文档介绍：基于多元回归分析的我国GDP影响因素实证分析
【摘 要】论文基于多元线性回归方法建立了相关指标模型来探讨影响我国GDP的重要因素。结果表明,居民消费水平、进出口贸易总额、外商直接投资和研究与实验发展支出等指标均与我国GDP增长存检验时,首先提出原假设H0:λ1=λ2=λ3=λ4=λ5=λ6=λ7=λ8=0。在指定的显著性水平α=,经F检测表中可以查出自由度为m=8和n-m-1=8的临界值为Fα(8,8)=,而上述模型得到的F=>> Fα(8,8)=,所以应该拒绝原假设H0:λ1=λ2=λ3=λ4=λ5=λ6=λ7=λ8=0,说明回归方程的系数不全为0,回归方程非常显著,即居民消费水平X1、进出口贸易总额X2、外商直接投资X3、能源消耗X4、社会消费品零售总额X5、财政支出X6、就业人员X7和研究与实验发展(R&D)支出X8等指标因素联合起来对我国GDP增长有显著影响。
异方差检验
由于线性回归的其中一个重要假设是残差不存在异方差,否则会导致参数估计的统计量不准确,从而导致估计模型参数的偏离。因此,需要对回归模型的残差进行异方差检验。异方差检验主要包括三种方法:第一种为图示检验法(主要指残差图分析法),根据残差大小随自变量变化的散点图来简单判断是否存在异方差,是一种定性的判断方法,通常作为检查异方差的辅助方法;第二种为样本分段法、集团法,该方法的明显缺点是只能处理单升和单降型的异方差;第三种为怀特检验,也是最常用的方法。 本研究借助Stata软件采用怀特检验来判断是否存在异方差,软件原假设H0默认为不存在异方差。经检验得到P=>,因此,不能拒绝原假设H0,即该回归模型不存在异方差。
多重共线性的检验与修正
多重共线性现象在多元线性回归模型中是经常会出现的,如果自变量之间的相关程度超过了自变量与因变量之间的相关性,那么最终得到的多元线性回归模型就会丢失稳定性。因此,需要对所有的自变量进行多重共线性检验。方差膨胀因子(简称VIF)常常用来判断多重共线性问题。VIF越大,越能说明自变量之间有很严重的多重共线性现象。有研究表明,VIF大于10时,就说明自变量之间的多重共线性问题会严重影响到模型估计的准确性[5]。经检验,X1~X8的VIF值分别为
、、、、、、、,即所有自变量的VIF均远远大于10,表明该模型存在很严重的多重共线性问题,必须进行多重共线性修正,得到的回归结果才更可靠和具有实际意义。
本研究采用Stata软件进行逐步回归,从而修正多重共线性的问题,得到回归模型的参数分别为:拟合优度()、调整拟合优度()、残差平方和()、F-统计量()和F检验显著性水平(P<),最终得到逐步回归方程的相关参数如表1所示。
根据表1可以看出,在其他自变量保持不变的状态下经过F检验,表明居民消费水平X1、进出口贸易总额X2、外商直接投资X3和研究与实验发展支出X8共四项指标对我国国内生产总值(GDP)Y的影响非常显著,各自变量的t值也表明