全社会固定资产投资与国内生产总值GDP互动关系的实证分析

海南大学课程论文课程名称:SAS和SPSS软件及应用研究题目名称：全社会固定资产投资与国内生产总值GDP互动关系的实证分析学院：经济与管理学院专业班级：2015级企业管理姓名：贺琦学号：15120202210004全社会固定资产投资与国内生产总值GDP互动关系的实证分析贺琦（海南大学经济与管理学院，海南海口570228）摘要：在国民经济的发展过程中，全社会固定资产投资对国内生产总值GDP的增长起着重要的作用。本文抽取来自于国家统计局的数据，以1995-2014年的全社会固定资产投资和国内生产总值GDP两时间序列数据为样本，借由SPSS、Eviews、HLM和SAS软件就二者关系进行了实证分析检验。结果表明：全社会固定资产投资对国内生产总值GDP的增长有很大的拉动作用，在短期内全社会固定资产投资增加1个百分点，国内生产总值GDP约增加1.213个百分点，并且二者之间还存在着长期稳定关系和单向的因果关系。在此基础上，本文就全社会固定资产投资与国内生产总值GDP的增长问题提出了一些有针对性的建议。关键词：全社会固定资产投资；国内生产总值GDP；软件国内生产总值简称GDP，是一个国家在一定时期内所生产的全部最终产品和服务的价值总和，反映一个国家的经济总体规模和经济结构，是衡量国家经济状况的最佳指标。国内生产总值主要是由消费和投资决定的，投资反映了社会资金的使用。全社会固定资产投资包括基本建设投资、更新改造投资、房地产开发投资、国有单位其他固定资产投资等。研究显示，全社会固定资产投资与其国内生产总值GDP存在高度的关联。作为社会资金使用方式之一的投资，常常被称为拉动经济增长的三驾马车之一，它最直接的价值之一便是对GDP的创造。同样，较高的GDP增长也会反过来带动较快的全社会固定资产投资增长，两者之间在一定程度上存在互相促进的作用。一、国内生产总值GDP和全社会固定资产投资的基本情况（一）国内生产总值GDP和全社会固定资产投资快速增长1995-2014年，国内生产总值GDP从61129.8亿元增长到636138.7亿元，年增长率达47.03%；全社会固定资产投资从1995年的20019.3亿元快速增长到2014年的512760.7亿元，年均增速接近123.07%，成为推动经济持续发展的重要力量。（二）国内生产总值GDP和全社会固定资产投资的变化关系全社会固定资产投资增速的波动是影响国内生产总值GDP周期波动的一个直接的、物质性的主导因素，全社会固定资产投资也成为国内生产总值GDP周期波动的物质基础，又是诱发国内生产总值GDP波动的主要因素。从我国经济运行的实际状况看，当全社会固定资产投资增长率上升时，国内生产总值GDP的增长率也相应地上升；相反，当全社会固定资产投资增长率下降时，国内生产总值GDP的增长率也相应地下降。全社会固定资产投资与国内生产总值GDP增长之间应存在着长期稳定的均衡关系。因为固定资产投资具有双重性，即它既能对生产形成需求，又能增加生产能力，这同时决定了投资对经济增长也具有双重效应，即短期的需求效应和长期的供给效应。因此，全社会固定资产投资与国内生产总值GDP之间存在着一定的因果关系，换句话说，如果没有投资就不可能有产出，如果没有投资的增长，经济就不可能保持一定的增长。二、数据选取与模型设定（一）数据选取本文从国家统计局（）中选取了全社会固定资产投资、国内生产总值GDP从1995年至2014年的共20个样本作为研究的对象，如表1“1995-2014年全社会固定资产投资与国内生产总值GDP”所示，对样本数据序列进行实证分析。表11995-2014年全社会固定资产投资与国内生产总值GDP指标全社会固定资产投资(亿元)国内生产总值GDP(亿元)2014年512760.7636138.72013年446294.09588018.82012年374694.745341232011年311485.13484123.52010年251683.774089032009年224598.77345629.22008年172828.4316751.72007年137323.94268019.42006年109998.2217656.62005年88773.62185895.82004年70477.4160714.42003年55566.61136564.62002年43499.911210022001年37213.49110270.42000年32917.7399776.31999年29854.790187.71998年28406.284883.71997年24941.179429.51996年22913.571572.31995年20019.361129.8由表1所收集的数据可知，1995—2014年全社会固定资产投资和国内生产总值GDP增长具有明显趋同性，说明国内生产总值GDP和全社会固定资产投资在1995—2014年期间都保持了逐年增长的趋势。全社会固定资产投资对国内生产总值GDP具有推动发展作用。（二）模型设定根据经济学的相关理论得到全社会固定资产投资与国内生产总值GDP之间存在着一定的因果关系。为计算方便，令全社会固定资产投资=x（解释变量），国内生产总值GDP=y（被解释变量）。拟初步建立了一元线性回归函数模型，具体如公式如下所示：yt=α+βxt+μ其中，α和β分别表示回归系数，μ表示随机误差。一般而言，全社会固定资产投资的增加会带动国内生产总值GDP的增加，由此可以预期：β0。三、全社会固定资产投资和国内生产总值GDP关系的计量分析（一）SPSS1、线性分析根据表1中的数据，利用SPSS进行线性分析。表2模型汇总模型RR方调整R方标准估计的误差1.991a.982.98125614.31289a.预测变量:(常量),x。由表2知，该回归方程的判定系数为R2=0.982∈[0.8,1]，调整R2=0.981∈[0.8,1]，拟合优度值非常高，回归方程高度显著。即全社会固定资产投资总额的变动在很大程度上影响了国内生产总值GDP的变动。表3Anovab模型平方和df均方FSig.1回归6.604E1116.604E111006.562.000a残差1.181E10186.561E8总计6.722E1119a.预测变量:(常量),x。b.因变量:y由表3知，F=1006.562，sig=0.0000.05。模型通过F检验，表明方程的整体性关系显著，x对y的影响显著。表4系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)68311.0148100.2848.433.000x1.213.038.99131.726.000表4系数a模型非标准化系数标准系数tSig.B标准误差试用版1(常量)68311.0148100.2848.433.000x1.213.038.99131.726.000a.因变量:y如表4所示，显然回归模型通过t检验，表明解释变量与被解释变量线性关系显著。由输出结果得，sig（β）=00.05，显著拒绝原假设，β≠0；sig（α）=00.05，显著拒绝原假设，α≠0。根据所建立的预测模型y=1.213x+68211.014（回归方程）和y=0.991x（标准化后），就可以对国内生产总值GDP进行预测。从模型中可以看出，回归系数为1.213，表明全社会固定资产投资每增加1亿元，国内生产总值GDP就会增加1.213亿元，全社会固定资产投资每增加1个标准差，国民生产总值GDP就会增加0.991个标准差，说明全社会固定资产投资对国民生产总值GDP的推动作用是明显的。表5残差统计量a极小值极大值均值标准偏差N预测值92595.2109690309.8125250039.5200186434.4671520标准预测值-.8452.362.0001.00020预测值的标准误差5747.40415012.6247770.2772346.79920调整的预测值95613.7969718655.8125251569.9582189798.6472320残差-54171.1171938793.07031.0000024931.1414320标准残差-2.1151.515.000.97320Student化残差-2.6101.570-.0271.06720已删除的残差-82517.1250042577.37500-1530.4382230317.2004720Student化已删除的残差-3.2181.642-.0471.16520Mahal。距离.0075.577.9501.38120Cook的距离.0001.783.126.39320居中杠杆值.000.294.050.07320a.因变量:y由表5可知，残差的均值=0.00000。图1回归标准化残差的标准P-P图由图1可知，残差分布为正态分布。图2散点图由图2可知，残差的方差为常数，各点分布均匀，为同方差。因此，α与β为最佳、线性、无偏、blue估计。图3标准化残差与学生化残差图3为数据表输出的标准化残差与学生化残差。2、相关分析相关分析是对变量之间的相关关系的分析，其主要目标是考察变量之间是否存在内在依存关系，并做出符合实际的判断。如果变量间的相关程度很高，还可以通过绘制散点图判断因变量和自变量之间有无明显线性关系。表6相关性xyxPearson相关性1.991**显著性（双侧）.000N2020yPearson相关性.991**1显著性（双侧）.000N2020**.在.01水平（双侧）上显著相关。**表示x与y之间显著相关。（二）Eviews1、平稳性检验由于时间序列数据往往存在非平稳性，直接对两个非平稳的时间序列进行回归分析，可能引起伪回归，因此有必要对数据进行平稳性检验以保证实证检验结果的正确性。表7平稳性检验NullHypothesis:Unitroot(individualunitrootprocess)Series:X,YDate:11/21/15Time:22:04Sample:19952014Exogenousvariables:Individualeffects,individuallineartrendsAutomaticselectionofmaximumlagsAutomaticlaglengthselectionbasedonSIC:1to3Totalnumberofobservations:30Cross-sectionsincluded:2MethodStatisticProb.**ADF-FisherChi-square16.20690.0028ADF-ChoiZ-stat-2.894040.0019**ProbabilitiesforFishertestsarecomputedusinganasymptoticChi-squaredistribution.Allothertestsassumeasymptoticnormality.IntermediateADFtestresultsD(GROUP01,2)SeriesProb.LagMaxLagObsD(X,2)0.07343314D(Y,2)0.00411316由表7知，prob值全部小于显著性水平α（α=0．05），应拒绝原假设，即二阶差分序列为平稳序列。在二阶检验下达到平稳状态，显著平稳。2、协整关系检验在计量经济分析中，如果变量之间不存在长期稳定的均衡关系，在进行回归分析时所建立的回归模型便极有可能有虚假回归（伪回归）的问题。因而在建立回归模型之前，往往需要对变量进行协整分析，判断其长期均衡关系。表8协整关系检验Date:11/21/15Time:22:07Sample(adjusted):19972014Includedobservations:18afteradjustmentsTrendassumption:LineardeterministictrendSeries:XYLagsinterval(