计量经济学模型分析论文 影响我国人均GDP的变量因素分析

影响我国人均GDP的变量因素分析

摘要

人均国内生产总值，也称作“人均GDP\，是衡量经济发展状况的重要指标，，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。 文章从从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面作为出发点，通过往年的数据发展来观察它们对于人均GDP的影响，从而对我国目前的经济发展提供一些建议。笔者认为，在提高城镇居民可支配收入、城市化率以及政府支出的基础上，更要调节好我国目前贫富差距过大的问题，这样才能保持经济的稳定发展。

关键词：人均GDP；城市化率；城镇居民可支配收入；城府支出

引 言

一国的经济乃立国之本，而经济发展是以GDP增长为前提的。影响人均GDP的因素看似众多，究竟哪些因素对人均GDP的增长起关键性的影响作用呢？由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。

随着2009年中国GDP赶超日本，成为世界排名第二，无疑吸引了国内外的目光。然而，在如此大的总量之下，中国的人均GDP却一直在世界100名左右徘徊。“国服民穷”的现状一直是我们的问题。

经我们数据搜寻，在人均GDP的增长过程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。同时，我们知道GDP的构成取决于消费、投资、政府支出。因此，我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量，认为这四个变量是影响人均GDP的关键性因素。本实验主要选取1979—2009年的统计数据。

一、人均GDP的基本概念及特点

1、人均GDP的基本概念和经济意义 （1） 人均GDP的基本概念

人均国内生产总值（Real GDP per capita），也称作“人均GDP\，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。将一个国家核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口相比进行计算，得到人均国内生产总值。是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。 （2） 人均GDP的经济意义

首先，除资源国以外的绝大多数工业化国家，人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。一方面，就中日比较而论，人均GDP虽不能正确反映中日两国综合国力，但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国，尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平，更是让中国望尘莫及。改革开放30多年来，中国城市化、工业化进程加快，农村农业的滞后发展恰恰拖了我国人均GDP的后腿，成为我国经济社会发展的短板，最终也深刻影响了我国的综合国力和国际竞争力。

其次，人均GDP本身具有社会公平和平等的含义。人均GDP虽然不能直接等同于居民的人均收入和生活水平，但构成了一国居民人均收入和生活水平的主要物质基础，是提高居民人均收入水平、生活水平的重要参照指标。事实上，强调人均GDP的国家，一般也比较注重提高本国居民的人均收入水平和社会公平程度。 再次，人均GDP与工业化进程和社会稳定，具有一定内在联系。据亨廷顿分析，在一定阶段，人均国内生产总值增长与社会安定、社会和谐成正比。

二、1978-2011年的数据搜集

年份 人均GDP 城市化率 城镇居民家庭人均可支政府支出 城镇居民消费水平 配收入 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 381 419 463 492 528 583 695 858 963 1112 1366 1519 1644 1893 2311 2998 4044 5046 5846 6420 6796 7159 7858 8622 9398 10542 12336 14185 16500 20169 23708 25575 17.92 18.96 19.39 20.16 21.13 21.62 23.01 23.71 24.52 25.32 25.81 26.21 26.41 26.94 27.46 27.99 28.51 29.04 30.48 31.91 33.35 34.78 36.22 37.66 39.09 40.53 41.76 42.99 43.9 44.94 45.68 46.59 343.4 405 477.6 500.4 535.3 564.6 652.1 739.1 900.9 1002.1 1180.2 1373.9 1510.2 1700.6 2026.6 2577.4 3496.2 4283 4838.9 5160.3 5425.1 5854 6280 6859.6 7702.8 8472.2 9421.6 10493 11759.5 13785.8 15780.8 17174.7 1122.09 1281.79 1228.83 1138.41 1229.98 1409.52 1701.02 2004.25 2204.91 2262.18 2491.21 2823.78 3083.59 3386.62 3742.2 4642.3 5792.62 6823.72 7937.55 9233.56 10798.18 13187.67 15886.5 18902.58 22053.15 24649.95 28486.89 33930.28 40422.73 49781.35 62592.66 76299.93 405 425 489 521 536 558 618 765 872 998 1311 1466 1596 1840 2262 2924 3852 4931 5532 5823 6109 6405 6850 7113 7387 7901 8679 9410 10423 11904 13526 15025 三、REVIEWS模型建立及检验

1、 散点图变化分析

（1）、 GDPP（人均GDP）和CSH（城市化）的关系

30,00025,00020,000GDPP15,00010,0005,00001620242832CSH36404448 （2）、GDPP（人均GDP）和JMKZPSR（城镇居民家庭人均可支配收入）的关系

30,00025,00020,000GDPP15,00010,0005,000005,00010,000JMKZPSR15,00020,000 （3）、 GDPP（人均GDP）和ZFZC（政府支出）的关系

30,00025,00020,000GDPP15,00010,0005,0000020,00040,000ZFZC60,00080,000 （4）、 GDPP(人均GDP)和GMXFSP（城镇居民消费水平）

30,00025,00020,000GDPP15,00010,0005,000004,0008,000GMXFSP12,00016,000 2、 Ganger检验

（1）首先，我们研究GDPP和CSH的因果检验。

Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:42 Sample: 1978 2009

Lags: 1

Null Hypothesis:

Obs F-Statistic 31

0.78247 0.57193

Prob. 0.3839 0.4558

CSH does not Granger Cause GDPPP GDPPP does not Granger Cause CSH

由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。

（2）其次，我们研究GDPP和JMKZPSR的因果检验。

Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:44 Sample: 1978 2009 Lags: 1

Null Hypothesis:

Obs F-Statistic 31

0.24821 0.19484

Prob.

0.6222 0.6623

JMKZPSR does not Granger Cause GDPP GDPP does not Granger Cause JMKZPSR

由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP作为因变量。

（3）紧接着，我们研究GDPP和ZFZC之间的因果关系。

Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:45 Sample: 1978 2009 Lags: 1

Null Hypothesis:

Obs F-Statistic 31

0.02024 0.33720

Prob.

0.8879 0.5661

ZFZC does not Granger Cause GDPP GDPP does not Granger Cause ZFZC

由表可知，GDPP和ZFZC相互影响，概率都比较大，所以可以将ZFZC作为自变量。

（4）最后，我们研究GDPP和GMXFSP的因果关系。

Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:44 Sample: 1978 2009 Lags: 1

Null Hypothesis:

Obs F-Statistic 30

16.0251 7.44216

Prob. 0.0004 0.0111

JMXFSP does not Granger Cause GDPP GDPP does not Granger Cause JMXFSP

由表可知，GDPP和 JMXFSP的相关可能性都非常低，顾将JMXFSP作为自变量剔除。

3、选择模型形式，做回归,描绘模型

估计模型：GDP?C?CSH2?JMKZPRS?ZFZC

Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 16:47 Sample: 1978 2011 Included observations: 34

Variable C CSH^2 ZFZC JMKZPSR

R-squared

Coefficient

472.7725 -1.589601 0.096333 1.269763

Std. Error

178.0388 0.416496 0.011037 0.086591

t-Statistic

2.655446 -3.816604 8.728460 14.66399

Prob.

0.0126 0.0006 0.0000 0.0000

7863.882 9292.254 13.99865 14.17822 14.05989 1.179488

0.999337 Mean dependent var 0.999271 S.D. dependent var 250.9664 Akaike info criterion 1889524. Schwarz criterion -233.9770 Hannan-Quinn criter. 15070.08 Durbin-Watson stat 0.000000

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

^

令Y?GDP X1? CSH2 X2? JMKZPSR X3? ZFZC

Y?472.7725-1.589601x1?0.096333x2?1.269763x3

^ ?178.0388? ?0.4164? ?0.011037? ?0.086591?

R2?0.999337 R2?0.999271 DW?1.179488

SE?250.9664 F?0.00 n?33

4、随机误差项的正态性检验（JB检验）

876543210-600-400-2000200400600Series: RESIDSample 1978 2009Observations 32Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis Jarque-BeraProbability-1.56e-13 25.89469 606.3765-601.0734 246.4424-0.256965 4.277828 2.529290 0.282340 通过

JB检验发现，估计模型随机误差项可能为正太分布的可能性P>5%,所以通

过检验。

5、 Ramsey reset test检验

Ramsey RESET Test:

F-statistic

Log likelihood ratio

Test Equation:

Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 13:59 Sample: 1978 2009 Included observations: 32

Variable

C

Coefficient

-44.45361

4.085866 Prob. F(1,27)

0.0533 0.0337 Prob.

0.8884

4.509325 Prob. Chi-Square(1)

Std. Error t-Statistic

313.7799

-0.141671

CSH^2 JMKZPSR ZFZC FITTED^2

R-squared

-0.208129 1.226143 -0.004762 8.81E-06

0.798441 0.088068 0.051507 4.36E-06

-0.260669 13.92275 -0.092447 2.021353

0.7963 0.0000 0.9270 0.0533

6325.906 7066.021 13.99197 14.22099 14.06788 1.060922

0.998943 Mean dependent var 0.998787 S.D. dependent var 246.1018 Akaike info criterion 1635285. Schwarz criterion -218.8715 Hannan-Quinn criter. 6382.086 Durbin-Watson stat 0.000000

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Prob.F值为0.533>5%,所以模型被误设可能性较小。

6、 T、F检验，拟合优度检验

t-Statistic

2.288009 -3.385601 13.98170 7.726581

T值的绝对值>2，通过检验，说明此模型拟合优度较好。

Prob(F-statistic)

0.000000

F值为0，远远小于5%，说明此模型拟合优度较好。

R-squared

0.998784

R2=0.99，说明改模型可行性很大，拟合度好。

7、 Wald Test检验，若 Prob. F>5%，接受约束条件

Wald Test:

Equation: Untitled

Test Statistic

Value

df Probability

F-statistic Chi-square

3.421460 3.421460

(1, 28)

1 Value

2.792085

0.0749 0.0644 Std. Err.

1.509465

Null Hypothesis Summary: Normalized Restriction (= 0)

-1 + C(2)^2 - 3*C(3) + C(4)

Delta method computed using analytic derivatives.

8、邹氏突变检验：若 Prob. F<5%，认为该点很可能是突变点

通过观察整体数据较为平稳，未发现明显突变点，其中对1995年、2004年进行随机检测，如下图：

Chow Breakpoint Test: 1994

Null Hypothesis: No breaks at specified breakpoints Varying regressors: All equation variables Equation Sample: 1978 2009 F-statistic

10.66037 32.68074 42.64146

Prob. F(4,24) Prob. Chi-Square(4) Prob. Chi-Square(4)

0.0000 0.0000 0.0000

Prob. F(4,24) Prob. Chi-Square(4) Prob. Chi-Square(4)

0.0000 0.0000 0.0000

Log likelihood ratio Wald Statistic

Chow Breakpoint Test: 2004

Null Hypothesis: No breaks at specified breakpoints Varying regressors: All equation variables Equation Sample: 1978 2009 F-statistic

51.32985 72.22598 205.3194

Log likelihood ratio Wald Statistic

所以通过邹氏检验，发现无突变点。

9、模型的比较：观察AIC和SC值的变化，若有下降的现象，该模型可能更好些。

Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:12 Sample: 1978 2009 Included observations: 32

Variable C CSH^2 ZFZC JMKZPSR JMKZPSR^2 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient -355.7275 1.175857 -0.157097 1.056712 5.91E-05

Std. Error 157.9942 0.448006 0.034252 0.058971 7.81E-06

t-Statistic -2.251522 2.624645 -4.586449 17.91905 7.574526

Prob. 0.0327 0.0141 0.0001 0.0000 0.0000 6325.906 7066.021 12.99347 13.22249 13.06938 1.124435

0.999611 Mean dependent var 0.999553 S.D. dependent var 149.3804 Akaike info criterion 602491.2 Schwarz criterion -202.8955 Hannan-Quinn criter. 17333.87 Durbin-Watson stat 0.000000

此时AIC?12.99347 SC?13.22249 原模型AIC?13.99865 SC?14.17822 通过比较发现 增加一个变量后的模型更适合

四、REVIEWS异方差检验及克服 1、异方差检验

（1）图形法

400,000350,000300,000250,000RESID^2200,000150,000100,00050,00001620242832CSH 36404448400,000350,000300,000250,000RESID^2200,000150,000100,00050,000005,00010,000JMKZPSR15,00020,000400,000350,000300,000250,000RESID^2200,000150,000100,00050,0000020,00040,000ZFZC 60,00080,000（2） WHITE检验

Heteroskedasticity Test: White

F-statistic Obs*R-squared Scaled explained SS

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:01 Sample: 1978 2009 Included observations: 32

Variable

C CSH^2 (CSH^2)^2 (CSH^2)*JMKZPSR (CSH^2)*ZFZC JMKZPSR JMKZPSR^2 JMKZPSR*ZFZC

Coefficient

8464.488 -201.3539 0.390429 -0.209972 0.006477 -13.46487 0.028131 -0.005733

4.375318 Prob. F(9,22)

0.0023 0.0149 0.0022 Prob.

0.9798 0.9011 0.8457 0.7542 0.9304 0.9608 0.6731 0.7512

20.53007 Prob. Chi-Square(9) 25.76099 Prob. Chi-Square(9)

Std. Error t-Statistic

329747.7 1601.322 1.982626 0.662189 0.073271 270.5561 0.065792 0.017857

0.025670 -0.125742 0.196925 -0.317087 0.088393 -0.049767 0.427570 -0.321084

ZFZC ZFZC^2

R-squared

46.12346 0.000277

50.20082 0.001399

0.918779 0.198082

0.3682 0.8448

58835.95 108225.6 25.58907 26.04711 25.74090 2.022294

0.641565 Mean dependent var 0.494932 S.D. dependent var 76913.92 Akaike info criterion 1.30E+11 Schwarz criterion -399.4251 Hannan-Quinn criter. 4.375318 Durbin-Watson stat 0.002261

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

nR2?20.53007，由white检验知，在??0.05，查?2分布表，得临界值

?20.05?3??7.81473，所以拒绝原假设，接受备择假设，表明模型存在异方差。

2、异方差的修正

Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 14:34 Sample: 1978 2009 Included observations: 32 Weighting series: 1/RESID^2

Variable

C CSH ZFZC JMKZPSR

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

R-squared

Coefficient

849.1712 -48.90755 0.086467 1.185499

Std. Error t-Statistic

171.2264 8.460355 0.004839 0.028887

4.959347 -5.780791 17.86810 41.03955

Prob.

0.0000 0.0000 0.0000 0.0000 633.4496 3246.371 3.209302 3.392519 3.270033 1.364803

6325.906

Weighted Statistics

0.999925 Mean dependent var 0.999917 S.D. dependent var 1.135960 Akaike info criterion 36.13133 Schwarz criterion -47.34883 Hannan-Quinn criter. 124296.8 Durbin-Watson stat 0.000000

Unweighted Statistics

0.998268 Mean dependent var

Adjusted R-squared S.E. of regression Durbin-Watson stat

0.998082 S.D. dependent var 309.4658 Sum squared resid 0.658206

7066.021 2681534.

3、再次对修正后的模型做white检验

Heteroskedasticity Test: White F-statistic Obs*R-squared Scaled explained SS

Test Equation:

Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:41 Sample: 1978 2009 Included observations: 32

Collinear test regressors dropped from specification

Variable

C WGT^2

R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic)

Coefficient

2.45E-16 3.14E-08

Std. Error t-Statistic

5.44E-17 3.00E-19

4.498128 1.05E+11

Prob.

0.0001 0.0000 1.00E-06 5.68E-06 2.75E-30 1.800809

1.09E+22 Prob. F(1,30)

0.0000 0.0000 1.0000

32.00000 Prob. Chi-Square(1) 3.01E-10 Prob. Chi-Square(1)

1.000000 Mean dependent var 1.000000 S.D. dependent var 3.03E-16 Sum squared resid 1.09E+22 Durbin-Watson stat 0.000000

nR2?3.01E?10??20.05?3??7.81473,所以修正后的模型通过WHITE检验得到无

异方差。 此时模型为：

Y?849.1712-48.90755x1?0.086467x2?1.185499x3

^ ?171.2264? ?8.460355? ?0.004839? ?0.028887?

R2?0.999925 R2?0.999917 DW?1.364803

SE?1.135960 F?0.00 n?33

五、REVIEWS自相关检验及克服 1、 自相关检验 （1） DW检验法

Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 17:28 Sample: 1978 2009 Included observations: 32

Variable C CSH^2 ZFZC JMKZPSR

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 459.4286 -1.558879 0.096554 1.265428

Std. Error 200.7984 0.460444 0.012496 0.090506

t-Statistic 2.288009 -3.385601 7.726581 13.98170

Prob. 0.0299 0.0021 0.0000 0.0000 6325.906 7066.021 14.07039 14.25360 14.13112 1.020692

0.998784 Mean dependent var 0.998653 S.D. dependent var 259.3089 Akaike info criterion 1882750. Schwarz criterion -221.1262 Hannan-Quinn criter. 7663.496 Durbin-Watson stat 0.000000

DW?1.020692 ?dl 说明在滞后一期时 该模型存在一阶自相关

（2） LM检验法

Breusch-Godfrey Serial Correlation LM Test: F-statistic

11.63691 Prob. F(1,27)

0.0021 0.0019 Prob.

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares

9.637960 Prob. Chi-Square(1)

Coefficient

Std. Error

t-Statistic

Date: 06/07/12 Time: 18:03 Sample: 1978 2009 Included observations: 32

Presample missing value lagged residuals set to zero.

Variable

C CSH^2 ZFZC JMKZPSR RESID(-1)

R-squared

-164.8782 0.288769 -0.015185 0.015708 0.772596

177.6396 0.401008 0.011532 0.077184 0.226482

-0.928161 0.720107 -1.316774 0.203514 3.411291

0.3615 0.4776 0.1990 0.8403 0.0021

-4.19E-13 246.4424 13.77451 14.00354 13.85043 1.197067

0.301186 Mean dependent var 0.197658 S.D. dependent var 220.7472 Akaike info criterion 1315692. Schwarz criterion -215.3922 Hannan-Quinn criter. 2.909226 Durbin-Watson stat 0.040137

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

nR2?9.637960??0.05?3??9.637960 LM检验也说明该模型在滞后一期时存在一

阶自相关。

2、 广义差分法克服自相关

??DW/2?0.510346 ??滞后一期时，

Yx?1??0??1(x1?1)??2?x2?1???3?x3?1?

两边同时乘以? 并将原模型与所得模型相减 得到差方后模型：

?*?389.8493?23.95x*?0.04233x*?0.9083x* YX123

六、REVIEWS多重共线检验及克服 1、多重共线检验

GDPP CSH^2 ZFZC JMKZPSR

GDPP 1

0.96006194612

47061 18101 73518

1 08908 06614

0.986401731220.92150855686

1 96026

0.996187219120.976948210580.97209385159

1

CSH^2 47061

ZFZC 18101 08908

JMKZPSR 73518 06614 0.97209385159

96026

0.960061946120.986401731220.99618721912

0.921508556860.97694821058

（1）去掉CSH2后 对模型R2重新进行计算

Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:02 Sample: 1978 2009 Included observations: 32

Variable C ZFZC JMKZPSR

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient -167.6252 0.120358 0.992477

Std. Error 90.48260 0.012051 0.047977

t-Statistic -1.852568 9.987319 20.68630

Prob. 0.0741 0.0000 0.0000 6325.906 7066.021 14.35103 14.48844 14.39657 0.869511

0.998286 Mean dependent var 0.998167 S.D. dependent var 302.4890 Akaike info criterion 2653487. Schwarz criterion -226.6164 Hannan-Quinn criter. 8443.399 Durbin-Watson stat 0.000000

此时R2?0.998286?0.999337 所以CSH2不应该被剔除 （2）去掉ZFZC后 对模型R重新进行计算

Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:05 Sample: 1978 2009 Included observations: 32

Variable C CSH^2 JMKZPSR

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 995.1454 -3.560546 1.871291

Std. Error 327.7126 0.661954 0.078598

t-Statistic 3.036641 -5.378842 23.80846

Prob. 0.0050 0.0000 0.0000 6325.906 7066.021 15.14960 15.28702 15.19515 0.256818

2 0.996190 Mean dependent var 0.995927 S.D. dependent var 450.9395 Akaike info criterion 5897047. Schwarz criterion -239.3937 Hannan-Quinn criter. 3791.291 Durbin-Watson stat 0.000000

此时R2?0.996190?0.999337 所以ZFZC不应该被剔除

（3） 去掉JMKZPSR后 对模型R重新进行计算

Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:11 Sample: 1978 2009 Included observations: 32

Variable C CSH^2 ZFZC

R-squared

Coefficient -1517.897 4.175785 0.247928

Std. Error 395.7188 0.580862 0.017324

t-Statistic -3.835797 7.188952 14.31145

Prob. 0.0006 0.0000 0.0000

6325.906 7066.021 16.08504 16.22245 16.13059 0.469288

2 0.990291 Mean dependent var 0.989621 S.D. dependent var 719.8556 Akaike info criterion 15027571 Schwarz criterion -254.3606 Hannan-Quinn criter. 1478.950 Durbin-Watson stat 0.000000

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

此时R2?0.990291?0.999337 所以JMKZPSR不应该被剔除

结果表明，虽然模型存在多重共线，但是并不影响本模型的分析效果，所以不必要进行处理。

七、结论

从对于1979—2009年的数据的计量分析中，我们发现了以下结论：

1城镇居民消费水平与人均GDP显著相关，但没有不显著影响人均GDP，不能构成影响人均GDP的自变量。故我们踢出了该自变量，初步估计是由于当前中国居民收入的不均衡，抑制了他更进一步发挥对经济增长的拉动作用。做出仅含三个自变量的回归模型。

2城镇居民家庭人均可支配收入、城市化率及城市政府支出对GDP的具有较大的影响，随着这三个自变量的增加，人均GDP显著增加，构成影响人均GDP的关键影响因素。

3为了GDP的更快更健康的增长，应加大城镇居民家庭人均可支配收入、城市化率及城市政府支出，另外要均衡居民收入，减小贫富差距。

本文来源：https://www.bwwdw.com/article/9f7r.html