1、计量经济学 中国劳动关系学院（20152016学年第 1 学期） 普本 经 济 学 专业2013 级 计量经济学 课程考核 学号 1390402020 姓名 侯智涵 成绩 阅卷人 论文题目： 影响我国旅游业的因素分析 计量经济学课程论文成绩分项统计参考标准学号姓名研究题目和基本原理 20%提出问题、建立模型、准备数据 10%模型 估计 10%模型检验 40%模型 优化 10%研究 结论 10%总分经济意义检验、 统计检验 10%异方差性检验 10%自相关性检验 10%多重共线检验10%1390402020侯智涵 影响我国旅游业的因素分析【研究目的】通过对我国国内旅游业的发展情况分析，针对性提出
2、建设性建议，为我国旅游业发展提供对策参考。方法：以旅行社数为被解释量，以星级饭店总数，入境游客人数和国内居民出境人数三个指标为解释量，利用Eviews软件进行回归分析，建立旅游业影响因素模型，分析影响我国旅游业的主要因素，。【基本原理】 普通最小二乘法原理 在此次试验中，我运用了Eviews和Excel软件对相关数据进行处理和分析。 1、拟合优度检验可决系数R2统计量 回归平方和反应了总离差平方和中可由样本回归线解释的部分，它越大，参差平方和越小，表明样本回归线与样本观测值的拟合程度越高。 2、方程总体线性的显著性检验F检验 （1）方程总体线性的显著性检验，旨在对模型中被解释变量与解释变量之间
3、的线性关系在总体上是否显著成立作出判断。 （2）给定显著性水平，查表得到临界值F（k，n-k-1）,根据样本求出F统计量的数值后，可通过FF(k，n-k-1) （或FF(k，n-k-1)）来拒绝（或接受）原假设H0，以判定原方程总体上的线性关系是否显著成立。 3、变量的显著性检验t检验 4、异方差性的检验怀特检验怀特检验不需要排序，对任何形式的异方差都适用。 5、序列相关性的检验图示法和回归检验法 6、多重共线性的检验逐步回归法 以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。【解决步骤】 1、提出问题（即：理论背景）国民生产总值反应了经济整体实力。近几年来，我国的国民生产总值
4、都是呈上升趋势。随着我国经济的不断发展，中国旅游业面临重大发展机遇：中国经济持续快速增长，必将对旅游需求增长发挥基础性的支撑作用；城乡居民收入将稳定增长，这将进入世界旅游界公认的旅游业爆发性增长阶段。旅游业是一国经济发展情况的重要指标，旅游业的发展好坏往往能反映出一个国家的经济发展好坏。它是一个国家国民生活质量的体现。 本实验主要是从星级饭店数和旅游出入境人数来分析旅游业的影响因素。其中游客人数对旅游业的影响最大。所以本实验从三个方面研究对旅游业的影响情况，分别是星级饭店总数，入境游客人数和国内居民出境人数。之所以研究这一问题，是因为旅游业对于国民经济的运行及社会发展具有重要影响。2、建立模型
5、（包括变量选择与变量解释）研究旅游业的影响因素离不开一些基本的变量。大多数相关的研究文献中都把旅游人数这个指标作为影响旅游业的基本因素，根据旅游业的组成，可知影响旅游业的因素有很多，由于我的研究方向主要是从旅游人数的角度研究其对旅游业的影响，因此，我选择的变量为星级饭店总数，入境游客人数和国内居民出境人数三个方面进行分析。设定多元线性回归模型为：其中，y为被解释变量旅游社数；为常数项；分别为解释变量星级饭店总数，入境游客人数和国内居民出境人数；为随机误差项，描述变量外的因素对模型的干扰。3、准备数据（需要列出原始数据）本实验从中国国家统计局官方网站上获取了自1995年到2014年，旅行社数、星
6、级饭店总数、入境游客、诺内居民出境人数。如下表所示：指标旅行社数(个)星级饭店总数(个)入境游客(万人次)国内居民出境人数(万人次)2014年12849.8310727.552013年260541329312907.789818.522012年249441280713240.538318.172011年236901351313542.3570252010年227841399113376.225738.652009年203991423712647.594765.622008年201101409913002.744584.442007年189431358313187.334095.42006年17
7、9571275112494.213452.362005年162451182812029.233102.632004年149271088810903.8228852003年1336197519166.212022.192002年1155288809790.831660.232001年1053273588901.291213.442000年8993104818344.391047.261999年732670357279.56923.241998年622257826347.84842.561997年498652015758.79532.391996年425244185112.75506.071995
8、年382637204638.65452.054、模型估计（即：回归分析方法，得到回归分析输出表和有关图形）Y对X1的散点图：Y对X2的散点图：Y对X3的散点图：Dependent Variable: YMethod: Least SquaresDate: 01/06/16 Time: 09:29Sample (adjusted): 1997 2015Included observations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-3011.533666.5100-4.5183610.0004X10
9、.1512610.1756410.8611950.4027X21.1730990.2214555.2972380.0001X31.2544550.09096413.790720.0000R-squared0.994401Mean dependent var14584.37Adjusted R-squared0.993281S.D. dependent var7387.038S.E. of regression605.5193Akaike info criterion15.83471Sum squared resid5499805.Schwarz criterion16.03354Log lik
10、elihood-146.4298Hannan-Quinn criter.15.86836F-statistic887.9680Durbin-Watson stat2.159258Prob(F-statistic)0.000000由以上图表输出结果可得到回归方程为：Y = -3011.533+0.1511261*X1 +1.173099*X2+1.254455*X3 （666.5100） （0.175641） （0.221455） （0.090964） （-4.518361） （0.861195） （5.297238） (13.79072)=0.994401 SE=605.5193 DW=2.1
11、59258 F=887.96805、模型检验（包括：经济意义检验，统计检验、计量经济学检验和模型预测检验。其中统计检验包括拟合优度、方程显著性检验与参数显著性检验等，计量经济学检验包括异方差性检验、序列相关检验、多重共线性检验等检验）1）经济意义检验：模型估计结果说明，在假定其他变量不变的情况下，国家每年星级饭店总数每增长1%，平均来说国家旅行社数会增长15.1%；在假定其他变量不变的情况下，入境游客数每增长1%，平均来说国家旅行社数会增加117.3%；在假定其他变量不变的情况下，国内居民出境人数每增长1%，平均来说国家旅行社会增加125.4%。因此从数据可以看出，各项系数都大于零，符合实际情
12、况，说明不存在多重共线性的情况。2）统计检验： 2.1拟合优度检验：右上图中可知，=0.994401，可修正的可决系数为0.999328，这说明模型对样本的拟合很好。 2.2变量的显著性检验（t检验）：分别针对，给定显著性水平=0.05，查t分布表得自由度为n-k-1=20-4=16的临界值。由上表中的数据可得对应t统计量分别为（-4.518361） （0.861195） （5.297238） (13.79072)。判断标准：若其中的t统计量绝对值大于2.12，都应当拒绝原假设，而t统计量绝对值小于2.12，应该拒绝备择假设。根据上表中的回归分析数据可以看出，解释变量的回归系数的t统计量绝对值
13、，其中3个大于临界值，因此对被解释变量都有显著的影响，应该拒绝。另外1个小于临界值，因此对被解释变量没有影响，应该拒绝备择假设。 2.3方程的显著性检验（f检验）：针对，给定显著性水平=0.05，在F分布表中查出自由度k=4和n-k=16的临界值。由上表中的数据可以得到F=887.9680，由于F=887.9680大于 ，应拒绝原假设，说明回归方程显著，即星级饭店总数、入境游客、诺内居民出境人数的总体对国家旅行社有显著影响。3）计量经济学检验 3.1多重共线性检验：从回归结果的系数以及t值我们可以看出模型不存在多重共线性，下面我们计算出解释变量的相关系数。解释变量的相关系数矩阵如下：X1X2X
14、3X1 1.000000 0.973859 0.786716X2 0.973859 1.000000 0.825031X3 0.786716 0.825031 1.000000由各相关系数值可知, 解释变量之间都不相关，模型不存在多重共线性。 3.2序列相关性检验： 1）图示法检验 Y对X1回归的残差趋势图和残差散点图Y对X2回归的残差趋势图和残差散点图Y对X3回归的残差趋势图和残差散点图 根据图示，可以推断模型可能存在序列相关性。 3.3异方差检验：1）怀特检验Heteroskedasticity Test: WhiteF-statistic0.668524Prob. F(9,9)0.720
15、9Obs*R-squared7.612692Prob. Chi-Square(9)0.5736Scaled explained SS9.236909Prob. Chi-Square(9)0.4157Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 01/06/16 Time: 14:03Sample: 1996 2014Included observations: 19VariableCoefficientStd. Errort-StatisticProb.C3301122.7358412.0.4486190.
16、6643X13019.4723561.6030.8477840.4185X12-0.0280980.236284-0.1189180.9080X1*X2-0.3079330.819545-0.3757370.7158X1*X30.2882920.4225550.6822590.5123X2-3784.0335269.213-0.7181400.4909X220.3551770.7102500.5000730.6290X2*X3-0.4107250.517759-0.7932740.4480X32928.2602972.8620.9849970.3504X32-0.1048190.091842-
17、1.1412950.2832R-squared0.400668Mean dependent var289463.4Adjusted R-squared-0.198664S.D. dependent var586821.2S.E. of regression642472.5Akaike info criterion29.88945Sum squared resid3.71E+12Schwarz criterion30.38653Log likelihood-273.9498Hannan-Quinn criter.29.97358F-statistic0.668524Durbin-Watson s
18、tat2.817051Prob(F-statistic)0.720928=3301122+3019.472X1-0.028098X12-3784.033X2+0.355177X22+2928.260X3-0.104819X32，该值小于5%显著水平下、自由度为6的分布的相应临界值=12.59，因此，接受同方差的假设，模型不存在异方差。6、模型优化（如果所建模型经检验存在问题，则需改善模型。例如，存在异方差，则需采用一种方法对模型进行改进。） 1.多重共线性的修正：用OLS法逐一求Y对各个解释变量的回归，如下：Y对X1的回归：Dependent Variable: YMethod: Least
19、SquaresDate: 01/06/16 Time: 14:20Sample (adjusted): 1996 2014Included observations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-4849.5571946.791-2.4910520.0234X11.9070980.18061810.558730.0000R-squared0.867691Mean dependent var14584.37Adjusted R-squared0.859908S.D. dependent va
20、r7387.038S.E. of regression2764.888Akaike info criterion18.78669Sum squared resid1.30E+08Schwarz criterion18.88610Log likelihood-176.4735Hannan-Quinn criter.18.80351F-statistic111.4867Durbin-Watson stat0.816359Prob(F-statistic)0.000000Y对X2的回归：Dependent Variable: YMethod: Least SquaresDate: 01/06/16
21、Time: 14:24Sample (adjusted): 1996 2014Included observations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-8437.5921682.901-5.0137170.0001X22.2702680.15895514.282490.0000R-squared0.923073Mean dependent var14584.37Adjusted R-squared0.918548S.D. dependent var7387.038S.E. of regre
22、ssion2108.244Akaike info criterion18.24440Sum squared resid75559766Schwarz criterion18.34381Log likelihood-171.3218Hannan-Quinn criter.18.26122F-statistic203.9894Durbin-Watson stat0.447045Prob(F-statistic)0.000000 Y对X3的回归：Dependent Variable: YMethod: Least SquaresDate: 01/06/16 Time: 14:25Sample (ad
23、justed): 1996 2014Included observations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C6336.091911.48706.9513780.0000X32.4881600.21238011.715610.0000R-squared0.889793Mean dependent var14584.37Adjusted R-squared0.883311S.D. dependent var7387.038S.E. of regression2523.400Akaike inf
24、o criterion18.60390Sum squared resid1.08E+08Schwarz criterion18.70332Log likelihood-174.7371Hannan-Quinn criter.18.62073F-statistic137.2556Durbin-Watson stat0.217710Prob(F-statistic)0.000000 其中Y对X2的拟合优度最高，且t值和p值都显著。 加入变量X1Dependent Variable: YMethod: Least SquaresDate: 01/06/16 Time: 14:27Sample (ad
25、justed): 1996 2014Included observations: 19 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-8636.6061887.673-4.5752660.0003X1-0.1647850.623603-0.2642470.7950X22.4554850.7197423.4116180.0036R-squared0.923408Mean dependent var14584.37Adjusted R-squared0.913833S.D. dependent var7387.038S.E. of regression2168.402Akaike info criterion18.34531Sum squared resid75231445Schwarz criterion18.49443Log likelihood-171.2804Hannan-Quinn criter.18.37054F-statistic96.44887Durbin-Watson stat0.482795Prob(F-statistic)0.000000 虽然的值有所提高，但是t值有明显下降，因此舍弃X1。若加入X
