固定资产投资对贵州GDP影响分析

固定资产投资对贵州GDP影响分析一、 导论GDP（国内生产总值）是指经济社会（即一国或一地区）在一定时期内运用生产要素所生产的全部最终产品（物品和劳务）的市场价值。在四部门经济中，Y=C+I+G+(X-M)，其中 YGDP C消费 I投资 G政府对物品和劳务的购买 X出口 M进口固定资产投资是社会固定资产再生产的主要手段。通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。这对我国的社会主义现代化建设具有重要意义。固定资产投资作为企业的生产资料投资在整个生产过程起着至关重要的作用,对一个企业来说它是其主要的劳动手段,直接影响着企业的生产能力.固定资产的价值是逐渐地转移到所生产的产品上去.企业同时又是重要的市场主体,因此对固定资产的投资间接的影响到了一个经济体的产出。随着我国经济的高速的发展,我们有必要站在宏观的角度对我国国内固定资产投资进行分析,以控制经济的平稳快速发展.这里忽略其他因素对GDP的影响，主要对GDP及国有经济固定资产投资额(X2),集体经济固定资产投资额(X3),其他经济固定资产投资额(X4),进行计量经济学多元线性回归模型分析。二、模型设计假设模型的函数形式为： Y=1+2X2+3X3+4X4+其中：Y GDP X2国有经济固定资产投资 X3集体经济固定资产投资 X4其它经济固定资产投资三、 数据收集及处理1、全国GDP数据来自中华人民共和国国家统计局2、贵州省GDP、国有经济固定资产投资、集体经济固定资产投资、个体经济固定资产投资均来自中国人民银行贵阳市中心支行3、原始数据如下：全国GDP贵州GDP全社会固定资产国有经济固定资产集体经济固定资产其他经济固定资产年份（亿元）（亿元）投资总额（亿元）投资额（亿元）投资额（亿元）投资额（亿元）19804,51760.26 13.97 11.59 0.83 1.55 19814,86267.89 15.16 12.06 0.99 2.11 19825,29479.39 15.52 11.56 1.08 2.88 19835,93487.38 17.07 11.88 1.23 3.96 19847,171108.27 23.02 15.02 0.98 7.02 19857,780123.92 33.14 21.24 1.76 10.14 19869,380139.57 35.99 24.09 1.71 10.19 198710,920165.50 42.97 27.10 3.61 12.26 198813,853211.79 45.42 33.05 2.74 9.63 198915,677235.84 44.08 32.29 2.73 9.06 199017,400260.14 51.51 36.95 2.14 12.42 199119,580295.90 58.44 42.97 3.67 11.80 199223,938339.91 78.82 58.82 3.59 16.41 199331,380416.07 106.30 77.84 6.81 21.65 199443,800521.17 140.95 93.74 9.77 37.44 199557,733630.07 173.66 108.85 12.94 51.87 199667,795713.70 207.10 133.19 14.75 59.16 199774,772792.98 247.23 149.75 15.09 82.39 199879,553841.88 304.91 188.93 19.34 96.64 199982,054911.86 333.90 210.80 22.19 100.91 200089,404993.53 402.50 259.95 28.45 114.10 200195,9331084.90 533.74 357.69 22.45 153.60 2002102,3981185.04 623.44 423.88 18.86 180.70 2003117,2521356.11 754.13 457.10 39.26 257.77 （表1）Dependent Variable: YMethod: Least SquaresDate: 05/31/05 Time: 23:55Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C90.7285725.503393.5575100.0020X23.1211740.7431784.1997640.0004X324.998424.7189475.2974570.0000X4-4.1248351.739215-2.3716650.0279R-squared0.966782 Mean dependent var484.2113Adjusted R-squared0.961799 S.D. dependent var404.5809S.E. of regression79.07573 Akaike info criterion11.72970Sum squared resid125059.4 Schwarz criterion11.92604Log likelihood-136.7564 F-statistic194.0257Durbin-Watson stat0.849162 Prob(F-statistic)0.000000（表2）四、模型检验1、t检验： 提出假设：H0：j=0 (j=1,2,3,4) H1: j0 (j=1,2,3,4) 检验：给定显著水平=0.05 查表得t0.05/2(24-4)=2.0860 t=3.557510 tt0.05/2(24-4)，所以拒绝H0，接受H1。 t=4.199764 tt0.05/2(24-4)，所以拒绝H0，接受H1。 t=5.297457 tt0.05/2(24-4)，所以拒绝H0，接受H1。 t= -2.371665 tt0.05/2(24-4)，所以拒绝H1，接受H0。解释变量X4对应变量Y的影响不显著2、分析： 显著水平=0.05，F=194.0257 F0.05（3，21）=3.07 F F0.05（3，21） 表明模型从整体上看GDP与解释变量之间线性关系显著。3、计算解释变量之间的简单相关系数：X2X3X4X21.0000000.9190300.985882X30.9190301.0000000.941856X40.9858820.9418561.000000（表3） 由表3可以看出，解释变量之间存在高度线性相关。同时由表2也可以看出X3系数的符号所表示的经济意义与事实相悖。表明模型中解释变量确实存在严重的多重共线性。 4、修正： 运用OLS方法逐一求Y对各个解释变量的回归： Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 12:43Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C147.564832.047574.6045540.0001X22.8859050.18220515.838780.0000R-squared0.919375 Mean dependent var484.2946Adjusted R-squared0.915710 S.D. dependent var404.6470S.E. of regression117.4802 Akaike info criterion12.45007Sum squared resid303635.2 Schwarz criterion12.54824Log likelihood-147.4009 F-statistic250.8670Durbin-Watson stat0.231225 Prob(F-statistic)0.000000（表4） Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 12:57Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C121.646633.518313.6292590.0015X336.728492.34539015.659870.0000R-squared0.917674 Mean dependent var484.2946Adjusted R-squared0.913932 S.D. dependent var404.6470S.E. of regression118.7125 Akaike info criterion12.47094Sum squared resid310038.5 Schwarz criterion12.56911Log likelihood-147.6513 F-statistic245.2314Durbin-Watson stat1.746274 Prob(F-statistic)0.000000(表5)Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 13:09Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C183.733233.942415.4130860.0000X45.6993770.40181514.184080.0000R-squared0.901428 Mean dependent var484.2946Adjusted R-squared0.896948 S.D. dependent var404.6470S.E. of regression129.8986 Akaike info criterion12.65104Sum squared resid371220.4 Schwarz criterion12.74921Log likelihood-149.8125 F-statistic201.1882Durbin-Watson stat0.297713 Prob(F-statistic)0.000000 （表6） 依据可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型： Y=147.5648+2.885905 X2 (4.604554) (15.83878) R-squared=0.919375 S.E.=117.4802 F=250.8670逐步回归（将其余解释变量分别加入模型）： Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 14:03Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C119.994924.714854.8551730.0001X21.5196260.3443624.4128790.0002X318.937944.3866994.3171270.0003R-squared0.957285 Mean dependent var484.2946Adjusted R-squared0.953217 S.D. dependent var404.6470S.E. of regression87.52305 Akaike info criterion11.89815Sum squared resid160866.0 Schwarz criterion12.04541Log likelihood-139.7778 F-statistic235.3134Durbin-Watson stat0.678505 Prob(F-statistic)0.000000 （表7）Dependent Variable: YMethod: Least SquaresDate: 06/01/05 Time: 14:10Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C151.937834.457694.4094010.0002X22.4483751.1094702.2067960.0386X40.8851362.2127970.4000070.6932R-squared0.919984 Mean dependent var484.2946Adjusted R-squared0.912364 S.D. dependent var404.6470S.E. of regression119.7893 Akaike info criterion12.52581Sum squared resid301339.2 Schwarz criterion12.67307Log likelihood-147.3098 F-statistic120.7243Durbin-Watson stat0.192940 Prob(F-statistic)0.000000（表8）再次依据调整后的可决系数最大原则，选取调整后可决系数最大所对应的解释变量作为新进入模型的后选变量，且调整后的可决系数大于上一步的可决系数，所以得到： Y=119.9949+1.519626 X2+18.93794 X3 (4.855173) (4.412879) (4.317127) R-squared=0.957285 S.E.=87.52305 F=235.3134 由（表2）可得对Y的影响并不显著，故将删去。得如下模型： Y=119.9949+1.519626 X2+18.93794 X35、统计学检验 t检验：显著水平0.05，t0.05/2(24-3)=2.0796，显然4.855173和4.412879都远远大于它，即从统计学检验的角度上讲解释变量的选取是有意义的。 f检验及拟合优度检验R-squared：R-squared值越接近于1,则F值越大,这里的R-squared值为0.957285,大于0.9拟合优度比较高,因此FStatistic检验亦通过。6、计量经济学检验： 被解释变量与解释变量的散点图如下： （图1）结论：被解释变量与解释变量的线性关系较强。 异方差检验： 图示法：（图2）ARCH检验：ARCH Test:F-statistic0.503771 Probability0.684780Obs*R-squared1.714496 Probability0.633716Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/01/05 Time: 16:07Sample(adjusted): 1983 2003Included observations: 21 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C6042.6093539.3401.7072700.1060RESID2(-1)0.5230740.4441991.1775670.2552RESID2(-2)-0.2762040.482861-0.5720160.5748RESID2(-3)-0.1145660.450162-0.2545000.8022R-squared0.081643 Mean dependent var6574.751Adjusted R-squared-0.080420 S.D. dependent var9626.857S.E. of regression10006.47 Akaike info criterion21.42949Sum squared resid1.70E+09 Schwarz criterion21.62845Log likelihood-221.0097 F-statistic0.503771Durbin-Watson stat1.386163 Prob(F-statistic)0.684780（表9）结论：散点变化成总体上升趋势，且PR,即0.6337161.714496.所以模型存在异方差。 异方差的修正： WLS估计法：Dependent Variable: YMethod: Least SquaresDate: 06/04/05 Time: 00:23Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsWeighting series: WVariableCoefficientStd. Errort-StatisticProb. C164.31308.40536119.548600.0000X23.8232250.4369458.7498980.0000X3-13.762844.911786-2.8020030.0110Weighted StatisticsR-squared0.999888 Mean dependent var369.6089Adjusted R-squared0.999877 S.D. dependent var1365.774S.E. of regression15.16405 Akaike info criterion8.396839Sum squared resid4598.967 Schwarz criterion8.544947Log likelihood-93.56365 F-statistic1347.468Durbin-Watson stat1.792554 Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.840326 Mean dependent var502.7309Adjusted R-squared0.824359 S.D. dependent var403.3033S.E. of regression169.0227 Sum squared resid571373.7Durbin-Watson stat0.535394（表10） 对数变换法：Dependent Variable: LYMethod: Least SquaresDate: 06/04/05 Time: 00:31Sample: 1980 2003Included observations: 24VariableCoefficientStd. Errort-StatisticProb. C3.0433390.3296599.2317680.0000LX20.5688250.1284064.4298980.0002LX30.2407570.1255971.9168930.0690R-squared0.977840 Mean dependent var5.763426Adjusted R-squared0.975730 S.D. dependent var1.003719S.E. of regression0.156368 Akaike info criterion-0.756740Sum squared resid0.513470 Schwarz criterion-0.609483Log likelihood12.08088 F-statistic463.3339Durbin-Watson stat0.431710 Prob(F-statistic)0.000000 （表11） 由表10和表11可以看出X2、X3与Y在对数线性回归下拟合度效果最好。所以模型变化为： lnY=3.043339+0.568825ln X2+0.240757 lnX3 (9.231768) (4.429898) (1.916893) R-squared=0.977840 S.E.=0.156368 F=463.3339自相关检验： 图示法：（图3） DW检验： 根据（表11）估计的结果，由DW=0.431710,给定显著水平=0.05,查Durbin-Watson表，n=24,k(解释变量个数)=2，得下限临界值dL=0.960，上限临界值dU=1.298。 因为0DWdL，表明一阶正自相关，而且正自相关的程度随d向0靠近而增强。 自相关的修正： 由DW=0.431710，根据 ()=1-DW/2，计算出 ()=0.784145。用GENR分别对lnY、ln X2、lnX3作广义差分，然后再用OLS方法估计其参数，结果为：Dependent Variable: DLYMethod: Least SquaresDate: 06/04/05 Time: 01:36Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C0.7418840.05457413.594150.0000DLX20.5756760.0637469.0307680.0000DLX30.0688280.0478831.4374180.1661R-squared0.898193 Mean dependent var1.365844Adjusted R-squared0.888013 S.D. dependent var0.198948S.E. of regression0.066577 Akaike info criterion-2.459813Sum squared resid0.088649 Schwarz criterion-2.311705Log likelihood31.28785 F-statistic88.22543Durbin-Watson stat1.492622 Prob(F-statistic)0.000000（表12） DlnY=0.741884+0.575676Dln X2+0.068828DlnX3 (13.59415) (9.030768) (1.437418) R-squared=0.898193 S.E.=0.066577 F=88.22543 结论：经过使用广义差分法后，DW值变小，并没有改善自相关性。 Cochrane-Orcutt迭代法：Dependent Variable: LYMethod: Least SquaresDate: 06/04/05 Time: 01:55Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsConvergence achieved after 19 iterationsVariableCoefficientStd. Errort-StatisticProb. C9.0151402.9703823.0350100.0068LX20.1350430.1075631.2554770.2245LX30.0248950.0333410.7466830.4644AR(1)0.9718450.01592361.034350.0000R-squared0.997785 Mean dependent var5.835807Adjusted R-squared0.997435 S.D. dependent var0.960101S.E. of regression0.048628 Akaike info criterion-3.052479Sum squared resid0.044928 Schwarz criterion-2.855002Log likelihood39.10351 F-statistic2852.372Durbin-Watson stat1.579752 Prob(F-statistic)0.000000Inverted AR Roots .97（表13） DW=1.579752, dUDW4- dU,不存在一阶自相关性。所以模型再次修正为： lnY=9.015140+0.135043ln X2+0.024895 lnX3 (3.035010) (1.255477) (0.746683) R-squared=0.997785 S.E.=0.048628 F=2852.372 再次进行多重线性检验、异方差检验、自相关检验，该模型是合理的。五、模型评价及经济分析。 模型在进行自相关检验及自相关的修正的过程中，消除了自相关性。但是固定资产投资与GDP之间仍然有可能存在自相关性。第一，经济变量惯性的作用。在时间数列数据中，经济变量的运行往往存在着一种变化趋势，表现在随时间前后期的相互关联上所形成的惯性。第二，经济行为的滞后性。如果模型忽略这些滞后因素，滞后因素将在误差项中体现为系统性。例如贵州省是个典型的投资拉动型经济，但是一些部门在当年投入之后，往往要在若干年以后才能转化为产出，如通讯业、运输业等，水白铁路通车近七年，运量明显不足，远没有达到盈亏平衡点，再如安顺、铜仁、兴义等地区的支线机场，运输量也很低。这些产业对经济的间接影响见效相对比较慢。第三，一些随机偶然因素的干扰或影响。通常随机偶然因素是指战争、自然灾害、政策制定的错误后果、面对一些现象人们的心理因素等等，这些影响可能延续若干时期，反映在模型中很容易形成随机误差序列的自相关。第四，设定偏误。 该模型并没有直接地从投资、消费、出口的角度去考察解释变量对GDP的影响,而是以间接的方法从固定资产投资的角度研究了其对GDP的影响。从计量经济学的检验结果看公有经济对GDP存在线性的影响，而且相关系数都接近于1,进一步证明了固定资产投资对一个地区社会总产出的影响。1978年以来的二十多年中，伴随着国有经济比重的不断下降，国有经济的地位与作用问题长期以来一直倍受关注，从“主体”到“发挥主导作用”、“保持控制力”，贯穿其中的红线即是我们思想上的逐步解放。在传统计划经济体制下，国有经济控制力往往停留在国有资产的物质形态层面上，而随着我国改革开放的推进以及市场经济体制的逐步完善，以国有资产的行政计划分配为主要特征的“静态控制”体系显然已不再适合社会主义市场经济体制的要求。六、政策建议： 较落后地区往往出现GDP主要靠固定资产投资拉动的现象。但是固定资产投资是一种市场行为，是否应该进行投资，该投资多少，应当由市场来决定，由市场对资源进行最有效的配置，而不应该完全由政府制定投资计划。政府的决策只能起到辅助作用，而不应占主导地位。例如对于较落后地区，有时也会出现投资不足的情况，这也是阻碍其经济发展的一个重要因素。因此，政府也应该引入一些比较优质的投资项目，促进该地区经济发展。固定资产投资会产生社会效益和经济效益，在项目决策方面，更注重哪一方面，应慎重考虑，避免顾此失彼，也要尽量避免无意义的投资或低效益的投资。另外，国家应该逐渐淡出积极的财政政策，最主要的理由有两个：一是担心积极财政政策大规模发行国债，会使中国财政赤字增加，债务余额增加，第二个担心是，长期实施积极财政政策，会使中国的经济增长形成对财政支出扩张的日益严重的依赖。这几年中国的经济增长主要依靠三驾马车：投资、出口、消费。随着我国加入世界贸易组织，出口量和进口量之间的差距正在逐渐缩小，显然，净出口将不会再是经济增长的主动力。在近几年的投资中，由于一直实施的是积极的财政政策，发行了大量的国债，政府投资一直起着主导作用。但是只有真正启动民间投资，让企业自主投资，才可能使得投资依然能够成为拉动经济增长的动力之一。消费和投资之间的失衡现象一直是困扰着我国经济运行的一个重大问题。刺激消费应该说一直是我们政府很重视，但又是一个老大难的问题。七、模型缺陷分析： 1、平稳性检验：ADF Test Statistic 5.715142 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(X2)Method: Least SquaresDate: 06/03/05 Time: 07:56Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. X2(-1)0.1635680.0286205.7151420.0000C2.7056804.3590160.6207090.5415R-squared0.608668 Mean dependent var19.37000Adjusted R-squared0.590033 S.D. dependent var24.26967S.E. of regression15.53955 Akaike info criterion8.407595Sum squared resid5071.027 Schwarz criterion8.506333Log likelihood-94.68734 F-statistic32.66285Durbin-Watson stat1.535714 Prob(F-statistic)0.000011（表13）X2通过平稳性检验。ADF Test Statistic 0.783554 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(X3)Method: Least SquaresDate: 06/03/05 Time: 08:04Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. X3(-1)0.0930810.1187940.7835540.4421C0.8707341.4358910.6064070.5507R-squared0.028406 Mean dependent var1.670870Adjusted R-squared-0.017861 S.D. dependent var4.798540S.E. of regression4.841204 Akaike info criterion6.075145Sum squared resid492.1823 Schwarz criterion6.173884Log likelihood-67.86417 F-statistic0.613956Durbin-Watson stat1.694248 Prob(F-statistic)0.442050（表14）X3未通过平稳性检验。ADF Test Statistic 6.958324 1% Critical Value*-3.7497 5% Critical Value-2.9969 10% Critical Value-2.6381*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(X4)Method: Least SquaresDate: 06/03/05 Time: 08:05Sample(adjusted): 1981 2003Included observations: 23 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. X4(-1)0.2820940.0405416.9583240.0000C-1.2217292.736698-0.4464250.6599R-squared0.697486 Mean dependent var11.14000Adjusted R-squared0.683081 S.D. dependent var17.73394S.E. of regression9.983426 Akaike info criterion7.522671Sum squared resid2093.045 Schwarz criterion7.621410Log likelihood-84.51072 F-statistic48.41827Durbin-Watson stat1.871356 Prob(F-statistic)0.000001（表15）X4通过平稳性检验。很遗憾，由于所学知识有限，所有没有能力对非平稳数据进行调整，有可能导致模型的准确性不足。因此，待掌握足够的知识后再进行调整，提高模型的精确度，使其更具有说服力。 2、关于舍去X4的说明： （图4） 首先，X4代表个体经济的固定资产投资，从经济意义分析，个体经济的固定资产投资与GDP应成负相关，而从表2中反映为负相关，与事实相悖，故将其舍去。 其次，计量分析中呈现负相关的原因可能与政策因素有关。X2、X3、X4三部分在全社会固定资产投资总额中分别所占的比例受到不同时期政策因素的影响而不同。例如：1998年，国家实行积极的财政政策后，加大了国有经济的固定资产投资，而政府投资对私人企业的投资具有挤出效应，从图4可以明显看1997年个体经济固定资产投资额占全社会的33.32%，而1998年则下降至31.69%。2000年，国家又出台“西部大开发”战略，2002年个体经济固定资产投资额仅占28.98%。2003年积极的财政政策逐渐淡出，个体经济固定资产投资额又有所回升，达到34.18%。因此在无法剔除这些因素影响的情况下，模型的精确性也受到了一定的影响。附录：参考书目：计量经济学 庞皓主编 西南财经大学出版社 2002年8月第2版 西方经济学 高鸿业主编 中国人民出版社 2000年4月第2版数据来源：中华人民共和国国家统计局中国人民银行贵阳市中心支行