《河南省经济增长影响因素分析资料报告.docx》由会员分享，可在线阅读，更多相关《河南省经济增长影响因素分析资料报告.docx（12页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、河南省经济增长影响因素分析资料报告 资源与环境学院 计量地理学课程论文 省经济增长影响因素分析 班级 姓名 学号 专业地理科学专业 省经济增长影响因素分析 摘要：改革开放以来，省的经济一直在以极快的速度增长，本文采用经济增长模型和多元线性回归分析方法对20222022年省经济增长因素进行研究，分析了物质资本、消费、财政支出对省生产总值的影响，建立计量模型，寻求这些变量与省国民产出的数量关系，进行定量分析，对模型进行检验。 关键词：消费、投资、经济增长、财政支出 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大。在实际核算中，常以生产的商品和劳务总量的增加来表示
2、，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。 （二）影响因素的分析 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，由于资本服务流量难以测度，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20222022年的14中,我省
3、经济年均增长率高达11.5%,综合实力大大增强,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,我省目前 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,并对我省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 本文采用了2022-2022年的省生产总值等数据，来源于省统计年鉴，具体数据表如下： （二）模型设计 为了具体分析各要素对省经济增长影响的大小，我们可以用省生产总值（y ）作为对经济发展的衡量，代表经济发展；用固定资产投资总额(x1)衡量资本投入；用价格指数（x2）
4、去代表消费需求；用财政支出（x3）代表政府投资。运用这些数据进行回归分析。 采用的模型如下： i u x x x y +=3423121 其中，y 为省生产总值，x1为固定资产投资总额，x2为消费价格指数，x3为财政支出，ui 代表随机扰动项。我们通过对该模型的回归分析，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分析得到如下的分析结果： Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 13:32 Sample: 2022 2022 I
5、ncluded observations: 14 Variable Coefficient Std. Error t-Statistic Prob. 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 X3 4.689097 1.054828 4.445364 0.0012 R-squared 0.995022 Mean dependent var 17800.28 Adjusted R-squared 0.993529 S
6、.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 Hannan-Quinn criter. 16.46467 F-statistic 666.3206 Durbin-Watson stat 1.630732 Prob(F-statistic) 0.000000 可以看出，经济检验合理，没有出现数字和符号的错误。并且可决
7、系数R2 =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 +-33005.49Y ? ）1.0548）（100.7308）（0.2130）（11023.17（ (4.445364) (3.381358) (0.386019) )(-2.994191T = 0.99502=R 0.9935 2 =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
8、高，证实确实存在多重共线性。 采用逐步回归的办法，去检查和解释多重共线性问题。分别做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: 2022 2022 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 5537.514 673.0814 8.227109 0.0000 X1 1.046654 0.045116 23.19942 0.00
9、00 R-squared 0.978190 Mean dependent var 17800.28 Adjusted R-squared 0.976373 S.D. dependent var 10143.41 S.E. of regression 1559.159 Akaike info criterion 17.67324 Sum squared resid 29171707 Schwarz criterion 17.76454 Log likelihood -121.7127 Hannan-Quinn criter. 17.66479 F-statistic 538.2130 Durbi
10、n-Watson stat 0.814233 Prob(F-statistic) 0.000000 Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 14:27 Sample: 2022 2022 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C -145762.7 129954.9 -1.121641 0.2840 X2 1482.700 1177.797 1.258876 0.2320 R-squared
11、0.116658 Mean dependent var 17800.28 Adjusted R-squared 0.043046 S.D. dependent var 10143.41 S.E. of regression 9922.695 Akaike info criterion 21.37460 Sum squared resid 1.18E+09 Schwarz criterion 21.46589 Log likelihood -147.6222 Hannan-Quinn criter. 21.36615 F-statistic 1.584768 Durbin-Watson stat
12、 0.216216 Prob(F-statistic) 0.232022 Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 14:27 Sample: 2022 2022 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 4183.866 502.1290 8.332253 0.0000 X3 5.204085 0.156185 33.32022 0.0000 R-squared 0.989307 Mean d
13、ependent var 17800.28 Adjusted R-squared 0.988416 S.D. dependent var 10143.41 S.E. of regression 1091.732 Akaike info criterion 16.96048 Sum squared resid 14302546 Schwarz criterion 17.05178 Log likelihood -116.7234 Hannan-Quinn criter. 16.95203 F-statistic 1110.224 Durbin-Watson stat 0.611681 Prob(
14、F-statistic) 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: Y Method: Least Squares Date: 01/02/17 Time: 14:29 Sample: 2022 2022 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C 4237.181 623.6767 6.793874 0.0000 X3 4.974300 1.467709 3.3
15、89159 0.0060 X1 0.046766 0.296861 0.157534 0.8777 R-squared 0.989331 Mean dependent var 17800.28 Adjusted R-squared 0.987391 S.D. dependent var 10143.41 S.E. of regression 1138.993 Akaike info criterion 17.10109 Sum squared resid 14270351 Schwarz criterion 17.23803 Log likelihood -116.7076 Hannan-Qu
16、inn criter. 17.08841 F-statistic 510.0129 Durbin-Watson stat 0.599772 Prob(F-statistic) 0.000000 Dependent Variable: Y Method: Least Squares Date: 01/02/17 Time: 14:29 Sample: 2022 2022 Included observations: 14 Variable Coefficient Std. Error t-Statistic Prob. C -32889.75 10584.28 -3.107415 0.0100
17、X3 5.093581 0.116475 43.73100 0.0000 X2 338.6937 96.63879 3.504738 0.0049 R-squared 0.994948 Mean dependent var 17800.28 Adjusted R-squared 0.994030 S.D. dependent var 10143.41 S.E. of regression 783.7642 Akaike info criterion 16.35350 Sum squared resid 6757150. Schwarz criterion 16.49044 Log likeli
18、hood -111.4745 Hannan-Quinn criter. 16.34083 F-statistic 1083.206 Durbin-Watson stat 1.608830 Prob(F-statistic) 0.000000 从所得的结果中可以看出，x2的调整后可决系数最大，当去除x1后多重共线性消失，得到 的检验结果如上。 从上面修正的回归结果可以看出，R2=0.994948，并且它的修正的可决系数值也达到了0.994030，显然，它的拟和效果十分的好，并且t 检验值显著的大于它的临界值，即t 值检验十分的显著，因此多重共线性消失，得到修正后的模型为： 23338.6937X
19、 +5.0936X +-32889.75Y ?= ）96.6388）（0.1165）（10584.28（ (3.5047) (43.7310) (-3.1074)T = 0.99502 =R 0.9940 2 =R 1083.21=F 1.61=DW （三）异方差检验 White 检验： Heteroskedasticity Test: White F-statistic 3.114913 Prob. F(5,8) 0.0746 Obs*R-squared 9.249117 Prob. Chi-Square(5) 0.0995 Scaled explained SS 4.944554 Prob. Chi-Square(5) 0.4227 Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 01/02/17 Time: 14:53 Sample: 2022 2022 Included observations: 14