计量经济学 案例分析
- 格式：pdf
- 大小：1.29 MB
- 文档页数：59
4
图 2.13 四、模型检验 1、经济意义检验 所估计的参数 2 0.758511 ， 说明城市居民人均年可支配收入每相差 1 元， 可导致居民消费支出相差 0.758511 元。 这与经济学中边际消费倾向的意义相符。 2、拟合优度和统计检验 用 EViews 得出回归模型参数估计结果的同时，已经给出了用于模型检验的 相关数据。 拟合优度的度量：由表 2.6 中可以看出，本例中可决系数为 0.935685，说明 所建模型整体上对样本数据拟合较好， 即解释变量“城市居民人均年可支配收入” 对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。 对回归系数的 t 检验： 针对
X f 1 8270
，
X f 2 12405
在 EViews 命令框键入 data x /回车, 在 X
数据表中的“32”位置输入“8270”，在“33”的位置输入“12405”，将数据表最小化。 然后在“E quation ”框中，点击“Forecast”，得对话框。在对话框中的“Forecast name”(预测值序列名)键入“
值
t0.025 (29) 2.045
^
^
^
Байду номын сангаас
^
。 因 为 t (1 ) 0.982520 t0.025 (29) 2.045 ， 所 以 不 能 拒 绝
^
^
H 0 : 1 0
；因为
t (2 ) 20.54026 t0.025 (29) 2.045
，所以应拒绝
H 0 : 2 0
^ ^
H 0 : 1 0
和
H 0 : 2 0
， 由表 2.6 中还可以看出，
^
估 计 的 回 归 系 数 1 的 标 准 误 差 和 t 值 分 别 为 ： SE ( 1 ) 287.2649 ，
t ( 1 ) 0.982520 ； 2 的 标 准 误 差 和 t 值 分 别 为 ： SE ( 2 ) 0.036928 ， t ( 2 ) 20.54026 。取 0.05 ，查 t 分布表得自由度为 n 2 31 2 29 的临界
1
地 区 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏
城市居民家庭平均每人每年消费支 城市居民人均年可支配收入 出(元) Y 10284.60 7191.96 5069.28 4710.96 4859.88 5342.64 4973.88 4462.08 10464.00 6042.60 8713.08 4736.52 6631.68 4549.32 5596.32 4504.68 5608.92 5574.72 8988.48 5413.44 5459.64 6360.24 5413.08 4598.28 5827.92 6952.44 5278.04 5064.24 5042.52 6104.92 (元) X 12463.92 9337.56 6679.68 5234.35 6051.06 6524.52 6260.16 6100.56 13249.80 8177.64 11715.60 6032.40 9189.36 6334.64 7614.36 6245.40 6788.52 6958.56 11137.20 7315.32 6822.72 7238.04 6610.80 5944.08 7240.56 8079.12 6330.84 6151.44 6170.52 6067.44
《计量经济学》
案例分析
第2章
一、研究的目的要求
案例分析
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 6029.88 元, 最低的黑龙江省仅为人均 4462.08 元， 最高的上海市达人均 10464 元，上海是黑龙江的 2.35 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 2.5 的数据: 表 2.5 2002 年中国各地区城市居民人均年消费支出和可支配收入
。
这表明，城市人均年可支配收入对人均年消费支出有显著影响。 五、回归预测 由表 2.5 中可看出， 2002 年中国西部地区城市居民人均年可支配收入除了西 藏外均在 8000 以下， 人均消费支出也都在 7000 元以下。 在西部大开发的推动下， 如果西部地区的城市居民人均年可支配收入第一步争取达到 1000 美元(按现有汇
5
率即人民币 8270 元)，第二步再争取达到 1500 美元(即人民币 12405 元)，利用所 估计的模型可预测这时城市居民可能达到的人均年消费支出水平。可以注意到， 这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。 用 EViews 作回归预测，首先在“Workfile”窗口点击“Range”，出现“Change Workfile Range”窗口，将“End data”由“31”改为“33”，点“OK”，将“Workfile”中的 “Range”扩展为 1—33。在“Workfile”窗口点击“sampl”，将“sampl”窗口中的“1 31” 改为“1 33”，点“OK”，将样本区也改为 1—33。 为了输入
3
Weekly ( 周数据 ) Daily (5 day week ) ( 每周 5 天日数据 ) Daily (7 day week ) ( 每周 7 天日数据 ) Undated or irreqular (未注明日期或不规
上跳， 在对应列的第二个“obs”有边框的空格键入变量名， 如“Y”， 再按下行键“↓”， 对因变量名下的列出现“NA”字样，即可依顺序输入响应的数据。其他变量的数 据也可用类似方法输入。 也可以在 EViews 命令框直接键入 “data X Y ”( 一元时 ) 或 “data Y X 1
Yf 1 6555.132 X f 2 12405 Yf
”， 回车即得到模型估计值及标准误差的图形。双
Y f 2 9691.577 X f 1 8270
X 2 … ”(多元时)，回车出现“Group”窗口数据编辑框，在对应的 Y、X 下输入数
据。 若要对数据存盘，点击 “fire/Save As”，出现“Save As”对话框，在“Drives” 点所要存的盘，在“Directories”点存入的路径（文件名） ，在“Fire Name”对所存文 件命名，或点已存的文件名，再点“ok”。 若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘 名，在“Directories”点文件路径，在“Fire Name”点文件名，点击“ok”即可。 3、估计参数 方法一：在 EViews 主页界面点击“Quick”菜单，点击“Estimate Equation”， 出现“Equation specification”对话框，选 OLS 估计，即选击“Least Squares”，键入 “Y C X”，点“ok”或按回车，即出现如表 2.6 那样的回归结果。 表 2.6
在本例中，参数估计的结果为：
Yi 282.2434 0.758511X i
^
（287.2649） (0.036928) t=(0.982520) (20.54026)
r 0.935685
2
F=421.9023 df=29
方法二：在 EViews 命令框中直接键入“LS Y C X”，按回车，即出现回归结 果。 若要显示回归结果的图形，在“Equation”框中，点击“Resids”，即出现剩余项 （Residual） 、实际值（Actual） 、拟合值（Fitted）的图形，如图 2.13 所示。
Y
8000
6000
4000 4000
现为线性关系，所以建立 的计量经济模型为如下线
性模型：
图 2.13 四、模型检验 1、经济意义检验 所估计的参数 2 0.758511 ， 说明城市居民人均年可支配收入每相差 1 元， 可导致居民消费支出相差 0.758511 元。 这与经济学中边际消费倾向的意义相符。 2、拟合优度和统计检验 用 EViews 得出回归模型参数估计结果的同时，已经给出了用于模型检验的 相关数据。 拟合优度的度量：由表 2.6 中可以看出，本例中可决系数为 0.935685，说明 所建模型整体上对样本数据拟合较好， 即解释变量“城市居民人均年可支配收入” 对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。 对回归系数的 t 检验： 针对
X f 1 8270
，
X f 2 12405
在 EViews 命令框键入 data x /回车, 在 X
数据表中的“32”位置输入“8270”，在“33”的位置输入“12405”，将数据表最小化。 然后在“E quation ”框中，点击“Forecast”，得对话框。在对话框中的“Forecast name”(预测值序列名)键入“
值
t0.025 (29) 2.045
^
^
^
Байду номын сангаас
^
。 因 为 t (1 ) 0.982520 t0.025 (29) 2.045 ， 所 以 不 能 拒 绝
^
^
H 0 : 1 0
；因为
t (2 ) 20.54026 t0.025 (29) 2.045
，所以应拒绝
H 0 : 2 0
^ ^
H 0 : 1 0
和
H 0 : 2 0
， 由表 2.6 中还可以看出，
^
估 计 的 回 归 系 数 1 的 标 准 误 差 和 t 值 分 别 为 ： SE ( 1 ) 287.2649 ，
t ( 1 ) 0.982520 ； 2 的 标 准 误 差 和 t 值 分 别 为 ： SE ( 2 ) 0.036928 ， t ( 2 ) 20.54026 。取 0.05 ，查 t 分布表得自由度为 n 2 31 2 29 的临界
1
地 区 北京 天津 河北 山西 内蒙古 辽宁 吉林 黑龙江 上海 江苏 浙江 安徽 福建 江西 山东 河南 湖北 湖南 广东 广西 海南 重庆 四川 贵州 云南 西藏 陕西 甘肃 青海 宁夏
城市居民家庭平均每人每年消费支 城市居民人均年可支配收入 出(元) Y 10284.60 7191.96 5069.28 4710.96 4859.88 5342.64 4973.88 4462.08 10464.00 6042.60 8713.08 4736.52 6631.68 4549.32 5596.32 4504.68 5608.92 5574.72 8988.48 5413.44 5459.64 6360.24 5413.08 4598.28 5827.92 6952.44 5278.04 5064.24 5042.52 6104.92 (元) X 12463.92 9337.56 6679.68 5234.35 6051.06 6524.52 6260.16 6100.56 13249.80 8177.64 11715.60 6032.40 9189.36 6334.64 7614.36 6245.40 6788.52 6958.56 11137.20 7315.32 6822.72 7238.04 6610.80 5944.08 7240.56 8079.12 6330.84 6151.44 6170.52 6067.44
《计量经济学》
案例分析
第2章
一、研究的目的要求
案例分析
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 6029.88 元, 最低的黑龙江省仅为人均 4462.08 元， 最高的上海市达人均 10464 元，上海是黑龙江的 2.35 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 2.5 的数据: 表 2.5 2002 年中国各地区城市居民人均年消费支出和可支配收入
。
这表明，城市人均年可支配收入对人均年消费支出有显著影响。 五、回归预测 由表 2.5 中可看出， 2002 年中国西部地区城市居民人均年可支配收入除了西 藏外均在 8000 以下， 人均消费支出也都在 7000 元以下。 在西部大开发的推动下， 如果西部地区的城市居民人均年可支配收入第一步争取达到 1000 美元(按现有汇
5
率即人民币 8270 元)，第二步再争取达到 1500 美元(即人民币 12405 元)，利用所 估计的模型可预测这时城市居民可能达到的人均年消费支出水平。可以注意到， 这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。 用 EViews 作回归预测，首先在“Workfile”窗口点击“Range”，出现“Change Workfile Range”窗口，将“End data”由“31”改为“33”，点“OK”，将“Workfile”中的 “Range”扩展为 1—33。在“Workfile”窗口点击“sampl”，将“sampl”窗口中的“1 31” 改为“1 33”，点“OK”，将样本区也改为 1—33。 为了输入
3
Weekly ( 周数据 ) Daily (5 day week ) ( 每周 5 天日数据 ) Daily (7 day week ) ( 每周 7 天日数据 ) Undated or irreqular (未注明日期或不规
上跳， 在对应列的第二个“obs”有边框的空格键入变量名， 如“Y”， 再按下行键“↓”， 对因变量名下的列出现“NA”字样，即可依顺序输入响应的数据。其他变量的数 据也可用类似方法输入。 也可以在 EViews 命令框直接键入 “data X Y ”( 一元时 ) 或 “data Y X 1
Yf 1 6555.132 X f 2 12405 Yf
”， 回车即得到模型估计值及标准误差的图形。双
Y f 2 9691.577 X f 1 8270
X 2 … ”(多元时)，回车出现“Group”窗口数据编辑框，在对应的 Y、X 下输入数
据。 若要对数据存盘，点击 “fire/Save As”，出现“Save As”对话框，在“Drives” 点所要存的盘，在“Directories”点存入的路径（文件名） ，在“Fire Name”对所存文 件命名，或点已存的文件名，再点“ok”。 若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘 名，在“Directories”点文件路径，在“Fire Name”点文件名，点击“ok”即可。 3、估计参数 方法一：在 EViews 主页界面点击“Quick”菜单，点击“Estimate Equation”， 出现“Equation specification”对话框，选 OLS 估计，即选击“Least Squares”，键入 “Y C X”，点“ok”或按回车，即出现如表 2.6 那样的回归结果。 表 2.6
在本例中，参数估计的结果为：
Yi 282.2434 0.758511X i
^
（287.2649） (0.036928) t=(0.982520) (20.54026)
r 0.935685
2
F=421.9023 df=29
方法二：在 EViews 命令框中直接键入“LS Y C X”，按回车，即出现回归结 果。 若要显示回归结果的图形，在“Equation”框中，点击“Resids”，即出现剩余项 （Residual） 、实际值（Actual） 、拟合值（Fitted）的图形，如图 2.13 所示。
Y
8000
6000
4000 4000
现为线性关系，所以建立 的计量经济模型为如下线
性模型：
