计量经济学论文标准范文.docx

计量经济学论文标准范文.docx

《计量经济学论文标准范文.docx》由会员分享，可在线阅读，更多相关《计量经济学论文标准范文.docx（21页珍藏版）》请在冰豆网上搜索。

计量经济学论文标准范文

计量经济学论文标准范文

供条件；地球和其它天体相互作用产生的能量，比如，潮汐能等。

2.按照能源的基本形态可以分为两类：

一次能源与二次能源。

一次能源就是天然的能源，比如煤炭、石油、天然气等；二次能源则是在一次能源加工的基础之上形成的能源，比如，电能、煤气、汽油、柴油等等。

3.按照能源的性质可以分为两类：

燃料型能源与非燃料型能源。

燃料型能源主要有石油、煤炭、天然气、木材等，而非燃料型的能源则为水能、风能、地热能等等。

4.按其生产情况可以分为可再生资源和不可再生资源。

可再生资源就是可以通过一些形式能够得到不断的补充或者是在较短的周期内能够再次产生的能源。

比如，风能、水能、太阳能、生物能等都是可再生资源；而反之在较短的时间内不能够再生产的能源就是不可再生资源，比如煤炭、石油、天然气等。

（二）能源消费

在认识了能源的概念以及分类的基础上我们再看看究竟什么是能源消费。

其实能源消费故名思意就是对能源的利用以及使用，在使用中包括个人以及家庭对能源的使用，也包括工业、农业、服务业等对能源的使用，这属于统计学的范畴。

（三）经济增长与工业经济增长

对于经济增长，经济学界有着比较统一的认定，认为经济增长是实际总产出或者是人均实际产出的不断增加。

它的增长是指生产总成果在量上面的增加，在对其衡量的过程中要将所有的生产要素结合起来。

而工业经济的增长则是指在一定的时期内，全部的工业企业在实际生产总值或者是增加值上面的不

断增长的一个过程。

它的界定是在一段时期内的界定，而并不是在一个点上面的界定。

二、中国能源供求现状分析

我国经济快速增长，必然带动能源消费量的增长。

作为世界上最大的发展中国家，建国以来，我国的经济总量和能源消费总量都出现了较大幅度的增长。

1953年—1978年GDP由1615亿元增长到6584亿元，再增长到2005年的183084亿元，1953年—1978年，1979年—2005年两个阶段的平均增长率分别为5.8%和9.7%；能源消费量由1953年的0.54亿吨标准煤增长到1978年的5.71亿吨标准煤，再增长到2005年的22.47亿吨标准煤。

年均分别增长了9.9%和5.3%。

中国的人均能源消费量也在迅速增长，1953年—1978年由0.09吨标准煤增长到0.59吨标准煤，再增长到2005年的1.70吨标准煤。

2003年全国城乡生活人均年用电量为173.7千瓦时，而1980年只有10.7千瓦时。

从已收集来的数据来看，近年来，我国能源消费是处于供不应求的状态，并且供求矛盾有扩大的趋势。

从图中可看出，1996年之前能源的生产和消费均呈温和上升局势，虽然能源的生产不能满足消费的要求，但二者差距也相对平稳。

但1996年之后之一差距不断扩大，能源的生产不能满足经济发展对它的需求，到2003年能源需求大幅度增加，而能源生产却不能同步增加，能源矛盾突出。

1997年—1999年中国经济在保持持续增长的同时，能源消费总量出现了下降。

可能的原因是：

市场出现需求疲软现象，能源产品需求减少；一些高能耗、污染大的“五小”企业被关闭；产业结构的变化等。

由另外的资料表明，2002年—2004年连续三年的能源需求弹性系数都大于1，说明能源消费量增长速度已经超过经济增长速度，经济发展的能源代价在扩大。

种种证据表明，我国的能源问题比较深刻，迫切需要解决。

三、数据选取

1、能源消费总量，在模型中用Y来表示。

是指一次性能源消费总量，由煤炭、石油、天然气等组成（单位：

万吨标准煤）。

2、能源消费的影响因素：

（1）能源生产总量，在模型中用X1来表示。

是指一次性能源生产总量，该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标（单位：

万吨标准煤）。

（2）全国生活能源消费总量，在模型中用X2来表示，是指一次性能源在在生活方面的消费量。

（单位：

万吨标准煤）。

（3）城镇居民人均可支配收入，在模型中用X3来表示。

指城镇居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和。

它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。

（单位：

元）。

（4）工业能源消费总量，在模型中用X4来表示，是指工业方面的能源消费量。

（单位：

万吨标准煤）。

（5）其他因素，在模型中用U表示。

我们将由于各种原因未考虑到和无法度量的因素归入随机扰动项，如能源价格变动、消费者偏好、国家的经济结构政策等。

原始数据：

年份

能源消费总量（Y）

能源生产总量（X1）

全国生活能源消费总量（X2）

城镇居民人均可支配收入（X3）

工业能源消费总量（X4）

1980

60275

63735

9583

477.6

38986

1981

59447

63227

10064

500.4

39806

1982

62067

66778

10313

535.3

41786

1983

66040

71270

10910

564.6

44571

1984

70904

77855

11762

652.1

47865

1985

76682

85546

13318

739.1

51068

1986

80850

88124

13583

900.9

54441

1987

86632

91266

14323

1002.1

58792

1988

92997

95801

15534

1180.2

63040

1989

96934

101639

15583

1373.9

66291

1990

98703

103922

15800

1510.2

67578

1991

103783

104844

15993

1700.6

71413

1992

109170

107256

15636

2026.6

76279

1993

115993

111059

15731

2577.4

81223

1994

122737

118729

15413

3496.2

87855

1995

131176

129034

15745

4283

96191

1996

138948

132616

17714

4838.9

100322

1997

138173

132410

16368

5160.3

100080

1998

132214

124250

14393

5425.1

94409

1999

130119

125935

14552

5854

90797

2000

138553

128978

15965

6280

95443

2001

143199

137445

15427

6859.6

92347

2002

151797

143810

17527

7702.8

102181

2003

174990

163842

19827

8472.2

121771

2004

203227

187341

21281

9421.6

143244

2005

224682

205876

23450

10493

159492

2006

246270

221056

25388

11759.81

175137

2007

265583

235445

26790

15780.76

190167

本文所有数据来自中国统计年鉴

四、模型设定

回归模型设定如下：

Y=β0+β1X1+β2X2+β3X3+β4X4+u

Y=能源消费总量（万吨标准煤）

X1=能源生产总量（万吨标准煤）

X2=全国生活能源消费总量（万吨标准煤）

X3=城镇居民人均可支配收入（元）

X4=工业能源消费总量（万吨标准煤）

u=随机扰动项

β0β1β2β3β4——待估参数

t=1980—2007

五、模型检验

假设模型中随机扰动项u满足古典假定，运用OLS方法估计模型的参数，利用计量经济学软件Eviews计算可得如下结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

5/21/13Time:

10:

49

Sample:

19802007

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1822.975

2572.371

-0.708675

0.4856

X1

0.553614

0.107216

5.163553

0.0000

X2

0.209548

0.405769

0.516422

0.6105

X3

1.585396

0.429729

3.689293

0.0012

X4

0.568271

0.093726

6.063122

0.0000

R-squared

0.999297

    Meandependentvar

125790.9

AdjustedR-squared

0.999175

    S.D.dependentvar

55317.60

S.E.ofregression

1588.843

    Akaikeinfocriterion

17.73983

Sumsquaredresid

58061714

    Schwarzcriterion

17.97773

Loglikelihood

-243.3577

    F-statistic

8176.418

Durbin-Watsonstat

1.376476

    Prob（F-statistic）

0.000000

回归方程为：

^Y=-1822.975+0.553614X1+0.209548X2+1.585396X3+0.568271X4

t=（-0.708675）（5.163553）（0.516422）（3.689293）（6.063122）

R2=0.999297-R2=0.999175F=8176.418DW=1.376476

1、经济意义检验

由回归估计结果可以看出，能源生产总量、全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量与能源消费总量呈线性正相关，与现实经济意义理论相符。

2、统计推断检验

从估计的结果可以看出，可决系数R2=0.999297，F=8176.418，表明模型在整体上拟合地比较理想。

系数显著性检验：

给定α=0.05，X1、X3、X4的t值大于给定的显著性水平，拒绝原假设，接受备择假设，表明能源生产总量、城镇居民人均可支配收入、工业能源消费总量对能源消费总量有显著性影响；仅有X2的t值小于给定的显著性水平，接受原假设，表明全国生活能源消费总量对能源消费总量影响不显著。

3、计量经济学检验

（1）多重共线性检验

由下表可看出，模型整体上线性回归拟合较好，R2与F值较显著，而解释变量X2的t检验不显著，则说明该模型可能存在多重共线性。

在Eviews中计算解释变量之间的简单相关系数，得如下结果，也可以看出解释变量之间存在多重共线性。

用逐步回归法修正模型的多重共线性。

运用OLS方法逐一求Y对各个解释变量的回归。

结合经济意义和统计意义选出拟合效果最好的一元线性回归方程。

结果如下：

变量

X1

X2

X3

X4

参数估计值

1.205425

12.58904

13.32327

1.372864

t统计量

96.68787

17.98317

22.85139

87.97252

R2

0.997227

0.925586

0.952571

0.996652

加入x1的方程-R2最大，以x1为基础，顺次加入其他变量逐步回归。

变量

X1

X2

X3

X4

-R2

X1,x2

1.306361

（27.90480）

-1.129489

（-2.225649）

0.997500

X1,x3

1.057581

（24.98728）

1.723936

（3.601698）

0.998028

X1,x4

0.654737

（6.080966）

0.629503

（5.132058）

0.998541

经比较，新加入x4的方程-R2=0.998541，改进最大，而且各参数的t检验显著，但是x2的符号不合理，选择保留x4，再加入其他新变量逐步回归。

X1

X2

X3

X4

-R2

X1,x4,x2

0.765901

（6.854640）

-0.815105

（-2.230921）

0.585695

（5.066001）

0.998742

X1,x4,x3

0.589143

（7.276451）

1.433497

（4.647176）

0.563954

（6.135601）

0.999200

在X1、X4的基础上加入X2后的方程-R2明显增大，但是X2的t检验不通过。

加入X3后不但方程的R2明显增大，而且t检验值也通过，所以选择保留X3，继续回归。

X1

X2

X3

X4

-R2

X1,x4,x3,x2

0.553614

（5.163553）

0.209548

（0.516422）

1.585396

（3.689293）

0.568271

（6.063122）

0.999175

在x1，x4，x3的基础上，加入x2后，不仅R2下降，而且x2参数的t检验不显著。

这说明x2引起多重共线性，应予剔除。

最后修正多重共线性影响的回归结果为：

DependentVariable:

Y

Method:

LeastSquares

Date:

5/21/13Time:

10:

52

Sample:

19802007

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1771.254

2530.847

-0.699866

0.4907

X1

0.589143

0.080966

7.276451

0.0000

X3

1.433497

0.308466

4.647176

0.0001

X4

0.563954

0.091915

6.135601

0.0000

R-squared

0.999289

    Meandependentvar

125790.9

AdjustedR-squared

0.999200

    S.D.dependentvar

55317.60

S.E.ofregression

1564.382

    Akaikeinfocriterion

17.67993

Sumsquaredresid

58734956

    Schwarzcriterion

17.87025

Loglikelihood

-243.5191

    F-statistic

11245.40

Durbin-Watsonstat

1.371751

    Prob（F-statistic）

0.000000

（2）异方差检验

图示法：

从上图可看出，残差e随Y的变动趋势不明显，不规律，所以，该模型可能不存在异方差。

是否存在异方差还应通过更进一步的检验。

White检验

WhiteHeteroskedasticityTest:

F-statistic

1.042741

    Probability

0.445875

Obs*R-squared

9.595539

    Probability

0.384209

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

5/21/13Time:

11:

13

Sample:

19802007

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-28787936

47930201

-0.600622

0.5556

X1

2823.568

2913.608

0.969097

0.3453

X1^2

-0.022387

0.046955

-0.476773

0.6393

X1*X3

0.262218

0.228951

1.145300

0.2671

X1*X4

0.014039

0.095976

0.146278

0.8853

X3

2816.781

12596.90

0.223609

0.8256

X3^2

0.849792

0.990310

0.858107

0.4021

X3*X4

-0.487615

0.225676

-2.160689

0.0444

X4

-3330.526

3099.903

-1.074397

0.2968

X4^2

0.023334

0.049458

0.471785

0.6427

R-squared

0.342698

    Meandependentvar

2097677.

AdjustedR-squared

0.014047

    S.D.dependentvar

2734894.

S.E.ofregression

2715618.

    Akaikeinfocriterion

32.73939

Sumsquaredresid

1.33E+14

    Schwarzcriterion

33.21518

Loglikelihood

-448.3515

    F-statistic

1.042741

Durbin-Watsonstat

3.175863

    Prob（F-statistic）

0.445875

nR2=9.595539,由White检验知，在α=0.05下，查χ2分布表，得临界值χ20.05（10）=18.3070。

因为nR2=9.595539＜χ20.05（10）=18.3070。

所以拒绝备择假设，不拒绝原假设，表明模型不存在异方差。

ARCH检验：

ARCHTest:

F-statistic

0.731099

    Probability

0.400648

Obs*R-squared

0.767152

    Probability

0.381099

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

5/21/13Time:

11:

18

Sample（adjusted）:

19812007

Includedobservations:

27afteradjustments

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

2408098.

679705.5

3.542855

0.0016

RESID^2（-1）

-0.168053

0.196543

-0.855043

0.4006

R-squared

0.028413

    Meandependentvar

2051841.

AdjustedR-squared

-0.010450

    S.D.dependentvar

2776010.

S.E.ofregression

2790478.

    Akaikeinfocriterion

32.59251

Sumsquaredresid

1.95E+14

    Schwarzcriterion

32.68850

Loglikelihood

-437.9989

    F-statistic

0.731099

Durbin-Watsonstat

1.850657

    Prob（F-statistic）

0.400648

因为（n-1）R2=0.767152＜χ20.05

（1）=3.84146，接受原假设，表明模型中的随机误差项不存在异方差。

（3）自相关补救

图示法：

由上图可知，e和e（-1）散点图大部分点落在第Ⅰ、Ⅲ象限，表明随机扰动项u可能存在正自相关。

按照时间顺序绘制残差项e的图形。

从图中可看出，e随t的变化逐次有规律地变化，呈现锯齿形的变化，可判断随机扰动项u可能存在正自相关。

由下表可得DW=1.371751；给定显著性水平α=0.05，n=28，K=3时，查Durbin—Watson表得下限临界值dL=1.181，上限临界值dU=1.650，可知dL＜DW＜dU，由此可判断模型可能存在自相关。

DependentVariable:

Y

Method:

LeastSquares

Date:

5/21/13Time:

11:

26

Sample:

19802007

Includedobservations:

28

Variable

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1771.254

2530.847

-0.699866

0.4907

X1

0.589143

0.080966

7.2