国内生产总值的实证分析

Ⅰ. 摘要 (2)

关键词 (2)

Ⅱ. 正文 (2)

1. 序言 (2)

2. 模型设定……………………………………………………………

3. 参数估计……………………………………………………………

4. 检验修正……………………………………………………………

经济意义检验……………………………………………………

统计意义检验……………………………………………………

计量经济学检验…………………………………………………

多重共线性检验………………………………………………

相关系数检验………………………………………………

逐步回归修正………………………………………………

异方差性检验…………………………………………………

异方差检验…………………………………………………

模型修正……………………………………………………

序列相关性检验………………………………………………

GB 检验……………………………………………………

模型修正……………………………………………………

模型预测检验……………………………………………………

模型确认……………………………………………………………

5. 模型评价………………………………………………………………

6. 政策建议………………………………………………………………

7. 参考文献………………………………………………………………

我国国内生产总值的实证分析

【摘要】：本文主要是从宏观经济的角度，对影响我国自1990年至2009年的国内生产总值的主要因素进行实证分析。结合我国特定国情选取了六个影响我国国内生产总值的主要因素，并对其时间序列分析，建立多元线性模型，利用OLS方法进行参数估计并进行计量经济学模型的四大检验。经济意义检验中，发现储蓄总额前参数不符合经济理论常识，并在后面的工作中得到了修正；计量经济学检验中，发现初建模型具有多重共线性，采用逐步回归法进行修正，消除了多重共线性；在异方差性检验中，发现模型具有异方差性，采用对数变换法进行修正，消除了异方差性；利用GB检验法发现模型随机干扰项存在2阶序列自相关性，采用广义差分变换法修正模型，消除了模型序列相关性；利用2010年数据，模型通过了经济预测检验，并确定了最终模型，得出结论：进出口额、职工工资总额和上期国内生产总值对国内生产总值有很大影响。最后，进行了模型评价并结合模型及我国国情给出了相应的可供参考的政策建议。

【关键词】：国内生产总值进出口额职工工资总额经济意义检验计量经济学检验时间序列多元线性回归OLS方法逐步回归法多重共线性异方差性对数变换法GB检验法序列自相关性广义差分变换法经济预测检验

序言

自1985年国家统计局建立起相应的核算制度以来，国内生产总值核算已经成为我国宏观经济经管部门了解经济运行状况的重要手段，制定经济发展战略、中长期规划、年度计划和各种宏观经济政策的重要依据。因此研究国内生产总值的影响因素对我国的经济发展有重大意义。2010年国内生产总值397983亿元，按可比价格计算，比上年增长10.3%，增速比上年加快1.1个百分点。总量跃居世界第二。本文主要运用计量经济学和统计经济学研究一些经济指标对国内

生产总值的影响和相关关系。GDP = C+ C1*LNX1 + C2*LNX3 + C3*LNX5

一、模型的设定

选国内生产总值GDP 为被解释变量，而影响国内生产总值的因素有很多，但普遍看来，进出口额、财政支出总额、职工工资总额、税收总额、上期国内生产总值和储蓄总额这六个因素对国内生产总值影响较大，因此，我们搜集了这六个因素的时间序列数据作为解释变量，希望建立一个合适的经济模型来从理论上探讨影响国内生产总值的因素，进而提出相应的建议。把上述六个因素分别设定为X 1、X 2、X 3、X 4、X 5、X 6。设定模型为：

GDP=0β+5544332211X X X X X βββββ+++++β

6X +U i

经查资料得国内生产总值样本观测数据（单位/亿元）：

年份 GDP

进出口额财政支出职工工资总额税收收入上

期

GDP

储蓄余额

1990 18667.8 5560.1 3083.59 2951.1 2821.86 16992.3 1210.2 1991 21781.5 7225.8 3386.62 3323.9 2990.17 18667.8 1610 1992 26923.5 9119.6 3742.2 3939.2 3296.91 21781.5 2312.3 1993 35333.9 11271 4642.3 4916.2 4255.3 26923.5 3095.2 1994 48197.9 20381.9 5792.62 6656.4 5126.88 35333.9 4680.1 1995 60793.7 23499.9 6823.72 8100 6038.04 48197.9 5884.1 1996 71176.6 24133.8 7937.55 9080 6909.82 60793.7 7647.6 1997 78973 26967.2 9233.56 9405.3 8234.04 71176.6 10053.1 1998 84402.3 26849.7 10798.18 9296.5 9262.8 78973 11615.9 1999 89677.1 29896.2 13187.67 9875.5 10682.58 84402.3 14666.7 2000 99214.6 39273.2 15886.5 10656.2 12581.51

89677.1 18190.7 2001 109655.2 42183.6 18902.58 11830.9 15301.38 99214.6 22327.6 200 120332.7 51378.2 22053.15 13161.1 17636.45 109655.2 28121.7 2003 135822.8 70483.5 24649.95 14743.5 20017.31 120332.7 35119 2004 159878.3 95539.1 28486.89 16900.2 24165.68 135822.8 41416.5 2005 184937.4 116921.8 33930.28 19789.9 28778.54 159878.3 48787.5 2006 216314.4 140971.5 40422.73 23265.9 34804.35 184937.4 58575.9 2007 265810.3 166740.2 49781.35 28244 45621.97 216314.4 67599.7 2008 314045.4 179921.5 62592.66 33714 5422.379 265810.3 78585.2 2009

340506.9

150648.1

76299.93

40288.16

59521.59

314045.4

100541.3

——数据来自中国统计年鉴

二、模型的参数估计

对设定模型用OLS 法进行参数估计,用Eviews5对上表数据回归得：

Dependent Variable: GDP Method: Least Squares Date: 06/29/11 Time: 20:09 Sample: 1990 2009

Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

X1 0.464687 0.041527 11.18991 0.0000 X2 1.099405 0.520605 2.111781 0.0546 X3 1.854433 0.683749 2.712155 0.0178 X4 0.098013 0.082998 1.180915 0.2588 X5 0.759080 0.067561 11.23539 0.0000 X6 -1.284279 0.378693 -3.391349 0.0048 C

-2350.298 1721.927

-1.364923

0.1954

R-squared

0.999706 Mean dependent var 124122.3 Adjusted R-squared 0.999571 S.D. dependent var 95623.17 S.E. of regression 1981.296 Akaike info criterion 18.29011 Sum squared resid 51031963 Schwarz criterion 18.63861 Log likelihood -175.9011 F-statistic 7373.983 Durbin-Watson stat

1.313821 Prob(F-statistic) 0.000000

回归结果如下：

GDP=-2350.298+54321759080.0098013.0854434.1099405.1464687.0X X X X X ++++-1.2842796X

-1.36492611.18993

2.1117852.7121611.1809111.23540-

3.3913542

=0.999706R 2

=0.99957

1F = 7374.005D.W.=1313820

F=7374.005 >05.0F (6，13))=2.92(显著性水平α=0.05)表明模型从整体上看国内生产总值与解释变量间线形关系显著。

三、检验及修正

1．经济意义检验

从上述回归结果可知：6X 的系数为负值，说明国民生产总值随居民储蓄余额的增加而减少，这从理论上说不符合我国的实际情况；其他因素系数均为正，均不与经济原理相悖，具有经济意义：各系数表示国内生产总值对该因素的弹性大小。 2．统计意义检验

从回归结果可以看出，模型的拟和优度非常好（2

R =0.999706）， F 统计量的值在给定显

著性水平α=0.05的情况下也较显著。因为F = 7374.00＞05.0F (6，13)，表明模型的线性关系在95%的置信水平下显著成立.。但是X 2、X 4的t 统计值均不显著。 3.计量经济学检验

（1）多重共线性检验

①相关系数检验：用Eviews5求得解释变量的相关系数矩阵：

GDP

X1 X2 X3 X4 X5 X6 GDP

1.000000 0.969179 0.991794 0.995825 0.790460 0.996865 0.991017 X1

0.969179 1.000000 0.948919 0.951089 0.752585 0.950081 0.960884 X2

0.991794 0.948919 1.000000 0.995181 0.800763 0.993493 0.996078 X3

0.995825 0.951089 0.995181 1.000000 0.801194 0.996041 0.991165 X4

0.790460 0.752585 0.800763 0.801194 1.000000 0.802156 0.830014 X5

0.996865 0.950081 0.993493 0.996041 0.802156 1.000000 0.991482 X6

0.991017

0.960884

0.996078

0.991165

0.830014

0.991482

1.000000

由此可知：解释变量1X 、2X 、3.X 、5X 、6X 之间存在高度正相关，模型存在严重多重共线性。下面对模型进行修正。

②模型修正：用逐步回归法修正模型

由相关系数矩阵知解释变量X 5与GDP 相关性最强，故首先选取X 5 做为基本变量与GDP 建立一元回归模型： Y=1206.208+1.1386755X

(0.418440) (53.45104)

R 2=0.9937 F=2857.014 D.W.=1.117717依次引入X 3、1X 、2X 、4X 、X 6变量回

归：

引入X 3 ：

Dependent Variable: GDP Method: Least Squares

Date: 06/29/11 Time: 20:19

Sample: 1990 2009

Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C -1393.537 3037.490 -0.458779 0.6522

X3 3.410660 1.822811 1.871099 0.0786

X5 0.720199 0.224541 3.207424 0.0052

R-squared 0.994808 Mean dependent var 124122.3

Adjusted R-squared 0.994198 S.D. dependent var 95623.17

S.E. of regression 7283.977 Akaike info criterion 20.76222

Sum squared resid 9.02E+08 Schwarz criterion 20.91158

Log likelihood -204.6222 F-statistic 1628.742

Durbin-Watson stat 1.268140 Prob(F-statistic) 0.000000 引入X3 ，拟合优度得到提高，参数符号合理且参数统计量显著，故采纳该变量。引入

X：

Dependent Variable: GDP

Method: Least Squares

Date: 06/29/11 Time: 20:25

Sample: 1990 2009

Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C 2751.958 1322.723 2.080524 0.0539

X3 2.206781 0.757971 2.911432 0.0102

X5 0.634452 0.092446 6.862915 0.0000

X1 0.354703 0.038402 9.236473 0.0000 R-squared 0.999180 Mean dependent var 124122.3

Adjusted R-squared 0.999026 S.D. dependent var 95623.17

S.E. of regression 2983.745 Akaike info criterion 19.01660

Sum squared resid 1.42E+08 Schwarz criterion 19.21575

Log likelihood -186.1660 F-statistic 6499.488

Durbin-Watson stat 1.354897 Prob(F-statistic) 0.000000 引入

X，拟合优度再次提高，参数符号合理且参数统计量显著，故采纳该变量。

引入

X：

Dependent Variable: GDP

Method: Least Squares Date: 06/29/11 Time: 20:36 Sample: 1990 2009 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C -207.3832 2300.651 -0.090141 0.9294 X3 2.934796 0.867059 3.384771 0.0041 X5 0.670137 0.091673 7.310107 0.0000 X1 0.357885 0.036906 9.697292 0.0000 X2

-0.511151

0.331441

-1.542208

0.1439

R-squared

0.999292 Mean dependent var 124122.3 Adjusted R-squared 0.999104 S.D. dependent var 95623.17 S.E. of regression 2862.969 Akaike info criterion 18.96942 Sum squared resid 1.23E+08 Schwarz criterion 19.21836 Log likelihood -184.6942 F-statistic 5295.161 Durbin-Watson stat

1.523732 Prob(F-statistic)

0.000000

引入2X ，拟合优度虽然得到了提高，但是参数符号为负值，表示GDP 随财政支出增加而减少，与实际情况相悖，故将该变量剔除。剔除2X ，引入4X

Dependent Variable: GDP Method: Least Squares Date: 06/29/11 Time: 21:05 Sample: 1990 2009 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C 2678.009 1221.170 2.192985 0.0445 X3 2.276780 0.700362 3.250861 0.0054 X5 0.648344 0.085605 7.573629 0.0000 X1 0.350608 0.035499 9.876493 0.0000 X4

-0.133084

0.068361

-1.946783

0.0705

R-squared

0.999345 Mean dependent var 124122.3 Adjusted R-squared 0.999171 S.D. dependent var 95623.17 S.E. of regression 2753.333 Akaike info criterion 18.89133 Sum squared resid 1.14E+08 Schwarz criterion 19.14026 Log likelihood -183.9133 F-statistic 5725.563 Durbin-Watson stat

1.606945 Prob(F-statistic)

0.000000

引入4X ，拟合优度再次提高，但是参数符号为负值表明我国GDP 随税收收入增加而减少，与实际情况相悖，所以将之剔除。

引入6X ：

Dependent Variable: GDP

Method: Least Squares

Date: 06/29/11 Time: 21:22 Sample: 1990 2009 Included observations: 20

Variable Coefficient

Std.Error t-Statistic

Prob.

X1 0.408542 0.030811 13.25965 0.0000 X3 2.805214 0.566605 4.950912 0.0002 X5 0.734555 0.071222 10.31356 0.0000 X6 -0.607529 0.152807 -3.975787 0.0012 C -2698.436 1669.743 -1.616079

0.1269

R-squared 0.999601 Mean dependent var 124122.3 Adjusted R-squared 0.999494 S.D. dependent var 95623.17 S.E. of regression 2150.295 Akaike info criterion 18.39692 Sum squared resid 69356525 Schwarz criterion 18.64585 Log likelihood -178.9692 F-statistic

9389.672 Durbin-Watson stat 1.500071

Prob(F-statistic) 0.000000

引入4X ，拟合优度虽再次得到提高，但是参数符号为负值表明我国GDP 随上期GDP 增加而减少，与实际情况相悖，所以将之剔除。

通过逐步回归，剔除了变量2X 、4X 、6X ，得到新模型： Y=2751.958+0.3547031X +2.2067813.X +0.6344525X

2.080524 9.236473 2.911432 6.862915R 2=0.999026 F=6499.488 D.W.=1.354897

(2)异方差检验：

①a.

观察散点图，可知模型存在异方差，下面从理论上加以说明。

b.利用White-检验模型是否存在异方差性：

White Heteroskedasticity Test:

F-statistic 7.898928 Probability 0.001670

Obs*R-squared 17.53362 Probability 0.040987

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 06/30/11 Time: 12:55

Sample: 1 20

Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C 15710528 11987790 1.310544 0.2193

X1 26.63714 230.7537 0.115435 0.9104

X1^2 0.018481 0.006184 2.988560 0.0136

X1*X3 -0.370119 0.260585 -1.420339 0.1859

X1*X5 0.026757 0.035499 0.753737 0.4684

X3 -8830.545 14512.51 -0.608478 0.5564

X3^2 2.865800 3.709430 0.772571 0.4576

X3*X5 -0.516379 0.722809 -0.714406 0.4913

X5 817.9670 1639.007 0.499063 0.6285

X5^2 0.025722 0.033546 0.766760 0.4609

R-squared 0.876681 Mean dependent var 7122194.

Adjusted R-squared 0.765693 S.D. dependent var 8245917.

S.E. of regression 3991454. Akaike info criterion 33.54406

Sum squared resid 1.59E+14 Schwarz criterion 34.04193

Log likelihood -325.4406 F-statistic 7.898928

Durbin-Watson stat 1.747769 Prob(F-statistic) 0.001670

结果：因为nR2 =17.53362>()9

χ=16.919，故拒绝原假设，即模型存在异方差性。

②异方差的修正：

a.采用对数变换法对模型进行修正：用GENR产生对数序列：

genr lngdp=log(gdp)

genr lnx1=log(x1)

genr lnx3=log(x3)

genr lnx5=log(x5)

然后用OLS方法对新序列回归，结果如下：

Dependent Variable: GDP

Method: Least Squares

Date: 06/30/11 Time: 13:33

Sample: 1 20

Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C -1078485. 135563.8 -7.955556 0.0000

LNX1 -39403.27 36932.06 -1.066912 0.3018

LNX3 318707.3 78052.21 4.083258 0.0009

LNX5 -119363.5 54169.68 -2.203511 0.0426

R-squared 0.924433 Mean dependent var 124122.3

Adjusted R-squared 0.910264 S.D. dependent var 95623.17

S.E. of regression 28644.80 Akaike info criterion 23.54019

Sum squared resid 1.31E+10 Schwarz criterion 23.73933

Log likelihood -231.4019 F-statistic 65.24432

Durbin-Watson stat 0.316869 Prob(F-statistic) 0.000000 GDP = -1078485.432 - 39403.26764*LNX1 + 318707.2961*LNX3 - 119363.5018*LNX5

R=0.924433R2=0.910264F= 65.24432D.W.=0.316869 -7.955556-1.0669124.083258-2.2035112

F(6，13))=2.92(显著性水平α=0.05)表明模型从整体上看国内生产总值与F=65.24432>

解释变量间线形关系显著。

b.利用White-检验模型是否存在异方差性：

White Heteroskedasticity Test:

F-statistic 3.181925 Probability 0.042823

Obs*R-squared 14.82366 Probability 0.095895

Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 06/30/11 Time: 13:35 Sample: 1 20 Included observations: 20

Variable Coefficient Std. Error t-Statistic Prob.

C -1.98E+11 9.58E+10 -2.064830 0.0659 LNX1 -3.07E+10 3.76E+10 -0.815748 0.4336 LNX1^2 -6.06E+09 5.00E+09 -1.211552 0.2535 LNX1*LNX3 2.33E+09 1.82E+10 0.128443 0.9003 LNX1*LNX5 1.23E+10 1.74E+10 0.708589 0.4948 LNX3 -2.17E+11 9.89E+10 -2.194293 0.0529 LNX3^2 2.09E+10 4.64E+10 0.450084 0.6622 LNX3*LNX5 -1.71E+10 6.05E+10 -0.282656 0.7832 LNX5 2.46E+11 9.63E+10 2.549623 0.0289 LNX5^2 -9.94E+09 1.73E+10 -0.573382 0.5791

R-squared 0.741183 Mean dependent var 6.56E+08 Adjusted R-squared 0.508248 S.D. dependent var 8.62E+08 S.E. of regression 6.05E+08 Akaike info criterion 43.58514 Sum squared resid 3.66E+18 Schwarz criterion 44.08301 Log likelihood -425.8514 F-statistic 3.181925 Durbin-Watson stat 2.147804 Prob(F-statistic) 0.042823

结果：因为nR 2 =14.82366<()92

05.0χ=16.919，故没有理由拒绝原假设，即修正后的模型不存在

异方差性。

（3）序列性相关性检验：

①用拉格朗日乘数方法检验（GB 检验法）：取检验水平为0.05

假设模型随机干扰项存在p 阶序列相关：t p t p t t t u u u u ερρρ++++=---...2211，从p=1开始，经过逐次高阶检验，并利用各残差项前参数的显著性判断序列相关性，得到模型在p=2时结果：

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.779617 Probability 0.109663

Obs*R-squared 6.431306 Probability 0.040129

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 06/30/11 Time: 16:08

Presample missing value lagged residuals set to zero.

Variable Coefficient Std. Error t-Statistic Prob.

C 103927.2 517280.5 0.200911 0.8448

LNX1 -9377.423 13147.12 -0.713268 0.4920

LNX3 25481.90 60008.24 0.424640 0.6801

LNX5 -20887.31 47746.77 -0.437460 0.6711

AR(1) 0.086290 0.303390 0.284419 0.7819

AR(2) -0.073980 0.280709 -0.263546 0.7975

RESID(-1) 0.304542 0.364559 0.835372 0.4230

RESID(-2) -0.713798 0.347120 -2.056344 0.0668

R-squared 0.357295 Mean dependent var -2.49E-07

Adjusted R-squared -0.092599 S.D. dependent var 5506.992

S.E. of regression 5756.318 Akaike info criterion 20.45509

Sum squared resid 3.31E+08 Schwarz criterion 20.85081

Log likelihood -176.0958 F-statistic 0.794176

Durbin-Watson stat 1.750697 Prob(F-statistic) 0.609076 由于nR2 =6.431306>()2

χ=5.991，则拒绝原假设，即认为存在自相关性。

n=3时：

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 2.194726 Probability 0.158310

Obs*R-squared 7.604841 Probability 0.054925 由于nR2 =7.604841<()3

χ=7.815，则没有理由拒绝原假设，即认为不存在三阶自相关性。

②自相关的修正：

采用广义差分变换法修正模型：在LS 命令中加上AR(1)、AR(2),使用迭代估计法估计模型，回归结果如下：

Dependent Variable: GDP

Method: Least Squares Date: 06/30/11 Time: 15:19 Sample (adjusted): 3 20

Included observations: 18 after adjustments Convergence achieved after 16 iterations

Variable Coefficient Std. Error t-Statistic

Prob.

C -1428188. 562419.8 -2.539362 0.0260 LNX1 12649.83 13913.79 0.909158 0.3812 LNX3 12025.34 62474.56 0.192484 0.8506 LNX5 115256.9 53259.43 2.164066 0.0513 AR(1) 1.676501 0.254773 6.580371 0.0000 AR(2) -0.779465 0.247989 -3.143139 0.0085 R-squared 0.996557 Mean dependent var 135666.4 Adjusted R-squared 0.995122 S.D. dependent var 93851.86 S.E. of regression 6554.631 Akaike info criterion 20.67493 Sum squared resid 5.16E+08 Schwarz criterion 20.97172 Log likelihood -180.0744 F-statistic 694.6569 Durbin-Watson stat 1.479658 Prob(F-statistic)

0.000000

Inverted AR Roots .84+.28i .84-.28i

输出结果表明：估计过程经过16次迭代收敛（精确度0.001，最大迭代次数500），2

1ρρ、的估计分别为：1.676501，-0.779465，参数均通过t 检验，说明原模型存在一、二阶自相关性。调整后的模型DW=1.479658，k=2，n=20，查表得：d L =1.20，d U =1.41，d U

（4）模型预测检验：

查资料得知2010年进出口额、职工工资总额、上期国内生产总值分别为：带入模型，计算得GDP 为：与实际GDP 相比，

（5）确定模型：

由上述一系列的检验、修正，最终确定模型为：

GDP = -1428187.598 + 12649.82825*LNX1 + 12025.33531*LNX3 + 115256.9266*LNX5 + s= 562419.813913.7962474.5653259.43

t= -2.5393620.9091580.1924842.164066

[AR(1)=1.676501124,AR(2)=-0.7794646398]

0.2547730.247989 R2=0.996557

6.580371-3.143139 DW=1.479658

上述模型表明：我国的国内生产总值和进出口额、职工工资总额、上期国内生产总值存在着正相关关系。具体表现为：进出口额、职工工资总额、上期国内生产总值每上升1%，国内生产总值分别增加12649.82825、12025.33531、115256.9266亿元。

五、模型评价

基于我国自改革开放以来，对外贸易的规模不断扩大，进出口总额不断增长，进出口已经成为GDP增长的重要因素，对GDP的增长影响逐渐增大；而财政支出总额也在一个侧面反应了我国的经济发展状况；职工工资总额则是我国经济发展水平一个重要指标，税收总额则在一定程度上表明了我国招商引资情况；上期国内生产总值则表明了上段时间我国经济水平，故在分析我国国内生产总值建模时，选取了进出口额、财政支出总额、职工工资总额、税收总额、上期国内生产总值和储蓄总额这六个因素作为我国国内生产总值模型的解释变量。

由于选取变量时没有充分分析所选变量间的相关性，给模型检验及修正带来了一定的麻烦。经过逐步检验、修正，最终得到了一个还算满意的模型：具有一定的经济意义，可以解释一些经济现象、能错略的预测我国国内生产总值。但建模所选取的数据为时间序列数据，不适用于长期模型的预测。

六、政策建议

从模型中各因素对我国国内生产总值的影响看，我国应努力提高进出口额，但应根据具体经济情况调整进口、出口额。鉴于我国充足的相对低廉的劳动力，使得我国商品在销售时在价格上占据有利地位，在一定程度上冲击了国外市场，因此，我国商品出口正在越来越多的受到国外贸易限制。而我国对国外商品进口则显得管制不够，长期以来，这势必影响我国的进出口平衡进而影响到我国的国际收支平衡，影响我国经济发展。我们应加强进口商品的检疫工作；不断提高自己的科技技术生产力，提高产品质量，这将有利于企业拥有更好的发展环境，有利于提高我国商品的国际竞争力，保证我国的进出口总额长期又好又快发展。面临我国现阶段正处于产业结构调整时期，一方面还应加大机电产品、高新技术产品出口，有助于提升我国的出口商品结构提高出口商品的附加值，带动国内产业结构升级，有助于保持我国外贸的竞争优势。另一方面，政府还应加强解决长期存在的出口退税滞后问题，保持外贸政策的连续性、稳定性。我国现阶段仍是一个发展中国家，国家的经济发展水平最终还是体现在人民生活水平上，只有职工工资提高了，人民的生活水平提高了，才能刺激经济增长。而只有充分调动劳动力的生产积极性，充分发挥出劳动力的智慧，才能使我国的经济实现实质上的增长。提高职工工资总额，一、提高最低工资规范，保障劳动者基本生活，二、完善工资正常增长机制，促进职工工资与经济发展的协调增长。三、降低个人所得税率间接提高职工工资收入。四、降低国内大部分中小企业的税收水平或结构性减税，促使企业有能力或有动力增加职工工资收入。五、政府可以通过转移支付来增加职工工资收入。六、政府可以直接提高职工工资。

[参考文献]：

1.《计量经济学教程》清华大学出版社北京交通大学出版社孙敬水主编

2.《计量经济学》第三版高等教育出版社李子奈潘文卿编著

3.《西方经济学》第四版中国人民大学出版社2004 高鸿业主编

4.《中国统计年鉴》2010