计量经济学论文Word文档下载推荐.docx

1、8964.41865677198610202.22199820198711962.525791061198814928.331241321198916909.228611276199018547.932061242199121617.839721536199226638.158542000199334634.496882768199446759.4128623507199558478.1156434375199667884.6176275436199774462.6218855746199878345.2251725914199982067.526511612289468.1262116695

2、200197314.830001721220021039353548880112003116741458119754200415987859028114492005182321750951367820062094079336816629200724661911746419859200830067014873824090200933535319392030678一建立模型打开EViews3.1，建立一个由19822009的年度工作表，定义Y为国内生产总值，X1为城镇固定资产投资额，X2固定资产投资额。输入DATA Y X1 X2，将上表中的内容复制进入EViews统计栏。因为表中的数据可以看成是

3、投资和消费对Y的影响，根据凯恩斯的国民收入理论，在两部门的国民经济中（这里只考虑消费C和投资I），y=c+i 总需求总供给（国民收入） 在假设条件两部门的经济中，无需考虑利率，因此可以将投资看成一个固定的数量。而消费函数则守消费倾向以及自发性消费的影响，可以简单的看成一个一元线性函数在此基础上将消费和投资看成一个整体，则其对GDP的影响也应该是大致线性的，所以我建立的第一个模型为二元一次模型。1 二元次模型：输入LS Y C X1 X2得到下图：T= （-0.6673） （-3.1998） （9.7402） F=1814如图所示，可决系数值还是比较高，说明模型有很高的拟合优度，F检验也是高度显

4、著的，说明城乡固定资产投资对国民收入是有显著影响的。但是模型中常数C的T统计量值过小，未通过检验。因此尝试建立其他类型的模型一同考虑。2 双对数模型 在EViews软件的命令窗口中依次键入以下命令：GENR LNY=log（Y）GENR LNX1=log（x1）GENR LNX2=log（x2）LS LNY C LNX1 LNX2估计结果如下图所示：LNY = 3.086157838 + 0.372642078*LNX1 + 0.5059421775*LNX2t = （28.0579） （3.4707） （3.832249）=0.9965 F=3655如图所示，可决系数和F统计量的值非常高，说

5、明模型的拟合优度较好，并且说明城乡固定资产投资对国民收入是有显著影响的（且比二元一次线性模型更加明显），同时各个变量的t统计值比较高，且方向正确，因此双对数模型比上一个模型更符合建模的要求。3 指数模型：EViews软件的命令窗口中键入以下命令LS LNY C X1 X2得到如下窗口： LNY = 8.837351701 - 0.0001171375728*X1 + 0.0008715698927*X2t = （94.4110） （-13.4263） （15.8498）=0.965873 =0.963143 F=353.7770如图所示，该模型虽然各个变量的T比较大，说明T检验比较显著，可是城

6、镇固定资产投资X1的T统计量为负数，说明投资增加反而造成GDP减少，这显然是不现实的。其次可决系数相对较小，F统计的值也比前两个模型要小的多，所以指数模型对于所探讨的内容不是十分符合，顾舍弃。 其他模型：在之前已经从凯恩斯的国民经济理论探讨中得出投资对于国民收入的影响大致是线性的，因此二元二次方程及其他模型并不适合这次研究的内容，所以不予考虑。二比较、选择最佳模型 在上面我们分别研究了二元一次模型，双对数模型以及指数模型的回归系数的符号、数值是否合理，以及模型中各个解释变量是否显著，在舍弃了指数模型以后，我们分别对二元一次模型和双对数的残差分布情况进行分析。1 二元一次模型：在该模型的窗口中点

7、击View/Actual, Fitted, Residual/ Actual, Fitted, Residual Table，得到二元一次模型的残差分布表。由上图可以看出，二元一次模型的残差在2002年之前一直都比较小，波动不大，而2003年以后残差出现了较大波动，且残差的数值比较大。 在该模型的窗口中点击View/Actual, Fitted, Residual/ Actual, Fitted, Residual Table，得到二元一次模型的残差分布表。由上图得，双对数模型的残差波动幅度比较大，但其的残差具体值很小，说明即使波动也只是在一个较小的数值范围内波动。结论：虽然二元一次模型的波动

8、比双对数模型的残差要小，但是其残差的具体数值是十分大的。加上由之前的OLS估计得出的残差平方和，二元一次模型为1567905860.09，而双对数模型为0.145687，无论从具体数值还是变化范围来看都是比较小的，更符合实际数据的真实性。综合在第一步中得到的结论，我认为双对数模型比二元一次模型具有更好的拟合优度，因此我选择双对数模型作为基础模型，来进行房屋价格（固定资产投资）对国内生产总值的分析。因此，下面仅对双对数模型来进行进一步的检验。三多重共线性检验在EViews中输入：COR X1 X2得到下图可见解释变量lnx1和lnx2之间的相关系数为0.9963，说明解释变量高度相关。这是显然的

9、，因为一个国家的农村和城镇的房产投资等一定是呈同一个趋势发展的（在共同的宏观经济条件下），因此彼此之间关联的可能是一定存在的，可以通过合并二者来计算整个国家房产投资对GDP的影响。可是正如我前面所说的，我希望建立一个模型来分别考察城乡在房产等固定资产方面建设的区别，因此需要把城市和乡村的数据分开来分析。经过考虑之后，我决定不考虑该模型的多重共线性，直接进行下一步检验。四异方差性检验与消除1.图形分析检验：观察自变量城镇固定资产投资X1与农村固定资产投资X2与GDP的相关图：SCAT Y X1 X2 ，同时观察残差分布图，得到如下两张图表：图.1图.2从图1中几乎看不出存在异方差性，这是因为在之

10、间的分析中我们已经知道该模型的残差值非常小，而从图2中可以看出，虽然残差较小，但是在较小的范围内呈现波动，因此存在异方差性。但是由于波动没有规律性，所以非递减或递增型的异方差。2. White检验在方程窗口上点击ViewResidualTestWhite Heteroskedastcity,检验结果如图其中F值为辅助回归模型的F统计量值。取显著水平，由于,所以存在异方差性。并且由于P的值非常小，所以几乎可以确定该方程存在异方差性。3. Park检验生成新变量序列：GENR LNE2=log（RESID2）GENR LNX=log（）建立新残差序列对解释变量的回归模型：LS LNE2 C LNX

11、1 LS LNE2 C LNX2回归结果如下两张图：从上图所示的回归结果中可以看出，LNX1，LNX2的系数估计值不为0，但是由于残差比较小，所以t检验并未通过。但是仍然认为存在异方差性。根据park检验来消除该模型的异方差性。4.消除异方差性在这里我采用最常用的加权最小二乘法来消除异方差，即对较小的残差Ei赋予较大的权重，对较大的残差Ei赋予较小的权重。具体操作如下在EViews窗口中输入如下命令生成残差序列：GENR E = RESID同时根据Park检验生成权数变量：GENR W1=1/X1-0.1989GENR W2=1/X2-0.2487然后方程窗口中点击EstimateOption

12、按钮，并在权数变量栏里依次输入权重输入1/ABS（E）,W1,W2。分别得到如下三个加权之后的OLS回归结果：然后对上面三个加权最小二乘方程进行White检验，观察异方差的调整情况，如下图所示，修正以后的White检验如下。可见虽然以W1和W2为权重的OLS估计的拟合程度较高，但是未能通过White检验，而以残差的倒数为权重的OLS估计拟合程度虽然降低了，但是通过White检验已经基本不存在异方差性，因此选择后者作为修正了异方差之后的双对数模型作为合适的模型，即：LNY = 2.50464981 + 0.3949128712*LNX1 + 0.5472389908*LNX2=0.9999 =0

13、.9999 F=232332.3五自相关性的检测和消除经过前面几项的分析，我们已经得到了拟合优度很高，去除了异方差性的模型，接下来我们对该模型来进行自相关性的检测。DW检验 因为N=28,K=2, 取显著性水平0.05时，查表得=1.26 =1.56. 而DW=1.3313314-所以根据DW检验的性质，该模型不存在自相关性。偏相关系数检验在方程窗口中点击View/Residual Test/Correlogram-Q-statistics，并输入滞后期为10，则会得到残差与的各期相关系数和偏相关系数，如图所示。从图可以看出，双对数模型的110期偏相关系数的直线方块均为超过虚线部分，因此不存在

14、任何一阶或者高阶自相关。BG检验在方程窗口中点击View/Residual Test/Series Correlation LM Test，并选择滞后期为2，结果如图所示图中， =19.9707，临界概率P=0.000046，因此辅助回归模型是显著的，即存在自相关性。又因为，的回归系数均显著地不为0，说明双对数模型存在一阶和二阶自相关性。因此根据BG检验的结果，对模型进行自相关性的消除：在LS命令中加上AR（1）和AR（2），使用迭代估计法估计模型。键入命令：LS LNY C LNX AR（1） AR（2）同时考虑到上面对异方差性的消除，将回归的权数设置为1/ABS（E），得到如下回归结果表明

15、，估计过程经过21次迭代后收敛；的估计值分别为0.762785和-0.408651，并且检验显著，说明双对数模型确实存在一阶和二阶自相关性。调整后模型的DW1.747611，n26，k2，取显著性水平1.22，1.55，而1.747611DW4说明模型不存在一阶自相关性。再进行BG检验和相关系数检验，如下两图可以看出同时也不存在高阶自相关性，因此可以判断，修正过后的双对数模型已经不具有自相关性这一特性。因此经过各种检测和修正以后的城乡房产投资对于国民收入的影响的双对数方程为：LnY=3.012341275+0.3412919549*LnX1+ 0.5502937389*LnX2t = （14.

16、8327） （2.1426） （2.7198） =0.9975 =0.9970 F=2099.423六总结经过模型的层层筛选，对拟合优度和各个变量、常数量的考察，我选择了双对数作为合适的基础模型。同时在经过了各种检测与修正之后的双对数模型，无论是从主观还是客观上都有其存在的合理性，可以科学的解释19822009年以来城乡居民在房产上的投资对于经济的影响。1 改革开放以来，随着国民经济的发展，我国居民的城乡房产投资也处于不断上升的趋势。其中GDP每上升一个百分点，城市的房产投资就上升0.34个百分点，而农村的房产投资则上升0.55个百分点。这说明我国的城市化进正在逐渐加速，由于城市用地的饱和，房

17、产开发的趋势将越来越趋近于郊区或农村，反过来也将进一步带动城市化进程，促进国民生产总值的提高。2 无论是从残差分布图还是数据表中都可以看出，在1995年前后，我国的房产投资出现了飞速的发展，相对于之前的发展速度猛然提速。可以想到这应该是中国市场经济的确立和发展，是的房产的自由交易程度扩大，一定程度上促进了房地产事业的发展。3 同时也可以很明显的看出，无论是从发展的相对数和绝对数上来看，中国的城乡发展在房产投资上仍然存在很大差距，且差距有逐渐扩大的趋势。这也直接的反应了我国城乡差距过大，贫富差距不断增加的现象，但是由模型中可以看出，其实农村房地产投资对于GDP的影响要大于城镇。因此在接下来的五年计划中，可以考虑进一步加速城市化的进程，对于农村人民生活水平的提高，缩小贫富差距、城乡差距，以及促进我国经济健康稳定快速发展，都具有十分重要的意义。