GDPCPI和貸款總額關(guān)系論文

1、-計(jì)量經(jīng)濟(jì)學(xué)論文GDP與CPI和貸款總額的關(guān)系摘要：眾所周知，GDP作為一個(gè)比擬有說服性的統(tǒng)計(jì)指標(biāo)，可以在一定程度上反映一個(gè)國家的經(jīng)濟(jì)狀況，今天我所要研究的，是GDP和居民消費(fèi)指數(shù)和貸款總額之間的關(guān)系。改革開放以來，CPI 漲幅與GDP 增幅經(jīng)歷了幾輪波動(dòng),1997年之前的幾輪經(jīng)濟(jì)高增長,物價(jià)都出現(xiàn)了明顯的高漲幅；1998-2021 GDP連續(xù) 11 年保持兩位數(shù)增長,但物價(jià)漲幅卻保持低位運(yùn)行,經(jīng)濟(jì)運(yùn)行從高增長高物價(jià)向高增長低物價(jià)轉(zhuǎn)變,反映了CPI漲幅與 GDP 增速相關(guān)關(guān)系隨著改革的深入開展發(fā)生了一些變化。另外，貸款總額既然作為一個(gè)經(jīng)濟(jì)指標(biāo)，其對(duì)于國民生產(chǎn)總值的必然會(huì)存在一定的影響，至于這個(gè)

2、影響程度的大小，如果要具體形象的反映出來，就必須要借助計(jì)量經(jīng)濟(jì)學(xué)的方法，去分析CPI和貸款額這兩者對(duì)于國民生產(chǎn)總值GDP的影響。通過計(jì)量經(jīng)濟(jì)學(xué)的手段可以知道，居民消費(fèi)指數(shù)CPI對(duì)于國民生產(chǎn)總值GDP的影響要遠(yuǎn)遠(yuǎn)大于貸款總額對(duì)于國民生產(chǎn)總值的影響。下面我們就通過計(jì)量經(jīng)濟(jì)學(xué)的方法對(duì)于他們?nèi)咧g的關(guān)系進(jìn)展一個(gè)形象的測(cè)算和研究。為了確定這三個(gè)變量之間的關(guān)系，決定運(yùn)用eviews軟件對(duì)相關(guān)的變量進(jìn)展分析。確定最為合理的方程以及進(jìn)展變量的顯著性檢驗(yàn)、異方差檢驗(yàn)和多重共線性檢驗(yàn)和自相關(guān)檢驗(yàn)。為了更加準(zhǔn)確的進(jìn)展變量之間關(guān)系數(shù)據(jù)的測(cè)算，使用了eviews8.0版本進(jìn)展實(shí)證分析1、 確定變量我們確定GDP為被解

3、釋變量，CPI和貸款總額為解釋變量。2、建立模型Y=+P+*+c c為隨機(jī)擾動(dòng)項(xiàng)3、數(shù)據(jù)處理此為1992-2021年度的GDP、CPI以及貸款額的數(shù)據(jù)。年度GDPY居民消費(fèi)指數(shù)P貸款額*199226923.528226322.9199335333.9305.832943.1199448197.932039976199560793.7345.150544.1199671176.6377.661156.6199778973394.674914.1199884402.3417.886524.1199989677.1452.393734.3200099214.649199371.12001109655

4、.2521.21123152002120332.7557.61312942003135822.8596.91589962004159878.3645.31781982005183217.4698.21946902006211923.5766.4225347.22007257305.6849.92616912021300670926.4303468數(shù)據(jù)來自人民網(wǎng)4、建立多元回歸線性模型 1建立工作文件：啟動(dòng)EViews，點(diǎn)擊FileNewWorkfile，在對(duì)話框Workfile Range。在Workfile frequency中選擇Annual (年度)，并在Start date中輸入開場(chǎng)時(shí)

5、間1992，在end date中輸入最后時(shí)間2021如下圖，使用的是eviews8.0版本輸入數(shù)據(jù)：在命令窗口輸入：data y p *然后輸入數(shù)據(jù)。分別建立散點(diǎn)圖考察PY、*Y之間的線性關(guān)系。如下圖。1、 PY2.Y*非常容易觀察出 ，CPI 與貸款總額 和GDP的關(guān)系 大致都是成線性關(guān)系。于是建立這樣的線性回歸方程：Y=+, i=1,2,.17接著建立散點(diǎn)圖考察中國貨幣流通量、貨款額和居民消費(fèi)價(jià)格指數(shù)之間的相關(guān)關(guān)系，在Eviews命令框中直接鍵入LS Y C P *得結(jié)果如下圖。如圖可知， 模型參數(shù)估計(jì)所建立的回歸方程是Y=20797.52-68.3356P+1.0938*35837.23

6、154.10350.3635t=0.5803-0.44343.0092R=0.9902 =0.9889 F=708.6485下面是對(duì)模型進(jìn)展的檢驗(yàn)。主要有1、顯著性檢驗(yàn)2、異方差檢驗(yàn)、3、多重共線性檢驗(yàn)4、自相關(guān)檢驗(yàn)1、顯著性檢驗(yàn)從擬合程度方面考慮，該方程的擬合程度較高，R=0.990219，說明該方程較為合理。另外從t值檢驗(yàn)和F檢驗(yàn)來看， 方程解釋變量P和*對(duì)被解釋變量Y的影響是顯著的。2、 異方差檢驗(yàn)由結(jié)果可得出多元回歸方程模型：Y=20797.52-68.3356P+1.0938*35837.23154.10350.3635t=0.5803-0.44343.0092R=0.9902 =0

7、.9889 F=708.6485下面進(jìn)展懷特檢驗(yàn)。由于eviews8.0Heteroskedastcity test 的選項(xiàng)不止懷特一種下列圖所示 ，但我們這里只選取懷特檢驗(yàn)。選取懷特檢驗(yàn) ，下面是懷特檢驗(yàn)結(jié)果。由于0.14090.1398對(duì)應(yīng)的white檢驗(yàn)顯示 P值較大，所以原回歸方程可以認(rèn)為不存在異方差性質(zhì)，因此不需要進(jìn)展異方差性的修正。3、 多重共線性檢驗(yàn)首先最小二乘法得出的回歸模型為：Y=20797.52-68.3356P+1.0938*35837.23154.10350.3635t=0.5803-0.44343.0092R=0.9902 =0.9889 F=708.6485利用ev

8、iews計(jì)算出Y P * 的相關(guān)系數(shù)如圖。由此可見，變量之間存在著較強(qiáng)的相關(guān)性。下面使用逐步回歸法來尋找最正確的方程。首先分別利用軟件求出Y和*， Y和P之間的簡單回歸方程。1. Y和*參數(shù)擬合模型為：Y=4990.518+0.9330*t=1.388838.6949R=0.9901 D.W.=0.55982. Y和P參數(shù)擬合模型為：Y=-85584.14+394.3215Pt=-11.739730.2689R=0.9839 D.W.=0.3605由上表可以得出，貸款額*是最重要的解釋變量。因?yàn)?的t值是最大的所以將變量*代入Y=f(P) 中由此可見，由于引入了變量*，使得從0.9839提高到

9、了0.9902，說明變量*仍然是一個(gè)起到作用的變量，不應(yīng)當(dāng)剔除，應(yīng)當(dāng)予以保存。因此最終的方程應(yīng)該為：Y=20797.52-68.3356P+1.0938*+c4、 自相關(guān)檢驗(yàn)由計(jì)量經(jīng)濟(jì)學(xué)第三版P143可知，自相關(guān)的檢驗(yàn)分為圖示檢驗(yàn)法和DW檢驗(yàn)法，今天我們針對(duì)這兩種方法對(duì)回歸方程進(jìn)展自相關(guān)檢驗(yàn)。圖示檢驗(yàn)法在窗口中點(diǎn)擊View/Actual,Fitted Residual Graph,得到殘差圖，如下圖。有上圖可知，殘差存在正自相關(guān)。DW檢驗(yàn)由圖可知DW=0.657688，給定的顯著性水平=0.05，T=17 K=2，查閱顯著性水平在0.05上的DW表可知，=1.015，=1.536因?yàn)?DW1.

10、015 ，所以存在正相關(guān)。下面進(jìn)展自相關(guān)修正。廣義差分法。=1-DW/2=0.67對(duì)三者首先進(jìn)展廣義差分。然后對(duì)Y1和P1 *1進(jìn)展OLS估計(jì)，在命令行輸入：LS Y1 C P1 *1，得到如下結(jié)果：由圖中可知，經(jīng)廣義差分后的DW值為0.817411，大于原來的DW值0.657688，有了一定的提高，但是仍然小于=1.015，說明了隨機(jī)擾動(dòng)項(xiàng)仍然是存在著一定程度上的自相關(guān)。迭代法下面使用迭代法進(jìn)展對(duì)自相關(guān)的修正。輸入命令：LS Y C P * AR(1)，結(jié)果如下圖。查閱顯著性水平在0.05上的DW表可知，=1.015，=1.536，經(jīng)過第一次迭代后，DW值為1.275834,此時(shí)DW值位于上

11、下限之間，沒有方法判斷是否自相關(guān)，因此進(jìn)展第二次迭代。輸入命令：LS Y C P * AR(1) AR(2),結(jié)果如下圖。由圖可見，經(jīng)過第二次迭代的DW值為1.880712大于上限=1.536，此時(shí)隨機(jī)擾動(dòng)項(xiàng)的自相關(guān)影響得到消除。=1-DW/2=1-1.275834/2=0.36因此=-75454.98/1-=-117898.406 所以得到的最終的回歸模型為：Y=-117898.406+304.8914P+0.3002*至此自相關(guān)檢驗(yàn)的修正完成。實(shí)證檢驗(yàn)結(jié)果分析：通過上面的顯著性檢驗(yàn)、異方差檢驗(yàn)、多重共線性檢驗(yàn)、自相關(guān)檢驗(yàn)四種檢驗(yàn)。大致在總體上得出了居民消費(fèi)指數(shù)CPI增加一個(gè)單位，會(huì)使國民生

12、產(chǎn)總值GDP上升304.8914個(gè)單位。貸款總額上升一個(gè)單位，會(huì)使國民生產(chǎn)總值GDP上升0.3002個(gè)單位，由此可以看出，居民消費(fèi)指數(shù)CPI對(duì)于GDP的作用要大過于貸款總額對(duì)于GDP的影響?？傮w的數(shù)據(jù)還是較為客觀真實(shí)的。總結(jié)：在研究國民生產(chǎn)總值GDP和居民消費(fèi)指數(shù)CPI以及貸款額的關(guān)系的問題上，該模型還是具有一定的說服力的，但是模型仍然存在這一些問題，比方多重共線性的影響，以及隨機(jī)擾動(dòng)項(xiàng)自相關(guān)因素對(duì)于模型本身的影響等等，還有待于進(jìn)一步的研究，用更現(xiàn)金的數(shù)學(xué)方法讓模型變得更加周覓和嚴(yán)謹(jǐn)，更具有嚴(yán)格意義上的說服力。從經(jīng)濟(jì)學(xué)的角度上來對(duì)待國民生產(chǎn)總值居民消費(fèi)指數(shù)以及貸款額的關(guān)系，也可以看出居民對(duì)于商品的消費(fèi)數(shù)量以及消費(fèi)能力，將會(huì)在較大程度上對(duì)國民