- 1、本文档共20页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
量计经济学论文-gdp与cpi和贷款总额的关系本科论文
计量经济学论文 张佳伟
GDP与CPI和贷款总额的关系
摘要:众所周知,GDP作为一个比较有说服性的统计指标,可以在一定程度上反映一个国家的经济状况,今天我所要研究的,是GDP和居民消费指数和贷款总额之间的关系。改革开放以来,CPI 涨幅与GDP 增幅经历了几轮波动,1997年之前的几轮经济高增长,物价都出现了明显的高涨幅;1998-2008 GDP连续 11 年保持两位数增长,但物价涨幅却保持低位运行,经济运行从高增长高物价向高增长低物价转变,反映了CPI涨幅与 GDP 增速相关关系随着改革的深入发展发生了一些变化。另外,贷款总额既然作为一个经济指标,其对于国民生产总值的必然会存在一定的影响,至于这个影响程度的大小,如果要具体形象的反映出来,就必须要借助计量经济学的办法,去分析CPI和贷款额这两者对于国民生产总值GDP的影响。
通过计量经济学的手段可以知道,居民消费指数CPI对于国民生产总值GDP的影响要远远大于贷款总额对于国民生产总值的影响。
下面我们就通过计量经济学的办法对于他们三者之间的关系进行一个形象的测算和研究。
为了确定这三个变量之间的关系,决定运用eviews软件对相关的变量进行分析。
确定最为合理的方程以及进行变量的显著性检验、异方差检验和多重共线性检验和自相关检验。(为了更加精确的进行变量之间关系数据的测算,使用了eviews8.0版本进行实证分析)
确定变量
我们确定“GDP”为被解释变量,“CPI”和“贷款总额”为解释变量。
2、建立模型
Y=+P+X+c (c为随机扰动项)
3、数据处理
此为1992-2008年度的GDP、CPI以及贷款额的数据。
年度 GDP(Y) 居民消费指数(P) 贷款额(X) 1992 26923.5 282 26322.9 1993 35333.9 305.8 32943.1 1994 48197.9 320 39976 1995 60793.7 345.1 50544.1 1996 71176.6 377.6 61156.6 1997 78973 394.6 74914.1 1998 84402.3 417.8 86524.1 1999 89677.1 452.3 93734.3 2000 99214.6 491 99371.1 2001 109655.2 521.2 112315 2002 120332.7 557.6 131294 2003 135822.8 596.9 158996 2004 159878.3 645.3 178198 2005 183217.4 698.2 194690 2006 211923.5 766.4 225347.2 2007 257305.6 849.9 261691 2008 300670 926.4 303468 (数据来自人民网)
4、建立多元回归线性模型
(1)建立工作文件:启动EViews,点击File\New\Workfile,在对话框“Workfile Range”。在“Workfile frequency”中选择“Annual” (年度),并在“Start
date”中输入开始时间“1992”,在“end date”中输入最后时间“2008”(如图所示,使用的是eviews8.0版本)
输入数据:在命令窗口输入:“data y p x”然后输入数据。
分别建立散点图考察PY、XY之间的线性关系。如图所示。
PY
2.YX
非常容易观察出 ,CPI 与贷款总额 和GDP的关系 大致都是成线性关系。
于是建立这样的线性回归方程:Y=+++, i=1,2,.....17
接着建立散点图考察中国货币流通量、货款额和居民消费价格指数之间的相关关系,在Eviews命令框中直接键入“LS Y C P X”得结果如图所示。
如图可知, 模型参数估计所建立的回归方程是
Y=20797.52-68.3356P+1.0938X
(35837.23)(154.1035)(0.3635)
t=(0.5803)(-0.4434)(3.0092)
R2=0.9902 =0.9889 F=708.6485
下面是对模型进行的检验。
主要有1、显著性检验2、异方差检验、3、多重共线性检验4、自相关检验
1、显著性检验
从拟合程度方面考虑,该方程的拟合程度较高,R2=0.990219,说明该方程较为合理。
另外从t值检验和F检验来看, 方程解释变量P和X对被解释变量Y的影响是显著的。
异方差检验
由结果可得出多元回归方程模型:
Y=20797.52-6
文档评论(0)