论文文档

3 新疆区域经济增长影响因素的实证分析 3.1实证方法的选择

经济各因素对区域经济的增长有怎样的影响，各因素之间有怎样的关系，怎样充分利用各因素对区域经济增长的作用来推动区域经济的发展，都是本文要解决的问题，本文利用计量经济学多元线性回归的知识对影响新疆区域经济增长的因素进行分析。

3.2变量的选择与数据的选择

目前研究区域经济的影响因素主要有：投资，消费，对外经济贸易，教育，科技，人口等因素。我们知道经济发展的起初阶段投资，消费，对外经济贸易对经济的发展起着主要的推动作用，而在经济发展到一定程度，也即比较发达阶段，科技、文化等因素对经济发展的推动作用起主导地位。在投资这一领域，固定资产投资在整个投资中占最大比列，所以我们选取固定资产投资作为第一个解释变量，用X1来表示；在对外贸易这一块由于净出口额包含了出口和进口的总的影响，所以我们选取净出口额作为第二个解释变量，用X2来表示；消费对经济的发展具有内在推动作用，所以选取消费作为第三个解释变量，用X3表示；科学技术是第一生产力，科技在经济发展中具有不可估量的作用，一个地区科研经费的投入量被认为是衡量该地区科技实力的重要标志，所以选取科研经费投入量作为第四个解释变量；作为衡量经济发展的一个重要变量，选取GDP 被解释变量，用Y 表示。

综合考虑本文此次研究的范围和领域，选取新疆统计年鉴1978-2010的数据作为研究数据。

3.3区域经济增长影响因素的描述性分析 3.3.1建立模型：

Y=υββββα

+++++44332211X X X X

3.3.2模型检验及修正：

利用Eviews 软件对模型进行回归，结果如下：

Dependent Variable: SER01 Method: Least Squares Date: 06/11/11 Time: 21:33

Sample: 1978 2009 Included observations: 32

Variable Coefficie

nt Std. Error t-Statistic Prob.

C 1844473. 3707304. 0.497524 0.6228

SER02 0.758110 0.126292 6.002837 0.0000

SER03 41061153 7976459. 5.147792 0.0000

SER04 0.418445 0.113908 3.673516 0.0010

SER05 -5791.781 7184.308 -0.806171 0.4272

R-squared 0.995158 Mean dependent var 10789328

Adjusted R-squared 0.994441 S.D. dependent var 12391803

S.E. of regression 923906.6 Akaike info criterion 30.45321

Sum squared resid 2.30E+13 Schwarz criterion 30.68223

Log likelihood -482.2514 F-statistic 1387.416

Durbin-Watson stat 0.983479 Prob(F-statistic) 0.000000

由回归结果得：R2=0.995158，F检验值1387.416，明显显著，但是X4系数的T检验不显著，这表明模型很可能存在多重共线性。

模型的修正：

采用逐步回归法消除多重共线性,分别做Y对 X1、 X2、 X3、X4的一元回归，结果如下：X1 X2 X3 X4

T 统计量40.29924 30.10743 6.857894 -11.6343

T 值概率0 0 0 0

R2 0.981862 0.967967 0.610545 0.864286

F统计量1624.029 906.4572 47.03071 191.0527

F值的概率0 0 0 0

其中X1的R2最大，在X1的基础上依次加入X2、 X4、 X3进行回归，结果发现X4引起多重共线性，应予以删除，最后方程的回归结果为：

Dependent Variable: SER01

Method: Least Squares

Date: 06/11/11 Time: 22:02

Sample: 1978 2009

Included observations: 32

Variable Coefficie

nt Std. Error t-Statistic Prob.

C -1130056. 358595.4 -3.151341 0.0039

SER02 0.809312 0.108475 7.460796 0.0000

SER03 35573478 4131747. 8.609791 0.0000

SER04 0.399709 0.110813 3.607055 0.0012

R-squared 0.995042 Mean dependent var 10789328 Adjusted R-squared 0.994511 S.D. dependent var 12391803 S.E. of regression 918112.6 Akaike info criterion 30.41450 Sum squared resid 2.36E+13 Schwarz criterion 30.59771 Log likelihood -482.6319 F-statistic 1873.091 Durbin-Watson stat 0.944250 Prob(F-statistic) 0.000000

修正后模型消除了多重共线性。

由以上回归结果DW值可以看出修正后的模型存在自相关

运用科克伦-奥科特迭代法再次对模型进行修正

在Eviews中输入：

Ls e e(-1)得残差=0.52595，

进行广义差分得：

Dependent Variable: SER01-0.52595*SER01(-1)

Method: Least Squares

Date: 06/11/11 Time: 21:23

Sample (adjusted): 1979 2009

Included observations: 31 after adjustments

Variable Coefficie

nt Std. Error t-Statistic Prob.

C -790935.0 298581.0 -2.648979 0.0133 SER02-0.52595*SER02(-1) 0.591267 0.122193 4.838809 0.0000 SER03-0.52595*SER03(-1) 43475451 5798252. 7.498027 0.0000 SER04-0.52595*SER04(-1) 0.481626 0.087227 5.521523 0.0000

R-squared 0.988094 Mean dependent var 5992200. Adjusted R-squared 0.986771 S.D. dependent var 6651978. S.E. of regression 765087.7 Akaike info criterion 30.05328 Sum squared resid 1.58E+13 Schwarz criterion 30.23831 Log likelihood -461.8259 F-statistic 746.9257 Durbin-Watson stat 1.549372 Prob(F-statistic) 0.000000

由DW值可以判断，模型依然存在自相关。

由第一步结果求的新的残差