资源与环境学院计量地理学课程论文省经济增长影响因素分析班级姓名学号专业地理科学专业省经济增长影响因素分析摘要：改革开放以来，省的经济一直在以极快的速度增长，本文采用经济增长模型和多元线性回归分析方法对2001～2014年省经济增长因素进行研究，分析了物质资本、消费、财政支出对省生产总值的影响，建立计量模型，寻求这些变量与省国民产出的数量关系，进行定量分析，对模型进行检验。
关键词：消费、投资、经济增长、财政支出一、前言（一）经济增长理论经济增长是指一个国家或地区的生产商品和劳务能力的扩大。
在实际核算中，常以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地区生产总值的（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）影响因素的分析从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。
物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。
居民消费需求和政府投资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2001—2014年的14中,我省经济年均增长率高达11.5%,综合实力大大增强,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,我省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,并对我省消费需求对经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省经济增长的作用。
二、数据收集与模型的建立（一）数据收集本文采用了2001-2014年的省生产总值等数据，来源于《省统计年鉴》，具体数据表如下：（二）模型设计为了具体分析各要素对省经济增长影响的大小，我们可以用省生产总值（y ）作为对经济发展的衡量，代表经济发展；用固定资产投资总额(x1)衡量资本投入；用价格指数（x2）去代表消费需求；用财政支出（x3）代表政府投资。
运用这些数据进行回归分析。
采用的模型如下：i u x x x y ++++=3423121ββββ其中，y 为省生产总值，x1为固定资产投资总额，x2为消费价格指数，x3为财政支出，ui 代表随机扰动项。
我们通过对该模型的回归分析，得出各个变量与我省经济增长的变动关系。
三、模型估计和检验（一）模型初始估计在Evivw 中利用最小二乘法进行初步回归分析得到如下的分析结果：Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 13:32 Sample: 2001 2014 Included observations: 14VariableCoefficient Std. Error t-Statistic Prob.C -33005.49 11023.17 -2.994191 0.0135 X1 0.082193 0.212926 0.386019 0.7076 X2 340.6070 100.7308 3.381358 0.0070 X3 4.6890971.0548284.4453640.0012R-squared0.995022 Mean dependent var 17800.28 Adjusted R-squared0.993529 S.D. dependent var10143.41S.E. of regression 815.9620 Akaike infocriterion16.48157 Sum squared resid6657939. Schwarz criterion16.66416Log likelihood -111.3710 Hannan-Quinncriter.16.46467 F-statistic 666.3206 Durbin-Watson stat 1.630732 Prob(F-statistic)0.000000可以看出，经济检验合理，没有出现数字和符号的错误。
并且可决系数R^2 =0.995022，修正的可决系数为0.993529。
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：321 4.6891X +340.6070X +0.0822X +-33005.49Yˆ ）1.0548）（100.7308）（0.2130）（11023.17（(4.445364) (3.381358) (0.386019) )(-2.994191T =0.99502=R 0.99352=R 666.321=F 1.63=DW（二）多重共线性检验计算解释变量的简单相关系数矩阵由相关系数矩阵可以看出，x1和x3相互之间的相关系数比较高，证实确实存在多重共线性。
采用逐步回归的办法，去检查和解释多重共线性问题。
分别做Y 对x1、x2、x3的一元回归，结果如下：Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 14:25 Sample: 2001 2014 Included observations: 14VariableCoefficientStd. Error t-Statistic Prob.C5537.514673.08148.2271090.0000X1 1.046654 0.045116 23.19942 0.0000 R-squared 0.978190 Mean dependent var 17800.28 Adjusted R-squared 0.976373 S.D. dependent var 10143.41S.E. of regression 1559.159 Akaike infocriterion 17.67324 Sum squared resid 29171707 Schwarz criterion 17.76454Log likelihood -121.7127 Hannan-Quinncriter. 17.66479 F-statistic 538.2130 Durbin-Watson stat 0.814233 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:27Sample: 2001 2014Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.C -145762.7 129954.9 -1.121641 0.2840X2 1482.700 1177.797 1.258876 0.2320 R-squared 0.116658 Mean dependent var 17800.28 Adjusted R-squared 0.043046 S.D. dependent var 10143.41S.E. of regression 9922.695 Akaike infocriterion 21.37460Sum squared resid 1.18E+09 Schwarz criterion 21.46589Log likelihood -147.6222 Hannan-Quinncriter. 21.36615 F-statistic 1.584768 Durbin-Watson stat 0.216216 Prob(F-statistic) 0.232014Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:27Sample: 2001 2014Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.C 4183.866 502.1290 8.332253 0.0000X3 5.204085 0.156185 33.32002 0.0000 R-squared 0.989307 Mean dependent var 17800.28 Adjusted R-squared 0.988416 S.D. dependent var 10143.41S.E. of regression 1091.732 Akaike infocriterion 16.96048 Sum squared resid 14302546 Schwarz criterion 17.05178Log likelihood -116.7234 Hannan-Quinncriter. 16.95203 F-statistic 1110.224 Durbin-Watson stat 0.611681Prob(F-statistic) 0.000000经过比较得，X3与Y的t检验和拟和效果最好，因此把X3作为基准变量引入，然后在逐步的引如其他的解释变量。
Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:29Sample: 2001 2014Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.C 4237.181 623.6767 6.793874 0.0000X3 4.974300 1.467709 3.389159 0.0060X1 0.046766 0.296861 0.157534 0.8777 R-squared 0.989331 Mean dependent var 17800.28Adjusted R-squared 0.987391 S.D. dependent var 10143.41S.E. of regression 1138.993 Akaike infocriterion 17.10109 Sum squared resid 14270351 Schwarz criterion 17.23803Log likelihood -116.7076 Hannan-Quinncriter. 17.08841F-statistic 510.0129 Durbin-Watson stat 0.599772 Prob(F-statistic) 0.000000Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:29Sample: 2001 2014Included observations: 14Variable Coefficient Std. Error t-Statistic Prob.C -32889.75 10584.28 -3.107415 0.0100X3 5.093581 0.116475 43.73100 0.0000X2 338.6937 96.63879 3.504738 0.0049 R-squared 0.994948 Mean dependent var 17800.28 Adjusted R-squared 0.994030 S.D. dependent var 10143.41S.E. of regression 783.7642 Akaike infocriterion 16.35350 Sum squared resid 6757150. Schwarz criterion 16.49044Log likelihood -111.4745 Hannan-Quinncriter. 16.34083 F-statistic 1083.206 Durbin-Watson stat 1.608830Prob(F-statistic) 0.000000从所得的结果中可以看出，x2的调整后可决系数最大，当去除x1后多重共线性消失，得到的检验结果如上。