写出一个简单的计量经济模型,计量经济学论文,老铁们想知道有关这个问题的分析和解答吗,相信你通过以下的文章内容就会有更深入的了解,那么接下来就跟着我们的小编一起看看吧。

计量经济学论文:一个简单的计量经济模型

写出一个简单的计量经济模型

本文旨在介绍一个简单的计量经济模型,用于分析两个变量之间的关系。这个模型被称为OLS回归模型。

OLS回归模型是计量经济学中使用最广泛的模型之一。它用于估计一个自变量对因变量的影响程度。我们以一个简单的例子来说明该模型:假设我们要研究消费者花费在广告上的影响。我们采集了一组消费者的数据,其中自变量是广告支出,因变量是销售额。

OLS回归模型的一般形式为:Y = β0 + β1X + ε

Y代表因变量(销售额),X代表自变量(广告支出),β0和β1是待估计的系数,代表截距和斜率,ε是误差项。

我们首先通过采集了一组样本数据,然后使用统计软件进行回归分析。通过得到的回归方程,我们可以估计β0和β1的值,从而得到广告支出对销售额的影响程度。如果β1的值为正,就表明广告支出对销售额有正向的影响;如果β1的值为负,则表明广告支出对销售额有负向的影响。

在进行OLS回归分析时,我们还需要关注一些统计指标,如R方和t值。R方代表回归模型对数据的拟合程度,数值越接近1表明模型拟合的越好;t值则是用于检验系数的显著性,t值越大表明系数的估计值越显著。

这个简单的OLS回归模型可以帮助我们理解和量化自变量对因变量的影响。在实际研究中,我们还需要考虑其他可能的因素,如市场竞争、产品价值等。这只是一个简单的示例,但它展示了计量经济学中最基本的模型之一的应用方法。

写出一个简单的计量经济模型,计量经济学论文

给你一篇我刚写的 呵呵 仅供参考 (需要的话给你电子版 QQ:309735313)关于我国城镇居民储蓄存款模型的计量经济分析

(我的姓名等信息就省略了啊 呵呵)

内容摘要:本文利用我国1978年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型,对我国城镇居民储蓄存款情况进行实证分析。通过对该模型的经济含义分析得出各种主要因素对我国城镇居民储蓄存款数量的影响程度,并针对我国城镇居民存款储蓄现状提出自己的一些建议。

关键词:居民储蓄存款 实证分析 主要因素

一、问题的提出

1978年以来,随着我国国民经济的飞速发展,我国的居民储蓄也出现高速增长的态势。进入90年代以后.我国居民储蓄存款余额始终保持在两位数的增长速度。我国居民储蓄存款持续增长这一经济现象引起国内理论界的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响。所以国家相继出台了一系列积极的财政和货币政策,以刺激国内消费和投资需求,分流储蓄,但是居民储蓄依然持续增加。由于居民的储蓄存款直接影响着居民的消费行为,影响着货币的供给量,进而间接影响着国家经济的发展,宏观调控的力度和效果,对我国居民存款储蓄问题的深入研究就显得尤为重要,这有助于帮助大家认清现状,做出合理的决策。虽然我们作为本科阶段的学生对这个问题的理解和研究还不够深入和透彻,但对此问题的探索有利于我们更好的掌握专业知识,了解国情,提高实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。

二、文献综述

我国有很多学者建立了许多的储蓄模型来分析各因素对居民储蓄的影响程度,但分析结论的差异很大。整理以前的研究成果,一个社会的储蓄总量受很多因数的影响,根据经典西方宏观经济学理论,储蓄水平主要受收入因数、利息率、物价水平、收入分配等因数的影响:

1.收入因数

收入是决定储蓄的重要因数,收入的变化会直接决定着储蓄的变化。在其他条件不变的情况下,储蓄与可支配收入之间存在着正方向的变化关系,即居民的可支配收入增加,储蓄量增加;个人可支配收入减少,储蓄量减少。可支配收入是指居民户在支付个人所得税之后,余下的全部实际现金收入。

2.利息率

传统经济学认为,在收入即定的条件下,较高的利息率会使储蓄增加。在本文中,我们选用的利息率是根据当年变动月份加权平均后的一年期储蓄存款加权利率。

3.物价水平

物价水平会导致居民户的消费倾向的改变,从而也就会改变居民户的储蓄倾向。本文用通货膨胀率来考察物价水平对储蓄率的影响。

4.收入分配

凯恩斯认为,收入分配的均等化程度越高,社会的平均消费倾向就会越高,社会的储蓄倾向就会越低。在国际上,衡量收入分配平均状况最常用的指数是基尼系数。

三、变量的选取及分析

目前我国正处于改革时期,各种不确定性因素很多。因而,要分析各种因素对中国居民储蓄行为的影响,必须立足于中国的国情。1998年后,中国经济运行进入了一种新的体制约束状态,出现了明显的供给过剩,需求对经济增长的约束与拉动作用明显增强,投资、消费膨胀的内在动力明显不足;由于我国市场机制尚不健全,市场经济发育不成熟,市场体制的控制力还有限,从而不能形成一种有效地传导机制。市场化的改革对人们的经济行为、心理行为带来了很大影响,银行开始考虑贷款风险,投资者开始考虑投资回报,而消费者也开始考虑最佳的消费时机和预期收入。这说明,我们的微观经济层面已生长出一种内在的约束机制,然而社会各个方面对这些积极的因素还很不适应,微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾,导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。当前影响我国居民储蓄的因素有很多,概括起来有以下几点:居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、"假性"存款的影响、消费领域的信用等级、高收入阶层消费状况、就业形势压力、体制改革、居民收入水平等。

由于我现在的时间和能力有限,只能综合考虑,选取一部分变量进行研究,而且为了方便查找数据,只建立我国城镇居民储蓄存款模型进行研究。本文选用当年的收入增长率来考察收入因数对储蓄率的影响。用城镇居民的储蓄率作为被解释变量。另外还选取了中国1979年到2002年的各年的城镇居民收入的基尼系数、一年期储蓄利率和通货膨胀率作为解释变量。

四、数据及处理

本文模型数据样本为从1979-2002年。

年份 城镇居民储蓄率 城镇居民收入增长率 一年期储蓄利率 通货膨胀率 城镇居民基尼系数

1979 0.06368087 0.264869934 3.78 0.02 0.16

1980 0.08740586 0.220385089 5.04 0.059804 0.15

1981 0.07093626 0.104176446 5.4 0.024052 0.15

1982 0.08105586 0.139165412 5.67 0.01897 0.15

1983 0.09963501 0.093723563 5.76 0.015071 0.16

1984 0.13025584 0.245357008 5.76 0.027948 0.19

1985 0.15161502 0.184241122 6.72 0.08836 0.19

1986 0.17454542 0.280700971 7.2 0.060109 0.2

1987 0.2175453 0.167515864 7.2 0.072901 0.23

1988 0.17862152 0.219728929 7.68 0.185312 0.23

1989 0.2721202 0.199827095 11.12 0.177765 0.23

1990 0.32760614 0.123579703 9.92 0.021141 0.24

1991 0.31032443 0.163667824 7.92 0.028888 0.25

1992 0.3016907 0.228819425 7.56 0.053814 0.27

1993 0.3199061 0.311233327 9.26 0.131883 0.3

1994 0.42486435 0.397210898 10.98 0.216948 0.28

1995 0.44898036 0.261076104 10.98 0.147969 0.28

1996 0.40903477 0.198208003 9.21 0.060938 0.29

1997 0.30935015 0.127739779 7.17 0.007941 0.3

1998 0.25777978 0.108852141 5.02 -0.026 0.295

1999 0.21234608 0.134557035 2.89 -0.02993 0.3

2000 0.1239205 0.125688358 2.25 -0.01501 0.32

2001 0.24155306 0.14364071 2.25 -0.0079 0.33

2002 0.29897822 0.173106495 2.03 -0.01308 0.319

数据来源:各年份的《中国统计年鉴》

注:Y代表城镇居民储蓄率

X1代表城镇居民收入增长率

X2代表一年期储蓄利率

X3代表通货膨胀率

X4代表城镇居民基尼系数

五、模型及处理

基于以上数据,建立的模型是:

Y=β1+β2X1+β3X2+β4X3+β5X4+u

β1度量了截距项,它表示在没有收入的时候人们也要花钱消费,储蓄率为负。

β2度量了当城镇个人可支配收入率变动1%时,储蓄增长率的变动。

β3度量了当利率变动一个单位,其实也就是1%时,储蓄的增量的变动。

β4度量了当通货膨胀率变动一个单位,储蓄增量的变动。

β5度量了基尼系数对储蓄率的影响。这也是本文的重点变量。

u是随机误差项。

对Y做回归

利用eviews最小二乘估计结果如下 Variable Coefficient Std. Error t-Statistic Prob.

C -0.264646 0.045525 -5.813154 0.0000

X1 0.317426 0.175678 1.806864 0.0875

X2 0.024054 0.003688 6.523093 0.0000

X3 0.024476 0.205508 0.119099 0.9065

X4 1.127523 0.149318 7.551127 0.0000

R-squared 0.897971 Mean dependent var 0.234065

Adjusted R-squared 0.875298 S.D. dependent var 0.116109

S.E. of regression 0.041002 Akaike info criterion -3.360748

Sum squared resid 0.030260 Schwarz criterion -3.113901

Log likelihood 43.64860 F-statistic 39.60525

Durbin-Watson stat 1.541473 Prob(F-statistic) 0.000000

根据以上结果,初步得出的模型为

Y=-0.264646+0.317426X1+0.024054X2 +0.024476X3+1.127523X4.

1.经济意义的检验

该模型可以通过初步的经济意义的检验,系数的符号符合经济理论。

2.统计检验

从表中可以看出,显然通货膨胀率的系数通不过T检验,R2=0.897971, 2值为0.875298,模型的拟合情况较好。F检验的值为39.60525,整个模型对储蓄率的增长影响是显著的。

3.多重共线性的检验

从F值可知此模型整体显著,但是分析各个变量后发现X1和X3不显著,可能存在多重共线性,运用消除多重共线性的逐步回归方法我们可以得到要放弃X3 这个变量,重新做回归分析得到:

Y=β1+β2X1+β3X2+β5X4+u Variable Coefficient Std. Error t-Statistic Prob.

C -0.271487 0.041322 -6.570056 0.0000

X1 0.314787 0.113799 2.766177 0.0119

X2 0.024487 0.003178 7.704986 0.0000

X4 1.145280 0.137886 8.305987 0.0000

R-squared 0.897094 Mean dependent var 0.229740

Adjusted R-squared 0.881658 S.D. dependent var 0.115517

S.E. of regression 0.039739 Akaike info criterion -3.461967

Sum squared resid 0.031583 Schwarz criterion -3.265624

Log likelihood 45.54360 F-statistic 58.11739

Durbin-Watson stat 1.556309 Prob(F-statistic) 0.000000

从新模型的整体效果来看,R值和F值都很好,而且各个变量的t统计量也表明各个变量对储蓄率的增长都有显著影响。

因此模型可设为Y= -0.271487+0.314787X1+0.024487X2+1.145280X4

4.异方差性检验

对新模型进行异方差性的检验,运用white检验,得到如下结果: White Heteroskedasticity Test

F-statistic 2.669433 Probability 0.054505

Obs*R-squared 11.50596 Probability 0.073942

Obs*R-squared的计算结果是11.50596,,由于选用的没有交叉乘积项的方式,所以自由度为7,在0.05的显著水平下,查表得 (7)=12.59〉11.50596,所以接受原假设,即该模型不存在异方差性。

5.自相关性的检验

从上表可知DW值为1.556309,且样本容量n=24,有三个解释变量的条件下,给定显著性水平 =0.01,查D-W表得,d =0.882,d =1.407,这时有d

6.最终结果

从上面的计量分析中最后得到我国城镇居民的储蓄存款模型:

Y= -0.271487+0.314787X1+0.024487X2+1.145280X4

(0.041322) (0.113799) (0.003178) (0.137886)

t= (-6.570056) (2.766177) (7.704986) (8.305987)

R2= 0.897094 df=20 F=58.11739 DW=1.556309

六、结论与建议

1.模型的实证分析

城镇居民的收入增长率变化对居民的储蓄率变化的影响还是比较明显的,储蓄率对收入增长率的弹性为0.314787, 在其他条件不变的情况下,居民的收入变化1%,储蓄率同方向变化0.314787%。

利率变动对实际的储蓄率变动的影响并不是十分的重要,弹性仅为0.024487。这方面有很多的原因,其中对未来预期的不确定性是一个很重要的原因,尤其是1998年以后,随着住房、医疗、教育等方面的改革,人们的储蓄倾向受预期的影响更大。这方面从人民银行数次通过降息来调整储蓄量,但是效果并不明显也可以看出来。

基尼系数对储蓄率的影响非常大,弹性达到了1.145280。这里可以看出,收入分配的均等程度对储蓄的影响非常明显。这是由于收入高的群体的储蓄倾向要明显的高于收入低的群体。

2.对宏观经济的政策建议

基于基尼系数对储蓄率的很大的影响,国家应该重视对分配领域的调节,加大对低收入的者的转移支付,切合中国实际的对税收领域进行改革,缩小社会的贫富差距:

1)不要"逼"老百姓花钱,而要针对不同收入阶层,采取不同对策,引导居民消费

增加中低收入居民的个人相对收入,在分配政策上进一步缩小收入差距;进行微观层面的改革和合适的福利体系改革,大力提高人们的收入预期;控制教育和医疗费用,降低人们的支出预期,减少公众的焦虑;积极发展消费信贷,尤其是助学贷款,减少人们为教育而储蓄的需要,让其"有钱花"。

引导高收入居民向更高层次的消费过渡,努力提高其消费倾向,增加消费供给,让其"有地方花钱",从而抑制储蓄倾向的进一步提高。

2)不要"逼"老百姓投资,而要不断增加金融创新,努力改善投资环境,刺激居民投资

目前的储蓄高增长主要是由于居民收入的持续增长、消费和投资的增速缓慢、居民手持现金的逐步减少而引起,充分暴露出我国经济架构的严重失衡。必须采取相应的措施缓解储蓄增长的势头,并积极引导储蓄向投资转化:

第一,提供多样化的金融工具,不断开发新的金融产品,大力发展商业保险和社会保险,拓宽居民投资渠道,引导居民储蓄资金的合理分流。

第二,进一步发展和完善股票市场,规范上市公司的市场行为,逐步建立完善的、公开的信息披露制度,增强居民的投资信心。

第三,大力发展债券市场,尤其是企业债券市场,充分发挥债券融资的优势,加大企业从资本市场直接融资的比重。

第四,积极引导民间投资,用新型的融资方式拓宽民间投融资的渠道。稳定发展民营金融机构;建立民间投资退出机制;加强民间投资的信用体系建设。

3.模型的不足

在实际经济活动中,人们的预期对储蓄率的影响是非常明显的。由于这方面的影响很难用数据来描述以及碍于本文作者水平有限,所以本模型没有反映人们的预期对储蓄率的影响。 参考文献

1.何德旭:10万亿储蓄的多视角分析[N]。金融时报,2003-05-19.

2.屈宏斌:居民储蓄高增长堪忧[N]。经济观察报, 2003-03-31.

3.张锐:高储蓄挑战宏观政策[N]。世纪经济报道, 2003-04-29.

4.郭树清:深化投融资体制改革与完善货币政策传导机制[J].金融研究,2002,(2)。

5.武少俊:强化消费需求启动措施,保证经济持续快速增长[J].金融研究,2003,(5)

6.潘雅琼:我国城乡居民储蓄存款余额的趋势预测[J].统计与决策,2003(6)

7.刘隽亭,乔瑞红:我国居民储蓄持续增长的原因及特点分析[J].天津商学院学报,2005(2)

8.李焰:关于利率与我国居民储蓄关系的探讨[J].经济研究,1999(11)

9.韩汉君:中国的居民储蓄存款及其利率弹性[J].上海经济研究,1999(9)

10.庞皓:计量经济学.科学出版社,2008-1

计量方面的论文

文献计量分析论文怎么写如下:

文献计量学分析的步骤以及需要遵循的一般指南,是帮助学者写作的重点。具体的步骤可分为四步:定义文献计量学研究的目的和范围;选择可进行文献计量学分析的技术;收集数据,进行文献计量学分析;运行文献计量学分析,并报告研究结果。第一步:确定检索主题词,确定检索数据库,确定检索范围进行检索 操作方法:如何确定主题词:可以阅读相关主题的meta分析文章。第二步:确定纳排标准进行文章筛选操作方法:阅读相关主题的文献计量文献确定主题词和检索范围。第一步筛选时可选择阅读标题和摘要进行选择,这时需要采取一些文献管理器,英文推荐endnote,中文推荐notexpress。

第三步:确定最终纳入的文章,全文下载进行精读下载方式:各数据库直接下载或者运用百度学术。第四步:精读5-10篇,确定要分析的主要内容,建立excel表注意:这个时候纳入的数据宁多勿少,以免书写论文过程中由于缺少数据再次返工。学者们应该使用数字和表格中的文献计量可视化来策划分析而非简单的描述性讨论。写作中也应该谈谈内容和上下文的概念。在解释文献计量学分析的结果时,重要的是要理解每个主题集群的内容以及该集群中出版物的主题所包含的意义。

计量经济学期末考试题及答案

分类 资源共享 问题描述 马上要考试了。书看完了。可是手边连套题都没有。很不踏实。先谢各位了。解析 计量经济学期末试卷(2004年6月,满分70分)一(24分)将中国城镇居民按照人均年收入分成 组,以2003年的组平均数为样本观测值,建立中国城镇居民消费函数模型,以人均年消费额 为被解释变量,经过理论分析和经验检验,选择人均年收入 和人均储蓄余额 作为解释变量,解释变量和被解释变量之间的关系为直接线性关系。模型形式为:⑴ 分别写出该问题的总体回归函数、总体回归模型、样本回归函数和样本回归模型;⑵ 分别写出随机误差项具有同方差且无序列相关、具有异方差但无序列相关、具有异方差且具有一阶序列相关时的方差—协方差矩阵;⑶ 当模型满足基本假设时,写出关于普通最小二乘法参数估计量的正规方程组;⑷ 直观判断该模型是否具有异方差性?为什么?⑸ 如果该模型存在异方差性,写出加权最小二乘法参数估计量的矩阵表达式,并指出在实际估计时权矩阵是如何选择的;⑹ 指出“偏回归系数” 的实际含义,并指出解释变量满足什么条件时可以用一元回归模型得到相同的 的估计结果?⑺ 如果仅以入均收入200元及以上的收入组为样本,用OLS和ML分别估计模型,参数估计量是否等价?为什么?⑻ 如果模型中未包括显著的解释变量 ,可能导致模型违背哪些基本假设?二(8分)简要回答下列问题:⑴ C-D生产函数模型和CES生产函数模型关于要素替代弹性和技术进步的假设分别是什么?⑵ 建立城镇居民食品类需求函数模型如下: 其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。 指出各个参数估计量的经济意义和数值范围。三(8分)某联立方程计量经济学模型有3个方程、3个内生变量 、3个外生变量 和样本观测值始终为1的虚变量C,样本容量为n。其中第二个方程为⑴ 能否采用OLS方法估计该结构方程?为什么?⑵ 如果采用工具变量方法估计该方程,如何选择 的工具变量?(指出两种选择)四(16分)中国的银行系统正遭受着坏帐的困扰,有估计认为全部坏帐足以让整个银行系统崩溃。毫无疑问坏帐是资源配置被扭曲的一个例子,换句话说如果没有坏帐,中国的GDP增长率也许会更高。为检验这一理论,假设你已经收集了中国银行系统坏帐累计总额的时序数据,以及其它一些总量数据如GDP,人口和总投资。⑴ 写出一个能够描述该问题的计量经济学模型,并解释。⑵ 写出检验下述命题的原假设:“坏帐对当期GDP增长率无影响”。⑶ 为1中你的模型提供合适的计量经济学估计方法,详细说明。⑷ 要让3中你的估计量满足一致性,必须满足什么条件?五(14分)假设你想研究国企和外企生产率的差别,为此你建立了如下的模型:其中变量 表示人均产出(per worker), 表示总资产净值中由外国公司拥有的份额, 表示人均资本存量(per worker)。假定你收集了300个企业关于这些变量在2000年的数据。⑴ 写出下述命题的原假设:“国企和外企生产率无差异”⑵ 假定你用简单OLS估计模型,估计量具有一致性吗?为什么。⑶ 假定你认为简单OLS估计不具有一致性,提供一个可以获得一致估计的估计方法,详细说明。⑷ 现在假定你还另外收集了相同厂商相同变量在2003年的数据,试建立一个更好的模型可以利用这一额外信息。讨论你将如何估计这一模型。计量经济学试题(2002年6月)⒈(共30分,每小题3分)建立中国居民消费函数模型t=1978,1979,…,2001其中 表示居民消费总额, 表示居民收入总额。⑴ 能否用历年的人均消费额和人均收入数据为样本观测值估计模型?为什么?⑵ 人们一般选择用当年价格统计的居民消费总额和居民收入总额作为样本观测值,为什么?这样是否违反样本数据可比性原则?为什么?⑶ 如果用矩阵方程 表示该模型,写出每个矩阵的具体内容,并标明阶数;⑷ 如果所有古典假设都满足,分别从最小二乘原理和矩方法出发,推导出关于参数估计量的正规方程组;⑸ 如果 与 存在共线性,证明:当去掉变量 以消除共线性时, 的估计结果将发生变化;⑹ 如果模型中 为随机解释变量且与 相关,证明:如果用OLS估计该消费函数模型,其参数估计量是有偏的;⑺ 如果模型中 为随机解释变量且与 相关,选择 *** 消费 为 的工具变量( 满足工具变量的所有条件),写出关于参数估计量的正规方程组;⑻ 如果经检验表明模型存在一阶序列相关,而需要采用广义差分法估计模型,指出在常用的软件中是如何实现的?⑼ 在不受到限制的情况下, 的值域为 ,写出 的对数似然函数;⑽ 试分析,以t=1978,1979,…,2001数据为样本观测值,能否说“样本是从母体中随机抽取的”?那么采用OLS估计模型参数,估计结果是否存在偏误?为什么?⒉(共16分,每小题4分)下列为一完备的联立方程计量经济模型其中C为居民消费总额、I为投资总额、Y为国内生产总值、 为 *** 消费总额,样本取自1978—2000年。⑴ 证明:对于消费方程,用IV、ILS、2SLS方法分别估计,参数估计结果是等价的。⑵ 说明:对于投资方程,能否用IV、ILS方法估计?为什么?⑶ 写出该联立方程计量经济模型3SLS参数估计量的矩阵表达式,并写出表达式中每个矩阵的具体形式;⑷ 根据经验判断,该模型3SLS参数估计量与2SLS参数估计量是否等价?为什么?⒊(共18分,每小题3分)简单回答以下问题:⑴ 分别指出两要素C-D生产函数、两要素一级CES生产函数和VES生产函数关于要素替代弹性的假设。⑵ 在一篇博士论文中设计的生产函数模型为:Y为产出量,K、L为资本和劳动投入量, 为第i种能源投入量,其它为参数。试指出该理论模型设计的主要问题,并给出正确的模型设计。⑶ 建立城镇居民食品类需求函数模型如下: 其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。拟定每个参数的数值范围,并指出参数之间必须满足的关系。⑷ 指出在实际建立模型时虚变量的主要用途。⑸ 两位研究者分别建立如下的中国居民消费函数模型和 其中 表示居民消费总额, 表示居民收入总额。由相同的样本和相同的估计方法,得到了不同的居民边际消费倾向估计值。如何解释这种现象?由此指出经典计量经济学模型的的缺点。⑹ 从经典计量经济学模型设定理论出发,在建立中国宏观计量经济模型时,一般应该如何对第三产业的生产方程进行分解,并指出其理由。⒋(6分)在你完成的单方程计量经济学模型综合练习中,你是如何确定理论模型的最终形式的?计量经济学期末试题(2003年6月,满分70分)⒈(12分)某人试图建立我国煤炭行业生产方程,以煤炭产量为被解释变量,经过理论和经验分析,确定以固定资产原值、职工人数和电力消耗量变量作为解释变量,变量的选择是正确的。于是建立了如下形式的理论模型:煤炭产量= 固定资产原值+ 职工人数+ 电力消耗量+μ选择2000年全国60个大型国有煤炭企业的数据为样本观测值;固定资产原值用资产形成年当年价计算的价值量,其它采用实物量单位;采用OLS方法估计参数。指出该计量经济学问题中可能存在的主要错误,并简单说明理由。⒉(12分)以 表示粮食产量, 表示播种面积, 表示化肥施用量,经检验,它们取对数后都是 变量且互相之间存在 关系。同时经过检验并剔除不显著的变量(包括滞后变量),得到如下粮食生产模型:(1)⑴ 写出长期均衡方程的理论形式;⑵ 写出误差修正项ecm的理论形式;⑶ 写出误差修正模型的理论形式;⑷ 指出误差修正模型中每个待估参数的经济意义。⒊(6分)对于上述粮食生产模型(1),假设所有解释变量与随机误差项都不相关。⑴ 如果采用普通最小二乘法估计,用非矩阵形式写出关于参数估计量的正规方程组;⑵ 从以上正规方程组出发说明,为什么不能采用分部回归方法分别估计每个参数;⒋(9分)投资函数模型为一完备的联立方程计量经济模型中的一个方程,模型系统包含的内生变量为C(居民消费总额)、I(投资总额)和Y(国内生产总值),先决变量为 ( *** 消费)、 和 。样本容量为 。⑴ 可否用狭义的工具变量法估计该方程?为什么?⑵ 如果采用2SLS估计该方程,分别写出2SLS估计量和将它作为一种工具变量方法的估计量的矩阵表达式;⑶ 如果采用GMM方法估计该投资函数模型,写出一组等于0的矩条件。⒌(6分)建立城镇居民食品类需求函数模型如下: 其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。⑴ 指出参数估计量的经济意义是否合理,为什么?⑵ 为什么经常采用交叉估计方法估计需求函数模型? ⒍(9分)选择两要素一级CES生产函数的近似形式建立中国电力行业的生产函数模型:其中Y为发电量,K、L分别为投入的资本与劳动数量,t为时间变量。⑴ 指出参数γ、ρ、m的经济含义和数值范围;⑵ 指出模型对要素替代弹性的假设,并指出它与C-D生产函数、VES生产函数在要素替代弹性假设上的区别;⑶ 指出模型对技术进步的假设,并指出它与下列生产函数模型在技术进步假设上的区别;⒎(8分)试指出在目前建立中国宏观计量经济模型时,下列内生变量应由哪些变量来解释,简单说明理由,并拟定关于每个解释变量的待估参数的正负号。⑴ 轻工业增加值 ⑵ 衣着类商品价格指数 ⑶ 货币发行量 ⑷ 农业生产资料进口额 ⒏(8分)回答:⑴ 随机时间序列的平稳性条件是什么?证明随机游走序列不是平稳序列。⑵ 单位根检验为什么从DF检验扩展到ADF检验?计量经济学期末试题答案(2003年6月,满分70分)⒈(12分)某人试图建立我国煤炭行业生产方程,以煤炭产量为被解释变量,经过理论和经验分析,确定以固定资产原值、职工人数和电力消耗量变量作为解释变量,变量的选择是正确的。于是建立了如下形式的理论模型:煤炭产量= 固定资产原值+ 职工人数+ 电力消耗量+μ选择2000年全国60个大型国有煤炭企业的数据为样本观测值;固定资产原值用资产形成年当年价计算的价值量,其它采用实物量单位;采用OLS方法估计参数。指出该计量经济学问题中可能存在的主要错误,并简单说明理由。答案:(答出4条给满分)⑴ 模型关系错误。直接线性模型表示投入要素之间完全可以替代,与实际生产活动不符。⑵ 估计方法错误。该问题存在明显的序列相关性,不能采用OLS方法估计。⑶ 样本选择违反一致性。行业生产方程不能选择企业作为样本。⑷ 样本数据违反可比性。固定资产原值用资产形成年当年价计算的价值量,不具备可比性。⑸ 变量间可能不存在长期均衡关系。变量中有流量和存量,可能存在1个高阶单整的序列。应该首先进行单位根检验和协整检验。⒉(12分)以 表示粮食产量, 表示播种面积, 表示化肥施用量,经检验,它们取对数后都是 变量且互相之间存在 关系。同时经过检验并剔除不显著的变量(包括滞后变量),得到如下粮食生产模型:(1)⑴ 写出长期均衡方程的理论形式;⑵ 写出误差修正项ecm的理论形式;⑶ 写出误差修正模型的理论形式;⑷ 指出误差修正模型中每个待估参数的经济意义。答案:⑴ 长期均衡方程的理论形式为:⑵ 误差修正项ecm的理论形式为:⑶ 误差修正模型的理论形式为:⑷ 误差修正模型中每个待估参数的经济意义为::播种面积对产量的短期产出弹性;:化肥施用量对产量的短期产出弹性;:前个时期对长期均衡的偏离程度对当期短期变化的影响系数。⒊(6分)对于上述粮食生产模型(1),假设所有解释变量与随机误差项都不相关。⑴ 如果采用普通最小二乘法估计,用非矩阵形式写出关于参数估计量的正规方程组;⑵ 从以上正规方程组出发说明,为什么不能采用分部回归方法分别估计每个参数。答案:⑴ 在所有解释变量与随机误差项都不相关的条件下,如果采用普通最小二乘法估计,关于参数估计量的正规方程组为:⑵ 如果采用分部回归方法分别估计每个参数,例如估计 ,建立一元模型,其正规方程组为: ,与上述⑴中第3个方程相比较,则要求方程右边其余各项均为0。由于解释变量之间存在一定程度的共线性,这一要求显然不能满足。两种情况下的 的估计结果不相同。⒋(9分)投资函数模型为一完备的联立方程计量经济模型中的一个方程,模型系统包含的内生变量为C(居民消费总额)、I(投资总额)和Y(国内生产总值),先决变量为 ( *** 消费)、 和 。样本容量为 。⑴ 可否用狭义的工具变量法估计该方程?为什么?⑵ 如果采用2SLS估计该方程,分别写出2SLS估计量和将它作为一种工具变量方法的估计量的矩阵表达式;⑶ 如果采用GMM方法估计该投资函数模型,写出一组等于0的矩条件。答案:⑴ 不能用狭义的工具变量法估计该方程。因为该结构方程是过度识别的。⑵ 如果采用2SLS估计该方程,可以将2SLS估计看作为一种工具变量方法。估计量的矩阵表达式分别为:前者为2SLS估计,后者为其等价的工具变量估计。⑶ 如果采用GMM方法估计该投资函数模型,用模型系统的所有先决变量作为工具变量。可以写出如下一组等于0的矩条件:⒌(6分)建立城镇居民食品类需求函数模型如下: 其中V为人均购买食品支出额、Y为人均收入、 为食品类价格、 为其它商品类价格。⑴ 指出参数估计量的经济意义是否合理,为什么?⑵ 为什么经常采用交叉估计方法估计需求函数模型? 答案:⑴ 对于以购买食品支出额位被解释变量的需求函数模型,即参数 、 、 估计量的经济意义分别为人均收入、食品类价格、其它商品类价格的需求弹性;由于食品为必须品,V为人均购买食品支出额,所以 应该在0与1之间, 应该在0与1之间, 在0左右,三者之和为1左右。该模型估计结果中 的估计量缺少合理的经济解释。⑵ 由于该模型中包含长期弹性 和短期弹性 与 ,需要分别采用截面数据和时序数据进行估计,所以经常采用交叉估计方法估计需求函数模型。⒍(9分)选择两要素一级CES生产函数的近似形式建立中国电力行业的生产函数模型:其中Y为发电量,K、L分别为投入的资本与劳动数量,t为时间变量。⑴ 指出参数γ、ρ、m的经济含义和数值范围;⑵ 指出模型对要素替代弹性的假设,并指出它与C-D生产函数、VES生产函数在要素替代弹性假设上的区别;⑶ 指出模型对技术进步的假设,并指出它与下列生产函数模型在技术进步假设上的区别;答案:⑴ 参数γ为技术进步速度,一般为接近0的正数;ρ为替代参数,在(-1,∞)范围内;m为规模报酬参数,在1附近。⑵ 该模型对要素替代弹性的假设为:随着研究对象、样本区间而变化,但是不随着样本点而变化。而C-D生产函数的要素替代弹性始终为1,不随着研究对象、样本区间而变化,当然也不随着样本点而变化;VES生产函数的要素替代弹性除了随着研究对象、样本区间而变化外,还随着样本点而变化。⑶ 该模型对技术进步的假设为希克斯中性技术进步;而生产函数模型的技术进步假设为中性技术进步,包括3种中性技术进步。⒎(8分)试指出在目前建立中国宏观计量经济模型时,下列内生变量应由哪些变量来解释,简单说明理由,并拟定关于每个解释变量的待估参数的正负号。⑴ 轻工业增加值 ⑵ 衣着类商品价格指数 ⑶ 货币发行量 ⑷ 农业生产资料进口额 答案:⑴ 轻工业增加值应该由反映需求的变量解释。包括居民收入(反映居民对轻工业的消费需求,参数符号为正)、国际市场轻工业品交易总额(反映国际市场对轻工业的需求,参数符号为正)等。⑵ 衣着类商品价格指数应该由反映需求和反映成本的两类变量解释。主要包括居民收入(反映居民对衣着类商品的消费需求,参数符号为正)、国际市场衣着类商品交易总额(反映国际市场对衣着类商品的需求,参数符号为正)、棉花的收购价格指数(反映成本对价格的影响,参数符号为正)等。⑶ 货币发行量应该由社会商品零售总额(反映经济总量对货币的需求,参数符号为正)、价格指数(反映价格对货币需求的影响,参数符号为正)等变量解释。⑷ 农业生产资料进口额应该由国内第一产业增加值(反映国内需求,参数符号为正)、国内农业生产资料生产部门增加值(反映国内供给,参数符号为负)、国际市场价格(参数符号为负)、出口额(反映外汇支付能力,参数符号为正)等变量解释。⒏(8分)回答:⑴ 随机时间序列的平稳性条件是什么?证明随机游走序列不是平稳序列。⑵ 单位根检验为什么从DF检验扩展到ADF检验?答案:⑴ 随机时间序列{ }(t=1, 2, …)的平稳性条件是:1)均值 ,是与时间t 无关的常数;2)方差 ,是与时间t 无关的常数;3)协方差 ,只与时期间隔k有关,与时间t 无关的常数。对于随机游走序列 ,假设 的初值为 ,则易知由于 为一常数, 是一个白噪声,因此 ,即 的方差与时间t有关而非常数,所以它是一非平稳序列。⑵ 在采用DF检验对时间序列进行平稳性检验中,实际上假定了时间序列是由具有白噪声随机误差项的一阶自回归过程(AR(1))生成的。但在实际检验中,时间序列可能是由更高阶的自回归过程生成的,或者随机误差项并非是白噪声,这样用OLS法进行估计均会表现出随机误差项出现自相关,导致DF检验无效。如果时间序列包含有明显的随时间变化的某种趋势(如上升或下降),则也容易导致DF检验中的自相关随机误差项问题。为了保证DF检验中随机误差项的白噪声特性,Dicky和Fuller对DF检验进行了扩充,形成了ADF检验。

计量经济学EVIEWS案例

计量经济学期末实验报告实验名称:大中城市城镇居民人均消费支出与其影响因素的分析姓 名:学 号:班 级:指导教师:时 间:23个城市城镇居民人均消费支出与其影响因素的分析一、 经济理论背景近几年来,中国经济保持了快速发展势头,投资、出口、消费形成了拉动经济发展的“三架马车”,这已为各界所取得共识。通过建立计量模型,运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析,找出其中关键影响因素,以为政策制定者提供一定参考,最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。二、 有关人均消费支出及其影响因素的理论我们主要从以下几个方面分析我国居民消费支出的影响因素:①、居民未来支出预期上升,影响了居民即期消费的增长居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求,严重地影响了居民即期消费的增长,进而导致有效需求的不足,最终导致经济增长的乏力。90年代末期以来,我国的医疗、养老、失业保险、教育等一系列改革措施集中出台,原有的体制被打破,而新的体制尚未建立健全,因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大,而且基本上都是硬性支出,支出的不确定性也很大,导致居民目前对未来支出预期的上升。②、商品供求结构性矛盾依然突出从消费结构上看,我国消费品市场已发生了新的根本性变化:居民低层次消费已近饱和,而更高水平的消费又未达到。改革开放20多年来,城乡居民经过了一个中档耐用消费品的普及阶段后,目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点,如轿车、住房等还远不能纳入大多数人的消费主流,居民现有的购买力不能形成推动主导消费品升级的动力。③、物价总水平持续在低水平运行,通货紧缩的压力较大,不利于消费的增长加入WTO之后,随着关税的降低和进口规模的扩大,国外产品对我国市场的冲击将进一步加大,国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降,不利于居民的消费增长。因为从居民的消费心理上看,买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期,因此往往推迟消费,不利于居民消费的增长。从统计上分析,由于物价的下降,名义消费增长往往低于实际消费的增长,这在一定程度上也不利于消费增长幅度的提高。④、我国现阶段没有形成大的消费热点,难以带动消费的快速增长经过近几年的培育和发展,我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点,可以促进消费的稳定增长,但始终未能形成大的消费热点,因此不能带动消费的高速增长。三、 相关数据收集相关数据均来源于2006年《中国统计年鉴》:23个大中城市城镇居民家庭基本情况地区 平均每户就业人口(人) 平均每一就业者负担人数(人) 平均每人实际月收入(元) 人均可支配收入(元) 人均消费支出(元)北京 1.6 1.8 1865.1 1633.2 1187.9天津 1.4 2.0 2010.6 1889.8 939.8石家庄 1.4 2.0 1061.3 1010.0 722.9太原 1.3 2.2 1256.9 1159.9 789.5呼和浩特 1.5 1.9 1354.2 1279.8 772.7沈阳 1.3 2.1 1148.5 1048.7 812.1大连 1.6 1.8 1269.8 1133.1 946.5长春 1.8 1.7 1156.1 1016.1 690.2哈尔滨 1.4 2.0 992.8 942.5 727.4上海 1.6 1.9 1884.0 1686.1 1505.3南京 1.4 2.0 1536.4 1394.0 920.6杭州 1.5 1.9 1695.0 1464.9 1264.2宁波 1.5 1.8 1759.4 1543.2 1271.4合肥 1.6 1.8 1042.5 950.1 686.9福州 1.7 1.9 1172.5 1059.4 942.8厦门 1.5 1.9 1631.7 1394.3 998.7南昌 1.4 1.8 1405.0 1321.1 665.4济南 1.7 1.7 1491.3 1356.8 1071.4青岛 1.6 1.8 1495.6 1378.5 1020.7郑州 1.4 2.1 1012.2 954.2 750.3武汉 1.5 2.0 1052.5 972.2 853.1长沙 1.4 2.1 1256.9 1148.9 986.8广州 1.7 1.8 1898.6 1591.1 1215.1四、 模型的建立根据数据,我们建立多元线性回归方程的一般模型为:其中:——人均消费支出——常数项——回归方程的参数——平均每户就业人口数——平均每一就业者负担人口数——平均每人实际月收入——人均可支配收入——随即误差项五、实验过程(一)回归模型参数估计根据数据建立多元线性回归方程:首先利用Eviews软件对模型进行OLS估计,得样本回归方程。利用Eviews输出结果如下:Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1608Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C -1682.180 1311.506 -1.282633 0.2159X1 564.3490 395.2332 1.427889 0.1704X2 569.1209 379.7866 1.498528 0.1513X3 1.552510 0.629371 2.466766 0.0239X4 -1.180652 0.742107 -1.590947 0.1290R-squared 0.721234 Mean dependent var 945.2913Adjusted R-squared 0.659286 S.D. dependent var 224.1711S.E. of regression 130.8502 Akaike info criterion 12.77564Sum squared resid 308191.9 Schwarz criterion 13.02249Log likelihood -141.9199 F-statistic 11.64259Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076根据多元线性回归关于Eviews输出结果可以得到参数的估计值为: , , , ,从而初步得到的回归方程为:Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)F=11.64259 df=18模型检验:由于在 的水平下,解释变量 、 、 的检验的P值都大于0.05,所以变量不显著,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。(二)处理多重共线性我们采用逐步回归法对模型的多重共线性进行检验和处理:X1:Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1628Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 153.8238 518.6688 0.296574 0.7697X1 523.0964 341.4840 1.531833 0.1405R-squared 0.100508 Mean dependent var 945.2913Adjusted R-squared 0.057675 S.D. dependent var 224.1711S.E. of regression 217.6105 Akaike info criterion 13.68623Sum squared resid 994441.2 Schwarz criterion 13.78497Log likelihood -155.3917 F-statistic 2.346511Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491X2:Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1629Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 1756.641 667.2658 2.632596 0.0156X2 -424.1146 347.9597 -1.218861 0.2364R-squared 0.066070 Mean dependent var 945.2913Adjusted R-squared 0.021597 S.D. dependent var 224.1711S.E. of regression 221.7371 Akaike info criterion 13.72380Sum squared resid 1032515. Schwarz criterion 13.82254Log likelihood -155.8237 F-statistic 1.485623Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412X3:Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1629Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 182.8827 137.8342 1.326831 0.1988X3 0.540400 0.095343 5.667960 0.0000R-squared 0.604712 Mean dependent var 945.2913Adjusted R-squared 0.585888 S.D. dependent var 224.1711S.E. of regression 144.2575 Akaike info criterion 12.86402Sum squared resid 437014.5 Schwarz criterion 12.96276Log likelihood -145.9362 F-statistic 32.12577Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013X4:Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1630Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 184.7094 161.8178 1.141465 0.2665X4 0.596476 0.124231 4.801338 0.0001R-squared 0.523300 Mean dependent var 945.2913Adjusted R-squared 0.500600 S.D. dependent var 224.1711S.E. of regression 158.4178 Akaike info criterion 13.05129Sum squared resid 527020.1 Schwarz criterion 13.15003Log likelihood -148.0898 F-statistic 23.05284Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096由得出的数据可以看出, 的调整的判定系数最大,因此首先把 引入调整的方程中,然后在分别引入变量 、 、 进行OLS得:X1、X3Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1632Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C -222.8991 345.9081 -0.644388 0.5266X1 289.8101 227.2070 1.275533 0.2167X3 0.517213 0.095693 5.404899 0.0000R-squared 0.634449 Mean dependent var 945.2913Adjusted R-squared 0.597894 S.D. dependent var 224.1711S.E. of regression 142.1510 Akaike info criterion 12.87276Sum squared resid 404138.2 Schwarz criterion 13.02087Log likelihood -145.0368 F-statistic 17.35596Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043X2、X3Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1633Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 239.5536 531.1435 0.451015 0.6568X2 -27.00981 244.0392 -0.110678 0.9130X3 0.536856 0.102783 5.223221 0.0000R-squared 0.604954 Mean dependent var 945.2913Adjusted R-squared 0.565449 S.D. dependent var 224.1711S.E. of regression 147.7747 Akaike info criterion 12.95036Sum squared resid 436747.0 Schwarz criterion 13.09847Log likelihood -145.9292 F-statistic 15.31348Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093X3、X4Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1634Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 331.7015 142.5882 2.326290 0.0306X3 1.766892 0.553402 3.192782 0.0046X4 -1.473721 0.656624 -2.244390 0.0363R-squared 0.684240 Mean dependent var 945.2913Adjusted R-squared 0.652664 S.D. dependent var 224.1711S.E. of regression 132.1157 Akaike info criterion 12.72634Sum squared resid 349091.0 Schwarz criterion 12.87445Log likelihood -143.3529 F-statistic 21.66965Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010由数据结果可以看出,引入X4时方程的调整判定系数最大,且解释变量均通过了显著性检验,再分别引入X1、X2进行分析。X1、X3、X4Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1637Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 193.6693 403.8464 0.479562 0.6370X1 89.29944 243.6512 0.366505 0.7180X3 1.652622 0.646003 2.558228 0.0192X4 -1.345001 0.757634 -1.775265 0.0919R-squared 0.686457 Mean dependent var 945.2913Adjusted R-squared 0.636950 S.D. dependent var 224.1711S.E. of regression 135.0712 Akaike info criterion 12.80625Sum squared resid 346640.3 Schwarz criterion 13.00373Log likelihood -143.2719 F-statistic 13.86591Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050X2、X3、X4Dependent Variable YMethod Least SquaresDate 12/11/07 Time 1638Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 62.60939 489.2088 0.127981 0.8995X2 134.1557 232.9303 0.575948 0.5714X3 1.886588 0.600027 3.144175 0.0053X4 -1.596394 0.701018 -2.277251 0.0345R-squared 0.689658 Mean dependent var 945.2913Adjusted R-squared 0.640657 S.D. dependent var 224.1711S.E. of regression 134.3798 Akaike info criterion 12.79599Sum squared resid 343100.8 Schwarz criterion 12.99347Log likelihood -143.1539 F-statistic 14.07429Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046由输出结果可以看出,在 的水平下,解释变量 、 的检验的P值都大于0.05,解释变量不能通过显著性检验,因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为:Se= (142.5882) (0.553402) (0.656624)T= (2.326290) (3.192782) (-2.244390)F=21.66965 df=20(三).异方差性的检验对模型 进行怀特检验:White Heteroskedasticity TestF-statistic 1.071659 Probability 0.399378Obs*R-squared 4.423847 Probability 0.351673Test EquationDependent Variable RESID^2Method Least SquaresDate 12/11/07 Time 1653Sample 1 23Included observations 23Variable Coefficient Std. Error t-Statistic Prob.C 34247.50 128527.9 0.266460 0.7929X3 247.9623 628.1924 0.394723 0.6977X3^2 -0.071268 0.187278 -0.380548 0.7080X4 -333.6779 714.3390 -0.467114 0.6460X4^2 0.121138 0.229933 0.526841 0.6047R-squared 0.192341 Mean dependent var 15177.87Adjusted R-squared 0.012861 S.D. dependent var 23242.54S.E. of regression 23092.59 Akaike info criterion 23.12207Sum squared resid 9.60E+09 Schwarz criterion 23.36892Log likelihood -260.9038 F-statistic 1.071659Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378由检验结果可知, ,由White检验知,在 时,查 分布表,得临界值 (20)=30.1435,因为 < (5)= 30.1435,所以模型中不存在异方差。(四).自相关的检验由模型的输出结果可知,估计结果都比较满意,无论是回归方程检验,还是参数显著性检验的检验概率,都显著小于0.05,D-W值为2.111635,显著性水平 =0.05下查Durbin-Watson表,其中n=23,解释变量的个数为2,得到下限临界值 ,上限临界值 , =1.543

写出一个简单的计量经济模型

对所要研究的经济现象进行深入的分析,根据研究的目的,选择模型中将包含的因素,根据数据的可得性选择适当的变量来表征这些因素,并根据经济行为理论和样本数据显示出的变量间的关系,设定描述这些变量之间关系的数学表达式,即理论模型。理论模型的设计主要包含三部分工作,即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。1. 确定模型所包含的变量

在单方程模型中,变量分为两类。作为研究对象的变量,也就是因果关系中的“果”,例如生产函数中的产出量,是模型中的被解释变量;而作为“原因”的变量,例如生产函数中的资本、劳动、技术,是模型中的解释变量。确定模型所包含的变量,主要是指确定解释变量。可以作为解释变量的有下列几类变量:外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量,如政策变量、条件变量经常以虚变量的形式出现。

严格他说,上述生产函数中的产出量、资本、劳动、技术等,只能称为“因素”,这些因素间存在着因果关系。为了建立起计量经济学模型,必须选择适当的变量来表征这些因素,这些变量必须具有数据可得性。于是,我们可以用总产值来表征产出量,用固走资产原值来表征资本,用职工人数来表征劳动,用时间作为一个变量来表征技术。最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。为了叙述方便,我们将“因素”与“变量”间的区别暂时略去,都以“变量”来表示。

关键在于,在确定了被解释变量之后,怎样才能正确地选择解释变量。

需要正确理解和把握所研究的经济现象中暗含的经济学理论和经济行为规律。这是正确选择解释变量的基础。在上述生产问题中,已经明确指出属于供给不足的情况,影响产出量的因素就应该在投入要素方面,而在当前,一般的投入要素主要是技术、资本与劳动。如果属于需求不足的情况,那么影响产出量的因素就应该在需求方面,而不在投入要素方面。如果研究的对象是消费品生产,应该选择居民收入等变量作为解释变量;如果研究的对象是生产资料生产,应该选择固定资产投资总额等变量作为解释变量。由此可见,同样是建立生产模型,所处的经济环境不同、研究的行业不同,变量选择是不同的。

选择变量要考虑数据的可得性。这就要求对经济统计学有透彻的了解。计量经济学模型是要在样本数据,即变量的样本观测值的支持下,采用一定的数学方法估计参数,以揭示变量之间的定量关系。所以所选择的变量必须是统计指标体系中存在的、有可靠的数据来源的。如果必须引入个别对被解释变量有重要影响的政策变量、条件变量,则采用虚变量的样本观测值的选取方法。

第三,选择变量时要考虑所有入选变量之间的关系,使得每一个解释变量都是独立的。这是计量经济学模型技术所要求的。在开始时要做到这一点是困难的,如果在所有入选变量中出现相关的变量,可以在建模过程中检验并予以剔除。

从这里可以看出,建立模型的第一步就已经体现了计量经济学是经济理论、经济统计学和数学三者结合的思想。

在选择变量时,错误是容易发生的。下面的例子都是从已有的计量经济学应用研究成果中发现的,代表了几类容易发生的错误。例如

农副产品出口额 = -107.66+0.13×社会商品零售总额十0.22×农副产品收购额

这里选择了无关的变量,因为社会商品零售总额与农副产品出口额无直接关系,更不是影响农副产品出口额的原因。再如

生产资料进口额 = 0.73×轻工业投资+0.21×出口额+0.18×生产消费+67.60×进出口政策

这里选择了不重要的变量,因为轻工业投资对生产资料进口额虽有影响,但不是重要的,或者说是不完全的,重要的是全社会固定资产投资额,应该选择这个变量。再如

农业总产值 = 0.78+0.24×粮食产量+0.05×农机动力—0.21×受灾面积

这里选择了不独立的变量,因为粮食产量是受农机动力和受灾面积影响的,它们之间存在相关性。

值得注意的是上述几个模型都能很好地拟合样本数据,所以绝对不能把对样本数据的拟合程度作为判断模型变量选择是否正确的主要标准。

变量的选择不是一次完成的,往往要经过多次反复。 选择了适当的变量,接下来就要选择适当的数学形式描述这些变量之间的关系,即建立理论模型。

选择模型数学形式的主要依据是经济行为理论。在数理经济学中,已经对常用的生产函数、需求函数、消费函数、投资函数等模型的数学形式进行了广泛的研究,可以借鉴这些研究成果。现代经济学尤其注重实证研究,任何建立在一定经济学理论假设基础上的理论模型,如果不能很好地解释过去,尤其是历史统计数据,那么它是不能为人们所接受的。这就要求理论模型的建立要在参数估计、模型检验的全过程中反复修改,以得到一种既能有较好的经济学解释又能较好地反映历史上已经发生的诸变量之间关系的数学模型。忽视任何一方面都是不对的。

也可以根据变量的样本数据作出解释变量与被解释变量之间关系的散点图,由散点图显示的变量之间的函数关系作为理论模型的数学形式。这也是人们在建模时经常采用的方法。

在某些情况下,如果无法事先确定模型的数学形式,那么就采用各种可能的形式进行试模拟,然后选择模拟结果较好的一种。3. 拟定理论模型中待估参数的理论期望值

理论模型中的待估参数一般都具有特定的经济含义,它们的数值,要待模型估计、检验后,即经济数学模型完成后才能确定,但对于它们的数值范围,即理论期望值,可以根据它们的经济含义在开始时拟定。这一理论期望值可以用来检验模型的估计结果。

拟定理论模型中待估参数的理论期望值,关键在于理解待估参数的经济含义。例如上述生产函数理论模型中有4个待估参数和α、β、γ和A。α是资本的产出弹性,β是劳动的产出弹性,γ近似为技术进步速度,A是效率系数。根据这些经济含义,它们的数值范围应该是

0<α<1,0<β<1,α+β≈1,0<γ0。 样本数据的收集与整理,是建立计量经济学模型过程中最为费时费力的工作,也是对模型质量影响极大的一项工作。从工作程序上讲,它是在理论模型建立之后进行,但实际上经常是同时进行的,因为能否收集到合适的样本观测值是决定变量取舍的主要因素之一。

1. 几类常用的样本数据

常用的样本数据有三类:时间序列数据、截面数据和虚变量数据。

时间序列数据是一批按照时间先后排列的统计数据,一般由统计部门提供,在建立计量经济学模型时应充分加以利用,以减少收集数据的工作量。在利用时间序列数据作样本时,要注意以下几个问题。一是所选择的样本区间内经济行为的一致性问题。我们建立纺织行业生产模型,选择反映市场需求因素的变量,诸如居民收入、出口额等作为解释变量,而没有选择反映生产能力的变量,诸如资本、劳动等,原因是纺织行业属于供大于求的情况。对于这个模型,利用时间序列数据作样本时,只能选择80年代后期以来的数据,因为纺织行业供大于求的局面只出现在这个阶段,而在80年代中期以前的一个长时期里,我国纺织品是供不应求的,那时制约行业产出量的主要因素是投入要素。二是样本数据在不同样本点之间的可比性问题。经济变量的时间序列数据往往是以价值形态出现的,包含了价格因素,而同一件实物在不同年份的价格是不同的,这就造成样本数据在不同样本点之间不可比。需要对原始数据进行调整,消除其不可比因素,方可作为模型的样本数据。三是样本观测值过于集中的问题。经济变量在时间序列上的变化往往是缓慢的,居民收入每年的变化幅度只有5%左右。如果在一个消费函数模型中,以居民消费作为被解释变量,以居民收入作为解释变量,以它的时间序列数据作为解释变量的样本数据,由于样本数据过于集中,所建立的模型很难反映两个变量之间的长期关系。这也是时间序列不适宜于对模型中反映长期变化关系的结构参数的估计的一个主要原因。四是模型随机误差项的序列相关问题。用时间序列数据作样本,容易引起模型随机误差项产生序列相关。这个问题后面还要专门讨论。

截面数据是一批发生在同一时间截面上的调查数据。工业普查数据、人口普查数据、家计调查数据等,主要由统计部门提供。用截面数据作为计量经济学模型的样本数据,应注意以下几个问题。一是样本与母体的一致性问题。计量经济学模型的参数估计,从数学上讲,是用从母体中随机抽取的个体样本估计母体的参数,那么要求母体与个体必须是一致的。估计煤炭企业的生产函数模型,只能用煤炭企业的数据作为样本,不能用煤炭行业的数据。截面数据就很难用于一些总量模型的估计,建立煤炭行业的生产函数模型,就无法得到合适的截面数据。二是模型随机误差项的异方差问题。用截面数据作样本,容易引起模型随机误差项产生异方差。这个问题后面还要专门讨论。

虚变量数据也称为二进制数据,一般取0或1。虚变量经常被用在计量经济学模型中,以表征政策、条件等因素。建立我国的粮食生产计量经济学模型,以粮食产量作为被解释变量,解释变量中除了播种面积、化肥使用量、农机总动力、成灾面积等变量外,显然,政策因素是不可忽略的。1980年前后,由于实行了不同的政策,即使上述变量都没有变化,粮食产量也会发生大的变化。于是必须在解释变量中引人政策变量,用一个虚变量表示,对于1980年以后的年份,该虚变量的样本观测值为1,对于1980年以前的年份,该虚变量的样本观测值为0。也可以取0、l以外的数值,表示该因素的变化程度。在工业生产模型中用虚变量表示气候对工业生产的影响,可以将不同年份气候的影响程度,分别用0、1、-1,甚至0.5、-0.5等表示。这种方法应慎用,以免违背客观性。

2. 样本数据的质量

样本数据的质量问题大体上可以概括为完整性、准确性、可比性和一致性四个方面。

完整性,即模型中包含的所有变量都必须得到相同容量的样本观测值。这既是模型参数估计的需要,也是经济现象本身应该具有的特征。在实际中,“遗失数据”的现象是经常发生的,尤其经济体制和核算体系都处于转轨之中。在出现“遗失数据”时,如果样本容量足够大,样本点之间的联系并不紧密的情况下,可以将“遗失数据”所在的样本点整个地去掉;如果样本容量有限,或者样本点之间的联系紧密,去掉某个样本点会影响模型的估计质量,则要采取特定的技术将“遗失数据”补上。

准确性,有两方面含义,一是所得到的数据必须准确反映它所描述的经济因素的状态,即统计数据或调查数据本身是准确的;二是它必须是模型研究中所准确需要的,即满足模型对变量口径的要求。前一个方面是显而易见的,而后一个方面则容易被忽视。在生产函数模型中,作为解释变量的资本、劳动等必须是投入到生产过程中的、对产出量起作用的那部分生产要素,以劳动为例,应该是投入到生产过程中的、对产出量起作用的那部分劳动者。于是,在收集样本数据时,就应该收集生产性职工人数,而不能以全体职工人数作为样本数据,尽管全体职工人数在统计上是很准确的,但其中有相当一部分与生产过程无关,不是模型所需要的。

可比性,也就是通常所说的数据口径问题,在计量经济学模型研究中可以说无处不在。而人们容易得到的经济统计数据,一般可比性较差,其原因在于统计范围口径的变化和价格口径的变化,必须进行处理后才能用于模型参数的估计。计量经济学方法,是从样本数据中寻找经济活动本身客观存在的规律性,如果数据是不可比的,得到的规律性就难以反映实际。不同的研究者研究同一个经济现象,采用同样的变量和数学形式,选择的样本点也相同,但可能得到相差甚远的模型参数估计结果。为什么?原因在于样本数据的可比性。采用时间序列数据作为生产函数模型的样本数据,产出量用不变价格计算的总产值,在不同年份间是可比的;资本用当年价格计算的固定资产原值,在不同年份间是不可比的。对于统计资料中直接提供的这个用当年价格计算的固定资产原值,有人直接用于模型估计,有人进行处理后再用于模型的估计,结果当然不会相同。

一致性,即母体与样本的一致性。上面在讨论用截面数据作为计量经济学模型的样本数据时已经作了介绍。违反一致性的情况经常会发生,用企业的数据作为行业生产函数模型的样本数据,用人均收入与消费的数据作为总量消费函数模型的样本数据,用31个省份的数据作为全国总量模型的样本数据,等等。 在模型的参数估计量已经得到后,可以说一个计量经济学模型已经初步建立起来了。它能否客观揭示所研究的经济现象中诸因素之间的关系,能否付诸应用,还要通过检验才能决定。一般讲,计量经济学模型必须通过四级检验,即经济意义检验、统计学检验、计量经济学检验和预测检验。

1. 经济意义检验

经济意义检验主要检验模型参数估计量在经济意义上的合理性。主要方法是将模型参数的估计量与预先拟定的理论期望值进行比较,包括参数估计量的符号、大小、相互之间的关系,以判断其合理性。

首先检验参数估计量的符号。有下列煤炭行业生产模型:

煤炭产量=-108.5427+0.00067×固定资产原值+0.01527×职工人数

-0.00681×电力消耗量+0.00256×木材消耗量

在该模型中,电力消耗量前的参数估计量为负,意味着电力消耗越多,煤炭产量越低,从经济行为上无法解释。模型不能通过检验,应该找出原因重新建立模型。

如果所有参数估计量的符号正确,则要进一步检验参数估计量的大小。有下列煤炭企业生产函数模型:

Ln(煤炭产量) = 2.69+1.85Ln(固走资产原值)+0.51Ln(职工人数)

因为该模型是一个对数线性模型,所以在该模型中,固定资产原值前的参数的经济意义是明确的,即固定资产原值的产出弹性;表示当固定资产原值增加1%时煤炭产量增加的百分数。根据产出弹性的概念,该参数估计量应该是0与1之间的一个数,模型中的参数估计量虽然符号正确,但是数值范围与理论期望值不符,不能通过检验。应该找出原因重新建立模型。

即使模型参数估计量的符号正确、数值范围适当,仍然不能说已经通过经济意义检验,还要对参数之间的关系进行检验。有下列职工家庭日用品需求模型:

Ln(人均购买日用品支出额)= -3.69+1.20Ln(人均收入)一6.40Ln(日用品类价格)

该模型也是一个对数线性模型,所以在该模型中,人均收入和日用品类价格前的参数的经济意义是明确的,即是它们各自的需求弹性。该二参数估计量的符号是正确的,数值范围大体适当。但是根据经济意义,二参数估计量之和应该在1左右,因为当收入增长1%、价格增长1%时,人均购买日用品支出额也应该增长1%左右。显然该模型的参数估计量不能通过检验。应该找出原因重新建立模型。

只有当模型中的参数估计量通过所有经济意义的检验,方可进行下一步检验。模型参数估计量的经济意义检验是一项最基本的检验,经济意义不合理,不管其他方面的质量多么高,模型也是没有实际价值的。

2. 统计检验

统计检验是由统计理论决定的,目的在于检验模型的统计学性质。通常最广泛应用的统计检验准则有拟合优度检验、变量和方程的显著性检验等。

3. 计量经济学检验

计量经济学检验是由计量经济学理论决定的,目的在于检验模型的计量经济学性质。通常最主要的检验准则有随机误差项的序列相关检验和异方差性检验,解释变量的多重共线性检验等。

4. 模型预测检验

预测检验主要检验模型参数估计量的稳定性以及相对样本容量变化时的灵敏度,确定所建立的模型是否可以用于样本观测值以外的范围,即模型的所谓超样本特性。具体检验方法为:(1)利用扩大了的样本重新估计模型参数,将新的估计值与原来的估计值进行比较,并检验二者之间差距的显著性;(2)将所建立的模型用于样本以外某一时期的实际预测,并将该预测值与实际观测值进行比较,并检验二者之间差距的显著性。

经历并通过了上述步骤的检验后,可以说已经建立了所需要的计量经济学模型,可以将它应用于预定的目的。

写出一个简单的计量经济模型,计量经济学论文的问题分享结束啦,以上的文章解决了您的问题吗?欢迎您下次再来哦!