固定资产投资对贵州GDP影响分析

固定资产投资对贵州GDP影响分析
导论
GDP（国内生产总值）是指经济社会（即一国或一地区）在一定时期内运用生产要素所生产的全部最
终产品（物品和劳务）的市场价值。
 在四部门经济中，Y=C+I+G+(X-M)，其中
                 Y——GDP                       C——消费
                 I——投资                        G——政府对物品和劳务的购买
                 X——出口                       M——进口
 
 固定资产投资是社会固定资产再生产的主要手段。通过建造和购置固定资产的活动，国民经济不断采用先进技术装备，建立新兴部门，进一步调整经济结构和生产力的地区分布，增强经济实力，为改善人民物质文化生活创造物质条件。这对我国的社会主义现代化建设具有重要意义。
 
 固定资产投资作为企业的生产资料投资在整个生产过程起着至关重要的作用,对一个企业来说它是其主要的劳动手段,直接影响着企业的生产能力.固定资产的价值是逐渐地转移到所生产的产品上去.企业同时又是重要的市场主体,因此对固定资产的投资间接的影响到了一个经济体的产出。随着我国经济的高速的发展,我们有必要站在宏观的角度对我国国内固定资产投资进行分析,以控制经济的平稳快速发展.
 
 这里忽略其他因素对GDP的影响，主要对GDP及国有经济固定资产投资额(X2),集体经济固定资产投资额(X3),其他经济固定资产投资额(X4),进行计量经济学多元线性回归模型分析。
 
二、模型设计
假设模型的函数形式为：
                     Y=β1+β2X2+β3X3+β4X4+μ
其中：Y ——GDP
      X2——国有经济固定资产投资
      X3——集体经济固定资产投资
      X4——其它经济固定资产投资

数据收集及处理
1、全国GDP数据来自中华人民共和国国家统计局http://www.stats.gov.cn/

 2、贵州省GDP、国有经济固定资产投资、集体经济固定资产投资、个体经济固定资产投资均来自中国人民银行贵阳市中心支行
 
3、原始数据如下：
　 全国GDP 贵州GDP 全社会固定资产 国有经济固定资产 集体经济固定资产 其他经济固定资产
年份 （亿元） （亿元） 投资总额（亿元） 投资额（亿元） 投资额（亿元） 投资额（亿元）
1980 4,517 60.26  13.97  11.59  0.83  1.55
1981 4,862 67.89  15.16  12.06  0.99  2.11
1982 5,294 79.39  15.52  11.56  1.08  2.88
1983 5,934 87.38  17.07  11.88  1.23  3.96
1984 7,171 108.27  23.02  15.02  0.98  7.02
1985 7,780 123.92  33.14  21.24  1.76  10.14
1986 9,380 139.57  35.99  24.09  1.71  10.19
1987 10,920 165.50  42.97  27.10  3.61  12.26
1988 13,853 211.79  45.42  33.05  2.74  9.63
1989 15,677 235.84  44.08  32.29  2.73  9.06
1990 17,400 260.14  51.51  36.95  2.14  12.42
1991 19,580 295.90  58.44  42.97  3.67  11.80
1992 23,938 339.91  78.82  58.82  3.59  16.41
1993 31,380 416.07  106.30  77.84  6.81  21.65
1994 43,800 521.17  140.95  93.74  9.77  37.44
1995 57,733 630.07  173.66  108.85  12.94  51.87
1996 67,795 713.70  207.10  133.19  14.75  59.16
1997 74,772 792.98  247.23  149.75  15.09  82.39
1998 79,553 841.88  304.91  188.93  19.34  96.64
1999 82,054 911.86  333.90  210.80  22.19  100.91
2000 89,404 993.53  402.50  259.95  28.45  114.10
2001 95,933 1084.90  533.74  357.69  22.45  153.60
2002 102,398 1185.04  623.44  423.88  18.86  180.70
2003 117,252 1356.11  754.13  457.10  39.26  257.77
（表1）

Dependent Variable: Y
Method: Least Squares
Date: 05/31/05   Time: 23:55
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 90.72857 25.50339 3.557510 0.0020
X2 3.121174 0.743178 4.199764 0.0004
X3 24.99842 4.718947 5.297457 0.0000
X4 -4.124835 1.739215 -2.371665 0.0279
R-squared 0.966782     Mean dependent var 484.2113
Adjusted R-squared 0.961799     S.D. dependent var 404.5809
S.E. of regression 79.07573     Akaike info criterion 11.72970
Sum squared resid 125059.4     Schwarz criterion 11.92604
Log likelihood -136.7564     F-statistic 194.0257
Durbin-Watson stat 0.849162     Prob(F-statistic) 0.000000
（表2）

四、模型检验
1、t检验：
   ⑴提出假设：H0：βj=0      (j=1,2,3,4)
               H1: βj≠0     (j=1,2,3,4)
   ⑵检验：给定显著水平α=0.05   查表得t0.05/2(24-4)=2.0860
     ①｜t｜=3.557510              ｜t｜≥t0.05/2(24-4)，所以拒绝H0，接受H1。
     ②｜t｜=4.199764              ｜t｜≥t0.05/2(24-4)，所以拒绝H0，接受H1。
     ③｜t｜=5.297457              ｜t｜≥t0.05/2(24-4)，所以拒绝H0，接受H1。
      ④｜t｜= -2.371665             ｜t｜≤t0.05/2(24-4)，所以拒绝H1，接受H0。解释变量X4对应变量Y的影响不显著
 
 2、分析：
    显著水平α=0.05，F=194.0257        F0.05（3，21）=3.07
    F >F0.05（3，21）       表明模型从整体上看GDP与解释变量之间线性关系显著。
 
 3、计算解释变量之间的简单相关系数：
 X2 X3 X4
X2 1.000000 0.919030 0.985882
X3 0.919030 1.000000 0.941856
X4 0.985882 0.941856 1.000000
 （表3）
         由表3可以看出，解释变量之间存在高度线性相关。同时由表2也可以看出X3系数的符号所表示的经济意义与事实相悖。表明模型中解释变量确实存在严重的多重共线性。
    
      4、修正：
        ⑴运用OLS方法逐一求Y对各个解释变量的回归：
          ①
Dependent Variable: Y
Method: Least Squares
Date: 06/01/05   Time: 12:43
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 147.5648 32.04757 4.604554 0.0001
X2 2.885905 0.182205 15.83878 0.0000
R-squared 0.919375     Mean dependent var 484.2946
Adjusted R-squared 0.915710     S.D. dependent var 404.6470
S.E. of regression 117.4802     Akaike info criterion 12.45007
Sum squared resid 303635.2     Schwarz criterion 12.54824
Log likelihood -147.4009     F-statistic 250.8670
Durbin-Watson stat 0.231225     Prob(F-statistic) 0.000000
 （表4）
 
          ②
Dependent Variable: Y
Method: Least Squares
Date: 06/01/05   Time: 12:57
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 121.6466 33.51831 3.629259 0.0015
X3 36.72849 2.345390 15.65987 0.0000
R-squared 0.917674     Mean dependent var 484.2946
Adjusted R-squared 0.913932     S.D. dependent var 404.6470
S.E. of regression 118.7125     Akaike info criterion 12.47094
Sum squared resid 310038.5     Schwarz criterion 12.56911
Log likelihood -147.6513     F-statistic 245.2314
Durbin-Watson stat 1.746274     Prob(F-statistic) 0.000000
 (表5)
 
 ③
Dependent Variable: Y
Method: Least Squares
Date: 06/01/05   Time: 13:09
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 183.7332 33.94241 5.413086 0.0000
X4 5.699377 0.401815 14.18408 0.0000
R-squared 0.901428     Mean dependent var 484.2946
Adjusted R-squared 0.896948     S.D. dependent var 404.6470
S.E. of regression 129.8986     Akaike info criterion 12.65104
Sum squared resid 371220.4     Schwarz criterion 12.74921
Log likelihood -149.8125     F-statistic 201.1882
Durbin-Watson stat 0.297713     Prob(F-statistic) 0.000000
           
 
 
 
 
 
 
 
 
 
 
 
 
 
 
   
 （表6）
 
           依据可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型：
            Y=147.5648+2.885905 X2
               (4.604554)  (15.83878)
               R-squared=0.919375    S.E.=117.4802    F=250.8670
 
 ⑵逐步回归（将其余解释变量分别加入模型）：
   ①
Dependent Variable: Y
Method: Least Squares
Date: 06/01/05   Time: 14:03
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 119.9949 24.71485 4.855173 0.0001
X2 1.519626 0.344362 4.412879 0.0002
X3 18.93794 4.386699 4.317127 0.0003
R-squared 0.957285     Mean dependent var 484.2946
Adjusted R-squared 0.953217     S.D. dependent var 404.6470
S.E. of regression 87.52305     Akaike info criterion 11.89815
Sum squared resid 160866.0     Schwarz criterion 12.04541
Log likelihood -139.7778     F-statistic 235.3134
Durbin-Watson stat 0.678505     Prob(F-statistic) 0.000000
 
        
 
 
 
 
 
 
 
 
 
 
 
 （表7）
 ②
Dependent Variable: Y
Method: Least Squares
Date: 06/01/05   Time: 14:10
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 151.9378 34.45769 4.409401 0.0002
X2 2.448375 1.109470 2.206796 0.0386
X4 0.885136 2.212797 0.400007 0.6932
R-squared 0.919984     Mean dependent var 484.2946
Adjusted R-squared 0.912364     S.D. dependent var 404.6470
S.E. of regression 119.7893     Akaike info criterion 12.52581
Sum squared resid 301339.2     Schwarz criterion 12.67307
Log likelihood -147.3098     F-statistic 120.7243
Durbin-Watson stat 0.192940     Prob(F-statistic) 0.000000
 （表8）
再次依据调整后的可决系数最大原则，选取调整后可决系数最大所对应的解释变量作为新进入模型的后选变量，且调整后的可决系数大于上一步的可决系数，所以得到：
     Y=119.9949+1.519626 X2+18.93794 X3
       (4.855173) (4.412879)  (4.317127)
      R-squared=0.957285    S.E.=87.52305    F=235.3134
    由（表2）可得对Y的影响并不显著，故将删去。得如下模型：
      Y=119.9949+1.519626 X2+18.93794 X3
 
 5、统计学检验
   ⑴t检验：显著水平0.05，t0.05/2(24-3)=2.0796，显然4.855173和4.412879都远远大于它，即从统计学检验的角度上讲解释变量的选取是有意义的。
   ⑵f检验及拟合优度检验R-squared：R-squared值越接近于1,则F值越大,这里的R-squared值为0.957285,大于0.9拟合优度比较高,因此F－Statistic检验亦通过。
 
 6、计量经济学检验：
    ⑴被解释变量与解释变量的散点图如下：
  （图1）
 结论：被解释变量与解释变量的线性关系较强。
 
     ⑵异方差检验：
        图示法：
 （图2）
 ARCH检验：
ARCH Test:
F-statistic 0.503771     Probability 0.684780
Obs*R-squared 1.714496     Probability 0.633716
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/01/05   Time: 16:07
Sample(adjusted): 1983 2003
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 6042.609 3539.340 1.707270 0.1060
RESID^2(-1) 0.523074 0.444199 1.177567 0.2552
RESID^2(-2) -0.276204 0.482861 -0.572016 0.5748
RESID^2(-3) -0.114566 0.450162 -0.254500 0.8022
R-squared 0.081643     Mean dependent var 6574.751
Adjusted R-squared -0.080420     S.D. dependent var 9626.857
S.E. of regression 10006.47     Akaike info criterion 21.42949
Sum squared resid 1.70E+09     Schwarz criterion 21.62845
Log likelihood -221.0097     F-statistic 0.503771
Durbin-Watson stat 1.386163     Prob(F-statistic) 0.684780
 （表9）
 结论：散点变化成总体上升趋势，且P<R,即0.633716<1.714496.所以模型存在异方差。
 
        ⑵异方差的修正：
          ①WLS估计法：
Dependent Variable: Y
Method: Least Squares
Date: 06/04/05   Time: 00:23
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Weighting series: W
Variable Coefficient Std. Error t-Statistic Prob. 
C 164.3130 8.405361 19.54860 0.0000
X2 3.823225 0.436945 8.749898 0.0000
X3 -13.76284 4.911786 -2.802003 0.0110
Weighted Statistics    
R-squared 0.999888     Mean dependent var 369.6089
Adjusted R-squared 0.999877     S.D. dependent var 1365.774
S.E. of regression 15.16405     Akaike info criterion 8.396839
Sum squared resid 4598.967     Schwarz criterion 8.544947
Log likelihood -93.56365     F-statistic 1347.468
Durbin-Watson stat 1.792554     Prob(F-statistic) 0.000000
Unweighted Statistics    
R-squared 0.840326     Mean dependent var 502.7309
Adjusted R-squared 0.824359     S.D. dependent var 403.3033
S.E. of regression 169.0227     Sum squared resid 571373.7
Durbin-Watson stat 0.535394   
 （表10）
  ②对数变换法：
Dependent Variable: LY
Method: Least Squares
Date: 06/04/05   Time: 00:31
Sample: 1980 2003
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. 
C 3.043339 0.329659 9.231768 0.0000
LX2 0.568825 0.128406 4.429898 0.0002
LX3 0.240757 0.125597 1.916893 0.0690
R-squared 0.977840     Mean dependent var 5.763426
Adjusted R-squared 0.975730     S.D. dependent var 1.003719
S.E. of regression 0.156368     Akaike info criterion -0.756740
Sum squared resid 0.513470     Schwarz criterion -0.609483
Log likelihood 12.08088     F-statistic 463.3339
Durbin-Watson stat 0.431710     Prob(F-statistic) 0.000000
 
       

（表11）
          由表10和表11可以看出X2、X3与Y在对数线性回归下拟合度效果最好。所以模型变化为：
            lnY=3.043339+0.568825ln X2+0.240757 lnX3
              (9.231768) (4.429898)   (1.916893)
            R-squared=0.977840    S.E.=0.156368    F=463.3339

 ⑶自相关检验：
          图示法：
 （图3）
           DW检验：
            根据（表11）估计的结果，由DW=0.431710,给定显著水平α=0.05,查Durbin-Watson表，n=24,k’(解释变量个数)=2，得下限临界值dL=0.960，上限临界值dU=1.298。
            因为0<DW<dL，表明一阶正自相关，而且正自相关的程度随d向0靠近而增强。
 
          ⑷自相关的修正： 
            由DW=0.431710，根据 =1-DW/2，计算出 =0.784145。用GENR分别对lnY、ln X2、lnX3作广义差分，然后再用OLS方法估计其参数，结果为：
Dependent Variable: DLY
Method: Least Squares
Date: 06/04/05   Time: 01:36
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
C 0.741884 0.054574 13.59415 0.0000
DLX2 0.575676 0.063746 9.030768 0.0000
DLX3 0.068828 0.047883 1.437418 0.1661
R-squared 0.898193     Mean dependent var 1.365844
Adjusted R-squared 0.888013     S.D. dependent var 0.198948
S.E. of regression 0.066577     Akaike info criterion -2.459813
Sum squared resid 0.088649     Schwarz criterion -2.311705
Log likelihood 31.28785     F-statistic 88.22543
Durbin-Watson stat 1.492622     Prob(F-statistic) 0.000000
 
 （表12）
         DlnY=0.741884+0.575676Dln X2+0.068828DlnX3
               (13.59415)  (9.030768)     (1.437418)
          R-squared=0.898193     S.E.=0.066577         F=88.22543
         结论：经过使用广义差分法后，DW值变小，并没有改善自相关性。
    
         Cochrane-Orcutt迭代法：
Dependent Variable: LY
Method: Least Squares
Date: 06/04/05   Time: 01:55
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Convergence achieved after 19 iterations
Variable Coefficient Std. Error t-Statistic Prob. 
C 9.015140 2.970382 3.035010 0.0068
LX2 0.135043 0.107563 1.255477 0.2245
LX3 0.024895 0.033341 0.746683 0.4644
AR(1) 0.971845 0.015923 61.03435 0.0000
R-squared 0.997785     Mean dependent var 5.835807
Adjusted R-squared 0.997435     S.D. dependent var 0.960101
S.E. of regression 0.048628     Akaike info criterion -3.052479
Sum squared resid 0.044928     Schwarz criterion -2.855002
Log likelihood 39.10351     F-statistic 2852.372
Durbin-Watson stat 1.579752     Prob(F-statistic) 0.000000
Inverted AR Roots        .97
 （表13）
          DW=1.579752, dU<DW<4- dU,不存在一阶自相关性。所以模型再次修正为：
         lnY=9.015140+0.135043ln X2+0.024895 lnX3
              (3.035010) (1.255477)   (0.746683)
            R-squared=0.997785    S.E.=0.048628    F=2852.372
 
     再次进行多重线性检验、异方差检验、自相关检验，该模型是合理的。
 
 五、模型评价及经济分析。
     模型在进行自相关检验及自相关的修正的过程中，消除了自相关性。但是固定资产投资与GDP
 之间仍然有可能存在自相关性。第一，经济变量惯性的作用。在时间数列数据中，经济变量的运行往往存
 在着一种变化趋势，表现在随时间前后期的相互关联上所形成的惯性。第二，经济行为的滞后性。如果模
 型忽略这些滞后因素，滞后因素将在误差项中体现为系统性。例如贵州省是个典型的投资拉动型经济，但
 是一些部门在当年投入之后，往往要在若干年以后才能转化为产出，如通讯业、运输业等，水白铁路通车
 近七年，运量明显不足，远没有达到盈亏平衡点，再如安顺、铜仁、兴义等地区的支线机场，运输量也很
 低。这些产业对经济的间接影响见效相对比较慢。第三，一些随机偶然因素的干扰或影响。通常随机偶然
 因素是指战争、自然灾害、政策制定的错误后果、面对一些现象人们的心理因素等等，这些影响可能延续
 若干时期，反映在模型中很容易形成随机误差序列的自相关。第四，设定偏误。
 
     该模型并没有直接地从投资、消费、出口的角度去考察解释变量对GDP的影响,而是以间接的方法从
 固定资产投资的角度研究了其对GDP的影响。从计量经济学的检验结果看公有经济对GDP存在线性的影
 响，而且相关系数都接近于1, 进一步证明了固定资产投资对一个地区社会总产出的影响。
 1978年以来的二十多年中，伴随着国有经济比重的不断下降，国有经济的地位与作用问题长期以来一
直倍受关注，从“主体”到“发挥主导作用”、“保持控制力”，贯穿其中的红线即是我们思想上的逐步解放。在传统计划经济体制下，国有经济控制力往往停留在国有资产的物质形态层面上，而随着我国改革开放的推进以及市场经济体制的逐步完善，以国有资产的行政计划分配为主要特征的“静态控制”体系显然已不再适合社会主义市场经济体制的要求。

 六、政策建议：
     较落后地区往往出现GDP主要靠固定资产投资拉动的现象。但是固定资产投资是一种市场行为，是否
 应该进行投资，该投资多少，应当由市场来决定，由市场对资源进行最有效的配置，而不应该完全由政府
 制定投资计划。政府的决策只能起到辅助作用，而不应占主导地位。例如对于较落后地区，有时也会出现
 投资不足的情况，这也是阻碍其经济发展的一个重要因素。因此，政府也应该引入一些比较优质的投资项
 目，促进该地区经济发展。固定资产投资会产生社会效益和经济效益，在项目决策方面，更注重哪一方面，
 应慎重考虑，避免顾此失彼，也要尽量避免无意义的投资或低效益的投资。另外，国家应该逐渐淡出积极
 的财政政策，最主要的理由有两个：一是担心积极财政政策大规模发行国债，会使中国财政赤字增加，债
 务余额增加，第二个担心是，长期实施积极财政政策，会使中国的经济增长形成对财政支出扩张的日益严
 重的依赖。这几年中国的经济增长主要依靠三驾马车：投资、出口、消费。随着我国加入世界贸易组织，
 出口量和进口量之间的差距正在逐渐缩小，显然，净出口将不会再是经济增长的主动力。在近几年的投资
 中，由于一直实施的是积极的财政政策，发行了大量的国债，政府投资一直起着主导作用。但是只有真正
 启动民间投资，让企业自主投资，才可能使得投资依然能够成为拉动经济增长的动力之一。消费和投资之
 间的失衡现象一直是困扰着我国经济运行的一个重大问题。刺激消费应该说一直是我们政府很重视，但又
 是一个老大难的问题。
 
 七、模型缺陷分析：
    1、平稳性检验：
ADF Test Statistic  5.715142     1%   Critical Value* -3.7497
      5%   Critical Value -2.9969
      10% Critical Value -2.6381
*MacKinnon critical values for rejection of hypothesis of a unit root.
    
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(X2)
Method: Least Squares
Date: 06/03/05   Time: 07:56
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
X2(-1) 0.163568 0.028620 5.715142 0.0000
C 2.705680 4.359016 0.620709 0.5415
R-squared 0.608668     Mean dependent var 19.37000
Adjusted R-squared 0.590033     S.D. dependent var 24.26967
S.E. of regression 15.53955     Akaike info criterion 8.407595
Sum squared resid 5071.027     Schwarz criterion 8.506333
Log likelihood -94.68734     F-statistic 32.66285
Durbin-Watson stat 1.535714     Prob(F-statistic) 0.000011
（表13）
 X2通过平稳性检验。

ADF Test Statistic  0.783554     1%   Critical Value* -3.7497
      5%   Critical Value -2.9969
      10% Critical Value -2.6381
*MacKinnon critical values for rejection of hypothesis of a unit root.
    
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(X3)
Method: Least Squares
Date: 06/03/05   Time: 08:04
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
X3(-1) 0.093081 0.118794 0.783554 0.4421
C 0.870734 1.435891 0.606407 0.5507
R-squared 0.028406     Mean dependent var 1.670870
Adjusted R-squared -0.017861     S.D. dependent var 4.798540
S.E. of regression 4.841204     Akaike info criterion 6.075145
Sum squared resid 492.1823     Schwarz criterion 6.173884
Log likelihood -67.86417     F-statistic 0.613956
Durbin-Watson stat 1.694248     Prob(F-statistic) 0.442050
（表14）
 X3未通过平稳性检验。

ADF Test Statistic  6.958324     1%   Critical Value* -3.7497
      5%   Critical Value -2.9969
      10% Critical Value -2.6381
*MacKinnon critical values for rejection of hypothesis of a unit root.
    
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(X4)
Method: Least Squares
Date: 06/03/05   Time: 08:05
Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. 
X4(-1) 0.282094 0.040541 6.958324 0.0000
C -1.221729 2.736698 -0.446425 0.6599
R-squared 0.697486     Mean dependent var 11.14000
Adjusted R-squared 0.683081     S.D. dependent var 17.73394
S.E. of regression 9.983426     Akaike info criterion 7.522671
Sum squared resid 2093.045     Schwarz criterion 7.621410
Log likelihood -84.51072     F-statistic 48.41827
Durbin-Watson stat 1.871356     Prob(F-statistic) 0.000001
（表15）
 X4通过平稳性检验。
 很遗憾，由于所学知识有限，所有没有能力对非平稳数据进行调整，有可能导致模型的准确性不足。因此，待掌握足够的知识后再进行调整，提高模型的精确度，使其更具有说服力。
 
   2、关于舍去X4的说明：
     （图4）
     首先，X4代表个体经济的固定资产投资，从经济意义分析，个体经济的固定资产投资与GDP应成
 负相关，而从表2中反映为负相关，与事实相悖，故将其舍去。
     其次，计量分析中呈现负相关的原因可能与政策因素有关。X2、X3、X4三部分在全社会固定资产投
 资总额中分别所占的比例受到不同时期政策因素的影响而不同。例如：1998年，国家实行积极的财政政策
 后，加大了国有经济的固定资产投资，而政府投资对私人企业的投资具有挤出效应，从图4可以明显看1997
 年个体经济固定资产投资额占全社会的33.32%，而1998年则下降至31.69%。2000年，国家又出台“西部
 大开发”战略，2002年个体经济固定资产投资额仅占28.98%。2003年积极的财政政策逐渐淡出，个体经
 济固定资产投资额又有所回升，达到34.18%。因此在无法剔除这些因素影响的情况下，模型的精确性也受
 到了一定的影响。
 附录：
 参考书目：《计量经济学》 庞皓主编        西南财经大学出版社  2002年8月第2版 
          《西方经济学》 高鸿业主编      中国人民出版社  2000年4月第2版
 
数据来源：中华人民共和国国家统计局
中国人民银行贵阳市中心支行