我国第二产业与GDP 的分析
摘要：以我国1991-2010年国内生产总值（现价），建筑业总产值和电力消费量的统计数据为样本，设定模型，通过计量经济学软件进行回归、预测分析，并对模型进行检验，从国内生产总值（现价）和建造业总产值，电力消费量相关关系、变化趋势预测等方面进行分析，结果表明1991年2010年，国内生产总值在快速增长，而且建筑业总产值和电力消费量的增加，对国内生产总值的增长存在着不可忽视的作用。
关键字：国内生产总值（现价） 建筑业总产值 电力消费量
一、问题的提出
至今，第二产业的GDP 占GDP 总量的比重逐年提高。2010年国内生产总值现价总量为401202亿元，其中第二产业增加值为187581亿元，增长速度为12.4%，。按核实数计算的三次产业结构，第一产业占10.1%，第二产业占46.8%，第三产业占43.1%。可见，第二产业的发展对于国民经济的发展至关重要。为了研究影响增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济模型。而建筑业的支柱产业地位日益显著，对国民经济增长贡献突出2010年国内生产总值（GDP ） 397983亿元，比上年增长10.3%。同时，随着经济的发展我国的电力工业也在飞速发展着。为了研究影响我国第二产业的发展对GDP 的影响，分析建筑业和电力增长规律，预测中国第二产业中这两个行业对未来国内生产总值的增长趋势，需要建立计量经济模型。 因此，可以本文从建筑业总产值和电力消费量两个方面，分析它们对中国国内生产总值增长的具体影响。
二、经济理论分析
建筑产业是国民经济的基本承载体，是在工业化、城市化和现代化过程中兴起、发展所形成的独立产业，同时又推动了工业化、城市化和现代化的进展，己经成为现代社会经济大系统中一个重要的有机组成都分。它为为国家经济发展提供基本的物质保证，是社会一切产业部门不可缺少的物质空间条件，并具体构成各个产业部门。因此，建筑产是构成整个社会财富的重要内容，对国民经济发展具有稳定而长远的影响。 而长期以来，以电力为代表的能源问题一直是我国经济发展中的焦点和热点问题，我国作为世界上经济增长最快的国家之一，同时也是一个能源生产和消费的大国，能源作为我国经济发展动力，其合理消费对经济、社会实现持续、协调、快速发展起着至关重要的作用。电力是国民经济的基础行业, 也是各行业的主要能源之一，必然也与国民经济和社会发展有密切联系，并在一定程度上制约着经济发展。因此，电力消费与经济增长之间的关系业便成为值得研究并引起重视的问题。
三、模型设定
为了研究国内生产总值变化受第二产业的影响程度, 我们选择了我国
1991~2010年的国内生产总值的数据以及其主要影响因素建筑业总值和电力消费量这20年的数据为样本进行研究. 设定的线性回归模型为:
Y =β0 +β1X 1+β2X 2+u
其中Y 为国内生产总值, 作为被解释变量.X1为建筑业总产值,X2为电力消费量, 构
建了以国内生产总值为被解释变量, 建筑业总值、电力消费为解释变量的二元线性回归模型，并进行相应的统计分析。
四、数据来源
从中经网收集到我国1991-2010年国内生产总值（现价），建筑业总产值和电力消费量的统计数据。如下所示：
国内生产总值（现价）
Y
建筑业总产值
X1
电力消费量
X2
(亿元)
21781.5
26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340902.8 401202
(万元)
15640000 21740000 32540000 46530000 57937500 82822500 91264800 100619900 111528600 124976000 153615600 185271800 230838700 290214500 345521000 415571600 510437100 620368100 768077400
(亿千瓦小时)
6804 7589.2 8426.5 9260.4 10023.4 10764.3 11284.4 11598.4 12305.2 13472.4 14633.5 16331.5 19031.6 21971.4 24940.3 28588 32711.8 34541.35 37032.14
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
960311300 ______
表1
五、回归分析
(一) 相关分析
将X1 X2 Y作为一组打开，选择Quick/Group Statistics/Correlations,然后在出现的series list 对话框里输入X1 X2 Y，点击ok ，就出现下面的表格
表2
从表格可以看出国内生产总值与建筑业总值、电力消费呈高度正相关。这表
明线性模型在解释它们的关系是比较合适的。
(二) 散点图
将X1 X2 X3和 Y 分别作为一组打开并作散点图。分析单个解释变量与被解释变量的关系。
图
1 (用X1与Y 绘制出的散点图)
从上面两个图中可以看出，大多数散点都分布在一条直线附近，可认为Y 和 X1 X2呈高度线性相关。
(三) 回归分析
将X1 X2 Y作为一组打开，选择Quick/Estimate Equation ，在出现的对话框中输入Y X1 X2 C，点击ok ，出现下图：
Dependent Variable: Y Method: Least Squares Date: 11/19/11 Time: 18:08 Sample (adjusted): 1991 2009
Included observations: 19 after adjustments
X1 X2 C
R-squared
Coefficient
2.399380 4.398432 -112.2680
Std. Error
0.568662 1.275725 10251.70
t-Statistic
4.219343 3.447791 -0.010951
Prob.
0.0007 0.0033 0.9914
129693.3 94924.88 21.13164 21.28076 21.15688
0.992476 Mean dependent var 0.991535 S.D. dependent var 8733.416 Akaike info criterion 1.22E+09 Schwarz criterion -197.7506 Hannan-Quinn criter.
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
F-statistic Prob(F-statistic)
1055.247 Durbin-Watson stat 0.000000
0.683762
表3
R 2 = 0.99247
F=659.5829
R 2 = 0.991535
R 2 R 2 接近于1，表明模型的拟合效果非常好；F 检验的伴随概率是0.000000，反映变量间呈高度线性，方程回归效果显著。对于 1、 2，t 统计量为4.219343和3.447791。查t 分布表，在自由度n=19-3=16下，得临界值t 0.025 (16)=2.120，因为t> t 0.025（16) ，所以回归系数的统计量表明建筑业总值、电力消费对国内生产总值有显著。
(四) 回归方程
Y =-112.2680 +2.39938X 1+4.398432X 2
（4.219343）（3.447791） （-0.010951）
2 = 0.992476 R DW= 0.683762 F=1055.247
经济意义检验
模型估计结果说明，在假定其它变量不变的情况下，当年建筑业总产值每增长1万元，GDP 就会增长2.39938亿元；在假定其它变量不变的情况下，当年电力消费量1亿千瓦小时，GDP 就增加4.398432亿元。这与理论分析和经验判断相一致。
(一) 统计检验
1、拟合优度：由图表中数据得到R =0.9925，可调整的R 2 = 0.991535 明模型对样本的拟合程度较好。
2、F 检验：F 检验的相伴概率为0.000000，反映变量间呈高度线性，方程回归效果显著。针对H 0：β0=β1=β2=0，给定显著性水平α=0.05，在F 分布表中查出自由度为k-1=1和n-k-1=16的临界值F α（1,16）=4.49，由表中可以得到F=1055.247，由于F=1055.247＞F α（1,16）=4.49，应拒绝原假设H 0：β0=β1=β2=0，说明回归方程显著，即表明建筑业总值、电力消费对国内生产总值有显著影响。所有变量都通过了显著性检验, 拟合优度非常高，方程的显著性也非常好。所以该模型通过了经济意义检验和统计检验。
3、t 检验：分别对H 0：βi =0（i=1,2），给定显著水平α=0.05，通过t 分布表得到自由度为（n-k-1）的临界值t 0.025（n-k-1）=1.746，由表中数据可以得到与β0、β1、β2相对应的t 统计量分别为-0.01095、4.21934、3.44779，其绝对值
2
在剔除β0后，均大于t 0.025（n-k-1）=1.746，这说明分别都应拒绝原假设，也就是说，在其他解释变量不变的情况下，解释变量“建筑业总值”和“电力消费”对国内生产总值有显著性影响。
七、模型应用——预测
在Equation 框里选Forecast 项， Eviews 自动计算出样本估计期内的被解释变量的拟合值，拟合值记为YF ，其拟合值与实际值的对比图形见下图所示：
运用趋势分析预测
2011年建筑业总产值为45323.6万元，电力消费量为
88062.3亿千瓦小时，预测出2011年国内生产总值GDP 为419511.9亿元。这个预测结果表明，当年建筑业总产值达到45323.6万元和电力消费达到88062.3(亿千瓦小时) 的时候，国内生产总值增加值就会达到419511.9. 亿元。
八、结论建议
通过上述分析我们可以知道，建筑产业的产值在我国国内生产总值中占有非常重的比重，建筑业的发展好坏直接影响着我国国内生产总值的大小，它对我国经济的发展起着举足轻重的作用。建筑业的发展可以推动我国第二、第三产业的发展，可以在一定程度上解决我国就业困难的问题，增加就业人数，提高人民的生活质量。随着我国国民经济的不断增长，固定资产投资的规模不断扩大，建筑产业不断的快速发展，建筑产业总产值的不断增大，我国的国内生产总值也将得到大大的提高。因此，国家还需要加强对建筑业的关注度。
而电力消费与经济增长的线性关系，是国民经济诸多数量关系中的一个重要变量。它的变动，是一定时期经济增长、结构变化、技术进步、供求关系等相关因素共同作用的结果。不仅，电力对工业GDP 的关系应该是工业企业电力消费的大小直接影响和决定其工业GDP 的大小和工业经济增长幅度。而且。电力对建筑
业和第三产业中的邮电通信业、批发和零售贸易、餐饮业、金融保险业、房地产、社会服务等行业都有重大的影响。在今后相当长时期内，必须始终把电力作为一个超前建设的重点，大力开发电力第二资源, 采取各种有效措施，努力缓解电力供需紧张矛盾。
我国第二产业与GDP 的分析
摘要：以我国1991-2010年国内生产总值（现价），建筑业总产值和电力消费量的统计数据为样本，设定模型，通过计量经济学软件进行回归、预测分析，并对模型进行检验，从国内生产总值（现价）和建造业总产值，电力消费量相关关系、变化趋势预测等方面进行分析，结果表明1991年2010年，国内生产总值在快速增长，而且建筑业总产值和电力消费量的增加，对国内生产总值的增长存在着不可忽视的作用。
关键字：国内生产总值（现价） 建筑业总产值 电力消费量
一、问题的提出
至今，第二产业的GDP 占GDP 总量的比重逐年提高。2010年国内生产总值现价总量为401202亿元，其中第二产业增加值为187581亿元，增长速度为12.4%，。按核实数计算的三次产业结构，第一产业占10.1%，第二产业占46.8%，第三产业占43.1%。可见，第二产业的发展对于国民经济的发展至关重要。为了研究影响增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济模型。而建筑业的支柱产业地位日益显著，对国民经济增长贡献突出2010年国内生产总值（GDP ） 397983亿元，比上年增长10.3%。同时，随着经济的发展我国的电力工业也在飞速发展着。为了研究影响我国第二产业的发展对GDP 的影响，分析建筑业和电力增长规律，预测中国第二产业中这两个行业对未来国内生产总值的增长趋势，需要建立计量经济模型。 因此，可以本文从建筑业总产值和电力消费量两个方面，分析它们对中国国内生产总值增长的具体影响。
二、经济理论分析
建筑产业是国民经济的基本承载体，是在工业化、城市化和现代化过程中兴起、发展所形成的独立产业，同时又推动了工业化、城市化和现代化的进展，己经成为现代社会经济大系统中一个重要的有机组成都分。它为为国家经济发展提供基本的物质保证，是社会一切产业部门不可缺少的物质空间条件，并具体构成各个产业部门。因此，建筑产是构成整个社会财富的重要内容，对国民经济发展具有稳定而长远的影响。 而长期以来，以电力为代表的能源问题一直是我国经济发展中的焦点和热点问题，我国作为世界上经济增长最快的国家之一，同时也是一个能源生产和消费的大国，能源作为我国经济发展动力，其合理消费对经济、社会实现持续、协调、快速发展起着至关重要的作用。电力是国民经济的基础行业, 也是各行业的主要能源之一，必然也与国民经济和社会发展有密切联系，并在一定程度上制约着经济发展。因此，电力消费与经济增长之间的关系业便成为值得研究并引起重视的问题。
三、模型设定
为了研究国内生产总值变化受第二产业的影响程度, 我们选择了我国
1991~2010年的国内生产总值的数据以及其主要影响因素建筑业总值和电力消费量这20年的数据为样本进行研究. 设定的线性回归模型为:
Y =β0 +β1X 1+β2X 2+u
其中Y 为国内生产总值, 作为被解释变量.X1为建筑业总产值,X2为电力消费量, 构
建了以国内生产总值为被解释变量, 建筑业总值、电力消费为解释变量的二元线性回归模型，并进行相应的统计分析。
四、数据来源
从中经网收集到我国1991-2010年国内生产总值（现价），建筑业总产值和电力消费量的统计数据。如下所示：
国内生产总值（现价）
Y
建筑业总产值
X1
电力消费量
X2
(亿元)
21781.5
26923.5 35333.9 48197.9 60793.7 71176.6 78973 84402.3 89677.1 99214.6 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 340902.8 401202
(万元)
15640000 21740000 32540000 46530000 57937500 82822500 91264800 100619900 111528600 124976000 153615600 185271800 230838700 290214500 345521000 415571600 510437100 620368100 768077400
(亿千瓦小时)
6804 7589.2 8426.5 9260.4 10023.4 10764.3 11284.4 11598.4 12305.2 13472.4 14633.5 16331.5 19031.6 21971.4 24940.3 28588 32711.8 34541.35 37032.14
1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
960311300 ______
表1
五、回归分析
(一) 相关分析
将X1 X2 Y作为一组打开，选择Quick/Group Statistics/Correlations,然后在出现的series list 对话框里输入X1 X2 Y，点击ok ，就出现下面的表格
表2
从表格可以看出国内生产总值与建筑业总值、电力消费呈高度正相关。这表
明线性模型在解释它们的关系是比较合适的。
(二) 散点图
将X1 X2 X3和 Y 分别作为一组打开并作散点图。分析单个解释变量与被解释变量的关系。
图
1 (用X1与Y 绘制出的散点图)
从上面两个图中可以看出，大多数散点都分布在一条直线附近，可认为Y 和 X1 X2呈高度线性相关。
(三) 回归分析
将X1 X2 Y作为一组打开，选择Quick/Estimate Equation ，在出现的对话框中输入Y X1 X2 C，点击ok ，出现下图：
Dependent Variable: Y Method: Least Squares Date: 11/19/11 Time: 18:08 Sample (adjusted): 1991 2009
Included observations: 19 after adjustments
X1 X2 C
R-squared
Coefficient
2.399380 4.398432 -112.2680
Std. Error
0.568662 1.275725 10251.70
t-Statistic
4.219343 3.447791 -0.010951
Prob.
0.0007 0.0033 0.9914
129693.3 94924.88 21.13164 21.28076 21.15688
0.992476 Mean dependent var 0.991535 S.D. dependent var 8733.416 Akaike info criterion 1.22E+09 Schwarz criterion -197.7506 Hannan-Quinn criter.
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood
F-statistic Prob(F-statistic)
1055.247 Durbin-Watson stat 0.000000
0.683762
表3
R 2 = 0.99247
F=659.5829
R 2 = 0.991535
R 2 R 2 接近于1，表明模型的拟合效果非常好；F 检验的伴随概率是0.000000，反映变量间呈高度线性，方程回归效果显著。对于 1、 2，t 统计量为4.219343和3.447791。查t 分布表，在自由度n=19-3=16下，得临界值t 0.025 (16)=2.120，因为t> t 0.025（16) ，所以回归系数的统计量表明建筑业总值、电力消费对国内生产总值有显著。
(四) 回归方程
Y =-112.2680 +2.39938X 1+4.398432X 2
（4.219343）（3.447791） （-0.010951）
2 = 0.992476 R DW= 0.683762 F=1055.247
经济意义检验
模型估计结果说明，在假定其它变量不变的情况下，当年建筑业总产值每增长1万元，GDP 就会增长2.39938亿元；在假定其它变量不变的情况下，当年电力消费量1亿千瓦小时，GDP 就增加4.398432亿元。这与理论分析和经验判断相一致。
(一) 统计检验
1、拟合优度：由图表中数据得到R =0.9925，可调整的R 2 = 0.991535 明模型对样本的拟合程度较好。
2、F 检验：F 检验的相伴概率为0.000000，反映变量间呈高度线性，方程回归效果显著。针对H 0：β0=β1=β2=0，给定显著性水平α=0.05，在F 分布表中查出自由度为k-1=1和n-k-1=16的临界值F α（1,16）=4.49，由表中可以得到F=1055.247，由于F=1055.247＞F α（1,16）=4.49，应拒绝原假设H 0：β0=β1=β2=0，说明回归方程显著，即表明建筑业总值、电力消费对国内生产总值有显著影响。所有变量都通过了显著性检验, 拟合优度非常高，方程的显著性也非常好。所以该模型通过了经济意义检验和统计检验。
3、t 检验：分别对H 0：βi =0（i=1,2），给定显著水平α=0.05，通过t 分布表得到自由度为（n-k-1）的临界值t 0.025（n-k-1）=1.746，由表中数据可以得到与β0、β1、β2相对应的t 统计量分别为-0.01095、4.21934、3.44779，其绝对值
2
在剔除β0后，均大于t 0.025（n-k-1）=1.746，这说明分别都应拒绝原假设，也就是说，在其他解释变量不变的情况下，解释变量“建筑业总值”和“电力消费”对国内生产总值有显著性影响。
七、模型应用——预测
在Equation 框里选Forecast 项， Eviews 自动计算出样本估计期内的被解释变量的拟合值，拟合值记为YF ，其拟合值与实际值的对比图形见下图所示：
运用趋势分析预测
2011年建筑业总产值为45323.6万元，电力消费量为
88062.3亿千瓦小时，预测出2011年国内生产总值GDP 为419511.9亿元。这个预测结果表明，当年建筑业总产值达到45323.6万元和电力消费达到88062.3(亿千瓦小时) 的时候，国内生产总值增加值就会达到419511.9. 亿元。
八、结论建议
通过上述分析我们可以知道，建筑产业的产值在我国国内生产总值中占有非常重的比重，建筑业的发展好坏直接影响着我国国内生产总值的大小，它对我国经济的发展起着举足轻重的作用。建筑业的发展可以推动我国第二、第三产业的发展，可以在一定程度上解决我国就业困难的问题，增加就业人数，提高人民的生活质量。随着我国国民经济的不断增长，固定资产投资的规模不断扩大，建筑产业不断的快速发展，建筑产业总产值的不断增大，我国的国内生产总值也将得到大大的提高。因此，国家还需要加强对建筑业的关注度。
而电力消费与经济增长的线性关系，是国民经济诸多数量关系中的一个重要变量。它的变动，是一定时期经济增长、结构变化、技术进步、供求关系等相关因素共同作用的结果。不仅，电力对工业GDP 的关系应该是工业企业电力消费的大小直接影响和决定其工业GDP 的大小和工业经济增长幅度。而且。电力对建筑
业和第三产业中的邮电通信业、批发和零售贸易、餐饮业、金融保险业、房地产、社会服务等行业都有重大的影响。在今后相当长时期内，必须始终把电力作为一个超前建设的重点，大力开发电力第二资源, 采取各种有效措施，努力缓解电力供需紧张矛盾。