中国经济增长因素实证分析姓名：胡旭学号：20126701 班级：国贸五班【摘要】改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。
本文采用计量经济学模型具体分析了物质资本，劳动力，对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。
【关键字】资本，劳动力，经济增长，实证分析1 引言经济增长是指一个国家生产商品和劳务能力的扩大。
在实际核算中，常以一国生产的商品和劳务总量的增加来表示，既国民生产总值和国内生产总值的增长来计算。
古典经济增长理论以社会财富增长为中心，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。
从古典经济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，在我们这里用全社会固定资产投资总额（亿元）来衡量物质资本。
中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。
因此本文用总就业人数（万人）来衡量劳动力。
2.研究方法2.1数据表1.1 中国经济增长影响因素模型时间序列表年份Y XI X2年份Y XI X2 19804545.642361910.91997789736982024941.1 19814891.643725961199884402.27063728406.2 19825323.4452951230.4199989677A7139429854.7 198359627464361430.1200099214-67208532917J 198472084481971832.92001109655.27302537213-5 19859016498732543.22002120332.77374043499.9 198610275.2512823120-62003135822.87443255566.6 198712058.6527833791.72004159878.37520070477.4 198815042.8543344753.82005184937.47582588773.6 198916992.3553294410.42006216314.476400109998.2 199018667.86474945172007265810376990137323.9 199121781.5654915594.52008314045.477480172828.4 199226923.5661528080.1200934090377995224598.8 199335333.966808130723201040120278135278140 199448197.96745517042.1201147310479345311022 199560793.768065200193201251932280178364835 199671176.668950□22913.5资料来源：中经网统计数据库2.2模型建立为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值丫作为对经济发展的衡量，代表经济发展；用总就业人员数X1衡量劳动力；用固定资产投资总额X2衡量资本投入。
中国经济增长除了受劳动力、资本投入影响外，还可能受其他一些变量及随机因素的影响，我们把它统一归并到随机变Ui中，根据丫与XI、X2的表1.1数据，作丫于X1、X2之间的散点图，如图1，采用的模型如下：丫二？0+?1X1+ ?2x2+Ui 其中丫代表国内生产总值，X1代表总就业人员数，X2代表固定资产投资总额，Ui代表随机误差项Y图1 X1、X2与Y的散点图从散点图可以看出，丫国内生产总值与X1总就业人员数大致呈线性关系，且正相关，丫国内生产总值随X1总就业人员数增加而增加；Y代表国内生产总值与X2代表固定资产投资总额，大致呈线性关系，且正相关，Y代表国内生产总值随X2代表固定资产投资总额增加而增加。
3.研究结果3.1参数估计利用Eviews软件，作丫对X1、X2的回归，回归结果如下图2Dependent Variable: YMethod: Least SquaresDate: 10/20/14 Time: 14:29Sample: 1980 2012Included observations: 33Variable Coefficient Std. Error t-Statistic Prob.C-97122.0016960.33 -5.7264200.0000X1 2.0521600.276536 7.4209450.0000X2 1.2885310.033879 38.033590.0000R-squared0.990688Mean dependent var120235.9Adjusted R-squared0.990067S.D. dependent var143674.1S.E. of regression14318.93Akaike info criterion22.06306Sum squared resid 6.15E+09Schwarz criterion22.19911Log likelihood-361.0405Hannan-Quinn criter.22.10884F-statistic1595.852Durbin-Watson stat0.621876Prob(F-statistic)0.0000003.2对回归方程的分析可得到估计方程为？=-97122.00+2.052160X1 + 1.288531X2八？仁2.052160,说明在其他变量不变的条件下，总就业人员数每增加一万人，就会使国内生产总值增加2.052160 亿元;八？2=1.288531,说明在其他变量不变的条件下，固定资产投资总额每增加1亿元，就会使国内生产总值增加 1.28853亿元；八？0=-97122.00是样本回归方程的截距，它表示不受总就业人员数和国内资产投资总额影响自发经济增长行为。
3.3拟合优度由图中数据可以看出，本例中的决定系数R A2=0.990688,调整的决定系数为0.990067，说明模型对样本的拟合效果非常好，解释变量X1，X2能对被解释变量Y 99%的离差做出解释。
3.4回归方程的整体性检验（F检验）提出假设:HO : ?仁？2=0； HI ： ?j 不全为零(j=1,2 )在显著水平a =0.05 , n-3=30 时，查 F 分布表，得至UF0.95(2,30)=3.32利用样本数据计算检验统计量F=R A 2/K/(1-R A 2)/(n-K-1)=1595.8247本例中 F=1595.8247>F0.95(2, 30)=3.32，差异显著，拒绝 H0的假设，方程显著不为零。
说明模型的线性关系在 95%的水平下显著成立。
3.5异方差首先用图示法对模型的异方差进行一个大致的判断。
令 X 轴为方程 被解释变量，丫轴为方程的残差项，做带有回归线的散点图。
图3:初始模型的异方差性检验散点图Qcn山30,000 20.000 10,000-W,000 -20,000 -30,00040,00050.000 60,000 70,000 80,000 90,000X1100 000 200 000 300.000 400.000图4 :初始模型的异方差性检验散点图从图3,图4可以看出，随着X 的增加，残差项的离散程度增大, 表明随机误差项也存在异方差。
但是，图示法并不准确，下面使用 戈里瑟检验法进行检验，用残差值RE 对XI , X2进行回归，建立如下方程：RE= a o+ a iX1+ a ?X2+ &F 面是Eviews 的估计结果见图530.00020 00010,000--1 0 ooo i-20 000 - -30.000 fMethod: Least SquaresDate: 11/06/14 Time: 20:52Sample: 19S0 2012Included obserjations: 33Variable Coefficient Std Error t-Statistic ProbC -724.0457 929Q.020 -0.07793S 0.9384X1 0.162783 0 151473 1 074670 02911X2 0016228 001S557 0374491 03G88R-squared 0151518 Mean dependent var10976.46Adjusted ^squared 0094953 S D dependentvar 8244365S.E of regression 7843.191 Akaike info criterion 20.85919Sum squared resid 1.85E*09 Schwarz criterion 20.99523Log likelihood -341.1766 Hannan-Quinn criter 2090496F-statistic 2678636 Durbin-Watson stat 0.756415Prob(F-stati stic) 0085043图5 :残差值对值RE 对X1,X2的Eviews的结果则样本回归的估计方程为:RE=-724.0457+0.162783X1+0.016228X2因为a=0.162783 a2=0.016228,不显著，说明随机误差项之间不存在异方差性，或异方差问题不严重。
3.6序列相关从图二可知DW=0.621876 ，给定显著性水平a=0.05，因为k=1 ,n=33，查DW值附表，得DW检验临界值d L=1.38 d u=1.51.因为DW=0.621876< d L=I.38，根据DW 检验的判定规则，可知随机误差项存在很强的自相关。
3.7多重共线性用逐步回归法检验如下:以丫为被解释变量，逐个引入解释变量X1 X2，构成回归模型，进行模型估计。
Method: Least SquaresDate; 11/06/14 Time: 22:03Sample: 1980 2012Included observations: 33Variable Coefficient Std Error t-Stallstic Prob.C -4578434 97039.51 -4.718113 0.0000X1 3.831907 1.459089 6.053027 0.0000R-squared 0.541685 Mean depe nd 总nt v日r 1202359Adjusted R-squared 0.526901 S.D dependentvar 143674.1S.E. of regression 98822 18 Akaike info criterion 25.S9872Sum squared resid 3 03E+11 Schwarz criterion 25.98942Log likelihood -425 3289 Hannan-Quinn criter. 25.92924F-statistic 3663913 Durbin-Watson stat 0.074670Pro b(F-stati stic) 0 Q00001图6:被解释变量Y与X1最小二乘估计结果Dependent Variable: Y Method: Least Squares Date: 11/06^14 Time:22：05Sample: 1980 2012Included atiseruations: 33Variable Coefficient Std Error t-Statistc ProbC 2675632 4969.439 5.383971 0.0000X2 1450503 0 042906 33S0&31 0.0000R-squared0.973595 Uean dependentvar120235,9Adjusted R-squared0.972743 S.D. dependentvar143674 1S.E. of regression 2372024 Akaike info criterian23 04474Sum squared resid 174E+10 Schwarz criterion23 13543Lag likelihood -3782302 Hannan*Quinn 匚rite r.2307525F-statistic 1143.002 Durbin-Watson stat0.264017Pro bf F-statistic) ooooooo图7 :被解释变量与X2最小二乘估计结果可以看出，丫与X2的拟合优度最大，再做丫与X1 X2的回归模型。