城镇人均收入与人均通讯消费分析文档格式.docx

城镇人均收入与人均通讯消费分析文档格式.docx

《城镇人均收入与人均通讯消费分析文档格式.docx》由会员分享，可在线阅读，更多相关《城镇人均收入与人均通讯消费分析文档格式.docx（21页珍藏版）》请在冰豆网上搜索。

2031.530

1993

28.27000

2583.160

1994

62.85000

3502.310

1995

87.97000

4279.020

1996

102.9500

4844.780

1997

121.5400

5188.540

1998

142.4000

5449.500

1999

173.7000

5864.700

2000

232.8000

6295.910

2001

281.5000

6868.900

2002

358.8000

8177.400

2003

424.0100

9061.220

2004

454.6000

10128.50

四.平稳性的检

（一）

表二X：

ADFTestStatistic

1.222472

1%CriticalValue*

-4.1366

5%CriticalValue

-3.1483

10%CriticalValue

-2.7180

*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.

AugmentedDickey-FullerTestEquation

DependentVariable:

D（SER01）

Method:

LeastSquares

Date:

06/03/05Time:

19:

40

Sample（adjusted）:

19932004

Includedobservations:

12afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

SER01（-1）

0.054515

0.044594

1.222472

0.2496

C

383.3354

254.7627

1.504677

0.1633

R-squared

0.130014

Meandependentvar

674.7475

AdjustedR-squared

0.043015

S.D.dependentvar

318.2914

S.E.ofregression

311.3704

Akaikeinfocriterion

14.47086

Sumsquaredresid

969515.2

Schwarzcriterion

14.55167

Loglikelihood

-84.82513

F-statistic

1.494438

Durbin-Watsonstat

1.117371

Prob（F-statistic）

0.249560

/1.222472/<

/-4.1366/

/-3.1483/

/-2.7180/

拒绝原假设，没有通过检验，证明是不平稳的。

表三Y：

2.333367

D（SER02）

35

SER02（-1）

0.094160

0.040354

2.333367

0.0418

21.08984

8.483771

2.485904

0.0322

0.352525

36.99833

0.287777

20.72437

17.48998

8.712145

3058.993

8.792963

-50.27287

5.444602

1.344857

0.041810

/2.333367/<

/-3.1483/

（二）进行协整性检验

生成ET=X-（α+ρy）

表四

2178.858

2719.898

3618.3

4379.938

4936.71

5269.316

5517.76

5914.18

6309.93

6853.7

8115.82

8960.514

10009.44

检验ET的平稳性

DW=0.462912

在显著性水平为0.05和0.1下通过水平型检验。

也就是说，我们要在以下的检验中用0.05和0.1的显著性水平对我们的数据进行估计和检验。

五．参数估计与检验

（一）将样本数据导入Eviews软件进行OLS估计，得到输出结果如下：

表五

SER02

06/01/05Time:

20:

41

Sample:

19922004

13

SER01

0.060313

0.003423

17.62135

0.0000

-153.6739

21.10424

-7.281659

0.965787

190.9238

0.962676

148.0898

28.60996

9.686025

9003.829

9.772940

-60.95916

310.5121

0.462912

0.000000

（二）模型的检验

1.经济意义的检验

经过上面的分析我们在理论上已经知道，人均收入X与城镇居民人均通讯消费Y的增长是正的线形关系，这与现实中X与Y同向变化是相符的。

当人们的收入不断增加的同时，食品所占比例随之下降，其他消费所占比例有所上升，这是符合我们家庭消费的习惯的。

2．统计推断检验

从估计的结果可以看出，可决系数为0.965787，模型拟合情况比较理想，系数显著性检验T统计量为：

17.62135。

在给定显著性水平为0.05的情况下，查T分布表在自由度为N-2=11下的临界值为2.201，因为17.62135大于2.201，所以通过T检验拒绝原假设。

表明人均收入X对城镇居民人均通讯消费有显著影响。

3．计量经济检验

（1）由于我们建立的模型只有一个解释变量，所以不存在多重共线性。

（2）异方差图一

由图可知，一定存在异方差。

由于是时间序类数据，我们采取ARCH检验

表六

ARCHTest:

F-statistic

1.205990

Probability

0.385049

Obs*R-squared

3.761678

0.288375

TestEquation:

RESID^2

52

19952004

10afteradjustingendpoints

1074.229

464.9595

2.310370

0.0602

RESID^2（-1）

-0.076893

0.516201

-0.148959

0.8865

RESID^2（-2）

0.133688

0.507889

0.263222

0.8012

RESID^2（-3）

-0.591737

0.437524

-1.352468

0.2250

0.376168

654.7810

0.064252

505.4297

488.9228

15.51146

1434273.

15.63249

-73.55730

0.861696

从输出的辅助回归函数中得obs*-squared为3.761678，P=0.288375，

∵3.761678<

0.28837

∴所以通过检验拒绝原假设

表明模型中存在明显的异方差现象。

即，随着时间的推移，多种因素对其有着影响。

如，同需费用单位价格的变化，通信是产竞争的激烈程度，手机价格的下降，国家政策的引导等。

（3）自相关检验

我们的模型只有一个解释变量，把其他的影响因素都放在了随机误差项U里。

因此必然存在自相关。

利用图示法，由Eviews软件得到如下结果：

图二

由图可以初步判断，此模型有自相关。

再利用D-W法检验由DW=0.462912，查DW表，n=13,k’=1,在α==0.05时，查得两个临界值分别为：

下限DL=1.010，上限DU=1.331，因为DW统计量为0.462912<

DL，根据判定区域知，这时随机误差项存在正的一阶自相关。

其原因可能在于经济环境，国家政策等变化对经济发展和通讯消费的影响有时滞性。

六.计量经济参数修正

根据上述检验可以得到，我们建立的模型存在异方差与自相关，下面进行修正。

（1）首先是对异方差的修正。

A．利用WLS估计法得到如下输出结果：

表七

06/02/05Time:

15:

07

Weightingseries:

W

0.059010

0.000206

285.7880

-143.0366

2.026115

-70.59648

WeightedStatistics

0.999993

350.3346

1083.497

2.962703

5.150719

96.55371

5.237635

-31.47968

81674.76

1.135523

UnweightedStatistics

0.964832

0.961635

29.00618

Sumsquaredresid

9254.943

0.435347

分析：

R=0.999993T=285.7880〉2.201

B．再用对数变换法，将变量X，Y替换成LNX，LNY。

用OLS法对LY，LX回归，得到结果如下：

表八

LY

12:

45

LX

2.299547

0.099757

23.05151

-14.83014

0.854821

-17.34881

0.979719

4.847307

0.977875

1.093940

0.162718

-0.652959

0.291248

-0.566044

6.244234

531.3721

1.058521

R=0.979719T=23.05151〉2.201

比较两种方法，可以发现X，Y在非对数线性回归下拟和效果更好，可决系数更大，且T统计量也较好。

我们将模型的表达式基本上可以确定为：

Yt=α+βXt+Ut。

（2）其次是对自相关进行修正。

利用对数线性回归修正并进行迭代，得出如下结果：

A．表九

06/05/05Time:

21:

39

Convergenceachievedafter4iterations

1.843468

0.288465

6.390602

0.0001

-10.81583

2.558273

-4.227785

0.0022

AR

（1）

0.425312

0.216569

1.963862

0.0811

0.989343

5.054355

0.986975

0.835189

0.095318

-1.650875

0.081770

-1.529649

12.90525

417.7612

0.908943

InvertedARRoots

.43

DW=0.908943自相关没有得到修正，所以模型不可能是对数模型，进一步可以确定模型形式为Yt=α+βXt+Ut。

B．ρ=1-DW/2DW=0.435347（由表七修正后的数据可知）

由表二可得ρ=0.7823

表十

DY

24

DX

0.063330

0.007917

7.999430

-44.73836

15.90432

-2.812969

0.0184

0.864848

75.85703

0.851333

45.52532

17.55336

8.719380

3081.204

8.800197

-50.31628

63.99087

1.182893

0.000012

DW=1.182893，在0.05的显著性水平下，不能拒绝原假设的区间内（DL=1.010，DU=1.331）所以不能说修正了自相关性。

C．直接运用跌代法

表十一

14:

22

0.064557

0.005668

11.38928

-193.6246

43.82927

-4.417700

0.0017

0.624654

0.181152

3.448243

0.0073

0.987356

205.9492

0.984546

143.9535

S.