GDP預(yù)測方法的探討與實(shí)證檢驗(yàn)―多元線性回歸模型和ARMA模型的比較論文

1、GDP預(yù)測方法的探討與實(shí)證檢驗(yàn)多元線性回歸模型和ARMA模型的比較摘 要本文以1994年第一季度到2008年第四季度的GDP數(shù)據(jù)作為歷史數(shù)據(jù)。首先建立多元線性回歸模型，選擇狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額為解釋變量，經(jīng)檢驗(yàn)這幾組數(shù)據(jù)和國內(nèi)生產(chǎn)總值GDP數(shù)據(jù)都存在非平穩(wěn)性，但他們之間有協(xié)積關(guān)系，故建立回歸模型有意義。 之后是該模型的修正，主要是改進(jìn)了多重共線性和異常值。利用改進(jìn)好的模型對(duì)接下來兩個(gè)季度的GDP進(jìn)行了預(yù)測。我們發(fā)現(xiàn)回歸模型存在著比較大的缺陷，對(duì)這些缺陷我們有使用了ARMA模型來預(yù)測GDP。先對(duì)GDP的數(shù)據(jù)進(jìn)行差分處理，去掉了非平穩(wěn)性和季節(jié)周期性。再觀察處理后的數(shù)據(jù)的

2、自相關(guān)和偏自相關(guān)圖，先大致確定了可以建立的六個(gè)ARMA模型。綜合比較后選擇了使用建立AR（1）模型，并做了預(yù)測。最后對(duì)多元線性回歸模型和ARMA模型進(jìn)行了對(duì)比分析。得出不管從方法上還是預(yù)測結(jié)果的精度方面ARMA模型都比多元線性回歸模型要好。關(guān)鍵詞：季度GDP預(yù)測 多元線性回歸模型 ARMA模型 Eviews一 引言在經(jīng)濟(jì)形勢分析中，常常需要對(duì)主要經(jīng)濟(jì)指標(biāo)進(jìn)行預(yù)測，特別是對(duì)GDP的總量和增長速度進(jìn)行預(yù)測，政府統(tǒng)計(jì)部門和發(fā)展計(jì)劃部門的這種要求尤為迫切。在本論文中，我們利用狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額這三個(gè)經(jīng)濟(jì)指標(biāo)對(duì)GDP進(jìn)行回歸預(yù)測。二.符號(hào)說明1X1 狹義貨幣(M1)2. X

3、2 社會(huì)消費(fèi)品零售總額3. X3 投資完成額三 多元線性回歸模型模型的建立首先找到國內(nèi)生產(chǎn)總值GDP，狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額從1994到2009年各個(gè)季的數(shù)據(jù)，具體如附錄表1我們選取1994年一季度到2008年四季度的數(shù)據(jù)作為樣本，剩下的2009年一季度和二季度的值用于計(jì)算預(yù)測精度。利用Eview軟件做季度GDP的時(shí)間序列圖如下：從圖中可以看出GDP有很明顯的上升趨勢，很可能是非平穩(wěn)的。進(jìn)一步對(duì)國內(nèi)生產(chǎn)總值GDP做單位根檢驗(yàn)結(jié)果如下:ADF Test Statistic 0.616225 1% Critical Value*-3.5457 5% Critical Va

4、lue-2.9118 10% Critical Value-2.5932*MacKinnon critical values for rejection of hypothesis of a unit root.上述回歸結(jié)果顯示，GDP序列ADF檢驗(yàn)的統(tǒng)計(jì)量數(shù)值為0.616225，該模型樣本容量的顯著性水平為1，5，10時(shí)的臨界值分別為-3.5457，-2.9118和-2.5932。因?yàn)?.616225 3.5457，-2.9118和-2.5932,所以不能拒絕GDP有單位根，因而是非平穩(wěn)序列的假設(shè)。同理可以知道狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額也都是非平穩(wěn)的。為了判斷能否建立回

5、歸模型，對(duì)國內(nèi)生產(chǎn)總值GDP，狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額做協(xié)積性分析。首先做回歸，結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 01/02/10 Time: 17:20Sample: 1994:1 2008:4Included observations: 60VariableCoefficientStd. Errort-StatisticProb. C-483586.9113412.3-4.2639710.0001X1-0.2638110.049813-5.2960760.0000X213.631151.0086

6、2913.514540.0000X3-0.0463790.043000-1.0785790.2854R-squared0.972214 Mean dependent var3154660.Adjusted R-squared0.970725 S.D. dependent var1994158.S.E. of regression341196.3 Akaike info criterion28.38264Sum squared resid6.52E+12 Schwarz criterion28.52227Log likelihood-847.4793 F-statistic653.1352Dur

7、bin-Watson stat2.486315 Prob(F-statistic)0.000000并得到該模型的殘差序列：日期Residual日期Residual日期Residual1994/3/31165774.21999/3/31-1078932004/3/31-51648.31994/6/3030712.981999/6/30141556.32004/6/30207912.11994/9/30-3551.831999/9/30104847.92004/9/30-1095771994/12/31206470.21999/12/31-3849312004/12/31-2077561995/3

8、/31-1013212000/3/31-85662.72005/3/31-4160341995/6/3084508.72000/6/30281657.92005/6/30-139281995/9/3048941.612000/9/30197218.52005/9/30-4387541995/12/3165814.192000/12/31-3931802005/12/3116053901996/3/31-1042802001/3/31-51763.22006/3/31-2501881996/6/30115717.12001/6/30285691.62006/6/3017858.171996/9/

9、30-69418.52001/9/30132208.52006/9/30-3404861996/12/31-3450362001/12/31-3969832006/12/31409126.81997/3/31-1845482002/3/31-69690.72007/3/31-2111421997/6/30204947.52002/6/30333005.42007/6/30167664.81997/9/3081643.112002/9/302269962007/9/3098547.241997/12/31-1566252002/12/31-3563102007/12/314897181998/3

10、/31-1589762003/3/31-16311.72008/3/31-3588021998/6/3090505.942003/6/303020932008/6/30-83403.61998/9/3090587.872003/9/30116717.12008/9/30-9611541998/12/31-2375492003/12/31-45160.72008/12/31408232.2對(duì)該序列做單位根檢驗(yàn)，結(jié)果如下：ADF Test Statistic-6.560545 1% Critical Value*-3.5457 5% Critical Value-2.9118 10% Critic

11、al Value-2.5932*MacKinnon critical values for rejection of hypothesis of a unit root.由-6.560545 -3.5457, -2.9118 和 -2.5932 可以知道殘差序列沒有單位根，是平穩(wěn)的。 因此我們認(rèn)為，國內(nèi)生產(chǎn)總值GDP和狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額之間有協(xié)積關(guān)系，這意為這它們之間的回歸分析是有意義的。四 模型的修正因?yàn)閲鴥?nèi)生產(chǎn)總值GDP，狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額這四個(gè)數(shù)據(jù)都有共同的上升的趨勢，故很可能存在近似多重共線性。 為了檢驗(yàn)是否存在多重共線性，分

12、別將每個(gè)解釋變量對(duì)其他解釋變量進(jìn)行回歸，得到?jīng)Q定系數(shù)分別為=0.956993, =0.962826, =0.963997，因此各個(gè)解釋變量的方差擴(kuò)大因子分別為23.25203, 26.90052和27.77546。這些方差因子的數(shù)值都比較大，說明模型確實(shí)存在較嚴(yán)重的多重共線性問題。由于這三個(gè)變量的方差擴(kuò)大因子都比較大，因此一般來說，應(yīng)該根據(jù)問題的具體背景及三個(gè)變量的實(shí)際意義等考慮采用何種處理方法，或者放棄哪種解釋變量。不過由于本例中 X3的系數(shù)不是很顯著，可先考慮放棄該變量，得到的回歸模型結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate:

13、01/02/10 Time: 17:20Sample: 1994:1 2008:4Included observations: 60VariableCoefficientStd. Errort-StatisticProb. C-414401.593663.47-4.4243660.0000X1-0.2511150.048471-5.1807210.0000X213.164610.91247214.427410.0000R-squared0.971637 Mean dependent var3154660.Adjusted R-squared0.970642 S.D. dependent var

14、1994158.S.E. of regression341684.8 Akaike info criterion28.36987Sum squared resid6.65E+12 Schwarz criterion28.47459Log likelihood-848.0962 F-statistic976.3235Durbin-Watson stat2.476149 Prob(F-statistic)0.000000從改進(jìn)后的結(jié)過來看，C,X1,X2和整個(gè)方程的顯著性都很好，故共線性問題得到很好的處理。而且R-squared為0.971637也非常不錯(cuò)。 該模型還可能存在異常值，故做回歸殘差系

15、列圖：從圖中可以發(fā)現(xiàn)2005年第四季度和2008年第季度偏離中心很多，毫無疑問它們是兩個(gè)異常值。故引進(jìn)虛擬變量D054,D083.在從新回歸的結(jié)果如下：Dependent Variable: YMethod: Least SquaresDate: 01/02/10 Time: 17:29Sample: 1994:1 2008:4Included observations: 60VariableCoefficientStd. Errort-StatisticProb. C-420277.964063.29-6.5603540.0000X1-0.2296550.032927-6.9747770.0

16、000X212.782750.63362020.174160.0000D0541731887.233638.87.4126670.0000D083-976897.0242476.3-4.0288340.0002R-squared0.988348 Mean dependent var3154660.Adjusted R-squared0.987501 S.D. dependent var1994158.S.E. of regression222947.0 Akaike info criterion27.54691Sum squared resid2.73E+12 Schwarz criterio

17、n27.72144Log likelihood-821.4073 F-statistic1166.320Durbin-Watson stat2.276911 Prob(F-statistic)0.000000從結(jié)果來看，各個(gè)變量和整個(gè)方程的顯著性都很好。而且決定系數(shù)也有所提高。故認(rèn)為模型的改進(jìn)是成功的。五 預(yù)測及結(jié)果分析利用改進(jìn)好的模型預(yù)測2009年第一季度和第二季度的GDP，結(jié)果如下：2009年一季度和二季度國內(nèi)生產(chǎn)總值GDP預(yù)測值與實(shí)際值的比較季度實(shí)際值預(yù)測值誤差一季度65745007435824.870.115834二季度74117007852309.780.056112從下面的預(yù)測誤差

18、圖可以看出，上述模型的平均絕對(duì)誤差為0.085973.六 模型的缺陷與改進(jìn) 實(shí)際上，利用回歸模型進(jìn)行預(yù)測存在如下缺陷：1、根據(jù)解釋變量的預(yù)測值測算被解釋變量的未來值，擴(kuò)大了最后的預(yù)測誤差在大多數(shù)回歸模型中，要預(yù)測某期的GDP，往往需要知道解釋變量，如上面提到的狹義貨幣(M1)，社會(huì)消費(fèi)品零售總額，投資完成額的同期數(shù)值，而實(shí)際上，在預(yù)測GDP之前，上述解釋變量的同期數(shù)值也是未知的，因此，需要首先通過其他方法對(duì)解釋變量的數(shù)值進(jìn)行預(yù)測，然后，再利用回歸模型預(yù)測GDP。這種根據(jù)解釋變量的預(yù)測值回歸測算被解釋變量未來值的方法無形之中擴(kuò)大了最后的預(yù)測誤差。2、在多元回歸模型中，解釋變量之間的多重共線性和異

19、方差性也常常是需要加以考慮的，所有這些方面都會(huì)影響模型的合理性以及最后的預(yù)測精度。3、利用非平穩(wěn)時(shí)間序列直接建模容易產(chǎn)生“偽回歸”問題?，F(xiàn)在，大多數(shù)經(jīng)濟(jì)時(shí)間序列都是非平穩(wěn)的（從直觀上看，隨著經(jīng)濟(jì)的發(fā)展，多數(shù)經(jīng)濟(jì)時(shí)間序列呈明顯的上升趨勢），而直接采用非平穩(wěn)時(shí)間序列建立回歸模型，很容易產(chǎn)生“偽回歸”問題。要避免偽回歸，就必須檢驗(yàn)非平穩(wěn)序列之間是否存在協(xié)整關(guān)系，只有存在協(xié)整關(guān)系的非平穩(wěn)序列才可直接用來建立回歸模型，這就要求建模者必須掌握計(jì)量經(jīng)濟(jì)學(xué)方面的較新知識(shí)，從而對(duì)建模者提出了更高的要求。從上面的敘述中可以看出，盡管回歸模型預(yù)測方法在實(shí)際中使用較多，但建模過程中的一些要求和假設(shè)條件確實(shí)使人們在實(shí)際

20、操作中受到了很大的限制。那么，是否可以通過其他方法來預(yù)測GDP的總量和增長速度呢？我們發(fā)現(xiàn)，可以利用時(shí)間序列分析中的ARMA模型來預(yù)測GDP，而且效果不錯(cuò)。七 ARMA模型的建立1. 數(shù)據(jù)修正由上面得到的結(jié)論可知時(shí)間序列是非平穩(wěn)的。而且由GDP的時(shí)間序列圖可以很明顯看出其具有季節(jié)周期性，所以我們對(duì)序列進(jìn)行一次滯后期為4的季節(jié)差分得： 單位：百萬報(bào)告日期四階差分報(bào)告日期四階差分1994-03-312001-09-301546321994-06-302001-12-312983211994-09-302002-03-311363781994-12-312002-06-301762201995-03

21、-311191002002-09-302188831995-06-305075002002-12-312542691995-09-304154002003-03-312540571995-12-313052302003-06-301989411996-03-313345002003-09-303094841996-06-303546002003-12-314101281996-09-302289002004-03-313394351996-12-31935702004-06-304864921997-03-311529602004-09-304895011997-06-301894802004

22、-12-316462321997-09-302052602005-03-314191421997-12-31701202005-06-304442581998-03-311213802005-09-304495001998-06-30336802005-12-3132677001998-09-301732802006-03-3112071021998-12-311497602006-06-3011949981999-03-31884602006-09-3011181001999-06-30573402006-12-31-8116001999-09-30906602007-03-31689700

23、1999-12-31136402007-06-308428002000-03-311389002007-09-309241002000-06-301913002007-12-3112664002000-09-302022002008-03-3111204002000-12-312025502008-06-3012647002001-03-311655862008-09-3011737002001-06-301725912008-12-311844500用Eviews軟件畫出其圖像：由圖像大致可以看出時(shí)間序列是平穩(wěn)的，進(jìn)一步用單位根檢驗(yàn)：Null Hypothesis: GDP has a un

24、it rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=10)t-StatisticProb.*Augmented Dickey-Fuller test statistic-4.0602600.0024Test critical values:1% level-3.5550235% level-2.91552210% level-2.595565*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependen

25、t Variable: D(GDP)Method: Least SquaresDate: 12/31/09 Time: 22:09Sample (adjusted): 2 56Included observations: 55 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.GDP(-1)-0.5248550.129266-4.0602600.0002C257744.990235.542.8563560.0061R-squared0.237253Mean dependent var31370.91Adjusted R-

26、squared0.222862S.D. dependent var596882.2S.E. of regression526184.1Akaike info criterion29.22038Sum squared resid1.47E+13Schwarz criterion29.29337Log likelihood-801.5603F-statistic16.48572Durbin-Watson stat2.146330Prob(F-statistic)0.0001625% level-2.915522小于Augmented Dickey-Fuller test statistic-4.0

27、602600.0024否定原假設(shè)，即差分后的時(shí)間序列是平穩(wěn)的。2.用ARMA模型建模：看相關(guān)圖：Date: 12/31/09 Time: 22:15Sample: 1 56Included observations: 56AutocorrelationPartial CorrelationACPACQ-StatProb. |* |. |* |10.3710.3718.11420.004. |* |. |*. |20.2800.16512.8240.002. |*. |. | . |30.1930.05415.1010.002. | . |*| . |4-0.046-0.19815.2350.0

28、04. |* |. |* |50.2080.28617.9960.003. |*. |. |*. |60.1950.11820.4620.002. |*. |. | . |70.115-0.05221.3400.003. |*. |.*| . |80.093-0.10121.9230.005. |*. |. |*. |90.0810.14922.3760.008. | . |. | . |100.0560.02222.5980.012. | . |.*| . |110.058-0.07122.8420.019. | . |. | . |120.064-0.02023.1420.027. |*.

29、 |. |*. |130.0890.14823.7410.034. |*. |. | . |140.0800.00424.2300.043. |*. |. | . |150.074-0.05524.6690.055. |*. |. | . |160.0690.01825.0580.069. |*. |. |*. |170.0680.10925.4380.085. | . |. | . |180.060-0.03325.7430.106. | . |. | . |190.057-0.05426.0250.130. | . |. | . |200.0470.02626.2260.158. | .

30、|. |*. |210.0420.06626.3880.192. | . |. | . |220.034-0.05526.4990.231. | . |. | . |230.024-0.04826.5560.275. | . |. | . |240.0170.03126.5860.324由圖像可以看出ACF拖尾，但PACF是拖尾還是截尾直觀上不能斷定，所以下面我們分別建AR(1),AR(2),ARMA(1,1),ARMA(1,2),ARMA(2,1),ARMA(2,2)這六個(gè)模型比較一下那個(gè)比較好。具體該六個(gè)模型的結(jié)果見附錄表23.六個(gè)模型的比較：模型AR(1)AR(2)ARMA(1,1)AR

31、MA(2,1)ARMA(1,2)ARMA(2,2)Akaike info criterion29.2203829.2079129.1345929.1941729.1532729.22937C p-value0.00070.01120.92520.00230.94100.0009ar(1) p-value0.00060.01170.00000.14190.00000.1075ar(2) p-value0.06670.20320.3816ma(1) p-value0.00000.81100.00000.5566ma(2) p-value0.00020.0003由以上表格中的數(shù)據(jù)我們可以看出只有AR

32、(1) 的各參數(shù)的p-value小于顯著性水平0.05，并且其Akaike info criterion值也比較小，所以我們可以得出AR(1)在這六個(gè)模型中是最好的結(jié)論。4.用AR(1)模型建模：使用差分?jǐn)?shù)據(jù)來估計(jì)模型有兩種方法，第一種方法就是像上面那樣生成一個(gè)新的的差分序列，然后使用新數(shù)據(jù)進(jìn)行估計(jì)，如上面的生成一次滯后期為4的季節(jié)差分。另一種方法是在估計(jì)設(shè)定中直接包含差分算子，例如:D(GDP,0,4) c ar(1) 。后一種方法更好些。主要是因?yàn)槿绻x了一個(gè)新變量，然后使用它去估計(jì)，那么的預(yù)測只將對(duì)新變量進(jìn)行預(yù)測，也就是說，最終得到對(duì)差分序列的預(yù)測。如果實(shí)際感興趣的是對(duì)元序列（如GDP

33、）的預(yù)測，則不得不手工去計(jì)算。然而，如果在估計(jì)中包含查分算子，如：D(GDP,0,4)進(jìn)行估計(jì)，那么 預(yù)測程序?qū)⒆詣?dòng)預(yù)測原變量。所以在這里我們使用第二種方法。Ewives生成的結(jié)果Dependent Variable: D(GDP,0,4)Method: Least SquaresDate: 01/02/10 Time: 21:56Sample(adjusted): 1995:2 2008:4Included observations: 55 after adjusting endpointsConvergence achieved after 3 iterationsVariableCoef

34、ficientStd. Errort-StatisticProb. C491078.3135980.63.6113840.0007AR(1)0.4751450.1292663.6757070.0006R-squared0.203137 Mean dependent var462678.5Adjusted R-squared0.188102 S.D. dependent var583965.2S.E. of regression526184.1 Akaike info criterion29.22038Sum squared resid1.47E+13 Schwarz criterion29.2

35、9337Log likelihood-801.5603 F-statistic13.51082Durbin-Watson stat2.146330 Prob(F-statistic)0.000554Inverted AR Roots .48為檢驗(yàn)上述模型的預(yù)測效果，首先利用該模型預(yù)測2009年第一、二季度的GDP，并將預(yù)測值和實(shí)際值進(jìn)行比較，結(jié)果如下：2009年一季度和二季度國內(nèi)生產(chǎn)總值GDP預(yù)測值與實(shí)際值的比較季度實(shí)際值預(yù)測值誤差一季度657450072832500.097312二季度741170077094310.038619從下面的預(yù)測誤差圖可以看出，上述模型的平均絕對(duì)誤差為0.0679

36、66.然后利用現(xiàn)有的實(shí)際數(shù)對(duì)未來兩個(gè)季度的GDP數(shù)值進(jìn)行預(yù)測，結(jié)果為：預(yù)測的GDP2009年三季度77374602009年四季度10463961八多元線性回歸模型和ARMA模型結(jié)果的對(duì)比回歸模型ARMA模型09年第一季度誤差0.1158340.09731209年第二季度誤差0.0561120.038619 從上面的表格可以看出對(duì)2009年一、二季度GDP數(shù)據(jù)的預(yù)測和實(shí)際值之間的誤差，ARMA模型都比回歸模型要小，而且還沒包括回歸模型中對(duì)解釋變量的數(shù)值進(jìn)行預(yù)測產(chǎn)生的誤差，說明ARMA模型總體預(yù)測效果較好。 應(yīng)該說，利用ARMA模型進(jìn)行預(yù)測，僅僅用到GDP自身的歷史數(shù)據(jù)，對(duì)數(shù)據(jù)資料要求相對(duì)較少，不

37、像回歸模型法那樣，還需要收集相關(guān)變量的大量歷史數(shù)據(jù)。因此，ARMA模型法具有操作簡便的特點(diǎn)。而且利用ARMA模型能很簡單的預(yù)測出短期未來GDP的數(shù)字。但也有人認(rèn)為，影響GDP變化的因素眾多，不考慮其他因素的影響，僅僅根據(jù)GDP自身的歷史數(shù)據(jù)來預(yù)測其未來值，其可靠性值得懷疑。實(shí)際上，ARMA模型法有著嚴(yán)格的數(shù)學(xué)保證，在短期預(yù)測方面有著獨(dú)特的優(yōu)勢。就本文來講，GDP是國民經(jīng)濟(jì)核算體系中綜合性最強(qiáng)的指標(biāo)，它的變化已經(jīng)包含了經(jīng)濟(jì)系統(tǒng)中諸多變量的變化。所以，盡管經(jīng)濟(jì)系統(tǒng)中各變量的變化可能有增有減，對(duì)GDP的變化會(huì)產(chǎn)生不同的影響，但從總體來看，不同因素此消彼長的變化恰恰存在“相互抵消”的功能，在一定程度上

38、增加了GDP的相對(duì)穩(wěn)定性，也就是說，相對(duì)于眾多經(jīng)濟(jì)變量而言，GDP的變化要明顯小于各組成變量的變化程度，GDP的這種相對(duì)穩(wěn)定性正好為建立ARMA 模型創(chuàng)造了有利條件，也使得利用ARMA模型進(jìn)行預(yù)測（主要是短期預(yù)測）時(shí)其精度要高于其他方法（特別是回歸預(yù)測法）。所以，利用ARMA模型對(duì)GDP進(jìn)行短期預(yù)測，可以充分體現(xiàn)其（短期）預(yù)測精度較高的特點(diǎn)，在實(shí)際中很值得推廣。參考文獻(xiàn)1 謝識(shí)予 計(jì)量經(jīng)濟(jì)學(xué) 上海：復(fù)旦大學(xué)出版社 2004.2 中國統(tǒng)計(jì)局 :/ /3 張曉峒 Eviews使用指南與案例 北京：機(jī)械工業(yè)出版社 2007.2附錄表1 ： 單位：百萬報(bào)告日期國內(nèi)生產(chǎn)總值GDP狹義

39、貨幣(M1)社會(huì)消費(fèi)品零售總額投資完成額1994-03-318620001550877116610124521994-06-307979001654300123867270251994-09-309476001782648139900426321994-12-3118930802054070199230787301995-03-319811001983570153330165831995-06-3013054002005012163970361701995-09-3013630002250000175600519671995-12-3121983102398710238950178420199

40、6-03-3113156002390900186010284101996-06-3016600002460000196600655371996-09-3015919002623000208350683241996-12-31229188028514802848602202581997-03-3114685602905800213090298651997-06-3018494803107473216470610281997-09-3017971603224500223960662001997-12-31236200034826302881701535471998-03-3115899403311

41、000227970326211998-06-3018831603377600232600715151998-09-3019704403650100244310830331998-12-31251176038953703131401707891999-03-3116784003805400240310413131999-06-3019405003882200242880870291999-09-3020611004191400260430945311999-12-31252540045837303383001781442000-03-3118173004515845262660534502000

42、-06-30213180048024402645201088102000-09-30226330050616892854301238002000-12-31272795053147153680002041132001-03-3119828865303336287610677202001-06-30230439155187362908701445302001-09-30241793256823113136901636322001-12-31302627159871594033302486662002-03-3121192645947483311480922352002-06-3024806116

43、3144003158801898932002-09-30263681566799763422402041412002-12-31328054070881794404402873732003-03-31237332171438823494801285102003-06-30267955275923233576902531712003-09-30294629979163883971802678202003-12-31369066884118574735703611112004-03-31271275685815574049801820402004-06-3031660448862714425070

44、3103292004-09-30343580090439054717703433082004-12-31433690095970825562504801482005-03-31313189894743194799102323572005-06-30361030298601254935003869492005-09-303885300100964005495204184512005-12-317604600107278576850405381732006-03-314339000106737085796702792682006-06-3048053001123423660578049019120

45、06-09-305003400116814106553605207812006-12-316793000126028057499206480062007-03-315028700127881316685803543782007-06-305648100135847407026006343452007-09-3059275001425915776684081641922007-12-3180594001525191790153045709862008-03-3161491001508674781232021845462008-06-30691280015482015864200465561620

46、08-09-3071012001557489794465047843882008-12-31990390016621713107285056045502009-03-3165745001765411393176028129002009-06-307411700193138159941606319200報(bào)告日期國內(nèi)生產(chǎn)總值GDP狹義貨幣(M1)社會(huì)消費(fèi)品零售總額投資完成額1994-03-318620001550877116610124521994-06-307979001654300123867270251994-09-309476001782648139900426321994-12-3118

47、930802054070199230787301995-03-319811001983570153330165831995-06-3013054002005012163970361701995-09-3013630002250000175600519671995-12-31219831023987102389501784201996-03-3113156002390900186010284101996-06-3016600002460000196600655371996-09-3015919002623000208350683241996-12-31229188028514802848602202581997-03-3114685602905800213090298651997-06-3018494803107473216470610281997-09-3017971603224500223960662001997-12-312