中国GDP的影响因素计量分析
经济增长影响因素
中国经济增长的影响因素分析一、 引言自改革开放以来，中国经历了翻天覆地的变化，随着改革开放，互联网时代的到来，中国从军事政治经济等各个方面，与之前相比，都有着天翻地覆的变化。
尤其是中国经济增长方面，一直保持着持续、高速的增长，年均GDP增长率接近10%，经济增长一方面关系到我国国际地位的提升、综合国力的增强，另一方面关系到人民的生活水平提高。
而今年，总书记也在出席全国组织工作会议中指出经济增长要改良考核方法手段，既看开展又看根底，既看显绩又看潜绩，把民生改善、社会进步、生态效益等指标作为重要的考核内容，再也不能简单以国内生产总值增长率来衡量经济增长程度了。
并且总书记指出未来的经济开展不能只重视增长量，更要重视质量，由此提出了新常态这一概念，新常态就是不同以往的、相对稳定的状态。
这是一种趋势性、不可逆的开展状态，意味着中国经济已进入一个与过去30多年高速增长期不同的新阶段。
中国GDP增速从2012年起开始回落，2012年、2013年、2014年上半年增速分别为7.7%、7.7%、7.4%，是经济增长阶段的根本性转换。
中国告别过去30多年平均10%左右的高速增长，中国经济呈现出新常态，从高速增长转为中高速增长，经济结构优化升级，从要素驱动、投资驱动转向创新驱动。
然而不仅是这一“新常态〞政策影响，大家都知道人口是一切财富之源头和归宿。
在计划生育、城市化导致生养本钱大幅度提高、个人主义、女性独立、不承认城市贫民窟、外来流动人口子女就学权利得不到保障等政策、法律、社会、文化多重因素“十面埋伏〞下，中国人口生育率已处在世界最低行列而且仍在下降，远远达不到2.2的世代更替水平。
由此我国老龄化的加剧、人口红利也在降低，已经保持了连续三十余年的高速增长的经济也必定面临着下降的情况。
经济开展情况密切影响着我国的综合国力、国际地位，对于本国开展与人民生活状况也有重要的影响意义，只有经济增长了，我国的综合国力和国际地位才能够提高，人民的生活水平才会越来越好，因此研究经济增长与其影响因素是十分必要的。
GDP与其他经济因素关系的计量分析
关于GDP与其他经济因素关系的计量分析【摘要】本文主要是以GDP与其他经济因素关系建立模型，想通过计量经济学的研究手段来阐述影响GDP的因素，但因水平有限，中间不乏缺陷，还希望大家多多见谅。
GDP是指一个国家或地区范围内的所有常住单位，在一定时期内生产最终产品和提供劳务价值的总和。
GDP的增长对于一个国家有着十分重要的意义。
它是衡量一国在过去的一年里所创造的劳动成果的重要指标，而研究它的影响因素不仅可以很好的了解GDP的经济内涵，而且还有利于我们根据这些因素对GDP影响大小来制定工作的重点以便更好的促进国民经济的发展。
我把GDP的影响因素分为以下四个因素：x2能源消费总量（单位：万吨标准煤）x3进出口贸易总额（单位：亿元）x4固定资产投资（单位：亿元）x5货币供应量（单位：亿元）吆随机扰动项。
数据如下：obs X2 X3 X4 X5 Y199019911992199319941995199619971998199920002001200220032004200520062007一、建立模型：根据GDP的定义,GDP二消费+投资+净出口,而x2, x3 , x4, x5与消费,投资及净出口有着一定的线性相关关系，基于数据的有限和操作的方便，我们把模型设成以下形式：Dependent Variable: YMethod: Least SquaresDate: 12/22/09 Time: 22:16Sample: 1990 2007Included observations: 18Variable Coeffic Std・ t-Statis Prob ・ien t Error ticcX2X3X4X5Mean dependentvar・ dependent var Akaike infocriterion+09 Schwarz criterion F-statisticProb (F-statistic) 将上述的回归结果整理如下:1 3 4R2=于=0.959301 F=从回归结果看，可决系数很高，F 值很大，但在显着性水平a = 0.05下，各项 的回归系数都不显着，因此回归方程不能投入使用；该模型很可能存在多重共线 性。
中国GDP影响因素及地区差异计量分析
中国GDP影响因素及地区差异的计量分析中图分类号:f123 文献标识:a 文章编号:1009-4202(2010)03-083-01摘要本文从分析我国gdp主要的影响因素入手,通过对2005年31个省的截面数据进行相关的回归分析,发现目前出口对我国gdp 拉动作用最显著,这启示我们应该更加注重出口结构的优化,从而促进gdp持续、健康、稳定地发展。
关键词 gdp 固定资产投资总额出口额居民消费一、引言近年来我国的gdp一直保持在10%左右,2006年的增速创11年来新高,达到20.9407万亿元,增长了10.7%,而今年上半年的增幅更是达到了11.5%。
在这样高速的经济发展中,清楚认识gdp更有助于我国经济的合理增长。
清楚认识gdp的首要前提就是了解影响gdp的主要因素,是居民消费,投资,产业结构,进出口,政府支出,人口规模,还是其它?通过研究这些关键因素的作用及其影响大小,能够促使我们更加科学、合理地来分析我国gdp的情况,从而帮助我们进一步了解我国的经济发展状况。
二、文献综述在相关实证研究方面,孙跃飞在《试论gdp产出模型中各种因素对经济增长的影响》一文中以凯恩斯经济理论为基础,构建了一个新的gdp产出的经济模型,以资本生产率、资本-产量比率、资本形成额、投资效果系数、储蓄余额、gdp增长为解释变量分析了各因素对gdp增长的影响,并依据模型对1978～2002年各种因素变化影响gdp增长进行了实证分析,从中揭示了正确认识和评估模型中各种因素对于实现经济稳定增长的重要意义,提出了制定促进经济增长的一些政策建议。
王涛、王殿元在《影响财政收入与gdp增长的因素及对策》一文中,分别探讨制度性因素、政策性因素和统计因素等对财政收入分配特征的影响,并提出促进财政收入与gdp协调增长的对策。
张金玲在《gdp的影响因素的计量分析》一文中,用1981～2004年的时间序列数据建立计量模型,说明了税收、城乡储蓄存款年末余额、上期国内生产总值、固定资产投资总额、职工工资总额对gdp 的影响,并分析了这些影响因素的经济意义。
我国国内生产总值(GDP)影响因素的回归分析
我国国内生产总值（GDP）影响因素的实证分析摘要：本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。
从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。
关键词：GDP 影响因素实证分析Eviews一、问题提出：国内生产总值（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。
国民经济，作为一个复杂的综合体，它的影响因素一直是人们探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。
二、样本数据选取及模型设定：回归模型设立如下：Y=β0+β1X1 +β2X2+β3X3+β4 X4 +β5X5+β6X6+UY--------国内生产总值GDPX1-----能源消费X2-----就业人数X3-----居民消费水平X4-----社会消费品零售总额X5-----进出口贸易总额X6-----外商直接投资（FDI）U------随机扰动项β1、β2、β3、β4、β5、β6为待估参数。
变量采用时间序列数据，具体数据(现价计算)见表一：表1：（数据来源于中国统计年鉴。
）三、参数的初步估计与检验将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：表2：Ŷ=-13277.72+0.052743X1＋0.133846X2＋18.57620X3＋0.377243X4＋0.169706X5＋0.002222X6=2R 0.999741， =2R 0.999539， F=4955.607从回归结果看，可决系数很高，F 值很大，但在显著性水平05.0=α下，很多项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。
计量经济学模型分析论文 影响我国人均GDP的变量因素分析
影响我国人均GDP的变量因素分析摘要人均国内生产总值，也称作“人均GDP"，是衡量经济发展状况的重要指标，，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。
是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。
文章从从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面作为出发点，通过往年的数据发展来观察它们对于人均GDP的影响，从而对我国目前的经济发展提供一些建议。
笔者认为，在提高城镇居民可支配收入、城市化率以及政府支出的基础上，更要调节好我国目前贫富差距过大的问题，这样才能保持经济的稳定发展。
关键词：人均GDP；城市化率；城镇居民可支配收入；城府支出引言一国的经济乃立国之本，而经济发展是以GDP增长为前提的。
影响人均GDP 的因素看似众多，究竟哪些因素对人均GDP的增长起关键性的影响作用呢？由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。
随着2009年中国GDP赶超日本，成为世界排名第二，无疑吸引了国内外的目光。
然而，在如此大的总量之下，中国的人均GDP却一直在世界100名左右徘徊。
“国服民穷”的现状一直是我们的问题。
经我们数据搜寻，在人均GDP的增长过程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。
同时，我们知道GDP的构成取决于消费、投资、政府支出。
因此，我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量，认为这四个变量是影响人均GDP的关键性因素。
本实验主要选取1979—2009年的统计数据。
一、人均GDP的基本概念及特点1、人均GDP的基本概念和经济意义（1）人均GDP的基本概念人均国内生产总值（Real GDP per capita），也称作“人均GDP"，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。
我国GDP对居民消费影响计量分析[论文]
![我国GDP对居民消费影响计量分析[论文]](https://img.taocdn.com/s3/m/65623e3da32d7375a417804a.png)
我国GDP对居民消费影响的计量分析摘要：从经济理论角度来看，消费与gdp具有正相关。
文章依据1990年到2010年的gdp数据和居民消费水平数据，分析得出gdp —消费的一元线性回归模型，而1997年和2008年作为经济危机的发生时间，对这两个时间断点分别做邹至庄检验，文章的最后综合全文，给出结论，并提出相关建议。
关键词：gdp—消费模型一元线性回归邹至庄检验虚拟变量模型1990年以来，我国国内生产总值水平呈现增长的趋势，与此同时，居民消费水平也随着人均收入水平的上升而不断上涨。
从经济理论角度来说，消费是和gdp有正相关关系的。
而中国经济在1997年和2008年均发生了比较大的金融冲击，1997年的亚洲金融危机和2008年的全球经济危机都有可能会引起消费和收入之间关系的结构性变化。
因此，我希望能够在对消费和收入作出线性回归后，加入邹至庄检验，判断1997年和2008年是否发生了断点处结构性变化，并通过虚拟变量模型，判断回归方程的截距和斜率哪些发生了变化。
一、背景介绍国内生产总值和居民消费是直接相关的。
从经济逻辑上来讲，居民消费是反映整体经济活动的重要指标，整体经济活动越好，国内生产总值越高，那么居民消费就越高。
发生在1997年的亚洲金融危机，是继三十年代大危机之后，对世界经济有深远影响的重大事件。
这次金融危机影响极其深远，它暴露了一些亚洲国家经济高速发展的背后的一些深层次问题。
2008年环球金融危机，是一场在2007年8月9日开始浮现的金融危机。
自次级房屋信贷危机爆发后，投资者开始对按揭证券的价值失去信心，引发流动性危机。
直到2008年9月9日，这场金融危机开始失控，并导致多间相当大型的金融机构倒闭或被政府接管。
二、实证分析1.数据收集从中国统计局里找到中国统计年鉴，在中国统计年鉴找到年度数据。
2.一元线性回归将数据输入eviews软件，对其做最小二乘法，得出一元线性回归的表达式：式（1）式（1）中，斜率系数的t值为36.38875，p值近似为0，说明回归系数高度显著，gdp对消费有显著影响。
中国GDP的计量经济模型(ARIMA模型)分析
中国GDP的计量经济模型(ARIMA模型)分析一、选题背景近年来，中国的经济发展一直备受关注。
GDP是衡量一国经济总量的主要指标之一，而对于经济专家和政策制定者来说，了解GDP趋势对于决策非常重要。
因此，本文将采用ARIMA模型对中国的GDP进行分析并预测，目的是探讨中国经济发展的趋势以及它所受到的影响因素。
二、研究目的及意义本文通过ARIMA模型对中国GDP数据进行分析和预测，旨在深入探究中国经济发展的规律性和趋势性，为决策者提供参考和指导，同时也为学术界提供经济学研究的新角度。
三、研究内容1、ARIMA模型的概念和原理2、中国GDP数据的时间序列分析3、ARIMA模型的拟合和预测4、ARIMA误差检验和模型诊断5、ARIMA模型的稳定性分析四、ARIMA模型的概念和原理ARIMA模型是时间序列分析的一种方法，可以用来拟合和预测未来的值。
它被广泛应用于经济预测、金融分析、天气预测等领域。
ARIMA是“自回归差分移动平均模型”的缩写。
它由三个部分组成：自回归（AR）、差分（I）、移动平均（MA）。
其中，AR是指自回归，即用过去的值来预测未来的值。
MA是指移动平均，即利用过去一段时间内的误差来预测未来的误差。
I是差分，它可以消除时间序列的非平稳性，使其变得平稳，从而更易于拟合。
五、中国GDP数据的时间序列分析本文采用1978年至2019年的季度数据，并进行了ADF检验和自相关函数（ACF）以及偏自相关函数（PACF）分析。
ADF检验结果表明，原始序列是非平稳的，需要进行差分处理。
ACF和PACF分析结果指示，序列有明显的季节性和自回归效应。
六、ARIMA模型的拟合和预测本文采用建立一个ARIMA（4,1,3）模型来描述中国GDP的季度数据。
这个模型包括四个自回归项、一个差分项和三个移动平均项。
然后，我们使用该模型对未来5年的季度数据进行预测。
预测结果显示，中国GDP在未来几年内将会继续增长，并呈现出趋势性增长的特征。
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。
- 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)。
GDP影响因素的计量分析内容摘要：本文运用统计分析方法和计量经济分析方法,建立国内生产总值模型。
通过计量软件对模型进行OLS参数估计,得到模型的数学方程，说明了全国固定资产投资总额、出口总额、社会消费品零售总额、总人口数这些指标对国内生产总值的影响，从回归的结果看，上诉四个因素对国内生产总值的影响不一，根据计量规则，剔除了一些不合规则的因变量，最终做出模型并提出了相关建议。
关键词：国内生产总值经济分析参数估计计量建模出口销售额国内生产总值（GDP）是指一个国家或地区所有常住单位在一定时期内生产活动的最终成果, 即所有常住机构单位或产业部门一定时期内生产的可供最终使用的产品和劳务的价值。
影响国内生产总值的因素很多，这里只选取四个指标进行计量建模分析。
GDP是一个颇为全面的经济指标，不仅能够全面反映全社会经济活动的总规模, 也是评价经济形势的重要综合指标。
本文以1988年至2008年的数据为标准, 分析了影响我国国内生产总值的一些因素，并根据计量建模结果分析影响因素的意义以及提出部分建议。
一、数据及变量选择从《中国统计年鉴》得出如下数据，Y表示GDP（亿元），X1表示固定资产投资总额（亿元），X2表示出口总额（万元），X3表示社会消费品零售总额（万元），X4表示人口总数。
年份国内生产总值固定投资出口总额消费总额总人口数1988 15042.82301 4446.59 279193 7440 111026 1989 16992.31911 4137.73 304657 8101.4 112704 1990 18667.82238 4449.29 416107 8300.1 114333 1991 21781.49941 5508.8 552774 9415.6 115823 1992 26923.47645 7854.98 444894.4 10993.7 117171 1993 35333.92471 12457.88 435144.96 14270.4 118517 1994 48197.85644 16370.33 876213.94 18622.9 119850 1995 60793.72921 20019.26 1133587.65 23613.8 121121 1996 71176.59165 22974.03 1027968.29 28360.2 122389 1997 78973.035 24941.11 1066616 31252.9 123626 1998 84402.27977 28406.17 983816 33378.1 124761 1999 89677.05475 29854.71 934720.92 35647.9 125786 2000 99214.55431 32917.73 1236518.64 39105.7 126743 2001 109655.1706 37213.49 1419864.26 43055.4 127627 2002 120332.6893 43499.91 1754333 48135.9 128453 2003 135822.7561 55566.61 2467779.48 52516.3 129227 2004 159878.3379 70477.43 3457810.8 59501 129988 2005 183217.4 88773.61 4131243.21 67176.6 130756 2006 211923.5 109998.16 5289240.28 76410 131448 2007 257305.6 137323.9381 6424771.04 89210 132129 2008 300670 172828.3998 7504743.46 108479.4 132802二、模型设定对该模型运用Eviews软件进初步回归分析，即OLS参数估计, 输出结果为：Dependent Variable: YMethod: Least SquaresDate: 12/29/10 Time: 16:39Sample: 1988 2008Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C -98229.70 38957.83 -2.521437 0.0227X1 0.324563 0.177536 1.828151 0.0862X2 0.004767 0.002257 2.112133 0.0507X3 1.796320 0.245774 7.308839 0.0000X4 0.864954 0.352777 2.451843 0.0261 R-squared 0.999542 Mean dependent var 102189.6 Adjusted R-squared 0.999427 S.D. dependent var 81224.09 S.E. of regression 1944.271 Akaike info criterion 18.18742 Sum squared resid 60483023 Schwarz criterion 18.43611 Log likelihood -185.9679 F-statistic 8722.222 Durbin-Watson stat 2.373025 Prob(F-statistic) 0.000000 整理上表数值, 得出各个参数值, 模型具体结果如下：Y=B0+B1X1+B2X2+B3X3+B4X4+U其中： Y---GDP（亿元） X1---固定资产投资总额（亿元）X2--出口总额（万元） X3--社会消费品零售总额（万元） X4--人口总数得出回归模型如下:Y= -98229.70+0.324563X1+0.004767X2+1.796320X3+0.864954X4t = (-2.5214) (1.8282) (2.1121) (7.3088) (2.4518)R2=0.9995 F=8722.22 D.W=2.373三、模型检验1、经济意义检验从上面模型及回归结果可以得出：固定资产投资总额X1、出口总X2、社会消费品零售总额X3、人口总数X4的系数都为正数，说明随着这些解释变量的增加, 国内生产总值也增加，这些变量是符合经济意义检验的。
2、统计推断检验从回归结果来看，模型的拟合优度非常好（R^2=0.9995），F检验量也显著，但X1和X2的T检验不显著（P值大于0.05）,说明X1和X2变量对Y的影响不显著，或者变量之间存在多重共线性。
3、多重共线性检验由软件输出相关系数矩阵如下：Y X1 X2 X3 X4 Y 1 0.9858664418 0.9729511742 0.9985906159 0.8939436033X1 0.9858664418 1 0.9942662953 0.9779772114 0.8109360227X2 0.9729511742 0.9942662953 1 0.9614547938 0.7812458690X3 0.9985906159 0.9779772114 0.9614547938 1 0.9087624804X4 0.8939436032 0.8109360227 0.7812458690 0.9087624804 1由上表结果可以看出，解释变量之间存在着高度线性相关。
克服多重共线性逐步回归法——分别作Y与X1,X2,X3间的回归软件输出结果如下：Y对X1：Dependent Variable: YMethod: Least SquaresDate: 12/29/10 Time: 17:31Sample: 1988 2008Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C 26372.11 4244.819 6.212776 0.0000X1 1.711972 0.066742 25.65040 0.0000 R-squared 0.971933 Mean dependent var 102189.6 Adjusted R-squared 0.970455 S.D. dependent var 81224.09 S.E. of regression 13961.24 Akaike info criterion 22.01635 Sum squared resid 3.70E+09 Schwarz criterion 22.11583 Log likelihood -229.1717 F-statistic 657.9429 Durbin-Watson stat 0.169892 Prob(F-statistic) 0.000000 Y对X2：Dependent Variable: YMethod: Least SquaresDate: 12/29/10 Time: 17:33Sample: 1988 2008Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C 27375.29 5852.789 4.677308 0.0002X2 0.037281 0.002031 18.35843 0.0000 R-squared 0.946634 Mean dependent var 102189.6 Adjusted R-squared 0.943825 S.D. dependent var 81224.09 S.E. of regression 19251.10 Akaike info criterion 22.65892 Sum squared resid 7.04E+09 Schwarz criterion 22.75839 Log likelihood -235.9186 F-statistic 337.0318 Durbin-Watson stat 0.156411 Prob(F-statistic) 0.000000 Y对X3：Dependent Variable: YMethod: Least SquaresDate: 12/29/10 Time: 17:35Sample: 1988 2008Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C -7884.497 1653.128 -4.769441 0.0001X3 2.843288 0.034668 82.01394 0.0000 R-squared 0.997183 Mean dependent var 102189.6 Adjusted R-squared 0.997035 S.D. dependent var 81224.09 S.E. of regression 4422.824 Akaike info criterion 19.71734 Sum squared resid 3.72E+08 Schwarz criterion 19.81682 Log likelihood -205.0320 F-statistic 6726.286 Durbin-Watson stat 0.748635 Prob(F-statistic) 0.000000 Y对X4：Dependent Variable: YMethod: Least SquaresDate: 12/29/10 Time: 17:36Sample: 1988 2008Included observations: 21Variable Coefficient Std. Error t-Statistic Prob.C -1228292. 153245.9 -8.015168 0.0000X4 10.76159 1.237775 8.694307 0.0000 R-squared 0.799135 Mean dependent var 102189.6 Adjusted R-squared 0.788563 S.D. dependent var 81224.09 S.E. of regression 37348.66 Akaike info criterion 23.98437 Sum squared resid 2.65E+10 Schwarz criterion 24.08385 Log likelihood -249.8359 F-statistic 75.59097 Durbin-Watson stat 0.176041 Prob(F-statistic) 0.000000 有以上分别回归结果可以得出:Y对X3的回归模型最显著，R^2=0.9972,所以X3(社会消费品零售总额)对GDP影响最大，因此选X3作为基础变量，再与其他变量逐步回归。