【宏观经济】我国省级宏观经济发展核心观测指标选取—基于固定效应模型相关性分析

（一）我国省级宏观经济指标选择

本部分，我们选用常用的宏观经济指标对我国各省经济发展情况进行直观的分析。在指标的选用上，我们综合经济意义与数据可得性两个原则，共选用经济增长、价格、投资、金融、消费、财政、进出口等23个指标。由于部分指标缺少2004年之前数据，在本文中，我们使用我国31个省2004年－2018年15个年份的面板数据，数据为平衡面板数据。选中指标见表1。

1.GDP增速

从GDP增长率来看，2018年中国GDP增速6.6%，从各省市来看，增速低于6%的分别是天津、吉林、黑龙江、内蒙古、辽宁、海南等6个省市。GDP增长率超过8%的有贵州、西藏、云南、江西、福建、陕西等6个省区（见图1）。

从上图中可以看出，内蒙古GDP增速自2004年开始降幅较大，辽宁、吉林、黑龙江降幅同样比较明显，辽宁2016年GDP增速为-2.5，东北部地区经济增长较低。此外，天津GDP增速在2018年为全国最低（3.6%）。

2.工业增加值增速

（一）21指标固定效应模型残差分析

在第一部分，我们以工业增加值同比增速与GDP同比增速的面板数据作为因变量构建固定效应模型，拟合程度良好（R²为0.89与0.82）。在本部分，我们假设模型成立，在模型的基础上算出30各省（除去西藏）2004年－2017年的残差，从而判断回归中出现的异常值（见表5与表6）。残差（residual）是因变量的观测值与根据估计的回归方程求出的预测之差，反映了用估计的回归方程去预测而引起的误差。

从模型1结果来看，北京、海南、上海、宁夏、青海、新疆、甘肃、山西残差较大且为负值，可以理解为这些省的自变量指标增长情况更好，而工业增加值增长情况低于以回归系数计算的预测值；河南、江苏、山东残差较大且为正值，可以理解为这些省份自变量指标增长一般，但工业增加值增速高于以回归系数计算的预测值。此外，黑龙江省2015年残差明显上升，江苏与山东2017年残差较大，可以视为异常值。

从模型2结果来看，北京、海南、上海、宁夏、青海、新疆、甘肃、山西残差较大且为负值，可以理解为这些省的自变量指标增长情况更好，而GDP增长情况低于以回归系数计算的预测值；河南、江苏、山东残差较大且为正值，可以理解为这些省份自变量指标增长一般，但GDP增速高于以回归系数计算的预测值。此外，黑龙江省2015年残差明显上升，江苏与山东2017年残差较大，可以视为异常值。两个模型结果基本一致。

（二）9指标指标固定效应模型残差分析

在进一步的计量中，我们以选择后的9个指标进行回归分析，指标包括：CPI、PPI、铁路货运量同比增长率、房地产新开工面积同比增长率、中长期贷款同比增长率、贷款/GDP、用电量同比增长率、商品零售总额同比增长率、进出口额/GDP。

在回归的基础上我们计算标准化残差值，标准化残差（standardized residual）是残差除以其标准差后得到的数值。如果误差项服从正态分布的这一假定成立，则标准化残差的分布也服从正态分布，大约有95%的标准化残差在-2~2之间。

从模型1结果来看，山东和上海残差较大且为正值，可以理解为这些省份自变量指标增长一般，但工业增加值增速高于以回归系数计算的预测值。海南、宁夏、青海、新疆残差较大且为负值，可以理解为这些省的自变量指标增长情况更好，而工业增加值增长情况低于以回归系数计算的预测值。

从模型2结果来看，上海、天津、广东残差较大且为正值，可以理解为这些省份自变量指标增长一般，但工业增加值增速高于以回归系数计算的预测值。海南、宁夏、山西、新疆残差较大且为负值，可以理解为这些省的自变量指标增长情况更好，而工业增加值增长情况低于以回归系数计算的预测值。

总体来看，9指标固定效应模型拟合程度较高，残差在合理范围之内，我们认为模型稳定有效，指标能够反映地区经济运行情况。

本文选用价格、投资、金融、消费、财政、进出口等23个指标，以31个省2004－2017年的面板数据构建多元回归模型与固定效应模型进行回归分析，并进行指标之间相关系数分析，从经济理论与显著相关两个角度选择出9个与GDP和工业增加值紧密相关的指标，分别为：CPI、PPI、铁路货运量同比增长率、房地产新开工面积同比增长率、中长期贷款同比增长率、贷款/GDP、用电量同比增长率、商品零售总额同比增长率、进出口额/GDP。对模型残差的进一步分析证明模型拟合程度较高，残差范围合理。因此我们认为这9个指标为地区宏观经济运行的核心指标，能够有效刻画地区宏观经济增长的情况，从而建立指标池，为以后的研究打下基础。

联系人