《计量实证分析案例》由会员分享，可在线阅读，更多相关《计量实证分析案例（15页珍藏版）》请在金锄头文库上搜索。
1、对中国经济增长影响因素的实证分析本文针对十八大提出的经济增长在 2020 年翻一番，采用时间序列数据模型 和多元线性回归分析方法对 1980-2009 年（中国统计年鉴数据）三十年间中国经 济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值（GDP） 的影响，建立计量经济学模型，寻求这些变量与国内生产总值的数量关系，进行 定量分析，对模型进行检验，最终得出结论。1. 模型的建立为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（丫）这 个经济指标作为研究对象；用总就业人员数（XJ衡量劳动力；用固定资产投资总额X2） 衡量资本投入：用价格指数（X ）去衡量消费需求。运
2、用这些数据进行回归分析。这里的3被解释变量是Y：国内生产总值，与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，它们分别为：X代表社会就业人数，X代表固定资产投资，X代表消费价格123指数，卩代表随机干扰项。模型的建立大致分为理论模型设置、参数估计、模型检验几个 步骤。如果模型符合实际经济理论并且通过各级检验，那么模型就可以作为最终模型，可以 进行结构分析和经济预测。1.1 理论模型的确定通过变量的筛选，最终确定以下变量建立回归模型。被解释变量 Y ：国内生产总值,解 释变量： X :代表社会就业人数， X :代表固定资产投资， X :代表消费价格指数，1 2 3另外，从经济意义上讲
3、，变量的选择是正确的。而且，就直观上来说，解释 变量与被解释变量都是相关的。表 1： 被解释变量与解释变量1980-2009数据年份国内生产总值 （现价）/亿元年末从业人 员数/万人全社会固定资产 投资总额/亿元居民消费价格指 数（上年=100）19804545.62397342361910.9107.519814889.46106243725961102.519825330.450965452951230.410219835985.551568464361430.110219847243.751718481971832.9102.719859040.736581498732543.2109.
4、3198610274.37922512823120.6106.5198712050.61513527833791.7107.3198815036.82301543344753.8118.8198917000.91911553294410.4118199018718.32238569094517103.1199121826.19941583605594.5103.4199226937.27645594328080.1106.4199335260.024716022013072.3114.7199448108.456446147017042.1124.1199559810.529216794720
5、019.3117.1199670142.491656885022913.510 8.3199778060.8356960024941.1102.8199883024.279776995728406.299.2199988479.154757058629854.798.6200098000.454317208532917.7100.42001108068. 22067302537213.5100.72002119095.68937374043499.999.22003135173.97617443255566.6101.22004159586.74797520070477.4103.920051
6、85808.5597582588773.6101.82006217522.669876400109998.2101.52007267763.658876990137323.9104.82008316228. 824877480172828.4105.92009343464.690377995224598.899.3资料来源：中国统计年鉴。首先，检查被解释变量和解释变量之间的线性关系是否成立。观察被解释变量与解释变量之间的散点图。图3：被解释变量Y与解释变量X的散点图3由图中趋势线可以判断，被解释变量Y与解释变量X之间基本呈线性关系。3再通过变量之间的相关系数判断。表2：被解释变量与解释变量相关
7、系数表Covariance Analysis: OrdinaryDate: 12/01/12 Time: 13:05Sample: 1980 2009Included observations: 30CovarianceCorrelationYX1X2X3Y8.85E+091.000000X18.91E+081.33E+080.8206791.000000X25.05E+094.52E+082.99E+090.9810580.7173941.000000X3-197583.1-20469.67-102814.741.73889-0.325058-0.274607-0.2911371.00000
8、0看到被解释变量Y与解释变量x, x , x之间具有较高的相关性。123通过散点图和相关系数表的判断，可以判断被解释变量和解释变量之间具有 明显的相关线性关系。同时通过被解释变量与解释变量的相关图形分析，设置理 论模型为：y 二B+B X +P X +P X +卩1 2 1 3 2 4 31.2建立初始模型OLS1.2.1使用OLS法进行参数估计表 3： 普通最小二乘法参数估计输出结果Dependent Variable: YMethod: Least SquaresDate: 12/01/12 Time: 14:23Sample: 1980 2009Included observations
9、: 30CoefficientStd. Error t-StatisticProb.X11.9348400.215990 8.9579970.0000X21.3825590.045823 30.171690.0000X3-379.2654280.8999 -1.3501800.1886C-49822.3133676.59 -1.4794340.1510R-squared0.991233Mean dependent var85749.31Adjusted R-squared0.990221S.D. dependent var95692.85S.E. of regression9462.951Ak
10、aike info criterion21.27172Sum squared resid2.33E+09Schwarz criterion21.45855Log likelihood-315.0758Hannan-Quinn criter.21.33149F-statistic979.8468Durbin-Watson stat1.178143Prob(F-statistic)0.000000得到模型为：y = -49822.31 +1.934840X +1.382559X - 379.2654X1231.2.2 对模型进行检验 要对建立的模型进行包括经济意义检验、统计检验、计量经济学检验、预
11、测检验在内的四级检验。(1) 经济意义检验解释变量的系数分别为0=1.934840、 P =1.382559。 两个解释变量系数均为正， 12符合被解释变量与解释变量之间的正相关关系，符合解释变量增长带动被解释变量增长的经济实际，03=-379.2654，符合被解释变量与解释变量之间的负相关关系。 与现实经济意义相符，所以模型通过经济意义检验。(2) 统计检验 拟合优度检验：R2检验，R-squared=0.991233； AdjustedR-squared=0.990221 ；可见拟合优度很高，接近于1,方程拟和得很好。 变量的显著性检验：t检验，表4：模型系数显著性检验，t检验结果Coef
12、ficientStd. Errort-StatisticProb.X11.9348400.2159908.9579970.0000X21.3825590.04582330.171690.0000X3-379.2654280.8999-1.3501800.1886C-49822.3133676.59-1.47943.0.1510从检验结果表中看到，包括常数项在内的所有解释变量系数的t检验的伴随 概率均小于5%，所以，在5%的显著水平下x、x、x的系数显著不为零，通123 过显著性检验，常数项也通过显著性检验，保留在模型之中。 方程的显著性检验:F检验，方程总体显著性检验的伴随概率小于0.0000
13、0, 在5%显著水平下方程显著成立，具有经济意义。(3) 计量经济学检验： 方程通过经济意义检验和统计检验，下面进行居于计量经济学模型检验核心 的计量经济学检验。进行异方差性检验： 首先用图示法对模型的异方差性进行一个大致的判断。令 X 轴为方程被解释 变量，Y轴为方程的残差项，做带有回归线的散点图。1,000,000,000800,000,000600,000,000400,000,000200,000,0000 140,00050,00060,00070,00080,000X1图 6：模型的异方差性检验散点图通过图形看到，回归线向上倾斜，大致判断存在异方差性，但是，图示法并 不准确，下面使
14、用White异方差检验法进行检验，分别选择不带有交叉项和带有 交叉项的 White 异方差检验法。得到下面的检验结果：表 5：不带有交叉项的 White 异方差检验结果Heteroskedasticity Test: WhiteF-statistic75.59849Prob. F(3,26)0.0000Obs*R-squared26.91450Prob. Chi-Square(3)0.0000Scaled explained SS52.75104Prob. Chi-Square(3)0.0000Test Equation:Dependent Variable: RESIDE Method: Least SquaresDate: 12/01/12 Time: 17:53Samp
