计量经济学课程设计PPT
题目：城镇化背景下房地产投资对我国经济增长的影响研究姓 名：李娟 王佳琪 张宇祺 崔行灏班 级：经统211学 号：完成时间：目录城镇化背...
题目：城镇化背景下房地产投资对我国经济增长的影响研究姓 名：李娟 王佳琪 张宇祺 崔行灏班 级：经统211学 号：完成时间：目录城镇化背景下房地产投资对我国经济增长的影响研究——基于2004-2019年房地产投资、城镇化率以及GDP摘要城镇化背景下，房地产投资对我国经济增长具有重要的影响。房地产投资是我国经济的重要支柱产业之一，对GDP增长贡献巨大。房地产投资不仅直接带动了建筑业、家居用品等相关产业的发展，还间接拉动了钢铁、水泥、化工等上游行业的需求，形成了较大的产业链效应。房地产投资还对就业和消费起到了积极的促进作用。房地产业是劳动密集型行业，投资规模的扩大带来了大量的就业机会，为农村劳动力转移提供了就业选择，缓解了就业压力。同时，房地产市场的繁荣也提高了人们的财富感和信心，促进了消费需求的释放，进一步推动了经济增长。为了更清晰明了的阐述城镇化背景下房地产投资对我国经济增长的影响。本文构建了城镇化背景下房地产投资对经济增长影响的多元线性回归模型。并选取了2004-2019年房地产投资、城镇化率、以及GDP的数据进行实证分析。考虑到经济活动通常具有某种连续性或持久性，我们对我们的模型进行了自相关检验及修正。关键词：中国房地产投资、中国经济增长、多元线性回归模型、自相关检验及修正。1.经济背景分析由于影响GDP的因素较多，本文不能全面给予分析，故，根据本文的核心论点以及影响因素大小，和各指标可得性与可比性选取了两个影响因素作为分析指标。分别是房地产投资的绝对数和城镇化率。在中国经济转型的过程中，城镇化是一个重要的发展趋势。房地产投资在中国经济中占有重要的地位，尤其是在城镇化进程中，房地产投资的重要性更加突出。房地产投资对我国经济增长的影响如推动投资增长、带动相关行业的就业、带动银行贷款投放、促进商品经济的发展等作用。指标说明：国内生产总值：国内生产总值是指一个国家和地区所有常住单位在一定时期内生产活动的全部最终成果。国内生产总值有三种表现形式，即价值创造、收入形成和最终使用。从价值创造看，它是所有常住单位在一定时期内生产的全部货物和服务价值与同期投入的全部非固定资产货物和服务价值的差额，即所有常住单位的增加值之和；从收入形成看，它是所有常住单位在一定时期内形成的劳动者报酬、生产税净额、固定资产折旧、营业盈余等各项收入之和；从最终使用看，它是所有常住单位在一定时期内最终使用的货物和服务价值与货物和服务净出口价值之和。房地产投资的绝对数：房地产投资的绝对数是指在一定时间内，所有房地产项目的投资总额。在中国，根据国家统计局公布的数据，房地产投资的绝对数通常是以人民币亿元为单位进行计算和发布的。例如，2020年全国房地产开发投资完成额为12.03万亿元，其中住宅投资完成额为9.62万亿元，非住宅投资完成额为2.41万亿元。这些数据都是以人民币亿元为单位进行计算和发布的。房地产投资的绝对数是反映房地产市场规模和投资状况的重要指标，也是评估房地产市场发展态势和经济运行状况的重要参考数据之一。城镇化率：城镇化率是指一个地区或国家城镇人口占总人口的比例。城镇化率的计算方式是将一个地区或国家城镇人口总数除以总人口数，再乘以100%。例如，如果一个国家总人口为1亿人，城镇人口为5000万人，则该国的城镇化率为50%。城镇化率是衡量一个地区或国家城镇化程度的重要指标之一，通常被用于比较不同地区或国家的城镇化水平。城镇化率的提高通常意味着农村人口向城市迁移，城市化进程加速，同时也意味着城市化带来的各种问题，如城市交通拥堵、空气污染等也会随之加剧。需要注意的是，城镇化率的计算标准和方法在不同的国家和地区可能存在差异，因此不同地区或国家的城镇化率也难以直接比较。此外，城镇化率作为一个宏观指标，只能反映城镇人口占比的情况，而不能反映城市的规模、发展水平和城市化进程中的各种问题。因此，需要综合考虑城镇化率与其他指标一起，全面评估一个地区或国家的城市化进程和城市化发展水平。2.模型构建和数据来源2.1数据来源本文选取（2004-2019）年作为研究我国房地产投资与经济增长关系的考察时段，相关数据源自《中国统计年鉴( 2004—2019) 》，具体的变量描述性统计见图1。图1变量描述性统计资料来源: 作者根据统计年鉴数据计算整理而得2.2模型构建为了更好研究变量之间的关系，在进行模型设定之前，我们通过散点图以及计算变量之间的相关系数来确定变量之间的相关关系。图2散点图图3相关性分析结果由图2、图3可知与和之间具有明显的线性正相关，由此构建的基本模型如下：其中：被解释变量为(国内生产总值的对数）；核心解释变量为(房地产投资绝对数的对数）；控制变量为（城镇化率的对数)；随机误差项为。3.实证分析下面我们对模型进行回归估计，回归结果如下图所示：图4回归分析结果经济意义检验：和的系数都为正，这表明随着房地产投资绝对数和城镇化率的增加，国内生产总值也增加，符合实际。3.2统计检验：1.可决系数R2=0.9974，说明样本回归线对数据拟合程度很好。2.F检验以及各解释变量的T检验均通过，说明在α=0.05的显著性水平下，被解释变量与解释变量之间具有显著的线性关系，及每个解释变量对被解释变量都有显著影响。由于经济活动通常具有某种连续性或持久性，自相关现象在时间序列数据中比较常见，所以我们对该模型的随机误差项进行自相关检验。设置时间序列：对模型的残差进行预测并生成残差的一期滞后项：图5残差与其滞后一阶散点图以及线性拟合图如图5所示，残差项与其滞后一期可能具有一定的正向关系。生成残差自相关图：图6残差自相关图如图所示，一阶自相关系数已经超出置信区间的边界，而只要存在一阶自相关就可判定自相关的存在。BG检验：图7 BG检验结果图7显示，BG检验的P值为0.0051，故在α=0.05的显著性水平下拒绝“无序列自相关”的原假设，认为存在自相关。Q检验：图8 Q检验结果由图8可以看出，第六阶的Q统计量及其P值与命令corrgramd的结果相同。DW检验图9 DW检验判断结果由于DW等于0.5415，位于0和2之间，故可大致判断存在某种程度的正自相关。Newey-West估计法：由于扰动项存在自相关，故OLS估计所提供的普通标准误不准确，应使用异方差自相关稳健的HAC标准误。由于n的四分之一次方=16的四分之一次方等于2，故取Newey-West估计量的滞后阶数为P=2；图10滞后2阶结果Newey-west标准误与OLS标准误相差不大。为考察Newey-West标准误是否对于截断参数敏感，下面将滞后阶数增大一倍，变为4，再重新估计。图11 滞后4阶结果无论截断参数为2还是4，Newey-West标准误变化不大。由于存在自相关，OLS不再是BLUE，故可考虑使用FGLS，对模型进行更有效率的估计。首先使用C0估计法：图12 CO估计法结果使用C0估计法得到的系数估计值与OLS比较接近，但样本容量降为15（损失一个样本观测值）。上表最后一行显示，经过模型转换后DW值改进为1.73，自相关情况已经得到很大程度的修正。然后进行PW估计法：图13 PW估计法结果使用PW估计法与CO估计法的系数估计结果相近，经过模型转换后DW值改进为1.42，自相关情况已经得到很大程度的修正。自相关的存在可能是由于模型设定不正确。为此，考虑在解释变量中加入房地产投资绝对数的滞后值的对数(L.lnx1)，然后进行OLS回归：图14加入滞后值的回归分析结果回归结果显示，F检验以及各解释变量的T检验均通过，R2等于0.9981，样本回归线对数据的拟合程度优秀。使用BG检验判断重新设定的模型是否存在自相关：图15 BG检验判断结果结果显示p=0.1930，在α=0.05的显著性下，可接受“无序列自相关”的原假设。综上所述，通过修改模型设定，最终的模型为：= -0.84671+0.626054+2.639127-0.3126503L.+u（L.为房地产投资绝对数的滞后项）结果分析：在其他条件相同时，增加1％，增加62.6054％， 增加1％，增加263.9127％，而当L. 增加1％时，减少31.26503％。即当期的房地产投资绝对数和城镇化率的提高会促进GDP增长，而当上一期房地产投资绝对数增加时，会导致下期GDP降低。针对此结果，我们提出以下解释和建议：上一期房地产投资绝对数增加导致本期GDP降低的情况可能存在以下几点原因：1、投资效益下降：当房地产投资过度扩张时，可能出现过剩的供应和低效的投资。大量的房地产项目可能没有充分的市场需求或无法及时销售，导致投资回报率下降。这会使得投资效益降低，进而影响到本期GDP的增长。2、资金流动问题：房地产投资需要庞大的资金支持，如果过度依赖房地产投资，可能会导致资金在其他领域的流动受限。如果资金主要用于房地产行业，就会减少用于其他领域的投资，如制造业、科技创新等。这将限制其他行业的发展，从而影响到整体经济增长。3、财富转移效应：房地产投资过度繁荣可能导致财富不均衡的问题。房地产市场的升值可能会使得一部分人获得了巨额财富，但另一部分人却面临负债加重或无法承担高房价的压力。这种不均衡的财富转移可能导致消费减少和经济不稳定，从而影响到GDP的增长。4、经济风险暴露：房地产市场存在一定的风险，如泡沫化、价格调整、信贷风险等。如果上一期房地产投资增加过快并伴随着这些风险，本期可能会出现市场的调整和风险暴露，导致经济增长放缓甚至下滑。房地产投资绝对数增加和城镇化率的提高对GDP增长的促进作用主要体现在以下几个方面：1、城镇化带来人口流动和需求增加：随着城镇化进程的推进，农村人口向城市转移，人口流动和城市扩张带来了对住房及相关设施的需求增加。这种需求增加催生了房地产市场的繁荣，促进了房地产投资的增加，从而推动了相关产业链的发展，包括建筑工程、基础设施建设、原材料、家具、家电等行业。这些行业的增长直接促进了GDP的增长。2、房地产投资拉动内需房地产投资对内需的拉动作用非常显著。购房置业需求的增加带动了家具、装修、家电等行业的发展，也激发了金融服务的需求，如贷款、保险等。这些都促进了内需的扩大，推动了经济的增长。此外，房地产投资还会刺激居民财富的增加，提升消费能力，进一步推动了经济的发展。3、促进相关产业链的发展：房地产投资对众多相关行业的发展具有带动作用。房地产建设涉及到钢铁、水泥、建材等原材料行业，同时也需要家具、家电等生产制造业的支持。这种产业链的形成和发展，不仅直接增加了GDP的产出，还推动了相关行业的就业和产值增长，进一步拉动了经济增长。4、提高城市化水平和社会发展：城镇化的推进不仅仅是人口转移的过程，更是社会发展的重要因素。随着城镇化率的提高，城市基础设施、公共服务、社会福利等方面会得到改善和扩展，促进了人民生活水平的提高和社会发展的进步。这种社会发展和提高的同时，也会对经济增长起到积极的推动作用。建议：房地产投资对GDP的影响是多方面的，不仅仅取决于绝对数增加与否，也受到其他因素的综合影响。因此，在宏观经济调控中，需要综合考虑各种因素，制定科学合理的政策，以确保经济的持续健康发展。房地产投资对经济增长的促进作用也要合理控制，避免过度依赖和投资过热所带来的风险。在政策制定和实施过程中，需要平衡各方面的利益和考量，确保房地产市场的健康稳定发展，以实现可持续的经济增长。一、课程背景计量经济学是经济学中的重要分支，它运用数理统计等方法来研究经济现象和经济模型的定量关系。本课程旨在通过理论讲解和实践操作，培养学生运用计量经济学工具进行经济数据分析和经济政策评估的能力。二、课程目标了解计量经济学的基本概念和方法，掌握计量经济学在经济研究中的应用；掌握计量经济学中的经典线性回归模型和假设检验方法；熟悉面板数据模型、时间序列模型和离散选择模型等计量经济学的扩展模型；能够运用计量经济学方法对实际经济问题进行定量分析和政策评估。三、课程内容计量经济学基础四、课程设计要求学生必须掌握计量经济学的基本理论和方法，并具备一定的数据分析能力；学生需要在学习过程中运用R、Python或Stata等计量经济学软件进行实证分析，独立完成一项小型研究课题；学生需要编写课程设计报告，包括课题选择背景、数据源和处理方法、模型建立与分析结果等。五、课程评估方式平时成绩：作业、实验报告、课堂表现等占比50%；期末考试：占比50%。六、参考教材及学习资源教材：《计量经济学导论》（侯晓菲，中国人民大学出版社）学习资源：经济学期刊、国内外计量经济学研究中心网站、在线学习平台等。以上是对《计量经济学课程设计》的简要介绍，希望能够为学生提供一份清晰明了的学习指导。课程设计将帮助学生掌握计量经济学的基本理论和实践操作，培养学生的分析思维和独立研究能力，为日后的学术和职业发展奠定坚实基础。
