计量经济学论文Word文档格式.docx

计量经济学论文Word文档格式.docx

《计量经济学论文Word文档格式.docx》由会员分享，可在线阅读，更多相关《计量经济学论文Word文档格式.docx（8页珍藏版）》请在冰豆网上搜索。

我们确定“GDP”为被解释变量，“CPI”和“贷款总额”为解释变量。

2、建立模型

Y=

+

P+

X+c（c为随机扰动项）

3、数据处理

此为1992-2008年度的GDP、CPI以及贷款额的数据。

年度

GDP（Y）

居民消费指数（P）

贷款额（X）

1992

282

1993

1994

320

39976

1995

1996

1997

78973

1998

1999

2000

491

2001

112315

2002

131294

2003

158996

2004

178198

2005

194690

2006

2007

261691

2008

300670

303468

（数据来自人民网）

4、建立多元回归线性模型

（1）建立工作文件：

启动EViews，点击File\New\Workfile，在对话框“WorkfileRange”。

在“Workfilefrequency”中选择“Annual”（年度），并在“Start

date”中输入开始时间“1992”，在“enddate”中输入最后时间“2008”（如图所示，使用的是版本）

输入数据：

在命令窗口输入：

“dataypx”

然后输入数据。

分别建立散点图考察PY、XY之间的线性关系。

如图所示。

1、PY

非常容易观察出，CPI与贷款总额和GDP的关系大致都是成线性关系。

于是建立这样的线性回归方程：

i=1,2,.....17

接着建立散点图考察中国货币流通量、货款额和居民消费价格指数之间的相关关系，在Eviews命令框中直接键入“LSYCPX”得结果如图所示。

如图可知，模型参数估计所建立的回归方程是

Y=（）（）（）

t=（）（）（）

R2=

=F=

下面是对模型进行的检验。

主要有1、显着性检验2、异方差检验、3、多重共线性检验4、自相关检验

1、显着性检验

从拟合程度方面考虑，该方程的拟合程度较高，R2=，说明该方程较为合理。

另外从t值检验和F检验来看，方程解释变量P和X对被解释变量Y的影响是显着的。

2、异方差检验

由结果可得出多元回归方程模型：

下面进行怀特检验。

由于test的选项不止怀特一种（下图所示），但我们这里只选取怀特检验。

选取怀特检验，下面是怀特检验结果。

由于＞

对应的white检验显示P值较大，所以原回归方程可以认为不存在异方差性质，因此不需要进行异方差性的修正。

3、多重共线性检验

首先最小二乘法得出的回归模型为：

利用eviews计算出YPX的相关系数如图。

由此可见，变量之间存在着较强的相关性。

下面使用逐步回归法来寻找最佳的方程。

首先分别利用软件求出Y和X，Y和P之间的简单回归方程。

1.

Y和X

参数拟合模型为：

Y=+

t=（）（）

R2=.=

2.Y和P

由上表可以得出，贷款额X是最重要的解释变量。

（因为X的t值是最大的）

所以将变量X代入Y=f（P）中

由此可见，由于引入了变量X，使得

从提高到了，说明变量X仍然是一个起到作用的变量，不应当剔除，应当予以保留。

4、因此最终的方程应该为：

Y=自相关检验

由计量经济学第三版P143可知，自相关的检验分为图示检验法和DW检验法，今天我们针对这两种方法对回归方程进行自相关检验。

①图示检验法

在窗口中点击“View/Actual,FittedResidualGraph”,得到残差图，如图所示。

有上图可知，残差存在正自相关。

②DW检验

由图可知DW=，给定的显着性水平α=，T=17K=2，查阅显着性水平在上的DW表可知，

=，

=

因为0＜DW＜，所以存在正相关。

下面进行自相关修正。

①广义差分法。

=1-DW/2=

对三者首先进行广义差分。

然后对Y1和P1X1进行OLS估计，在命令行输入：

LSY1CP1X1，得到如下结果：

由图中可知，经广义差分后的DW值为，大于原来的DW值，有了一定的提高，但是仍然小于

=，说明了随机扰动项仍然是存在着一定程度上的自相关。

②迭代法

下面使用迭代法进行对自相关的修正。

输入命令：

LSYCPXAR

（1），结果如图所示。

查阅显着性水平在上的DW表可知，

经过第一次迭代后，DW值为,此时DW值位于上下限之间，没有办法判断是否自相关，因此进行第二次迭代。

LSYCPXAR

（1）AR

（2）,结果如图所示。

由图可见，经过第二次迭代的DW值为大于上限

=，此时随机扰动项的自相关影响得到消除。

=1-DW/2=2=

因此

=（1-

）=

所以得到的最终的回归模型为：

Y=++

至此自相关检验的修正完成。

实证检验结果分析：

通过上面的显着性检验、异方差检验、多重共线性检验、自相关检验四种检验。

大致在总体上得出了居民消费指数CPI增加一个单位，会使国民生产总值GDP上升个单位。

贷款总额上升一个单位，会使国民生产总值GDP上升个单位，由此可以看出，居民消费指数CPI对于GDP的作用要大过于贷款总额对于GDP的影响。

总体的数据还是较为客观真实的。

总结：

在研究国民生产总值GDP和居民消费指数CPI以及贷款额的关系的问题上，该模型还是具有一定的说服力的，但是模型仍然存在这一些问题，比如多重共线性的影响，以及随机扰动项自相关因素对于模型本身的影响等等，还有待于进一步的研究，用更现金的数学方法让模型变得更加周觅和严谨，更具有严格意义上的说服力。

从经济学的角度上来看待国民生产总值居民消费指数以及贷款额的关系，也可以看出居民对于商品的消费数量以及消费能力，将会在较大程度上对国民生产总值造成影响，由于居民的购买力以及初储蓄能力等等的诸多因素对于国民生产总值造成的改变和俱进作用，是相当大的。

而贷款量这个经济指标，在经济学的意义上看来，也与国民生产总值的关系不是很大，所以从数学的角度也显而易见的看出了贷款额对GDP的影响甚小。

从对经济情况的研究角度出发，应该密切关注居民消费指数以及国民生产总值的变化，以便更好的控制GDP变化，发展更健康可持续的经济。