专业资料
本科生课程论文
论文题目： 对我国经济增长影响因素分析
课程名称： 计量经济学 学 院： 农学与生物科技学院 专 业： 农村区域发展 老 师： 许秀川 年 级： 2013 级 学 号： 222013326032026 姓 名： 蒙姜宇 成 绩：
word完美格式
专业资料
对我国经济增长影响因素分析
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。文章采用多元线性回归模型对1980-2013年中国经济增长因素研究，分析了劳动力、资本投资、消费对国内生产总值的影响，建立计量经济模型，探求这些变量与国内生产总值的数量关系，进行定量分析并对模型进行检验。
关键词：劳动力，资本投资，消费，经济增长因素，回归分析
十二五规划已接近尾声，即将迎来十三五规划，从1978年到现在，我国的经济年均增长率接近10%，综合国力大大增强，居民收入水平和生活水平在质量和数量上不断提高，研究我国的经济增长影响因素并对这些因素进行实证分析，可以更好的理解我国经济增长的内涵。
1文献综述
在早期的古典经济理论中，斯密、穆勒、马尔萨斯和李嘉图等人都曾涉及到经济增长或剩余同资本、劳动力的关系。他们认为，“剩余”的出现引起了资本的积累，资本的积累同时构成了对劳动力需求的增加，从而加大了就业规模和社会生产规模，而社会生产规模扩大的直接结果就是剩余的增加，再在更高的起点上重复前一过程。如此反复，从而带动了经济的增长。这也就是经济增长理论基础和经济增长模型的理论依据。
新经济增长理论的重要内容之一是把新古典增长模型中的“劳动力”的定义扩大为人力资本投资，即人力不仅包括绝对的劳动力数量和该国所处的平均技术水平，而且还包括劳动力的教育水平、生产技能训练和相互协作能力的培养等等，这些统称为“人力资本”。美国经济学家保罗·罗默1990年提出了技术进步内生增长模型，他在理论上第一次提出了技术进步内生的增长模型，把经济增长建立在内生技术进步上。技术进步内生增长模型的基础是：（1 ）技术进步是经济增长的核心；（2）大部分技术进步是出于市场激励而导致的有意识行为的结果；（3 ）知识商品可反复使用，无需追加成本，成本只是生产开发本身的成本。
经典的马克思经济理论分析了经济增长的本质，认为经济增长是物质财富本身或其内容的增长。从商品生产来看，经济增长是使用价值量和价值总量的增长；从资本主义生产过程来看，经济增长是生产过程和价值增值过程的统一。他认为影响经济增长的因素有三个：劳动力，资本积累和劳动生产力。在分析技术进步的原因时，马克思认为竞争促进了技术进步。
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，由于资本在现实社会里难以测度，一般用全社会固定资产投资总额（亿元）来衡量物质资本。我国拥有全世界近四分之一的人口，为经济增长提供里丰富的劳动力资源，同时也有大量的消费需求。
word完美格式
专业资料
2模型设计及验证结果 2.1变量的描述性统计
表1 数据的描述性统计
平均数 异众比率 四分位差 方差 标准差 离散系数 偏态 峰度 变量 众数 中位数
y - 75074.81 133443.81 1 163142.41 25944357717 161072.52 1.21 1.47 1.19 x1 - 69385 65230.65 1 19968.5 129933712 11398.85 0.17 -0.82 -0.84 x2 - 23927.3 75199.46 1 79762.52 13428703648 115882.28 1.54 1.97 3.18 x3 102 103.2 105.5 0.94 5.25 38.67 6.22 0.06 1.53 1.83
2.2模型设计
为了具体分析各要素对我国经济增长的影响大小，以国内生产总值作为对经济发展的衡量，设为被解释变量y；年末就业人数衡量劳动力，全社会固定资产投资衡量资本投入，居民消费价格指数代表消费需求，分别设置为解释变量x1、x2、x3。
图1 国内生产总值的影响因素
由图1可推测固定资产投资与国内生产总值存在线性关系，对国内生产总值的影响较大，就业人数次之，居民消费价格指数最小。
采用的模型如下：
Y=C+β1x1+β2x2+β3x3+ε
其中Y代表国内生产总值，x1代表年末就业人数，x2代表全社会固定资产投资，x3代表居民消费价格指数，ε代表随机误差项。对该模型做回归分析，得出各个变量与我国经济增长的变动关系。 2.3用OLS法对模型初步估计
表2 模型初始估计结果
Dependent Variable: Y Method: Least Squares Date: 12/25/15 Time: 14:07 Sample: 1980 2013
word完美格式
专业资料
Included observations: 34
Variable C X1 X2 X3
R-squared
Coefficient -21763.66 2.255538 1.228684 -799.2557
Std. Error 62603.35 0.345211 0.033979 528.8293
t-Statistic -0.347644 6.533800 36.15990 -1.511368
Prob. 0.7305 0.0000 0.0000 0.1412
133443.8 161072.5 22.56554 22.74512 22.62678 0.736911
0.988403 Mean dependent var 0.987243 S.D. dependent var 18192.56 Akaike info criterion 9.93E+09 Schwarz criterion -379.6143 Hannan-Quinn criter. 852.2789 Durbin-Watson stat 0.000000 Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
由OLS分析可得：R^2=0.988403，很接近1，说明拟合效果很好。X1和x2的系数都在1附近，且Prob非常小，所以这两个因素对GDP有一定的影响， 但X3的系数是负的、很大，且Prob较大，推测这个因素的选取存在问题。
对X1X2X3分别进行T检验，令α=0.05，查表可得T0.025（34）=2.348。Tx1>T0.025（34）,Tx2>T0.025（34）,Tx3 2.4.1检验多重共线性是否存在 对两个解释变量的模型，采用简单相关系数法。求出X1与X2的简单相关系数r，若r接近1，则说明两个变量存在较强的多重共线性。 对多个解释变量的模型，可用综合统计检验法。在普通最小二乘法下，当R2值、F 值很大，各个偏回归系数 t 值很小，表明各解释变量对被解释变量的整体线性作用显著，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，所以T检验不显著。由上知X3的T检验不显著。 表3 变量的相关系数 correlation X1 X2 X3 X1 1 0.584986 -0.238388 X2 0.584986 1 -0.240966 X3 -0.238388 -0.240966 1 根据多重共线性原理，解释变量之间存在着线性关系。 2.4.2多重共线性的修正 word完美格式 专业资料 通过采用剔除变量法，剔除X3，多重共线性的修正结果如下： 表4 修正多重共线性后的模型 Dependent Variable: Y Method: Least Squares Date: 12/25/15 Time: 16:07 Sample: 1980 2013 Included observations: 34 Variable C X1 X2 R-squared Coefficient -110792.9 2.320115 1.235302 Std. Error 21629.31 0.349580 0.034387 t-Statistic -5.122350 6.636867 35.92386 Prob. 0.0000 0.0000 0.0000 133443.8 161072.5 22.58010 22.71478 22.62603 0.531706 0.987520 Mean dependent var 0.986715 S.D. dependent var 18565.57 Akaike info criterion 1.07E+10 Schwarz criterion -380.8617 Hannan-Quinn criter. 1226.468 Durbin-Watson stat 0.000000 Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) 由OLS分析可得：R^2=0.987520，很接近1，说明拟合效果很好。X1和x2的系数都在1附近，且Prob非常小，所以这两个因素对Y有很大的影响。下面，对此模型进行检验。 对X1X2X3分别进行T检验，令α=0.05，查表可得T0.025（34）=2.348。Tx1>T0.025（34）,Tx2>T0.025（34）,所以X1和x2对Y有影响。 对模型进行F检验，P（F）<<0.05，所以拒绝原假设，即模型效果好。 2.5异方差检验 White检验最显著的优点是不需要假定异方差的形式，所以很常用。对模型进行怀特检验，其基本思想是如果存在异方差，其方差δi^2与解释变量有关系，分析δi^2是否与解释变量有某些形式 2?的联系以判断异方差性。在α=0.05，n*R^2=34*0.478824=16.280016> =50.7251，说明不存在异方?差。 表5 模型的怀特(White)检验 Heteroskedasticity Tes: White t F-statistic 5.144925 Prob. F(5,28) 0.0018 0.0061 0.0040 Obs*R-squared Scaled explained SS 16.28001 Prob. Chi-Square(5) 17.28743 Prob. Chi-Square(5) word完美格式
对我国经济增长影响因素分析报告
