國民生產總值的計量經濟學模型 word

本文格式為Word版，下載可任意編輯——國民生產總值的計量經濟學模型word國民生產總值的計量經濟學研究

摘要

國民生產總值反映一國的經濟發(fā)展狀況，本篇文章借助1995-2023年的時間序列數(shù)據(jù)，研究國民生產總值與國內生產總值、人均國內生產總值、固定資產投資等因素之間存在的關系。通過計量經濟學的回歸模型的建立對實際問題提出建議和解決方案。關鍵字

國民收入國內生產總值人均國內生產總值固定資產投資模型檢驗引言

（1）建模背景及意義

國民收入，作為我國衡量經濟發(fā)展的一個重要指標，對于我國經濟發(fā)展狀況的研究、人民生活水平的高低、企業(yè)投資的多少以及居民消費狀況具有重要意義。本次模型的建立和分析，是在1995-2023年統(tǒng)計數(shù)據(jù)的基礎上，通過對這幾種因素的分析，來進一步了解國民收入和這幾種因素之間的相互影響的程度。（2）文獻綜述

浙江大學寧波理工學院計量經濟學論文中采用參數(shù)估計，建立模型的方法陳述國

民生產總值和消費、政府購買、投資、出口等因素之間的相關關系，并提出將三駕馬車的作用充分發(fā)揮，以促進我國經濟又好又快的發(fā)展。一、數(shù)據(jù)整理和模型設計（一）數(shù)據(jù)整理

表1-1國民收入及相關數(shù)據(jù)單位：億元

國內生產總值人均國內生產總值固定資產投資

年份國民收入Y

X1X2(元)X3199560793.729215045.72991920239.359810.5292199671176.591655845.88654722913.570142.4917199778973.0356420178060.8528199884402.279776796.03036928406.283024.2798199989677.054757158.50157929854.788479.1548200099214.554317857.67609332917.798000.45432023109655.17068621.7062237213.5108068.2212023120332.68939398.05445843499.9119095.6892023135822.756110541.9711455566.6134976.9722023159878.337912335.5776470477.43159453.6052023184937.36914185.3595188773.6129183617.3752023216314.425916499.7045109998.1624215904.4062023265810.305820239.46136137323.9381266421.9992023314045.427123707.71462172828.3998316030.3392023340902.812625607.53065224598.7679340319.9522023401512.795230015.0478251683.7688399759.5392023472881.557835181.23677311485.1254472115.043資料來源于中國統(tǒng)計年鑒（二）模型設計

此模型中被解釋變量Y表示國民收入，解釋變量X1表示國內生產總值，X2表示人均國內生產總值，X3固定資產投資。

采用的模型是：Y=β

0

+β1X1+β2X2+β3X3+ε

二、模型估計

利用Eviews軟件，輸入Y,X1，X2，X3等數(shù)據(jù)，采用這些數(shù)據(jù)對模型進行OLS回歸，結果如圖1.1所示。

DependentVariable:YMethod:LeastSquaresDate:06/22/13Time:21:11Sample:19952023Includedobservations:17

VariableCX1X2X3

R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-statisticProb(F-statistic)

Coefficient-10188.890.00212413.78799-0.014265

Std.Error2368.7860.3218804.2956100.018634

t-Statistic-4.3013140.0065983.209786-0.765569

Prob.0.00090.99480.00680.4576187840.1127058.315.8483916.0444415.867872.173477

0.999982Meandependentvar0.999977S.D.dependentvar604.3129Akaikeinfocriterion4747523.Schwarzcriterion-130.7113Hannan-Quinncriter.235761.6Durbin-Watsonstat0.000000

圖1.1回歸結果

Y=-10188.8924992+0.00212380272125*X1+13.7879903568*X2-0.0142653848139*X3

T=（-4.301314）（0.006598）（3.209786）（-0.765569）R^2=0.999982DW=2.173477F=235761.6

由此可見，該模型的判定系數(shù)很高，F(xiàn)檢驗值較大，明顯顯著。但是X1X3的系數(shù)的t檢驗不顯著，而且X3系數(shù)的符號與預期的相反，這說明可能存在嚴重的多重共線性。三、模型檢驗與修正

(一)多重共線性檢驗表1-2回歸系數(shù)相關矩陣

X1X2X3Y

X11.0000000.9999900.9945630.999978

X20.9999901.0000000.9943140.999990

X30.9945630.9943141.0000000.994189

Y0.9999780.9999900.9941891.000000

有此表看出，各解釋變量之間相關系數(shù)較高，證明存在嚴重的多重共線性。

（二）多重共線性的修正

采用逐步回歸法，去檢驗和解決多重共線性問題。分別做Y對X1、X2、X3的一元回歸，結果如表1.3所示。

表1-3一元回歸結果（被解釋變量為Y,下同）

解釋變量X1X2X3參數(shù)估計

1.00231113.677961.38595

值

t統(tǒng)計量581.5568875.85535.77028R^20.9999560.999980.988413修正R^20.9999530.9999790.987640

其中含有解釋變量X2的回歸方程，修正R^2最大，以X2為基礎，順次參與其它變量逐步回歸結果如圖1.2和1.3所示。

DependentVariable:YMethod:LeastSquaresDate:06/23/13Time:10:53Sample:19952023Includedobservations:17

VariableCX2X1

R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-statisticProb(F-statistic)

Coefficient-10707.7215.49216-0.132946

Std.Error2235.9693.6191230.265210

t-Statistic-4.7888504.280641-0.501287

Prob.0.00030.00080.6240187840.1127058.315.7748415.9218715.789452.166951

0.999981Meandependentvar0.999978S.D.dependentvar595.3128Akaikeinfocriterion4961562.Schwarzcriterion-131.0861Hannan-Quinncriter.364416.0Durbin-Watsonstat0.000000

圖1.2參與新變量的回歸結果

DependentVariable:YMethod:LeastSquaresDate:06/23/13Time:10:58Sample:19952023Includedobservations:17

VariableCX2X3

Coefficient-10203.7813.81632-0.014198

Std.Error696.77230.1471810.015018

t-Statistic-14.6443593.87296-0.945382

Prob.0.00000.00000.3605

R-squared

AdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-statisticProb(F-statistic)

0.999982Meandependentvar0.999979S.D.dependentvar582.3315Akaikeinfocriterion4747539.Schwarzcriterion-130.7113Hannan-Quinncriter.380844.5Durbin-Watsonstat0.000000

187840.1127058.315.7307415.8777815.745362.173900

圖1.3參與新變量的回歸結果

經過比較發(fā)現(xiàn)，新參與X1、X3變量之后，調整R^2的值并未發(fā)生很大改進，并且X1、X3參數(shù)的t檢驗不顯著，符號為負也不合理，這說明X1、X3引起多重共線性，應予以剔除。所以修正后的回歸結果如圖1.4所示。

DependentVariable:YMethod:LeastSquaresDate:06/23/13Time:11:05Sample:19952023Includedobservations:17

VariableCX2

R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-statisticProb(F-statistic)

Coefficient-9595.22113.67796

Std.Error265.74530.015617

t-Statistic-36.10684875.8550

Prob.0.00000.0000187840.1127058.315.6749815.7730015.684722.129414

0.999980Meandependentvar0.999979S.D.dependentvar580.2653Akaikeinfocriterion5050618.Schwarzcriterion-131.2373Hannan-Quinncriter.767121.9Durbin-Watsonstat0.000000

圖1.4最終回歸結果

(三)異方差檢驗

利用懷特檢驗，在參數(shù)估計得到的回歸方程的基礎上，做White檢驗。執(zhí)行命令后，得到模型的White檢驗結果，如圖1.5所示。

HeteroskedasticityTest:WhiteF-statistic

3.007310Prob.F(2,14)

0.08190.07770.0526

Obs*R-squaredScaledexplainedSS

TestEquation:

5.108693Prob.Chi-Square(2)5.890517Prob.Chi-Square(2)

DependentVariable:RESID^2Method:LeastSquaresDate:06/23/13Time:11:15Sample:19952023Includedobservations:17

VariableCX2X2^2

R-squaredAdjustedR-squaredS.E.ofr