中国经济增长影响因素实证分析一、研究对象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1978—2008年的31中,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国经济增长的作用。
二、数据收集与模型的建立（一）数据收集表2.1 中国经济增长影响因素模型时间序列表年份国内生产总值（y）年末从业人员数（x1）全社会固定资产投资总额(x2)居民消费价格指数（上年=100）(x3)1980 4545.6 42361 910.9 107.5 1981 4891.6 43725 961 102.5 1982 5323.4 45295 1230.4 102 1983 5962.7 46436 1430.1 102 1984 7208.1 48197 1832.9 102.7 1985 9016 49873 2543.2 109.3 1986 10275.2 51282 3120.6 106.5 1987 12058.6 52783 3791.7 107.3 1988 15042.8 54334 4753.8 118.8 1989 16992.3 55329 4410.4 118 1990 18667.8 64749 4517 103.1 1991 21781.5 65491 5594.5 103.4 1992 26923.5 66152 8080.1 106.4 1993 35333.9 66808 13072.3 114.7 1994 48197.9 67455 17042.1 124.1 1995 60793.7 68065 20019.3 117.1 1996 71176.6 68950 22913.5 108.3 1997 78973 69820 24941.1 102.8 1998 84402.3 70637 28406.2 99.2 1999 89677.1 71394 29854.7 98.6 2000 99214.6 72085 32917.7 100.4 2001 109655.2 73025 37213.5 100.7 2002 120332.7 73740 43499.9 99.2 2003 135822.8 74432 55566.6 101.2 2004 159878.3 75200 70477.4 103.9 2005 184937.4 75825 88773.6 101.8 2006 216314.4 76400 109998.2 101.5 2007 265810.3 76990 137323.9 104.82008 314045.4 77480 172828.4 105.92009 340903 77995 224598.8 99.3 （二）模型设计采用的模型如下：y= β1+β2x1+β3x2+β4x3+u i我们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、模型估计和检验（一）模型初始估计表3.1 模型初始估计结果Dependent Variable: YMethod: Least SquaresDate: 06/27/12 Time: 00:01Sample: 1980 2009Included observations: 30Coefficient Std. Error t-Statistic Prob.C -16197.47 41510.11 -0.390205 0.6996X1 1.683972 0.256065 6.576336 0.0000X2 1.420445 0.054886 25.87979 0.0000X3 -580.7369 355.4395 -1.633856 0.1143R-squared 0.985665 Mean dependent var 85805.26 Adjusted R-squared 0.984011 S.D. dependent var 95097.07S.E. of regression 12024.95 Akaike info criterion 21.75092Sum squared resid 3.76E+09 Schwarz criterion 21.93775Log likelihood -322.2638 Hannan-Quinn criter. 21.81069F-statistic 595.9008 Durbin-Watson stat 0.968679Prob(F-statistic) 0.000000由上表可以看出，R2=0.985665，接近于1。
F=595.9008 说明拟合程度很好。
进行t检验：t(28)=2.048对于参数c假设: H0: c(1)=0. 对立假设:H1: c(1)≠0对于参数x1假设: H0: c(2)=0. 对立假设:H1: c(2)≠0对于参数x2假设: H0: c(3)=0. 对立假设:H1: c(3)≠0对于c,∣t∣=0.390205<t(n-2)=t(28)=2.048因此拒绝H0: c≠0,接受对立假设:H1: c=0对于x1,∣t∣=6.576336﹥t(n-2)=t(28)=2.048因此拒绝H0: x1=0,接受对立假设: H1: x1≠0对于x2,∣t∣=25.87979﹥t(n-2)=t(28)=2.048因此拒绝H0: x2=0,接受对立假设: H1: x2≠0对于x3,∣t∣=1.633856<t(n-2)=t(28)=2.048因此拒绝H0: x2≠0,接受对立假设: H1: x2=0由此可知，x3没有经过t检验。
（二）多重共线性检验表3.2 相关系数矩阵X1 X2 X3X1 1.000000 0.665094 -0.219318X2 0.665094 1.000000 -0.291137X3 -0.219318 -0.291137 1.000000根据多重共线性检验，解释变量之间存在着线性相关。
通过采用剔除变量法，多重共线性的修正结果如下：剔除X3。
.表3.3 修正多重共线性后的模型Dependent Variable: YMethod: Least SquaresDate: 06/28/12 Time: 23:17Sample: 1980 2009Included observations: 30Coefficient Std. Error t-Statistic Prob.C -79282.79 15704.05 -5.048555 0.0000X1 1.699013 0.263693 6.443158 0.0000X2 1.438325 0.055422 25.95222 0.0000 R-squared 0.984193 Mean dependent var 85805.26 Adjusted R-squared 0.983022 S.D. dependent var 95097.07 S.E. of regression 12391.14 Akaike info criterion 21.78199 Sum squared resid 4.15E+09 Schwarz criterion 21.92211 Log likelihood -323.7299 Hannan-Quinn criter. 21.82682 F-statistic 840.5434 Durbin-Watson stat 0.689221 Prob(F-statistic) 0.000000由表可得，x1和x2的t检验值都很显著。
（三）异方差检验ARCH检验：Heteroskedasticity Test: ARCHF-statistic 5.690752 Prob. F(1,27) 0.0243 Obs*R-squared 5.048272 Prob. Chi-Square(1) 0.0247 Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 06/28/12 Time: 23:48Sample (adjusted): 1981 2009Included observations: 29 after adjustmentsCoefficient Std. Error t-Statistic Prob.C 49385817 56010198 0.881729 0.3857RESID^2(-1) 0.899098 0.376897 2.385530 0.0243 R-squared 0.174078 Mean dependent var 1.39E+08 Adjusted R-squared 0.143489 S.D. dependent var 2.41E+08 S.E. of regression 2.23E+08 Akaike info criterion 41.35408 Sum squared resid 1.35E+18 Schwarz criterion 41.44838 Log likelihood -597.6342 Hannan-Quinn criter. 41.38362 F-statistic 5.690752 Durbin-Watson stat 1.336249Prob(F-statistic) 0.024334从上表可以得到数据：(n-p)R2=5.048272,查表得χ2（p）=5.9915, (n-p)R2=5.048272<χ2（p）=5.9915,则接受原假设，不存在异方差。
（四）序列相关检验已知：DW=0.689221，查表得dL=1.270，dU=1.563。
由此可知，存在相关性。
修正如下：表3.5 修正序列相关后的模型Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 17:00Sample(adjusted): 1981 2009Included observations: 29 after adjusting endpointsFailure to improve SSR after 18 iterationsVariable Coefficient Std. Error t-Statistic Prob.C 21524.05 1.27E+09 1.70E-05 1.0000X1 0.612694 1.051958 0.582432 0.5655X2 0.999545 0.309752 3.226923 0.0035AR(1) 1.000019 0.111190 8.993770 0.0000 R-squared 0.992728 Mean dependent var 88607.31Adjusted R-squared 0.991855 S.D. dependent var 95511.65S.E. of regression 8619.708 Akaike info criterion 21.08893Sum squared resid 1.86E+09 Schwarz criterion 21.27752Log likelihood -301.7895 F-statistic 1137.613Durbin-Watson stat 0.989263 Prob(F-statistic) 0.000000Inverted AR Roots 1.00Estimated AR process is nonstationary四、结论分析和政策建议（一）主要结论1、固定资产投资是经济增长的重要原动力。