影響GDP變化的因素分析

1、金融1班：李立鵬 （11083027）李銘杰（11083126）一、 問題的提出摘要：隨著改革開放的逐步深入和社會主義市場經(jīng)濟(jì)日益發(fā)展，各城區(qū)GDP連年攀升，地區(qū)GDP反映的是一個地區(qū)的綜合經(jīng)濟(jì)發(fā)展水平，其中園林綠化面積、城市建成區(qū)面積、基本建設(shè)財政支出都有可能影響GDP的變化。本文主要通過對2011年期各省的GDP和園林綠化面積、城市建成區(qū)面積、基本建設(shè)財政支出的變動數(shù)據(jù)進(jìn)行分析，建立以2011年各省的GDP為被解釋變量，以基本建設(shè)財政支出、城市建成區(qū)面積、城市園林綠地面積各值為解釋變量的多元線性回歸模型，從而找出這三個解釋變量和GDP間的發(fā)展關(guān)系，并就此對如何增加GDP、促進(jìn)產(chǎn)業(yè)經(jīng)濟(jì)的發(fā)展

2、提出一些建議。二、 理論綜述GDP 的增長對于一個國家有著十分重要的意義，它衡量一國在過去的一年里所創(chuàng)造的勞動成果，而研究它的影響因素不僅可以很好的了解GDP的經(jīng)濟(jì)內(nèi)涵，而且還有利于我們根據(jù)這些因素對GDP影響大小來制定工作的重點以更好的促進(jìn)國民經(jīng)濟(jì)的發(fā)展。三、 數(shù)據(jù)來源本文所收集的數(shù)據(jù)來源于中國統(tǒng)計年鑒2011和國家統(tǒng)計局（一） 計量經(jīng)濟(jì)模型的建立 建立線性回歸模型：Y=+X1+X2+X3+以Y表示各省的GDP，X1，X2，X3分別表示基本建設(shè)財政支出、城市建成區(qū)面積和城市園林綠地面積，表示隨機(jī)干擾項。（二） 模型的估計與檢驗1、最小二乘估計建立 Eviews new workfi

3、le啟動Eviews,點擊File/New/workfile建立workfile，在”Workfile structure type”中選擇”Unstructured”,并在”O(jiān)bservations”中輸入”31”.,點擊OK.在命令窗口輸入：“data y x1 x2 x3”回車，出現(xiàn)“Group”窗口，復(fù)制輸入數(shù)據(jù)，如下圖所示：模型的參數(shù)估計，用OLS方法估計得：可見模型參數(shù)估計建立的回歸方程為：Y=+X1+X2+X3t=(-2.153265) (2.843810) (4.532902) (0.267483) =0.943236 =0.936929 F2、擬合度檢驗 由=0.943236

4、 =0.936929 兩個值都接近于1，說明模型的擬合優(yōu)度,好。即3個解釋變量的變化對GDP變化的解釋程度很大，線性影響較強(qiáng)。3、方程顯著性檢驗 F檢驗給定顯著性水平=0.05，在自由度為（3，31-3-1）即（3,27）下，由截圖可知道，F(xiàn)統(tǒng)計量值為F=，<F，對應(yīng)的P<0.05,因此拒絕原假設(shè)，方程通過顯著性檢驗，說明模型有意義。4、變量顯著性檢驗T檢驗給定顯著性水平=0.05，查t分布表得自由度為31-3-1=27，臨界值（27）=2.052，X1和 X2對應(yīng)的P值均小于0.05,可知X1 X2都通過了t檢驗，但X3對應(yīng)的P值大于0.05,即X3沒有通過t檢驗，表明模型中X3

5、在95%的置信水平下T值不顯著，修正系數(shù)不高。故我們對上述模型進(jìn)行計量經(jīng)濟(jì)學(xué)的檢驗，并進(jìn)行修正，看是否能使模型方程得到改進(jìn)。四、 模型的異方差性檢驗用懷特檢驗法進(jìn)行檢驗點擊OLS回歸結(jié)果Equation窗口的ViewResidual TestsHeteroskedastcity Tests White,在彈出窗口的Test type中選定White,Ok,如圖：結(jié)果如下圖：由截圖可見Obs*R-squared所相應(yīng)的P值為>0.05, 所以接受懷特檢驗的原假設(shè)，認(rèn)為原方程序列不存在異方差，因此不需要做出修正。五、 模型的序列相關(guān)性序列相關(guān)性的檢驗對原始模型進(jìn)行OLS回歸，結(jié)果如下：可見，

6、D.W.=1.785761,在0.05顯著性水平下，n=31,k=3, 查D.W.表得dL=1.30，dU=1.57，根據(jù)模型的自相關(guān)狀態(tài)：du<D.W.<4-du，又有4-dU=<D.W.<2.43，故能確定模型不存在1階序列相關(guān)性。拉格朗日乘數(shù)檢驗（LM）在OLS回歸結(jié)果窗口，點擊ViewResidual TestsSerial Correlation LM Test,在彈出窗口輸入“1”,如圖按OK，結(jié)果如下圖所示：由圖可見Obs*R-squared相應(yīng)的P值為0.6286大于0.05，說明模型不存在1階序列相關(guān)性。再驗證模型是否存在2階序列相關(guān)性，如下：由圖可見

7、Obs*R-squared相應(yīng)的P值為0.7166大于0.05，說明模型不存在2階序列相關(guān)性。因此，說明該模型擬合效果較好，所有變量都通過了t檢驗，方程也通過了F檢驗，而且dU=1.57<D.W.<4-dU=2.43，表明模型無自相關(guān)，即不存在序列相關(guān)性。六、隨機(jī)解釋變量檢驗：逐一檢驗X1 X2 X3是否存在內(nèi)生性。導(dǎo)入上一年基本建設(shè)財政支出的數(shù)據(jù)命名為 z 。1首先檢驗x1的內(nèi)生性：導(dǎo)入上一年基本建設(shè)財政支出的數(shù)據(jù)并命名為 z。將X1作為被解釋變量，X2 X3 z作為解釋變量，作回歸。生成殘差序列，命名為e加入殘差作回歸。由圖可知殘差序列E對應(yīng)的P指小于，因此x1有內(nèi)生性，是內(nèi)生

8、變量。由于X1存在內(nèi)生性，所以運用工具變量法進(jìn)行修正得出以下結(jié)果：X1的內(nèi)生性得到修正2.檢驗x2的內(nèi)生性：導(dǎo)入上一年的城市建成區(qū)面積數(shù)據(jù)并命名為a， x2作為被解釋變量，x1 x3 a作為解釋變量，作回歸。再生成殘差序列，命名為e2.加入殘差作回歸。由圖可知殘差序列E2對應(yīng)的P指大于，因此X2無內(nèi)生性，是外生變量。3.檢驗X3的內(nèi)生性：導(dǎo)入上一年城市園林綠地面積的數(shù)據(jù)并命名為b。將x3作為被解釋變量，x1 x2b作為解釋變量，作回歸。得出殘差序列，并命名為e3.加入殘差作回歸。由圖可知殘差序列E3對應(yīng)的P指大于，因此X3無內(nèi)生性，是外生變量。七、模型的多重共線性多重共線性的檢驗檢驗簡單相關(guān)系

9、數(shù) 如下圖：點擊QuickGroup StatisticsCorrelations,在彈出框中輸入”x1 x2 x3”,按OK得到下圖：由相關(guān)系數(shù)矩陣表可以得知，表中數(shù)據(jù)X1與X2的r=0.912385，X2與X3的r=0.899777，X1與X3的r=0.832822，三個值都非常接近于1，因此說明模型具有很強(qiáng)的共線性。下面就要對此模型進(jìn)行多重共線性的修正。運用逐步回歸方法進(jìn)行修正點擊QuickEstimate Equation,在彈出窗口下方的Method對應(yīng)下拉列表中選擇STEPLS,然后按如下要求輸入點擊確定后，得到以下結(jié)果：可見，=0.943086，代表模型的擬合優(yōu)度較高，模型結(jié)果剔

10、除了共線性高的解釋變量X3，而X1與X2對應(yīng)t檢驗的p值分別為0.0000和0.0069，均小于0.05，即都通過了t檢驗。F檢驗所對應(yīng)的p值小于0.05，因此拒絕原假設(shè)，通過了顯著性檢驗，整體模型有意義。即得到最后的模型為：Y = + X1+X2T= -=0.943086=39021DW=1.788833 F=八、新模型的再次檢驗：1、異方差檢驗得出以下結(jié)果：由圖可見Obs*R-squared相應(yīng)的P值大于0.05，所以接受同方差性的原假設(shè)，模型不存在異方差性。2、序列相關(guān)檢驗可見，D.W.=1.788833，由于4-dU=，du<D.W.<4-du，又有<D.W.<

11、2.50，故能確定模型不存在1階序列相關(guān)性。再進(jìn)行拉格朗日乘數(shù)檢驗（LM）在OLS回歸結(jié)果窗口，點擊ViewResidual TestsSerial Correlation LM Test,在彈出窗口輸入“1”,如圖：按OK，結(jié)果如下圖所示：由圖可見Obs*R-squared相應(yīng)的P值為0.6431大于0.05，說明模型不存在序列相關(guān)性。再驗證模型是否存在2階序列相關(guān)性結(jié)果如下：由圖可見Obs*R-squared相應(yīng)的P值為0.8078大于0.05，說明模型不存在序列相關(guān)性。因此，說明該模型擬合效果較好，所有變量都通過了t檢驗，方程也通過了F檢驗，而且dU=<D.W.<4-dU=2

12、.50，表明模型無自相關(guān)，即不存在序列相關(guān)性。此時，所有參數(shù)的t值都已經(jīng)比較顯著，且F值也有了一定的增加，故不再刪除變量，選擇此模型為修正后的模型?？梢娊?jīng)過異方差性、序列相關(guān)性以及多重共線性檢驗，可以得出最后的模型為Y= + X1 + X2 t= (-2.355837) (2.916715) (6.074628)=0.943086 =0.939021 F九、預(yù)測：導(dǎo)入數(shù)據(jù)：Y為GDP，X1為基本建設(shè)財政支出，X2為城市建成區(qū)面積。樣本數(shù)據(jù)為31，則導(dǎo)入32個數(shù)據(jù)。假定X1為基本建設(shè)財政支出的第32個數(shù)據(jù)為1000，X2為城市建成區(qū)面積第32個數(shù)據(jù)為2000.作回歸，預(yù)測。由以上的預(yù)測可以得出，

13、若某地區(qū)某年的基本建設(shè)財政支出為1000萬元，城市建成區(qū)面積為2000平方公里，那么該地區(qū)該年的GDP為15863.11億元。經(jīng)濟(jì)意義：在城市建成區(qū)面積不變的情況下，某地區(qū)基本建設(shè)財政支出每增加1億元，GDP增加2.969199億元，在基本建設(shè)財政支出不變的情況下，某地區(qū)城市建成區(qū)面積每增加1平方公里，GDP增加8.350506億元。十、結(jié)論從模型方程中可看出：城市園林綠化面積與GDP關(guān)聯(lián)不緊密，而基本建設(shè)的財政支出及城市建成區(qū)面積更為直接的影響了GDP。具體來說，其中城市建成區(qū)面積對GDP影響最大，城市建成區(qū)面積每增加一個單位，GDP平均增加8.350506個單位，可見城市建成區(qū)面對GDP影響是非常顯著的；而基本建設(shè)的財政支出對GDP影響相對較少，但仍然有很大貢獻(xiàn)。城市園林綠化面積與GDP關(guān)聯(lián)不大。因此，要想提高對GDP的增長，應(yīng)提高城市建設(shè)的規(guī)模，合理擴(kuò)大城市建成區(qū)面積；同時要充分認(rèn)識到基本建設(shè)是國民經(jīng)濟(jì)運行的重要環(huán)節(jié), 是提高GDP,擴(kuò)大社會生產(chǎn)規(guī)模、推進(jìn)技術(shù)進(jìn)步、增強(qiáng)綜合國力的重要手段。兩者都不可忽略。當(dāng)然影響GDP的因素還有很多很多，所以在這次研究范圍外的其他因素也不容忽視。綜上所述，我們采用截面數(shù)據(jù)擬合的模型能成功的反映GDP與所研究解釋變量之間的數(shù)量關(guān)系，是一個成功的模型。十一、政策建議1. 合理配置基本建設(shè)支