内容发布更新时间 : 2024/5/7 0:55:41星期一 下面是文章的全部内容请认真阅读。

关于GDP与其他经济因素关系的计量分析

GDP是指本国在一年内所生产创造的劳动产品及劳务的总价值。GDP 的增长对于一个国家有着十分重要的意义。他是衡量一国在过去的一年里所创造的劳动成果的重要指标，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，因此我们组以GDP与其他经济因素关系建立模型，想通过计量经济学的研究手段来阐述它们之间的关系，但因水平有限，中间不乏缺陷，望大家见谅。

我们把GDP的影响因素分为以下四个因素：x2 能源消费总量 总额 x4 固定资产投资

数据如下：

obs 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002

Y 21662.50 26651.90 34560.50 46670.00 57494.90 66850.50 73142.70 76967.20 80579.40 88254.00 95727.90 103553.6

x3 进出口贸易

x5 货币供应量

X2

X3 7225.800 9119.600 11271.00 20381.90 23499.90 24133.80 26967.20 26849.70 29896.20 39273.20 42183.60 51378.20

ui 随机扰动项。

X4 5594.500 8080.100 13072.30 17042.10 20019.30 22913.50 24941.10 28406.20 29854.70 32917.70 37213.49 43499.91

X5 19349.90 25402.20 34879.80 46923.50 60750.50 76094.90 90995.30 104498.5 119897.9 134610.3 158301.9 185007.0

103783.0 109170.0 115993.0 122737.0 131176.0 138948.0 137798.0 132214.0 130779.0 130297.0 134914.8 148000.0

一、建立模型：

根据GDP的定义,GDP=消费+投资+净出口，而x2，x3 ，x4，x5与消费，投资及净出口有着一定的线性相关关系，基于数据的有限和操作的方便，我们把模型设成以下形式：

参数估计：

Y??1??2X2??3X3??4X4??5X5?ui

Dependent Variable: Y Method: Least Squares Date: 05/08/04 Time: 18:17 Sample: 1991 2002 Included observations: 12 Variable X5 X4 X3 X2 C R-squared

Adjusted R-squared

Coefficient 0.096079 1.972191 -0.346822 0.318439 -22452.30 Std. Error 0.224342 1.257707 0.530434 0.295800 27984.60 t-Statistic 0.428270 1.568085 -0.653845 1.076533 -0.802309 Prob. 0.6813 0.1608 0.5341 0.3174 0.4488 27118.27

0.985639 Mean dependent var 64342.93 0.977432 S.D. dependent var

S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat ?4073.867 Akaike info criterion 1.16E+08 Schwarz criterion -113.5415 F-statistic 1.264884 Prob(F-statistic) 19.75691 19.95895 120.1049 0.000002 将上述回归结果整理如下： Y?-22452.30?0.318439X2-0.346822X3?1.972191X4?0.096079X5

22 R?0.985639 R?0.977432 F=120.1049

从回归结果看，可决系数很高，F值很大，但在显著性水平??0.05下，各项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。R2和F值大反映了模型中各解释变量联合对Y的影响力显著，而t值小于临界值恰好反映了由于解释变量共线性的作用，使得不能分解出各个解释变量对Y独立影响。

二、多重共线性的检验

用Eviews计算解释变量之间的简单相关系数：

Y X5 X4 X3 X2

Y 1.000000 0.973852 0.990785 0.968615 0.897252

X5 0.973852 1.000000 0.987899 0.979698 0.814824

X4 0.990785 0.987899 1.000000 0.983539 0.879404

X3 0.968615 0.979698 0.983539 1.000000 0.853171

X2 0.897252 0.814824 0.879404 0.853171 1.000000

由上表可以看出，解释变量之间存在高度的线性相关，同时也证明了，虽然整体上拟合较好，但不能分解出各个解释变量对Y独立影响。

三、模型修正

（1） 运用OLS方法逐一求Y对各个解释变量的回归，结合经济意

义和统计检验选出拟合效果最好的一元线性回归方程。Eviews过程如下：

Dependent Variable: Y Method: Least Squares Date: 05/07/04 Time: 20:48 Sample: 1991 2002 Included observations: 12

Variable X2 C R-squared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Dependent Variable: Y

Coefficient 1.892978 -177928.3 Std. Error 0.294565 37873.57 t-Statistic 6.426347 -4.697954 Prob. 0.0001 0.0008 27118.27 21.86506 21.94588 41.29793 0.000076

0.805060 Mean dependent var 64342.93 0.785566 S.D. dependent var 12557.65 Akaike info criterion 1.58E+09 Schwarz criterion -129.1904 F-statistic 0.500518 Prob(F-statistic)

Method: Least Squares Date: 05/07/04 Time: 20:50 Sample: 1991 2002 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. X3 1.950644 0.158296 12.32279 0.0000 C 13596.91 4596.028 2.958406 0.0143 R-squared

0.938215 Mean dependent var 64342.93 Adjusted R-squared 0.932036 S.D. dependent var 27118.27 S.E. of regression 7069.689 Akaike info criterion 20.71603 Sum squared resid 5.00E+08 Schwarz criterion 20.79685 Log likelihood -122.2962 F-statistic 151.8512 Durbin-Watson stat 0.753355 Prob(F-statistic)

0.000000

Dependent Variable: Y Method: Least Squares Date: 05/07/04 Time: 20:50 Sample: 1991 2002 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. X4 2.328702 0.100669 23.13220 0.0000 C 9316.680 2625.880 3.548022 0.0053 R-squared

0.981655 Mean dependent var 64342.93 Adjusted R-squared 0.979820 S.D. dependent var 27118.27 S.E. of regression 3852.305 Akaike info criterion 19.50174 Sum squared resid 1.48E+08 Schwarz criterion 19.58256 Log likelihood -115.0105 F-statistic 535.0988 Durbin-Watson stat 0.797211 Prob(F-statistic) 0.000000 Dependent Variable: Y Method: Least Squares Date: 05/07/04 Time: 20:50 Sample: 1991 2002 Included observations: 12 Variable Coefficient Std. Error t-Statistic Prob. X5 0.490803 0.036207 13.55559 0.0000 C 21123.16 3693.877 5.718426 0.0002 R-squared

0.948388 Mean dependent var 64342.93 Adjusted R-squared 0.943227 S.D. dependent var 27118.27 S.E. of regression 6461.494 Akaike info criterion 20.53612 Sum squared resid 4.18E+08 Schwarz criterion 20.61694 Log likelihood -121.2167 F-statistic 183.7540 Durbin-Watson stat 0.341465 Prob(F-statistic) 0.000000 从上述结果可以看出Y对X4的线性关系强，拟合程度好，即