基于主成分分析的我国GDP影响因素实证分析

提 纲

1.引言 2.计量模型

2.1确定模型的解释变量 2.2主成分分析

2.2.1选择主成分分析方法的缘由 2.2.2确定模型的数学形式

2.2.3对GDP影响因素的主成分分析过程 2.3参数估计及检验 2.3.1拟合回归模型

2.3.2回归检验法检验序列相关 2.3.3异方差性检验 2.3.4修正后模型

2.4 1989—2002年中国GDP贡献率和影响因素分析 3.结论和政策建议

摘 要：本文利用主成分分析的方法，从国民经济核算支出法的角度，对影响我国国内生产总值的七个因素建立计量模型，并进行实证分析。通过一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1989—2002年间我国经济增长的情况。由此来分析所选取的这七个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题，从而找出相应的对策。

关键词： GDP 计量分析 主成分分析 影响因素

Abstract： The method that this text utilizes main composition to analyze, in

terms of expenditure approach of the national business accounting, set up the model of measuring to seven factors which influence the gross domestic product of our country, and carry on real example analysis. Through a series of statistical analysis and method of inspection, fit out finer GDP model, draw the situation of the economic growth of our country among 1989-2002. Come seven variable situation of contributing in GDP these chosen to analyses, combine the present macroeconomic situation of our country, find out the existing problem of economic development at present, thus find out the corresponding countermeasure.

Keywords： GDP Econometric Analysis Principal Component Analysis Influence factor

基于主成分分析的我国GDP影响因素实证分析 作者：赖 艳 指导老师：刘小瑜 1. 引言

改革开放以来，中国经济取得了令全世界震惊的巨大成就，持续25年年均增长率超过9%，经济总规模已经稳居世界第6位。2003年中国经济增长率更是高达9.1%，比国际组织预测的全球主要国家的经济增速高两倍左右。因此，许多专家学者指出，我国目前的经济形势是上世纪90年代中期以来最好的。[①]由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。尤其从1985年我国开始正式统计GDP后，它就越来越受到人们的关注。GDP的核算中有许多因素在起着作用，为此，本文拟从定量研究的角度出发，通过主成分分析的方法对国内生产总值GDP的影响因素作计量模型的实证分析，以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出一点自己的看法。

2. 计量模型

2.1确定模型的解释变量

核算GDP有生产法，收入法和支出法三种方法，其中支出法是从社会产品最终使用去向的角度来核算GDP的，即积累、消费与出口。GDP=总投资+总消费+净出口，而本文选择影响GDP的因素（解释变量）正是基于最终使用的角度考虑的。这是因为支出法的核算对象具有完整的实物形态，各因素的统计资料比较易于收集。

本文将GDP模型的解释变量确定为税收（SS），社会消费品零售总额（XFP），全国固定资产投资（TZ），从业人口数（RK），教育投资（JY），实际利用外资额（WZ），进出口总额（JCK）7个变量。之所以选择以上因素作为解释变量，是因为：税收是国家财政收入的主要来源对经济总量的积累有重要作用。社会消费品零售总额从实物形态上反映了社会总消费的规模，对GDP有决定性影响。固定资产投资包括基本建设，更新改造，房地产投资及城乡各种固定资产投资等，在总投资中占很大比重，对GDP影响较大。实际利用外资额反映一个国家的对外开放程度，扩大利用外资的规模仍然是加快我国经济发展和体制变革的重要因素，同时通过利用外资能够有效地带动我国产业结构的调整优化。[②] 因此实际利用外资对于GDP增长的作用可见一斑。进出口总额的规模对GDP的大小有很重要的影响。而国家财政性的教育投资经费关系到对人力资本的培养，对GDP有创造性的贡献。另外，经济活动以人为本，劳动力是生产发展中最活跃的因素，是重要的生产资源，从业人口数也是促进经济增长的生力军。

2.2主成分分析

2.2.1 选择主成分分析方法的缘由

对于以上所选取的因素（解释变量），从定性方面探讨无法确定其重要程度，显然也很难确定哪一个是主要因素，哪一个是次要因素。由于它们之间有切实的内在联系，在一定程度上反映的信息有所重叠。只凭经验或单纯的定性分析，会有主观性和任意性。由于各因素的相互关联和相互依赖，不适合建立一般的逐步回归模型，而宜采用主成分分析的方法。主成分分析就是设法将原来众多具有一定相关性的指标，重新组合成一组新的相互无关的综合指标，来替代原来的指标。通常数学上的处理就是将原来P个指标做线形组合，作为新的综合指标。通过这样简化结构，消除变量之间的多重共线性。找出影响GDP的一个或少数几个综合指标，使综合指标为原来变量的线形组合。选取的第一个线形组合，我们要求它的方差是最大的，这样它所包含的信息就越多，将它称作第一主成分。如果第一主成分不足以代表原来P个指标的信息，即第一主成分的累积贡献率没有达到85%以上，那么就再考虑选取第二主成分。依次类推可以选出第三、第四??第

k个主成分。这些主成分之间互不相关，且它们的方差依次递减。这样，选出的综合指标不仅保留了原始变量的主要信息，彼此之间又不相关，比原始变量具有更优越的性质。用筛选出的主要因素构造回归系数，要比一般回归模型精度更高。

2.2.2 确定模型的数学形式

将著名的柯布—道格拉斯Cobb-Dauglas生产函数推广建立GDP模型。本文中构建的GDP模型，正是将劳动和资本细化分解为七个影响经济增长的主要因素，即：

、

(2.1)

为了计算的方便，对式（2.1）两边取对数使之线形化，即：

(2.2)

2.2.3对GDP影响因素的主成分分析过程

样本数据如下：

表2.1 1989—2002年中国GDP及其影响因素 year GDP SS XFP 8101.40 8050.53 9106.00 TZ RK JY WZ JCK 4156.00 5560.10 7225.80 9119.60 1989 16909.20 2727.40 1990 17625.43 2821.86 1991 19232.27 2990.17 4410.40 55329.00 5294327.10 100.59 4517.00 64749.00 6577836.30 102.89 5594.50 65491.00 7315028.20 115.54

1992 21935.25 3296.91 10332.42 8080.10 66152.00 8670490.50 192.02 1993 24812.62 4255.30 10864.95 13072.30 66808.00 10599374.40 389.60 11271.00 1994 27945.33 5126.88 13106.12 17042.10 67455.00 14887812.60 432.13 20381.90 1995 30461.47 6038.04 17608.88 20019.30 68065.00 18779501.10 481.33 23499.90 1996 33432.26 6909.82 22875.44 22913.50 68950.00 22623393.50 548.04 24133.80 1997 36303.40 8234.04 26555.35 24941.10 69820.00 25317325.70 644.08 26967.20 1998 39137.17 9262.80 29387.60 28406.20 70637.00 29490592.00 585.57 26849.70 1999 41946.03 10682.58 31576.77 29854.70 71394.00 33490416.40 526.59 29896.20 2000 45471.11 12581.51 34016.53 32917.70 72085.00 38490805.80 593.56 39273.20 2001 48653.65 15301.38 37333.86 37213.50 73025.00 46376626.20 496.72 42183.60 2002 52691.91 17636.45 40951.45 43499.90 73740.00 57213764.50 550.11 51378.20 资料来源：《中国统计年鉴2003》，以1989年价格推算。

data ly;

input year $ GDP SS XFP TZ RK JY WZ JCK; LnGDP=LOG(GDP); LnSS=LOG(SS); LnXFP=LOG(XFP); LnTZ=LOG(TZ); LnRK=LOG(RK); LnJY=LOG(JY); LnWZ=LOG(WZ); LnJCK=LOG(JCK); Cards;

利用SAS软件对上述影响GDP的7个因素的对数化形式进行主成分分析：

; run;

proc princomp out=prinly;

var LnSS LnXFP LnTZ LnRK LnJY LnWZ LnJCK;

run;

Principal Component Analysis

表2.2 Correlation Matrix LNSS LNXFP LNTZ LNRK LNJY LNWZ LNJCK LNSS 1.0000 0.9858 0.9594 0.8376 0.9933 0.8382 0.9602 LNXFP 0.9858 1.0000 0.9581 0.8317 0.9887 0.8547 0.9549 LNTZ 0.9594 0.9581 1.0000 0.8646 0.9777 0.9536 0.9891 LNRK 0.8376 0.8317 0.8646 1.0000 0.8755 0.8016 0.8957 LNJY 0.9933 0.9887 0.9777 0.8755 1.0000 0.8760 0.9821 LNWZ 0.8382 0.8547 0.9536 0.8016 0.8760 1.0000 0.9257 LNJCK 0.9602 0.9549 0.9891 0.8957 0.9821 0.9257 1.0000

表2.3 Eigenvalues of the Correlation Matrix

PRIN1 PRIN2 PRIN3 PRIN4 PRIN5 PRIN6 PRIN7

Eigenvalue Difference 6.52326 0.22796 0.21388 0.02284 0.00973 0.00182 0.00050 6.29530 0.01408 0.19104 0.01311 0.00791 0.00132 Proportion 0.931894 0.032566 0.030554 0.003263 0.001390 0.000260 0.000072 Cumulative 0.93189 0.96446 0.99501 0.99828 0.99967 0.99993 1.00000 表2.4 Eigenvectors

LNSS PRIN1 0.381537 PRIN2 -.425175 -.406220 PRIN3 0.145705 0.069480 PRIN4 -.173564 0.673982 PRIN5 0.608146 -.416320 PRIN6 PRIN7 0.428397 0.262558 -.046126 0.234387 LNXFP 0.381469

LNTZ LNRK LNJY LNWZ 0.388626 0.353290 0.388271 0.019606 0.640194 -.240235 0.055847 -.239131 0.654830 0.115388 -.687660 -.042012 -.178630 0.158992 -.090283 0.267296 -.615499 0.235207 0.093781 -.015738 0.129116 -.613026 -.802309 -.001103 -.103740 0.221141 0.245910 0.049607 -.871239 0.200865 0.362058 0.427957 0.333141 -.117426 LNJCK 0.388879 从以上的主成分分析运行结果可以看出，第一个特征根的累积贡献率达到了93.19%，这说明第一个主成分代表了原来七个因素93.19%的信息，则第一主成分与原来变量之间的线形组合为：

Pirnt1 = 0.382LnSS+0.381LnXFP+ 0.389LnTZ+ 0.353LnRK+ 0.388LnJY+ 0.362LnWZ+ 0.389LnJCK （2.3）

2.3 参数估计及检验

2.3.1 拟合回归模型

我们使用Eviews3.0来建立Print1和 LnGDP之间的线形方程，假设为：

LnGDP=C+aPrint1

=C+0.382LnSS+0.381LnXFP+0.389LnTZ+0.353LnRK+0.388LnJY+0.362LnWZ+

0.389LnJCK （2.4）

表2.5 Dependent Variable: LNGDP Method: Least Squares Date:05/25/04 Time:14:07 Sample: 1989 2002 Included observations: 14 Variable C PRINT1 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient 4.011427 0.232190 Std. Error 0.200795 0.007370 t-Statistic 19.97773 31.50622 Prob. 0.0000 0.0000 10.32711 0.382213 -3.301551 -3.210257 992.6418 0.000000 0.988055 Mean dependent var 0.987060 S.D. dependent var 0.043478 Akaike info criterion 0.022684 Schwarz criterion 25.11086 F-statistic 1.294216 Prob(F-statistic)

由表2.5的运行结果可以看出，该计量模型的拟合优度相当高，R2达到0.988。

各变量均通过a=5%的t值检验，即变量都是显著的。但D.W统计量仅为1.29，不能判断变量之间是否存在序列相关性。因此，我们运用回归检验法对其进行序列相关性的检验。

2.3.2 回归检验法检验序列相关

将ER作为被解释变量，ER（-1）作为解释变量，样本数据如表2.6： 表2.6 obs LNGDP LNGDP1 —— —— ER —— —— -0.00494 -0.00302 -0.00357 ER(-1) —— —— —— -0.00494 -0.00302 -0.00357 -0.00714 -0.00203 -0.00142 1989 9.735613 1990 9.828112 1992 1993 1991 9.981272 9.986215 10.1901 10.19312 10.4526 10.45617 1994 10.75277 10.73572 0.017048 1995 10.97641 10.98355 1997 11.21805 11.22008 1998 11.26888 1999 11.2703 1996 11.12556 11.12362 0.001944 -0.00142 -0.00714 0.017048 -0.00203 0.001944 11.3153 11.30548 0.009816 2000 11.40164 11.38545 0.016189 0.009816 2001 11.48571 11.4831 0.002604 0.016189 -0.02547 0.002604 2002 11.55972 11.58519

表2.7 回归检验法检验序列相关

Dependent Variable: ER Method: Least Squares Date:05/27/04 Time:13:45 Sample(adjusted): 1990 2002 Included observations: 13 after adjusting endpoints Variable C ER(-1) R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient Std. Error t-Statistic Prob. 0.991877 0.059641 1.315e-08 0.006611 -7.309344 -7.222428 4.408317 0.059641 -1.69e-05 0.00161827 -0.01041416 -0.5349753 0.25479878 -2.09959937 0.2860998 Mean dependent var 0.2211998 S.D. dependent var 0.0058347 Akaike info criterion 0.0003744 Schwarz criterion 49.510736 F-statistic 1.9798784 Prob(F-statistic) 运用OLS进行参数估计，得如下方程：

et=-1.69e-05 -0.5349753 et(-1) (2.5) (-0.01041416) (-2.09959937) R2=0.2860998 F=4.408317

显然，该方程的拟合度很低，总体显著性极差，方程变量的显著性也极差。

这说明原模型不存在一阶自相关。依次对二阶序列相关进行类似检验，结果相同。说明模型不存在序列相关。

2.3.3 异方差性检验

其次，采用戈里瑟方法对模型进行异方差的检验，运用OLS模拟得如下回归方程： ‘

et=0.0226560-0.0006880Print1

(0.99652160) (-0.82462920) 2

R=0.0536287 F=0.680013 (2.6)

表2.8 异方差的戈里瑟检验 Dependent Variable: ER1 Method: Least Squares Date:05/27/04 Time:13:48 Sample: 1989 2002 Included observations: 14 Variable C PRINT1 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat Coefficient Std. Error t-Statistic Prob. 0.338667 0.425670 0.003939 0.004861 -7.658294 -7.567000 0.680013 0.425670 0.0226560 0.02273514 0.99652160 -0.0006880 0.00083443 -0.82462920 0.0536287 Mean dependent var -0.0252355 S.D. dependent var 0.0049228 Akaike info criterion 0.0002908 Schwarz criterion 55.608064 F-statistic 1.6141489 Prob(F-statistic) 由于方程的拟合度很低，造成方程的相对误差较大，因此认为模型不存在异方差性。

2.3.4 修正后模型

综合以上检验结果，可得出如下最终方程：

LnGDP=C+aPrint1

=4.011+0.23(0.382LnSS+0.381LnXFP+0.389LnTZ+0.353LnRK+0.388LnJY+0.362LnWZ+ 0.389LnJCK)

（2.7）

即： LnGDP= 4.011+0.088LnSS+0.088LnXFP+0.089LnTZ+ 0.081LnRK+ 0.089LnJY+

0.083LnWZ+ 0.089LnJCK （2.8）

2.4 1989—2002年中国GDP贡献率和影响因素分析

根据回归方程式2.8，可以计算出各影响因素对经济增长的拉动度及贡献率，其数值见表2.9：

表2.9 各影响因素对GDP的拉动度和贡献率

平均增长率 弹性系数 对GDP的拉动度 GDP 税收 社会消费品零售总额 固定资产投资 从业人口数 教育投资 外商直接投资 进出口总额 9.14 15.40 13.24 19.02 2.25 20.01 12.70 21.45 —— 0.088 0.088 0.089 0.081 0.089 0.083 0.089 —— 1.355 1.165 1.693 0.182 1.781 1.054 1.909 对GDP的贡献率 100 14.83 12.75 18.52 1.99 19.49 11.53 20.89

其中 平均增长率=

对GDP的拉动度=平均增长率×弹性系数 对GDP的贡献率=

以税收为例，税收的平均增长率是根据1989—2002年的统计数据（不变价格计算）按几何平均法计算得出的。税收对GDP的拉动度等于税收的平均增长率乘以弹性系数，即税收每增加一个百分点，GDP则增长0.088个百分点。也就是说，GDP平均增长9.14个百分点，其中有1.355个百分点是由税收拉动的。对GDP的贡献率等于对GDP的拉动度与GDP的平均增长率的比率。其他影响因素对GDP的拉动度和贡献率计算以此类推。

3. 结论和政策建议

（1）由上表可以看出，在影响GDP增长的七个主要因素中，进出口总额对GDP的贡献率最大，达到20.89%，对经济增长的拉动度为1.9个百分点，即GDP平均增长9.14%，其中1.9个百分点是由进出口的快速增长拉动的。因此，从这里我们可以深刻地感受到，20多年以来的对外开放政策的确推动了我国经济的高速增长。面对近几年较为低迷的国际经济环境，我国的进出口面临着严峻的挑战。外贸拉动度已由1994、1997年的3.0和2.3个百分点下降为2000年的1.3个百分点。

[③] 面对发展外经贸的困难加大，需要做好充分的应对准备。重点可以考虑：积极发展区域经济合作，努力争取一个较好的国际经贸环境。遵循世贸组织规则，合理运用有关机制，妥善解决贸易摩擦。规范出口秩序，积极扩大出口。同时，要进一步优化出口产品的结构，生产出口高附加值的产品。另外，我国应该依托国内积极的财政政策和经济增长带动进口的快速增长，缓解对出口不太乐观的预

期，保持进出口的平衡，进而保持进出口对GDP的积极正向的拉动。

（2）从业人口数是七个因素中对GDP贡献率最小的，仅有1.99%，对经济增长的拉动度只有0.182个百分点。与之相比，国家财政性的教育投资对GDP的贡献率已达到19.49%，仅次于进出口对GDP的贡献率，位居第二。从两者的比较可知，随着中国加入WTO，面对全球经济的激烈竞争，经济环境与国际的接轨，人力资源，即通常意义上所说的劳动力，对促进经济增长的要求，已由原来简单的数量上的投入转变为更高层次的质量上的投资。倘若要有效地推动经济的增长，已经不再是传统观念上的“人多力量大”可以实现的，而需要靠对劳动力的知识、技术的投入，需重视教育对提高人口素质的作用。改革开放的20多年来，我们欣喜地看到国家财政对教育的投资正以年平均20.01%的速度递增，这一增速高于国民经济的增长幅度，保证了教育事业的持续健康发展。教育的发展，就业人口素质的提升已经对提高劳动生产率，推动我国GDP的快速增长作出了不可低估的贡献。虽然教育投资的增速很快，但其占国家财政支出的比例还很低，跟发达国家及发展中国家的平均水平相比差距很大。据BBC英国国家电台报道，中国的教育经费投资占国家财政支出的比例位居世界的倒数几位。

因此，国家有关部门和地方各级政府要加大对教育的财政支持力度。中国政府应采取措施有效地敦促“科教兴国”和“人才强国”战略的实施，进一步确立教育的优先发展战略地位。在全面建设小康社会的进程中，推动教育事业持续健康协调快速发展，构建完善的国民教育体系和终身教育体系，培养数以亿计的高素质劳动者，数以千万计的专门人才和一大批拔尖创新人才，并促进教育与科技创新、经济建设、文化繁荣和社会进步的紧密结合。中国的劳动力主要来自农村，所以尤其要明确农村教育在教育工作中“重中之重”的战略地位，提出西部攻坚、巩固提高和深化农村教育综合改革的三大目标和深化改革、促进农村教育发展的一系列重大政策措施，推动农村教育和农村人口素质的全面发展与提高。

（3）固定资产投资仍然是GDP不可忽视的贡献来源，其对GDP的贡献率为18.52%，位居第三位。对经济增长的拉动度为1.7个百分点。固定资产投资的年平均增速为19.02%。2003年，中国的经济增长表现出强劲的加速。在实施了多年积极的宏观经济政策和经济活动本身的调整之后，GDP增长重新突破9个百分点，达到9.1%。这一增长率已经与GDP的年平均增长率持平。但我们注意到，伴随着中国经济形势的好转，固定资产投资增长过快的倾向开始显现出来。2003年全社会固定资产投资完成额的增长率为26.7%，进入2004年后，这种趋势继续保持。2004年第一季度，在GDP增长9.7%的情况下，全社会固定资产投资比去年同期增长43%，消除了价格变动因素之后，已经超过了上世纪80和90年代中国经济过热时期的最高增长幅度。因此，2004比较理想的状态应该是把消除了价格

变动后的全社会固定资产投资增幅从2003年的水平上（24%）再下调4个百分点以上，即压缩到20%以下。[④]

如果要抑制固定资产投资的过快增长，一方面要扩大居民消费，另一方面也要有一个政策上的相互呼应，依靠抽紧银根抑制过热。中国的宏观经济调节手段应从主要依靠财政政策转向主要依靠货币政策。基于当前经济呈现过热倾向，结构性矛盾比较突出的问题，应当继续实行稳健的货币政策，维持宽松的货币环境，综合运用多种货币政策工具，保持货币信贷的稳定增长，总量方面可合理预调、微调，同时注意加强信贷政策的结构性调节功能。切实加强金融监管，关注和调节资本市场的波动变化，加快处理不良资产。积极发展资本市场，扩大直接融资渠道。在保证币值稳定的前提下，维护经济持续快速增长的好势头。再者，要加快投融资体制改革，提高市场配置资源的能力。投融资体制是当前制约市场配置资源能力提高的体制瓶颈，对经济增长扰动很大。要按照十六届三中全会决定的要求，尽快落实投融资体制改革的各项部署。强调“管住政府、放开市场、吸引民间资本，加强风险约束”，让民间投资主体发挥主要作用。政府投资要严格限定在公共产品领域，并引入公正、公开的竞争机制。另外，财政政策的重点应该从扩大投资转向促进经济社会协调发展、维护社会稳定上。继续保持对西部地区的支持力度，加大对东北等老工业基地振兴的支持，增强对区域经济发展的调节力度。统筹考虑社会保障制度的建设和国有资产管理体制的改革。

（4） 税收对GDP有14.83%的贡献率，对经济增长的拉动度达到1.36个百分点。在财政政策方面，扩张经济应当减税，使老百姓，企业手中可支配收入加大，市场需求增大。如果是抑制需求的话，就应当增税。中国税收总额近十五年来的年平均增速高达15.40%，基本上比GDP的增长快了一倍，也就是说财政政策上是在增税。这就在一定程度上抵消了财政支出扩张性政策的效应。2004年以来，中央实施了一系列减轻农民负担，解决“三农”问题的措施，这是非常正确的。只有农民的收入提高了，才能改善生活，增加消费，拉动国内市场的有效需求。虽然从近期看，政府可能会减少一些财政收入，但从长远看将更有利于中国经济的增长。

（5） 社会消费品零售总额的增长速度在近些年来始终稳定在13%左右的水平，对GDP也有很大的贡献，达到12.75%，对经济增长有1.2个百分点的拉动度。由于消费需求是总需求最主要的组成部分，约占60%左右。因此，应该继续扩大内需，从而有效地拉动供给，实现有效需求与供给的均衡。当前对经济增长的重要拉动力量是居民消费结构的升级，扩大内需的重点应该从投资转向消费。政府在促进消费增长方面的工作重点可考虑：一是进一步拓展消费领域，鼓励发展新的消费热点和消费方式，清理限制性的消费政策，大力促进消费结构的升级活动；

二是完善社会保障制度和发展社会公共事业，增强居民的安全感，改善居民的支出预期；三是促进低收入群体的收入稳定增长，特别是加大对农民减负增收的支持力度；四是继续整顿市场经济秩序，改善消费环境，增强民众消费信心。 （6） 外商直接投资对GDP也有较大的贡献，达到11.53%，对经济增长拉动度为1.1个百分点。由于我国是全球最大的发展中国家，有非常广阔的市场前景，劳动力资源、地价都相对比较低廉，因此对外资有很强的吸引力。加入WTO以后，我国对外商的开放领域进一步扩大，一些入世承诺的法规陆续出台，从而使外商的投资环境进一步优化。在利用外资方面，应加强对外资结构和投向的引导，继续完善有关法律法规、管理制度、市场开放、基础设施等方面的投资环境。

参考文献：

[1]赵彦云.宏观经济统计分析.北京.中国人民大学出版社.1999年 [2]何晓群.现代统计分析方法与应用.北京.中国财政经济版社.1998年 [3]李子奈.计量经济学.北京.高等教育出版社. 2000年

[4]王仁曾，赵彦云.如何计算和使用GDP.北京.中国财政经济出版社. 1999年 [5]翟忠和.国民生产总值相关因素的分析及预测.哈尔滨科学技术大学学报.

1995年；第5期

[6]王文博，陈昌兵，徐海燕.包含制度因素的中国经济增长模型及实证分析.

当代经济科学. 2002年；第2期

[7]郭克莎.当前宏观经济形势及政策取向分析.中国工业经济. 2004年；第3期 [8]李京文.关于促进我国经济持续快速发展的几点意见.数量经济技术经济研究. 2004年；第3期

[9]王秋石.微观经济学原理.北京.经济管理出版社. 2001年修订版

[10] G.S.Maddala.Introduction to Econometrics. Prentice-Hall International Inc.，1992 [11] W.H.Greene. Econometrical Analysis. Prentice-Hall International Inc.，1992

[①]

北京大学中国国民经济核算与经济增长研究中心：《2003—2004中国经济走势分析》，《经济科学》2003年第6期 第53页。 [②]

郭克莎：《当前宏观经济形势及政策取向分析》，《中国工业经济》，2004年3月第3期，第13页。 [③]

姚丽芳，《对外贸易对我国经济增长的贡献分析》，《统计研究》，2001年第9期，第20页。 [④]

刘伟，蔡志洲，《固定资产投资增长过快与宏观调控》，《经济科学》，2004年第2期，第5页

本文来源：https://www.bwwdw.com/article/1kp5.html