精品计量经济学课程作业分析.docx

精品计量经济学课程作业分析.docx

《精品计量经济学课程作业分析.docx》由会员分享，可在线阅读，更多相关《精品计量经济学课程作业分析.docx（30页珍藏版）》请在冰豆网上搜索。

精品计量经济学课程作业分析

计量经济学课程作业分析

广东石油化工学院2015—2016学年第二学期

《计量经济学》作业

班级：

作业1

1、下表是中国2007年各地区税收和国内生产总值GDP的统计资料。

单位：

亿元

地区

Y

GDP

地区

Y

GDP

北京

1435.7

9353.3

湖北

434.0

9230.7

天津

438.4

5050.4

湖南

410.7

9200.0

河北

618.3

13709.5

广东

2415.5

31084.4

山西

430.5

5733.4

广西

282.7

5955.7

内蒙古

347.9

6091.1

海南

88.0

1223.3

辽宁

815.7

11023.5

重庆

294.5

4122.5

吉林

237.4

5284.7

四川

629.0

10505.3

黑龙江

335.0

7065.0

贵州

211.9

2741.9

上海

1975.5

12188.9

云南

378.6

4741.3

江苏

1894.8

25741.2

西藏

11.7

342.2

浙江

1535.4

18780.4

陕西

355.5

5465.8

安徽

401.9

7364.2

甘肃

142.1

2702.4

福建

594.0

9249.1

青海

43.3

783.6

江西

281.9

5500.3

宁夏

58.8

889.2

山东

1308.4

25965.9

新疆

220.6

3523.2

河南

625.0

15012.5

以Eviews软件完成以下问题：

（1）作出散点图，建立税收随国内生产总值GDP变化的一元线性回归方程，并解释斜率的经济意义；

散点图如图所示：

建立如下的回归模型

根据Eviews软件对表中数据进行回归分析的计算结果知：

R^2=0.760315F=91.99198

斜率的经济意义：

国内生产总值GDP每增加1亿元，国内税收增加0.071亿元。

（2）对所建立的方程进行检验；

从回归估计的结果看，模型拟合较好。

可决系数R2=0.760315，表明国内税收变化的76.03%可由国内生产总值GDP的变化来解释。

从斜率项的t检验值看，大于10%显著性水平下自由度为n-2=29的临界值t0.05（29）=1.699，且该斜率值满足0<0.071<1，符合经济理论中税收乘数在0与1之间的说法，表明2007年，国内生产总值GDP每增加1亿元，国内税收增加0.071亿元。

（3）若2008年某地区国内生产总值为8500亿元，求该地区税收收入的预测值和预测区间。

由上图可得知该地区国内生产总值的预测值：

Yi=-10.63+0.071*8500=592.87（亿元）

下面给出国内生产总值90%置信度的预测区间

E（GDP）=8891.126

Var（GDP）=57823127.64

在90%的置信度下，某地区E（Y0）的预测区间为（60.3,1125.5）。

2、已知某市货物运输总量Y（万吨），国内生产总值GDP（亿元，1980不变价）1985年-1998年的样本观测值见下表。

年份

Y

GDP

年份

Y

GDP

1985

18249

161.69

1992

17522

246.92

1986

18525

171.07

1993

21640

276.8

1987

18400

184.07

1994

23783

316.38

1988

16693

194.75

1995

24040

363.52

1989

15543

197.86

1996

24133

415.51

1990

15929

208.55

1997

25090

465.78

1991

18308

221.06

1998

24505

509.1

资料来源：

《天津统计年鉴》，1999年。

（1）估计一元线性回归模型；

建立货物运输量Y随国内生产总值GDP的一元线性回归模型 

从图中可以看出Y与GDP之间可能存在线性相关关系。

但是我们无法得出Y与GDP之间精确的计量关系，因此用普通最小二乘法进行一元线性回归模型的估计。

（2）对估计结果作结构分析；

普通最小二乘法建立一元线性回归模型：

将Y作为被解释变量，GDP作为解释变量利用eviews6.0的Equation进行模型估计，输出结果报告如下：

Ss

ssa

由上表可知货物运输量随国内生产总值变化的一元线性回归方程为:

  Y = 12596.27++ 26.9542* GDP 

其中斜率26.95415表示国内生产总值每增加一元,货物运输量平均增长26.9542万辆。

（3）对估计结果进行统计检验；

对所建立建立的回归方程进行检验（t（12）=2.18）

1 经济学意义上的检验 

从回归方程来看，国内生产总值每增加一元，货物运输量平均增长26.9542万辆。

系数为正，符合经济发展规律，是具有经济意义的模型。

2计学意义上的检验 

●l   可决系数R-squared=0.762752，说明被解释变量的变异中有76%以上。

可由方程解释，模型总体拟合程度还不错。

●l   F统计量=42.79505，其伴随概率0.000028<0.05，在5%的显著性水平下，拒绝原假设，接受备择假设，即方程总体是显著的。

●l   所有系数的t统计量伴随概率均小于0.05，在5%的显著性水平下，拒绝原假设。

说明系数显著，GDP对货物运输量有显著影响。

（4）加入2000年某市以1980年为不变价的国内生产总值为620亿元，求2000年货物运输量预测值及预测区间。

 假如2000年某市以1980年为不变价的国内生产总值为620亿元，求2000年货物运输量预测值及预测区间。

国内生产总值为620亿元，货物运输量的预测值 =12596.27++ 26.9542* 620 =29307.84 万吨 。

经计算

 故货物运输量的预测区间为:

 （28873.08746万辆，29742.59254万辆）。

3、已知我国粮食产量Q（万吨）、农业机械总动力X1（万千瓦）、化肥施用量X2（万吨）、土地灌溉面积X3（千公顷）1978年-1998年赝本观测值见下表。

年份

Q

X1

X2

X3

1978

30477.01

11749.9

884

44965.3

1979

33212

13379.6

1086.3

45003

1980

32055.99

14745.7

1269.4

44888.1

1981

32502.01

15679

1334.9

44574

1982

35450.01

16614.3

1513.4

44177

1983

38727.98

18022.1

1659.8

44644.1

1984

40731.02

19497.2

1739.8

44453

1985

37910.99

20912.5

1775.8

44035.9

1986

39150.99

22950

1930.6

44225.8

1987

40298.01

24836

1999.3

44403

1988

39408

26575

2141.5

44375.9

1989

40755

28067

2357.1

44917.2

1990

44624

28707.7

2590.3

47403.1

1991

43529.01

29388.6

2805.1

47822.1

1992

44265.79

30308.4

2930.2

48590.1

1993

45648.82

31816.6

3151.9

48727.9

1994

44510.09

33802.5

3317.9

48759.1

1995

46661.8

36118.1

3593.7

49281.2

1996

50453.5

38546.9

3827.9

50381.4

1997

49417.1

42015.6

3980.7

51238.5

1998

51229.5

45207.7

4085.6

52295.6

资料来源：

《中国统计年鉴》，1999年。

（1）估计一元线性回归模型

DependentVariable:

Q

Method:

LeastSquares

Date:

05/19/16Time:

19:

50

Sample:

19781998

Includedobservations:

21

Coefficient

Std.Error

t-Statistic

Prob.  

X1

0.608026

0.039102

15.54972

0.0000

C

25107.08

1085.940

23.12012

0.0000

R-squared

0.927146

    Meandependentvar

41000.89

AdjustedR-squared

0.923311

    S.D.dependentvar

6069.284

S.E.ofregression

1680.753

    Akaikeinfocriterion

17.78226

Sumsquaredresid

53673653

    Schwarzcriterion

17.88174

Loglikelihood

-184.7138

    Hannan-Quinncriter.

17.80385

F-statistic

241.7938

    Durbin-Watsonstat

1.364650

Prob（F-statistic）

0.000000

则样本回归方程为

（23.12）（15.55）r2=0.93

括号内的数字为回归系数对应的t统计量的值，以下同。

DependentVariable:

Q

Method:

LeastSquares

Date:

05/19/16Time:

21:

21

Sample:

19781998

Includedobservations:

21

Coefficient

Std.Error

t-Statistic

Prob.  

X2

5.909473

0.356747

16.56488

0.0000

C

26937.69

916.6972

29.38559

0.0000

R-squared

0.935241

    Meandependentvar

41000.89

AdjustedR-squared

0.931833

    S.D.dependentvar

6069.284

S.E.ofregre