资源与环境学院令狐采学计量地理学课程论文经济增长影响因素阐发班级姓名学号专业地理科学专业经济增长影响因素阐发摘要：变革开放以来，的经济一直在以极快的速度增长，本文采取经济增长模型和多元线性回归阐发办法对～经济增长因素进行研究，阐发了物质资本、消费、财务支出对生产总值的影响，建立计量模型，寻求这些变量与国民产出的数量关系，进行定量阐发，对模型进行检验。
关键词：消费、投资、经济增长、财务支出一、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年夜。
在实际核算中，常以生产的商品和劳务总量的增加来暗示，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，指出身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）影响因素的阐发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，由于资本办事流量难以测度，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—的14中,我省经济年均增长率高达11.5%,综合实力年夜年夜增强,居民收入水平与生活水平不竭提高,居民的消费需求的数量和质量有了很年夜的提高。
可是,我省目前仍然面临消费需求缺乏问题。
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水平进行实证阐发，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）数据收集本文采取了的生产总值等数据，来源于《统计年鉴》，具体数据表如下：（二）模型设计为了具体阐发各要素对经济增长影响的年夜小，我们可以用生产总值（y ）作为对经济成长的衡量，代表经济成长；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；用财务支出（x3）代表政府投资。
运用这些数据进行回归阐发。
采取的模型如下：i u x x x y ++++=3423121ββββ其中，y 为生产总值，x1为固定资产投资总额，x2为消费价格指数，x3为财务支出，ui 代表随机扰动项。
我们通过对该模型的回归阐发，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阐发获得如下的阐发结果：Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 13:32 Sample:Included observations: 14VariableCoefficientStd. ErrortStatisticProb.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 X34.6890971.0548284.4453640.0012Rsquared 0.995022 Mean dependent var 17800.28 Adjusted Rsquared 0.993529 S.D. dependent var 10143.41 S.E. of regression 815.9620 Akaike info criterion 16.48157 Sum squared resid 6657939. Schwarz criterion 16.66416 Log likelihood 111.3710 HannanQuinn criter. 16.46467 Fstatistic 666.3206 DurbinWatson stat 1.630732Prob(Fstatistic)0.000000可以看出，经济检验合理，没有呈现数字和符号的毛病。
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。
采取逐步回归的办法，去检查和解释多重共线性问题。
辨别做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:Included observations: 14VariableCoefficientStd. ErrortStatisticProb.C 5537.514 673.0814 8.227109 0.0000 X11.0466540.04511623.199420.0000Rsquared 0.978190 Mean dependent var 17800.28Adjusted Rsquared0.976373 S.D. dependent var10143.41 S.E. of regression1559.159 Akaike info criterion17.67324 Sum squared resid29171707 Schwarz criterion17.76454 Log likelihood121.7127 HannanQuinn criter.17.66479 Fstatistic538.2130 DurbinWatson stat0.814233 Prob(Fstatistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:27Sample:Included observations: 14Variable Coefficient Std. Error tStatistic Prob.C145762.7129954.9 1.1216410.2840X21482.7001177.797 1.2588760.2320 Rsquared0.116658 Mean dependent var17800.28 Adjusted Rsquared0.043046 S.D. dependent var10143.41 S.E. of regression9922.695 Akaike info criterion21.37460 Sum squared resid 1.18E+09 Schwarz criterion21.46589 Log likelihood147.6222 HannanQuinn criter.21.36615 Fstatistic 1.584768 DurbinWatson stat0.216216 Prob(Fstatistic)0.23Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:27Sample:Included observations: 14Variable Coefficient Std. Error tStatistic Prob.C4183.866502.12908.3322530.0000X3 5.2040850.15618533.30.0000 Rsquared0.989307 Mean dependent var17800.28Adjusted Rsquared0.988416 S.D. dependent var10143.41S.E. of regression1091.732 Akaike info criterion16.96048Sum squared resid14302546 Schwarz criterion17.05178Log likelihood116.7234 HannanQuinn criter.16.95203Fstatistic1110.224 DurbinWatson stat0.611681Prob(Fstatistic)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:Included observations: 14Variable Coefficient Std. Error tStatistic Prob.C4237.181623.6767 6.7938740.0000X3 4.974300 1.467709 3.3891590.0060X10.0467660.2968610.1575340.8777 Rsquared0.989331 Mean dependent var17800.28 Adjusted Rsquared0.987391 S.D. dependent var10143.41 S.E. of regression1138.993 Akaike info criterion17.10109 Sum squared resid14270351 Schwarz criterion17.23803 Log likelihood116.7076 HannanQuinn criter.17.08841 Fstatistic510.0129 DurbinWatson stat0.599772 Prob(Fstatistic)0.000000Dependent Variable: YMethod: Least SquaresDate: 01/02/17 Time: 14:29Sample:Included observations: 14Variable Coefficient Std. Error tStatistic Prob.C32889.7510584.28 3.1074150.0100X3 5.0935810.11647543.731000.0000X2338.693796.63879 3.5047380.0049 Rsquared0.994948 Mean dependent var17800.28 Adjusted Rsquared0.994030 S.D. dependent var10143.41 S.E. of regression783.7642 Akaike info criterion16.35350Sum squared resid 6757150. Schwarz criterion 16.49044 Log likelihood 111.4745 HannanQuinn criter. 16.34083 Fstatistic 1083.206 DurbinWatson stat 1.608830Prob(Fstatistic)0.000000从所得的结果中可以看出，x2的调整后可决系数最年夜，当去除x1后多重共线性消失，获得的检验结果如上。