计量经济学论文eviews分析计量经济作业.docx
《计量经济学论文eviews分析计量经济作业.docx》由会员分享，可在线阅读，更多相关《计量经济学论文eviews分析计量经济作业.docx（18页珍藏版）》请在冰豆网上搜索。
计量经济学论文eviews分析计量经济作业
我国旅游收入的计量分析
一、经济理论陈述
在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。
其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。
中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。
这样，在旅游人数这个解释变量的最终确定上，我们选择了
国内旅游人数，
入境旅游人数。
这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。
所以，我们选取这两个解释变量等待下一步进行模型设计和检验。
另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。
首先，外国游客前来旅游的形式和消费方式各异且很难统计。
我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。
其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。
农村居民纯收入增加，用于旅游的花费也有所上升。
而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。
所以我们确定了
城镇居民人均旅游花费和
农村居民人均旅游花费。
旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。
在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。
在我国，交通一般分布为公路，铁路，航班，航船等。
由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。
即确定了
公路长度和
铁路长度这两个解释变量。
其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在
的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。
二、相关数据
三、计量经济模型的建立
Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ
我们建立了下述的一般模型：
其中
Ｙ——1994-2003年各年全国旅游收入
Ｃ（１）——待定参数
——国内旅游人数（万人）
——入境旅游人数（万人）
——城镇居民人均旅游花费（元）
——农村居民人均旅游花费（元）
——公路长度（含高速）（万公里）
——铁路长度（万公里）
Ｕ——随即扰动项
四、模型的求解和检验
利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
01:
56
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-340.5047
1357.835
-0.250770
0.0882
X2
-0.001616
0.013520
-0.119529
0.1524
X3
0.232358
0.128017
1.815050
0.1671
X4
6.391052
1.716888
3.722463
0.0337
X5
-1.046757
1.224011
-0.855187
0.0453
X6
5.673429
6.667266
0.850938
0.4573
X7
-474.3909
355.7167
-1.333620
0.2745
R-squared
0.996391
Meandependentvar
2494.200
AdjustedR-squared
0.989174
S.D.dependentvar
980.4435
S.E.ofregression
102.0112
Akaikeinfocriterion
12.28407
Sumsquaredresid
31218.86
Schwarzcriterion
12.49588
Loglikelihood
-54.42035
F-statistic
138.0609
Durbin-Watsonstat
3.244251
Prob（F-statistic）
0.000944
由此可见，该模型可决系数很高，F检验显著，但是
、
、
的系数t检验不显著，且
的系数符号不符合经济意义，说明存在严重的多重共线性。
所以进行以下修正：
〈一〉．计量方法检验及修正
多重共线性的检验：
首先对Y进行各个解释变量的逐步回归,由最小二乘法，结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
02:
00
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3193.041
606.2101
-5.267217
0.0012
X4
9.729003
1.435442
6.777703
0.0003
X5
-1.197036
2.059371
-0.581263
0.1293
R-squared
0.957285
Meandependentvar
2494.200
AdjustedR-squared
0.945081
S.D.dependentvar
980.4435
S.E.ofregression
229.7654
Akaikeinfocriterion
13.95532
Sumsquaredresid
369544.9
Schwarzcriterion
14.04609
Loglikelihood
-66.77660
F-statistic
78.43859
Durbin-Watsonstat
0.791632
Prob（F-statistic）
0.000016
继续采用逐步回归法将其余解释变量代入，得出拟合效果最好的三个解释变量，结果如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
02:
01
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-3391.810
514.1119
-6.597416
0.0006
X2
0.029414
0.014525
2.025042
0.0393
X4
6.355459
2.050175
3.099959
0.0211
X5
-0.284542
1.772604
-0.160522
0.1077
R-squared
0.974627
Meandependentvar
2494.200
AdjustedR-squared
0.961940
S.D.dependentvar
980.4435
S.E.ofregression
191.2739
Akaikeinfocriterion
13.63446
Sumsquaredresid
219514.3
Schwarzcriterion
13.75550
Loglikelihood
-64.17232
F-statistic
76.82334
Durbin-Watsonstat
1.328513
Prob（F-statistic）
0.000035
以上模型估计效果最好，继续逐步回归得到以下结果：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
02:
40
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1973.943
441.5947
-4.470034
0.0066
X2
-0.005095
0.011431
-0.445729
0.6744
X3
0.328279
0.080682
4.068802
0.0096
X4
4.665485
1.158665
4.026602
0.0101
X5
-1.714020
0.999029
-1.715686
0.1469
R-squared
0.994114
Meandependentvar
2494.200
AdjustedR-squared
0.989406
S.D.dependentvar
980.4435
S.E.ofregression
100.9150
Akaikeinfocriterion
12.37329
Sumsquaredresid
50919.23
Schwarzcriterion
12.52458
Loglikelihood
-56.86644
F-statistic
211.1311
Durbin-Watsonstat
3.034041
Prob（F-statistic）
0.000009
各项拟合效果都较好。
虽然
的t检验不是很显著，但考虑到其经济意义在模型中的重要地位，暂时保留。
继续引入
。
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
02:
41
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-2034.155
525.2137
-3.873004
0.0179
X2
-0.007033
0.014095
-0.498977
0.6440
X3
0.299562
0.128626
2.328946
0.0803
X4
4.787986
1.339888
3.573423
0.0233
X5
-1.511851
1.282385
-1.178937
0.1638
X6
2.062334
6.659247
0.309695
0.7723
R-squared
0.994252
Meandependentvar
2494.200
AdjustedR-squared
0.987067
S.D.dependentvar
980.4435
S.E.ofregression
111.4976
Akaikeinfocriterion
12.54959
Sumsquaredresid
49726.89
Schwarzcriterion
12.73114
Loglikelihood
-56.74797
F-statistic
138.3830
Durbin-Watsonstat
3.130122
Prob（F-statistic）
0.000144
根据以上回归结果可得，
的引入使得模型中
、
的t检验均不显著，再考察二者的相关系数为0.949132，说明
、
高度相关，模型产生了多重共线性，因此将
去掉。
再将
代入检验。
DependentVariable:
Y
Method:
LeastSquares
Date:
12/23/10Time:
02:
42
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-641.0670
1265.065
-0.506746
0.0190
X2
0.001432
0.012579
0.113838
0.9149
X3
0.315742
0.079487
3.972264
0.0165
X4
5.694229
1.456042
3.910759
0.0174
X5
-1.631710
0.977195
-1.669790
0.1703
X7
-351.4600
313.6492
-1.120551
0.3252
R-squared
0.995521
Meandependentvar
2494.200
AdjustedR-squared
0.989921
S.D.dependentvar
980.4435
S.E.ofregression
98.43019
Akaikeinfocriterion
12.30028
Sumsquaredresid
38754.01
Schwarzcriterion
12.48183
Loglikelihood
-55.50141
F-statistic
177.7916
Durbin-Watsonstat
2.850083
Prob（F-statistic）
0.000087
的系数为负，与经济意义相悖，因此也去掉。
由此确定带入模型的解释变量为
、
、
、
。
异方差性的检验：
再对模型的异方差性进行检验：
鉴于我们的样本资料是时间序列数据，选用ARCH检验。
ARCHTest:
F-statistic
0.044061
Probability
0.839718
Obs*R-squared
0.056296
Probability
0.812449
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/23/10Time:
02:
43
Sample（adjusted）:
19952003
Includedobservations:
9afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
5197.741
3188.960
1.629918
0.1471
RESID^2（-1）
0.079216
0.377385
0.209908
0.8397
R-squared
0.006255
Meandependentvar
5645.880
AdjustedR-squared
-0.135708
S.D.dependentvar
6668.507
S.E.ofregression
7106.603
Akaikeinfocriterion
20.76857
Sumsquaredresid
3.54E+08
Schwarzcriterion
20.81239
Loglikelihood
-91.45855
F-statistic
0.044061
Durbin-Watsonstat
1.810449
Prob（F-statistic）
0.839718
这里Obs*R-squared为0.056296，P=0.812449>0.05所以接受
，表明模型中随机误差项不存在异方差。
再考虑P=3的情况：
ARCHTest:
F-statistic
0.126837
Probability
0.938100
Obs*R-squared
0.787922
Probability
0.852354
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
12/23/10Time:
02:
46
Sample（adjusted）:
19972003
Includedobservations:
7afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
206.9671
8303.931
0.024924
0.9817
RESID^2（-1）
0.162377
0.536337
0.302751
0.7819
RESID^2（-2）
0.112799
0.570427
0.197746
0.8559
RESID^2（-3）
0.331276
0.570658
0.580516
0.6023
R-squared
0.112560
Meandependentvar
4377.448
AdjustedR-squared
-0.774879
S.D.dependentvar
7000.432
S.E.ofregression
9326.298
Akaikeinfocriterion
21.41462
Sumsquaredresid
2.61E+08
Schwarzcriterion
21.38371
Loglikelihood
-70.95118
F-statistic
0.126837
Durbin-Watsonstat
1.521751
Prob（F-statistic）
0.938100
这里Obs*R-squared为0.787922，P=0.852354>0.05
。
所以仍然接受
，表明模型中随机误差项不存在异方差。
自相关性的检验：
随机扰动项可能存在一阶负自相关。
借助残差项和其一阶滞后项的二维坐标图进一步分析：
由图示可看出，残差项和其一阶滞后项显然存在负自相关，然后利用对数线形回归修正自相关性，得到相应结果如下：
DependentVariable:
LOG（Y）
Method:
LeastSquares
Date:
12/23/10Time:
02:
52
Sample:
19942003
Includedobservations:
10
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-8.769551
2.012276
-4.358027
0.0073
LOG（X2）
0.324789
0.343868
0.944516
0.0383
LOG（X3）
0.384066
0.227746
1.686378
0.0225
LOG（X4）
1.482683
0.313487
4.729643
0.0052
LOG（X5）
0.005750
0.068955
0.083382
0.0468
R-squared
0.994678
Meandependentvar
7.740729
AdjustedR-squared
0.990421
S.D.dependentvar
0.442977
S.E.ofregression
0.043355
Akaikeinfocriterion
-3.131931
Sumsquaredresid
0.009398
Schwarzcr
升级会员 