我国国内生产总值(GDP)影响因素的回归分析

我国国内生产总值（GDP）影响因素的实证

分析

摘要：

本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。

关键词：

GDP 影响因素实证分析Eviews

一、问题提出：

国内生产总值（GDP）是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。国民经济，作为一个复杂的综合体，它的影响因素一直是人们探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。

二、样本数据选取及模型设定：

回归模型设立如下：

Y=β0+β1X1 +β2X2+β3X3+β4 X4 +β5X5+β6X6+U

Y--------国内生产总值GDP

X1-----能源消费

X2-----就业人数

X3-----居民消费水平

X4-----社会消费品零售总额

X5-----进出口贸易总额

X6-----外商直接投资（FDI）

U------随机扰动项

β1、β2、β3、β4、β5、β6为待估参数。

变量采用时间序列数据，具体数据(现价计算)见表一：

表1：

（数据来源于中国统计年鉴。）

三、参数的初步估计与检验

将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：表2：

?=-13277.72+0.052743X1＋0.133846X2＋18.57620X3＋0.377243X4＋0.169706X5＋0.002222X6

=2

R 0.999741， =2

R 0.999539， F=4955.607

从回归结果看，可决系数很高，F 值很大，但在显著性水平05.0=α下，很多项的回归系数都不显著，因此回归方程不能投入使用；该模型很可能存在多重共线性。2

R 和F 值大反映了模型中各解释变量联合对Y 的影响力显著，而t 值小于临界值恰好反映了由于解释变量共线性的作用，使得不能分解出各个解释变量对Y 独立影响。 1.模型检验： (1)经济意义检验

由回归估计结果可以看出，能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及FDI 与GDP 线性正相关，这与现实中GDP 随能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及FDI 的增加而增长是相符的。 (2)统计推断检验

从估计的结果可以看出，可决系数R 2=0.999741，F 统计量=4955.607，表明模型在整体上拟合地比较理想。系数显著性检验：给定α=0.05，X3、X6的t 的P 值小于给定的显著性水平，表明居民消费水平、FDI 对GDP 有显著性影响。

2.计量经济学检验

(1)多重共线性的检验

用Eviews计算解释变量之间的简单相关系数：

表3：

模型修正:

运用OLS方法逐一求Y对各个解释变量的回归，结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。过程如下：

表4：

表5：

表6：

表7：

表8：

表9：

从以上一系列表的回归结果中看出，仅表六中X3与Y的拟合优度最大，达到0.999351，接近于1，所以只保留X3变量。

(2)异方差检验

e^2和x3散点图：

由图可见，可能存在异方差。

Goldfield－Quanadt检验：

样本容量n＝17，删除中间1/4的观测值，大约4个观测值，余下不奉分为两个样本区间：1985～1990，1996～2001样本数均为6个，即n1＝n2＝6。OLS 方法求得一下结果：

表10：

Dependent Variable: Y

Method: Least Squares

Date: 06/18/12 Time: 14:12

Sample: 1985 1990

Included observations: 6

Variable Coefficient Std. Error t-Statistic Prob.

X3 23.70406 1.712135 13.84473 0.0002

C -605.0784 1054.857 -0.573612 0.5969

R-squared 0.979558 Mean dependent var 13585.75

Adjusted R-squared 0.974448 S.D. dependent var 3818.663

S.E. of regression 610.4173 Akaike info criterion 15.92736

Sum squared resid 1490437. Schwarz criterion 15.85795

Log likelihood -45.78209 F-statistic 191.6766

Durbin-Watson stat 1.749082 Prob(F-statistic) 0.000158

表11：

Dependent Variable: Y

Method: Least Squares

Date: 06/18/12 Time: 14:16

Sample: 1996 2001

Included observations: 6

求F统计量的值：

基于两个残差平方和的值，∑e1^2=1490437，∑e2^2=1258396

F＝∑e2^2/∑e1^2=0.843134463248

判断：在α=0.05下，自由度均为4，查F0.05（4,4）＝6.39>F所以不存在异方差。

(3)自相关检验：

根据上表估计的结果，DW=1.345961，对样本量为17、一个解释变量的模型、1%的显著水平下，查DW统计表可知，dl=0.874，du=1.102，模型中2>DW>du，显然模型中不存在自相关。

四、经济意义分析及模型评价

1.结论：

（1）从模型可以看出居民消费水平是影响GDP水平的最显著因素。

（2）根据先验信息，能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资（FDI）都与GDP存在正相关关系，而我们从模型得到的结果看，仅居民消费水平对GDP的影响显著，而其他在理论上与GDP联系密切的因素再次均为显现出对GDP很强的解释力，这就表明目前我国经济体制还有待完善。

因而我国产业结构还需进一步调整，经济的可持续发展能力还需进一步提高。

2.存在的问题：

(1)在模型预测时，由于样本选取的是小样本，数据也不完全，年代也较早，难免会造成模型的精度不高，对被解释变量的解释能力被削弱等情况。

(2)另外由于自身认识水平的不足，在建立模型的过程中可能忽略了一些影

响因素，使模型本身具有一些固有的缺陷，也会影响本文的分析结论。

参考文献：

[1] 庞皓，李南成.《计量经济学》.西南财经大学出版社.

[2] 高鸿业.《西方经济学》.中国人民大学出版社.

[3]《中国统计年鉴》.

多元线性回归模型的案例分析

1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ，鸡肉价格P 1，猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 （1） 求出该地区关于家庭鸡肉消费需求的如下模型： 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ （2） 请分析，鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析，过程如下： 输出结果如下：

国内生产总值的影响因素

国内生产总值的影响因素 ——以福建省为例以下数据均来自福建省统计年鉴：

一：提出问题 宏观经济学的核心问题之一是经济增长，在经济日益发展的今天，国内生产总值已经成为一个最重要的衡量经济发展的指标之一。随着改革开放以来，福建省与中国的经济实现了同步增长，取得了巨大的成就，理解福建省经济发展的原因显得至关重要。同时对GDP在福建省的深度解读将有利于福建省更好更快的发展，以期对实现福建省跨越式发展提供对策。 二．理论分析： 哪些因素对福建省的国民生产总值有较大的影响 三.建立模型： 运用统计学以及计量经济学的方法，利用1990至2012年的统计数据，对福建省GDP的增长因素进行实证分析，并以固定资产投资总额TZ、财政收入CZ、出口总额CK、工业总产值GY为解释变量建立影响GDP的多元回归模型，以阐明影响福建省GDP 的主要因素。从而对福建省GDP增长因素进行了实证分析。四：数据处理过程： （一.）多元线性回归分析利用EViews估计模型的参数

（图1） 如图所示分析结果可以看出： 1.可绝系数高，修正的可决系数也高，表明模型拟合较好。 2.F值为896.4256。K=4 n=23 n-K-1=18

取α=0.05 Fα(4，18)=2.93 所以通过了F检验。说明所选取的这些变量都对福建省的国内生产总值有显著性影响。 3.T检验分析：T0.025（18）=2.1009 由得出数据可以知道：在百分之五的显著性水平下，财政支出和固定资产投资对国内生产总值分别有显著影响。 4.P值的分析：由图中的结果可以看出来只有CK的P值较大未通过检验需要进行修正，其它的变量都通过了检验。 5.经济意义： GDP=1871.799-0.000105CZ(财政收入)-0.000162CK（出口总额）--0.002550GY（工业生产总值）+0.000283 TZ（固定资产投资额）说明财政收入每减少0.000105个单位，GDP增加一个单位。出口总额每减少0.000162个单位，GDP增加一个单位.工业生产总值每减少0.002550个单位，GDP增加一个单位。固定资产投资每增加0.000283个单位，GDP增加一个单位。 二.异方差性处理与分析： 图形法：如下图分别作出四个解释变量和E2间的散点图 （1）CK （2）CZ

多元线性回归分析预测法

多元线性回归分析预测法 (重定向自多元线性回归预测法) 多元线性回归分析预测法（Multi factor line regression method，多元线性回归分析法） [编辑] 多元线性回归分析预测法概述 在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 [编辑] 多元线性回归的计算模型[1] 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释

因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。 设y为因变量，为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为： 其中，b0为常数项，为回归系数，b1为固定时，x1每增加一 个单位对y的效应，即x1对y的偏回归系数；同理b2为固定时，x2每增加一个单位对y的效应，即，x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： 其中，b0为常数项，为回归系数，b1为固定时，x2每增加一 个单位对y的效应，即x2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b0 + b1x1 + b2x2 + e 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自变量的选择，其准则是： (1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因变量之因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和()为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b0,b1,b2的数值。亦可用下列矩阵法求得

对中国国内生产总值影响因素的实证分析

对中国国内生产总值影响因素的实证分析 ——计量经济学Eviews 目录 引言 (3) 一、经济背景 (3) 二、结合经济背景，建立计量经济学模型 (3) （一）关于数据 (3) （二）关于模型 (4) ①建立模型 (4) ②回归模型参数估计 (4) （三）建模检验 (6) （1）统计推断检验 (6) （2）计量经济学意义检验 (6) ①多重共线性检验 (6) ②异方差检验（White检验） (8) ③自相关的检验及修正（DW检验） (9) 三、总结及对建模进行经济意义解释 (11) ①回归方程的经济意义 (11) ②总结 (11)

对中国国内生产总值影响因素的实证分析引言： 国内生产总值(Gross Domestic Product,简称GDP)国内生产总值是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。 一、经济背景 从1995年到2009年，中国加入WTO以后，在新的国际环境下，经济和居民收入保持在快速增长的阶段。其原因是：中国加入WTO有利于更快、更好地融入国际经济社会，而且有利于维护我国的经济利益，有利于扩大进出口贸易，有利于国民生产总值的增长等。作为衡量经济发展的重要标准国民生产总值，其构成了反应经济发展的方向，政府财政支出、固定资产投资总额、居民消费、货物进出口总额等因素均可影响一个地区的生产总值。其中，政府财政支出、固定资产投资总额和货物进出口总额是中国生产总值快速增长的推动力。为检验其科学性，通过建立计量模型，运用计量分析的方法对影响中国生产总值的各因素进行相关的分析，找出其中关键的影响因素，最终通过调整该因素来提高地区的生产总值。 二、结合经济背景，建立计量经济学模型 （一）关于数据：数据来源于《中国统计年鉴2010》 国内生产总值支出构成相关数据如下： 各项目支出对国内生产总值的百分比（单位：%） 年份国内生产总值（绝对 额（亿元））年份政府财政 支出 固定资产 投资总额 货物进出 口总额 1995 60794 1995 11.2 32.9 38.7 1996 71177 1996 11.2 32.3 33.9 1997 78973 1997 11.7 32.1 34.1 1998 84402 1998 12.8 33.7 31.8 1999 89677 1999 14.7 33.3 33.3 2000 99215 2000 16.0 33.2 39.6 2001 109655 2001 17.2 33.9 38.5 2002 120333 2002 18.3 36.1 42.7 2003 135823 2003 18.1 40.9 51.9 2004 159878 2004 17.8 44.1 59.8 2005 183217 2005 18.5 48.5 63.8 2006 211924 2006 19.1 51.9 66.5 2007 257306 2007 19.3 53.4 64.8

多元回归分析案例

多元回归分析案例 计量经济学案例分析 多元回归分析案例 学院: 数理学院 班级: 数学092班 学号: 094131230 姓名: 徐冬梅 摘要:为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，用Eviews软件对相关数据进行了多元回归分析，得出了相关结论 关键词:多元回归分析 ,Evicews软件, 中国人口自然增长; 一、建立模型 为了全面反映中国“人口自然增长率”的全貌，选择人口自然增长率作为被解释变量，以反映中国人口的增长;选择“国名收入”及“人均GDP”作为经济整体增长的代表;选择“居民消费价格指数增长率”作为居民消费水平的代表。国名总收入，居民消费价格指数增长率，人均GDP作为解释变量暂不考虑文化程度及人口分布的影响。 通过对表1的数据进行分析，建立模型。其模型表达式为: (i=1，2，,3) Y,,，,X，,X，,X，ui11i22i33ii 其中Y表示人口自然增长率，X 表示国名总收入，X表示居民消费价格指12 数增长率，X表示人均GDP，根据以往经验和对调查资料的初步分析可知，Y与3

X，X，X3呈线性关系，因此建立上述三元线性总体回归模型。Xi则表示各解12 释变量对税收增长的贡献。μi表示随机误差项。通过上式，我们可以了解到，每个解释变量增长,亿元，粮食总产值会如何变化，从而进行财政收入预测。相关数据: 表1 国民总收居民消费价人口自然增人均GDP年份入(亿元)格指数增长长率(%。)Y (元)X3 X1 率(CPI)%X2 1988 15.73 15037 18.8 1366 1989 15.04 17001 18 1519 1990 14.39 18718 3.1 1644 1991 12.98 21826 3.4 1893 1992 11.6 26937 6.4 2311 1993 11.45 35260 14.7 2998 1994 11.21 48108 24.1 4044 1995 10.55 59811 17.1 5046 1996 10.42 70142 8.3 5846 1997 10.06 78061 2.8 6420 1998 9.14 83024 -0.8 6796 1999 8.18 88479 -1.4 7159 2000 7.58 98000 0.4 7858 2001 6.95 108068 0.7 8622 2002 6.45 119096 -0.8 9398 2003 6.01 135174 1.2 10542 2004 5.87 159587 3.9 12336

最新影响我国国内生产总值因素的计量分析

影响我国国内生产总值因素的计量分析

国内生产总值与外商直接投资、净出口、政府购买之间计量分析 摘要：本文选取影响我国国内生产总值的三个因素，即外商直接投资、净出口、政府购买，建立线性计量回归模型，分析它们与GDP之间的数量关系，并对模型进行检验，从而能够对我国经济发展提供一定的指导性建议。 关键词：国内生产总值；外商直接投资；净出口；这个服购买；模型；经济一、引言： GDP即国内生产总值是指在一定时期内（一个季度或一年），一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。在经济学中，常用GDP来做为衡量该国或地区的经济发展综合水平通用的指标，这也是目前各个国家和地区常采用的衡量手段。GDP是宏观经济中最受关注的经济统计数字，因此它被认为是衡量国民经济发展情况最重要的一个指标。 一般来说，国内生产总值共有四个不同的组成部分，其中包括消费、私人投资、政府支出和净出口额。用公式表示为：GDP = CA + I + CB + X 式中：CA为消费、I为私人投资、 CB为政府支出、X为净出口额。 影响GDP的因素很多。消费水平的提高能够通过乘数效应，提高极大地带动经济的增长；但消费水平与边际消费倾向和收入之间存在线性关系，由于边际消费倾向在短期内可以认为是固定的，因此，消费水平在某一时期是由收入水平即经济发展水平决定的。

因此，本文研究影响经济发展的因素时，旨在分析外商直接投资、净出口、政府支出对GDP的实证影响。 改革开放以来，外商直接投资、进出口和政府购买明显增加，与之相对应的是GDP总量也迅速得到增加。在经济发展的过程中，我国在经济贸易方面不断对外开放，同时，我国的经济的发展状态呈效好的趋势。对外贸易的适度增长和政府购买的增加是经济发展的重要影响因素之一，因为对外贸易的增长，为我国带来了大量的外汇的收入，从而促进了我国GDP的增长，促进我国经济的发展。 本文以1985-2007年国内生产总值、外商直接投资、净出口、政府支出数据为样本，利用Eviews软件进行回归分析，研究国内生产总值与外商直接投资、净出口、政府购买之间的关系，并对回归模型进行分析、检验。 二、外商直接投资、净出口、政府购买与国内生产总值的相关性分析 创建一个时间范围为1985-2007年的表格，然后创建四个序列对象，分别命名为GDP（国内生产总值）、x1（外商直接投资）、x2（净出口）、x3（政府支出）。如下图所示： 表1 我国国内生产总值、实际外商投资、净出口和政府支出情况 年份国内生产总值（亿元）外商直接投资(亿美元) 净出口（亿美元）政府支出（亿元 ） 1985 9016 19.56 -11.4 2004.25 1986 10275.2 22.44 -19 2232.1 1987 12058.6 23.14 -149 2458.3 1988 15042.8 31.94 23.1 2658.36 1989 16992.3 33.93 53.2 2879 1990 18667.8 34.87 87.4 3083.59 1991 21781.5 43.66 81.2 3386.62

多元回归分析案例解析

计量经济学案例分析 多元回归分析案例 学院：数理学院 班级：数学092班 学号： 094131230 姓名：徐冬梅

摘要：为了研究此后影响中国人口自然增长的主要原因，分析全国人口增长规律，与猜测中国未来的增长趋势，用Eviews 软件对相关数据进行了多元回归分析，得出了相关结论 关键词：多元回归分析 ,Evicews 软件, 中国人口自然增长； 一、 建立模型 为了全面反映中国“人口自然增长率”的全貌，选择人口自然增长率作为被解释变量，以反映中国人口的增长；选择“国名收入”及“人均GDP ”作为经济整体增长的代表；选择“居民消费价格指数增长率”作为居民消费水平的代表。国名总收入，居民消费价格指数增长率，人均GDP 作为解释变量暂不考虑文化程度及人口分布的影响。 通过对表1的数据进行分析，建立模型。其模型表达式为： i i i i i u X X X Y ++++=332211ββββ （i=1，2，,3） 其中Y 表示人口自然增长率，X 1 表示国名总收入，X 2表示居民消费价格指数增长率，X 3表示人均GDP ，根据以往经验和对调查资料的初步分析可知，Y 与X 1，X 2 ，X3呈线性关系，因此建立上述三元线性总体回归模型。Xi 则表示各解释变量对税收增长的贡献。μi 表示随机误差项。通过上式，我们可以了解到，每个解释变量增长１亿元，粮食总产值会如何变化，从而进行财政收入预测。 相关数据： 表1 年份 人口自然增长率（%。)Y 国民总收 入（亿元） X1 居民消费 价格指数增长率（CPI ）%X2 人均GDP （元）X3 1988 15.73 15037 18.8 1366 1989 15.04 17001 18 1519 1990 14.39 18718 3.1 1644 1991 12.98 21826 3.4 1893 1992 11.6 26937 6.4 2311 1993 11.45 35260 14.7 2998 1994 11.21 48108 24.1 4044 1995 10.55 59811 17.1 5046 1996 10.42 70142 8.3 5846 1997 10.06 78061 2.8 6420 1998 9.14 83024 -0.8 6796 1999 8.18 88479 -1.4 7159 2000 7.58 98000 0.4 7858 2001 6.95 108068 0.7 8622 2002 6.45 119096 -0.8 9398 2003 6.01 135174 1.2 10542 2004 5.87 159587 3.9 12336 2005 5.89 184089 1.8 14040 2006 5.38 213132 1.5 16024 2007 5.24 235367 1.7 17535 2008 5.45 277654 1.9 19264

我国国内生产总值(GDP)影响因素的回归分析

我国国内生产总值（GDP）影响因素的实证 分析 摘要： 本文以国民收入核算理论为基础，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额、外商直接投资（FDI）等解释变量，运用计量经济学分析的方法，分析国内生产总值与这些解释变量之间的关系。从中国的实际情况出发，在利用从1985到2001的年度时间序列数据分析的基础上，分析各因素对国内生产总值的不同程度的影响及其原因，最后得出结论、提出观点。 关键词： GDP 影响因素实证分析Eviews 一、问题提出： 国内生产总值（GDP）是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。国民经济，作为一个复杂的综合体，它的影响因素一直是人们探索和争论的热点，根据西方经济学中关于国民收入核算的经典理论，我们建立以GDP为被解释变量的线性回归模型，引入能源消费、就业人数、居民消费水平、社会消费品零售总额、进出口贸易总额以及外商直接投资等解释变量，对GDP的影响因素作实证分析，试图揭示这几个解释变量对GDP的影响程度。 二、样本数据选取及模型设定： 回归模型设立如下： Y=β0+β1X1 +β2X2+β3X3+β4 X4 +β5X5+β6X6+U Y--------国内生产总值GDP X1-----能源消费 X2-----就业人数 X3-----居民消费水平 X4-----社会消费品零售总额

X5-----进出口贸易总额 X6-----外商直接投资（FDI） U------随机扰动项 β1、β2、β3、β4、β5、β6为待估参数。 变量采用时间序列数据，具体数据(现价计算)见表一： 表1： （数据来源于中国统计年鉴。） 三、参数的初步估计与检验 将第一个模型的样本导入Eviews软件进行OLS估计，得到输出结果如下：表2：

多元回归分析SPSS

多元线性回归分析预测法 多元线性回归分析预测法（Multi factor line regression method，多元线性回归分析法） [编辑] 多元线性回归分析预测法概述 在市场的经济活动中，经常会遇到某一市场现象的发展和变化取决于几个影响因素的情况，也就是一个因变量和几个自变量有依存关系的情况。而且有时几个影响因素主次难以区分，或者有的因素虽属次要，但也不能略去其作用。例如，某一商品的销售量既与人口的增长变化有关，也与商品价格变化有关。这时采用一元回归分析预测法进行预测是难以奏效的，需要采用多元回归分析预测法。 多元回归分析预测法，是指通过对两上或两个以上的自变量与一个因变量的相关分析，建立预测模型进行预测的方法。当自变量与因变量之间存在线性关系时，称为多元线性回归分析。 [编辑] 多元线性回归的计算模型[1] 一元线性回归是一个主要影响因素作为自变量来解释因变量的变化，在现实问题研究中，因变量的变化往往受几个重要因素的影响，此时就需要用两个或两个以上的影响因素作为自变量来解释因变量的变化，这就是多元回归亦称多重回归。当多个自变量与因变量之间是线性关系时，所进行的回归分析就是多元性回归。

设y为因变量，为自变量，并且自变量与因变量之间为线性关系时，则多元线性回归模型为： 其中，b 0为常数项，为回归系数，b1为固定时，x1每增加一 个单位对y的效应，即x 1对y的偏回归系数；同理b2为固定时，x2每增加一 个单位对y的效应，即，x 2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： 其中，b 0为常数项，为回归系数，b1为固定时，x2每增加 一个单位对y的效应，即x 2对y的偏回归系数，等等。如果两个自变量x1,x2同一个因变量y呈线相关时，可用二元线性回归模型描述为： y = b 0 + b1x1 + b2x2 + e 建立多元性回归模型时，为了保证回归模型具有优良的解释能力和预测效果，应首先注意自 变量的选择，其准则是： (1)自变量对因变量必须有显著的影响，并呈密切的线性相关； (2)自变量与因变量之间的线性相关必须是真实的，而不是形式上的； (3)自变量之彰应具有一定的互斥性，即自变量之彰的相关程度不应高于自变量与因变量之 因的相关程度； (4)自变量应具有完整的统计数据，其预测值容易确定。 多元性回归模型的参数估计，同一元线性回归方程一样，也是在要求误差平方和()为最小的前提下，用最小二乘法求解参数。以二线性回归模型为例，求解回归参数的标准方程组为 解此方程可求得b 0,b1,b2的数值。亦可用下列矩阵法求得

《各地区的国内生产总值的影响因素 》 计量经济学论文(eviews分析)

计量经济学作业 各地区的国内生产总值的影响因素 班级： 姓名： 学号： 时间：

内容摘要:各地区国内生产总值受多种因素影响，根据全国31个省市的相关经济变量数据，对其进行计量分析。应用计量经济学所学知识对根据经济理论选取的影响各地区国内生产总值的各因素进行分析、检验，并对其影响程度的大小进行定量分析，进一步明确和完善相关的经济学知识。本文选取2009年的相关数据 关键词：生产总值消费性支出固定资产投资各地税收收入净出口 一、前言： 我国各地区居民的消费支出、固定资产的投资、净出口及各地区税收收入在很大程度上决定了当地的生产总值。现利用计量经济学中的知识对此进行分析，研究各影响因素的影响程度。 二、模型的选择与建立 我选择了四个解释变量对我国2008年各地区的GDP进行分析，并利用计量经济学方法对所建立模型进行定量分析。 模型的变量选择如下： Y---生产总值（亿元）X1----居民消费性支出（元）X2----固定资产投资（亿元）X3----各地税收收入（亿元）X4----各地净出口（万美元）模型的变量数据如下：

由散点图知，Y与X1、X2、x3、X4呈现性关系，所以设模型为 Y=β0+β1x1+β2x2+β3x3+β4x4+μ 三、，模型参数估计与回归结果分析 Y与X1、X2、X3、X4的回归分析结果如下： Y=1433.68-0.15X1+1.07X2+1.96X3+0.00047X4 (0.64) (-0.65) (9.38) (1.15) (4.65) R2=0.973521R- 2=0.969447 F=238.9774 D.W.=1.836524 （一）经济意义检验 从经济意义上说，各地区的生产总值Y与固定资产投资X2、各地税收收

我国国内生产总值的多元线性回归分析报告

我国国生产总值的多元线性回归分析改革开放以来，中国经济取得了令全世界震惊的巨大成就，持续25年年均增长率超过9%，经济总规模已经稳居世界第四。2010年中国经济增长率更是高达10%。因此，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。 本文运用1982—2011年国生产总值与城乡居民存款年底、财政收入、居民消费价格指数以及货物进出口总额的相关数据，建立多元线性回归模型，对我国国生产总值GDP的影响因素作计量模型的实证分析。表1为由《2012年中国统计年鉴》得到的1982-2011年的有关数据。 表11982—2011年国生产总值及相关指标数据 1983 5962.65 572.61366.95 102860.1 1984 7208.05 776.621642.86 102.71201.00 1985 9016.04 1622.60 2004.82 109.32066.70 1986 10275.18 1471.45 2122.01 106.52580.40 1987 12058.62 2067.60 2199.35 107.33084.20 1988 15042.82 2659.16 2357.24 118.83821.80 1989 16992.32 5196.40 2664.90 209.94155.9 1990 18667.82 7119.60 2937.10 216.45560.1 1991 21781.50 9244.90 3149.48 223.87225.8 1992 26923.48 11757.30 3483.37 238.19119.6 1993 35333.92 15203.50 4348.95 273.111271 1994 48197.86 21518.80 5218.10 33920381.9 1995 60793.73 29662.30 6242.20 396.923499.9 1996 71176.59 38520.80 7407.99 429.924133.8 1997 78973.03 46279.80 8651.14 441.926967.2 1998 84402.28 53407.47 9875.95 438.426849.7 1999 89677.05 59621.83 11444.08 432.229896.2 2000 99214.55 64332.38 13395.23 43439273.2 2001 109655.17 73762.43 16386.04 43742183.6

国内生产总值的实证分析

目录 Ⅰ. 摘要 (2) 关键词 (2) Ⅱ. 正 文 (2) 1. 序 言 (2) 2. 模型设 定…………………………………………………………… 3. 参数可能…………………………………………………………… 4. 检验修 正…………………………………………………………… 经济意义检验…………………………………………………… 统计意义检验……………………………………………………

计量经济学检验………………………………………………… 多重共线性检验……………………………………………… 相关系数检验……………………………………………… 逐步回归修正……………………………………………… 异方差性检验………………………………………………… 异方差检验………………………………………………… 模型修正…………………………………………………… 序列相关性检验……………………………………………… GB 检验…………………………………………………… 模型修正…………………………………………………… 模型预测检验…………………………………………………… 模型确认…………………………………………………………… 5. 模型评价……………………………………………………………… 6. 政策建议……………………………………………………………… 7. 参考文献……………………………………………………………… 我国国内生产总值的实证分析

【摘要】：本文要紧是从宏观经济的角度，对阻碍我国自1990年至2009年的国内生产总值的要紧因素进行实证分析。结合我国特定国情选取了六个阻碍我国国内生产总值的要紧因素，并对其时刻序列分析，建立多元线性模型，利用OLS方法进行参数可能并进行计量经济学模型的四大检验。经济意义检验中，发觉储蓄总额前参数不符合经济理论常识，并在后面的工作中得到了修正；计量经济学检验中，发觉初建模型具有多重共线性，采纳逐步回归法进行修正，消除了多重共线性；在异方差性检验中，发觉模型具有异方差性，采纳对数变换法进行修正，消除了异方差性；利用GB检验法发觉模型随机干扰项存在2阶序列自相关性，采纳广义差分变换法修正模型，消除了模型序列相关性；利用2010年数据，模型通过了经济预测检验，并确定了最终模型，得出结论：进出口额、职工工资总额和上期国内生产总值对国内生产总值有专门大阻碍。最后，进行了模型评价并结合模型及我国国情给出了相应的可供参考的政策建议。 【关键词】：国内生产总值进出口额职工工资总额经济意义检验计量经济学检验时刻序列多元线性回归 OLS方法逐步回归法多重共线性异方差性对数变换法 GB检验法序列自相关性广义差分变换法经济预测检验

2.多元回归分析方法及其程序实现

第二章 多元回归分析方法及其程序实现 在生产过程和科学实验中，我们经常是需要研究变量与变量间的关系。变量间的关系，总的来说可分为两种，即函数关系和相关关系。 当变量间的关系为确定性关系，即对于一个变量的每一个值都有另一个变量的一个或几个完全确定的值与它对应，我们就说变量间存在函数关系，对两个变量的函数关系可表示为，一旦变量间的函数关系建立，事物发展变化的规律就随之确定。由此可以看出，建立变量间的函数关系，研究函数关系在生产实践中就显得特别重要。 然而在许多实际问题中，由于各种关系错综复杂，要精确的建立变量间的数学表达式又特别困难，同时很多工程问题的变量之间还受到其它偶然因素的影响，使它们之间的关系具有不确定性，因此在这种情况下要建立准确的数学关系是不可能的，该如何解决这个问题呢? 回归分析方法就是在大量试验观测数据的基础上，找出这些变量之间的内部规律性，从而定量地建立一个变量和另外多个变量之间的统计关系的数学表达式。因此简单地说，回归分析就是研究一个变量与其它变量间关系的一种统计方法。 回归分析中被回归的变量称为因变量，影响变化的其它变量称为自变量。如果自变量只有一个，称为一元回归；如果自变量是两个或者以上，则称为多元回归；如果与，间的关系是线性的，则称线性回归，否则称非线性回归。 § 2.1 多元线性回归数学模型建立 §2.1.1 模型的建立 设随机变量与个自变量存在线性关系： （2.1） （2.1）式称为回归方程，其中称为回归系数。为随机变量，称为随机误差，它可理解为无法用表示的其它各种随机因素造成的误差。我们的问题是要用 来估计随机变量的均值，即 这里假定。 是与无关的待定常数。 设有组样本观测值数据 ………………………… 其中表示第次试验或第个样本关于变量的观测值，于是有 …… （2.2） 其中为个待定参数，为个相互独立的且服从同一正态分布的随机变量，（2.2）式称为多元（元）线性回归数学模型。 （2.2）式亦可写成矩阵形式，设 )(x f y =y y m x x x ,,,21 y 1x m x x ,,2 y m m x x x ,,,21 εββββ+++++=m m x x x y 22110m ββββ,,,,210 εy m x x x ,,,21 m m x x x ββββ +++22110y )(y E m m x x x y E ββββ++++= 22110)()),((~),,0(~22σσεy E N y N 210,,,,σβββm m x x x ,,,21 n 2 22221 1112 11y x x x y x x x m m n nm n n y x x x 21ij x i i j x 2 2222211021112211101εββββεββββ++++=++++=m m m m x x x y x x x y n nm nm n n n x x x y εββββ++++= 22110m ββββ,,,,210 1+m n εεε,,,21 n ),0(2σN m

我国国内生产总值的多元线性回归分析

我国国内生产总值的多元线性回归分析

我国国内生产总值的多元线性回归分析改革开放以来，中国经济取得了令全世界震惊的巨大成就，持续25年年均增长率超过9%，经济总规模已经稳居世界第四。2010年中国经济增长率更是高达10%。因此，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。 本文运用1982—2011年国内生产总值与城乡居民存款年底、财政收入、居民消费价格指数以及货物进出口总额的相关数据，建立多元线性回归模型，对我国国内生产总值GDP的影响因素作计量模型的实证分析。表1为由《2012年中国统计年鉴》得到的1982-2011年的有关数据。 表11982—2011年国内生产总值及相关指标数据 1982 5323.35 447.31212. 33 102771.3 1983 5962.65 572.61366. 95 102860.1 1984 7208.05 776.621642. 86 102.71201.00 1985 9016.04 1622.60 2004. 82 109.32066.70 1986 10275.1 8 1471.45 2122. 01 106.52580.40

1987 12058.6 2 2067.60 2199. 35 107.33084.20 1988 15042.8 2 2659.16 2357. 24 118.83821.80 1989 16992.3 2 5196.40 2664. 90 209.94155.9 1990 18667.8 2 7119.60 2937. 10 216.45560.1 1991 21781.5 9244.90 3149. 48 223.87225.8 1992 26923.4 8 11757.30 3483. 37 238.19119.6 1993 35333.9 2 15203.50 4348. 95 273.111271 1994 48197.8 6 21518.80 5218. 10 33920381.9 1995 60793.7 3 29662.30 6242. 20 396.923499.9 1996 71176.5 9 38520.80 7407. 99 429.924133.8 1997 78973.0 3 46279.80 8651. 14 441.926967.2

多元回归分析总结

1. 对于多元共线性问题产生的根源，可以从两 个方面考虑: 1、由 变量性质引起 2、由数据问题引起 （情况一:样本含量过小 情况二: 出现强影响观测值 情况三: 时序变量） 1、 由变量性质引起 在进行多元统计分析时，作为自变量的某 些变量高度相关，比如身高、体重和胸 围，变量之间的相关 性是由变量自身的性 质决定的，此时不论数据以什么形式取 得，样本含量是大是小，都会出现自变量 的共线性问题。因 此，变量间自身的性质 是导致多元共线性的重要原因。 2、 情况一:样本含量过小 假设只有两个自变量X1与X2当n2时两 点 总能连成一条直线即使性质上原本并不存在 线性关系的 变量X1与X2由于样本含量问题产 生了共线性。样本含量较小 时，自变量容易 呈现线性关系。 如果研究的自变量个数大 于2设为X1X2，...，XP，虽然各自变量之间没有线性关系， 但如果样本含量n小于模型中自变量的个数，就可能导致多元 共线性问题。 情况二: 出现强影响观测值 进入20世纪80年代后期人们开始关注单个或几个样本点对多重共线性的影 响。研究表明存在两类这样的数据点 或点群:1导致或加剧多重共线性 2 掩盖存在着的多重共线性。a中因异常观测值的出现而掩盖了共线性b中因异常观测 值的出现而产生了共线性。这样的异常观测值称为多元共线性强 影响观测值。显然这种观测值会对设计矩阵的性态产生很大影响 从而影响参数估计。 情况三:时序变量 若建模所用的自变量是时序变量并且 是高阶单整时序变量这种时序变量之 间高度相关必然导致多重共线性。2.多元共线性的表现 (1)模型拟合效果很好，但偏回归系数几乎都 无统计学意义; (2)偏回归系数估计值的方差很大; (3)偏回归系数估计值不稳定，随着样本含量 的增减各偏回归系数发生较大变化或当一个自 变量被引入或剔除时其余变量偏回归系数有很 大变化; (4)偏回归系数估计值的大小与符号可 能与事先期望的不一致或与经验相悖，结 果难以解释。 3.多元共线性的诊断 常用的共线性诊断指标有以下几个: (1)方差膨胀因子 (2)特征根系统(system of eigenvalues) 主要包括条件指数和方差比。

中国最终消费支出与国内生产总值之间关系的计量分析

中国最终消费支出与国内生产总值之间关系的计量分析 摘要：居居的最终消费总额影响因素很多。从微观层面来看，居民储蓄，可支配收入、工资水平等情况等都能对居民的最终消费造成一定的影响。但若从宏观方面来分析，收入是影响消费的主要因素，即国内生产总值，其他一系列因素很大程度上也在国内生产总值中有一定的反映，因此最终消费支出和国内生产总值之间存在密切的关系。所以可以确定以最终消费支出为被解释变量，以国内生产总值为解释变量，其他的影响因素归入随机误差项的计量经济学模型。 一．数据收集和模型建立 下表为我国1990-2008最终消费支出和国内生产总值的统计资料： 由上表可以得知，消费支出随国内生产总值的增加而增加。可以得出Y、X的散点图为：

从散点图可以看出，最终消费支出Y与国内生产总值X之间存在线性关系。因此可以设定最总消费支出Y t与国内生产总值X t的关系为： Y t=β0+β1X t+μt 其中，Y t表示t年最终消费支出；X t表示t年国内生产总值；μt表示随机误差项。二．参数估计 Eviews的回归结果如下图所示：

模型估计结果为 Y t=7206.816917+0.348590 X t R2=0.988584 S e ：(1234.375) (0.009085) n=19 t: (5.838432) (38.36872) F=1472.159 DW=0.142269 三．模型检验 1.经济意义检验： 就本模型而言，从经济意义上看，β1的估计值为0.348590符合经济理论中绝对收入假说边际消费倾向的在0与1间，表明我国国内生产总值每增加100亿元，最终消费支出平均增加34.859亿元。 2.拟合优度检验 本模型的R2=0.988584，模型的拟合优度较高。这说明回归直线的解释能力为98.86%，代表我国最终消费总支出Y t的总变差中，由解释变量X t解释的部分为98.86%，或者说我国最终的消费变动的98.86%可由样本回归直线作出解释。 3.参数显著性检验 对于β1，在其系数真值为0的原假设条件下t统计变量为38.36872。用自由度为n-2=17，查t表，在5%显著性水平下临界值t c=t0.025(17)=2.1098，因为t=38.36872>2.1098,所以拒绝原假设H0:β1=0，表明我国国内生产总值对我国最终消费支出的影响显著。

多元回归分析法的介绍及具体应用

多元回归分析法的介绍及具体应用

————————————————————————————————作者: ————————————————————————————————日期： ?

多元回归分析法的介绍及具体应用 在数量分析中，经常会看到变量与变量之间存在着一定的联系。要了解变量之间如何发生相互影响的,就需要利用相关分析和回归分析。回归分析的主要类型:一元线性回归分析、多元线性回归分析、非线性回归分析、曲线估计、时间序列的曲线估计、含虚拟自变量的回归分析以及逻辑回归分析等。这里主要讲的是多元线性回归分析法。 1. 多元线性回归的定义 说到多元线性回归分析前，首先介绍下医院回归线性分析,一元线性回归分析是在排除其他影响因素或假定其他影响因素确定的条件下,分析某一个因素（自变量)是如何影响另一事物(因变量）的过程,所进行的分析是比较理想化的。其实，在现实社会生活中,任何一个事物(因变量）总是受到其他多种事物（多个自变量)的影响。 一元线性回归分析讨论的回归问题只涉及了一个自变量,但在实际问题中，影响因变量的因素往往有多个。例如，商品的需求除了受自身价格的影响外，还要受到消费者收入、其他商品的价格、消费者偏好等因素的影响;影响水果产量的外界因素有平均气温、平均日照时数、平均湿度等。 因此,在许多场合,仅仅考虑单个变量是不够的,还需要就一个因变量与多个自变量的联系来进行考察,才能获得比较满意的结果。这就产生了测定多因素之间相关关系的问题。 研究在线性相关条件下,两个或两个以上自变量对一个因变量的数量变化关系，称为多元线性回归分析，表现这一数量关系的数学公式,称为多元线性回归模型。 多元线性回归模型是一元线性回归模型的扩展，其基本原理与一元线性回归模型类似,只是在计算上更为复杂，一般需借助计算机来完成。 ２. 多元回归线性分析的运用 具体地说,多元线性回归分析主要解决以下几方面的问题。 （1)、确定几个特定的变量之间是否存在相关关系,如果存在的话,找出它们