对中国经济增长影响因素的实证分析.docx

对中国经济增长影响因素的实证分析.docx

《对中国经济增长影响因素的实证分析.docx》由会员分享，可在线阅读，更多相关《对中国经济增长影响因素的实证分析.docx（24页珍藏版）》请在冰豆网上搜索。

对中国经济增长影响因素的实证分析

影响中国经济增长因素的实证分析

学院：

经济学院

专业：

金融

教学号：

21140731

：

王月

影响中国经济增长因素的实证分析

摘要：

改革开放以来，中国的社会经济取得了飞速发展，经济增长速度更是举世瞩目，已成为世界第二大经济体，仅次于美国。

本文根据计量经济学、中级宏观经济学、Eviews软件相关知识，采用时间序列数据模型和多元线性回归分析方法对1985年-2015年三十多年间中国经济增长因素进行研究，分析了居民消费价格指数、固定资产投资、公共预算支出、进出口总额对国生产总值（GDP）的影响，建立计量经济学模型，寻求这些变量与国生产总值的数量关系，进行定量分析，对模型进行检验，最终得出结论。

关键词：

CPI、GDP、投资、预算支出、进出口、经济增长

1、研究的目的要求

（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生产总值（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。

（2）影响因素的分析

在曼昆中级宏观经济学第七版中指出，国民收入核算把GDP分为四大类支出：

消费（C）、投资（I）、政府购买（G）、净出口（NX）。

用Y代表GDP有，Y=C+I+G+NX。

从公式可知，GDP主要受这四方面影响，因此本文用公共预算支出衡量一部分政府购买，用全社会固定资产投资总额衡量投资。

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。

在过去的几十年里,我国经济年均增长率高达9.6%,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。

所以，选取了CPI物价指数来进行进一步分析。

同时随着对外经济加强，进出口贸易已成为中国经济重要组成部分，所以进出口额也是值得分析的因素。

2、模型设定与参数设计

（1）数据的收集

中国经济增长影响因素模型时间序列表

年份

GDP（亿元）

CPI（%）

全社会固定资产投资总额（亿元）

一般公共预算支出（亿元）

进出口总额（亿美元）

1985

9064.6

109.3

2543.19

2004.25

696

1986

10308

106.5

3120.63

2204.91

738.5

1987

12094.2

107.3

3791.69

2262.18

826.5

1988

15095.1

111.8

4753.84

2491.21

1027.8

1989

17098.9

118

4410.38

2823.78

1116.8

1990

18824.8

103.1

4517.45

3083.59

1154.4

1991

21940.2

103.4

5594.55

3386.62

1357

1992

27082

106.4

8080.1

3742.2

1655.3

1993

35450.4

114.7

12457.88

4642.3

1957

1994

48370.3

124.1

16370.33

5792.62

2366.2

1995

60146.5

117.1

20019.26

6823.72

2808.6

1996

70538.3

108.3

22974.03

7937.55

2898.8

1997

78517.3

102.8

24941.11

9233.56

3251.6

1998

83505.7

99.2

28406.17

10798.18

3239.5

1999

88989.8

98.6

29854.71

13187.67

3606.3

2000

98562.2

100.4

32917.73

15886.5

4742.9

2001

108683.4

100.7

37213.49

18902.58

5096.5

2002

119765

99.2

43499.9

22053.15

6207.7

2003

135718.9

101.2

55566.61

24649.95

8509.9

2004

160289.7

103.9

70477.45

28486.89

11545.5

2005

184575.8

101.8

88773.62

33930.28

14219.1

2006

217246.6

101.5

109998.16

40422.73

17604.4

2007

268631

104.8

137323.94

49781.35

21765.7

2008

318736.7

105.9

172828.4

62592.66

25632.6

2009

345046.4

99.3

224598.8

76299.93

22075.4

2010

407137.8

103.3

278121.9

89874.16

29740

2011

479576.1

105.4

311485.1

109247.79

36418.6

2012

532872.1

102.6

374675.7

125952.97

38671.2

2013

583196.7

102.6

446294.09

140212.1

41589.9

2014

634043.4

102

512020.65

151785.56

43030.3

2015

676708

103.4

562000

175768

29041.4

资料来源：

中国统计年鉴、中国政府网

（二）模型设计

 为了具体分析各要素对我国经济增长影响的大小，我们可以用国生产总值（Y）作为对经济发展的衡量，代表经济发展；用CPI（X1）消费需求；用固定资产投资总额（X2）衡量资本投入：

用预算支出（X3）去代表政府购买X4代表进出口总额。

运用这些数据进行回归分析。

 采用的模型如下：

 Y= β0+β1X1+β2X2+β3X3+β4X4+i其中，Y代表国生产总值，X3代表预算支出，X2代表固定资产投资，X1代表消费价格指数，X4代表进出口总额，i代表随机扰动项。

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、模型检验及修正

1.可以得到如下回归分析结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

08:

55

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

83300.80

48323.23

1.723825

0.0966

X1

-606.6547

443.4283

-1.368101

0.1830

X2

-0.318973

0.225021

-1.417523

0.1682

X3

4.176602

0.802216

5.206331

0.0000

X4

3.191439

0.584819

5.457142

0.0000

R-squared

0.996436

    Meandependentvar

189284.4

AdjustedR-squared

0.995888

    S.D.dependentvar

204842.6

S.E.ofregression

13135.92

    Akaikeinfocriterion

21.95078

Sumsquaredresid

4.49E+09

    Schwarzcriterion

22.18207

Loglikelihood

-335.2371

    Hannan-Quinncriter.

22.02617

F-statistic

1817.315

    Durbin-Watsonstat

0.322178

Prob（F-statistic）

0.000000

Y=833300.8-606.6547β1X1-0.318973β2X2+4.18β3X3+3.19β4X4

R²=0.996436Ṝ=0.995888F=1817.315

从数据可以看出模型拟合优度很好。

2.多重共线性检验

X1

X2

X3

X4

X1

 1.000000

-0.288341

-0.314340

-0.324767

X2

-0.288341

 1.000000

 0.997062

 0.932732

X3

-0.314340

 0.997062

 1.000000

 0.945955

X4

-0.324767

 0.932732

 0.945955

 1.000000

从上面结果来看，X2，X3，X4之间存在高度相关性，分别做出

与

间的回归，结果如下：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

09:

32

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

1400826.

620793.2

2.256509

0.0317

X1

-11490.48

5878.258

-1.954742

0.0603

R-squared

0.116420

    Meandependentvar

189284.4

AdjustedR-squared

0.085952

    S.D.dependentvar

204842.6

S.E.ofregression

195841.6

    Akaikeinfocriterion

27.27034

Sumsquaredresid

1.11E+12

    Schwarzcriterion

27.36286

Loglikelihood

-420.6903

    Hannan-Quinncriter.

27.30050

F-statistic

3.821017

    Durbin-Watsonstat

0.119399

Prob（F-statistic）

0.060314

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

09:

34

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

43248.59

7332.916

5.897871

0.0000

X2

1.240429

0.036853

33.65913

0.0000

R-squared

0.975042

    Meandependentvar

189284.4

AdjustedR-squared

0.974181

    S.D.dependentvar

204842.6

S.E.ofregression

32914.68

    Akaikeinfocriterion

23.70357

Sumsquaredresid

3.14E+10

    Schwarzcriterion

23.79608

Loglikelihood

-365.4053

    Hannan-Quinncriter.

23.73372

F-statistic

1132.937

    Durbin-Watsonstat

0.209259

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

20:

01

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

28127.89

4993.077

5.633379

0.0000

X3

4.008672

0.077829

51.50643

0.0000

R-squared

0.989187

    Meandependentvar

189284.4

AdjustedR-squared

0.988814

    S.D.dependentvar

204842.6

S.E.ofregression

21665.00

    Akaikeinfocriterion

22.86712

Sumsquaredresid

1.36E+10

    Schwarzcriterion

22.95964

Loglikelihood

-352.4404

    Hannan-Quinncriter.

22.89728

F-statistic

2652.912

    Durbin-Watsonstat

0.339632

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

20:

02

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

13363.32

12872.16

1.038156

0.3078

X4

14.18012

0.695338

20.39312

0.0000

R-squared

0.934814

    Meandependentvar

189284.4

AdjustedR-squared

0.932566

    S.D.dependentvar

204842.6

Sumsquaredresid

8.21E+10

    Schwarzcriterion

24.75612

Loglikelihood

-380.2859

    Hannan-Quinncriter.

24.69376

F-statistic

415.8795

    Durbin-Watsonstat

0.847523

Prob（F-statistic）

0.000000

从数据可以看出Y与X3回归具有最大的可决系数，因此选Y=28127.89+4.009X3作为初始的回归模型，逐步回归。

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

20:

26

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

142300.9

71534.19

1.989271

0.0565

X1

-1067.525

667.3011

-1.599765

0.1209

X3

3.968510

0.079865

49.68999

0.0000

R-squared

0.990092

    Meandependentvar

189284.4

AdjustedR-squared

0.989385

    S.D.dependentvar

204842.6

S.E.ofregression

21105.05

    Akaikeinfocriterion

22.84418

Sumsquaredresid

1.25E+10

    Schwarzcriterion

22.98295

Loglikelihood

-351.0848

    Hannan-Quinncriter.

22.88941

F-statistic

1399.055

    Durbin-Watsonstat

0.471700

Prob（F-statistic）

0.000000

引X1模型Ṝ²提高且变量通过了显著水平为10%的t检验但参数符号与经济意义不符

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

20:

39

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

18313.31

5238.709

3.495767

0.0016

X2

-0.902190

0.273468

-3.299065

0.0026

X3

6.894835

0.877421

7.858069

0.0000

R-squared

0.992213

    Meandependentvar

189284.4

AdjustedR-squared

0.991657

    S.D.dependentvar

204842.6

S.E.ofregression

18709.98

    Akaikeinfocriterion

22.60327

Sumsquaredresid

9.80E+09

    Schwarzcriterion

22.74204

Loglikelihood

-347.3506

    Hannan-Quinncriter.

22.64850

F-statistic

1783.983

    Durbin-Watsonstat

1.004618

Prob（F-statistic）

0.000000

X2同X1被舍弃

DependentVariable:

Y

Method:

LeastSquares

Date:

06/20/16Time:

20:

41

Sample:

19852015

Includedobservations:

31

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

21030.71

3414.022

6.160097

0.0000

X3

3.064969

0.155268

19.73990

0.0000

X4

3.630120

0.564985

6.425158

0.0000

R-squared

0.995630

    Meandependentvar

189284.4

AdjustedR-squared

0.995318

    S.D.dependentvar

204842.6

S.E.ofregression

14016.69

    Akaikeinfocriterion

22.02565

Sumsquaredresid

5.50E+09

    Schwarzcriterion

22.16442

Loglikelihood

-338.3976

    Hannan-Quinncriter.

22.07089

F-statistic

3189.620

    Durbin-Watsonstat

0.189253

Prob（F-statistic）

0.000000

引入X4模型Ṝ²变大且通过了显著性检