大瑶凌丸子
范文一：拐折的需求曲线
拐折的需求?曲线
拐折的需求?曲线(kinke?d deman?d curve?)(斯威齐模型?)
目录
[隐藏]
, 1 拐折的需求?曲线概述
, 2 拐折的需求曲线模型?
, 3 拐折的需求曲线模型的?优点?
, 4 拐折的需求曲线模型的?缺点?
, 5 拐折的需求曲线的经济?含义?
, 6 拐折的需求曲线模型和?价格?
刚性
, 7 相关条目
[编辑]
拐折的需求?曲线概述
美国学者保罗?斯威齐(P.M.Sweez?y)认为，寡头产品的?市场需求曲?线在坐标上?不是一条光?滑曲线，其斜率在市?场上决定的?价格水平发?生较大变化?，出现一个拐?点，这样的需求?曲线被称为?拐折的需求?曲线(kinke?d deman?d curve?)
拐折的需求?曲线模型是?一种典型的?寡占市场模?型
拐折的需求?曲线理论模?型由美国经?济学家保罗?斯威齐建立。人们观察到?，在寡占市场?中价格一般?比较稳定，厂商之间主?要采取非价?格竞争的方?法。有时候也会?爆发价格战?，但总是为时?不长，因为厂商都?清楚地知道?，打价格战的?结果往往是?两败俱伤。而拐折的需?求曲线理论?模型就是用?来解释这一?现象的。
斯威齐认为?，寡头垄断厂商推测其?他厂商对自?己价格变动?的态度是:跟跌不跟涨?。这就是说，如果一个寡?头垄断厂商?提高价格，行业中的其?它寡头厂商?都不会跟着?改变自己的?价格，因而提价的?寡头厂商的?销售量的减少是很?多的;如果一个寡?头厂商降低?价格，行业中的其?他寡头厂商?会将价格下?降到相同的?水平，以避免销售?份额的减少?，因而该寡头?厂商的销售?量的增加是?很有限的。在上述情况?下，寡头垄断厂?商的需求曲?线就是弯折?的。
弯折的需求?曲线模型上?图中有某寡?头厂商的一?条dd需求?曲线和一条?DD需求曲?线，它们与上一?节分析的垄断竞争厂商所面临?的两条需求曲线的含义是相?同的。dd需求曲?线表示该寡?头厂商变动?价格而其他?寡头厂商保?持价格不变?时的该寡头?厂商的需求状况，DD需求曲?线表示行业?内所有寡头?厂商都以相?同方式改变?价格时的该?厂商的需求?状况。假定开始时?的市场价格?为dd需求?曲线和DD?曲线的交点?B所决定的?P，那么，根据斯威齐?的观点，该垄断厂商?由B点出发?，提价所面临?的需求曲线?是dd需求?曲线上的d?B段，降价所面临?的需求曲线?是DD曲线?上的BD段?，于是，这两段共同?构成的该寡?头厂商的需?求曲线为d?BD。显然，这是一条弯?折的需求曲?线，折点是B点?。这条弯折的?需求曲线表?示该寡头厂?商从B点出?发，在各个价格水平所面临的市场需求量?。
由弯折的需?求曲线可以?得到间断的?边际收益曲?线。图中与需求?曲线dB段?所对应的边?际收益曲线?为MRd，与需求曲线?BD段所对?应的边际收?益曲线为M?RD，两者结合在?一起，便构成了寡?头厂商的间?断的边际收?益曲线，其间断部分?为垂直虚线?FG。
利用间断的?边际收益曲?线，便可以解释?寡头市场上的价格刚?性现象。只要边际成?本SMC曲?线的位置变?动不超出边?际收益曲线?的垂直间断?范围，寡头厂商的?均衡价格和均衡数量?都不会发生?变化。譬如，在图中的边?际收益曲线?的间断部分?FG，SMC1曲?线上升为S?MC2曲线?的位置，寡头厂商仍?将均衡价格和均衡产量?保持在和的?水平。除非成本发?生很大变化?，如成本上升?使得边际成?本曲线上升?为SMC3?曲线的位置?，才会影响均?衡价格和均?衡产量水平?。
在斯威齐模?型中，是把价格O?F作为既定?的条件来说?明价格刚性的问题。模型中并没?有说明价格?是怎样形成?的，所以斯威齐?模型只是关?于寡头定价?行为的未完?成的模型。 [编辑]
拐折的需求?曲线模型
, 这一模型假?定寡占行业?是一成熟行?业，即价格已经?定
在某一水?平p1上。现在，厂商面临的?需求曲线就?不
再是普通?意义上的需?求曲线了。厂商知道，他变动价
格?的不同方向?会引起行业?内其他厂商?的不同反应?。如
果他将价?格p1往上?提价，并且提价并?不是出于成?本
原因，那么其他的?厂商正好乘?此机会抢夺?他的市场份?
额，而不会跟随?他提价或者?不会提高同?样幅度，这样，
厂商稍稍提?价就会失去?很多顾客，因此需求弹?性较大，
反映在图中?就是p1以?上的一条相?对平坦的需?求曲线。
相反，如果这家厂?商为了扩大?销售而降价?，别的厂商
不?能坐视其顾?客被抢走，会做出积极?反应，或跟随他
降?价，那么厂商的?降价不会带?来销售额的?显著扩大，
因此需求弹?性较小，反映在图中?就是p1一?下的一条
相?对陡峭的需?求曲线。所以，寡占厂商的?需求曲线D?
在原价格水?平的b点处?发生了拐折?。
, 边际收益曲?线的AC部?分对应于需?求曲线的A?B部分，
而EF部分?则对应于需?求曲线的B?D部分，并且在C
点?与E点之间?有一个较大?的缺口。如果寡占厂?商目前
的边?际成本曲线?为MC2，那么利润最?大化的产量?就
因该是Q?1，相应的价格?为P1。由于在C点?与E点
之间?留有相当的?余地，即使边际成?本曲线上升?至MC3
或?者下降至M?C2，只要变化不?超过C点和?E点的限
度?，利润最大化?的产量就依?然是Q1，价格也依然?是
P1。所以，在寡占行业?，除非成本大?幅度变化，厂商
预计竞?争对手也会?调整价格，否则厂商不?会轻易变动?
产量和价格?。
[编辑]
拐折的需求?曲线模型的?优点
较好的解释?了寡占市场?价格比较平?稳的现象
[编辑]
拐折的需求?曲线模型的?缺点
无法说明最?初的均衡价?格是如何决?定的
[编辑]
拐折的需求?曲线的经济?含义
, 它比较好地?描述了价格?刚性问题。就是说，说明了寡
头?垄断市场上?的价格比较?稳定这样一?种现象。
, 但是它并不?能真正解释?寡头垄断的?定价。它至少并没?
有告诉我们?最初的价格?P*是怎么来的?，以及为什么?厂
商原来不?是定其他的?价格。
, 真正解释了?价格刚性的?理论，实际上是博?奕论中的理?
论，如纳什均衡?中提到的囚?徒困境，它解释了厂?商们
避免相?互毁灭性的?价格竞争的?愿望。 [编辑]
拐折的需求?曲线模型和?价格刚性
尽管串谋可?以带来更高?的利润，但是由于厂?商要争取自?己的利润最?大化，往往不能维?持一个稳定?的非公开的?串通。某个厂商可?能会降低价?格提高产量?，从而获得更?高的利润，并打破心照?不宣的“合谋”。
因此，寡头垄断厂?商通常有对?稳定的强烈?愿望，特别是在价?格方面。所以“价格刚性”是寡头垄断?市场的一个?特征。即使成本或?者需求改变?了，厂商也不大?愿意改变价?格。
如果成本下?降或者市场?需求下降，厂商的降价?可能会带给?其竞争者错?误的信息，引发一轮价?格战，从而厂商没?有动力去降?价。如果成本上?升或市场需?求上升，厂商也没有?动力提价，因为竞争者?可能不会跟?着提价。
范文二：拐折的需求曲线
kinked demand curve ）又称斯威齐模型，该模型认为在寡头市场竞争中，如果其中一个寡头垄断厂商提高价格，行业中的其它寡头厂商都不会跟着改变自己的价格，因为提价的寡头厂商的销售量的减少是很多的，这样其他寡头的市场份额就会扩大；如果一个寡头厂商降低价格，行业中的其他寡头厂商会将价格下降到相同的水平，以避免销售份额的减少，因而该寡头厂商的销售量的增加是很有限的。在上述情况下，寡头垄断厂商的需求曲线就是弯折的。 需要注意的是，拐折的需求曲线是对于某一具体厂商而言，从这点进行分析，一个厂商提高单位价格，其他寡头不上调价格，会使提价的寡头面临的需求量急剧减少，减少的份额被其他厂商夺走；而如果某一个寡头降价，则由于其他厂商跟随降价，使得该厂商并不能完全占据由于降价而带来的需求市场的增加份额，而是与其他厂商分享。因此，单位的价格变动，涨价会丧失全部的需求变动量，而降价只能得到一部分市场上的需求增加量，所以涨价的弹性会大些。
上面所说的弹性均为绝对量，未考虑正负号。
范文三：拐折的需求曲线
拐折的需求曲线
拐折的需求曲线（kinked demand curve）（斯威齐模型）
[编辑]
拐折的需求曲线概述
美国学者保罗·斯威齐（P.M.Sweezy）认为，寡头产品的市场需求曲线在坐标上不是一条光滑曲线，其斜率在市场上决定的价格水平发生较大变化，出现一个拐点，这样的需求曲线被称为拐折的需求曲线（kinked demand curve）
拐折的需求曲线模型是一种典型的寡占市场模型
拐折的需求曲线理论模型由美国经济学家保罗·斯威齐建立。人们观察到，在寡占市场中价格一般比较稳定，厂商之间主要采取非价格竞争的方法。有时候也会爆发价格战，但总是为时不长，因为厂商都清楚地知道，打价格战的结果往往是两败俱伤。而拐折的需求曲线理论模型就是用来解释这一现象的。
斯威齐认为，寡头垄断厂商推测其他厂商对自己价格变动的态度是：跟跌不跟涨。这就是说，如果一个寡头垄断厂商提高价格，行业中的其它寡头厂商都不会跟着改变自己的价格，因而提价的寡头厂商的销售量的减少是很多的；如果一个寡头厂商降低价格，行业中的其他寡头厂商会将价格下降到相同的水平，以避免销售份额的减少，因而该寡头厂商的销售量的增加是很有限的。在上述情况下，寡头垄断厂商的需求曲线就是弯折的。
弯折的需求曲线模型上图中有某寡头厂商的一条dd需求曲线和一条DD需求曲线，它们与上一节分析的垄断竞争厂商所面临的两条需求曲线的含义是相同的。dd需求曲线表示该寡头厂商变动价格而其他寡头厂商保持价格不变时的该寡头厂商的需求状况，DD需求曲线表示行业内所有寡头厂商都以相同方式改变价格时的该厂商的需求状况。假定开始时的市场价格为dd需求曲线和DD曲线的交点B所决定的P，那么，根据斯威齐的观点，该垄断厂商由B点出发，提价所面临的需求曲线是dd需求曲线上的dB段，降价所面临的需求曲线是DD曲线上的BD段，于是，这两段共同构成的该寡头厂商的需求曲线为dBD。显然，这是一条弯折的需求曲线，折点是B点。这条弯折的需求曲线表示该寡头厂商从B点出发，在各个价格水平所面临的市场需求量。
由弯折的需求曲线可以得到间断的边际收益曲线。图中与需求曲线dB段所对应的边际收益曲线为MRd，与需求曲线BD段所对应的边际收益曲线为MRD，两者结合在一起，便构成了寡头厂商的间断的边际收益曲线，其间断部分为垂直虚线FG。
利用间断的边际收益曲线，便可以解释寡头市场上的价格刚性现象。只要边际成本SMC曲线的位置变动不超出边际收益曲线的垂直间断范围，寡头厂商的均衡价格和均衡数量都不会发生变化。譬如，在图中的边际收益曲线的间断部分FG，SMC1曲线上升为SMC2曲线的位置，寡头厂商仍将均衡价格和均衡产量保持在和的水平。除非成本发生很大变化，如成本上升使得边际成本曲线上升为SMC3曲线的位置，才会影响均衡价格和均衡产量水平。
在斯威齐模型中，是把价格OF作为既定的条件来说明价格刚性的问题。模型中并没有说明价格是怎样形成的，所以斯威齐模型只是关于寡头定价行为的未完成的模型。
[编辑
]
拐折的需求曲线模型
? 这一模型假定寡占行业是一成熟行业，即价格已经定
在某一水平p1上。现在，厂商面临的需求曲线就不
再是普通意义上的需求曲线了。厂商知道，他变动价
格的不同方向会引起行业内其他厂商的不同反应。如
果他将价格p1往上提价，并且提价并不是出于成本
原因，那么其他的厂商正好乘此机会抢夺他的市场份
额，而不会跟随他提价或者不会提高同样幅度，这样，
厂商稍稍提价就会失去很多顾客，因此需求弹性较大，
反映在图中就是p1以上的一条相对平坦的需求曲线。
相反，如果这家厂商为了扩大销售而降价，别的厂商
不能坐视其顾客被抢走，会做出积极反应，或跟随他
降价，那么厂商的降价不会带来销售额的显著扩大，
因此需求弹性较小，反映在图中就是p1一下的一条
相对陡峭的需求曲线。所以，寡占厂商的需求曲线D
在原价格水平的b点处发生了拐折。
? 边际收益曲线的AC部分对应于需求曲线的AB部分，
而EF部分则对应于需求曲线的BD部分，并且在C
点与E点之间有一个较大的缺口。如果寡占厂商目前
的边际成本曲线为MC2，那么利润最大化的产量就
因该是Q1，相应的价格为P1。由于在C点与E点
之间留有相当的余地，即使边际成本曲线上升至MC3
或者下降至MC2，只要变化不超过C点和E点的限
度，利润最大化的产量就依然是Q1，价格也依然是
P1。所以，在寡占行业，除非成本大幅度变化，厂商
预计竞争对手也会调整价格，否则厂商不会轻易变动
产量和价格。
[编辑]
拐折的需求曲线模型的优点
较好的解释了寡占市场价格比较平稳的现象
[编辑]
拐折的需求曲线模型的缺点
无法说明最初的均衡价格是如何决定的
[编辑]
拐折的需求曲线的经济含义
? 它比较好地描述了价格刚性问题。就是说，说明了寡
头垄断市场上的价格比较稳定这样一种现象。
? 但是它并不能真正解释寡头垄断的定价。它至少并没
有告诉我们最初的价格P*是怎么来的，以及为什么
厂商原来不是定其他的价格。
? 真正解释了价格刚性的理论，实际上是博奕论中的理
论，如纳什均衡中提到的囚徒困境，它解释了厂商们
避免相互毁灭性的价格竞争的愿望。
[编辑]
拐折的需求曲线模型和价格刚性
尽管串谋可以带来更高的利润，但是由于厂商要争取自己的利润最大化，往往不能维持一个稳定的非公开的串通。某个厂商可能会降低价格提高产量，从而获得更高的利润，并打破心照不宣的“合谋”。
因此，寡头垄断厂商通常有对稳定的强烈愿望，特别是在价格方面。所以“价格刚性”是寡头垄断市场的一个特征。即使成本或者需求改变了，厂商也不大愿意改变价格。
如果成本下降或者市场需求下降，厂商的降价可能会带给其竞争者错误的信息，引发一轮价格战，从而厂商没有动力去降价。如果成本上升或市场需求上升，厂商也没有动力提价，因为竞争者可能不会跟着提价。
范文四：总需求曲线AD模型的中国实证分析
总需求曲线AD模型的中国实证分析
总需求曲线
————AD模型的
中国实证分析
关键词:总需求曲线 GDP真实货币供应量 政府购买支出 税收
主要内容:由于我国工资水平长期处于刚性状态，总供给对均衡产出的影响不大，均衡产出主要由总需求决定，所以我们仅建立总需求模型来分析其对GDP的影响。本文通过对中国的GDP，货币供应量，政府购买支出，税收，以及价格水平等数据进行计量经济分析，希望通过总需求模型来分析短期内货币政策与财政政策对GDP的作用。
总需求曲线的理论背景
总需求模型表示产品市场和货币市场同时达到均衡时的价格水平与产出水平的组合，是新古典综合派对凯恩斯理论与新古典理论和货币理论又一新的综合，同时在一定意义上还体现了凯恩斯学派与货币学派、供给学派的大融合。
凯恩斯在对总需求分析时，有三点重要的假定:1.总供给不变。假定各种资源没有得到充分的利用，总供给曲线处于水平线的区域，总需求的增加可以引起均衡国民收入上升，即总供给可以适应总需求的增加而增加(也就是不考虑总供给对国民收入决定的影响)。2.潜在的国民收入，即充分就业时的国民收入不变。3.价格水平既定。基于这三点假设而推导出来的总需求曲线通常可以用图形表示为:
注:其中AD为总需求曲线，Yn为充分就业时的国民收入，45度直线上的点为国民收入达到均衡时的均衡点。
凯恩斯所认为的总需求是一种需求与国民收入的变动，这就是现在总需求模型的雏形。但它仅仅是从产品市场来考虑了总需求。而在传统的简单的货币数量论模型中，则从货币市场的角度考察了总需求，并建立了描述货币供求相等的均衡方程。现代货币数量论据此认为，货币供应量的变动将直接影响名义国民收入水平的变动。
在这些总需求模型中，有一个强有力的假定就是一般物价水平不变。这在凯恩斯提出问题的30年代或许是合理的，然而自从60年代后期以来，一般物价水平上涨已经成为一种经常的现象，若再继续假定价格水平不变就有脱离现实之嫌了。于是，随后的新古典综合派将上述两派的理论加以综合，提出理论模型中把物价变动考虑在内，建立了新的总供给—总需求模型。
根据前人的研究，我们可以把总需求曲线的特性归纳如下:
(1)总需求曲线表示在某个给定的价格水平上所需要的GDP水平。
(2)决定、影响总需求曲线的两个经济原理是收支平衡和货币供求相等。 (3)总需求曲线是向右下方倾斜的。价格水平的上升意味着实际货币余额的降低，因而实际利率会上升，从而使投资、GDP和净出口减少。
(4)总需求取决于真实货币供给。名义货币存量的增加使AD曲线上移的程度恰好与名义货币增加的程度一致，也就是说，名义货币的增加不会改变GDP，只能改变价格水平。 (5)一般说来，扩张性政策——如增加政府支出、减税和增加货币供给——使总需求曲线向右移动，消费者与投资者的信心也影响总需求曲线(信心增强时，AD曲线向右移动;当信心削弱时，AD曲线向左移动)。
模型的推导
总需求曲线代表了货币市场和商品市场同时达到均衡时的点的集合，即IS—LM模型的均衡点。我们可以由IS—LM模型推出总需求曲线:
IS模型: Y=C(Y-T)+I(Y,i)+G
LM模型: M=,YL(i)
Y代表GDP，C为系数，T指税收，I为投资，i为利率，G代表政府支出，M为名义货币供应
量, ,Y指名义GDP.
其中，在IS模型中Y和T,i均成负相关关系，Y和G成正相关关系;而在LM模型中，Y和M成正相关，和P成负相关。
注:上述两个模型是对现实的高度简化，建立在Macroeconomics (second edition) Olivier
Blanchard,Massachusetts Institute of Technology中的模型的基础上。
当上述两方程均成立时，得到总产出Y，即GDP的一个隐函数
Y=Y(M/P,G,T)
其中M/P代表真实货币供应量;G代表政府购买支出;T代表税收。
用IS—LM模型推导AD曲线可以用下图表示:
在LM曲线的推导中，M/P指的是真实的货币供应量。所以，准确的讲，要体现出真实货币供应量与名义货币供应量，P应该是GDP平减指数(GDP Deflator)。对于给定的名义货币量M，
高价格意味着低的真实货币供应M/P。显然，价格高意味着供应的人民币价值低了。结果是，高价格水平意味着低水平的总需求。因此，总需求曲线是向右下方倾斜的。
我们假定，总需求曲线的代数表达形式是 Y=ß1+ ß2A+ ß3M/P A表示财政政策状态，M/P表示真实货币供应。(来自多恩布什 宏观经济学 第七版)
在财政政策中，起着主要作用的是政府购买支出和税收。所以，我们将多恩布什归纳的表达式转化为 Y= ß1+ ß2G+ ß3T+ ß4M/P 用G和T将A细化了。
模型的建立
我们要将中国的数据来进行拟合，就必须在原来的模型上加上一个随机扰动项Ut，得到GDP= ß1+ ß2G+ ß3T+ ß4M/P+Ut 其中，G是政府购买支出，我们用基础建设支出，地质勘探支出，与国防支出之和来代替政府购买支出;T是税收总和;M是货币供应量，在这里我们使用的是狭义的货币供应量，即
M1，是流通中的货币量与活期存款的总和;P是价格水平，用GDP平减指数。下面是我们的
原始数据，是由历年的《中国统计年鉴》、《中国金融年鉴》及《中国金融统计1952-1999》
的数据处理得来。
obsGDPM1PGT
单位:年单位:亿元单位:亿元1990年=1单位:亿元单位:亿元
1978 3624.100 944.0000 0.551463 639.9100 519.2800 1979 4038.200 1146.000 0.571074 685.9900 537.8200 1980 4517.800 1223.000 0.592669 562.7700 571.7000 1981 4862.400 1712.300 0.606346 447.3700 629.8900 1982 5294.700 1912.800 0.604075 468.5200 700.0200 1983 5934.500 2219.000 0.609424 545.7100 775.5900 1984 7171.000 2982.800 0.638684 661.1000 947.3500 1985 8964.400 3290.500 0.705311 775.6700 2040.790 1986 10202.20 4745.700 0.739816 827.2300 2090.730 1987 11962.50 5714.600 0.777995 761.5500 2140.360 1988 14928.30 6950.500 0.873879 744.8700 2390.470 1989 16909.20 7347.100 0.949940 766.3300 2727.400 1990 18547.90 8793.200 1.000000 873.8900 2821.860
1991 21617.80 10866.60 1.068297 928.2700 2990.100
1992 26638.10 15015.70 1.154725 977.8300 3296.910 1993 34634.40 16280.40 1.327457 1066.790 4255.300 1994 46759.40 20540.70 1.591635 1254.560 5126.880 1995 58478.10 23987.10 1.826171 1492.260 6038.000 1996 67884.60 28514.80 1.930709 1696.060 6069.820 1997 74462.60 34826.30 1.950088 1905.440 8234.040 1998 78345.20 38953.70 1.903311 2405.570 9262.800 1999 82067.50 45837.30 1.861569 3276.660 10682.58 2000 89442.20 53147.20 1.871635 3390.500 12581.51 2001 95933.30 59872.00 1.876136 3751.600 15301.38 使用原始数据进行初次拟合
首先我们将M/P的值定义为A,即真实的货币供应量，先用A、G、T对GDP进行回归，
然后再对残差进行正态性检验
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 3868.325 5109.435 0.757094 0.4578
A 0.047584 1.330184 0.035772 0.9718
G -9.171626 9.769445 -0.938807 0.3590
T 9.455154 3.719218 2.542243 0.0194
R-squared 0.939790 Mean dependent var 33050.85 Adjusted R-squared 0.930759 S.D. dependent var 31871.78
S.E. of regression 8386.646 Akaike info criterion 21.05768
Sum squared resid 1.41E+09 Schwarz criterion 21.25402
Log likelihood -248.6922 F-statistic 104.0576 Durbin-Watson stat 0.539034
Prob(F-statistic) 0.000000
其回归结果为:GDP=3868.325 +0.047584 A - 9.171626 G + 9.455154 T+et Se (5109.435) (1.330184) (9.769445) (3.719218)
t =(0.757094) (0.035772) (-0.938807) (2.542243)
p = (0.4578) (0.9718) (0.3590) (0.0194)
R2=0.939790(调整可决系数为
0.930759) DW=0.539034
F=104.0576
n=24
从回归结果中可以看出，A与G的t值都比较小，R2较大，而G的系数为负不符合经
济意义，估计解释变量间存在多重共线性(即货币政策和财政政策存在较大的相关性)。对A、
G、T进行简单相关系数矩阵检验得到如下结果:
A G T
A 1.000000 0.967409 0.987797
G 0.967409 1.000000 0.982637
T 0.987797 0.982637 1.000000
可以看出，A、G、T之间存在高度相关.
再进行正态性检验，据此看出，该模型基本上服从正态性假定。
于是，对多重共线性采用逐步回归法进行修正。
第一步，用A、G、T分别对GDP回归得下面的结果:
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C -6240.025 3172.842 -1.966699 0.0620 A 3.592356 0.230928 15.55614 0.0000
R-squared 0.916665 Mean dependent var 33050.85 Adjusted R-squared 0.912877 S.D. dependent var 31871.78
S.E. of regression 9407.486 Akaike info criterion 21.21605
Sum squared resid 1.95E+09 Schwarz criterion 21.31423
Log likelihood -252.5927 F-statistic 241.9936 Durbin-Watson stat 0.350037 Prob(F-statistic) 0.000000
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C -6753.305 3773.294 -1.789764 0.0873 G 30.90940 2.357537 13.11088 0.0000
R-squared 0.886537 Mean dependent var 33050.85 Adjusted R-squared 0.881379 S.D. dependent var 31871.78
S.E. of regression 10977.08 Akaike info criterion 21.52466
Sum squared resid 2.65E+09 Schwarz criterion 21.62283
Log likelihood -256.2959 F-statistic 171.8953 Durbin-Watson stat 0.338332
Prob(F-statistic) 0.000000
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 1198.921 2425.064 0.494388 0.6259
T 7.441128 0.411099 18.10058 0.0000
R-squared 0.937077 Mean dependent var 33050.85 Adjusted R-squared 0.934216 S.D. dependent var 31871.78
S.E. of regression 8174.579 Akaike info criterion 20.93510
Sum squared resid 1.47E+09 Schwarz criterion 21.03327
Log likelihood -249.2212 F-statistic 327.6309 Durbin-Watson stat 0.397048
Prob(F-statistic) 0.000000
可以看出,用T对GDP回归的修正可决系数最大(等于0.934216),F值也较大所以选取
T作为第一个解释变量。
第二步，用T再加上其它任一个解释变量对GDP回归得:
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 772.4795 3891.770 0.198491 0.8446
T 7.061774 2.700332 2.615150 0.0162
A 0.187456 1.318075 0.142220 0.8883
R-squared 0.937137 Mean dependent var 33050.85 Adjusted R-squared 0.931150 S.D. dependent var 31871.78
S.E. of regression 8362.922 Akaike info criterion 21.01747
Sum squared resid 1.47E+09 Schwarz criterion 21.16473
Log likelihood -249.2097 F-statistic 156.5300 Durbin-Watson stat 0.384792
Prob(F-statistic) 0.000000
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 3988.427 3758.808 1.061088 0.3007
T 9.560456 2.218486 4.309450 0.0003
G -9.210770 9.474312 -0.972184 0.3420 R-squared 0.939787 Mean dependent var 33050.85 Adjusted R-squared 0.934052 S.D. dependent var 31871.78
S.E. of regression 8184.790 Akaike info criterion 20.97441
Sum squared resid 1.41E+09 Schwarz criterion 21.12167
Log likelihood -248.6929 F-statistic 163.8795 Durbin-Watson stat 0.545004
Prob(F-statistic) 0.000000
可以看到，无论是用T、A或是T、G对GDP回归的修正可决系数(分别为0.931150
和0.934052)都比T对GDP回归的(0.934216)小。所以，初步模型为
GDP=1198.921 + 7.441128T + et Se (2425.064) (0.411099)
t =(0.494388) (18.10058)
p = (0.6259) (0.0000)
R2=0.937077(调整可决系数为0.934216) DW=0.545004
F=327.6309
n=24
对其残差进行正态性检验得:
可以认为其基本上服从正态性分布。
再进行异方差检验:
先为ARCH检验，滞后两期:
ARCH Test:
F-statistic 1.851545 Probability 0.184227 Obs*R-squared 3.588409 Probability 0.166260 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 49223415 28714509 1.714235 0.1028
RESID^2(-1) 0.545856 0.286044 1.908297 0.0716 RESID^2(-2) -0.202617 0.284854 -0.711302 0.4855 R-squared 0.163109 Mean dependent var 66668186 Adjusted R-squared 0.075016 S.D. dependent var 1.21E+08
S.E. of regression 1.17E+08 Akaike info criterion 40.11468
Sum squared resid 2.59E+17 Schwarz criterion 40.26346
Log likelihood -438.2615 F-statistic 1.851545 Durbin-Watson stat 1.681442
Prob(F-statistic) 0.184227
从结果中可以看出，滞后变量的t值均不显著。再进行滞后三期的检验，结果为
ARCH Test:
F-statistic 1.111473 Probability 0.371893 Obs*R-squared 3.443561 Probability 0.328156 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 55249890 32364000 1.707140 0.1060
RESID^2(-1) 0.524778 0.303381 1.729767 0.1018 RESID^2(-2) -0.156449 0.342254 -0.457113 0.6534 RESID^2(-3) -0.097098 0.302738 -0.320734 0.7523 R-squared 0.163979 Mean dependent var 69801212 Adjusted R-squared 0.016446 S.D. dependent var 1.23E+08
S.E. of regression 1.22E+08 Akaike info criterion 40.25362
Sum squared resid 2.55E+17 Schwarz criterion 40.45258
Log likelihood -418.6630 F-statistic 1.111473 Durbin-Watson stat 1.628480
Prob(F-statistic) 0.371893
仍然发现滞后变量的t值都不显著，所以该模型不存在因为样本误差随时间积累造成
的异方差。
再对模型进行怀特检验，得:
White Heteroskedasticity Test:
F-statistic 4.113129 Probability 0.031095 Obs*R-squared 6.755233 Probability 0.034129 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C -5863654. 42723707 -0.137246 0.8921
T 16669.12 17926.36 0.929866 0.3630 T^2 -0.121668 1.260998 -0.096486 0.9240 R-squared 0.281468 Mean dependent var 61255094 Adjusted R-squared 0.213036 S.D. dependent var 1.17E+08
S.E. of regression 1.04E+08 Akaike info criterion 39.87716
Sum squared resid 2.28E+17 Schwarz criterion 40.02442
Log likelihood -475.5260 F-statistic 4.113129 Durbin-Watson stat 1.478312 Prob(F-statistic) 0.031095
同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方
差的问题。
综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。
接着进行自相关检验。首先用et与et-1的散点图进行观测。图示如下:
可以看到，et与et-1存在明显的正自相关关系。再看模型的回归结果，其回归结果
表明，D-W值为0.545004。而在0.05的显著性水平下，有n=24 ，k’=1，查D-W表得dl=1.273，
du=1.446。因为 d=0.545004<dl，断定模型可能存在正自相关。
我们用CORC法对正自相关进行修正，可得到下面的结果:
Dependent Variable: GDP
Method: Least Squares
Sample(adjusted): 1979 2001
Included observations: 23 after adjusting endpoints
Convergence achieved after 7 iterations
Variable Coefficient Std. Error t-Statistic Prob. C -22533.17 18551.14 -1.214651 0.2386 T 0.023549 1.482588 0.015884 0.9875 AR(1) 1.075782 0.029137 36.92090 0.0000 R-squared 0.991799 Mean dependent var 34330.27 Adjusted R-squared 0.990979 S.D. dependent var 31951.71
S.E. of regression 3034.765 Akaike info criterion 18.99476
Sum squared resid 1.84E+08 Schwarz criterion 19.14287
Log likelihood -215.4398 F-statistic 1209.357 Durbin-Watson stat 0.413515 Prob(F-statistic) 0.000000
Inverted AR Roots 1.08 Estimated AR process is nonstationary
从结果中可以看出，由于我国的货币供给量、税收及政府购买支出随着时间发展呈现
一种高速增长状态使得原模型的数据存在不稳定性，所以用CORC法反而使修正后的D-W值变
得更小。因此，无法用CORC法对该模型的自相关进行修正。于是，我们考虑转换模型的形式
以求得到更好的模型。
模型的修正——转换为对数形式的拟合
由于无法用CORC法对上述模型的自相关进行修正，我们变换模型的形式，采用对数形
式对模型进行拟合。
首先，用LogA、LogG、LogT分别对LogGDP回归，得到:
Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 0.310531 1.136914 0.273135 0.7876
LOGA 0.305812 0.300634 1.017224 0.3212 LOGG 0.200544 0.192488 1.041852 0.3099 LOGT 0.687025 0.284896 2.411490 0.0256 R-squared 0.969863 Mean dependent var 9.858089 Adjusted R-squared 0.965343 S.D. dependent var 1.131745
S.E. of regression 0.210691 Akaike info criterion -0.125833
Sum squared resid 0.887817 Schwarz criterion 0.070509
Log likelihood 5.509997 F-statistic 214.5463 Durbin-Watson stat 0.345327
Prob(F-statistic) 0.000000
其回归结果为:LogGDP= 0.310531 + 0.305812 LogA - 0.200544LogG + 0.687025Log T+et Se (1.136914) (0.300634) (0.192488) (0.284896)
t = (0.273135) (1.017224) (1.041852) (2.411490)
p = (0.7876) (0.3212) (0.3099) (0.0256)
R2=0.969863(调整可决系数为0.965343) DW=0.345237
F=214.5463
n=24 从回归结果中可以看出，LogA、LogG、LogT的t值都比较小，R2较大，而G的系数为
负不符合经济意义，估计该模型存在多重共线性。对LogA、LogG、LogT进行简单相关系数矩
阵检验得到如下结果:
LOGA LOGG LOGT
LOGA 1.000000 0.895540 0.984411
LOGG 0.895540 1.000000 0.926769
LOGT 0.984411 0.926769 1.000000
可以看出，LogA、LogG、LogT之间存在高度相关。
再进行正态性检验，得:
从图中可以看出，残差基本上服从正态性分布。
于是，对多重共线性采用逐步回归法进行修正。
第一步，用A、G、T分别对GDP回归得下面的结果:
Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C -1.662996 0.579512 -2.869647 0.0089 LOGA 1.282578 0.064233 19.96758 0.0000 R-squared 0.947707 Mean dependent var 9.858089 Adjusted R-squared 0.945330 S.D. dependent var 1.131745
S.E. of regression 0.264621 Akaike info criterion 0.258619
Sum squared resid 1.540533 Schwarz criterion 0.356790
Log likelihood -1.103423 F-statistic 398.7042 Durbin-Watson stat 0.411570
Prob(F-statistic) 0.000000
Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C -1.700498 1.029054 -1.652487 0.1126 LOGG 1.663406 0.147515 11.27615 0.0000 R-squared 0.852499 Mean dependent var 9.858089 Adjusted R-squared 0.845794 S.D. dependent var 1.131745
S.E. of regression 0.444425 Akaike info criterion 1.295586
Sum squared resid 4.345307 Schwarz criterion 1.393757
Log likelihood -13.54704 F-statistic 127.1515 Durbin-Watson stat 0.232752
Prob(F-statistic) 0.000000
Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 1.700034 0.322555 5.270520 0.0000
LOGT 1.036580 0.040624 25.51657 0.0000 R-squared 0.967315 Mean dependent var 9.858089 Adjusted R-squared 0.965829 S.D. dependent var 1.131745
S.E. of regression 0.209206 Akaike info criterion -0.211338
Sum squared resid 0.962878 Schwarz criterion -0.113167
Log likelihood 4.536058 F-statistic 651.0952 Durbin-Watson stat 0.546204
Prob(F-statistic) 0.000000
可以看出,用LogT对LogGDP回归的修正可决系数最大(等于0.965829),F值也较大,
所以选取LogT作为第一个解释变量。
第二步，用T再加上其它任一个解释变量对GDP回归得:
Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C 1.069902 0.874314 1.223704 0.2346
LOGT 0.858404 0.233083 3.682825 0.0014 LOGA 0.226257 0.291366 0.776539 0.4461 R-squared 0.968228 Mean dependent var 9.858089 Adjusted R-squared 0.965202 S.D. dependent var 1.131745
S.E. of regression 0.211120 Akaike info criterion -0.156315
Sum squared resid 0.936001 Schwarz criterion -0.009058
Log likelihood 4.875782 F-statistic 319.9746 Durbin-Watson stat 0.392940
Prob(F-statistic) 0.000000
Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 1.295598 0.596143 2.173299 0.0413
LOGT 0.954815 0.109006 8.759324 0.0000 LOGG 0.150811 0.186329 0.809378 0.4274 R-squared 0.968304 Mean dependent var 9.858089 Adjusted R-squared 0.965285 S.D. dependent var 1.131745
S.E. of regression 0.210866 Akaike info criterion -0.158723
Sum squared resid 0.933750 Schwarz criterion -0.011466
Log likelihood 4.904677 F-statistic 320.7713 Durbin-Watson stat 0.524027
Prob(F-statistic) 0.000000
可以看到，无论是用LogT、LogA或是LogT、LogG对LogGDP回归的修正可决系数(分
别为0.965202和0.965285)都比T对GDP回归的(0.965829)小。所以，模型最后确定为:
LogGDP=1.700034+ 1.036580 LogT + et
Se (0.322555) (0.040624)
t =(5.270520) (25.51657)
p = (0.0000) (0.0000)
R2=0.967315(调整可决系数为
0.965829) DW=0.546204
F=651.0952
n=24
对其残差进行正态性检验得:
可以认为其基本上服从正态性分布。
再进行异方差检验:
滞后三期:
ARCH Test:
F-statistic 1.471947 Probability 0.257593 Obs*R-squared 4.330097 Probability 0.227955 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.040718 0.019295 2.110243 0.0500
RESID^2(-1) 0.411124 0.237787 1.728959 0.1019 RESID^2(-2) -0.132741 0.256867 -0.516770 0.6120
RESID^2(-3) -0.187925 0.237828 -0.790171 0.4403 R-squared 0.206195 Mean dependent var 0.044623 Adjusted R-squared 0.066112 S.D. dependent var 0.064860
S.E. of regression 0.062679 Akaike info criterion -2.531922
Sum squared resid 0.066788 Schwarz criterion -2.332965
Log likelihood 30.58518 F-statistic 1.471947 Durbin-Watson stat 2.048362
Prob(F-statistic) 0.257593
从结果中可以看出，滞后变量的t值均不显著，所以该模型不存在因为样本误差随时
间积累造成的异方差。
再对模型进行怀特检验，得:
White Heteroskedasticity Test:
F-statistic 1.621782 Probability 0.221330 Obs*R-squared 3.210978 Probability 0.200791 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob. C -1.262663 0.734966 -1.717989 0.1005 LOGT 0.332632 0.190193 1.748918 0.0949 LOGT^2 -0.020860 0.012133 -1.719215 0.1003 R-squared 0.133791 Mean dependent var 0.040120 Adjusted R-squared 0.051295 S.D. dependent var 0.061753
S.E. of regression 0.060148 Akaike info criterion -2.667551
Sum squared resid 0.075973 Schwarz criterion -2.520294
Log likelihood 35.01061 F-statistic 1.621782 Durbin-Watson stat 1.255677
Prob(F-statistic) 0.221330
同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方
差的问题。
综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。
接着进行自相关检验。首先用et与et-1的散点图进行观测。图示如下:
可以看到，et与et-1存在较明显的正自相关关系。而模型的回归结果表明，D-W值为
0.524027。而在0.05的显著性水平下，有n=24 ，k’=1，查D-W表得dl=1.273，du=1.446。
因为 d=0.524027<dl，断定模型可能存在正自相关。
我们用CORC法对正自相关进行修正，可得到下面的结果:
Dependent Variable: LOGGDP
Method: Least Squares
Sample(adjusted): 1979 2001
Included observations: 23 after adjusting endpoints Convergence achieved after 28 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 24.75748 33.72838 0.734025 0.4715 LOGT 0.144418 0.095797 1.507546 0.1473 AR(1) 0.992470 0.015570 63.74153 0.0000 R-squared 0.996370 Mean dependent var 9.930381
Adjusted R-squared 0.996007 S.D. dependent var 1.099062
S.E. of regression 0.069448 Akaike info criterion -2.375368
Sum squared resid 0.096461 Schwarz criterion -2.227260
Log likelihood 30.31673 F-statistic 2744.971
Durbin-Watson stat 0.533042 Prob(F-statistic) 0.000000
Inverted AR Roots .99 从结果中可以看到，经过CORC法修正后的D-W值比修正前变大，这说明用CORC法对
该模型进行修正是有效的。至此，我们得到了一个修正后的最终模型。
模型的经济意义
在最终模型中，影响GDP的因素由三个(真实货币供给、税收、政府购买支出)减至
一个(税收)，但并不意味着其它两个因素(真实货币供给、政府购买支出)不影响GDP，而
是因为在模型中上述三个变量之间存在高度的线性相关关系，所以用税收代表了这三个因素
对GDP的影响。同时，模型为对数形式，其系数的经济含义为衡量税收对GDP的影响时，其
变化量均为相对数的形式。
从模型中可以看到，税收政策与GDP为正相关关系,而普遍认为税收政策与GDP之间应
是负相关关系。对此我们认为模型的结果还是可以理解的，因为税收与产出之所以存在负相
关关系在于认为税收会抑制劳动者积极性，但就我国发展历程来说，体制改革对劳动者积极
性的促进作用才是主要的方面，而税收对其影响并不明显，因此税收的增长并不意味着产出
会减少。
通过以上分析，我们可以看到财政政策和货币政策对经济的短期发展所起到的作用。
当政府增加购买支出时，会对经济的发展起到促进作用。反之，当减少政府购买支出时，会
减缓经济的发展速度。事实证明，我国在近几年来内需不足，但经济任保持高速增长，这与
我国政府大力发展基础建设是分不开的。
当政府增加真实货币供给时，短期内GDP会受其影响而增加。而当减少时，则会减缓GDP发
展速度。我国一直实行稳健的货币政策，真实货币量的稳定增长对GDP的发展起到了良好的
促进作用。
当政府增加征税时，GDP也会随之增加。表面上看似乎很荒谬，但这是与中国的实际发展情
况符合的。中国的税收制度正处于完善阶段，而税收制度的完善对我国收入再分配、缩小贫
富差距以调动人们的积极性起到了较好的作用。
主要参考文献:
多恩布什，《宏观经济学》，第七版
Macroeconomics (second edition) ，Olivier Blanchard，Massachusetts Institute of Technology
丁冰，《当代西方经济学流派》，北京经济学院出版社
《中国统计年鉴—2002》至《中国统计年鉴—1981》
《中国金融年鉴—1999》至《中国金融年鉴—1986》
庞浩，《计量经济学》，西南财经大学出版社
本文由:文档由tbsd整理|佣金宝http://www.yijincai.com/yongjinbao-1.html
范文五：总需求曲线AD模型的中国实证分析
————AD中国实证分析
00周之又 （40001129）吴玲 （40001119）肖瑜（40001127）
： GDP 主要内容：由于我国工资水平长期处于刚性状态，总供给对均衡产出的影响不大，
均衡产出主要由总需求决定，所以我们仅建立总需求模型来分析其对GDP的影响。本文通过对中国的GDP，货币供应量，政府购买支出，税收，以及价格水平
等数据进行计量经济分析，希望通过总需求模型来分析短期内货币政策与财政政
策对GDP的作用。
总需求模型表示产品市场和货币市场同时达到均衡时的价格水平与产出水平的组合，是
新古典综合派对凯恩斯理论与新古典理论和货币理论又一新的综合，同时在一定意义上还体
现了凯恩斯学派与货币学派、供给学派的大融合。
凯恩斯在对总需求分析时，有：1.总供给不变。假定各种资源没有得到
充分的利用，总供给曲线处于水平线的区域，总需求的增加可以引起均衡国民收入上升，即
总供给可以适应总需求的增加而增加（也就是不考虑总供给对国民收入决定的影响）。2.潜在的国民收入，即充分就业时的国民收入不变。3.价格水平既定。基于这三点假设而推导出
来的总需求曲线通常可以用图形表示为：
AD 45o
AD
Y国民收入 n
注：其中AD为总需求曲线，Y
为充分就业时的国民收入，45度直线上的点为国民收入达到n
均衡时的均衡点。
凯恩斯所认为的总需求是一种需求与国民收入的变动，这就是现在总需求模型的雏形。
但它仅仅是从产品市场来考虑了总需求。而在传统的简单的货币数量论模型中，则从货币市
场的角度考察了总需求，并建立了描述货币供求相等的均衡方程。现代货币数量论据此认为，
货币供应量的变动将直接影响名义国民收入水平的变动。
在这些总需求模型中，有一个强有力的假定就是。这在凯恩斯提出问题的30年代或许是合理的，然而自从60年代后期以来，一般物价水平上涨已经成为一种经
常的现象，若再继续假定价格水平不变就有脱离现实之嫌了。于是，随后的新古典综合派将
上述两派的理论加以综合，提出理论模型中把考虑在内，建立了新的总供给—总需求模型。
（1）总需求曲线表示在某个给定的价格水平上所需要的GDP水平。 （2）决定、影响总需求曲线的两个经济原理是收支平衡和货币供求相等。 （3）总需求曲线是向右下方倾斜的。价格水平的上升意味着实际货币余额的降低，因而实
际利率会上升，从而使投资、GDP和净出口减少。
（4）总需求取决于真实货币供给。名义货币存量的增加使AD曲线上移的程度恰好与名义货币增加的程度一致，也就是说，名义货币的增加不会改变GDP，只能改变价格水平。 （5）一般说来，扩张性政策——如增加政府支出、减税和增加货币供给——使总需求曲线向右移动，消费者与投资者的信心也影响总需求曲线（信心增强时，AD曲线向右移动；当信心削弱时，AD曲线向左移动）。
总需求曲线代表了货币市场和商品市场同时达到均衡时的点的集合，即IS—LM模型的均衡点。我们可以由IS—LM模型推出总需求曲线：
IS: Y=C(Y-T)+I(Y,i)+G
LM: M=YL(i)
YGDPCTIiGM
, YGDP.
其中，在IS模型中Y和T,i均成负相关关系，Y和G成正相关关系；而在LM模型中，Y和M成正相关，和P成负相关。
上述两个模型是对现实的高度简化，建立在Macroeconomics (second edition) Olivier
Blanchard,Massachusetts Institute of Technology中的模型的基础上。 当上述两方程均成立时，得到总产出Y，即GDP的一个隐函数 Y=Y(M/P,G,T)
其中M/P代表真实货币供应量；G代表政府购买支出；T代表税收。 用IS—LM模型推导AD曲线可以用下图表示：
IS LM
i
i 1
Yn Yn1
P
P1 AD
在LM曲线的推导中，M/P指的是真实的货币供应量。所以，准确的讲，要体现出真实
货币供应量与名义货币供应量，P应该是GDP平减指数（GDP Deflator）。对于给定的名义货币量M，高价格意味着低的真实货币供应M/P。显然，价格高意味着供应的人民币价值
低了。结果是，高价格水平意味着低水平的总需求。因此，总需求曲线是向右下方倾斜的。 我们假定，总需求曲线的代数表达形式是 Y=?1+ ?2A+ ?3M/P
A表示财政政策状态，M/P表示真实货币供应。（来自多恩布什 宏观经济学 第七版） 在财政政策中，起着主要作用的是政府购买支出和税收。所以，我们将多恩布什归纳的表达
式转化为 Y= ?1+ ?2G+ ?3T+ ?4M/P 用G和T将A细化了。
我们要将中国的数据来进行拟合，就必须在原来的模型上加上一个随机扰动项Ut，得到GDP= ?1+ ?2G+ ?3T+ ?4M/P+Ut
其中，G是政府购买支出，我们用基础建设支出，地质勘探支出，与国防支出之和来
代替政府购买支出；T是税收总和；M是货币供应量，在这里我们使用的是狭义的货币供应
量，即M1，是流通中的货币量与活期存款的总和；P是价格水平，用GDP平减指数。下面是我们的原始数据，是由历年的《中国统计年鉴》、《中国金融年鉴》及《中国金融统计
1952-1999》的数据处理得来。
obs GDP M1 P G T 单位：年 单位：亿元 单位：亿元 1990年=1 单位：亿元 单位：亿元 1978 3624.100 944.0000 0.551463 639.9100 519.2800 1979 4038.200 1146.000 0.571074 685.9900 537.8200 1980 4517.800 1223.000 0.592669 562.7700 571.7000 1981 4862.400 1712.300 0.606346 447.3700 629.8900 1982 5294.700 1912.800 0.604075 468.5200 700.0200 1983 5934.500 2219.000 0.609424 545.7100 775.5900 1984 7171.000 2982.800 0.638684 661.1000 947.3500 1985 8964.400 3290.500 0.705311 775.6700 2040.790 1986 10202.20 4745.700 0.739816 827.2300 2090.730 1987 11962.50 5714.600 0.777995 761.5500 2140.360 1988 14928.30 6950.500 0.873879 744.8700 2390.470 1989 16909.20 7347.100 0.949940 766.3300 2727.400 1990 18547.90 8793.200 1.000000 873.8900 2821.860 1991 21617.80 10866.60 1.068297 928.2700 2990.100 1992 26638.10 15015.70 1.154725 977.8300 3296.910 1993 34634.40 16280.40 1.327457 1066.790 4255.300 1994 46759.40 20540.70 1.591635 1254.560 5126.880 1995 58478.10 23987.10 1.826171 1492.260 6038.000
1996 67884.60 28514.80 1.930709 1696.060 6069.820 1997 74462.60 34826.30 1.950088 1905.440 8234.040 1998 78345.20 38953.70 1.903311 2405.570 9262.800 1999 82067.50 45837.30 1.861569 3276.660 10682.58 2000 89442.20 53147.20 1.871635 3390.500 12581.51 2001 95933.30 59872.00 1.876136 3751.600 15301.38
首先我们将M/P的值定义为A,即真实的货币供应量，先用A、G、T对GDP进行回归，然后再对残差进行正态性检验
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 3868.325 5109.435 0.757094 0.4578
A 0.047584 1.330184 0.035772 0.9718
G -9.171626 9.769445 -0.938807 0.3590
T 9.455154 3.719218 2.542243 0.0194 R-squared 0.939790 Mean dependent var 33050.85 Adjusted R-squared 0.930759 S.D. dependent var 31871.78 S.E. of regression 8386.646 Akaike info criterion 21.05768 Sum squared resid 1.41E+09 Schwarz criterion 21.25402 Log likelihood -248.6922 F-statistic 104.0576 Durbin-Watson stat 0.539034 Prob(F-statistic) 0.000000 其回归结果为：3868.325 +0.047584 A - 9.171626 G + 9.455154 T+et
5109.4351.3301849.7694453.719218
0.7570940.035772-0.9388072.542243
0.45780.97180.35900.0194
0.939790(0.930759) DW=0.539034
F=104.0576
2从回归结果中可以看出，A与G的t值都比较小，R较大，而G的系数为负不符合经济意义，估计解释变量间存在多重共线性（即货币政策和财政政策存在较大的相关性）。对A、G、T进行简单相关系数矩阵检验得到如下结果：
A G T
A 1.000000 0.967409 0.987797
G 0.967409 1.000000 0.982637
T 0.987797 0.982637 1.000000
可以看出，A、G、T之间存在高度相关.
再进行，据此看出，该模型基本上服从正态性假定。
10
Series: Residuals8Sample 1978 2001Observations 24
6Mean 4.85E-12Median -351.5947Maximum 21478.05Minimum -19722.184Std. Dev. 7820.587Skewness 0.355552Kurtosis 4.8318002
Jarque-Bera 3.861160Probability 0.1450640 -20000-1000001000020000
于是，对多重共线性采用进行修正。
第一步，用A、G、T分别对GDP回归得下面的结果： Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -6240.025 3172.842 -1.966699 0.0620
A 3.592356 0.230928 15.55614 0.0000 R-squared 0.916665 Mean dependent var 33050.85 Adjusted R-squared 0.912877 S.D. dependent var 31871.78 S.E. of regression 9407.486 Akaike info criterion 21.21605 Sum squared resid 1.95E+09 Schwarz criterion 21.31423 Log likelihood -252.5927 F-statistic 241.9936 Durbin-Watson stat 0.350037 Prob(F-statistic) 0.000000 Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -6753.305 3773.294 -1.789764 0.0873
G 30.90940 2.357537 13.11088 0.0000 R-squared 0.886537 Mean dependent var 33050.85 Adjusted R-squared 0.881379 S.D. dependent var 31871.78 S.E. of regression 10977.08 Akaike info criterion 21.52466 Sum squared resid 2.65E+09 Schwarz criterion 21.62283 Log likelihood -256.2959 F-statistic 171.8953 Durbin-Watson stat 0.338332 Prob(F-statistic) 0.000000 Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 1198.921 2425.064 0.494388 0.6259
T 7.441128 0.411099 18.10058 0.0000 R-squared 0.937077 Mean dependent var 33050.85 Adjusted R-squared 0.934216 S.D. dependent var 31871.78 S.E. of regression 8174.579 Akaike info criterion 20.93510 Sum squared resid 1.47E+09 Schwarz criterion 21.03327 Log likelihood -249.2212 F-statistic 327.6309 Durbin-Watson stat 0.397048 Prob(F-statistic) 0.000000
可以看出,用T对GDP回归的修正可决系数最大(等于0.934216),F值也较大所以选取T
作为第一个解释变量。
第二步，用T再加上其它任一个解释变量对GDP回归得： Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 772.4795 3891.770 0.198491 0.8446
T 7.061774 2.700332 2.615150 0.0162
A 0.187456 1.318075 0.142220 0.8883 R-squared 0.937137 Mean dependent var 33050.85 Adjusted R-squared 0.931150 S.D. dependent var 31871.78 S.E. of regression 8362.922 Akaike info criterion 21.01747 Sum squared resid 1.47E+09 Schwarz criterion 21.16473 Log likelihood -249.2097 F-statistic 156.5300 Durbin-Watson stat 0.384792 Prob(F-statistic) 0.000000
Dependent Variable: GDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 3988.427 3758.808 1.061088 0.3007
T 9.560456 2.218486 4.309450 0.0003
G -9.210770 9.474312 -0.972184 0.3420 R-squared 0.939787 Mean dependent var 33050.85 Adjusted R-squared 0.934052 S.D. dependent var 31871.78 S.E. of regression 8184.790 Akaike info criterion 20.97441 Sum squared resid 1.41E+09 Schwarz criterion 21.12167 Log likelihood -248.6929 F-statistic 163.8795 Durbin-Watson stat 0.545004 Prob(F-statistic) 0.000000
可以看到，无论是用T、A或是T、G对GDP回归的修正可决系数（分别为0.931150和0.934052）都比T对GDP回归的（0.934216）小。所以，初步模型为
1198.921 + 7.441128T + et
2425.0640.411099
0.49438818.10058
0.62590.0000)
0.937077(0.934216) DW=0.545004
F=327.6309
对其残差进行得：
Series: Residuals12Sample 1978 2001
Observations 2410
Mean 3.49E-128Median -1095.217
Maximum 21519.37
Minimum -19125.156Std. Dev. 7994.896Skewness 0.5508824Kurtosis 4.520899
Jarque-Bera 3.5270162Probability 0.171442
0-20000-1000001000020000
可以认为其基本上服从正态性分布。
再进行检验：
先为ARCH检验，：
ARCH Test:
F-statistic 1.851545 Probability 0.184227 Obs*R-squared 3.588409 Probability 0.166260 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample(adjusted): 1980 2001
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 49223415 28714509 1.714235 0.1028
RESID^2(-1) 0.545856 0.286044 1.908297 0.0716
RESID^2(-2) -0.202617 0.284854 -0.711302 0.4855 R-squared 0.163109 Mean dependent var 66668186 Adjusted R-squared 0.075016 S.D. dependent var 1.21E+08 S.E. of regression 1.17E+08 Akaike info criterion 40.11468 Sum squared resid 2.59E+17 Schwarz criterion 40.26346 Log likelihood -438.2615 F-statistic 1.851545 Durbin-Watson stat 1.681442 Prob(F-statistic) 0.184227
从结果中可以看出，滞后变量的t值均不显著。再进行的检验，结果为
ARCH Test:
F-statistic 1.111473 Probability 0.371893 Obs*R-squared 3.443561 Probability 0.328156 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 55249890 32364000 1.707140 0.1060
RESID^2(-1) 0.524778 0.303381 1.729767 0.1018
RESID^2(-2) -0.156449 0.342254 -0.457113 0.6534
RESID^2(-3) -0.097098 0.302738 -0.320734 0.7523 R-squared 0.163979 Mean dependent var 69801212 Adjusted R-squared 0.016446 S.D. dependent var 1.23E+08 S.E. of regression 1.22E+08 Akaike info criterion 40.25362 Sum squared resid 2.55E+17 Schwarz criterion 40.45258 Log likelihood -418.6630 F-statistic 1.111473 Durbin-Watson stat 1.628480 Prob(F-statistic) 0.371893
仍然发现滞后变量的t值都不显著，所以该模型不存在因为样本误差随时间积累造成的
异方差。
再对模型进行，得：
White Heteroskedasticity Test:
F-statistic 4.113129 Probability 0.031095 Obs*R-squared 6.755233 Probability 0.034129 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -5863654. 42723707 -0.137246 0.8921
T 16669.12 17926.36 0.929866 0.3630
T^2 -0.121668 1.260998 -0.096486 0.9240 R-squared 0.281468 Mean dependent var 61255094 Adjusted R-squared 0.213036 S.D. dependent var 1.17E+08 S.E. of regression 1.04E+08 Akaike info criterion 39.87716 Sum squared resid 2.28E+17 Schwarz criterion 40.02442 Log likelihood -475.5260 F-statistic 4.113129 Durbin-Watson stat 1.478312 Prob(F-statistic) 0.031095
同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方差
的问题。
综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。 与e的散点图进行观测。图示如下： tt-1
30000接着进行检验。首先用e
20000
10000E(-1)
0
-10000-20000-100000100002000030000
E
可以看到，e与e存在明显的正自相关关系。再看模型的回归结果，其回归结果表明，tt-1
D-W值为0.545004。而在0.05的显著性水平下，有n=24 ，k’=1，查D-W表得dl=1.273，
du=1.446。因为 d=0.545004
我们用CORC法对正自相关进行修正，可得到下面的结果： Dependent Variable: GDP
Method: Least Squares
Sample(adjusted): 1979 2001
Included observations: 23 after adjusting endpoints
Convergence achieved after 7 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -22533.17 18551.14 -1.214651 0.2386
T 0.023549 1.482588 0.015884 0.9875
AR(1) 1.075782 0.029137 36.92090 0.0000 R-squared 0.991799 Mean dependent var 34330.27 Adjusted R-squared 0.990979 S.D. dependent var 31951.71 S.E. of regression 3034.765 Akaike info criterion 18.99476 Sum squared resid 1.84E+08 Schwarz criterion 19.14287 Log likelihood -215.4398 F-statistic 1209.357 Durbin-Watson stat 0.413515 Prob(F-statistic) 0.000000 Inverted AR Roots 1.08
Estimated AR process is nonstationary
从结果中可以看出，由于我国的货币供给量、税收及政府购买支出随着时间发展呈现一
种高速增长状态使得原模型的数据存在不稳定性，所以用CORC法反而使修正后的D-W值
变得更小。因此，无法用CORC法对该模型的自相关进行修正。于是，我们考虑转换模型
的形式以求得到更好的模型。
由于无法用CORC法对上述模型的自相关进行修正，我们变换模型的形式，采用对数
形式对模型进行拟合。
首先，用LogA、LogG、LogT分别对LogGDP回归，得到： Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 0.310531 1.136914 0.273135 0.7876
LOGA 0.305812 0.300634 1.017224 0.3212
LOGG 0.200544 0.192488 1.041852 0.3099
LOGT 0.687025 0.284896 2.411490 0.0256 R-squared 0.969863 Mean dependent var 9.858089 Adjusted R-squared 0.965343 S.D. dependent var 1.131745 S.E. of regression 0.210691 Akaike info criterion -0.125833 Sum squared resid 0.887817 Schwarz criterion 0.070509 Log likelihood 5.509997 F-statistic 214.5463 Durbin-Watson stat 0.345327 Prob(F-statistic) 0.000000 其回归结果为： 0.310531 + 0.305812 LogA - 0.200544LogG + 0.687025Log T+et
1.1369140.3006340.1924880.284896
0.2731351.0172241.0418522.411490
0.969863(0.965343) DW=0.345237
F=214.5463
2从回归结果中可以看出，LogA、LogG、LogT的t值都比较小，R较大，而G的系数为负不符合经济意义，估计该模型存在多重共线性。对LogA、LogG、LogT进行简单相关系数矩阵检验得到如下结果：
LOGA LOGG LOGT
LOGA 1.000000 0.895540 0.984411
LOGG 0.895540 1.000000 0.926769
LOGT 0.984411 0.926769 1.000000
可以看出，LogA、LogG、LogT之间存在高度相关。
再进行，得：
Series: Residuals8Sample 1978 2001Observations 24
Mean -2.80E-166Median 0.025944Maximum 0.403163Minimum -0.3632294Std. Dev. 0.196471Skewness -0.059747Kurtosis 2.6839632Jarque-Bera 0.114158Probability 0.944519
0-0.4-0.3-0.2-0.10.00.10.20.30.40.5
从图中可以看出，残差基本上服从正态性分布。
于是，对多重共线性采用进行修正。
第一步，用A、G、T分别对GDP回归得下面的结果： Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -1.662996 0.579512 -2.869647 0.0089
LOGA 1.282578 0.064233 19.96758 0.0000 R-squared 0.947707 Mean dependent var 9.858089 Adjusted R-squared 0.945330 S.D. dependent var 1.131745 S.E. of regression 0.264621 Akaike info criterion 0.258619 Sum squared resid 1.540533 Schwarz criterion 0.356790 Log likelihood -1.103423 F-statistic 398.7042 Durbin-Watson stat 0.411570 Prob(F-statistic) 0.000000 Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -1.700498 1.029054 -1.652487 0.1126
LOGG 1.663406 0.147515 11.27615 0.0000 R-squared 0.852499 Mean dependent var 9.858089 Adjusted R-squared 0.845794 S.D. dependent var 1.131745 S.E. of regression 0.444425 Akaike info criterion 1.295586 Sum squared resid 4.345307 Schwarz criterion 1.393757 Log likelihood -13.54704 F-statistic 127.1515 Durbin-Watson stat 0.232752 Prob(F-statistic) 0.000000 Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 1.700034 0.322555 5.270520 0.0000
LOGT 1.036580 0.040624 25.51657 0.0000 R-squared 0.967315 Mean dependent var 9.858089 Adjusted R-squared 0.965829 S.D. dependent var 1.131745 S.E. of regression 0.209206 Akaike info criterion -0.211338 Sum squared resid 0.962878 Schwarz criterion -0.113167 Log likelihood 4.536058 F-statistic 651.0952 Durbin-Watson stat 0.546204 Prob(F-statistic) 0.000000
可以看出,用LogT对LogGDP回归的修正可决系数最大(等于0.965829),F值也较大,所
以选取LogT作为第一个解释变量。
第二步，用T再加上其它任一个解释变量对GDP回归得： Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 1.069902 0.874314 1.223704 0.2346
LOGT 0.858404 0.233083 3.682825 0.0014
LOGA 0.226257 0.291366 0.776539 0.4461 R-squared 0.968228 Mean dependent var 9.858089 Adjusted R-squared 0.965202 S.D. dependent var 1.131745 S.E. of regression 0.211120 Akaike info criterion -0.156315 Sum squared resid 0.936001 Schwarz criterion -0.009058 Log likelihood 4.875782 F-statistic 319.9746 Durbin-Watson stat 0.392940 Prob(F-statistic) 0.000000 Dependent Variable: LOGGDP
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C 1.295598 0.596143 2.173299 0.0413
LOGT 0.954815 0.109006 8.759324 0.0000
LOGG 0.150811 0.186329 0.809378 0.4274 R-squared 0.968304 Mean dependent var 9.858089 Adjusted R-squared 0.965285 S.D. dependent var 1.131745 S.E. of regression 0.210866 Akaike info criterion -0.158723 Sum squared resid 0.933750 Schwarz criterion -0.011466 Log likelihood 4.904677 F-statistic 320.7713
Durbin-Watson stat 0.524027 Prob(F-statistic) 0.000000
可以看到，无论是用LogT、LogA或是LogT、LogG对LogGDP回归的修正可决系数（分别为0.965202和0.965285）都比T对GDP回归的（0.965829）小。所以，模型最后确定为：
1.700034+ 1.036580 LogT + et
0.3225550.040624
5.27052025.51657
0.00000.0000)
0.967315(0.965829) DW=0.546204
F=651.0952
对其残差进行得：
Series: Residuals8Sample 1978 2001Observations 24
Mean -5.11E-166Median 0.078532Maximum 0.395791Minimum -0.4988934Std. Dev. 0.204608Skewness -0.641213Kurtosis 3.270419
2Jarque-Bera 1.717740Probability 0.423640
0 -0.5-0.4-0.3-0.2-0.10.00.10.20.30.4
可以认为其基本上服从正态性分布。
再进行检验：
：
ARCH Test:
F-statistic 1.471947 Probability 0.257593 Obs*R-squared 4.330097 Probability 0.227955 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample(adjusted): 1981 2001
Included observations: 21 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.040718 0.019295 2.110243 0.0500
RESID^2(-1) 0.411124 0.237787 1.728959 0.1019
RESID^2(-2) -0.132741 0.256867 -0.516770 0.6120
RESID^2(-3) -0.187925 0.237828 -0.790171 0.4403 R-squared 0.206195 Mean dependent var 0.044623 Adjusted R-squared 0.066112 S.D. dependent var 0.064860
S.E. of regression 0.062679 Akaike info criterion -2.531922 Sum squared resid 0.066788 Schwarz criterion -2.332965 Log likelihood 30.58518 F-statistic 1.471947 Durbin-Watson stat 2.048362 Prob(F-statistic) 0.257593
从结果中可以看出，滞后变量的t值均不显著，所以该模型不存在因为样本误差随时间
积累造成的异方差。
再对模型进行，得：
White Heteroskedasticity Test:
F-statistic 1.621782 Probability 0.221330 Obs*R-squared 3.210978 Probability 0.200791 Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Sample: 1978 2001
Included observations: 24
Variable Coefficient Std. Error t-Statistic Prob.
C -1.262663 0.734966 -1.717989 0.1005
LOGT 0.332632 0.190193 1.748918 0.0949
LOGT^2 -0.020860 0.012133 -1.719215 0.1003 R-squared 0.133791 Mean dependent var 0.040120 Adjusted R-squared 0.051295 S.D. dependent var 0.061753 S.E. of regression 0.060148 Akaike info criterion -2.667551 Sum squared resid 0.075973 Schwarz criterion -2.520294 Log likelihood 35.01061 F-statistic 1.621782 Durbin-Watson stat 1.255677 Prob(F-statistic) 0.221330
同样可以看到，变量的t值均不显著，说明模型不存在因为缺损解释变量而造成异方差
的问题。
综合ARCH和怀特检验的结论，我们可以断定，该模型并不存在异方差。
接着进行检验。首先用e与e的散点图进行观测。图示如下： tt-1
0.6
0.4
0.2
E(-1)0.0
-0.2
-0.4
-0.6-0.6-0.4-0.20.00.20.40.6
E
与e存在较明显的正自相关关系。而模型的回归结果表明，D-W值为tt-1
0.524027。而在0.05的显著性水平下，有n=24 ，k’=1，查D-W表得dl=1.273，du=1.446。
可以看到，e因为 d=0.524027
我们用CORC法对正自相关进行修正，可得到下面的结果： Dependent Variable: LOGGDP
Method: Least Squares
Sample(adjusted): 1979 2001
Included observations: 23 after adjusting endpoints
Convergence achieved after 28 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C 24.75748 33.72838 0.734025 0.4715
LOGT 0.144418 0.095797 1.507546 0.1473
AR(1) 0.992470 0.015570 63.74153 0.0000 R-squared 0.996370 Mean dependent var 9.930381 Adjusted R-squared 0.996007 S.D. dependent var 1.099062 S.E. of regression 0.069448 Akaike info criterion -2.375368 Sum squared resid 0.096461 Schwarz criterion -2.227260 Log likelihood 30.31673 F-statistic 2744.971 Durbin-Watson stat 0.533042 Prob(F-statistic) 0.000000 Inverted AR Roots .99
从结果中可以看到，经过CORC法修正后的D-W值比修正前变大，这说明用CORC法对该模型进行修正是有效的。至此，我们得到了一个修正后的最终模型。
在最终模型中，影响GDP的因素由三个（真实货币供给、税收、政府购买支出）减至
一个（税收），但并不意味着其它两个因素（真实货币供给、政府购买支出）不影响GDP，而是因为在模型中上述三个变量之间存在高度的线性相关关系，所以用税收代表了这三个因
素对GDP的影响。同时，模型为对数形式，其系数的经济含义为衡量税收对GDP的影响时，其变化量均为相对数的形式。
从模型中可以看到，税收政策与GDP为正相关关系,而普遍认为税收政策与GDP之间应是负相关关系。对此我们认为模型的结果还是可以理解的，因为税收与产出之所以存在负
相关关系在于认为税收会抑制劳动者积极性，但就我国发展历程来说，体制改革对劳动者积
极性的促进作用才是主要的方面，而税收对其影响并不明显，因此税收的增长并不意味着产
出会减少。
通过以上分析，我们可以看到财政政策和货币政策对经济的短期发展所起到的作用。 1 当政府增加购买支出时，会对经济的发展起到促进作用。反之，当减少政府购买支出时，
会减缓经济的发展速度。事实证明，我国在近几年来内需不足，但经济任保持高速增长，这
与我国政府大力发展基础建设是分不开的。
2 当政府增加真实货币供给时，短期内GDP会受其影响而增加。而当减少时，则会减缓
GDP发展速度。我国一直实行稳健的货币政策，真实货币量的稳定增长对GDP的发展起到了良好的促进作用。
3 当政府增加征税时，GDP也会随之增加。表面上看似乎很荒谬，但这是与中国的实际
发展情况符合的。中国的税收制度正处于完善阶段，而税收制度的完善对我国收入再分配、
缩小贫富差距以调动人们的积极性起到了较好的作用。
多恩布什，《宏观经济学》，第七版
Macroeconomics (second edition) ，Olivier Blanchard，Massachusetts Institute of Technology 丁冰，《当代西方经济学流派》，北京经济学院出版社 《中国统计年鉴—2002》至《中国统计年鉴—1981》 《中国金融年鉴—1999》至《中国金融年鉴—1986》 庞浩，《计量经济学》，西南财经大学出版社
