国民生产总值
开篇：润墨网以专业的文秘视角，为您筛选了八篇国民生产总值范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
国民生产总值范文第1篇
关键词：行业增值指数 GDP 主成分回归模型
一、研究问题的提出
目前而言，世界各国及主要经济体仍是将国内生产总值（GDP）的变化情况作为衡量一国经济是否健康的一个重要指标。特别是GDP季度变化数据常被用来作为短期内比较不同国别经济增长优劣的最直观证据。而不同国家的GDP数值虽不相同，但其均在不同程度上与国内资本、劳动力需求、就业率以及股市等宏观经济基本面的因素具有重要内在关联。更进一步来讲，上述宏观经济基本面因素的综合体，也是能够深度反应国家宏观经济发展状况的“晴雨表”则非国家行业企业发展莫属。换言之，不同行业经济的发展对GDP数值变化具有决定性的影响，能够反应经济发展的本质状况。由此，科学合理地通过行业数据来预测GDP数值变化轨迹不仅具有理论上的可行性，更对决策者有效研判经济发展状况，制定较为合理的顶层制度设计具有重要的现实意义。
美国经济发展虽然近年来一直没有走出“疲软”态势，但其在全球经济发展中仍是不具争议的第一大国。甚至美国经济发展在一定程度上也是全球经济发展变化的缩影和代表。以此类推，深入探讨美国行业收益的增长与美国GDP增长之间的内在关联，不仅对科学认知两者之间的作用机理具有学术价值，更对我国经济发展，甚至其他国家经济发展中科学处理行业经济发展与GDP之间的关系具有重要的现实意义。
二、文献综述
准确预测GDP发展趋势是考虑宏观经济变化和制定宏观经济政策的重要依据。国内外大量文献对GDP进行了预测分析，取得了颇多有益成果。最新的代表性研究有：周奎（2016）利用ARIMA模型对我国1978―2013年的GDP时间序列数据进行分析后发现，ARIMA模型方法对我国GDP总量发展趋势具有重要预测作用；蒋铁军和张怀强（2014）提出对GDP序列进行相空间重构，运用C-C方法确定最佳的嵌入维数和延迟时间，并结合主成分回归优化了预测GDP变化的方法。还有学者基于省级特质进行了GDP预测分析，如刘花璐和汤涛（2015）运用灰色系统理论中的GM（1，1）预测模型，对湖北省GDP变化趋势进行了预测，并指出了影响GDP发展诸因素的关联程度；高凤和任志安（2016）则以山东省为例，基于ARIMA模型对山东省1978―2013年GDP数据进行了模型拟合，其研究结果表明ARIMA模型预测方法较好；陈洁等（2015）利用时间序列分析方法，对比1993―2013年间江苏省人均GDP预测值与实际值之间的差异，发现ARIMA模型对GDP变化值具有一定的预测作用。此外，还有研究专门针对不同国别的GDP预测进行了系统分析，如徐坡岭和刘来会（2015）利用俄罗斯2002―2013年的季度数据作为样本，主要分析了季节性差分自回归模型――SARIMA 模型在俄罗斯季度GDP预测中的应用，并得出俄罗斯未来四年的GDP年增长率在2.3%左右，长期的经济增长率在2.1%左右；张倩倩（2016）则应用ARMA算法对美国的人均GDP进行预测，并通过将预测数值与模拟结果对比说明该模型具有科学之处。综上，从最近的研究可得，现有研究中多是以历史GDP数据为样本采用不同研究方法对未来GDP数值变化趋势进行预测分析，样本来源比较单一。在这种情况下，单一的样本来源容易使GDP预测值不能客观关联其他相关因素的影响，也不能考虑GDP预测值变化可能存在的多元性。然而，鲜有研究基于行业增值指数等变量系统预测GDP变化轨迹，并据此建构预测模型。鉴于此，本研究则尝试利用主成分回归分析模型找寻不同行业数据与GDP数值变化之间的内在关联，多途径预测GDP变化趋势。并且，考虑到美国在目前仍是全球经济发展相对成熟和稳定的经济体，其样本来源和预测结果比较有代表性，能在一定程度上代表现阶段经济发展的趋势，故本研究选取美国行业数据来分析其对美国GDP的预测效果。
三、数据收集与实证分析
（一）行业变量界定
本研究所采取的行业信息是依据雅虎金融（Yahoo Finance）对行业划分的八个板块。主要包括：第一，消费品行业（Consumer Goods，简称CG），指的是普通消费者购买的产品，或者称为最终商品。第二，基本材料行业（Basic Materials，简称BM），指基本材料部门的公司涉及发现、开发和加工的原材料。第三，工业品行业（Industrial Goods，简称IG），主要是指与用于建筑业和制造业的生产商品。第四，金融业（Financial，简称FI）主要包含的公司为商业和零售客户提供金融服务。第五，科技行业（Technology，简称TE），指的是基于技术产品和服务的研究、开发和销售。第六，服务业（Services，简称SE），主要指部分经济生产中的无形商品。第七，公共事业行业（Utility，简称UT），指的是天然气和电力等公用事业费用。第八，医疗行业（Healthcare，简称HC），指的是医疗和保健商品或相关服务。
（二）数据来源
对于产业收益的数据获取，笔者在基于Yahoo Finance所提供的信息，查找出对应每个行业的上市公司列表，然后对其进行采样，即，随机选取35个公司。再从Wikinvest中获取每个公司的季度收益数据。考虑到获取真实有效的收益数据以及有足够长的分析时间周期，本文所选的公司必须满足以下两个条件：一是必须是上市公司，并且在Wikinvest上可以查到这个公司在2001年第一季度（2001.q1）至2015年第三季度（2015.q3）之间的季度收益；二是没有缺失数据。所以，在这个过程中初期采样中的一些公司因为上市时间不够长，中途被并购，关闭，或者数据缺失而被放弃，最终只有209个公司用于接下来的分析，其中，消费品行业25个，基本材料行业31个，工业品行业27个，金融业24个，科技行业25个，服务业24个，公共事业行业24个，医疗行业25个。相应的，同时间段2001.q1-2015.q3总共59个GDP的季度数据来自美国国家商务部官网（Bureau of Economic Analysis）。
（三）描述性统计分析对比
本文的数据分析都是用R语言完成。首先我们来观察这2001―2015年的美国GDP的增长趋势，采样获取的八个行业所有公司的收益（简称总收益）增长趋势，以及每个行业收益的增长曲线。通过对比可以看出，总收益的增长趋势（图2）与GDP的增长趋势（图1）非常相似。2008年美国的经济大萧条在两个曲线上都有所体现。每个行业的收益增长曲线（图3）虽各有不同，但是总体上呈上升趋势，且与GDP增长趋势相符合。由此可见，GDP与收益有很强的相关性，并且，不同产业的收益对GDP的影响可能略有不同。
（四）主成分回归结果分析
在每个行业中，各个公司之间其收益增值存在很大的相关性，为了消除这种相关性，本文运用主成分分析法（Principle component analysis，简称PCA）对其进行分析，即在每个行业中对其收益变化提取其最主要的成分，用于建立多元回归模型，也称主成分回归模型（Principle component regression， 简称PCR）。也就是说，用PCA筛选出的主成分作为新的自变量替换掉原来的自变量做回归分析。它的意义在于，为了使建立的模型易于做结构分析和预测，从原始变量构成的子集（每个行业）中选取最优变量，组成最优变量集合（即8个子集合的最优变量组成的集合）。此外，由表1可知，对于每个行业，PCA筛选出的PC1几乎有60%以上的方差贡献率（除了金融业和公共事业稍微差一些，只有40%的贡献率）。 对于每个行业，其第一主成分（PC1）可代表这个行业里公司收益的总体表现/总体变化趋势。 通过观察每个行业主成分的载荷，我们可以看出，对于除了公共事业行业以外的其他七个行业，负的载荷值代表收益增加，而对于公共事业，各公司的正的载荷值代表收益增加。因此，我们认为用PCA得出的PC1来代替各行业收益增值构造回归模型是可行的。
本研究利用两种方式对GDP增值进行处理：第一，构建模型一，即简单的算出每个时间点相对之前时间点的增值；第二，构建模型二，即计算GDP在每个时间点上的导数，目的在于可以明确在每个时间点上GDP的增长率。基于此，本研究利用主成分回归模型分析后的结果如表2所示。从模型拟合结果可知：由可决系数对比分析可得，模型二相比模型一的拟合优度要好一些（模型一：0.4874/0.4054；模型二：0.682/0.6311）；从F―检验结果看，两个方程均在p=0.05的水平上通过显著性检验；从各自变量的显著性检验来看，模型一中，消费品行业，金融业和服务业在0.05的水平上显著重要，科技行业和公共事业行业在0.10的水平上显著重要；模型二中，消费品行业、工业品行业、金融业和服务业在0.05的水平上显著重要，基本材料行业和公共事业行业在0.10的水平上显著重要；综上，可以看出，各行业对GDP的影响在两个模型中略有不同。
此外，本研究将运用逐步回归法（Stepwise Regression）和比较回归方程法选择最优回归方程。本研究的选优参考标准为：剩余均方和（简称MSE），其值较小的回归方程较优；校正后的复决定系数（简称AdjR2），其值较大的回归方程较优；Akaike信息量（简称AIC），其值较小的回归方程较优；BIC信息量（简称BIC），其值较小的回归方程较优；Mallow’s Cp统计量（简称CP），其值较小且与p’较接近的回归方程较优。如表2所示，按照此标准，通过比较两个模型的回归方程可知，两个模型都选择了相同的最优模型（CG + FI + SE + UT）。相同的，逐步回归法（表5）对模型一选出了相同的结果，即CG+FI+SE+UT；而对模型二选择的最优模型中多了基本材料行业（BM）和工业品行业（IG）两个行业，即CG+BM+IG+FI+ SE + UT。由此可以肯定，消费品行业、金融业、服务业和公共事业这4个行业的收益增值对GDP的增值有显著影响。
（五）预测模型结果分析
在上述分析结果的基础上，对两个模型是否可以用来预测GDP的增长进行对比分析。首先，从59个时间点上随机抽取80%的数据（约49个时间点）用作训练数据，剩下的20%（约10个时间点）则用于测试数据。利用训练数据建立模型，并且在测试数据上进行预测，以此来对比真实值与预测值的差异。为了更好的展示训练数据和测试数据可用，笔者进行了4次随机采样，每一次分别抽取80%作为训练数据，20%作为测试数据。测算结果如表3所示，实线代表测试数据上的GDP真实值，虚线代表GDP预测值。如表中对比图形可知，两个模型的四次随机抽取的测试数据中，其GDP真实值与预测值曲线非常相似。并且，上述结果也可从相应的T-test中得到印证，即所有p-value均不能拒绝原假设，换言之，真实值与预测值没有明显差别，所以模型有效。研究结果表明，用最优模型做出来的结果与原模型一样，产业增值与GDP增值之间具有较强的内在关联，上文所述模型对GDP具有较好的预测性。
四、结论
与以往研究不同的是，本研究通过主成分回归方法设定理论模型，并利用美国2001年第一季度至2015年第三季度8大行业增值指数的数据来预测GDP增值的变化趋势，得到如下有益发现：第一，行业收益增值曲线与美国GDP增值曲线轨迹相同，表明GDP与行业收益具有很强的内在关联性。该研究结论表明，不同行业利润增加是增加GDP收入的重要支撑。第二，GDP增值预测模型较GDP导数预测模型整体预测效果好，但不同行业对GDP的影响略有差异。本研究表明，消费品行业、金融业、服务业、科技行业和公共事业行业会显著影响GDP增值预测模型的效果，而消费品行业、工业品行业、金融业、服务业、基本材料行业和公共事业行业则是显著影响GDP导数预测模型效果的主导因素。第三，通过最优回归方程对比分析结果可知消费品行业、金融业、服务业和公共事业这4个行业的收益增值对GDP的增值有显著影响。并且，本研究表明，在2001年至2015年间的八个产业中，金融业最能拉动经济增长，其次是消费品行业、服务业和公共设施行业。政府管理部门可利用上述四个行业所建的最优模型来科学预测GDP增值变化轨迹。
参考文献：
[1]周奎.RIMA模型在我国GDP预测中的应用[J].广西职业技术学院学报，2016（1）
[2]蒋铁军，张怀强.基于相空间重构和进化KPCR的GDP预测研究[J].统计与决策， 2014（3）
[3]陈洁，曹克章，刘哲.基于时间序列的江苏人均 GDP 预测研究[J].南京工程学院学报（社会科学版），2015（4）
国民生产总值范文第2篇
引言
财政收入是指政府为履行其职能、实施公共政策和提供公共物品及服务需要而去筹集的一切资金的总和。财政收入对于社会的发展有重要的意义，政府行使公共职能和提供公共服务都需要财政收入的支持，它是衡量政府财力的重要指标，是政府对经济进行宏观调控的重要经济杠杆，也是国家和地区经济发展的“温度计”，在很大程度上反映了国家和地区的经济实力。
连云港市作为江苏省北部欠发达的地区，财政收入发展水平相比于江苏省南部其他地区而言相对较低。一个地区的财政收入水平要受诸多因素的影响，包括总税收、产业结构、国民生产总值及就业人数等。为了保证连云港市财政收入总量的平稳增长，分析连云港市财政收入的影响因素及因素的影响程度是必要的。本文通过建立多元回归模型，对连云港市财政收入和几个重要经济指标的关系进行了分析。
一、财政收入影响因素的相关分析
第一，税收对财政收入的影响。税收是指国家为了实现其职能并满足社会公共需要，凭借其政治权力，运用法律手段，按照预定标准，向社会成员强制、无偿取得财政收入的一种手段。这里的税收是指总税收，包括工商税收、农业税收、关税和企业所得税（从1985年开始征收的国有和集体企业所得税）等。税收作为财政收入的主要形式，直接影响着政府的收支规模，以及提供公共服务和提供公共产品的范围与质量，对于经济运行具有重要的意义，对于财政收入具有重大影响。威廉?配第比较深刻地分析了税收与国民财富、税收与国家经济之间的关系；瓦格纳认为，财政政策原则即税收能灵活保证国家经费开支的需要；拉弗认为，税收和经济发展之间相互作用。
第二，国民生产总值对财政收入的影响。国民生产总值（GDP）是反映一个国家或者地区在一定时期内生产总值的指标，是衡量一国经济发展水平的核心指标。当国民生产总值增加时，国民收入随之也会增加，从而增加居民的个人收入，对居民储蓄量有直接的影响。此外，国民生产总值的提高也可以对国家税收产生一定的影响，从而在另一方面作用于财政收入。李进江在《中国财政收入与GDP的因果关系检验》一文中指出，财政收入与GDP增长之间保持互相依存、互相制约关系，但就二者的相互影响作用而言，财政收入增长对于GDP的影响作用不显著，而GDP增长对财政收入增长的影响作用显著。
第三，就业人数对财政收入的影响。一个地区就业人数越多，创造的财富值也就越多，随之对居民消费水平的提高带来影响，这在一定程度上间接地影响了财政收入，就业人数的增加对财政收入的增加所产生的作用是积极的。
第四，产业结构对财政收入的影响。财政收入和产业结构存在紧密的关系，一方面，三大产业结构的不同比例和层次决定财政收入的大小规模。从国家经济整体而言，三大产业在国民整体经济中的地位不同，在财政收入中的地位也不同，从而其对于财政收入的影响程度也有大小之分。从地区经济而言，地方上由于地区差异，城市发展水平差异等因素的影响导致了对于三大产业结构的发展比例和层次要求的不同，从而三大产业在地区经济发展过程中的比例不同，对于地方财政收入的影响程度也不同。另一方面，财政通过自身的收支，调整产业结构和产业布局，调整三大产业的比例关系，使产业结构向适合地方经济和国家经济的发展方向变化。
第五，其他因素对财政收入的影响。财政收入还与很多其他因素有关，包括政府关于财政收入的相关政策的制定、物价指数的变动、城市发展水平（其中包括地方商品零售销售总额、外商投资、生产技术水平、固定资产投资以及重大工业项目等）。
二、连云港市财政收入影响因素的实证分析
（一）连云港市财政收入与其影响因素数据
查阅《连云港市统计年鉴》及连云港市统计月报，可以得到连云港市2003―2012年的财政收入、国民生产总值、税收收入以及就业人数（见表1）。
（二）财政收入与影响因素的回归模型
根据2003―2012年每年的财政收入Y（万元），国民生产总值X1（万元）、税收收入X2（万元）、就业人数X3（万元）的统计数据，建立多元函数，采用OLS法进行回归分析。回归分析的结果（见表2）。
1.经济检验。财政收入一般国民生产总值正相关，所以不符合经济意义。
2.拟合优度检验。由可决系数R2=0.993694可知，模型对于数据的拟合程度比较好。但是，只能说明列入模型的解释变量对应变量联合影响程度比较大，并不能说明模型中各个解释变量对应变量的影响程度都显著，为此，我们要做t检验。
3.回归参数的显著性检验。t的绝对值分?e为1.5401、0.48807、2.526839、1.0517，在显著性水平为0.05的情况下，由于各变量的t值太小，表示国民生产总值，税收收入以及就业人数均对于财政收入的影响不显著，不符合经济理论，解释变量之间可能存在多重共线性。
4.回归方程显著性检验。在给定显著性水平为0.05的情况下，F值为315.1511，所以拒绝原假设，回归方程显著。
（三）对模型进行修正及经济意义
由于上面的模型中存在严重的多重共线性，我们利用逐步回归法修正模型，去除就业人数这个变量。得到以下回归分析结果（见表3）。
1.拟合优度检验。由可决系数R2=0.992531 可知，模型对于数据的拟合程度比较好。但是，只能说明国民生产总值和总税收对财政收入的联合影响程度比较大，并不能说明它们各自对财政收入的影响程度都显著，为此，我们要做t检验。
2.回归参数的显著性检验。t的绝对值分别为1.13861、0.960306、3.160313。在显著性水平为0.05的情况下，X2的t值为3.160313，大于临界值，说明税收是影响财政收入的主要因素。虽然关于国民生产总值变量的t值较小，没有通过检验，可能由于经济变量之间固有的惯性、模型设定的偏误等原因有关。所以，X1和X2都保留在方程里面。国民生产总值和总税收都对财政收入有显著意义。
3.回归方程显著性检验。在给定显著性水平为0.05的情况下，F值为465.1253，所以拒绝原假设，回归方程显著。
4.方程的经济意义。财政收入变化有99.25%是由国民生产总值和总税收联合影响的，剩下的0.75%受这两个因素以外的其他因素影响。由弹性系数（偏回归系数，分别是0.037716和1.063269）知，在国民生产总值和总税收这两个因素里面，财政收入受到税收收入的影响较大。
（四）实证分析结论
由税收的弹性系数为1.063269可知，税收是连云港市经济发展的重要力量，连云港市的税收增加1%，其财政收入将增加1.063269%，GDP增加1%，财政收入将增加0.037716%。由模型可以看到，要想增加连云港市的财政收入，提高税收是最直接的办法。但过高的税收对于社会经济的发展并不一定有利，拉夫曲线说明高税率不一定会促进经济的增长，所以，要增加财政收入，连云港市不一定要采取提高税率或者增加税种这样的方式，如果连云港市的国民生产总值提高，经济总量扩大，财政收入也会增加。
三、相关对策
国民生产总值范文第3篇
国际上发达国家的评判标准为这个国家的国民生产总值，工业化水准和科学技术水准和国民的受教育程度、国家文盲率、国民幸福度和国民平均寿命均较高。发达国家是指那些经济和社会发展水准较高，人民生活水准较高的国家，普遍特征是较高的人类发展指数、人均国民生产总值、工业化水准和生活品质。
发达国家生产力水平高度发达，国民生产总值和人均国内生产总值比较高的国家，产业结构先进，在国民经济结构中第三产业所占比重一般大于60%。经济运行机制成熟，市场机制和市场体系健全，经济发展很有用很有优势，管理不错，并有比较完善的宏观经济调控体系。经济国际化程度高，外贸对外出口方面比较多多质量总体高，外贸在世界贸易总额中占据较大份额，金融市场高度国际化，跨国公司高度发展。
（来源：文章屋网 ）
国民生产总值范文第4篇
【关键词】 国内生产总值;国民生产总值;引进来;走出去;均衡发展
随着经济全球化进程的不断深化,各国经济增长呈现GDP与GNP差距扩大的趋势,把GDP与GNP的关系作为切入点,分析二者差距不断扩大的原因,在利用外资拉动经济增长的同时,大力实施“走出去”战略,寻求“引进来”和“走出去”的均衡发展,这是我们参与经济全球化能力的重要体现。
一、国内生产总值与国民生产总值的关系
国民收入是反映一国一定时期内(通常为1年)投入的生产资源所产出的最终产品和服务的市场价值或由此形成的收入的一个数量指标。国际通行的统计方式有两种――国内生产总值(GDP)与国民生产总值(GNP)。国内生产总值是以一国领土为标准,指的是在一定时期内一国境内生产的产品与服务的总值;国民生产总值则是以一国国民为标准,指的是在一定时期内一国国民生产的产品与服务的总值。二者的关系等式为:GNP = GDP + NFP。其中,NFP代表本国国民在外国境内的收入减去外国国民在本国境内的收入,即本国从外国取得的净收入,这些收入是由生产要素资本与劳动的国际间流动引起的,故称为净要素收入,具体包括付给工人的净报酬、净投资收入。当存在着一国向另一国无偿捐赠的现金或其他实际资源时,这一单方面转移也应包括在其中。
二、国内生产总值与国民生产总值的差距
净要素收入(NFP)这一指标的大小与正负,决定着一国在一定时期内国民生产总值与国内生产总值的差距大小。随着经济全球化进程的不断深化,各国经济增长呈现GDP与GNP差距扩大的趋势。上世纪80年代以前,大多数国家和地区的GDP与GNP相差甚微。在经济全球化不断加快发展的过程中,出现了一个明显的GDP与GNP差距持续扩大的趋势。许多发达国家的GNP都大于GDP,发达国家到海外投资多,他们在国内和国外共同创造的总经济价值远高于国内生产总值。许多发展中国家的情形则截然相反,GNP常常小于GDP的增长。各国资本和劳动等生产要素比较优势的差异性以及跨国流动的不均衡性,是许多国家GDP与GNP差距不断扩大的最主要原因。1993年以后,我国吸收外商直接投资在发展中国家一直位居首位,对外投资整体规模较小,导致GNP慢于GDP的增长。GDP与GNP差距的持续扩大折射出我国在“引进来”和“走出去”两方面发展的失衡。
三、实施“引进来”与“走出去”的均衡发展
1.充分认识和发挥对外投资的作用。我国还是一个发展中国家,人均GDP水平还很低。按照传统的对外投资理论,还没有到大规模对外投资的发展阶段。经济发展水平并不是决定对外投资的唯一因素,在经济全球化的条件下,全球竞争演变为以跨国公司数量和在国际范围内整合资源能力为主的竞争。应充分认识对外投资在“走出去”以及国民经济发展中的作用,积极培育中国式跨国公司的发展,提高我国全球配置资源的能力。
2.以国内产业为依托提高核心竞争力。对外投资要以国内产业为依托。我国国内市场已由“卖方市场”转变为“买方市场”,实现产业结构调整和优化已成为我国经济持续发展的内在要求。当前要以纺织、轻工、机电为重点,积极开展境外加工贸易,建立海外生产制造基地,实现“全球生产,全球经营”。从国内产业升级发展出发,要求“走出去”更好地利用国外科技资源,到科技资源密集的地方,设立研发机构或高新技术企业,开发生产具有自主知识产权的高新技术产品,提高我国企业的核心竞争力。
3.利用国外资源来缓解国内资源短缺的约束。从理论上来讲,获取境外资源可以通过对外贸易和对外投资两种方式,但是越来越多的国家对初级形态的资源出口采取限制政策,国家间争夺能源的斗争日趋激烈。通过对外投资,加强海外重要战略资源的供应保障,不仅可以有效缓解国内重要资源的供求矛盾,切实维护国家经济安全,而且在后金融危机贸易保护主义愈演愈烈的情况下,不断提高对外开放水平。
4.继续发挥比较优势力争成为劳务出口的大国和强国。劳务输出是缓解国内就业压力、促进GNP增长的重要途径。我国劳动力资源丰富、价格低廉,这种比较优势不应仅体现在我国的出口和吸收外资中,还应该充分体现在“走出去”之中。要把劳务输出放到与出口和引资同等重要的地位,进一步加强各部门管理职能的协调和整合,提高我国劳务人员的整体素质。同时,规范对外劳务合作经营秩序,维护外派劳务人员的合法权益。
参考文献
[1]单忠东,綦建红.《国际金融》(第二版).北京大学出版社,2006
国民生产总值范文第5篇
“亚洲世纪”
此前经常是美国等富裕国家对贫穷国家发出这样的警告。但是最近这些日子里，情况发生了很大改变。中国这样的崛起巨人变得更为强大，更具经济竞争力，腰包也鼓了起来。
尽管遇到了70年未见的“全球性”经济不景气，但中国人的信心还反而提高了，从这个层面上看，事实上这种灾难算不上是“全球性的”。
金融危机使得富裕国家经济萎缩，而对于新崛起的巨人，经济只不过是放缓了而已。今年的预期国民生产总值，美国以及欧洲将缩水3％，日本经济缩水要接近6％，而中国将增长7％，印度也将增长5％。
这样的经济增长差距，势必会重塑未来的世界经济。高盛首席经济师吉姆・奥内尔预测，主要的新兴市场巴西、俄罗斯、印度以及中国(“金砖四国”)的整体国民生产总值，将在2027年之前超过7国集团国家的整体国民生产总值。
高盛预测，从2011到2050年，俄罗斯将仅增长2.8％，巴西为4.3％，中国为5.2％，印度则为6.3％。 如果那些数据预测准确的话，那么在接下来的20年里，世界上前4个经济体――中国、美国、印度以及日本当中的3个都位于亚洲。“亚洲世纪”为期不远。
目前，中国遇到的一个大问题是，它的经济发展主要依赖于对西方国家的出口，而不是国内消费。印度情况则好些，印度的消费支出占国民生产总值的60％，这也是印度经济受经济危机影响较少的主要原因。
比起富裕的国家，“金砖四国”的经济复苏较为容易。在富裕国家的宏观经济环境持续恶化的时候，新崛起的巨人们具有更好地控制通货膨胀的能力、较低的赤字、与日俱增的生产力、斥资较大的社会事业项目，以及较好的政治稳定性。
更重要的是，“金砖四国”从富国的愚蠢当中学到了很多经验教训。强有力的控制监管使印度和中国金融市场在信贷危机当中几乎安然无恙。最近德意志银行公布的一份报告预测，在2018年以前，中国将和美国、欧盟一样成为世界上支配性金融市场之一。中国将占据全球债券市场的13％，产权市场的40％以及金融市场的18％。
国民生产总值范文第6篇
关键词：短期国际资本流动；广义货币供应量；经济波动
Analyses the short-term international capital "broad money supply and economic fluctuation
ZhangJinTao nanjing university business school，
Pick to： this paper build up short-term international capital to the entity economy influence theory model， and the short-term international capital， the broadest measure of money supply and GDP of the relationship between the empirical research. The study found that short-term international capital affect the real economy of the transmission mechanism is： in the short term， the short-term international capital flow significant cause the broadest measure of money supply change， generalized changes in the money supply and significant lead to GNP appear fluctuation. This paper further combined with impulse response function and variance decomposition short-term international capital flow scale fluctuation rate and economic growth rate， the relationship between the scale of international capital flows found short-term volatility is economic growth fluctuatesthe single Granger cause， The wave of the economic growth around 20% was due to short-term international capital flow scale fluctuation rate happened caused by different dynamic.
Keywords： short-term international capital flow； Broad money supply； Economic fluctuation
1 引言
自2002年以来，随着境外短期国际资本的大规模持续涌入，我国国内相继发生了房地产市场泡沫、股市上涨、人民币升值、流动性过剩和通货膨胀。2007年美国次贷危机爆发并引发国际金融危机之后，全球金融机构的“去金融杠杠化”趋势强化，外部冲击下的国内经济形势剧烈演变，潜入的短期国际资本又出现逆转势头，与之伴随着的是国内货币政策困境、人民币汇率波动、股指大跌，以及经济增长放缓。因此，从当前中国的现实国情出发，分析短期国际资本对我国实体经济的影响及其传导渠道，科学而前瞻地研究短期国际资本流动和经济增长率波动的关系，无疑是理论界和实务部门面临的重要课题，同时也可为妥善应对当前的金融危机提供重要思路。
2 文献回顾
值得注意的是，国内外比较缺乏短期国际资本流动和实体经济关系的专门性研究成果。国外最新研究成果主要集中在以下两方面：（1）国际资本流动的影响因素及其多元化资产配置效应。如Edwards［1］，Papaioannou［2］等。（2）资本流入对东道国宏观经济变量所产生的影响。研究表明，资本过度流入会导致宏观经济过热，具体表现为：一是引起货币扩张，增大通货膨胀压力［3］；二是导致实际汇率升值，恶化贸易条件［4］；三是影响总需求［5］。
梳理并综合目前国内关于短期国际资本的研究文献，大致分为三类。第一类主要是研究短期国际资本的估算方法。尹宇明、陶海波使用的计量方法为：短期国际资本规模=国际收支净误差与遗漏+私人非银行部门短期资本流入+以其它名义通过正常渠道流入的短期投机资本［6］。唐旭、梁猛认为，短期国际资本从贸易渠道流入的成本较大，短期国际资本主要是通过外资企业的利润留存、外国直接投资折旧和外资投资企业的外债等三个渠道流入中国［7］。
第二类文献主要分析影响短期国际资本流入我国的影响因素。代表性文献有：王世华、何帆发现，人民币升值预期是中国短期国际资本流动的决定因素，良好的宏观经济运行状况也会吸引短期国际资本流入［8］。张谊浩、裴平、方先明的研究结论认为大量短期国际资本流入中国大陆除出于“套利”动机外，还出于“套汇”和“套价”动机［9］。
第三类文献主要分析短期国际资本流入对我国资产价格的影响。刘莉亚研究结果表明：短期国际资本的大量流入显着推动住宅价格尤其是豪华住宅价格指数的上升［10］。张谊浩、沈晓华发现，人民币升值和上证综合指数上涨是短期国际资本流入中国的原因，但短期国际资本流入并不是上证综合指数上涨的原因［11］。
国内外研究成果对本文的实证分析具有重要启示与借鉴意义。但考虑到目前的文献尚缺乏针对短期国际资本流动与国内实体经济，特别是与经济增长率波动关系的专门成果，这与中国当前经济稳健运行的现实要求极不相符。为此，本文将从短期国际资本流动对实体经济影响机制，以及短期国际资本流动波动率变化对经济增长率的影响等方面展开研究。
3 理论模型
根据货币供给的乘数理论，假设在短期内广义货币供应量（M2）为外生变量，货币供应量主要由基础货币供应量（H）与货币乘数（λ）共同决定。假设，短期国际资本对广义货币供应量影响的滞后期及广义货币供应量对产出影响的滞后期分别为a、b。在t期，广义货币供应量表达式如下
由（13）式可知：当短期国际资本流动SCFt-a-b0，若t+1-a-b期短期国际资本流动波动率高于t-a-b期短期国际资本流动波动率，经济增长率会上升；反之，则经济增长率会下降。值得注意的是，本模型推导过程中隐含着短期国际资本对实体经济的影响机制，即短期国际资本主要通过直接影响广义货币供应量来影响产出变化。
4 样本选择及其描述
结合近年来国内经济的实际状况，并考虑到数据的可获性，本文选择2000年第一季度到2008年第四季度的短期国际资本流动、广义货币供应量和实际国民生产总值的季度数据进行实证研究。本文所涉及的数据均来源于WIND资讯系统。
4.1 实际国内生产总值（GDP）与广义货币供应量（M2）
本文运用价格指数对国内生产总值进行处理得到不变价格国内生产总值的季度数据。由于不变价格国内生产总值季度数据是一组具有较强季节特征的时间序列数据，这里对其进行季度调整，调整后的数据作为2000～2008年每季度的实际国内生产总值。同时，考虑到我国目前利率市场化程度低，参照第二部分理论模型的推导结论，本文选取广义货币供应量M2作为短期国际资本对GDP进行传导的中间变量。
4.2 短期国际资本流动（SCF）
本文参考并改进张谊浩、沈晓华［11］计量短期国际资本流入规模的方法估算短期国际资本流动规模。具体测算公式
短期国际资本流动=外汇储备增量-FDI-正常的贸易顺差
在计算正常的贸易顺差时，本文改用加权移动平均法。在确定权重时，首先算出2000～2004年各季度贸易顺差的估计值，贸易顺差估计值的确定方法为：当期季度贸易顺差的估计值=当期季度前四个季度贸易顺差估计值的移动平均值，例如2000年第一季度贸易顺差估计值为1999年四个季度贸易顺差的均值，2000年第二季度贸易顺差的估计值为2000年第一季度贸易顺差估计值和1999年第二季度到第四季度贸易顺差的均值。然后将各季度实际的贸易顺差除以对应时期的贸易顺差的估计值，将这些比率的均值确定为权重。经计算，权重为1.16。基于2000～2004年我国贸易顺差的变化比较平滑，2004年以后我国的贸易顺差出现较大的波动，本文认为2000～2004年统计的贸易顺差额为正常贸易顺差，2004年以后，统计的贸易顺差中含有大量的短期国际资本。此外，考虑到在人民币升值时，以美元计量的贸易顺差会有所扩大，为消除人民币升值对所估算的正常贸易顺差额的影响，本文采用汇率修正，以人民币计价各季度贸易顺差金额。
4.3 经济增长率（GDP_R）和短期国际资本流动波动率（SCF_R）
本文中各季度经济增长率（GDP_R）的计算公式是：本期经济增长率=（季度调整后本期实际国民生产总值/季度调整后上期实际国民生产总值-1）×100。各季度短期国际资本流动波动率（SCF_R）的计算公式是：本期短期国际资本流动波动率=A×本期短期国际资本流动/上期短期国际资本流动（当本期和上一期短期国际资本流动都大于零，或者本期短期国际资本流动小于零且上一期短期国际资本流动大于零时，则A=1；当本期和上一期短期国际资本流动都小于零，或者本期短期国际资本流动大于零且上一期短期国际资本流动小于零时，A=-1）。经上述方法计算出的我国经济增长率和短期国际资本流动波动率走势参见图1。
5 实证检验
表1给出所有相关变量的单位根检验结果。由表1可知，对于变量GDP、SCF和M2的水平值序列，ADF检验不能拒绝存在单位根的原假设，这说明三个变量的时间序列都是非平稳的；同时，对于这三个变量的一阶差分序列，ADF检验都在1%的显着性水平下拒绝单位根存在的原假设。根据以上检验结果，可认为这三个变量都是单整变量。同时，对于变量GDP_R和SCF_R的水平值序列，ADF检验在1%的显着水平上拒绝存在单位根的假设，该结果说明这两个序列是平稳的。
5.1 短期国际资本流动影响实体经济的传导机制
由单位根检验可知，DGDP、DSCF和DM2三变量均为平稳序列（见表1），可以进行格兰杰因果关系检验。根据SC和AIC准则确定滞后期为2，检验结果见表2。
从表2可以看出，短期国际资本流动的变化量（DSCF）是广义货币供应量变化量（DM2）的Granger原因，但是广义货币供应量变化量（DM2）不是短期国际资本流动的变化量（DSCF）的Granger原因；广义货币供应量变化量（DM2）与实际国民生产总值变化量（DGDP）互为Granger因果关系；短期国际资本流动的变化量（DSCF）和实际国民生产总值变化量（DGDP）之间不存在显着的Granger因果关系。可以证明：短期国际资本流动不会对国民生产总值产生直接效应，但会通过影响广义货币供应量，进而对国民生产总值产生间接效应。该实证结论部分可以佐证前文理论模型中短期国际资本对实体经济的影响机制。
5.2 短期国际资本流动波动率与经济增长率
5.2.1 Granger因果关系检验
在确定短期国际资本净流动波动率（SCF_R）和经济增长率（GDP_R）这两个序列平稳的基础上（参见表1），本文运用2000年第二季度到2008年第四季度的数据，对两个变量的Granger因果关系进行检验，检验结果见表3。从表3的检验结果可知，短期国际资本流动波动率是经济增长率的Granger原因，但是经济增长率不是短期国际资本流动波动率的Granger原因。
5.2.2 脉冲响应和方差分解
为分析经济增长率对短期国际资本流动波动突发性变化的反应，本文利用VAR（2）模型给出经济增长率和短期国际资本流动波动率的脉冲响应图形和方差分解图形，分别见图2和图3。
经济增长率和短期国际资本流动波动率的交叉响应函数表明（见图2），短期国际资本流动波动率的非预期变化将迅速对经济增长率产生正向影响，随着时间的推移逐渐减弱，直至消失。但是，经济增长率发生变动对短期国际资本流动波动率影响不显着。
图3结果显示，造成经济增长率发生剧烈波动有20%左右是由短期国际资本流动波动率异动引起；同时，经济增长率发生剧烈波动对短期国际资本流动影响不大。
6 结论
本文构建起短期国际资本流动对实体经济影响的理论模型，并运用相关统计数据进行实证研究。研究结果表明，短期国际资本流动影响实体经济的渠道是：在短期内，短期国际资本流动显着引起广义货币供应量的变化，广义货币供应量的变化又会显着导致国内生产总值的波动。同时结合短期国际资本流动波动率与经济增长率的样本数据，实证检验发现短期国际资本流动的变动将引起经济增长率发生波动，脉冲响应函数的结果进一步证实了上述结论。通过方差分解，本文还发现造成经济增长率发生剧烈波动中有约20%是由于短期国际资本流动波动率发生异动所致。
参 考 文 献：
［1］Edwards S. Capital controls， capital flow contractions， and macroeconomic vulnerability［R］. NBER Working Paper， 2007.
［2］Papaioannou E. What drives international financial flows？ Politics， institutions and other determinants［J］. Journal of Development Economics， 2009， 88（2）： 269-281.
［3］Filer L H. Large capital inflows to korea： the traditional developing economy story［J］. Journal of Asian Economics， 2004， （15）： 99-110.
［4］Athukorala P C， Rajapatirana S. Capital flows and the real exchange rate： a comparative study of asia and latin america［R］. The World Economy， 2003， 26（4）： 613-637.
［5］Celasun O， Denizer C， He D. Capital flows， macroeconomic management and the financial system： the turkish case， 1889-1897［R］. World Bank Working Paper， 1999.
［6］尹宇明，陶海波.热钱规模及影响［J］.财经科学，2005，（6）：131-137.
［7］唐旭，梁猛.中国贸易顺差中是否有热钱， 有多少［J］.金融研究，2007，（9）：1-19.
［8］王世华，何帆.中国的短期国际资本流动［J］.世界经济，2007，（7）：12-19.
［9］张谊浩，裴平，方先明.中国的短期国际资本流入及其动机——基于利率、汇率和价格三重套利模型的实证研究［J］.国际金融研究，2007，（9）：41-52.
国民生产总值范文第7篇
经济萧条：当经济衰退连续超过3年，或者实际GDP（实际国民生产总值）负增长超过10%时称为经济萧条。
经济衰退的判断标准是实际GDP（实际国民生产总值）至少连续两个季度下降。
表现：
国民生产总值范文第8篇
关键词：房地产投资 资量预测 开支预测
随着我国国民经济的迅速发展，国民收入不断提高，人们的理财观念也逐步开放，需要多渠道、多品种、高收益的投资渠道。然而房地产投资具有开发周期长、投资大、受环境影响大和风险大的特点，只有科学地对房地产投资供给量和需求量进行预测，才能使投资者避开风险。
1 房地产投资量预测的模型
房地产的投资量与人口数量、国民生产总值和环境因素相关，因此可以建立多元回归模型如下：
Y=bO+B1X1+B2X2+B3X3+μ…………（1）
其中 Y：房地产投资量
X1：人口
X2：国民生产总值
X3：环境因素
μ：随机扰动项
以上各指标1994年―2008年某地区历史数据如下表：
该地区1994―2008年房地产投资量与相关因素数据
经TSP软件运行，得结果如下：
Y=-79.565+0.146X1+0.044X2+40.958X3…………（2）
（5.04） （10.34） （2.25）
R2=0.999
F=4557.431
DW=2.501
给定显著水平α=0.05，查t、F及DW统计表各临界值分别如下：
n-k-1=15-3-1=11
t0.025（11）=2.201
F0.05（3,11）=6.22
DW临界值：d1=0.82，du=1.75
因为 t1.2.3>t0.025（11）F>F0.05（3，11）
du
所以，回归系数和回归方程均显著，不存在自相关。
房地产投资量的实际值Y与预测值Ŷ如表2
2 房屋需求的开支预测模型
房屋的需求开支与人口数量，人均国民生产总值和环境因素有关，因此可以建立多元回归预测模型如下：
YY=ao+a1XX1+a2XX2+a3XX3+µ……………（3）
其中YY：房屋需求开支
XX1：人口
XX2：人均国民生产总值
XX3：环境因素
μ：随机扰动项
以上各指标1994年―2008年历史数据如下表：
该地区1994―2008年房屋需求开支与相关因素数据
经TSP软件运行，得结果如下：
YY=-101.719+0.142XX1+0.0022XX2+68.871XX3…………（4）
（3.705）（4.642）（2.231）
R2=0.998
F=2036.741
DW2.215
经检验，以上各统计量在显著水平α=0.05下均显著，方法同前所述。
房屋需求开支的实际值YY与拟合值yy如表4
3 房地产的投资量与需求开支预测
利用式（2）和式（4）对房地产投资量与需求开支进行预测，首先对各解释量进行预测。采用时间序列回归分析法，各解释变量预测公式和t、R2及F统计量如下：
X1=522.390+14.718T t=56.22 R2=0.996 F=3160.918
X2=2.41+32.644T-6.543T2+0.449T3
（3.249）（-4.560）（7.594）
R2=0.991 F=423.037
X3+0.299+0.029T t=23.328 R2=0.977 F=544.217
XX1=X1
XX2=X2/X1
XX3=0.426+0.021T t=20.980 R2=0.971 F=440.145
其中从2002年到2006年T分别取1～15。
通过检验，以上各式各统计量在显著水平α+0.05下均显著，那么可以对各解释变量预测，计算结果如表5。
将表5各变量预测值分别代入式（2）和式（4），某地区房地产投资量和需求开支预测结果如表6。
4 结论
无论是房地产需求量还是房地产投资量，都要受到许多因素的影响，而这其中相当一部分是不可直接量化的模糊影响因素。本文将与房地产投资和需求有关的主要因素嵌入多元回归模型这种方法可以较地解决这一问题，从而提高了房地产投资和要求预测的合理性和科学性。
参考文献：
[1] 刘纪辉．基于多元回归分析房地产价格的影响因素[J]．湖北工业大学学报，2008(8)：87―9O．
[2] 庞皓．计量经济学[M]．北京：科学出版社，2007：129―210．