問題。觀察上述計量經(jīng)濟模型參數(shù)估計結(jié)果，得知，城鎮(zhèn)居民的人均收入（TC）比農(nóng)村居民人均收入（CC）對GDP的影響要大，而農(nóng)村居民的就業(yè)人數(shù)(CW)對GDP卻起著負(fù)作用，而城鎮(zhèn)居民就業(yè)人數(shù)（TW）對GDP卻正相關(guān)，針對農(nóng)村就業(yè)人數(shù)（CW）對GDP存在的負(fù)面影響，我們也許會覺得這與我們的邏輯思維有些背離，當(dāng)然這不排除我們在對數(shù)據(jù)收集以與對方程的設(shè)立上存在一些誤差，或是農(nóng)村就業(yè)人數(shù)增加的情況下，GDP會由于其他的一些因素而減小。因此，我對我國政府今后的政策導(dǎo)