当前位置:文档之家› 计量经济学论文-我国房价宏观影响因素的计量分析

计量经济学论文-我国房价宏观影响因素的计量分析

计量经济学论文-我国房价宏观影响因素的计量分析
计量经济学论文-我国房价宏观影响因素的计量分析

计量经济学课程论文

我国房价宏观影响因素的计量分析

[摘要]本文主要运用OLS法,采取截面数据对中国全社会的住宅价格进行宏观

因素分析。由此得出影响住宅价格最主要的因素,以解释中国房地产近年来的一些现象,并对国家制定宏观经济政策调节房地产市场的健康发展和房地产开发商的合理战略决策提出一些参考意见。

[关键词]多因素分析截面数据 OLS法

一、引言

住宅业是国民经济的基础性、先导性产业。住宅既是生产和生活的必需品 , 同时也是一种资产或者说财富。它是家庭消费中最重要、最特殊、最复杂、最敏感的商品。可以说,世界上没有两片相同的树叶,也没有两间完全相同的住宅。商品住宅基本上是一房一价,有许多因素影响其定价。住宅的价格既关系到一般老百姓的生产和生活问题,也关系到一个城市发展潜力和竞争力,更关系到国家的金融稳定、宏观经济政策等。定性和定量研究住宅价格的影响因素和住宅业的发展态势,可以为政府进行宏观调控提供依据,为消费者提供信息支持,为住宅开发企业项目运作时提供参考。

二、文献综述

我对国内近年在各期刊上发表的关于房地产价格影响因素研究的文章进行了分析,并选择对同一问题的研究较具代表性的文章,提炼了他们的观点。

1. 姚先国、黄炜华进行了“地价与房价的关系”研究,他们认为地价与房价有关联,但并非线性关系,即使地价上涨,房价也并不一定随之上涨。只有其他成本都呈刚性再无下降空间,而开发商已到了无利可图的地步,地价的上升才会全部反映到房价上,成为房价上涨的直接原因。现有房价取决于居民有支付能力的需求,房价上涨主要是由于需求推动而非成本推动。

2.尚梅对“宏观经济因素对建筑产品价格的影响”进行了分析,认为如果建筑产品价格的时间序列与某宏观经济变量的时间序列密切相关,且这些经济变量的变化周期超前于建筑产品价格的变化周期,那么这些宏观经济变量就可能成为建筑产品价格变化的晴雨表。所列举的对建筑产品价格水平具有影响的宏观经济变量有: 建筑业投资、失业率、工业品产出、人均国民收入、银行贷款利率等等。

3. 陈多长、宗家峰对“房地产税收与住宅资产价格”研究后认为,对住宅未来价格的预期会影响现期价格,如果预期未来上升,则现期房价会马上上升; 若存在住宅转让投机,再加上不确定性和税收等因素影响,资产性价格将会发生振荡。税收对住宅资产价格的影响是双重的: 它既改变投机者的价格预期(影响预期资本性增值),也改变住宅资产的收益流量(影响资产的净现值)。

4. 姚大全对“土地储备对房地产的影响”进行了研究,土地储备对房价的短期影响是从两方面产生的,一是土地供应价格对开发成本的影响,二是土地供应机制对房屋开发总量的影响。

5. 有文章从央行加息对房地产的影响进行了分析,认为加息将延缓部分房

产需求的实现,改善房地产的供求关系,一定程度起到稳定房地产价格,放缓房地产投资速度的作用。

6. 张大亮、周丽梅在文章《顾客需求的变化对房地产价格的影响》中,认为随着购买主体、购买动机、功能需求及价值观念的变化,影响了顾客需求的变化。顾客需求的变化影响房地产价值的变化,从而引起价格的变化。房地产价值的实现程度与顾客对房地产价值的认知程度以及市场供求关系有关。

7.贺巍、李小朋从消费者的心理方面研究了影响建筑物心理价位的因素。他们认为房屋的地段、小区环境、建筑物质量、外观、房型、配套设施、交通状况、物业管理水平、建筑开发商的知名度、广告力度是影响建筑物心理价位的主要因素。

8.韩毅从物业管理方面对房地产价格的影响进行了分析,认为物业管理对一级市场上房地产销售价格的影响主要是通过企业的品德,树立了购买者对项目的信心。对二级市场而言,良好的物业管理可以对房地产功能方面的相对残缺、落后和不适的价值损失进行弥补; 物业管理也会通过负面的影响引起房地产价值的损失。

三、数据搜集

本文所采用数据均来自于《2010年中国统计年鉴》,真实性和权威性很高。数据内容包含城镇和农村,为全社会数据,是对住宅问题的宏观分析。其中,分地区人口数是根据1%人口抽样调查的,并充分考虑了流动人口的数据,建筑业劳动生产率是按当年(2009)增加值计算的。

四、计量经济模型

(一)模型的建立

Y=β1+β2X2+β3X3+β4X4+β5X5+β6X6+U

其中:

Y—住宅均价 X2—人口密度 X3—最终消费支出 X4—建筑业房屋建筑面积(施工) X5—建筑业劳动生产率 X6—人均年住房支出 U—随机扰动项

OLS回归结果

Dependent Variable: Y

Method: Least Squares

Date: 01/02/13 Time: 13:04

Sample: 1 31

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C -306.9796 751.8139 -0.408319 0.6865

X2 1.108812 0.419666 2.642132 0.0140

X3 0.045266 0.081092 0.558209 0.5817

X4 0.001279 0.014967 0.085442 0.9326

X5 0.057805 0.038336 1.507850 0.1441

X6 3.465842 1.730529 2.002765 0.0562 R-squared 0.780381 Mean dependent var 2415.613 Adjusted R-squared 0.736457 S.D. dependent var 1322.476 S.E. of regression 678.9118 Akaike info criterion 16.05084

Sum squared resid 11523030 Schwarz criterion 16.32839 Log likelihood -242.7881 F-statistic 17.76672 Durbin-Watson stat 1.971878 Prob(F-statistic) 0.000000

由上表,模型估计有以下结果

Y=-306.9796 + 1.108812X2 +0.045266X3+0.001279X4+0.057805X5+3.465842X6+U

se=(751.8139) (0.419666)(0.081092) (0.014967) (0.038336) (1.730529)

t=(-0.408319) (2.642132) (0.558209) (0.085442) (1.507850) (2.002765)

R2=0.780381 Adjusted R2=0.736457 F-statistic=17.76672

(二)参数估计的检验与修正

由上表,该模型的可决系数较高,F检验值=17.76672,明显显著。所有变量的符号也和预期效果一致,但α=0.05时,t(31-6)=2.060,,只有x2的系数的t检验显著,这表明很可能存在多重共线性。

(1)多重共线性的检验

Step1.计算各变量的相关系数。

相关系数矩阵

X2 X3 X4 X5 X6 X2 1.000000 0.341335 0.286258 0.463441 0.787605

X3 0.341335 1.000000 0.757988 0.380770 0.229225

X4 0.286258 0.757988 1.000000 0.463156 0.329929

X5 0.463441 0.380770 0.463156 1.000000 0.562310

X6 0.787605 0.229225 0.329929 0.562310 1.000000 可以看出,其中一些变量间的相关系数确实比较高,存在一定的多重共线性。

Step2.采用逐步回归法,来检验和解决多重共线性问题。分别做Y对x2-x5的一元回归,结果如下

一元回归结果

变量X2 X3 X4 X5 X6 参数估计值 2.111420 0.206044 0.038475 0.193595 8.167779 T统计量7.655785 2.288389 2.346959 4.192367 7.402354 可决系数0.668991 0.152956 0.159620 0.377361 0.653917 修正可决系数0.657577 0.123748 0.130642 0.355891 0.641983

其中,加入X2的修正的可决系数最大,以X2为基础,顺次加入其他变量逐次回归。

加入新变量的回归结果1

变量X2X3X4X5X6Adjusted

R2

X2, X3

1.999806

(6.84523)

0.066734

(1.11928)

0.660536

X2, X4

1.978295

(7.07951)

0.017349

(1.66424)

0.677272

X2, X5

1.753013

(6.23826)

0.094413

(2.75208)

0.720856

X2, X6

1.230774

(3.05001)

4.374935

(2.77087)

0.721668

经比较,新加入变量X6后,方程的修正的可决系数为0.722,改进最大,且各参数t检验显著,所以选择保留X6,再加入其他新变量逐步回归。

加入新变量的回归结果2

变量X2X3X4X5X6Adjusted

R2

X2, X6, X3 1.070309

(2.60604)

0.077327

(1.45735)

4.529605

(2.91899)

0.732409

X2, X6, X41.206522

(3.02916)

0.013010

(1.34137)

3.999483

(2.52844)

0.729392

X2, X6, X51.200100

(3.12218)

0.069142

(1.97739)

3.223376

(2.00006)

0.747872

经比较,新加入变量后,尽管方程的修正的可决系数都有较大改进,但各新变量参数t检验不显著,且使原有变量的t检验值也向不显著方向发展,所以说明X3、X4、X5引起了严重的多重共线性,应予剔除,使模型得到改善。

Step3.因此,剔除了多重共线性后的模型为

Y=β1+β2X2+β6X6+U

再次经过回归,结果为

Dependent Variable: Y Method: Least Squares Date: 01/02/13 Time: 16:23

Sample: 1 31 Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob. C 862.9113 311.8958 2.766665 0.0099 X2 1.230774 0.403531 3.050009 0.0050 X6 4.374935 1.578904

2.770869

0.0098 R-squared 0.740223 Mean dependent var 2415.613 Adjusted R-squared 0.721668 S.D. dependent var 1322.476 S.E. of regression 697.7015 Akaike info criterion 16.02523 Sum squared resid 13630045 Schwarz criterion

16.16400 Log likelihood -245.3910 F-statistic 39.89244 Durbin-Watson stat

2.187602

Prob(F-statistic)

0.000000

Y = 862.9113 + 1.230774* X 2 + 4.374935* X 6

(2.766665) (3.05) (2.771)

R 2

=0.74 DW=2.1876 F=39.89244

(2)

异方差的检验(White 检验)

Step1.相关图形分析

2000

4000

6000

8000

1000

2000

3000

X2

Y

02000

4000

6000

8000

200

400600

800

X6

Y

从这两个图可以粗略看出,随X2和X6的增加,Y 的离散程度有逐步变大的趋势,认为存在递增性的异方差。

Step2.残差图形分析

02000000

4000000

6000000

1000

2000

3000

X2

E 2

02000000

4000000

6000000

200

400600

800

X6

E 2

从这两个图也可以粗略看出,模型可能存在递增性的异方差。

Step3.

由于是二元的回归,所以采取含交叉项的White 检验

White Heteroskedasticity Test:

F-statistic 4.096535 Probability 0.007455 Obs*R-squared

13.96054

Probability 0.015862

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares Date: 01/02/13 Time: 17:31

Sample: 1 31 Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob. C -1704661. 841460.7 -2.025835 0.0536 X2 -3020.888 2027.173 -1.490198 0.1487 X2^2 -5.269660 1.727113 -3.051138 0.0053 X2*X6 34.99530 12.71219 2.752892 0.0108 X6 20449.86 7915.833 2.583413 0.0160 X6^2 -61.05799 21.80901

-2.799668

0.0097 R-squared 0.450340 Mean dependent var 439678.9 Adjusted R-squared 0.340408 S.D. dependent var 916997.0 S.E. of regression 744741.5 Akaike info criterion 30.05145 Sum squared resid 1.39E+13 Schwarz criterion

30.32899 Log likelihood -459.7974 F-statistic 4.096535 Durbin-Watson stat

1.931025

Prob(F-statistic)

0.007455

由上表,Obs*R-squared<0.05,拒绝原假设,表明模型存在异方差。

采用加权最小二乘法(WLS )对异方差进行修正。选用的权数为w=1/e^2。用权数的回归结果为

Dependent Variable: Y

Method: Least Squares

Date: 01/02/13 Time: 17:40

Sample: 1 31

Included observations: 31

Weighting series: W

Variable Coefficient Std. Error t-Statistic Prob.

C 917.1885 22.74134 40.33132 0.0000

X2 1.216970 0.022265 54.65933 0.0000

X6 3.911966 0.116646 33.53715 0.0000 Weighted Statistics

R-squared 0.999952 Mean dependent var 2039.287 Adjusted R-squared 0.999949 S.D. dependent var 6526.135 S.E. of regression 46.60059 Akaike info criterion 10.61287 Sum squared resid 60805.22 Schwarz criterion 10.75164 Log likelihood -161.4995 F-statistic 1745.012 Durbin-Watson stat 1.747133 Prob(F-statistic) 0.000000

再进行含交叉项的White检验

White Heteroskedasticity Test:

F-statistic 1.766136 Probability 0.156532 Obs*R-squared 8.091800 Probability 0.151248

Test Equation:

Dependent Variable: STD_RESID^2

Method: Least Squares

Date: 01/02/13 Time: 17:43

Sample: 1 31

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C 8298.620 4020.920 2.063861 0.0496

X2 -16.06315 9.686845 -1.658244 0.1098

X2^2 -0.009434 0.008253 -1.143077 0.2638

X2*X6 0.076596 0.060745 1.260934 0.2190

X6 -15.03336 37.82581 -0.397437 0.6944

X6^2 -0.049663 0.104214 -0.476549 0.6378 R-squared 0.261026 Mean dependent var 1961.459 Adjusted R-squared 0.113231 S.D. dependent var 3779.131 S.E. of regression 3558.747 Akaike info criterion 19.36419 Sum squared resid 3.17E+08 Schwarz criterion 19.64174 Log likelihood -294.1449 F-statistic 1.766136 Durbin-Watson stat 1.598441 Prob(F-statistic) 0.156532

由上表,Obs*R-squared>0.05,不拒绝原假设,表明模型不存在异方差。

可以看出运用加权最小二乘法消除了异方差,且参数t检验均显著,可决系数大幅提高,F检验也显著。

(3)自相关的检验

由进行了加权最小二乘修正的回归结果可知,DW=1.747,在0.05的显著性水平下,4-Du=2.43>DW>1.57,即落入无自相关的区域,所以判定模型不存在自相关。

(三)模型的解释

通过以上的参数估计、检验和修正,最终得到的模型结果如下:

Y = 917.1885 + 1.216970* X2 + 3.911966* X6

(40.33132)(54.65933)(33.53715)

R2=0.9999 DW=1.747 F=1745.012

X2—人口密度,X6—人均年住房支出

其经济含义是,每平方千米每增加一人,平均说来,住宅均价每平方米约增加1.217元;人均年住房支出每增加1元,平均说来,住宅均价每平方米约增加3.912元。

五、模型的补充与改进

1、我国房地产现状是这样的,虽然从04年开始国家进行了一系列的宏观调控,但是房价仍然快速上涨,房价泡沫多,投机炒房情况严重。其实,中央已往出台的土地政策具有很强的约束性,但房地产行业土地问题之所以“黑幕重重”,主要责任在地方政府执行层面,即地方政府与中央进行利益博弈。地方政府由于权衡多方利益,如地方投资、政绩工程、财政税收等等,很多时候对中央的政策置若罔闻。

2、从模型中我们可以看出,保留的两个解释变量都是需求方的,这说明中国房市还是需求为主导方,由于中国人口过多,而可居住的土地很紧缺,因此过剩需求导致房价居高不下,而供给方影响因素并不明显。

3、在模型数据处理处理上,人口密度的指标比较粗糙。因为中国城市化严重不均,东部相对成熟,人口稠密,而西部省份却有很多地方是无人区。但就城市而言,两地人口密度却无太大差别,因此直接以行政区划的面积来平均不能很好反映西部城市的情况。如果以可居住面积来进行平均,应该能收到更反映实际情况的结果,不过数据搜集上存在较大困难。

4、在模型中,我们发现本应起到较大作用的消费支出在拟合过程中并不太好,所以将其改进为居民消费水平进行拟合,得到了较好的结果。回归如下:

Dependent Variable: Y

Method: Least Squares

Date: 01/06/13 Time: 21:48

Sample: 1 31 Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C 269.3558 119.0994 2.261604 0.0314

X 0.371145 0.017762 20.89583 0.0000 R-squared 0.937720 Mean dependent var 2415.613 Adjusted R-squared 0.935572 S.D. dependent var 1322.476 S.E. of regression 335.6800 Akaike info criterion 14.53253

Sum squared resid 3267751. Schwarz criterion 14.62505 Log likelihood -223.2543 F-statistic 436.6355 Durbin-Watson stat 1.861687 Prob(F-statistic) 0.000000

模型为Y = 269.3558 +0.371145* X

(2.261604)(20.89583)

R2=0.9377 DW=1.862 F=436.6355

其经济含义是居民消费水平每增加一元,平均说来,住宅均价上升约0.37元。进行White检验

White Heteroskedasticity Test:

F-statistic 0.150642 Probability 0.860848 Obs*R-squared 0.330014 Probability 0.847888

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 01/06/13 Time: 21:51

Sample: 1 31

Included observations: 31

Variable Coefficient Std. Error t-Statistic Prob.

C 204143.0 190305.2 1.072714 0.2926

X -28.07287 51.53218 -0.544764 0.5902

X^20.001415 0.002591 0.546031 0.5894

R-squared 0.010646 Mean dependent

var

105411.3

Adjusted R-squared -0.060023 S.D. dependent var 210971.2 S.E. of regression 217210.4 Akaike info criterion 27.50689 Sum squared resid 1.32E+12 Schwarz criterion 27.64566 Log likelihood -423.3567 F-statistic 0.150642 Durbin-Watson stat 2.295273 Prob(F-statistic) 0.860848

由以上两表看到,修正后的可决系数达到93.56%,且不存在自相关(DW=1.86

落在无自相关区域)和异方差(White检验P值大于0.05)。说明各地区的消费水平确实是解释住宅价格的最好变量,这也是从需求角度出发的。

六、参考文献:

[1]《数据分析与Eviews应用》,易丹辉,中国人大学出版社

[2]《中国统计年鉴2010》

[3]田益祥等,《影响中国房地产价格的因素及其程度分析》,《商场现代化》2009年11月

[4]魏海燕等,《商品住宅主因素定价模型研究》,《科技导报》2011年11期

[5]鲍丽香,《房地产价格影响因素研究评述》,《边疆经济与文化》2010年第9期

计量经济学论文12篇

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

计量经济学论文(eviews分析)-房价的计量经济分析

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

计量经济学论文相关论文总结

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

计量经济学论文房价影响因素的实证分析

计量经济学论文房价影响因素的实证分析 标准化工作室编码[XX968T-XX89628-XJ668-XT689N]

我国房价影响因素的实证分析 【摘要】:作为国家的支柱产业,房地产的稳定发展关乎国计民生。近几年,房地产价格飞速上涨,连创新高。在这种情况下研究房价的影响因素,具有重要的理论和现实意义本文针对我国房价快速增长的现象,从人均可支配收入、房屋平均造价、房屋销售面积和房屋竣工面积四方面入手.依据收集到的相关数据.利用计量经济学软件Eviews对房价影响因素进行回归分析,得出房价受人均可支配收入、房屋平均造价和房屋竣工面积三方面因素影响的结论。 【关键词】房价 Eviews回归分析 一、引言 住房问题关系到群众的安居乐业和切身利益,关系到社区的安定。经过十多年的发展,我国房地产业已经成为国民经济的支柱产业之一,市场体系趋于完善,住房消费成为扩大内需的新动力和消费热点。但是近年来,我国房地产价格上涨较快,部分地区房价持续飙升,上涨幅度大大超过经济总体增长水平及其它行业产品与服务的上升幅度。房价增长过快的趋势,不仅极大地影响到城市居民的生活质量,也是整个国民经济继续平稳发展的一个不稳定因素,房价问题已经成为一个引起广泛关注的重要经济问题和社会问题。如何解决我国目前房地产市场价格居高不下的问题,对于提高城镇居民生活水平、缓解社会矛盾、保持经济持续发展具有重要意义。写作目的:通过对我国30个省份的有关资料进行分析,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。 二、文献综述 近几年来,我国房价持续上涨,不断创出历史新高。关于房价上涨的原因,住房和城乡建设部课题组(2004)分析为地价上涨推动多种住房需求旺盛,而深层次的原因在于消费者预期改变[1]。中国社会科学院与社会科学文献出版社(2007)联合发布的《2006年中国房地产发展报告》预测我国房地产价格长期趋势是上升的,其原因在于市场需求旺盛;供给结构失调;国家信贷的积极支持;地方政府的推动;缺乏规范有效的信息披露制度[2]。沈悦、刘洪玉(2004)认为如果房地产价格的上涨只是投机造成,缺乏相应的经济基础支持,这种价格上涨会向市场发出错误的信号,造成房地产市场和经济的虚假繁荣[3]。关于房地产市场的调控方式,梁云芳,高铁梅(2006)通过实证认为我国房地产市场只存在局部泡沫,通过利率来调控房地产市场,成效不大,但是信贷规模的变化对房地产

计量经济学期末课程论文范文

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。

计量经济学调查报告

大学生月消费支出调查报告 一、引言 在当前尚且低迷,尚未完全复苏的经济环境下,消费问题被大家广泛关注。物价的连续上涨,直接反映了社会的消费和需求问题。当前的消费市场中,大学生作为一个特殊的消费群体正受到越来越大的关注。由于大学生年龄较轻,群体较特别,他们有着不同于社会其他消费群体的消费心理和行为。一方面,他们有着旺盛的消费需求,另一方面,他们尚未获得经济上的独立,消费受到很大的制约。消费观念的超前和消费实力的滞后,都对他们的消费有很大影响。特殊群体自然有自己特殊的特点,同时难免存在一些非理性的消费甚至一些消费的问题。为了调查清楚大学生的消费情况,我决定在身边的同学中进行一次消费的调研,对大家的消费进行归宗和分析。 二、理论综述 我们主要对大学生每人每月消费支出进行多因素分析,并从周围同学搜集相关数据,建立模型,对此进行数量分析。 影响大学生每人每月消费支出的主要因素如下: 1、学习支出 2、消费收入 3、生活支出 三、模型设定 Y:每人每月消费支出 X1:学习支出X2:消费收入 X3:生活支出 四、数据搜集 1、数据说明 我们特对周围大学生的消费水平做了简单调查,再用计量经济学的知识分析其影响因素。 2、数据的搜集情况 人数每人每月消 费 支出Y 学习支出 (X1) 消费收入(X2)生活支出(X3) 1760310800450 2630230600400 311002301350880 4420170450250 59601601000800 6580280500300 78702201000650 8300110400190 910501501300900 10126016015001100 11130030015001000 12500190550310 13600180750420 149001401000760

计量经济学论文12篇-精品

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

计量经济学实践报告-影响我国房地产价格因素的分析

计量经济学实践报告: 影响我国房地产价格因素的分析 学生姓名: 学号: 学院:商学院 专业: 国际贸易 指导教师:

摘要:房地产,一个与社会大众息息相关的名词,一个牵动许多购房者神经的名词。眼下的房价无疑是最火热的焦点。本文选取1991-2005年相关的数据,应用计量经济学所学知识对根据经济理论选取的影响我国房地产价格的各因素进行检验,并对其影响程度的大小进行定量分析,修正等一系列的工作,最后确定一个较好的拟合模型,进一步明确和完善相关的经济学知识。以上过程都通过EVIEWS在计算机上实现。最后,对所得的结果作了经济意义的分析,并提出一些相应政策建议。 关键词:房地产价格物价城镇居民收入建材价格 一、问题的提出 近几年来,房地产价格急剧上涨,使得房地产问题变得异常尖锐。今年的经济工作会议和十七大以及年初的两会,对房地产行业的发展持有肯定的表述,房地产业在促进国民经济稳定健康增长,全面改善城乡居民居住状况发挥了巨大的作用,最近几年房地产发展的情况可以看得出来,城乡住宅的建筑量每年保持在13亿平方米,城镇是 5.5—6亿平方米,竣工量是很大的。过去有厂房集中建房,商品房的比例不大,最近的比例很多,达到了80%。人均住房面积大幅度的提升,1978年人均居住面积是2.6平方米左右,现在已经达到了27平方米/人均,这在世界上也是令人瞩目的。人均住房面积的增长是伴随着人口快速增加提升的,房地产业发展给国民经济以及人民生活带来的积极影响,包括对GDP的贡献率,最高峰达到了5.2%,平均水平是4.5%。 我国房地产还是一个年轻产业,自从1990年国务院55号令对土地交易的法律承认开始,标志着我国房地产商品化的开始,到目前为止,已经有17年的发展历史了。这15年来,我国房地产大体经历了三个阶段,就是说1990至1996年为一个阶段,这时的消费者对产品的要求不高,还仅仅只是提供一个居所,对劣质产品、市场需求不是太看重,但市场在起步,总的来说是卖方市场;第二个阶段是从1996年至2000年,随着1998年取消福利分房以后,房地产市场的购房主体发生了变化,集团购买基本退出市场,而个人消费成为主体,购房主体个人化已是一种不可逆转的趋势。随着市场经济的快速发展,除国有、集体所有的房地产公司外,大量的中外合资、合作、独资、私营的房地产企业参与房地产的开发销售。房地产市场开发主体的多元化和购房主体需求的多样化,房地产市场开始完全市场化。第三阶段是在2000年以后,整个中国的房地产快速发展,我国地产市场进入到大规模的市场化开发阶段。从2000年到2005年,我国度过了地产15年这场大戏中分量最重的五年,房地产进入以“ 新产品主义” 为开发导向。2000年以后,整个中国的房地产快速发展,这时不仅要有理念,还要有文化,还要讲产品,是我国房地产发展最为迅速的时期。 二、经济理论陈述 无论是以攫取高额利润还是以快速回笼资金为主要目标,厂商在为楼盘确定价格时通常需考虑三个因素:一是成本——地价、建安成本、税收及其他费用的总和。二是竞争——市场供求总量、直接与间接竞争对手们的价格情况。三是消费者——目标消费者能够接受何种价格。三种因素在楼盘最终定价中所起的作用显然不一样,一般说来市场供求总量与竞争对手的价格只是参考,而成本与消费者则是决定价格策略的根本因素。因此,我选取了建筑材料价格,城镇居民收入,城镇物价指数,城市人口四个因素作为解释变量。一方面,资本

《计量经济学》期末论文

《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

计量经济学案例分析一元回归模型实例分析报告

∑ x = 1264471.423 ∑ y = 516634.011 ∑ X = 52432495.137 ∑ ? ? ? ? 案例分析 1— 一元回归模型实例分析 依据 1996-2005 年《中国统计年鉴》提供的资料,经过整理,获得以下农村居民人均 消费支出和人均纯收入的数据如表 2-5: 表 2-5 农村居民 1995-2004 人均消费支出和人均纯收入数据资料 单位:元 年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 人均纯 收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4 人均消 费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7 一、建立模型 以农村居民人均纯收入为解释变量 X ,农村居民人均消费支出为被解释变量 Y ,分析 Y 随 X 的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论,建立一元线 性回归模型如下: Y i =β0+β1X i +μi 根据表 2-5 编制计算各参数的基础数据计算表。 求得: X = 2262.035 Y = 1704.082 2 i 2 i ∑ x i y i = 788859.986 2 i 根据以上基础数据求得: β1 = ∑ x i y 2 i i = 788859.986 126447.423 = 0.623865 β 0 = Y - β1 X = 1704.082 - 0.623865 ? 2262.035 = 292.8775 样本回归函数为: Y i = 292.8775 + 0.623865X i 上式表明,中国农村居民家庭人均可支配收入若是增加 100 元,居民们将会拿出其中 的 62.39 元用于消费。

计量经济学论文范文

计量经济学论文范文 https://www.doczj.com/doc/ca11588938.html,/ 摘要:计量经济学在经济学科中占据重要的地位,计量经济学方法为现代西方经济学的科学化作出了突出贡献。随着自然科学的发展和人们对经济系统复杂性认识的深入,现代计量经济学内容和方法也在不断地发展。我们介绍计量经济学的产生、发展以及它所研究的几个主要方面和方法,以促进计量经济学的普及推广和学习研究。 关键词:计量经济学;统计检验;预测分析;参数估计 计量经济学(ECONOMETRICS),亦称经济计量学。传统的经济学是研究经济变量之间关系的科学,计量经济学则是研究如何度量这些关系的科学。当代科学发展的特点,第一就是数学化,从定性研究到定量描述以认识事物的本质,是科学发展的一般规律。马克思说过,一种科学只有在成功地运用数学时,才算达到了真正完善的地步。第二是互相渗透,计量经济学正是传统的经济学数学化和几门科学互相渗透的结果。 一现代计量经济学的本质及其产生发展的过程 1.计量经济学本质 所谓计量经济学,是以数理统计为基础,数学方法为手段,经济理论为指导,考察现代社会中的各种经济的数量关系,预测经济发展趋势,是检验经济政策效果的工具。在资本主义国家,经济理论当然是指资产阶级经济理论,其中占显著地位的是凯恩斯的经济理论。而统计学则主要是指数理统计,数理统计作为认识社会的一种科学方法在很多领域广为应用,电子计算机作为一种高效逻辑运算工具,越来越广泛地应用于统计资料的收集、整理与分析。至于数学模型,其实就是用来反映客观实际的数学方程式。不过,计量经济学中的数学模型,更多的是联立方程组,而不是单个方程式,并且一般是以概率模型出现的。挪威经济学家,计量经济学的始祖弗瑞希在1933年的计量经济学》》杂志创刊号社论中有这样一段话:“用数学方法探讨经济学可以从好几个方面着手,但任何一个方面都不能与计量经济学混为一谈。因此,计量经济学与经济统计学决非一码事。它也不同于我们所说的一般经济理论,尽管经济理论大部分都具有一定的数量特征。计量经济学也不应视为数学应用于经济学的同义语。经济表明,统计学、经济理论和数学这三种观点对真正了解现代经济生活中数量关系来说,每一种观

房价的计量经济分析

房价的计量经济分析

计量经济学 课程论文 论文题目房价的计量经济分析 学院经济与管理学院 专业投资学 年级 2014 学号 201424015118 学生姓名黄锦恒 完成时间 2016 年 12 月

房价的计量经济分析 摘要:2015年以来全国整体的楼市销售在政策不断利好的刺激下,温和回暖。2015年是国企改革深化的关键之年。虽然此前国企改革进度总体来说低于预期,但从2015年年初至今,尤其是两会以后,相关政策密集出台,“1+N”国企改革文件出台的预期逐渐加强。由于一线城市在经济增长、产业聚集以随着政府一系列关于房地产政策的出台,我国房地产行业出现回暖迹象,许多城市的房价都在上升期。2015年1至6月份,全国商品房销售面积同比增长3.9%,而1至5月份为下降0.2%,热点城市住宅交易量明显上升。在住宅交易回暖的过程中,房地产市场出现新的运行特征,将对房地产业数量型增长模式提出巨大挑战,值得高度关注。 关键词:房价成本;计量假设检验;拟合优度 1.引言 近年以来,房地产业迅速发展,价格持续稳定上涨,已远远超过一般人所能承受的经济能力。过高的房价有可能超出经济系统的承受能力,从而最终影响经济的稳定。为此基于对我国房价上涨的成因分析,并有针对性地提出了解决房价问题的对策建议2.理论基础 房产是指建筑在土地上的各种房屋,包括住宅、厂房、仓库和商业、服务、文化、教育、卫生、体育以及办公用房等。地产是指土地及其上下一定的空间,包括地下的各种基础设施、地面道路等。房地产由于其自己的特点即位置的固定性和不可移动性,在经济学上又被称为不动产。可以有三种存在形态:即土地、建筑物、房地合一。根据经济学原理,商品的价格由供求变化决定。若供过于求,则价格下降,反之,价格上升。供给与需求理论就是通过协调供给与需求的关系以使产品达到一种均衡价格,住房作为

计量经济学期末报告

计量经济学实验报告 我国居民储蓄余额的影响因素的计量分析 XX学院 XX专业 小组成员:(姓名及学号)

我国居民储蓄余额的影响因素的计量分析 一.研究的目的要求 1.研究的背景 居民储蓄额作为一个国家经济增长中来源最稳定、数额最大的影响因素,它的高低对一国的经济发展、投资和居民生活等方面都有不同程度的影响。目前我国国内居民储蓄意愿强劲、储蓄额居高不下,形成了储蓄的超常增长,主要呈现以下特点:(1)储蓄率世界之冠;(2)储蓄增长速度高于经济和居民收入增长速度;(3)城乡之间差别大;(4)不同收入阶层分布不均匀;(5)不同地区分布极不平均。我国储蓄的超常增长一方面能为银行提供了充足的信贷资金,保证金融机构的稳健运行,还能为国家提供了物质基础;此外,面对世界的日益发展,高储蓄额还能帮助我国进一步改革。但是,在另一方面我还国存在金融机构对资本的运用效益不高、居民投资渠不多、投资效益不稳定等问题。这些问题导致我国现在储蓄存款过剩、消费不足和资本形成不足同时并存的局面。 2013年6月余额宝正式上线,在此后的一年中该产品的客户数量和管理资产出现爆炸式的增长。截止2014年3月余额宝资金规模已经达到5413亿元,截止2014年4月,居民人民币存款减少1.23万亿元。余额宝作为一条“鲶鱼”和随后出现的众多“宝宝”们一起加速了中国利率市场化的进程,对未来我国储蓄额有着重大影响。 为了分析我国居民储蓄存款如今的发展状况、更好地把握我国储蓄余额未来的走向,所以对我国储蓄余额的及其影响因素的研究是十分必要的。 2.影响因素的分析 为了研究影响中国储蓄余额高低的主要原因,分析居民储蓄余额增长规律,预测中国储蓄余额的增长趋势,需要建立计量经济模型。通过参考相关文献并结合我国经济发展的实际情况提出了以下几个变量。(1)收入水平。根据经济理论可以认为,收入水平是影响储蓄的最主要因素。(2)利率水平。利率作为消费的机会成本也会对储蓄产生影响。理论上认为,利率越高,居民消费的机会成本越高,所以会减少消费增加储蓄;反之,利率越低消费成本越低,居民会增加消费减少储蓄。(3)物价水平。物价水平会影响消费和储蓄。物价水平越高相同消费水平需要支付的货币更多。而且物价水

计量经济学论文参考题目

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

计量经济学课程论文(国内生产总值对固定资产投资的影响)

计量经济学课程论文论文题目:国生产总值对固定资产投资的影响 学生: 学号: 专业: 班级: 指导教师: 完成日期:年月日

摘要 随着我国经济日以不断的增长,在国民经济的发展过程中,固定资产投资对国民 经济的增长起着重要的作用。而在目前的经济现状中,国生产总值与固定资产投 资之间存在共存趋势。本文从国生产总值及固定资产投资的关联性出发,通过对 数据模型的设立,讨论了随着我国国民生产总值与固定资产投资的关联性。 关键词:国生产总值;固定资产投资;经济增长:发展; 目录 一、引言 (3) 二、国生产总值与入境旅游的关联性分析 (3)

(一)理论依据 (3) (二)实证分析 (5) 1.模型指标选择 (5) 2.数据来源 (6) 3.模型的设定 (6) 4.模型的估计与检验 (8) 三、结论........................................ 错误!未定义书签。参考文献........................................ 错误!未定义书签。附录 (3)

一引言 随着世界经济逐渐走强,我国经济也快速增长。投资是总需求的一个组成部分,从而带动总产出的水平的增长,投资可以形成新的后续生产能力,为长期的经济增长提供必要的物质和技术基础。文献检索发现,关于固定资产投资和国生产总值的相关性研究有很多,大多为回归分析,协整方差等。并对它们进行了序列相关系检验及修正,异方差检验及其修正,最后给出了相应的修正模型(ECM)。检验结果表明,中国经济的增长是固定资产投资增长的重要原因,最后,结合实证分析得出一些结论,并给出一些建设性的建议。 综上,推断国生产总值对固定资产投资有影响,国生产总值的提高会引起固定资产的增长。本文借鉴他人在针对相对国生产总值与固定资产投资的关系的研究,提出了国生产总值对固定资产投资有影响的论点,之后通过模型对此进行实证分析。本文安排如下:第一部分,引言;第二部分,梳理相关理论研究文献并通过建立模型,进行二者的关联性分析;第三部分,结论。 二国生产总值与固定资产投资的关联性分析 (一)理论依据 1.根据哈罗德--萨缪尔森效应理论论证相对劳动生产率与汇率的关系。 唐旭和钱士春在《相对劳动生产率变动对人民币实际汇率的影响分析-哈罗德--萨缪尔森效应实证研究》中从国相对劳动生产率对相对价格的影响、国际中两国相对劳动生产率对两国相对价格的影响两方面进一步研究了相对劳动生产率对实际汇率的影响。 文章以第二产业与第三产业分别作为贸易与非贸易部门,通过构造第二、三产业劳动生产率与价格缩减指数等数据,发现我国贸易部门相对于非贸易部门的相对劳动生产率一直在上升,非贸易部门相对于贸易部门的相对价格也在上升,符合哈罗德--萨缪尔森效应理论所描述的特征。进一步研究表明,两部门相对生产率对相对价格影响显著,两者呈正向关系,贸易部门与非贸易部门的劳动生产

计量经济学期末论文中国人均GDP与居民消费水平、税收及政府支出

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:

计量经济学论文

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

计量经济学论文我国房价影响因素的实证分析

我国房价影响因素的实证分析 【摘要】:作为国家的支柱产业,房地产的稳定发展关乎国计民生。近几年,房地产价格飞速上涨,连创新高。在这种情况下研究房价的影响因素,具有重要的理论和现实意义本文针对我国房价快速增长的现象,从人均可支配收入、房屋平均造价、房屋销售面积和房屋竣工面积四方面入手.依据收集到的相关数据.利用计量经济学软件Eviews对房价影响因素进行回归分析,得出房价受人均可支配收入、房屋平均造价和房屋竣工面积三方面因素影响的结论。 【关键词】房价 Eviews回归分析 一、引言 住房问题关系到群众的安居乐业和切身利益,关系到社区的安定。经过十多年的发展,我国房地产业已经成为国民经济的支柱产业之一,市场体系趋于完善,住房消费成为扩大内需的新动力和消费热点。但是近年来,我国房地产价格上涨较快,部分地区房价持续飙升,上涨幅度大大超过经济总体增长水平及其它行业产品与服务的上升幅度。房价增长过快的趋势,不仅极大地影响到城市居民的生活质量,也是整个国民经济继续平稳发展的一个不稳定因素,房价问题已经成为一个引起广泛关注的重要经济问题和社会问题。如何解决我国目前房地产市场价格居高不下的问题,对于提高城镇居民生活水平、缓解社会矛盾、保持经济持续发展具有重要意义。写作目的:通过对我国30个省份的有关资料进行分析,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。 二、文献综述 近几年来,我国房价持续上涨,不断创出历史新高。关于房价上涨的原因,住房和城乡建设部课题组(2004)分析为地价上涨推动多种住房需求旺盛,而深层次的原因在于消费者预期改变[1]。中国社会科学院与社会科学文献出版社(2007)联合发布的《2006年中国房地产发展报告》预测我国房地产价格长期趋势是上升的,其原因在于市场需求旺盛;供给结构失调;国家信贷的积极支持;地方政府的推动;缺乏规范有效的信息披露制度[2]。沈悦、刘洪玉(2004)认为如果房地产价

相关主题
文本预览
相关文档 最新文档