搜索
实践学习报告报告主题:GDP及其相关因素的计量分析报告制作：陈展鹏课程名称：《统计学》指导老师：刘立至2015年6月26日1GDP及其相关因素的计量分析摘要：GDP是一国经济的最大基本面，它是研究产业结构和产业演变趋势的主要解释变量，也是反映一国经济发展情况的重要指标，因而无论对经济政策的制定，还是投资分析均具有重要意义。但是，究竟哪些因素会影响GDP的变化呢？本文希望通过分析各个因素对GDP的影响来说明固定资产投资情况、居民消费情况和出口情况是影响GDP的重要因素，进而了解从哪些发面促进我国GDP的增长。关键词：GDP；固定资产投资；消费总额；出口总额一、背景自从1985年国家统计局建立起相应的核算制度以来，国内生产总值核算已经成为我国宏观经济管理部门了解经济运行状况的重要手段，制定经济发展战略、中长期规划、年度计划和各种宏观经济政策的重要依据。例如，党的十四大五次会议提出的到2000年，在我国人口比1980年增长三亿左右的情况下，实现人均国内生产总值1比1980年翻两翻的战略目标，就是建立在国内生产总值核算和对经济发展情况的预测基础上的。我国政府在“七五”规划、“八五”规划、“九五”规划和2010年远景规划中提出的国民经济增长目标以及历年年度计划中提出的国民经济增长目标也都是建立在国内生产总值核算和对经济发展情况的预测基础上的。1998年以来我国采取积极的财政政策和稳健的金融政策，也与我国国内生产总值核算反映出来的经济增长率下滑，最终需求不足有十分密切的关系。可见，国内生产总值核算在我国宏观经济管理工作中发挥了重要作用。二、方法及文章组织本文主要是通过理论分析与实证分析来GDP的影响因素。首先，我们利用经济学的相关理论，对经济发展进行计量经济学方面的分析。然后，我们根据我国的实际情况，收集了2000到2014年的相关数据，并利用这些数据进行回归分析。最后，结合分析的结果，我们提出了发展经济的相应的建议。三、GDP增长因素的理论分析随着国民经济的不断发展，我国居民的收入消费水平也在不断提高.我想用计量经济学的相关分析和回归分析来研究国内生产总值对居民消费水平高低的影响。当一国的2国内生产总值提高，居民的收入提高，消费能力提升，消费水平也就上升：反之，若一国的国内生产总值下降，居民的收入减少，消费能力降低，消费水平也就降低。研究两者之间的关系，可以通过数据和公式直接告诉我们国内生产总值和居民消费水平的息息相关，并且还可以预测未来的数据，所以为了提高我国居民的生活水平，可以以提高国内生产总值这种方式来做到，促进我国经济健康发展。改革开放以来，我国的国民经济发展迅速，人民生活水平明显提高。国内生产总值的增长数度始终保持在7%以上。同时，进出口规模迅速扩大。2001年，我国进出口总额达到5098亿美元，是1989年的4.6倍，年均增长13.6％。可见，我国的年进出口总额与国内生产总值有着密切的联系。综上所述，我们可以初步知道，影响GDP的因素有引进外资情况和产业结构情况。四、计量分析为了探讨影响税收收入增长的因素，我们选择用Eviews3.1来建立模型，并用最小二乘法进行估计。在建模之前，我们需要将各个变量进行量化。为了能够更好的反映问题，我们选用1978年到2013年的相关数据进行分析。从国家统计局公布得出如下数据，我们将被解释变量设为：Y：GDP（亿元）X1：全社会固定资产总额（亿元）X2：消费品总额（亿元）X3：出口总额首先，利用EXCEL里的CORREL函数，我们对GDP（Y）、全社会固定资产总额（X1）、消费品总额（X2）和出口总额（X3）这三个解释变量进行两两间的相关性检测，其结果如下表4-1：表4-1：相关系数列表YX2X3X4Y1X20.9935155581X30.9967659960.9990168311X40.9603237190.9290302140.9378543541根据以上经济理论分析及图表数据，由此初步建立如下经济模型：Y=β1*X1+β2X2+β3X3+u其中Y——GDPX2——全社会固定资产投资总额X3——消费品总额X4——出口总额3得回归模型为Y=-5.619527+0.222X2+2.481X3+0.693X4将相关数据导入Eviews软件，我们可以得到如下结果：将Y与X2、X3、log(X4)做回归得到结果如表4-2DependentVariable:YMethod:LeastSquaresDate:06/21/15Time:19:32Sample:19782013Includedobservations:36VariableCoefficientStd.Errort-StatisticProb.X20.0492000.0082565.9590040.0000X30.6026560.03486017.288110.0000LOG(X4)7493.3222891.5412.5914630.0143C-35390.6013479.91-2.6254330.0132R-squared0.999117Meandependentvar21178.79AdjustedR-squared0.999035S.D.dependentvar30402.68S.E.ofregression944.6513Akaikeinfocriterion16.64395Sumsquaredresid28555712Schwarzcriterion16.81989Loglikelihood-295.5911F-statistic12073.80Durbin-Watsonstat1.165960Prob(F-statistic)0.000000将log（Y）与X2、X3、X4做回归得到结果如表4-3DependentVariable:LOG(Y)Method:LeastSquaresDate:06/21/15Time:19:27Sample:19782013Includedobservations:36VariableCoefficientStd.Errort-StatisticProb.X24.32E-054.15E-0610.425840.0000X3-0.0001451.75E-05-8.2610070.0000X40.0099530.0135000.7372700.4663C6.0591251.4354844.2209640.0002R-squared0.925578Meandependentvar8.829836AdjustedR-squared0.918601S.D.dependentvar1.662885S.E.ofregression0.474430Akaikeinfocriterion1.451035Sumsquaredresid7.202692Schwarzcriterion1.626982Loglikelihood-22.11863F-statistic132.6597Durbin-Watsonstat0.430709Prob(F-statistic)0.0000004将Y与log（X2）、X3、X4做回归得到结果如表4-4DependentVariable:YMethod:LeastSquaresDate:06/21/15Time:19:28Sample:19782013Includedobservations:36VariableCoefficientStd.Errort-StatisticProb.LOG(X2)603.4269207.58902.9068350.0066X30.7884210.00898087.797780.0000X459.3022934.872091.7005660.0987C-11833.254202.102-2.8160320.0083R-squared0.998513Meandependentvar21178.79AdjustedR-squared0.998374S.D.dependentvar30402.68S.E.ofregression1225.997Akaikeinfocriterion17.16534Sumsquaredresid48098215Schwarzcriterion17.34128Loglikelihood-304.9760F-statistic7163.832Durbin-Watsonstat1.130049Prob(F-statistic)0.000000将Y与X2、log（X3）、X4做回归得到结果如表4-5DependentVariable:YMethod:LeastSquaresDate:06/21/15Time:19:30Sample:19782013Includedobservations:36VariableCoefficientStd.Errort-StatisticProb.X20.2262910.00307673.562470.0000LOG(X3)-4043.698313.9136-12.881560.0000X443.8800634.817081.2603030.2167C24729.364556.1905.4276400.0000R-squared0.998522Meandependentvar21178.79AdjustedR-squared0.998384S.D.dependentvar30402.68S.E.ofregression1222.287Akaikeinfocriterion17.15927Sumsquaredresid47807525Schwarzcriterion17.33522Loglikelihood-304.8669F-statistic7207.456Durbin-Watsonstat0.392649Prob(F-statistic)0.000000将Y与X2、X3、X4做回归得到结果如表4-6DependentVariable:YMethod:LeastSquaresDate:06/21/15Time:19:23Sample:19782013Includedobservations:365VariableCoefficientStd.Errort-StatisticProb.X20.2221840.0083405.8974620.0000X32.4810320.03521017.111500.0000X40.69327.151872.4387380.0205C-5.6195272887.018-2.5904700.0143R-squared0.999099Meandependentvar21178.79AdjustedR-squared0.999015S.D.dependentvar30402.68S.E.ofregression954.1654Akaikeinfocriterion16.66399Sumsquaredresid29133814Schwarzcriterion16.83994Loglikelihood-295.9518F-statistic11834.01Durbin-Watsonstat1.175532Prob(F-statistic)0.000000由上述Eviews计算出来的结果，我们可以看出：关于拟合优度的检验，其中，表4-6的模型为最优模型。AdjustedR-squared值为0.999099，属于非常高的拟合优度；关于回归方程的显著性检验，其F-statistics值为11834.01（Prob=0.000），表明回归方程的线性关系非常明显；关于回归系数的显著性检验，四个系数C、X2、X3、X4的t-Statistic统计量都能通过检验。因此，我们可以根据上表的计算结果得出，经济发展与人口质量之间存在着如下的关系：Y=-5.619527+0.222X2+2.481X3+0.693X4S.E（2887.018）(0.008）(0.035)(27.152