基于多元回归模型分析我国国内生产总值影响因素.docVIP

基于多元回归模型分析我国国内生产总值影响因素 　　【摘要】国内生产总值的分析对一个国家或地区具有重要的意义。本文运用统计分析方法和计量分析方法，利用1994年至2013年的统计数据，对影响我国国内生产总值的因素进行实证分析，以阐明影响我国国内生产总值的主要因素，最后对实证分析的结果提出建议。 　　【关键词】国内生产总值 实证分析 多元回归分析 　　一、引言 　　（一）研究背景 　　国内生产总值（Gross Domestic Product）是指一个国家或地区所有常住单位在一定时期内生产的所有最终产品和劳务的市场价值。GDP是国民经济核算的核心指标，也是衡量一个国家或地区总体经济状况重要指标。改革开放以来，我国经济飞速发展，国内生产总值日趋上升，为了维持这种上升趋势，同时能在未来可能的金融危机来临时经受住考验，就应该了解国内生产总值的影响因素以及这些因素的影响程度。从而在符合我国国情的背景下，针对这些影响因素提出促进我国国内生产总值增长的建议。本文采用1994年至2013年相关数据，研究我国GDP的影响因素。 　　（二）文献综述 　　郭芳、冷洛（2007）通过研究得出最终消费支出和资本形成总额是我国GDP的主要影响因素[1]。文静（2011）将外资情况、国家财政支出总量作为解释变量来研究影响GDP的主要因素[2]。冶涛（2012）对新疆地区的统计数据进行实证分析，阐述了一个地区的国内生产总值的影响因素[3]。程静（2014）认为分析国内生产总值的影响因素对制定一个地区的经济发展策略有着至关重要的帮助[4]。张卜元、刘冰冰等（2016）利用多元回归模型得出我国的最终消费和资本形成对我国国内生产总值有重大影响[5]。 　　二、变量的选择与样本选取 　　（一）模型变量的选取 　　选择国内生产总值作为被解释变量，本文选择了以下五个指标作为模型的解释变量：税收，城乡储蓄存款年末余额，财政支出总量，固定资产投资总额，能源消费总量。其中，税收是国家财政收入的主要来源，是国家调控经济的主要手段，对经济有双向调节作用；城乡储蓄存款年末余额是因为储蓄是投资的重要来源，对国内生产总值的增长有促进作用，但是过多的储蓄也会减缓经济的发展；财政支出是有利于国内生产总值的增长；固定资产投资的增长是国内生产总值增长的主要保障，影响效果显著；能源消费总量是一定时期内全国或某地区用于生产、生活所消费的各种能源数量之和，是反映全国或全地区能源消费水平、构成与增长速度的总量指标。因此，上述解释变量的选取符合经济发展的实际情况。 　　（二）样本选取 　　模型中被解释变量和解释变量自1994年至2013年的相关数据，相关数据从《中国统计年鉴表2014》中获得，并对其进行了整理与汇总，数据见表1。以这些数据为基础，首先运用Eviews软件画散点图可以发现被解释变量分别和解释变量X1、X2、X3、X4、X5之间都存在着明显的线性相关关系。 　　三、模型的构建与回归分析 　　（一）建立回归模型 　　本文选取了《中国统计年鉴表2014》中被解释变量和解释变量自1994年至2013年的相关数据。 　　表1 1994-2013中国GDP、税收、城乡储蓄存款年末余额、财政支出总量、固定资产投资总额、能源消费总量 　　■ 　　表2 总体回归分析结果 　　■ 　　同时，为了有助于消除异方差，更好的说明各变量之间的关系，提高方程的拟合优度，特建立双对数方程。拟建立的回归模型如下： 　　■ 　　使用Eviews软件进行OLS回归，具体分析结果如表2。 　　得到对应的回归表达式： 　　■ 　　Se 1.58 0.25 0.08 0.23 0.08 0.19 　　t 4.62 3.90 3.25 -3.22 5.91 -2.47 　　■ ■ ■ 　　由此可以看出，R2以及调整的可决系数都非常接近1，说明模型拟合的不错，国内生产总值对数的变异有大约99%可以由解释变量的对数解释，可以通过拟合优度检验。假设在5%的显著性水平下， p值越小越显著，各个偏回归系数都是显著的，其系数的p值都小于0.05。另外，此回归模型的的F=3176.535，得到一个大于或等于3176.535的F值的P值几乎为0，从而拒绝所有的变量同时对国内生产总值没有影响的假设。 　　对于残差是否服从正态分布，通过JB统计量可以看出，见图1。 　　■ 　　?D1 残差 　　在回归中JB统计量的估计值为0.972712。得到JB统计量高达0.972712的p值约为0.61，所以我们不能拒绝本例中残差为正态分布的虚拟假设。这个概率相当高。 　　计算各解释变量的相关系数，得到相关系数矩阵，见表3。 　　表3 相关系数矩阵 　　■ 　　由相关系数矩阵可看出，两两相关系数