对我国GDP影响因素的分析

对我国GDP影响因素的分析

摘要：运用1987-2012年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据，先对GDP进行绘制相关图，单位根检验，在建立了古典线性回归模型，通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。通过这一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1987-2012年间我国经济增长的情况。由此来分析所选取的这四个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题，从而找出相应的对策。

【关键词】：GDP 恩格尔系数 影响因素 回归分析 一、 引言

许多专家学者指出，我国目前的经济形势是上世纪90年代中期以来最好的。由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。尤其从1985年我国开始正式统计GDP后，它就越来越受到人们的关注。GDP的核算中有许多因素在起着作用，为此，本文对国内生产总值GDP的影响因素作计量模型的实证分析，以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出自己的看法。

二、建模分析

1、数据收集整理

从《中国统计年鉴》得到我国1987-2012年国内生产总值GDP、我国城镇、农村人

1

均收入，恩格尔系数以及就业人数的统计数据，图1所示。

数据收集（数据来自《中国统计年鉴》中国国家统计局网站http://www.stats.gov.cn/）：数据基于全国范围内各年年末的数据统计，样本数据如图1：

图1

数据汇总整理，其中：gdp：国内生产总值，tc：城镇居民人均收入， cc：农村居民人均收入， te：城镇居民恩格尔系数， ce：农村居民恩格尔系数，tw：城镇居民就业人数，cw：农村居民就业人数。数据汇总整理如图2所示：

2

图2（变量数

据）

2、对GDP影响因素的分析过程

利用Eviews6.0和我国1987-2012年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据建立古典线性回归模型，通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。

（1） 绘变量变化折线图

3

图3（序列折线图）

（2） GDP相关图

4

图4（GDP序列相关图）

图4相关图用于显示序列GDP与其滞后序列之间的相关关系。Autocorrelation 部分是相关图， Partial Correlation部分是偏相关图，自然序数列表示的是滞后期期数，AC 是估计的自相关系数值， PAC 是估计的偏相关系数值，Q-Stat表示的是Q统计量的值，Prob是Q统计量的伴随概率。P值大于检验水平，则表示序列是非自相关的。可以看出次输入结果中，P值均小于0.05，表明在0.05的检验水平下，此序列存在自相关。

3 单位根检验

5

图5（GDP序列ADF单位根检验结果）

单位根检验用于检查时间序列的平稳性。图5中的是GDP序列进行ADF方法下的单位根检验。可以看到检验的伴随概率为接近于1，远远大于检验水平0.05，所以接受原假设H0认为：如果检验式设定正确则该GDP序列存在单位根。此时GDP为随机游走，是不稳定的。

6

T-staistic栏的值与下面的1%、5%、10%水平的绝对值分别比较，在1%、5%、10%水平下的绝对值分别为3.752946、2.998064、2.638752均大于了T的值2.646407，则表示应当接受原假设，即原序列具有单位根，是非平稳序列。而prob栏，显示的信息是接受原假设的把握程度或是拒绝原假设犯错的概率，此处，是1，表示有100%的把握接受原假设，即原序列具有单位根，是非平稳的。

3 OLS模型回归

图6（OLS估计1）

回归结果分析：通过图6表可以看出，模型回归方程形式为:

GDPC1CE2CC3CW4TE5TC6TW

7

模型回归结果为：

GDP905.1684213.8243CE6.741342CC1.128714CW131.7737TE11.44486TC2.604307TW

从系数的显著性来看，prob.值除常数项C和TE外，其它都小于5%的显著性水平，说明模型回归的系数非常显著;从模型整体的显著性来看，F值为11091.40，相应的概率值prob.为0.000，可以拒绝模型整体解释变量系数为零的原假设，说明模型的整体拟合情况好；从模型整体的拟合度来看R方和调整R方都在99%以上，说明该模型整体上拟合的非常好；从模型拟合的残差序列相关性来看，D-W值为2.613250，显然严重大于序列无自相关的标准值2，判断回归残差序列存在自相关。一次最小估计统计量仍然是线性和无偏的，但却不是有效的。

由图6所示回归结果可知：最优拟合优度R为0.999730，所以数据的拟合优度较好。

2但是CE、CC、CW、TW和TC的P值均小于0.05，其中，TE的prob.值大于0.05，最不为显著，此时，在0.05的显著性水平下，不能拒绝TE为0的零假设。

因此，去掉TE后重新进行OLS回归，回归结果如图7：

8

图7（OLS估计2）

由图7回归结果可知：CE的P值仍大于0.05，不能拒绝CE为0的零假设，因此把CE从原模型中剔除，再次对剩下的变量进行OLS回归，回归结果如图8：

9

图8（OLS估计3）

由图8回归结果可知：数据的拟合优度值均大于0.99，数据能较好拟合，且模型中的变量都是显著的。由此可以得出多元线性回归方程为：

GDP7070.2775.465362CC0.927870CW12.71952TC1.914610TW三 模型检验

1 多元线性回归模型的统计检验

对于模型：

GDP7070.2775.465362CC0.927870CW12.71952TC1.914610TW

10

2从图8可以知道可决系数R0.999655,调整可决系数R0999590,都接近于1，所以模型的拟合优度好。方程总体线性的显著性检验统计量F=15226.58，概率prob.=0.000小于显著水平0.05，表明模型的线性关系在99%的置信水平下显著成立。变量的显著性检验T统计量分别为3.041807、-8.16457、14.88489、5.629989，其对应概率为0.0062、0.0000、0.0000、0.0000皆小于显著水平0.05，说明每个解释变量对被解释变量的影响2显著。

2 怀特异方差检验

对上述的回归模型进行怀特异方差检验，检验结果如图9：

11

图9(怀特异方差检验)

从图9中，F-statistic是辅助方程整体显著性的F统计量；Obs*R-squared是怀特检验的统计量NR2,通过比较Obs*R-squared的概率值和显著性水平，可以对方程是否存在异方差进行判断。在图9中所示怀特检验结果中Obs*R-squared的概率值大于显著性水平0.05，则不能拒绝原假设，方程不存在异方差。

3 对变量GDP TC CC TW CW进行单位根检验

图10（多变量的单位根检验）

由图10知对变量GDP TC CC TW CW进行单位根检验，检验结果，各检验伴随概率都大于检验水平0.05，则接受原假设H0，即存在单位根，序列组为随机游走，是不稳定的。

12

4 Johansen协整检验

对于非平稳时间序列可以进一步进行协整分析，传统的方法是EG两步法。但是EG两步法最多只能判断多个变量存在的一个协整关系，对于多个变量协整分析最为常见的是Johansen协整检验方法。

图11（Johansen协整检验结果）

图11中显示的是迹统计量和最大特征根统计量的检验结果，这两个统计量在Johansen

13

协整检验用于判断变量之间的协整关系的个数。Johansen协整检验是按照协整关系的个数从0到K-1顺序进行的，直到拒绝相应的原假设为止。

图中迹统计量的检验判定：

原假设None表示没有协整关系，该假设下计算的迹统计量值为138.0590，大于临界值69.81889且概率P值为0.0000，小于显著性水平0.05，可以拒绝原假设，认为至少存在一个协整关系；

下一个原假设At most1表示最多有一个协整关系，该原假设下计算的迹统计量值为59.41554，大于临界值47.85613且概率P值为0.0029，小于显著性水平0.05，可以拒绝原假设，认为至少存在两个协整关系；

下一个原假设At most2表示最多有两个协整关系，该原假设下计算的迹统计量值为34.05615，大于临界值29.79.7且概率P值为0.0152，小于显著性水平0.05，可以拒绝原假设，认为至少存在三个协整关系；

下一个原假设At most3表示最多有三个协整关系，该原假设下计算的迹统计量值为11.76213，小于临界值15.49471且概率P值为0.1687，大于显著性水平0.05，可以接受原假设，认为存在三个协整关系；

检验到此结束。通过迹统计量可以判断城镇居民人均收入（TC）、农村居民人均收入（CC）、城镇居民就业人数（TW）、农村居民就业人数（CW）、国内生产总值（GDP）五个变量存在三个协整关系

14

同样，最大特征值的判断规则于迹统计量相同，最大特征值的检验结果与迹统计量的检验结果一致，都认为城镇居民人均收入（TC）、农村居民人均收入（CC）、城镇居民就业人数（TW）、农村居民就业人数（CW）对国内生产总值（GDP）五个变量存在三个协整关系。

图12（无约束的产权估计值结果）

图12现实的是无约束的参数估计值，即协整矢量系数和调整参数矢量系数的估计结果。由于协整矢量并不唯一，因此一般情况下Eviews都会强加一个正规化约束限制。

15

图13（对数似然值最大的协整关系式）

图13显示了对数似然值最大的协整关系式，该关系式也是VEC中的协整关系式。标准的协整关系值是指将排序第一位的变量前的系数标准化为1后计算的协整关系，该形式可以方便写出最终的协整方程式。本论述中的方程可写为：

GDP1.258911CC0.414273CW15.61021TC0.415642TW

通过该协整关系式，可以得到GDP与农村居民就业人数（CW）是正相关的长期均衡关系：农村居民就业人数（CW）每上升1%，GDP就会上升41.4273%；而GDP与城镇居民人均收入（TC）、农村居民人均收入（CC）和城镇居民就业人数（TW）都是负相关的长期均衡。

16

图14（续图13）

图15（续图14）

17

图16（续图15）

残差检验

1）残差自相关Q检验

5 （ 18

图17（残差拟合表）

图18（残差自相关的Q检验）

19

从图18中可以看到一直滞后到12阶，Q统计量的P值在滞后1至12阶的概率都大于0.05，所以不可以拒绝原假设，认为模型回归的残差序列不存在自相关。从稳健性考虑，需要进行LM检验。

（2）残差自相关LM检验

图19（残差自相关LM检验）

从图19可以看到，该检验的F值为1.847228，其F的概率P值为0.1849大于显著水平0.05，则不能拒绝原假设，认为模型回归序列不存在自相关。

（3）残差正态性检验

20

图20（残差正态性检验）

从图20，Histogram-Normality Test 即怀特异方差检验，主要用于对残差进行正态性检验。JB统计量（Jarque-Bera） =0.003148，其概率probability=0.998427，表明在99%以上的置信水平下，接受原假设H0：序列服从正态分布。即JB统计量计算的概率值P大于了显著水平0.05，此时就不能拒绝原假设H0，认为残差分布服从于正态分布。Skewness偏度为-0.001724<0，所以模型回归的残差序列分布是不对称的，为左偏分布形态。Kurtosis峰度为1.681<3，模型回归的残差序列分布呈厚尾状态。

（4）残差异方差检验

21

图21（残差异方差检验）

在图21中，Heteroskedasticity，即怀特异方差检验，主要用于检验残差序列是否存在异方差，F-statistic是辅助方程整体显著性的F统计量；Obs*R-squared是怀特检验的统计量NR2，通过比较Obs*R-squared的概率值0.0941和显著性水平0.05，明显大于常规检验的检验水平0.05，因此接受怀特检验原假设，认为原方程的的残差序列不存在异方差。

6 Chow稳定性检验

Chow稳定性检验包括Chow突变点检验和Chow预测检验两种。基本思想都是见数据分成两个集合，通过检验整体估计于分组估计的差异，或者通过检验预测值于观测值的差异，从而判断模型的稳定性。若两个集合差异较大或预测值于观测值差异较大，则说明模型不具备稳定性特点。

22

（1） Chow突变点检验

根据回归模型：

GDP7070.2775.465362CC0.927870CW12.71952TC1.914610TW

用以研究城镇居民人均收入（TC）、农村居民人均收入（CC）、城镇居民就业人数（TW）、农村居民就业人数（CW）对国内生产总值（GDP）影响。我国2001年正式加入WTO世界组织为我国参与国际贸易和国际分工提供了便利条件，因此较为可能对我国的城镇居民人均收入（TC）、农村居民人均收入（CC）、城镇居民就业人数（TW）、农村居民就业人数（CW）产生影响，所以在分析估计模型时，需要通过chow稳定性检验，检验加入WTO世界贸易组织前后模型是否发生了稳定性变化。

图22（Chow突变点检验）

从图22可以看到F-statistic =1.588619 ，其伴随概率Prob. F(5,16)= 0.2196；Log likelihood ratio=10.48037，其伴随概率Prob. Chi-Square(5)= 0.0627；Wald Statistic =7.943097，伴随概率Prob. Chi-Square(5)= 0.1594。F-statistic =1.588619 的伴随概率Prob. F(5,16)= 0.2196，大于显著水平0.05，接受原假设H0，即两个子样本回归

23

系数无显著变化。认为2001年假加入WTO世界贸易组织前后模型没有发生显著变化。

（2） Chow 预测检验

图23（Chow预测检验）

由图23，可以看到统计量的伴随概率都很小，因此拒绝原假设，认为2001年加入WTO世界贸易组织前后模型发生了显著性变化。

四 模型解释：

通过回归模型：

24

GDP7070.2775.465362CC0.927870CW12.71952TC1.914610TW

这一模型我们可以发现，其中城镇、农村居民的恩格尔系数在模型修正中被剔除。城镇居民的人均收入（TC）也对GDP有着重要影响，城镇居民收入每上升一个单位，GDP增长将会上升12.71952个单位。而农村居民的就业人数(CW)对GDP却起着负作用，农村就业人数（CW）每增加一个单位，GDP将下降0.927870个单位。针对农村就业人数对GDP存在的负面影响，我们也许会觉得这与我们的逻辑思维有些背离，当然这不排除我们在对数据收集以及对方程的设立上存在一些误差，或是农村就业人数增加的情况下，GDP会由于其他的一些因素而减小。

农村居民人均收入（CC）、城镇居民就业人数（TW）对GDP有着正相关影响。农村居民人均收入（CC）上升一个单位，GDP就上升5.465362单位；城镇居民就业人数（TW）每上升1个单位，GDP就上升1.914610单位。

五 解决方案

通过对所建模型的分析我们可以对如何提高我国GDP给出自己的见解与解决方案。

自从我国1978年改革开放以来，随着我国社会主义市场经济体制的不断发展和深入，我国的经济得到了前所未有的、飞速的发展，但是，也带来了严重的发展问题。贫富差距拉大，需求失衡就是当前两个特别受关注，讨论激烈的问题。

观察上述计量经济模型参数估计结果，得知，城镇居民的人均收入（TC）比农村居民人均收入（CC）对GDP的影响要大，而农村居民的就业人数(CW)对GDP却起着负作用，而城镇居民就业人数（TW）对GDP却正相关，针对农村就业人数（CW）对GDP存在的

25

负面影响，我们也许会觉得这与我们的逻辑思维有些背离，当然这不排除我们在对数据收集以及对方程的设立上存在一些误差，或是农村就业人数增加的情况下，GDP会由于其他的一些因素而减小。

因此，我对我国政府今后的政策导向提出一些有意义的建议：

第一，采取适当政策措施，提高我国人民收入水平，特别是农民的收入水平。扩大就业是提高人民收入水平的唯一方法。统筹城乡就业，加大对农村基础设施的投入力度，大力发展县域经济，加强小城镇建设，引导农村劳动力外出和就地就近转移就业。调整我国的户籍制度，放宽对农民工的户口限制，增加待遇，减少对农民工的不合理的、歧视性的收费，大力发展实体产业和服务业。从计量经济模型参数估计的结果看出，居民消费对经济发展的贡献远远大于投资，因此提供我国人民的收入水平，消费也随之增加，会持续地促进我国经济的发展。

第二，采取合理措施，打压通货膨胀。尽管经济的增长一定带动通货膨胀，但是，在我国当前社会背景下，通货膨胀给人民的生活造成了恶劣影响。因此，要合理抑制通货膨胀。

第三，我国政府要采取特别有力的措施，缩小贫富差距。逐步取消我国的户籍制度，使农民与城镇居民享有平等的待遇，使农民工可以融入城市。提高所得税征收门槛，抑制高收入阶层的收入增长，增加对低收入阶层的转移支付，特别是增加农民的转移支付。颁布适当政策扶持低收入阶层增加就业或创业。

参考文献

26

[1] 概率论与数列统计教程（第二版）.茂诗松. .上海科大出版社.1994

[2] 西方经济学（宏观部分）（第五版）.高鸿业.中国人民大学出版社.2010.

[3] 数学建模方法及其应用（第二版）（数学建模培训教材）.韩中庚.高等教育出版社.2009. [4] 数据分析与EViews应用. 易丹辉.中国统计出版社.2002.

[5] 统计预测原理.杨曾武.北京中国人民出版社.1990.

[6] eviews统计分析与应用（修订版）.李嫣怡.电子工业出版社.2013.

[7] 金融计量学 （第二版）.邹平.上海财经大学出版社

[7] 中国国家统计局网站http://www.stats.gov.cn/tjsj/ndsj/

27