计量实验论文.docx
- 文档编号:13601886
- 上传时间:2023-06-15
- 格式:DOCX
- 页数:15
- 大小:40.01KB
计量实验论文.docx
《计量实验论文.docx》由会员分享,可在线阅读,更多相关《计量实验论文.docx(15页珍藏版)》请在冰点文库上搜索。
计量实验论文
计
量
经
济
学
课
程
论
文
三大产业的发展
与
城镇居民家庭人均可支配收入增长的关系
专业:
国贸082
姓名:
徐增强
学号:
17
摘要:
本文通过对三大产业发展与城镇居民家庭人均可支配收入增长的关系进行分析,探求三大产业对城镇居民家庭人均可支配收入的影响程度。
关键词:
计量经济学三大产业城镇居民家庭人均可支配收入
一、问题的提出
城镇居民家庭人均可支配收入的增长与国内生产总值的增长密切相关。
然而国内生产总值是由第一产业、第二产业、第三产业组成的,但是对城镇居民家庭人均可支配收入的增长影响各不相同。
而对三者影响程度进行数量分析,以期用函数关系精确表达三者各自的影响,就是我们研究的主要内容。
二、模型的建立:
设定Y=城镇居民家庭人均可支配收入,X1=第一产业,X2=第二产业,X3=第三产业,由于没有完全合适的三大产业对城乡居民家庭人均可支配收入的经济理论模型,简单的以Y=A1+A2X1+A3X2+A4X3+U当着理论模型。
数据收集。
以下是我们收集到的数据:
表一
年份
城镇居民家庭人均可支配收入(元)
第一产业(亿元)
第二产业(亿元)
第二产业(亿元)
1990
1510.2
5062
7717.4
5888.422376
1991
1700.6
5342.2
9102.2
7337.099411
1992
2026.6
5866.6
11699.5
9357.376451
1993
2577.4
6963.762895
16454.43131
11915.73051
1994
3496.2
9572.69475
22445.39906
16179.76263
1995
4283.0
12135.8114
28679.4575
19978.4603
1996
4838.9
14015.38999
33834.95901
23326.24265
1997
5160.3
14441.88567
37543.00219
26988.14714
1998
5425.1
14817.62552
39004.18854
30580.46571
1999
5854.0
14770.02847
41033.58159
33873.44469
2000
6280.0
14944.7225
45555.87796
38713.95385
2001
6859.6
15781.26905
49512.29097
44361.61054
2002
7702.8
16537.01966
53896.76779
49898.90182
2003
8472.2
17381.7177
62436.31214
56004.72631
2004
9421.6
21412.73404
73904.31187
64561.29201
2005
10493.0
22420
87598.09379
74919.27517
2006
11759.5
24040
103719.5416
88554.88436
2007
13785.8
28627
125831.358
111351.9478
2008
15780.8
33702
149003.44
131339.9871
2009
17174.7
35226
157638.7766
147642.0907
资料来源:
《中国2010统计年鉴》
图
(1)
三、模型参数估计
利用EVIEWS软件对数据进行OLS分析,结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
09:
53
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
67.17884
332.3895
0.202109
0.8424
X1
0.278650
0.060051
4.640221
0.0003
X2
-0.016576
0.033469
-0.495280
0.6271
X3
0.070131
0.029464
2.380213
0.0301
R-squared
0.995741
Meandependentvar
7230.115
AdjustedR-squared
0.994942
S.D.dependentvar
4608.660
S.E.ofregression
327.7666
Akaikeinfocriterion
14.59934
Sumsquaredresid
1718895.
Schwarzcriterion
14.79848
Loglikelihood
-141.9934
F-statistic
1246.805
Durbin-Watsonstat
0.673410
Prob(F-statistic)
0.000000
图
(2)
从图
(2)可以知回归方程Y=67.17884+0.278650X1+-0.016576X2+0.070131X3+U
四、模型检验与修正
通过上述线性回归得到模型,现在就其具体形式进行检验:
鉴于图
(2)情况,对每个变量分别进行一元回归,以期找到拟合优度最高的变量,并以此为基础。
1、多重共线性检验
Y
X1
X2
X3
Y
1.000000
0.993037
0.994945
0.993390
X1
0.993037
1.000000
0.987796
0.981522
X2
0.994945
0.987796
1.000000
0.997790
X3
0.993390
0.981522
0.997790
1.000000
表二
由表二可分析出解释变量之间的多重共线性问题,检验模型各解释变量间是否存在多重共线问题:
(1)Y与X1的一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
03
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1477.551
273.5645
-5.401106
0.0000
X1
0.522888
0.014621
35.76385
0.0000
R-squared
0.986122
Meandependentvar
7230.115
AdjustedR-squared
0.985351
S.D.dependentvar
4608.660
S.E.ofregression
557.7925
Akaikeinfocriterion
15.58049
Sumsquaredresid
5600385.
Schwarzcriterion
15.68006
Loglikelihood
-153.8049
F-statistic
1279.053
Durbin-Watsonstat
0.731354
Prob(F-statistic)
0.000000
图(3)
Y对X1一元回归分析方程:
Y=-1477.551+-0.522888X1
(2)Y与X2的一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
05
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1366.381
175.4048
7.789875
0.0000
X2
0.101395
0.002412
42.03285
0.0000
R-squared
0.989915
Meandependentvar
7230.115
AdjustedR-squared
0.989354
S.D.dependentvar
4608.660
S.E.ofregression
475.5121
Akaikeinfocriterion
15.26130
Sumsquaredresid
4070011.
Schwarzcriterion
15.36087
Loglikelihood
-150.6130
F-statistic
1766.760
Durbin-Watsonstat
0.275942
Prob(F-statistic)
0.000000
图(4)
Y对X2一元回归分析方程:
Y=1366.381+0.101395X2
(3)Y与X3的一元回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
06
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1795.036
191.5289
9.372140
0.0000
X3
0.109493
0.002982
36.71618
0.0000
R-squared
0.986824
Meandependentvar
7230.115
AdjustedR-squared
0.986092
S.D.dependentvar
4608.660
S.E.ofregression
543.5179
Akaikeinfocriterion
15.52864
Sumsquaredresid
5317410.
Schwarzcriterion
15.62821
Loglikelihood
-153.2864
F-statistic
1348.078
Durbin-Watsonstat
0.194743
Prob(F-statistic)
0.000000
图(5)
Y对X3一元回归分析方程:
Y=1795.036+0.109493X3
由图(3)、图(4)、图(5)所示:
R12=0.986122R22=0.989915R32=0.986824经过比较R22>R32>R12,所以根据经济理论和统计检验的分析对比,X2最重要,拟合优度比较高,从而得出最有简单回归方程Y=1366.381+0.101395X2。
将其余变量逐一引入得:
(4)Y与X2、X1的回归分析:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
12
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
123.0193
374.3017
0.328664
0.7464
X1
0.222149
0.062271
3.567463
0.0024
X2
0.058925
0.012052
4.889215
0.0001
R-squared
0.994232
Meandependentvar
7230.115
AdjustedR-squared
0.993554
S.D.dependentvar
4608.660
S.E.ofregression
370.0188
Akaikeinfocriterion
14.80247
Sumsquaredresid
2327536.
Schwarzcriterion
14.95183
Loglikelihood
-145.0247
F-statistic
1465.256
Durbin-Watsonstat
0.606686
Prob(F-statistic)
0.000000
图(6)
Y与X2、X1的回归分析的方程:
Y=123.0193+0.222149X1+0.058925X2
(5)Y与X2、X3的回归分析:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
14
Sample:
19902009
Includedobservations:
20
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1426.108
233.5973
6.104987
0.0000
X2
0.086555
0.037181
2.327939
0.0325
X3
0.016086
0.040213
0.400007
0.6941
R-squared
0.990009
Meandependentvar
7230.115
AdjustedR-squared
0.988833
S.D.dependentvar
4608.660
S.E.ofregression
487.0113
Akaikeinfocriterion
15.35193
Sumsquaredresid
4032061.
Schwarzcriterion
15.50129
Loglikelihood
-150.5193
F-statistic
842.2361
Durbin-Watsonstat
0.232605
Prob(F-statistic)
0.000000
图(7)
Y与X2、X3的回归分析方程:
Y=1426.108+0.086555X2+0.016086X3
从而得出模型Y与X1、X2的回归模型分析最优,所以模型的回归方程为:
Y=123.0193+0.222149X1+0.058925X2+U
综上所述说明该模型之间的多重共线性问题,通过修正已经得到解决。
2、对序列相关进行修正:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
19
Sample(adjusted):
19912009
Includedobservations:
19afteradjustingendpoints
Convergencenotachievedafter100iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
290785.5
26238875
0.011082
0.9913
X1
0.059724
0.054189
1.102138
0.2878
X2
0.065404
0.016688
3.919281
0.0014
AR
(1)
0.999260
0.068035
14.68734
0.0000
R-squared
0.998443
Meandependentvar
7531.163
AdjustedR-squared
0.998132
S.D.dependentvar
4528.403
S.E.ofregression
195.7124
Akaikeinfocriterion
13.57583
Sumsquaredresid
574550.1
Schwarzcriterion
13.77466
Loglikelihood
-124.9704
F-statistic
3207.216
Durbin-Watsonstat
1.362607
Prob(F-statistic)
0.000000
InvertedARRoots
1.00
图(8)
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
20
Sample(adjusted):
19922009
Includedobservations:
18afteradjustingendpoints
Convergencenotachievedafter100iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
203949.3
13259957
0.015381
0.9880
X1
0.058395
0.060137
0.971030
0.3493
X2
0.064431
0.018443
3.493447
0.0040
AR
(1)
1.005553
0.398833
2.521238
0.0255
AR
(2)
-0.006693
0.410143
-0.016318
0.9872
R-squared
0.998334
Meandependentvar
7855.083
AdjustedR-squared
0.997822
S.D.dependentvar
4427.400
S.E.ofregression
206.6412
Akaikeinfocriterion
13.72998
Sumsquaredresid
555107.4
Schwarzcriterion
13.97730
Loglikelihood
-118.5698
F-statistic
1947.730
Durbin-Watsonstat
1.369951
Prob(F-statistic)
0.000000
InvertedARRoots
1.00
.01
图(9)
从图(8)、图(9)可以分析得到该模型确实存在一阶序列相关性。
DW=1.362607,但经过处理和修正,从图(8)中可以看出模型的序列相关性已经消除。
回归方程为Y=290785.5+0.059724X1+0.065404X2+U
(0.015381)(1.102138)(3.919281)
R2=0.998443
=0.998132DW=1.362607
3、异方差性的检验:
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
27
Sample(adjusted):
19912009
Includedobservations:
19afteradjustingendpoints
Convergencenotachievedafter100iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
290785.5
26238875
0.011082
0.9913
X1
0.059724
0.054189
1.102138
0.2878
X2
0.065404
0.016688
3.919281
0.0014
AR
(1)
0.999260
0.068035
14.68734
0.0000
R-squared
0.998443
Meandependentvar
7531.163
AdjustedR-squared
0.998132
S.D.dependentvar
4528.403
S.E.ofregression
195.7124
Akaikeinfocriterion
13.57583
Sumsquaredresid
574550.1
Schwarzcriterion
13.77466
Loglikelihood
-124.9704
F-statistic
3207.216
Durbin-Watsonstat
1.362607
Prob(F-statistic)
0.000000
InvertedARRoots
1.00
图(10)
DependentVariable:
Y
Method:
LeastSquares
Date:
07/03/11Time:
10:
27
Sample(adjusted):
19922009
Includedobservations:
18afteradjustingendpoints
Weightingseries:
W1
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
745.5685
609.9274
1.222389
0.2404
X1
0.109803
0.087034
1.261619
0.2264
X2
0.076959
0.015627
4.924823
0.0002
WeightedStatistics
R-squared
0.999835
Meandependentvar
5636.811
AdjustedR-squared
0.999813
S.D.dependentvar
12470.68
S.E.ofregression
170.6394
Akaikeinfocriterion
13.26799
Sumsquaredresid
436767.3
Schwarzcriterion
13.41639
Loglikelihood
-116.4119
F-statistic
3204.983
Durbin-Watsonstat
1.138133
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.988
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 计量 实验 论文