影响GDP变化的因素分析

影响GDP变化的因素分析

金融1班：李立鹏（11083027）李铭杰（11083126）

一、问题的提出

摘要：随着改革开放的逐步深入和社会主义市场经济日益发展，各城区GDP 连年攀升，地区GDP反映的是一个地区的综合经济发展水平，其中园林绿化面积、城市建成区面积、基本建设财政支出都有可能影响GDP的变化。本文主要通过对2011年期各省的GDP和园林绿化面积、城市建成区面积、基本建设财政支出的变动数据进行分析，建立以2011年各省的GDP为被解释变量，以基本建设财政支出、城市建成区面积、城市园林绿地面积各值为解释变量的多元线性回归模型，从而找出这三个解释变量和GDP间的发展关系，并就此对如何增加GDP、促进产业经济的发展提出一些建议。

二、理论综述

GDP 的增长对于一个国家有着十分重要的意义，它衡量一国在过去的一年里所创造的劳动成果，而研究它的影响因素不仅可以很好的了解GDP的经济内涵，而且还有利于我们根据这些因素对GDP影响大小来制定工作的重点以更好的促进国民经济的发展。

三、数据来源

本文所收集的数据来源于《中国统计年鉴2011》和国家统计局

（一） 计量经济模型的建立

建立线性回归模型：Y=0β+1βX1+2βX2+3βX3+μ

以Y 表示各省的GDP ，X1，X2，X3分别表示基本建设财政支出、城市建成区面积和城市园林绿地面积，μ表示随机干扰项。

（二） 模型的估计与检验

1、最小二乘估计

建立 Eviews new workfile

启动Eviews,点击File/New/workfile 建立workfile ，在”Workfile structure type ”中选择”Unstructured ”,并在”Observations ”中输入”31”.,点击OK.

在命令窗口输入：“data y x1 x2 x3”回车，出现“Group”窗口，复制输入数据，如下图所示：

模型的参数估计，用OLS方法估计得：

可见模型参数估计建立的回归方程为：

Y=—3680.981 + 2.950740X1 + 8.056911X2 + 0.004731X3

t= (-2.153265) (2.843810) (4.532902) (0.267483)

R2=0.943236 R2=0.936929 F=149.5521 D.W=1.785761

2、拟合度检验

由R2=0.943236 R2=0.936929 两个值都接近于1，说明模型的拟合优度,好。即3个解释变量的变化对GDP变化的解释程度很大，线性影响较强。

3、方程显著性检验——F检验

给定显著性水平α=0.05，在自由度为（3，31-3-1）即（3,27）下，由截图可知道，F统计量值为F=149.5521，查F分布表得F0.05（3,27）=2.96

4、变量显著性检验——T检验

给定显著性水平α=0.05，查t分布表得自由度为31-3-1=27，临界值t025.0（27）=2.052，X1和X2对应的P值均小于0.05,可知X1 X2都通过了t检验，但X3对应的P值大于0.05,即X3没有通过t检验，表明模型中X3在95%的置信水平下T值不显著，修正系数不高。故我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。

四、模型的异方差性检验

用怀特检验法进行检验

点击OLS回归结果Equation窗口的View→Residual Tests→Heteroskedastcity Tests White,在弹出窗口的Test type中选定White,Ok,如图：

结果如下图：

由截图可见Obs*R-squared所相应的P值为0.0514>0.05, 所以接受怀特检

验的原假设，认为原方程序列不存在异方差，因此不需要做出修正。

五、模型的序列相关性

序列相关性的检验

D.W检验

对原始模型进行OLS回归，结果如下：

可见，D.W.=1.785761, 在0.05显著性水平下，n=31,k=3, 查D.W.表得dL=1.30，dU=1.57，根据模型的自相关状态：du

拉格朗日乘数检验（LM）

在OLS回归结果窗口，点击View→Residual Tests→Serial Correlation LM Test,在弹出窗口输入“1”,如图

按OK，结果如下图所示：

由图可见Obs*R-squared相应的P值为0.6286大于0.05，说明模型不存在1阶序列相关性。

再验证模型是否存在2阶序列相关性，如下：

由图可见Obs*R-squared相应的P值为0.7166大于0.05，说明模型不存在2阶序列相关性。

因此，说明该模型拟合效果较好，所有变量都通过了t检验，方程也通过了F检验，而且dU=1.57

六、随机解释变量检验：

逐一检验X1 X2 X3是否存在内生性。导入上一年基本建设财政支出的数据

命名为z 。

1．首先检验x1的内生性：导入上一年基本建设财政支出的数据并命名为z。将X1作为被解释变量，X2 X3 z作为解释变量，作回归。

生成残差序列，命名为e

加入残差作回归。

由图可知残差序列E对应的P指小于0.05，因此x1有内生性，是内生变量。由于X1存在内生性，所以运用工具变量法进行修正

得出以下结果：

X1的内生性得到修正

2. 检验x2的内生性：导入上一年的城市建成区面积数据并命名为a，x2作为被解释变量，x1 x3 a作为解释变量，作回归。

再生成残差序列，命名为e2.

加入残差作回归。

由图可知残差序列E2对应的P指大于0.05，因此X2无内生性，是外生变量。

3.检验X3的内生性：导入上一年城市园林绿地面积的数据并命名为b。将x3作为被解释变量，x1 x2 b作为解释变量，作回归。

得出残差序列，并命名为e3.

加入残差作回归。

由图可知残差序列E3对应的P指大于0.05，因此X3无内生性，是外生变量。

七、模型的多重共线性

多重共线性的检验

检验简单相关系数如下图：

点击Quick→Group Statistics→Correlations,在弹出框中输入”x1 x2 x3”,按OK 得到下图：

由相关系数矩阵表可以得知，表中数据X1与X2的r=0.912385，X2与X3的r=0.899777，X1与X3的r=0.832822，三个值都非常接近于1，因此说明模型具有很强的共线性。

下面就要对此模型进行多重共线性的修正。

运用逐步回归方法进行修正

点击Quick→Estimate Equation,在弹出窗口下方的Method对应下拉列表中选择STEPLS,然后按如下要求输入

点击确定后，得到以下结果：

可见，R2=0.943086，代表模型的拟合优度较高，模型结果剔除了共线性高的解释变量X3，而X1与X2对应t检验的p值分别为0.0000和0.0069，均小于0.05，即都通过了t检验。F检验所对应的p值小于0.05，因此拒绝原假设，通过了显著性检验，整体模型有意义。即得到最后的模型为：

Y =-3806.881 + 2.969199X1+8.350506X2

T= -2.355837 2.916715 6.074628

2

R=0.943086 2R=0.939021 DW=1.788833 F=231.9848