我国经济增长的实证分析 计量经济学论文

1计量经济学课程论文——中国经济增长影响因素分析11保险刘琳201110111289摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。本文采用经济增长模型和多元线性回归分析方法对1983～2012年中国经济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。关键字：消费、投资、经济增长、劳动力，实证分析正文：一、文献综述（一）经济增长理论经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。（二）影响因素的分析从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有全世界近1/4的人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主导因素。经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1993—2012年的20中,我国经济年均快速增长,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。二、数据收集与模型的建立（一）数据收集中国经济增长影响因素模型时间序列表年份国内生产总值（现价）年末从业人数全社会固定资产投资总额居民消费价格指数199335,333.9266,808.0013,072.30114.7199448,197.8667,455.0017,042.10124.1199560,793.7368,065.0020,019.30117.1199671,176.5968,950.0022,913.50108.3199778,973.0369,820.0024,941.10102.8199884,402.2870,637.0028,406.2099.2199989,677.0571,394.0029,854.7098.6200099,214.5572,085.0032,917.70100.422001109,655.1772,797.0037,213.50100.72002120,332.6973,280.0043,499.9099.22003135,822.7673,736.0055,566.61101.22004159,878.3474,264.0070,477.43103.92005184,937.3774,647.0088,773.61101.82006216,314.4374,978.00109,998.16101.52007265,810.3175,321.00137,323.94104.82008314,045.4375,564.00172,828.40105.92009340,902.8175,828.00224,598.7799.32010401,512.8076,105.00251,683.77103.32011473,104.0576,420.00311,485.13105.42012519,470.1076,704.00374,694.74102.6资料来源：《中国统计年鉴》（二）模型设计1、变量选择为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（y）作为对经济发展的衡量，代表经济发展；用总就业人员数（x1）衡量劳动力；用固定资产投资总额(x2)衡量资本投入：用价格指数（x3）去代表消费需求。运用这些数据进行回归分析。2、建立模型3322110XXXY+i其中，Y代表国内生产总值1X代表社会就业人数，2X代表固定资产投资，3X代表消费价格指数，i代表随机干扰项。我们通过对该模型的回归分析，得出各个变量与我国经济增长的变动关系。三、模型估计和回归结果（一）模型初始估计利用OLS回归得到如下结果：DependentVariable:YMethod:LeastSquaresDate:06/05/14Time:17:30Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.3C-770248.9151302.0-5.0908060.0001X110.282691.5629216.5791450.0000X21.1244620.03691030.464970.0000X3921.3627479.12531.9230100.0725R-squared0.996646Meandependentvar190477.8AdjustedR-squared0.996017S.D.dependentvar146868.1S.E.ofregression9268.502Akaikeinfocriterion21.28349Sumsquaredresid1.37E+09Schwarzcriterion21.48263Loglikelihood-208.8349F-statistic1584.926Durbin-Watsonstat1.747614Prob(F-statistic)0.000000可知：3213627.921124462.128269.109.770248XXXY（-5.09）（6.58）（30.46）（1.92）99664602RF=1584.926D.W.=1.7476（1）经济意义检验：从回归模型中可以看出，年末就业人数每增加一个单位，GDP增加10.28；全社会固定资产投资总额每增加一个单位，GDP增长1.12；居民消费价格指数每增加一个单位，GDP增加921.36。符合经济意义。（2）拟合优度检验：根据2R=0.9966，表明模型理论线性拟合优度非常高。（3）F检验：由模型结果，在5%的显著性水平下，24.3)163(926.158405.0FF，拒绝原假设β1=β2=β3=0，回归方程显著，即三个因素对GDP均有显著影响。（4）t检验：x1,x2,x3的t统计量的检验为-5.0908066.57914530.464971.923010在5%的显著性水平下，临界值为1.734，可知，解释变量都通过了t检验，即对GDP的影响都显著。四、计量经济学检验（一）多重共线性检验1、相关系数矩阵X1X2X3X110.776901181270017-0.618898604270247X20.7769011812700171-0.216978178870185X3-0.618898604270247-0.21697817887018512、一元线性回归分析4DependentVariable:YMethod:LeastSquaresDate:06/05/14Time:19:10Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-2635432.430938.5-6.1155650.0000X138.847915.9187776.5635030.0000R-squared0.705302Meandependentvar190477.8AdjustedR-squared0.688930S.D.dependentvar146868.1S.E.ofregression81913.63Akaikeinfocriterion25.55936Sumsquaredresid1.21E+11Schwarzcriterion25.65893Loglikelihood-253.5936F-statistic43.07957Durbin-Watsonstat0.118161Prob(F-statistic)0.000004DependentVariable:YMethod:LeastSquaresDate:06/05/14Time:19:14Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C51287.566018.7138.5213500.0000X21.3465820.04076233.035200.0000R-squared0.983774Meandependentvar190477.8AdjustedR-squared0.982872S.D.dependentvar146868.1S.E.ofregression19220.95Akaikeinfocriterion22.66003Sumsquaredresid6.65E+09Schwarzcriterion22.75960Loglikelihood-224.6003F-statistic1091.324Durbin-Watsonstat0.669483Prob(F-statistic)0.000000DependentVariable:YMethod:LeastSquaresDate:06/05/14Time:19:14Sample:19932012Includedobservations:205VariableCoefficientStd.Errort-StatisticProb.C824620.3522791.71.5773400.1321X3-6054.4444981.712-1.2153340.2399R-squared0.075835Meandependentvar190477.8AdjustedR-squared0.024492S.D.dependentvar146868.1S.E.ofregression145058.3Akaikeinfocriterion26.70230Sumsquaredresid3.79E+11Schwarzcriterion26.80187Loglikelihood-265.0230F-statistic1.477037Durbin-Watsonstat0.094224Prob(F-statistic)0.239940通过上述一元线性回归分析可以发现，2X的可决系数983773.02R最大，且2X通过了t检验，因此选用2X作为初始回归模型，在2X的基础上依次加入其他变量逐步回归，结果如下：DependentVariable:YMethod:LeastSquaresDate:06/05/14Time:19:38Sample:19932012Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-517471.780649.84-6.4162770.0000X18.0805771.1449637.0575030.0000X21.1623300.03360434.588580.0000R-squared0.995871Meandependentvar190477.8AdjustedR-squared0.995385S.D.dependentvar146868.1S.E.ofregression9976.904Akaikeinfocriterion21.39141Sumsquaredresid1.69E+09Schwarzcrite