我国GDP影响因素计量分析

赵浩然

摘要：文章使用了自2000年到2018年共19年的统计数据进行计量分析，以国内生产总值作为被解释变量，全国居民人均消费支出、全社会固定资产投资、政府预算支出、出口贸易总额以及就业人口总数作为解释变量建立多元线性回归模型，并使用stata软件进行参数估计。最后文章对回归模型的经济意义进行了解释，同时依据该模型提出促进GDP进一步提高的政策建议。

关键词：国内生产总值;多元回归;影响因素

一、引言

国内生产总值（GDP），英文全称是Gross Domestic Product，是指在一定时期内，一个国家或地区运用其生产要素所生产出的最终产品以及劳动的价值。通常国内生产总值可以较好地衡量一个国家的生产、消费能力，是评价国家经济实力和综合国力的重要指标。自改革开放之后，我国GDP一直保持较高增速，2010年成为全球第二，在此过程中，国家财富不断累积，经济实现显著增长。2013年习近平总书记在中央经济工作会议上首次指出中国经济进入“新常态”发展阶段，我国的经济增长侧重点从单一追求GDP数量的高增长转为追求GDP数量与质量双增长。

同时，由于经济增长放缓以及工作、房价等压力使得近几年来我国的生育率不断走低，新生人口不断减少，这也加剧了老龄化进程。一般经验来看，老龄化程度对经济增长有消极意义，因为老龄化水平直接影响了就业人口数量，也就影响了国内总产出。而中国发展基金会的预测报告显示：中国将在2022年进入老龄化社会。

综上所述，探究人口等因素对GDP的影响程度和影响原因是十分有必要的，有助于我们对GDP的调控政策有据可依。

二、模型建立

（一）变量选取

我国经济情况复杂，GDP影响因素众多而无法一一列举，出于研究所需、数据获取等多因素考虑，论文选取了我国GDP（亿元）作为被解释变量，选择了全国居民人均消费支出（元）、全社会固定资产投资（亿元）、政府预算支出（亿元）、出口贸易总额（亿元）和就业人口总数（万人）作为解释变量。

国内生产总值的计算法包括三种：收入法、支出法和生产法。其中支出法是现在国际进行GDP计算的常用方法。这种方法认为国内生产总值由四个部门的支出组成：消费、投资、政府支出和净出口额。

参考GDP的支出计算法，论文先选取了四个解释变量：全国居民人均消费支出、全社会固定资产投资、政府预算支出以及出口贸易总额。全国居民人均消费支出是当年的总消费支出/全国居民总人数，该指标反映了居民消费水平的高低，而消费水平的高低直接关系到GDP的数量，对应了支出计算法中的消费项。投资主要包括固定资产投资和存货投资，随着近几年固定资产价格的上升，可以使用固定资产投资额进行投资的近似替代。全社会固定资产投资是建设和购买固定资产活动对应的货币量，该指标反映了社會运行中用于投资的生产总值，因此本解释变量对应了支出法中的投资项。政府预算支出是指国家或地区的职能部门为了完成公共职能，为所购买的商品和劳务进行支付的货币量的预算。在历史上的多次经济危机中，政府支出往往以“以工代赈”的形式流入社会运行体系，促进国内生产总值的增长，帮助国家走出经济危机。因此，政府支出对国内生产总值同样有着不可忽视的影响，政府预算支出对应了支出法中的政府支出一项。过去的二十多年，我国依靠出口导向型经济实现了经济的迅速增长，甚至被称为“世界工厂”，中国依靠着贸易顺差积攒了大量外汇。而出口总额就是衡量国家生产的产品和服务中流入外国的部分，参考中国过去二十年的发展，其对国内生产总值也有较大影响。净出口额度等于出口总额减去进口总额，因此二者之间存在较大的相关性，出口总额在一定水平上衡量了净出口额度，故本解释变量对应了支出法中的净出口额度。

最后，为了探究老龄化对GDP的影响，本文选取了就业人口总数作为老龄化评价的标准。随着老龄化程度的加深，即使进行延迟退休，由于客观因素限制，只能延缓就业人口的下降。而就业人口的下降尽管减少了结构性失业，但同时也会减少消费，总体会对GDP造成消极影响。因此论文选取就业人口数量作为解释变量，探究其对GDP的影响。

（二）数据选取

文章选取2000～2018年的《中国统计年鉴》中对应数据，由于2000年之前部分数据只进行五年一次的离散统计，故选取时间截止到该年。数据如表1所示：

（三）模型形式选择

从表1数据可发现变量之间存在量级上的差距，为提高模型的可靠程度，选取对数模型如下：

lnY=β0+λ1lnX1+λ2lnX2+λ3lnX3+λ4lnX4+λ5lnX5+u

其中Y是国内生产总值，β0为常数项，X1为全国人均消费支出，X2为全社会固定资产投资，X3为政府预算支出，X4为出口总额，X5为就业人口总数，u为服从正态分布N（0，σ2）的随机扰动项。

（四）模型初步回归

使用stata软件对模型进行回归分析，首先将数据进行对数化，处理减小量级差距，再按照模型进行最小二乘法回归，初步回归的结果如表2：

（五）模型的显著性检验

设置置信水平α为0.05，观察模型回归的各项指标。模型的各项系数均大于0，表明选取的经济指标均对国内生产总值有促进作用。对模型进行F检验，F检验的原假设为估计参数均为零。模型的F检验P值=0.00<α，说明模型通过了F检验，估计的系数不均为零。也可以看到模型调整后可决系数为0.9990，说明GDP有约0.99%可由解释变量解释，同样证明了模型有较好的拟合能力。

再对各个参数分别进行t检验，t检验的原假设是参数值为零。通过表2可知，在估计出的参数中，只有λ1的t检验P值=0.022<α，通过了t检验。说明大多数参数不显著。再观察参数的置信区间，发现同样只有λ1的置信区间无零点，说明只有λ1显著。因此要考虑模型的多重共线性问题。