地区GDP影响因素的计量分析-期末作业
影响云南省GDP的因素分析
计量经济学案例分析题目：影响云南省GDP的因素分析影响云南省GDP的因素分析建立模型根据GDP的核算方法，我们首先在模型中引入四个变量，分别是：居民最终消费（X1），资本形成总额(X2),货物和服务净出口(X3),地方财政决算支出(X4)。
通过查阅中国经济统计数据库,得到1990-2007年共18年的具体数据,列表如下: 表（1）云南省1990-2007年GDP及相关因素统计表注：以上数据来自中国经济统计数据库。
根据以上数据，分析被解释变量与四个解释变量的相关性，得到相关系数矩阵图表（2），如下：表（2）相关系数矩阵图根据变量间相关系数分析，我们先设定模型：Y=β0+β1X1+β2X2+β3X3+β4X4+u i对模型进行OLS检验的结果为：表（3）回归分析结果Dependent Variable: YMethod: Least SquaresDate: 12/21/10 Time: 17:11Sample: 1990 2007Included observations: 18Coefficient Std. Error t-Statistic Prob.C -43.64766 19.17224 -2.276607 0.0404X1 1.000048 0.051675 19.35275 0.0000X2 0.983646 0.067192 14.63939 0.0000X3 1.071304 0.077683 13.79075 0.0000X4 0.157293 0.199096 0.790035 0.4437R-squared 0.999637 Mean dependent var 1990.255Adjusted R-squared 0.999526 S.D. dependent var 1221.591S.E. of regression 26.59847 Akaike info criterion 9.629718Sum squared resid 9197.222 Schwarz criterion 9.877043Log likelihood -81.66746 Hannan-Quinn criter. 9.663820F-statistic 8961.277 Durbin-Watson stat 1.656527Prob(F-statistic) 0.000000整理得到模型：Y = -43.64766+ 1.000048*X1 + 0.983646*X2 + 1.071304*X3 + 0.157293*X4 （-2.276607）（19.35275）（14.63939）（13.79075）（0.790035）R2=0.999637 DW=1.656527 F=8961.277回归结果分析：由R2=0.9996372R=0.999526,可以看出模型整体上拟合程度高;F=8961.277>F0.05(4,13)= 3.18（显著性水平为α＝0.05），表明模型从整体上看，云南省GDP和各解释变量间线性关系显著。
影响GDP增长的经济因素分析共3篇
影响GDP增长的经济因素分析共3篇影响GDP增长的经济因素分析1随着国家经济的持续发展，人们对GDP这个指标也越来越关注。
GDP（Gross Domestic Product，即国内生产总值）是评估一个国家或地区经济增长情况的重要指标，它代表在一定时间内，该国或地区所有最终产品和服务的市场价值。
那么，究竟哪些因素会影响GDP的增长呢？本文将结合实际情况进行分析。
1. 投资投资是GDP的主要驱动力之一。
一个国家的经济发展和GDP水平与其投资水平高度相关。
投资不仅仅指在生产和建设方面的投资，还包括了科技、教育和环境等方面的投资。
比如，一些国家将高科技产业作为产业结构调整的重点，提高技术含量和附加值，进而推动经济增长。
2. 出口对于出口型国家而言，出口对于GDP增长的影响可能更加明显。
出口的增长会带动内需增长，形成产业链的效应。
当然，毫无疑问地是，随着全球经济的持续波动，世界各国贸易保护主义日益增强，滞留货船、堵口岸也是现实，这无疑对出口型国家带来了更大的压力。
3. 消费消费作为国内经济中的重要组成部分，直接影响到GDP增长。
消费的增长可以缓解经济压力，同时也会引导企业增加现有产能，增加生产，提高利润，形成新的市场和就业机会。
4. 政策政策对于GDP的影响也相当大。
政策的制定、调整和配套政策的落实对于经济的举步维艰或井喷式增长是至关重要的。
政策决策的正确性，决定了一个国家或地区未来经济的走向，政策的落实程度，决定了政策的有效性和效果。
5. 外部环境除了以上几点因素，一个国家的GDP增长还受到外部因素的影响。
例如：国际市场环境、气候情况和自然灾害等。
这些因素虽然不是人为因素，但它们对于经济的影响同样不能忽视。
对于一个国家而言，GDP增长不仅意味着经济上的进步，更意味着国民生活水平的提高。
通过对GDP增长影响因素的认真分析，我们可以更好地了解我们国家或者地区的经济运行情况，并适当的适应经济环境，更好的上升综上所述，GDP的增长受到多种因素的影响，包括投资、出口、消费、政策和外部环境等方面。
GDP影响因素的计量经济分析
末余额、财政支出总量、固定资产投资总额、出口总额、上期国内生 产总值。其中，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，但过多的储蓄也会减缓经济发展；财政支出有利于国内 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；出口总额的增长是拉动国民经济增长的一 个重要因素；上期国内生产总值对下期国内生产总值有顺承效果， 它的多少对下期国内生产总值会产生一定影响。因此，上述解释变 量的选取符合经济发展的实际情况。我们选用中国国家统计局网 站上公布的统计数据(1985～2014年)，并对其进行了整理与汇总。
入“新常态”以来，虽然经济增速仍居世界前列，但表现出一定的放缓趋势。那么，我们不禁要问，是什么因素影响了我国的经济增长？这
些因素对我国经济增长的影响具体有多大？本文以1985年～2014年的数据为实证研究样本，着重分析这些因素如何影响我国的国内生产
总值。
关键词：GDP 计量经济 模型函数 影响因素
中图分类号：F224
图1 剔除价格影响后各个变量的走势情况(1985年～2014年)
进一步，可以利用剔除价格因素影响的数据为基础，首先运用 EVIEWS软件画出国内生产总值与城乡储蓄存款年末余额、财政支
2017年3月 175
Copyright©博看网 . All Rights Reserved.
文献标识码：A
文章编号：2096-0298(2017)03(c)-175-04
计量经济学期末课程论文设计 对我国GDP影响因素的分析---精品管理资料
广西工学院2011-2012学年第一学期期末课程论文设计科目金融计量经济学课题对我国GDP影响因素的分析任课教师杨毅班级国贸091班姓名二○一二年元月对我国GDP影响因素的分析（研究范围：城镇、农村人均收入、恩格尔系数以及就业人数）【摘要】：运用1990—2009年我国城镇、农村人均收入,恩格尔系数以及就业人数的数据，建立了ARLM、古典线性回归模型，通过OLS回归、怀特异方差检验、ＢＧ自相关检验、非正态检验、多重共线性分析、RESET检验、邹至庄检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响.通过这一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1990—2009年间我国经济增长的情况。
由此来分析所选取的这四个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题,从而找出相应的对策。
【关键词】：GDP 恩格尔系数影响因素回归分析一、引言改革开放以来，中国经济取得了令全世界震惊的巨大成就，持续25年年均增长率超过9%，经济总规模已经稳居世界第四。
2010年中国经济增长率更是高达10%。
因此,许多专家学者指出,我国目前的经济形势是上世纪90年代中期以来最好的。
由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。
尤其从1985年我国开始正式统计GDP后,它就越来越受到人们的关注。
GDP的核算中有许多因素在起着作用,为此,本文对国内生产总值GDP的影响因素作计量模型的实证分析,以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出一点自己的看法.二、建模分析1、数据收集从《中国统计年鉴》得到我国1990—2009年国内生产总值GDP、我国城镇、农村人均收入,恩格尔系数以及就业人数的统计数据，如表1所示。
影响重庆各区县地区GDP因素的计量经济分析
影响重庆各区县地区GDP因素的计量经济分析
作者：黄秋双
来源：《现代商贸工业》2016年第05期
摘要：地区生产总值（地区GDP）是目前各个地区衡量国民经济发展情况最重要的一个指标。
为了研究重庆市各区县的GDP主要受到哪些因素影响，通过计量经济学的方法以多元线性回归的形式将引入的各个自变量对因变量（地区GDP）作线性回归。
先设定出解释变量和被解释变量之间的回归模型，再从两个方面（多重共线性检验、异方差检验）对回归模型进行检验以及调整。
从而确定正确的回归模型，了解重庆市各区县地区生产总值的影响因素。
重点在对回归模型进行调整，总结出对重庆市地区生产总值的影响因素，得出以下结论：重庆市地区生产总值主要受到重庆农林牧渔业总产值、全社会固定资产投资、重庆市区县级一般公共预算收入、全员劳动生产率这几个因素的影响。
关键词：地区GDP；回归模型；多重共线性；异方差。
GDP影响因素的计量分析
GDP影响因素的计量分析GDP是一个国家或地区经济发展水平的重要指标，反映了该国或地区一定时间内的经济总量。
GDP的增长对于国家的经济状况和人民的生活水平有重大影响。
因此，了解影响GDP的因素并进行计量分析是非常重要的。
影响GDP的因素可以分为供给方面和需求方面的因素。
供给方面的因素主要包括生产要素的增加、技术进步和制度环境等。
需求方面的因素主要包括个人消费、政府支出、投资和净出口等。
下面将对这些因素进行计量分析。
首先，生产要素的增加是影响GDP的重要因素之一、生产要素主要包括劳动力和资本，因此，分析这两个要素对GDP的影响是非常重要的。
通过计量经济学的方法，可以对劳动力和资本的增加对GDP的贡献进行分析。
例如，可以使用多元线性回归模型来估计劳动力和资本对GDP的弹性，从而了解它们对经济增长的影响程度。
其次，技术进步也是影响GDP增长的重要因素。
技术进步通常会提高生产效率和生产能力，从而推动经济增长。
计量经济学可以通过构建生产函数来估计技术进步对GDP的贡献。
例如，通过估计总要素生产率(TFP)的增长率，可以分析技术进步对GDP增长的贡献程度。
此外，制度环境也对GDP的增长有重要影响。
制度环境主要包括政府政策、法律体系、市场开放程度等。
计量经济学可以通过构建包含制度环境变量的模型来分析其对GDP增长的影响。
例如，可以使用面板数据模型来研究政府效率、市场开放程度和GDP之间的关系。
在需求方面，个人消费是GDP的重要组成部分。
通过计量方法，可以分析个人消费对GDP的贡献。
例如，可以使用消费函数来度量其中一时期内个人消费的弹性，以了解其对经济增长的影响。
此外，政府支出也是影响GDP增长的重要因素之一、政府支出可以促进经济增长，尤其是在经济衰退时。
计量经济学可以使用政府支出模型来分析其对GDP增长的影响。
例如，可以估计政府支出对GDP的多重回归模型，以分析其对经济增长的影响。
另外，投资也是影响GDP的重要因素。
影响GDP变化的因素分析
影响GDP变化的因素分析GDP（国内生产总值）是衡量一个国家经济活动总量的指标，它反映了一个国家或地区一定时期内产出的全部商品和服务的价值。
GDP的变化受到多种因素的影响，包括经济结构、政府政策、人口变动、技术进步等。
下面将对影响GDP变化的主要因素进行分析。
首先，经济结构是影响GDP变化的重要因素之一、经济结构包括三个方面：第一，产业结构。
不同产业的发展对GDP的贡献不同。
在初期发展阶段，农业可能是经济的主要部分，而工业和服务业可能只占较小比例。
随着经济的发展，工业和服务业的比重逐渐增加，农业的比重逐渐减少。
第二，区域结构。
发达地区的经济活动通常比欠发达地区更活跃，因此GDP水平更高。
第三，所有制结构。
私营企业和国有企业在经济中的比重也会影响GDP的增长。
其次，政府政策是影响GDP变化的重要因素之一、政府采取的财政政策和货币政策都能对经济产生重大影响。
财政政策通过调节政府支出和税收水平来影响投资和消费水平，进而影响经济增长。
货币政策通过调节货币供应量和利率来影响信贷供给和消费倾向，进而影响经济增长。
政府还可以通过产业政策、就业政策和收入分配政策等来直接干预经济，促进GDP的增长。
第三，人口变动也是影响GDP变化的重要因素之一、人口规模和人口结构对GDP的增长起着重要作用。
人口规模增加可以扩大市场规模和劳动力资源，促进经济增长。
而且，年轻劳动力的比例较高会提高人均生产率，从而推动GDP的增长。
然而，人口老龄化和人口结构不均衡等问题也会对GDP产生负面影响。
最后，技术进步是影响GDP变化的另一个重要因素。
技术进步可以提高生产效率，推动经济增长。
新技术的应用可以降低生产成本，提高产品质量，增强企业竞争力。
技术进步还可以改变产业结构，推动经济结构转型。
因此，政府和企业都应加大对科研和创新的投入，推动技术进步，促进GDP的增长。
综上所述，GDP的变化受到经济结构、政府政策、人口变动和技术进步等多种因素的影响。
GDP影响因素的计量分析
GDP影响因素的计量分析一、问题的提出国家统计局25日发布2009年国民经济和社会发展统计公报，称中国去年全面落实应对国际金融危机的一揽子计划和政策措施，国民经济形势总体回升向好，各项社会事业取得新的进展。
初步核算，全年国内生产总值335353亿元，比上年增长8.7%，增速比2008年回落0 9个百分点。
在金融危机下，我们实现了“保八”的目标，我们需要对过去进行分析，需要对未来进行预测，在此我写下了GDP的影响因素的计量分析，分析各种因素对GDP的影响，希望在将来对GDP的增长有启示作用。
二、理论的分析GDP即英文（gross domestic product）的缩写，也就是国内生产总值。
它是对一国（地区）经济在核算期内所有常住单位生产的最终产品总量的度量，常常被看成显示一个国家（地区）经济状况的一个重要指标。
生产过程中的新增加值，包括劳动者新创造的价值和固定资产的磨损价值，但不包含生产过程中作为中间投入的价值；在实物构成上，是当期生产的最终产品，包含用于消费、积累及净出口的产品，但不包含各种被其他部门消耗的中间产品。
GDP的测算有三种方法：生产法：GDP＝∑各产业部门的总产出－∑各产业部门的中间消耗：收入法：GDP＝∑各产业部门劳动者报酬＋∑各产业部门固定资产折旧＋∑各产业部门生产税净额＋∑各产业部门营业利润；支出法：GDP＝总消费＋总投资＋净出口。
中国外贸依存度高，出口和投资一直是经济增长的重要拉动力量，而消费则长期无法得到提升。
这些年，中国经济的外贸依存度一直在60%以上；净出口占GDP的比重长期高于10%，投资占GDP的比重长期高于50%，消费占GDP的比重则长期低于40%。
本文用支出法来分析消费，投资，净出口对GDP的影响。
三、模型设定与检验一、数据及处理从《中国统计年鉴》得出如下数据，Y表示GDP（亿元），X1表示国内生产总值（亿元），X2表示城镇居民家庭人均可支配收入（元），X3表示价格定基指数（1978年=100）。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
影响地区生产总值因素的计量分析经贸学院孟毅201201370一、选题背景（一）、选题意义与原因地区生产总值是指一定时期（通常是一年）一个地区的经济中所生产出的全部最终产品和劳务的价值，常被认为是衡量经济状况的最佳指标。
它和国民生产总值的概念类似，在核算方法也存在相似之处。
国内生产总值（GDP）的核算方法有3中。
即生产法、收入法和支出法。
其各部分项目的加总即构成了GDP总量。
同样，地区生产总值也是指本地区所有常住单位在一定时期内生产活动的最终结果。
也可以通过这三种方法加总核算。
然而构成地区生产总值的项目众多，为了更好地了解和把握地区的经济发展状况，从而制定相关政策指导地区经济更好、更快发展，预测地区经济发展趋势和产业发展趋势，确定影响地区经济发展的因素极为重要。
这就是选题的意义和原因。
（二）、被解释变量与解释变量的选择被解释变量为地区生产总值。
这里选取了3个解释变量。
分别为：分地区货物出口额、分地区普通高校授予学位数、分地区城乡居民人民币储蓄存款。
下面分别阐明解释变量对被解释变量的影响过程与方向：1.货物出口额我国是贸易大国，货物出口会对地区经济有着促进作用。
2.普通高校授予学位数大学城的建立会带来土地补偿效应、乘数效应和消费效应。
同时大学生可以促进科技产业的发展、旅游业的发展，拉动消费、促进生产，就业人员的素质也相应提高。
故对地区生产总值有提升作用。
3.城乡居民人民币储蓄存款储蓄存款是投资的重要来源，也反映了居民的收入。
投资和收入都可以促进生产的发展，所以方向是正向的。
二、数据收集和整理所有数据均来自中华人民共和国国家统计局官方网站/tjsj/ndsj/。
选取了中国31个省市（不含港澳台）2009年至2012年的相关数据。
面板数据如附件所示。
三、数据描述性分析（一）、散点图1. RGDP与deposit2. RGDP 与degree3. RGDP 与export（二）、描述统计量分析表100000150000200000250000d e g r e e 2.0e +074.0e +076.0e +07e x p o r t四、回归分析和检验（一）、数据分析根据STATA的OLS及Heteroskedasticity robust stand error估计模型，现将回归结果整理OLS分析回归结果如下：（582.1307）（0.1182051）（0.0115196）（0.0000671）3个解释变量的系数由上式所示，其中，deposit的t统计量为4.05，大于1.96对应p 值为0.000，95%置信区间为[0.2443299,0.7124057]，该系数通过检验。
Degree的t检验值9.38，大于1.96，对应p值为0.0000，95%置信区间为[0.0852338,0.1308499]通过检验。
export的t 检验值5.19，大于1.96，对应p值为0.0000，95%置信区间为[0.0002154,0.0004812]，通过检验。
截距项p值为0.267，95%置信区间为[-1801.094,504.0622]，并不显著，然而由于截距项并非本课题所关注的项目，所以这并不重要。
关于截距项不显著的原因，可以推测这是由于存在遗漏变量偏差的可能性。
回归模型F（3，120）=553.71，对应的P值为0.000，为0.9326，拟合优度比较高，说明回归总体上是成功的。
Heteroskedasticity robust stand error分析回归结果如下：（559.5779）（0.1412184）（0.0133656）（0.0000778）deposit的t统计量为 3.39，大于 1.9，对应p值为0.000，95%置信区间为[0.1987651,0.7579704]，该系数通过检验。
Degree的t检验值8.08，大于1.96，对应p值为0.0000，95%置信区间为[0.0815788,0.1345048]通过检验。
export的t检验值4.48，大于1.96，对应p值为0.0000，95%置信区间为[0.001942,0.0005023]，通过检验。
截距项p值为0.249，95%置信区间为[-1756.441,459.4092]。
回归模型F（3，120）=477.59，对应的P值为0.000，为0.9326，拟合优度比较高，与普通OLS回归相比，虽然系数的t值有所下降，但是p值都比较小，没有出现严重的问题。
多重共线性与系数斜率检验通过STATA可知，deposit的vif值为11.52，export的vif值5.53，degree的vif值为4.18。
export和degree都小于10，但是deposit的vif值非常大，原因推测可能是数据本身存在问题，也可能是deposit与export有着比较紧密的联系，这需要进一步的考证。
Deposit与degree系数同时为零的检验F（2,120）=148.57，对应的p值为0.000，拒绝原假设。
Deposit与export系数同时为零的检验F（2,120）=200.34，对应的p值为0.000，拒绝原假设。
Export与degree系数同时为零的检验F（2,120）=32.72，对应的p值为0.000，拒绝原假设。
Deposit与degree系数相等的检验F（1,120）=5.95，对应p值0.0162，在1%显著性水平下拒绝原假设。
（二）、经济学意义验证了地区的生产总值受到地区居民储蓄、普通高校大学生毕业数、货物出口额的影响。
但是截距项的不显著提示存在遗漏变量偏差的可能性。
五、面板回归分析（一）时间固定效应[0.2858941，0.5895293]，该系数通过检验。
Degree的t检验值10.50，大于1.96，对应p值为0.002，95%置信区间为[0.0765155,0.143084]，通过检验。
export的t检验值78.42，大于1.96，对应p 值为0.0000，95%置信区间为[0.0003512,0.0003809]，通过检验。
截距项p值为0.353，95%置信区间为[-1821.214,888.6623]，相对来说不是很显著。
模型为0.9321（within）,F(3,3)=30780.66，p值为0.000。
deposit的t统计量为 3.64，大于 1.9，对应p值为0.001，95%置信区间为[0.3974181,1.414409]，该系数通过检验。
Degree的t检验值2.60，大于1.96，对应p值为0.014，5%显著性水平下拒绝原假设（为0），95%置信区间为[0.0220763,0.1826284]，通过检验。
export的t检验值 1.30，小于 1.96，对应p值为0.202，95%置信区间为[-0.0000957,0.0004345]，不能拒绝系数为零的原假设。
截距项p值为0.006，95%置信区间为[-6239.819,-1127.548]。
模型为0.9412（within）,F(3,30)=252.90，p值为0.000。
六、结论在经过对比后，选择个体固定效应作为最合适的模型，由于其拟合优度更高，且更符合实际的情况，而且本文着重研究的是总体来说影响地区生产总值的因素，而非随时间变化而产生的变化趋势，个体固定效应意义更重要。
经济学的结论为，城乡居民储蓄、大学生对于地区生产总值的影响比较显著，而08年以来，随着国外需求的萎靡，出口对于地区生产总值的影响下降。
以下为可行的政策建议：城乡居民储蓄的重要来源是收入。
提高居民收入在国民收入分配中的比例。
国民收入由三部分构成：国家财政收入、企业利润和居民个人收入。
目前，在我国这三种国民收入里面，居民个人收入占的比例太低。
提高劳动收入在初次分配中的比例。
初次分配就是指企业对个人的分配。
初次分配分为两部分，一个是劳动收入，就是工资；一个是企业利润。
我们研究发现，15年来中国企业利润都在上升，但居民个人收入增长非常缓慢。
要提高劳动收入在初次分配中的比例，就要适当减少企业利润，增加劳动收入。
重视看待“大学城”效应，适当增加对于教育的投资。
然而，也应理性看待我国大学城的开发建设。
我国大学城开发建设不仅发展速度快，而且占地规模大，近年来，全国各地大学城占地面积达两千多平方公里因此，在规划我国大学城开发建设时，要理性考虑发展的速度与规模，走可持续发展的道路。
当然，由于时间和水平有限，报告中还存在着许多缺陷和不足：为了进一步完善研究，需要对deposit的多重共线性进行深入分析，增加新的有效果的解释变量。
解释变量的单位可以进行修改，这样系数会更好看一些。
STATA是一个非常实用非常易操作的软件，相信它可以在今后解决更多的问题。
最后感谢老师精彩的讲解和耐心的指导。
参考文献：1.方莉.我国大学城建设中的问题分析和政策建议.[J].北京教育（高教版），2006,(2).2.李实.云南省生产总值影响因素实证分析.[J]区域经济.2011,(8).3.中华人民共和国统计局统计年鉴。
附件：STATA的LOG文件：--------------------------------------------------------------------------------------------------------name: <unnamed>log: C:\Users\admin\Documents\finalreport\log\201201370.loglog type: textopened on: 13 Dec 2014, 21:36:05. *(6 variables, 124 observations pasted into data editor). scatter deposit rgdp. scatter degree rgdp. scatter export rgdp. log offname: <unnamed>log: C:\Users\admin\Documents\finalreport\log\201201370.loglog type: textpaused on: 13 Dec 2014, 21:42:46----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------name: <unnamed>log: C:\Users\admin\Documents\finalreport\log\201201370.log log type: textresumed on: 13 Dec 2014, 21:44:47. sum,detailprovince-------------------------------------------------------------Percentiles Smallest1% 1 15% 2 110% 4 1 Obs 124 25% 8 1 Sum of Wgt. 12450% 16 Mean 16Largest Std. Dev. 8.980557 75% 24 3190% 28 31 Variance 80.65041 95% 30 31 Skewness 0 99% 31 31 Kurtosis 1.7975year-------------------------------------------------------------Percentiles Smallest1% 2 25% 2 210% 2 2 Obs 124 25% 2.5 2 Sum of Wgt. 12450% 3.5 Mean 3.5Largest Std. Dev. 1.12257 75% 4.5 590% 5 5 Variance 1.260163 95% 5 5 Skewness 0 99% 5 5 Kurtosis 1.64rgdp-------------------------------------------------------------Percentiles Smallest1% 507.46 441.365% 1353.31 507.4610% 2102.21 605.83 Obs 124 25% 7318.53 701.03 Sum of Wgt. 12450% 12297.9 Mean 15325.31Largest Std. Dev. 12420.2 75% 19650.95 50013.290% 33896.6 53210.3 Variance 1.54e+08 95% 45361.9 54058.2 Skewness 1.457093 99% 54058.2 57067.9 Kurtosis 4.931846deposit-------------------------------------------------------------Percentiles Smallest1% 267.1 226.45% 967.7 267.110% 1667.1 318.8 Obs 124 25% 4846 403.9 Sum of Wgt. 12450% 8028.6 Mean 10485.49Largest Std. Dev. 8449.057 75% 14660.25 31411.490% 20665.1 36318.7 Variance 7.14e+07 95% 26343.3 40405.1 Skewness 1.509401 99% 40405.1 45533.8 Kurtosis 5.811967degree-------------------------------------------------------------Percentiles Smallest1% 4021 33465% 5151 402110% 11222 4090 Obs 124 25% 43393.5 4315 Sum of Wgt. 12450% 80144 Mean 83936.69Largest Std. Dev. 52206 75% 120711.5 18436390% 150985 203309 Variance 2.73e+09 95% 176331 211624 Skewness .3450356 99% 211624 222940 Kurtosis 2.47629export-------------------------------------------------------------Percentiles Smallest1% 37547 251885% 74293 3754710% 159943 46620 Obs 124 25% 449455 66182 Sum of Wgt. 12450% 1319236 Mean 5424566Largest Std. Dev. 1.03e+0775% 4639725 3.59e+0790% 1.81e+07 4.53e+07 Variance 1.06e+1495% 2.71e+07 5.32e+07 Skewness 3.03009899% 5.32e+07 5.74e+07 Kurtosis 12.74252. log offname: <unnamed>log: C:\Users\admin\Documents\finalreport\log\201201370.loglog type: textpaused on: 13 Dec 2014, 21:56:43--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------name: <unnamed>log: C:\Users\admin\Documents\finalreport\log\201201370.loglog type: textresumed on: 13 Dec 2014, 21:57:20. reg rgdp deposit degree exportSource | SS df MS Number of obs = 124-------------+------------------------------ F( 3, 120) = 553.71Model | 1.7696e+10 3 5.8986e+09 Prob > F = 0.0000 Residual | 1.2783e+09 120 10652811.7 R-squared = 0.9326-------------+------------------------------ Adj R-squared = 0.9309Total | 1.8974e+10 123 154261449 Root MSE = 3263.9------------------------------------------------------------------------------rgdp | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------deposit | .4783678 .1182051 4.05 0.000 .2443299 .7124057degree | .1080418 .0115196 9.38 0.000 .0852338 .1308499export | .0003483 .0000671 5.19 0.000 .0002154 .0004812_cons | -648.5161 582.1307 -1.11 0.267 -1801.094 504.0622------------------------------------------------------------------------------. estat vifVariable | VIF 1/VIF-------------+----------------------deposit | 11.52 0.086830export | 5.53 0.180885degree | 4.18 0.239465-------------+----------------------Mean VIF | 7.07. reg rgdp deposit degree export,robustLinear regression Number of obs = 124F( 3, 120) = 477.59Prob > F = 0.0000R-squared = 0.9326Root MSE = 3263.9------------------------------------------------------------------------------| Robustrgdp | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------deposit | .4783678 .1412184 3.39 0.001 .1987651 .7579704degree | .1080418 .0133656 8.08 0.000 .0815788 .1345048export | .0003483 .0000778 4.48 0.000 .0001942 .0005023_cons | -648.5161 559.5779 -1.16 0.249 -1756.441 459.4092------------------------------------------------------------------------------. test deposit degree( 1) deposit = 0( 2) degree = 0F( 2, 120) = 148.57Prob > F = 0.0000. test deposit export( 1) deposit = 0( 2) export = 0F( 2, 120) = 200.34Prob > F = 0.0000. test degree export( 1) degree = 0( 2) export = 0F( 2, 120) = 32.72Prob > F = 0.0000. test deposit=degree( 1) deposit - degree = 0F( 1, 120) = 5.95Prob > F = 0.0162. test deposit export( 1) deposit = 0( 2) export = 0F( 2, 120) = 200.34Prob > F = 0.0000. test degree export( 1) degree = 0( 2) export = 0F( 2, 120) = 32.72Prob > F = 0.0000. xtset province yearpanel variable: province (strongly balanced)time variable: year, 2 to 5delta: 1 unit. xtreg rgdp deposit degree export, fe vce(cluster province)Fixed-effects (within) regression Number of obs = 124 Group variable: province Number of groups = 31R-sq: within = 0.9412 Obs per group: min = 4 between = 0.9278 avg = 4.0overall = 0.9276 max = 4F(3,30) = 252.90 corr(u_i, Xb) = -0.4801 Prob > F = 0.0000(Std. Err. adjusted for 31 clusters in province)------------------------------------------------------------------------------| Robustrgdp | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------deposit | .9059136 .2489852 3.64 0.001 .3974181 1.414409degree | .1023524 .0393072 2.60 0.014 .0220763 .1826284export | .0001694 .0001298 1.30 0.202 -.0000957 .0004345_cons | -3683.684 1251.613 -2.94 0.006 -6239.819 -1127.548-------------+----------------------------------------------------------------sigma_u | 3754.846sigma_e | 894.57487rho | .94628787 (fraction of variance due to u_i)------------------------------------------------------------------------------. xtset year provincepanel variable: year (strongly balanced)time variable: province, 1 to 31delta: 1 unit. xtreg rgdp deposit degree export, fe vce(cluster year)Fixed-effects (within) regression Number of obs = 124 Group variable: year Number of groups = 4R-sq: within = 0.9321 Obs per group: min = 31 between = 0.9897 avg = 31.0overall = 0.9326 max = 31F(3,3) = 30780.66 corr(u_i, Xb) = 0.1541 Prob > F = 0.0000(Std. Err. adjusted for 4 clusters in year)------------------------------------------------------------------------------| Robustrgdp | Coef. Std. Err. t P>|t| [95% Conf. Interval]-------------+----------------------------------------------------------------deposit | .4377117 .0477047 9.18 0.003 .2858941 .5895293degree | .1097998 .0104587 10.50 0.002 .0765155 .143084export | .0003661 4.67e-06 78.42 0.000 .0003512 .0003809_cons | -466.276 425.7537 -1.10 0.353 -1821.214 888.6623-------------+----------------------------------------------------------------sigma_u | 732.55008sigma_e | 3243.30411 / 12rho | .04853894 (fraction of variance due to u_i)------------------------------------------------------------------------------. log closename: <unnamed>log: C:\Users\admin\Documents\finalreport\log\201201370.loglog type: textclosed on: 13 Dec 2014, 22:10:23----------------------------------------------------------------------------------------------------------------------------------------------------------------------12 / 12。