下载文档原格式
一、往届的学生提交的作业存在问题归纳如下：1、缺少具有说服力的理论假说2、变量之间关系牵强，无研究价值和实际意义如：全国居民消费价格指数与商品零售价格指数；粮食出售量与蔬菜出售量；农民收入与居民收入；日照时间与粮食产量；等等。
3、自变量不是主要的影响因素，如日照时间就不是影响粮食产量的主要因素4、变量的度量指标不具体，模糊不清5、指标数据的类型不明确，是采用时间序列数据、还是截面数据。
二、提供可参考的计量经济学模型：1．生产函数：农业总产值与农业从业人员、财政用于农业资金、农业机械总动力关系工业总产值与固定资产、职工人数之间的关系2．消费函数：（1）食品消费支出与食品价格、家庭年（月）人均收入（2）不同地区城镇居民家庭人均可支配收入与人均消费支出（3）中国居民收入与消费的关系（4）农村居民消费函数：农村居民人均消费支出与农业经营纯收入、其他来源的纯收入3．需求函数：Y:居民对食品的消费量;X1:消费者消费支出总额；X2:食品价格指数三、计量经济学模型建立：8个基本步骤现实问题：经济形势对人们工作意愿的影响？第一步，建立一个理论假说假说一：受挫—工人假说。
即经济形势恶化（表现为高失业率），则工人的工作意愿下降（表现为低劳动参与率）；假说二：增加—工人假说。
即经济形势恶化（高失业率），许多后备工人进入劳动市场以补贴家庭开支（尽管薪酬很低），进而导致劳动参与率上升。
第二步，收集数据变量：经济形势，劳动者的工作意愿具体的度量指标：城市失业率（%），城市劳动力参与率（%）数据一般来源：权威部门向社会发布的统计信息、公开出版物、亲自调查资料来源：总统经济报告，2008年 第三步，设定数学模型第四步，设立统计或经济计量模型 第五步， 估计经济计量模型参数第六步，检查模型的适用性：模型设定检验1．经济意义检验：2．统计学检验：3．计量经济学检验：第七步，检验源自模型的假说；1．验证估计的模型是否有经济意义；2．估计的结果是否与经济理论相符。
计量经济学理论的模型解释与预测引言计量经济学是经济学中一个重要的分支，其研究方法主要基于经济理论和数理统计学，旨在通过使用数学和统计方法来解释经济现象，并进行预测和政策分析。
计量经济学理论的模型是实现这一目标的核心工具。
本文将对计量经济学理论的模型进行解释，并探讨其在预测方面的应用。
一、计量经济学理论的模型解释1.1 常见的计量经济学模型计量经济学模型是对经济现象进行抽象和概括的数学表达式。
常见的计量经济学模型包括线性回归模型、时间序列模型、面板数据模型等。
线性回归模型是计量经济学中最基础且广泛应用的模型之一。
它假设变量之间存在线性关系，并通过估计各个变量的系数来解释经济现象。
时间序列模型是用于分析时间序列数据的模型，其中包括自回归模型、移动平均模型、ARMA模型等。
时间序列模型主要用于分析时间上的趋势和周期性。
面板数据模型是同时包含横截面和时间序列数据的模型，通常用于分析跨国或跨地区的经济现象。
面板数据模型可以同时考虑个体特征和时间特征，提高了模型的解释能力。
1.2 模型解释的基本步骤模型解释是对计量经济学模型进行参数估计和推断的过程。
基本的模型解释步骤包括模型设定、估计方法选择、参数估计和模型诊断。
模型设定是根据研究目的和数据特征选择适当的计量经济学模型，并确定模型中包含的变量和假设条件。
估计方法选择是根据模型的性质和数据的特点选择合适的估计方法，常见的估计方法包括最小二乘法、广义最小二乘法、极大似然估计等。
参数估计是利用选定的估计方法对模型的参数进行估计，通常使用计算机软件进行参数的数值计算。
模型诊断是对估计结果进行评价和检验，包括残差分析、假设检验等。
模型诊断可以用于判断模型的拟合程度和参数的显著性。
1.3 模型解释的应用领域计量经济学模型的解释应用广泛，包括实证研究、政策评估和预测分析等。
实证研究是计量经济学模型应用的基本领域，通过对模型进行解释，可以验证和检验经济理论的有效性，并提供实证证据支持。
计量经济学模型
计量经济学模型是一种用于分析定量经济行为的方法。
它通过使用数字技术来描述和预测经济问题，以帮助决策者更好地理解经济现象。
计量经济学模型的基本目标是描述经济行为的影响因素并识别其影响的大小，以便可以对政策措施作出明智的经济决策。
计量经济学模型的基本原理是要把经济变量通过数学模型的形式进行表达，这种数学模型可以用来描述经济现象，也可以用来预测未来的经济发展趋势。
例如，计量经济学模型可用来分析价格波动、收入差距、市场份额或投资回报率等经济变量之间的关系，以及各种政策措施对这些变量的影响。
计量经济学的模型
计量经济学是一门运用数学、统计学和经济学理论来分析经济数据的学科。
它的核心是建立经济变量之间的数学模型，并利用实际数据进行估计和验证。
计量经济学模型通常由一组方程式组成，这些方程式描述了经济变量之间的关系。
其中，最常见的模型是线性回归模型，它假设因变量与自变量之间存在线性关系。
在建立计量经济学模型时，需要考虑许多因素，例如变量的选择、数据的收集和处理、模型的假设和限制等。
为了确保模型的可靠性和有效性，需要进行一系列的统计检验和诊断，例如拟合优度检验、异方差性检验、自相关检验等。
计量经济学模型可以用于预测经济变量的未来走势、评估政策的效果、检验经济理论的正确性等。
它在宏观经济、金融市场、产业经济等领域都有广泛的应用。
总之，计量经济学是一门重要的经济学分支，它通过建立数学模型来分析经济数据，为政策制定和经济决策提供了科学依据。
——名词解释将因变量与一组解释变量和未观测到的扰动联系起来的方程，方程中未知的总体参数决定了各解释变量在其他条件不变下的效应。
与经济分析不同，在进行计量经济分析之前，要明确变量之间的函数形式。
经验分析（Empirical Analysis）：在规范的计量分析中，用数据检验理论、估计关系式或评价政策有效性的研究。
确定遗漏变量、测量误差、联立性或其他某种模型误设所导致的可能偏误的过程线性概率模型（LPM）（Linear Probability Model, LPM）：响应概率对参数为线性的二值响应模型。
没有一个模型可以通过对参数施加限制条件而被表示成另一个模型的特例的两个（或更多）模型。
有限分布滞后（FDL）模型（Finite Distributed Lag (FDL) Model）：允许一个或多个解释变量对因变量有滞后效应的动态模型。
布罗施-戈弗雷检验（Breusch-Godfrey Test）：渐近正确的AR（p）序列相关检验，以AR（1）最为流行；该检验考虑到滞后因变量和其他不是严格外生的回归元。
布罗施-帕甘检验（Breusch-Pagan Test）/（BP Test）：将OLS 残差的平方对模型中的解释变量做回归的异方差性检验。
若一个模型正确，则另一个非嵌套模型得到的拟合值在该模型是不显著的。
因此，这是相对于非嵌套对立假设而对一个模型的检验。
在模型中包含对立模型的拟合值，并使用对拟合值的t 检验来实现。
回归误差设定检验（RESET）（Regression Specification Error Test, RESET）：在多元回归模型中，检验函数形式的一般性方法。
它是对原OLS 估计拟合值的平方、三次方以及可能更高次幂的联合显著性的F 检验。
怀特检验（White Test）：异方差的一种检验方法，涉及到做OLS 残差的平方对OLS 拟合值和拟合值的平方的回归。
这种检验方法的最一般的形式是，将OLS 残差的平方对解释变量、解释变量的平方和解释变量之间所有非多余的交互项进行回归。
一、【摘要】财政收入是衡量一国政府财力的重要指标，国家在社会活动中提供公共物品和服务，很大程度上需要财政收入的鼎力相助。
财政收入既是国家的集中性分配活动，又是国家进行宏观调控的重要工具。
税收是国家为实现其职能的需要，凭借其政治权利并按照特定的标准，强制、无偿的取得财政收入的一种形式，它是现代国家财政收入最重要的收入形式和最主要的收入来源。
本课题跟据我国最近几年的经济发展水平和税收收入并结合我国各地区在2008年的实际情况，利用《中国统计年鉴2009》做出了税收收入的计量模型，比较分析了职工工资总额、财政支出和人均家庭总收入等变量对税收收入的不同影响，得出了几个重要的结论。
2008年以来社会不公平和贫富差距进一步了大，造成了社会的不稳定。
2010年两会期间温家宝总理提出调整税收基数，从而来缩小贫富差距和社会公平问题。
二、【绪论】税收是国家为了实现其职能，以政治权利为基础，按规定标准以政治权力为基础，按预定标准像经济组织和居民无偿课征而取得的一种财政收入。
税收的影响因素有很多包括一国的经济实力，经济发展水平，劳动者的素质，职工工资总额，财政支出，家庭总收入，生产总值，商品零售价格指数等。
因此建立税收与职工工资总额、地区生产总值、商品零售价格指数及财政支出的经济模型。
设税收收入为Y，职工工资总额为X1,地区生产总值为X2，商品零售价格指数为X3，财政支出为X4。
以《中国统计年鉴2009》为资料来源，使用了2008年各地区的职工工资总额、生产总值、商品零售价格指数、财政支出，对我国各地区税收收入影响因素做实证分析。
全国各地区税收收入及影响因素单位：亿元地区税收收入（Y）职工工资总额（X1)地区生产总值(X2)商品零售价格指数(X3)财政支出(X4)北京1775.58 2847.49 10488.03104.4 1959.29天津546.26 737.23 6354.38 105.1 867.72河北748.89 1174.5 16188.61106.7 1881.67 山西566.49 944.08 6938.73 107.2 1315.02 内蒙古464.45 638.49 7761.8 104.7 1454.57 辽宁1017.1 1352.21 13461.57105.3 2153.43 吉林311.07 601.41 6424.06 106.2 1180.12 黑龙江420.21 972.68 8310 105.8 1542.3 上海2223.43 1745.54 13698.15105.3 2593.92江苏2278.71 2132.45 30312.61104.9 3247.49浙江1792.09 2359.05 21486.92106.3 2208.58 安徽527.93 844.47 8874.17 106.3 1647.13 福建704.45 1148.23 10823.11105.7 1137.72 江西357.96 573.25 6480.33 106.1 1210.07 山东1533.53 2294.49 31072.06104.9 2704.66河南742.27 1702.22 18407.78107.5 2281.61湖北537.21 1000.01 11330.38106.3 1650.28 湖南486.31 1041.86 11156.6105.6 1765.224广东2864.79 3294.17 35696.46106 3778.57 广西346.49 693.82 7171.58 107.6 1297.11海南120.54 166.14 1459.23 106.7 357.97重庆360.29 613.78 5096.66 105 1016.01四川732.07 1318.42 12506.25105.3 2948.83 贵州260.8 509.55 3333.4 107.2 1053.79云南482.39 683.69 5700.1 106.1 1470.24西藏15.19 84.84 395.91 103.9 380.66陕西455.6 856.18 6851.32 106.9 1428.52甘肃162.8 454.58 3176.11 107.9 968.43青海136.9 136.9 961.53 110.6 363.6宁夏172.21 172.21 1098.51 108.5 324.61新疆619.9 619.9 4203.41 108.5 1059.36建立我国各地区税收收入影响因素的一个四元线性回归模型如下：Y i=β0+β1 X1+β2X2+β3X3+β4X4+μ用Eviews对各地区与税收收入同期的4线性回归分析的结果Dependent Variable: YMethod: Least SquaresDate: 06/22/11 Time: 11:51Sample: 1 31Included observations: 31Variable CoefficientStd. Error t-Statistic Prob.C -529.080619371 4352.81687946-0.1215490184910.904190749884X1 0.642067810222 0.1469448234724.369448307560.000177462906026X2 0.00876658020211 0.01520971548610.5763802886480.56931478741X3 3.14006399722 40.51890683830.07749626636660.938822073313X4 0.10772507423 0.1551170288630.6944761321170.493543201322R-squared 0.862483310257Mean dependent var 766.577741935Adjusted R-squared 0.841326896451S.D. dependent var 713.982870652S.E. of regression 284.406456128Akaike infocriterion14.2853758422Sum squared resid 2103062.83946Schwarz criterion 14.516664101Log likelihood -216.423325554F-statistic 40.766990008Durbin-Watson stat 1.44845204035Prob(F-statistic) 7.68098975628e-11从上面实证我们可以看出：R2=0.862483310257，调整后的R2=0.841326896451,表明样本回归方程的解释能力为86%，在税收收入的变差中，可以由解释变量职工工资总额，地区生产总值，零售商品价格指数，财政支出解释的部分占86%，也就是说税收收入变动的86%可由样本回归方程作出解释，模型的拟合优度较高。
可是当取α=0.05时Tα/2(31-6)=2.12，可以看出此时X2、X3、x4系数的T检验不显著，这表明很可能存在严重的多重中线性。
相关检验多重共线性检验计算解释变量与被解释变量的相关系数，得其相关系数矩阵Y X1 X2 X3 X4Y1.000000 0.922952 0.852480 -0.355236 0.848270X10.922952 1.000000 0.876806 -0.382620 0.868807X20.852480 0.876806 1.000000 -0.332378 0.902599X3 -0.355236 -0.382620-0.332378 1.000000-0.392546X4 -0.3925采用逐步回归法，来检验并解决多重共线性问题。
分别作y对x1、x2、x3、x4的一元回归，得出（1）^Y=-130.4043+0.824778X1 R2=0.851841 ¯R2=0.846732 （2）^Y=41.05122+0.068753X2 R2=0.726723 ¯R2=0.717299 （3）^Y=19922.44-180.2494X3 R2=0.126192 ¯R2=0.096061 （4）^Y=-364.6633+0.712062X4 R2=0.719562 ¯R2=0.709892 以上四个方程，根据经济理论和统计检验，职工工资总额X1是最重要的解释变量，所以选出最优简单回归方程Y=f(X1)，将其余变量逐个引入Y=f(X1),计算结果如下表：^β0（常数）^β1（X1）^β2 (X2)^β3(X3)^β4(X4)R2 ¯R2Y=f(x1) -130.4043 0.8247780.8518410.846732Y=f(x1,x2) -130.2067 0.6782780.105075 0.8599240.849919Y=f(x1,x2,x3) 40.02513 0.6771730.015079 -1.0598470.8599320.844369Y=f(x1,x2,x4) -191.8922 0.6406070.008892 0.1057040.8624520.847168Y=f(x1,x2.x3,x4) -529.0806 0.6420680.008767 3.1400640.1077250.8624830.841327【分析】由上表可知：①加入X2变量使得R2由0.851841提高到了0.859924，同时¯R2也由0.846732提高到了0.849919，同时^β1，^β2，为正0.848270 0.868807 0.902599 46 1.000000号也合理，对二者进行T 检验，由于查表得t0.025（31）=2.042，^β2的T 值为1.271100通不过检验，所以剔除X2②加入X3变量使得R2得到了提高，可是可以看出¯R2却降低了，说明X3的引入对参数^β1的影响不大，可能是多重共线性造成的，应当剔除③加入X4变量与加入变量X3的情况是一样的，所以也应当剔除因此综上，变量X2,X3,X4 都应予以剔除，只保留X1。
X1的回归方程结果用EViews软件计算结果为：Dependent Variable: YMethod: Least SquaresDate: 06/22/11 Time: 16:27Sample: 1 31Included observations: 31Variable CoefficientStd. Error t-Statistic Prob.C -130.404311339 85.7078230932-1.521498349080.138964994054X1 0.824778300292 0.063873798834212.91262325631.49611076361e-13R-squared 0.851841133974Mean dependent var 766.577741935Adjusted R-squared 0.846732207559S.D. dependent var 713.982870652S.E. of regression 279.520229181Akaike infocriterion14.1663672826Sum squared resid 2265815.19712Schwarz criterion 14.2588825861 Log likelihood -217.57869288F-statistic 166.735839358 Durbin-Watson stat 1.42174658097Prob(F-statistic) 1.49611076361e-13 所以，回归模型为：Y = -130.4 0+ 0.8248X1由于所选数据为截面数据，所以还要对其进行异方差的检验异方差检验绘制e2对x的散点图由图可看出e2对x的散点图主要分布在图中的大部分地方。
