探索影響工業(yè)GDP增長的因素

1、探索影響工業(yè)GDP增長的因素 統(tǒng)計學(xué)院 2001級 王明明 郝夏目前，我國經(jīng)濟正處在高速穩(wěn)定增長的階段。而根據(jù)以前學(xué)過的知識，我們知道GDP主要是靠工業(yè)拉動的，因此，我們想探索一下哪些因素是影響工業(yè)GDP的主要因素?？紤]到目前工業(yè)的生產(chǎn)特點：固定資產(chǎn)投資較大，需要能源的推動，我們猜想這是影響工業(yè)GDP的主要因素。于是，我們嘗試用計量經(jīng)濟學(xué)的知識驗證我們的猜想，并力圖建立一個簡單的數(shù)量模型來解釋它們之間的關(guān)系。以下是數(shù)據(jù)分析：1.分別探索固定資產(chǎn)投資和能源消費量對工業(yè)GDP的影響首先，我們討論單因素的模型，第一個是固定資產(chǎn)投資與工業(yè)GDP。模型1：INDUSG = C + *FXA+uDepen

2、dent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 17:15Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C1258.981588.71612.1385200.0482FXA1.1183210.02748640.686780.0000R-squared0.990427 Mean dependent var20313.41Adjusted R-squared0.989829 S.D. depe

3、ndent var15007.39S.E. of regression1513.518 Akaike info criterion17.58670Sum squared resid36651784 Schwarz criterion17.68563Log likelihood-156.2803 F-statistic1655.414Durbin-Watson stat0.841509 Prob(F-statistic)0.000000注釋：FXA固定資產(chǎn)投資額（單位：元） INDUSG工業(yè)GDPt= 2.138 40.69（R20.9904，F(xiàn)=1655.4 DW=0.8415）由t統(tǒng)計量可以

4、看出，固定資產(chǎn)投資（FXA）對工業(yè)GDP的影響十分顯著。從R2和F統(tǒng)計量可以看出模型擬合得非常好。但是D-W<dL=1.046表明殘差存在相當(dāng)強的自相關(guān)性；下面我們接著做了能源消費量與工業(yè)GDP的模型模型2：INDUSG = C + *POW_US+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 17:14Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-51613.80

5、7585.126-6.8046070.0000POW_US0.6260750.0648959.6475760.0000R-squared0.853313 Mean dependent var20313.41Adjusted R-squared0.844145 S.D. dependent var15007.39S.E. of regression5924.689 Akaike info criterion20.31608Sum squared resid5.62E+08 Schwarz criterion20.41501Log likelihood-180.8447 F-statistic93

6、.07572Durbin-Watson stat0.192529 Prob(F-statistic)0.000000注釋：POW_US能源消費量（單位：萬噸標(biāo)準(zhǔn)煤）INDUSG = -51613.79789 + 0.6260746823*POW_USt= -6.804 9.647（R20.853，F(xiàn)=93.07 DW=0.1925）由t統(tǒng)計量可以看出，能源消費量（POW_US）對工業(yè)GDP的影響十分顯著；但從R2和F統(tǒng)計量可以看出模型整體擬合得不是很好；同時D-W0表明殘差存在嚴重的自相關(guān)性。這樣的結(jié)果說明在本模型中并沒有包含影響工業(yè)GDP的關(guān)鍵因素。由以上兩個表可以看出，這兩個因素對工業(yè)GD

7、P的影響是比較顯著的，證明我們的猜想是符合現(xiàn)實情況的。但是這兩個模型的D-W檢驗結(jié)果都相當(dāng)差，說明了兩個模型都漏掉了影響模型的重要因素。于是我們考慮做二元模型。2.建立二元模型，探索固定資產(chǎn)投資和能源消費量對工業(yè)GDP的相對影響強弱由以上一元模型的結(jié)果可知：固定資產(chǎn)投資（FXA）和能源消費量（POW_US）對工業(yè)GDP的影響都很顯著，所以嘗試用這兩個解釋變量作二元模型，得到模型3。模型3：INDUSG = C + 1*FXA + 2*POW_US+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 17:46

8、Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-5810.1483190.055-1.8213320.0886FXA0.9991480.05845117.093900.0000POW_US0.0792060.0352542.2467350.0401R-squared0.992838 Mean dependent var20313.41Adjusted R-squared0.991883 S.D. dependent var15007.39S.E. of regre

9、ssion1352.116 Akaike info criterion17.40774Sum squared resid27423273 Schwarz criterion17.55614Log likelihood-153.6697 F-statistic1039.631Durbin-Watson stat0.999447 Prob(F-statistic)0.000000解釋變量相關(guān)系數(shù)矩陣：FXAPOW_USFXA 1.000000 0.907479POW_US 0.907479 1.000000INDUSG = -5810.148217 + 0.9991484399*FXA + 0.0

10、7920588433*POW_USt 1.8213 17.09 2.24（R20.9928，F(xiàn)=1039 DW=0.999）Cov(FXA,POW_US)=0.9075從以上數(shù)據(jù)可以看出：模型總體擬合的很好（R20.9928），也比較可以。但如果考慮二者的相關(guān)系數(shù)很大，模型具有多重共線性。同時，dL=0.933<D-W< du=1.696落在了不可判斷區(qū)域，D-W比較接近dL，保守起見還是認為模型具有自相關(guān)性。因此這個模型不是很理想。由于沒辦法擴大樣本容量，我們只有變換模型形式，用取對數(shù)的方式來減弱多重共線性。于是有模型4：模型4：Ln(INDUSG) = C +1*Ln(FXA)

11、 +2*Ln(POW_US)+uDependent Variable: LINMethod: Least SquaresDate: 12/15/03 Time: 19:26Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-7.6217483.210235-2.3742020.0314LFX0.7583180.06911210.972330.0000LPOW0.8685230.3295132.6357780.0187R-squared0.995059 Mean dep

12、endent var9.579689Adjusted R-squared0.994400 S.D. dependent var0.909086S.E. of regression0.068030 Akaike info criterion-2.386719Sum squared resid0.069422 Schwarz criterion-2.238323Log likelihood24.48047 F-statistic1510.340Durbin-Watson stat1.029314 Prob(F-statistic)0.000000解釋變量相關(guān)系數(shù)矩陣：LFXLPOWLFX 1.00

13、0000 0.969168LPOW 0.969168 1.000000做出來的效果和“模型3”從數(shù)值上看并沒有明顯的改善：多重共線性依然十分嚴重；dL=0.933<D-W< du=1.696還是落在了不可判斷區(qū)域。由模型3和模型4，我們看到，兩個解釋變量之間的相關(guān)性很強且不可通過數(shù)學(xué)上的變換減弱這種相關(guān)性，我們考慮將其中的一個因素替換掉。從以上四個模型的t統(tǒng)計量來說，固定資產(chǎn)投資（FXA）對工業(yè)GDP的影響比能源消費量（POW_US）對工業(yè)GDP的影響要顯著，而且從“能源消費量”本身的數(shù)據(jù)來說，也存在著異常波動，將能源消耗總量數(shù)據(jù)作圖：如圖：可以看到，從97年后，能源消費量都比較異

14、常：經(jīng)濟在增長，但能源消耗量卻在下降。因此，從這個意義上講，能源消費量（POW_US）這個變量也不宜采納到模型中。3.更換模型的變量，再作探索根據(jù)柯布道格拉斯函數(shù)給我們的啟示，我們推測工業(yè)企業(yè)效益不僅與固定資產(chǎn)投資額（資本）有關(guān)，還與勞動人數(shù)（勞動力）有一定的關(guān)系，于是做出了下面的模型：模型5：INDUSG = C +1*FXA +2*LAB+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 20:03Sample: 1985 2002Included observations: 18VariableCoe

15、fficientStd. Errort-StatisticProb. C-7647.3423337.044-2.2916520.0368FXA1.0243530.04188524.456560.0000LAB0.7283710.2698422.6992540.0165R-squared0.993557 Mean dependent var20313.41Adjusted R-squared0.992698 S.D. dependent var15007.39S.E. of regression1282.424 Akaike info criterion17.30190Sum squared r

16、esid24669187 Schwarz criterion17.45030Log likelihood-152.7171 F-statistic1156.534Durbin-Watson stat1.069234 Prob(F-statistic)0.000000解釋變量相關(guān)系數(shù)矩陣：FXALABFXA 1.000000 0.831158LAB 0.831158 1.000000注釋：LAB第二產(chǎn)業(yè)勞動人數(shù)（單位：萬人） FXA固定資產(chǎn)投資額（單位：元）INDUSG = -7647.342 + 1.024353*FXA + 0.728371*LABt -2.291652 24.45656 2

17、.699254 （R20.993557，F(xiàn)=1156 DW=1.069）該模型與模型3和模型4相比，多重共線性有所減弱，但是殘差自相關(guān)性依然存在：dL=0.933<D-W< du=1.696仍然落在了不可判斷區(qū)域，說明還是有因素被排除在模型外面了。再考慮到以上模型只在生產(chǎn)方面考慮對工業(yè)GDP的影響，沒考慮消費對工業(yè)的影響，因為消費的增加會引起社會對工業(yè)產(chǎn)品的需求，進而促進廠家的生產(chǎn)積極性。于是，我們將消費因素考慮進去，作出模型6。模型6：INDUSG = C +1*FXA +2*CMS+uDependent Variable: INDUSGMethod: Least Squares

18、Date: 12/15/03 Time: 20:23Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C-1268.643716.4589-1.7707130.0969FXA0.3329580.1840871.8086930.0906CMS0.8581640.2000754.2892200.0006R-squared0.995701 Mean dependent var20313.41Adjusted R-squared0.995127 S.D. dependent v

19、ar15007.39S.E. of regression1047.590 Akaike info criterion16.89738Sum squared resid16461659 Schwarz criterion17.04578Log likelihood-149.0764 F-statistic1736.903Durbin-Watson stat0.467099 Prob(F-statistic)0.000000解釋變量相關(guān)系數(shù)矩陣：FXACMSFXA 1.000000 0.994645CMS 0.994645 1.000000注釋：CMS社會消費品零售總額（單位：億元） FXA固定資

20、產(chǎn)投資額（單位：元）固定資產(chǎn)投資與社會消費品零售總額居然存在著如此高度的相關(guān)性，這種情況我們完全沒有想到。出現(xiàn)這種現(xiàn)象的原因可能是消費品需求的增大會使得企業(yè)擴大規(guī)模，增加固定資產(chǎn)投資；而且由于中國正處在高速發(fā)展階段，各種指標(biāo)都在增長，在一定程度上也加重了模型的多重共線性。自然，這個模型也是不合格的。D-W<dL=0.933說明了消費并不是我們所探求的影響工業(yè)GDP的重要因素。4.較優(yōu)模型的得出經(jīng)過仔細的思考，我們覺得工業(yè)產(chǎn)品主要是用于國民生產(chǎn)的中間投入，所以本期的工業(yè)產(chǎn)出可能會影響今后若干期的工業(yè)GDP，因此，我們考慮采用滯后模型，同時考慮本期固定資產(chǎn)增加也會對工業(yè)GDP產(chǎn)生重要影響，所

21、以我們得到模型7。模型7：INDUSG = C +1*FXA +2*INDUSG(-1)+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 20:47Sample(adjusted): 1986 2002Included observations: 17 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C1270.111474.73862.6753910.0181FXA0.5679030.1488093.81631

22、70.0019INDUSG(-1)0.5260770.1416533.7138430.0023R-squared0.994836 Mean dependent var21305.45Adjusted R-squared0.994098 S.D. dependent var14848.44S.E. of regression1140.681 Akaike info criterion17.07542Sum squared resid18216141 Schwarz criterion17.22246Log likelihood-142.1411 F-statistic1348.575Durbin

23、-Watson stat0.786842 Prob(F-statistic)0.000000INDUSG = 1270.111499 + 0.5679025377*FXA + 0.5260769592*INDUSG(-1)t= 2.675 3.816 3.714（R20.9948，F(xiàn)=1348.57 DW=0.7868）用德賓h-檢驗法檢驗?zāi)Ｐ褪欠翊嬖谝浑A自相關(guān)性：顯著性水平，查標(biāo)準(zhǔn)正態(tài)分布表得臨界值=1.96，=3.0805>=1.96，拒絕原假設(shè)，模型存在一階自相關(guān)。可以看出，模型7的參數(shù)除了h外，都是很好的，我們繼續(xù)做滯后兩期的模型。模型8：INDUSG = C +1*FXA +2

24、*INDUSG(-1) +3*INDUSG(-2)+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/15/03 Time: 19:15Sample(adjusted): 1987 2002Included observations: 16 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C838.7794385.02262.1785200.0500FXA0.4374290.1082784.0398810.0016INDUSG(-1)1.

25、1761300.1920676.1235270.0001INDUSG(-2)-0.5714100.145066-3.9389530.0020R-squared0.997648 Mean dependent var22389.11Adjusted R-squared0.997060 S.D. dependent var14624.66S.E. of regression792.9241 Akaike info criterion16.40165Sum squared resid7544743. Schwarz criterion16.59480Log likelihood-127.2132 F-

26、statistic1696.898Durbin-Watson stat1.938562 Prob(F-statistic)0.000000INDUSG=838.77 + 0.4374*FXA + 1.176*INDUSG(-1) - 0.5714*INDUSG(-2)t= 2.178 4.039 6.124 -3.938（ R20.9976，F(xiàn)=1696.8 DW=1.938 h0.1920 ）模型7： （ R20.9948，F(xiàn)=1348.5 DW=0.7868 h3.0805）用德賓h-檢驗法檢驗?zāi)Ｐ褪欠翊嬖谝浑A自相關(guān)性：顯著性水平，查標(biāo)準(zhǔn)正態(tài)分布表得臨界值=1.96，=0.1920<

27、=1.96，接受原假設(shè)，模型不存在一階自相關(guān)。從任何一個參數(shù)上看，模型8都比模型7好，因此模型8應(yīng)該比模型7好，不過INDUSG(-2)的系數(shù)為負數(shù)很難解釋。但是我們真的找不到更好的模型。兩期前的工業(yè)GDP會使得本期的工業(yè)GDP減少，這種情況幾乎不可思議?？紤]其殘差的異方差性，在Eviews里，將樣本時間定義為19871992，然后用OLS方法求得下列結(jié)果：INDUSG = -581.95 + 0.6083*FXA + 0.6768*INDUSG(-1) + 0.07769*INDUSG(-2)t -1.796 6.30 2.57 0.3030.9967 將樣本時間定義為19972002，然后

28、用OLS方法求得下列結(jié)果：INDUSG = 15364.27 + 1.0895*FXA - 0.247*INDUSG(-1) - 0.132*INDUSG(-2)t 1.101 1.3365 -0.1963 -0.31380.9801 求F統(tǒng)計量：給定顯著性水平，得臨界值，拒絕原假設(shè)，存在異方差。用加權(quán)最小二乘法修正模型的異方差：設(shè)權(quán)數(shù)，回歸模型9：模型9：INDUSG = C +1*FXA +2*INDUSG(-1) +3*INDUSG(-2)+uDependent Variable: INDUSGMethod: Least SquaresDate: 12/24/03 Time: 18:29

29、Sample(adjusted): 1987 2002Included observations: 16 after adjusting endpointsWeighting series: WVariableCoefficientStd. Errort-StatisticProb. C604.5134113.72875.3154000.0002FXA0.4818470.02110622.830020.0000INDUSG(-1)1.1704270.05418621.600040.0000INDUSG(-2)-0.5929230.057094-10.384980.0000Weighted StatisticsR-squared0.999962 Mean dependent var16391.35Ad