《成都市投资额影响因素的实证分析》由会员分享,可在线阅读,更多相关《成都市投资额影响因素的实证分析(11页珍藏版)》请在金锄头文库上搜索。
1、 成都市投资额影响因素的实证分析成都市投资额影响因素的实证分析组员 :陈怀宇(40201020) 张焰雄(40201032)冯 涛(40201007) 唐小刚(40201018) 王 为 (40201105) 简 通(40201115)【摘要摘要】本文收集了成都市 1980-2003 的相关数据,对成都市投资额消长规律进行实证分 析,以期达到预测未来成都市的投资额变化趋势,并给出相应的政策评价和政策建议。首 先,我们根据收集的数据,建立简单的线形回归模型,再根据具体情况进行相应的回归, 修正等一系列的工作,最后确定一个较好的拟合模型,进行外推预测。以上过程都通过 EVIEWS 在计算机上实现。
2、【关键词关键词】投资额 GDP 的增长 利率 物价指数一:引言一:引言今年是成都较为风光的一年,继 2004 年 11 月份拿下十大最具经济活力城市头把交椅 后,成都又笑揽中国城市营造最高荣誉和中国 10 大最佳商务城市,这势必给掀起成都新 一轮的投资高潮。前不久,央行调整了存贷利率,给世界带了不小的轰动,然而这对地处 西南内陆的成都来说,又意味着什么呢?成都是西南地区的老大,他的人均 GDP 在西南 地区遥遥领先于重庆,西安,昆明,其 GDP 总额更大致相当于西安,昆明和南宁的总和, 随着新一轮经济的发展,GDP 的再度增长对成都又会有什么样的影响呢?二:经济理论支撑与变量的选取二:经济理论
3、支撑与变量的选取 现代西方经济学认为,投资是指资本的形成,即社会实际资本的增加,包括厂房,设备和存 贷的增加,新住宅的建筑等,因此,本文中的投资就是指这方面的投资. 决定投资的因素很多,主要的因素有利率水平,预期收益和投资风险等.我们选取了利率 (名义),GDP 的增长,物价指数等三个变量.凯恩斯认为,在决定投资的诸因素中,利率是最主 要的,利率上升时,投资就会减少;反之,反是.投资是利率的减函数.这是因为,用于投资的资金 多是借来的,利息是投资的 COST.即使投资的资金是自由的,投资主体也会把利率看成是投 资的机会成本,从而把利息看做投资的成本.因此,我们选取了利率做为一个解释变量.其二,
4、 我们选取了 GDP 的增长作为一个解释变量,其背后的经济学理论来源于投资的加速原理.即 对投资项目的产出的需求预期,产出增量(我们用 GDP 的增长来表示)与投资之间的关系称 为加速数,说明产出变动和投资之间的关系.这也是投资主体预期收益里面最主要的部分,另 外还有如产品成本,投资税减免,风险和托宾 q 等方面的影响.另外我们选取了物价指数做为 解释变量,理由在于我们认为,投资者在决定投资时会考虑到通货膨胀等影响其收益的因素, 而且我们的前述因素如利率,GDP 等都没有考虑物价指数的影响,故在此加入之,但对于物价 指数的影响有多少,是否显著,我们拭目以待三:综合以上分析,我们可以初步建立以下
5、模型:三:综合以上分析,我们可以初步建立以下模型:Y=+1 1*gdp01+*gdp01+2 2*i+*i+3 3*p+u*p+u其中:Y-投资额Gdp01-国民生产总值的增长,即 GDP-GDP(-1)i-利率p-物价指数u-随机扰动四:数据的收集和整理四:数据的收集和整理我们从成都统计信息网上收集了成都市 1980-2003 年投资额和物价指数以及 GDP 的相关数 据,并借鉴其他组同学的先进经验,引入了利率的数据如下:*注注:以上数据来自以上数据来自 (利率来自王维组的资料利率来自王维组的资料)单位单位:Y(亿元亿元 RMB) I(%) GDP(亿元亿元 RMB) P(%) 五:五:E
6、VIEWS 实现过程实现过程 利用 EVIEWS 软件,首先进行 OLS 回归估计,可以得到:从回归结果看出,拟合优度为 0.979625,但 D-W 未通过,且 P,C 的 T 检验都未通过。 因此,简单线形回归模型存在诸多不足,现对其进行相关修正。 (一)(一) ,我们进行序列的平稳性检验及修正,我们进行序列的平稳性检验及修正: (1)对 Y 进行平稳性检验:经过简单的计算机实现,我们发现,Y 是不平稳的,我们 取他的对数,即得到 LOGY,再进行平稳性检验,得到可以看出,在显著性水平 0.05 下,-3。413340-3.0114,因此,我们可以得到结论,该序列为平 稳序列. (2)对
7、GDP 的平稳性检验: 与上述对 Y 的检验思路一致,我们也取 LOGGDP01 进行检验,如下:显然,在 1%,5%,10%的显著性水平下,都可得 LOGGDP01 也是平稳的. (3):对 I 的检验,同理我们得到 I 也通过了平稳性检验. (4)对 P 的检验,同理我们得到 p 也通过了平稳性检验.(二)(二),多重共线性的检验和修正多重共线性的检验和修正:可以得到:很显然,P 的 T 检验没有通过,说明该模型依然存在问题,我们进行多重共线研究发现:,I 与 P 的相关系数为 0.753028,存在多重共线,我们用 OLS 方法逐一对各个解释变量进行回归,结合经济意义和统计检验选出 拟合
8、效果好的一元回归模型如下:LOGY=0.344414+1.093908LOGGDP01(0.310422) (0.077905) 然后将其余解释变量逐一代入上式得如下几个模型:LOGY=1.281425+1.062503LOGGDP01-0.124211*I+u0.268781 0.051520 0.023206 R2=0.960428,F=242.7015,DW=1.811754Logy=2.529716+1.079500loggdp01-0.094138i-1.407111p+u 1.218812 0.053878 0.036827 1.340232R2=0.962598,F=162.99
9、60,DW=1.736142可见 P 对 LOGY 的影响不显著,故将 P 删去,得模型如下:Dependent Variable: LOGYMethod: Least SquaresDate: 12/28/04 Time: 17:48Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. LOGGDP011.0625030.05152020.623190.0000I-0.1242110.023206-5
10、.3524290.0000C1.2814250.2687814.7675450.0001R-squared0.960428 Mean dependent var4.468807Adjusted R-squared0.956470 S.D. dependent var1.516726S.E. of regression0.316446 Akaike info criterion0.657779Sum squared resid2.002760 Schwarz criterion0.805887Log likelihood-4.564454 F-statistic242.7015Durbin-Wa
11、tson stat1.811754 Prob(F-statistic)0.000000从表中可以看出,剔除 P 后的模型检验效果大有改善。(三)异方差的检验和修正:(三)异方差的检验和修正: 回归后得到:ARCH Test:F-statistic1.045005 Probability0.399591Obs*R-squared3.276730 Probability0.350895Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/28/04 Time: 18:12Sample(adjusted): 198
12、4 2003Included observations: 20 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.0374120.0468450.7986450.4362RESID2(-1)0.0131030.2319670.0564890.9557RESID2(-2)0.0605330.2360030.2564920.8008RESID2(-3)0.4202160.2388721.7591670.0977R-squared0.163837 Mean dependent var0.085823Ad
13、justed R-squared0.007056 S.D. dependent var0.115056S.E. of regression0.114649 Akaike info criterion-1.317025Sum squared resid0.210311 Schwarz criterion-1.117878Log likelihood17.17025 F-statistic1.045005Durbin-Watson stat1.721388 Prob(F-statistic)0.399591得到 R2=0.163837,计算(n-p)R2=(23-3)* 0.163837=3.27
14、674x2(a/2)(3)=7.81,因此我们认为,不存在异方差。另外,我们用 WHITE 检验也可以得到模型不存在异方差的结论。 (四)自相关的诊断和修正(四)自相关的诊断和修正 回归: Dependent Variable: LOGYMethod: Least SquaresDate: 12/28/04 Time: 19:27Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. LOGGDP011.
15、0625030.05152020.623190.0000I-0.1242110.023206-5.3524290.0000C1.2814250.2687814.7675450.0001R-squared0.960428 Mean dependent var4.468807Adjusted R-squared0.956470 S.D. dependent var1.516726S.E. of regression0.316446 Akaike info criterion0.657779Sum squared resid2.002760 Schwarz criterion0.805887Log likelihood-4.564454 F-statistic242.7015Durbin-Watson stat1.811754 Prob(F-statistic)0.000000D-W=1.811754,查表得 DL=1.168,DU=1.543,由于 DUD-W4-DU,所以不存在一阶自相 关.(五)加入自回归后的模型(五)加入自回归后的模型1:一阶自回归模型一阶自回归模型 此时,我们还有 LOGY,LOGGDP01,I 三个变量,由于 LOGY 即投资