最新安徽省财政收入与经济增长的回归模型分析Word格式.docx

最新安徽省财政收入与经济增长的回归模型分析Word格式.docx

《最新安徽省财政收入与经济增长的回归模型分析Word格式.docx》由会员分享，可在线阅读，更多相关《最新安徽省财政收入与经济增长的回归模型分析Word格式.docx（21页珍藏版）》请在冰豆网上搜索。

1069.84

1994

108.76

1488.47

1995

147.00

2003.58

1996

193.14

2339.25

1997

230.81

2669.95

1998

262.07

2805.45

1999

280.85

2908.59

2000

290.42

2902.09

2001

309.55

3246.71

2002

346.65

3519.72

2003

412.29

3923.11

2004

520.71

4759.3

2005

656.55

5350.17

2006

816.51

6112.5

2007

1034.73

7360.92

2008

1326.05

8851.66

2009

1551.26

10062.82

1．相关说明

经济增长可以用GDP来表示，建立计量经济模型，解释财政收入与经济增长之间的关系。

本文财政收入和GDP数据均来源于《安徽省统计年鉴2010》 

2．一元回归模型的建立

Y=α+βX+ε　其中：

Y为各年的财政收入，X为各年的GDP，α为常数项，β为回归系数，ε为随机变量。

模型估计在Eviews软件包,进行OLS估计。

3.检验结果

DependentVariable:

Y

Method:

LeastSquares

Date:

06/08/11Time:

20:

52

Sample:

19902009

Includedobservations:

20

Variable

Coefficient

Std.Error

t-Statistic

Prob. 

C

-151.0506

23.83424

-6.337543

0.0000

X

0.159704

0.005283

30.22706

R-squared

0.980680

Meandependentvar

435.8385

AdjustedR-squared

0.979607

S.D.dependentvar

432.9014

S.E.ofregression

61.82064

Akaikeinfocriterion

11.18099

Sumsquaredresid

68792.24

Schwarzcriterion

11.28056

Loglikelihood

-109.8099

F-statistic

913.6752

Durbin-Watsonstat

0.198163

Prob（F-statistic）

0.000000

得出回归方程为:

Y=—151.05+0.16X

（—6.34）（30.23）

R-squared=0.981DW=0.198S.E=61.821F=913.675T=20

（括号中的数字表示参数估计值对应的t统计量）

下面对模型进行平稳性检验，自相关检验和异方差检验。

（1）平稳性检验

1.1首先使用图示法

X和Y均呈现递增，很可能部平稳。

1.2用ADF法对x进行平稳性检验，得

NullHypothesis:

Xhasaunitroot

Exogenous:

Constant,LinearTrend

LagLength:

1（AutomaticbasedonAIC,MAXLAG=4）

Prob.*

AugmentedDickey-Fullerteststatistic

-0.005594

0.9924

Testcriticalvalues:

1%level

-4.571559

5%level

-3.690814

10%level

-3.286909

*MacKinnon（1996）one-sidedp-values.

Warning:

Probabilitiesandcriticalvaluescalculatedfor20observations

andmaynotbeaccurateforasamplesizeof18

AugmentedDickey-FullerTestEquation

D（X）

06/27/11Time:

22:

42

Sample（adjusted）:

19922009

18afteradjustments

X（-1）

-0.000782

0.139792

0.9956

D（X（-1））

0.694083

0.365445

1.899283

0.0783

-19.40139

137.6275

-0.140970

0.8899

@TREND（1990）

21.74854

41.63971

0.522303

0.6096

0.765265

522.1789

0.714965

427.5773

228.2778

13.89213

729550.8

14.08999

-121.0292

Hannan-Quinncriter.

13.91942

15.21393

1.823266

0.000110

结果显示在α=5%的水平下，不能拒绝原假设，即x是非平稳的。

同理对Y做ADF检验，也没有通过检验。

2.1偏相关系数检验

06/22/11Time:

17:

08

Autocorrelation

PartialCorrelation

AC 

PAC

Q-Stat

Prob

.|******|

1

0.764

13.516

0.000

.|***|

.**|.|

2

0.482

-0.244

19.200

.|**.|

.*|.|

3

0.222

-0.128

20.475

.|.|

4

-0.037

-0.220

20.513

5

-0.180

0.050

21.464

0.001

.|*.|

6

-0.174

0.149

22.410

7

-0.197

-0.222

23.729

8

-0.198

-0.049

25.163

9

-0.225

-0.189

27.185

10

-0.326

-0.207

31.866

***|.|

11

-0.417

-0.129

40.370

12

-0.410

0.004

49.608

由偏相关（PAC）也可推断出，y和x之间存在着一阶自相关

2.2布罗斯-戈弗雷（b-g）检验或者说是LM检验

TestEquation:

RESID

Presamplemissingvaluelaggedresidualssettozero.

-12.56336

13.16756

-0.954115

0.3534

0.004636

0.002973

1.559507

0.1373

RESID（-1）

0.939569

0.142880

6.575926

0.717809

7.11E-14

0.684610

60.17179

33.79225

10.01582

19412.58

10.16518

-97.15821

10.04498

21.62140

1.124328

0.000021

Obs*R-squared项对应的伴随概率p=0.000151,小于0.05的显著水平，说明存在一阶自相关。

2.3异方差检验（不带交叉项的White异方差检验）

WhiteHeteroskedasticityTest:

4.250745

Probability

0.031843

Obs*R-squared

6.667446

0.035660

RESID^2

21:

36

7357.020

1735.914

4.238125

0.0006

-2.431558

0.873201

-2.784650

0.0127

X^2

0.000247

8.46E-05

2.914767

0.0097

0.333372

3439.612

0.254946

3217.214

2776.987

18.83360

1.31E+08

18.98296

-185.3360

0.726673

Obs*R-squared项的伴随概率p=0.037,小于0.05的显著水平，说明存在异方差。

3.1现在的问题是这个模型中x和Y不平稳，既存在自相关，又存在异方差，该如何处理呢？

我们试着设立模型LnY=α+βLnX+ε。

检验结果如下:

首先进行平稳性检验。

对lnx和lny进行ADF检验

LNXhasaunitroot

3（AutomaticbasedonAIC,MAXLAG=4）

-4.079038

0.0278

-4.667883

-3.733200

-3.310349

andmaynotbeaccurateforasamplesizeof16

在5%的显著水平下，通过了检验。

同理lny

LNYhasaunitroot

4（AutomaticbasedonAIC,MAXLAG=4）

-3.974419

0.0351

-4.728363

-3.759743

-3.324976

andmaynotbeaccurateforasamplesizeof15

也通过了检验。

在命令窗口输入命令：

lslnyclnx得

LNY

07

-4.665811

0.229532

-20.32747

LNX

1.294193

0.028801

44.93525

0.991164

5.596989

0.990673

1.058707

0.102244

-1.628269

0.188169

-1.528696

18.28269

2019.177

0.354984

lnY=-4.67+1.29lnX

（-20.33）（44.94）

R-squared=0.99DW=0.35S.E=0.10F=2019.18T=20

再次使用怀特检验进行检验，得到

HeteroskedasticityTest:

White

3.775495

Prob.F（2,17）

0.0440

6.151271

Prob.Chi-Square

（2）

0.0462

ScaledexplainedSS

4.779216

0.0917

06/14/11Time:

23:

26

In