計量經濟學論文 三大產業(yè)的發(fā)展與城鎮(zhèn)居民家庭消費支出.doc

三大產業(yè)的發(fā)展與城鎮(zhèn)居民家庭消費支出 通過對三大產業(yè)發(fā)展與城鎮(zhèn)居民家庭消費支出增長的關系進行分析，從定量的角度探求三大產業(yè)分別對城鎮(zhèn)居民家庭消費支出入的影響程度。關鍵詞:經濟計量模型 第一產業(yè) 第二產業(yè)第三產業(yè) 可決系數 城鎮(zhèn)居民家庭消費支出. 城鎮(zhèn)居民家庭消費支出的增長與國內生產總值的增長密切相關。然而國內生產總值是由第一產業(yè)（農業(yè)）、第二產業(yè)（工業(yè)、建筑業(yè)）、第三產業(yè)（服務性行業(yè)）組成的，但是對城鎮(zhèn)居民家庭人均可支配收入的增長影響各不相同。而對三者影響程度進行數量分析，以期用函數關系精確表達三者各自的影響，就是我研究的主要內容.一、數據收集Y 19963919.47 14015.39 33834.9623326.24 19974185.64 14441.89 37543.0026988.15 19984331.6 14817.63 39004.1930580.47 19994615.9 14770.03 41033.5833873.44 20004998 14944.72 45555.88387143.95 20015309 15781.27 49512.2944361.61 20026029.88 16537.02 53896.7749898.90 20036510.94 17381.72 62436.3156004.73 20047182.1 21412.73 73904.3164561.29 20057942.9 22420.00 87598.0974919.28 20068696.6 24040.00 103719.5487598.09 20079997.5 28627.00 125831.36111351.95 200811242.9 33702.00 149003.44131339.99 200912264.6 35226.00 157638.78148038.04 201013471.5 40533.60 187.383.21173595.98 201115160.9 47486.21 220412.81205205.02 201216674.3 52373.63 235161.99231934.48Y：城鎮(zhèn)居民家庭消費支出（平均每人全年）（單位：元）X1：第一產業(yè)增加值 （單位：億元）X2：第二產業(yè)增加值 （單位：億元）X3： 第三產業(yè)增加值 （單位：億元)2、 模型建立我們可以得到Y與X1 X2 X3的散點圖由圖我們可以發(fā)現(xiàn)Y與X1 X2 X3都有比較明顯的線形關系，從而建立數學模型：三、模型估計Dependent Variable: YMethod: Least SquaresDate: 06/04/14 Time: 22:54Sample: 1996 2012Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C2912.790593.60834.9069230.0003X1-0.0871830.084725-1.0290120.3222X20.0767610.0156944.8910770.0003X3-0.0002050.001025-0.2000830.8445R-squared0.994316Mean dependent var8384.337Adjusted R-squared0.993004S.D. dependent var4079.371S.E. of regression341.1963Akaike info criterion14.70512Sum squared resid1513394.Schwarz criterion14.90117Log likelihood-120.9935F-statistic758.0557Durbin-Watson stat1.165437Prob(F-statistic)0.000000所以我們得到以下的結果：Y=2912.7900.087183X1+0.076761X20.000205X3 t=（4.906923）(1.029012) (4.891077) （0.200083） =0.99431 =1.165437 F值=758.0557結果分析：從上面的運行結果可以看出方程的擬合優(yōu)度，調整后的擬合優(yōu)度，說明模型擬合效果較好。而且F值較大,表明方程從整體上有較好的解釋能力。在5%的顯著水平下，沒有通過t檢驗，說明解釋變量對被解釋變量的影響不顯著；通過了t檢驗，說明解釋變量對被解釋變量的影響顯著。四、統(tǒng)計意義檢驗1、檢驗可絕系數，這說明所建模型整體上對樣本數據擬合較好，即解釋變量“第一產業(yè)”“第二產業(yè)”“第三產業(yè)”對被解釋變量“城鎮(zhèn)居民家庭消費支出”的絕大部分差異作了解釋。2、F檢驗針對，給定顯著性水平，在F分布表中查出自由度為的臨界值，由上述得到，應拒絕原假設，說明回歸方程顯著，即解釋變量“第一產業(yè)”“第二產業(yè)”“第三產業(yè)”對被解釋變量“城鎮(zhèn)居民家庭消費支出”有顯著影響。3、t檢驗分別針對，給定顯著性水平，查t分布表的自由度為的臨界值，與相比，其絕對值均大于，這說明在顯著水平下，分別都應拒絕原假設，也就是說，當在其他解釋變量不變的情況下，解釋變量“第一產業(yè)”“第二產業(yè)”“第三產業(yè)”對被解釋變量“城鎮(zhèn)居民家庭消費支出”都有顯著的影響。2、檢驗簡單相關系數計算各解釋變量的相關系數，選擇的數據，得到相關系數矩陣如下表：X1X2X3X110.9967041492727320.496204861670713X20.99670414927273210.499458478481629X30.4962048616707130.4994584784816291由表中數據發(fā)現(xiàn)X1，X2之間存在高度相關性。 運用逐步回歸法，對該模型進行多重共線性的檢驗和修正。第一步，分別引入，用最小二乘法對數據進行回歸，Eviews運行結果得出如下表：C168.2320.3250.9838480.55830.2272316.490.0610.99342915.74611.5886061.5050.0210.1944.3992.105可以看出，在第一步檢驗中我們應該保留的解釋變量為。第二步，在保留的基礎上，我們在分別引入，用最小二乘法對數據進行回歸，Eviews運行結果得出如下表：C2902.178-0.0870.0760.994299t值5.086-1.0625.0662323.7050.061-0.00010.993853t值14.77241.3060.863由上表我們可以看出：當在引入的基礎上引入解釋變量時，擬合優(yōu)度有所提高，而且的參數也通過了t檢驗；在引入的基礎上引入解釋變量時，擬合優(yōu)度雖有提高，但的參數同樣的未能通過t檢驗。所以在這一步檢驗中我們應該保留的解釋變量為。第三步，在保留的基礎上，我們再引入，即我們假設的多元回歸方程，我們可以得出：當在保留的基礎上，我們再引入時，擬合優(yōu)度有所提高，而且的參數也通過了t檢驗。故，三個解釋變量都應該保留。因此，最終的農村居民人均消費支出函數應以為最優(yōu)，擬合結果為：Y=2912.7900.087183X1+0.076761X20.000205X3 t=（4.906923）(1.029012) (4.891077) （0.200083） =0.99431 =1.165437 F值=758.05572、異方差檢驗統(tǒng)一用懷特檢驗法先對該模型做普通最小二乘法回歸，得到，然后作如下輔助回歸：用Eviews可以得出：F-statistic1.157229Probability0.398751Obs*R-squared6.966578Probability0.323949Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/05/14 Time: 15:15Sample: 1996 2012Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C-464891.1427481.9-1.0875110.3023X194.0259759.179361.5888300.1432X12-0.0009290.000814-1.1416250.2802X2-26.8532414.43289-1.8605580.0924X225.85E-053.91E-051.4948750.1658X312.6023910.630911.1854480.2632X32-3.01E-052.50E-05-1.2025280.2569R-squared0.409799Mean dependent var89023.16Adjusted R-squared0.055678S.D. dependent var77437.41S.E. of regression75250.76Akaike info criterion25.58794Sum squared resid5.66E+10Schwarz criterion25.93103Log likelihood-210.4975F-statistic1.157229Durbin-Watson stat1.936478Prob(F-statistic)0.398751可以知道，從該輔助回歸得到可決系數與樣本容量n的乘積，即。查表我們可以知道。假設：，由上面可以知道：，所以：接受，即該回歸模型不存在異方差性。3、序列相關性統(tǒng)一用LM檢驗法含1階滯后殘差項的輔助回歸為： F-statistic2.849896Probability0.117175Obs*R-squared3.262530Probability0.070880Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/05/14 Time: 15:21Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-662.5850680.0899-0.9742610.3492X10.0934270.0966800.9663600.3529X2-0.0171640.017861-0.9610180.3555X30.0003470.0009800.3534430.7299RESID(-1)0.5662740.3354381.6881640.1172R-squared0.191914Mean dependent var-1.33E-12Adjusted R-squared-0.077449S.D. dependent var307.5502S.E. of regression319.2378Akaike info criterion14.60968Sum squared resid1222953.Schwarz criterion14.85474Log likelihood-119.1823F-statistic0.712474Durbin-Watson stat1.686501Prob(F-statistic)0.599080可以知道，從該輔助回歸得到可決系數與樣本容量n的乘積，即。查表我們可以知道，由此判斷原模型：，接受，即該回歸模型存在1階序列相關性含2階滯后殘差項的輔助回歸為：F-statistic1.317219Probability0.307012Obs*R-squared3.284729Probability0.193522Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/05/14 Time: 15:25Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-650.9518715.0912-0.9103060.3822X10.0913350.1021080.8944960.3902X2-0.0167070.018952-0.8815760.3969X30.0003120.0010550.2961230.7727RESID(-1)0.5871930.3835721.5308540.1540RESID(-2)-0.0523030.391983-0.1334330.8963R-squared0.193219Mean dependent var-1.33E-12Adjusted R-squared-0.173499S.D. dependent var307.5502S.E. of regression333.1635Akaike info criterion14.72571Sum squared resid1220977.Schwarz criterion15.01978Log likelihood-119.1685F-statistic0.526887Durbin-Watson stat1.709048Prob(F-statistic)0.751779可以知道，從該輔助回歸得到可決系數與樣本容量n的乘積，即。查表我們可以知道，由此判斷原模型：，接受，即該回歸模型不存在2階序列相關性。結合1階和2階滯后殘差項的輔助