1、五、实验步骤1、选择数据理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等19852007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 19852007年统计数据年份能源消费国民总收入国内生产总值工业增加值建筑业交通运输邮电人均生活电力消费能源加工转换效率yX1X2X3X4X5X6X71985766829040.7901634
2、48.7417.9406.921.368.2919868085010274.410275.23967525.7475.623.268.3219878663212050.612058.64585.8665.8544.926.467.4819889299715036.815042.85777.281066131.266.5419899693417000.916992.3648479478635.366.5119909870318718.318667.86858859.41147.542.467.2199110378321826.221781.58087.11015.11409.746.965.91
3、99210917026937.326923.510284.514151681.854.666.0019931159933526035333.9141882266.52205.661.267.32199412273748108.548197.919480.72964.72898.372.765.2199513117659810.560793.724950.63728.83424.183.571.05199613894870142.571176.629447.64387.44068.593.171.5199713779877653.17897332921.44621.64593101.869.23
4、199813221483024.384402.334018.44985.85178.4106.669.4419991338318818989677.135861.55172.15821.8118.269.19200013855398000.599214.640033.65522.37333.4132.469.042001143199108068.2109655.243580.65931.78406.1144.669.032002151797119095.7120332.747431.36465.59393.4156.32003174990135174135822.854945.57490.81
5、0098.4173.769.42004203227159586.7159878.3652108694.312147.6190.270.712005223319183956.1183084.876912.910133.810526.1216.771.082006246270213131.7211923.591310.911851.112481.1249.471.242007265583251483.2249529.9107367.214014.114604.1274.971.25资料来源：中国统计年鉴，中国统计出版社2000、2008年版。为分析Y与X1、X2、X3、X4、X5、X6、X7之间的
6、关系，做如下折线图：能源消费Y在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。2、设定并估计多元线性回归模型 （2.1）2.1录入数据，得到图。2.2.1）采用OLS估计参数在主界面命令框
7、栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。由此可见，该模型的可决系数为0.989801，修正的可决系数为0.985041，模型拟和很好，F统计量为386.2196，回归方程整体上显著。可是其中的lnX3、lnX4、lnX6对lnY影响不显著,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。3、多重共线性模型的识别点击Eviews主画面的顶部的Quick/Group Statistics/Correlatios弹出对话框在对话框中输入解释变量x1、x2、 x3、 x4、 x5、 x6、x7，点击OK，即
8、可得出相关系数矩阵（同图2.2.3）。从相关系数矩阵可以看出，解释变量x1、x2、 x3、 x4、 x5、 x6、x7相互之间的相关系数较高，解释变量之间存在多重共线性。4、 多重共线性模型的修正3.多重共线性模型的修正使用逐步回归法进行修正。第一步：运用OLS方法分别求Y对各解释变量进行一元回归，分别求Y对各解释变量x1、x2、 x3、 x4、 x5、 x6、x7进行一元回归。回归结果详下图。再结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。通过上面7个图进行对比分析，依据调整后可决系数最大原则，选取x1（=0.969514）作为进入回归模型的第一个解释变量，形成一元回归模型。第二
9、步：逐步回归。将剩余解释变量分别加入模型，结果如下： 经比较，可以发现加入X2、X5、X6、X7后参数的符号与预期相反,不符合经济意义，且t检验部显著。而加入X4后变化并不显著，只有加入X3后修正的可决系数有所提高,而且参数符号的经济意义合理, 而且参数的t检验，在=0.1，t（0.05,15）=1.753时显著，所以保留X3。再加入其他新变量逐步回归。当加入X2时，虽然R-2有所增加，但其系数的符号与预期相反且参数的t检验不显著；加入X4后，各参数的t检验不显著；加入X5后，虽然R-2有所增加，但是但其系数的符号与预期相反且参数的t检验不显著；加入X6、X7后，其系数的符号与预期相反且参数的t检验不显著,这说明主要是X2、X4、X5、X6、X7引起了多重共线性，应予以剔除。=80927.77+0.5512X1+0.4349X3 t=（28.6903） （5.3587） （1.8308）=0.9751 = 0.9726 F= 391.2352 DW= 0.6938 这说明，在其他因素不变的情况下，当国民总收入X1每增加1亿元，工业增加值X3每增加1亿元时，平均说来能源消费标准煤总量将分别增加0.5512万吨、0.4349万吨。这说明,国民总收入对能源消费标准煤总量的影响,比工业增加值对能源消费标准煤总量的影响要大。
