Eviews7.2 金融论文计量教学
根据我以往写论文所用到的检验方法，特别总结出这篇《如何用EViews计量软件帮金融类论文建模分析》，其中有基本操作、单位根检验、VAR模型估计、格兰杰因果关系检验、脉冲响应分析以及方差分解。希望能够帮助有这方面需求的同学们排难解疑。
关键词：单位根 VAR Granger 脉冲响应方差分解
目录
一、录入数据 (2)
二、取对数 (7)
三、单位根检验 (8)
四、VAR模型 (13)
五、格兰杰因果关系检验 (18)
六、脉冲响应 (20)
七、方差分解 (22)
一、录入数据
写金融类论文，常常会用到股市的日数据，而股市是一周5天制的时间序列数据，因此，一般按照（很多事实证明一般都是错的）下面这样创建文件，File—New--Workfile如图1-1
图1-1
然后录入数据：打开Quick—Empty Group,从Excel文档直接复制粘贴到下面数据录入窗口，如图1-2
图1-2
再然后，我们会发现，数据和样本区间不一致，如下图1-3：
图1-3
相信不少同学在这里就抓狂了，尼玛这EViews咋这么难啊！！！
这是因为股市日数据属于不规则类型的时间序列数据即非规日期数据，关于这类数据如何导入到EViews软件中的问题，相信很多写论文的同学们遇到过，下面将为同学们介绍正确的导入不规则时间序列数据的方法。
首先，创建一个新的Excel文档，把想录入的数据依列排好，注意A列就是数据的日期，后面才是选用的样本数据，而第一行是各数据的英文缩写。如下图1-4所示：
图1-4
然后保存文档，例如：另存为：桌面/Book1.xlsx（注意关闭该Excel 文档，文档处于打开状态将影响下面的导入数据步骤）
其次，打开EViews点击左上角的File—Open—Foreign Data as
Workfile，如下图1-5所示：
图1-5
选中桌面/Book1.xlsx，点击打开，就出现下图1-6的情况：
图1-6
接下来，直接点击完成，就出现下图1-7：
图1-7
然后，双击Range
最后一步，在弹出的对话框中选择Dated-specificed by date series,这是eviews为我们提供的处理非规日期数据的工具。在Date Series
中输入你导入的数据中属于日期的列名。在这里我们的日期列名为：t.这样整个输入过程就大功告成了。如下图1-8所示：
图1-8
我用的是EViews 7.2版本的软件，通常双击Range后，就出现上图的情况，意味着，软件已帮你处理好非规日期数据，不用进行最后一步。
二、取对数
对变量的数据取对数，以消除异方差，即LnY=log(Y)
有些同学忘记怎么取对数的操作，这里也为您介绍一下取对数的方法，如图：
mp是我的一个变量，把mp的数据取对数，输入lnmp=log(mp),点OK 就行了。
三、单位根检验
单位根检验就是关于变量的平稳性检验，只有平稳的变量才能做OLS模型估计或VAR模型估计等估计方法。单位根检验很简单，制药耐心阅读，跟着我的步骤走就行。
步骤一：把你要进行单位根检验的变量，这里是LNMP，用鼠标左键双击，显示出变量的数据窗口，如下图3-1：
图3-1 打开变量数据窗口
上图左上角有一个“View”按钮，点击View—Unit root test, 如图：
图3-2 单位根检验窗口
步骤二：窗口有四个框框，分为四个部分：
第一部分为Test type，是检验方法的选择，常默认为ADF检验；
第二部分为Test for unit root in，是检验的序列选择，有三个选择，包括原序列（Level）、一次差分序列（1st difference）、二次差分序列（2nd difference）三项，最先开始选择Level；
第三部分为Include in test equation，是选择模型的形式，包括带截距项（Intercept）、带时间趋势项和截距项（Trend and intercept）、上述两者都不带（None），最先开始选择Trend and intercept；
第四部分为Lag length，是滞后期的选择，包括自动选择(Automatic selection)和自己填充数据（User specified）,这里只选择User specified，在空白处填写1，选择滞后1阶。
点击OK，如图3-3：三步走，逐渐确定正确的选择，得到平稳性的序列。
图3-3 原序列单位根检验结果
（一）先看下面红色框框（确定第三部分的选择，确定对的选择），看到C（截距项）的P值和TREND（时间趋势项）的P值都小于0.05，结果保留（即第三部分选择Trend and intercept是对的），如果两个中有P值大于0.05的，则说明检验形式不对，返回图4-2，在第三部分选择Intercept，这时，下面红色框框不会出现TREND，如果C的P值是小于0.05的，结果保留（即第三部分选择Intercept是对的），反之则返回图4-2，第三部分选择None,意味着不用看下面红色框框啦。第三部分任务完成
（二）再看D.W.值是否接近2（确定第四部分的选择），一般经验在1.8在2.1之间，结果是，说明第四部分的空白处填写1是对的，如果不是，则要回到图4-2，在第四部分的空白处填写数字2（或3、4….很少超过3），以此类推，直到接近于2，则第四部分任务完成。
（三）最后看上面红色框框（第二部分的选择，确定完之后，这个序列就是平稳的啦），如何确定对的选择呢，就是将ADF的t统计值-16.71870与5% level 的t统计值-3.413135，发现，-16.71870小于-3.413135，说明，原序列是平稳的，第二部分选择Level是对的。如果ADF的t统计值是大于5%level的t统计值，说明原序列level是不平稳的，至少有一个单位根。需要回到图4-2，在第二部分选择一次差分序列（1st difference），第三部分选择Trend and intercept，第四部分空白处填写1，开始上述（一）（二）（三）的检验，对，你没看错，就是从头再来，这个过程中，第二部分都是选择1st difference，
称为一次差分序列的平稳性检验，如果一次差分序列还是不平稳，同理，做二次差分序列（2nd difference）的平稳性检验，一般经济序列都是一个或者不超过2个单位根，所以一般做2nd difference序列检验就有结果了。（软件也没3nd序列检验）
现在再来看看上图3-3原序列单位根检验结果，按照三步走，很容易就看出它是平稳的，说明LNMP是()0
I（服从原序列平稳的过程）的。
以此类推，求出各个变量的平稳结果，在论文中的表示结果如下图3-4所示：
图3-4 平稳性结果表示图
到此为止，单位根检验的全部过程以及如何将检验结果放到学术论文里面的说明演示完毕。
PS:做完了单位根检验，同学们会发现。计量模型其实很好做，学会一种原先认为非常复杂和摸不着头脑的知识是令人兴奋的。下面的讲解我会直接放图，少点讲解，相信大家能更好地理解和运用。
四、VAR模型
在建立VAR模型之前，先要确定滞后阶数，直接用EViews软件就可以自动求出来：
按Ctrl键，依次点击被解释变量和各个解释变量，右键—Open—as VAR打开VAR估计模型，如图4-1、4-2、4-3：
图4-1
图4-2
图4-3 VAR模型
为确认滞后阶数，先打开VAR模型，然后，左上角的View—Lag Structure—Lag Length Criteria，如下图4-4：
图4-4
默认8，点OK，出现下图4-5：
图4-5
如上图所示，LR、FPE、AIC、SC、HQ，五个标准都选出了最优滞后阶数，带*号的就是最优滞后阶数，一般根据AIC或SC准则来判断最优滞后阶数，如果如上图所示，最优是8阶，太大了，那么可以根据经验来选取滞后阶数，一般滞后二阶就可以取得较好的结果。
选取滞后二阶来建议VAR模型，回到图4-2，
这里就是选择VAR模型滞后阶数的框框，把2去掉填写上数字X，就是滞后X阶，这里我们选择2阶。如图4-6：
图4-6 VAR(2)估计
上图是结果，把结果写入VAR模型估计方程，是这样写的，如图4-7：
图4-7 VAR模型估计结果
然后对VAR模型的稳定性进行检验，直接用VAR的AR根图，来检验其是否满足稳定性，如果方程的所有根的倒数都在单位圆，表明VAR系统是稳定的。
回到图4-6，左上角，View--Lag Structure—AR roots Graph,如图4-8、4-9所示。
图4-8
图4-9 LNMP、LNSS对VOL影响的AR根图
五、格兰杰因果关系检验
格兰杰因果关系检验也需要确定滞后阶数，一般需要做VAR模型用AIC或者SC准则确认的滞后阶数，上述VAR模型用AIC或者SC准则确认的滞后阶数，就可以用到这里来了，我们选择2阶（经验的数字就是理论常做的结果）。
首先，打开各变量的数据窗口，如图5-1所示：
图5-1 显示变量的数据
点击左上角View—Granger causality，选择滞后2阶，就是格兰杰因果关系检验，如图5-2、5-3所示：
图5-2
图5-3 格兰杰检验结果
左边是原假设，右边是P值，P值小于0.05则拒绝原假设。
六、脉冲响应
回到图4-3
学生姓名：何雨芹 学号：41108065 学校：西南财经大学 课程：金融统计分析
我国银行间同业拆借市场利率风险度量——基于VaR模型的实证研究 摘要 本文利用VaR模型通过2013年1月4日至2014年10月30日我国银行间 同业拆借市场每日加权平均利率进行实证研究，建立了基于GARCH模型的我国银行间同业拆借市场利率风险测度GARCH族模型（GARCH(1，1)/TARCH(1，1)/EGARCH(1，1)）,得出以下结论: t分布不适合描述我国银行间同业拆借利率 序列的分布状况,广义误差分布能较好刻画我国银行间同业拆借利率序列的分布；根据样本数据，现阶段我国银行间同业拆借利率风险也较低。 关键词：VaR模型同业市场拆借利率GARCH族模型
一、文献综述 同业拆借市场是金融机构之间进行短期、临时性头寸调剂的市场，是货币市场的重要组成部分。1996年以来, 我国银行同业拆借市场在中国人民银行的监督管理下稳步发展, 目前已形成全国统一的银行同业拆借市场格局，生成了全国统一的中国银行间同业拆借利率(China inter -bank offered rate,CHIBOR)，它是我国货币市场最早市场化的利率，也是目前唯一直接的市场利率，能够十分灵敏的反应市场上货币资金的供求状况，因此可视为我国货币市场上的基准利率。 随着利率市场化的深人，利率结构体系的完善和合理，我国金融市场的成熟，金融衍生工具的丰富，各商业银行在利率风险管理方面经验的逐渐成熟。商业银行可以逐步向先进的利率风险度量模型演进。从而跟国际先进风险管理水平接轨，增强自身的市场竞争力和抵御风险的能力。而银行间同业拆借是我国利率市场化改革的前沿阵地，银行间同业拆借市场利率市场化改革始于1996年，同业拆借利率市场化程度已经较高，具备了运用VaR模型的客观条件。再加上VaR模型已经是一个比较成熟的模型，用它来研究我国银行间同业拆借市场应当是有一定研究价值的。 VaR模型源自马科维兹于1952 年创立的基本均值—方差模型，蒂尔.古尔迪曼被视为“风险价值”这一术语的创立者，该理论一经提出就迅速得到学者的关注。国外已有很成熟的关于V aR的理论研究和实证研究，Jeremy Berkowitz（1999）提出了新的评价VaR的方法，Tean-Philippe Bouchaud和Marc Poters（1999）提出了如何利用金融资产波动的正态性去简化计算复杂的非线性组合VaR；大部分学者在计算风险价值VaR值时，都以金融时间序列数据服从正态分布和无条件方差为假设前提，但是大量的实证研究表明，金融时间序列数据并不严格符合这一假定，为了解决这一问题，随着研究的不断深入，又有学者提出了半参数模型和广义条件异方差模型（GARCH模型）等模型，大大丰富了VaR的计算方法。Kees Koedijk（2001）将V aR风险管理模型应用于资产组合选择和资本资产定价，并指出由于资产组合收益率呈现出尖峰肥尾的特征，这会导致传统的均值-方差模型存在低估风险资产组合所面临的风险，可能会导致投资风险。 在国内，近几年关于VaR的实证研究已经越来越丰富和深入，早在2000年初，国内就有学者王春峰、万海辉和李刚指出用蒙特卡洛模拟法计算VaR值所存在的缺陷，并提出基于马尔科夫链蒙特卡洛的计算方法。之后也有一批学者相继提出了对VaR计算方法的改进，同时，VaR方法的应用研究开始受到重视。杜海涛（2000）在《VaR方法在证券风险管理中的应用》一文中在市场指数风险度量、单个证券的风险度量、基金管理人员绩效评价及确定配股价格等方面运用了VaR方法。他认为沪深两市的指数。单个证券、投资基金的收益都服从正态分布，在这一前提下去计算资产的VaR值并进行模型检验，得出了较好的结果。以他的研究为代表，早期的关于VaR的实证研究多集中在证券市场。迄今为止，将VaR方法运用于银行间同业拆借市场的研究还不太丰富，但就我刚才所说，在我国面临重大金融市场改革的前提下，银行间的同业市场越来越重要，对它进行风险度量分析时非常必要的。 现有研究下，郑尧天和杜子平（2007）选择隔夜拆借利率为研究对象并分别用组合正态VaR方法和蒙特卡罗模拟法对其进行建模，经后验区间检验发现蒙特卡罗模拟法的估计结果更为理想；冯科和王德全（2009）以2002年6月4日至2009年3月31日期间我国银行同业拆借利率为研究对象分别建立了隔夜拆借和7天拆借品种的预测模型，并度量了其利率风险。得出通过选择适当滞后阶数的ARMA-GARCH类模型，可以有效地刻画同业拆借利率的动态特性：t-分布和g-分布下的模型能更好地捕捉同业拆借利率序列的尖峰厚尾性，同业拆借利率存在显著的自相关性、风险溢价效应和波动的反杠杆效应，即利率上升时的波动更
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
Eviews7.2 金融论文计量教学 根据我以往写论文所用到的检验方法，特别总结出这篇《如何用EViews计量软件帮金融类论文建模分析》，其中有基本操作、单位根检验、VAR模型估计、格兰杰因果关系检验、脉冲响应分析以及方差分解。希望能够帮助有这方面需求的同学们排难解疑。 关键词：单位根 VAR Granger 脉冲响应方差分解 目录 一、录入数据 (2) 二、取对数 (7) 三、单位根检验 (8) 四、VAR模型 (13) 五、格兰杰因果关系检验 (18) 六、脉冲响应 (20) 七、方差分解 (22)
一、录入数据 写金融类论文，常常会用到股市的日数据，而股市是一周5天制的时间序列数据，因此，一般按照（很多事实证明一般都是错的）下面这样创建文件，File—New--Workfile如图1-1 图1-1 然后录入数据：打开Quick—Empty Group,从Excel文档直接复制粘贴到下面数据录入窗口，如图1-2
图1-2 再然后，我们会发现，数据和样本区间不一致，如下图1-3： 图1-3 相信不少同学在这里就抓狂了，尼玛这EViews咋这么难啊！！！
这是因为股市日数据属于不规则类型的时间序列数据即非规范日期数据，关于这类数据如何导入到EViews软件中的问题，相信很多写论文的同学们遇到过，下面将为同学们介绍正确的导入不规则时间序列数据的方法。 首先，创建一个新的Excel文档，把想录入的数据依列排好，注意A列就是数据的日期，后面才是选用的样本数据，而第一行是各数据的英文缩写。如下图1-4所示： 图1-4 然后保存文档，例如：另存为：桌面/Book1.xlsx（注意关闭该Excel 文档，文档处于打开状态将影响下面的导入数据步骤） 其次，打开EViews点击左上角的File—Open—Foreign Data as
我国旅游收入的计量分析 一、经济理论陈述 在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了2X国内旅游人数，3X入境旅游人数。这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。 另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费。 旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。
在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了6X公路长度和7X铁路长度这两个解释变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在6X的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。 二、相关数据 三、计量经济模型的建立 Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ 我们建立了下述的一般模型：
证券投资分析论文 （1）基本面分析 公司背景： 中国国旅成立于2008年3月28日,所属地区是北京，是根据国务院国资委《关于中国国旅集团有限公司整体重组改制并境内上市的批复》(国资改革[2008]184号│)、《关于中国国旅股份有限公司国有股权管理有关问题的批复》(国│资产权[2008]305号)以及《关于设立中国国旅股份有限公司的批复》(国资[2008]320号),由国旅集团以旅行社和免税业务相关资产整体重组改制,联合华侨城集团共同发起设立的股份有限公司.国旅集团以经核准后的旅行社和免税业务等相关资产85,358.33万元人民币作为出资,华侨城集团以现金15,519.70万元人民币作为出资,按照约6其余34,878.03万元人民币计入资本公积.股份公司设立后,国旅集团持有55,846.15万股,约占股份公司股本总额的84.62%;华侨城集团持有10,153.85万股,约占股份公司股本总额的15.38%. 公司简介：
经营范围： 旅游服务及旅游商品相关项目的投资与管理,旅游服务配套设施的开发、改造与经营，旅游产业研究与咨询服务。 主营业务： 旅行社业务和免税业务 股票发与上市概况：
股本结构：
当前我国旅游业的基本概况和发展机遇： 我国拥有丰富的旅游资源，疆域辽阔，既有风景秀丽的江南水乡，也有粗犷豪迈的西北风情；我国拥有悠久的历史文化，目前已经公布了99个国家级历史文化古城，长城、故宫、颐和园等已经被列入世界文化遗产名录；我国还是一个拥有多个民族的国家，各个民族的习俗和风情很容易使人产生很强烈的向往之情。所有这些，都为我国旅游业的发展奠定了一个良好的基础。不过，我国旅游业发展的起步较晚，真正的发展应该是在改革开放以后，在这20年里，我国的旅游业得到了长远的发展。无论是入境和出境旅游人数、旅游收入、还是旅游在世界旅游市场中的地位，都得到了很大的发展和提高。2000年我国接待入境过夜旅游人数达3122.88万人次，旅游外汇收入则达到162.24亿美元，国际排名分别为第5和
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。
货币与金融统计分析论文报告 人民币国际化：在岸市场与离岸市场的联系 IMF工作报告（发表于2012年5月）一、总述 在新兴市场货币中，人民币是最有潜力成为广泛使用的国际货币的，这是因为中国巨大的经济规模、多样化的贸易结构和贸易网络、宏观经济的稳定性、目前以及预期的高经济增长率。然而，由于对资本流动的极端限制，国外能得到以人民币计价的资产作为国际储备的机会仍然有限。同时，由于人民币贸易结算以及由中国政府和公司发行的人民币债券规模迅速增加，香港特别行政区创造了在岸（CNY）与离岸（CNH）人民币之间的回流渠道。本文使用了一个双变量的GARCH模型来研究在岸与离岸市场的内在联系，并发现，尽管在岸即期市场的发展对离岸即期市场有影响，离岸远期汇率对在岸远期汇率有预测作用。本文也发现两个市场间的波动溢出效应。接下来，随着离岸市场的进一步发展，溢出渠道也有望增加。 （Tips：波动溢出效应——值溢出和波动溢出都指可以被人们观察到的金融市场间（包括跨国间的同一类金融市场与一国内的不同金融市场，当然还包括跨国间的不同金融市场）的信息传导现象。按照金融市场的强有效市场假说，任何与金融市场有关的信息都会在最快的时间内同时被所有金融市场所消化，并反映在价格水平上，也就是说每个金融市场的价格都会遵循随机游走的规律，而市场回报可表现出白噪声。金融市场间并不应存在溢出效应，因为所有信息会在同一时刻被所有市场吸收。但通过众多学者研究发现，溢出效应是存在的，信息是可以被观察出跨市场传导的。 为了研究的方便，这种溢出效应被人为分解为两种类型：均值溢出和波动溢出。均值溢出一般指一个市场价格或回报的变动对其它市场产生的影响，这种影响有正负之分，例如利率上升会引致股票价格下降。而波动溢出则是指一个市场波动的变化（一般用方差来衡量波动）对其它市场产生的影响，这种影响无正负，而只有大小之分。 在实证研究中，学者一般喜欢用VAR和GARCH模型分别表示均值溢出和波动溢出，即VAR系数反映了均值水平（或称做一阶矩水平）的市场间相互作用，而GARCH系数反映了波动水平（或称二阶矩水平）的市场间相互作用。） 二、文章结构（最好做一个架构图）
《计量经济学》期末论文 我国居民消费水平的影响因素分析 经济学院 09级国际经济与贸易2班 晋兆晖 290508210
我国居民消费水平的影响因素分析 内容摘要：改革开放以来，随着我国经济的飞速发展，人民生活水平不断提高，居民消费水平也不断增长。消费作为拉动经济发展的重要因素，具有较高的研究价值。本文通过建立计量模型,运用计量分析方法对影响城镇居民消费支出的各因素进行相关分析,找出其中关键影响因素,以为我国政策制定者提供一定参考。虽然各地区的经济消费结构会有所差异，但总体还是有绝大部分相似之处的。分析之后最终促使消费需求成为引领中国经济健康、快速、持续发展的基石。 关键词：计量经济模型居民消费水平人均可支配收入居民储蓄 一、选题背景 消费是经济活动的终点，一切经济活动的目的就是为了满足人们不断增长的消费需求。但另一方面，消费又是经济活动的起点，是拉动经济增长的动力。一国或某一地区居民的收入水平与其消费需求之间存在着紧密的联系，这一点无论在西方经济学的经典理论中还是在国内外许多学者的实证研究中都得到证实。 随着改革开放以来中国经济高速增长，居民生活水平与消费水平也随之不断提升，我国作为一个巨大的消费市场正吸引着来自世界各地的目光。国家制定并实施了一系列相关财政及货币政策来刺激消费，但是居民存款额依然居高不下，居民消费虽有增长却不能支撑整个国民经济的发展。不管是从宏观还是微观来分析，居民的最终消费支出都直接影响到国民经济运行及整个经济的发展，所以对我国居民最终消费支出的问题进行研究是必不可少的，而且十分重要。我们可以运用研究的结果来分析现状并制定正确的应对方针，这有重大的现实意义。 二、变量的选择分析 根据传统的凯恩斯消费理论，消费需求是个人可支配收入的函数，收入水平的高低直接影响居民的消费水平，可支配收入增加的同时就是增加自己的银行储蓄为以后的购房、养老、医疗保健做准备，这对居民的消费支出有很大的影响。所以可支配收入这一因素必须选取为模型的解释变量。 居民储蓄是影响居民最终消费的直接因素，居民储蓄越多，最终消费就越少，储蓄越少，最终消费支出就越多。 物价水平对消费者的消费倾向会有影响，即影响到居民的消费支出，当居民的收入不变时，若物价上涨，则消费支出增加；反之，居民收入不变，若物价下跌，则消费支出减少。对于物价水平，选择通货膨胀率来反映。 恩格尔系数作为衡量一个国家和地区人民生活水平状况的指标，也是需要被列
房价的计量经济分析 引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。 写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。 关键词：房价成本计量假设检验最小二乘法拟合优度 现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元） 数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49
课程：金融统计分析 学号：
我国银行间同业拆借市场利率风险度量 ——基于VaR模型的实证研究 摘要 本文利用VaR模型通过2013年1月4日至2014年10月30日我国银行间同业拆借市 : t
一、文献综述 同业拆借市场是金融机构之间进行短期、临时性头寸调剂的市场，是货币市场的重要组成部分。1996年以来, 我国银行同业拆借市场在中国人民银行的监督管理下稳步发展, 目前已形成全国统一的银行同业拆借市场格局，生成了全国统一的中国银行间同业拆借利率(China inter -bank offered rate,CHIBOR)，它是我国货币市场最早市场化的利率，也 VaR 的 正态性去简化计算复杂的非线性组合VaR；大部分学者在计算风险价值VaR值时，都以金融时间序列数据服从正态分布和无条件方差为假设前提，但是大量的实证研究表明，金融时间序列数据并不严格符合这一假定，为了解决这一问题，随着研究的不断深入，又有学者提出了半参数模型和广义条件异方差模型（GARCH模型）等模型，大大丰富了VaR的计算方法。Kees Koedijk（2001）将VaR风险管理模型应用于资产组合选择和资本资产定价，
并指出由于资产组合收益率呈现出尖峰肥尾的特征，这会导致传统的均值-方差模型存在低估风险资产组合所面临的风险，可能会导致投资风险。 在国内，近几年关于VaR的实证研究已经越来越丰富和深入，早在2000年初，国内就有学者王春峰、万海辉和李刚指出用蒙特卡洛模拟法计算VaR值所存在的缺陷，并提出基于马尔科夫链蒙特卡洛的计算方法。之后也有一批学者相继提出了对VaR计算方法的改进， 方 同业拆借利率存在显着的自相关性、风险溢价效应和波动的反杠杆效应，即利率上升时的波动更大，VaR方法可以有效地预测同业拆借利率风险。多数研究都是围绕GARCH模型展开的拓展性研究，并且得出了不同的结论。 二、我国银行间同业拆借市场利率现状的分析与模型建立
本科期末作业 （2011届） 题目：市场新信息对股价影响的实证 分院: 金融学 专业: 班级: 姓名: 学号: 任课老师: 2014年6月完成时间:
市场新信息对股价影响的实证（或案例） 金融工程这门课是这学期刚刚接触的一门课程，对于里面的内容作为一个金融方面的学生，有些并不是完全陌生的。虽然是作为一门专选课来进行学习，但是通过老师的认真尽职，风趣的讲课方式使我们对书面上各个方面的内容有了一个更加全面的理解。那通过一个学期对金融工程的学习和理解，我现在以市场新信息对股价的影响作为一个课题进行研究实证。 股票价格的变动及变动趋势一直是资本市场备受关注的问题，它影响着股票市场的稳定及投资者的策略。股价的变动主要受市场哪些信息的影响，会产生什么样的影响。这个问题的分析，有助于我们进一步了解股票市场的一般规律，为更好地完善资本市场提供参考意见。 影响股价的因素有多重多样的，如果市场发布的信息是以这些影响因素为基础的，那这些因素必然影响到股价的波动。那么，本文结合我国股市波动的实例，将这些因素大致的分为这三点：（1）股票的内在价值，比如增股，分股，重组股票以及配股等；（2）股价随投资者对各种因素的信息预期的变化而波动，比如一种新信息的出现，是利好消息会增加股民的信心；（3）股价波动是诸因素形成合力作用的结果。现在就这几个方面分析这些因素市场新信息的发布对股价有何影响。 首先，从大的方面分析，国家的宏观经济政策信息的发布将对股价产生什么影响？国家的重大经济政策，如产业政策、税收政策、货币政策。国家重点扶持、发展的产业，其股票价格会被推高，而国家限制的产业，股票价格会受到不利的影响，例如政治对深灰公用事业的产品和劳务进行限价，包括交通运输、煤气、水电等，这样就会直接影响公用事业的盈利水准，导致公用事业公司股价下跌；国家货币政策的改变，会引起市场利率发生变化，从而引起股价变化；税收政策方面，能够享受国家减税免税优惠的股份公司，其股票价格会出现上升趋势，从而调高个人所得税，由于影响社会消费水准下跌，引起商品的滞销，从而对公司生产规模造成影响，导致盈利下降，股价下跌。这些政治因素对股票市场本身产生的影响，即通过公司盈利和市场利率产生一定的影响，进而引起股票价格的变动。下面从利率调整和股指期货的推出对股价影响来进行具体分析。 为什么利率的升降与股价的变化呈反向运动的关系呢？这主要有3个原因：①利率的上升，不仅会增加公司的借款成本，而且还会使公司难以获得必需的资金，这样，公司就不得不消减生产规模，而生产规模的缩小又势必会减少公司的未来利润。因此，股票价格就会下跌。反之，股票价格就会上涨。②利率上升时，投资者评估股票价格所用的折现率也会上升，股票值因此会下降，从而，也会使股票价格相应下降；反之，利率下降股票价格则会上升。 ③利率上升时，一部分资金从投向股市转向银行储蓄和购买债券，从而会减少市场上的股票需求，使股票价格出现下跌。反这，利率下降时，储蓄的获利能力降低，一部分资金又可能从银行和债券市场流向股市，从而，增大了股票需求，使股票价格上升。既然利率与股价运动呈反方向变化是一种一般情形，那么投资者就应密切关注利率的升降，并对利率的走向进行必要的预测，以便在利率变动之前，抢先一步对股票买卖进行决策。对利率的升降走向进行预测，应侧重注意如下几个因素的变化情况：①贷款利率的变化情况。由于贷款的资金是由存款来供应的，因此，根据贷款利率的下调可以推测出存款利率必将出现下降。②市场的景气动向。如果市场兴旺，物价上涨，国家就有可能采取措施来提高利率水准，以吸引居民存款的方式来减轻市场压力。相反的，如果市场疲软，国家就有可能用降低利率水准的方法启动市场。③资金市场的松紧状况和国际金融市场的利率水准。国际金融市场的利率水准，往往也能影响国内利率水准的升降和股市行情的涨跌。在一个开放的市场体系中，金钱是没有国界的，如果海外利率水准低，一方面会对国内的利率水准产生影响，另一方面，也会吸引海外资金进人国内股市，拉升股票价格上扬。反之，如果海外水准上升，则会发生与上述相反的情形。
学校：西南财经大学课程：金融统计分析学生姓名：何雨芹学号:
我国银行间同业拆借市场利率风险度量——基于VaR 模型的实证研究 摘要 本文利用VaR模型通过2013年1月4日至2014年10月30日我国银行间同业拆借市场每日加权平均利率进行实证研究，建立了基于GARCH 模型的我国银行间同业拆借市场利率风险测度GARCH 族模型（GARCH（1 ，1）/TARCH（1 ，1）/EGARCH（1 ，1））,得出以下结论: t 分布不适合描述我国银行间同业拆借利率序列的分布状况,广义误差分布能较好刻画我国银行间同业拆借利率序列的分布；根据样本数据，现阶段我国银行间同业拆借利率风险也较低。 关键词：VaR 模型同业市场拆借利率GARCH 族模型
文献综述 同业拆借市场是金融机构之间进行短期、临时性头寸调剂的市场，是货币市场的重要组成部分。1996年以来, 我国银行同业拆借市场在中国人民银行的监督管理下稳步发展, 目前已形成全国统一的银行同业拆借市场格局，生成了全国统一的中国银行间同业拆借利率（China inter -bank offered rate,CHIBOR），它是我国货币市场最早市场化的利率，也是目前唯一直接的市场利率，能够十分灵敏的反应市场上货币资金的供求状况，因此可视为我国货币市场上的基准利率。 随着利率市场化的深人，利率结构体系的完善和合理，我国金融市场的成熟，金融衍生工具的丰富，各商业银行在利率风险管理方面经验的逐渐成熟。商业银行可以逐步向先进的利率风险度量模型演进。从而跟国际先进风险管理水平接轨，增强自身的市场竞争力和抵御风险的能力。而银行间同业拆借是我国利率市场化改革的前沿阵地，银行间同业拆借市场利率市场化改革始于1996 年，同业拆借利率市场化程度已经较高，具备了运用VaR模型的客观条件。再加上VaR模型已经是一个比较成熟的模型，用它来研究我国银行间同业拆借市场应当是有一定研究价值的。 VaR 模型源自马科维兹于1952 年创立的基本均值—方差模型，蒂尔.古尔迪曼被视为“风险价值”这一术语的创立者，该理论一经提出就迅速得到学者的关注。国外已有很成熟的关于VaR 的理论研究和实证研究，Jeremy Berkowitz （1999）提出了新的评价VaR的方法，Tean-Philippe Bouchaud和Marc Poters（1999）提出了如何利用金融资产波动的正态性去简化计算复杂的非线性组合VaR；大部分学者在计算风险价值VaR 值时，
分数：______ 计量经济学课程论文 中国人均GDP与居民消费水平、税收及政府 支出 系别：国贸系 班级：国本五 学号： 2012016533 姓名：张璐 指导老师：岁磊
【提要】人均国内生产总值GDP作为发展经济学中衡量经济发展状况的指标，是衡量宏观经济的经济指标之一。本人认为人均GDP具有社会公平和平等的含义，它直接反映了人民的收入和生活水平，而通过研究发现人均GDP的变化与居民消费水平、税收以及政府支出有着莫大的联系，因此，本文选取了1990-2005年的统计数据进行试验和分析。 【关键字】人均GDP、居民消费水平、税收、政府支出 具体数据如下： 图1数据收集 注： Y:人均国内生产总值GDP（平均每年每人）（单位：元） X1：居民消费水平（单位：亿元） X2：国家税收（单位：亿元） X3：政府支出（单位：亿元）
由此，我们可得到Y与X1 、X2、X3的散点图，如下： 图2 Y与X1 图3 Y与X2
图4 Y与X3 由图我们可以发现Y与X1 X2 X3都有比较明显的线形关系，从而建立数学模型： 建立三元线性回归模型： 在eviews7 命令框中输入：LS Y C X1 X2 X3回车 所以我们得到以下结果：Y=-275.7004+0.763471X1+0.330198X2-0.069827X3 在现有的学习中，我们还没有完全掌握单位根检验及协整的方法，所以对模型的平稳性暂时不作考虑。
若不考虑单位根检验，直接用我们在前几章学习的方法进行检验，结果如下： 1.拟合优度：我们由表可知，，修正的可决系数为,这说明模型对样本的拟合很好。 2.F检验：：，给定显著性水平，在F分布表中查出临界值,应拒绝原假设，说明回归方程显著。即居民消费水平、税收和我国政府支出对人均国民生产总值有显著影响。 3.T检验：对于C、X1、X2的系数，t的统计量的绝对值都>2.179,都通过了检验，而X3的系数的t统计量为-2.033472，在df=12、α=0.05的情况下，t统计量应大于2.179，显然X3的系数不能通过T检验。 根据经验判断无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。 4.我们对X1 X2 X2进行多重共线性检验，在命令框中输入：COR X1 X2 X3回车得到以下结果： 可以发现X1、X2、X3之间存在高度的线性相关关系。 运用逐步回归法进行修正： 模型的回归结果为： 模型的回归结果为：
我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师：
我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数
本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5
货币与金融统计分析论文报告 胡炬，颜璧娇 人民币国际化：在岸市场与离岸市场的联系 IMF工作报告（发表于2012年5月）一、总述 在新兴市场货币中，人民币是最有潜力成为广泛使用的国际货币的，这是因为中国巨大的经济规模、多样化的贸易结构和贸易网络、宏观经济的稳定性、目前以及预期的高经济增长率。然而，由于对资本流动的极端限制，国外能得到以人民币计价的资产作为国际储备的机会仍然有限。同时，由于人民币贸易结算以及由中国政府和公司发行的人民币债券规模迅速增加，香港特别行政区创造了在岸（CNY）与离岸（CNH）人民币之间的回流渠道。本文使用了一个双变量的GARCH模型来研究在岸与离岸市场的内在联系，并发现，尽管在岸即期市场的发展对离岸即期市场有影响，离岸远期汇率对在岸远期汇率有预测作用。本文也发现两个市场间的波动溢出效应。接下来，随着离岸市场的进一步发展，溢出渠道也有望增加。 （Tips：波动溢出效应——值溢出和波动溢出都指可以被人们观察到的间（包括跨国间的同一类与一国内的不同，当然还包括跨国间的不同金融市场）的信息传导现象。按照金融市场的强，任何与金融市场有关的信息都会在最快的时间内同时被所有金融市场所消化，并反映在上，也就是说每个金融市场的价格都会遵循的规律，而市场回报可表现出。金融市场间并不应存在，因为所有信息会在同一时刻被所有市场吸收。但通过众多学者研究发现，是存在的，信息是可以被观察出跨市场传导的。 为了研究的方便，这种被人为分解为两种类型：均值溢出和波动溢出。均值溢出一般指一个市场价格或回报的变动对其它市场产生的影响，这种影响有正负之分，例如利率上升会引致下降。而波动溢出则是指一个市场波动的变化（一般用来衡量波动）对其它市场产生的影响，这种影响无正负，而只有大小之分。 在中，学者一般喜欢用VAR和分别表示均值溢出和波动溢出，即VAR系数反映了均值水平（或称做一阶矩水平）的市场间相互作用，而GARCH系数反映了波动水平（或称二阶矩水平）的市场间相互作用。） 二、文章结构（最好做一个架构图） Part 1 简介或者说导论
我国旅游业收入影响因素研究 学院： 班级： 姓名： 学号：
摘要：近年来，中国旅游产业有了长足的进步，成为中国经济发展的支柱性产业之一，发展潜力巨大，通过建立合理的计量经济学模型，寻求我国旅游业收入和相关影响因素之间的函数关系，分析各因素对旅游业发展的贡献，揭示了我国旅游业收入呈现的特征，并针对我国旅游业的发展现状提出了一些对策建议。 关键词：旅游业；国内旅游收入；旅行社数量；旅游人数；人均花费； 改革开放以来，中国旅游业取得了飞速发展。从上世纪九十年代末国内接待旅游人数695百万人次到如今26.4亿人次；从旅游收入仅2391亿元到如今1.93万亿元；旅行社以年均21.24%的速度增长；旅游直接从业人员更是年均增长15%。留有基础设施、配套服务更加完善为我国旅游业带来了巨大的经济效益。然而展望我国旅游业的发展前景，为了旅游业收入的稳定增长，研究其影响因素的多样性与复杂性十分必要。 本文以计量经济学经典的模型为基础，分析影响中国旅游业收入的各个因素，对比不同因素的影响程度大小。文章首先进行研究变量的选择和模型的建立，然后进行回归分析，进而进行经济意义检验、统计检验、计量经济学检验，在此基础上，最后提出相应的建议。 1 模型变量与模型建立 1.1 模型解释变量的选择 旅游收入直接反映了某一旅游目的地国家或者地区旅游经济的
运行状况，是衡量当地旅游经济活动及其效果的一个不可或缺的综合性指标。 在现实生活中，影响中国旅游业收入的因素有很多，考虑到样本数据的可收集性和我国旅游业的实际情况，选择人均花费（1X ）、旅游人数(2X )、全国旅行社数量(3X )、铁路营业里程(4X )和公路里程(5X )作为影响的主要变量。 1.2 模型设定 设定线性模型：μββββββ++++++=55443322110X X X X X Y Y —国内旅游业收入（亿元）； 1X —人均旅游花费（元）； 2X —旅游人数（百万人次）； 3X —全国旅行社数量（个）； 4X —铁路营业里程（万公里）； 5X —公路里程（万公里）。 1.3 数据搜集（见表1） 表1 1995—2011中国国内旅游业收入及其相关影响因素统计表
广西工学院2011-2012学年第一学期 期末课程论文设计 科目金融计量经济学 课题对我国GDP影响因素的分析 任课教师杨毅 班级国贸091班 姓名 二○一二年元月
对我国GDP影响因素的分析 （研究范围：城镇、农村人均收入、恩格尔系数以及就业人数） 【摘要】：运用1990-2009年我国城镇、农村人均收入，恩格尔系数以及就业人数的数据，建立了ARLM、古典线性回归模型，通过OLS回归、怀特异方差检验、ＢＧ自相关检验、非正态检验、多重共线性分析、RESET检验、邹至庄检验等实证分析了城镇、农村人均收入、恩格尔系数以及就业人数对我国GDP影响。通过这一系列统计分析和检验方法，拟合出比较优良的GDP模型，得出1990-2009年间我国经济增长的情况。由此来分析所选取的这四个变量对GDP的贡献情况，结合当前我国宏观经济形势，找出目前经济发展存在的问题，从而找出相应的对策。 【关键词】：GDP 恩格尔系数影响因素回归分析 一、引言 改革开放以来，中国经济取得了令全世界震惊的巨大成就，持续25年年均增长率超过9%，经济总规模已经稳居世界第四。2010年中国经济增长率更是高达10%。因此，许多专家学者指出，我国目前的经济形势是上世纪90年代中期以来最好的。由此可见，GDP作为现代国民经济核算体系的核心指标，它的总量可以反映一个国家和地区的经济发展及人民的生活水平，其结构可反映社会生产与使用，投资与消费之间的比例关系及宏观经济效益，对于经济研究、经济管理都具有十分重要的意义。尤其从1985年我国开始正式统计GDP后，它就越来越受到人们的关注。GDP的核算中有许多因素在起着作用，为此，本文对国内生产总值GDP的影响因素作计量模型的实证分析，以期分析各影响因素对经济增长的贡献情况，结合我国当前的宏观经济形势，对国家宏观经济政策提出一点自己的看法。
计量经济学案例分析 一、问题背景 高新区自开始设立至今短短十多年的时间，以其惊人的经济发展速度为世人所关注。随着我国经济发展模式的逐步转变，高新区已经成为我国依靠科技进步和技术创新推动经济社会发展、走中国特色自主创新道路的一面旗帜。“十二五”时期，面对新的机遇和挑战，国家高新区应注重提升五种能力，努力成为加快转变经济发展方式的排头兵。为了探索高新经济发展的内在规律性，本文采用截面数据对高新区的投入产出进行分析，力求能够增进对高新区经济发展的了解，对高新区的进一步发展有所帮助。 二、模型设定 本文研究的是高新区投入对产出的影响，所以本模型的被解释变量Y 即为高新区的产出。就目前对高新区数据的统计来看，反映高新区产出的主要有“工业总产值”、“工业增加值”、“技工贸总收入”、“利润”和“上缴税额”几个总量指标。按照生产函数理论，产出利用增加值，所以模型中我们将使用“工业增加值”指标数据来估计各高新区的总产出。 从高新区的投入来看，对产出有重要影响的因素主要包括以下几个方面： 资本K ，劳动力L ，技术投入T ，此外，体制改革，管理模式创新也可以看作是投入的要素，但因其不可量化，因此归入模型的扰动项中。 这样，按照科布道格拉斯形式的生产函数，我们设定函数形式为： u T L AK Y γβα= 两边取自然对数得：u T L K A Y ln ln ln ln ln ln ++++=γβα 其中，资本数据K 我们利用的是当年的年末净资产来进行估计，即当年年末资产减去当年年末负债后得到的数据；用当年年末从业人员来估计劳动力L ；用当年技术研发投入来估计技术投入T 。数据选用的是截面数据。 从《国家高新技术产业开发区十年发展报告（1991－2000年）》得到1999年全国53个高新区各项指标统计数据： 园区 工业增加值(千 元)Y 净资产（千元）K 年末从业人员（人） L 技术开发费（千 元）T 北京 246422 天津 4138312 106970 1004739 石家庄 1428436 8427194 40404 437677 保定 1320169 5564045 35743 78798 太原 1261311 4755833 39469 254922 包头 877062 3798540 19793 56816 沈阳 3835694 21547 525425 大连 2099833 9922822 61713 328710