当前位置:文档之家› 固定资产投资对GDP的影响

固定资产投资对GDP的影响

固定资产投资对地区生产总值的影响【摘要】:在国家的经济发展中,最直观测量经济发展效果良好与否的指标就是看它的GDP,而影响GDP的主要有三大因素:消费、投资与进出口贸易。

总的来说,固定资产投资可分为国有投资与个体投资,而个体投资又可分为很多的种类,本文以计量经济学模型为基础,试图建立一个以地区生产总值为因变量,以国民投资、集体投资、个人投资和农村投资四类投资为解释变量的多元线性回归模型,来说明固定资产投资对地区生产总值的重要性,同时运用多因素分析方法,对经济增长变动及其主要影响因素进行实证分析,从而得到一些启示,并结合区域经济增长情况,为区域未来因固定资产而引起生产总值变动情况提供依据。

【关键词】:国民投资,个体投资,地区生产总值理论依据便是宏观经济学中的Keynes模型:用支出法核算GDP时,即Y=C+I+G+NX。

其中的I就是投资的部分,而固定资产投资又是投资中的主要部分,因此它对经济的发展有至关重要的作用。

并且,有一种发展理论认为发展中过国家之所以发展缓慢,就是因为投资不足。

发展经济学要求国家积累储蓄,以用于投资。

而这里的投资就包括有基础设施建设等固定资产的投资。

我们根据对以往相关资料的分析,通过总结,可得出以下观点。

虽然过去已经有很多人研究过这方面内容,但缺点是:对固定资产投资部分的分析主要集中于政府的投入分析,忽视了个体的投资,在现在这个个体投资逐渐增长的情况下,重视它们的存在对经济发展的研究具有十分重要的意义。

因此,我们这次的分析是把总的固定资产投资部分分为四个部分:政府投资、集体投资、个人投资和农村投资。

下面,我们就关于固定资产投资对地区生产总值影响的模型建立采取以下步骤:一、建立模型。

根据以上分析,我们把资产分为四个部分,也就是四个解释变量设定:国民投资部分为变量X1集体投资部分为变量X2个人投资部分为变量X3农村投资部分为变量X4由于在过去的研究和各种经济理论中,我们没有找到专门研究固定资产投资和生产总值之间关系的经济模型,因此我们根据自己的认识将初始模型设定为:Y=α+β1X1+β2X2+β3X3+β4X4+ut二、估计参数收集模型所含经济变量的数据,主要来源于网上的收集,一是来自于中经网的数据;二是来自于省份统计局网站的统计年鉴年份国民生产总值国有经济投资集体经济投资个体经济投资农村经济投资1991 21662.5 3713.8 697.8 1182.9 1042.561992 26651.9 5498.7 1359.4 1222 1005.521993 34560.5 7925.9 2317.3 1476.2 1137.731994 46670 9615 2758.9 1970.6 1519.241995 57494.9 10898.2 3289.4 2560.2 2007.851996 66850.5 12056.2 3660.6 3211.2 2544.031997 73142.7 13091.7 3850.9 3429.4 2691.161998 76967.2 15369.3 4192.2 3744.4 2681.521999 80579.4 15947.8 4338.6 4195.7 2779.592000 88228.1 16504.4 48105 4709.4 2904.262001 96346.4 17607 5278.6 5429.6 2976.562002 119095.718877.45987.46519.23123.22003 135174.021661.08009.57720.13201.02004 159586.734091.81879.16517.93362.72005 184088.638676.72231.79950.03940.22006 213131.744823.96472.033378.24436.22007 251483.252229.48080.646405.15123.3三、验证模型对原模型进行初步回归得到如下的结果:Dependent Variable: YMethod: Least SquaresDate: 10/20/12 Time: 15:36Sample: 1991 2007C -3253.317 1016.906 -3.199231 0.0076X1 2.659681 0.385593 6.897639 0.0000X2 0.001335 0.043956 0.030380 0.9763X3 4.215146 1.400283 3.010210 0.0109R-squared 0.997851 Mean dependentvar44161.04 Adjusted R-squared 0.997135 S.D. dependent var 30811.57S.E. of regression 1649.121 Akaike info criterion 17.89380Sum squared resid 32635221 Schwarz criterion 18.13886Log likelihood -147.0973 F-statistic 1393.312可以看出,经济检验合理,没有出现数字和符号的错误。

并且度量拟合优度的判定系数R2=0.997851,调整的判定系数为0.997135。

可以看出,拟和效果十分的好。

因此,该模型的设定是合理的,将表中的数字带入模型得:Y=-3253.317+2.659681X1+0.001335X2+4.215146X3+9.541968X43.199231 6.897369 0.030380 3.010210 0.913359R2=0.997851 F=1393.312 DW=1.340522四、做完统计检验,再对模型进行计量的经济检验1 、做多重共线性检验,利用简单相关系数矩阵法得到下列的矩阵:X1 X2 X3 X4X1 1.000000 0.492140 0.975155 0.978367X2 0.492140 1.000000 0.530160 0.482757X3 0.975155 0.530160 1.000000 0.975582X4 0.978367 0.482757 0.975582 1.000000可以看出存在的多重共线性,下面我们采用逐步回归法对他进行修正,先对它们的每个解释变量对应回归。

Dependent Variable: YMethod: Least SquaresDate: 10/20/12 Time: 16:16Sample: 1991 2007C -302.5024 1436.238 -0.210621 0.836044161.04R-squared 0.989301 Mean dependentvarAdjusted R-squared 0.988587 S.D. dependent var 30811.57S.E. of regression 3291.614 Akaike info criterion 19.14627Sum squared resid 1.63E+08 Schwarz criterion 19.24430Log likelihood -160.7433 F-statistic 1386.942Durbin-Watson stat 1.157392 Prob(F-statistic) 0.000000经过比较得,X1与Y的t检验和拟和效果最好,因此把X1作为基准变量引入,然后再逐步的引入其他的解释变量,经最后得到当去除X2以后,多重共线性消失,得到的检验结果如下:Dependent Variable: YMethod: Least SquaresDate: 10/20/12 Time: 16:22Sample: 1991 2007C -3254.751 975.9967 -3.334797 0.0054X1 2.659258 0.370238 7.182561 0.0000X3 4.227543 1.287006 3.284788 0.005944161.04R-squared 0.997851 Mean dependentvarAdjusted R-squared 0.997355 S.D. dependent var 30811.57S.E. of regression 1584.486 Akaike info criterion 17.77623Sum squared resid 32637731 Schwarz criterion 17.97228Log likelihood -147.0980 F-statistic 2012.406从上面修正的回归结果可以看出,R2=0.997851,并且它的调整的判定系数值也达到了0.997355,显然,它的拟和效果十分的好,并且t检验值显著的大于它的临界值,即t值检验十分的显著,因此多重共线性消失,得到修正后的模型为:Y=-3254.751+2.659258X1+4.227543X3+9.531943X4-3.334797 7.182561 3.284788 4.106499R2=0.997851 F=2012.406 DW=1.3444552、在1的基础上进行异方差的检验利用ARCH 检验,得到的结果是,在上面1中的模型中,不存在异方差。

所得到的DW值总是大于2的。

下面的是我们滞后5期的检验结果。

F-statistic 0.194771 Probability 0.953441Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/16/09 Time: 16:43Sample(adjusted): 1991 2007C 2193556. 2155338. 1.017732 0.3481RESID^2(-1) 0.148862 0.386211 0.385441 0.7132RESID^2(-2) -0.025827 0.353938 -0.072972 0.9442RESID^2(-3) -0.287149 0.490408 -0.585531 0.5795RESID^2(-4) 0.278066 0.515142 0.539785 0.60882005926.R-squared 0.139644 Mean dependentvarAdjusted R-squared -0.577320 S.D. dependent var 2322068.S.E. of regression 2916318. Akaike info criterion 32.91639Sum squared resid 5.10E+13 Schwarz criterion 33.15885Log likelihood -191.4984 F-statistic 0.194771如图所显示的一样,DW检验明显的通过检验,不存在异方差。

相关主题