计量经济学模型分析论文 影响我国人均GDP的变量因素分析

影响我国人均GDP的变量因素分析
摘要
人均国内生产总值，也称作“人均GDP"，是衡量经济发展状况的重要指标，，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。

是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。

文章从从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面作为出发点，通过往年的数据发展来观察它们对于人均GDP的影响，从而对我国目前的经济发展提供一些建议。

笔者认为，在提高城镇居民可支配收入、城市化率以及政府支出的基础上，更要调节好我国目前贫富差距过大的问题，这样才能保持经济的稳定发展。

关键词：人均GDP；城市化率；城镇居民可支配收入；城府支出
引言
一国的经济乃立国之本，而经济发展是以GDP增长为前提的。

影响人均GDP 的因素看似众多，究竟哪些因素对人均GDP的增长起关键性的影响作用呢？由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。

随着2009年中国GDP赶超日本，成为世界排名第二，无疑吸引了国内外的目光。

然而，在如此大的总量之下，中国的人均GDP却一直在世界100名左右徘徊。

“国服民穷”的现状一直是我们的问题。

经我们数据搜寻，在人均GDP的增长过程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。

同时，我们知道GDP的构成取决于消费、投资、政府支出。

因此，我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量，认为这四个变量是影响人均GDP的关键性因素。

本实验主要选取1979—2009年的统计数据。

一、人均GDP的基本概念及特点
1、人均GDP的基本概念和经济意义
（1）人均GDP的基本概念
人均国内生产总值（Real GDP per capita），也称作“人均GDP"，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。

将一个国家核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口相比进行计算，得到人均国内生产总值。

是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。

（2）人均GDP的经济意义
首先，除资源国以外的绝大多数工业化国家，人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。

一方面，就中日比较而论，人均GDP虽不能正确反映中日两国综合国力，但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国，尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平，更是让中国望尘莫及。

改革开放30多年来，中国城市化、工业化进程加快，农村农业的滞后发展恰恰拖了我国人均GDP的后腿，成为我国经济社会发展的短板，最终也深刻影响了我国的综合国力和国际竞争力。

其次，人均GDP本身具有社会公平和平等的含义。

人均GDP虽然不能直接等同于居民的人均收入和生活水平，但构成了一国居民人均收入和生活水平的主要物质基础，是提高居民人均收入水平、生活水平的重要参照指标。

事实上，强调人均GDP的国家，一般也比较注重提高本国居民的人均收入水平和社会公平程度。

再次，人均GDP与工业化进程和社会稳定，具有一定内在联系。

据亨廷顿分析，在一定阶段，人均国内生产总值增长与社会安定、社会和谐成正比。

二、1978-2011年的数据搜集
三、REVIEWS模型建立及检验
1、散点图变化分析
（1）、 GDPP（人均GDP）和CSH（城市化）的关系
（2）、GDPP（人均GDP
）和JMKZPSR（城镇居民家庭人均可支配收入）的关系
（4）、GDPP(人均GDP)和GMXFSP（城镇居民消费水平）
2、 Ganger检验
（1）首先，我们研究GDPP和CSH的因果检验。

Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:42
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
CSH does not Granger Cause GDPPP 31 0.78247 0.3839
GDPPP does not Granger Cause CSH 0.57193 0.4558
由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。

（2）其次，我们研究GDPP和JMKZPSR的因果检验。

Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:44
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
JMKZPSR does not Granger Cause GDPP 31 0.24821 0.6222
GDPP does not Granger Cause JMKZPSR 0.19484 0.6623
由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP 作为因变量。

（3）紧接着，我们研究GDPP和ZFZC之间的因果关系。

Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:45
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
ZFZC does not Granger Cause GDPP 31 0.02024 0.8879
GDPP does not Granger Cause ZFZC 0.33720 0.5661
由表可知，GDPP和ZFZC相互影响，概率都比较大，所以可以将ZFZC作为自变量。

（4）最后，我们研究GDPP 和GMXFSP 的因果关系。

Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:44 Sample: 1978 2009 Lags: 1
Null Hypothesis:
Obs F-Statistic Prob.
JMXFSP does not Granger Cause GDPP 30 16.0251 0.0004 GDPP does not Granger Cause JMXFSP 7.44216
0.0111
由表可知，GDPP 和 JMXFSP 的相关可能性都非常低，顾将JMXFSP 作为自变量剔除。

3、选择模型形式，做回归,描绘模型
估计模型：ZFZC JMKZPRS CSH C GDP +++=2
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 16:47 Sample: 1978 2011 Included observations: 34
Variable Coefficient Std. Error t-Statistic Prob.
C 472.7725 178.0388 2.655446 0.0126 CSH^2 -1.589601 0.416496 -3.816604 0.0006 ZFZC 0.096333 0.011037 8.728460 0.0000 JMKZPSR
1.269763
0.086591
14.66399
0.0000
R-squared
0.999337 Mean dependent var 7863.882 Adjusted R-squared 0.999271 S.D. dependent var 9292.254 S.E. of regression 250.9664 Akaike info criterion 13.99865 Sum squared resid 1889524. Schwarz criterion 14.17822 Log likelihood -233.9770 Hannan-Quinn criter. 14.05989 F-statistic 15070.08 Durbin-Watson stat 1.179488
Prob(F-statistic)
0.000000
令 GDP ^
=Y 21CSH =X JMKZPSR 2=X ZFZC 3=X
321^
269763.1096333.01.589601x -472.7725x x Y ++=
()0388.178 ()4164.0 ()011037.0 ()086591.0
999337.02=R 0.9992712=R 1.179488=DW
9664.250=SE 00.0=F 33=n
4、随机误差项的正态性检验（JB 检验）
通过
JB 检验发现，估计模型随机误差项可能为正太分布的可能性P>5%,所以通
过检验。

5、 Ramsey reset test 检验
Ramsey RESET Test:
F-statistic
4.085866 Prob. F(1,27) 0.0533 Log likelihood ratio
4.509325 Prob. Chi-Square(1)
0.0337
Test Equation:
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 13:59 Sample: 1978 2009 Included observations: 32
Variable
Coefficient Std. Error t-Statistic Prob.
C
-44.45361
313.7799
-0.141671
0.8884
CSH^2 -0.208129 0.798441 -0.260669 0.7963
JMKZPSR 1.226143 0.088068 13.92275 0.0000
ZFZC -0.004762 0.051507 -0.092447 0.9270 FITTED^2 8.81E-06 4.36E-06 2.021353 0.0533
R-squared 0.998943 Mean dependent var 6325.906 Adjusted R-squared 0.998787 S.D. dependent var 7066.021 S.E. of regression 246.1018 Akaike info criterion 13.99197 Sum squared resid 1635285. Schwarz criterion 14.22099 Log likelihood -218.8715 Hannan-Quinn criter. 14.06788 F-statistic 6382.086 Durbin-Watson stat 1.060922 Prob(F-statistic) 0.000000
Prob.F值为0.533>5%,所以模型被误设可能性较小。

6、 T、F检验，拟合优度检验
t-Statistic
2.288009
-3.385601
13.98170
7.726581
T值的绝对值>2，通过检验，说明此模型拟合优度较好。

Prob(F-statistic) 0.000000
F值为0，远远小于5%，说明此模型拟合优度较好。

R-squared 0.998784
2
R=0.99，说明改模型可行性很大，拟合度好。

7、 Wald Test检验，若Prob. F>5%，接受约束条件
Wald Test:
Equation: Untitled
Test Statistic Value df Probability
F-statistic 3.421460 (1, 28) 0.0749
Chi-square 3.421460 1 0.0644
Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
-1 + C(2)^2 - 3*C(3) + C(4) 2.792085 1.509465
Delta method computed using analytic derivatives.
8、邹氏突变检验：若Prob. F<5%，认为该点很可能是突变点
通过观察整体数据较为平稳，未发现明显突变点，其中对1995年、2004年进行随机检测，如下图：
Chow Breakpoint Test: 1994
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1978 2009
F-statistic 10.66037 Prob. F(4,24) 0.0000
Log likelihood ratio 32.68074 Prob. Chi-Square(4) 0.0000
Wald Statistic 42.64146 Prob. Chi-Square(4) 0.0000
Chow Breakpoint Test: 2004
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1978 2009
F-statistic 51.32985 Prob. F(4,24) 0.0000
Log likelihood ratio 72.22598 Prob. Chi-Square(4) 0.0000
Wald Statistic 205.3194 Prob. Chi-Square(4) 0.0000
所以通过邹氏检验，发现无突变点。

9、模型的比较：观察AIC和SC值的变化，若有下降的现象，该模型可能更好些。

Dependent Variable: GDPP
Method: Least Squares
Date: 06/07/12 Time: 19:12
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C -355.7275 157.9942 -2.251522 0.0327
CSH^2 1.175857 0.448006 2.624645 0.0141
ZFZC -0.157097 0.034252 -4.586449 0.0001 JMKZPSR 1.056712 0.058971 17.91905 0.0000 JMKZPSR^2 5.91E-05 7.81E-06 7.574526 0.0000
R-squared 0.999611 Mean dependent var 6325.906 Adjusted R-squared 0.999553 S.D. dependent var 7066.021 S.E. of regression 149.3804 Akaike info criterion 12.99347 Sum squared resid 602491.2 Schwarz criterion 13.22249 Log likelihood -202.8955 Hannan-Quinn criter. 13.06938 F-statistic 17333.87 Durbin-Watson stat 1.124435 Prob(F-statistic) 0.000000
此时13.22249
=
AIC=
SC
12.99347
原模型14.17822
SC
AIC=
=
13.99865
通过比较发现增加一个变量后的模型更适合
四、REVIEWS异方差检验及克服
1、异方差检验
（1）图形法
（2） WHITE检验
Heteroskedasticity Test: White
F-statistic 4.375318 Prob. F(9,22) 0.0023 Obs*R-squared 20.53007 Prob. Chi-Square(9) 0.0149 Scaled explained SS 25.76099 Prob. Chi-Square(9) 0.0022
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/03/12 Time: 14:01
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 8464.488 329747.7 0.025670 0.9798
CSH^2 -201.3539 1601.322 -0.125742 0.9011 (CSH^2)^2 0.390429 1.982626 0.196925 0.8457 (CSH^2)*JMKZPSR -0.209972 0.662189 -0.317087 0.7542 (CSH^2)*ZFZC 0.006477 0.073271 0.088393 0.9304 JMKZPSR -13.46487 270.5561 -0.049767 0.9608 JMKZPSR^2 0.028131 0.065792 0.427570 0.6731 JMKZPSR*ZFZC -0.005733 0.017857 -0.321084 0.7512
ZFZC 46.12346 50.20082 0.918779 0.3682 ZFZC^2
0.000277
0.001399
0.198082
0.8448
R-squared
0.641565 Mean dependent var 58835.95 Adjusted R-squared 0.494932 S.D. dependent var 108225.6 S.E. of regression 76913.92 Akaike info criterion 25.58907 Sum squared resid 1.30E+11 Schwarz criterion 26.04711 Log likelihood -399.4251 Hannan-Quinn criter. 25.74090 F-statistic 4.375318 Durbin-Watson stat 2.022294 Prob(F-statistic)
0.002261
53007.202=nR ，由white 检验知，在05.0=∂，查2χ分布表，得临界值
()81473.7305.02=χ，所以拒绝原假设，接受备择假设，表明模型存在异方差。

2、异方差的修正
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 14:34 Sample: 1978 2009 Included observations: 32 Weighting series: 1/RESID^2
Variable
Coefficient
Std. Error t-Statistic Prob.
C 849.1712 171.2264 4.959347 0.0000 CSH -48.90755 8.460355 -5.780791 0.0000 ZFZC 0.086467 0.004839 17.86810 0.0000 JMKZPSR
1.185499
0.028887
41.03955 0.0000
Weighted Statistics
R-squared 0.999925 Mean dependent var 633.4496 Adjusted R-squared 0.999917 S.D. dependent var 3246.371 S.E. of regression 1.135960 Akaike info criterion 3.209302 Sum squared resid 36.13133 Schwarz criterion 3.392519 Log likelihood -47.34883 Hannan-Quinn criter. 3.270033 F-statistic 124296.8 Durbin-Watson stat 1.364803 Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.998268 Mean dependent var
6325.906
Adjusted R-squared 0.998082 S.D. dependent var 7066.021 S.E. of regression 309.4658 Sum squared resid 2681534. Durbin-Watson stat 0.658206
3、再次对修正后的模型做white 检验
Heteroskedasticity Test: White
F-statistic 1.09E+22 Prob. F(1,30)
0.0000 Obs*R-squared 32.00000 Prob. Chi-Square(1) 0.0000 Scaled explained SS
3.01E-10 Prob. Chi-Square(1) 1.0000
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:41 Sample: 1978 2009 Included observations: 32
Collinear test regressors dropped from specification
Variable
Coefficient
Std. Error t-Statistic Prob.
C 2.45E-16 5.44E-17 4.498128 0.0001 WGT^2
3.14E-08
3.00E-19
1.05E+11
0.0000
R-squared 1.000000 Mean dependent var 1.00E-06 Adjusted R-squared 1.000000 S.D. dependent var 5.68E-06 S.E. of regression 3.03E-16 Sum squared resid 2.75E-30 F-statistic 1.09E+22 Durbin-Watson stat 1.800809 Prob(F-statistic)
0.000000
()81473.731001.305.022=<-=χE nR ,所以修正后的模型通过WHITE 检验得到无
异方差。

此时模型为：
321^
1.1854990.08646748.90755x -849.1712x x Y ++=
()171.2264 ()8.460355 ()0.004839 ()0.028887
0.9999252=R 0.9999172=R 1.364803=DW
1.135960=SE 00.0=F 33=n
五、REVIEWS自相关检验及克服
1、自相关检验
（1） DW检验法
Dependent Variable: GDPP
Method: Least Squares
Date: 06/07/12 Time: 17:28
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 459.4286 200.7984 2.288009 0.0299
CSH^2 -1.558879 0.460444 -3.385601 0.0021
ZFZC 0.096554 0.012496 7.726581 0.0000
JMKZPSR 1.265428 0.090506 13.98170 0.0000
R-squared 0.998784 Mean dependent var 6325.906 Adjusted R-squared 0.998653 S.D. dependent var 7066.021 S.E. of regression 259.3089 Akaike info criterion 14.07039 Sum squared resid 1882750. Schwarz criterion 14.25360 Log likelihood -221.1262 Hannan-Quinn criter. 14.13112 F-statistic 7663.496 Durbin-Watson stat 1.020692 Prob(F-statistic) 0.000000
=
DW说明在滞后一期时该模型存在一阶自相关.1<
020692
dl
（2） LM检验法
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 11.63691 Prob. F(1,27) 0.0021 Obs*R-squared 9.637960 Prob. Chi-Square(1) 0.0019
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/07/12 Time: 18:03
Sample: 1978 2009
Included observations: 32
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -164.8782 177.6396 -0.928161 0.3615 CSH^2 0.288769 0.401008 0.720107 0.4776 ZFZC -0.015185 0.011532 -1.316774 0.1990 JMKZPSR 0.015708 0.077184 0.203514 0.8403 RESID(-1)
0.772596
0.226482
3.411291
0.0021
R-squared
0.301186 Mean dependent var -4.19E-13 Adjusted R-squared 0.197658 S.D. dependent var 246.4424 S.E. of regression 220.7472 Akaike info criterion 13.77451 Sum squared resid 1315692. Schwarz criterion 14.00354 Log likelihood -215.3922 Hannan-Quinn criter. 13.85043 F-statistic 2.909226 Durbin-Watson stat 1.197067 Prob(F-statistic)
0.040137
()637960.939.63796005.02=>=χnR LM 检验也说明该模型在滞后一期时存在一
阶自相关。

2、 广义差分法克服自相关
510346.02/ˆ==DW ρ
滞后一期时，
()()11)1(33221101-+-+-+=-x x x Y x ββββ
两边同时乘以ρ 并将原模型与所得模型相减 得到差方后模型：
*3
*2*1*9083.004233.095.238493.389ˆx x x Y X ++-=
六、REVIEWS 多重共线检验及克服 1、多重共线检验
GDPP CSH^2 ZFZC JMKZPSR GDPP 1
0.9600619461247061
0.9864017312218101 0.99618721912
73518 CSH^2 0.96006194612
47061 1 0.9215085568608908
0.97694821058
06614 ZFZC 0.9864017312218101 0.92150855686
08908 1 0.97209385159
96026
JMKZPSR
0.9961872191273518
0.9769482105806614
0.97209385159
96026
1
（1）去掉2CSH 后 对模型2R 重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:02 Sample: 1978 2009 Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob. C -167.6252 90.48260 -1.852568 0.0741 ZFZC 0.120358 0.012051 9.987319 0.0000 JMKZPSR
0.992477
0.047977
20.68630
0.0000
R-squared 0.998286 Mean dependent var 6325.906 Adjusted R-squared 0.998167 S.D. dependent var 7066.021 S.E. of regression 302.4890 Akaike info criterion 14.35103 Sum squared resid 2653487. Schwarz criterion 14.48844 Log likelihood -226.6164 Hannan-Quinn criter. 14.39657 F-statistic 8443.399 Durbin-Watson stat 0.869511
Prob(F-statistic)
0.000000
此时999337.0998286.02<=R 所以2CSH 不应该被剔除 （2）去掉ZFZC 后 对模型2
R 重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:05 Sample: 1978 2009 Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob. C 995.1454 327.7126 3.036641 0.0050 CSH^2 -3.560546 0.661954 -5.378842 0.0000 JMKZPSR
1.871291
0.078598
23.80846
0.0000
R-squared 0.996190 Mean dependent var 6325.906 Adjusted R-squared 0.995927 S.D. dependent var 7066.021 S.E. of regression 450.9395 Akaike info criterion 15.14960 Sum squared resid 5897047. Schwarz criterion 15.28702 Log likelihood -239.3937 Hannan-Quinn criter. 15.19515 F-statistic 3791.291 Durbin-Watson stat 0.256818
Prob(F-statistic)
0.000000
此时999337.00.9961902<=R 所以ZFZC 不应该被剔除
（3） 去掉JMKZPSR 后 对模型2
R 重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:11 Sample: 1978 2009 Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob. C -1517.897 395.7188 -3.835797 0.0006 CSH^2 4.175785 0.580862 7.188952 0.0000 ZFZC
0.247928
0.017324
14.31145
0.0000
R-squared
0.990291 Mean dependent var 6325.906 Adjusted R-squared 0.989621 S.D. dependent var 7066.021 S.E. of regression 719.8556 Akaike info criterion 16.08504 Sum squared resid 15027571 Schwarz criterion 16.22245 Log likelihood -254.3606 Hannan-Quinn criter. 16.13059 F-statistic 1478.950 Durbin-Watson stat 0.469288
Prob(F-statistic)
0.000000
此时999337.00.9902912<=R 所以JMKZPSR 不应该被剔除
结果表明，虽然模型存在多重共线，但是并不影响本模型的分析效果，所以不必要进行处理。

七、结论
从对于1979—2009年的数据的计量分析中，我们发现了以下结论：
1城镇居民消费水平与人均GDP 显著相关，但没有不显著影响人均GDP ，不能构成影响人均GDP 的自变量。

故我们踢出了该自变量，初步估计是由于当前中国居民收入的不均衡，抑制了他更进一步发挥对经济增长的拉动作用。

做出仅含三个自变量的回归模型。

2城镇居民家庭人均可支配收入、城市化率及城市政府支出对GDP 的具有较大的影响，随着这三个自变量的增加，人均GDP 显著增加，构成影响人均GDP 的关键影响因素。

3为了GDP的更快更健康的增长，应加大城镇居民家庭人均可支配收入、城市化率及城市政府支出，另外要均衡居民收入，减小贫富差距。