关于影响我国社会商品零售总额因素的计量分析
摘要：面对金融海啸的强大冲击，我国社会商品零售总额逆流而上，取得了骄人的成绩。为更加好地研究我国经济发展运行状况，加深对我国社会商品零售总额的了解，本文主要运用最小二乘法分析我国社会商品零售总额的影响因素并得出结论。
关键词：社会商品零售总额，影响因素，计量分析
刚刚过去的2009年，是进入新世纪以来我国经济社会发展最为困难的一年，也是我国商务事业经受严峻考验的一年，面对历史罕见的国际金融危机的严重冲击和外部市场萎缩，我国采取了积极有效的宏观经济政策，国内消费和对外经济都取得了最新的发展，2009年社会商品零售总额增速达24年来最高水平，为我国成功抵御国际金融危机冲击起到了重要的支撑作用。
一、研究意义
社会商品零售总额指各种经济类型的批发零售贸易业、餐饮业、制造业和其他行业对城乡居民和社会集团的消费品零售额和农民对非农业居民零售额的总和。一定时期内国民经济各部门向消费者出售消费品和向农村出售农业生产资料以及农民对非农业居民直接零售的总额。社会消费品零售总额所计量的是各种经济类型的商业由于经济的发展和社会的进步，特别是社会主义市场经济的建立，随着商品生产和商品交换的领域进一步扩大，用以确立和描述各类消费品市场对居民和社会集团出售商品总和的商品零售额指标的口径范围也作了相应的调整。
社会商品零售总额反映了一定时期内人民物质文化生活水平的提高情况，反映了社会商品购买力的实现程度，以及零售，市场的规模状况。也正是因为社会商品零售总额由社会商品供给和有支付能力的商品需求的规模所决定，所以是研究人民生活水平、社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要资料。对于金融海啸下研究中国经济运行情况具有极大的现实意义。
二、样本数据选取及模型设定：
1）寻找变量：
根据大一所学的宏观经济学和及对现实中国经济发展情况的理解，我觉得影响我国社会商品零售总额y（亿元）的主要因素有：
x1人均GDP（元），
x2居民消费价格指数（上年=100），
x3城镇居民人均消费支出（元），
x4商品零售物价指数（上年=100）
2）建立模型：
根据因果关系及相互间的联系找出因变量，影响问题的主要因素作为自变量，非主要因素作随机误差变量。
设模型的函数形式为
y=c1+c2*x1+c3*x2+c4*x3+c5*x4+u
3）寻找数据：
以下1980—2006年的数据主要是从中国统计年鉴和计量经济学数据库网站上找到的。数据详见表1-1.
表1-1
年份y x1 x2 x3 x4
1980 2140 460.00 107.5 489 106
1981 2350 489.00 102.5 521 102.4 1982 2570 526.00 102 536 101.9 1983 2849 582.00 102 558 101.5 1984 3376 695.00 102.7 618 102.8 1985 4305 855.00 109.3 765 108.8 1986 4950 956.00 106.5 872 106
1987 5820 1103.00 107.3 998 107.3 1988 7440 1355.00 118.8 1311 118.5 1989 8101.4 1512.00 118 1466 117.8 1990 8300.1 1634.00 103.1 1596 102.1 1991 9415.6 1879.00 103.4 1840 102.9 1992 10993.7 2287.00 106.4 2262 105.4 1993 14270.4 2939.00 114.7 2924 113.2 1994 18622.9 3923.00 124.1 3852 121.7 1995 23613.8 4854.00 117.1 4931 114.8 1996 28360.2 5576.00 108.3 5532 106.1 1997 31252.9 6054.00 102.8 5823 100.8 1998 33378.1 6307.00 99.2 6109 97.4
1999 35647.9 6547.00 98.6 6405 97
2000 39105.7 7084.00 100.4 6850 98.5
2001 43055.4 8621.71 100.7 7113 99.2
2002 48135.9 9398.05 99.2 7387 98.7
2003 52516.3 10541.97 101.2 7901 99.9059 2004 59501 12335.58 103.9 8679 102.8062 2005 67176.6 14103.33 101.8 9410 100.7774 2006 76410 16084.00 101.5 10359 101.0282
三．模型参数估计及修正
1、参数估计：
假设模型中随机误差项Ui满足古典假设，运用OLS方法估计模型的参数，利用计量经济计算机软件Eviews计算可得如下结果：
Dependent Variable: Y
Method: Least Squares
Date: 01/22/10 Time: 23:43
Sample: 1980 2006
Included observations: 27
Coefficient Std. Error t-Statistic Prob.
C 4447.568 2389.348 1.861415 0.0761
X1 3.199387 0.196880 16.25040 0.0000
X2 -1120.207 302.1084 -3.707964 0.0012
X3 2.455890 0.305791 8.031275 0.0000
X4 1077.804 311.8118 3.456585 0.0022
R-squared 0.999295 Mean dependent var 23839.18
Adjusted R-squared 0.999167 S.D. dependent var 22180.93
S.E. of regression 640.2927 Akaike info criterion 15.92730
Sum squared resid 9019445. Schwarz criterion 16.16727
Log likelihood -210.0186 Hannan-Quinn criter. 15.99866
F-statistic 7794.877 Durbin-Watson stat 1.633619
Prob(F-statistic) 0.000000
表1-2 回归结果
2、模型相关系数分析
计算解释变量之间的简单相关系数。
Correlation Matrix
X1 X2 X3 X4
X1 1.000 0.355 0.976 0.393
X2 0.355 1.000 0.341 0.994
X3 0.976 0.341 1.000 0.397
X4 0.393 0.994 0.397 1.000
表1-3相关系数矩阵
由表1-3可以看出，某部分解释变量之间存在高度线性相关。同时由表1-2也可以看出，尽管整体上线性回归拟合较好，但部分的参数t值并不显著，系数的符号与经济意义相悖。需要进行相应的修正。
3、模型修正
（1）运用OLS方法求y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。经分析，在4个一元回归模型中社会商品零售总额y（亿元）对人均GDP x1的线性关系强，拟合程度好。回归结果如表1-4所示。
Dependent Variable: Y
Method: Least Squares
Date: 01/23/10 Time: 02:01
Sample: 1980 2006
Included observations: 27
Std. Error t-Statistic Prob. Variable Coefficien
t
X1 4.865172 0.062717 77.57319 0.0000 C 648.2345 409.6092 1.582568 0.1261 R-squared 0.995863 Mean dependent var 23839.18 Adjusted R-squared 0.995697 S.D. dependent var 22180.93 S.E. of regression 1454.971 Akaike info criterion 17.47455 Sum squared resid 52923532 Schwarz criterion 17.57053 Log likelihood -233.9064 F-statistic 6017.600 Durbin-Watson stat 0.475802 Prob(F-statistic) 0.000000 表1-4回归结果
y=648.2345+4.865172*x1
t=(1.582568) (77.57319)
R2=0.995863 S.E.= 1454.971
图一描述应变量y与解析变量x3的散点图
对方程逐步回归。将其余解释变量逐一代入式中得到如下模型：
Dependent Variable: Y
Method: Least Squares
Date: 01/23/10 Time: 01:53
Sample: 1980 2006
Included observations: 27
Variable Coefficien
Std. Error t-Statistic Prob.
t
X1 3.774223 0.180540 20.90523 0.0000
X3 1.578573 0.254840 6.194380 0.0000
C -413.5952 310.8627 -1.330476 0.1959
R-squared 0.998408 Mean dependent var 23839.18 Adjusted R-squared 0.998275 S.D. dependent var 22180.93 S.E. of regression 921.1606 Akaike info criterion 16.59358 Sum squared resid 20364882 Schwarz criterion 16.73757 Log likelihood -221.0134 F-statistic 7525.582 Durbin-Watson stat 0.722349 Prob(F-statistic) 0.000000
表1-5回归结果
y=-413.5952+3.774223*x1+1.578573*x3
t=(-1.330476) (20.90523) (6.194380)
R2=0.998408 S.E.=921.1606
从以上数据中可以看出，模型的统计检验均有较大改善。
但是，我观察到截距C的t值只有-1.330476，即截距项值不显著，所以将常数项去掉得，如表1-5所示的回归结果。
Dependent Variable: Y
Method: Least Squares
Date: 01/23/10 Time: 02:05
Sample: 1980 2006
Included observations: 27
Y=C(2)*X1+C(4)*X3
Coefficien
Std. Error t-Statistic Prob.
t
C(2) 3.871269 0.167674 23.08813 0.0000
C(4) 1.391607 0.215843 6.447320 0.0000
R-squared 0.998291 Mean dependent var 23839.18 AdjustedR-squared 0.998222 S.D. dependent var 22180.93
S.E. of regression 935.2418 Akaike info criterion 16.59067
Sum squared resid 21866933 Schwarz criterion 16.68666
Log likelihood -221.9741 Durbin-Watson stat 0.694695
表1-6回归结果
经过上述逐步回归分析，表明y对x1、x3的回归模型为最优，最终结果为
y=3.871269*x1+1.391607*x3
t=(23.08813) (6.447320)
R2=0.998291 S.E.=935.2418 DW= 0.694695
为检验回归方差可靠性，下图为对应残差图。
表1-7 因素人均GDP x1（元）和城镇居民人均消费支出x3（元）对y（社会商品零售总额）的残差图
四、模型检验
（1）模型的经济意义检验：回归系数估计值c2=3.871269 >0，说明我国人均GDP 和我国社会商品零售总额正方向变动，当其他条件不变时，人均GDP每上升1元时，我国社会商品零售总额将平均增加0.482645（亿元）；回归系数估计值c4= 1.391607>0，说明我国城镇居民人均消费支出与和我国社会商品零售总额成正方向变动，当其他条件不变时，城镇居民人均消费支出上升1元时，我国社会商品零售总额将平均增加0.095884（亿元）。
（2）单个回归系数的显著性检验：从单个因素的影响看，在5%显著性水平上，
︱t(b1) ︱=23.08813>t0.025(27)=2.052, ︱t(b2) ︱=6.447320>t0.025(27)=2.052,说明人均GDP 和城镇居民人均消费支出能对我国社会商品零售总额影响是显著的。
（3）拟合优度检验R2=0.998291说明，回归方程即上述样本函数的解释能力为99.8%，即人均GDP 和城镇居民人均消费支出能对我国社会商品零售总额变动的99.8%作出解释。回归方程的拟合优度较好。
（4）回归模型的总体显著性检验：从全部因素的总体影响看，在5%显著性水平上，F= 5989.746>F0.05 = Fa (k-1,n-k) (2,24)= 2.54,说明人均GDP 和城镇居民人均消费支出对我国社会商品零售总额影响是显著的。
(5）回归方程的标准误差的评价S.E= 935.2418说明，回归方程与各观测点（或估计值与观测值）的平均误差为935.2418亿元。
五、总结
（1）经过一系列的回归分析，得出人均GDP 和城镇居民人均消费支出能对我国社会商品零售总额的影响是显著的。这和大一所学的宏观经济学理论和现实常识相吻合的。得益于我国GDP今年报八成功和人均消费水平和欲望的增强，社会商品零售总额能够不断增强。
（2）发挥投资对消费的拉动作用。一是加强县城的基础设施建设。上农业经济学的时候，老师曾经提过县城基础设施落后的状况严重制约着城市综合功能的发挥，随着城市化率的日益提高，城市的基础设施建设日趋紧迫。二是要以社会主义新农村建设为契机，加强对三农的投入，刺激全民的消费能力。
（3）加快城市化建设步伐，增加有效需求，刺激市场发展，增加新的消费群体，挖掘新的消费潜力，促进商品消费品市场的发展。
（4）健全社会保障机制，提高居民消费水平。商品消费要有收入作基础，收入是消费的来源，是影响消费需求最重要因素，只有全面提高居民人均可支配收入，保障低收入家庭的收入，才能使人们放心大胆地进行消费。要使居民增收，一方面就是扩大就业渠道，提高居民整体收入水平；另一方面是不断完善社会保障机制，消除居民后顾之忧，扩大即期消费；第三方面就是要适时适当地提高企事业职工工资水平。
（5）在整个模型的分析中，寻找数据最难，自从考完计量经济学的那晚开始，我就开始着手寻找有关的数据，发现寻找数据十分困难。而且，平常的ADSL和学校的铁通居然打开不了中国统计年鉴的数据库，搞到要跑到有校园网的同学那里寻找资料。看来中国统计局真的要像整治足球那样整顿一下了。不过塞翁失马焉知非福，我不仅复习了所学的理论知识，也动手去实践了，还因此而培养了我的耐性，未尝不是一件好事。
参考文献：
1.经济计量学精要（原书第三版）机械工业出版社译
2.中国数据统计局——统计年鉴
3.计量经济学数据库 https://www.doczj.com/doc/b511903163.html,/labbsWeb/jljj/index.html
4.中国历年GPD、CPI数据 https://www.doczj.com/doc/b511903163.html,/23617609_d.html
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
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：
计量经济学论文 15130322 张佳伟 GDP与CPI和贷款总额的关系 摘要：众所周知，GDP作为一个比较有说服性的统计指标，可以在一定程度上反映一个国家的经济状况，今天我所要研究的，是GDP和居民消费指数和贷款总额之间的关系。改革开放以来，CPI 涨幅与GDP 增幅经历了几轮波动,1997年之前的几轮经济高增长,物价都出现了明显的高涨幅；1998-2008 GDP连续11 年保持两位数增长,但物价涨幅却保持低位运行,经济运行从高增长高物价向高增长低物价转变,反映了CPI涨幅与GDP 增速相关关系随着改革的深入发展发生了一些变化。另外，贷款总额既然作为一个经济指标，其对于国民生产总值的必然会存在一定的影响，至于这个影响程度的大小，如果要具体形象的反映出来，就必须要借助计量经济学的办法，去分析CPI和贷款额这两者对于国民生产总值GDP的影响。 通过计量经济学的手段可以知道，居民消费指数CPI对于国民生产总值GDP的影响要远远大于贷款总额对于国民生产总值的影响。 下面我们就通过计量经济学的办法对于他们三者之间的关系进行一个形象的测算和研究。 为了确定这三个变量之间的关系，决定运用eviews软件对相关的变量进行分析。确定最为合理的方程以及进行变量的显著性检验、异方差检验和多重共线性检验和自相关检验。（为了更加精确的进行变量之间关系数据的测算，使用了eviews8.0版本进行实证分析）
1、确定变量 我们确定“GDP ”为被解释变量，“CPI ”和“贷款总额”为解释变量。 2、建立模型 Y=0β+1βP+2βX+c （c 为随机扰动项） 3、数据处理 此为1992-2008年度的GDP 、CPI 以及贷款额的数据。 年度 GDP （Y ） 居民消费指数（P ） 贷款额（X ） 1992 26923.5 282 26322.9 1993 35333.9 305.8 32943.1 1994 48197.9 320 39976 1995 60793.7 345.1 50544.1 1996 71176.6 377.6 61156.6 1997 78973 394.6 74914.1 1998 84402.3 417.8 86524.1 1999 89677.1 452.3 93734.3 2000 99214.6 491 99371.1 2001 109655.2 521.2 112315 2002 120332.7 557.6 131294 2003 135822.8 596.9 158996 2004 159878.3 645.3 178198 2005 183217.4 698.2 194690 2006 211923.5 766.4 225347.2 2007 257305.6 849.9 261691 2008 300670 926.4 303468 （数据来自人民网） 4、建立多元回归线性模型 （1）建立工作文件：启动EViews ，点击File\New\Workfile ，在对话框“Workfile
计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。
四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据
资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别
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
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
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
哈尔滨商业大学计量经济学期末考试 实验报告 姓名：张彦琛 专业班级：数学与应用数学01班 学号： 提交日期： 2015-10-31
影响我国财政收入的因素分析 一研究背景和研究目的 1.1研究背景 财政作为一国政府的活动,是政府职能的具体体现,主要有资源配置、收入再分配和宏观经济调控三大职能。财政收入是政府部门的公共收入,是国民收入分配中用于保证政府行使其公共职能、实施公共政策以及提供公共服务的资金需求。财政收入的增长情况关系着一个国家经济的发展和社会的进步。因此,研究财政收入的增长就显得尤为必要。研究财政收入的影响因素离不开一些基本的经济变量。大多数相关的研究文献中都把总税收、国内生产总值这两个指标作为影响财政收入的基本因素,还有一些文献中也提出了其他一些变量, 比如其他收入、经济发展水平等。影响财政收入的因素众多复杂, 但是通过研究经济理论对财政收入的解释以及对实践的观察, 对财政收入影响的因素主要有财政支出、国内生产总值、就业人数、税收收入等。 （1）财政收入：是指政府为履行其职能、实施公共政策和提供公共物品与服务需要而抽泣的一切资金的总和。财政收入表现为政府部门在一定时期内（一般为一个财政年度）所取得的货币收入。财政收入是衡量一国政府财力的重要指标，政府在社会经济活动中提供公共物品和服务的范围和数量，在很大程度上决定于财政收入的充裕状况。财政就是为了满足社会公共需要，弥补市场失灵，以国家为主体参与的社会产品分配活动。它既是政府的集中性分配活动，又是国家进行宏观调控的重要工具。 （2）国内生产总值：是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，更可以反映一国的国力与财富。 （3）财政支出：通常是指国家为实现其各种职能，由财政部门按照预算计划，将国家集中的财政资金向有关部门和方面进行支付的活动，因此也称预算支出。 财政支出与财政收入一起构成财政分配的完整体系，财政支出是财政收入的归宿，它反映了政府政策的选择，体现了政府活动的方向和范围。所以，
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
大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于平台。 三、实验模型建立与分析 案例1：
我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况
（1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20
Variable Coeffici ent Std. Error t-Statisti c Prob.?? C AVGDP R-squared ????Mean dependent var Adjusted R-squared????. dependent var . of regression ????Akaike info criterion Sum squared resid1538032.????Schwarz criterion Log likelihood ????Hannan-Quinn criter. F-statistic ????Durbin-Watson stat Prob(F-statistic) 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP））
计量经济学论文影响粮食产量的因素分析 ：易士桢 班级：金融1502 学号：20153035
影响粮食产量的因素分析 我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。 本文严格按照计量经济分析方法,以1996-2015年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。 一、模型的建立 以Y i=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、 X3=农用机械总动力、 X4=农、林、牧、渔业劳动力、 X5=耕地灌溉面积，设定Y i=c+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+u i 理论模型。 由经济规律知β1、β2、β3、β4、β5都应大于零。 二、数据的收集（资料来源于中国各年统计年鉴） 三、模型的参数估计 利用Eviews8得到结果如下： Dependent Variable: Y Method: Least Squares
Date: 06/01/17 Time: 20:10 Sample: 1996 2015 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C -66773.87 37106.01 -1.799543 0.0935 X1 0.790068 0.119139 6.631499 0.0000 X2 1.768843 8.059923 0.219462 0.8295 X3 -0.028692 0.338671 -0.084720 0.9337 X4 -0.087017 0.051349 -1.694614 0.1123 X5 0.477765 0.663745 0.719802 0.4835 R-squared 0.976250 Mean dependent var 51861.43 Adjusted R-squared 0.967768 S.D. dependent var 5548.066 S.E. of regression 996.0571 Akaike info criterion 16.88881 Sum squared resid 13889816 Schwarz criterion 17.18753 Log likelihood -162.8881 Hannan-Quinn criter. 16.94712 F-statistic 115.0958 Durbin-Watson stat 1.811852 Prob(F-statistic) 0.000000 由此数据看出，可决系数和修正可决系数为0.976250和0.967768，F的检验值为115.0958，明显显著，拟合效果还可以。但当a=0.05时，t a/2(n-k-1)=2.1448，说明X2与X5的t检验 不显著，而且X3与X4系数的符号与经济解释相反，可能存在多重共线性。 四、模型的检验 （一）Ⅰ、检验多重共线性（利用相关系数矩阵法） Covariance Analysis: Ordinary Date: 06/01/17 Time: 20:27 Sample: 1996 2015 Included observations: 20 Covariance
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
案例分析一关于计量经济学方法论的讨论 问题：利用计量经济学建模的步骤，根据相关的消费理论，刻画我国改革开放以来的边际消费倾向。 第一步：相关经济理论。首先了解经济理论在这一问题上的阐述，宏观经济学中，关于消费函数的理论有以下几种：①凯恩斯的绝对收入理论，认为家庭消费在收入中所占的比例取决于收入的绝对水平。②相对收入理论，是由美国经济学家杜森贝提出的，认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平，这告诉我们，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。关于消费函数的理论还有持久收入理论、生命周期理论，有兴趣的同学可以参考相应的参考书。毋庸置疑，收入和消费之间是正相关的。 第二步：数据获得。在这个例子中，被解释变量选择消费，用cs表示；解释变量为实际可支配收入，用inc表示（用GDP减去税收来近似，单位：亿元）；变量均为剔除了价格因素的实际年度数据，样本区间为1978～2002年。 第三步：理论数学模型的设定。为了讨论的方便，我们可以建立下面简单的线性模型： 第四步：理论计量经济模型的设定。根据第三步数学模型的形式，可得 式中：cs=CS/P，inc=(1-t)*GDP/P，其中GDP是当年价格的国内生产总值，CS代表当年价格的居民消费值，P代表1978年为1的价格指数，t=TAX/GDP代表宏观税率，TAX是税收总额。u t表示除收入以外其它影响消费的因素。 第五步：计量经济模型的参数估计 根据最小二乘法，可得如下的估计结果： 常数项为正说明，若inc为0，消费为414.88，也就是自发消费。总收入变量的系数 为边际消费倾向，可以解释为城镇居民总收入增加1亿元导致居民消费平均增加0.51亿元。 另外，根据相对收入理论，我们可以得到下面的估计结果：
计量经济学论文影响粮食产量的因素分析 姓名：易士桢 班级：金融1502 学号：
影响粮食产量的因素分析 我国土地资源稀缺，人口多而粮食需求量大，因此粮食产量的稳定增长，直接影响着人民生活和社会的稳定与发展。 本文严格按照计量经济分析方法,以1996-2015年中国粮食产量及其重要因素的时间序列数据为样本,对影响中国粮食生产的多种因素进行了分析。 一、模型的建立 以Y i=粮食产量、X1=粮食播种面积、X2=农用化肥施用量、 X3=农用机械总动力、 X4=农、林、牧、渔业劳动力、 X5=耕地灌溉面积，设定Y i=c+β1X1i+β2X2i+β3X3i+β4X4i+β5X5i+u i 理论模型。 由经济规律知β1、β2、β3、β4、β5都应大于零。 二、数据的收集（资料来源于中国各年统计年鉴） 三、模型的参数估计 利用Eviews8得到结果如下： Dependent Variable: Y Method: Least Squares Date: 06/01/17 Time: 20:10
Sample: 1996 2015 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob.?? C X1 X2 X3 X4 X5 R-squared ????Mean dependent var Adjusted R-squared ????. dependent var . of regression ????Akaike info criterion Sum squared resid ????Schwarz criterion Log likelihood ????Hannan-Quinn criter. F-statistic ????Durbin-Watson stat Prob(F-statistic) 由此数据看出，可决系数和修正可决系数为和，F的检验值为，明显显着，拟合效果还可以。但当a=时，t a/2(n-k-1)=，说明X2与X5的t检验不显着，而且X3与X4系数的符号与经济解释相反，可能存在多重共线性。 四、模型的检验 （一）Ⅰ、检验多重共线性（利用相关系数矩阵法） Covariance Analysis: Ordinary Date: 06/01/17 Time: 20:27 Sample: 1996 2015 Included observations: 20 Covariance
计量经济学课程案例分析论文 本小组案例：影响税收收入的因素 摘要：我国经济增长与税收增长之间是正相关的，经济增长是税收增长的源泉，而税收又是国家财政收入的主要来源，国家把税收收入用于经济建设，发展科学、教育、文化、卫生等事业，反过来又促进经济的进一步增长。 关键字：税收国内生产总值财政支出商品零售价格指数 一、引言：改革开放以来，随着经济体制的改革的深化和经济的快速增长，中国的财政收支状况发生很大的变化，为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 二、经济理论分析：影响中国税收收入增长的主要因素可能有： 【1】从宏观经济上看经济增长是税收增长的基本源泉 【2】社会经济的发展和社会保障等对公共财政提出要求，公共财政的需求可能对当年的税收入可能会有一定的影响。 【3】物价水平。中国的税制结构以“流转税”为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。 【4】税收政策因素 三、建立模型：以各项税收收入Y作为解释变量 以GDP表示经济增长水平 以财政支出表示公共财政的需求 以商品零售价格指数表示物价水平 税收政策因素较难用数量表示，暂时不予考虑 模型设定为Y=β1X1+β2X3+β3X3+C 其中：Y—各项税收收入（亿元）
X1—国内生产总值（亿元） X2—财政支出（亿元） X3—商品零售价格指数（%） 四、数据收集： 年份x1 x2 x3 y 1978 3645.20 1122.09 100.70 519.28 1979 4062.60 1281.79 102.00 537.82 1980 4545.60 1228.83 106.00 571.70 1981 4891.60 1138.41 102.40 629.89 1982 5323.40 1229.98 101.90 700.02 1983 5962.70 1409.53 101.50 775.59 1984 7208.10 1701.02 102.80 947.35 1985 9016.00 2004.25 108.80 2040.79 1986 10275.20 2204.91 106.00 2090.73 1987 12058.60 2262.18 107.30 2140.36 1988 15042.80 2491.21 118.50 2390.47 1989 16992.30 2823.78 117.80 2727.40 1990 18667.80 3083.59 102.10 2821.86 1991 21781.50 3386.62 102.90 2990.17 1992 26923.50 3742.20 105.40 3296.91 1993 35333.90 4642.30 113.20 4255.30 1994 48197.90 5792.62 121.70 5126.88 1995 60793.70 6823.72 114.80 6038.04 1996 71176.60 7937.55 106.10 6909.82 1997 78973.00 9233.56 100.80 8234.04 1998 84402.30 10798.18 97.40 9262.80 1999 89677.10 13187.67 97.00 10682.58 2000 99214.60 15886.50 98.50 12581.51 2001 109655.20 18902.58 99.20 15301.38 2002 120332.70 22053.15 99.70 17636.45 2003 135822.80 24649.95 99.90 20017.31 2004 159878.30 28486.89 102.80 24165.68 2005 184937.40 33930.28 100.80 28778.54 2006 216314.40 40422.73 101.00 34809.72 2007 265810.30 49781.35 103.80 45621.97 2008 314045.40 62592.66 105.90 54223.79 2009 340902.80 76299.90 98.80 59521.59 2010 401202.00 89874.16 103.10 73210.79 回归分析： 相关分析
《我国财政收入影响因素分析》 班级： 姓名： 学号： 指导教师： 完成时间：
摘要：对我国财政收入影响因素进行了定量分析，建立了数学模型，并提出了提高我国财政收入质量的政策建议。 关键词：财政收入实证分析影响因素 一、引言 财政收入对于国民经济的运行及社会发展具有重要影响。首先，它是一个国家各项收入得以实现的物质保证。一个国家财政收入规模大小往往是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观调控的重要经济杠杆。宏观调控的首要问题是社会总需求与总供给的平衡问题，实现社会总需求与总供给的平衡，包括总量上的平衡和结构上的平衡两个层次的内容。财政收入的杠杆既可通过增收和减收来发挥总量调控作用，也可通过对不同财政资金缴纳者的财政负担大小的调整，来发挥结构调整的作用。此外，财政收入分配也是调整国民收入初次分配格局，实现社会财富公平合理分配的主要工具。在我国，财政收入的主体是税收收入。因此，在税收体制及政策不变的情况下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。 我国的财政收入主要包括税收、国有经济收入、债务收入以及其他收入四种形式，因此，财政收入会受到不同因素的影响。从国民经济部门结构看，财政收入又表现为来自各经济部门的收入。财政收入的部门构成就是在财政收入中，由来自国民经济各部门的收入所占的不同比例来表现财政收入来源的结构，它体现国民经济各部门与财政
收入的关系。我国财政收入主要来自于工业、农业、商业、交通运输和服务业等部门。 因此，本文认为财政收入主要受到总税收收入、国内生产总值、其他收入和就业人口总数的影响。 二、预设模型 令财政收入Y（亿元）为被解释变量，总税收收入X1（亿元）、国内生产总值X2（亿元）、其他收入X3（亿元）、就业人口总数为X4（万人）为解释变量，据此建立回归模型。 二、数据收集 从《2010中国统计年鉴》得到1990--2009年每年的财政收入、总税收收入、国内生产总值工、其他收入和就业人口总数的统计数据如下： obs 财政收入Y 总税收收入X1 国内生产总值X2 其他收入X3 就业人口总数X4 1990 2937.1 2821.86 18667.8 299.53 64749 1991 3149.48 2990.17 21781.5 240.1 65491 1992 3483.37 3296.91 26923.5 265.15 66152 1993 4348.95 4255.3 35333.9 191.04 66808 1994 5218.1 5126.88 48197.9 280.18 67455 1995 6242.2 6038.04 60793.7 396.19 68065 1996 7407.99 6909.82 71176.6 724.66 68950 1997 8651.14 8234.04 78973 682.3 69820 1998 9875.95 9262.8 84402.3 833.3 70637 1999 11444.08 10682.58 89677.1 925.43 71394 2000 13395.23 12581.51 99214.6 944.98 72085 2001 16386.04 15301.38 109655.2 1218.1 73025 2002 18903.64 17636.45 120332.7 1328.74 73740 2003 21715.25 20017.31 135822.8 1691.93 74432 2004 26396.47 24165.68 159878.3 2148.32 75200 2005 31649.29 28778.54 184937.4 2707.83 75825 2006 38760.2 34804.35 216314.4 3683.85 76400 2007 51321.78 45621.97 265810.3 4457.96 76990 2008 61330.35 54223.79 314045.4 5552.46 77480