当前位置：文档之家 › 回归分析案例_国内生产总值与第一、二产业的关系

回归分析案例_国内生产总值与第一、二产业的关系

  • 格式：doc
  • 大小：85.50 KB
  • 文档页数：7

国内生产总值与第一、二产业的关系 国内生产总值(GDP),指按市场价格计算的一个国家(或地区)所有常住单位在一定时期内生产活动的最终成果. 第一产业是指农业、林业、畜牧业、渔业和农林牧渔服务业. 第二产业是指采矿业，制造业，电力、煤气及水的生产和供应业，建筑业.

改革开放以来，我国的经济增长方式和产业结构发生了重大变化，第一、第二产业的发展对国内生产总值增长所起的作用也发生了变化。

数据来自《中国统计年鉴2008》，选取我国1978-2007年国内生产总值与第一、二产业的数据.

根据数据绘制数据变化趋势如下.

05000010000015000020000025000030000019701980199020002010年份产值国内生产总值第一产业第二产业

从图中可以直观地发现，国内生产总值与第一、二产业存在着一定的相关关系. 利用国内生产总值作为因变量Y，第一产业、第二产业作为自变量X1、X2，做多元线性回归分析，得到结果.

ANOVAb

1.36E+01126.82E+01015268.310.000a120598704274466618.71.37E+01129

回归残差合计模型1平方和df均方F显著性

预测变量:(常量), 第二产业x2, 第一产业x1。a. 因变量: 国内生产总值yb. 精选文库 — 2 系数a-516.794794.031-.651.521.811.219.0943.712.0011.895.053.90835.795.000

（常量）第一产业x1第二产业x2模型1B标准误非标准化系数Beta标准化系数t显著性

因变量: 国内生产总值ya. 得到的回归方程为21895.1811.0794.516XXY 显著性P值Sig=0.000,说明回归方程高度显著. 对回归系数作显著性检验，可以看出，X1、X2单独对因变量Y有显著性影响，最大的P值为0.001< 0.05.

模型摘要

1.000a.999.9992113.43764模型1RR 方调整的 R 方估计的标准差

预测变量:(常量), 第二产业x2, 第一产业x1。a.

复相关系数R=1，决定系数R2=0.999，估计的标准差为2113.43764，小于回归平方和（1.36e+11）,说明拟合效果较好. 即可以以99.9%以上的概率断言自变量X1、X2对因变量Y产生显著性线性影响.通过检验. 当一个回归问题存在异方差性时，如果仍用普通最小二乘方法估计未知参数，将引起不良后果，特别是最小二乘估计量不再具有最小方差的优良性，即最小二乘估计的有效性被破坏了. 残差图是一种直观、方便的分析方法.它以残差e为纵坐标，以其他适宜的变量为横坐标画散点图. 如果回归模型适合于样本数据，那么残差e反映误差项所假定的性质，残差e应该在e=0附近随机变化，并在变化幅度不大的一个范围内，因此可以根据残插图来判断回归模型是否具有某些性质. 分别画出X1、X2的残差图. 精选文库

— 3 第一产业x130000.0025000.0020000.0015000.0010000.005000.000.00Unstandardized Residual6000.000004000.000002000.000000.00000-2000.00000-4000.00000

第二产业x2120000.00100000.0080000.0060000.0040000.0020000.000.00Unstandardized Residual6000.000004000.000002000.000000.00000-2000.00000-4000.00000 精选文库

— 4 由上面两个图可看出，残差e值随x值的增大而增大，具有明显的规律，因而可认为模型的随机误差项的方差是非齐次的，存在异方差. 当问题存在异方差性时，线性回归模型的基本假定就被违反了，这时，就不能用普通最小二乘法进行参数估计，必须对原来的模型进行变换，使变换之后的模型满足同方差性假设，然后进行模型参数的估计，就可以得到理想的回归模型. 加权最小二乘法（weighted least square，WLS）是一种最常用的消除异方差性的方法. 计算等级相关系数如下.

相关系数

1.000.690**..0003030.690**1.000.000.3030

相关系数Sig.（双侧）N相关系数Sig.（双侧）N第一产业x1abseSpearman 的 rho第一产业x1abse

在置信度（双测）为 0.01 时，相关性是显著的。**. 相关系数1.000.689**..0003030.689**1.000.000.3030

相关系数Sig.（双侧）N相关系数Sig.（双侧）Nabse第二产业x2Spearman 的 rhoabse第二产业x2

在置信度（双测）为 0.01 时，相关性是显著的。**. 从输出结果看出，残差绝对值abse与X1的相关系数r1e=0.69，与X2的相关系数r2e=0.689，r1e > r2e,因而选取X1作为权函数作用变量.

对数似然值b-299.281-292.183-285.050-277.893-270.750-263.714-256.956-250.724-245.325a

-2.000-1.500-1.000-.500.000.5001.0001.5002.000幂

选择对应幂以用于进一步分析，因为它可以使对数似然函数最大化。a.

因变量: 国内生产总值y，源变量: 第一产业x1b.

模型描述国内生产总值y

第一产业x1

第二产业x2

第一产业x1

2.000

因变量12自变量

源幂值权重模型: MOD_1. 精选文库 — 5 把幂指数改为5 对数似然值b-340.927-334.103-327.233-320.314-313.348-306.337-299.281-292.183-285.050-277.893-270.750-263.714-256.956-250.724-245.325-241.349-240.008a-242.446-248.298-256.273-265.489

-5.000-4.500-4.000-3.500-3.000-2.500-2.000-1.500-1.000-.500.000.5001.0001.5002.0002.5003.0003.5004.0004.5005.000幂选择对应幂以用于进一步分析，因为它可以使对数似然函数最大化。a.

因变量: 国内生产总值y，源变量: 第一产业x1b.

模型描述国内生产总值y

第一产业x1

第二产业x2

第一产业x1

3.000

因变量12自变量

源幂值权重模型: MOD_2.

3 < 5, 保存最优权作为新的变量. 再次回归

模型摘要b,c

.999a.999.999.00151模型1RR 方调整的 R 方估计的标准差

预测变量:(常量), 第二产业x2, 第一产业x1。a. 因变量: 国内生产总值yb. 加权最小二乘回归 - 加权值为 WLS、MOD_3 ...第一产业X1** -3.000 中 国内生产总值y 的权重c.

估计的标准差为0.00151，与加权前（2113.43764）相比减少了很多，说明选用加权最小二乘估计是正确的. 精选文库 — 6 系数a,b

-567.90570.496-8.056.000.776.091.1468.499.0001.914.038.86350.352.000

（常量）第一产业x1第二产业x2模型1B标准误非标准化系数Beta标准化系数t显著性

因变量: 国内生产总值ya. 加权最小二乘回归 - 加权值为 WLS、MOD_3 ...第一产业X1** -3.000 中 国内生产总值y 的权重b.

ANOVAb,c.0522.02611549.955.000a.00027.000.05329

回归残差合计模型1平方和df均方F显著性

预测变量:(常量), 第二产业x2, 第一产业x1。a. 因变量: 国内生产总值yb. 加权最小二乘回归 - 加权值为 WLS、MOD_3 ...第一产业X1** -3.000 中 国内生产总值y 的权重c.

加权最小二乘估计的回归方程是 21914.1776.0905.567XXY 回归方程及回归系数的显著性均为0.000，说明高度相关，通过检验.

相关性a

1.000.943.998.9431.000.924.998.9241.000..000.000.000..000.000.000.303030303030303030

国内生产总值y第一产业x1第二产业x2国内生产总值y第一产业x1第二产业x2国内生产总值y第一产业x1第二产业x2Pearson 相关性显著性（单侧）N

国内生产总值y第一产业x1第二产业x2

加权最小二乘回归 - 加权值为 WLS、MOD_3 ...第一产业X1** -3.000 中国内生产总值y 的权重a.

1yr= 0.943，2yr=0.998，说明 第一产业和第二产业对国内生产总值影响较大.

回归系数1.914 > 0.776,说明从1978年，也就是改革开放以来，第二产业对国内生产总值影响比第一产业要大. 画出第一、第二产业在国内生产总值中所占比例的散点图如下.

合集下载

我国国内生产总值及其影响因素的回归分析

我国国内生产总值及其影响因素的回归分析

我国国内生产总值及其影响因素的回归分析回归分析是一种常用的统计方法，用于研究因果关系，分析因变量与一个或多个自变量之间的关系。

在我国国内生产总值（GDP）及其影响因素的回归分析中，我们选择了一组潜在的因变量和自变量。

因变量：国内生产总值（GDP）是一个国家或地区在一定时间内生产的全部终极商品和服务的价值总和。

GDP的增长反映了一个国家或地区的经济发展水平和经济活力。

自变量：我们选择了一组可能影响国内生产总值的因素，包括人口数量、劳动力参与率、资本投资、技术进步、政府支出以及贸易开放程度。

人口数量：人口数量是一个国家或地区的基本特征之一，它与经济发展紧密相关。

人口数量的增加意味着更多的劳动力和市场需求，有利于经济的增长。

劳动力参与率：劳动力参与率是指劳动年龄人口中从事经济活动的人口比例。

劳动力参与率的高低直接影响着一个国家或地区的生产力水平和经济增长速度。

资本投资：资本投资是指个人、企业和政府对生产设备、工厂和基础设施等的投资行为。

资本投资的增加可以促进生产力的提高和经济增长。

技术进步：技术进步是指应用科学知识和技术手段来提高生产效率、改进产品和服务的质量。

技术进步对经济增长起到了关键的推动作用。

政府支出：政府支出是指政府为了提供公共服务和改善民生而进行的支出。

政府支出的增加可以促进经济的活跃和消费的增加。

贸易开放程度：贸易开放程度是指一个国家或地区对外贸易的程度和开放程度。

贸易开放程度的提高可以促进跨国合作、技术转移和经济发展。

在进行回归分析时，我们需要收集一定时间范围内的相关数据，并建立一个数学模型来描述国内生产总值与影响因素之间的关系。

然后，通过对数据进行回归分析，可以得出各个变量之间的相关系数和显著性水平。

回归分析的结果可以帮助我们理解在国内生产总值增长过程中各个因素的相对重要程度，并为制定经济政策提供科学依据。

需要注意的是，回归分析只能描述变量之间的关系，不能证明因果关系的存在。

在解读回归分析结果时，需要结合实际情况进行综合分析。

我国国内生产总值及其影响因素的回归分析

我国国内生产总值及其影响因素的回归分析

我国国内生产总值及其影响因素的回归分析
国内生产总值（GDP）是衡量一个国家经济活动总量的指标。

对于一个国家来说，GDP
的增长与许多因素有关。

本文将通过回归分析探讨我国GDP的影响因素。

投资是GDP增长的重要因素之一。

投资的增加会刺激经济活动，由此推动GDP的增长。

在回归分析中，我们可以使用固定资本形成（FCI）或私人固定资本形成（PFCI）作为投资的衡量指标，利用投资数据来衡量GDP的影响。

通货膨胀率也可能对GDP产生影响。

高通货膨胀率可能抑制经济活动，从而对GDP增
长产生负面影响。

在回归分析中，我们可以使用通货膨胀率（INF）作为通货膨胀的衡量指标，利用通货膨胀数据来衡量GDP的影响。

通过回归分析，我们可以建立一个多元线性回归模型来研究我国国内生产总值及其影
响因素之间的关系。

根据数据的可获得性和准确性，我们选择适当的时间序列数据和横截
面数据来建立回归模型。

通过对数据进行拟合和系数估计，我们可以量化各个影响因素对GDP的影响程度，并进行统计推断，以获得对我国GDP增长的预测和政策建议。

我国国内生产总值的增长受到多个因素的影响，包括投资、消费、贸易、劳动力、政
府支出和通货膨胀率等。

回归分析可以帮助我们量化这些因素对GDP的影响程度，并为制
定宏观经济政策提供有据可依的依据。

三大产业产值与国内生产总值的关系的研究

三大产业产值与国内生产总值的关系的研究

三大产业产值与国内生产总值的关系的研究【摘要】国内生产总值是衡量一国经济发展水平的重要指标，反映了一国总体的经济状况，对一国的国际地位和发展具有重要的标识性意义。

其中，三大产业产值对国内生产总值的贡献意义重大。

随着我国经济发展，三大产业比重的调整，经济朝着更高效创新方向发展。

该文运用计量经济学方法分析三大产业产值与国内生产总值的关系，提出合理建议促进我国经济健康发展C 【关键词】三大产业国内生产总值计量经济学模型作为人口大国，近年来，经济的飞速发展使我国的国内生产总值总量逐年提升。

现在以越居世界第二。

在总量的背后，各产业对总值的贡献作用各不相同，了解各产业对GDP的贡献作用有助于合理调整经济结构，推动我国经济良性发展。

一、三大产业及国内生产总值相关概念(-)三大产业第一产业：指提供生产资料的产业，包括种植业、林业、畜牧业、水产养殖业等直接以自然物为对象的生产部门。

第二产业：指加工产业，利用基本的生产资料进行加工并出售。

第三产业：指第一、第二产业以外的其他行业。

第三产业行业广泛。

包括交通运输业、通讯业、商业、餐饮业、金融保险业、行政、家庭服务等非物质生产部门。

各国划分不完全一致。

（二）国内生产总值国内生产总值（GDP）是指一个国家（或地区）在一定时期内生产的所有最终产品和劳务的市场价值。

二、我国三大产业产值占GDP比重现状分析伴随着经济的飞速发展，我国国民生产总值在逐年增加，三大产业产值也在逐年提升。

但随着经济的发展，我国经济结构调整的开展，我国逐渐由农业国像工业国到现在注重服务业发展为主，相应的三大产业对GDP的贡献出现变化，第一，第二产业占比的下降和第三产业占比的上升也说明了我国经济结构调整的成效。

但相比而言，第三产业发展还是相对较弱，总量较低，仍旧坚持扶持第三产业发展的政策和方向。

三、数据的选取第一，国民生产总值，在建立模型中用Y表示，作为被解释变量。

（单位：亿元）第二，第一产业，在建立的模型中用X表示，作为解释变量。

我国国内生产总值(GDP)影响因素的回归分析

我国国内生产总值(GDP)影响因素的回归分析

我国国内生产总值（GDP）影响因素的实证分析摘要：本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。

从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。

关键词：GDP 影响因素实证分析Eviews一、问题提出：国内生产总值（GDP）是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。

它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。

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探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。

二、样本数据选取及模型设定：回归模型设立如下：Y=β0+β1X1 +β2X2+β3X3+β4 X4 +β5X5+β6X6+UY--------国内生产总值GDPX1-----能源消费X2-----就业人数X3-----居民消费水平X4-----社会消费品零售总额X5-----进出口贸易总额X6-----外商直接投资（FDI）U------随机扰动项β1、β2、β3、β4、β5、β6为待估参数。

变量采用时间序列数据，具体数据(现价计算)见表一：表1：（数据来源于中国统计年鉴。

）三、参数的初步估计与检验将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：表2：Ŷ=-13277.72+0.052743X1＋0.133846X2＋18.57620X3＋0.377243X4＋0.169706X5＋0.002222X6=2R 0.999741， =2R 0.999539， F=4955.607从回归结果看，可决系数很高，F 值很大，但在显著性水平05.0=α下，很多项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。