1、15Sample: 1985 2002Included observations: 18VariableCoefficientStd. Errort-StatisticProb. C1258.981588.71612.1385200.0482FXA1.1183210.02748640.686780.0000R-squared0.990427 Mean dependent var20313.41Adjusted R-squared0.989829 S.D. dependent var15007.39S.E. of regression1513.518 Akaike info criterion1
2、7.58670Sum squared resid36651784 Schwarz criterion17.68563Log likelihood-156.2803 F-statistic1655.414Durbin-Watson stat0.841509 Prob(F-statistic)0.000000注释:FXA固定资产投资额(单位:元) INDUSG工业GDPt= 2.138 40.69(R20.9904,F=1655.4 DW=0.8415)由t统计量可以看出,固定资产投资(FXA)对工业GDP的影响十分显著。从R2和F统计量可以看出模型拟合得非常好。但是D-WdL=1.046表明残差
3、存在相当强的自相关性;下面我们接着做了能源消费量与工业GDP的模型模型2:INDUSG = C + *POW_US+u14-51613.807585.126-6.804607POW_US0.6260750.0648959.6475760.8533130.8441455924.68920.316085.62E+0820.41501-180.844793.075720.192529POW_US能源消费量(单位:万吨标准煤)INDUSG = -51613.79789 + 0.6260746823*POW_USt= -6.804 9.647(R20.853,F=93.07 DW=0.1925)由t统计
4、量可以看出,能源消费量(POW_US)对工业GDP的影响十分显著;但从R2和F统计量可以看出模型整体拟合得不是很好;同时D-W0表明残差存在严重的自相关性。这样的结果说明在本模型中并没有包含影响工业GDP的关键因素。由以上两个表可以看出,这两个因素对工业GDP的影响是比较显著的,证明我们的猜想是符合现实情况的。但是这两个模型的D-W检验结果都相当差,说明了两个模型都漏掉了影响模型的重要因素。于是我们考虑做二元模型。2.建立二元模型,探索固定资产投资和能源消费量对工业GDP的相对影响强弱由以上一元模型的结果可知:固定资产投资(FXA)和能源消费量(POW_US)对工业GDP的影响都很显著,所以尝
5、试用这两个解释变量作二元模型,得到模型3。模型3:INDUSG = C + 1*FXA + 2*POW_US+u46-5810.1483190.055-1.8213320.08860.9991480.05845117.093900.0792060.0352542.2467350.04010.9928380.9918831352.11617.407742742327317.55614-153.66971039.6310.999447解释变量相关系数矩阵: 1.000000 0.907479INDUSG = -5810.148217 + 0.9991484399*FXA + 0.079205884
6、33*POW_USt 1.8213 17.09 2.24(R20.9928,F=1039 DW=0.999)Cov(FXA,POW_US)=0.9075从以上数据可以看出:模型总体拟合的很好(R20.9928),也比较可以。但如果考虑二者的相关系数很大,模型具有多重共线性。同时,dL=0.933D-W du=1.696落在了不可判断区域,D-W比较接近dL,保守起见还是认为模型具有自相关性。因此这个模型不是很理想。由于没办法扩大样本容量,我们只有变换模型形式,用取对数的方式来减弱多重共线性。于是有模型4:模型4:Ln(INDUSG) = C +1*Ln(FXA) +2*Ln(POW_US)+u
7、 LIN 19:26-7.6217483.210235-2.3742020.0314LFX0.7583180.06911210.97233LPOW0.8685230.3295132.6357780.01870.9950599.5796890.9944000.9090860.068030-2.3867190.069422-2.23832324.480471510.3401.029314 0.969168做出来的效果和“模型3”从数值上看并没有明显的改善:多重共线性依然十分严重;dL=0.933 du=1.696还是落在了不可判断区域。由模型3和模型4,我们看到,两个解释变量之间的相关性很强且不可
8、通过数学上的变换减弱这种相关性,我们考虑将其中的一个因素替换掉。从以上四个模型的t统计量来说,固定资产投资(FXA)对工业GDP的影响比能源消费量(POW_US)对工业GDP的影响要显著,而且从“能源消费量”本身的数据来说,也存在着异常波动,将能源消耗总量数据作图:如图:可以看到,从97年后,能源消费量都比较异常:经济在增长,但能源消耗量却在下降。因此,从这个意义上讲,能源消费量(POW_US)这个变量也不宜采纳到模型中。3.更换模型的变量,再作探索根据柯布道格拉斯函数给我们的启示,我们推测工业企业效益不仅与固定资产投资额(资本)有关,还与劳动人数(劳动力)有一定的关系,于是做出了下面的模型:模型5:INDUSG = C +1*FXA +2*LAB+u 20:03t-Statist
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1