山东省固定资产投资与GDP关系的实证分析

PAGEPAGE25目录中文摘要 1英文摘要 21引言 31.1选题背景和研究意义 31.1.1选题背景 31.1.2研究意义 31.2国内外研究现状 41.2.1国外研究现状 41.2.2国内研究现状 41.3可能的创新之处 52本文研究思路和相关理论方法介绍 62.1研究思路 62.2相关理论方法 63实证分析和相关模型方程的检验 93.1数据的收集整理和说明 93.2相关检验分析 103.2.1平稳性检验 103.2.2单位根检验 113.2.3协整检验 123.2.4误差修正模型 143.2.5Granger因果检验 153.3研究结论 174政策建议和结束语 194.1政策建议 194.2结束语 20谢辞 21参考文献 22附录 24山东省固定资产投资与GDP关系的实证分析摘要：本文利用山东省1978-2007年的国内生产总值（GDP）与固定资产投资的30年时间序列数据。运用计量经济学相关分析和检验方法主要包括协整（Co-integration）分析和Granger因果检验，对GDP和固定资产投资的关联度强弱做定量分析得出其长期均衡关系。再者研究两时间序列之间的因果促进关系或者先后顺序。计量结果表明：山东省GDP和固定资产投资两者存在显著的长期均衡关系，但是却没有显著的Granger因果关系。同时，总量水平下GDP和固定资产投资存在显著的当期影响，但波动水平的绝对额之间的即期影响并不显著。关键词:固定资产投资国内生产总值协整Granger因果检验AnEmpiricalAnalysisofFixed-assetinvestmentandEconomicGrowthinShandongProvinceAbstract:Inthispaper,WeanalysistherelationofGDPandfixed-assetinvestmentwiththemethodoftheco-integrationanalysisandGrangercausalitytestwiththesupportofShandongProvincefrom1978to2007’sthirtyyearstime-seriesdataofGDPandfixed-assetinvestment.

Andthentrytostudythepromotionrelationshipandthesequenceofcauseandeffectrelationshipbetweenthetwotimeseries.Theresultsofthemeasurementshowthattherewasasignificantrelationshipoflong-runequilibriumbetweenGDPandfixed-assetinvestmentandnosignificantGrangercausalityinShandongProvince.Atthesametime,thetotalvaluesofGDPandfixed-assetinvestmenthavesignificantcausalityincurrentperiod.Buttherewasnosignificantpresentimpactontheabsoluteamountofvolatilitylevel.Keywords:Fixed-assetinvestment；GDP；Co-integration；Grangercausalitytest1引言1.1选题背景和研究意义1.1.1选题背景在全球经济衰退的大背景下，尽管中国的GDP增长率在2008年仍然维持在9%（数据来自国家统计局），但是预计2009年为6.5%（世界银行估计）和8.4%（联合国（UN）基准预测）。是什么因素导致了这种预期悲观情景？我们首先想到的是由于经济危机所导致的，而中国政府的一个应对策略就是扩大内需、促进经济增长，具体措施是到2010年累计投资四万亿。国务院公布的其构成大体如下：民生工程4000亿，农村民生工程3700亿，基础设施建设15000亿，社会事业1500亿，节能减排和生态工程2100亿，结构调整和技术改造3700亿，汶川大地震灾后恢复重建10000亿。上述投资基础设施占到了很大比重，这也体现国务院的发展意图。还直接指向经济学定律：积累•投资是社会扩大化再生产的源泉。同时基础设施投资有很大程度上是固定资产投资。再看拉动经济增长的“三驾马车”，消费水平本身具有刚性和相当比重的滞后性，因为国民收入不会在当期就投入到消费当中；进出口的水平在当今贸易环境恶劣的前提下也有相当的下滑。所以促进经济发展更大程度上依赖于投资水平的规模和结构。山东省作为中国经济比较有代表性的“三万亿俱乐部”成员（2008年山东以31072.10亿的GDP水平，仅低于广东）。其自改革开放以来固定资产投资一直保持平均值16.31%的增长率水平，2007年为2959.69亿元。与之对应GDP的平均增长率为9.02%，2007年达到2369.80亿元（数据整理源自山东统计年鉴）。1.1.2研究意义首先，理论意义方面。本文试图在自1978年改革开放后，尤其是如今处于金融危机的时代背景下，以投资尤其是固定资产投资作为基准点分析在改革开放30年以来，山东省固定资产投资和GDP两者之间的数量相关关系和因果促进关系，分析山东省固定资产投资和经济增长之间的相互贡献率。在文章的实证部分会以计量经济学的方法分析加以判断证实。其次，现实意义方面。以固定资产为代表研究促进经济平稳有效发展的新论证，得出新思路、新方法。客观评价山东省固定资产投资和经济增长相互影响。提出合理有效政策建议，从而使得政府和企业从经济学的角度思考、分析和解决日益突出的经济衰退问题。促进政府和企业的合理投资，推动经济平稳有效快速发展。1.2国内外研究现状1.2.1国外研究现状DelongandSummers(1992)在对投资需求和经济增长之间关系的研究当中，已经发现美国等国的固定资本形成(固定资产投资在GDP中所占份额)与人均GDP之间具有显著的正相关关系，并且这种相关性表示了一种从投资率到增长率之间的因果关系。PodreccaandCarmeci(2001)指出人均GDP对于固定资产形成是否具有反馈作用?固定资产投资和实际产出之间是否具有显著的双向影响？目前在理论分析和实证检验上尚无一致的结论。Jakob（2002）二次引用自郭国峰和刘孟晖，《固定资产投资与经济增长关系研究：来自平行数据的证据》。使用了18个经济合作与发展组织（OECD）国家数据检验了投资与经济增长的因果关系，结果表明经济增长主要由在机器、设备上的投资推动的。Christer(2005)二次引用自郭国峰和刘孟晖，《固定资产投资与经济增长关系研究：来自平行数据的证据》。二次引用自郭国峰和刘孟晖，《固定资产投资与经济增长关系研究：来自平行数据的证据》。1.2.2国内研究现状近年来，国内的相关研究也取得了积极的进展，在总结介绍引进国外先进的概念和理论方法的基础上，初步形成了一些适合中国国情或者地区状况的理论和方法，对GDP、固定资产投资两者之间的相关性及实证性研究最近几年国内有很丰富的成果可供借鉴。熊丽芳（2007）对安徽省的研究表明固定资产在经济发展中是刺激经济增长的主要手段，固定资产投资和经济增长之间也存在显著地Granger影响。这也与我们的一般常识相符合。王伏虎（2005）通过对上海市1952-2003年的数据分析，研究建立修正误差模型认为1单位固定资产投资变动同方向引起0.336单位GDP的变动。而且存在显著地长期均衡关系。刘金全和于惠春（2002）得出实际产出和固定资产投资之间存在显著的当期相关，波动成分存在显著的双向Granger影响，同时固定资产投资规模和增长率仍然是驱动中国经济增长的主要动力。郝洁（2006）通过对武汉市的固定资产投资和GDP的研究得出两者存在长期的正向均衡关系，而且有相互依存关系。同时短期内固定资产投资向GDP的调整速度为6.11%。高丽（2005）在与外商直接投资（FDI）合并研究时发现固定资产投资增长率比照对GDP的贡献来说，存在过热现象。其反映贸易条件的FDI对中国经济的贡献率（包含滞后效应）要远远小于固定资产投资，即使是在改革开放以后的差别仍约为123倍此数据是在原文基础上整理而得。，建议中国政府控制固定资产投资的方向做到资金用在“刀刃”此数据是在原文基础上整理而得。1.3可能的创新之处首先，数据的处理很精细，都是经过修正的可以实际反映经济现实。而且按照统计学的标准得到的是可以反映总体的大样本，代表性更强。利用GDP平减指数代替固定资产投资价格指数就是富有代表性的体现。其次，本文大量使用计量检验的方法得到的结果也多以图表列示，具有可信性更加清晰客观。如对数据的ADF检验可知其是否达到平稳性，是否满足协整分析的条件。不仅分析GDP、固定资产投资的相互Granger影响还分析了其各自的波动性包含总量（绝对量）和增量（相对量）的相互Granger影响，可以更加准确的确定其详细的因果影响关系。更加全面细致的描述经济变量关系。2本文研究思路和相关理论方法介绍2.1研究思路在本文中，首先，综述国内外的研究现状；其次，介绍说明固定资产投资和GDP指标的选取标准数据的处理；然后，介绍相关的理论研究方法；最后，在处理后的数据基础上，运用误差修正模型（ECM）和Granger因果关系带入指标数据得出研究结果，根据结果进行分析比较，得出结论，并提出相对应得政策建议。本论部分的主要步骤有：一、分析两变量是否具有共同的向上或向下的变化趋势检验其稳定性，判断有无伪回归。二、进行单位根检验，应用差分的方法直到得到两变量的协整阶数。为ECM的建立提供前提条件。三、协整分析，建立误差修正模型。分析模型变量的相关性和长期均衡关系。四、Granger因果分析检验。判断相互的因果影响，具体分为有滞后期和当期。五、根据结果进行分析比较，得出结论，并提出相对应得政策建议。六、谢辞和参考文献以及附录。2.2相关理论方法本文主要采用计量经济学的实证分析和相关的检验方法。实证分析是人与数据的交互过程。过程起始于对所估计关系的设定，他包括三个步骤：首先，根据经济理论或其他原则列出关系式中的变量；其次，确定这些联系变量的函数形式；最后，若数据是时间序列，需要根据因变量和自变量的滞后期期数目来设定时间序列的动态结构。当然最初的关系设定不够稳定也有不确定性，因此可以运用软件所提供的估计和检验工具，对模型的最初设定进行一系列的诊断和检验。包括：一、全面拟合，F-统计量和判定系数（R2）来判定。二、单个系数，主要是检验被估系数的显著性符号、大小和精度。三、残差的自相关性，DW或DW-h是检验残差是否自相关的统计量。下面介绍本文运用到的相关理论：1伪回归和平稳性在处理时间序列数据时，我们还得考虑序列的平稳性。如果一个时间序列的均值或自协方差函数随时间而改变，那么该序列就是非平稳的。而本文就是时间序列数据，经典计量经济学单方程线性模型一般表示为；t=1，2，⋯，T。按照古典统计理论，如果最小二乘估计β的T-统计量显著，则不拒绝Yt和Xt之间存在线性关系的假设。（达摩达尔·N·古扎拉蒂，2001）认为也存在这样的情况，尽管β的T-统计量呈现显著性，但在Yt和Xt之间根本不存在任何线性关系，这种现象被称为伪回归现象。伪回归原因的发现具有重要意义，它要求人们在做回归分析时，首先要对自变量和因变量的稳定性做出检验，这就导致了近年来在计量经济学中被广泛使用的迪基-富勒（DF）或增强的迪基-富勒（ADF）检验(DickeyandFuller，1976，1979，1981)。2单位根检验为了纠正伪回归现象，通常用三种办法改进模型:一是在回归模型中增加自变量和因变量的一阶滞后变量；二是在建立和估计模型之前先对自变量和因变量进行一阶差分；三是用科克伦—奥克特(Cochrane-Orcatt)方法估计模型。这三种方法通过变换都可以归结为对自变量和因变量的一阶差分。(BoxandJenkins，1976)认为差分是一种消除时间序列非稳定性的有效办法。3协整稳定性检验后的时间序列数据经过n阶差分后可以变成平稳性序列，若非平稳序列经过一阶差分变为平稳序列，那么该序列就为一阶单整序列。之后即使进行经典线性回归也不会出现伪回归的现象。若两变量是同阶的即差分次数相同。对一组非平稳但具有同阶的序列而言，若它们的线性组合为平稳序列，则称该组合序列具有协整关系。对具有协整关系的序列，我们算出误差修正项，并将误差修正项的滞后一期看作一个解释变量，连同其他反映短期波动关系的变量一起。建立误差修正模型。它的经济意义在于：两个变量，虽然它们具有各自的长期波动规律，但是如果它们是（d，d）阶协整的，则它们之间存在着一个长期稳定的比例关系。4误差修正模型(ECM)ECM是一种具有特定形式的计量经济学模型，它的主要形式是由Davidson、Hendry、Srba和Yeo于1978年提出的，又称为DHSY模型。而ECM相对于协整系统的另外两种等价的表达形式即向量自回归（VAR）、移动平均（MA）又最能直接描述短期波动和长期均衡的综合，应用最为普遍。ECM有许多明显的如下优点：一、一阶差分项的使用消除了变量可能存在的趋势因素，从而避免了虚假回归问题；二、一阶差分项的使用也消除模型可能存在的多重共线性问题；三、误差修正项的引入保证了变量水平值的信息没有被忽视；四、由于误差修正项本身的平稳性，使得该模型可以用经典的回归方法进行估计，尤其是模型中差分项可以使用通常的T检验与F检验来进行选取；等等。5Granger因果检验2003年10月8日瑞典皇家科学院在斯德哥尔摩宣布，将2003年度诺贝尔经济学奖授予英国经济学家克莱夫•格兰杰(CliveW.J.Granger)和美国经济学家罗伯特•恩格尔(Robert.F.Engle)。以表彰他们分别用“随时间变化的变动性”和“共同趋势”这两种新方法分析经济时间序列所做出的杰出贡献。Granger和Engle于1987年给出了针对变量1和变量2提出了对向量自回归模型（VAR）进行协整检验的二阶段估计法，解决了非平稳时间序列的伪回归问题。不仅如此，Granger和Engle还沟通了误差修正模型（ErrorCorrectionModel，简记为ECM）与协整模型之间的关系，指出在协整成立的条件下，向量自回归模型可由ECM表示，误差修正项反映出自变量和因变量之间的长期稳定关系。（GrangerandWeiss，1983）还验证了Engle与Granger1987年提出的著名Grange表述定理（Grangerrepresentationtheorem）：指出协整系统的三种等价的表达形式：向量自回归（VAR）、移动平均（MA）和误差修正模型（ECM）。3实证分析和相关模型方程的检验3.1数据的收集整理和说明本文以山东省改革开放30年的名义GDP、固定资产投资作为基础，全部以1978年为基期计算，扣除物价指数和GDP平减指数，有效扣除通货膨胀的因素以期可以更好反映数据的内在规律性，得到更加科学合理的原始数据。实际产出即GDP的选择是因为其很好的表现了一个地区的经济发展状况。GDP当中有相当比例的投资当然主要是固定资产投资。即使我们选择的价格剔除不是最好，但是足够得出GDP当中有很大一部分是有固定资产投资构成的结论。由于固定资产投资是直接计入GDP，也显示了两者的经济联系。选择固定资产投资是因为它是拉动经济增长的其中“一架马车”，前面已经有所分析，消费和进出口已受限不能或者无法快速影响经济增长。但固定资产投资不仅是在当期以后的各期都会产生滞后影响，会计学当中的每年计提固定资产折旧就是一个侧面证据。固定资产投资完成额按构成分是由建筑安装工程投资完成额，设备、工器具购置投资完成额和其它费用投资完成额三部分组成的。因此，编制投资价格指数应先分别编制上述三部分投资的价格指数，然后采用加权算术平均法求出固定资产投资价格总指数。分工程类别和分行业投资价格指数由原始资料超级汇总所得。计算固定资产投资价格总指数的公式为：(1)式中：Ｉ为投资价格总指数，为分类价格指数，为权数。至于本文选择GDP平减指数代替固定资产投资价格指数是因为其自1991年才开始汇编。由于收集数据的能力有限，为了可以使样本数量增加更具有代表性，（王小鲁和樊纲，2000）建议采用以GDP平减指数（又称GDP缩减指数(计算见附表1.1)）代替不够完整的固定资产投资价格指数。再者分析山东省公布的1991-2007年的固定资产投资价格指数与对应年份的GDP平减指数，两者简单相除得出的比率高度相关，可以替代。详细数据和特征见附图1.1，除1990年和1991年两年外，其余16年的比率基本维持在1.6附近，具有趋势的一致性，标准差只有0.1668。与此同时数据的合理性、准确性就有所下降。但是样本数量的增加有助于消除这种下降趋势。对于GDP我们采用一般方法运用居民消费价格指数（CPI）来进行通货膨胀因素的剔除。这样得到表3.1的修正数据。表3.11978-2007年GDP和固定资产投资数据单位：亿元年份GDP（Yt）固定资产投资(Xt)年份GDP（Yt）固定资产投资(Xt)1978225.450041.870019931,075.0369366.26021979237.134858.603919941,282.7828380.86781980255.805664.592719951,469.4008401.65691981276.592265.537019961,608.4746446.88031982283.426568.274919971,604.1890514.00071983303.317975.878319981,582.0978608.27881984359.4314102.336819991,533.7372677.39171985401.6883135.093420001,576.9756768.27211986412.0211151.174220011,616.5682846.50311987484.4137190.977220021,671.08471,057.79961988577.9007213.031620031,827.25421,549.65341989925.5651158.109620042,067.69992,058.67661990787.4883156.606020052,212.55472,659.60211991854.0283196.286720062,285.67762,704.68881992954.5980258.664620072,369.80102,959.6901注释：本文数据基本上保留至小数点后四位，以求完整和准确。数据说明：数据绝大部分来自山东统计年鉴。为简化数据我们以英文字母代替。其中Yt代表t年的GDP为总量。IYt代表同比增长率，DYt表示其波动的绝对额即相邻两年的差额，它们表示相对量。IDYt代表差额的同比增长率。Xt代表t年的固定资产投资总量，其他与GDP采用同样的处理方式，不在赘述。3.2相关检验分析3.2.1平稳性检验平稳性检验方法有单位根检验和图示法。如果用非平稳的时间序列数据序列做线性回归，无法全面合理的反映Y和X两者之间的长期变动关系，而且还非常容易产生上述伪回归问题即谬误回归。为了纠正伪回归现象，我们在此利用平稳性检验即采用差分法。下图3.1给出了GDP和固定资产投资的30年总量变动曲线，固定资产投资具有更加明显的波动性。但是从两者之间的时间趋势图还可以得出这样一个假设两者之间存在协整关系，因为他们的都有相同的增长趋势。从图3.1我们就可以初步得出两变量存在单位根即非平稳的初步结论，但是不够准确。下面进行详细的计量检验。图3.1GDP和固定资产投资的线形图3.2.2单位根检验我们以Y和X为基础随机变量利用软件分析其内在规律性。通过最小二乘估计（OLS）可以看出并不存在异方差，即使解决存在的自相关关系后的模型也一样。两者White检验分别如下：不管是P值，还是Obs*R-squared统计量性质都拒绝模型存在异方差的原假设。所以我们不用像（龙莹，2005）那样对两个变量取对数消除异方差。具体结果见表3.2表3.2White检验对比原始估计F-统计量0.8249双侧概率0.4490Obs*R-squared（nR^2）1.7276双侧概率0.4216消除一阶自相关F-统计量0.4583双侧概率0.6374Obs*R-squared（nR^2）0.9876双侧概率0.6103下面进行EVIEWS软件检验变量Y，主要使用ADF检验。建立下列ADF检验方程模型：p=1，2……N(2)模型（2）是一般方程，在实际操作中对于常数项、时间趋势是否存在以及滞后期的选择，选择的标准为AIC和SCHWARS信息准则即SC准则作为最佳的时滞标准，当两准则同时最小时的滞后期为ADF检验的滞后期长度。SC准则是针对趋势项、截距项和滞后期做不同的选择得出的最佳检验结果。方程ADF检验的检验形式为（C，T，2），即包含趋势项、截距项和二阶滞后期。结果显示t值（-3.006）大于ADF统计量的临界值-4.3382（1%的显著性水平）和-3.5867（5%的显著性水平）和-3.2279（10%的显著性水平）。以下选择5%的显著性水平。因此接受存在单位根的原假设即Y是非平稳序列。为确定其单整阶数对Y进行一阶差分。同理分析，发现一阶差分后的序列仍然是非平稳的，其t值为（-3.0347）大于ADF统计量的临界值-3.5943（5%的显著性水平）。再进行二阶差分，其t值为-3.7677小于ADF统计量的临界值-3.6027（5%的显著性水平）。详细的检验分析结果见表3.3。表3.3差分前后的ADF检验步骤变量ADF检验统计量显著性水平临界值结论差分前Y-3.00621%CriticalValue*5%CriticalValue10%CriticalValue-4.3382-3.5867-3.2279是是是X4.60541%CriticalValue*5%CriticalValue10%CriticalValue-3.7076-2.9798-2.6290是是是一阶差分Y-3.03471%CriticalValue*5%CriticalValue10%CriticalValue-4.3552-3.5943-3.2321是是是X-0.23121%CriticalValue*5%CriticalValue10%CriticalValue-3.7204-2.9850-2.6318是是是二阶差分Y-3.76771%CriticalValue*5%CriticalValue10%CriticalValue-4.3738-3.6027-3.2367是否否X-4.44261%CriticalValue*5%CriticalValue10%CriticalValue-3.7343-2.9907-2.6348否否否所以Y是二阶单整。同理检验X，其检验结果同样列示在表3.3中，以示对比。其原序列为非平稳的，检验形式为（C，T，3）即滞后期为3。一阶差分后t值为4.6054大于ADF统计量的临界值-2.9798（5%的显著性水平），接受非平稳的原假设。二阶差分后t值为-4.4426小于ADF统计量的临界值-2.9907（5%的显著性水平），拒绝非平稳的原假设。所以Y和X是（2，2）阶单整。虽然Y和X都是非平稳的时间序列，但两者的特殊组合是平稳的，这就度量了非平稳时间序列之间存在的长期稳定关系。3.2.3协整检验通过上述分析可知Y和X是同阶的非平稳序列达到了进行协整分析的充分条件。我们采用Engle-Granger检验即EG二阶段估计法判断协整关系。考虑上述2阶序列模型。第一步估计模型方程利用OLS估计得到检验模型。通过分析发现DW统计量=0.108135，模型显然存在正向的一阶自相关。广义差分法后的修正模型。软件命令句：LSYCXAR(i)，i=1，2。得出滞后期不同的方程：Y=8131.7748+0.1950*X+εt(3)Y=2988.3354+0.1140*X+0.15418*X(-1)+εt(4)Y=2723.1138+0.11763*X+0.1722*X(-1)-0.0254*X(-2)+εt(5)上述三种广义差分法修正后的模型都不存在显著的自相关性（DW=1.86—1.87），但是添加滞后期的模型却存在异方差性（White检验的P值很小为0.028至0.032，拒绝接受原假设）。只有式（3）具有非常好的统计量性质。模型的判定系数R^2=0.9829，非常接近于1，F-统计量也高达749.1839，表明模型对样板数据的拟合优度非常好。但是通过观察表3.1的数据，有一个非常重要的问题：方程（3）首先就通不过经济检验，即经济意义不符合现实。所以我们在此对最初的原始模型进行异方差得到更加合理的模型。采用Park和Gleiser检验确定权重，利用加权最小二乘法（WLS）。通过杜宾-沃森、异方差和拟合优度等标准筛选取权重W=1/reside2，得修正方程：Y=697.8811+0.6486*X+εt(6)统计量性质，F-统计量=45.6447，R-squared=0.9839。模型的稳定性和拟合优度良好。经济意义明显，且无异方差。第二步对残差序列进行单位根检验图3.2残差分布图利用EVIEWS得出的残差分布图（见图3.2）其波动范围在0左右没有明显的增加或减小变化趋势。其并不是一个随机漫步序列，认为残差不存在单位根。3.2.4误差修正模型(EngleandGranger，1987)二次引用自潘朝顺和程昆，《2003年诺贝尔经济学奖获得者格兰杰和恩格尔的学术贡献》。指出在协整成立的条件下，向量自回归模型（VAR）可由误差修正模型表示，ECM反映了自变量Xt和因变量Yt之间长期稳定关系。补充一点的是，误差修正模型反映的是变量短期的相互关系。误差修正模型中因变量Yt的变动ΔYt可分解为两个部分，短期波动ΔXt和长期均衡误差修正项（ecm）。长期均衡对变量的短期波动起着调节抑制作用。首先在此由于Y和X是（2，2）协整。分析起来有点麻烦。其次上面已经分析了总量的关系，我们为求简便和全面我们取其差分序列建立误差修正模型化成DY（Yt-Y二次引用自潘朝顺和程昆，《2003年诺贝尔经济学奖获得者格兰杰和恩格尔的学术贡献》。(7)方程两边同时减去，整理可得（7）等价方程如下：(8)其中，称为误差修正项，记为ecm。它反映了因变量DYt的短期波动▽DYt受到两个方面的影响:一方面受到自变量短期波动▽Xt的影响，另一方面又受到误差修正项ecm的影响。令λ=，式（8）又可以简记为：(9)下面我们给出两种估计方式：一、直接对（7）进行估计。回归分析得出结果如下表3.4。其估计方程：DY=51.4462+0.0849*DX+0.1228*DX(-1)+0.0576*DY(-1)+εt(10)结果表明固定资产投资差额每增加（减少）一单位就会有当期GDP差额的0.0849单位当期同方向变化。同时还会在下一期的0.1228单位的同方向变动。二、选择简化的（9）进行估计。结果在表3.5。其估计方程：▽DY=0.0755*▽DX-0.9455*ecm+εt(11)比较两种估计方法的结果，可知，第二种估计方法的拟合优度要好于第一种的拟合优度。而且第二种方法比第一种方法更能说明经济问题，因为没有差分的模型表现的是长期的均衡关系，而差分后的方程则反映了短期波动的决定情况，其中的误差修正项反映了长期均衡对短期波动的影响。ecm的参数估计为-0.9455，负号表示逼近趋势，即GDP差额的实际值或长期均衡值的差距有将近94.55%的比重可以得到纠正和剔除。且通过显著性检验。这说明长期均衡对短期波动的影响很大。方程（6）和（11）分别从总量和差量的两方面考虑分析了GDP和固定资产投资之间的长期均衡关系。增加（减少）一单位的固定资产投资就会约有0.6486单位的GDP增加（减少）。同时固定资产投资差额每增加（减少）一单位就会有总共0.2077单位GDP差额的同方向变化。表3.4模型（7）估计结果常数和解释变量参数估计值参数标准差T-统计量双侧概率C51.446224.43612.10540.0459DX0.08490.14990.56650.5763DX(-1)0.12280.15500.79220.4361DY(-1)0.05760.19990.28830.7756判定系数0.1198被解释变量均值76.1666调整的判定系数0.0098被解释变量标准差96.0285回归方程标准差95.5572赤池信息准则12.0889残差平方和219148.1000施瓦兹信息准则12.2792似然函数的对数-165.2445F-统计量1.0890D-W统计量1.9870双侧概率(F-统计量)0.3728表3.5模型（9）估计结果常数和解释变量参数估计值参数标准差T-统计量双侧概率DDX0.07550.13190.57290.5716ECM(-1)-0.94550.1920-4.92520.0000判定系数0.4836被解释变量均值2.5871调整的判定系数0.4638被解释变量标准差125.2220回归方程标准差91.6974赤池信息准则11.9436残差平方和218618.9000施瓦兹信息准则12.0388似然函数的对数-165.2106F-统计量1.98893.2.5Granger因果检验计量经济学的重要任务是发现经济变量之间的内在联系，对未来进行预测。在发现变量之间存在相关关系后，接下来的问题是Xt是否有助于估计Yt，或者Yt是否有助于估计Xt，1969年Granger提出的Granger因果检验法解决了这一问题。定义如下：如果X是引起Y变化的原因，则X有助于预测Y，即在Y关于Y过去值的回归中，添加X的过去值作为独立的解释变量，应该显著地增加回归的解释能力。此时称X是Y的Granger原因。相反，若没有显著增加回归模型的解释能力，称X不是Y的Granger原因。在随后的回归分析中Granger因果检验法得到广泛地运用。尽管GDP与固定资产投资两变量存在高度的相关性。但是却无法知晓之间的因果先后关系。就像美国和中国的人口出生率有高度的相关性，但是根据经济学或者社会学常识知道两者之间没有因果先后关系，它是一个自然过程，即经济检验过程。进行Granger因果检验之前构造GDP和固定资产投资的双变量模型。（Mills，1999）认为判断两变量之间的Granger因果影响关系需要先估计二元VAR模型，再在简化式方程中检验滞后解释变量的显著性。我们考虑下列二阶双变量自回归系统：p=1，2……p，q=1，2……q，(12)p=1，2……p，q=1，2……q，(13)（Granger，1969）表示如果Granger检验接受原假设：H0=：=0，i=1，，q认为GDP不是固定资产投资的Granger原因。利用到本文即经济增长不会对固定资产投资起到促进和影响关系。同理，如果Granger检验拒绝接受原假设：H0==0，i=1，，q。对于其他变量，则有固定资产投资是GDP的Granger原因，即固定资产投资具有解释和预测经济增长的能力。利用OLS估计，对变量的水平值即绝对量GDP、固定资产投资和各自的波动值DY和DX、IX和IY、IDX和IYX分别进行Granger检验得出表3.6的结果。滞后期选择为4，类比一年的四个季度。同时4期也足够反应其滞后的影响。表3.6Granger检验结果零假设样本容量F-统计量双侧概率结论Y不是X的格兰杰原因X不是Y的格兰杰原因DY不是DX的格兰杰原因DX不是DY的格兰杰原因IY不是IX的格兰杰原因IX不是IY的格兰杰原因IDX不是IYX的格兰杰原因IYX不是IDX的格兰杰原因262525241.81460.53580.61230.65110.40851.13670.31045.92340.17250.71140.65980.63440.79990.37460.86650.0046接受接受接受接受接受接受接受拒绝预测结果显示仅在显著性水平为5%滞后期为4时GDP差额的相对波动率IYX才是固定资产投资差额的波动率IDX的Granger原因，与前人的有很大的区别。如（熊丽芳，2007）的检验结果表示近年来安徽省的固定资产投资与经济增长之间存在显著地因果关系。但是却与（刘金全和于惠春，2002）认为中国固定资产投资与GDP之间的检验关系相一致。即X无论是总量、波动成分（包括差额和波动率）都不存在Granger原因影响即使是单向的。只有IYX和IDX除外。这就表示直到如今山东省固定资产投资的规模和波动水平对经济增长的规模和波动水平不具有显著的预测和估计功能。与之对应经济增长对固定资产投资的促进、反馈功能也不明显。上面的分析结果的经济检验不符，因为我们知道固定资产投资肯定会影响GDP的变化。分析原因为Granger影响关系的滞后影响，为了进一步说明GDP和固定资产投资的相互关系。我们继续考虑两变量之间的当期关系即同步影响，采用（刘金全和于惠春，2002）利用变量简单线性系数的T-统计量检验。我们在前人的基础上增加检验模型显著性的F-统计量以此来检验模型的合理性。结果如下表3.7：表3.7当期的Granger检验结果零假设F-统计量T-统计量双侧概率结论X非当期影响YY非当期影响XIX非当期影响IYIY非当期影响IXDX非当期影响DYDY非当期影响DXIDX非当期影响IYXIYX非当期影响IDX72.343572.34351.57501.57502.80512.80511.61321.61328.50558.5055-1.2550-1.25501.67481.67481.27011.27010.00000.00000.22020.22020.10050.10050.21530.2153拒绝*拒绝*接受接受拒绝***拒绝***接受接受注释：*表示1%的可信度条件，***表示10%的可信度条件。结果显示GDP和固定资产投资在当期存在双向即时影响，而且相关度非常高，因为在1%的显著性水平下仍然拒绝原无影响的假设。其差额在10%的显著性水平下勉强通过检验。而总量的增长率和差量的增长率即使是在20%的可信度水平下也依然不存在当期的Granger影响。3.3研究结论通过对山东省固定资产投资规模和国内生产总值的Granger因果影响关系检验我们主要得到两个基本结论:一是山东省固定资产投资规模和GDP之间存在显著地长期均衡。并且得到最后的模型（6）即Y=697.8811+0.6486*X+εt。由二者之间的协整方程可知其正相关关系，且弹性系数为0.6486，对GDP的影响还是不错的。但是从两者的增长幅度来看，30年间投资的增长波动幅度为16.31%，远远高于GDP的9.02%。二是固定资产投资规模和GDP之间存在当期的双向Granger影响，说明目前山东省经济的快速增长导致了快速的资本形成，而资本形成对经济增长当期也有显著的促进作用。再者，各自的波动的绝对额也有一定的双向Granger影响，体现了对原数据的路径依赖。对于相对量，即使是连单向的Granger影响也不存在。从两者比较可知对经济影响的有效度量还是绝对量，而以其为基础建立的百分比可信性有所下降。这样我们分析的重点应该集中在新增或追加的固定资产投资和GDP上尤其是当数据较小时比如在2001年以前固定资产投资还没有过千亿时。4政策建议和结束语4.1政策建议以上的分析说明山东省的经济增长方式还是一种传统的资本主导型，这与发达国家的主要以知识推动经济发展的模式还有很大的差距。过分的以加大固定资产投资（相对于GDP数额）来促进经济增长，将对未来经济造成危害，降低投资效率，加剧产能过剩，引致结构失衡，造成环境、资源等一系列问题，破坏GDP增长的可持续性。（龙莹，2005）认为投资拉动经济增长要在能力范围内量力而行。所以山东省的经济增长与固定投资还存在很多需要改善的方面。这需要合理地调整固定资产投资的结构和规模，与其他推动经济发展的因素共同改良，使国民经济协调发展。4.1.1不过度依赖投资大力提高消费需求，固定资产投资对经济增长的拉动作用归根结底要取决于最终消费需求是否扩大，没有居民消费增长支持的固定资产投资和经济增长都是不会持久的。从宏观理论来看，投资对经济增长的拉动作用一方面是由自身需求拉动的，更重要的方面则是由边际消费倾向决定的投资乘数大小拉动的。边际消费倾向越大，投资乘数越大，拉动作用也就越大，消费倾向的大小是决定投资拉动作用的关键因素，因此，山东省的消费与投资的比例应该协调发展。4.1.2重视技术进步和产业结构调整在强调固定资产投资对经济增长的拉动作用的同时，必须重视技术进步和产业结构调整，以实现经济的可持续性发展。由投资来主导经济增长的过程是不可持续的，表现为投资回报率逐渐递减和资本资源的稀缺性。因此，必须更多地加大科技教育的投入，以保持经济的高效增长和实现经济增长方式的转变。并且，从固定资产投资对产业结构调整的导向作用来看，不能只强调固定资产投资对经济增长的拉动作用，而必须从经济全局的、长期的、持续协调发展的战略高度制定固定资产投资政策，以有利于产业结构、产品结构的调整以及区域经济的协调发展。4.1.3合理利用各方面资源由政府主导的投资拉动的各地大搞“形象工程”、“政绩工程”，热衷于投资建设产值高，税收多的项目，投资需求快速扩张，是山东省相对贫瘠的资源不可能长期坚持的，经过一定滞后期以后，总需求与总供给之间的失衡将会表现为通货膨胀，然而，投资过热是一个市场问题，在遏制投资过热过程中，就要求以市场经济为基本加之政府部门的有效调控。防止新一轮盲目投资和低水平重复建设问题，合理调整对一般加工工业投资，不去搞重复建设。4.1.4政府采取有效的宏观调控措施政府部门应该加大力度，控制固定资产投向，努力提高经济增长的质量和效益。坚持市场为主导，运用经济的、法律的以及必要的行政手段，加强调控和引导，保持固定资产合理的分配和增长。建议以下几方面的措施：第一、投资主体多元化，形成一个有竞争的投资主体机制；第二、要拓宽融资渠道，不仅仅是间接融资，还要广泛吸引民间投资，减少政府投资；第三、公共投资机制的改革，引入非政府主体，参与公共物品的建设中。所以要把握“四万亿”投资的机会合理的调整固定资产投资的结构和规模。尤其是要合理分配省区内部不同的部门和地区，做到有的放矢，让每一元固定资产投资都创造更多的经济发展效果。当然我们不是只强调总量上的，本质上是对结构性的要求，目的是保持可持续发展。4.2结束语尽管固定资产投资主要构成GDP，但是只用以固定资产投资、GDP两个指标来分析判断双向影响关系，始终不够科学。毕竟经济增长和固定资产投资是一个复杂的影响变化过程。因为即使是变量的预期水平或者长期均衡水平也会起到影响作用。同时在进行原始的OLS估计时尽管模型不存在，异方差但是其White检验的调整R2系数（1.7276）和P值（0.4216）非常接近临界值。不排除数据准确的情况下存在异方差的可能性。文章的研究方法主要是参考前人的，尽管非常成熟，但是同时也缺少新奇。所以在原基础之上，我们就尽可能的总结最合理的、全面的计量结果，以抵消方法论的不足。此外如何计算固定资产投资价格指数，得到更加准确的数据。以免造成分析结果的不合理性。其次对于政策因素的影响如何确定本文没有进行深入研究。谢辞在本科毕业论文完成之际，同时也意味着将要离开我亲爱的母校。完成学业开心之余有充满无限的感慨。毕竟四年的大学生活让我依依不舍。在此感谢四年来曾指导和帮助过我的所有师长，他们给我关怀时刻敦促我成为社会的有用之才。没有他们日复一日的辛勤付出，我亦无法顺利完成学业；学习不到有用的知识；也亦无法写出一篇合格的毕业论文。在本文的写作过程中，不管从开题报告到论文初稿还是到定稿；还是从文章思路到行文措辞，自始至终都得到了我的导师陈宝兰老师的热情关怀和悉心指导，给予了极大的关注，解答了许多疑问，提出了许多建设性的修改意见。陈老师严谨求实的治学态度、孜孜不倦的育人原则、宽宏豁达的处世风格、平易近人的长者风范，我都将铭记在心。四年的学习和生活中，除了师长的谆谆教诲，我还得到了经济系各位老师指导和关怀。在此对他们给予我的大力支持和帮助致以诚挚的谢意。另外，我还要感谢各位同学给我的帮助和支持，在与大家的交流学习中，我学到了许多知识，生活上我们相互帮助共同进退，是你们在我困难困惑的时候给我鼓励和安慰。使我的大学生活、学习丰富而充实。在此，道一句，我敬爱的师长，我亲爱的兄弟姐妹。我对你们表示衷心的感谢。祝你们工作顺利，学业有成。纪超(20055309)2009-06-12[参考文献][1]世界银行.世界银行将中国2009年GDP增长率预测下调至6.5%./News/View-33104.html.2009-3-19.[2]付敬.联合国预测中国2009年悲观情景下GDP增长率为7%./20090116/n261784912.shtml.2009-01-16.[3]赵慧卿.投资与经济增长——谁是推动力[J].统计与信息论坛，2004年，第19卷第1期:P89-91.[4]Delong，J.B.andsummers，L.H.EquipmentinvestmentandeconomicGrowth[J].QuarterlyJournalofEconomics，1992:P445—502.[5]Podrecca.EandCarmeci.G.Fixedinvestmentandeconomicgrowth:newresultsoncausality[J].AppliedEconomica，2001，(33):P177—182.[6]郭国峰和刘孟晖.固定资产投资与经济增长关系研究：来自平行数据的证据[J].统计研究，2006年，第12期：P72-73.[7]熊丽芳.安徽省固定资产投资与经济增长关系实证分析[J].安徽理工大学学报(社会科学版)，2007年，第9卷第2期:P10-13.[8]王伏虎.固定资产投资与国内生产总值误差修正模型研究[J].江苏大学学报(社会科学版).2005年，第7卷第6期:P85-89.[9]刘金全和于惠春.我国固定资产投资与经济增长之间影响关系的实证分析[J].统计研究，2002年，第1期:P26-29.[10]郝洁.武汉市固定资产投资与经济增长关系的实证分析[J].长江大学学报(社会科学版).2006年12月，第29卷第6期:P86-89.[11]高丽.外商直接投资、固定资产投资与经济增长对中国的实证分析[J].世界经济情况，2005年，第15期:P15-19.[12]达摩达尔·N.古扎拉蒂(美).计量经济学[M].北京:人民大学出版社.2001年.[13]Dickey，D.A.andFuller，W.A.Distributionoftheestimatorsforautoregressivetimeserieswithaunitroot[J].JournaloftheAmericanStatisticalAssociation，1979，(74):P427-431.[14]BoxandJenkins.时间序列分析:预测与控制[M].北京：中国统计出版社.1997年.[15]Granger.C.W.J.andWeiss，A.A.TimeseriesanalysisofError-correctionmodels，StudiesinEconometrics，TimeSeriesandMultivariateStatistics[M].NewYork:AcademicPress.1983:P255-278.[16]王小鲁和樊纲.我国经济增长的可持续性——跨世纪的回顾与展望[M].北京：经济科学出版社.2000年:P45.[17]龙莹.我国固定资产投资与国内生产总值关系的协整分析[J].统计与决策，2005年，第三期:P71-72[18]潘朝顺和程昆.2003年诺贝尔经济学奖获得者格兰杰和恩格尔的学术贡献[J].数量经济学研究，2004年，第2期:P154-158.[19]Mills.T.C.TheEconometricModellingofFinancialTimeSeries，secondedition[M].Cambridge:CambridgeUniversityPress.1999.[20]Granger.C.W.J.Investigatingcausalrelationsbyeconometricmodelsandcrossspectralmethods[J].Econometrica，1969，37:P24—36.[21]F.KydlandandE.Prescott.Timetobuildandaggregatefluctuations[J].Econometrica，1982.[22]孔庆洋和余妙志.中国各地区工业资本存量的估算[J].经济问题探索，2008年，第4期:P6-1