燕山大學(xué)計量經(jīng)濟(jì)學(xué)課程論文SAS程序農(nóng)民收入因素分析VIP

1、全國農(nóng)民收入影響因素的回歸分析摘要：自改革開放以來,雖然中國經(jīng)濟(jì)平均增長速度為9.5 % ,但二元經(jīng)濟(jì)結(jié)構(gòu)給經(jīng)濟(jì)發(fā)展帶來的問題仍然很突出。農(nóng)村人口占了中國總?cè)丝诘?0 %多,農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)不合理,經(jīng)濟(jì)不發(fā)達(dá),以及農(nóng)民收入增長緩慢等問題勢必成為我國經(jīng)濟(jì)持續(xù)穩(wěn)定增長的障礙。正確有效地解決好“三農(nóng)”問題是中國經(jīng)濟(jì)走出困境,實現(xiàn)長期穩(wěn)定增長的關(guān)鍵。其中,農(nóng)民收入增長是核心,也是解決“三農(nóng)”問題的關(guān)鍵。本文選取了1991年到2010年間的我國農(nóng)民人均純收入觀測值,并以此為被解釋變量。探討影響農(nóng)民收入的主要因素,并在此基礎(chǔ)上對如何增加農(nóng)民收入提出相應(yīng)的政策建議。關(guān)鍵詞：農(nóng)民收入；影響因素；多元線性回歸模型；

2、SAS回歸擬合及檢驗；預(yù)測。一、模型選擇 該模型最初準(zhǔn)備以（農(nóng)產(chǎn)品生產(chǎn)價格指數(shù)），（非農(nóng)人口占總?cè)丝诒戎兀?，（第二、三產(chǎn)業(yè)從業(yè)人數(shù)占全社會從業(yè)人數(shù)的比重），（鄉(xiāng)村從業(yè)人數(shù)占農(nóng)村人口的比重），（農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧總產(chǎn)值的比重），（農(nóng)作物播種面積），（農(nóng)村用電量）為解釋變量，以（農(nóng)村居民家庭人均純收入）為被解釋變量，以多元線性回歸分析為基礎(chǔ)建立如下多元線性回歸模型：以分析以上各解釋變量對被解釋變量的影響程度及重要性，并用SAS回歸模擬。 （注：該模型西南財經(jīng)大學(xué)精品課程課程論文欄目，全文見附錄一。論文地址：）2、 數(shù)據(jù)搜集 根據(jù)以上分析，我收集到如下數(shù)據(jù)： 年份1978年=100上年=100百分比

3、百分比百分比百分比千公頃億千瓦時1991317.40 98.0026.9440.3050.9263.09149585.80963.201992336.20 103.4027.4641.5051.5361.51149007.101106.901993346.90 113.4027.9943.6051.8660.07147740.701244.901994364.30 121.60 28.5145.7052.1258.22148240.601473.901995383.60 127.40 29.0447.8052.4158.43149879.301655.701996418.10 108.40 3

4、0.4849.5053.2360.57152380.601812.701997437.30 99.50 31.9150.1054.9358.23153969.201980.101998456.10 94.50 33.3550.2055.8458.03155705.702042.201999473.50 95.80 34.7849.9057.1657.53156372.812173.452000483.40 99.10 36.2250.0059.3355.68156299.852421.302001503.70 99.10 37.6650.0060.6255.24155707.862610.78

5、2002527.90 100.5039.0950.0062.0254.51154635.512993.402003550.60 104.37 40.5350.9063.7250.08152414.963432.922004588.00 113.09 41.7653.1065.6450.05153552.553933.032005624.50 101.39 42.9955.2067.5949.72155487.734375.702006670.70 101.20 44.3457.4061.9852.74152149.00 4895.80 2007734.40 118.49 45.8959.206

6、2.0650.43153463.93 5509.90 2008793.15 114.06 46.9960.4061.7448.35156265.70 5713.15 2009860.57 97.60 48.3461.9061.6650.99158613.55 6104.44 2010954.37 110.94 49.9563.3061.7153.29160674.81 6632.35 以上數(shù)據(jù)來自中國統(tǒng)計年鑒2011 。三、參數(shù)估計及模型檢驗分析根據(jù)第二部分的相關(guān)數(shù)據(jù)，建立多元線性回歸模型用OLS法對初始模型進(jìn)行估計，編寫SAS程序?qū)Τ跏寄Ｐ瓦M(jìn)行初步的回歸、參數(shù)估計，得到的結(jié)果是： 1.經(jīng)濟(jì)學(xué)

7、意義檢驗所謂經(jīng)濟(jì)意義檢驗主要是檢驗?zāi)Ｐ蛥?shù)估計量在經(jīng)濟(jì)意義上的合理性，主要包括參數(shù)估計量的符號、大小。由OLS估計結(jié)果知，解釋變量，中的每一個在其他變量不變的情況下，增加一個單位，農(nóng)民純收入就會分別變化0.7606元，5.0043元，-3.6493元，-5.6406元，1.2753元，0.0109元，0.0920元（正和負(fù)值表示增加與減少值）。根據(jù)經(jīng)驗其中符號經(jīng)濟(jì)意義不合理，判斷可能由變量間多重共線性引起。2.統(tǒng)計學(xué)意義檢驗統(tǒng)計檢驗是由統(tǒng)計理論決定的，目的在于檢驗?zāi)Ｐ偷慕y(tǒng)計學(xué)性質(zhì)。由OLS估計結(jié)果知，較大且接近于1，說明擬合優(yōu)度很好。而且，應(yīng)拒絕原假設(shè)，說明方程顯著。對于檢驗，由于解釋變量，參

8、數(shù)估計的值絕對值小于，認(rèn)為解釋變量間可能存在多重共線性。四、模型的計量經(jīng)濟(jì)學(xué)檢驗、修正與引用模型的差異性分析在模型的改進(jìn)中主要應(yīng)用模型的計量經(jīng)濟(jì)學(xué)意義檢驗進(jìn)行改進(jìn)。主要包括三部分：多重共線性檢驗及修正、異方差檢驗及修正、序列相關(guān)性檢驗及修正。1.多重共線性的檢驗與修正所謂多重共線性是指解釋變量之間違背了相互獨立的假設(shè)，及某兩個或多個解釋變量之間出現(xiàn)了相關(guān)性。直觀法由第三部分所得數(shù)據(jù)可知，雖然模型整體擬合的很好，但是解釋變量，未能通過檢驗。所以模型解釋變量間可能存在多重共線性。相關(guān)系數(shù)矩陣通過SAS軟件計算出各個變量之間的簡單相關(guān)系數(shù)矩陣，初步判斷相關(guān)性。SAS程序運行，得到各解釋變量的相關(guān)系數(shù)

9、矩陣如下：如果以90%為標(biāo)準(zhǔn)，則變量和，和，和，和，和之間是高度相關(guān)的，因此，模型解釋變量間存在多重共線性。下面對原模型的上述解釋變量進(jìn)行分別回歸，估計參數(shù)并進(jìn)行顯著性檢驗，得到如下最優(yōu)模型作為初始回歸模型：利用逐步迭代法進(jìn)行多重共線性修正，將其他解釋變量導(dǎo)入上述初始模型，尋求最佳回歸方程，編寫SAS程序?qū)δＰ瓦M(jìn)行逐步回歸得到最優(yōu)模型。逐步回歸的最終結(jié)果如下：由逐步回歸結(jié)果發(fā)現(xiàn)，模型各項檢驗量都比較好，顯著性比較強，擬合優(yōu)度也很好。統(tǒng)計學(xué)意義檢驗及計量經(jīng)濟(jì)學(xué)意義檢驗中都是顯著成立的。2.異方差檢驗及修正分析首先對原模型進(jìn)行異方差的檢驗，異方差是指對于不同的樣本點，隨機干擾項的方差不再是常數(shù)，而

10、是互不相同。檢驗異方差，即檢驗隨機干擾項的方差與解釋變量觀測值之間的相關(guān)性。本文中使用了二種檢驗方法進(jìn)行異方差的檢驗。第一種是用戈里瑟法檢驗異方差。戈里瑟法檢驗的基本思想為：以或為解釋變量，以原模型的某一個或幾個解釋變量為解釋變量，建立如下方程：或其中，表示隨機干擾項的方差，即選擇關(guān)于解釋變量的不同的函數(shù)形式，對方程進(jìn)行估計并進(jìn)行顯著性檢驗。如果存在某一種函數(shù)形式，使得方程顯著成立，則說明原模型存在異方差。本文中以為被解釋變量，分別以修正了多重共線性后的模型中三個解釋變量的原形式及對數(shù)形式為解釋變量的兩種不同的函數(shù)形式，建立兩種方程進(jìn)行估計及顯著性檢驗。利用SAS程序運行得到的結(jié)果分別為：由以

11、上程序運行結(jié)果，可知：因此在5%的顯著性水平下可以接受原假設(shè)，即認(rèn)為模型不顯著。擬合優(yōu)度也很不好，而對于變量的顯著性檢驗，由檢驗結(jié)果可知，在兩個方程里面，各個變量在5%的顯著性水平下都未通過檢驗，即接受原假設(shè)，認(rèn)為模型不顯著。所以認(rèn)為隨機干擾項與解釋變量之間不存在相關(guān)性，即原模型不存在異方差性。第二種是懷特檢驗法。以兩個解釋變量的回歸模型為例說明懷特檢驗的基本思想與步驟。假設(shè)回歸模型為可先對模型作OLS回歸，并得到，然后作如下的輔助回歸：可以證明，在同方差性假設(shè)下，從該輔助回歸得到的可決系數(shù)與樣本容量的乘積，漸進(jìn)地服從自由度為輔助回歸方程中解釋變量個數(shù)的分布：則可在大樣本下，對統(tǒng)計量進(jìn)行相應(yīng)的

12、檢驗。如果存在異方差性，則上述回歸模型顯著成立。由于本文中由于原模型中解釋變量個數(shù)比較多，在懷特檢驗的輔助方程中含有太多的交叉項，從而使自由度降低，因此在本文中使用不含交叉項的懷特檢驗。程序運結(jié)果如下：由以上程序運行結(jié)果，可知：在5%的顯著性水平下模型不顯著。雖然擬合優(yōu)度不差，但是變量在5%的顯著性水平下都未通過檢驗，因此接受原假設(shè)，認(rèn)為模型不顯著。而又，因此模型同方差，即原模型不存在異方差性。綜上結(jié)果，模型不存在異方差性。3.序列相關(guān)性的檢驗及分析所謂序列相關(guān)性是指模型的隨機干擾項違背了相互獨立的基本假設(shè)，即模型的隨機干擾項之間存在相關(guān)關(guān)系。下面用拉格朗日乘數(shù)法對模型的序列相關(guān)性進(jìn)行檢驗。拉

13、格朗日乘數(shù)檢驗的原理為：給出如下輔助回歸方程如果約束條件為真，則輔助方程的樣本容量和可決系數(shù)的乘積服從自由度為的分布。給定顯著性水平，即可對統(tǒng)計量進(jìn)行相應(yīng)的檢驗。如果大于臨界值就拒絕為真，即表明存在直到階的序列相關(guān)性。本文中分別檢驗了模型的一階、二階和三階序列相關(guān)性，SAS程序運行如下：（1） 含一階滯后殘差項的輔助回歸為： （2）含二階滯后殘差項的輔助回歸為： （3） 含三階滯后殘差項的輔助回歸為： 由以上結(jié)果可知，（1）中，模型存在一階序列相關(guān)。（2）中，模型存在二階序列相關(guān)。雖然（3）中，但是，未通過檢驗，模型不存在三階序列相關(guān)。所以，模型存在二階序列相關(guān)。下面進(jìn)行序列相關(guān)性的修正，主要

14、通過杜賓兩步法進(jìn)行修正。第一步，變換差分模型如下：用最小二乘法估計該方程，SAS運行結(jié)果如下：可以得到，。第二步，將，代入原差分模型，再用最小二乘法估計該方程，SAS運行結(jié)果如下：其中，。 由以上結(jié)果可得修正后模型的解釋變量系數(shù)的估計值：，。經(jīng)過以上各種檢驗及修正后，得到最終模型為：4.模型的差異性分析由于我在選取模型時，更改了原模型的一些變量，以及在選取變量的數(shù)據(jù)時對數(shù)據(jù)要求不同，使得這些變量的數(shù)據(jù)與原模型有所不同。因此本文模型的最終結(jié)果與所參考模型有一些差異。五、預(yù)測與應(yīng)用將2010年相關(guān)數(shù)據(jù)代入得到預(yù)測值，真實值，相對誤差為即，可見模型的預(yù)測還是可以的。這對于我們制定關(guān)于農(nóng)民生產(chǎn)生活的政

15、策時，將能夠提供一些幫助。六、總結(jié)和建議根據(jù)本文上述分析,要快速增加農(nóng)民的收入,提高農(nóng)民收入增長率,切實有效地解決好“三農(nóng)”問題,促進(jìn)經(jīng)濟(jì)長期、穩(wěn)定、協(xié)調(diào)發(fā)展,應(yīng)著實做好以下三點:1、 提高農(nóng)業(yè)收入的增長率,確保農(nóng)業(yè)收入在農(nóng)民收入中的主體地位。2、 大力發(fā)展家庭經(jīng)營性收入中的非農(nóng)業(yè)項目,提高非農(nóng)業(yè)收入對家庭經(jīng)營性收入增長的促進(jìn)作用。3、 促進(jìn)農(nóng)民進(jìn)城務(wù)工,增加農(nóng)民外出務(wù)工的工資性收入。參考文獻(xiàn)：【1】計量經(jīng)濟(jì)學(xué)（第二版），李子奈、潘文卿；高等教育出版社?！?】胡文國等：我國農(nóng)民收入增長影響因素的實證分析J，經(jīng)濟(jì)科學(xué)2004年第 6期?！?】中國統(tǒng)計年鑒M,中國統(tǒng)計出版社,2011年。附錄一：論

16、文原文（略）附錄二：SAS程序如下data grain1;input year y X1 X2 X3 X4 X5 X6 X7 ;cards;/*數(shù)據(jù)復(fù)制上即可*/；proc reg data=grain1; /*最小二乘法估計模型*/model y=X1 X2 X3 X4 X5 X6 X7/DW;run;proc corr;/*求相關(guān)系數(shù)矩陣*/var X1 X2 X3 X4 X5 X6 X7; run;proc reg data=grain1; /*y對Xi作回歸分析，i=1、2、3、4、5、6、7*/model y=Xi /DW; run;proc reg data=grain1;/*逐步

17、回歸分析*/model y=X1 X2 X3 X4 X5 X6 X7/ dw selection=stepwise details=all slentry=0.05 slstay=0.05;title "農(nóng)民收入模型逐步回歸" run;data grain; set grain1 ;totalguji=-810.94204-5.51052*X4+0.00743*X6+0.05997*X7;wucha=y-totalguji; m=abs(wucha)*abs(wucha); a4=X4*X4; a6=X6*X6; a7=X7*X7;keep year y et m wuch

18、a_1 a wucha X4 X6 X7 a4 a6 a7 totalguji ; et=abs(wucha); wucha_1=lag(wucha); a=lag(wucha_1); proc reg data=grain; model wucha=X4 X6 X7 wucha_1 a ;title 拉格朗日乘數(shù)檢驗2階序列相關(guān);run;proc reg data=grain; model et=X4 X6 X7;title '用戈里瑟法檢驗異方差'run;proc reg data=grain; model m=X4 a4 X6 a6 X7 a7;title '懷特檢驗法檢驗異方差'run;data MGDP3; set grain;Mt_1=lag(y);Mt_2=lag(Mt_1);q1=lag(X4);q11=lag(q1);q2=lag(X6);q22=lag(q2);q3=lag(X7);q33=lag(q3);keep y X4 X6 X7 Mt_1 Mt_2 q1 q11 q2 q22 q3 q33; run; proc