基于Eviews的中国农村居民纯收入的影响因素分析Word格式文档下载.docx
《基于Eviews的中国农村居民纯收入的影响因素分析Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《基于Eviews的中国农村居民纯收入的影响因素分析Word格式文档下载.docx（16页珍藏版）》请在冰豆网上搜索。
5）其他因素，我们将由各种原因未考虑到的或者无法度量的因素归入随机误差项，如农村居民信贷
1978—2007年农村居民人均纯收入及其影响因素的统计数据
表1：
年份
农村居民纯收入（元）y
财政支农支出（亿元）x1
人均CDP值（元）x2
非农就业（二三产业就业人数/就业总人数）x3
城市化水平（城镇人口/总人口）x4
1978
133.6
76.95
381
0.295
0.179
1979
160.2
89.97
419
0.302
0.19
1980
191.3
82.12
463
0.313
0.149
1981
223.4
73.68
492
0.319
0.202
1982
270.1
79.88
528
0.211
1983
309.8
86.66
583
0.329
0.216
1984
355.3
95.93
695
0.36
0.23
1985
397.6
101.04
858
0.376
0.237
1986
423.8
124.3
963
0.391
0.245
1987
462.6
134.16
1112
0.4
0.253
1988
544.9
158.74
1366
0.406
0.258
1989
601.5
197.12
1519
0.262
1990
686.3
221.76
1644
0.399
0.264
1991
708.6
243.55
1893
0.403
0.269
1992
784
269.04
2311
0.415
0.274
1993
921.6
323.42
2998
0.436
0.28
1994
1221
399.7
4044
0.457
0.285
1995
1577.7
430.22
5046
0.478
0.29
1996
1926.1
510.07
5846
0.495
0.305
1997
2090.1
560.77
6420
0.501
1998
2162
626.02
6796
0.502
0.334
1999
2210.3
677.46
7159
0.499
0.348
2000
2253.4
766.89
7858
0.5
0.362
2001
2366.40
917.96
8622
0.377
2002
2475.60
1102.7
9398
2003
2622.20
1134.86
10542
0.509
0.405
2004
2936.40
1693.79
12336
0.531
0.418
2005
3254.90
1792.4
14185
0.552
0.43
2006
3587
2161.35
16500
0.574
0.439
2007
4140.36
3404.7
20169
0.592
0.45
（数据来自于《中国统计年鉴》、《中国金融统计年鉴》）
四．模型设定
1.依次对被解释变量与解释变量做散点图
说明：
Y与X1呈非线性关系，该图形近似对数图形
Y与X2呈线性关系
Y与X3呈非线性关系，该图形近似对数图形
Y与X4呈非线性关系，该图形近似对数图形
2.模型数学形式的确定
根据以上分析，可以得到如下模型
lnY＝β0+β1*lnX1+β2*X2+β3*lnX3+β4*lnX4+μ
β1、β2、β3、β4为待估参数，且β1、β2、β3、β4都大于零
假设模型中随机误差项μ满足古典假设，运用OLS方法估计模型的参数得如下结果：
表2：
DependentVariable:
LNY
Method:
LeastSquares
Date:
12/24/11Time:
01:
03
Sample（adjusted）:
19782006
Includedobservations:
29afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
LNX1
0.420929
0.137517
3.060922
0.0054
X2
-3.24E-05
1.90E-05
-1.701336
0.1018
LNX3
3.123984
0.515799
6.056591
0.0000
LNX4
0.315406
0.340383
0.926620
0.3633
C
7.593465
1.120508
6.776808
R-squared
0.987381
Meandependentvar
6.751406
AdjustedR-squared
0.985278
S.D.dependentvar
1.013361
S.E.ofregression
0.122955
Akaikeinfocriterion
-1.198405
Sumsquaredresid
0.362833
Schwarzcriterion
-0.962664
Loglikelihood
22.37687
F-statistic
469.4791
Durbin-Watsonstat
0.508034
Prob（F-statistic）
0.000000
得到样本回归方程：
lnY=7.593465+0.420929lnX1+（-3.24E-05）X2+3.1239841lnX3+0.315406lnX4
t=（6.776808）（3.060922）（-1.701336）（6.056591）（0.926620）
R2=0.987381F=469.4791D.W=0.508034
通过OLS法可以看出，除了X4的P值明显超过0.05，其他解释变量都通过了t检验,所以有理由怀疑存在多重共线性。
而且X2的系数为负不合常理，这有待于进一步检验
五．模型检验
（一）经济意义检验
由回归估计结果可以看出,农村居民人均年纯收入与财政支农支出、非农就系数数、城市化水平呈正相关关系，与数据的变化相符，与现实经济理论相符。
人均GDP与农村居民纯收入呈负相关关系，与现实经济理论不符。
（二）统计意义检验
从估计的结果可知，可决系数R2=0.988000，F=514.5856，表明模型在整体上拟合地比较理想。
系数显著性检验：
给定α=0.05，X1、X2、X3的t的P值小于给定的显著性水平，拒绝原假设，接受备择假设，表明财政支农支出、人均GDP值、非农就业系数对农村居民纯收入水平有显著性影响；
仅有X4的t的P值大于给定的显著性水平，接受原假设，表明城市化水平对农村居民纯收入影响不显著。
（三）计量经济学检验
1.多重共线性检验
由表2可看出,模型整体上非线性回归拟合较好，R2与F值较显著，而解释变量X1的t检验不显著
1）检验简单相关系数
表3：
:
由表中数据发现lnX1与X2、lnX3、lnX4间存在高度相关性，lnX3与lnX4也存在高度相关性
2）找出最简单的回归形式
分别做lnY与lnX1、X2、lnX3、lnX4间的回归：
1 lnY=1.558+0.909lnX1
（20.472）（6.04）
R2=0.939F=419.104D.W=0.2
2 lnY=5.861+0.00194X2
（9.828）（45.996）
R2=0.782F=96.586D.W=0.081
3 lnY=11.15+5.1lnX3
（86.328）（34.902）
R2=0.978F=1218.150D.W=0.446
4 lnY=11.22+3.51lnX4
（46.129）（18.793）
R2=0.929D.W=1.029
可见，非农就业系数对农村居民的拟合优度最大，达到R2=0.979，故选作为初始的回归模型
3）运用ols方法逐一求Y对各个解释变量的回归
并不断引入其他解释变量
表4：
lnX3
lnX1
lnX4
R2^
D.W
F
Y=f（x3）
11.15
5.098
0.9775
0.466
1218.150
t值
86.328
34.902
Y=f（x1，x3）
8.417
3.7
0.267
0.9845
0.479
888.544
11.03
9.118
3.619
Y=f（x1，x2，x3）
7.229
3.363
0.449
-3.03E-05
0.9854
0.503
629.2443
6.909
7.545
3.353
-1.607
Y=f（x1,,x3,x4）
8.765
3.53
0.236
0.246
0.9842
0.468
580.9796
9.561
7.442
2.706
0.702
可以发现:
一．在初始模型中引入X1，模型拟合优度提高,F值较大，且参数检验合理，变量也通过了t检验，但D.W检验表明存在一阶序列相关性
二．引入X2，拟合优度再度提高，F值较大，变量通过t检验，但是参数符号不合理，D.W检验表明存在一阶序列相关性，故去掉X2
三．引入X4，拟合优度继续提高，且参数合理，X4的参数未通过t检验，模型还是存在一阶序列相关性，故去掉X4
4）农村居民的纯收入函数应以Y=f（X1，X3）为最优，虽然R2与F的值都较大，但是变量都通过了t检验
如表5所示：
12/23/11Time:
22:
38
0.267179
0.073823
3.619170
0.0013
3.697851
0.405574
9.117571
8.416507
0.763065
11.02987
0.985580
0.984471
0.126280
-1.202932
0.414613
-1.061487
20.44251
888.5436
0.478521
得到如下模型：
lnY=8.416507+0.267179lnX1+3.6978511lnX3
t=（11.02987）（9.117571）（3.619170）
R2=0.985580F=888.5436D.W=0.478521
2.异方差检验
一．进行异方差检验，此处采用怀特检验：
表7：
WhiteHeteroskedasticityTest:
F-statistic
2.292083
Probability
0.078976
Obs*R-squared
9.644459
0.085959
TestEquation:
RESID^2
23:
47
Sample:
29
-0.433765
3.330441
-0.130243
0.8975
0.087224
0.646282
0.134963
0.8938
LNX1^2
-0.001543
0.031223
-0.049406
0.9610
LNX1*LNX3
0.112015
0.341375
0.328128
0.7458
-0.736483
3.494887
-0.210732
0.8350
LNX3^2
-0.132311
0.909587
-0.145463
0.8856
0.332568
0.014297
0.187474
0.017241
0.015541
-5.308725
0.005555
-5.025836
82.97651
1.697079
得到R2=0.332568，在给定显著性水平α=0.05，n=30，k=2的条件下，nR2=9.97704<
χ20.05（5）=11.07，所以接受原假设，表明模型中随机扰动项不存在异方差。
也可经过OLS检验后，得到Y-X的散点图看出不存在异方差
故经过异方差检验后的模型还是为
3.序列相关性检验
1）模型经过修正得到D.W=0.4785，给定显著性水平α=0.05，在n=30,k=2时，查Durbin-Waston表得有上限临界值dL=1.35，下限临界值dU=1.49,此时0<
D.W<
dL，故模型存在自相关
2）由残差图可得知模型存在正自相关
3）进行拉格朗日（LM）检验
Breusch-GodfreySerialCorrelationLMTest:
14.96901
0.000109
RESID
00:
45
0.326071
0.555732
0.586741
0.5626
-0.033814
0.053706
-0.629626
0.5347
0.161486
0.296531
0.544585
0.5909
RESID（-1）
0.758397
0.154398
4.911955
0.516173
-0.004006
0.458114
0.124798
0.091867
-1.809505
0.210989
-1.620913
30.23783
8.890449
1.020147
0.000349
一阶序列相关的LM=n*R2=30*0.516=15.48,远大于显著性水平等于5%、自由度为1的χ2分布的临界值χ20.05
（1）=3.84，表明模型干扰项至少存在一阶正相关
4）自相关修正（采用迭代法）
进行一阶迭代:
53
19792006
28afteradjustingendpoints
Convergenceachievedafter11iterations
9.086450
1.884965
4.820486
0.0001
0.090431
0.127048
0.711791
0.4835
1.202297
0.507075
2.371043
0.0261
AR
（1）
0.957655
0.022068
43.39633
0.996816
6.817712
0.996418
0.965772
0.057798
-2.732173
0.080174
-2.541858
42.25042
2504.875
0.878884
InvertedARRoots
.96
得到D.W=0.878884未消除正相关
进行二阶迭代：
49
19802006
Includedobse
升级会员 