我国国内生产总值(GDP)影响因素的回归分析.doc

我国国内生产总值（GDP）影响因素的实证分析

摘要：
本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。
关键词：
GDP 影响因素 实证分析 Eviews
一、问题提出：
国内生产总值（GDP）是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。国民经济，作为一个复杂的综合体，它的影响因素一直是人们探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。
二、样本数据选取及模型设定：
回归模型设立如下：
Y =β0 +β1 X1 +β2 X2+β3 X3+β4 X4 +β5 X5+β6 X6+U
Y--------国内生产总值GDP
X1-----能源消费
X2-----就业人数
X3-----居民消费水平
X4-----社会消费品零售总额
X5-----进出口贸易总额
X6-----外商直接投资（FDI）
U------随机扰动项
β1、β2、β3、β4、β5、β6为待估参数。
变量采用时间序列数据，具体数据(现价计算)见表一：
表1：
年份
GDP
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社会消费品零售总额（亿元）
X5进出口贸易总额（亿元）
X6外商直接投资（FDI）
1985
8964.4
76682
49873
437
4305
2066.7
48. 69
1986
10202.2
80850
51282
447
4950
2850.4
64. 71
1987
11962.5
86632
52783
508
5820
3084.2
86. 13
1988
14928.3
92997
54334
635
7440
3822
118. 88
1989
16909.2
96934
55329
762
8101.4
4155.9
127. 71
1990
18547.9
98703
56740
803
8300.1
5560.1
166. 79
1991
21617.8
103783
58360
896
9415.6
7229.3
232. 42
1992
26638.1
109170
59432
1070
10993.7
9119.6
606. 99
1993
34634.4
115993
60220
1331
12462.1
11271
1585. 41
1994
46759.4
122737
61470
1746
16264.7
20381.9
2910. 28
1995
58478.1
131176
62388
2236
20620
23499.9
3133. 38
1996
67884.6
138948
68850
2641
24774.1
24133.8
3469. 1
1997
74462.6
138173
69600
2834
27298.9
26967.2
3751. 71
1998
78345.2
132214
70637
2972
29152.5
26849.7
3763. 93
1999
82067.5
130119
71394
3138
31134.7
29896.2
3337. 73
2000
89442.2
130297
72085
3397
34152.6
39273.2
3370. 55
2001
95933.3
134914
73025
3609
37595.2
42183.6
3880. 09
（数据来源于中国统计年鉴。）
三、参数的初步估计与检验
将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：
表2：
Dependent Variable: Y

Method: Least Squares

Date: 06/17/12 Time: 15:27

Sample: 1985 2001

Included observations: 17

Variable
Coefficient
Std. Error
t-Statistic
Prob.  

C
-13277.72
9457.897
-1.403876
0.1939
X1
0.052743
0.050777
1.038720
0.3260
X2
0.133846
0.241763
0.553624
0.5933
X3
18.57620
4.262774
4.357774
0.0018
X4
0.377243
0.459735
0.820567
0.4331
X5
0.169706
0.689638
0.246079
0.8111
X6
0.002222
0.000974
2.280198
0.0485

R-squared
0.999741
    Mean dependent var
44575.16
Adjusted R-squared
0.999539
    S.D. dependent var
31239.02
S.E. of regression
670.8163
    Akaike info criterion
16.16006
Sum squared resid
4049950.
    Schwarz criterion
16.55216
Log likelihood
-129.3605
    F-statistic
4955.607
Durbin-Watson stat
1.833054
    Prob(F-statistic)
0.000000

将上述回归结果整理如下：
Ŷ=-13277.72+0.052743X1＋0.133846X2＋18.57620X3＋0.377243X4＋0.169706X5＋0.002222X6
0.999741， 0.999539， F=4955.607
从回归结果看，可决系数很高，F值很大，但在显著性水平下，很多项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。和F值大反映了模型中各解释变量联合对Y的影响力显著，而t值小于临界值恰好反映了由于解释变量共线性的作用，使得不能分解出各个解释变量对Y独立影响。
1.模型检验：
(1)经济意义检验
由回归估计结果可以看出，能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及FDI与GDP线性正相关，这与现实中GDP随能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及FDI的增加而增长是相符的。
(2)统计推断检验
从估计的结果可以看出，可决系数R2=0.999741，F统计量=4955.607，表明模型在整体上拟合地比较理想。系数显著性检验：给定α=0.05，X3、X6的t的P值小于给定的显著性水平，表明居民消费水平、FDI对GDP有显著性影响。
2.计量经济学检验
(1)多重共线性的检验
用Eviews计算解释变量之间的简单相关系数：
表3：

X1
X2
X3
X4
X5
X6
X1
1.000000
0.942695
0.918347
0.894626
0.887761
0.945640
X2
0.942695
1.000000
0.980690
0.977624
0.952169
0.930263
X3
0.918347
0.980690
1.000000
0.996855
0.985127
0.958071
X4
0.894626
0.977624
0.996855
1.000000
0.986614
0.936663
X5
0.887761
0.952169
0.985127
0.986614
1.000000
0.938836
X6
0.945640
0.930263
0.958071
0.936663
0.938836
1.000000
由此可见，模型存在严重的多重共线。
模型修正:
运用OLS方法逐一求Y对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。过程如下：
表4：
Dependent Variable: Y
Method: Least Squares
Date: 06/17/12 Time: 17:08
Sample: 1985 2001
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X1
1.354376
0.149761
9.043577
0.0000
C
-108415.3
17195.21
-6.304967
0.0000
R-squared
0.845019
Mean dependent var
44575.16
Adjusted R-squared
0.834687
S.D. dependent var
31239.02
S.E. of regression
12701.37
Akaike info criterion
21.84694
Sum squared resid
2.42E+09
Schwarz criterion
21.94496
Log likelihood
-183.6990
F-statistic
81.78629
Durbin-Watson stat
0.176301
Prob(F-statistic)
0.000000
表5：
Dependent Variable: Y
Method: Least Squares
Date: 06/17/12 Time: 17:09
Sample: 1985 2001
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X2
3.890224
0.206735
18.81748
0.0000
C
-195200.4
12839.45
-15.20318
0.0000
R-squared
0.959360
Mean dependent var
44575.16
Adjusted R-squared
0.956651
S.D. dependent var
31239.02
S.E. of regression
6504.094
Akaike info criterion
20.50838
Sum squared resid
6.35E+08
Schwarz criterion
20.60641
Log likelihood
-172.3212
F-statistic
354.0975
Durbin-Watson stat
0.801484
Prob(F-statistic)
0.000000
表6：
Dependent Variable: Y
Method: Least Squares
Date: 06/17/12 Time: 17:11
Sample: 1985 2001
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X3
27.10667
0.178293
152.0342
0.0000
C
-2402.301
367.6774
-6.533720
0.0000
R-squared
0.999351
Mean dependent var
44575.16
Adjusted R-squared
0.999308
S.D. dependent var
31239.02
S.E. of regression
821.6280
Akaike info criterion
16.37058
Sum squared resid
10126089
Schwarz criterion
16.46861
Log likelihood
-137.1500
F-statistic
23114.40
Durbin-Watson stat
1.345961
Prob(F-statistic)
0.000000
表7：
Dependent Variable: Y
Method: Least Squares
Date: 06/17/12 Time: 17:10
Sample: 1985 2001
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X4
2.758646
0.060654
45.48206
0.0000
C
-2935.320
1237.736
-2.371522
0.0315
R-squared
0.992801
Mean dependent var
44575.16
Adjusted R-squared
0.992321
S.D. dependent var
31239.02
S.E. of regression
2737.464
Akaike info criterion
18.77758
Sum squared resid
1.12E+08
Schwarz criterion
18.87561
Log likelihood
-157.6094
F-statistic
2068.618
Durbin-Watson stat
0.372005
Prob(F-statistic)
0.000000
表8：
Dependent Variable: Y
Method: Least Squares
Date: 06/17/12 Time: 17:12
Sample: 1985 2001
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X5
2.301471
0.096754
23.78684
0.0000
C
6351.154
2040.492
3.112560
0.0071
R-squared
0.974174
Mean dependent var
44575.16
Adjusted R-squared
0.972452
S.D. dependent var
31239.02
S.E. of regression
5184.883
Akaike info criterion
20.05501
Sum squared resid
4.03E+08
Schwarz criterion
20.15304
Log likelihood
-168.4676
F-statistic
565.8137
Durbin-Watson stat
1.015958
Prob(F-statistic)
0.000000
表9：
Dependent Variable: Y
Method: Least Squares
Date: 06/17/12 Time: 17:20
Sample: 1985 2001
Included observations: 17
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X6
18.13935
1.341199
13.52473
0.0000
C
11876.31
3238.206
3.667559
0.0023
R-squared
0.924211
Mean dependent var
44575.16
Adjusted R-squared
0.919159
S.D. dependent var
31239.02
S.E. of regression
8882.076
Akaike info criterion
21.13159
Sum squared resid
1.18E+09
Schwarz criterion
21.22961
Log likelihood
-177.6185
F-statistic
182.9182
Durbin-Watson stat
0.444848
Prob(F-statistic)
0.000000
从以上一系列表的回归结果中看出，仅表六中X3与Y的拟合优度最大，达到0.999351，接近于1，所以只保留X3变量。
(2)异方差检验
e^2和x3散点图：

由图可见，可能存在异方差。
Goldfield－Quanadt检验：
样本容量n＝17，删除中间1/4的观测值，大约4个观测值，余下不奉分为两个样本区间：1985～1990，1996～2001样本数均为6个，即n1＝n2＝6。OLS方法求得一下结果：
表10：
Dependent Variable: Y
Method: Least Squares
Date: 06/18/12 Time: 14:12
Sample: 1985 1990
Included observations: 6
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X3
23.70406
1.712135
13.84473
0.0002
C
-605.0784
1054.857
-0.573612
0.5969
R-squared
0.979558
Mean dependent var
13585.75
Adjusted R-squared
0.974448
S.D. dependent var
3818.663
S.E. of regression
610.4173
Akaike info criterion
15.92736
Sum squared resid
1490437.
Schwarz criterion
15.85795
Log likelihood
-45.78209
F-statistic
191.6766
Durbin-Watson stat
1.749082
Prob(F-statistic)
0.000158
表11：
Dependent Variable: Y
Method: Least Squares
Date: 06/18/12 Time: 14:16
Sample: 1996 2001
Included observations: 6
Variable
Coefficient
Std. Error
t-Statistic
Prob.
X3
28.22848
0.697558
40.46757
0.0000
C
-6110.040
2173.479
-2.811179
0.0483
R-squared
0.997563
Mean dependent var
81355.90
Adjusted R-squared
0.996954
S.D. dependent var
10163.20
S.E. of regression
560.8912
Akaike info criterion
15.75813
Sum squared resid
1258396.
Schwarz criterion
15.68872
Log likelihood
-45.27440
F-statistic
1637.624
Durbin-Watson stat
1.959773
Prob(F-statistic)
0.000002
求F统计量的值：
基于两个残差平方和的值，∑e1^2=1490437， ∑e2^2=1258396
F＝∑e2^2/∑e1^2=0.843134463248
判断：在α=0.05下，自由度均为4，查F0.05（4,4）＝6.39>F所以不存在异方差。
(3)自相关检验：
根据上表估计的结果，DW=1.345961，对样本量为17、一个解释变量的模型、1%的显著水平下，查DW统计表可知，dl=0.874，du=1.102，模型中2>DW>du，显然模型中不存在自相关。
四、经济意义分析及模型评价
1.结论：
（1）从模型可以看出居民消费水平是影响GDP水平的最显著因素。
（2）根据先验信息，能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资（FDI）都与GDP存在正相关关系，而我们从模型得到的结果看，仅居民消费水平对GDP的影响显著，而其他在理论上与GDP联系密切的因素再次均为显现出对GDP很强的解释力，这就表明目前我国经济体制还有待完善。
因而我国产业结构还需进一步调整，经济的可持续发展能力还需进一步提高。
2.存在的问题：
(1)在模型预测时，由于样本选取的是小样本，数据也不完全，年代也较早，难免会造成模型的精度不高，对被解释变量的解释能力被削弱等情况。
(2)另外由于自身认识水平的不足，在建立模型的过程中可能忽略了一些影响因素，使模型本身具有一些固有的缺陷，也会影响本文的分析结论。

参考文献：
[1] 庞皓，李南成.《计量经济学》.西南财经大学出版社.
[2] 高鸿业.《西方经济学》.中国人民大学出版社.
[3]《中国统计年鉴》.