影响电信业务收入的主要因素的分析大学毕业设计论文Word下载.docx
《影响电信业务收入的主要因素的分析大学毕业设计论文Word下载.docx》由会员分享,可在线阅读,更多相关《影响电信业务收入的主要因素的分析大学毕业设计论文Word下载.docx(14页珍藏版)》请在冰豆网上搜索。
1.110800
540.9000
06
1590.130
1.643710
1.167610
806.0000
07
1962.780
1.668210
1.206050
990.7700
08
2175.900
1.694680
1.257740
1148.900
09
2575.500
1.722700
1.309100
1396.700
10
2879.400
1.747690
1.360190
1700.100
11
3196.500
1.771120
1.399220
1919.000
12
3335.200
1.790340
1.448120
0.361460
2343.700
2002:
3598.430
1.819310
1.499090
0.363450
3893.340
1.851420
1.558520
0.362660
4196.440
1.886500
1.615000
0.375310
4516.990
1.913180
1.666480
0.385200
2630.900
4832.350
1.958540
1.713800
0.387240
2703.610
5180.550
1.989420
1.761690
0.397590
2843.000
5614.970
2.010230
1.803180
0.417350
2986.980
5965.050
2.035290
1.848550
0.433190
3148.390
6322.220
2.070010
1.903910
0.450400
3308.920
6669.870
2.090620
1.958330
0.458700
3487.300
7031.530
2.126840
2.003130
0.482940
3706.680
7451.020
2.144190
2.066160
0.497000
4378.270
2003:
7809.520
2.180040
2.124390
0.487490
8157.120
2.214920
2.163980
0.492740
8540.320
2.256260
2.214910
0.499200
4593.270
8928.320
2.290390
2.257170
0.507880
4761.970
9275.220
2.328820
2.300560
0.522100
4949.770
9650.720
2.376100
2.344720
0.532350
5163.370
10072.92
2.407540
2.394590
0.538130
5308.670
10466.72
2.449260
2.441180
0.544330
5447.670
10871.12
2.504680
2.499740
0.538760
5619.070
11265.42
2.551390
2.569380
0.535000
5798.670
11661.02
2.598420
2.634780
0.532560
6065.970
12061.02
2.633050
2.686930
0.536570
6593.470
2004:
12475.12
2.689330
2.768020
0.554390
12879.92
2.745320
2.823270
0.546280
13310.42
2.810810
2.903050
0.545850
6877.870
13744.62
2.854480
2.957500
0.541270
7043.870
14164.62
2.904010
3.005590
0.536660
7218.870
14597.12
2.954880
3.052830
0.534700
7459.870
15035.42
2.989960
3.102180
0.530220
7639.570
15478.62
3.029010
3.151000
0.528430
7808.470
15923.12
3.069230
3.200710
0.523290
7974.670
我们对y和x1x2x3x4进行初步的散点图观察,发现y和x1x2x3x4在散点图中呈现出线形关系,所以我们将模型初步定为线形模型。
模型的设定
我们把当月止电信业务收入累计额Y(单位:
亿元)作为为应变量,用月平均固定电话用户数X1(单位:
亿户)、月平均移动电话用户数X2(单位:
亿户)互联网用户数X3(单位:
亿户)和每月电信业固定资产投资完成额X4作为四个自变量。
建立如下模型:
Yi=β1+β2X1+β3X2+β4X3+β5X4+ui(其中,ui为随机误差项,且服从正态分布)。
利用eviews5.0得到如下结果
DependentVariable:
Y
Method:
LeastSquares
Date:
06/14/05Time:
11:
24
Sample(adjusted):
2001M122004M09
Includedobservations:
34afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-10552.42
1292.392
-8.165032
0.0000
4879.920
1315.285
3.710161
0.0009
1917.691
1093.914
1.753055
0.0902
4270.050
1314.464
3.248511
0.0029
0.359675
0.117148
3.070274
0.0046
R-squared
0.999383
Meandependentvar
9264.011
AdjustedR-squared
0.999298
S.D.dependentvar
3827.446
S.E.ofregression
101.3827
Akaikeinfocriterion
12.21073
Sumsquaredresid
298074.8
Schwarzcriterion
12.43520
Loglikelihood
-202.5825
F-statistic
11751.06
Durbin-Watsonstat
0.555252
Prob(F-statistic)
0.000000
拟合方程为:
i=-10552.42+4879.92X1+1917.691X2+4270.50X3+0.359675X4
t=(-8.165)(3.7101)(1.7531)(3.2485)(3.0703)
R2=0.999383
2=0.999298F=11751.06
Sumsquaredresid298074.8
统计检验-多重共线性
从分析的数据来看,容易发现t检验还比较理想,β2β3β4β5均为正值具有经济意义,在α取0.05时只有x2的t值不够显著;
f统计量很大,说明解释变量对被解释变量的解释是显著的。
另外残差平方和太大,可能变量间存在共线性,因此需要检验模型是否存在多重共线性的问题。
用Eviews得到相关系数矩阵
1.000000
0.996976
0.844648
0.992582
0.880265
0.996354
0.885829
析了一下各个变量之间的相关系数,发现X1和X2之间的相关系数达到了0.995737,相关程度很高,同时X2和X3之间的相关系数也达到了0.844648。
从实际经济意义上说,这三者之间存在着相互替代性,说明模型的设定具有多重共线性,需要对模型进行修订。
经过对各个解释变量的分析,我们发现固定电话用户数、移动电话用户数、互联网用户数这三个解释变量相关性很大,且都属于通信装置,相互间有较大的替代性。
于是决定尝试将这3个解释变变量相加成为新的解释变量记为X123。
这样将原来的模型调整为:
Yi=β1+β2X123i+β3X4i+ui(其中ui为随机误差项,服从正态分布)
再次拟合:
52
-9268.190
558.4492
-16.59630
X123
3261.226
217.2569
15.01092
0.347181
0.115524
3.005269
0.0052
0.999338
0.999296
101.5703
12.16348
319812.1
12.29815
-203.7791
23414.32
0.495369
i=-9268.190+3261.226X123i+0.347181X4i
t=(-16.59630)(15.01092)(3.005269)
R2=0.999338
2=0.999296F=23414.32
Sumsquaredresid=319812.1
异方差的检验,用WHITE检验作出的结果如下:
WhiteHeteroskedasticityTest:
4.144353
Probability
0.008922
Obs*R-squared
12.36648
0.014824
TestEquation:
RESID^2
14:
34
105531.8
289136.1
0.364990
0.7178
-43664.89
155576.7
-0.280665
0.7810
X123^2
4234.262
16376.52
0.258557
0.7978
0.559926
42.43575
0.013195
0.9896
X4^2
0.000357
0.004935
0.072327
0.9428
0.363720
9406.239
0.275957
15224.98
12955.04
21.91141
4.87E+09
22.13588
-367.4940
1.404210
查χ2分布表,给定α=0.01,自由度为5,得临界值χ20.05(5)=15.0863,而Obs*R-squared=12.36648<
15.0863,所以模型中随机误差u的异方差性不明显
为了保险起见,我们用ARCH检验进行复查
ARCHTest:
1.792614
0.172363
5.148988
0.161207
21:
39
2002M032004M09
31afteradjustments
7053.058
3866.644
1.824078
0.0792
RESID^2(-1)
0.593010
0.265720
2.231708
0.0341
RESID^2(-2)
-0.015077
0.286630
-0.052600
0.9584
RESID^2(-3)
-0.210498
0.280125
-0.751441
0.4589
0.166096
10106.28
0.073440
15787.23
15196.47
22.21543
6.24E+09
22.40046
-340.3391
1.556831
同样的异方差性不明显。
自相关的检验
由于DW=0.495369,给定显著水平α=0.5,查Durbin-Watson表,n=34,k`=2,得下限临界值dL=1.333,因为DW统计量为0.495368<
dL,所以随机误差项存在正的一阶自相关。
自相关的修正
由dw=0.495369ρ=1-dw/2=0.7523155。
利用广义差分法。
定义DY=Y-0.7523155*Y(-1)
DX123=X123-0.7523155*X123(-1)
DX4=X4-0.7523155*X4(-1)
然后进行参数估计,结果为
DY
22:
46
2002M012004M09
33afteradjustments
-2568.718
138.1116
-18.59887
DX123
3630.988
187.9921
19.31457
DX4
0.181301
0.093191
1.945477
0.0611
0.995458
2626.024
0.995155
956.1398
66.55126
11.32033
132872.1
11.45638
-183.7854
3287.557
D