GDP增长与固定资本形成动态：全球经济体的比较研究：面板回归与随机森林

本研究考察了GDP增长与Gross Fixed Capital Formation（GFCF）在发达经济体（G7、EU-15、OECD）和新兴市场（BRICS）之间的关系。我们将随机森林机器学习（非线性回归）与传统计量经济学模型（线性回归）相结合，以更好地捕捉投资分析中的非线性相互作用。我们的发现表明，尽管GDP增长正面影响企业投资，但其影响在不同地区存在显著差异。发达经济体表现出更强的GDP-GFCF联系，由于其稳定的金融体系；而新兴市场则表现出较弱的联系，由于经济异质性和结构性约束。随机森林模型指出，GDP增长的重要性低于传统计量经济学所暗示的，滞后型GFCF成为主要预测因子——这确认了投资遵循路径依赖性模式，而非短期内的GDP波动。投资驱动因素在不同地区存在显著差异：税收在发达经济体中发挥重要作用，但对BRICS影响甚微；失业率在BRICS中对投资影响强大，但在其他地区影响较小。我们引入一种并行化的p值重要性算法，用于随机森林，旨在提高计算效率，同时通过顺序测试方法（SPRT和SAPT）保持统计严谨性。该研究表明，结合机器学习与计量经济技术的混合方法能够提供对投资动态的更细致理解，支持地区性政策设计，并提高预测准确性。