计量经济学课程论文论文题目三大需求对我国经济增长的因素分析学院: 安徽财经大学商学院班级：093财务管理一班小组成员：査莉莉（学号：20093069021）罗翔（学号：20093069022）三大需求对我国经济增长的因素分析摘要：消费、投资和净出口是促进经济增长的强大动力，而经济增长又与三大需求有着密不可分的关系。
本文采用1978年至2009 年的统计数据，通过建立多元线性回归模型，研究三大需求对我国经济增长的贡献，有利于我们深入考察宏观经济政策的实际应用效果。
关键字：三大需求；经济增长；宏观经济政策一、引言经济增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）的持续增加。
国内生产总值的增长体现一个国家或地区在一定时期内经济总量的增长，也是衡量一个国家或地区总体经济实力增长的标志。
它构成了经济发展的物质基础，而深入考察宏观经济政策的实际应用效果对于经济增长乃至经济发展至关重要。
本文将影响国内生产总值的因素分为内生因素（最终消费和资本形成总额）和外生因素（货物和服务净出口），分别进行分析。
二、模型设定及数据说明1、模型设定按支出法统计的GDP是从需求角度衡量经济发展的总量指标，它由最终消费、资本形成总额、货物和服务净出口三部分构成，其公式为：支出法国内生产总值=最终消费+固定资本投资总额+货物和服务净出口通过对数据观察，根据搜集的1978年至2009 年的统计数据，建立模型。
其模型表达式为：Y t=α+β1X1i+β2X2i+β3X3i+μi （i=1，2，3）（1）其中，Y t表示支出法国内生产总值，X1i表示最终消费支出，X2i表示资本形成总额，X3i表示货物和服务净出口，μi表示随机扰动项，α，β1，β2，β3表示待估参数，i表示样本期数。
2、数据说明表1 （本表按当年价格计算）单位：亿元年份支出法国内生产总值最终消费支出资本形成总额货物和服务净出口1978 3605.6 2239.1 1377.9 -11.4 1979 4092.6 2633.7 1478.9 -20 1980 4592.9 3007.9 1599.7 -14.7 1981 5008.8 3361.5 1630.2 17.1 1982 5590 3714.8 1784.2 91 1983 6216.2 4126.4 2039 50.8 1984 7362.7 4846.3 2515.1 1.3 1985 9076.7 5986.3 3457.5 -367.1 1986 10508.5 6821.8 3941.9 -255.2 1987 12277.4 7804.6 4462 10.8 1988 15388.6 9839.5 5700.2 -151.1 1989 17311.3 11164.2 6332.7 -185.6 1990 19347.8 12090.5 6747 510.3 1991 22577.4 14091.9 7868 617.5 1992 27565.2 17203.3 10086.3 275.6 1993 36938.1 21899.9 15717.7 -679.5 1994 50217.4 29242.2 20341.1 634.1 1995 63216.9 36748.2 25470.1 998.6 1996 74163.6 43919.5 28784.9 1459.2 1997 81658.5 48140.6 29968 3549.9 1998 86531.6 51588.2 31314.2 3629.21999 91125 55636.9 32951.5 2536.6 2000 98749 61516 34842.8 2390.2 2001 109028 66933.9 39769.4 2324.7 2002 120475.6 71816.5 45565 3094.1 2003 136634.8 77685.5 55963 2986.3 2004 160800.1 87552.6 69168.4 4079.1 2005 187131.2 99051.3 77856.8 10223.1 2006 222240 112631.9 92954.1 16654 2007 265833.9 131510.1 110943.2 23380.6 2008 314901.3 152346.6 138325.3 24229.4 2009 345023.6 165526.8 164463.5 15033.3 附：数据摘自国家统计局3、初步回归与参数估计图 1因此，初步回归函数为：y=1.65E-10+X1+X2+X3（2）4、模型的检验第一，经济意义检验。
第二，统计检验。
t统计量检验的是某个系数是否为0（即该变量是否不存在于该回归模型中）。
由图1可以看出，常数C的t-Statistic 的检验值为1.9560，这说明常数C的系数不显著，而其他变量系数很显著。
常数C的p值为0.0605，大于0.05，故接受原假设。
X1、X2、X3的p值均小于0.05，则其对应系数显著不为0。
统计量是对回归式中的所有系数都为0的假设检验。
显然，回归结果中统计量的p值为0.0000，小于0.05，说明至少有一个解释变量的回归系数不为0，方程（2）总体上的线性关系是显著的。
回归结果显示，可决系数R2为1.0000，调整的可决系数也为1.0000，模型有极高的拟合优度。
当D.W.值在2左右时，模型不存在一阶序列相关。
初步回归结果显示=0.367600，存在一阶序列相关。
图2、3、4为Gleiser检验。
W=W1，W2，W3时，估计结果分别为：Y=-43465.03+2.3489X (3)(-27.6129) (215.2593)R2=0.999959 p=0.0000Y=63657.47+1.7397X (4)(8.0676) (32.0378)R2=0.9991 p=0.0000Y=198783.5+3.9501X (5)R2=0.9845 p=0.0415二、模型的修正（一）异方差第一，异方差的检验。
一是怀特（White）一般异方差检验。
图5、6、7中Obs*R-squared的p值均小于0.05，可以认为存在异方差。
第二，Gleiser检验。
先生成一个新序列aresid,是原始回归模型中的残差的绝对值。
根据散点图，作残差的绝对值对Y i^(1/2)的回归，结果图8所示。
图 5White Heteroskedasticity Test:F-statistic 11.50015 Probability 0.000210 Obs*R-squared 14.15395 Probability 0.000844Test Equation:Dependent Variable: STD_RESID^2Method: Least SquaresDate: 12/21/11 Time: 00:14Sample: 1978 2009Variable Coefficient Std. Error t-Statistic Prob.C -1187300. 3541124. -0.335289 0.7398X1 680.4540 142.0614 4.789860 0.0000R-squared 0.442311 Mean dependent var 11479466 Adjusted R-squared 0.403850 S.D. dependent var 15218497 S.E. of regression 11750320 Akaike info criterion 35.48572 Sum squared resid 4.00E+15 Schwarz criterion 35.62313 Log likelihood -564.7715 F-statistic 11.50015图 6White Heteroskedasticity Test:F-statistic 27.39036 Probability 0.000000 Obs*R-squared 20.92347 Probability 0.000029Test Equation:Dependent Variable: STD_RESID^2Method: Least SquaresDate: 12/21/11 Time: 00:15Sample: 1978 2009Variable Coefficient Std. Error t-Statistic Prob.C -63268669 1.65E+08 -0.383617 0.7041X2 6109.481 7795.857 0.783683 0.4396R-squared 0.653858 Mean dependent var 4.00E+08 Adjusted R-squared 0.629986 S.D. dependent var 9.86E+08 S.E. of regression 6.00E+08 Akaike info criterion 43.35160 Sum squared resid 1.04E+19 Schwarz criterion 43.48901 Log likelihood -690.6255 F-statistic 27.39036图7White Heteroskedasticity Test:F-statistic 24.35906 Probability 0.000001 Obs*R-squared 20.05941 Probability 0.000044Test Equation:Dependent Variable: STD_RESID^2Method: Least SquaresDate: 12/21/11 Time: 00:16Sample: 1978 2009Variable Coefficient Std. Error t-Statistic Prob.C -3.50E+09 3.48E+09 -1.005144 0.3231X3 4487047. 1561823. 2.872954 0.0075X3^2 -75.52570 70.82096 -1.066432 0.2950 R-squared 0.626857 Mean dependent var 8.61E+09 Adjusted R-squared 0.601123 S.D. dependent var 2.47E+10 S.E. of regression 1.56E+10 Akaike info criterion 49.86990 Sum squared resid 7.07E+21 Schwarz criterion 50.00731 Log likelihood -794.9184 F-statistic 24.35906图8Dependent Variable: YMethod: Least SquaresDate: 12/21/11 Time: 00:56Sample: 1978 2009Included observations: 32Weighting series: W4C 2.46E-08 4.84E-09 5.084781 0.0000X1 1.000000 1.48E-13 6.75E+12 0.0000X2 1.000000 1.27E-13 7.90E+12 0.0000X3 1.000000 3.80E-13 2.63E+12 0.0000R-squared 1.000000 Mean dependent var 202264.5Adjusted R-squared 1.000000 S.D. dependent var 782697.2S.E. of regression 4.20E-09 Akaike info criterion -35.62421Sum squared resid 4.93E-16 Schwarz criterion -35.44099Log likelihood 573.9874 F-statistic 3.60E+29Unweighted StatisticsR-squared 1.000000 Mean dependent var 81724.70Adjusted R-squared 1.000000 S.D. dependent var 94834.29S.E. of regression 1.73E-08 Sum squared resid 8.36E-15Durbin-Watson stat 0.030653四、模型分析由上述模型可以看出，影响中国国内生产总值的主要因素还是最终消费支出和资本形成总额，即内因还是中国经济发展的主要原因。