毕业论文 关于我国GDP的影响因素分析

1、浙江财经学院东方学院学年论文论文题目：关于我国gdp的影响因素分析 学生姓名余科群 指导教师 张锐分 院 信息分院 专业名称 统计学班级09统计2班 学号 0920430219 2012 年6月8日关于我国gdp的影响因素分析摘要：gdp是体现国民经济增长状况和人民群众客观生活质量的重要指标。为了研究影响gdp的潜在因素，通过收集到的样本数据运用课本学过的回归分析知识，建立与gdp有影响的自变量与因变量间的多元线性回归模型，借助统计软件spss对样本作初等模型，同时结合统计专业知识对初等模型作f检验、回归系数检验、异方差性检验、自相关检验和多重共线性检验等，确立最终的经验回归方程，回归方程对样

2、本的是拟合度最好的。最后通过对做出来的模型分析得出gdp的主要影响因素，对提高gdp具有一定得现实意义。关键字：gdp；回归；影响；检验1 引 言在当今欧美主导的经济发展理论下，衡量一个国家的综合实力看的不仅是国家的军事实力、国家影响力，而更看重国家的经济实力，而gdp代表一国或一个地区所有常住单位和个人在一定时期内全部生产活动的最终成果，是当期新创造财富的价值总量，它是一个国家经济实力的最好体现，具有国际可比性，是联合国国民经济核算体系(sna)中最重要的总量指标，为世界各国广泛使用并用于国际比较。众所周知2008年我国gdp跃居世界第三位，是仅次于美国、日本的第三大经济国，而2009年在金

3、融危机的影响下我国gdp稳中求进，依然保持着9.0%的增长态势。提高gdp已经成为经济发展的潮流，利用国家的各种有限资源，在最大程度上发挥资源的利用率，推动经济的发展是势在必行的，因为资源一直在减少，而人口一直在增加，要保持经济的增长就必要抓住主要因素，提高gdp。2 文献综述gdp是一国经济的最大基本面，它是研究产业结构和产业演变趋势的主要解释变量，也是反映一国经济发展状况的重要指标，因此无论对经济还是投资都具有重要意义，但是，究竟是那些因素会影响gdp的变化呢？有关中国gdp的研究，国内也有大量的文献。很多学者早就注意到中国gdp的的形成机理及其变动规律。他们从多方面对其进行了研究，取得了

4、丰硕的成果。利用外资与中国经济增长。赵晋平（2000）分析表明在社会支配资金不足时，引进外资可以缓解资金不足对经济增长形成的资源约束。1990年以后，我国地区gdp差距扩大，主要是年以后利用外资高速增长形成的。中国发展报告第四章。胡鞍钢（1999）应用回归分析技术，采集数据，最后推论出：“人口自然增长率只要降低几个千分点就会明显促进人均gdp增长。赵德友、顾俊龙（2003）在研究三大需求对经济增长的贡献中，引入考伊克分布滞后模型对模型进行重新估计，提出优化投资率是政府制定宏观调控政策的重点。根据以上文献，因此本文以1978-2009的就业人数，消费，固定资产总额人口，净出口为解释变量对我国的g

5、dp影响因素做实证分析。3 分析过程3.1 在spss中分析变量间的相关性，输出结果如下：表1 相关性就业人员数居民消费政府消费固定资产总额人口货物与服务净出口pearson 相关性1-.148.331.998*-.086.817*.915*显著性（双侧）.418.064.000.639.000.000n32323232323232就业人员数pearson 相关性-.1481-.977*-.154.997*-.321-.099显著性（双侧）.418.000.400.000.073.590n32323232323232居民消费pearson 相关性.331-.977*1.341-.959*.51

6、3*.250显著性（双侧）.064.000.056.000.003.168n32323232323232政府消费pearson 相关性.998*-.154.3411-.090.840*.895*显著性（双侧）.000.400.056.623.000.000n32323232323232固定资产总额pearson 相关性-.086.997*-.959*-.0901-.252-.049显著性（双侧）.639.000.000.623.163.789n32323232323232人口pearson 相关性.817*-.321.513*.840*-.2521.643*显著性（双侧）.000.073.00

7、3.000.163.000n32323232323232货物与服务净出口pearson 相关性.915*-.099.250.895*-.049.643*1显著性（双侧）.000.590.168.000.789.000n32323232323232从相关阵发现，gdp与固定资产总额的相关系数只有-0.086,很小,p值=0.639,很大,数据上说明gdp与固定资产总额无显著影响。与就业人数的相关系数为-0.148,p值=0.418,也不太显著,与其他的相关系数相对要大些。但从实际情况来看，一个国家的gdp与固定资产总额以及就业人数是有关系的。与这里的分析有很大出入。因此我们要进一步分析，从而得到

8、更合理的解释。统计学的知识告诉我们，不能仅凭简单相关系数的大小来决定变量的取舍。通常我们要经过各种回归分析和多元统计分析反复的探究，摸索，才能得到最好的一个回归模型3.2选用多元线性回归模型进行分析 用spss对原始数据作全部5个自变量的线性回归，输出结果为：表2 模型汇总模型rr 方调整 r 方标准 估计的误差更改统计量r 方更改f 更改df1df2sig. f 更改11.000a.999.9993.00478801384480e3.9996078.627526.000表3 系数模型非标准化系数标准系数tsig.b标准 误差试用版1(常量)1.154e72130489.8055.415.00

9、0居民消费-6031.4671117.635-2.722-5.397.000政府消费4.158.1501.15127.671.000固定资产总额-1275.088235.676-2.443-5.410.000人口4.627.926.5854.998.000货物与服务净出口.958.208.0684.604.000表4 已排除变量模型beta intsig.偏相关共线性统计量容差1就业人员数-1.394a-1.494.148-.2863.606e-5复相关系数r=1.0,判定系数=0.999, 由判定系数看回归方程高度显著。方差分析表中, f=6078.627，p值=0.000, 表明回归方程高

10、度显著，各个变量在整体上对y有高度显著线性影响。进行回归系数的显著性检验，从回归系数表中看到：就业人口数p=0.148.0.05，显著性不高，可以剔除。从实际情况来看，在中国就业率一直比较高，所以对gdp的影响会比较小。剔除就业人数后，根据回归系数表，发现固定资产总额和居民消费的系数是负的，但是实际上居民消费应该是拉动gdp的，显然这个是不合理的。所以继续做分析，考虑回归模型的基本假设是否违背了实际情况，也就是是否存在自相关性、异方差性或多重共线性给回归模型的建模带来了影响。3.21多重共线性检验 用方差扩大因子法进行诊断，用spss软件进行分析计算，输出结果为：表5 扩大因子系数模型非标准化

11、系数标准系数tsig.共线性统计量b标准 误差试用版容差vif1(常量)1.154e72130489.8055.415.000固定资产总额-1275.088235.676-2.443-5.410.000.0006199.975人口4.627.926.5854.998.000.002417.381货物与服务净出口.958.208.0684.604.000.1496.702居民消费-6031.4671117.635-2.722-5.397.000.0007738.307政府消费4.158.1501.15127.671.000.01952.636从结果来看，居民消费的方差扩大因子vif1=7738.

12、307，固定资产投资的方差扩大因子vif=6199.97，都超过了10，说明两者之间存在多重共线性。而多重共线性的存在会给回归系数的估计带来非常大的不良影响，必须消除，所以尝试采用剔除不太重要变量的方法。用剔除法首先剔除居民消费，其次剔除政府消费，剔除后部分回归结果如下：表6 模型系数系数a模型非标准化系数标准系数tsig.共线性统计量b标准 误差试用版容差vif1(常量)-333971.84062650.557-5.331.000固定资产总额25.64227.595.049.929.031.9141.094人口3.229.545.4095.927.000.5381.859货物与服务净出口9.

13、180.936.6559.804.000.5731.7452(常量)80670.91216639.1614.848.000vif都小于10，说明多重共线性消失，剔除过后的回归方程在拟合程度方面也非常好，根据中国实际情况，中国人的消费观是不花明天的钱，有钱一般会储蓄消费比较保守，消费水平相对比较弱，所以消费对gdp的影响比较小，但是在美国的话，他们的消费水平比较高，消费对gdp的影响会比较大，所以符合实际情况。3.22自相关检验表7 模型汇总模型rr 方调整 r 方标准 估计的误差durbin-watson1.964a.928.9212.64909584135161e41.884dw=1.884

14、du，没有自相关。4 最终方程的检验及假设检验 最终的回归方程为：y=-333971.840+25.642*固定资产总额+3.229*人口+9.180*货物与服务净出口。图1 直方图 由直方图知随机误差项基本服从正态分布，可知假设满足条件。图2 数据点围绕基准线还存在一定得规律性，但标准化残差与标准正态分布不存在显著差异，所以认为残差满足了模型的基本要求。原模型满足要求，符合建模的条件。 5 模型的最终解释和结论分析 最终的回归方程为：y=-333971.840+25.642*固定资产总额+3.229*人口+9.180*货物与服务净出口。从方程中可以看到固定资产对gdp的影响最大，由此可知固定

15、资产投资对国民生产总值的贡献大于人口和货物与服务净出口对gdp的贡献。虽然该模型建立了gdp的回归方程，但我们需要注意的是，影响gdp的因素很多，且影响程度不同，它涵盖的具体范围很广，我们只能从有限的数据中选取一些合适的变量，再对其研究分析。并不是模型中没有的便量就对y没有影响，比如，利率、价格指数、工资等等。通过以上分析可以看到，对数据进行回归分析的过程是一个不断深入，不断发现问题到最后解决各类问题的过程，利用这些方法我们最终能够得到比较理想的回归模型。在对gdp影响因素问题的处理过程中，我们首先根据实际情况选取了6个影响变量，对变量数据进行准确查询。在首先建立的多元模型上通过显著性检验排除

16、了就业人数的影响，经过对中国国情的具体分析证明了这种检验和排除的合理性。在排除了就业人员的影响后，建立的模型中发现固定资产总额和居民消费的影响居然为“负”，与实际情况的分析不符合，就此利用了各类方法进行了分析，最后检验出了多重共线性，并运用了剔除变量方法得到了新的回归方程，并且变量间没有自相关。所有变量最终都得到了合理的解释，拟合效果也很好。可以看到，回归分析的实际应用过程有时是曲折的，但逻辑思路却是清晰的，只要按照这种逻辑思路去认真研究分析，应用回归分析将是我们处理诸多数据问题的好工具。参考文献1 黄润龙，管于华数据统计分析spss原理及应用高等教育出版社2010。2 何晓群，刘文卿应用回归

17、分析（第二版）中国人民教育出版社2000。3 赵晋平，利用外资与中国经济增长人民出版社2000。4 邓彦，投资、消费、进出口贸易对经济增长贡献的实证分析北京工商大 学学报（社会科学版）2006附录附录1 gdp及其影响因素年份就业人员数居民消费政府消费固定资产总额人口货物与服务净出口19783645.217474401521759.14801073.996259-11.419794062.579190919791979758.637.797542-2019804545.623973419801980920.239.598705-14.719814891.5610619198119811024.

18119825323.3509647198219821115.438.41016549119835962.6515684198319831220.637.810300850.819847208.0517184198419841429.938.21043571.319859016.0365806198519851877.840.1105851-367.1198610275.179216198619862242.942.3107507-255.2198712058.615125198719872697.24410930010.8198815042.82301198819883

19、694.147111026-151.1198916992.319107198919894266.948.4112704-185.6199018667.822376199019904767.850.4114333510.3199121781.499411199119915648.652.6115823617.5199226923.476451199219927166.655.1117171275.6199335333.924715199319939554.158.2118517-679.5199448197.8564451994199412968.959.4119850634.1199560793.7292111995199517098.160.3121121998.6199671176.5916541996199620048.8591223891459.2199778973.0349961997199722345.760.51236263549.9199884402.2797691998199824757.363.1