对我国GDP影响因素的分析..doc

对我国GDP影响因素的分析 摘要：运用1987-2012年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据，先对GDP进行绘制相关图，单位根检验，在建立了古典线性回归模型，通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。通过这一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1987-2012年间我国经济增长的情况。由此来分析所选取的这四个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题，从而找出相应的对策。 【关键词】：GDP 恩格尔系数 影响因素 回归分析 一、 引言 许多专家学者指出，我国目前的经济形势是上世纪90年代中期以来最好的。由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。尤其从1985年我国开始正式统计GDP后，它就越来越受到人们的关注。GDP的核算中有许多因素在起着作用，为此，本文对国内生产总值GDP的影响因素作计量模型的实证分析，以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出自己的看法。 二、建模分析 1、数据收集整理 从《中国统计年鉴》得到我国1987-2012年国内生产总值GDP、我国城镇、农村人均收入，恩格尔系数以及就业人数的统计数据，图1所示。 数据收集（数据来自《中国统计年鉴》中国国家统计局网站/）：数据基于全国范围内各年年末的数据统计，样本数据如图1： 图1 数据汇总整理，其中：gdp：国内生产总值，tc：城镇居民人均收入， cc：农村居民人均收入， te：城镇居民恩格尔系数， ce：农村居民恩格尔系数，tw：城镇居民就业人数，cw：农村居民就业人数。数据汇总整理如图2所示： 图2（变量数据） 2、对GDP影响因素的分析过程 利用Eviews6.0和我国1987-2012年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据建立古典线性回归模型，通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。 （1） 绘变量变化折线图 图3（序列折线图） （2） GDP相关图 图4（GDP序列相关图） 图4相关图用于显示序列GDP与其滞后序列之间的相关关系。Autocorrelation 部分是相关图， Partial Correlation部分是偏相关图，自然序数列表示的是滞后期期数，AC 是估计的自相关系数值，?PAC 是估计的偏相关系数值，Q-Stat表示的是Q统计量的值，Prob是Q统计量的伴随概率。P值大于检验水平，则表示序列是非自相关的。可以看出次输入结果中，P值均小于0.05，表明在0.05的检验水平下，此序列存在自相关。 3 单位根检验 图5（GDP序列ADF单位根检验结果） 单位根检验用于检查时间序列的平稳性。图5中的是GDP序列进行ADF方法下的单位根检验。可以看到检验的伴随概率为接近于1，远远大于检验水平0.05，所以接受原假设H0认为：如果检验式设定正确则该GDP序列存在单位根。此时GDP为随机游走，是不稳定的。 T-staistic栏的值与下面的1%、5%、10%水平的绝对值分别比较，在1%、5%、10%水平下的绝对值分别为3.752946、2.998064、2.638752均大于了T的值2.646407，则表示应当接受原假设，即原序列具有单位根，是非平稳序列。而prob栏，显示的信息是接受原假设的把握程度或是拒绝原假设犯错的概率，此处，是1，表示有100%的把握接受原假设，即原序列具有单位根，是非平稳的。 3 OLS模型回归 图6（OLS估计1） 回归结果分析：通过图6表可以看出，模型回归方程形式为: 模型回归结果为： 从系数的显著性来看，prob.值除常数项C和TE外，其它都小于5%的显著性水平，说明模型回归的系数非常显著;从模型整体的显著性来看，F值为11091.40，相应的概率值prob.为0.000，可以拒绝模型整体解释变量系数为零的原假设，说明模型的整体拟合情况好；从模型整体的拟合度来看R方和调整R方都在99%以上，说明该模型整体上拟合的非常好；从模型拟合的残差序列相关性来看，D-W值为2.613250，显然严重大于序列无自相关的标准值2，判断回归残差序列存在自