基于时间序列回归模型对工业增加值的影响分析.docVIP

基于时间序列回归模型对工业增加值的影响分析 　　摘 要：随着中国GDP增速从2010年后的逐渐下降，中国面临着能否进一步实现经济快速发展的严重问题。工业对GDP的贡献是其重要的组成部分，近15年，中国工业对GDP的贡献率均达到了35%以上。所以，本文选取影响中国经济状况的重要指标“全部工业增加值”作为因变量，选取“进出口金额、市政公用设施建设固定资产投资完成额、中国总人口”作为自变量，同时，为了分析经济危机对工业增加值的影响，引入了“虚拟变量Crisis”作为自变量。本文对数据进行了平稳性检验，DW检验，再将原数据进行了一阶差分处理，并在此基础上进行回顾分析。研究结果表明：促进中国进出口贸易发展，加大市政公用设施建设固定资产投资力度，适度调整中国的人口政策有利于中国工业的发展。 　　关键词：时间序列回归模型；ADF检验；工业增加值 　　一、引言 　　GDP是投资、消费、净出口这三种需求之和，因此经济学上常把投资、消费、出口比喻为拉动GDP增长的“三驾马车”。内需是经济的主要动力；投资是辅助性的扩大内需；出口通过本国企业的产品打入国际市场，参与国际竞争，扩大自己的产品销路。本文从“投资、消费、净出口”这三个角度出发，对中国工业增加值进行分析。分别引入与“投资”有关的“市政公用设施建设固定资产投资完成额”、与“净出口”相关的“进出口金额”、与“消费”相关的“中国总人口”作为自变量，同时引入虚拟变量Crisis来表明发生经济危机。由2000年至2014年中国三大产业以及工业在GDP中的构成比例可以看出，工业在GDP中的构成比例大，选取“工业增加值”作为因变量具有一定经济解释意义。 　　二、变量解释说明以及相关数据来源 　　对变量的解释如下：因变量：Y，全部工业增加值，差分后的符号：DY；自变量，X1，进出口金额差分后的符号：DX1；X2，市政公用设施建设固定资产投资完成额，差分后的符号：DX2；X3，中国总人口，差分后的符号：DX3；CRISIS，经济危机，差分后的符号：CRISIS。本文数据来源于wind资讯。（注：由于2014年X2的数据空白，根据该变量取值变化趋势进行赋值）。 　　三、数据拟合及检验 　　（一）ADF单位根检验：由于经济时间序列通常是非平稳的单整序列，为防止回归过程中可能导致的伪回归现象，避免虚假回归现象的出现，在采用模型进行分析之前，第一步就要对模型中包含的时间序列进行平稳性检验，因此，本文首先要检验X1、X2、X3、CRISIS、Y的平稳性。本文采用ADF单位根检验法，对进出口金额、市政公用设施建设固定资产投资完成额、中国总人口、中国工业增加值、虚拟变量经济危机各变量进行平稳性检验，模型零假设为存在单位根。由ADF单位根检验结果可知，序列X1、序列X2、序列X3、序列CRISIS和序列Y均为一阶单整序列，序列X1、序列X2、序列X3、一阶差分后通过1%的显著性检验，序列Y一阶差分后通过5%的显著性检验，因此，各变量一阶差分后均为平稳序列。 　　（二）拟合优度检验（R2检验）：用统计量R2的值来说明多元线性回归方程与数据的拟合程度。结果中给出的R2=0.899，相对比较而言，R2的值较高，由此可见自变量与因变量的相关程度较高。 　　（三）变量显著性检验（t检验）：通过t检验我们可以看出每个自变量对因变量的影响，如果某个自变量对因变量影响并不显著，应该将它从回归方程中剔除。由于各回归系数的t检验值分别为t1=9.57，t2=1.92，t3=，故拒绝系数为0的原假设，说明DX1、DX2、DX3对DY有显著性影响。虽然t4=1.51，但是t值并不是很低，说明Crisis对DY的影响近似有一定的显著性，可以接受。 　　（四）方程显著性检验（F检验）：用统计量F的值来说明总体上因变量与所有自变量之间的线性关系是否显著。结果中给出的F检验值为68.651，说明DX1、DX2、DX3、CRISIS与DY之间的回归效果非常显著。 　　（五）DW检验：由于多重共线性对多元线性归模型的合理性造成很大影响，应用DW检验判断各个自变量之间是杏存在多重共线性。DW的值接近于2，p的值趋近于0，即随机误差项间不相关。实际问题中，当DW统计量的值在2左右时，可判定回归模型不存在自相关，此时回归模型有效。结果分析中的DW的值为2.262，可判定回归模型不存在自相关，此时回归模型有效。 　　四、回归模型及相关分析 　　DY=8330.0+2.5DX1+1.2DX2?C5.2DX3+2437.2CRISIS 　　（3.56） （9.57） （1.92） （―3.02） （1.51） 　　（注：回归模型下的括号内数值是对应估计参数的t值） 　　模型分析：在其他条件不变的情况下，进出口金额的变化率增加1%，全部工业