最新文章专题视频专题问答1问答10问答100问答1000问答2000关键字专题1关键字专题50关键字专题500关键字专题1500TAG最新视频文章推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37视频文章20视频文章30视频文章40视频文章50视频文章60 视频文章70视频文章80视频文章90视频文章100视频文章120视频文章140 视频2关键字专题关键字专题tag2tag3文章专题文章专题2文章索引1文章索引2文章索引3文章索引4文章索引5123456789101112131415文章专题3
当前位置: 首页 - 正文

三大需求对我国经济增长的因素分析

来源:动视网 责编:小OO 时间:2025-09-30 08:55:42
文档

三大需求对我国经济增长的因素分析

计量经济学课程论文论文题目三大需求对我国经济增长的因素分析学院:安徽财经大学商学院班级:093财务管理一班小组成员:査莉莉(学号:20093069021)罗翔(学号:20093069022)三大需求对我国经济增长的因素分析摘要:消费、投资和净出口是促进经济增长的强大动力,而经济增长又与三大需求有着密不可分的关系。本文采用1978年至2009年的统计数据,通过建立多元线性回归模型,研究三大需求对我国经济增长的贡献,有利于我们深入考察宏观经济的实际应用效果。关键字:三大需求;经济增长;宏观经济
推荐度:
导读计量经济学课程论文论文题目三大需求对我国经济增长的因素分析学院:安徽财经大学商学院班级:093财务管理一班小组成员:査莉莉(学号:20093069021)罗翔(学号:20093069022)三大需求对我国经济增长的因素分析摘要:消费、投资和净出口是促进经济增长的强大动力,而经济增长又与三大需求有着密不可分的关系。本文采用1978年至2009年的统计数据,通过建立多元线性回归模型,研究三大需求对我国经济增长的贡献,有利于我们深入考察宏观经济的实际应用效果。关键字:三大需求;经济增长;宏观经济
计量经济学课程论文

论文题目   三大需求对我国经济增长的因素分析

学院:    安徽财经大学商学院

班级:   093财务管理一班

小组成员:  査莉莉(学号:20093069021)

    罗翔(学号:20093069022)

三大需求对我国经济增长的因素分析

摘要:消费、投资和净出口是促进经济增长的强大动力,而经济增长又与三大需求有着密不可分的关系。本文采用 1978年至 2009 年的统计数据,通过建立多元线性回归模型,研究三大需求对我国经济增长的贡献,有利于我们深入考察宏观经济的实际应用效果。

关键字:三大需求;经济增长;宏观经济

一、引言

经济增长通常是指在一个较长的时间跨度上,一个国家人均产出(或人均收入)的持续增加。国内生产总值的增长体现一个国家或地区在一定时期内经济总量的增长,也是衡量一个国家或地区总体经济实力增长的标志。它构成了经济发展的物质基础,而深入考察宏观经济的实际应用效果对于经济增长乃至经济发展至关重要。

本文将影响国内生产总值的因素分为内生因素(最终消费和资本形成总额)和外生因素(货物和服务净出口),分别进行分析。

二、模型设定及数据说明

1、模型设定

按支出法统计的GDP是从需求角度衡量经济发展的总量指标,它由最终消费、资本形成总额、货物和服务净出口三部分构成,其公式为:

支出法国内生产总值=最终消费+固定资本投资总额+货物和服务净出口

通过对数据观察,根据搜集的1978年至 2009 年的统计数据,建立模型。其模型表达式为:

Yt=α+β1X1i+β2X2i+β3X3i+μi   (i=1,2,3)    (1)

其中,Yt表示支出法国内生产总值,X1i表示最终消费支出,X2i表示资本形成总额,X3i表示货物和服务净出口,μi表示随机扰动项,α,β1,β2,β3表示待估参数,i表示样本期数。

2、数据说明

表1   (本表按当年价格计算)                         单位:亿元

年 份

支出法国内生产总值最终消费

支 出

资本形成

总 额

货物和服务

净 出 口

19783605.62239.11377.9-11.4
19794092.62633.71478.9-20
19804592.93007.91599.7-14.7
19815008.83361.51630.217.1
198255903714.81784.291
19836216.24126.4203950.8
19847362.74846.32515.11.3
19859076.75986.33457.5-367.1
198610508.56821.83941.9-255.2
198712277.47804.6446210.8
198815388.69839.55700.2-151.1
1917311.3111.26332.7-185.6
199019347.812090.56747510.3
199122577.414091.97868617.5
199227565.217203.310086.3275.6
199336938.1219.915717.7-679.5
199450217.429242.220341.1634.1
199563216.936748.225470.1998.6
199674163.643919.528784.91459.2
199781658.548140.6299683549.9
199886531.651588.231314.23629.2
19999112555636.932951.52536.6
2000987496151634842.82390.2
200110902866933.939769.42324.7
2002120475.671816.5455653094.1
2003136634.877685.5559632986.3
2004160800.187552.669168.44079.1
2005187131.299051.377856.810223.1
2006222240112631.992954.116654
2007265833.9131510.1110943.223380.6
2008314901.3152346.6138325.324229.4
2009345023.6165526.81463.515033.3
附:数据摘自国家统计局

3、初步回归与参数估计

图 1

因此,初步回归函数为:

y=1.65E-10+X1+X2+X3                   (2)

4、模型的检验

第一,经济意义检验。

第二,统计检验。

t统计量检验的是某个系数是否为0(即该变量是否不存在于该回归模型中)。由图1可以看出,常数C的t-Statistic的检验值为1.9560,这说明常数C的系数不显著,而其他变量系数很显著。常数C的p值为0.0605,大于0.05,故接受原假设。X1、X2、X3的p值均小于0.05,则其对应系数显著不为0。统计量是对回归式中的所有系数都为0的假设检验。显然,回归结果中统计量的p值为0.0000,小于0.05,说明至少有一个解释变量的回归系数不为0,方程(2)总体上的线性关系是显著的。回归结果显示,可决系数R2为1.0000,调整的可决系数也为1.0000,模型有极高的拟合优度。当D.W.值在2左右时,模型不存在一阶序列相关。初步回归结果显示=0.367600,存在一阶序列相关。

    

图2 

图 3

图2、3、4为Gleiser检验。W=W1,W2,W3时,估计结果分别为:Y=-43465.03+2.34X          (3)

          (-27.6129)  (215.2593)

R2=0.999959          p=0.0000

              Y=63657.47+1.7397X          (4)

                (8.0676)    (32.0378)

R2=0.9991       p=0.0000

       Y=198783.5+3.9501X          (5)

R2=0.9845        p=0.0415

图 4

二、模型的修正

    (一)异方差

第一,异方差的检验。一是怀特(White)一般异方差检验。图5、6、7中Obs * R-squared的p值均小于0.05,可以认为存在异方差。

第二,Gleiser检验。先生成一个新序列aresid,是原始回归模型中的残差的绝对值。根据散点图,作残差的绝对值对Yi^(1/2)的回归,结果图8所示。

图 5

White Heteroskedasticity Test:
F-statistic11.50015    Probability0.000210
Obs*R-squared14.15395    Probability0.000844
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 12/21/11   Time: 00:14

Sample: 1978 2009
Included observations: 32
VariableCoefficientStd. Errort-StatisticProb.  
C-1187300.3541124.-0.33520.7398
X1680.4540142.06144.78600.0000
X1^2-0.0042860.000959-4.46660.0001
R-squared0.442311    Mean dependent var11479466
Adjusted R-squared0.403850    S.D. dependent var15218497
S.E. of regression11750320    Akaike info criterion35.48572
Sum squared resid4.00E+15    Schwarz criterion35.62313
Log likelihood-5.7715    F-statistic11.50015
Durbin-Watson stat0.784627    Prob(F-statistic)0.000210
图 6

White Heteroskedasticity Test:
F-statistic27.39036    Probability0.000000
Obs*R-squared20.92347    Probability0.000029
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 12/21/11   Time: 00:15

Sample: 1978 2009
Included observations: 32
VariableCoefficientStd. Errort-StatisticProb.  
C-632686691.65E+08-0.3836170.7041
X26109.4817795.8570.7836830.4396
X2^20.0903830.0541841.6680830.1061
R-squared0.653858    Mean dependent var4.00E+08
Adjusted R-squared0.629986    S.D. dependent var9.86E+08
S.E. of regression6.00E+08    Akaike info criterion43.35160
Sum squared resid1.04E+19    Schwarz criterion43.401
Log likelihood-690.6255    F-statistic27.39036
Durbin-Watson stat2.4559    Prob(F-statistic)0.000000
图 7

White Heteroskedasticity Test:
F-statistic24.35906    Probability0.000001
Obs*R-squared20.05941    Probability0.000044
Test Equation:
Dependent Variable: STD_RESID^2
Method: Least Squares
Date: 12/21/11   Time: 00:16

Sample: 1978 2009
Included observations: 32
VariableCoefficientStd. Errort-StatisticProb.  
C-3.50E+093.48E+09-1.0051440.3231
X34487047.1561823.2.8729540.0075
X3^2-75.5257070.82096-1.06320.2950
R-squared0.626857    Mean dependent var8.61E+09
Adjusted R-squared0.601123    S.D. dependent var2.47E+10
S.E. of regression1.56E+10    Akaike info criterion49.86990
Sum squared resid7.07E+21    Schwarz criterion50.00731
Log likelihood-794.9184    F-statistic24.35906
Durbin-Watson stat1.232333    Prob(F-statistic)0.000001
图 8

Dependent Variable: Y
Method: Least Squares
Date: 12/21/11   Time: 00:56

Sample: 1978 2009
Included observations: 32
Weighting series: W4
VariableCoefficientStd. Errort-StatisticProb.  
C2.46E-084.84E-095.0847810.0000
X11.0000001.48E-136.75E+120.0000
X21.0000001.27E-137.90E+120.0000
X31.0000003.80E-132.63E+120.0000
Weighted Statistics
R-squared1.000000    Mean dependent var2022.5
Adjusted R-squared1.000000    S.D. dependent var782697.2
S.E. of regression4.20E-09    Akaike info criterion-35.62421
Sum squared resid4.93E-16    Schwarz criterion-35.44099
Log likelihood573.9874    F-statistic3.60E+29
Durbin-Watson stat0.468135    Prob(F-statistic)0.000000
Unweighted Statistics
R-squared1.000000    Mean dependent var81724.70
Adjusted R-squared1.000000    S.D. dependent var94834.29
S.E. of regression1.73E-08    Sum squared resid8.36E-15
Durbin-Watson stat0.030653
四、模型分析

由上述模型可以看出,影响中国国内生产总值的主要因素还是最终消费支出和资本形成总额,即内因还是中国经济发展的主要原因。而外因所占的比例非常小,并非净出口的增加对经济的发展有很大的影响。根据以上的分析,今后中国的经济发展还是要立足于扩大内需,即注重内因,促进消费和投资的健康发展。同时,深入考察宏观经济的实际应用效果。

参考文献:[1]李子纳.计量经济学[M].北京:高等教育出版社,2004.

[2]易丹辉.数据分析与EVIEWS应用[M].天津:南开大学出版社,2003.

[3]吴绪亮.国内生产总值、投资与消费的协整分析[J].统计与信息论坛,2002,(06).

[4]漆莉莉.国内生产总值预测模型与经济分析[J].当代财经,2005,(10)

文档

三大需求对我国经济增长的因素分析

计量经济学课程论文论文题目三大需求对我国经济增长的因素分析学院:安徽财经大学商学院班级:093财务管理一班小组成员:査莉莉(学号:20093069021)罗翔(学号:20093069022)三大需求对我国经济增长的因素分析摘要:消费、投资和净出口是促进经济增长的强大动力,而经济增长又与三大需求有着密不可分的关系。本文采用1978年至2009年的统计数据,通过建立多元线性回归模型,研究三大需求对我国经济增长的贡献,有利于我们深入考察宏观经济的实际应用效果。关键字:三大需求;经济增长;宏观经济
推荐度:
  • 热门焦点

最新推荐

猜你喜欢

热门推荐

专题
Top