中国国内生产总值的统计分析.docVIP

中国国内生产总值的统计分析 　　【摘要】为了探究和分析我国国内生产总值的影响因素，本文根据《中国统计年鉴》的近年数据，利用多元回归分析法，把财政支出，进出口总额，固定资产投资，能源消耗总量，社会消费品零售总额，就业人数和居民消费水平等作为解释变量，分析这些解释变量与国内生产总值的关系。进行回归分析利用SPSS16.0，计算并输出结果。利用统计检验，确定最佳模型，从而提出一些建议。 　　【关键词】GDP；统计检验；回归模型 　　一、引言 　　国民经济作为一个复杂的综合体，它的影响因素一直是人们讨论和研究的话题。通过对相关的研究文献的梳理，发现许多研究都是一个角度如财政收入和能源消耗总量等，很少从多角度，多因素来分析和探究GDP的影响因素。因此，本文从中国这一大宏观环境入手，采用多角度，多因素的方法来探究GDP的因素，来添补国内对此研究的空位，并建立回归方程，为我国GDP的增长提供建议和指导。 　　根据西方经济中关于国民收入核算的经典理论，我们建立以国内生产总值为因变量的线性回归模型，引入财政支出，进出口总额，固定资产投资，能源消耗总量，社会消费品零售总额，就业人数和居民消费水平作为自变量，对GDP的影响作实证分析，试图揭示这几个变量对GDP的影响程度。 　　二、数据来源、变量及原始数据 　　数据来源于国家统计局网站上的《中国统计年鉴2010》提供的1995-2009年的中国的国内生产总值与财政支出，进出口总额，固定资产投资和能源消耗总量，社会消费品零售总额，就业人数和居民消费水平。自变量包括财政支出（X1），进出口总额（X2），固定资产投资（X3）和能源消耗总量（X4），社会消费品零售总额（X5），就业人数（X6）和居民消费水平（X7）。其中，国内生产总值和居民消费水平都是按当年计算出来的。在财政支出中，2000年以前不包括国内外债务还本付息支出和利用国外借款收入安排的基本建设支出。从2000年起财政支出中包括国内外债务付息支出。 　　三、模型构建及分析 　　线性回归分析是研究因变量和自变量之问变动比例关系的一种方法，一般数学模型为Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+β7X7+ε （1） 　　其中，β0、β1、β2、β3、β4、β5、β6和β7为待定系数，ε为随机误差项，数据的分析处理使用SPSS16.0统计分析软件。 　　1.模型的构建 　　GDP与财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人数和居民消费水平的相关系数都大于0.9.双边检验的显著性概率值均为p=0.000α=0.01，说明GDP与财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人数和居民消费水平之间呈正线性相关关系，且相关性特别显著。 　　判决系数和修正判决系数都为1，说明模型的拟合程度很高；在对回归方程的显著性检验中，F检验的统计量的显著性概率值p=0.000α=0.01，说明七元线性回归方程高度显著；但在对回归系数的显著性检验中，居民消费水平回归系数的t检验的统计量的显著性概率值分别为0.011小于α=0.05，说明居民消费水平对GDP的影响特别显著；但财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人数对GDP的影响不显著。 　　由计算所得的判决系数及检验结果可以看出，GDP与财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人数和居民消费水平呈显著的线性相关关系。但建立在的多元线性回归方程中仅居民消费水平与GDP间存在着较显著的线性关系，GDP与其他的影响因素的线性关系部显著。 　　以上分析结果表明，采用七元线性回归分析模型来描述GDP与财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人数和居民消费水平关系是合适的。由此得出的七元线性回归方程为为Y=89085.443+0.465X1+0.428X2+0.491X3-.308X4-.436X5-1.066X6+30.405X7+ε （2） 　　2.对建立方程模型系数的进行统计意义和经济意义的解释 　　回归系数表示当其他自变量不变的条件下，其对应的自变量的单位变动对因变量平均值的影响。 　　如X7的统计意义；在X1，X2，X3，X4，X5，和X6保持不变的的情况下，X7每增加一个单位，Y平均增加30.405个单位经济意义；财政支出、进出口总额、固定资产投资、能源消耗总量、社会消费品零售总额、就业人数保持不变的的情况下，居民消费水平每增加1亿元，GDP平均增加30.405亿元。 　　四、结论 　　1. 模型结果分析 　　（1）通过上述分析，我们选取了7个因素作为分析，但最终只有1个因素进入模型