经济计量学实习报告.docx
- 文档编号:9148671
- 上传时间:2023-05-17
- 格式:DOCX
- 页数:23
- 大小:27.04KB
经济计量学实习报告.docx
《经济计量学实习报告.docx》由会员分享,可在线阅读,更多相关《经济计量学实习报告.docx(23页珍藏版)》请在冰点文库上搜索。
经济计量学实习报告
经济计量学实习报告
影响我国农村居民消费水平的主要因素分析
【摘要】:
本文主要通过对农村居民消费水平的变动进行多因素分析,建立以农村居民消费水平为应变量,以农村人口自然增长率、农村居民人均可支配收入、商品零售价格指数以及农业生产资料价格指数为自变量的多元线性回归模型,并利用模型对农村居民消费水平这一社会现象进行数量化分析,揭示中国农村消费水平的现状及问题,并对如何提高农村居民消费水平提出一些可行性的建议。
【关键词】:
农村居民消费水平、农村人口自然增长率、农村居民人均可支配收入、商品零售价格指数、农业生产资料价格指数、建议
前言:
当前全球面临60年来最严重的金融危机之后的经济复苏期,而中国亦深受当前经济时势影响,外贸出口难度加大。
我国地域辽阔,经济发展不平衡,人民生活由温饱向小康过渡,无论是市场容量还是未来发展,扩大内需的潜力都十分巨大。
此外,当前工业化,城市化,现代化进程加快,经济结构调整升级,国内市场的需求进一步扩大。
所以,对我国这样一个发展中大国来说,拉动经济增长的最主要力量仍然是国内需求,而扩大国内需求的一个重要举措是刺激国内消费。
而农民作为中国广大的消费群体,其消费水平和消费需求的变化直接关系到内需的政策的效果。
目前,农民的经济状况仍然保持在“温饱有余、小康不足”的状态。
“许多农民消费仍然不足,这已经影响到整个国民经济的健康发展。
因此研究中国农村居民消费水平,对于我国制定、完善经济政策,改善消费结构,促进消费水平,提高农民消费质量有重要的意义。
一、数据整理以及模型预测
影响我国农村居民消费水平的主要因素分析
年份
农村居民消费水平Y(元)
农村人口自然增长率X1
农村居民人均可支配收入X2(元)
商品零售价格指数X3
农业生产资料价格指数X4
1985
349
14.26
397.6
108.8
104.8
1986
378
15.57
423.8
106
101.1
1987
421
16.61
462.6
107.3
107
1988
509
15.73
544.9
118.5
116.2
1989
549
15.04
601.5
117.8
118.9
1990
560
14.39
686.3
102.1
105.5
1991
602
12.98
708.6
102.9
102.9
1992
688
11.6
784
105.4
103.7
1993
805
11.45
921.6
113.2
114.1
1994
1038
11.21
1221
121.7
121.6
1995
1313
10.55
1577.7
114.8
127.4
1996
1626
10.42
1926.1
106.1
108.4
1997
1722
10.06
2090.1
100.8
99.5
1998
1730
9.14
2162
97.4
94.5
1999
1766
8.18
2210.3
97
95.8
2000
1860
7.58
2253.4
98.5
99.1
2001
1969
6.95
2366.4
99.2
99.1
2002
2062
6.45
2475.6
98.7
100.5
2003
2103
6.01
2622.2
99.9
101.4
2004
2301
5.87
2936.4
102.8
110.6
2005
2560
5.89
3254.9
100.8
108.3
2006
2847
5.28
3587
101
101.5
2007
3265
5.17
4140.4
103.8
107.7
2008
3756
5.08
4760.6
105.9
120.3
2009
4250
5.05
5153
101.4
97.5
数据来源:
2009年《中国统计年鉴》
根据上面的数据我们初步预测模型:
Y=B0+B1*X1+B2*X2+B3*X3+B4*X4+U
其中:
Y——农村居民消费水平
X1——农村人口自然增长率
X2——农村居民人均可支配收入
X3——商品零售价格指数
X4——农业生产资料价格指数
U——随机误差项
二、模型设定
⒈回归模型参数估计
根据数据用Eviews软件对模型进行OLS估计,得样本回归方程。
结果如下:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
20:
48
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-207.4927
163.4764
-1.269252
0.2189
X1
-0.741585
5.960389
-0.124419
0.9022
X2
0.798672
0.015160
52.68433
0.0000
X3
7.903524
3.106204
2.544431
0.0193
X4
-5.454371
2.110245
-2.584709
0.0177
R-squared
0.998772
Meandependentvar
1641.160
AdjustedR-squared
0.998526
S.D.dependentvar
1095.098
S.E.ofregression
42.04608
Akaikeinfocriterion
10.49227
Sumsquaredresid
35357.46
Schwarzcriterion
10.73604
Loglikelihood
-126.1533
F-statistic
4065.108
Durbin-Watsonstat
1.025801
Prob(F-statistic)
0.000000
经过上述的初步回归分析,表明了最小的二乘估计的性质,证明了最小二乘法准则的合理性,但仍然不能完全保证现行回归分析的价值。
原因是,模型本身未必一定满足要求,也就是模型的各个假设并不一定成立。
最终的结果为:
Ŷi=-207.4927-0.741585*X1+0.798672*X2+7.903524*X3-5.454371*X4
t=(-1.269252)(-0.124419)(52.68433)(2.544431)(-2.584709)
R2=0.998772R2=0.998526DW=1.025801F=4065.108
⒉模型检验:
①经济意义检验:
从得出的模型看,X1和X4的参数符号没通过经济意义检验。
②R2检验:
经计算此模型的可决系数R2=0.998772,校正的可决系数R2=0.998526,表明模型拟合度高。
③t检验:
再从五个参数的t检验值看,五个参数的t值分别为:
t0=-1.269252,t1=-0.124419,t2=52.68433,t3=2.544431,t4=-2.584709,在5%显著性水平下自由度为n-k=25-5=20的t分布临界值为2.086,因此可知有部分t值是不显著的。
④F检验:
模型的F值为:
F=4065.108,而5%显著性水平下自由度分别为k-1=4和n-k=20的F分布临界值远小于模型的F值,说明模型在总体上是高度显著的。
下面进行相关检验说明模型中可能存在多重共线性等问题,进而对模型进行修正。
三、模型的检验和修正
1.多重共线性检验:
Y
X1
X2
X3
X4
Y
1
-0.908117381744
0.999151350318
-0.45713591375
-0.160979829436
X1
-0.908117381744
1
-0.911387299482
0.558172928897
0.231994327899
X2
0.999151350318
-0.911387299482
1
-0.463297625812
-0.156********6
X3
-0.45713591375
0.558172928897
-0.463297625812
1
0.837520186067
X4
-0.160979829436
0.231994327899
-0.156********6
0.837520186067
1
由上表可知,X1与X2相关系数高达0.9114,X4与X3相关系数高达0.8375,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。
多重共线修正处理:
(1)采用逐步回归:
运用OLS方法求y对各个解释变量的回归。
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。
Eviews过程如下
Y对X1回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
20:
50
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
4168.325
260.4010
16.00733
0.0000
X1
-256.2840
24.63966
-10.40128
0.0000
R-squared
0.824677
Meandependentvar
1641.160
AdjustedR-squared
0.817054
S.D.dependentvar
1095.098
S.E.ofregression
468.3967
Akaikeinfocriterion
15.21313
Sumsquaredresid
5046096.
Schwarzcriterion
15.31064
Loglikelihood
-188.1641
F-statistic
108.1866
Durbin-Watsonstat
0.281126
Prob(F-statistic)
0.000000
Y对X2回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
20:
50
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
57.44743
16.43924
3.494530
0.0020
X2
0.787635
0.006770
116.3344
0.0000
R-squared
0.998303
Meandependentvar
1641.160
AdjustedR-squared
0.998230
S.D.dependentvar
1095.098
S.E.ofregression
46.07673
Akaikeinfocriterion
10.57511
Sumsquaredresid
48830.50
Schwarzcriterion
10.67262
Loglikelihood
-130.1889
F-statistic
13533.69
Durbin-Watsonstat
1.178851
Prob(F-statistic)
0.000000
Y对X3回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
20:
50
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
9234.553
3086.927
2.991503
0.0065
X3
-72.13117
29.26236
-2.464982
0.0216
R-squared
0.208973
Meandependentvar
1641.160
AdjustedR-squared
0.174581
S.D.dependentvar
1095.098
S.E.ofregression
994.9247
Akaikeinfocriterion
16.71983
Sumsquaredresid
22767128
Schwarzcriterion
16.81734
Loglikelihood
-206.9979
F-statistic
6.076134
Durbin-Watsonstat
0.212411
Prob(F-statistic)
0.021595
Y对X4回归:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
20:
51
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
3798.657
2766.947
1.372870
0.1830
X4
-20.22098
25.85028
-0.782234
0.4421
R-squared
0.025915
Meandependentvar
1641.160
AdjustedR-squared
-0.016437
S.D.dependentvar
1095.098
S.E.ofregression
1104.061
Akaikeinfocriterion
16.92800
Sumsquaredresid
28035877
Schwarzcriterion
17.02551
Loglikelihood
-209.6000
F-statistic
0.611890
Durbin-Watsonstat
0.062338
Prob(F-statistic)
0.442056
从上述四个表格分析可以得出:
Y对X2的线性关系强,拟合程度最优,则有回归方程:
Y=57.44743+0.787635*X2
(2)逐步回归,将其余解释变量逐一代入上式
引入X1:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/16/11Time:
01:
33
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-4.863096
90.75772
-0.053583
0.9578
X1
4.159691
5.956229
0.698377
0.4923
X2
0.798224
0.016637
47.97770
0.0000
R-squared
0.998340
Meandependentvar
1641.160
AdjustedR-squared
0.998189
S.D.dependentvar
1095.098
S.E.ofregression
46.59859
Akaikeinfocriterion
10.63318
Sumsquaredresid
47771.43
Schwarzcriterion
10.77945
Loglikelihood
-129.9148
Hannan-Quinncriter.
10.67375
F-statistic
6616.374
Durbin-Watsonstat
1.185921
Prob(F-statistic)
0.000000
引进X3:
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
20:
53
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-69.95493
170.5280
-0.410225
0.6856
X2
0.790317
0.007713
102.4607
0.0000
X3
1.158983
1.543933
0.750669
0.4608
R-squared
0.998346
Meandependentvar
1641.160
AdjustedR-squared
0.998195
S.D.dependentvar
1095.098
S.E.ofregression
46.52028
Akaikeinfocriterion
10.62982
Sumsquaredresid
47611.00
Schwarzcriterion
10.77609
Loglikelihood
-129.8728
F-statistic
6638.706
Durbin-Watsonstat
1.209349
Prob(F-statistic)
0.000000
引进X4
DependentVariable:
Y
Method:
LeastSquares
Date:
01/16/11Time:
01:
34
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
117.3086
121.8583
0.962664
0.3462
X2
0.787092
0.006970
112.9178
0.0000
X4
-0.550827
1.110709
-0.495923
0.6249
R-squared
0.998322
Meandependentvar
1641.160
AdjustedR-squared
0.998170
S.D.dependentvar
1095.098
S.E.ofregression
46.85115
Akaikeinfocriterion
10.64399
Sumsquaredresid
48290.66
Schwarzcriterion
10.79026
Loglikelihood
-130.0499
Hannan-Quinncriter.
10.68456
F-statistic
6545.116
Durbin-Watsonstat
1.113382
Prob(F-statistic)
0.000000
经上面的分析,再次依据调整后的可决系数最大原则,选取调整后可决系数最大所对应的解释变量作为新进入模型的候选变量,将这个候选变量的调整后可决系数与上一步中进入模型解释变量的调整后可决系数加以比较,若是大于上一步的调整后可决系数,则将候选变量加入模型,若是小于,则将停止逐步回归。
经查X3的调整后可决系数最大,故X3作为第二个解释变量进入回归模型。
(3)继续逐步回归
加入X1
DependentVariable:
Y
Method:
LeastSquares
Date:
01/15/11Time:
22:
43
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-82.54114
176.0244
-0.468919
0.6440
X1
2.898744
6.528112
0.444040
0.6616
X2
0.797047
0.017073
46.68546
0.0000
X3
0.878468
1.695021
0.518264
0.6097
R-squared
0.998361
Meandependentvar
1641.160
AdjustedR-squared
0.998127
S.D.dependentvar
1095.098
S.E.ofregression
47.39305
Akaikeinfocriterion
10.70048
Sumsquaredresid
47168.13
Schwarzcriterion
10.89550
Loglikelihood
-129.7559
F-statistic
4264.362
Durbin-Watsonstat
1.202271
Prob(F-statistic)
0.000000
加入X4
DependentVariable:
Y
Method:
LeastSquares
Date:
01/16/11Time:
01:
35
Sample:
19852009
Includedobservations:
25
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-209
- 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:
- 经济 计量学 实习 报告