对中国经济增长影响因素的实证分析报告

影响中国经济增长因素的实证分析

学院：经济学院

专业：金融

教学号：21140731

：王月

影响中国经济增长因素的实证分析

摘要：改革开放以来，中国的社会经济取得了飞速发展，经济增长速度更是举世瞩目，已成为世界第二大经济体，仅次于美国。本文根据计量经济学、中级宏观经济学、Eviews软件相关知识，采用时间序列数据模型和多元线性回归分析方法对1985年-2015年三十多年间中国经济增长因素进行研究，分析了居民消费价格指数、固定资产投资、公共预算支出、进出口总额对国生产总值（GDP）的影响，建立计量经济学模型，寻求这些变量与国生产总值的数量关系，进行定量分析，对模型进行检验，最终得出结论。

关键词：CPI、GDP、投资、预算支出、进出口、经济增长

一、研究的目的要求

（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生产总值（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

在曼昆中级宏观经济学第七版中指出，国民收入核算把GDP分为四大类支出：消费（C）、投资（I）、政府购买（G）、净出口（NX）。用Y代表GDP有，Y=C+I+G+NX。

从公式可知，GDP主要受这四方面影响，因此本文用公共预算支出衡量一部分政府购买，用全社会固定资产投资总额衡量投资。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。在过去的几十年里,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。所以，选取了CPI物价指数来进行进一步分析。同时随着对外经济加强，进出口贸易已成为中国经济重要组成部分，所以进出口额也是值得分析的因素。

二、模型设定与参数设计

（一）数据的收集

中国经济增长影响因素模型时间序列表

资料来源：中国统计年鉴、中国政府网

（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，我们可以用国生产总值（Y）作为对经济发展的衡量，代表经济发展；用CPI（X1）消费需求；用固定资产投资总额(X2)衡量资本投入：用预算支出（X3）去代表政府购买X4代表进出口总额。运用这些数据进行回归分析。

采用的模型如下：

Y= β0+β1X1+β2X2+β3X3+β4X4+m

i

其中，Y代表国生产总值，X3代表预

算支出，X2代表固定资产投资，X1代表消费价格指数，X4代表进出口总额，m

i 代表随机扰动项。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、模型检验及修正

1.可以得到如下回归分析结果：

Dependent Variable: Y

Method: Least Squares

Date: 06/20/16 Time: 08:55

Sample: 1985 2015

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C 83300.80 48323.23 1.723825 0.0966

X1 -606.6547 443.4283 -1.368101 0.1830

X2 -0.318973 0.225021 -1.417523 0.1682

X3 4.176602 0.802216 5.206331 0.0000

X4 3.191439 0.584819 5.457142 0.0000

R-squared 0.996436 Mean dependent var 189284.4

Adjusted R-squared 0.995888 S.D. dependent var 204842.6

S.E. of regression 13135.92 Akaike info

criterion 21.95078

Sum squared resid

4.49E+09 Schwarz criterion

22.18207

Log likelihood -335.2371 Hannan-Quinn

criter.

22.02617 F-statistic 1817.315 Durbin-Watson stat 0.322178 Prob(F-statistic)

0.000000

Y=833300.8-606.6547β1X1-0.318973β2X2+4.18β3X3+3.19β4X4 R ²=0.996436 Ṝ=0.995888 F=1817.315 从数据可以看出模型拟合优度很好。 2.多重共线性检验

X1 X2 X3 X4

X1 1.000000 -0.288341 -0.314340 -0.324767 X2 -0.288341 1.000000 0.997062 0.932732 X3 -0.314340 0.997062 1.000000 0.945955 X4

-0.324767

0.932732

0.945955

1.000000

从上面结果来看，X2，X3，X4之间存在高度相关性，分别做出Y 与1245

,,,X X X X 间的回归，结果如下：

Dependent Variable: Y Method: Least Squares