发布时间 : 星期二 文章计量经济学期末课程论文范文更新完毕开始阅读
中国经济增长影响因素实证分析
摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。本文采用经济增长模型和多元线性回归分析方法对1980～2010年中国经济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。 关键词：消费、投资、经济增长、劳动力，实证分析
一、文献综述
（一）经济增长理论
经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。
古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 （二）影响因素的分析
从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有全世界近1/4 的人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主导因素。
经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。
二、数据收集与模型的建立 （一）数据收集
表2.1 中国经济增长影响因素模型时间序列表 年份 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 国内生产总值（现价） 4545.6 4891.6 5323.4 5962.7 7208.1 9016 10275.2 12058.6 15042.8 16992.3 18667.8 年末从业人员数 42361 43725 45295 46436 48197 49873 51282 52783 54334 55329 64749 全社会固定资产投资总额 910.9 961 1230.4 1430.1 1832.9 2543.2 3120.6 3791.7 4753.8 4410.4 4517 居民消费价格指数（上年=100） 107.5 102.5 102 102 102.7 109.3 106.5 107.3 118.8 118 103.1 1
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 21781.5 26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340903 65491 66152 66808 67455 68065 68950 69820 70637 71394 72085 73025 73740 74432 75200 75825 76400 76990 77480 77995 5594.5 8080.1 13072.3 17042.1 20019.3 22913.5 24941.1 28406.2 29854.7 32917.7 37213.5 43499.9 55566.6 70477.4 88773.6 109998.2 137323.9 172828.4 224598.8 103.4 106.4 114.7 124.1 117.1 108.3 102.8 99.2 98.6 100.4 100.7 99.2 101.2 103.9 101.8 101.5 104.8 105.9 99.3 资料来源：中经网统计数据库。 （二）模型设计
为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（y）作为对经济发展的衡量，代表经济发展；用总就业人员数（x1）衡量劳动力；用固定资产投资总额(x2)衡量资本投入：用价格指数（x3）去代表消费需求。运用这些数据进行回归分析。
采用的模型如下：
y= β1+β2x1+β3x2+β4x3+ui
其中，y代表国内生产总值，x1代表社会就业人数，x2代表固定资产投资，x3代表消费价格指数，ui代表随机扰动项。我们通过对该模型的回归分析，得出各个变量与我国经济增长的变动关系。
三、模型估计和检验 （一）模型初始估计
表3.1 模型初始估计结果
Dependent Variable: Y Method: Least Squares Date: 06/07/11 Time: 16:33 Sample(adjusted): 1980 2009 Included observations: 30 after adjusting endpoints Variable C X1
Coefficient -16197.47 1.683972 Std. Error 0.256065 t-Statistic 6.576336 Prob. 0.6996 0.0000 2
41510.11 -0.390205
X2 1.420445 0.054886 25.87979 0.0000 X3 -580.7369 355.4395 -1.633856 0.1143 R-squared 0.985665 Mean dependent 85805.26 var Adjusted R-squared 0.984011 S.D. dependent var 95097.07 S.E. of regression 12024.95 Akaike info criterion 21.75092 Sum squared resid 3.76E+09 Schwarz criterion 21.93775 Log likelihood -322.2638 F-statistic 595.9008 Durbin-Watson stat 0.968679 Prob(F-statistic) 0.000000
（二）多重共线性检验
表3.2 相关系数矩阵
X1 X2 X3 X1 1.000000 0.665094 -0.219318 X2 0.665094 1.000000 -0.291137 X3 -0.219318 -0.291137 1.000000 根据多重共线性检验，解释变量之间存在着线性相关。
通过采用剔除变量法，多重共线性的修正结果如下：剔除X3。.
表3.3 修正多重共线性后的模型 Dependent Variable: Y Method: Least Squares Date: 06/07/11 Time: 16:40 Sample(adjusted): 1980 2009 Included observations: 30 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C -79282.79 15704.05 -5.048555 0.0000 X1 1.699013 0.263693 6.443158 0.0000 X2 1.438325 0.055422 25.95222 0.0000 R-squared 0.984193 Mean dependent var 85805.26 Adjusted R-squared 0.983022 S.D. dependent var 95097.07 S.E. of regression 12391.14 Akaike info criterion 21.78199 Sum squared resid 4.15E+09 Schwarz criterion 21.92211 Log likelihood -323.7299 F-statistic 840.5434 Durbin-Watson stat 0.689221 Prob(F-statistic) 0.000000 （三）异方差检验
表3.4 ARCH检验 ARCH Test: F-statistic 5.690752 Probability 0.024334 Obs*R-squared 5.048272 Probability 0.024651 Test Equation: Dependent Variable: RESID^2 Method: Least Squares
3
Date: 06/07/11 Time: 16:44 Sample(adjusted): 1981 2009 Included observations: 29 after adjusting endpoints Variable C RESID^2(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 0.899098 Std. Error 0.376897 t-Statistic 0.881729 2.385530 Prob. 0.3857 0.0243 1.39E+08 49385817 56010198 0.174078 Mean dependent var 0.143489 S.D. dependent var 2.41E+08 2.23E+08 Akaike info criterion 41.35408 1.35E+18 Schwarz criterion -597.6342 F-statistic 1.336249 Prob(F-statistic) 41.44838 5.690752 0.024334 从上表可以得到数据：(n-p)R2=5.048272,查表得χ2（p）=5.9915, (n-p)R2=5.048272<χ2（p）=5.9915,则接受原假设，不存在异方差。 （四）序列相关检验
已知：DW=0.689221，查表得dL=1.270，dU=1.563。由此可知，存在相关性。 修正如下：
表3.5 修正序列相关后的模型
Dependent Variable: Y Method: Least Squares Date: 06/07/11 Time: 17:00 Sample(adjusted): 1981 2009 Included observations: 29 after adjusting endpoints Failure to improve SSR after 18 iterations Variable C X1 X2 AR(1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Inverted AR Roots Coefficient 21524.05 0.612694 0.999545 1.000019 Std. Error 1.27E+09 1.051958 0.309752 0.111190 t-Statistic 1.70E-05 0.582432 3.226923 8.993770 Prob. 1.0000 0.5655 0.0035 0.0000 88607.31 95511.65 21.08893 21.27752 1137.613 0.000000 0.992728 Mean dependent var 0.991855 S.D. dependent var 8619.708 Akaike info criterion 1.86E+09 Schwarz criterion -301.7895 F-statistic 0.989263 Prob(F-statistic) 1.00 Estimated AR process is nonstationary 修正后的DW=0.9892。进行自相关检验，Q统计量的下图。 4