国民生产总值与产业结构的关系.docx

国民生产总值与产业结构的关系一、经济背景推动我国经济社会又好又快发展，根本出路之一是提高国民总收入，提高居民消费能力，全面扩大国内消费需求量大力增强消费对经济的拉动作用。同时由于我国是一个人口大国，虽然说地大物博，但人均却很少，所以我国的产业结构对国民的生活水平的调高，国民的总收入的提高有着至关重要的作用。二、实验项目数据注：1.1980年以后国民总收入(原称国民生产总值)与国内生产总值的差额为国外净要素收入。2.2005-2008年数据在第二次经济普查后作了修订。3.数据来自中国统计局网三、实验过程 利用EViews 软件，生成Yt、X1、X2、X3、X4等数据，采用这些数据对模型进行OLS回归，结果如图OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 07/03/11 Time: 09:42Sample: 1978 2009Included observations: 32VariableCoefficientStd. Errort-StatisticProb. C845.4085226.33063.7352810.0009X11.1089740.3276683.3844460.0022X21.4196400.1846567.6880150.0000X31.1942700.1581577.5511610.0000X4-3.8016122.446987-1.5535890.1319R-squared0.999983 Mean dependent var80630.86Adjusted R-squared0.999980 S.D. dependent var94720.64S.E. of regression419.3736 Akaike info criterion15.05800Sum squared resid4748604. Schwarz criterion15.28702Log likelihood-235.9280 F-statistic395349.6Durbin-Watson stat0.593024 Prob(F-statistic)0.000000 （一）多重共线性分析由上图可见，该模型R2=0.999983,R2=0.999980可决系数很高，F检验值395349.6，明显显著。但是当=0.05时，t2n-k=t0.02532-5=2.05, X4的系数t检验不显著，而且X4系数的符号与预期相反，这表明可能存在严重的多重共线性。计算个解释变量的相关系数，选择X1、X2、X3、X4的数据。相关系数矩阵变量X1X2X3X4X110.9807052143970.9724860487010.98500131128X20.98070521439710.9982009975530.999535237262X30.9724860487010.99820099755310.997829002311X40.985001311280.9995352372620.9978290023111由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，正是确定存在严重的多重共线性。修正多重共线性采用逐步回归法，去检验和解决多重共线性问题。分别作Yt对X1、X2、X3、X4的一元回归，结果如表一元回归估计结果变量X1X2X3X4参数估计值9.4308532.1362912.35459413.40040t统计量27.17066263.6278124.7173207.0753R20.9609500.9995690.9980750.999301R20.9596480.9995540.9980110.999278其中，加入X2的方程的R2最大，以X2为基础，顺次加入其它变量逐步回归。结果如表加入新变量的回归结果（一）X1X2X3X4R2X2、X1-0.053637（-0.282956）2.147974（51.01840）0.999540X2、X31.512452（20.52748）0.689342（8.482206）0.999867X2、X41.376056(5.968811)4.771613(3.299144)0.999665经比较，新加入的X3的方程R2=0.999867，改进最大，而且各参数的t检验都显著，选择保留X3，在加入其他变量逐步回归，结果如表X1X2X3X4R2X2、X3、X10.605151（12.59363）1.139731（27.48452）0.955546（24.89492）0.999979X2、X3、X40.830124(11.55515)0.669582(18.25511)4.394873(10.71116)0.999973当加入X4时，R2有所增加，X3的参数t检验显著性下降，X2的参数t检验显著性上升，从相关系数也可看出，与其他变量高度相关，这就说明主要是X4引起的多重共线性，予以剔除。最后修正严重的多重共线性影响后的回归结果为Y = 591.0029919 + 1.139730888*X2 + 0.9555463758*X3 + 0.6051508553*X1 （3.690685） （27.48452） （24.89492） （12.59363）R2=0.999981 R2=0.999979 F=501797.7 （二）异方差性分析1、对异方差的检验在模型不存在多重共线性的前提下，来检验模型是否存在异方差问题，常用的方法为White检验法。如表White Heteroskedasticity Test:F-statistic6.064554 Probability0.000505Obs*R-squared18.96799 Probability0.004218Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 07/03/11 Time: 12:57Sample: 1978 2009Included observations: 32VariableCoefficientStd. Errort-StatisticProb. C-76332.5182000.52-0.9308780.3608X2-64.3581432.48058-1.9814350.0586X228.32E-050.0001640.5081800.6158X357.5622626.802182.1476710.0416X329.59E-050.0001570.6112820.5465X1122.934645.597092.6961070.0124X12-0.0049400.001798-2.7474880.0110R-squared0.592750 Mean dependent var161659.4Adjusted R-squared0.495010 S.D. dependent var207027.9S.E. of regression147119.5 Akaike info criterion26.82652Sum squared resid5.41E+11 Schwarz criterion27.14715Log likelihood-422.2243 F-statistic6.064554Durbin-Watson stat1.999296 Prob(F-statistic)0.000505White统计量为18.97，P值为0.00420.05，所以在5%的显著性水平下，拒绝同方差性这一原假设，方程确定存在异方差性。2、异方差的处理用加权最小二乘法对异方差性进行修正，重新进行回归估计，如下:Dependent Variable: YMethod: Least SquaresDate: 07/03/11 Time: 13:27Sample: 1978 2009Included observations: 32Weighting series: WVariableCoefficientStd. Errort-StatisticProb. C563.730323.1290924.373210.0000X21.1304480.02718441.585430.0000X30.9605520.02560937.508240.0000X10.6279040.02334926.892510.0000Weighted StatisticsR-squared1.000000 Mean dependent var44275.18Adjusted R-squared1.000000 S.D. dependent var101268.5S.E. of regression65.07131 Akaike info criterion11.30531Sum squared resid118559.7 Schwarz criterion11.48853Log likelihood-176.8850 F-statistic26627690Durbin-Watson stat0.792018 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.999981 Mean dependent var80630.86Adjusted R-squared0.999979 S.D. dependent var94720.64S.E. of regression434.0380 Sum squared resid5274892.Durbin-Watson stat0.574698White Heteroskedasticity Test:F-statistic0.857917 Probability0.538692Obs*R-squared5.463805 Probability0.485842得到加权后消除异方差型的估计结果回归表达式为：Y = 563.7302685 + 1.130448032*X2 + 0.9605520007*X3 + 0.6279040845*X1 （24.37321） （41.58543） （37.50824） （26.89251） R2=1 R2=1 RSS=118559.7（三)自相关性分析在检验模型是否存在自相关所用方法为图形法或D-W检验法。1、自相关图示法检验从下图可以看出，随机干扰项呈现正序列相关性。2、自相关DW检验在5%的显著性水平下，n=32，k=3，查表得dl=1.244, du =1.650,由于DW=0.791.244,故存在正的自相关。运用广义差分法进行自相关的处理采用科克伦奥科特迭代法。1阶广义差分的估计结果如下：Dependent Variable: YMethod: Least SquaresDate: 07/03/11 Time: 14:04Sample(adjusted): 1979 2009Included observations: 31 after adjusting endpointsConvergence achieved after 25 iterationsVariableCoefficientStd. Errort-StatisticProb. C4.812330694.14650.0069330.9945X21.0450640.03146333.215780.0000X31.0278000.02780436.965320.0000X10.7650390.07468310.243800.0000AR(1)0.8794530.1054368.3410990.0000R-squared0.999992 Mean dependent var83114.26Adjusted R-squared0.999991 S.D. dependent var95221.50S.E. of regression280.7507 Akaike info criterion14.25950Sum squared resid2049344. Schwarz criterion14.49079Log likelihood-216.0223 F-statistic862752.9Durbin-Watson stat1.846127 Prob(F-statistic)0.000000Inverted AR Roots .88DW=1.85，表明已经不存在自相关。修正后的模型不存在自相关，模型的方程为：Y = 4.812330108 + 1.04506438*X2 + 1.027800218*X3 + 0.765038867*X1 （0.006933） （33.21578） （36.96532） （10.24380） R2=0.999992 R2=0.999991 F=862752.9四、模型的经济意义分析由方程可以看出， R2=0.999992 R2=0.999991，可知方程拟合程度非常好，又由F=862752.9知方程是显著的。而t检验的各值也是显著，说明各解释变量分别对Y是显著的。由方程可知，其它解释变量不变时，当X2变动一单位时，相应的国民总收入Y也会平均变动1.04506438单位；当X3变动一单位时，相应的国民总收入Y也会平均变动1.027800218单位；当X1变动一单位时，相应的国民总收入Y也会平均变动0.765038867单位。从中可以看出，从1978年到2009年，随着各产业产值的上升，国民总收