基于随机森林方法的中国经济增长动力研究

       中图分类号：F061.1

       文献标识码：A

       文章编号：1000-7636(2015)03-0003-05

       1978年以来，中国经济高速增长，国民经济综合实力迅速增加，中国一跃成为世界第二大经济体，但是次贷危机对世界及中国经济造成了巨大影响，经过强有力的刺激政策，中国经济出现了短暂的恢复性增长，之后呈现逐渐下降态势。对于中国这样一个发展中国家，保持较高的经济增长速度仍然是中国实现一切发展目标的根本条件，因此，研究中国经济增长所处的阶段及其影响因素，对于中国下一时期的政策选择具有重大的意义[1]。

       在宏观经济分析中一般将资本形成、消费和净出口称为经济增长的“三驾马车”，这是三大因素对一个经济体增长提供拉动力的形象化比喻。国内外许多学者对经济增长做出了卓有成效的研究，分析了各构成要素对经济增长的贡献。本文将使用中国1978-2012年的数据研究“三驾马车”对中国经济增长贡献的大小。

       一、基于多元线性回归模型的增长动力测度

       研究多变量问题最普遍、最经典的模型是多元线性回归模型。多元线性回归模型是利用线性回归方程研究解释变量与被解释变量关系的一种方法，其基本思想是通过解释变量的已知或设定值去估计和预测被解释变量(总体)的均值[2]。

       (一)多元线性回归模型的拟合

       本文使用的1978-2012年的国内生产总值、消费、投资、净出口的数据来自于《中国统计年鉴2013》，分别用代表国内生产总值、消费、投资、净出口的增长率，建立如下多元线性回归模型：

      

       从该模型的基本情况来看，消费、投资、净出口的参数估计假设检验分比在0.01、0.01和0.1的显著性水平下显著，F检验在0.01的显著性水平下显著。决定系数为0.9369，说明白变量可以解释绝大部分因变量。从该模型可以得出这样的结论，消费对中国经济增长的贡献最大，其次是投资，最后是净出口。假如一个变量变动时，在其他变量保持不变的情况下，消费的影响力是投资的2.714倍，是净出口的4530.445倍。这与中国最近30年经济增长一直将投资作为主要着力点的经济运行趋势是背离的，说明本模型对经济运行的解释能力不足，模型设计的准确性还需要进一步检验。

       经典的多元线性回归模型要求数据符合6条经典假设，目前的很多研究并没有对这些假设进行充分的检验，仅仅依靠t检验和F检验，便判断模型是合理的，因此得出的结论缺乏足够的科学性。这6条经典假设分别为：(1)回归模型是正确设定的；(2)解释变量是非随机的或固定的，且各解释变量之间不相关(无完全多重共线性)；(3)各解释变量在所抽取的样本中具有变异性，而且随着样本容量的无限增加，各解释变量的样本方差趋于一个非零的有限常数；(4)随机误差项具有条件零均值、同方差及序列不相关性；(5)解释变量与随机项不相关；(6)随机项满足正态分布[2]。

       (二)多元线性回归模型的讨论

       本文分别使用杜宾—瓦森检验(D.W.Test)[2]和夏皮罗—威尔克正态分布检验(Shapiro-Wilk Normality Test)[3]来检验第4条和第6条假设。

       1.杜宾—瓦森检验(D.W.Test)

       杜宾—瓦森检验(D.W.Test)的零假设为解释变量不存在一阶自相关性，构造的统计量为：

      

       当D.W.值在2附近时，模型不存在一阶自相关。本文构造的多元线性回归模型的D.W.值为1.3939，P值为0.02127，在0.05的显著性水平下检验显著，可以拒绝零假设，解释变量存在一阶自相关性，即存在序列相关性。

       序列相关性对模型的解释能力会产生一系列的不良后果：一是参数估计量不再有效，其普通最小二乘估计虽然具有线性无偏性，但不具有有效性；二是变量的显著性检验失去意义，变量的显著性检验使用的t检验，要求随机干扰项具有同方差并且相互独立；三是模型的预测精度下降，在方差估计不准的情况下，模型的预测精度也随之下降。[2]