计量经济学期末课程论文范文

1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，实证分析一、文献综述（一）经济增长理论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。（二）影响因素的分析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。二、数据收集与模型的建立（一）数据收集表2.1中国经济增长影响因素模型时间序列表年份国内生产总值（现价）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）19804545.642361910.9107.519814891.643725961102.519825323.4452951230.410219835962.7464361430.110219847208.1481971832.9102.719859016498732543.2109.3198610275.2512823120.6106.5198712058.6527833791.7107.3198815042.8543344753.8118.8198916992.3553294410.4118199018667.8647494517103.12199121781.5654915594.5103.4199226923.5661528080.1106.4199335333.96680813072.3114.7199448197.96745517042.1124.1199560793.76806520019.3117.1199671176.66895022913.5108.31997789736982024941.1102.8199884402.37063728406.299.2199989677.17139429854.798.6200099214.67208532917.7100.42001109655.27302537213.5100.72002120332.77374043499.999.22003135822.87443255566.6101.22004159878.37520070477.4103.92005184937.47582588773.6101.82006216314.476400109998.2101.52007265810.376990137323.9104.82008314045.477480172828.4105.9200934090377995224598.899.3资料来源：中经网统计数据库。（二）模型设计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（一）模型初始估计表3.1模型初始估计结果DependentVariable:YMethod:LeastSquaresDate:06/07/11Time:16:33Sample(adjusted):19802009Includedobservations:30afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C-16197.4741510.11-0.3902050.6996X11.6839720.2560656.5763360.00003X21.4204450.05488625.879790.0000X3-580.7369355.4395-1.6338560.1143R-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（二）多重共线性检验表3.2相关系数矩阵X1X2X3X11.0000000.665094-0.219318X20.6650941.000000-0.291137X3-0.219318-0.2911371.000000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):19802009Includedobservations: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（三）异方差检验表3.4ARCH检验ARCHTest:F-statistic5.690752Probability0.024334Obs*R-squared5.048272Probability0.024651TestEquation:DependentVariable:RESID^2Method:LeastSquares4Date:06/07/11Time:16:44Sample(adjusted):19812009Includedobservations: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+18Schwarzcriterion41.44838Loglikelihood-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。（四）序列相关检验已知：DW=0.689221，查表得dL=1.270，dU=1.563。由此可知，存在相关性。修正如下：表3.5修正序列相关后的模型DependentVariable:YMethod:LeastSquaresDate:06/07/11Time:17:00Sample(adjusted):19812009Includedobservations: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。5通过上图可以看出，修正后无自相关。（五）Granger因果检验表3.6Granger因果检验PairwiseGrangerCausalityTestsDate:06/07/11Time:17:06Sample:19802010Lags:1NullHypothesis:ObsF-StatisticProbabilityX1doesnotGrangerCauseY290.211320.64956X2doesnotGrangerCauseY290.187820.668