国内生产总值影响因素的计量分析 国内生产总值(Gross Domestic Product,简称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。国内生产总值GDP是核算体系中一个重要的综合性统计指标,也是我国新国民经济核算体系中的核心指标。它反映一国(或地区)的经济实力和市场规模。
为了更准确地分析国民生产总值增长的原因,我们设计了如下6个影响国民生产总值的因素:
(一) 居民消费。
我国是人口大国,十多亿居民产生的消费对国民生产总值的影响是巨大的。消费水平的高低,将影响市场供求,刺激或抑制生产的发展。20xx年世界经济危机条件下,我国政府拿出4万亿来刺激国内需求,促进消费,更说明了消费对GDP的影响是重要的。一般而言,居民消费与GDP是成正相关关系,即消费的增加会促进国民生产总值的提高。 (二) 企业投资。
众所周知,拉动我国经济发展的的最大马车就是投资。通过企业投资,资金用于再生产,形成产品用于消费,再实现资金回笼。这一个生产过程创造的成果在国家意义上就是GDP。可以说,企业投资是影响我国国民生产总值的最重要因素。
(三) 政府支出。
政府支出是指各级政府的支出,由两部分组成,一部分是政府购买,如政府花钱修建道路、设立法院、提供国防、开办学校等。这部分计入GDP。另一部分不计入GDP,有转移支付、公债利息等。
政府支出的增加对国民生产总值的影响也是重要的,所以将其列为影响因素进行分析。
(四)能源生产总量
一国的能源生产总量很好地反映了该国对能源的需求,而能源的需求量是反映经济活跃程度,社会投入资本量和由此引起的社会产出,从而成为国民生产总值的重要贡献因素,因此将能源生产总量列为影响国民生产总值的因素。
(五) 工业总产值。
我国早在50年中后期就从农业国转变成为工业国,经过数十年的发展,我国已经成为工业主导国家。工业总产值对经济的影响脱颖而出,发挥的作用越来越大。因此,我们也将其单独作为一个影响因素来分析。
(六) 就业人数
就业人数直接反映了整体经济发展状况,一方面失业率也是各国政府重点关注的经济指标,是判断宏观经济形势的重要指标,另一方面就业也能增加居民收入从而刺激消费,进而增加国民生产总值,因此就业人数也会影响国民生产总值总量。
现将以上因素列示如下:
Y国民生产总值:表示按支出法算出的我国的所有常住单位在年内生产的全部最终产品的价值总和。
X1消费:表示按支出法算出的我国一年内的居民消费支出。
X2投资:表示按支出法算出的我国一年内的资本形成总额。
X3政府支出:表示按支出法算出的我国一年内的财政总支出。
X4能源生产总量:表示我国一年内的标准煤产量。
X5工业总产值:表示我国一年内的工业总产值。
X6就业人数:表示我国一年内的就业总人数。
数据如下表:
国民生产总值影响因素数据表
X3政府支X4能源生产总X5工业总Y国内生产 X2消费 X2投资 X6就业 年份 出 量 产值
总值(亿元) (亿元) (亿元) (亿元) (万吨标准煤) (亿元) (万人)
9450.9 6747 2639.6 103922 23924 64749 1990 19347.8
7868 3361.3 104844 26625 65491 1991 22577.4 10730.6
4203.2 107256 34599 66152 1992 27565.2 13000.1 10086.3
5487.8 111059 48402 66808 1993 36938.1 16412.1 15717.7
7398 118729 70176 67455 1994 50217.4 21844.2 20341.1
1995 63216.9 28369.7 25470.1 8378.5 129034 91894 1996 74163.6 33955.9 28784.9 9963.6 133032 99595 1997 81658.5 36921.5 29968 11219.1 133460 113733 1998 86531.6 39229.3 31314.2 12358.9 129834 67737.14 1999 91125 41920.4 32951.5 13716.5 131935 72707.04 2000 98749 45854.6 34842.8 15661.4 135048 85673.66 2001 109028 49435.9 39769.4 17498 143875 95448.98 2002 120475.6 53056.6 45565 18759.9 150656 110776.48 2003 136634.8 57649.8 55963 20035.7 171906 142271.22 2004 160800.1 65218.5 69168.4 22334.1 196648 201722.19 2005 187131.2 72652.5 77856.8 26398.8 216219 251619.5 2006 222240 82103.5 92954.1 30528.4 232167 316588.96 2007 265833.9 95609.8 110943.2 35900.4 247279 405177.13 2008 314901.3 110594.5 138325.3 41752.1 260552 507448.25 2009 345023.6 121129.9 164463.5 44396.9 274618 508311 注:数据来源http://www./tjsj/ndsj/2010/indexch.htm(原始数据表附在后面)
下面通过计量经济学模型来对国民生产总值进行定量分析,具体分为如下几步:
首先令S=ln(Y) Ti=ln(xi) i=1,2,3,4,5,6
一、数据分析
1、 各个解释变量与被解释变量间的散点图
Ln(Y)与Ln(x1) Ln(Y) 与Ln(x2) Ln(Y)与Ln(x3) 68065 68950 69820 70637 71394 72085 73025 73740 74432 75200 75825 76400 76990 77480 77995
12
11
)
1
(X
OG
L
10
9
910111213
LOG(Y)
13
12
)
211
X(
OG
L10
9
8
910111213
LOG(Y)
11
10
)
3
X(G9
O
L
8
7
910111213
LOG(Y)
Ln(Y)与Ln(x4) Ln(Y)与Ln(x6) Ln(Y)与Ln(x5)
12124
122
LOG(X4)120
118
116
1191011
LOG(Y)1213
14
13
LOG(X5)12
11
10
91011
LOG(Y)1213
LOG(X6)91011
LOG(Y)1213
由以上各个散点图可以看出,T1、T2、T3与Y基本呈线性关系,其他解释变量与Y之间线性关系不明显,可能需要进一步的调整。
2、被解释变量与解释变量及解释变量之间的相关系数矩阵。
相关系数表
S T1 T2 T3 T4 T5 T6
S T1 T2 T3 T4 T5 T6 1.00000 0.99750 0.99733 0.99731 0.94445 0.96916 0.98182 0.99750 1.00000 0.99105 0.99756 0.92192 0.95284 0.97951 0.99733 0.99105 1.00000 0.99201 0.95473 0.97921 0.97597 0.99731 0.99756 0.99201 1.00000 0.92858 0.95342 0.98620 0.94445 0.92192 0.95473 0.92858 1.00000 0.97274 0.94462 0.96916 0.95284 0.97921 0.95342 0.97274 1.00000 0.93480 0.98182 0.97951 0.97597 0.98620 0.94462 0.93480 1.00000
c T1 c T2
c
T3
一元
c
回归
T4
c T5 D5 c T6 c T1 T2
两元c 回归 T1
T3 c T1
由矩阵中数据可以看出被解释变量与各个解释变量之间的相关程度都比较大,均大于50%,其中T1 、T2、T3与的相关程度高于其他解释变量与被解释变量的相关程度。这说明可以用线性模型来进行该问题的研究。各个解释变量之间的相关程度也比较显著,T1与T3的相关程度达到了99.733%。但是各个变量之间是否具有严重的共线还要经过进一步验证才能得出结论。
3、理论模型的建立
由于在散点图中存在折点,因此我在模型中进入虚拟变量调整被解释变量与解释变量的关系,以提高模型的各方面的质量。因此确立理论模型为: S=b0+b1T1+b2 T2+b3T3+b4T4+b5T5+b6T6+aD5 +ut ,其中D5= 二、模型参数估计及模型选择
1、模型参数估计
coefficient t-Statistic R-squared Adjusted
R-squared F-statistic D.W
N
-0.372513 -1.88253 0.994998 0.99472
3580.498
0.190734
20
1.115447 59.83727
1.675138 9.903846 0.994665 0.994369
3356.243
0.582045
20
0.929575 57.93309
1.73563 10.27981 0.994619 0.99432
3326.918
0.528165
20
1.022015 57.67944
-18.2614 -7.49351 0.891984 0.885983
148.6419
0.148807
20
2.48714 12.19188
2.79095 8.126549 0.988958 0.987659
761.2688
0.316805
20
0.718767 22.93186 0.495792 8.746111
-142.0946 -20.3109 0.963974 0.961973
481.641
0.256179
20
13.73586 21.94632
0.583797 4.864245 0.999307 0.999225
12250.13
0.930156
20
0.570592 10.66715 0.458242 10.27801
0.58614 1.193507 0.996029 0.995562
2131.867
0.228438
20
0.601988 2.456808 0.471689 2.100619
-3.770521 -9.58666 0.999109 0.999004
9526.104
0.850475
20
0.944819
45.19713
是否通过a=0.1
1
1
1
1
1
1
1
1
1
T4 0.435853 c 2.79095 T1 0.718767 T5 0.495792 D5 c -17.37163 T1 0.986837 T6 1.642662 c 1.666262 T2 0.468014 T3 0.511559 c 3.606497 8.853577
8.126549 0.988958 22.93186 8.746111
-1.49446 0.995557 10.99291 1.462614 18.89355 0.998631 7.057022 7.015768 2.907014 0.995341
0.987659
0.995034
0.998469
0.994793
1816.02 6198.326 1904.626 761.2688
0.316805
0.207597
0.712525
0.761845
20
20
20
20
1
1
T2 T4 c T2 T5 D5 c T2 T6 c T3 T4 c T3 T5 D5 c T3 T6 c T4 T5 d5 c T4 T6 c T5 T6 d5 c 三元
T1 回归
T2 T3 c 1.00734 -0.230134 2.155256 0.866433 0.009319 0.124767 -24.47163 0.767576 2.491448 -1.254019 0.895083 0.351275 1.557415 0.766551 0.221901 0.042687 10.96528 1.085564 -0.879709 12.10172 -1.1287 1.072866 0.585449 -123.7384 0.415761 11.64945 6.486928 0.733428 -0.346909 0.514618 0.818368 0.446678
0.434062
0.140245 -1.511965 19.42048 -1.57032 9.802736 6.116748 0.079429 1.819525 -2.41962 11.95627 2.585525 -1.56136 24.69067 3.770715 8.331058 9.6152 4.175459 0.817836 0.702164 9.957293 -0.59106 8.86783 -6.88142 19.88333 18.22402 -7.21486 1.169926 6.170479 0.162596 4.541031 -0.09264 2.433865 4.078911 4.435217 9.351063 1.435659 -3.21619 0.996692 0.996171 0.99707 0.998371 0.994727 0.997211 0.966659 0.988964 0.999386 0.999696
0.996072
0.995721
0.996725
0.998065
0.994107
0.996688
0.962736
0.986894
0.999271
0.999639
1607.094
2211.465
2892.129
3268.511
1603.504
1907.131
246.4381
477.9179
8677.2
17539.49
1.027285
0.552811
0.580106
1.006445
0.555713
1.482988
0.233096
0.333427
0.796762
1.372886
20 0
20 1
20 1
20 0
20 0
20 1
20 1
20 0
20 0
20
1
T1 T2 T4 c T1 T2 T5 d5 c T1 T2 T6 0.698126 0.278329 0.220658 0.627693 0.616889 0.199389 0.18324 0.093116 -7.574702 0.527363 0.442891 0.785278 15.13973 5.560852 4.527268 5.248644 14.61799 3.377012 5.513306 5.097626 -1.72348 9.559939 10.42193 1.856912
0.999783
0.99943
0.999725
0.999323
17280.89
9343.977
1.355592
1.022985
20
20
1
1
c -3.18742 T1 0.758546 T3 0.181044 T4 0.408257 c 0.569541 T1 0.605282 T3 0.150628 T5 0.255872 D5 0.095433 c -3.092222 T1 0.626368 T3 0.424395 T6 0.34616 c 0.952932 T1 0.700088 T4 -0.05467 T5 0.313447 D5 0.140048 c 6.389539 T1 1.003962 T4 0.489159 T6 -1.021948 c 9.388734 T1 0.728429 T5 0.314811 T6 -0.842821 D5 0.166866 c 1.164916 T2 0.423445 T3 0.538603 T4 0.059683 c 1.64151 T2 0.311168 T3 0.57242 T5 0.092945 -6.27415 6.783059 1.692549 8.248388 3.755093 7.873588 1.746287 10.39809 3.860703 -0.2032 2.306934 1.402113 0.241853 0.761807 9.793083 -0.43343 3.90787 2.974068 1.151069 26.61282 8.972768 -1.83437 1.284807 21.49602 8.889652 -1.22836 3.976306 1.481464 4.372468 6.311218 0.641774 9.518193 2.187032 5.0167 1.224555
0.999244 0.999683 0.996043 0.999623 0.999263 0.999653 0.998665 0.998765 0.999102
0.999598
0.995301
0.999522
0.999125
0.99956
0.998415
0.998435
7048.3
11811.77
1342.552
9938.479
7235.327
10803.23
3989.398
3032.195
0.623603
1.558312
0.220729
1.608323
1.146436
1.707886
0.665344
0.641159
20 0
20 0
20 0
20 0
20 1
20 0
20 0
20 0
D5 c T2 T3 T6 c T2 T4 T5 D5 c T2 0.024189 4.611697 0.465251 0.534849 -0.2807 8.302381 0.45561 -0.708648 0.568026 0.356981 -26.54022 0.843464 0.507139 0.560753 6.789698 5.393817 -0.35817 4.785051 2.885942 -3.55944 3.146118 4.27436 -3.04865 13.61601
0.998641
0.998207
0.997351
0.998387
0.997729
0.996855
3920.371
2087.589
2008.134
0.726756
1.082446
0.920119
20
20
20
1
1
T4 T6 c T2 T5 T6 D5 c T3 T4 T5 D5 c T3 T4 T6 c T3 T5 T6 D5 c T4 T5 T6 D5 c T1 T2 T3
T4
c T1 T2 T3 -0.310245 2.936655 -3.462005 0.868965 -0.015028 0.527069 0.09508 4.02298 0.614217 -0.269172 0.405087 0.154113 35.80729 1.106703 0.495154 -3.649153 28.83518 0.788678 0.315902 -2.563666 0.168734 -5.62647 -1.151195 1.008865 1.681406 0.495989 -1.256226 0.590179 0.262941 0.118174 0.214543 0.696599 0.556949 0.178257 0.0886 -2.66984 3.484361 -0.15337 5.937675 -0.09662 0.248857 0.68572 1.591395 3.509281 -0.978 2.080368 1.229477 3.825979 18.57875 6.412405 -3.9678 2.006221 10.53681 4.521182 -1.898 2.053225 -0.27746 -6.88484 11.08102 0.876253 4.631058 -2.72991 8.106733 5.542039 1.838126 4.705095 5.321902 8.602971 2.934973 1.207739
0.996706 0.998469 0.998523 0.998686 0.997347 0.999752 0.999804
0.995828
0.99806
0.998246
0.998336
0.99664
0.999686
0.999733
1134.669
2444.956
3605.489
2851.002
1409.784
15111.15
14247.7
0.979256
1.044876
1.106745
1.011915
1.392583
1.056227
1.164031
20 0
20 0
20 1
20 1
20 0
20 1
20 0
四元
回归
T5 D5 c T1 T2 T3 T6 c T1 T2 T4 T5 0.179285 0.080624 -6.021485 0.490959 0.437033 0.050014 0.643828 0.564861 0.619654 0.20014 0.006454 0.178932 5.448957 3.884598 -1.01309 4.594338 9.495478 0.401808 1.151424 0.571006 10.08672 3.216555 0.064018 2.367386
0.999436
0.999783
0.999285
0.999706
6640.739
12906.84
0.943352
1.353402
20
20
D5 0.090859 c 0.100719 T1 0.717433 T2 0.267704 T4 0.237787 T6 -0.170884 c 6.795132 T1 0.623102 T2 0.189884 T5 0.21179 D5 0.125473 T6 -0.580136 c 0.025577 T1 0.616712 T3 0.171453 T4 0.057349 T5 0.217484 D5 0.072689 c 21.80225 T1 0.620392 T3 0.451772 T4 0.493527 T6 -2.425876 c 14.45037 T1 0.566396 T3 0.201406 T5 0.301305 D5 0.155892 T6 -1.298607 c 9.393811 T1 0.728631 T4 0.000406 T5 0.314598 D5 0.166777 T6 -0.843674 2.27145 0.025812 10.82671 4.665488 3.670745 -0.41649 1.169367 14.68579 3.192796 4.966265 3.534902 -1.06157 0.019646 7.376146 1.687699 0.420851 2.2975 1.217046 5.902043 10.20521 6.664584 17.44072 -6.78175 2.176366 7.876641 2.46718 9.691982 4.266819 -2.09103 1.212199 9.645472 0.003013 3.950247 3.167419 -1.10349
0.999699 0.999799 0.999687 0.999814 0.999758 0.999653 0.999619
0.999727
0.999575
0.999764
0.999672
0.999529
12475.11
13941.92
8931.063
20162.62
11574.78
8066.417
1.416887
1.606638
1.517121
1.830724
1.779256
1.707471
20 0
20 0
20 0
20 1
20 1
20 0
c T2 T3 T4 T5 D5 c T2 T3 T4 T6 3.466292 0.295615 0.46912 -0.199675 0.23528 0.10777 18.97123 0.274892 0.770183 0.234401 -1.836813 1.496963 2.032681 2.688892 -0.79031 1.201516 0.926915 1.583042 2.011734 4.376962 1.587231 -1.48882 0.998818
0.998837
0.998395
0.998527
2365.17
3220.106
0.655392
0.76393
20
20
c T2 T3 T5 D5 T6 c T2 T4 T5 D5 T6 c T3 T4 T5 D5 T6 c T1 T2 T3 T4 T5 D5 c
五元T1 回归 T2
T3 T4 T6 c T1 T2 T3 T5 21.40631 0.24913 0.627171 0.186823 0.119285 -1.859145 -6.367495 0.446737 -0.735536 0.52463 0.287029 1.398362 30.94076 0.834448 0.076848 0.273285 0.149905 -2.827712 -0.021027 0.571399 0.180716 0.115284 0.075843 0.127462 0.050341 14.4377 0.580083 0.135103 0.328934 0.365478 -1.614636 10.68931 0.536023 0.151997 0.134361 0.223336 1.507959 1.717695 5.339083 1.871302 1.445985 -1.39242 -0.37896 2.802368 -3.62414 2.78258 2.47648 0.877838 1.75613 3.791283 0.222119 1.333089 1.249351 -1.5424 -0.02001 8.251464 2.914183 1.368736 0.688451 1.546696 1.031367 3.672656 11.26395 2.919064 4.732314 7.372396 -4.00594 1.847016 8.674855 2.583134 1.825684 5.585369
0.998915 0.9983 0.998691 0.99981 0.999884 0.99984 0.998528
0.997693
0.998224
0.999723
0.999843
0.999766
2577.969
1644.685
2136.26
11427.04
24219.37
13555.03
0.709658
0.917732
1.001898
1.111644
1.567692
1.421184
20
20
20
20
20
1
20
D5
T6
c
T1
T3
T4
T5
D5
T6
c
T1
T2
T4
T5
D5
T6
c
T2
T3
T4
T5
D5
T6
c
T1
六T2
元T3
回T4
归 T5
D5
T6 0.126411 3.846179 -0.936609 -1.72704 22.9441 3.625728 0.999846 0.999775 14046.11 1.789264 20 0.601823 9.865799 0.368864 4.03092 0.342837 2.717569 0.110266 1.472762 0.071087 1.634902 -2.397452 -3.663 7.348728 1.203945 0.999802 0.999711 10961.72 1.629455 20 0.645032 9.939959 0.193972 3.134752 0.048756 0.456973 0.184001 2.453209 0.113819 2.554173 -0.676859 -1.12601 22.2469 1.273926 0.998916 0.998415 1996.089 0.711161 20 0.247938 1.641381 0.645443 2.716052 0.029381 0.089564 0.171147 0.84154 0.112322 0.971519 -1.96347 -1.0849 18.6775 3.516222 0.999908 0.999854 18576.01 1.633117 20 0.571148 11.358 0.133302 2.838435 0.290977 3.701231 0.303759 2.963651 0.063662 1.019027 0.054898 1.547855 -1.95473 -3.55708
2、模型选择
由上表可以看出三元模型中解释变量为T1、T2、T5的模型相对于其他模型较好,因此选
择此模型进行以下步骤的检验。该模型为:
S=0.627693+0.616889*T1+0.199389*T2+0.18324*T5+0.093116*D5
(5.248644) (14.61799) (3.377012) (5.513306) (5.513306)
R-squared= 0.999783 Adjusted R-squared= 0.999725 F= 17280.89 DW= 1.355592
即回归方程为:Ln(Y)=0.627693+0.616889*Ln(X1)+0.199389*Ln(X2)+0.18324*Ln(X5)
+0.093116*D5
统计含义:在剔除其他变量影响后,T1每增加(减少)一个单位将使S平均增加(减少)
0.616889个单位;在剔除其他变量影响后,T2每增加(减少)一个单位将使S平均减少(增
加)0.199389个单位;19xx年以前(含19xx年)T5每增加(减少)一个单位将使Y平均增加
(减少)0.18324个单位,19xx年以后T5每增加(减少)一个单位将使Y平均增加(减少)
0.276356个单位;
经济含义:在剔除其他变量影响后,居民消费总支出每增加1%,国内生产总值增加
0.616889%,在剔除其他变量影响后,资本形成总额每增加1%,国内生产总值增加0.199389%;0 0 0 0
在剔除其他变量影响后,
在19xx年以前(含19xx年)资本形成总额每增加1%,国内生产总值增加0.18324%,在19xx年以后工业总产值每增加1%,国内生产总值增加0.276356%。
三、模型检验
1、经济意义检验
T1,T2,T5的参数b1, b2, b5的符号符合其经济含义,即居民消费总支出增加、资本形成总额增加和工业总产值增加都会导致国内生产总值的增加,而通过以上模型参数估计可以看出它们之间呈正相关关系。
2、统计意义检验
(1)拟合优度检验
因为Adjusted R-squared=0.999725则:
统计含义:在s的总体平方和中有99.97%可由T1 T2 T5 D5来解释,剩下的0.03%归因于随机误差项中所含因素对S的影响。
经济含义:在国内生产总值的总体平方和中有99.97%可由居民消费总支出\资本形成总额和工业总产值来解释,剩下的0.03%归因于随机误差项中所含因素对国内生产总值的影响。
(2)方程显著性检验
因为F=17280.89,F足够大来通过F检验。认为:
统计含义:bi^不来自于零总体,样本提供了充足证据拒绝总体参数bi同时与零的差异是机会的。
经济含义: 居民消费总支出,资本形成总额,工业总产值这三个因素共同对国内生产总值的影响是显著的。
(3)变量显著性检验
当α=0.1时,方程可以通过t检验。认为:
统计含义:bi^不来自于零总体,样本提供了充足证据拒绝总体参数bi同时与零的差异是机会的。
经济含义: 居民消费总支出,资本形成总额,工业总产值这三个因素共同对国内生产总值的影响是显著的。
3、计量意义检验
(1)多重共线性检验
由于变量的t值都可通过变量显著性检验,则说明变量之间不存在严重的多重共线性。
(2)自相关检验
Dependent Variable: ET
Method: Least Squares
Date: 12/14/11 Time: 19:26
Sample(adjusted): 1991 2009 C
T1
T2
T5
R-squared -0.001306 0.006290 -0.014874 0.007909 0.9902 0.8773 0.7739 0.7304 0.104920 -0.012445 0.039999 0.157258 0.050789 -0.292865 0.022492 0.351632 0.049506 Mean dependent 0.000692
var
Adjusted R-squared -0.222064 S.D. dependent var 0.011754
S.E. of regression Sum squared resid Log likelihood
Durbin-Watson stat 0.012993 Akaike info criterion -5.62781
9
0.002364 Schwarz criterion -5.37928
2
58.46428 F-statistic 0.182295 1.598847 Prob(F-statistic) 0.943769
模型S=b0+b1T1+b2T2+b5T5+D5+ut
Ut=p1*ut-1
原假设为:H0 :P1=0 备择假设:P1<>0
辅助回归模型为et=b0+b1T1+b2T2+b5T5+D5+P1et-1+wt
对辅助回归模型进行回归分析,由上表可知LM=nR2=20*0.049506=0.099012<X2a (1)=2.706
所以接受原假设:P1=0 ,不存在自相关。 (3)异方差检验 无交叉项White检验
F-statistic
Obs*R-squared
1.123673 Probability 6.830133 Probability
0.401089 0.336843
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares
Date: 12/14/11 Time: 18:40 Sample: 1990 2009
Variable
C X1 X1^2 X2 X2^2 X5 R-squared Adjusted R-squared S.E. of regression Sum squared resid
Coefficient
-0.074451 0.040661 -0.001955 -0.013173 0.000578 -0.011871 Std.
t-Statistic
Prob.
0.3765 0.3482 0.3518 0.6265 0.6614 0.4916 0.081305 0.041782 0.002025 0.026432 0.001289 0.016775 -0.915705 0.973164 -0.965753 -0.498372 0.448116 -0.707659 0.341507 Mean dependent 0.0004
var
0.037587 S.D. dependent 0.00045
var
0.000441 Akaike info -12.34484
criterion
2.53E-06 Schwarz criterion -11.99633
Log likelihood Durbin-Watson stat
130.4484 F-statistic 2.613494 Prob(F-statistic)
1.123673 0.401089
原假设:H0 varui=
由White检验得到R2=0.341507 统计量nR2~X2(6)
由nR2 =20*0.341507 <X2a(6)=10.645 由此接受原假设,模型不存在异方差。 有交叉项的White检验
F-statistic
Obs*R-squared
1.443054 Probability 11.29961 Probability
0.287198 0.25573
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares
Date: 12/14/11 Time: 19:01 Sample: 1990 2009
X1 X1^2 X1*X2 X1*X5 X2 X2^2 X2*X5 X5 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.152235 -0.025756 0.029396 0.00724 -0.068263 -0.022372 0.019562 -0.047968 0.070313 0.012351 0.024968 0.012389 0.067161 0.017742 0.019468 0.04012 2.165114 -2.085257 1.177357 0.584378 -1.016415 -1.260924 1.004802 -1.195628 0.0556 0.0636 0.2663 0.5719 0.3334 0.236 0.3387 0.2594 0.564981 Mean dependent 0.0004
var
0.173463 S.D. dependent 0.00045
var
0.000409 Akaike info -12.4594
criterion
1.67E-06 Schwarz criterion -11.96154
134.594 F-statistic 2.542856 Prob(F-statistic)
1.443054 0.287198
同上,nR2=20*0.564981<X2a(9)=14.684
所以模型不存在异方差。
4、相对误差分析
相对误差计算如下表:
相对误差
S T1 T2 T5 S^ p
9.870334 9.153865 8.816853 10.08264 9.880138 0.000993
10.0247 9.280855 8.970559 10.18961 10.00872 0.001594
10.22431 9.472712 9.218933 10.45158 10.22461 2.91E-05
10.517 9.705774 9.662543 10.7873 10.51835 0.000128
10.82412 9.991691 9.920399 11.15876 10.81421 0.000916
11.05433 10.25308 10.14526 11.42839 11.0697 0.00139
11.21403 10.43282 10.26761 11.50887 11.21972 0.000507
11.3103 10.51655 10.30789 11.64161 11.30372 0.000582
11.36826 10.57718 10.35183 11.12339 11.34804 0.001779
11.41999 10.64353 10.40279 11.19419 11.41211 0.00069
11.50034 10.73323 10.4586 11.3583 11.50865 0.000723
11.59936 10.80843 10.59085 11.46635 11.6012 0.000159
11.6992 10.87911 10.7269 11.61527 11.69922 1.67E-06
11.82507 10.96214 10.93245 11.86549 11.83728 0.001032
11.98792 11.0855 11.1443 12.21465 12.01959 0.002642
12.13957 11.19344 11.26263 12.43567 12.15028 0.000882
12.31151 11.31574 11.43986 12.66536 12.30314 0.00068
12.49063 11.46803 11.61677 12.91208 12.47758 0.001045
12.66001 11.61363 11.83736 13.13715 12.65262 0.000584
12.75137 11.70462 12.01044 13.13885 12.74357 0.000611
由上表知相对误差pi <5% i=1,2,3,……20 所以模型很好。
五、预测及政策建议
政策空间
由模型S=0.627693+0.616889*T1+0.199389*T2+0.18324*T5+0.093116*D5
可知国内生产总值的影响因素中投资、居民消费和工业总产值比较显著,其中居民消费的贡献最大,所以要加快经济发展,首先要建立消费主导型经济,扩大内需。其次,要鼓励投资,促进工业发展。