eviews分析国内生产总值与最终消费

我国城镇居民消费性支出和可支配收入的分析我国城镇居民消费性支出和可支配收入的分析一：研究目的及要求居民消费支出是指城乡居民个人和家庭用于生活消费以及集体用于个人消费的全部支出。

居民可支配收入是居民家庭在调查期获得并且可以用来自由支配的收入。

随着市场经济的稳定繁荣和改革开放的深入发展，我国人均生活水平有了大幅度提高，其主要表现在人均可支配收入的增长。

为研究我国城镇居民消费支出与收入的相关性，探讨城镇居民可支配收入与消费性支出之间数量关系的基本规律，揭示可支配收入在居民消费性支出中的作用，对于宏观经济运行提出合理化建议，根据1994——2008年全国城镇居民消费性支出与可支配收入的基本数据，利用EVIEWS软件对计量模型进行了参数估计和检验，对城镇居民消费性支出与可支配收入之间数量关系进行分析从而证明增加居民收入来刺激消费，增加消费性支出的必要性。

二、模型设定及其估计食品支出，居民住房，医疗保健以及衣着对于居民日常生活来说是必不可少的支出，因此我考虑的影响因素主要有食品支出X2，居住支出X3,医疗保健X4，衣着方面X5，建立了下述的一般模型：+e t其中Y——居民的可支配收入tX——食品支出2X——居住支出3X——医疗保健4X——衣着支出5e t——随即扰动项。

从1995---2009年的中国统计年鉴中收集到以下数据：年份Y收入（元）X2(食品支X3(居住) X4(医疗保健) X5(衣着支出) （元）利用Eviews软件，输入Y、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS回归，结果如表1：Dependent Variable: YMethod: Least SquaresDate: 12/16/10 Time: 11:19Sample: 1994 2008Included observations: 15Variable Coefficient Std. Error t-Statistic Prob.X2 2.194021 0.585904 3.744679 0.0038X3 0.214399 1.585739 0.135204 0.8951X4 6.304798 2.000612 3.151434 0.0103X5 2.098000 1.908098 1.099524 0.2973C -1227.160 365.0907 -3.361246 0.0072R-squared 0.997209 Mean dependent var 7974.180Adjusted R-squared 0.996092 S.D. dependent var 3628.636S.E. of regression 226.8423 Akaike info criterion 13.94759 Sum squared resid 514574.4 Schwarz criterion 14.18361 Log likelihood -99.60692 F-statistic 893.0849 Durbin-Watson stat1.471612 Prob(F-statistic) 0.000000表1 表2残差图-400-2000200400400080001200016000949596979899000102030405060708ResidualActualFitted表2由表2可以看出，残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶正自相关，模型中t 统计量和F 统计量的结论不可信，需采取补救措施。

中国国内生产总值对财政收入的计量分析一、实验目的与要求：目的：影响财政收入的因素可能有很多，比如国内生产总值，经济增长，零售物价指数，居民收入，消费等。

为研究国内生产总值对财政收入是否有影响，二者有何关系。

要求：为研究国内生产总值变动与财政收入关系，需要做具体分析。

二、实验内容根据1978 —1997年中国国内生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，估计参数,模型检验，模型应用，得出回归结果。

三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。

（一）模型设定为研究中国国内生产总值对财政收入是否有影响，根据1978 —1997年中国国内生产总值X 和财政收入Y,如图1 :1978 —1997年中国国内生产总值和财政收入（单位：亿元）根据以上数据，作财政收入Y和国内生产总值X的散点图，如图2 :从散点图可以看出，财政收入Y和国内生产总值X大体呈现为线性关系，所以建立的计量经济模型为以下线性模型：Y i —「“X i U i（二）估计参数1、双击Eviews "，进入主页。

输入数据：点击主菜单中的File/Open /EV Workfile —Excel —GDP.xls;2、在EV 主页界面点击Quick "菜单，点击’Estimate Equation ”，出现’Equation Specification "对话框，选择OLS估计，输入y c x "，点击OK”。

即出现回归结果图 3 :图3.回归结果Depe ndent Variable: YMethod: Least SquaresDate: 10/10/10 Time: 02:02Sample: 1978 1997In cluded observati ons: 20R-squared 0.991583 Mean depe ndent var 3081.158Adjusted R-squared 0.991115 S.D. dependent var 2212.591S.E. of regressi on 208.5553 Akaike info criteri on 13.61293Sum squared resid 782915.7 Schwarz criteri on 13.71250Log likelihood -134.1293 F-statistic 2120.520Durb in -Watson stat 0.864032 Prob（F-statistic）0.000000参数估计结果为：Y i :=857.8375 + 0.100036 X i（67.12578）（0.002172）t = （12.77955）（46.04910）2r =0.991583 F=2120.520 S.E.=208.5553 DW=0.8640323、在Equation "框中，点击Resids"，出现回归结果的图形（图4）:剩余值（Residual ）、实际值（Actual ）、拟合值（Fitted）100008000600040002000Residual ----- A ctual ----- Fitted（三）模型检验1、经济意义检验回归模型为：Y = 857.8375 + 0.100036*X （其中丫为财政收入,X i为国内生产总值；）所估计的参数?2 =0.100036 ，说明国内生产总值每增加1亿元，财政收入平均增加0.100036亿元。

Eviews上机指导第一节Eviews简介1、Eviews是什么2、运行Eviews3、Eviews的窗口4、Eviews的主要功能5、关闭Eviews第二节单方程计量经济模型Eviews操作案例一、创建工作文件二、输入和编辑数据三、图形分析四、OLS估计参数五、预测六、非线性回归模型的估计七、异方差检验与解决办法八、自相关检验与解决办法第三节联立方程计量经济模型Eviews操作第一节 Eviews简介Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。

它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。

计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）。

Eviews是完成上述任务比较得力的必不可少的工具。

正是由于Eviews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展成为一门较为实用与严谨的经济学科。

1、Eviews是什么Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。

使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。

Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。

Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。

Eviews的前身是1981年第1版的Micro TSP。

目前最新的版本是Eviews4.0。

我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。

虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。

即使是跨部门的大型项目，也可以采用Eviews进行处理。

Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。

第一部分 Eviews简介Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。

它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。

计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）。

Eviews是完成上述任务比较得力的必不可少的工具。

正是由于Eviews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展成为一门较为实用与严谨的经济学科。

1、Eviews是什么Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。

使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。

Eviews的应用范围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。

Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。

Eviews的前身是1981年第1版的Micro TSP。

目前最新的版本是Eviews4.0。

我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。

虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。

即使是跨部门的大型项目，也可以采用Eviews进行处理。

Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。

Eviews具有操作简便且可视化的操作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。

大连海事大学实验报告Array实验名称：计量经济学软件应用专业班级：财务管理2013-1*名：**指导教师：***交通运输管理学院二○一六年十一月一、实验目标学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。

具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。

二、实验环境WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。

三、实验模型建立与分析案例1：我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。

表1我国1995-2014年人均国民生产总值与居民消费水平情况2008年23912 87072009年25963 95142010年30567 109192011年36018 131342012年39544 146992013年43320 161902014年46612 17806 （1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义；利用eviews软件输出结果报告如下：Dependent Variable: CONSUMPTIONMethod: Least SquaresDate: 06/11/16 Time: 19:02Sample: 1995 2014Included observations: 20Variable Coefficient Std. Error t-Statistic Prob.C 691.0225 113.3920 6.094104 0.0000AVGDP 0.352770 0.004908 71.88054 0.0000R-squared 0.996528 Mean dependent var 7351.300Adjusted R-squared 0.996335 S.D. dependent var 4828.765S.E. of regression 292.3118 Akaike info criterion 14.28816Sum squared resid 1538032. Schwarz criterion 14.38773Log likelihood -140.8816 Hannan-Quinn criter. 14.30760F-statistic 5166.811 Durbin-Watson stat 0.403709Prob(F-statistic) 0.000000由上表可知财政收入随国内生产总值变化的一元线性回归方程为:（令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））Y = 691.0225+0.352770* X其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。

计量经济学上机作业学院：班级：学号：姓名：影响我国城镇居民消费支出的相关因素分析一、引言随着我国经济的快速增长，人们的收入状况有了很大改善，消费支出也随之上升。

但由于近两年来的通货膨胀状况的出现，CPI 的上涨，居民的生活质量也难免有所下降。

一个国家居民的消费状况从侧面反映了该国的整体经济水平以及社会福利的大小，体现着一个国家的质量。

现实中有许多因素影响着居民的消费水平，如收入水平、商品价格水平、消费者偏好、价格水平、GDP 等等。

但由于样本数据的可收集性及我国现在的经济状况，我就仅从以下几个因素着手分析。

从居民角度来看，居民的储蓄存款、个人可支配收入以及个人所得税的多少都影响着其消费性支出的高低；而从整个社会经济环境来看，国内价格指数和生产总值同样影响着居民的消费支出。

二、预设模型以上因素对居民消费支出的影响可通过计量经济学模型来分析，预设模型为Y=μββββββ++++++55443322110X X X X X ,其中Y 代表消费性支出，X1代表储蓄存款，X2代表可支配收入，X3代表个人所得税，X4代表价格指数，X5代表生产总值，由于存在其它不确定因素的影响增添μ随机误差项。

三、数据收集中国统计局2010年统计年鉴中各地区数据如下：四、模型的初步建立运用EViews5.0软件，分别作出被解释变量Y与各变量间的散点图：由被解释变量Y与各变量建的散点图观察可知Y并不是与每个解释变量间都呈明显的线性关系。

运用EViews5.0软件对表1中的数据进行OLS回归分析：可得到回归结果：Ŷ=5925.291–0.001X1+ 0.536X2+ 12.916X3–33.411X4–0.029X5 （0.4244）（-0.0118）（7.8010）（1.7961）（-0.2456）（-0.6328）R²=0.953617 D.W.=1.798101 F=102.7972从经济学角度看：X5系数为负不符合经济学意义，但它应该是一定程度上的决定变量，所以暂不排除；从统计学角度来看：R²，F值都比较高，X1，X4，X5的t统计量不显著可能存在多重共线性。

计量经济学经典eviews方程预测第十六章方程预测本章描述了对一个单方程进行预测或计算拟合值的过程。

这里描述的技术是利用通过回归方法估计得到的方程来进行预测。

§16.1EViews中的方程预测为说明一个被估计方程的预测过程，我们从一个简单的例子开始。

假设我们有1947:01—1995:01年美国国内生产总值（GDP）、消费（CS）和投资（INV），这些数据包含在工作区间为1946:01—1995:4的工作文件（16_1）中。

我们运用1947:01—1995:01这段时期的数据，估计GDP对常数、CS和INV的回归，并用AR(1)修正残差序列相关，用该模型预测GDP。

估计得到的方程结果由方程对象eq_gdp给出：注意该估计样本的观测值做了调整，以解释该模型在推导AR(1)估计时一、如何进行预测为预测该方程的GDP，在方程的工具栏中按Forecast按钮，或选择Procss/ Forecast …。

这时会出现下表：我们应提供如下信息：1、序列名预测后的序列名将所要预测的因变量名填入编辑框中。

EViews默认了一个名字，但可以将它变为任意别的有效序列名。

这个名字应不同于因变量名，因为预测过程会覆盖已给定的序列值。

S.E.（Optional）如果需要，可以为该序列的预测标准差提供一个名字。

如果省略该项，预测标准误差将不被保存。

GARCH（Optional）对用ARCH估计的模型，还可以保存条件方差的预测值（GARCH项）。

见16章对GARCH估计的讨论。

2、预测方法可以在如下方法中进行选择：动态（Dynamic）—从预测样本的第一期开始计算多步预测。

静态（Static）—利用滞后因变量的实际值而不是预测值计算一步向前（one-step-ahead）预测的结果。

还可以做如下的选项：结构（Structural）—预测时EViews将忽略方程中的任何ARMA 项。

若不选此项，在方程中有ARMA项时，动态与静态方法都会对残差进行预测。

08统计 学号：0807294 吴扬一、 问题综述建立中国宏观经济模型。

宏观经济模型，是指以整个国民经济系统为研究对象，从总量水平和经济结构方面来研究国民经济各变量之间的相互作用。

它可用来评价宏观经济政策、分析宏观经济结构和国民经济的发展趋势。

宏观经济模型的表达可以用单一方程进行表达，也可以用联立方程组表达。

本作业建立如下宏观经济模型，完备的结构式模型为t 01211012t t t t t t t t t t C Y C I Y Y I C G αααμββμ-=+++⎧⎪=++⎨⎪=++⎩其中，包含3个内生变量，即国内生产总值Y ，居民消费总额C 和投资总额I ；3个先决变量，即政府消费G ，前期居民消费总额C t-1和常数项。

可以判断，消费方程是恰好识别的方程，投资方程是过度识别的，模型可以识别。

数据来自题目提供。

导入EVIEWS二、各种方法的EVIEWS实现1.狭义的工具变量法估计消费方程选取消费方程中未包含的先决变量G作为内生解释变量Y的工具变量；在工作文件主窗口点击quick/estimate equation，选择估计方法TSLS，在equation specification对话框输入消费方程，在instrument list对话框输入工具变量.点击确定，得到：Dependent Variable: C01Method: Two-Stage Least SquaresDate: 06/02/11 Time: 14:08Sample (adjusted): 1979 2009Included observations: 31 after adjustmentsInstrument list: C G C01(-1)Variable Coefficient Std. Error t-Statistic Prob.C1290.053402.7353 3.2032290.0034Y0.1071330.023150 4.6277390.0001C01(-1)0.7857560.07185910.934710.0000R-squared0.998513 Mean dependent var 34025.26 Adjusted R-squared 0.998407 S.D. dependent var 34218.49 S.E. of regression 1365.679 Sum squared resid 52222209 F-statistic 9402.761 Durbin-Watson stat 0.743434 Prob(F-statistic)0.000000 Second-Stage SSR 53379247得到结构参数的工具变量法估计量：012ˆ1290.053ˆ0.107133ˆ0.785756ααα===2. 间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化方程为t 1011t-112t t1t 2021t-122t t2C =+C +G +Y =+C +G +πππεπππε参数关系体系为11121210012012122000παπαπααππαπ--=--=-=用普通最小二乘法估计第一个简化式：t 1011t-112t t1C=+C +G+πππεDependent Variable: C01 Method: Least Squares Date: 06/02/11 Time: 14:46 Sample (adjusted): 1979 2009Included observations: 31 after adjustmentsVariableCoefficient Std. Error t-Statistic Prob.C 1086.594 386.5534 2.810981 0.0089 C01(-1) 0.954538 0.036256 26.32772 0.0000 G0.2655810.0580214.577310 0.0001R-squared0.998480 Mean dependent var 34025.26 Adjusted R-squared 0.998372 S.D. dependent var 34218.49 S.E. of regression 1380.725 Akaike info criterion 17.39037 Sum squared resid 53379247 Schwarz criterion 17.52914 Log likelihood -266.5507 Hannan-Quinn criter. 17.43561 F-statistic 9198.948 Durbin-Watson stat 0.743999Prob(F-statistic)0.000000用普通最小二乘法估计第二个简化式：t 2021t-122t t2Y=+C +G+πππεDependent Variable: Y Method: Least Squares Date: 06/02/11 Time: 14:47 Sample (adjusted): 1979 2009Included observations: 31 after adjustmentsVariableCoefficient Std. Error t-Statistic Prob.C -1899.134 2081.958 -0.912186 0.3695 C01(-1) 1.575455 0.195273 8.067950 0.0000 G2.4789920.3124997.932794 0.0000R-squared0.994318 Mean dependent var 84244.67 Adjusted R-squared 0.993912 S.D. dependent var 95306.59 S.E. of regression 7436.521 Akaike info criterion 20.75796 Sum squared resid 1.55E+09 Schwarz criterion 20.89673 Log likelihood -318.7484 Hannan-Quinn criter. 20.80320 F-statistic 2449.755 Durbin-Watson stat 0.686339Prob(F-statistic)0.000000得到简化式参数估计量为：101112202122ˆˆˆ1086.5940.9545380.265581ˆˆˆ-1899.134 1.575455 2.478992ππππππ======，，，， 由参数体系计算得到结构参数间接最小二乘估计值为12122211121010120ˆˆ==0.107132657ˆˆˆˆˆ=-=0.78575532ˆˆˆˆ=-=1290.053272παπαπαπαπαπ3.二阶段最小二乘法点击objects/new object，选择systemSystem: UNTITLEDEstimation Method: Two-Stage Least SquaresDate: 06/02/11 Time: 15:09Sample: 1979 2009Included observations: 31Total system (balanced) observations 62Coefficient Std. Error t-Statistic Prob.C(1)1290.053402.7353 3.2032290.0022C(2)0.1071330.023150 4.6277390.0000C(3)0.7857560.07185910.934710.0000C(4)-2538.266948.1448-2.6770870.0097C(5)0.4413900.00753458.585760.0000 Determinant residual covariance 1.63E+13Equation: C01=C(1)+C(2)*Y+C(3)*C01(-1)Instruments: G C01(-1) CObservations: 31R-squared0.998513 Mean dependent var34025.26 Adjusted R-squared0.998407 S.D. dependent var34218.49 S.E. of regression1365.679 Sum squared resid52222209 Durbin-Watson stat0.743434Equation: I=C(4)+C(5)*Y Instruments: G C01(-1) C Observations: 31R-squared0.991774 Mean dependent var34646.51 Adjusted R-squared0.991491 S.D. dependent var42513.37 S.E. of regression3921.722 Sum squared resid 4.46E+08 Durbin-Watson stat0.538847消费方程的参数估计量为12ˆ1290.053ˆ0.107133ˆ0.785756ααα===投资方程的参数估计量为1ˆ=-2538.266ˆ=0.441390ββ4.三阶段最小二乘法System: UNTITLEDEstimation Method: Three-Stage Least SquaresDate: 06/02/11 Time: 15:20Sample: 1979 2009Included observations: 31Total system (balanced) observations 62Linear estimation after one-step weighting matrixCoefficient Std. Error t-Statistic Prob.C(1) 1384.346 361.6729 3.827620 0.0003 C(2) 0.116538 0.018109 6.435173 0.0000 C(3) 0.756373 0.056038 13.49746 0.0000 C(4) -2538.266 917.0495 -2.767861 0.0076 C(5)0.4413900.007287 60.57228 0.0000Determinant residual covariance1.55E+13Equation: C01=C(1)+C(2)*Y+C(3)*C01(-1)Instruments: G C01(-1) CObservations: 31R-squared0.998459 Mean dependent var 34025.26 Adjusted R-squared 0.998349 S.D. dependent var 34218.49 S.E. of regression 1390.396 Sum squared resid 54129611Durbin-Watson stat0.672688Equation: I=C(4)+C(5)*Y Instruments: G C01(-1) CObservations: 31R-squared0.991774 Mean dependent var 34646.51 Adjusted R-squared 0.991491 S.D. dependent var 42513.37 S.E. of regression 3921.722 Sum squared resid 4.46E+08Durbin-Watson stat 0.538847消费方程的参数估计量为012ˆ1384.346ˆ0.116538ˆ0.756373ααα=== 投资方程的参数估计量为01ˆ=-2538.266ˆ=0.441390ββ5. GMM （广义矩估计）System: UNTITLEDEstimation Method: Generalized Method of MomentsDate: 06/02/11 Time: 15:27Sample: 1979 2009Included observations: 31Total system (balanced) observations 62Identity matrix estimation weights - 2SLS coefs with GMM standard errors Kernel: Bartlett, Bandwidth: Fixed (3), No prewhiteningCoefficient Std. Error t-Statistic Prob.C(1)1290.053616.4117 2.0928440.0408C(2)0.1071330.027722 3.8645370.0003C(3)0.7857560.0939578.3629010.0000C(4)-2538.2661067.430-2.3779230.0208C(5)0.4413900.01342532.878450.0000Determinant residual covariance 1.63E+13J-statistic 1.21E+13Equation: C01=C(1)+C(2)*Y+C(3)*C01(-1)Instruments: G C01(-1) CObservations: 31R-squared0.998513 Mean dependent var34025.26 Adjusted R-squared0.998407 S.D. dependent var34218.49S.E. of regression 1365.679 Sum squared resid 52222209Durbin-Watson stat0.743434Equation: I=C(4)+C(5)*Y Instruments: G C01(-1) CObservations: 31R-squared0.991774 Mean dependent var 34646.51 Adjusted R-squared 0.991491 S.D. dependent var 42513.37 S.E. of regression 3921.722 Sum squared resid 4.46E+08Durbin-Watson stat 0.538847消费方程的参数估计量为012ˆ1290.053ˆ0.107133ˆ0.785756ααα=== 投资方程的参数估计量为01ˆ=-2538.266ˆ=0.441390ββ三、 几种方法的分析比较由上述各种结果可以看出，狭义的工具变量法（IV ）、间接最小二乘法(ILS)、二阶段最小二乘法(2SLS)与广义矩阵法(GMM)，都得到了相同的参数估计量。

我国人均GDP与消费的计量分析由上图可以看出，自改革开放以来，我国人均GDP 持续增长，到2012年止， 我国人均GDP 较1978年，增长100倍。

21世纪以来，增长速度加快，平均每年递增9.9％，其中有一半年份的年增长速度超过10％。

而在此期间，西方发达国家的GDP 平均每年增长速度都在3％左右，亚太地区发展较快的国家或地区（如韩国、新加坡、泰国等）的经济增长速度一般都在5％～8％左右。

1. 我国人均GDP 的影响因素从需求角度分析，拉动我国GDP 增长的因素有三大块：最终消费（总消 费）、资本形成总额（总投资）和净出口（出口减进口）。

三个组成部分中对GDP 增长贡献率最大的是最终消费，说明自改革开放以来最终消费（尤其是居民消费）是我国GDP 增长的主要拉动力，并且以拉动内需为主。

另外，投资也是决定人均GDP 的重要组成部分之一。

近年来，由于中国在金融危机中的良好表现，中国吸引外资的能力大大提升，中国已经成为吸引外资最多的国家。

近年来，中国的进出口贸易总额也持续攀升，2013年，中国进出口贸易总额位居全球第一，由此可见，出口对于我国人均GDP 的影响正在不断加大。

其次另外，产业结构划分对于人均GDP 也有一定影响。

就我国现状而言，较注重第三产业的划分，第三产业作为我国最大的产业，对GDP 的贡献是最大的。

而第一产业与人均GDP 的关系则是呈负相关关系，控制第一产业的比例，对于人均GDP 的增长很重要。

另外，地域也影响着GDP 。

由于我国的特殊形势，地域的差别较大，不同城市地区的GDP 存在较大不同。

我国人均GDP 的区域差别表现为从东部向西部逐渐降低的趋势，这受城市规模的大小，生产要素的投入，以及产业结构的影响。

785886229398105421233614185165002016923708256083001535198384200500010000150002000025000300003500040000450002000200120022003200420052006200720082009201020112012人均GDP单位：元一、 我国居民人均消费的分析 1. 我国居民人均消费现状由上表可以看出，我国居民消费水平一直保持上升趋势，其中，城镇居民人均消费增长趋势明显，增长速度快；农村居民人均消费增长趋势平缓。