当前位置：文档之家 › 计量经济学论文(eviews分析)计量经济作业

计量经济学论文(eviews分析)计量经济作业

  • 格式：doc
  • 大小：277.00 KB
  • 文档页数：8

来源于网络 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

来源于网络 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：

其中

Ｙ——1994-2003年各年全国旅游收入

Ｃ（１）——待定参数

2X——国内旅游人数 （万人）

3X——入境旅游人数 （万人）

4X——城镇居民人均旅游花费 （元）

5X——农村居民人均旅游花费 （元）

6X——公路长度（含高速）（万公里）

7X——铁路长度 （万公里）

Ｕ——随即扰动项

四、 模型的求解和检验

利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 01:56

Sample: 1994 2003

Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.??

C -340.5047 1357.835 -0.250770 0.0882

X2 -0.001616 0.013520 -0.119529 0.1524

X3 0.232358 0.128017 1.815050 0.1671

X4 6.391052 1.716888 3.722463 0.0337

X5 -1.046757 1.224011 -0.855187 0.0453

X6 5.673429 6.667266 0.850938 0.4573

X7 -474.3909 355.7167 -1.333620 0.2745

R-squared 0.996391 ????Mean dependent var 2494.200

Adjusted R-squared 0.989174 ????S.D. dependent var 980.4435

S.E. of regression 102.0112 ????Akaike info criterion 12.28407

Sum squared resid 31218.86 ????Schwarz criterion 12.49588

来源于网络 Log likelihood -54.42035 ????F-statistic 138.0609

Durbin-Watson stat 3.244251 ????Prob(F-statistic) 0.000944

由此可见，该模型可决系数很高，F检验显着，但是2X、6X、7X的系数t检验不显着，且7X的系数符号不符合经济意义，说明存在严重的多重共线性。

所以进行以下修正：

〈一〉．计量方法检验及修正

多重共线性的检验：

首先对Y进行各个解释变量的逐步回归, 由最小二乘法，结合经济意义和统计检验得出拟合效果最好的两个解释变量如下：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:00

Sample: 1994 2003

Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.??

C -3193.041 606.2101 -5.267217 0.0012

X4 9.729003 1.435442 6.777703 0.0003

X5 -1.197036 2.059371 -0.581263 0.1293

R-squared 0.957285 ????Mean dependent var 2494.200

Adjusted R-squared 0.945081 ????S.D. dependent var

980.4435

S.E. of regression 229.7654 ????Akaike info criterion 13.95532

Sum squared resid 369544.9 ????Schwarz criterion 14.04609

Log likelihood -66.77660 ????F-statistic 78.43859

Durbin-Watson stat 0.791632 ????Prob(F-statistic) 0.000016

继续采用逐步回归法将其余解释变量代入，得出拟合效果最好的三个解释变量，结果如下：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:01

Sample: 1994 2003

Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.??

C -3391.810 514.1119 -6.597416 0.0006

X2 0.029414 0.014525 2.025042 0.0393

X4 6.355459 2.050175 3.099959 0.0211

X5 -0.284542 1.772604 -0.160522 0.1077

R-squared 0.974627 ????Mean dependent var 2494.200

Adjusted R-squared 0.961940 ????S.D. dependent var 980.4435

来源于网络 S.E. of regression 191.2739 ????Akaike info criterion 13.63446

Sum squared resid 219514.3 ????Schwarz criterion 13.75550

Log likelihood -64.17232 ????F-statistic 76.82334

Durbin-Watson stat 1.328513 ????Prob(F-statistic) 0.000035

以上模型估计效果最好，继续逐步回归得到以下结果：

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:40

Sample: 1994 2003

Included observations: 10

Variable Coefficient Std. Error t-Statistic Prob.??

C -1973.943 441.5947 -4.470034 0.0066

X2 -0.005095 0.011431 -0.445729 0.6744

X3 0.328279 0.080682 4.068802 0.0096

X4 4.665485 1.158665 4.026602 0.0101

X5 -1.714020 0.999029 -1.715686 0.1469

R-squared 0.994114 ????Mean dependent var 2494.200

Adjusted R-squared 0.989406 ????S.D. dependent var 980.4435

S.E. of regression 100.9150 ????Akaike info criterion 12.37329

Sum squared resid 50919.23 ????Schwarz criterion 12.52458

Log likelihood -56.86644 ????F-statistic 211.1311

Durbin-Watson stat 3.034041 ????Prob(F-statistic) 0.000009

各项拟合效果都较好。虽然2X的t检验不是很显着，但考虑到其经济意义在模型中的重要地位，暂时保留。继续引入6X。

Dependent Variable: Y

Method: Least Squares

Date: 12/23/10 Time: 02:41

Sample: 1994 2003

Included observations: 10

合集下载

计量经济学论文范文eviews

计量经济学论文范文eviews

《我国财政收入影响因素分析》

班级：09财政1班

姓名：***

学号：************

指导教师：***

完成时间：2011年12月4日

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

计量经济学的结课论文

计量经济学的结课论文

计量经济学

期末课程论文

实验名称： 影响中国税收收入的因素分析

姓 名：

学 号：

班 级：

指导教师：

时 间：

影响中国税收收入因素分析

摘要：改革开放以来，随着经济体制改革的深化和经济的快速增长，中国的财政收支发生很大变化，中央和地方的税收收入1978年为519.28亿元，到2010年已经增长到73210.79亿元，33年间增长了141倍，平均每年增长4.3倍。为了研究影响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，需要建立计量经济模型。 影响中国税收收入增长的因素很多，但据分析最主要的因素主要有：（1）经济整体增长。（2）公共财政的需求（3）物价水平（4）税收政策因素。运用Eviews统计软件的逐步回归对数据进行线性拟合，经过各种参数检验以及模型筛选，得到最后符合要求的模型，本论文给出了实证分析的结论并且提出了相应的政策建议。

关键字：中国税收收入 国内生产总值 财政支出 商品零售价格指数

多重共线性 异方差性 自相关性

研究主题：为了全面反映中国税收增长的全貌，选择包括中央和地方税收的国家财政收入中的各项税收（简称税收收入）作为被解释变量，以反映国家税收的增长；解释变量设定为可观测的国内生产总值、财政支出、商品零售物价指数等变量。

数据类型：时间序列数据

数据频度：年

起止时间：1978-2010

主要研究方法：多元线性回归以及多重共线性、异方差、序列相关的检验与修正

一、数据收集与模型的建立：

（一）影响因素的分析

1、国内生产总值GDP

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。从宏观经济看，经济整体增长是税收增长的基本源泉。

计量经济学EViews操作

计量经济学EViews操作

计量经济学作业操作过程详解

1.进入Eviews软件

2.主菜单-->File--->Workfile

3.打开工作文件范围选择框，选择Annual,分别输入1985,1998。点击完成。

4.数据输入：

方法一：导入excel文件中的数据

1）在excel中先建立数据文件 2）点击file/import/read text-lotus-excel选项，在对话框中选择已建立的excel文件

4）打开后，在新的对话框中输入想要分析的变量名称，然后点击OK即可。此时工作文件中出现变量图标。

方法二：手工数据输入

主菜单--->Quick----->Empty Group

分别输入变量Y、GDP的数据。点击obs后面的灰色格子中分别输入Y、GDP。

（方法一：一个一个输入

方法二：在Excel中输入完再复制粘贴）

5.主菜单---->Quick----->Estimate Equation

打开估计模型对话框，输入 Y C GDP ，（如上图所示，注意字母之间要有空格）点击OK键。得出Eviews的估计结果：

其中12596.27为0（上面还要带个帽子，电脑打不出来），26.95415为1。

第五步可以直接输入 LS Y C GDP 等出结果 6.一元线性回归模型的预测

1）在工作文件主窗口点击procs/change workfile range(改变范围)，弹出对话框，在对话框的end date栏中输入预测值的时间或序号，点击OK

2）在工作文件窗口中双击解释变量文件，在变量窗口中点击edit+/-键，进入编辑模式，在变量窗口底端输入新序号的数值，再点击edit+/-键，关闭编辑模式

3）再次进行估计，点击quick/estimate equation，在对话框中输入方程，注意样本范围应不包括新序号，点击OK得到估计结果

计量经济学时间序列分析论文

计量经济学时间序列分析论文

时

间

序

列

期

末

论

文

安徽财经大学

姓名：鲍志祥 班级：093财管二班 学号：20093069073

企业商品价格总指数的时间序列分析

摘要

利用Eviews软件判断企业商品价格总指数序列为非平稳序列且为非白噪声序列，对非平稳序列进行一阶差分后得到平稳序列，分析运用一阶自回归AR(1)模型拟合时间序列，由于总指数序列值之间密切的相关关系，且历史数据对未来的发展有一定影响，利用Forecast命令预测未来4个月的企业商品价格总指数。

关键词：Eviews；平稳序列；AR(p)模型；一阶差分

理论准备： 拿到一个观察值序列之后,首先要判断它的平稳性.通过平稳性检验,序列可分为平稳序列和非平稳序列两大类.

对于平稳序列,由于它不具有二阶矩形平稳的性质,所以对它的统计分析要周折一些,通常要进行进一步的检验、变换或处理之后，才能确定适当的拟和模型。

如果序列平稳，建模比较容易，但并不是所有的平稳序列都值得建模。只有那些序列值之间具有密切的相关关系，历史数据对未来的发展有一定影响的序列，才值得我们花时间去挖掘历史数据中的有效信息，用于预测序列未来的发展。

如果序列值彼此之间没有任何相关性，那就意味着该序列是一个没有任何记忆的序列，过去的行为对将来的发展没有丝毫影响，这种序列我们称之为纯随机序列。从统计分析的角度而言，纯随机序列是没有任何分析价值的序列。

如果序列xt是均值非平稳的，对其进行d次差分后，变成了平稳的序列Δdxt，这个差分后的平稳序列的适应性模型为ARMA(p,q) ，此时就称对原始序列xt建立了ARIMA(p,d,q)模型。

问题：判断企业商品价格总指数序列的平稳性与纯随机性，处理数据并利用拟合模型，预测未来4个月的企业商品价格总指数。

表1企业商品价格总指数数据（来源：东方财富网）

1 2 3 4

5 6 7 8 9 10 11 12

2007 104.6 104.5 104.2 104.6 105.1 105.4 106.1 106.5 106.2 106.5 107.4 107.6