对我国GDP影响因素的分析讲解.docx
- 文档编号:30157843
- 上传时间:2023-08-05
- 格式:DOCX
- 页数:22
- 大小:614.15KB
对我国GDP影响因素的分析讲解.docx
《对我国GDP影响因素的分析讲解.docx》由会员分享,可在线阅读,更多相关《对我国GDP影响因素的分析讲解.docx(22页珍藏版)》请在冰豆网上搜索。
对我国GDP影响因素的分析讲解
对我国GDP影响因素的分析
摘要:
运用1987-2012年我国城镇、农村人均收入,恩格尔系数以及就业人数的数据,先对GDP进行绘制相关图,单位根检验,在建立了古典线性回归模型,通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。
通过这一系列统计分析和检验方法,拟合出比较优良的GDP模型,得出1987-2012年间我国经济增长的情况。
由此来分析所选取的这四个变量对GDP的贡献情况,结合当前我国宏观经济形势,找出目前经济发展存在的问题,从而找出相应的对策。
【关键词】:
GDP恩格尔系数影响因素回归分析
一、引言
许多专家学者指出,我国目前的经济形势是上世纪90年代中期以来最好的。
由此可见,GDP作为现代国民经济核算体系的核心指标,它的总量可以反映一个国家和地区的经济发展及人民的生活水平,其结构可反映社会生产与使用,投资与消费之间的比例关系及宏观经济效益,对于经济研究、经济管理都具有十分重要的意义。
尤其从1985年我国开始正式统计GDP后,它就越来越受到人们的关注。
GDP的核算中有许多因素在起着作用,为此,本文对国内生产总值GDP的影响因素作计量模型的实证分析,以期分析各影响因素对经济增长的贡献情况,结合我国当前的宏观经济形势,对国家宏观经济政策提出自己的看法。
二、建模分析
1、数据收集整理
从《中国统计年鉴》得到我国1987-2012年国内生产总值GDP、我国城镇、农村人均收入,恩格尔系数以及就业人数的统计数据,图1所示。
数据收集(数据来自《中国统计年鉴》中国国家统计局网站
图1
数据汇总整理,其中:
gdp:
国内生产总值,tc:
城镇居民人均收入,cc:
农村居民人均收入,te:
城镇居民恩格尔系数,ce:
农村居民恩格尔系数,tw:
城镇居民就业人数,cw:
农村居民就业人数。
数据汇总整理如图2所示:
图2(变量数据)
2、对GDP影响因素的分析过程
利用Eviews6.0和我国1987-2012年我国城镇、农村人均收入,恩格尔系数以及就业人数的数据建立古典线性回归模型,通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。
(1)绘变量变化折线图
图3(序列折线图)
(2)GDP相关图
图4(GDP序列相关图)
图4相关图用于显示序列GDP与其滞后序列之间的相关关系。
Autocorrelation部分是相关图,PartialCorrelation部分是偏相关图,自然序数列表示的是滞后期期数,AC是估计的自相关系数值, PAC是估计的偏相关系数值,Q-Stat表示的是Q统计量的值,Prob是Q统计量的伴随概率。
P值大于检验水平,则表示序列是非自相关的。
可以看出次输入结果中,P值均小于0.05,表明在0.05的检验水平下,此序列存在自相关。
3单位根检验
图5(GDP序列ADF单位根检验结果)
单位根检验用于检查时间序列的平稳性。
图5中的是GDP序列进行ADF方法下的单位根检验。
可以看到检验的伴随概率为接近于1,远远大于检验水平0.05,所以接受原假设H0认为:
如果检验式设定正确则该GDP序列存在单位根。
此时GDP为随机游走,是不稳定的。
T-staistic栏的值与下面的1%、5%、10%水平的绝对值分别比较,在1%、5%、10%水平下的绝对值分别为3.752946、2.998064、2.638752均大于了T的值2.646407,则表示应当接受原假设,即原序列具有单位根,是非平稳序列。
而prob栏,显示的信息是接受原假设的把握程度或是拒绝原假设犯错的概率,此处,是1,表示有100%的把握接受原假设,即原序列具有单位根,是非平稳的。
3OLS模型回归
图6(OLS估计1)
回归结果分析:
通过图6表可以看出,模型回归方程形式为:
模型回归结果为:
从系数的显著性来看,prob.值除常数项C和TE外,其它都小于5%的显著性水平,说明模型回归的系数非常显著;从模型整体的显著性来看,F值为11091.40,相应的概率值prob.为0.000,可以拒绝模型整体解释变量系数为零的原假设,说明模型的整体拟合情况好;从模型整体的拟合度来看R方和调整R方都在99%以上,说明该模型整体上拟合的非常好;从模型拟合的残差序列相关性来看,D-W值为2.613250,显然严重大于序列无自相关的标准值2,判断回归残差序列存在自相关。
一次最小估计统计量仍然是线性和无偏的,但却不是有效的。
由图6所示回归结果可知:
最优拟合优度
为0.999730,所以数据的拟合优度较好。
但是CE、CC、CW、TW和TC的P值均小于0.05,其中,TE的prob.值大于0.05,最不为显著,此时,在0.05的显著性水平下,不能拒绝TE为0的零假设。
因此,去掉TE后重新进行OLS回归,回归结果如图7:
图7(OLS估计2)
由图7回归结果可知:
CE的P值仍大于0.05,不能拒绝CE为0的零假设,因此把CE从原模型中剔除,再次对剩下的变量进行OLS回归,回归结果如图8:
图8(OLS估计3)
由图8回归结果可知:
数据的拟合优度值均大于0.99,数据能较好拟合,且模型中的变量都是显著的。
由此可以得出多元线性回归方程为:
三模型检验
1多元线性回归模型的统计检验
对于模型:
从图8可以知道可决系数
调整可决系数
都接近于1,所以模型的拟合优度好。
方程总体线性的显著性检验统计量F=15226.58,概率prob.=0.000小于显著水平0.05,表明模型的线性关系在99%的置信水平下显著成立。
变量的显著性检验T统计量分别为3.041807、-8.16457、14.88489、5.629989,其对应概率为0.0062、0.0000、0.0000、0.0000皆小于显著水平0.05,说明每个解释变量对被解释变量的影响显著。
2怀特异方差检验
对上述的回归模型进行怀特异方差检验,检验结果如图9:
图9(怀特异方差检验)
从图9中,F-statistic是辅助方程整体显著性的F统计量;Obs*R-squared是怀特检验的统计量NR2,通过比较Obs*R-squared的概率值和显著性水平,可以对方程是否存在异方差进行判断。
在图9中所示怀特检验结果中Obs*R-squared的概率值大于显著性水平0.05,则不能拒绝原假设,方程不存在异方差。
3对变量GDPTCCCTWCW进行单位根检验
图10(多变量的单位根检验)
由图10知对变量GDPTCCCTWCW进行单位根检验,检验结果,各检验伴随概率都大于检验水平0.05,则接受原假设H0,即存在单位根,序列组为随机游走,是不稳定的。
4Johansen协整检验
对于非平稳时间序列可以进一步进行协整分析,传统的方法是EG两步法。
但是EG两步法最多只能判断多个变量存在的一个协整关系,对于多个变量协整分析最为常见的是Johansen协整检验方法。
图11(Johansen协整检验结果)
图11中显示的是迹统计量和最大特征根统计量的检验结果,这两个统计量在Johansen协整检验用于判断变量之间的协整关系的个数。
Johansen协整检验是按照协整关系的个数从0到K-1顺序进行的,直到拒绝相应的原假设为止。
图中迹统计量的检验判定:
原假设None表示没有协整关系,该假设下计算的迹统计量值为138.0590,大于临界值69.81889且概率P值为0.0000,小于显著性水平0.05,可以拒绝原假设,认为至少存在一个协整关系;
下一个原假设Atmost1表示最多有一个协整关系,该原假设下计算的迹统计量值为59.41554,大于临界值47.85613且概率P值为0.0029,小于显著性水平0.05,可以拒绝原假设,认为至少存在两个协整关系;
下一个原假设Atmost2表示最多有两个协整关系,该原假设下计算的迹统计量值为34.05615,大于临界值29.79.7且概率P值为0.0152,小于显著性水平0.05,可以拒绝原假设,认为至少存在三个协整关系;
下一个原假设Atmost3表示最多有三个协整关系,该原假设下计算的迹统计量值为11.76213,小于临界值15.49471且概率P值为0.1687,大于显著性水平0.05,可以接受原假设,认为存在三个协整关系;
检验到此结束。
通过迹统计量可以判断城镇居民人均收入(TC)、农村居民人均收入(CC)、城镇居民就业人数(TW)、农村居民就业人数(CW)、国内生产总值(GDP)五个变量存在三个协整关系
同样,最大特征值的判断规则于迹统计量相同,最大特征值的检验结果与迹统计量的检验结果一致,都认为城镇居民人均收入(TC)、农村居民人均收入(CC)、城镇居民就业人数(TW)、农村居民就业人数(CW)对国内生产总值(GDP)五个变量存在三个协整关系。
图12(无约束的产权估计值结果)
图12现实的是无约束的参数估计值,即协整矢量系数和调整参数矢量系数的估计结果。
由于协整矢量并不唯一,因此一般情况下Eviews都会强加一个正规化约束限制。
图13(对数似然值最大的协整关系式)
图13显示了对数似然值最大的协整关系式,该关系式也是VEC中的协整关系式。
标准的协整关系值是指将排序第一位的变量前的系数标准化为1后计算的协整关系,该形式可以方便写出最终的协整方程式。
本论述中的方程可写为:
通过该协整关系式,可以得到GDP与农村居民就业人数(CW)是正相关的长期均衡关系:
农村居民就业人数(CW)每上升1%,GDP就会上升41.4273%;而GDP与城镇居民人均收入(TC)、农村居民人均收入(CC)和城镇居民就业人数(TW)都是负相关的长期均衡。
图14(续图13)
图15(续图14)
图16(续图15)
5残差检验
(1)残差自相关Q检验
图17(残差拟合表)
图18(残差自相关的Q检验)
从图18中可以看到一直滞后到12阶,Q统计量的P值在滞后1至12阶的概率都大于0.05,所以不可以拒绝原假设,认为模型回归的残差序列不存在自相关。
从稳健性考虑,需要进行LM检验。
(2)残差自相关LM检验
图19(残差自相关LM检验)
从图19可以看到,该检验的F值为1.847228,其F的概率P值为0.1849大于显著水平0.05,则不能拒绝原假设,认为模型回归序列不存在自相关。
(3)残差正态性检验
图20(残差正态性检验)
从图20,Histogram-NormalityTest即怀特异方差检验,主要用于对残差进行正态性检验。
JB统计量(Jarque-Bera)=0.003148,其概率probability=0.998427,表明在99%以上的置信水平下,接受原假设H0:
序列服从正态分布。
即JB统计量计算的概率值P大于了显著水平0.05,此时就不能拒绝原假设H0,认为残差分布服从于正态分布。
Skewness偏度为-0.001724<0,所以模型回归的残差序列分布是不对称的,为左偏分布形态。
Kurtosis峰度为1.681<3,模型回归的残差序列分布呈厚尾状态。
(4)残差异方差检验
图21(残差异方差检验)
在图21中,Heteroskedasticity,即怀特异方差检验,主要用于检验残差序列是否存在异方差,F-statistic是辅助方程整体显著性的F统计量;Obs*R-squared是怀特检验的统计量NR2,通过比较Obs*R-squared的概率值0.0941和显著性水平0.05,明显大于常规检验的检验水平0.05,因此接受怀特检验原假设,认为原方程的的残差序列不存在异方差。
6Chow稳定性检验
Chow稳定性检验包括Chow突变点检验和Chow预测检验两种。
基本思想都是见数据分成两个集合,通过检验整体估计于分组估计的差异,或者通过检验预测值于观测值的差异,从而判断模型的稳定性。
若两个集合差异较大或预测值于观测值差异较大,则说明模型不具备稳定性特点。
(1)Chow突变点检验
根据回归模型:
用以研究城镇居民人均收入(TC)、农村居民人均收入(CC)、城镇居民就业人数(TW)、农村居民就业人数(CW)对国内生产总值(GDP)影响。
我国2001年正式加入WTO世界组织为我国参与国际贸易和国际分工提供了便利条件,因此较为可能对我国的城镇居民人均收入(TC)、农村居民人均收入(CC)、城镇居民就业人数(TW)、农村居民就业人数(CW)产生影响,所以在分析估计模型时,需要通过chow稳定性检验,检验加入WTO世界贸易组织前后模型是否发生了稳定性变化。
图22(Chow突变点检验)
从图22可以看到F-statistic=1.588619,其伴随概率Prob.F(5,16)=0.2196;Loglikelihoodratio=10.48037,其伴随概率Prob.Chi-Square(5)=0.0627;WaldStatistic =7.943097,伴随概率Prob.Chi-Square(5)=0.1594。
F-statistic=1.588619的伴随概率Prob.F(5,16)=0.2196,大于显著水平0.05,接受原假设H0,即两个子样本回归系数无显著变化。
认为2001年假加入WTO世界贸易组织前后模型没有发生显著变化。
(2)Chow预测检验
图23(Chow预测检验)
由图23,可以看到统计量的伴随概率都很小,因此拒绝原假设,认为2001年加入WTO世界贸易组织前后模型发生了显著性变化。
四模型解释:
通过回归模型:
这一模型我们可以发现,其中城镇、农村居民的恩格尔系数在模型修正中被剔除。
城镇居民的人均收入(TC)也对GDP有着重要影响,城镇居民收入每上升一个单位,GDP增长将会上升12.71952个单位。
而农村居民的就业人数(CW)对GDP却起着负作用,农村就业人数(CW)每增加一个单位,GDP将下降0.927870个单位。
针对农村就业人数对GDP存在的负面影响,我们也许会觉得这与我们的逻辑思维有些背离,当然这不排除我们在对数据收集以及对方程的设立上存在一些误差,或是农村就业人数增加的情况下,GDP会由于其他的一些因素而减小。
农村居民人均收入(CC)、城镇居民就业人数(TW)对GDP有着正相关影响。
农村居民人均收入(CC)上升一个单位,GDP就上升5.465362单位;城镇居民就业人数(TW)每上升1个单位,GDP就上升1.914610单位。
五解决方案
通过对所建模型的分析我们可以对如何提高我国GDP给出自己的见解与解决方案。
自从我国1978年改革开放以来,随着我国社会主义市场经济体制的不断发展和深入,我国的经济得到了前所未有的、飞速的发展,但是,也带来了严重的发展问题。
贫富差距拉大,需求失衡就是当前两个特别受关注,讨论激烈的问题。
观察上述计量经济模型参数估计结果,得知,城镇居民的人均收入(TC)比农村居民人均收入(CC)对GDP的影响要大,而农村居民的就业人数(CW)对GDP却起着负作用,而城镇居民就业人数(TW)对GDP却正相关,针对农村就业人数(CW)对GDP存在的负面影响,我们也许会觉得这与我们的逻辑思维有些背离,当然这不排除我们在对数据收集以及对方程的设立上存在一些误差,或是农村就业人数增加的情况下,GDP会由于其他的一些因素而减小。
因此,我对我国政府今后的政策导向提出一些有意义的建议:
第一,采取适当政策措施,提高我国人民收入水平,特别是农民的收入水平。
扩大就业是提高人民收入水平的唯一方法。
统筹城乡就业,加大对农村基础设施的投入力度,大力发展县域经济,加强小城镇建设,引导农村劳动力外出和就地就近转移就业。
调整我国的户籍制度,放宽对农民工的户口限制,增加待遇,减少对农民工的不合理的、歧视性的收费,大力发展实体产业和服务业。
从计量经济模型参数估计的结果看出,居民消费对经济发展的贡献远远大于投资,因此提供我国人民的收入水平,消费也随之增加,会持续地促进我国经济的发展。
第二,采取合理措施,打压通货膨胀。
尽管经济的增长一定带动通货膨胀,但是,在我国当前社会背景下,通货膨胀给人民的生活造成了恶劣影响。
因此,要合理抑制通货膨胀。
第三,我国政府要采取特别有力的措施,缩小贫富差距。
逐步取消我国的户籍制度,使农民与城镇居民享有平等的待遇,使农民工可以融入城市。
提高所得税征收门槛,抑制高收入阶层的收入增长,增加对低收入阶层的转移支付,特别是增加农民的转移支付。
颁布适当政策扶持低收入阶层增加就业或创业。
参考文献
[1]概率论与数列统计教程(第二版).茂诗松..上海科大出版社.1994
[2]西方经济学(宏观部分)(第五版).高鸿业.中国人民大学出版社.2010.
[3]数学建模方法及其应用(第二版)(数学建模培训教材).韩中庚.高等教育出版社.2009.[4]数据分析与EViews应用.易丹辉.中国统计出版社.2002.
[5]统计预测原理.杨曾武.北京中国人民出版社.1990.
[6]eviews统计分析与应用(修订版).李嫣怡.电子工业出版社.2013.
[7]金融计量学(第二版).邹平.上海财经大学出版社
[7]中国国家统计局网站
- 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:
- 我国 GDP 影响 因素 分析 讲解