统计建模优秀论文参考.docx

我国经济增长与经济结构、财政收入、 居民收入关系之研究

国家统计局湖南调查总队 陈梗、林嘉、李炜鸿

摘 要： 改革开放以来， 我国经济取得了举世瞩目的成绩， 经济总量和财政 收入显著增长、 经济结构不断调整， 城镇人均可支配收入、 农民人均纯收入相应 增长， 人民生活水平不断提高。 但当前经济发展也存在结构性矛盾突出， 经济增 长主要依靠投资拉动， 消费需求相对不足， 财政收入增长过快， 居民收入增长滞 后于经济增长等问题。 本文从如何促进经济健康可持续发展的角度出发， 采用定 性和定量分析相结合的方法， 研究经济增长与经济结构、 财政收入和居民收入的 内在经济联系。
我们首先对经济变量之间的内在联系进行了理论分析，选取了 1995 年以来 的宏观经济数据为样本做实证研究， 实证分析包括三个方面： 一是建立状态空间 模型和面板数据模型， 利用系数动态变化情况和面板模型的变系数对比， 分析指 标之间的匹配性， 评估全国和各省域经济增长、 经济结构与财政收入、 居民收入 等主要统计数据的数据质量， 评估认为数据间匹配度较好， 质量基本可靠。 二是 用联立方程分析经济增长、经济结构、财政收入和居民收入之间的静态数量关系， 并以此为基础对主要经济指标进行区间预测； 三是用状态空间模型分析上述经济 变量之间结构上的动态变化关系。在全面分析经济变量内在结构关系的基础上得 出结论，并提出促进经济健康、可持续发展的建议。

关键词： 数据匹配性 经济增长 结构关系 联立方程 状态空间模型
变系数

目 录

一、 引言 1
1.1 研究的目的和意义 1
1.2 研究的主要内容 1
1.3 研究的方法和思路 1
二、 文献综述和定性分析 2
2.1 经济结构与经济增长 2
2.2 财政收入与经济增长 2
2.3 居民收入与经济增长 3
三、 模型的构建与实证分析 4
3.1 模型的理论基础与形式 4
3.2 数据来源与可信度分析 5
3.2.1 数据来源 5
3.2.2 指标可信度分析 6
3.3 模型的构建与检验 9
3.3.1 联立方程模型 9
3.3.2 状态空间模型 10
3.4 模型的实证分析与预测 11
3.4.1 模型实证分析 11
3.4.2 经济指标的预测 12
3.5 模型评价 13
四、 主要结论与建议 14
4.1 主要结论 14
4.2 政策建议 15
4.2.1 加速推进经济结构调整和经济增长方式转变 15
4.2.2 大力提高城乡居民收入 15
[参考文献] 16

一、 引言
1.1 研究的目的和意义
我国 1994 年国内生产总值为 48198.6 亿元，二三产业占国内生产总值比重 分别为 46.6%和 33.6%， 国家财政收入为 5218.1 亿元， 城镇居民收入 3496.2 元， 农民纯收入 1221.0 元。到 2008 年国内生产总值为 300670.0 亿元，二三产业占 国内生产总值比重分别为 48.6%和 40. 1%，国家财政收入为 61330.3 亿元，城镇 居民收入 15780.1 元，农民纯收入 4760.6 元。十五年间，我国经济总量和财政 收入显著增长、 经济结构不断调整， 城镇人均可支配收入、 农民人均纯收入相应 增长，人民生活水平不断提高。
与此同时， 我国经济发展也存在结构性矛盾突出、 经济增长主要依靠投资拉 动、 消费需求相对不足、 财政收入增长过快、 居民收入增长滞后于经济增长等问 题。 1994-2008 年期间， GDP 的年均增长速度为 14.0%。财政收入年均增长 18.9， 高于 GDP 增长 4.9 个百分点； 而居民收入增长速度则低于 GDP 增长速度， 城镇居 民收入年均增速 11.4，农民纯收入年增长速度 10.2，分别低于 GDP 增长 2.6 和 3.8 个百分点。
经济增长与经济结构、 财政收入和居民收入之间存在着复杂的联系。 深入研 究它们之间的内在联系， 探讨其经济规律， 有利于国家宏观调控政策的制定， 促 进经济的健康和可持续发展。

1.2 研究的主要内容
本文研究的内容主要有： 一是对经济增长、 经济结构与财政收入、 居民收入 之间内在联系进行定性分析； 二是论证全国和各区域经济增长、 经济结构与财政 收入、居民收入等主要统计数据的匹配度；三是分析我国经济增长、财政收入、 经济结构、 与居民收入之间关系变动的数量特征和动态变化趋势； 四是从宏观角 度探讨影响居民收入的各种因素；五是对 2010 年各项主要经济数据进行预测； 六是通过统计模型的实证分析，得出结论和提出建议。

1.3 研究的方法和思路

第 1 页 共 24 页
首先对经济增长与经济结构、财政收入和居民收入之间关系进行理论分析， 为建立合理的经济计量模型的提供理论根据， 揭示各变量之间的内在关系和实际 经济含义， 在此基础上构建宏观经济的联立方程模型， 分析各指标之间的结构关 系及其变动趋势。 然后， 对 GDP 与主要指标建立变系数的状态空间模型， 通过系 数的变动特征，分析经济结构间的变动特征和趋势。
在构建这些模型和分析之前， 要对主要统计数据进行匹配性检测评估， 以保 证所用数据的可靠性。 我们仍采用变系数的状态空间模型， 以及分省域的变系数 面板数据模型， 通过分析系数的变化状况和对比情况， 对数据的匹配性进行检测 评估。

二、 文献综述和定性分析
2.1 经济结构与经济增长
结构主义认为劳动和资本使用在不同的方面可能导致收益的重大差别， 因此 资源在部门之间的再分配可以促进经济增长。经济的非均衡现象本身就隐含着通 过减少瓶颈和再分配资源给高生产率部门以促进经济增长， 受到市场非均衡制约 较大， 经济增长的潜力会更大。 国家可以通过调整经济结构， 推动资源在部门之 间的再配置，以促进经济增长。库兹涅茨曾提出(Kuznets, 1971),一个国家国民 收入的度量必须从结构的角度去衡量 .他根据对大量数据进行长期趋势分析和截 面分析后指出,美国 1948- 1966 年生产率的提高有 10%是由资源的再分配引起的。 而丹尼森(Denison 1967)从美国 1929 - 1957 年的数据得到的结果则是,经济增长 的 12%是由结构优化产生的。
当前我国经济发展不均衡， 市场机制的调节作用并未完全发挥出来， 因此政 府应通过经济政策和体制改革来推进结构调整， 从而促进经济健康发展。 我国经 济结构主要存在以下几大问题制约经济增长。 一是消费与投资比例失衡， 投资对 经济增长的贡献率过高；二是三次产业结构失衡，二、三产业，尤其是第三产业 占比过低；三是经济增长的粗放型现象比较严重。

2.2 财政收入与经济增长
财政收入和 GDP 二者相互依存,关系密切。一般认为,财政收入与 GDP 的比例

第 2 页 共 24 页
应保持在合理的范围之内,若财政收入增速长期低于 GDP 的增速,可能使国家调 控经济的能力降低,不利于整个国民经济的可持续发展;反之,若财政收入增速长 期高于 GDP 增速,则有可能加重国民和企业的负担,不仅有可能抑制消费,而且也 不利于企业的再投资和扩大再生产, 同样对国民经济的发展也会造成不利影响。
财政收入的增长从根本上源于经济的发展。具体某一时期财政收入增长的原 因,有必要结合实际的情况进行具体的分析。从 1994 年开始实行分税制改革以来, 中国的财政收入增速就开始大于 GDP, 引起了不少专家学者的关注。GDP 增长率是 按可比价计算的,而财政收入的增长率也是按现价计算的 ,在物价上涨的情况下, 有可能造成财政收入增速相对于 GDP 增速的“虚高”。如果统一采用名义增长率 对比财政收入和 GDP 的增长速度, 1994-2008 年期间, 中国财政收入的平均增长 率为 18.9%比 GDP 名义增长率只高 4.9 个百分点， 比 GDP 实际增长率 9.8%， 高出 9.1 个百分点。我国财政收入高于 GDP 的增长速度，得益于国内产业结构升级， 企业效益的提高。 二三产业是财政收入的主要来源， 近年来中国二、 三产业迅速 发展,产业结构不断优化。 1994 年到 2008 年，二三产业增加值年均增长率分别 为 14.3%和 15.4%,均高于 GDP 增长速度 0.3 和 1.4 个百分点。

2.3 居民收入与经济增长
从宏观上来看， 居民收入的实质是将国民收入的一部分用于个人所得， 因此 经济水平在一定程度上决定着收入水平的高低。不仅经济水平会影响着居民收入 水平，与经济发展相关的一系列指标，如经济增长方式、工业化程度、城镇化程 度等也会影响着居民收入水平。 粗放型经济增长方式， 由于侧重于自然资源和劳 动力的廉价使用而对增长质量关注不够， 这在一定程度上导致了居民收入增长与 经济增长的不协调发展。按照 Murphy. (1989)的工业化理论观点，收入分配与 工业化进程有着直接关联， 工业化进程也会影响收入分配。 鉴于工业部门的劳动 生产率高于农业部门， 工业化发展将大量农村人口转移到高生产率的部门， 在提 高流动人口收入的同时也为提高农业生产率创造了条件。 因此， 工业化进程的推 进，能将劳动力和资源从生产效率较低的农业部门转向生产效率较高的工业部 门， 这应该会对居民收入产生一定的影响。 城镇化对居民收入的作用机制与工业 化相似， 都是通过提供非农就业机会减少农村人口进而提高农村居民收入， 这同

第 3 页 共 24 页
样也会对城镇居民收入产生影响。 此外， 人力资本理论指出居受教育程度也对城 乡居民收入有较大影响。
同样居民收入水平反过来也影响经济增长。 消费增长是经济增长的条件， 收 入是消费的直接来源。消费性需求是经济运行的原始推动力 ,消费性需求直接决 定于居民的收入。唯有收入增加了,消费性需求才能扩大。

三、 模型的构建与实证分析
3.1 模型的理论基础与形式
根据前面的理论探讨和定性分析， 我们形成了两种建模思路。 其一， 由于经 济增长与经济结构、 财政收入和居民收入是几个不同的方面， 而这几个方面并非 经济增长的决定因素， 而只是反映其结构关系， 应当考虑建立结构关系模型， 而 不存在需要建立如道格拉斯生产函数之类的经济增长决定模型的问题。建立结构 关系模型时，如果将以上几个方面的指标和 GDP 一起建立一个多元线性回归方 程， 则会出现极其严重的共线性问题， 而且， 在逻辑上他们共同作为解释变量也 没有道理。所以，我们排除多元线性回归的方法。由于经济增长与财政收入、居 民收入都属于一个经济系统里的不同变量， 因此， 可以考虑建立一个宏观经济系 统简单的联立方程组，通过联立方程组来考察各变量之间的结构关系。
联立方程组的建立应以经济核算和经济关系为基础。 首先， 从经济核算的角 度出发， GDP 等于投资、消费、政府支出和进出口净额之和。其次，消费由居民 收入决定， 而居民收入来源于国民收入的分配。 财政收入作为国民收入的一部分
也来源于国民收入的分配。在此基础上，我们可以构建如下联立方程的形式：
(|
〈| Fi(In)c f( , t X ) ∑X 为其他需要考察的变量
为了尽可能简化方程并适当考察其他因素对 GDP 的影响， 我们将第一个方程 恒等式改写成几个主要变量的函数形式， 其余变量如投资和进出品净额等则进入 常数项或残差。 并且， 由于政府支出来自于财政收入， 在没有财政赤字或黑字的 情况下， 财政支出等于财政收入， 为了便于分析 GDP 与财政收入的关系， 我们用 政府财政收入变量代替政府支出变量，从而联立方程变为：

第 4 页 共 24 页

〈
∑X 为其他需要考察的变量，这里我们选用了代表产业结构的第二产业比 重、 影响居民收入的教育程度指标 (如 6 岁以上人口中， 上学人口比重和受大专 以上教育人口的比重) 、城镇化率等等。
其二， 由于联立方程是线性方程， 其系数反映了变量结构之间的一种平均关 系。这种平均关虽然反映了变量间的总体变动趋势，但在经济结构发生变化时， 这种固定参数的模型表现不出经济结构的变化。 为此， 我们形成了第二种建模思 路， 即建立变参数模型来反映这种结构的动态变化。 而建立变参数模型， 状态空
间模型是最有效的方法之一。状态空间模型形式如下：

第 5 页 共 24 页
量测方程： 状态方程：

y = x, β + u ，
t t t
β = Qβ + ε
t t -1 t


t = 1, 2 , , T

式中， βt 为变参数， 其动态变化过程反映了变量 Y 与变量 X 之间结构的动态 变化过程。
特别需要说明的是， 我们认为， 经济系统间的结构变化应当是一个缓慢的变 化过程， 如果一旦出现剧烈的变化， 要么是出现了重大政策、 重大变革或重大技 术创新， 要么就有可能是数据指标之间出现了匹配性问题， 有理由怀疑数据的准 确性。 即使我们还不能据此得出数据有误的结论， 但至少可以给我们加强数据质 量核查提供线索和依据。 因此， 虽然没有这方面的研究文献， 但我们认为可以用 变系数模型来考察指标之间的匹配性， 从而检测评估统计数据质量。 为此， 我们 用国外学者对我国 GDP 数据质疑时最常用的电力消耗量数据， 与 GDP 建立变系数 的状态空间模型，通过系数的变动情况检测评估 GDP 数据的可靠性。

3.2 数据来源与可信度分析
3.2.1 数据来源
通过上节的阐述，我们确立了建模的基本思路并选取的指标(具体指标说明 见表 1)。通过大赛组委会提供和从中国统计信息网的统计数据专栏收集了所需
的各个指标数据。 由于在较早的某些时期缺乏一些相关数据， 因此， 我们收集的

数据为 1995－2008 年的时段。
表 1 指标变量表

指标代码
指标含义
备注
GDP
现价国民收入
单位：亿元
GDP(- 1)
滞后一期的现价 GDP

GDP90
按 1990 年不变价计算的 GDP

rGDP
人均 GDP
用现价计算
Cons
居民消费
该指标用社会消费品零售总额代表,现价
Cons(- 1)
滞后一期的居民消费
现价
FI
财政收入

INC
人均居民收入
居民收入指标分为城镇居民可支配收入、农民
人均纯收入。两个指标在都选用的情况下会出
现很严重的共线性问题，为此，我们将上述两
个指标按人口比重进行了加权， 合成一个指标。
W2c
第二产业增加值占 GDP 的比重

Edu1
6 岁以上人口中上学人口比重
根据中国统计信息网上的数据，上学人口用 6
岁以上总人数减未上学 (或文盲)人口数。另外
需要说明的是，该数据各年的统计口径存在不
一致现象， 有的年度数据来自于 1%的人口抽样，
有的年度则来源于普查。但计算出的比例基本
一致，没有明显的异常波动现象。
Edu2
6 岁以上人口中受大专以上高
等教育的人口比重
同上
Czh
城镇化率
该指标用城镇人口占总人口的比重代表
Epc
电力消耗量
单位为亿千瓦小时
Dwnh
单位能耗
每元 GDP 消耗的能源量， 单位为万吨标准煤/元

3.2.2 指标可信度分析
收集了指标数据后， 应先对指标数据的可信度进行检测评估。 特别是在当前

第 6 页 共 24 页
统计数据受到各方面的质疑比较多的情况下， 如果数据不准确， 建立的模型必然 是错误的， 这对用模型进行决策有害而无利。 目前， 学界对统计数据质量的评估 尚没有很成熟的方法， 多数评估都是基于逻辑规则进行。 在已有的文献中， 叶长 法、岑国荣( 1998) 归纳了 4 种基本的逻辑平衡审核评估方法。另外有一些通 过模型从异常值的角度对数据质量进行评估。如刘洪,黄燕(2007)用经典回归法、 趋势模拟评估法、杨海山(2001)、许涤龙(2009)用组合模型对数据异常值统计 数据准确性检验。
这些模型中， 主要有用指标或模型中的异常值来进行评估， 如经典回归方法 中的高杠杆率、库克距离偏大的离群点、残差中超出 2 倍标准差的点、 ARIMA 模 型中突然出现的数据剧烈波动点等等。 我们也用这些方法进行过检测评估， 没有 发现数据异常。 但我们认为， 这种方法并不太实用， 因为这些异常值如高杠杆率 和库克距离偏大的离群点不出现则已， 一出现则是极大的异常， 一般都比正常值 大很多， 按比例计算都是百分之几十甚至几倍以上， 而经济系统中一般不存在这 种巨大差异的现象， 经济数据的误差或错误， 有几个百分点就已经很大了， 比如， 2008 的名义 GDP 为 306859.8 亿元，在不考虑物价变动的情况下，比上年增长 16.6%，我们在其中注水 5%，即 13155 亿元，就达到 32000 亿元，通过一般的线 性回归方程，根本无法发现其异常！因此需要考虑更精确一些的检测评估方法。
通过深入思考和仔细的比较， 我们发现， 用经济系统的变参数模型， 来评估 指标间的匹配度， 可以较好的发现并评估数据的可靠性。 如对 GDP 与电力消耗量 建立状态空间模型的变参数模型， 主要指标的一点小变化， 在系数上则会出现较 大的变化。 通过参数的变化是否剧烈可以发现数据间是否匹配。 这种系数的变化 在经济系统中本来是正常的， 也是必然的， 但一般情况下变化较为平缓， 在没有 相应的重大政策措施、变革或技术创新的情况下突然出现剧烈波动就有些不正常 了，需要我们提高警惕，加强对数据的核查。
下面我们通过建立 GDP 与电力消耗量的状态空间模型， 来考察 GDP 数据与电
力消耗量的匹配度。

第 7 页 共 24 页
量测方程：
状态方程：

Epc = a + β GDP 90 '+u ，
t t t
β = Qβ + ε t = 1995, 1996 , , 2008
t t 一1 t

通过 Eviews6.0 软件模拟，得到方程如下：

第 8 页 共 24 页
Epc = -5347 + q GDP 90 '+ u ，
t t t
q = 0.0639 + 0.851432q + 3
t t 一 1 t


t = 1, 2 , , T

One-step-ahead SC1 State Prediction
2
. 5

8
. 4

4
. 4

0
. 4

6
. 3

. 3 2
95 96 97 98 99 00 01 02 03 04 05 06 07 08
SC1 ± 2 RMSE

式中， qt 为变参数，其变动情况如上图。 qt 即单位 GDP 的电力消耗量，代 表每元 GDP 消耗的电力量，一般来说，短期内变化不大，长期来看，随着国家节 能降耗政策的实行， 应该呈现平稳的下降趋势， 如果在某个时点上出现剧烈变动， 则表明 GDP 数据与电力消耗量出现了不匹配现象。 上图表明， 单位 GDP 的电力消 耗量qt 从 1995－2008 年在 0.45-0.37 的范围内平缓变动，总体呈现下降趋势， 除 1996 年出现小幅波动外，没有其他剧烈波动现象，因此可以认为 GDP 与电力 消耗量是匹配的， GDP 具有可信性。
同样的方法，我们还用 GDP 与财政收入、 GDP 与居民收入进行状态空间模型 的变系数模型拟合，也进一步论证了 GDP 数据的匹配度,认为我国 GDP 基本上是 准确的，具有可信性，限于篇幅这里不再累述。
对各省域 GDP 数据可信度的考察， 我们仍用变系数模型， 但模型方法则有所 不同。 由于是分省数据是面板数据， 我们采用面板数据模型中的变系数方法， 通 过不同省份的系数与全国平均系数对比， 进行匹配性分析。 首先， 我们认为， GDP 与电力消耗量之间结构系数在全国各省之间应该差异不大， 可以用混合回归模型 进行拟合,得到一个全国平均的回归系数。然后，用变系数模型进行拟合，得到 分省的回归系数。 对分省的系数与全国平均系数的比较， 一般来说， 以传统高耗 能产业为主的省份，如山西省、辽宁省，该系数应当比全国平均数大一些，以服 务业或其他低能耗产业为主的省份， 如北京市、 海南省， 该系数应当比全国平均
值小一些，但大或小的幅度应当不太大。如果出现过大或过小，则认为某省GDP

低估或高估的可能。模型模拟和检测情况结果见附录 1。通过对比，发现有几个 省份的系数比全国偏大或偏小， 有存在低估可高估的可能， 需要进一步核查， 但 没有出现过大或过小的情况，总体上来看， GDP 数据与电力消耗量是基本匹配和 可信的。
需要强调说明的是， 这种方法， 只是提示数据有出现误差的可能， 但并不能 下出必然有问题的结论，它只是给我们提供一个加强数据核查的依据和线索。
3.3 模型的构建与检验
3.3.1 联立方程模型
根据前面的理论阐述和定性分析， 我们构建了经济系统的一个简单的联立方
程， 用以考察经济增长与经济结构、 财政收入、 居民收入之间的结构上的静态关 系或者平均关系。模型模拟时对数据进行了对数化处理。
该方程组用模型表示为：

〈| log( INC ) = b + b . log( GDP ) + b . EDU 2 + e
log( FI ) = b 10 7+ b 11 8 . log( GDP ) + e 4 9 3
通过方程的秩条件和阶条件分析表明联立方程组可以识别，在模型模拟前， 我们还需要进行变量的平稳性检验， 协整关系检验。 因为如果变量间不存在协整 关系， 则它们就有存在伪回归的可能， 而且， 模型揭示的变量之间的长期结构关 系也是不对的。经过平稳性检验和协整关系检验，结果表明(见附录 2)，各指标 都是不平稳的， 但它们之间存在着协整关系， 即它们之间长期的结构关系是稳定 的，可以建立结构关系模型。
通过 R 软件进行二阶段最小二乘法模拟，得到联立方程如下(详细程序及结
果见附录 3)：
( log( GDP ) = 1.4520 + 0.4890 . log( CONS ) + 0.3442 . log( FI ) + 0.0354 . W 2 C + e | log( CONS ) = 1.2956 + 0.2806 . log( CONS ( 一 1 )) + 0.7699 . log( INC ) + e 1
| 2
〈| log( INC ) = 一 0.6948 + 0.7657 . log( GDP ) + 0.0284 . EDU 2 + e
log( FI ) = 一 7.2055 + 1.4477 . log( GDP ) + e 4 3
联立方程模型的检验：

第 9 页 共 24 页
A、拟合优度检验：
4 个方程的 R2 都达到 0.999，调整的 R2 分别为 0.999、0.999、0.998、0.996， 表明方程组在整体上是显著的。
B、变量显著性检验：
方程 1 除常数项，各变量的 t 值都通过显著性检验。
方程 2 中， 滞后一期消费在 5%的显著性水平下没有通过， 但在 10%的显著性 水平通过检验。
方程 3 中， 常数项在 5%的显著性水平下没有通过， 但在 10%的显著性水平通 过检验。其余变量均通过显著性检验。
方程 4 均通过显著性检验。
序列相关检验：对各方程的 DW 值的检验表明，方程 1、方程 2 的 DW 值都在 2 附近，表明他们之间不存在残差序列相关。但方程 3、方程 4 的 DW 值都在 1 以下， 表明他们之间存在序列相关。 由于联立方程中没有相应的处理方法， 只能 在单方程中进行处理，我们对此暂且忽略。
C、变量系数的经济意义检验：
从各方程的系数来看，均为正，表明各变量与 GDP 之间存在正向变动关系， 而且系数的大小都与经济系统中的弹性相符合，这与实际情况基本是一致的。
D、模型拟合效果检验：
通过 1995－2008 年的数据进行拟合， GDP 的平均绝对百分误差 MAPE 为 15.9%， 居民收入 INC 的 MAPE 为 12.5%， 财政收入的 MAPE 为 28.8%， 拟合的误差 偏大， 由于联立方程组中存在方程间误差传递， 因此误差必然比单方程预测要大， 通过单方程的拟合检验， MAPE 都在 5%以下，拟合效果很好。因此该方程组总体 上可以接受。

3.3.2 状态空间模型
前面我们联立方程反映了各变量之间结构的静态关系或平均关系， 但不能反 映出它们关系的动态变化。 现在， 我们再用状态空间模型来反映它们之间的动态 结构关系变化。状态空间模型的构建在前面进行数据匹配性检测评估中已经阐 述，这里我们只直接对 FI 和 GDP、 INC 和 RGDP 的模型拟合结果进行分析(模型

第 10 页 共 24 页
模拟详细结果见附录 4)：
财政收入与 GDP 的运行结果：

FI = 9204.9 + SV .GDP + DU
量测方程： t t t t
状态方程： t t 1 t
SV = 0.008 + 0.9659 . SV +

下一节将对系数动态变化情况进行分析。

居民收入和人均 GDP 的模型运行结果：

INC = 315.8 + SV . RGDP +
量测方程： t t t t
状态方程： t t 1 t
SV = 0.0716 + 0.832 . SV +

下一节将对系数动态变化情况进行分析。

3.4 模型的实证分析与预测
3.4.1 模型实证分析
从联立方程模型模拟的结果来看， 各指标都呈现正向高速增长的数量特征和 趋势，如下图所示。其中：
消费每增长 1 个百分点， GDP 增长 0.49 个百分点；政府支出每增长 1 个百 分点， GDP 增长 0.34 个百分点。产业结构每提高 1 个百分点， GDP 增长 0.035 个百分点。
上期消费每提高 1 个点，本期消费提高 0.28 个百分点，居民收入每提高 1 个百分点，居民收入提高 0.77 个百分点。
GDP 每提高 1 个百分点，居民收入提高 0.77 个百分点，受大专以上教育程 度的人口每提高 1 个百分点， 居民收入提高 0.028 个百分点， 财政收入提高 1.45 个百分点。
从模型来看， 影响居民收入的因素主要有国民收入(GDP)、居民受教育程度。 国民收入对居民收入影响的弹性系数为 0.77，受大专以上高等教育的弹性为 0.028。另外我们用上学人口比重、城镇化率来、单位能耗分别再拟合模型，结 果同样显著，单位能耗弹性为- 1.9，即单位能耗每下降 1 个点， GDP 上升 1.9 个 百分点。 上学人口比重的弹性为 0.005， 城镇化率的收入弹性为 0.01。 这说明提

第 11 页 共 24 页
高上学人口比重、 通过加速城镇化使劳动力向高效率部门转移， 都有助于居民收 入的提高。
从状态空间模型分析结果：
One-step-ahead SC1 State Prediction

96 97 98 99 00 01 02 03 04 05 06 07 08
SC1 ± 2 RMSE
.26

.25

.24

.23

.22

.21

.20
95

由上图，财政收入与 GDP 的系数动态变化特征分析： GDP 与财政收入的关系 0.22－0.23 之间， 即 GDP 每增加 1 元，财政收入大约增加 0.2 元。1995 年到 1996 年，财政收入在 GDP 中的份额略有上升， 1996－2001 年的份额开始缓慢提高， 2001 年之后，份额基本处于一个稳定水平。
One-step-ahead SC1 State Prediction
.46

.45

.44

.43

.42

.41

.40
95 96 97 98 99 00 01 02 03 04 05 06 07 08
SC1 ± 2 RMSE

由上图的居民收入与 GDP 的系数变动特征可以看出， 居民收入在国民收入中 的份额呈缓慢下降的状态， 波动幅度不大， 大致在 0.41－0.45 之间。 1996-2003 年， 其份额是稳定上升的， 即人均 GDP 每增加 1 元， 居民收入大致增加 0.4 元左 右。这与 1998 年以来调整工资是相符合的。 2003 年至今，居民收入的份额呈现 下降趋势，说明国民收入在快速增长，但居民收入的增长速度明显偏慢。因此， 有必要对收入分配进行调整，提高居民收入在国民收入中的比重。

3.4.2 经济指标的预测

第 12 页 共 24 页
预测因变量当期值时， 如果自变量也是当期值， 在统计上无法提前获得。 为 了便于预测，我们将该方程组中方程 3、方程 4 的自变量由 GDP 改为 GDP 滞后一 期，再次进行拟合，方程拟合效果仍然良好。由此，我们采取单方程形式分别对 GDP、财政收入和居民收入进行了区间预测。首先，用 GDP 滞后一期预测当期财 政收入和居民收入， 再用居民收入的预测值代入方程 2 中预测当期消费额， 再将 消费和政府支出(用财政收入代替)的预测值代入方程 1 中预测当期 GDP。我们 预测 2010 年指标区间的结果如下：
2010 年的 GDP 预测区间为 388529.5±5246.3 亿元；
居民人均收入预测区间为 11566.97±312.8 元；
财政收入预测区间为 90471.22±9571.4 亿元。
其预测值及区间的图形如下：

450,000
Forecast: GDPF
400,000
350,000
Actual: GDP
Forecast sample: 1995 2010
Included observations: 15
1104.892 837.7106 0.666093 0.003053 0.000001 0.003241 0.996758
300,000
250,000
200,000
150,000
Root Mean Squared Error
Mean Absolute Error
Mean Abs. Percent Error
Theil Inequality Coefficient
Bias Proportion
Variance Proportion
Covariance Proportion
100,000
50,000
1996 1998
2000 2002
GDPF
2008