2021-2022年收藏的精品资料《计量经济学》报告.doc

《2021-2022年收藏的精品资料《计量经济学》报告.doc》由会员分享，可在线阅读，更多相关《2021-2022年收藏的精品资料《计量经济学》报告.doc（45页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、关于上海GDP影响因素的计量分析报告计量经济学分析报告关于上海市GDP影响因素的计量分析一、前言上海市，简称沪，位于北纬31度14分， 东经121度29分。上海地处长江三角洲前沿，东濒东海，南临杭州湾，西接江苏、浙江两省，北界长江入海口，正当我国南北海岸线的中部，交通便利，腹地广阔，地理位置优越，是一个良好的江海港。上海是中国最大的经济中心和贸易港口。地处长江三角洲的东南端。 是全国最大的综合性工业城市，也是全国重要的科技中心，贸易中心，金融和信息中心。 上海地理位置优越，是我国的内外交通运输枢纽。上海不仅是历史文化名城， 亦是近代革命运动的重要发源地之一。当前按照振兴上海，开发浦东，服务全国

2、，面向世界的方针， 力争把上海建设成为外向型，多功能，产业结构合理，科学技术先进， 具有高度文明的社会主义现代化国际城市。 截止2009年，上海市户籍人口已经达到1391.04万人。 上海属北亚热带季风气候，四季分明，日照充分，雨量充沛，气候温和湿润，春秋较短，冬夏较长，年平均气温16左右。 全年无霜期约230天，年平均降雨量在1200毫米左右，但一年中60的雨量集中在5至9月的汛期，汛期有春雨、梅雨、秋雨三个雨期。上海市面积6340.5平方公里， 占我国总面积的0.06%，南北长约120公里，东西宽约100公里。 其中市区面积2643.06平方公里，郊县面积3697.44平方公里； 陆地面积

3、6219平方公里，水面面积122平方公里。境内辖有崇明岛，面积为1041平方公里， 是我国第三大岛。二、理论背景1. 工业总产值是以货币形式表现的，工业企业在一定时期内生产的工业最终产品或提供工业性劳务活动的总价值量。包括本期生产成品价值、对外加工费收入，在制品半成品期末期初差额价值三部分。工业总产值是GDP的重要构成部分，工业总产值越高则GDP越高。2. 建筑业总产值是以货币表现的建筑安装企业在一定时期内生产的建筑业产品的总和。建筑业总产值包括： 建筑工程产值； 设备安装工程产； 房屋、构筑物修理产值； 非标准设备制造产值； （5）工程勘测与设计产值建筑业是第二产业的重要组成部分，也是构成G

4、DP的主要因素，建筑业总产值越高则GDP越高。3. 全社会固定资产投资。人均工资的去向有一部分是投资，在这里我们只用全社会固定资产投资来代表所有投资，全社会固定资产投资越高则GDP越高。4.财政收入。财政收入规模的逐年扩大，财政实力的增强，为促发展、促和谐提供了有力保障，有力推动了经济发展方式加快转变和区域协调发展，财政收入越高则GDP越高。5. 资本形成总额是常住单位在一定时期内固定资本形成总额和存货变动价值。固定资本形成总额是常住单位在核算期内购置、转入和自产自用的固定资产，扣除固定资产的销售和转出后的价值。资本形成总额是支出法GDP的重要组成部分，资本形成总额越高则GDP越高。影响生产总

5、值的因素还有很多很多，在这里我们只选取这几个主要的因素来讨论。通过对上海市GDP影响因素的分析，我们不难看出，第二产业对上海市经济发展贡献最大，要提高，就必须大力发展第二产业。第二产业包括工业和建筑业，工业又是由采掘业、制造业、供电、供水等部门组成的，供电和供水受区域经济发展制约，发展平缓，采掘业因上海市自然条件所限，不具备发展前提，上海市要发展第二产业就必须紧抓建筑业和工业，工业中尤其是制造业发展，结合上海市产业基础，当前要大力培植电子及通讯设备制造业、电气机械及器材制造业、医药器械制造和石化原料及制品业等优势产业的发展。第三产业对的贡献率为，离上海市实现基本现代化的标准仍有一定差距，可见上

6、海市在发展旅游、信息中介服务、医疗保健等服务行业方面大有文章可作。经济学认为影响GDP的因素是复杂的。根据支出法核算方式：GDP=最终消费+资本形成总额+进出口其中，最终消费=政府消费+居民消费。资本形成总额主要包括固定投资等。进出口暴扣货物和服务等的净值。第一、 二产业产值等也是构成GDP的重要组成部分。三、模型的选择与建立选取了如下五个解释变量，来考察对GDP形成的影响：Y：上海市的生产总值，单位：亿元。X1：上海市的工业总产值，单位：亿元。X2：上海市的建筑业总产值，单位：亿元。X3：上海市的固定资产投资，单位：亿元。X4：上海市的财政收入，单位：亿元。X5：上海市的资本形成总额，单位：

7、亿元。将被解释变量的数学形式确定为：Y = 0 + 1X1 + 2X2 + 3X3 + 4X4 + 5X5 + 一共有5个解释变量；0为常数项；为随机误差项，描述变量外的因素对模型的干扰。四、数据来源与分析1、时间序列的变量及原始数据：由于解释变量和被解释变量中都是以“亿元”作单位，数据的口径均同质可比，没有实物量指标，故可用现价数据，而不用调整为可比价YX1X2X3X4X5年份 生产总值（亿元）工业总产值（亿元）建筑业总产值（亿元）固定资产投资（亿元）财政收入（亿元）资本形成总额（亿元）1978 272.81 207.47 5.55 27.91 190.67 47.96 1979 286.4

8、3 216.62 13.98 35.58 192.75 43.61 1980 311.89 230.87 17.07 45.43 198.85 66.52 1981 324.76 237.12 18.03 54.60 204.52 76.68 1982 337.07 240.75 21.56 71.34 200.69 90.27 1983 351.81 246.26 24.64 75.94 204.34 71.86 1984 390.85 263.19 30.62 92.30 215.79 101.63 1985 466.75 311.12 36.73 118.56 263.86 189.13

9、 1986 490.83 318.89 49.91 146.93 257.72 228.12 1987 545.46 336.54 59.45 186.30 241.36 241.02 1988 648.30 399.53 68.83 245.27 261.69 335.56 1989 696.54 432.92 74.75 214.76 297.25 351.68 1990 781.66 469.83 75.62 227.08 284.36 331.34 1991 893.77 514.79 84.30 258.30 324.66 340.03 1992 1114.32 636.68 117

10、.68 357.38 340.10 487.63 1993 1519.23 846.71 193.00 653.91 429.53 744.11 1994 1990.86 1074.37 309.68 1123.29 615.91 1161.49 1995 2499.43 1308.20 391.42 1601.79 702.46 1567.72 1996 2957.55 1452.79 450.41 1952.05 873.76 1956.84 1997 3438.79 1598.91 564.37 1977.59 1070.95 2048.95 1998 3801.09 1670.19 5

11、93.11 1964.83 1146.00 2010.75 1999 4188.73 1787.98 573.06 1856.72 1390.58 1970.24 2000 4771.17 1998.96 631.64 1869.67 1752.69 2169.72 2001 5210.12 2166.74 730.33 1994.73 1995.63 2356.71 2002 5741.03 2368.02 822.27 2187.06 2202.62 2531.29 2003 6694.23 2941.24 1195.80 2452.11 2828.87 3076.68 2004 8072

12、.83 3593.25 1724.40 3084.66 3591.73 3782.25 2005 9164.10 4129.52 1889.25 3542.55 4095.81 4186.86 2006 10366.37 4670.11 2285.38 3825.09 4798.39 4762.86 2007 12188.85 5298.08 2524.18 4458.61 7310.26 5568.49 2008 13698.15 5784.99 3071.76 4829.54 7532.91 6118.70 表一2.在解释变量与被解释变量之间一一做散点图 由散点图可看出，被解释变量Y与解释

13、变量X1、X2、X3、X4、X5之间基本存在着线性关系，所以初步估计我所要建立的模型是直线模型。五模型估计（一） 模型的初步估计与检验根据经验，我们认为所选的各个解释变量对被解释变量的效果都是明显，所以设立初始模型为：Y=0+1X1+2X2+3X3+4X4+5X5+ 模型的回归分析 描述性YX1X2X3X4X5 Mean 3362.090 1540.408 599.8316 1339.835 1484.410 1581.168 Median 1519.230 846.7100 193.0000 653.9100 429.5300 744.1100 Maximum 13698.15 5784.9

14、90 3017.760 4829.540 7532.910 6118.700 Minimum 281.8100 207.4700 5.550000 27.91000 190.6700 43.61000 Std. Dev. 3830.758 1621.459 829.9391 1440.748 2013.599 1758.742 Skewness 1.288344 1.291737 1.610665 0.918076 1.885129 1.128813 Kurtosis 3.632626 3.591193 4.495798 2.788727 5.696585 3.288217 Jarque-Be

15、ra 9.092735 9.072470 16.29358 4.412453 27.75327 6.690758 Probability 0.010606 0.010714 0.000290 0.110115 0.000001 0.035247 Observations313131313131 协方差X1X2X3X4X5YX12544319.7181291632.344782225010.049513086122.780132748140.568236003128.92608X21291632.34478666579.6108651113326.827971595316.38391386068

16、.280143043664.80446X32225010.049511113326.827972008794.412722633360.552782441358.768235248970.0796X43086122.780131595316.38392633360.552783923788.862543300846.906547302749.60596X52748140.568231386068.280142441358.768233300846.906542993394.807246486588.05668Y6003128.926083043664.804465248970.07967302

17、749.605966486588.0566814201332.5362相关系数X1X2X3X4X5YX110.9918067449040.9841887335490.9767300365480.9957976589890.998682133289X20.99180674490410.9621192760790.9864339198190.9812430906420.989250460624X30.9841887335490.96211927607910.9379717635440.9955930568160.982747172244X40.9767300365480.9864339198190

18、.93797176354410.9631425433180.978293226208X50.9957976589890.9812430906420.9955930568160.96314254331810.994877866827Y0.9986821332890.9892504606240.9827471722440.9782932262080.9948778668271（二）模型的分析（1）五元模型1.建立五元模型： 做回归分析如下表所示：Dependent Variable: YMethod: Least SquaresDate: 12/15/09 Time: 20:01Sample: 1

19、978 2008Included observations: 31VariableCoefficientStd. Errort-StatisticProb. C-305.126693.16192-3.2752280.0031X12.1078690.4525374.6578920.0001X2-1.1357480.425322-2.6703240.0131X3-0.7218900.551740-1.3083890.2026X40.2325540.1148042.0256680.0536X51.0900190.7822741.3933990.1758R-squared0.998257 Mean d

20、ependent var3362.090Adjusted R-squared0.997909 S.D. dependent var3830.758S.E. of regression175.1709 Akaike info criterion13.34139Sum squared resid767120.8 Schwarz criterion13.61893Log likelihood-200.7915 F-statistic2864.439Durbin-Watson stat1.069287 Prob(F-statistic)0.0000002.根据Durbin-Watson检验对该模型进行

21、自相关检验。根据 DW检验结果表明，在95%的置信概率下，n=31，k=元数+1=6（包含常数项）查表得dl=1.09,du=1.83。DW值落在此区间dU=1.83 D.W4- du=2.17则不存在自相关。0DW1.83存在正的自相关， 2.17DW4则存在负的自相关。0 1.09 1.83 2.17 2.91 4正自相关 无自相关 负自相关由回归分析可看出DW1.069287，故存在自相关。3.异方差的检验采用夸特法对模型进行整体检验：n=31,c=n/4=31/47 先分别对X1 ，X2 ，X3， X4，X5排序，删除中间的n/4(7)行数据，将数据分为上下两组，分别作回归分析，求出各

22、组的，小的定位为小,大的定位为大。因为（c）（元数）=6，查表得（6，6）4.28。排序大小F-statistic临界值是否存在异方差DWX1252841.7325.2035777.48764.28是1.069287存自相关X2252841.7325.2035777.48764.28是X3240649.4174.27581380.85384.28是X4252841.7416.7554606.69094.28是X5252841.7416.7554606.69094.28是由上表可知，均大于（6，6）4.28，所以存在异方差，需要对异方差进行处理。4.异方差的处理对数据进行调整：e = abs (

23、resid)；Y1 =Y/e；X11=X1/e；X22=X2/e；X33=X3/e；X44=X4/e；X55=X5/e；C1=1/ec1x11x22x33x44x55y10.0118832.6113340.0698550.3512912.399880.6036513.5470190.0125872.5741540.1661280.4228072.29050.5182293.4037250.0156733.6184280.2675380.7120253.1165781.0425694.8882550.0105483.6673960.3284281.0867373.0571541.3751025.

24、1346590.0170022.5974350.2598910.800982.1552830.7579463.7107280.0152334.0315120.3065460.9283093.4772471.3037135.5215660.0121663.2019430.372521.1229132.625281.2303374.755042-0.0414313.81142.4397927.645649.9052699.89131622.38535-0.04533-14.4566-2.26262-6.66093-11.6835-10.3416-22.25130.041039-6.64522-1.

25、14482-4.07948-4.35258-5.58123-10.7829-0.01234-12.8895-1.5217-4.91185-10.9315-7.83551-19.3371-0.01663-5.79767-0.93315-2.80215-3.50898-4.08871-9.64563-0.01994-3.50808-0.60572-1.74026-2.4087-2.84976-5.64427-0.0081-10.2658-1.68109-5.15096-6.47429-6.7808-17.8233-0.00706-4.49742-0.83128-2.52448-2.40242-3.

26、44455-7.87141-0.00555-4.70054-1.07145-3.63021-2.38455-4.13096-8.43407-0.00464-4.98979-1.43827-5.217-2.86053-5.39441-9.24633-0.00446-5.83257-1.74513-7.14153-3.1319-6.98963-11.1436-0.00465-6.75444-2.09409-9.07564-4.06236-9.09791-13.75050.004078-39.7336-14.0248-49.1439-26.6136-50.9173-85.45540.0045577.

27、6116362.7030088.9544125.222729.16368617.32289-0.024857.290642.3367017.5709335.6702078.0338217.07990.00636112.716174.0181111.8937111.1495513.8024430.351290.00541911.741493.95763310.8093710.8142512.7709328.233460.0033787.9999332.7778927.3885927.4411598.55151219.39505-0.01196-35.1748-14.3008-29.3252-33

28、.831-36.7946-80.05760.030037107.928751.7949592.74251107.883113.6056242.4796-0.02063-85.19-38.9743-73.0811-84.4946-86.3729-189.051-0.00813-37.9469-18.5698-31.0807-38.9892-38.7005-84.2317-0.00279-14.7984-7.05043-12.4536-20.4187-15.5537-34.04530.00331419.169910.0000416.0037924.9620320.2757245.39198对调整后

29、的数据进行回归分析：Dependent Variable: Y1Method: Least SquaresDate: 12/23/09 Time: 22:43Sample: 1978 2008Included observations: 31VariableCoefficientStd. Errort-StatisticProb. C1-242.466338.59344-6.2825770.0000X111.7998000.2215378.1241600.0000X22-0.7395630.295367-2.5038810.0192X33-0.3680010.246280-1.4942380.

30、1476X440.3695800.1263622.9247750.0072X550.7663440.3031952.5275630.0182R-squared0.999797 Mean dependent var-5.005515Adjusted R-squared0.999756 S.D. dependent var64.05068S.E. of regression0.999849 Akaike info criterion3.009561Sum squared resid24.99247 Schwarz criterion3.287107Log likelihood-40.64820 D

31、urbin-Watson stat0.373848最终检验异方差与自相关的结果如下：排序小大F-statistic临界值是否存在异方差DWX110.0883372.69287830.48414.28是0.373848存在自相关X220.0883373.03006134.30124.28是X330.0883863.03006134.28214.28是X440.0883372.69287830.48414.28是X550.0883373.03006134.30124.28是5.自相关的检验与处理由上表得出依然存在自相关，故进行第一次自相关处理：Dependent Variable: Y1Metho

32、d: Least SquaresDate: 12/23/09 Time: 22:53Sample(adjusted): 1979 2008Included observations: 30 after adjusting endpointsConvergence achieved after 5 iterationsVariableCoefficientStd. Errort-StatisticProb. C1-305.12662.34E-10-1.31E+120.0000X112.1078691.66E-121.27E+120.0000X22-1.1357482.24E-12-5.06E+1

33、10.0000X33-0.7218902.13E-12-3.39E+110.0000X440.2325541.01E-122.29E+110.0000X551.0900192.75E-123.97E+110.0000AR(1)1.0000001.55E-126.47E+110.0000R-squared1.000000 Mean dependent var1.129335Adjusted R-squared1.000000 S.D. dependent var55.10893S.E. of regression7.64E-12 Akaike info criterion-48.15533Sum

34、 squared resid1.34E-21 Schwarz criterion-47.82838Log likelihood729.3299 Durbin-Watson stat1.516424Inverted AR Roots 1.00处理后，DW= 1.516424,仍然存在自相关。得到=1.0000，用=0.9999对数据进行调整，方法如下：Y2= Y1-* Y1(-1)；C2= C1-* C1(-1)X111= X11-* X11(-1)；X222= X22-* X22(-1)；X333= X33-* X33(-1)；X444= X44-* X44(-1)； X555= X55-*

35、X55(-1) 并用公式Y2= Y1*(1-2)0.5类推补全第一行数据, 补数后的新序列如下：y2c2x111x222x333x444x5550.0501610.0001780.0369280.000990.0049680.0339390.008537-0.14294-0.0007-0.03690.096280.071551-0.10914-0.085361.4848710.0037911.04450.1014270.289260.8263070.5243910.246893-0.000440.04930.0609170.374784-0.059110.332638-1.42342-0.00

36、468-1.0696-0.0685-0.28565-0.90157-0.617021.811210.0064561.43430.0466810.1274091.322180.545843-0.76597-0.00483-0.82920.0660050.194697-0.85162-0.0732417.630780.02887510.60982.067316.522847.2802528.661101-44.6344-0.08637-28.2666-4.70217-14.3058-21.5878-20.231911.466180.0286977.80991.1175762.5807927.329

37、7434.75934-8.55527-0.0248-6.2449-0.37699-0.83278-6.57937-2.254849.6895350.0290857.09050.5883982.1092087.4214443.7460164.0004010.0042352.2890.3273311.0616091.0999291.238539-12.1796-0.01184-6.7581-1.07543-3.41087-4.06583-3.931329.9501550.0128765.76740.8496462.6259574.0712233.335565-0.563450.001512-0.2

38、036-0.24025-1.105980.017627-0.68675-0.813110.000907-0.2897-0.36693-1.58715-0.47621-1.26387-1.898230.000185-0.8433-0.307-1.92506-0.27166-1.59576-2.60798-0.00019-0.9224-0.34913-1.93482-0.93078-2.10898-71.7062-0.0202-32.9798-11.931-40.0692-22.5516-41.8203102.76970.02940547.341216.7264358.0934331.833616

39、0.07585-0.24125-0.00048-0.3202-0.36604-1.382580.44801-1.1289513.273090.0022845.42631.6816434.323535.4799095.769425-2.11479-0.00094-0.9734-0.06008-1.08314-0.33419-1.03013-8.83559-0.00204-3.7404-1.17934-3.4197-3.37201-4.21814-99.4507-0.01534-43.174-17.0784-36.7131-41.2714-45.3453322.52910.041994143.09

40、9966.09432122.0648141.7106150.3965-431.506-0.05066-193.108-90.7641-165.814-192.367-199.967104.80040.01250247.234620.4006341.9931345.4969647.6637950.177910.00533223.144711.5175218.6239818.5666123.1429879.433920.00610733.966817.0497628.4561445.3786835.827826.依次进行周而复始的异方差和自相关的检验和处理，可以自行变换顺序，对产生的新序列进行异方差与自相关检验，结果如下：Dependent Variable: Y21Method: Least SquaresDate: 01/08/10 Time: 10:58Sample: 1978 2008Included observations: 31VariableCoefficientStd. Errort-StatisticProb. C2-305.12560.107947-2826.6310.0000X112.1078630.0005983522.8030.0000X22-1.1357440.000827-1373.5150.0000