西南大学本科生课程论文

西南大学本科生课程论文

论文题目：中国经济增长影响因素实证分析

课程名称：计量经济学

任课教师：姚文

专业：市场营销

班级：13市场营销4班

学号：222013602012046

姓名：彭君

2016年6月28日

中国经济增长影响因素实证分析

彭君

西南大学荣昌校区商贸系，重庆荣昌

摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。

本文采用经济增长模型和多元线性回归分析方法对1980~2014年中国经济增长因素进行研究，分析了物资资本、劳动力、消费对国内生产总值的影响，建立计量模型寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。

关键词：消费；投资；经济增长；劳动力；实证分析

1、问题的提出

从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量。

然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。

中国拥有13亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。

此外，居民消费需求也是经济增长的主要因素。经济增长问题既受各国政府和居民的关注，也是经济学理论研究的一个重要方面。

在1990~2014年的25年中，我国经济水平年均增长率高达9.6%，综合国力大大增强，居民收入水平与生活水平不断提高，居民的消费需求的数量和质量有了很大的提高。但是，我国目前依旧面临着消费者需求不足问题。

2、文献回顾

经济增长作为社会存在和发展的前提，一直以来都是经济学理论研究极为重要的课题。季芳在《中国经济增长影响因素实证分析》回顾前人对经济增长研究成果的基础上，对经济增长的因素做了分类分析，着重将中国改革开放以来经济发展的一系列历史数据作为依托在此基础上进行了实证分析。采用计量经济学建立与之相关的检验模型，对经济增长各因素的时间序列与中国GDP时间序列进行相关性的实证分析（平稳性检验、协整关系检验、格兰杰因果检验），通过比较动态分析等方法，复议规范与实证、定量与

定性相结合的手段，分析了1978年以来各因素时间序列与GDP时间序列的关系，证明了各因素对中国的经济增长有促进作用，各因素变量时间序列与GDP时间是一阶非平稳序列，他们之间具有长期的协整关系。并结合中国自身的实际情况，做出相应的政策性建议，为政府制定经济政策提供一定的参考依据。

3、数据来源

3.1 变量设置

为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y）

X）衡量劳动力；用固定资产投资总这个经济指标作为研究对象；用总就业人员数（

1

X）衡量资本收入；用价格指数（3X）去代表消费需求。运用这些数据进行回额（

2

归分析。

这里的解释变量是，Y：国内生产总值，与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计三个，他们分别为：

X代表社会就业人数，

1

X代表固定资产投资，

2

X代表消费价格指数，

3

代表随机干扰项。

3.2 模型构建

通过变量的试算筛选，最终确定以以下变量建立回归模型。

被解释变量Y：国内生产总值，

X：社会就业人数，

解释变量

1

X：代表固定资产投资，

2

X：代表消费价格指数，

3

另外，从经济意义上讲，社会就业人数、固定资产投资和消费价格指数这三个宏观经济指标基本反映了我国经济发展状况，因此也就很大程度上决定了经济增长水平。单从经济意义上讲，变量的选择是正确的。而且，就直观上来说，解释变量与被解释变量都是相关的，这三个解释变量都是经济增长的“良性”变量，它们的增长都对我国经济

增长起着积极的推动作用，这一点可以作为模型经济意义检验的依据。

3.3数据来源

资料来源：中国统计年鉴

4、实证结果分析

4.1实证分析过程

4.1.1检验被解释变量和解释变量之间的线性关系是否成立

通过变量之间的相关系数判断。

表2：被解释变量与解释变量相关系数表

Covariance

看到被解释变量Y 与解释变量1X ，2X ，3X 之间具有较高的相关性。

通过散点图和相关系数表的判断，可以判断出被解释变量和解释变量之间具有明显的相关线性关系。同时通过被解释变量与解释变量的相关图形分析，设置理论模型为：

1

2

3

1

2

3

4

y X X X

μββ

ββ=++++

4.1.2 建立初始模型-----OLS （1）使用OLS 法进行参数估计

表3：普通最小二乘法参数估计输出结果

Variable Coefficient Std. Error t-Statistic Prob. C -588497.0 141465.2 -4.160012 0.0004 X1 9.103127 2.435942 3.737004 0.0012 X2 1.070991 0.035915 29.82032 0.0000 X3

15.87181

93.73975

0.169318

0.8672

R-squared 0.993748 Mean dependent var 206291.4 Adjusted R-squared 0.992855 S.D. dependent var 189760.9 S.E. of regression 16040.15 Akaike info criterion 22.34922 Sum squared resid 5.40E+09 Schwarz criterion 22.54424 Log likelihood -275.3653 Hannan-Quinn criter. 22.40331 F-statistic 1112.662 Durbin-Watson stat 0.781783

Prob(F-statistic)

0.000000

得到初始模型为：

123588497.09.103127 1.07099115.87181Y X X X =-+++

4.1.3对初始模型进行检验

要对建立的初始模型进行包括经济意义检验、计量经济学检验的两级检验。

（1） 经济意义检验

解释变量的系数分别为1β=9.103127，2β=1.070991，3β=15.87181。三个解释变量系数均为正，符合被解释变量与解释变量之间的正相关关系，符合解释变量增长带动被解释变量增长的经济关系。与现实经济意义相符，所以模型通过经济意义检验。 （2） 统计检验

A. 拟合优度检验：2

R 检验，R squared -=0.993748，Adjustde R-squared=0.992855;

可见拟合优度很高，接近于1，方程拟合得很好。 B. 变量的显著性检验：t 检验

表4：模型系数显著性检验，t 检验结果

Variable Coefficient Std. Error t-Statistic Prob. C -588497.0 141465.2 -4.160012 0.0004 X1 9.103127 2.435942 3.737004 0.0012 X2 1.070991 0.035915 29.82032 0.0000 X3 15.87181 93.73975 0.169318 0.8672

从检验结果表中看到，包括常数项在内的所有解释变量系数的t 检验的伴随概率均小于5%，所以，在5%的显著性水平下1X ，2X ，3X 的系数显著性不为零，通过显著性检验，常数项也通过显著性检验，保留在模型之中。

c.方程的显著性检验，方程总体显著性检验的伴随概率小于0.00000，在5%显著水平下方程显著成立，具有经济意义。 （3）计量经济学检验： A ．进行异方差检验：

用White 异方差检验法进行检验，分别选择不带有交叉项和带有交叉项的White 异方差检验法。得到下面的检验结果：

表5：不带有交叉项的White 异方差验检结果

Heteroskedasticity Test: White

F-statistic

6.461332 Prob. F(3,21)

0.0029 Obs*R-squared 11.99980 Prob. Chi-Square(3) 0.0074 Scaled explained SS

11.31523 Prob. Chi-Square(3) 0.0101

表6：带有交叉项的White 异方差检验结果

Heteroskedasticity Test: White

F-statistic

2.041700 Prob. F(9,15)

0.1065 Obs*R-squared 13.76415 Prob. Chi-Square(9) 0.1310 Scaled explained SS

12.97892 Prob. Chi-Square(9) 0.1636

使用White 检验法在不带有交叉项，所得的检验伴随概率均小于5%，均在5%的显著性水平下拒绝方程不存在异方差性的原假设，认为模型具有比较严重的异方差性。在带有交叉项所得的检验伴随概率大于5%，在5%的显著水平下不存在异方差的原假设。需要对模型进行修正。 4.1.4建立修正模型----WLS

加权最小二乘法估计模型系数建立模型能够有效地消除模型的异方差性，因此，使用WLS 方法估计模型参数是修正模型的常用方法。 使用WLS 法进行参数估计

表7：加权最小二乘法估计模型参数结果输出表

Variable Coefficient Std. Error t-Statistic Prob. C -646251.0 47027.81 -13.74189 0.0000 X1 10.03358 0.746970 13.43237 0.0000 X2 0.997730 0.048244 20.68084 0.0000 X3 3.890322

8.637660

0.450391 0.6570

Weighted Statistics

R-squared 0.999224 Mean dependent var 67563.28 Adjusted R-squared 0.999113 S.D. dependent var 127196.9 S.E. of regression 2089.049 Akaike info criterion 18.27245 Sum squared resid 91646659 Schwarz criterion 18.46747 Log likelihood -224.4057 Hannan-Quinn criter. 18.32654 F-statistic 9016.697 Durbin-Watson stat 2.234635 Prob(F-statistic)

0.000000 Weighted mean dep. 52244.33

Unweighted Statistics

R-squared 0.990717 Mean dependent var 206291.4 Adjusted R-squared 0.989391 S.D. dependent var 189760.9 S.E. of regression 19545.67 Sum squared resid 8.02E+09

Durbin-Watson stat

0.475217

^

123646251.010.033580.997730 3.890322y x x x =-+++

4.2 对修正模型进行检验

4.2.1 要对使用加权最小二乘法估计参数建立的新模型进行包括经济意义检验、统计检验、计量经济学检验在内的检验。 （1）经济意义检验

解释变量的示数分别为1β=10.03358；2β=0.997730；3β=3.890322；三个解释变量系数均为正，符合被解释变量与解释变量之间的正相关关系，符合变量增长带动被解释变量增长的经济实际，与现实经济意义相符。 （2）统计检验（显著水平1%） 1）拟合优度检验：2

R 检验

R-squared=0.999224 ；Adjusted R-squared=0.999113；可见拟合优度较初始使用OLS 法估计建立的模型有所改善，拟合优度相当高，新方程拟合得很理想。 2）变量的显著性检验：t 检验

所有系数的t 检验伴随概率均远远小于5%，所以，解释变量的系数显著不为零，通过显著性检验，常数项同时也通过显著性检验，保留在模型中不必剔除。 3）方程的显著性检验：F 检验

方程总体显著性检验的伴随概率小于0.00000，方程在很高的置信水平下显著成立，具有经济意义。

（3）计量经济学检验（异方差性检验）

用White 异方差检验新方程的异方差性，分别选择不带有交叉项和带有交叉项的White 检验。得到下面的检验结果：

表8：不带有交叉项的White 异方差检验

Heteroskedasticity Test: White

F-statistic

5.895007 Prob. F(4,20)

0.0027 Obs*R-squared 13.52685 Prob. Chi-Square(4) 0.0090 Scaled explained SS

27.80060 Prob. Chi-Square(4) 0.0000

表9：带有交叉项的White 异方差检验

Heteroskedasticity Test: White

F-statistic

2931.011 Prob. F(7,17)

0.0000 Obs*R-squared 24.97930 Prob. Chi-Square(7) 0.0008 Scaled explained SS

51.33784 Prob. Chi-Square(7) 0.0000

使用White 异方差检验法，不论是否带有交叉项，均在很高的置信水平下接受方程不存

在异方差性的原假设，使用加权最小二乘法估计模型参数几乎完全消除了初始方程的异方差性。

通过上面的检验，可以看到，模型在很高的置信水平（99%）下通过统计检验，计量经济学检验，模型不再具有异方差性，模型的建立效果要好于修正之前。 4.2 模型经济意义分析

通过对最初的使用普通最小二乘估计参数得到的模型进行加权修正，得到的使用加权最小二乘法估计参数的模型为：

^

123646251.010.033580.997730 3.890322y x x x =-+++

t=（-13.74189）（13.43237）（20.68084）（0.450391） p=(0.0000) (0.0000) (0.0000) (0.6570) R-squared=0.999224

；Adjusted R-squared=0.999113；D.W.=0.475217

模型具有较好的性质，通过了包括经济意义检验、统计检验、计量经济学检验，模型符合现实经济理论和计量经济学的相关假设，可以较好的提供经济信息。

5 结论与政策建议

5.1 主要结论

（1）固定资产投资是经济增长的重要原动力。

在现代经济周期理论中，固定资产投资周期是影响宏观经济周期波动的一个直接的、物质性的主导因素，固定资产投资也成为经济周期波动的物质基础，又是诱发经济波动的主要因素。

（2）劳动力对GDP 有很大的促进作用。

我国劳动力结构总量巨大、供给充足、流动性强，对GDP 影响很大。但是劳动力的人力资本含量、高技术含量偏低，劳动力素质结构存在严重缺陷，会直接影响经济的增长。 （3）消费需求对经济有拉动作用。

消费需求是三大需求要素中所占份额最大、波动幅度最小的部分，是国民经济的重要支柱和重要的组成部分，同时也是明显的反映经济自发增长态势的宏观经济指标。 5.2 经济政策建议

就业是民生之本，有效促进就业，保持经济增长良好势头成为我国当前乃至今后一段时期的重要课题。针对目前劳动力数量庞大且总体素质不高的现状，应通过多种途径，一方面加强就业强化培训的投入力度，提高劳动者就业及再就业能力，降低失业率；另一方面，加强各地区间人才交流及促进劳动力自由流动，并通过技术壁垒方式，阻止外

来流动人员的无序进入。同时，鼓励灵活就业，以减轻就业压力。

劳动力的人力资本含量、高技术含量偏低，劳动力素质结构存在严重缺陷，直接影响了经济的增长。因此应当控制人口数量，优化劳动力结构，提升劳动力素质。物质资本对我国的经济增长也起到了一定的影响作用，应加强对投资的科学管理，提高投资效率。

参考文献：

【1】《中国统计年鉴》中国国家统计局网站1990-2014年

【2】《计量经济学》第四版李子奈潘文卿。北京：高等教育出版社，2015.9

【3】《数据分析与Eviews应用》易丹辉。北京：高等教育出版社，2002.10

【4】中国人民大学经济论坛https://www.360docs.net/doc/3e2097324.html,