計(jì)量經(jīng)濟(jì)學(xué)課設(shè)

關(guān)于農(nóng)民人均純收入的影響因素分析目錄TOC\o"1-5"\h\z1引言 3\o"CurrentDocument"1.1農(nóng)民收入簡(jiǎn)介： 3\o"CurrentDocument"1.2.課題意義： 3\o"CurrentDocument"2農(nóng)村居民人均純收入的構(gòu)成及其計(jì)量經(jīng)濟(jì)模型的建立 3\o"CurrentDocument"2.1各個(gè)解釋變量介紹 32.11人均工資收入（X） 32.12人均農(nóng)林牧漁產(chǎn)值（X） 32.14人均轉(zhuǎn)折性收入（X） 32.15人均財(cái)產(chǎn)性收入（X） 4\o"CurrentDocument"2.2最小二乘估計(jì)法建立模型 4\o"CurrentDocument"3回歸模型的檢驗(yàn)與修正 7\o"CurrentDocument"3.1經(jīng)濟(jì)意義檢驗(yàn)及顯著性檢驗(yàn) 73.1.1經(jīng)濟(jì)意義檢驗(yàn) 73.1.2擬合優(yōu)度檢驗(yàn) 73.1.4模型的t檢驗(yàn) 7\o"CurrentDocument"3.2多重共線性檢驗(yàn) 73.2.1多重共線性產(chǎn)生原因 73.2.2模型存在多重共線性的影響 73.2.3多重共線性的檢驗(yàn)方法 83.2.4多重共線性的消除 83.2.5逐步回歸法步驟 8\o"CurrentDocument"3.4異方差的檢驗(yàn) 183.4.1異方差產(chǎn)生的原因 183.4.2異方差性產(chǎn)生的影響： 183.4.3異方差性的檢驗(yàn)方法： 183.4.4異方差的修正方法一一加權(quán)最小二乘法 20\o"CurrentDocument"3.5序列相關(guān)性檢驗(yàn) 203.5.1序列相關(guān)性產(chǎn)生原因： 203.5.2序列相關(guān)性影響： 213.5.3序列相關(guān)性的檢驗(yàn)方法 213.5.4自相關(guān)性的修正方法 21\o"CurrentDocument"3.5滯后變量的檢驗(yàn) 214模型的檢驗(yàn)與預(yù)測(cè) 244.1.模型的顯著性檢驗(yàn) 244.1.1模型的經(jīng)濟(jì)意義檢驗(yàn) 244.1.2回歸方程的標(biāo)準(zhǔn)差的評(píng)價(jià) 244.1.3擬合優(yōu)度的檢驗(yàn) 244.1.4回歸模型的總體顯著性檢驗(yàn)。 254.1.5單個(gè)回歸系數(shù)的顯著性檢驗(yàn) 25\o"CurrentDocument"4.2參數(shù)的區(qū)間估計(jì) 25\o"CurrentDocument"4.3模型的預(yù)測(cè) 25\o"CurrentDocument"5對(duì)產(chǎn)生這些誤差的原因和模型的設(shè)計(jì)缺陷進(jìn)行討論： 26結(jié)論 26\o"CurrentDocument"參考文獻(xiàn) 271引言1.1農(nóng)民收入簡(jiǎn)介：農(nóng)業(yè)是經(jīng)濟(jì)發(fā)展、社會(huì)安定、國(guó)家自立的基礎(chǔ)，農(nóng)民和農(nóng)村經(jīng)濟(jì)始終是中國(guó)革命和建設(shè)的根本問(wèn)題。而農(nóng)民純收入又是決定農(nóng)民生活水平的重要因素。為深入了解農(nóng)民收入現(xiàn)狀及分析農(nóng)民收入與哪些因素有關(guān)，我們采取2009年我國(guó)31個(gè)地區(qū)的相關(guān)數(shù)據(jù)，并詳細(xì)分析了進(jìn)行了分析。1.2.課題意義：本文旨在對(duì)于不同的地區(qū)，通過(guò)選擇一些影響農(nóng)民的收入的重要因素，建立多元線性回歸模型，通過(guò)對(duì)模型的分析，來(lái)判定哪些因素對(duì)于農(nóng)民收入是顯著的。2農(nóng)村居民人均純收入的構(gòu)成及其計(jì)量經(jīng)濟(jì)模型的建立2.1各個(gè)解釋變量介紹2.11人均工資收入（%）指農(nóng)村住戶成員受雇于單位或個(gè)人，靠出賣勞動(dòng)而獲得的收入。2.12人均農(nóng)林牧漁產(chǎn)值（％）指以貨幣表現(xiàn)的農(nóng)、林、牧、漁業(yè)全部產(chǎn)品和對(duì)價(jià)值總量，它反映一定時(shí)期內(nèi)農(nóng)林牧漁生產(chǎn)總規(guī)模和總成果。2.13人均消費(fèi)性支出（%）指家庭用于日常生活的支出，包括食品、衣著、居住、家庭設(shè)備用品及服務(wù)、醫(yī)療保健、交通和通信、娛樂(lè)教育文化服務(wù)、其他商品和服務(wù)等八大類支出。2.14人均轉(zhuǎn)折性收入（％）轉(zhuǎn)移性收入指農(nóng)村住戶和住戶成員無(wú)須付出任何對(duì)應(yīng)物而獲得的貨物、服務(wù)、資金或資產(chǎn)所有權(quán)等，不包括無(wú)償提供的用于固定資本形成的資金。一般情況下，是指農(nóng)村住戶在二次分配中的所有收入。

2.15人均財(cái)產(chǎn)性收入（x5）財(cái)產(chǎn)性收入指金融資產(chǎn)或有形非生產(chǎn)性資產(chǎn)的所有者向其他機(jī)構(gòu)單位提供資金或?qū)⒂行畏巧a(chǎn)性資產(chǎn)供其支配，作為回報(bào)而從中獲得的收入。2.2最小二乘估計(jì)法建立模型根據(jù)中國(guó)31個(gè)省的截面數(shù)據(jù)建立農(nóng)村居民人均純收入模型，如下：+81X+82x+83x+84X+85x+r其中P是常數(shù)項(xiàng)，P1828384和8均為1寸估參數(shù)。|Ll是隨機(jī)L誤差壩。表1 相關(guān)數(shù)據(jù)人均農(nóng)林人均消費(fèi)人均轉(zhuǎn)折人均財(cái)產(chǎn)人均純收人均工資牧漁產(chǎn)值性支出性收入性收入地區(qū)入（元）收入（元）（萬(wàn)元）（元）（元）（元）北京11668.597326.190.1794618897.591533.811268.61天津8687.564408.330.2293294273.15460.12267.53河北5149.672251.010.5175983349.74334.31123.90山西4244.101789.930.2651443304.76329.29205.12內(nèi)蒙古4937.80900.420.6484473968.42622.55137.34遼寧5958.002239.750.6262064254.03495.43205.51吉林5265.91869.020.6330463902.90669.29290.86黑龍江5206.761019.610.5883694241.27619.42241.04上海12482.948671.000.1473989804.372288.96932.81江蘇8003.544238.540.4939835804.45500.73325.60浙江10007.315090.150.361667731.70559.70487.90安徽4504.321882.420.4190933655.02266.27117.00福建6680.182678.350.5517635015.72471.71199.93江西5075.012018.980.3911933532.66290.3180.41山東6118.772496.570.6338864417.18296.81196.11河南4806.951621.750.5134933388.47238.6256.01湖北5035.261900.540.5218873725.24247.8158.37

湖南4909.042234.010.5007624020.87336.5181.19廣東6906.934089.690.3462955019.81442.19357.66廣西3980.441465.220.4895393231.14245.5041.49海南4744.36972.680.8159573088.56289.3056.08重慶4478.351919.680.319383142.14379.2367.80四川4462.051821.370.4508024141.40473.0594.75貴州3005.411074.320.2304382421.95311.6381.90云南3369.34684.950.3732642924.85277.85127.52西藏3531.72914.080.3219692399.47512.90148.25陜西3437.551428.460.3545123349.23346.3292.60甘肅2980.10994.940.3324952766.45367.8734.06青海3346.151081.590.2822513209.41481.32117.00寧夏4048.331518.940.3894813347.94354.7163.08新疆3883.10461.490.6011272950.63230.77121.26通過(guò)Eviews軟件，得到上述模型的散點(diǎn)圖X1X1X2X3X.1X5oA□sV圖1各解釋變量的散點(diǎn)圖建立模型并回歸由散點(diǎn)圖可知，被解釋變量與各個(gè)解釋變量的可能存在線性關(guān)系，結(jié)合數(shù)據(jù)設(shè)模型的函數(shù)形式為：y=8+8尤+8x+8x+8x+8x+口 （1）t° 1 1f 2 21 3 31 4 41 5 5t t其中農(nóng)民人均純收入為y，人均工資收入為x，人均農(nóng)林牧漁產(chǎn)值為x，人均消費(fèi)性支出為x，人均轉(zhuǎn)折性收入為x，人均財(cái)產(chǎn)性收入為x，七是隨機(jī)誤差項(xiàng)。假設(shè)數(shù)據(jù)滿足如下條件:（1） 回歸模型是正確假定的。（2） 各解釋變量為非隨機(jī)的且它們之間不存在完全多重共線性。（3） 各解釋變量在所抽取的樣本中具有變異性。（4） r具有零均值，同方差及不序列相關(guān)性。t（5） 各解釋變量與隨機(jī)項(xiàng)不相關(guān)。（6） 隨機(jī)項(xiàng)滿足正態(tài)分布。借助計(jì)量經(jīng)濟(jì)學(xué)軟件Eviews3.1，對(duì)數(shù)據(jù)進(jìn)行最小二乘處理，結(jié)果如下DependentVariable:YMethodLeastSquaresDate:06/05/12Time:09CSample:131Includedobsen/'ations:31VariableCoefficientStd.Errort-StatisticProbC695.4986454.23281.53115001383X1098809101687445.865580000003007.433807.71793.723371000100.2673810.2149991.2436400.2252-0.4864400.467225-10389860.30881.54306609563611.61347701192R-squared0964035M即ndependentvar5513.405AdjustedR-squared0966842SD.dependentvar2390907SEofregression496.6973Akaikeinfccriterion15.42582Sumsquaredresid6167706Schv/arzcriterion15.70337Loglikelihood-233.1003F-statistic1340251Durbin-Watsonstat2.201750Prob（F-statistic）0000000圖2估計(jì)模型結(jié)果如下：y=695.4986+0.988091%+3007.433%+0.267381%-0.485440%+1.543066%1 2 3 4 5（1.531150）（5.855580）（3.723371） （1.243640）（-1.038986）（1.613477）R2=0.909634 F=134.0251 S.E.=496.69733回歸模型的檢驗(yàn)與修正3.1經(jīng)濟(jì)意義檢驗(yàn)及顯著性檢驗(yàn)3.1.1經(jīng)濟(jì)意義檢驗(yàn)從估計(jì)量的符號(hào)和大小分析，符合經(jīng)濟(jì)意義，即農(nóng)民人均純收入按照合理的正比例隨人均工資收入，人均農(nóng)林牧漁產(chǎn)值，人均消費(fèi)支出，人均轉(zhuǎn)折性收入，人均財(cái)產(chǎn)性收入同步增長(zhǎng)。3.1.2擬合優(yōu)度檢驗(yàn)從回歸結(jié)果可以看出擬合優(yōu)度很好。A2=0.964035。3.1.3模型的F檢驗(yàn)給定顯著性水平a=0.05所以可知F檢驗(yàn)的臨界值為：F^（5,31-5-1）=2.60顯然F統(tǒng)計(jì)量在此顯著性水平下是極為顯著的。3.1.4模型的t檢驗(yàn)給定顯著性水平a=0.05所以可知檢驗(yàn)的臨界值為：ta（34§1=）2。.曲回歸表可知：%，%，%的系數(shù)的估計(jì)量均通不過(guò)t2 3 4 5檢驗(yàn)，并且%的經(jīng)濟(jì)意義出現(xiàn)錯(cuò)誤。所以推測(cè)模型可能出現(xiàn)多重共線性。3.2多重共線性檢驗(yàn)3.2.1多重共線性產(chǎn)生原因（1） 經(jīng)濟(jì)變量之間往往存在同方向的變化趨勢(shì)；（2） 經(jīng)濟(jì)變量之間往往存在著密切的關(guān)聯(lián)度；（3） 在模型中采用滯后變量容易產(chǎn)生多重共線性；（4） 在建模過(guò)程中由于解釋時(shí)變量選擇不當(dāng)而引起多重共線性。3.2.2模型存在多重共線性的影響（1） 完全共線性下參數(shù)估計(jì)量不存在；（2） 近似共線性下最小二乘估計(jì)的方差增大；（3） 參數(shù)估計(jì)經(jīng)濟(jì)意義不合理；（4）變量的顯著性檢驗(yàn)和模型的預(yù)測(cè)功能失去意義。3.2.3多重共線性的檢驗(yàn)方法（1） 相關(guān)系數(shù)檢驗(yàn)法；（2） 輔助回歸模型檢驗(yàn)；（3） 方差膨脹因子檢驗(yàn)；（4） 特征值檢驗(yàn)；（5） 根據(jù)回歸結(jié)果進(jìn)行判斷。本模型用相關(guān)系數(shù)法檢驗(yàn)解釋變量的多重共線性，經(jīng)過(guò)計(jì)算得到變量間的相關(guān)系數(shù)如下圖所示。CorrelationMatrixX1X2X3X4X5X11000000-0.486150093542007931890871500X2-04861501000000-0306017-0411460-0426486X30935420-0306017100000008345520903798X40793189-0.411460083466210000000867434X50871500-0.426486090379808674341000000圖3由上圖可知，相關(guān)系數(shù)在0.8以上，這說(shuō)明解釋變量之間高度線性相關(guān)，即存在較為嚴(yán)重的多重共線性。3.2.4多重共線性的消除多重共線性的消除方法有：保留重要的解釋變量，去掉次要的解釋變量；利用先驗(yàn)信息改變參數(shù)的約束形式；變化模型的形式；綜合使用時(shí)序數(shù)據(jù)和截面數(shù)據(jù)；增加樣本容量；主成分分析法；逐步回歸法。3.2.5逐步回歸法步驟逐步回歸法的具體步驟如下所示：分別對(duì)每個(gè)解釋變量建立一元線性回歸模型；取其中擬合優(yōu)度最好且各變量均通過(guò)檢驗(yàn)的一組作為一元回歸模型。在一元回歸模型中分別引入第二的變量，共建立k-1個(gè)二元回歸模型（設(shè)原模型共有k個(gè)解釋變量），從這些模型中再選取一個(gè)較優(yōu)的模型，選取時(shí)要求每個(gè)解釋變量影響顯著，參數(shù)符號(hào)正確，擬合優(yōu)度有所提高。在選取的二元回歸模型中以同樣的方式引入第三個(gè)變量；如此下去，直至無(wú)法引入新的變量。在引入新的解釋變量的回歸方程中：（1） 如果新引入的解釋變量在符號(hào)經(jīng)濟(jì)意義的前提下，能使擬合優(yōu)度有所提高，并且每個(gè)參數(shù)的統(tǒng)計(jì)檢驗(yàn)顯著，則可以采納該變量。（2） 如果新引入的解釋變量不能使擬合優(yōu)度提高，同時(shí)對(duì)其他參數(shù)無(wú)明顯影響，則可舍棄該變量；（3） 如果新引入的解釋變量能使擬合優(yōu)度有所改善，但對(duì)其參數(shù)的符號(hào)和數(shù)值有明顯影響，統(tǒng)計(jì)檢驗(yàn)也不顯著，可以斷定新解釋變量引起了共線性。按照前述的檢驗(yàn)方法，考察變量間線性相關(guān)的形式和程度，并進(jìn)行經(jīng)濟(jì)意義的判斷，在共線性程度最高的兩個(gè)變量中，舍去對(duì)被解釋變量影響較小，經(jīng)濟(jì)意義相對(duì)次要的一個(gè)，保留影響較大，經(jīng)濟(jì)意義相對(duì)重要的一個(gè)。但要注意，不要輕易舍去新引入的變量，否則會(huì)造成模型設(shè)定偏誤和隨機(jī)項(xiàng)與解釋變量相關(guān)。由于多重共線性的存在，我們對(duì)模型進(jìn)行修正，采用逐步回歸法。首先對(duì)農(nóng)民人均純收入y與人均工資收入x進(jìn)行回歸分析，結(jié)果如圖所示1DependentVariable:YMethodLeastSquaresDate:06/05/12Time:15:27Sample:131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC2729.8152092402 13.0463200000X111974260070084 17.0865400000R-squared0909634Meandependentvar5513.405AdjustedR-squared0906518SD.dependentvar2390907SEofregression7310178Akaikeinfccriterion1608909Sumsquaredresid15497222Schv/arzcriterion1618161Loglikelihood-247.3809F-statistic2919157Durbin-Watsonstat1.493351ftabfl3-statistic)0000000圖4于是我們得到一元回歸模型：&=2729.815+1.197426%1（13.04632）（17.08554）R2=0.909634 F=291.9157然后對(duì)農(nóng)民人均純收入y與人均農(nóng)林牧漁產(chǎn)值%回歸分析，結(jié)果如圖所示:DependentVariable:YMethodLeastSqua「或Date:06/05/12Time:18:21Sample:131Includedobservations:31VariableCoefficientStdE「「ci「t-StatisticProbC7361.4891248.167 5.89783800000X2■4234.2692693.597 -157197501268R-squared0078520Meandependentvar5513.405AdjustedR-squared0046745SD.dependentvar2390907SEofreg「曲sicm2334.358Akaikeinfccriterion18.41120Sumsqua「日dresid158E+08Schwarzcriterion18.50372Loglikelihood283.3736F-statistic2.471107Durbin-Watsonstat0.877907Prob(F-statistic)0126804圖5于是我們得到一元回歸模型：§=7361.489-4234.269%

(5.897838)(-1.571975)R2=0.078520 F=2.471107下面對(duì)農(nóng)民人均純收入y與人均消費(fèi)支出%進(jìn)行回歸分析，結(jié)果如圖所示3DependentVariable:YMethodLeastSquaresDate:06/05/12Time:18:38Sample:131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC44.26128348.3454 01270610.8998X31.3114380077288 16.9681700000R-squared0908494Meandependentvar5513.405AdjustedR-squared0905338SD.dependentvar2390907SEofregression735.6132Akaikeinfccriterion1610163Sumsquaredresid15692676Schv/arzcriterion1619414Loglikelihood-247.5762F-statistic2879187Durbin-Watsonstat1.608668ftab(F-statistic)0000000圖6于是我們得到一元回歸模型：9=44.26128+1.311438%3（0.127061）（16.96817）R2=0.908494F=287.9187下面對(duì)人均純收入y與人均轉(zhuǎn)折性收入％進(jìn)行一元回歸分析；結(jié)果如下示:4DependentVariable:Yf^ethodLeastSquaresDate:06/05/12Time:Sample:131Includedobsen/ations:18:4631VariableCoefficientStdErrort-StatisticProbC3304.3774416987 7.48106400000X44.4833420.693916 6.46093100000R-squared0.5900G9Meandependentvar5513.405AdjustedR-squared0.576934SD.dependentvar2390907SEofregression15569G8Akaikeinfccriterion17.60121Sumsquaredresid70300343Schv/arzcriterion17.69372Loglikelihood-270.8187F-statistic41.74363Durbin-Watsonstat0959230Prol>(F-statistic)0000000圖7于是我們得到一元回歸模型：§=3304.377+4.483342%4（7.481064）（6.460931）R2=0.590069F=41.74363下面對(duì)人均純收入y與人均財(cái)產(chǎn)性收入%進(jìn)行一元線性回歸，結(jié)果如下所5示：DependentVariable:YMethodLeastSquaresDate:06/05/12Time:18:56Sample:131Includedobsen/ations:31VariableCoefficientStdErrort-StatisticProbC3797027276.8117 13.7170000000X579667890823642 9.67264100000R-squared0.763381Meandependentvar5513.405AdjustedR-squared0.755222SD.dependentvar2390907SEofreg「日狗cin1182903Akaikeinfccriterion1705167Sumsqua「M「esid40578510Schv/arzcriterion1714419Loglikelihood-262.3009F-statistic93.55998Durbiii-V-Zatsonstat1.343438ftob(F-statistic)0000000于是我們得到一元回歸模型：§=3797.027+7.966789%5（13.71700）（9.672641）R2=0.763381F=93.55998將這五個(gè)一元回歸模型進(jìn)行比較，）與%模型的擬合優(yōu)度較大。所以將%作為基本變量，引入%，進(jìn)行二元線性回歸分析，結(jié)果如下：

DependentVariable:YMethodLeastSquaresDate:06/05/12Time:19:09Sample:131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC817.7511404.73272.02047200530X11.3428030058705228736400000X23606.6687065619510437600000R-squared0953191Meandependentvar5513.405AdjustedR-squared0949847SD.dependentvar2390907SEofregression635.4395Akaikeinfccriterion15.49582Sumsquaredresid8027472.Schv/arzcriterion15.63469Loglikelihood2371852F-statistic2850860Durbin-Watsonstat1.803150Prob(F-statistic)0000000圖9得到二元回歸模型：§=817.7511+1.342803%+3606.558%(2.020472)(22.87364)(5.104376)R2=0.953191 F=285.0860將農(nóng)民人均純收入y與人均工資收入及人均消費(fèi)支出進(jìn)行二元線性回歸分析，結(jié)果如下：DependentVariable:Y[MethodLeastSquaresDate:06/05/12Time:1921Sample:131Includedobsen/ations:31VariableCoefficientStdErrort-StatisticProbC1261964432.51822.91771400069X10.62430601652113.77883400008X30.67144401810553.70850300009R-squa「M0939399Meandependent伯「5513.405AdjustedR-squa「日d0935071SD.dependent幗「2390907SEofregression609.2326Akaikeinfccriterion15.75404Sumsquaredresid10392601Schv/arz匚「iterion15.89282Loglikelihood-2411877F-statistic2170205Du「bin-Watsonstat1.566006Prob(F-statistic)0000000圖10得到二元回歸模型：§=1261.964+0.624306%+0.671444%（2.917714）（3.7788） （3.708503）R2=0.939399 F=217.0205下面對(duì)人均純收入y與人均工資收入及人均轉(zhuǎn)折性收入建立二元線性回歸模型，結(jié)果如下示：DependentVariable:YFulethodLeastSquaresDate:06/06/12Time:07:35Sample:1131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC2712188218.8301 12.3940400000X111061220116885 997667800000X401834670543367 0.3376480.7381R-squared0910000f'^eandependentvar5513.405AdjustedR-squared0903571SD.dependentvar2390907SEofregression742.4472Akaikeinfccriterion1614955Sumsquaredresid15434378Schwarzcriterion1628832Loglikelihood-247.3180F-statistic141.5556Durbin-Watsonstat1.516464Prol＞（F-statistic）0000000圖11得到二元回歸模型：§=2712.188+1.166122%+0.183467%（12.39404） （9.976678） （0.337648）R2=0.910000 F=141.5556下面對(duì)人均純收入y與人均工資收入及人均財(cái)產(chǎn)性收入建立二元線性回模型，結(jié)果如下示:DependentVariable:YMethodLeastSqua「或Date:06/06/12Time:07:38Sample:131Includedobservations:31VariableCoefficientStdE「「ci「t-StatisticProbC2832.218213.7695 13.2489400000X110039400.139260 7.20911300000X51.6124191011401 159424301221R-squared0917154Meandependentvar5613.405AdjustedR-squared0911236SD.dependentvar2390907SEofreg「曲sicm712.3296Akaikeinfccriterion1606672Sumsqua「日dresid14207575Schwarzcriterion16.20550Loglikelihood-2460342F-statistic1549876Durbin-Watsonstat1.551472Prob(F-statistic)0000000圖12得到二元回歸模型：§=2832.218+1.003940%+1.612419%（13.24894）（7.209113）（1.011401）R2=0.917154 F=154.9876將這四個(gè)二元模型進(jìn)行比較可知：引入％與％為解釋變量，會(huì)使模型擬合優(yōu)度增加，t檢驗(yàn)均通過(guò)且經(jīng)濟(jì)意義正確。所以將％與％作為基本變量，引入其余解釋變量。下面對(duì)人均純收入y與人均工資收入，人均農(nóng)林牧漁產(chǎn)值及人均消費(fèi)支出建立三元線性回歸模型，結(jié)果如下示：DependentVariable:YMethodLeastSquaresDate:06/06/12Time:08:42Sample:131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC428.5022421496610166210.3184X1099813701693295.89466100000X22827.440756.81773.73595900009X30.36700301704432-squared0960051Meandependentvar5513.405AdjustedR-squared0955612SD.dependentvar2390907SEofregression503.7279Akaikeinfccriterion15.40186Sumsquaredresid6851028Schv/arzcriterion15.58689Loglikelihood-234.7289F-statistic216.2857Durbin-Watsonstat1905786ftab(F-statistic)0000000圖13得到回歸方程：§=428.5022+0.998137%+2827.400%+0.367003%(1.016621)(5.894661)(3.735959)(2.153226)R2=0.960051F=216.2857下面對(duì)人均純收入y與人均工資收入，人均消費(fèi)支出及人均轉(zhuǎn)折性收入建立三元線性回歸模型，結(jié)果如下示：DependentVariable:YMethodLeastSquaresDate:06/06/12Time:08:49Sample:131Includedobserx-ations:31VariableCoefficientStdErrort-StatisticProbC1077.032448.85842.39949200236X10.6382680.163338390765000006X30.7844880197862396481700005X40.6473400.487262-1.32852601951R-squa「日d0943118Meandependent俯「5513.405AdjustedR-squared0936797SD.dependent帕「2390907SEof「egression6010770Akaikeinfccriterion15.75524Sumsquaredresid9754926Schv/arzc「iterion1594027Loglikelihood-240.2062F-statistic149.2214Durbin-Watsonstat1.513195Prob(F-statistic)0000000

得到回歸方程：§=1077.032+0.638268%+0.784488%-1.328526%（2.399492）（3.907650）（3.964817）（-1.328526）R2=0.943118 F=149.2214下面對(duì)人均純收入y與人均工資收入，人均消費(fèi)支出及人均財(cái)產(chǎn)性收入建立三元線性回歸模型，結(jié)果如下示：DependentVariable:YFulethodLeastSquaresDate:06/06/12Time:0926Sample:131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC1261.281536.53072.33652600271X1062533801707933.66137000011X30.6752870.214480314849000040X5-00369361024708-003506809723R-squared0939402Meandependentvar6613.405AdjustedR-squared0932669SD.dependentvar2390907SEofregression620.3980Akaikeinfccriterion16.81851Sumsquaredresid10392128Schv/arzcriterion1600354Loglikelihood-2411870F-statistic139.6200Durbin-Watsonstat1.662461Prob(F-statistic)0000000圖15得到回歸方程：§=1251.281+0.625338%+0.675287%-0.035935%（2.336526）（3.661370）（3.148490）（-0.035068）R2=0.939402 F=139.5200以上三個(gè)三元線性回歸方程中均有通不過(guò)檢驗(yàn)的變量存在，故均不能引入方程。因此，用逐步回歸法得到的修正以后的線性回歸方程為：§=1261.964+0.624306%+0.671444% （2）（2.917714）（3.7788） （3.708503）RR2=0.939399F=217.02053.4異方差的檢驗(yàn)3.4.1異方差產(chǎn)生的原因1） 模型中遺漏了某些解釋變量；2） 模型函數(shù)形式的設(shè)定偏誤；3） 模型數(shù)據(jù)的測(cè)量誤差；4） 隨機(jī)因素的影響。3.4.2異方差性產(chǎn)生的影響：1） 對(duì)于模型參數(shù)估計(jì)值的無(wú)偏性無(wú)影響；2） 對(duì)模型參數(shù)估計(jì)值有效性有影響，不再是有效的；3） 使模型參數(shù)估計(jì)值的顯著性檢驗(yàn)失效；4） 當(dāng)模型不能滿足同方差假定時(shí)，普通最小二乘法是不適用的。3.4.3異方差性的檢驗(yàn)方法：1） 圖示檢驗(yàn)法；2） 戈德菲爾德一匡特檢驗(yàn)；3） 懷特檢驗(yàn)；4） 戈里瑟檢驗(yàn)；5） 帕克檢驗(yàn)；6） ARCH檢驗(yàn)（自回歸條件異方差檢驗(yàn)）。我們先利用圖示法進(jìn)行初步檢驗(yàn)：□STOCOO-10QQCOO-1：1

口％% 口-日口 口r,2KK14onsxnam圖17由以上兩圖可知，模型可能存在異方差性。針對(duì)隨機(jī)變量，進(jìn)行異方差的精確檢驗(yàn)。我們采用懷特檢驗(yàn)方法。運(yùn)用Eviews軟件，得到如下檢驗(yàn)結(jié)果：WhiteHeteroskeelasticityTestF-statisticObs*R-sqiiared3.41600510.67932Probability00226020030415ProbabilityTestEquationDependentVariable:RESID"2MethodLeastSquaresDate:0G/06/12Time:1100Sample:131Includedobservations:31VariableCoefficientStdErrort-StatisticProbC14562251090996. -1.3347670.1935X1-245.7755296.2696 -0.8295670.4143X1-201223380049912 2.46106200213X31094.699683.8104 1.8749220072102-01620810061674 262803600142R-squared0.344494Meandependentvar3352452AdjustedR-squared0.243647SD.dependentvar6943370SEofregression516886.3Akaikeinfccriterion29.29672Sumsquaredresid6.96E+12Schwarzcriterion29.52701Loglikelihood■4490837F-statistic3.416005Durbin-Watsonstat2256450Prob(F-statistic)0022602圖18由于nr2=31*0.344494=10.679314>2 =9.461;所以可知模型存在異方差(0.05)性。3.4.4異方差的修正方法——加權(quán)最小二乘法DependentVariable:YFulethodLeastSquaresDate:06/06/12Time:13:55Sample:131Includedobservations:31Weightingseries:WVariableCoefficientStdErrort-StatisticProbC978.374384.23155 11.6153000000X10.3436260054466 6.30898400000X30.9179320.053007 17.3173200000WeightedStatisticsR-squared0.999734Meandependentvar6308.592AdjustedR-squared0.999716SD.dependentvar8960.319SEofregression1511315Akaikeinfccriterion1296594Sumsquaredresid6395401Schv/arzcriterion1310472Loglikelihood-197.9721F-statistic7979.732Durbin-Watsonstat2.003210Prol>(F-statistic)0000000UnweightedStatisticsR-squared0.930728Meandependentvar5513.405AdjustedR-squared0.925780SD.dependentvar2390907SEofregression6513618Sumsquaredresid11379620Durbin-Watsonstat1.411801圖19所以可知通過(guò)加權(quán)最小二乘法得到的二元線性回歸方程為:>=978.3743+0.343626%+0.917932% （3）（11.61530）（6.308984）（17.31732）r2=0.999716F=7979.732 D.W.=2.0032103.5序列相關(guān)性檢驗(yàn)3.5.1序列相關(guān)性產(chǎn)生原因：1） 經(jīng)濟(jì)變量慣性的作用引起隨機(jī)誤差項(xiàng)自相關(guān)；2） 經(jīng)濟(jì)行為的滯后性引起隨機(jī)誤差項(xiàng)自相關(guān)；3） 一些隨機(jī)因素的干擾或影響引起隨機(jī)誤差項(xiàng)自相關(guān)；4） 模型設(shè)定誤差引起隨機(jī)誤差項(xiàng)自相關(guān)；5） 觀測(cè)數(shù)據(jù)處理引起隨機(jī)誤差項(xiàng)序列相關(guān)。3.5.2序列相關(guān)性影響：1） 參數(shù)估計(jì)值非有效；2） 變量的顯著性檢驗(yàn)失去意義；3） 模型的預(yù)測(cè)失效。3.5.3序列相關(guān)性的檢驗(yàn)方法1） 圖示法；2） 回歸檢驗(yàn)法；3） D.W.檢驗(yàn)法；4） 拉格朗日乘數(shù)法。對(duì)于回歸模型（2）利用D.W.檢驗(yàn)法對(duì)其序列相關(guān)性進(jìn)行檢驗(yàn)：取顯著性水平為0.05，n=31，查表知d=1.30、d=1.57；由于d=1.57<D.W.=2.003210<4-d=2.43.所以可知模型（3）不存在一階序列相關(guān)性。3.5.4自相關(guān)性的修正方法廣義最小二乘法；廣義差分法。3.5滯后變量的檢驗(yàn)1）.對(duì)X］滯后的情況進(jìn)行檢驗(yàn)DependentVariable:YMethod:LeastSquaresDate:06/06/12Time:16:25Sample:131Includedobservations:31Variable CoefficientStd.Errort-StatisticProb.C 817.60029412.1642491.983675910.057545

3034398 1315717259X11.39062851.189478381.169107850.2525782032343 408509028X33604.6570721.0530084.999156793.0524745219911 93603645e-05X1(-1)-0.05245541.30297250-0.040258250.968183043966188 89584450258R-squared0.95319352374Meandependentvar5513.40451613AdjustedR-squared0.947992804155S.D.dependentvar2390.90747398S.E.ofregression545.248511378Akaikeinfocriterion15.5602745939Sumsquaredresid8026990.35731Schwarzcriterion15.7453052009Loglikelihood-237.184256205F-statistic183.281084137Durbin-Watsonstat1.80501436014Prob(F-statistic)0圖20得到的回歸模型為：§=817.60029+1.3906285%+3604.6570%-0.0524554%（-1）；1 3 1（1.983675） （1.16911） （4.999157） （-0.040258）r2=0.9531935 F=183.2810得到的模型中有些變量的參數(shù)不通過(guò)r檢驗(yàn)，所以原模型不存在x］滯后的情況。

2)對(duì)x滯后情況的檢驗(yàn)DependentVariable:YMethod:LeastSquaresDate:06/06/12Time:16:39Sample:131Includedobservations:31VariableCoefficientStd.Errort-StatisticProb.C167.13499789.8942990.211591580.8340140005838 895741151X11.19963090.160358597.480927114.7768677426607 9521242e-08X33398.7563739.9557244.593188819.0875265576611 21320726e-05X3(-1)0.10079020.105029700.959635480.34575429572106 9284058827R-squared0.9547345Meandependentvar5513.4049998651613AdjustedR-squared0.9497051S.D.dependentvar2390.9071109647398S.E.ofregression536.19739Akaikeinfocriterion15.52679066559629Sumsquaredresid7762706.3Schwarzcriterion15.711822741657Loglikelihood-236.66533F-statistic189.8273742660351Durbin-Watsonstat1.6476558Prob(F-statistic)02505圖21得到的回歸模型為：y=167.13499+1.1996309%+3398.7563%+0.1007902%(-1)；1 3 3(0.21159158)(7.48092711)(4.59318881)(0.9596354)R2=0.9547345 F=189.8273得到的模型中有些變量的參數(shù)不通過(guò)，檢驗(yàn)