1、1.3.1 研究的方法 41.3.2 研究内容与框架 42 数据获得和模型建立 52.1 数据的获得和测算 52.2 模型的建立 62.2.1 模型的变量说明 62.2.2 模型的建立过程 73 实证检验和结论分析 73.1 样本数据软件处理 73.1.1 基本样本描述 73.1.2 二元回归分析 93.1.3 滞后二元回归 113.2 模型分析和修正 123.2.1 异方差检验和修正 123.2.2 自相关检验和修正 134 结论与展望 134.1 本研究主要结论 134.3研究不足与后续研究展望 144.3.1 研究不足 144.3.2后续研究展望 14参考文献 151绪论1.1研究背景在
2、中国经济每年GDP以10%左右的速度高速增长30多年后的今天，本国经济仍然能保持GDP每年8%-9%的增速。很多人，特别是经济学家们对此议论纷纷，从制度、人口福利、后发优势、高积累等方面阐述了这一现象，但是一直没有定论。本文在这样的背景下展开，试图从货币供给M2和物价水平CPI的角度来解释中国GDP的增长。1.2研究意义利用变形的费雪方程式进行的研究已经有很多，但是用来研究GDP、CPI、M2之间的变动关系还是比较少，所以本文在这里提出的研究给解释中国GDP增长的研究提供了一种新的思路的途径。1.3研究的方法、内容与框架 1.3.1 研究的方法本文主要运用实证研究的方法，提出理论研究框架、确立
3、理论模型、利用官方直接获得和测算的统计数据使用Eviews软件对理论模型进行实证分析。主要运用如下研究方法：（1）文献研究，本文总结国内外相关最新理论研究成果、借助相关学科理论的观点、结合学者的实证研究结果，提出理论研究框架。（2）图表对比分析，其目是直观比较统计量本身或者统计量之间的变动情况或联系。本文则通过其简单地探索GDP、CPI、M2三者的关联。（3）回归分析，回归分析是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法，本文主要通过回归分析来分析GDP、CPI、M2三者直接的关系。1.3.2 研究内容与框架 本文共包括五章内容，其中第一章是研究准备阶段，第二、三章是研究开展
4、阶段，第四、五章是实证分析与总结阶段。第一章绪论部分，首先提出了本研究的研究背景，指出CPI和M2两个经济变量对GDP的影响作用。随后引出了本研究的基本问题，并论述了本研究的理论和现实意义。最后简要阶绍本文的结构安排。第二章是数据获得和模型建立，叙述了本文分析数据的获取来源和测算依据，完整地论述了模型建立的理论基础和前提假设，并完成模型的建立。第三章数据分析和实证分析部分，应用Eviews 3.0软件对数据进行了描述统计和一系列基于回归的分析。第四章研究结果讨论及研究展望部分，在第三章的基础上，依据第二章提出的研究模型，并结合实际的情况分别对研究结论进行探讨。在所形成研究结论的基础上，小结本研
5、究取得的进展和存在的不足，以及对未来研究的展望。2 数据获得和模型建立一份研究，数据获得的准确性和模型建立是否精确刻画了经济环境和经济关系是一个研究的基础和基石，后续的分析都以此展开，所以数据获得和模型的建立都是极其重要和必须注意的一方面，因为它几乎决定了该研究的成功与失败。2.1 数据的获得和测算本文数据的主要来源是中国人民银行和中国统计局网站上中国历年GDP、CPI和货币的增长数据。首先是从中国人民银行和中国统计局网站上获取所需要的官方相关统计数据，并通过相应的整理和测算获得。其次，需要说明的是本文研究的3个经济变量均是同比增长，即当年数据=（当年数据-上年数据）/上年数据 ，另外有些无法
6、从官方统计数据取得的，例如1990年的GDP和其增长量，是查找前人通过国民核算法计算的1989年和1990年的GDP数据计算得到。最终得到了下表中国1990-2009年若干经济数据作为研究的样本数据。表1：中国1990-2009年若干经济数据统计年度GDP增长增长CPI19900.0410.1180.03119910.0390.2650.03419920.1420.3130.06419930.140.3730.14719940.1310.3450.24119950.1090.2950.17119960.10.2530.08319970.0930.1960.02819980.0780.148-0
7、.00819990.076-0.01420000.0840.1230.00420010.1760.00720020.0910.16820030.01220040.10120050.1040.01820060.1110.1570.01520070.130.1670.04820080.090.1780.05920090.0920.2770.052来源：中国人民银行、中国统计局2.2 模型的建立本文的基本模型是费雪的交易方程式MV=PT，通过相应的数学变换获得CPI、GDP和M2之间的关系即本文研究的模型。2.2.1 模型的变量说明费雪方程式MV=PT，在费雪描述中M是指货币总量，V是指货币流通速度
8、，P是指商品的平均价格，T是指总交易商品量。而在本文中M以货币中的广义货币原因，一个是因为我国的货币概览负债中占总负债的90%以上,另一个原因是M2与经济变量的相关性也优于和。其次，关于流通速度V的界定也是本文模型的一大缺点，因为我国一般的流通速度V的算法是V=GDP/，所以若引进通过该算法计算而得的流通速度V，那么整个模型或者方程将出现模型设定偏误。故宁可讲V定为常值形成模型的硬伤也不将其引入模型。商品平均价格P在本文中用消费者价格指数CPI来表示，而T总交易商品量则用国民生产总值GDP来表示。即本文的费雪方程2.2.2 模型的建立过程在3.2.1中已经交代了本文模型的假设和变量说明，并且给
9、出了本文研究和基本模型方程，将方程两边取自然对数，即得（1） 化为加法（2） 化为增长量（3） 因为V为常数，故（4） 移项可得（5） 根据（5）式和已有的文献和知识，可以建立以下的二元回归模型：其中C、分别为常数项和参数估计项，为随机扰动项。3 实证检验和结论分析利用Eviews 3.0统计分析软件对获取的样本数据进行软件处理，得到数据的波动、均值等基本特征和数据之间的相关关系并进行回归分析，最后分析软件输出的结果。 本文中主要用到了Eviews 3.0数据中数据特征的描述和回归分析以及回归分析中自相关和异方差检验和修正。3.1 样本数据软件处理打开Eviews，新建workfile，在da
10、te中输入1990和2009，然后在对话框中输入Data GDP CPI M2点击回车，在出现的Table中输入相应的数据，输入完毕后开始下一步操作。3.1.1 基本样本描述样本数据基本特征 操作1：在数据已经输入的Table中，点击ViewDescriptiveCommon Sample，出现以下表Date: 07/15/11 Time: 22:31Sample: 1990 2009表2：样本数据基本特征GDPM2 Mean 0.096750 0.051150 0.210900 Median 0.096500 0.032500 0.177000 Maximum 0.142000 0.2410
11、00 0.373000 Minimum 0.039000-0.014000 0.118000 Std. Dev. 0.027466 0.065527 0.076068 Skewness-0.341336 1.617376 0.754843 Kurtosis 3.067770 4.952001 2.326977 Jarque-Bera 0.392194 11.89494 2.276760 Probability 0.821933 0.002612 0.320337 Observations20分析1：从上表中可以看出，在1990-2009年的20个样本数据中，GDP增长率均值为0.0968，中值
12、为0.0965，最大值为0.142，最小值为0.039，样本标准差为0.0275，偏度为-0.3413，峰度为3.068，说明在这20年中GDP以约为9.68%的速度增长，增长最快的一年有14.2%，最小的一年只有3.9%，上下波动幅度不是很大，偏度值为-0.341336说明数据结构较对称，峰度接近3说明数据凸起的分布接近正态分布，综上说明我国经济平稳、快速发展。CPI则每年以平均5.115%的速度上增，但是和中值3.25%差距较大，从最大值24.1%和最小值-1.4%以及标准差0.065527中可知道，CPI波动幅度较大，说明我国的物价水平波动较大。M2每年以21.09%的速度增加，但是和中
13、值17.7%差距较大，并从最大值37.3%和最小值11.8%以及标准差0.076068中可知道，M2波动幅度较大，但是从Jarque-Bera值2.27676中看到很接近2，M2比较符合正态分布。折线统计图操作2：在数据已经输入的Table中，点击ViewGraphLine，出现以下表：表3：分析2：从表3的折现统计图中可以看出GDP、CPI、M2三个变量有些正相关，共同增长或者共同下降，但是有一定的提前或者之后，但是在2009年的数据似乎有些不符合，可以在后面分析时将这些不相符的年份进行处理。相关系数分析操作3：在数据已经输入的Table中,添加一列M2（-1）和CPI（-1）即M2和CPI
14、的一阶滞后，点击ViewCorrelations，出现以下表：表4：相关系数矩阵M2（-1）CPI（-1） 1.000000 0.558442 0.464340 0.616309 0.269019 0.813025 0.861669 0.772594 0.735171 0.605706 0.814062分析3：从表4相关系数矩阵中我们可以看到CPI和GDP、M2和GDP的相关系数分别为0.558442和0.46434，相关度并不是很高，相反M2（-1）和CPI、CPI（-1）和CPI的相关系数分别高达0.861669和0.772594，说明M2（-1）和CPI存在相关性和CPI很可能存在一阶自
15、相关。3.1.2 二元回归分析操作：在数据已经输入的Table中，点击ViewProcsMake Equation，输入GDP CPI M2 C，点击OK，出现以下表表5：二元回归分析 LSDependent Variable: GDPMethod: Least Squares 23:18Included observations: 20VariableCoefficientStd. Errort-StatisticProb. 0.1183490.1401800.8442620.41020.1093610.1207560.9056420.3778C0.0676320.0209273.23184
16、10.0049R-squared0.307845 Mean dependent var0.096750Adjusted R-squared0.226415 S.D. dependent var0.027466S.E. of regression0.024158 Akaike info criterion-4.470938Sum squared resid0.009921 Schwarz criterion-4.321579Log likelihood47.70938 F-statistic3.780480Durbin-Watson stat1.253037 Prob（F-statistic）0
17、.043826分析：从表5中我们可以得到回归方程GDP = 0.1183*CPI + 0.1094*M2 + 0.0676，但是我们发现CPI和M2的系数的参数估计值的t-Statistic分别只有0.844262和0.905642，P值分别为0.4102和0.3778明显大于0.01的显著度，拒绝系数显著不为0的原假设，说明CPI和M2的系数显著等于0。从R-squared=0.307845、Adjusted R-squared=0.226415和F-statistic=3.780480来看，整个方程的整体参数估计显著性不够，不能很好地拟合样本数据。更重要的是方程的经济意义有误，因为从理论分
18、析CPI和GDP应该是负向相关，这里CPI的系数大于0，明显出现了问题。在数据已经输出的Equation中，点击ViewActual, Fitted, Residual Actual, Fitted, Residual Table，出现以下表表6：残差分析obsActualFittedResidualResidual Plot 0.04100 0.08421-0.04321| * . | . | 0.03900 0.10064-0.06164|* . | . | 0.14200 0.10944 0.03256| . | .* | 0.14000 0.12582 0.01418| . | * .
19、 | 0.13100 0.13388-0.00288| . *| . | 0.10900 0.12013-0.01113| . * | . | 0.10000 0.10512-0.00512 0.09300 0.09238 0.00062| . * . | 0.07800 0.08287-0.00487 0.07600 0.08205-0.00605 0.08400 0.08156 0.00244| . |* . | 0.08300 0.08771-0.00471 0.09100 0.08506 0.00594 0.09049 0.00951 0.10100 0.08832 0.01268 0
20、.10400 0.08901 0.01499 0.11100 0.08658 0.02442| . | * | 0.13000 0.09158 0.03842| . | . * | 0.09000 0.09408-0.00408 0.09200 0.10408-0.01208从表6残差分析中可以看到1990、1991、1992、2006和2007年的残差明显的超过了正常的波动范围，说明这几年的数据可能受到一些其他不确定的因素的影响而产生了变异。在数据已经输出的Equation中，点击ViewCovariance Matrix，出现以下表表7：Coefficient Covariance Mat
21、rix 0.019650-0.013499 0.001842 0.014582-0.002385 0.000438从表7协方差矩阵中可以看到，变量之间基本上都是相互独立的，可以进行二元回归分析。3.1.3 滞后二元回归在数据已经输入的Table中，点击ViewProcsMake Equation，输入GDP CPI（-1） M2（-1） C，点击OK，出现以下表表8：滞后二元回归 LS 07/16/11 Time: 01:53Sample（adjusted）: 1991 2009 19 after adjusting endpoints0.3817080.0945714.0362110.001
22、0-0.2540320.107463-2.3639050.03110.0334920.0160092.0921390.05270.5403650.0996840.4829110.0247900.017826-5.0723260.005085-4.92320451.187109.4051321.2364970.001992从表8中可得GDP = 0.3817*M2（-1） - 0.2540*CPI（-1） + 0.0335。首先，方程从经济意义上符合原来建立模型时的经济理论。其次我们可以看到C（0）、C（1）、C（2）的t-Statistic的绝对值均大于2，说明C（0）、C（1）、C（2）显著不等于0，R-squared和Adjusted R-squared值均比原来提高了不少，接近0.50。说明模型还是能一般的拟合样本数据的变动。Durbin-Watson stat值为1.236497说明模型变量存在一定的一阶自相关性，需要后续进行检验和修正。3.2 模型分析和修正3.2.1 异方差检验和修正在数据已经输出的Equation中，点击ViewRes
