对中国国内生产总值影响因素的实证分析——计量经济学Eviews目录引言 (3)一、经济背景 (3)二、结合经济背景，建立计量经济学模型 (3)（一）关于数据 (3)（二）关于模型 (4)①建立模型 (4)②回归模型参数估计 (4)（三）建模检验 (6)（1）统计推断检验 (6)（2）计量经济学意义检验 (6)①多重共线性检验 (6)②异方差检验（White检验） (8)③自相关的检验及修正（DW检验） (9)三、总结及对建模进行经济意义解释 (11)①回归方程的经济意义 (11)②总结 (11)对中国国内生产总值影响因素的实证分析引言：国内生产总值(Gross Domestic Product,简称GDP)国内生产总值是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。
它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。
一、经济背景从1995年到2009年，中国加入WTO以后，在新的国际环境下，经济和居民收入保持在快速增长的阶段。
其原因是：中国加入WTO有利于更快、更好地融入国际经济社会，而且有利于维护我国的经济利益，有利于扩大进出口贸易，有利于国民生产总值的增长等。
作为衡量经济发展的重要标准国民生产总值，其构成了反应经济发展的方向，政府财政支出、固定资产投资总额、居民消费、货物进出口总额等因素均可影响一个地区的生产总值。
其中，政府财政支出、固定资产投资总额和货物进出口总额是中国生产总值快速增长的推动力。
为检验其科学性，通过建立计量模型，运用计量分析的方法对影响中国生产总值的各因素进行相关的分析，找出其中关键的影响因素，最终通过调整该因素来提高地区的生产总值。
二、结合经济背景，建立计量经济学模型（一）关于数据：数据来源于《中国统计年鉴2010》国内生产总值支出构成相关数据如下：各项目支出对国内生产总值的百分比（单位：%）年份国内生产总值（绝对额（亿元））年份政府财政支出固定资产投资总额货物进出口总额1995 60794 1995 11.2 32.9 38.7 1996 71177 1996 11.2 32.3 33.9 1997 78973 1997 11.7 32.1 34.1 1998 84402 1998 12.8 33.7 31.8 1999 89677 1999 14.7 33.3 33.3 2000 99215 2000 16.0 33.2 39.6 2001 109655 2001 17.2 33.9 38.5 2002 120333 2002 18.3 36.1 42.7 2003 135823 2003 18.1 40.9 51.9 2004 159878 2004 17.8 44.1 59.8 2005 183217 2005 18.5 48.5 63.8 2006 211924 2006 19.1 51.9 66.5 2007 257306 2007 19.3 53.4 64.82008 300670 2008 20.8 57.5 59.8 2009 335353 2009 22.7 67.0 44.7 （二）关于模型①建立模型根据数据，现以中国国内生产总值（Y）作为被解释变量，以政府支出对中国国内生产总值的百分比（X1）、固定资本投资总额对中国国内生产总值的百分比（X2）、货物进口总额对中国国内生产总值的百分比（X3）为解释变量，建立多元线性回归方程的一般模型为：Yt = β0 +β 1 * X t1 +β2* X t2 +β3* X t3 + U t其中：Y——国内生产总值X1——政府支出对中国国内生产总值的百分比X2——固定资本投资总额对中国国内生产总值的百分比X3——货物进口总额对中国国内生产总值的百分比β0——常数项β1，β2，β3——回归方程的参数Ut——随即误差项②回归模型参数估计根据数据建立多元线性回归方程：首先利用Eviews软件对模型进行OLS估计，得样本回归方程。
输出结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 15:52Sample: 1995 2009Included observations: 15Variable Coefficient Std. Error t-Statistic Prob.C -186703.3 19250.81 -9.698466 0.0000X1 4241.153 2193.357 1.933636 0.0793X2 6825.999 712.7758 9.576643 0.0000X3 -375.9589 452.2320 -0.831341 0.4235R-squared 0.976694 Mean dependent var 153226.5Adjusted R-squared 0.970338 S.D. dependent var 86971.53S.E. of regression 14978.74 Akaike info criterion 22.28983Sum squared resid 2.47E+09 Schwarz criterion 22.47864Log likelihood -163.1737 F-statistic 153.6628Durbin-Watson stat 1.556397 Prob(F-statistic) 0.000000 在Eviews做出相关图表如下：根据多元线性回归关于Eviews输出结果可以得到参数的估计值为：β0= -186703.3，β1= 4241.153，β2=6825.999 ，β3= -375.9589从而初步得到的回归方程为：Y = -186703.3+ 4241.153*X1 + 6825.999*X2 -375.9589*X3Se= (19250.81) (2193.357) (712.7758) (452.2320)T= (-9.698466) (1.933636) (9.576643) (-0.831341)F= 153.6628 DW= 1.556397 R^2=0.976694（三）模型检验（1）统计推断检验从回归结果看，可决系数R²=0.976694，¯R² = 0.970338，计算结果表明，估计的样本回归方程较好地拟合了样本观测值。
F检验由表5中看出，F检验的P值等于0，小于0.05，说明回归方程是显著的，国内生产总值与政府财政支出，固定资产投资总额，货物进出口总额之间存在显著的关系.（2）计量经济学意义检验①多重共线性检验：1、对于模型中含有多个的解释变量的模型，可以利用解释变量样本观测值的散点图来考察两两解释变量间是否存在线性关系。
具体做法如下：在Eviews工作文档中，在菜单栏点击Quick键，选Graph/Scatter功能，弹出对话框后键入X1 X2 ，确认后产生关于X1, X2样本观测值之间的散点图如下图图（1）所示：图（1）同理，得出X2—X3，X1—X3样本观测值的相关散点图如下图（2）、图（3）：图（2）图（3）分析：由散点图可以直观地看出，3个图中的点都较为分散，因而模型中解释变量X1，X2，X3，两两解释变量X1—X2，X2—X3，X1—X3之间明显不存在线形关系，即说明原模型中解释变量不存在多重共线性。
②异方差检验（White检验）：原模型：Yt = β0 +β1*Xt1 +β2*Xt2 +β3*Xt3 + Ut进行White检验：在原来残差与解释变量线性关系的基础上加入解释变量的平方项与交叉项，因此得到辅助回归模型，以原模型含有3个解释变量为例写出辅助回归模型的一般形式为：Ut²=α0+α1*Xt1+α2*Xt2+α3*Xt3+α4*Xt1² +α5*Xt2 ²+α6* Xt3 ²+α7 *Xt1 *Xt2+α8 *Xt1 *Xt3+α9 *Xt2 *Xt3 + εt那么，检验原模型是否存在异方差就相当于检验此辅助回归模型的回归参数除常数项外是否显著为零。
其中，辅助回归模型的参数个数为9，则参照א²分布百分位数表的自由度为9。
提出相应的原假设:H0: αi =0 (i=1,2,…,9) ;备择假设: H1:α1,α2,…,α9不全为零。
E views中操作：在OLS回归估计式窗口点击View键，选Residual Test/White Heteroskedasticity（cross terms交叉项）功能，即可得到下图输出结果：White Heteroskedasticity Test:F-statistic 16.31004 Probability 0.003375Obs*R-squared 14.50590 Probability 0.105433Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/23/10 Time: 22:02Sample: 1995 2009Included observations: 15Variable Coefficient Std. Error t-Statistic Prob.C -3.80E+09 4.22E+09 -0.901717 0.4085X1 1.87E+08 3.07E+08 0.608468 0.5695X1^2 -12187216 8270695. -1.473542 0.2006X1*X2 3704936. 14636193 0.253135 0.8102X1*X3 137679.5 6314104. 0.021805 0.9834X2 -5553832. 1.05E+08 -0.052717 0.9600X2^2 -2035432. 3240707. -0.628083 0.5575X2*X3 3645767. 1304672. 2.794394 0.0382X3 1.01E+08 46645979 2.161212 0.0831X3^2 -2819723. 625211.3 -4.510032 0.0063R-squared 0.967060 Mean dependent var 1.65E+08Adjusted R-squared 0.907768 S.D. dependent var 2.30E+08S.E. of regression 69749694 Akaike info criterion 39.19345Sum squared resid 2.43E+16 Schwarz criterion 39.66548Log likelihood -283.9508 F-statistic 16.31004Durbin-Watson stat 3.051167 Prob(F-statistic) 0.003375由检验结果可知，在TR²=14.50590时（其中Obs*R-squared等于14.50590表示的就是统计量TR²的值），因为模型中解释变量的个数为K=3, 所以א²分布的自由度为9。