計量經(jīng)濟學(xué)課程設(shè)計

1、計量經(jīng)濟學(xué)課程設(shè)計 第 頁 共 頁目錄1緒論12 農(nóng)業(yè)生產(chǎn)總值的模型建立22.1 模型的給出22.2模型的擬合結(jié)果33 回歸模型的檢驗與修正43.1 經(jīng)濟意義及統(tǒng)計性檢驗43.2 計量經(jīng)濟學(xué)檢驗及修正54 預(yù)測13結(jié)論15參考文獻16 計量經(jīng)濟學(xué)課程設(shè)計 第 15 頁 共 14頁1 緒論農(nóng)業(yè)是人類“母親產(chǎn)業(yè)”，遠(yuǎn)在人類茹毛飲血的遠(yuǎn)古時代，農(nóng)業(yè)就已經(jīng)是人類抵御自然威脅和賴以生存的根本，農(nóng)業(yè)養(yǎng)活并發(fā)展了人類，沒有農(nóng)業(yè)就沒有人類的一切，更不會有人類的現(xiàn)代文明。社會生產(chǎn)的發(fā)展首先開始于農(nóng)業(yè)，在農(nóng)業(yè)發(fā)展的基礎(chǔ)上才有工業(yè)的產(chǎn)生和發(fā)展，只有在農(nóng)業(yè)和工業(yè)發(fā)展的基礎(chǔ)上，才會有第三產(chǎn)業(yè)的發(fā)展?？梢?，農(nóng)業(yè)是當(dāng)之無愧

2、的“母親產(chǎn)業(yè)”。農(nóng)業(yè)的地位和作用可以用一句話來概括“國民經(jīng)濟的基礎(chǔ)”。從經(jīng)濟角度看，農(nóng)業(yè)是國民經(jīng)濟的基礎(chǔ)，是經(jīng)濟發(fā)展的基礎(chǔ)。因為，農(nóng)業(yè)是人類的衣食之源、生存之本。農(nóng)業(yè)的發(fā)展?fàn)顩r直接影響著、左右著國民經(jīng)濟全局的發(fā)展。農(nóng)業(yè)是國民經(jīng)濟中最基本的物質(zhì)生產(chǎn)部門。農(nóng)業(yè)是人類社會的衣食之源，生存之本。農(nóng)業(yè)是工業(yè)等其他物質(zhì)生產(chǎn)部門與一切非物質(zhì)生產(chǎn)部門存在與發(fā)展的必要條件。從社會角度看，農(nóng)業(yè)是社會安定的基礎(chǔ)，是安定天下的產(chǎn)業(yè)。農(nóng)業(yè)能否穩(wěn)定發(fā)展，能事提供與人們生活水準(zhǔn)逐漸提高這一基本趨勢相適應(yīng)的農(nóng)、副產(chǎn)品，關(guān)系到社會的安定?！懊褚允碁樘臁?，糧食是人類最基本的生存資料，農(nóng)業(yè)在國民經(jīng)濟中的基礎(chǔ)地位，突出地表現(xiàn)在糧食的

3、生產(chǎn)上。如果農(nóng)業(yè)不能提供糧食和必需的食品，那么，人民的生活就不會安定，生產(chǎn)就不能發(fā)展，國家將失去自立的基礎(chǔ)。從這個意義上講，農(nóng)業(yè)是安定天下的產(chǎn)業(yè)。從政治角度看，農(nóng)業(yè)是國家自立的基礎(chǔ)。我國的自立能力相當(dāng)程度上取決于農(nóng)業(yè)的發(fā)展。如果農(nóng)、副產(chǎn)品不能保持自給，過多依賴進口，必將受制于人。一旦國際政局變化，勢必陷入被動，甚至危及國家安全。因此，農(nóng)業(yè)的基礎(chǔ)地位是否牢固，關(guān)系到人民的切身利益、社會的安定和整個國民經(jīng)濟的發(fā)展，也是關(guān)系到我國在國際競爭中能否堅持獨立自主地位的大問題。從我國農(nóng)業(yè)發(fā)展現(xiàn)狀看，20世紀(jì)后半葉我國廣大農(nóng)村普遍實行家庭聯(lián)產(chǎn)承包責(zé)任制，農(nóng)業(yè)生產(chǎn)條件大大改善，農(nóng)副產(chǎn)品產(chǎn)量大幅度增加，農(nóng)民生活

4、水平顯著提高。但我國農(nóng)業(yè)的基礎(chǔ)地位仍然比較脆弱，農(nóng)業(yè)發(fā)展速度仍然相對滯后，農(nóng)業(yè)仍是制約國民經(jīng)濟發(fā)展的薄弱環(huán)節(jié)。中國作為一個農(nóng)業(yè)大國，農(nóng)業(yè)不興，無從談百業(yè)之興，農(nóng)民不富，難保國泰民安。13億人口的中國，如果農(nóng)業(yè)發(fā)展上不去，恐怕誰也不敢打保票，中國人不會餓肚子。面對國際競爭，中國民族工業(yè)的底牌，是背靠農(nóng)村這個巨大的國內(nèi)市場，沒有農(nóng)民增收作支撐，擴大內(nèi)需戰(zhàn)略便如同沙中建塔、紙上談兵，中國經(jīng)濟遲早會有逆水行舟，不進反退的風(fēng)險。我們同樣也難以想像，未來中國能夠在城鄉(xiāng)二元化、工商業(yè)發(fā)達(dá)農(nóng)業(yè)羸弱的基礎(chǔ)上，實現(xiàn)現(xiàn)代化強國之夢。“沒有農(nóng)業(yè)的現(xiàn)代化，就不可能有整個國民經(jīng)濟的現(xiàn)代化”。中國經(jīng)濟發(fā)展遠(yuǎn)景規(guī)劃，如果讓農(nóng)

5、業(yè)拖了后腿，最終只能是水中月、鏡中花。因此，農(nóng)業(yè)發(fā)展對一個國家或地區(qū)來說至關(guān)重要。 而農(nóng)業(yè)總產(chǎn)值反映了一個國家或地區(qū)農(nóng)業(yè)生產(chǎn)的總規(guī)模和總水平。因此，農(nóng)業(yè)總產(chǎn)值反映了一個國家農(nóng)業(yè)的增長水平。迄今為止，已經(jīng)有許多學(xué)者對農(nóng)業(yè)總產(chǎn)值的影響因素進行了各種模型分析和研究，其中包括農(nóng)作物總播種面積、農(nóng)村居民家庭人均純收入、農(nóng)村同定資產(chǎn)投資、成災(zāi)而積、能源消費總量、農(nóng)業(yè)就業(yè)人員、農(nóng)村各稅、農(nóng)業(yè)機械總動力、化肥施用量等。其中機械總動力、化肥施用量、農(nóng)作物播種總面積、受災(zāi)面積、農(nóng)業(yè)從業(yè)人員等都是主要影響因素，本文鑒于農(nóng)業(yè)于我國的重要性來研究這些因素對農(nóng)業(yè)總產(chǎn)值的影響。2 農(nóng)業(yè)生產(chǎn)總值的模型建立2.1 模型的給出由

6、于數(shù)據(jù)搜集的困難，本文選取機械總動力、化肥施用量、農(nóng)作物播種總面積、受災(zāi)面積為解釋變量來研究其對解釋變量農(nóng)業(yè)總產(chǎn)值的影響。由散點圖1知解釋變量 大致與被解釋變量成直線型關(guān)系，但與關(guān)系不是很明顯，本文為簡單起見，所考慮的模型類型主要有線性模型和對數(shù)模型，通過分別擬合最終選取了擬合結(jié)果較好的對數(shù)模型。選取的模型為：-機械總動力-化肥施用量-農(nóng)作物播種總面積-受災(zāi)面積搜集的數(shù)據(jù)見表1。表1 相關(guān)數(shù)據(jù)表年份農(nóng)業(yè)總產(chǎn)值（億元）農(nóng)業(yè)機械總動力（萬千瓦）化肥施用量（萬噸）農(nóng)作物播種總面積（千公頃）成災(zāi)面積(千公頃)19904954.328707.72590.31483621781919915146.4293

7、88.62805.11495862781419925588.030308.42930.21490072589319936605.131816.63151.91477412313419949169.233802.53317.914824131382199511884.636118.13593.714987922268199613539.838546.93827.915238121234199713852.542015.63980.715396930307199814241.945207.74083.715570625181199914106.248996.14124.31563732673420

8、0013873.652573.64146.415630034374200114462.855172.14253.815570831793200214931.557929.94339.415463627160200314870.160386.54411.615241532516200418138.464027.94636.615355316297200519613.468397.84766.215548819966200621522.372522.14927.715214924632200724658.176589.65107.815346425064200828044.282190.45239

9、15626622283200930777.587496.15404.415861421234201036941.192780.55561.7160675185382.2模型的擬合結(jié)果 圖1 散點圖使用軟件對模型進行擬合，結(jié)果見圖2。dependent variable: log(y)method: least squaresdate: 06/01/12 time: 14:48sample: 1990 2010included observations: 21variablecoefficientstd. errort-statisticprob. c-27.3670316.79142-1.62

10、98230.1227log(x1)-0.3397490.230588-1.4734060.1600log(x2)2.9613490.4080037.2581580.0000log(x3)1.5293461.4949531.0230060.3215log(x4)-0.2256200.099335-2.2712990.0373r-squared0.980890 mean dependent var9.540981adjusted r-squared0.976113 s.d. dependent var0.567224s.e. of regression0.087667 akaike info cr

11、iterion-1.826278sum squared resid0.122969 schwarz criterion-1.577582log likelihood24.17592 f-statistic205.3165durbin-watson stat1.044459 prob(f-statistic)0.000000圖2 農(nóng)業(yè)總產(chǎn)值最小二乘估計由圖2知回歸方程為：3 回歸模型的檢驗與修正3.1 經(jīng)濟意義及統(tǒng)計性檢驗比較大，而且（本文所涉及的顯著水平如不特別說明均?。?即模型通過了統(tǒng)計檢驗，故認(rèn)為農(nóng)業(yè)總產(chǎn)值與上述解釋變量間總體線性關(guān)系顯著。而，由圖2知前參數(shù)估計的符號為負(fù)的，這與實際經(jīng)濟意

12、義不符合，并且前參數(shù)估計值未能通過統(tǒng)計檢驗，故模型存在一定的問題，應(yīng)使用計量經(jīng)濟學(xué)的方法對模型進行修改及進一步檢驗。3.2 計量經(jīng)濟學(xué)檢驗3.2.1 多重共線性檢驗及修正由以上知模型經(jīng)濟意義存在一定的問題，故其可能存在多重共線性，下面采用相關(guān)系數(shù)法檢驗?zāi)Ｐ褪欠翊嬖诙嘀毓簿€性。的相關(guān)系數(shù)見表2。表2 相關(guān)系數(shù)1.0000000.9726970.811126-0.1930430.9726971.0000000.825435-0.1362910.8111260.8254351.000000-0.081232-0.193043-0.136291-0.0812321.000000由表2中數(shù)據(jù)發(fā)現(xiàn)間存在高

13、度相關(guān)性，下面采用逐步回歸法對模型進行修正。第一步：找初始模型分別作與間的回歸，結(jié)果如下：(1) (-5.174572) (13.66206) (2) (-14.38352) (26.16704) (3) (-6.224975) (6.481827) (4) （2.419727） （-0.887455） 由以上的結(jié)果知，農(nóng)業(yè)總產(chǎn)值受化肥施用量影響最大，并且也與實際經(jīng)濟意義相符，故選取模型（2）為初始回歸模型。第二步：逐步回歸將其他解釋變量分別導(dǎo)入上述初始回歸模型，尋找最佳回歸方程（見表3）。對表3進行解釋：初始模型中引入，由于的參數(shù)未能通過統(tǒng)計檢驗，修正后的擬合優(yōu)度也略有下降，且其參數(shù)符號不符

14、合經(jīng)濟意義，故剔除解釋變量。然后引入解釋變量，由于的參數(shù)也未能通過統(tǒng)計檢驗，且修正后的擬合優(yōu)度進一步下降，因而剔除。最后引入解釋變量，由，顯然均通過了檢驗，且修正后的擬合優(yōu)度有所提高，因此將選入模型，從而農(nóng)業(yè)總產(chǎn)值的最優(yōu)擬合模型為：并設(shè)為原模型。表3 逐步回歸-11.654752.5508080.9715790.617978值-14.3835226.16704-12.25672-0.1877342.8679260.9709520.661038值-10.80878-0.7677296.753556-24.992892.4463001.1898000.9708490.616039值-1.35514

15、413.987940.723927-9.6248842.527442-0.1816150.9747930.711730值-7.20159927.27376-1.8500033.2.2 序列相關(guān)性檢驗及改進由查表有故由檢驗知模型存在一階正自相關(guān)性，同時由殘差圖3，呈現(xiàn)有規(guī)律的波動也可認(rèn)為原模型存在自相關(guān)性。圖3 殘差圖由偏相關(guān)系數(shù)檢驗結(jié)果（如圖4）知隨機干擾項只存在一階自相關(guān)。圖4 偏相關(guān)系數(shù)圖下面采用廣義差分法對模型進行處理：在軟件中直接使用廣義差分法估計自相關(guān)性，估計結(jié)果如圖5。dependent variable: log(y)method: least squaresdate: 06/0

16、2/12 time: 15:52sample(adjusted): 1991 2010included observations: 20 after adjusting endpointsconvergence achieved after 8 iterationsvariablecoefficientstd. errort-statisticprob. c-17.504676.557484-2.6694180.0168log(x2)3.3110310.7323094.5213560.0003log(x4)-0.0581590.071981-0.8079740.4310ar(1)0.79218

17、20.1192956.6405330.0000r-squared0.986227 mean dependent var9.592629adjusted r-squared0.983645 s.d. dependent var0.528876s.e. of regression0.067637 akaike info criterion-2.372476sum squared resid0.073196 schwarz criterion-2.173329log likelihood27.72476 f-statistic381.9021durbin-watson stat1.524508 pr

18、ob(f-statistic)0.000000inverted ar roots .79圖5 迭代估計法估計結(jié)果由圖5知根據(jù)檢驗知無法確定原模型是否仍然具有自相關(guān)性，因此再次用偏相關(guān)系數(shù)檢驗，由圖6的結(jié)果可得出原模型已經(jīng)不存在自相關(guān)性。圖6 相關(guān)系數(shù)和偏相關(guān)系數(shù)因此得出的回歸方程為：在上述結(jié)果的基礎(chǔ)上進行異方差性檢驗。首先，利用散點圖圖7對異方差性進行粗略檢驗：圖7 散點圖由圖7可認(rèn)為原模型存在異方差性。再采用懷特檢驗，檢驗結(jié)果見圖8。white heteroskedasticity test:f-statistic3.497620 probability0.029273obs*r-squar

19、ed11.10775 probability0.049285test equation:dependent variable: resid2method: least squaresdate: 06/02/12 time: 16:53sample: 1991 2010included observations: 20variablecoefficientstd. errort-statisticprob. c-49.3167718.01525-2.7375010.0160log(x2)6.3204312.2254782.8400330.0131(log(x2)2-0.1408510.07416

20、6-1.8991210.0784(log(x2)*(log(x4)-0.3956590.115288-3.4319330.0040log(x4)4.5509611.8738682.4286460.0292(log(x4)2-0.0610750.055755-1.0954190.2918r-squared0.555388 mean dependent var0.003660adjusted r-squared0.396597 s.d. dependent var0.010675s.e. of regression0.008293 akaike info criterion-6.503595sum

21、 squared resid0.000963 schwarz criterion-6.204876log likelihood71.03595 f-statistic3.497620durbin-watson stat1.078435 prob(f-statistic)0.029273圖8 懷特檢驗結(jié)果由圖8知該值大于5%顯著水平下、自由度為5的分布的臨界值因此取顯著水平為5%時可得出經(jīng)廣義差分后的回歸模型具有異方差性的結(jié)論。在上述結(jié)果的基礎(chǔ)之上對原模型應(yīng)用加權(quán)最小二乘法進行了改進（其中取得權(quán)數(shù)為），但結(jié)果變化不大，并且再次用懷特檢驗的結(jié)果沒有太大的變化（見圖9），由于當(dāng)取時，故認(rèn)為此時原模型

22、不再具有異方差性。white heteroskedasticity test:f-statistic3.497552 probability0.029275obs*r-squared11.10766 probability0.049287test equation:dependent variable: resid2method: least squaresdate: 06/02/12 time: 17:34sample: 1991 2010included observations: 20variablecoefficientstd. errort-statisticprob. c-49.3

23、162518.01517-2.7374850.0160log(x2)6.3203772.2254682.8400210.0131(log(x2)2-0.1408500.074166-1.8991230.0784(log(x2)*(log(x4)-0.3956550.115287-3.4319090.0040log(x4)4.5509041.8738602.4286260.0292(log(x4)2-0.0610740.055755-1.0954070.2918r-squared0.555383 mean dependent var0.003660adjusted r-squared0.3965

24、91 s.d. dependent var0.010675s.e. of regression0.008293 akaike info criterion-6.503604sum squared resid0.000963 schwarz criterion-6.204885log likelihood71.03604 f-statistic3.497552durbin-watson stat1.078424 prob(f-statistic)0.029275圖9 懷特檢驗結(jié)果由上得出的回歸方程為：3.2.3 異方差性檢驗利用軟件對原模型進行異方差性檢驗，本文采用懷特檢驗，結(jié)果見圖10。whi

25、te heteroskedasticity test:f-statistic3.966244 probability0.017151obs*r-squared11.95639 probability0.035390test equation:dependent variable: resid2method: least squaresdate: 06/03/12 time: 19:53sample: 1990 2010included observations: 21variablecoefficientstd. errort-statisticprob. c-6.0418494.094697

26、-1.4755300.1608log(x2)1.8204490.5576333.2646020.0052(log(x2)2-0.0608120.028592-2.1269060.0504(log(x2)*(log(x4)-0.0819360.029744-2.7546760.0147log(x4)-0.2657930.572949-0.4639040.6494(log(x4)20.0459010.0261351.7563100.0994r-squared0.569352 mean dependent var0.006952adjusted r-squared0.425803 s.d. depe

27、ndent var0.006969s.e. of regression0.005281 akaike info criterion-7.414449sum squared resid0.000418 schwarz criterion-7.116014log likelihood83.85171 f-statistic3.966244durbin-watson stat1.200039 prob(f-statistic)0.017151圖10 懷特檢驗結(jié)果由圖10結(jié)果可知原模型存在異方差性。采用加權(quán)最小二乘法對其進行修正，結(jié)果見圖11。dependent variable: log(y)met

28、hod: least squaresdate: 06/03/12 time: 20:27sample: 1990 2010included observations: 21weighting series: wvariablecoefficientstd. errort-statisticprob. c-10.140900.230390-44.016300.0000log(x2)2.5420910.014809171.66420.0000log(x4)-0.1433430.010683-13.418250.0000weighted statisticsr-squared0.999999 mea

29、n dependent var9.916323adjusted r-squared0.999798 s.d. dependent var31.06508s.e. of regression0.049400 akaike info criterion-7.651483sum squared resid0.043926 schwarz criterion-7.502266log likelihood83.34057 f-statistic122074.5durbin-watson stat2.346271 prob(f-statistic)0.000000unweighted statistics

30、r-squared0.976927 mean dependent var9.540981adjusted r-squared0.974363 s.d. dependent var0.567224s.e. of regression0.090821 sum squared resid0.148471durbin-watson stat0.656077圖11 加權(quán)最小二乘法估計結(jié)果由圖11的結(jié)果知加權(quán)后的擬合優(yōu)度和解釋變量前參數(shù)的顯著性與未經(jīng)加權(quán)時的結(jié)果相比都有了很大的提高，下面再對其進行懷特檢驗，結(jié)果見圖12。white heteroskedasticity test:f-statistic0.

31、423454 probability0.825240obs*r-squared2.597533 probability0.761740test equation:dependent variable: std_resid2method: least squaresdate: 06/03/12 time: 20:28sample: 1990 2010included observations: 21variablecoefficientstd. errort-statisticprob. c-0.0329230.042662-0.7717140.4523log(x2)0.0028900.0058100.4974920.6261(log(x2)2-0.0002770.000298-0.9310650.3666(log(x2)*(log(