中国GDP及其影响因素的多元线性回归分析

中国GDP及其影响因素的多元线性回归分析

引用

CSDN

1.

https://blog.csdn.net/m0_62638421/article/details/139492825

GDP是宏观经济中最受关注的经济统计数字。本文通过多元回归模型分析了1990-2020年中国GDP及其影响因素，选取人口、固定资产投资、消费、净出口、税收、广义M2货币、物价指数等变量作为解释变量，通过数据预处理、描述性统计、相关性分析、回归分析、模型检验等步骤，最终得到对GDP影响显著的4个变量：人口、消费、净出口额、税收。

一、研究背景和意义

GDP是宏观经济中最受关注的经济统计数字，目前我国国内生产总值年均增长率均明显高于同期美、日等发达经济体和巴西、俄罗斯、南非、印度等其他金砖国家，成为世界经济增长的主力军。GDP的增长对一个国家有着十分重要的意义，它衡量一国在过去一年里所创造的劳动成果。研究GDP的影响因素不仅可以很好地了解GDP的经济内涵，而且还有利于根据这些因素对GDP影响大小来实施有效的宏观经济调控。

因此，本文选取1990-2020年的GDP、税收等数据，数据来源于东方财务网，其中包括人口（population）、固定资产投资（fixed_investments）、消费（consumption_level）、净出口（total_export_import_volume）、税收（tax）、广义M2货币、物价指数（CPI）等变量作为解释变量X，我国GDP作为被解释变量y，使用多元回归模型对我国GDP增长的因素进行分析。

二、文献综述

戚顺欣(2017年)选取2006年到2013年八年内的沈阳市GDP数据，利用多元回归模型，从多方面入手，选择多个影响因子分析沈阳市GDP增长的主要影响因素[1]。郭崇文(2016年)选取了三个因素，使用eviews软件对GDP与这些因素建立计量模型，并进行相关的统计检验和修正，对我国的经济发展提供借鉴意义[2]。卢金凤(2015年)通过搜集2010年、2013年重庆市能源消费量及地区生产总值，对单位生产总值能耗完成"十二五"规划进行检查和分析，总结完成目标的经验，以便为我国完成降耗目标起到借鉴作用[3]。

三、算法原理

数据预处理的四个步骤分别是数据清洗、数据集成、数据变换和数据归约。进行数据清理是因为现实世界的数据一般是不完整的、有噪声的、是不一致的。数据清理流程试图填充缺失的值、光滑噪声并识别离群点、纠正数据中的不一致。数据集成是指合并来自多个数据存储的数据。数据规约指可以用来得到数据集的规约表示，它小得多，但仍接近于保持原始数据的完整性。数据变换是指将数据格式转变，如将数据变为数值型、分类型数据等等。数据预处理，一方面是为了提高数据的质量，另一方面也是为了适应所做数据分析的软件或者方法。当然了，这四个大步骤在做数据预处理时未必都要执行，在许多情况下完成前两个步骤就可以对数据开始进行分析了。

四、实证分析

数据描述性统计

表 1 数据整体性描述

变量相关性分析

变量间的相关系数矩阵如下：

回归分析

通过逐步回归分析，最终保留了人口、消费、净出口额、税收这4个变量。回归系数的显著性水平有所提高，且p值均较小，说明回归系数显著。

模型检验

• 异方差检验：BP = 2.8563, df = 4, p_value = 0.5822。由于p值>0.1，可认为该模型不存在异方差性。
• 自相关检验：DW = 0.98122, p_value = 0.00002874。DW检验的原假设为误差不相关，因为p_value<0.05，拒绝原假设，认为误差存在自相关。

五、结论与建议

本文对1990—2020年间GDP和各个行业增加值的数据进行描述性分析和多元线性分析，根据数据可以给出以下建议：在回归模型下，基于逐步回归合理删除变量之后，本文得到对GDP均有影响的4个变量的ｔ检验都非常的显著，它们是对GDP均有影响的4个变量。分别是人口、消费、净出口额、税收。故若希望GDP能稳定持续增长，则需要注重在这几个变量上。

参考文献

1. 戚顺欣,傅格格,张馨予.基于多元回归模型沈阳市GDP影响因素分析[J].商场现代化,2017(09):170-171.DOI:10.14013/j.cnki.scxdh.2017.09.096.
2. 郭崇文.我国GDP的影响因素分析[J].商,2016(16):204.
3. 卢金凤,彭莉莎.重庆市单位GDP能耗影响因素分析[J].合作经济与科技,2015(23):13-14.DOI:10.13665/j.cnki.hzjjykj.2015.23.005.