我国国内生产总值及其影响因素的回归分析

我国第三产业发展的影响因素实证分析

广东商学院 黄晓、江敏敏、刘萃婷

中文摘要：为了对影响第三产业发展的因素进行实证分析，本文利用Eviews5.0软件，选取我国1991年-2009年的数据，运用多元线性回归分析方法，通过建立多元线性回归模型对影响第三产业发展的因素进行回归分析，实证了经济发展水平、居民生活水平、城镇化化水平、第三产业劳动力和对外开放程度这些因素对我国第三产业发展有显著影响。根据我国第三产业发展的影响因素的实证分析结果，提出相关的建议，对发展我国第三产业具有一定的指导作用。

关键词：第三产业 影响因素 回归分析 实证分析

一、问题的提出

第三产业，即服务业，是指不生产物质产品的产业，广义上认为是除了第一、二产业以外的其他各产业，第三产业作为国民经济的组成成分之一，对一个国家或地区的经济发展起着重要的作用。改革开放以来，我国对外开放经济，与世界接轨，以发展经济为主要建设目的，随着经济全球化的发展，第三产业的对国民经济的推动作用越来越明显，第三产业逐渐成为经济增长的主导力量。下表1是我国改革开放以来，我国国内生产总值的产业结构，反映了改革开放以来我国第一、二、三产业占GDP的比重的大致变化趋势。

表1：我国国内生产总值的产业结构

年份 第一产业比重 第二产业比重 第三产业比重

1978 0.281886 0.478764 0.23935

1990 0.271162 0.413407 0.315432

2000 0.15063 0.459165 0.390204

2009 0.103452 0.462953 0.433595

在表1中，我国第三产业占GDP的比重呈不断上升的趋势，说明第三产业对GDP的贡献越来越显著，发挥着其特定的推动作用，此外，第三产业的比重由1978年在三大产业中排列最后，发展成目前排列第二，超越了第一产业，且与第二产业相差不大，这都表明，第三产业的发展对我国经济具有越来越重要的作用。第三产业的发展程度标志着一国经济发展的水平[1]，也成为衡量现代经济发达程度的重要标志，那么，影响第三产业发展的因素有哪些？它们对第三产业的发展的影响显著吗？本文利用Eviews软件，运用定量和定性分析的方法对第三产业的影响因素进行实证分析。

热点话题　中国国内生产总值的统计分析　李龙云　天津外国语大学　【摘要】为了探究和分析我国国内生产总值的影响因素，本文根据《中　国统计年鉴》的近年数据，利用多元回归分析法，把财政支出，进出口总额，　固定资产投资，能源消耗总量，社会消费品零售总额，就业人数和居民消费　水平等作为解释变量，分析这些解释变量与国内生产总值的关系。进行回归　分析利用ＳＰＳＳ１６．０，计算并输出结果。利用统计检验，确定最佳模型，从而　提出一些建议。　【关键词１　ＧＤＰ；统计检验；回归模型　一．引言　国民经济作为一个复杂的综合体，它的影响因素一直是人们讨论　和研究的话题。通过对相关的研究文献的梳理，发现许多研究都是一　个角度如财政收入和能源消耗总量等，很少从多角度，多因素来分析和　探究ＧＤＰ的影响因素。因此，本文从中国这一大宏观环境人手，采用多　角度，多因素的方法来探究ＧＤＰ的因素，来添补国内对此研究的空位，　并建立回归方程，为我国ＧＤＰ的增长提供建议和指导。　根据西方经济中关于国民收入核算的经典理论，我们建立以国内生　总值为因变量的线性回归模型，引入财政支出，进出ＩＺｌ总额，固定资产　投资，能源消耗总量，社会消费品零售总额，就业人数和居民消费水平　作为自变量，对ＧＤＰ的影响作实证分析，试图揭示这几个变量对ＧＤＰ的　影响程度。　二　数据来源、变量及原始数据　数据来源于国家统计局网站上的《中国统计年鉴２０１０》提供的　１９９５—２００９年的中国的国内生产总值与财政支出，进出Ｉ：１总额，固定资　产投资和能源消耗总量，社会消费品零售总额，就业人数和居民消费水　平。自变量包括财政支出（ｘ　），进出口总额（ｘ　），固定资产投资（ｘ，）　和能源消耗总量（ｘ　），社会消费品零售总额（ｘ　），就业人数（Ｘ　）和居　民消费水平（ｘ　）。其中，国内生产总值和居民消费水平都是按当年计算　出来的。在财政支出中，２０００年以前不包括国内外债务还本付息支出和　利用国外借款收入安排的基本建设支出。从２０００年起财政支出中包括　国内外债务付息支出。　三　模型构建及分析　线性回归分析是研究因变量和自变量之问变动比例关系的一种方　法，一般数学模型为Ｙ＝Ｂ　ｏ＋１３１Ｘ１＋ｐ　２Ｘ２＋Ｄ　３Ｘ３＋ｐ　４Ｘ４＋Ｂ　５Ｘ５＋日６Ｘ６＋ｐ　７　ｘ，＋Ｅ　（１）　其中，Ｄ。、Ｂ　、Ｄ　、Ｂ，、ｐ　、Ｄ　、ｐ　和Ｂ　为待定系数，￡为随机误差　项，数据的分析处理使用ＳＰＳＳ１６．Ｏ统计分析软件。　１．模型的构建　ＧＤＰ与财政支出、进出１：３总额、固定资产投资、能源消耗总量、社会　消费品零售总额、就业人数和居民消费水平的相关系数都大于０．９．双边　检验的显著性概率值均为１９＝０．０００＜０ｌ＝Ｏ．０１，说明ＧＤＰ与财政支出、进　出１７总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人　数和居民消费水平之间呈正线性相关关系，且相关性特别显著。　判决系数和修正判决系数都为１，说明模型的拟合程度很高；　在对回归方程的显著性检验中，Ｆ检验的统计量的显著性概率值　１３＝０．０００＜ｏ【＝０．０１，说明七元线性回归方程高度显著；但在对回归系数　的显著性检验中，居民消费水平回归系数的ｔ检验的统计量的显著性概　率值分别为０．０１１／Ｊ￣于ａ＝０．０５，说明居民消费水平对ＧＤＰ的影响特别显　著；但财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费　品零售总额、就业人数对ＧＤＰ的影响不显著。　由计算所得的判决系数及检验结果可以看出，ＧＤＰ与财政支出、进　出Ｉ：１总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人　数和居民消费水平呈显著的线性相关关系。但建立在的多元线性回归方　程中仅居民消费水平与ＧＤＰ间存在着较显著的线性关系，ＧＤＰ－￣其他的　影响因素的线性关系部显著。　以上分析结果表明，采用七元线性回归分析模型来描述ＧＤＰ与财　政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总　额、就业人数和居民消费７ｋ＇－Ｆ关系是合适的。由此得出的七元线性回归　方程为为Ｙ＝８９０８５．４４３＋０．４６５Ｘ１＋０．４２８Ｘ２＋Ｏ．４９１Ｘ３一．３０８Ｘ４一．４３６Ｘ５—　１．０６６Ｘ６＋３０．４０５Ｘ７＋￡　（２）　．　２．对建立方程模型系数的进行统计意义和经济意义的解释　回归系数表示当其他自变量不变的条件下，其对应的自变量的单位　变动对因变量平均值的影响。　如ｘ　的统计意义；在ｘ。，ｘ　，ｘ，，ｘ　，ｘ，，和ｘ　保持不变的的情况　下，ｘ　每增加一个单位，Ｙ平均增３Ｈ３ｏ．４０５个单位经济意义；财政支出、　进出ＩＺｌ总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业　人数保持不变的的情况下，居民消费水平每增加１亿元，ＧＤＰ平均增加　３０．４Ｏ５ｔＬ元。　四．结论　１．模型结果分析　（１）通过上述分析，我们选取了７个因素作为分析，但最终只有１个　因素进入模型，从模型上看出来，居民消费水平是影响ＧＤＰ最显著的因　素。　（２）根据先验信息，财政支出，进出口总额，固定资产投资，能源　消耗总量，社会消费品零售总额，就业人数和居民消费水平都与ＧＤＰ　存在正相关的关系。而我们从得出的模型来看，仅居民消费水平是影响　ＧＤＰ最显著的因素。但该统计和模型结果并不是说这些因素对ＧＤＰ没　有影响，只是因为在理论上这些因素在模型中没有通过模型检验，对　ＧＤＰ影响是那么显著。　２．建议　通过该模型的研究，我们可以从中找到影响ＧＤＰ的因素，以此来　为我国ＧＤＰ的增长提供了参考的模型。并对相应的问题提供了解决办　法。　（１）我们知道消费，出口和投资是拉动我国ＧＤＰ的三架马车。通过　该模型的研究，居民消费水平是影响ＧＤＰ最显著的因素，我们从理论上　验证了这一观点。因此，为了拉动ＧＤＰ的增长，政府应该鼓励和刺激居　民消费。如政府可以通过减免税收，降低储存利率，提高居民收入和工　资等的措施来提高居民购买力和刺激居民消费。　（２）通过该模型的研究，我们发现ＧＤＰ的增长和能源消耗总量呈　负相关的关系。在经济发展和创造国民财富时，能源的消耗是必不可少　的，但不合理的，过度的消耗则会损失国民财富。这与我国现在能源大　量消耗，资源不合理的利用的事实相符合。因此，为了避免国民财富的　损失，在创造财富的同时，我们应该合理和循环利用资源并积极进行科　技创新，开发新能源，制定节约措施。改变传统的能源和资源利用开发　方式，从而减少经济发展所造成的对能源消耗的压力。　（３）而其他因素在理论上与ＧＤＰ联系密切，这表明我国经济体扩　制还有待于完善。　参考文献　［１】荆长春．２００９年各省市国内生产总值和财政支出回归分析［Ｊ］．北　方经济，２０１　０（４）：１　６－１　７．　［２］刘桂芳．北京市的国内生产总值分析及其预测［Ｊ】．中国高教论　丛．２Ｏ０５（５）：８－９．　［５］鲁兴华．我国能源消耗量多元线性回归分析［Ｊ］．经济研　究，２０１　１（６）：ｊ５－】７．　【４】邵莉莉．环保投资与经济增长的回归分析一以山西省为例【Ｊ］．北　方经济，２Ｏ１　１（３）：６９－７０．　［５】石贤光．河南省能源消费对经济增长影响的实证研究［Ｊ】．濮阳职　业技术学院学报，２０¨（８）：１２５－１２６．　［６］ａＬ淑芬．应用统计　Ｍ］．北京大学出版社，２０１　１．　

计量经济学中的回归分析方法

计量经济学是经济学中的一个重要分支，它主要是利用经济数据来进行定量分析。而对于计量经济学来说，最重要的方法之一就是回归分析。回归分析方法可以用来寻找变量之间的关系，进而预测未来的趋势和结果。本文将介绍回归分析方法的基本原理及其在计量经济学中的应用。

回归分析的基本原理

回归分析是一种利用数据来寻找变量之间关系的方法，其核心原理是利用多元线性回归模型。多元线性回归模型可以描述多个自变量与一个因变量之间的关系，如下所示：

Y = β0 + β1X1 + β2X2 + … + βkXk + ε

其中，Y表示因变量，即需要预测的变量；X1、X2、…、Xk表示自变量，即可以通过对它们的变化来预测Y的变化；β0、β1、β2、…、βk表示模型中的系数，它们可以反映每个自变量对因变量的影响；ε表示误差项，即预测结果与真实值之间的差异。利用回归分析方法，我们可以通过最小化误差项来得到最佳的系数估计值，从而建立一个能够准确预测未来趋势和结果的模型。

回归分析的应用

在计量经济学中，回归分析被广泛应用于各个领域。下面我们以宏观经济学和微观经济学为例，来介绍回归分析在计量经济学中的具体应用。

1. 宏观经济学：用回归分析预测国内生产总值（GDP）

国内生产总值是一个国家经济发展的重要指标，因此预测GDP的变化是宏观经济学研究的重点之一。在这个领域，回归分析可以用来寻找各种经济因素与GDP之间的关系，进而通过对这些因素的预测来预测GDP的变化。例如，我们可以通过回归分析来确定投资、消费、进出口等因素与GDP之间的关系，进而利用这些关系来预测未来的GDP变化。

2. 微观经济学：用回归分析估算价格弹性

在微观经济学中，回归分析可以用来估算价格弹性。价格弹性可以衡量消费者对价格变化的敏感度，其计算公式为：

价格弹性 = %Δ数量 ÷ %Δ价格

例如，如果价格变化1%，相应数量变化1.5%，那么价格弹性就是1.5 ÷ 1 = 1.5。利用回归分析方法，我们可以把价格和数量作为自变量和因变量，进而通过最小二乘法来得到价格弹性的估算值。

中国GDP影响因素及地区差异的计量分析

中图分类号:f123 文献标识:a 文章编号:1009-4202(2010)03-083-01

摘 要 本文从分析我国gdp主要的影响因素入手,通过对2005年31个省的截面数据进行相关的回归分析,发现目前出口对我国gdp拉动作用最显著,这启示我们应该更加注重出口结构的优化,从而促进gdp持续、健康、稳定地发展。

关键词 gdp 固定资产投资总额 出口额 居民消费

一、引言

近年来我国的gdp一直保持在10%左右,2006年的增速创11年来新高,达到20.9407万亿元,增长了10.7%,而今年上半年的增幅更是达到了11.5%。在这样高速的经济发展中,清楚认识gdp更有助于我国经济的合理增长。清楚认识gdp的首要前提就是了解影响gdp的主要因素,是居民消费,投资,产业结构,进出口,政府支出,人口规模,还是其它?通过研究这些关键因素的作用及其影响大小,能够促使我们更加科学、合理地来分析我国gdp的情况,从而帮助我们进一步了解我国的经济发展状况。

二、文献综述

在相关实证研究方面,孙跃飞在《试论gdp产出模型中各种因素对经济增长的影响》一文中以凯恩斯经济理论为基础,构建了一个新的gdp产出的经济模型,以资本生产率、资本-产量比率、资本形成额、投资效果系数、储蓄余额、gdp增长为解释变量分析了各因素对gdp增长的影响,并依据模型对1978～2002年各种因素变化影响gdp增长进行了实证分析,从中揭示了正确认识和评估模型中各种因素对于实现经济稳定增长的重要意义,提出了制定促进经济增长的一些政策建议。

王涛、王殿元在《影响财政收入与gdp增长的因素及对策》一文中,分别探讨制度性因素、政策性因素和统计因素等对财政收入分配特征的影响,并提出促进财政收入与gdp协调增长的对策。

张金玲在《gdp的影响因素的计量分析》一文中,用1981～2004年的时间序列数据建立计量模型,说明了税收、城乡储蓄存款年末余额、上期国内生产总值、固定资产投资总额、职工工资总额对gdp的影响,并分析了这些影响因素的经济意义。