最新影响GDP变化的因素分析.docx
- 文档编号:25602900
- 上传时间:2023-06-10
- 格式:DOCX
- 页数:31
- 大小:713.59KB
最新影响GDP变化的因素分析.docx
《最新影响GDP变化的因素分析.docx》由会员分享,可在线阅读,更多相关《最新影响GDP变化的因素分析.docx(31页珍藏版)》请在冰豆网上搜索。
最新影响GDP变化的因素分析
影响GDP变化的因素分析
影响GDP变化的因素分析
金融1班:
李立鹏(11083027)李铭杰(11083126)
一、问题的提出
摘要:
随着改革开放的逐步深入和社会主义市场经济日益发展,各城区GDP连年攀升,地区GDP反映的是一个地区的综合经济发展水平,其中园林绿化面积、城市建成区面积、基本建设财政支出都有可能影响GDP的变化。
本文主要通过对2011年期各省的GDP和园林绿化面积、城市建成区面积、基本建设财政支出的变动数据进行分析,建立以2011年各省的GDP为被解释变量,以基本建设财政支出、城市建成区面积、城市园林绿地面积各值为解释变量的多元线性回归模型,从而找出这三个解释变量和GDP间的发展关系,并就此对如何增加GDP、促进产业经济的发展提出一些建议。
二、理论综述
GDP 的增长对于一个国家有着十分重要的意义,它衡量一国在过去的一年里所创造的劳动成果,而研究它的影响因素不仅可以很好的了解GDP的经济内涵,而且还有利于我们根据这些因素对GDP影响大小来制定工作的重点以更好的促进国民经济的发展。
三、数据来源
本文所收集的数据来源于《中国统计年鉴2011》和国家统计局
(一)计量经济模型的建立
建立线性回归模型:
Y=
+
X1+
X2+
X3+
以Y表示各省的GDP,X1,X2,X3分别表示基本建设财政支出、城市建成区面积和城市园林绿地面积,
表示随机干扰项。
(二)模型的估计与检验
1、最小二乘估计
建立Eviewsnewworkfile
启动Eviews,点击File/New/workfile建立workfile,在”Workfilestructuretype”中选择”Unstructured”,并在”Observations”中输入”31”.,点击OK.
在命令窗口输入:
“datayx1x2x3”回车,出现“Group”窗口,复制输入数据,如下图所示:
模型的参数估计,用OLS方法估计得:
可见模型参数估计建立的回归方程为:
Y=—3680.981+2.950740X1+8.056911X2+0.004731X3
t=(-2.153265)(2.843810)(4.532902)(0.267483)
=0.943236
=0.936929F=149.5521D.W=1.785761
2、拟合度检验
由
=0.943236
=0.936929两个值都接近于1,说明模型的拟合优度,好。
即3个解释变量的变化对GDP变化的解释程度很大,线性影响较强。
3、方程显著性检验——F检验
给定显著性水平α=0.05,在自由度为(3,31-3-1)即(3,27)下,由截图可知道,F统计量值为F=149.5521,查F分布表得F0.05(3,27)=2.96 4、变量显著性检验——T检验 给定显著性水平α=0.05,查t分布表得自由度为31-3-1=27,临界值 (27)=2.052,X1和X2对应的P值均小于0.05,可知X1X2都通过了t检验,但X3对应的P值大于0.05,即X3没有通过t检验,表明模型中X3在95%的置信水平下T值不显著,修正系数不高。 故我们对上述模型进行计量经济学的检验,并进行修正,看是否能使模型方程得到改进。 四、模型的异方差性检验 用怀特检验法进行检验 点击OLS回归结果Equation窗口的View→ResidualTests→HeteroskedastcityTestsWhite,在弹出窗口的Testtype中选定White,Ok,如图: 结果如下图: 由截图可见Obs*R-squared所相应的P值为0.0514>0.05,所以接受怀特检验的原假设,认为原方程序列不存在异方差,因此不需要做出修正。 五、模型的序列相关性 序列相关性的检验 D.W检验 对原始模型进行OLS回归,结果如下: 可见,D.W.=1.785761,在0.05显著性水平下,n=31,k=3,查D.W.表得dL=1.30,dU=1.57,根据模型的自相关状态: du 拉格朗日乘数检验(LM) 在OLS回归结果窗口,点击View→ResidualTests→SerialCorrelationLMTest,在弹出窗口输入“1”,如图 按OK,结果如下图所示: 由图可见Obs*R-squared相应的P值为0.6286大于0.05,说明模型不存在1阶序列相关性。 再验证模型是否存在2阶序列相关性,如下: 由图可见Obs*R-squared相应的P值为0.7166大于0.05,说明模型不存在2阶序列相关性。 因此,说明该模型拟合效果较好,所有变量都通过了t检验,方程也通过了F检验,而且dU=1.57 六、随机解释变量检验: 逐一检验X1X2X3是否存在内生性。 导入上一年基本建设财政支出的数据命名为z。 1.首先检验x1的内生性: 导入上一年基本建设财政支出的数据并命名为z。 将X1作为被解释变量,X2X3z作为解释变量,作回归。 生成残差序列,命名为e 加入残差作回归。 由图可知残差序列E对应的P指小于0.05,因此x1有内生性,是内生变量。 由于X1存在内生性,所以运用工具变量法进行修正 得出以下结果: X1的内生性得到修正 2.检验x2的内生性: 导入上一年的城市建成区面积数据并命名为a,x2作为被解释变量,x1x3a作为解释变量,作回归。 再生成残差序列,命名为e2. 加入残差作回归。 由图可知残差序列E2对应的P指大于0.05,因此X2无内生性,是外生变量。 3.检验X3的内生性: 导入上一年城市园林绿地面积的数据并命名为b。 将x3作为被解释变量,x1x2b作为解释变量,作回归。 得出残差序列,并命名为e3. 加入残差作回归。 由图可知残差序列E3对应的P指大于0.05,因此X3无内生性,是外生变量。 七、模型的多重共线性 多重共线性的检验 检验简单相关系数如下图: 点击Quick→GroupStatistics→Correlations,在弹出框中输入”x1x2x3”,按OK得到下图: 由相关系数矩阵表可以得知,表中数据X1与X2的r=0.912385,X2与X3的r=0.899777,X1与X3的r=0.832822,三个值都非常接近于1,因此说明模型具有很强的共线性。 下面就要对此模型进行多重共线性的修正。 运用逐步回归方法进行修正 点击Quick→EstimateEquation,在弹出窗口下方的Method对应下拉列表中选 择STEPLS,然后按如下要求输入 点击确定后,得到以下结果: 可见, =0.943086,代表模型的拟合优度较高,模型结果剔除了共线性高的解释变量X3,而X1与X2对应t检验的p值分别为0.0000和0.0069,均小于0.05,即都通过了t检验。 F检验所对应的p值小于0.05,因此拒绝原假设,通过了显著性检验,整体模型有意义。 即得到最后的模型为: Y=-3806.881+2.969199X1+8.350506X2 T=-2.3558372.9167156.074628 =0.943086 =0.939021DW=1.788833F=231.9848 八、新模型的再次检验: 1、异方差检验 得出以下结果: 由图可见Obs*R-squared相应的P值为0.0614大于0.05,所以接受同方差性的原假设,模型不存在异方差性。 2、序列相关检验 可见,D.W.=1.788833,在0.05显著性水平下,n=31,k=2查D.W.表得dL=1.36,dU=1.50,由于4-dU=2.50,du 再进行拉格朗日乘数检验(LM) 在OLS回归结果窗口,点击View→ResidualTests→SerialCorrelationLMTest,在弹出窗口输入“1”,如图: 按OK,结果如下图所示: 由图可见Obs*R-squared相应的P值为0.6431大于0.05,说明模型不存在序列相关性。 再验证模型是否存在2阶序列相关性 结果如下: 由图可见Obs*R-squared相应的P值为0.8078大于0.05,说明模型不存在序列相关性。 因此,说明该模型拟合效果较好,所有变量都通过了t检验,方程也通过了F检验,而且dU=1.50 此时,所有参数的t值都已经比较显著,且F值也有了一定的增加,故不再删除变量,选择此模型为修正后的模型。 可见经过异方差性、序列相关性以及多重共线性检验,可以得出最后的模型为 Y=—3806.881+2.969199X1+8.350506X2 t=(-2.355837)(2.916715)(6.074628) =0.943086 =0.939021F=231.9848 九、预测: 导入数据: Y为GDP,X1为基本建设财政支出,X2为城市建成区面积。 样本数据为31,则导入32个数据。 假定X1为基本建设财政支出的第32个数据为1000,X2为城市建成区面积第32个数据为2000. 作回归,预测。 由以上的预测可以得出,若某地区某年的基本建设财政支出为1000万元,城市建成区面积为2000平方公里,那么该地区该年的GDP为15863.11亿元。 经济意义: 在城市建成区面积不变的情况下,某地区基本建设财政支出每增加1亿元,GDP增加2.969199亿元,在基本建设财政支出不变的情况下,某地区城市建成区面积每增加1平方公里,GDP增加8.350506亿元。 十、结论 从模型方程中可看出: 城市园林绿化面积与GDP关联不紧密,而基本建设的财政支出及城市建成区面积更为直接的影响了GDP。 具体来说,其中城市建成区面积对GDP影响最大,城市建成区面积每增加一个单位,GDP平均增加8.350506个单位,可见城市建成区面对GDP影响是非常显著的;而基本建设的财政支出对GDP影响相对较少,但仍然有很大贡献。 城市园林绿化面积与GDP关联不大。 因此,要想提高对GDP的增长,应提高城市建设的规模,合理扩大城市建成区面积;同时要充分认识到基本建设是国民经济运行的重要环节,是提高GDP,扩大社会生产规模、推进技术进步、增强综合国力的重要手段。 两者都不可忽略。 当然影响GDP的因素还有很多很多,所以在这次研究范围外的其他因素也不容忽视。 综上所述,我们采用截面数据拟合的模型能成功的反映GDP与所研究解释变量之间的数量关系,是一个成功的模型。 十一、政策建议 1.合理配置基本建设支出,调整基本建设支出结构,加大对国民经济及基础作用的基础设施建设的投资。 2.有效控制基本建设投资规模,保持经济稳定。 3.合理扩大城市建成区面积,提高城市规模质量,提高城市化,促进GDP的增长。 4.政府应该制定可行性发展规划,协调城市园林建设与国家经济建设的关系,从而也使绿化产业也可以为提高GDP做贡献。 参考文献: 1.《中国统计年鉴》 2.顾俊杰《中国基本建设支出和GDP之间关系的调整分析》 3.张明旭《中国建成区面积与国内生产总值之间的关系分析》
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 最新 影响 GDP 变化 因素 分析