计量经济学期末课程论文范文

1浙江财经大学东方学院学年论文论文题目：中国经济增长影响因素实证分析学生姓名金永乐指导教师张锐分院信息分院专业名称统计学班级12统计1班学号12204301412015年5月20日2中国经济增长影响因素实证分析摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。本文采用经济增长模型和多元线性回归分析方法对1980～2010年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的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。关键词：消费、投资、经济增长、劳动力，实证分析31、文献综述经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有全世界近1/4的人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主导因素。经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。42、数据收集与模型的建立表2.1中国经济增长影响因素模型时间序列表年份GDP年末从业人员数全社会固定资产投资总额居民消费价格指数（上年=100）19844545.642361910.9107.519854891.643725961102.519865323.4452951230.410219875962.7464361430.110219887208.1481971832.9102.719899016498732543.2109.3199010275.2512823120.6106.5199112058.6527833791.7107.3199215042.8543344753.8118.8199316992.3553294410.4118199418667.8647494517103.1199521781.5654915594.5103.4199626923.5661528080.1106.4199735333.96680813072.3114.7199848197.96745517042.1124.1199960793.76806520019.3117.1200071176.66895022913.5108.32001789736982024941.1102.8200284402.37063728406.299.2200389677.17139429854.798.6200499214.67208532917.7100.42005109655.27302537213.5100.72006120332.77374043499.999.22007135822.87443255566.6101.22008159878.37520070477.4103.92009184937.47582588773.6101.82010216314.476400109998.2101.52011265810.376990137323.9104.82012314045.477480172828.4105.9201334090377995224598.899.3资料来源：中经网统计数据库。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（y）作为对经济发展的衡量，代表经济发展；用总就业人员数（x1）衡5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（x3）去代表消费需求。运用这些数据进行回归分析。采用的模型如下：y=β1+β2x1+β3x2+β4x3+ui其中，y代表国内生产总值，x1代表社会就业人数，x2代表固定资产投资，x3代表消费价格指数，ui代表随机扰动项。我们通过对该模型的回归分析，得出各个变量与我国经济增长的变动关系。三、模型估计和检验表3.1模型初始估计结果DependentVariable:YMethod:LeastSquaresDate:06/07/11Time:16:33Sample(adjusted):19842013Includedobservations:30afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C-16197.4741510.11-0.3902050.6996X11.6839720.2560656.5763360.0000X21.4204450.05488625.879790.0000X3-580.7369355.4395-1.6338560.1143R-squared0.985665Meandependentvar85805.26AdjustedR-squared0.984011S.D.dependentvar95097.07S.E.ofregression12024.95Akaikeinfocriterion21.75092Sumsquaredresid3.76E+09Schwarzcriterion21.93775Loglikelihood-322.2638F-statistic595.9008Durbin-Watsonstat0.968679Prob(F-statistic)0.000000表3.2多重共线性检验X1X2X3X11.0000000.665094-0.219318X20.6650941.000000-0.291137X3-0.219318-0.2911371.0000006根据多重共线性检验，解释变量之间存在着线性相关。通过采用剔除变量法，多重共线性的修正结果如下：剔除X3。.表3.3修正多重共线性后的模型DependentVariable:YMethod:LeastSquaresDate:06/07/11Time:16:40Sample(adjusted):19842013Includedobservations:30afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C-79282.7915704.05-5.0485550.0000X11.6990130.2636936.4431580.0000X21.4383250.05542225.952220.0000R-squared0.984193Meandependentvar85805.26AdjustedR-squared0.983022S.D.dependentvar95097.07S.E.ofregression12391.14Akaikeinfocriterion21.78199Sumsquaredresid4.15E+09Schwarzcriterion21.92211Loglikelihood-323.7299F-statistic840.5434Durbin-Watsonstat0.689221Prob(F-statistic)0.000000表3.4异方差检验ARCHTest:F-statistic5.690752Probability0.024334Obs*R-squared5.048272Probability0.024651TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:06/07/11Time:16:44Sample(adjusted):19852013Includedobservations:29afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C49385817560101980.8817290.3857RESID^2(-1)0.8990980.3768972.3855300.0243R-squared0.174078Meandependentvar1.39E+08AdjustedR-squared0.143489S.D.dependentvar2.41E+08S.E.ofregression2.23E+08Akaikeinfocriterion41.35408Sumsquaredresid1.35E+18Schwarzcriterion41.448387Loglikelihood-597.6342F-statistic5.690752Durbin-Watsonstat1.336249Prob(F-statistic)0.024334从上表可以得到数据：(n-p)R2=5.048272,查表得χ2（p）=5.9915,(n-p)R2=5.048272χ2（p）=5.9915,则接受原假设，不存在异方差。已知：DW=0.689221，查表得dL=1.270，dU=1.563。由此可知，存在相关性。表3.5修正序列相关后的模型DependentVariable:YMethod:LeastSquaresDate:06/07/11Time:17:00Sample(adjusted):19852013Includedobservations:29afteradjustingendpointsFailuretoimproveSSRafter18iterationsVariableCoefficientStd.Errort-StatisticProb.C21524.051.27E+091.70E-051.0000X10.6126941.0519580.5824320.5655X20.9995450.3097523.2269230.0035AR(1)1.0000190.1111908.9937700.0000R-squared0.992728Meandependentvar88607.31AdjustedR-squared0.991855S.D.dependentvar95511.65S.E.ofregression8619.708Akaikeinfocriterion21.08893Sumsquaredresid1.86E+09Schwarzcriterion21.27752Loglikelihood-301.7895F-statistic1137.613Durbin-Watsonstat0.989263Prob(F-statistic)0.000000InvertedARRoots1.00EstimatedARprocessisnonstationary修正后的DW=0.9892。进行自相关检验，Q统计量的下图。通过上图可以看出，修正后无自相关。8表3.6Granger因果检验PairwiseGrangerCausalityTestsDate:06/07/11Time:17:06Sample:19832013Lags:1NullHypothesis:ObsF-StatisticProbabilityX1doesnotGrangerCauseY290.211320.64956X2doesnotGrangerCauseY290.187820.66831从