简单计量经济学回归分析课程论文模板.docx
《简单计量经济学回归分析课程论文模板.docx》由会员分享,可在线阅读,更多相关《简单计量经济学回归分析课程论文模板.docx(13页珍藏版)》请在冰豆网上搜索。
![简单计量经济学回归分析课程论文模板.docx](https://file1.bdocx.com/fileroot1/2022-10/27/c59afedf-e87e-4eb4-8c3d-1533b4d381f9/c59afedf-e87e-4eb4-8c3d-1533b4d381f91.gif)
简单计量经济学回归分析课程论文模板
论文题目:
大学生GPA的影响因素分析
**************
学号:
G*********
专业:
金融
班级:
5班
摘要
本文基于美国密歇根州多所高校大学生调查的数据,循序渐进的建立回归模型探究了影响大学生GPA的一些主要因素,并根据分析得出的结果给出了一些相关的建议。
运用Eviews软件与OLS法过对高中毕业学校规模、毕业年集中学术排名、SAT成绩、性别、是否是运动员等可能对大学GPA产生较大影响的因素进行回归分析,得出其中较为明显的影响因素,从而为我国高校大学生成绩的提高提出有效的建议与看法。
关键词:
大学GPA,回归分析,共线性,异方差
1.研究背景概述
自国家大力发展高等教育以来,我国各大高校不断扩招。
近年来,我国高等教育的毛入学率已经达到了21%,实现了高等教育的大众化。
但是,伴随着高校招生规模的不断扩大,也出现了一些新问题。
很大一部分教师及管理人员认为,随着办学规模的扩大,大学新生的整体素质在逐年下降。
因为扩招使得学校的入学门槛逐步降低,使得参加高考的考生进本都有大学可上,虽然长期来看可能对中国的劳动力素质的提高有好处,但是使通过高考进入大学的学生整体学术基础素质持续下滑,如何提高大学生学术素质受到了社会各界的广泛关注。
因此。
对如何提高大学生基础素质的问题的探讨变得具有重大意义。
而GPA是大学生专业素质的一种重要体现,GPA英语全称是GradePointAverage,意思就是平均成绩点数(平均分数、平均绩点),美国普通课程的GPA满分是4分,即A=4,B=3,C=2,D=1。
所以对影响大学生GPA的因素分析有利于提高大学生的成绩以及整体素质。
本文就利用美国密歇根州的多所高校的调查数据进行基于计量模型的回归分析,通过由简到全面的不同的回归模型,对高中毕业学校规模、毕业年集中学术排名、SAT成绩、性别、是否是运动员对大学GPA的影响进行了分析,试图对影响大学生GPA的因素进行探究,以期提出提高大学生成绩的方法、途径及建议。
2.模型的设计
在进行分析之前,我们首先对我们要使用的数据及模型的建立做出简单的说明:
2.1影响因素的分析及符号说明
目前全美4000所高校(1600万学生注册入学),基本上所有学校都将GPA作为对大学生在校成绩的衡量标准。
并且在研究生的申请时,GPA的点数也是十分重要的参考指标,而对大学生GPA的影响因素主要有:
(1)学生在进入大学之前的高中毕业年级以百人计的规模,这里我们用hsize表示。
(2)毕业年级中学术排名的百分位,这里用hsperc表示。
(3)SAT综合分数,是作为其高校录取学生的入学参考成绩(类似于我国的高考成绩但是有有所不同),这里用sat表示
(4)性别,female表示。
(5)是否是运动员这一状况,这里用athlete表示。
2.2数据的选择
由于本篇考察的目的是研究学生的学校规模、性别,种族以及等因素对大学生GPA的影响程度。
所以采用横截面数据来说明同一时间下,来考虑不同学生的情况来进行实证分析,而本文的样本数据共有4127个,由于样本数量较大,所以可以较好的估计出模型,这里我们截取其中的30组数据如下
colGPA
hisze
hiszesq
hsperc
sat
female
athlete
1
2.040000
0.100000
0.010000
40.000000
920.000000
1.000000
1.000000
2
4.000000
9.400000
88.360000
20.319150
1170.000000
0.000000
0.000000
3
1.780000
1.190000
1.416100
35.294120
810.000000
0.000000
1.000000
4
2.420000
5.710000
32.604100
44.133100
940.000000
0.000000
0.000000
5
2.610000
2.140000
4.579600
40.186920
1180.000000
0.000000
0.000000
6
3.030000
2.680000
7.182400
15.298510
980.000000
1.000000
0.000000
7
1.840000
3.110000
9.672100
51.768490
880.000000
0.000000
0.000000
8
3.050000
2.680000
7.182400
37.686570
980.000000
0.000000
0.000000
9
3.000000
3.670000
13.468900
43.869210
1240.000000
0.000000
0.000000
10
2.000000
0.100000
0.010000
30.000000
1230.000000
0.000000
0.000000
11
2.980000
3.340000
11.155600
28.443110
1140.000000
1.000000
0.000000
12
2.930000
3.590000
12.888100
3.621170
1150.000000
1.000000
0.000000
13
2.000000
3.180000
10.112400
9.748427
1080.000000
0.000000
1.000000
14
2.210000
1.920000
3.686400
26.562500
990.000000
1.000000
0.000000
15
3.330000
3.690000
13.616100
7.859078
1000.000000
1.000000
0.000000
16
1.070000
2.660000
7.075600
50.375940
1050.000000
1.000000
0.000000
17
2.290000
1.450000
2.102500
68.275860
1160.000000
1.000000
0.000000
18
3.150000
1.760000
3.097600
42.045460
1190.000000
0.000000
0.000000
19
2.650000
3.860000
14.899600
20.984460
1030.000000
1.000000
0.000000
20
2.410000
3.830000
14.668900
17.232380
960.000000
0.000000
1.000000
21
2.390000
1.070000
1.144900
6.542056
840.000000
0.000000
0.000000
22
2.640000
2.170000
4.708900
29.953920
920.000000
1.000000
0.000000
23
2.180000
2.340000
5.475600
60.256410
840.000000
1.000000
0.000000
24
2.840000
4.630000
21.436900
28.725700
1000.000000
0.000000
0.000000
25
2.840000
5.950000
35.402500
50.588230
1150.000000
1.000000
0.000000
26
2.930000
0.910000
0.828100
32.967030
1040.000000
0.000000
0.000000
27
2.290000
4.360000
19.009600
9.403669
970.000000
1.000000
0.000000
28
2.380000
8.120000
65.934400
25.738920
1200.000000
1.000000
0.000000
29
3.920000
0.600000
0.360000
3.333333
1090.000000
1.000000
0.000000
30
2.230000
3.760000
14.137600
34.574470
1340.000000
0.000000
0.000000
2.3研究报告的基本步骤
通过对数据进行逐步的回归分析,建立计量模型,并进行基本的统计意义检验,主要包括t检验,F检验。
然后进行经济计量学检验,检验模型的共线性、异方差性、自相关性。
最后根据结果对我国大学生基本素质的提高提出一系列的意见,将综上内容以论文报告的形式呈现出来。
3.计量模型建立及分析
3.1简单影响因素的分析
首先容易知道大学GPA成绩绩点应该与入学成绩SAT与毕业年级的成绩百分位hsperc有关,因为这是学生入学前成绩的衡量参考指标,可以反应学生以前的基础素质。
另外大学的成绩如何还可能和学生毕业高中的学校规模hsize有关,规模大的高中可能有良好的竞争机制和院校实力,也可能规模过大而导致管理不佳,这两个因素都有可能对学生大学GPA有正的或者负的影响。
利用Eviews进行回归得到以下结果:
图1
则由图1可以得到colgpa关于hsize、hsperc、sat的回归方程:
Colgpa=1.44-0.023hsize-0.0136hsperc+0.0015sat
t=(19.96165)(-4.5895)(-24.7449)(22.8795)
n=4137R=0.2771
从该方程可以看出,高中学校规模与gpa成负相关关系,当其他因素不变时,学校规模扩大1单位,colgpa平均会提高0.023分。
而毕业年级学术排名百分比与gpa也是负相关,这是因为百分比越低说明名次越靠前,相对的基础素质较好,这里在其他因素不变的情况下,学术排名百分比每提高1%,gpa平均就降低0.0136分。
而sat成绩与gpa正相关,其他因素不变,sat每提高1分,gpa平均就提高0.0015分。
这里的可决系数为0.2771,说明gpa变化原因的28%左右可以用这三个因素来解释,尽管拟合优度不是很高,但是对于横截面数据我们认为这个值是合理的。
从单个因素的影响看,在5%显著性水平上,(4123)=1.960,各解释变量t值的绝对值均大于1.960,说明这些因素对解释变量的影响均是显著的。
3.2加入平方项对问题进行分析
由于学校规模对大学成绩的影响并非前面模型假设的那么简单,故我们在这里引入学校以百人计规模的平方(hiszesq),研究学校人数对基础素质的规模效应影响。
这时我们建立模型:
colgpa=β0+β1hsize+β2hsizesq+β3hsperc+β4sat+u,利用Eviews对其进行回归分析如下:
图2
可得其回归方程为:
colgpa=1.4927-0.0609hsize+0.0055hsizesq-0.0139hsperc+0.0015sat+u
t=(19.8118)(-3.6895)(2.4056)(-24.6981