计量经济学GDP影响计量经济

09 财政学2班 200919121061聂楠楠

【摘要】本文运用计量经济分析方法，建立国内生产总值及其影响因素模型。通过EVIEWS软件对模型进行OLS参数估计，得到模型的数学方程，研究国内生产总值与国内最终消费支出、投资、货物服务净出口以及支出各经济指标之间的关系，对各指标对国内生产总值的影响进行计量分析。 【关键词】国内生产总值；经济分析；OLS参数估计

一、问题的提出

国内生产总值(Gross Domestic Product,简称GDP)是指在一定时期内(一个季度或一年),一个国家或地区的经济中所生产出的全部最终产品和劳务的价值,常被公认为衡量国家经济状况的最佳指标。它不但可以反映一个国家的经济表现,更可以反映一国的国力与财富。一般来说,国内生产总值共有四个不同的组成部分,其中包括消费、投资、支出和净出口额。用公式表示为:GDP=C+I+G+NX。式中:C为消费、I为投资、G为支出、NX为净出口额。尽管现在很多学者反对单纯根据国内生产总值来衡量一个国家或地区的经济实力,但毋庸置疑的是,GDP仍然是最重要的宏观经济统计指标之一,它是人们了解和把握一个国家(或地区)的宏观经济运行状况的有效工具,是制定经济的重要依据,也是检验经济科学性和有效性的重要手段和评价经济形势的重要综合指标。本文以1978年至2010年的数据为标准,着重分析这些因素如何影响我国的国内生产总值。

二、理论模型的设计

理论模型的设计选择国内生产总值Y作为被解释变量。影响国内生产总值的相关因素有很多，根据已经掌握的经济学知识，采取最终消费支出（X1）、投资（X2）、净出口（X3）和支出（X4）为解释变量。其中最终消费支出的增加能够扩大消费需求，刺激国内生产，与国内生产总值应呈正相关；投资的增加会刺激企业扩大生产，促进国内生产总值增加，与国内生产总值成正相关；净出口与国内生产总值的相关关系不确定；支出的增加会扩大国内需求，刺激国内生产，与国内生产总值呈正相关。因此，上述解释变量的选取符合经济发展的实际情况。

我选用中国国家统计局网站上公布的统计数据（1978～2010），并对其进行了整理与汇总。 年度 1978 1979 1980 国内生产总值（Y） 35.2175 4062.5792 45.624 最终消费支出（X1） 2239.1 2633.7 3007.9 投资（X2） 1377.9 1478.9 1599.7 净出口（X3） -11.4 -20 -14.7 财政支出（X4） 1122.09 1281.79 1228.83 1981 1982 1983 1984 1985 1986 1987 1988 19 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010

41.5611 5323.351 5962.6516 7208.0517 9016.0366 10275.179 12058.615 15042.823 16992.319 18667.822 21781.499 26923.476 35333.925 48197.856 60793.729 71176.592 773.035 84402.28 677.055 99214.5 109655.17 120332.69 135822.76 159878.34 184937.37 216314.43 265810.31 314045.43 340902.81 401202.03 3361.5 3714.8 4126.4 4846.3 5986.3 6821.8 7804.6 9839.5 111.2 12090.5 14091.9 17203.3 219.9 29242.2 36748.2 43919.5 48140.6 51588.2 55636.9 61516 66933.9 71816.5 77685.5 87552.6 99051.3 112631.9 131510.1 152346.6 166820.1 186905.3 1630.2 1784.2 2039 2515.1 3457.5 3941.9 4462 5700.2 6332.7 6747 7868 10086.3 15717.7 20341.1 270.1 28784.9 29968 31314.2 32951.5 34842.8 39769.4 45565 55963 69168.4 77856.8 929.1 110943.2 138325.3 1463.2 191690.8 17.1 91 50.8 1.3 -367.1 -255.2 10.8 -151.1 -185.6 510.3 617.5 275.6 -679.5 634.1 998.6 1459.2 39.9 3629.2 2536.6 2390.2 2324.7 3094.1 2986.3 4079.1 10223.1 166 23380.6 24229.4 15033.3 15711.5 1138.41 1229.98 1409.53 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 3083.59 3386.62 3742.2 42.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 102.58 22053.15 249.95 28486. 33930.28 40422.73 49781.35 62592.66 76299.93 874.16 以这些数据为基础，运用EVIEWS软件画散点图，得

可以发现被解释变量Y和解释变量X1，X2，X3，X4之间都存在着明显的线性相关关系，虽然X3净出口具有较大方差，但是不影响其线性关系。于是确定该模型的理论方程为：Y=β0+β1X1+β2X2+β3X3+β4X4+其中，Y为国内生产总值，X1为最终消费支出，X2为投资，X3为净出口，X4为支出，为未被考虑到模型中而又对被解释变量Y有影响的众多因素，β0，β1，β2，β3，β4为待估参数。

三、模型参数估计与回归结果基本分析

对该模型运用EVIEWS软件进行OLS参数估计，得出回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/12/11 Time: 15:17 Sample: 1978 2010 Included observations: 33

Variable C X1 X2 X3 X4

R-squared

Coefficient

-375.0457 0.987609 0.776174 0.867618 0.553590

Std. Error

511.35 0.038339 0.108590 0.099162 0.184591

t-Statistic

-0.733436 25.75998 7.147781 8.749525 2.999005

Prob.

0.4694 0.0000 0.0000 0.0000 0.0056

90395.97 108176.9 17.91808 18.14483 30356.93 0.000000

0.999769 Mean dependent var 0.999737 S.D. dependent var 1755.903 Akaike info criterion 86329504 Schwarz criterion -290.83 F-statistic 2.673379 Prob(F-statistic)

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

由回归结果可知，最终消费支出，投资，净出口，财政支出对国内生产总值的解释均显著。

（一）模型估计结果如下：

Y=-375.0457 + 0.9876 X1 + 0.7762 X2 + 0.8676 X3 + 0.5536 X4 (25.75998) (7.147781) (8.749525) (2.999005)

2

R=0.9998 R20.999737 F=30356.93 D.W.= 2.673379

（二）经济理论检验

从以上模型可以看出，当最终消费支出增加一个单位，国内生产总值增加0.9876个单位，表明消费刺激了国内生产，符合实际经济情况；投资增加一个单位，国内生产总值增加0.7762个单位，表面投资同样刺激了国内生产，也符合实际经济情况；净出口增加一个单位，国内生产总值增加0.8676个单位，表明经济增长可能处于需求条件约束的阶段，社会存在闲置资源，有效需求不足，净出口的增加扩大了总需求，促进了国内生产总值的增加，符合改革开放以来中国经济发展的实际情况；支出增加一个单位，国内生产总值增加0.5536个单位，表明支出拉动了国内生产，符合实际经济情况。以上参数均通过了经济意义检验。

（三）模型检验

2

从回归估计的结果看，模型拟合较好。可决系数R=0.9998，表明国内生产总值变化的99.98%可由最终消费支出，投资，净出口，财政支出的变化来解

释。从斜率项的t检验看，各解释变量系数均大于5%显著性水平下自由度为n-5=28的临界值t0.025（28）=2.048，即变量是显著的，且F=30356.96>F0.05(4,28)=2.71,通过了变量的显著性检验。 四、模型的检验与修正 （一）异方差检验与修正

利用EVIEWS采取怀特检验法对模型进行异方差检验，结果如下：

White Heteroskedasticity Test: F-statistic

10.98320 Probability 25.92008 Probability

Std. Error

3346740. 509.88 0.008224 1078.976 0.014195 10.971 0.038584 2009.491 0.045019

t-Statistic

-0.072419 -0.926818 -0.348598 0.650328 -0.348466 1.832402 -1.707297 0.256692 0.570465

Coefficient

-242368.9 -472.5711 -0.002867 701.6886 -0.004947 1933.132 -0.065874 515.8200 0.025682

0.000002 0.001084

Prob.

0.9429 0.3632 0.7304 0.5217 0.7305 0.0793 0.1007 0.7996 0.5737

2616046. 8266602. 33.66878 34.07692 10.98320 0.000002

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/12/11 Time: 15:19 Sample: 1978 2010 Included observations: 33

Variable C X1 X1^2 X2 X2^2 X3 X3^2 X4 X4^2

R-squared

0.7857 Mean dependent var 0.713942 S.D. dependent var 4421338. Akaike info criterion 4.69E+14 Schwarz criterion -6.5349 F-statistic 2.551308 Prob(F-statistic)

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

从表格中可以看出，nR2=0.7857×33=25.9201，在=0.05的置信水平下，经查表得临界值

25.9201>（8）=15.51，比较统计值与临界值，因为nR2=

（8）=15.51, 所以拒绝原假设，表明该模型异方差显著。

对原模型进行修正，利用EVIEWS得到结果如下：

Dependent Variable: Y Method: Least Squares Date:12/12/11 Time: 15:25 Sample: 1978 2010 Included observations: 33 Weighting series: 1/ABS(E)

Variable C X1 X2 X3 X4

R-squared

Coefficient

-371.5340 0.986196 0.785013 0.859719 0.539956

Std. Error

13.86525 0.00 0.014448 0.010757 0.018056

t-Statistic

-26.79605 152.5614 .33298 79.92086 29.90469

Prob.

0.0000 0.0000 0.0000 0.0000 0.0000

13655.97 43117. 8.558196 8.784939 3595624. 0.000000

90395.97 108176.9 86374474

Weighted Statistics

1.000000 Mean dependent var 1.000000 S.D. dependent var 16.29398 Akaike info criterion 7433.827 Schwarz criterion -136.2102 F-statistic 1.931437 Prob(F-statistic)

Unweighted Statistics

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

R-squared

0.999769 Mean dependent var 0.999736 S.D. dependent var 1756.361 Sum squared resid 2.6858

Adjusted R-squared S.E. of regression Durbin-Watson stat

可得修正后结果为：

Y=-371.5340 + 0.9862 X1 + 0.7850 X2 + 0.8597 X3 + 0.00 X4 (152.5614) (.33298) (79.92086) (29.90469)

2

R=1.00 R21.00 F=3595624. D.W.= 1.931437

（二）序列相关（自相关） 1. D.W.检验法

由回归结果可知，D.W.= 1.931437，在95%的显著性水平下，n=33,k=5,

查表得下限临界值dL=1.19, 上限临界值dU=1.73, 模型中的dU 利用Eviews软件，得到回归检验的结果如下表： 表1

Dependent Variable: E Method: Least Squares Date: 12/12/11 Time: 15:23 Sample (adjusted): 1979 2010

Included observations: 32 after adjustments

Variable E(-1)

R-squared

Coefficient

-0.638239

Std. Error

0.174368

t-Statistic

-3.660300

Prob.

0.0009

-18.46299 1668.943 17.34944 17.39525 2.528174

0.301679 Mean dependent var 0.301679 S.D. dependent var 1394.662 Akaike info criterion 602978 Schwarz criterion -276.5911 Durbin-Watson stat

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

由上表知，通过t检验，检验结果显著，所以具有一阶序列相关。 表2

Dependent Variable: E Method: Least Squares Date: 12/12/11 Time: 15:23 Sample (adjusted): 1980 2010

Included observations: 31 after adjustments

Variable E(-1) E(-2)

R-squared

Coefficient

-0.835005 -1.232650

Std. Error

0.130361 0.221816

t-Statistic

-6.405338 -5.557072

Prob.

0.0000 0.0000

-19.08749 1696.527 16.722 16.81506 0.6782

0.661846 Mean dependent var 0.650186 S.D. dependent var 1003.412 Akaike info criterion 29198259 Schwarz criterion -257.1994 Durbin-Watson stat

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

由上表知，通过t检验，检验结果显著，所以具有二阶序列相关。 表3

Dependent Variable: E Method: Least Squares Date: 12/12/11 Time: 15:23 Sample (adjusted): 1981 2010

Included observations: 30 after adjustments

Variable E(-1) E(-2) E(-3)

R-squared

Coefficient

-0.276366 -0.7367 1.319295

Std. Error

0.125361 0.168314 0.213384

t-Statistic

-2.204558 -4.377252 6.182714

Prob.

0.0362 0.0002 0.0000

-21.19429 1725.488 15.94282 16.08294 1.813885

0.860220 Mean dependent var 0.849866 S.D. dependent var 668.5776 Akaike info criterion 120682 Schwarz criterion -236.1423 Durbin-Watson stat

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

由上表知，通过t检验，检验结果显著，所以具有三阶序列相关。 表4

Dependent Variable: E Method: Least Squares Date: 12/12/11 Time: 15:24 Sample (adjusted): 1982 2010

Included observations: 29 after adjustments

Variable E(-1) E(-2) E(-3) E(-4)

R-squared

Coefficient

-0.188604 -0.755604 1.355874 -0.191287

Std. Error

0.204041 0.177410 0.229367 0.347114

t-Statistic

-0.924344 -4.259079 5.911365 -0.551078

Prob.

0.31 0.0003 0.0000 0.5865

-23.26567 1755.992 16.03930 16.227 2.047763

0.862059 Mean dependent var 0.845506 S.D. dependent var 690.2052 Akaike info criterion 11909582 Schwarz criterion -228.5698 Durbin-Watson stat

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

由上表知，没有通过t检验，检验结果不显著，所以原模型具有三阶序列相关。 修正 表5

Dependent Variable: Y Method: Least Squares Date: 12/12/11 Time: 15:27 Sample (adjusted): 1981 2010

Included observations: 30 after adjustments Convergence achieved after 32 iterations

Variable C X1 X2 X3 X4 AR(1) AR(2) AR(3)

R-squared

Coefficient

-506.7583 0.997536 0.760969 0.810604 0.579088 -0.3081 -0.881034 1.217359

Std. Error

233.24 0.014731 0.026743 0.037917 0.045260 0.247113 0.28 0.424633

t-Statistic

-2.172631 67.71744 28.491 21.37810 12.79456 -1.2486 -3.039582 2.866852

Prob.

0.0409 0.0000 0.0000 0.0000 0.0000 0.2248 0.0060 0.0090

99027.13 109841.2 16.07005 16.44371 1119.9 0.000000

0.999972 Mean dependent var 0.999963 S.D. dependent var 668.1410 Akaike info criterion 9821073. Schwarz criterion -233.0508 F-statistic 2.034160 Prob(F-statistic) .74

-.52-1.17i -.52+1.17i

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

Inverted AR Roots

Estimated AR process is nonstationary

可得修正后结果为：

Y= -506.7583 + 0.997536X1 + 0.760969X2 + 0.810604X3 + 0.579088X4 (67.71744) (28.491) (21.37810) (12.79456)

- 0.3081AR(1) - 0.881034AR(2) + 1.217359AR(3) (-1.2486) (-3.039582) (2.866852)

R2=0.999972 R2 0.999963 F=1119.9 D.W.= 2.034160

式中，AR（1）、AR（2）、AR（3）前的参数值即为一阶二阶三阶序列相关系。对修正后的结果用拉格朗日乘数检验结果为

Breusch-Godfrey Serial Correlation LM Test: F-statistic

0.0507 Probability

0.801979

Obs*R-squared

Test Equation:

0.091871 Probability

Std. Error

238.3979 0.022456 0.039381 0.040930 0.051099 0.584604 0.517211 0.867981 0.555938

t-Statistic

-0.003573 -0.188373 0.182769 0.081788 -0.107849 0.229099 0.208239 0.220004 -0.253983

0.761812

Prob.

0.9972 0.8524 0.8567 0.9356 0.9151 0.8210 0.8370 0.8280 0.8020

-0.011393 581.9430 16.13365 16.501 0.008063 1.000000

Dependent Variable: RESID Method: Least Squares Date: 12/12/11 Time: 15:27

Presample missing value lagged residuals set to zero.

Variable C X1 X2 X3 X4 AR(1) AR(2) AR(3) RESID(-1) R-squared

Coefficient

-0.851787 -0.004230 0.007198 0.003348 -0.005511 0.133932 0.107703 0.190959 -0.141199

0.003062 Mean dependent var -0.376723 S.D. dependent var 682.8162 Akaike info criterion 9790998. Schwarz criterion -233.0048 F-statistic 1.979759 Prob(F-statistic)

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

可知修正后结果不再具有序列相关性。 （三）多重共线检验与修正

该模型检验显著，经济意义合理，所以不存在多重共线性。

五、模型的应用与对策建议

由结果可以看出，消费支出对GDP的影响最大，其次是净出口和投资，最后是财政支出。

根据以上的分析，我从以下几个方面对中国经济的发展提出建议：

1) 深化外贸的改革，加强与各个国家的交流，推动外贸企业的发展。

2) 加强我们国家劳动力水平的培养，制造出高水平有竞争力的产品，以推动产品的出口。

3) 加强技术创新，以利用先进的技术加强我们国家出口产品的质量。 4) 加强对一些落后城市的投资，提高这些地区地生产力，以提高 GDP 的增长。

5) 我国的消费还没有饱和，企业应该生产适销的产品来引起人们的消费 。