影响我国人均GDP的变量因素分析
摘要
人均国内生产总值，也称作“人均GDP"，是衡量经济发展状况的重要指标，，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。文章从从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面作为出发点，通过往年的数据发展来观察它们对于人均GDP的影响，从而对我国目前的经济发展提供一些建议。笔者认为，在提高城镇居民可支配收入、城市化率以及政府支出的基础上，更要调节好我国目前贫富差距过大的问题，这样才能保持经济的稳定发展。
关键词：人均GDP；城市化率；城镇居民可支配收入；城府支出
引言
一国的经济乃立国之本，而经济发展是以GDP增长为前提的。影响人均GDP 的因素看似众多，究竟哪些因素对人均GDP的增长起关键性的影响作用呢？由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。
随着2009年中国GDP赶超日本，成为世界排名第二，无疑吸引了国内外的目光。然而，在如此大的总量之下，中国的人均GDP却一直在世界100名左右徘徊。“国服民穷”的现状一直是我们的问题。
经我们数据搜寻，在人均GDP的增长过程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。同时，我们知道GDP的构成取决于消费、投资、政府支出。因此，我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量，认为这四个变量是影响人均GDP的关键性因素。本实验主要选取1979—2009年的统计数据。
一、人均GDP的基本概念及特点
1、人均GDP的基本概念和经济意义
（1）人均GDP的基本概念
人均国内生产总值（Real GDP per capita），也称作“人均GDP"，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。将一个国家核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口相比进行计算，得到人均国内生产总值。是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。
（2）人均GDP的经济意义
首先，除资源国以外的绝大多数工业化国家，人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。一方面，就中日比较而论，人均GDP虽不能正确反映中日两国综合国力，但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国，尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平，更是让中国望尘莫及。改革开放30多年来，中国城市化、工业化进程加快，农村农业的滞后发展恰恰拖了我国人均GDP的后腿，成为我国经济社会发展的短板，最终也深刻影响了我国的综合国力和国际竞争力。
其次，人均GDP本身具有社会公平和平等的含义。人均GDP虽然不能直接等同于居民的人均收入和生活水平，但构成了一国居民人均收入和生活水平的主要物质基础，是提高居民人均收入水平、生活水平的重要参照指标。事实上，强调人均GDP的国家，一般也比较注重提高本国居民的人均收入水平和社会公平程度。再次，人均GDP与工业化进程和社会稳定，具有一定内在联系。据亨廷顿分析，在一定阶段，人均国内生产总值增长与社会安定、社会和谐成正比。
二、1978-2011年的数据搜集
三、REVIEWS模型建立及检验
1、散点图变化分析
（1）、 GDPP（人均GDP）和CSH（城市化）的关系
（2）、GDPP（人均GDP
）和JMKZPSR（城镇居民家庭人均可支配收入）的关系
（4）、GDPP(人均GDP)和GMXFSP（城镇居民消费水平）
2、 Ganger检验
（1）首先，我们研究GDPP和CSH的因果检验。
Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:42
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
CSH does not Granger Cause GDPPP 31 0.78247 0.3839
GDPPP does not Granger Cause CSH 0.57193 0.4558
由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。
（2）其次，我们研究GDPP和JMKZPSR的因果检验。
Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:44
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
JMKZPSR does not Granger Cause GDPP 31 0.24821 0.6222
GDPP does not Granger Cause JMKZPSR 0.19484 0.6623
由表可知， JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP 作为因变量。
（3）紧接着，我们研究GDPP和ZFZC之间的因果关系。
Pairwise Granger Causality Tests
Date: 06/03/12 Time: 10:45
Sample: 1978 2009
Lags: 1
Null Hypothesis: Obs F-Statistic Prob.
ZFZC does not Granger Cause GDPP 31 0.02024 0.8879
GDPP does not Granger Cause ZFZC 0.33720 0.5661
由表可知，GDPP和ZFZC相互影响，概率都比较大，所以可以将ZFZC作为自变量。
（4）最后，我们研究GDPP 和GMXFSP 的因果关系。
Pairwise Granger Causality Tests Date: 06/03/12 Time: 10:44 Sample: 1978 2009 Lags: 1
Null Hypothesis:
Obs F-Statistic Prob.
JMXFSP does not Granger Cause GDPP 30 16.0251 0.0004 GDPP does not Granger Cause JMXFSP 7.44216
0.0111
由表可知，GDPP 和 JMXFSP 的相关可能性都非常低，顾将JMXFSP 作为自变量剔除。
3、选择模型形式，做回归,描绘模型
估计模型：ZFZC JMKZPRS CSH C GDP +++=2
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 16:47 Sample: 1978 2011 Included observations: 34
Variable Coefficient Std. Error t-Statistic Prob.
C 472.7725 178.0388 2.655446 0.0126 CSH^2 -1.589601 0.416496 -3.816604 0.0006 ZFZC 0.096333 0.011037 8.728460 0.0000 JMKZPSR
1.269763
0.086591
14.66399
0.0000
R-squared
0.999337 Mean dependent var 7863.882 Adjusted R-squared 0.999271 S.D. dependent var 9292.254 S.E. of regression 250.9664 Akaike info criterion 13.99865 Sum squared resid 1889524. Schwarz criterion 14.17822 Log likelihood -233.9770 Hannan-Quinn criter. 14.05989 F-statistic 15070.08 Durbin-Watson stat 1.179488
Prob(F-statistic)
0.000000
令 GDP ^
=Y 21CSH =X JMKZPSR 2=X ZFZC 3=X
321^
269763.1096333.01.589601x -472.7725x x Y ++=
()0388.178 ()4164.0 ()011037.0 ()086591.0
999337.02=R 0.9992712=R 1.179488=DW
9664.250=SE 00.0=F 33=n
4、随机误差项的正态性检验（JB 检验）
通过
JB 检验发现，估计模型随机误差项可能为正太分布的可能性P>5%,所以通
过检验。
5、 Ramsey reset test 检验
Ramsey RESET Test:
F-statistic
4.085866 Prob. F(1,27) 0.0533 Log likelihood ratio
4.509325 Prob. Chi-Square(1)
0.0337
Test Equation:
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 13:59 Sample: 1978 2009 Included observations: 32
Variable
Coefficient Std. Error t-Statistic Prob.
C
-44.45361
313.7799
-0.141671
0.8884
CSH^2 -0.208129 0.798441 -0.260669 0.7963
JMKZPSR 1.226143 0.088068 13.92275 0.0000
ZFZC -0.004762 0.051507 -0.092447 0.9270 FITTED^2 8.81E-06 4.36E-06 2.021353 0.0533
R-squared 0.998943 Mean dependent var 6325.906 Adjusted R-squared 0.998787 S.D. dependent var 7066.021 S.E. of regression 246.1018 Akaike info criterion 13.99197 Sum squared resid 1635285. Schwarz criterion 14.22099 Log likelihood -218.8715 Hannan-Quinn criter. 14.06788 F-statistic 6382.086 Durbin-Watson stat 1.060922 Prob(F-statistic) 0.000000
Prob.F值为0.533>5%,所以模型被误设可能性较小。
6、 T、F检验，拟合优度检验
t-Statistic
2.288009
-3.385601
13.98170
7.726581
T值的绝对值>2，通过检验，说明此模型拟合优度较好。
Prob(F-statistic) 0.000000
F值为0，远远小于5%，说明此模型拟合优度较好。
R-squared 0.998784
2
R=0.99，说明改模型可行性很大，拟合度好。
7、 Wald Test检验，若Prob. F>5%，接受约束条件
Wald Test:
Equation: Untitled
Test Statistic Value df Probability
F-statistic 3.421460 (1, 28) 0.0749
Chi-square 3.421460 1 0.0644
Null Hypothesis Summary:
Normalized Restriction (= 0) Value Std. Err.
-1 + C(2)^2 - 3*C(3) + C(4) 2.792085 1.509465
Delta method computed using analytic derivatives.
8、邹氏突变检验：若Prob. F<5%，认为该点很可能是突变点
通过观察整体数据较为平稳，未发现明显突变点，其中对1995年、2004年进行随机检测，如下图：
Chow Breakpoint Test: 1994
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1978 2009
F-statistic 10.66037 Prob. F(4,24) 0.0000
Log likelihood ratio 32.68074 Prob. Chi-Square(4) 0.0000
Wald Statistic 42.64146 Prob. Chi-Square(4) 0.0000
Chow Breakpoint Test: 2004
Null Hypothesis: No breaks at specified breakpoints
Varying regressors: All equation variables
Equation Sample: 1978 2009
F-statistic 51.32985 Prob. F(4,24) 0.0000
Log likelihood ratio 72.22598 Prob. Chi-Square(4) 0.0000
Wald Statistic 205.3194 Prob. Chi-Square(4) 0.0000
所以通过邹氏检验，发现无突变点。
9、模型的比较：观察AIC和SC值的变化，若有下降的现象，该模型可能更好些。
Dependent Variable: GDPP
Method: Least Squares
Date: 06/07/12 Time: 19:12
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C -355.7275 157.9942 -2.251522 0.0327
CSH^2 1.175857 0.448006 2.624645 0.0141
ZFZC -0.157097 0.034252 -4.586449 0.0001 JMKZPSR 1.056712 0.058971 17.91905 0.0000 JMKZPSR^2 5.91E-05 7.81E-06 7.574526 0.0000
R-squared 0.999611 Mean dependent var 6325.906 Adjusted R-squared 0.999553 S.D. dependent var 7066.021 S.E. of regression 149.3804 Akaike info criterion 12.99347 Sum squared resid 602491.2 Schwarz criterion 13.22249 Log likelihood -202.8955 Hannan-Quinn criter. 13.06938 F-statistic 17333.87 Durbin-Watson stat 1.124435 Prob(F-statistic) 0.000000
此时13.22249
=
AIC=
SC
12.99347
原模型14.17822
SC
AIC=
=
13.99865
通过比较发现增加一个变量后的模型更适合
四、REVIEWS异方差检验及克服
1、异方差检验
（1）图形法
（2） WHITE检验
Heteroskedasticity Test: White
F-statistic 4.375318 Prob. F(9,22) 0.0023 Obs*R-squared 20.53007 Prob. Chi-Square(9) 0.0149 Scaled explained SS 25.76099 Prob. Chi-Square(9) 0.0022
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/03/12 Time: 14:01
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 8464.488 329747.7 0.025670 0.9798
CSH^2 -201.3539 1601.322 -0.125742 0.9011 (CSH^2)^2 0.390429 1.982626 0.196925 0.8457 (CSH^2)*JMKZPSR -0.209972 0.662189 -0.317087 0.7542 (CSH^2)*ZFZC 0.006477 0.073271 0.088393 0.9304 JMKZPSR -13.46487 270.5561 -0.049767 0.9608 JMKZPSR^2 0.028131 0.065792 0.427570 0.6731 JMKZPSR*ZFZC -0.005733 0.017857 -0.321084 0.7512
ZFZC 46.12346 50.20082 0.918779 0.3682 ZFZC^2
0.000277
0.001399
0.198082
0.8448
R-squared
0.641565 Mean dependent var 58835.95 Adjusted R-squared 0.494932 S.D. dependent var 108225.6 S.E. of regression 76913.92 Akaike info criterion 25.58907 Sum squared resid 1.30E+11 Schwarz criterion 26.04711 Log likelihood -399.4251 Hannan-Quinn criter. 25.74090 F-statistic 4.375318 Durbin-Watson stat 2.022294 Prob(F-statistic)
0.002261
53007.202=nR ，由white 检验知，在05.0=?，查2χ分布表，得临界值
()81473.7305.02=χ，所以拒绝原假设，接受备择假设，表明模型存在异方差。
2、异方差的修正
Dependent Variable: GDPP Method: Least Squares Date: 06/03/12 Time: 14:34 Sample: 1978 2009 Included observations: 32 Weighting series: 1/RESID^2
Variable
Coefficient
Std. Error t-Statistic Prob.
C 849.1712 171.2264 4.959347 0.0000 CSH -48.90755 8.460355 -5.780791 0.0000 ZFZC 0.086467 0.004839 17.86810 0.0000 JMKZPSR
1.185499
0.028887
41.03955 0.0000
Weighted Statistics
R-squared 0.999925 Mean dependent var 633.4496 Adjusted R-squared 0.999917 S.D. dependent var 3246.371 S.E. of regression 1.135960 Akaike info criterion 3.209302 Sum squared resid 36.13133 Schwarz criterion 3.392519 Log likelihood -47.34883 Hannan-Quinn criter. 3.270033 F-statistic 124296.8 Durbin-Watson stat 1.364803 Prob(F-statistic)
0.000000
Unweighted Statistics
R-squared
0.998268 Mean dependent var
6325.906
Adjusted R-squared 0.998082 S.D. dependent var 7066.021 S.E. of regression 309.4658 Sum squared resid 2681534. Durbin-Watson stat 0.658206
3、再次对修正后的模型做white 检验
Heteroskedasticity Test: White
F-statistic 1.09E+22 Prob. F(1,30)
0.0000 Obs*R-squared 32.00000 Prob. Chi-Square(1) 0.0000 Scaled explained SS
3.01E-10 Prob. Chi-Square(1) 1.0000
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 06/03/12 Time: 14:41 Sample: 1978 2009 Included observations: 32
Collinear test regressors dropped from specification
Variable
Coefficient
Std. Error t-Statistic Prob.
C 2.45E-16 5.44E-17 4.498128 0.0001 WGT^2
3.14E-08
3.00E-19
1.05E+11
0.0000
R-squared 1.000000 Mean dependent var 1.00E-06 Adjusted R-squared 1.000000 S.D. dependent var 5.68E-06 S.E. of regression 3.03E-16 Sum squared resid 2.75E-30 F-statistic 1.09E+22 Durbin-Watson stat 1.800809 Prob(F-statistic)
0.000000
()81473.731001.305.022=<-=χE nR ,所以修正后的模型通过WHITE 检验得到无
异方差。 此时模型为：
321^
1.1854990.08646748.90755x -849.1712x x Y ++=
()171.2264 ()8.460355 ()0.004839 ()0.028887
0.9999252=R 0.9999172=R 1.364803=DW
1.135960=SE 00.0=F 33=n
五、REVIEWS自相关检验及克服
1、自相关检验
（1） DW检验法
Dependent Variable: GDPP
Method: Least Squares
Date: 06/07/12 Time: 17:28
Sample: 1978 2009
Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob.
C 459.4286 200.7984 2.288009 0.0299
CSH^2 -1.558879 0.460444 -3.385601 0.0021
ZFZC 0.096554 0.012496 7.726581 0.0000
JMKZPSR 1.265428 0.090506 13.98170 0.0000
R-squared 0.998784 Mean dependent var 6325.906 Adjusted R-squared 0.998653 S.D. dependent var 7066.021 S.E. of regression 259.3089 Akaike info criterion 14.07039 Sum squared resid 1882750. Schwarz criterion 14.25360 Log likelihood -221.1262 Hannan-Quinn criter. 14.13112 F-statistic 7663.496 Durbin-Watson stat 1.020692 Prob(F-statistic) 0.000000
=
DW说明在滞后一期时该模型存在一阶自相关.1<
020692
dl
（2） LM检验法
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 11.63691 Prob. F(1,27) 0.0021 Obs*R-squared 9.637960 Prob. Chi-Square(1) 0.0019
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/07/12 Time: 18:03
Sample: 1978 2009
Included observations: 32
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -164.8782 177.6396 -0.928161 0.3615 CSH^2 0.288769 0.401008 0.720107 0.4776 ZFZC -0.015185 0.011532 -1.316774 0.1990 JMKZPSR 0.015708 0.077184 0.203514 0.8403 RESID(-1)
0.772596
0.226482
3.411291
0.0021
R-squared
0.301186 Mean dependent var -4.19E-13 Adjusted R-squared 0.197658 S.D. dependent var 246.4424 S.E. of regression 220.7472 Akaike info criterion 13.77451 Sum squared resid 1315692. Schwarz criterion 14.00354 Log likelihood -215.3922 Hannan-Quinn criter. 13.85043 F-statistic 2.909226 Durbin-Watson stat 1.197067 Prob(F-statistic)
0.040137
()637960.939.63796005.02=>=χnR LM 检验也说明该模型在滞后一期时存在一
阶自相关。
2、 广义差分法克服自相关
510346.02/?==DW ρ
滞后一期时，
()()11)1(33221101-+-+-+=-x x x Y x ββββ
两边同时乘以ρ 并将原模型与所得模型相减 得到差方后模型：
*3
*2*1*9083.004233.095.238493.389?x x x Y X ++-=
六、REVIEWS 多重共线检验及克服 1、多重共线检验
GDPP CSH^2 ZFZC JMKZPSR GDPP 1
0.9600619461247061
0.9864017312218101 0.99618721912
73518 CSH^2 0.96006194612
47061 1 0.9215085568608908
0.97694821058
06614 ZFZC 0.9864017312218101 0.92150855686
08908 1 0.97209385159
96026
JMKZPSR
0.9961872191273518
0.9769482105806614
0.97209385159
96026
1
（1）去掉2CSH 后 对模型2R 重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:02 Sample: 1978 2009 Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob. C -167.6252 90.48260 -1.852568 0.0741 ZFZC 0.120358 0.012051 9.987319 0.0000 JMKZPSR
0.992477
0.047977
20.68630
0.0000
R-squared 0.998286 Mean dependent var 6325.906 Adjusted R-squared 0.998167 S.D. dependent var 7066.021 S.E. of regression 302.4890 Akaike info criterion 14.35103 Sum squared resid 2653487. Schwarz criterion 14.48844 Log likelihood -226.6164 Hannan-Quinn criter. 14.39657 F-statistic 8443.399 Durbin-Watson stat 0.869511
Prob(F-statistic)
0.000000
此时999337.0998286.02<=R 所以2CSH 不应该被剔除 （2）去掉ZFZC 后 对模型2
R 重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:05 Sample: 1978 2009 Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob. C 995.1454 327.7126 3.036641 0.0050 CSH^2 -3.560546 0.661954 -5.378842 0.0000 JMKZPSR
1.871291
0.078598
23.80846
0.0000
R-squared 0.996190 Mean dependent var 6325.906 Adjusted R-squared 0.995927 S.D. dependent var 7066.021 S.E. of regression 450.9395 Akaike info criterion 15.14960 Sum squared resid 5897047. Schwarz criterion 15.28702 Log likelihood -239.3937 Hannan-Quinn criter. 15.19515 F-statistic 3791.291 Durbin-Watson stat 0.256818
Prob(F-statistic)
0.000000
此时999337.00.9961902<=R 所以ZFZC 不应该被剔除
（3） 去掉JMKZPSR 后 对模型2
R 重新进行计算
Dependent Variable: GDPP Method: Least Squares Date: 06/07/12 Time: 19:11 Sample: 1978 2009 Included observations: 32
Variable Coefficient Std. Error t-Statistic Prob. C -1517.897 395.7188 -3.835797 0.0006 CSH^2 4.175785 0.580862 7.188952 0.0000 ZFZC
0.247928
0.017324
14.31145
0.0000
R-squared
0.990291 Mean dependent var 6325.906 Adjusted R-squared 0.989621 S.D. dependent var 7066.021 S.E. of regression 719.8556 Akaike info criterion 16.08504 Sum squared resid 15027571 Schwarz criterion 16.22245 Log likelihood -254.3606 Hannan-Quinn criter. 16.13059 F-statistic 1478.950 Durbin-Watson stat 0.469288
Prob(F-statistic)
0.000000
此时999337.00.9902912<=R 所以JMKZPSR 不应该被剔除
结果表明，虽然模型存在多重共线，但是并不影响本模型的分析效果，所以不必要进行处理。
七、结论
从对于1979—2009年的数据的计量分析中，我们发现了以下结论：
1城镇居民消费水平与人均GDP 显著相关，但没有不显著影响人均GDP ，不能构成影响人均GDP 的自变量。故我们踢出了该自变量，初步估计是由于当前中国居民收入的不均衡，抑制了他更进一步发挥对经济增长的拉动作用。做出仅含三个自变量的回归模型。
2城镇居民家庭人均可支配收入、城市化率及城市政府支出对GDP 的具有较大的影响，随着这三个自变量的增加，人均GDP 显著增加，构成影响人均GDP 的关键影响因素。
3为了GDP的更快更健康的增长，应加大城镇居民家庭人均可支配收入、城市化率及城市政府支出，另外要均衡居民收入，减小贫富差距。
《计量经济学》 习题 河北经贸大学应用经济学教研室 2004年7月
第一章绪论 ⒈为什么说计量经济学是经济理论、数学和经济统计学的结合？ ⒉为什么说计量经济学是一门经济学科？它在经济学科体系中的地位是什么？它在经济研究中的作用是什么？ ⒊建立与应用计量经济学模型的主要步骤有哪些？ ⒋计量经济学模型有哪些主要应用领域？各自的原理是什么？ ⒌下列假想模型是否属于揭示因果关系的计量经济学模型？为什么？ ⑴St=112.0+0.12Rt 其中，St为第t年农村居民储蓄增加额（亿元），Rt为第t年城镇居民可支配收入总额（亿元）。 ⑵S t-1=4432.0+0.30R t 其中，S t-1为第（t-1）年底农村居民储蓄余额（亿元），Rt为第t年农村居民纯收入总额（亿元）。 ⒍指出下列假想模型中两个最明显的错误，并说明理由： RS t=8300.0-0.24RI t+1.12IV t 其中，RS t为第t年社会消费品零售总额（亿元），RI t为第t年居民收入总额（亿元）（城镇居民可支配收入总额与农村居民纯收入总额之和），IV t为第t年全社会固定资产投资总额（亿元）。 第二章一元线性回归模型
⒈ 对于设定的回归模型作回归分析，需对模型作哪些假定，这些假定为什么是必要的？ ⒉ 试说明利用样本决定系数R 2为什么能够判定回归直线与样本观测值的拟和优度。 ⒊ 说明利用) (0∧ βS 、)(1∧βS 衡量 ∧ β、∧ 1β对 β、1β估计稳定性的道理。 ⒋ 为什么对 ∧ β、∧ 1β进行显著性检验？试述检验方法及步骤。 ⒌ 对于求得的回归方程为什么进行显著性检验？试述检验方法及步骤。 ⒍ 阐述回归分析的步骤。 ⒎ 试述计量经济模型与一般的经济模型有什么不同？ ⒏ 一元线性回归模型有时采用如下形式： i i i X Y μβ+=1 模型中的截距为零，叫做通过原点的回归模型。试证明该模型中： （1） ∑∑=∧ 21i i i X Y X β （2） ∑ = ∧ 2 2 1)var(i X μ σ β ⒐ 下述结果是从一个样本中获得的，该样本包含某企业的销售额（Y ）及相应价格（X ）的11个观测值。 18 .519_ =X ； 82 .217_ =Y ； ∑=3134543 2 i X ； ∑=1296836 i i Y X ； ∑=539512 2i Y （1）估计销售额对价格的样本回归直线，并解释其结果。 （2）回归直线的判定系数是多少？ ⒑ 已知某地区26年的工农业总产值与货运周转量的数据见下表。试作一元线性回归分析，若下一年计划该地区工农业总产值为8亿元，预测货运周转量。
计量经济学论文 中国商品进口额模型研究 摘要:通过对中国商品进口额及其主要影响因素的数据分析，得到关于中国商品进口额的函数，并用计量经济学的方法，对模型进行检验，探究其增长的规律性，从而使商品进口额成为一个可预测的经济变量。 关键词:计量经济学模型多重共线性异方差性自相关性 一、研究意义 改革开放以来，随着经济的发展，人们生活水平的不断提高，人民日益增长的物质文化需要不断提高，中国的商品进口额发生了很大的变化，进口数额不断上升，从1985年的1257.8亿元到2007年的73284.6亿元。影响中国商品进口额的因素很多，这里选取教材课后练习中的数据，研究中国商品进口额和国民生产总值的数量关系，商品进口额与居民消费价格指数的数量关系，对于探究中国商品进口额增长的规律性，预测商品进口额的发展趋势具有重要意义。 二、因素分析及模型建立 1、因素分析 一国的商品进出口属于对外贸易的内容，一国对外贸易的发展情况对经济增长有着重要影响，影响对外贸易发展的因素有很多，从大的方面来说，主要是世界经济的发展情况和国内经济发展的冷热情况，还有就是一国的对外贸易政策的等因素。有研究显示，对外贸易对一国经济增长的影响主要是进口增长对经济增长有较大的促进作用。这里，对中国商品进口额的研究，主要选取国内生产总值和居民消费价格指数，国内生产总值和居民消费价格指数说明了一国的经济发展情况。经济的发展，居民的生活水平得到了提高，居民对国外商品的需求也增大，所以，对这两个因素对进口额的影响有一定的参考意义。 2、变量选取与模型建立 这里选取“中国商品进口额”为被解释变量，用Y表示，选“国内生产总值”、“居民消费价格指数”为解释变量，分别用X1、X2表示。所以，模型假定为 LnY=β0+β1㏑X1 +β2㏑X2 + μ 其中u为随机误差项。 下表为1985——2007年中国商品进口额、国内生产总值、居民你消费价格
第一章绪论 1、什么是计量经济学？由哪三组组成？ 答：计量经济学是经济学的一个分支学科，是以揭示经济活动中客观存在的数量关系为内容的分支学科。 统计学、经济理论和数学三者结合起来便构成了计量经济学。 2、计量经济学的内容体系，重点是理论计量和应用计量和经典计量经济学理论方法方面的特 征 答：1）广义计量经济学和狭义计量经济学 2）初、中、高级计量经济学3）理论计量经济学和应用计量经济 理论计量经济学是以介绍、研究计量经济学的理论与方法为主要内容，侧重于理论与方法的数学证明与推导，与数理统计联系极为密切。除了介绍计量经济模型的数学理论基础、普遍应用的计量经济模型的参数估计方法与检验方法外，还研究特殊模型的估计方法与检验方法，应用了广泛的数学知识。 应用计量经济学则以建立与应用计量经济学模型为主要内容，强调应用模型的经济学和经济统计学基础，侧重于建立与应用模型过程中实际问题的处理。本课程是二者的结合。 4）、经典计量经济学和非经典计量经济学 经典计量经济学（Classical Econometrics）一般指20世纪70年代以前发展并广泛应用的计量经济学。 经典计量经济学在理论方法方面特征是： ⑴模型类型—随机模型； ⑵模型导向—理论导向； ⑶模型结构—线性或者可以化为线性，因果分析，解释变量具有同等地位，模型具有明
确的形式和参数； ⑷数据类型—以时间序列数据或者截面数据为样本，被解释变量为服从正态分布的连续随机变量； ⑸估计方法—仅利用样本信息，采用最小二乘方法或者最大似然方法估计模型。 经典计量经济学在应用方面的特征是： ⑴应用模型方法论基础—实证分析、经验分析、归纳； ⑵应用模型的功能—结构分析、政策评价、经济预测、理论检验与发展； ⑶应用模型的领域—传统的应用领域，例如生产、需求、消费、投资、货币需求，以及宏观经济等。 5）、微观计量经济学和宏观计量经济学 3、为什么说计量经济学是经济学的一个分支？（4点和综述） 答：（1）、从计量经济学的定义看 （2）、从计量经济学在西方国家经济学科中的地位看 （3）、从计量经济学与数理统计学的区别看 （4）、从建立与应用计量经济学模型的全过程看 综上所述，计量经济学是一门经济学科，而不是应用数学或其他。 4、理论模型的设计主要包含三部分工作，即选择变量，确定变量之间的数学关系，拟定模型 中待估计参数的数值范围。 5、常用的样本数据：时间序列，截面，面板（虚变量数据是错的，改为面板数据。主要要求时间数据序列数据和截面数据） 答：1、时间序列是一批按照时间先后排列的统计数据。 要注意问题：
中国经济增长影响因素实证分析 摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。本文采用经济增长模型和多元线性回归分析方法对1980～2010年中国经济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。 关键词：消费、投资、经济增长、劳动力，实证分析
一、文献综述 （一）经济增长理论 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 （二）影响因素的分析 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有全世界近1/4 的人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主导因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。
计量经济学模型分析论文 工商101
我国城镇居民储蓄存款影响因素的实证分析 摘要：近年来,随着中国经济的飞速发展,一直保持在高水平上的中国储蓄率受到了越来越多国内外经济学家的关注。高储蓄率给我国经济发展带来充裕资金来源,是支持经济快速增长的重要因素。更为重要的是,源源不断的资金流保证了金融机构的流动性,增强了银行的稳定性。与此同时,也给我国经济发展带来前所未有的挑战，因为，过高的储蓄,必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析,才能在制定宏观政策上采取适当的措施,使储蓄率保持在一个适当的水平,促进经济增长。本文利用我国1982年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型。通过对该模型的经济含义分析可以得出可支配收入率对储蓄率的影响不大，还有利率对储蓄率的影响很小，值得注意的是，模型中的基尼系数对城镇居民的储蓄影响是相当大的。
引言(提出问题) 自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。 据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即（MPK－δ），约为0.9%。我国的资本收益(MPK－δ)＝每年0.9％，大大低于经济的平均增长率（ｎ＋ｇ＝9％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。 那应该如何降低我国的储蓄率呢？下面我们将以城镇居民的数据为例进行分析。
一、单项选择题 4．横截面数据是指（A）。 A．同一时点上不同统计单位相同统计指标组成的数据 B．同一时点上相同统计单位相同统计指标组成的数据 C．同一时点上相同统计单位不同统计指标组成的数据 D．同一时点上不同统计单位不同统计指标组成的数据 5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（C）。 A．时期数据B．混合数据C．时间序列数据D．横截面数据9．下面属于横截面数据的是（ D ）。 A．1991－2003年各年某地区20个乡镇企业的平均工业产值 B．1991－2003年各年某地区20个乡镇企业各镇的工业产值 C．某年某地区20个乡镇工业产值的合计数 D．某年某地区20个乡镇各镇的工业产值 10．经济计量分析工作的基本步骤是（ A ）。 A．设定理论模型→收集样本资料→估计模型参数→检验模型 B．设定模型→估计参数→检验模型→应用模型 C．个体设计→总体估计→估计模型→应用模型 D．确定模型导向→确定变量及方程式→估计模型→应用模型 13．同一统计指标按时间顺序记录的数据列称为（ B ）。 A．横截面数据B．时间序列数据C．修匀数据D．原始数据14．计量经济模型的基本应用领域有（ A ）。 A．结构分析、经济预测、政策评价B．弹性分析、乘数分析、政策模拟 C．消费需求分析、生产技术分析、D．季度分析、年度分析、中长期分析
18．表示x 和y 之间真实线性关系的是（ C ）。 A ．01???t t Y X ββ=+ B ．01()t t E Y X ββ=+ C ．01t t t Y X u ββ=++ D ．01t t Y X ββ=+ 19．参数β的估计量?β具备有效性是指（ B ）。 A ．?var ()=0β B ．?var ()β为最小 C ．?()0ββ－＝ D ．?()ββ－为最小 25．对回归模型i 01i i Y X u ββ+＝＋进行检验时，通常假定i u 服从（ C ）。 A ．2i N 0) σ（， B ． t(n-2) C ．2N 0)σ（， D ．t(n) 26．以Y 表示实际观测值，?Y 表示回归估计值，则普通最小二乘法估计参数的准则是使（ D ）。 A ．i i ?Y Y 0∑（－）＝ B ．2i i ?Y Y 0∑（－）＝ C ．i i ?Y Y ∑（－）＝最小 D ．2i i ?Y Y ∑（－）＝最小 27．设Y 表示实际观测值，?Y 表示OLS 估计回归值，则下列哪项成立（ D ）。 A ．?Y Y ＝ B ．?Y Y ＝ C ．?Y Y ＝ D ．?Y Y ＝ 28．用OLS 估计经典线性模型i 01i i Y X u ββ+＝＋，则样本回归直线通过点___D______。 A ．X Y （，） B ． ?X Y （，） C ．?X Y （，） D ．X Y （，） 29．以Y 表示实际观测值，?Y 表示OLS 估计回归值，则用OLS 得到的样本回归直线i 01i ???Y X ββ+＝满足（ A ）。 A ．i i ?Y Y 0∑（－）＝ B ．2i i Y Y 0∑（－）＝ C ． 2i i ?Y Y 0∑（－）＝ D ．2i i ?Y Y 0∑（－）＝ 30．用一组有30个观测值的样本估计模型i 01i i Y X u ββ+＝＋，在0.05的显著性水平下对1β的显著性作t 检验，则1β显著地不等于零的条件是其统计量t 大于（ D ）。 A ．t 0.05(30) B ．t 0.025(30) C ．t 0.05(28) D ．t 0.025(28) 31．已知某一直线回归方程的决定系数为0.64，则解释变量与被解释变量间的线性相关系数为（ B ）。 A ．0.64 B ．0.8 C ．0.4 D ．0.32
中国外汇储备的计量模型 一个国家的中央银行和其他政府机构所掌握和能支配和外汇总额称为这个国家的外汇储备。而外汇则是指一国对外结算所使用的外国货币（外币现金）或以外国货币表示的支付凭证。这些凭证包括以外币支付的支票，汇票，期票，息票和其他有价证券，以及其他可在国外兑换的凭证。 外汇储备是我国国际储备的主要形式。我国外汇储备规模在1980年以后有了很大的增长，促进了宏观经济的稳定和发展。 一、我国外汇储备的规模变化 1978年以前，我国外汇储备年平均只有5亿美元左右，数量很少。国家实行的是封闭 经济条件下的计划经济，不倾向对外举债，也不吸引外资流入，对外贸易往来很少，外汇储备的积累非常有限。当时国家实行“量入为出，以收定支、收支平衡、略有节余”的外汇政策，所以，国家外汇结存只有很小的余额。 （1）1979——1993年外汇储备变化 这一时期外汇储备开始增长，由于宏观经济管理的失控，外汇储备出现了大起大落情况。1981年，外汇储备数量为27亿美圆。1983年，由于实行外汇留成制度和贸易外汇内部结算价，刺激了出口，使外汇储备增加较快，达到89亿。1985年后，经济出现过热现象，进猛增，出口增长放慢。1989年和1990年，为促进经济回升，国家曾两次下调人民币汇率，推动出口增长，同时资本流入继续平稳增长。到1991年外汇储备翻了两翻，从55.5亿美圆增加到217亿美圆。 （2）1994年外汇体制改革。 1994年，国家大幅度推进外汇体制改革，使外汇储备迅速增长。国际收支连年顺差， 外汇储备成倍增加。外汇储备从1993年的212亿美圆激增到1997年的1398亿美圆。这一点 也可从数据的变化中看出。 （3）总体分析 我国外汇储备的超常快速增加，在一定程度上也反映了现行汇率体制条件下，中央银行对外汇储备丧失实际控制权，外汇储备的快速增长具有明显的被动性。在1994年外汇体制改革前有很大部分外汇余额以留存形式存在，作为单位外汇存款。改革后，由于取消外汇留成，进出口用汇和收汇全部采用银行销售汇，同时国家对外汇指定银行的结算周转余额实行幅度比例管理，多余头寸，必须到中国外汇交易中心卖出，当外汇供大于求，央行就必须全部吃进多余外汇，这成为近年来我国外汇储备增长的一个明显特征。 二、我国合理的外汇储备量的数学模型 （1）中国外汇储备规模理论函数的前提假设 本文将使用多元回归与相关分析的计量方法建立我国外汇储备规模的函数，对我国外汇储备规模进行分析。回归法对储备规模的分析是根据以往的一些数据得出当时储备的变动模式，所以可假定过去时期内储备是适度的，而且储备的适度性在过去的变动趋势也适用于将来的情况。 （2）建立我国外汇储备规模函数应该考虑的变量 第一，进口水平。进口水平的提高，将导致储备持有额的下降，进口水平与外汇储备 - 1 -
第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y
二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31
计量经济学分析模型
摘要 改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。并找到影响居民消费的主要因素。 关键词：居民消费；城镇居民；回归；Eviews
目录 摘要.................................................................. II 前言. (1) 1 问题的提出 (2) 2 经济理论陈述 (3) 2.1西方经济学中有关理论假说 (3) 2.2有关消费结构对居民消费影响的理论 (4) 3 相关数据收集 (6) 4 计量经济模型的建立 (9) 5 模型的求解和检验 (10) 5.1计量经济的检验 (10) 5.1.1模型的回归分析 (10) 5.1.2拟合优度检验： (11) 5.1.3 F检验 (11) 5.1.4 T检验 (12) 5.2 计量修正模型检验： (12) 5.2.1 Y与的一元回归 (13) 5.2.2拟合优度的检验 (13) 5.2.3 F检验 (14) 5.2.4 T检验： (15) 5.3经济意义的分析: (15) 6 政策建议 (16) 结论 (17) 参考文献 (19)
课本中相关章节的证明过程 第2章有关的证明过程 2.1 一元线性回归模型 有一元线性回归模型为：y t = β0 + β1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量（因变量），x t称解释变量（自变量），u t称随机误差项，β0称常数项，β1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(y t) = β0 + β1 x t, （2）随机部分，u t。 图2.8 真实的回归直线 这种模型可以赋予各种实际意义，收入与支出的关系；如脉搏与血压的关系；商品价格与供给量的关系；文件容量与保存时间的关系；林区木材采伐量与木材剩余物的关系；身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。但实际上数据来自各个家庭，来自各个不同收入水平，使其他条件不变成为不可能，所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。随机误差项u t中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。所以，在经济问题上“控制其他因素不变”实际是不可能的。 回归模型的随机误差项中一般包括如下几项内容，（1）非重要解释变量的省略，（2）人的随机行为，（3）数学模型形式欠妥，（4）归并误差（粮食的归并）（5）测量误差等。 回归模型存在两个特点。（1）建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。（2）也正是由于这些假定与抽象，才使我们能够透过复杂的经济现象，深刻认识到该经济过程的本质。
中国商品进口额模型研究 摘要:通过对中国商品进口额及其主要影响因素的数据分析，得到关于中国商品进口额的函数，并用计量经济学的方法，对模型进行检验，探究其增长的规律性，从而使商品进口额成为一个可预测的经济变量。 关键词:计量经济学模型多重共线性异方差性自相关性 一、研究意义 改革开放以来，随着经济的发展，人们生活水平的不断提高，人民日益增长的物质文化需要不断提高，中国的商品进口额发生了很大的变化，进口数额不断上升，从1985年的1257.8亿元到2007年的73284.6亿元。影响中国商品进口额的因素很多，这里选取教材课后练习中的数据，研究中国商品进口额和国民生产总值的数量关系，商品进口额与居民消费价格指数的数量关系，对于探究中国商品进口额增长的规律性，预测商品进口额的发展趋势具有重要意义。 二、因素分析及模型建立 1、因素分析 一国的商品进出口属于对外贸易的内容，一国对外贸易的发展情况对经济增长有着重要影响，影响对外贸易发展的因素有很多，从大的方面来说，主要是世界经济的发展情况和国内经济发展的冷热情况，还有就是一国的对外贸易政策的等因素。有研究显示，对外贸易对一国经济增长的影响主要是进口增长对经济增长有较大的促进作用。这里，对中国商品进口额的研究，主要选取国内生产总值和居民消费价格指数，国内生产总值和居民消费价格指数说明了一国的经济发展情况。经济的发展，居民的生活水平得到了提高，居民对国外商品的需求也增大，所以，对这两个因素对进口额的影响有一定的参考意义。 2、变量选取与模型建立 这里选取“中国商品进口额”为被解释变量，用Y表示，选“国内生产总值”、“居民消费价格指数”为解释变量，分别用X1、X2表示。所以，模型假定为 LnY=β0+β1㏑X1 +β2㏑X2 + μ 其中u为随机误差项。 下表为1985——2007年中国商品进口额、国内生产总值、居民你消费价格
计量经济学案例分析1 一、研究的目的要求 居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2002年全国城市居民家庭平均每人每年消费支出为元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464元，上海是黑龙江的倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。 二、模型设定 我们研究的对象是各地区居民消费的差异。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。因此建立的是2002年截面数据模型。 影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从2002年《中国统计年鉴》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入
第六章 联立方程计量经济学模型案例 1、下面建立一个包含3个方程的中国宏观经济模型，已经判断消费方程式恰好识别的，投资方程是过度识别的。对模型进行估计。样本观测值见表6.1 01211012t t t t t t t t t t t C Y C u I Y u Y I C G αααββ-=+++?? =++??=++? 表6.1 中国宏观经济数据 单位：亿元 （1） 用狭义的工具变量法估计消费方程 选取方程中未包含的先决变量G 作为内生解释变量Y 的工具变量，过程如下：
结果如下： 所以，得到结构参数的工具变量法估计量为： 012???582.27610.2748560.432124α αα===，， （2） 用间接最小二乘法估计消费方程 消费方程中包含的内生变量的简化式方程为： 1011112120211222t t t t t t t t C C G Y C G πππεπππε--=+++?? =+++? 参数关系体系为：
11121210012012122000 παπαπααππαπ--=?? --=??-=? 用普通最小二乘法估计，结果如下： 所以参数估计量为： 101112???1135.937,0.619782, 1.239898π ππ=== 202122???2014.368,0.682750, 4.511084π ππ=== 所以，得到间接最小二乘估计值为： 12122??0.274856?π α π ==
211121????0.432124α παπ=-= 010120????582.2758α παπ=-= （3）用两阶段最小二乘法估计消费方程 第一阶段使用普通最小二乘法估计内生解释变量的简化方程，得到 1?2014.3680.68275 4.511084t t t Y C G -=++ 用Y 的预测值替换消费方程中的Y ，直接用OLS 估计消费方程，过程如下：
我国居民消费水平的变量因素分析 2010级工程管理赵莹 201000271120 改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求扩张成为我国经济高速增长的主要动力，特别是进入20世纪90年代以来，居民消费需求对国民经济发展的影响不断增大，对国民经济产生了拉动作用。我国经济逐步由短缺经济走向过剩经济、由卖方市场转向买方市场，社会消费需求不足，居民消费问题显得更加突出。特别市对于如何启动内需，扩大居民消费变得越来越重要。因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长速度和质量都有重要意义。 我选取了全国1990年-2009年居民消费水平及其影响因素的统计资料，详 一、建立回归模型并进行参数估计 导入数据后得到下表：
表2 由表2可知，模型估计的结果为： 550.78004.0023.0403.0?3 21-+-=X X X Y (0.046) (0.016) (0.006) (50.521) t= (8.743) (-1.442) (0.802) (-1.555) 999564.02=R 999483.02=R F=12239.64 n=20 D.W.=0.9217 二、异方差性的检验 用怀特检验进行异方差性的检验，得出下表：
表3 由表3可知，35292.11n 2 =R ，由怀特检验，在α=0.05的情况下，查可 知92.16905 .02 =）（χ >35292.11n 2=R ，表明模型不存在异方差性。 三、序列相关性的检验 由表2中结果可知D.W.=0.9217，D.W.检验结果表明，在5%的显著性水平下，n=20，k=2，查表得20.1d =L ，41.1d =U ，由于0 计量经济学论文参考题目 本文由论金台论文站工作室整理提供。 中国城镇居民2013年可支配收入分析 中国农业总产值问题的计量分析 中国上市公司现金股利的影响因素分析 在校学生总数变动的多因素分析 GDP与进出口总额的计量分析 有关我国进口商品消费的计量分析 影响我国居民储蓄的相关因素的实证分析 影响我国粮食总产量诸因素分析 影响新股上市定价的因素分析 影响粮食产量的相关因素分析 影响银行卡交易量的因素分析 城市住房均衡价格供求模型 城镇集体单位固定资产投资对国内生产总值的影响分析 城镇人均收入与人均通讯消费分析 江苏省居民消费函数模型 江苏省城镇居民消费模型 江苏省镇居民消费函数模型 影响GDP增长的经济因素分析 影响保费收入的因素分析 影响寿险保费收入的因素分析2 影响江苏省房地产业发展的因素分析 影响我国农业总产值因素的实证分析 影响中国汽车产量的多因素分析 影响人身保险保费收入的重要因素分析 资本结构主要影响因素的再探析 中国经济增长的影响因素实证分析 运用OLS法对参数估计 江苏省城市居民消费函数模型分析 店铺租金的确定 对江苏省房地产市场的实证考察 固定资产投资对江苏省GDP影响分析 固定资产投资的计量经济学模型 关于社会商品零售总额的案例分析 关于封闭式基金价格问题 货币政策与GDP的回归分析. 开放经济下储蓄、投资与贸易余额关系的研究 农业总产值分析 农民收入影响因素研究 外商直接投资FDI与国有企业改革的互动分析 旅游经济分析 我国财政收入与部分支出结构 美国居民消费与可支配收入关系的实证分析 四川省居民消费结构计量分析 我国居民消费增长模型 我国居民消费的因素分析 我国国内债务规模的多元线性分析 我国改革开放以来固定资产投资与GDP关系分析 我国国债发行规模影响因素的分析 我国利用外资与GDP关系我国人均GDP与消费的计量分析我国外汇储备及其影响因素的分析 我国涉外旅游业收入的实证分析 西方消费理论在中国的实证分析 我国私人汽车拥有量分析 影响GDP的因素分析 中国股票内在价值影响因素的实证分析 政府对公共卫生事业的投 中国粮食总产量多因素分析 江苏省城乡居民储蓄存款的计量模型分析 中国对美国进口总额的分析 关于农民人均纯收入的计量经济模型 对江苏省种植业收入模型的初步探索 计量经济学消费——收入模型分析 城镇居民消费水平影响因素浅析 江苏省人力资本存量的现状分析 农民人均收入影响因素分析 浅析我国城市化的影响因素 加工工业产品出厂价格多因素分析 #学术探讨# 现代计量经济学模型体系解析* 李子奈刘亚清 内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。 关键词:经典计量经济学时间序列计量经济学微观计量经济学 一、引言 计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。 据此提出三个问题:一是经典计量经济学的地位问题。既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。 现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。 本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展 ) 22 ) *本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。 计量经济学中相关证明https://www.doczj.com/doc/4415038942.html,work Information Technology Company.2020YEAR 课本中相关章节的证明过程 第2章有关的证明过程 2.1 一元线性回归模型 有一元线性回归模型为：y t = 0 + 1 x t + u t 上式表示变量y t 和x t之间的真实关系。其中y t 称被解释变量（因变量），x t称解释变量（自变量），u t称随机误差项，0称常数项，1称回归系数（通常未知）。上模型可以分为两部分。（1）回归函数部分，E(y t) = 0 + 1 x t,（2）随机部分，u t。 图2.8 真实的回归直线 这种模型可以赋予各种实际意义，收入与支出的关系；如脉搏与血压的关系；商品价格与供给量的关系；文件容量与保存时间的关系；林区木材采伐量与木材剩余物的关系；身高与体重的关系等。 以收入与支出的关系为例。 假设固定对一个家庭进行观察，随着收入水平的不同，与支出呈线性函数关系。但实际上数据来自各个家庭，来自各个不同收入水平，使其他条件不变成为不可能，所以由数据得到的散点图不在一条直线上（不呈函数关系），而是散在直线周围，服从统计关系。随机误差项u t中可能包括家庭人口数不同，消费习惯不同，不同地域的消费指数不同，不同家庭的外来收入不同等因素。所以，在经济问题上“控制其他因素不变”实际是不可能的。 回归模型的随机误差项中一般包括如下几项内容，（1）非重要解释变量的省略，（2）人的随机行为，（3）数学模型形式欠妥，（4）归并误差（粮食的归并）（5）测量误差等。 回归模型存在两个特点。（1）建立在某些假定条件不变前提下抽象出来的回归函数不能百分之百地再现所研究的经济过程。（2）也正是由于这些假定与抽象，才使我们能够透过复杂的经济现象，深刻认识到该经济过程的本质。 通常，线性回归函数E(y t) = 0 + 1 x t是观察不到的，利用样本得到的只是对E(y t) = 0 + 1 x t 的估计，即对0和1的估计。 在对回归函数进行估计之前应该对随机误差项u t做出如下假定。 (1) u t 是一个随机变量，u t 的取值服从概率分布。 (2) E(u t) = 0。 (3) D(u t) = E[u t - E(u t) ]2 = E(u t)2 = 2。称u i 具有同方差性。 (4) u t 为正态分布（根据中心极限定理）。以上四个假定可作如下表达：u t N (0,)。 课程论文 题目分析我国城镇居民消费支出对GDP的影响学院数学与统计学院 专业经济统计学 班级2013级经济统计一班 学生姓名 指导教师孙荣 职称副教授 2015 年12 月24 日 重庆工商大学课程论文成绩评定表 指导教师评定成绩： 指导教师签名： 年月日 分析城镇居民消费支出对GDP的影响 [摘要]：为了更深入地研究居民消费对GDP的影响，而不是仅仅笼统的了解居民消费对GDP有影响,本文从居民消费用途分类对GDP影响进行分析，。文章指出应该从消费用途方面分析居民消费对GDP的影响。政府可以根据此分析结果对居民消费结构进行调整，提高GDP，促进经济发展。 [关键字]：GDP 消费用途城镇居民消费支出 引言 （一）研究背景 拉动经济发展的“三驾马车”是：消费，投资，进出口。在中国，存在其他国家都不能相比的巨大的消费市场。大家都知道，因为人多。大多数研究在分析居民消费对GDP的影响时，仅仅分析表面，并没有对消费进行彻底的分析。内需才是提高GDP切实可行之路，所以本文将居民消费按照用途分类，更深入的研究消费中各种用途对GDP的影响。这样能够更加清晰的理解居民消费对GDP的具体影响，给政府提高国内生产总值提供参考性建议。同时还可以根据本文分析结果对居民消费结构进行适当的调整，了解居民消费需求，实现供求平衡，拉动经济的增长。 （二）理论依据 根据支出法计算国内生产总值，GDP=最终消费支出+资本形成总额+货物净出口，其中的最终消费支出=居民个人消费支出+社会公共消费支出，本文将居民消费支出按照户口分为城镇居民消费支出与农村居民消费支出，进而再继续分类，按照用途分类，将居民消费支出分为八大类，分别是食品、衣着、家庭设备用品及维修服务、医疗保健、交通通信、文娱教育及服务、居住、其他商品和服务。本文根据这八类居民消费分类对GDP的影响进行深入研究。（三）研究意义 将消费按照用途分类，能够深入的了解到每一类型的消费需求对GDP的影响，用Eviews 软件进行定量分析之后，我们就能够更具体的了解到居民消费对GDP的影响，对政府进行消费结构调整能够提供有价值的建议，或者对于提高内需，拉动经济增长，能够提供可靠性的依据，不在只是依赖定性分析进行决策，而是利用更加科学可靠的定量分析进行相关决策。 一、居民消费对国内生产总值的影响 居民消费支出可以看做是消费需求一部分，消费需求的增长对经济增长的拉动作用，可以从两方面进行分析：（1）消费需求弹性分析。消费需求弹性系数是一个较为具体的地反应需求对经济增长的影响或制约性分析指标。它是经济增长率与消费需求增长率之比，说明需求没增长1个百分点能够带动经济增长比例关系。（2）消费需求贡献分析。从市场消费需求增长变化对经济增长的实际效果来分析，消费需求在多大的程度上推动了经济增长。 二、深入分析居民消费对国内生产总值的影响 本文利用Eviews软件深入分析居民消费对国内生产总值的影响。将居民消费按照八个分计量经济学论文参考题目
现代计量经济学模型体系解析
计量经济学中相关证明
计量经济学课程论文(最终版)
相关主题
文本预览