对我国GDP影响因素的分析摘要：运用1987-2012年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据，先对GDP进行绘制相关图，单位根检验，在建立了古典线性回归模型，通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow 稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。
通过这一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1987-2012年间我国经济增长的情况。
由此来分析所选取的这四个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题，从而找出相应的对策。
【关键词】：GDP 恩格尔系数影响因素回归分析一、引言许多专家学者指出，我国目前的经济形势是上世纪90年代中期以来最好的。
由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。
尤其从1985年我国开始正式统计GDP后，它就越来越受到人们的关注。
GDP的核算中有许多因素在起着作用，为此，本文对国内生产总值GDP的影响因素作计量模型的实证分析，以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出自己的看法。
二、建模分析1、数据收集整理从《中国统计年鉴》得到我国1987-2012年国内生产总值GDP、我国城镇、农村人均收入，恩格尔系数以及就业人数的统计数据，图1所示。
数据收集（数据来自《中国统计年鉴》中国国家统计局网站/）：数据基于全国范围内各年年末的数据统计，样本数据如图1：图1数据汇总整理，其中：gdp：国内生产总值，tc：城镇居民人均收入，cc：农村居民人均收入，te：城镇居民恩格尔系数，ce：农村居民恩格尔系数，tw：城镇居民就业人数，cw：农村居民就业人数。
数据汇总整理如图2所示：图2（变量数据）2、对GDP影响因素的分析过程利用Eviews6.0和我国1987-2012年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据建立古典线性回归模型，通过OLS回归、多重共线性分析、怀特异方差检验、对变量进行单位根检验、Johansen协整检验、RESET检验、Chow 稳定性检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。
（1）绘变量变化折线图图3（序列折线图）（2） GDP相关图图4（GDP序列相关图）图4相关图用于显示序列GDP与其滞后序列之间的相关关系。
Autocorrelation 部分是相关图， Partial Correlation部分是偏相关图，自然序数列表示的是滞后期期数，AC 是估计的自相关系数值， PAC 是估计的偏相关系数值，Q-Stat表示的是Q统计量的值，Prob是Q统计量的伴随概率。
P值大于检验水平，则表示序列是非自相关的。
可以看出次输入结果中，P值均小于0.05，表明在0.05的检验水平下，此序列存在自相关。
3 单位根检验图5（GDP序列ADF单位根检验结果）单位根检验用于检查时间序列的平稳性。
图5中的是GDP序列进行ADF方法下的单位根检验。
可以看到检验的伴随概率为接近于1，远远大于检验水平0.05，所以接受原假设H0认为：如果检验式设定正确则该GDP序列存在单位根。
此时GDP为随机游走，是不稳定的。
T-staistic栏的值与下面的1%、5%、10%水平的绝对值分别比较，在1%、5%、10%水平下的绝对值分别为3.752946、2.998064、2.638752均大于了T的值2.646407，则表示应当接受原假设，即原序列具有单位根，是非平稳序列。
而prob栏，显示的信息是接受原假设的把握程度或是拒绝原假设犯错的概率，此处，是1，表示有100%的把握接受原假设，即原序列具有单位根，是非平稳的。
3 OLS 模型回归图6（OLS 估计1）回归结果分析：通过图6表可以看出，模型回归方程形式为:TW TC TE CW CC CE C GDP ⨯+⨯+⨯+⨯+⨯+⨯+=654321ββββββ模型回归结果为：TW TC TE CWCC CE GDP ⨯+⨯+⨯-⨯-⨯+⨯+=604307.244486.117737.131128714.1741342.68243.2131684.905从系数的显著性来看，prob.值除常数项C 和TE 外，其它都小于5%的显著性水平，说明模型回归的系数非常显著;从模型整体的显著性来看，F 值为11091.40，相应的概率值prob.为0.000，可以拒绝模型整体解释变量系数为零的原假设，说明模型的整体拟合情况好；从模型整体的拟合度来看R 方和调整R 方都在99%以上，说明该模型整体上拟合的非常好；从模型拟合的残差序列相关性来看，D-W 值为2.613250，显然严重大于序列无自相关的标准值2，判断回归残差序列存在自相关。
一次最小估计统计量仍然是线性和无偏的，但却不是有效的。
由图6所示回归结果可知：最优拟合优度2R 为0.999730，所以数据的拟合优度较好。
但是CE、CC、CW、TW和TC的P值均小于0.05，其中，TE的prob.值大于0.05，最不为显著，此时，在0.05的显著性水平下，不能拒绝TE为0的零假设。
因此，去掉TE后重新进行OLS回归，回归结果如图7：图7（OLS估计2）由图7回归结果可知：CE的P值仍大于0.05，不能拒绝CE为0的零假设，因此把CE从原模型中剔除，再次对剩下的变量进行OLS回归，回归结果如图8：图8（OLS 估计3）由图8回归结果可知：数据的拟合优度值均大于0.99，数据能较好拟合，且模型中的变量都是显著的。
由此可以得出多元线性回归方程为：TWTC CWCC GDP ⨯+⨯+⨯-⨯+=914610.171952.12927870.0465362.5277.7070三 模型检验1 多元线性回归模型的统计检验对于模型： TWTC CWCC GDP ⨯+⨯+⨯-⨯+=914610.171952.12927870.0465362.5277.7070从图8可以知道可决系数999655.02=R ,调整可决系数09995902=-R ,都接近于1，所以模型的拟合优度好。
方程总体线性的显著性检验统计量F=15226.58，概率prob.=0.000小于显著水平0.05，表明模型的线性关系在99%的置信水平下显著成立。
变量的显著性检验T 统计量分别为 3.041807、-8.16457、14.88489、5.629989，其对应概率为0.0062、0.0000、0.0000、0.0000皆小于显著水平0.05，说明每个解释变量对被解释变量的影响显著。
2 怀特异方差检验对上述的回归模型进行怀特异方差检验，检验结果如图9：图9(怀特异方差检验)从图9中，F-statistic是辅助方程整体显著性的F统计量；Obs*R-squared是怀特检验的统计量NR2,通过比较Obs*R-squared的概率值和显著性水平，可以对方程是否存在异方差进行判断。
在图9中所示怀特检验结果中Obs*R-squared的概率值大于显著性水平0.05，则不能拒绝原假设，方程不存在异方差。
3 对变量GDP TC CC TW CW进行单位根检验图10（多变量的单位根检验）由图10知对变量GDP TC CC TW CW进行单位根检验，检验结果，各检验伴随概率都大于检验水平0.05，则接受原假设H0，即存在单位根，序列组为随机游走，是不稳定的。
4 Johansen协整检验对于非平稳时间序列可以进一步进行协整分析，传统的方法是EG两步法。
但是EG 两步法最多只能判断多个变量存在的一个协整关系，对于多个变量协整分析最为常见的是Johansen协整检验方法。
图11（Johansen协整检验结果）图11中显示的是迹统计量和最大特征根统计量的检验结果，这两个统计量在Johansen协整检验用于判断变量之间的协整关系的个数。
Johansen协整检验是按照协整关系的个数从0到K-1顺序进行的，直到拒绝相应的原假设为止。
图中迹统计量的检验判定：原假设None表示没有协整关系，该假设下计算的迹统计量值为138.0590，大于临界值69.81889且概率P值为0.0000，小于显著性水平0.05，可以拒绝原假设，认为至少存在一个协整关系；下一个原假设At most1表示最多有一个协整关系，该原假设下计算的迹统计量值为59.41554，大于临界值47.85613且概率P值为0.0029，小于显著性水平0.05，可以拒绝原假设，认为至少存在两个协整关系；下一个原假设At most2表示最多有两个协整关系，该原假设下计算的迹统计量值为34.05615，大于临界值29.79.7且概率P值为0.0152，小于显著性水平0.05，可以拒绝原假设，认为至少存在三个协整关系；下一个原假设At most3表示最多有三个协整关系，该原假设下计算的迹统计量值为11.76213，小于临界值15.49471且概率P值为0.1687，大于显著性水平0.05，可以接受原假设，认为存在三个协整关系；检验到此结束。
通过迹统计量可以判断城镇居民人均收入（TC）、农村居民人均收入（CC）、城镇居民就业人数（TW）、农村居民就业人数（CW）、国内生产总值（GDP）五个变量存在三个协整关系同样，最大特征值的判断规则于迹统计量相同，最大特征值的检验结果与迹统计量的检验结果一致，都认为城镇居民人均收入（TC）、农村居民人均收入（CC）、城镇居民就业人数（TW）、农村居民就业人数（CW）对国内生产总值（GDP）五个变量存在三个协整关系。
图12（无约束的产权估计值结果）图12现实的是无约束的参数估计值，即协整矢量系数和调整参数矢量系数的估计结果。
由于协整矢量并不唯一，因此一般情况下Eviews都会强加一个正规化约束限制。
图13（对数似然值最大的协整关系式）图13显示了对数似然值最大的协整关系式，该关系式也是VEC中的协整关系式。
标准的协整关系值是指将排序第一位的变量前的系数标准化为1后计算的协整关系，该形式可以方便写出最终的协整方程式。
本论述中的方程可写为：61021.0.=415642-.0.125891141427315⨯CC+TCTWGDP⨯CW⨯-⨯-通过该协整关系式，可以得到GDP与农村居民就业人数（CW）是正相关的长期均衡关系：农村居民就业人数（CW）每上升1%，GDP就会上升41.4273%；而GDP与城镇居民人均收入（TC）、农村居民人均收入（CC）和城镇居民就业人数（TW）都是负相关的长期均衡。