计量经济学-四元线性回归模型案例分析

计量经济学-四元线性回归模型案例分析
计量经济学-四元线性回归模型案例分析

计量经济学课程设计

班级:

学号:

姓名:

2011年月

一、引言

财政收入是衡量一国政府财力的重要指标,国家在社会活动中提供公共物品和服务,很大程度上需要财政收入的鼎力相助。财政收入既是国家的集中性分配活动,又是国家进行宏观调控的重要工具。税收是国家为实现其职能的需要,凭借其政治权利并按照特定的标准,强制、无偿的取得财政收入的一种形式,它是现代国家财政收入最重要的收入形式和最主要的收入来源。本课题跟据我国最近几年的经济发展水平和税收收入并结合我国各地区在2008年的实际情况,利用《中国统计年鉴2009》做出了税收收入的计量模型,比较分析了职工工资总额、财政支出和人均家庭总收入等变量对税收收入的不同影响,得出了几个重要的结论。

税收是国家在社会经济活动中为提供公共物品和服务的主要收入来源,在很大程度上决定于财政收入的充裕状况。税收是国家集中性分配活动,又是国家进行宏观调控的重要工具。我国自改革开放以来税收一直随经济的增长在快速的增长,尤其是进入21世纪以来成高速发展趋势。由1999年的亿元到2008年的亿元,十年来增加了倍(见表1)。

近几年以来,尤其是2008年以来社会不公平和贫富差距进一步了大,造成了社会的不稳定。2010年两会期间温家宝总理提出调整税收基数,从而来缩小贫富差距和社会公平问题。

表1 我国十年来税收一览表

二、理论基础

税收是国家为了实现其职能,以政治权利为基础,按规定标准以政治权力为基础,按预定标准像经济组织和居民无偿课征而取得的一种财政收入。税收的影响因素有很多包括一国的经济实力,经济发展水平,劳动者的素质,职工工资总额,财政支出,家庭总收入,生产总值,商品零售价格指数等。

职工工资总额,指各单位或组织在一定时期内直接支付给本单位全部职工的劳动报酬总额。个人所得税的税基就是劳动报酬总额。而个人所得税是税收收入的组成部分。

生产总值,生产总值是经济发展的最重要指标,税收与生产总值的关系集中反映了税收与经济的关系。换言之,经济决定税收,税收促进经济。因此,二者有着直接相关性。如果税收与生产总值的比例关系不协调,一定程度上会弱化了国家队经济的宏观调控能力。因此

生产总值对税收收入也有着重要的影响。

财政支出,是指在市场经济条件下,政府为提供公共产品和服务,满足社会共同需要而进行的财政资金的支付。而财政支出是国家将筹集上来的财政收入进行分配和使用的过程,就是如果需要的财政支出越多,那么久必须有对应的财政收入予以支持,而税收收入是财政收入的组成部分。因此可以看出财政支出对税收收入有着重要的影响。

商品零售价格指数,指反映一定时期内商品零售价格变动趋势和程度的相对数。税收收入是一定量的货币收入,它是在一定的价格体系下形成的。价格的变动是引起税收收入增减的重要因素。我们研究价格对税收的影响是通过价格指数来实现的。因此从商品零售价格指数的变动可以看出税收收入的变动。

三、计量模型

本课题以《中国统计年鉴2009》为资料来源,使用了2008年各地区的职工工资总额、生产总值、商品零售价格指数、财政支出(数据见表2),对我国各地区税收收入影响因素做实证分析。建立以下模型:

Y i=β0+β1 X1+β2X2+β3X3+β4X4+μ

表2 全国各地区税收收入及影响因素单位:亿元

三、参数估计

用Eviews软件,对此模型进行回归,结果见表3。

表3 税收收入的影响因素回归分析结果

从表3实证分析结果中我们可以得到:该模型R2=,调整的R2=,

F=,整体拟合优度高,明显显著。但是当α=时,X2、X3、x4系数的T检验不显著,这表明很可能存在严重的多重中线性。

(一)多重共线性检验

计算解释变量与被解释变量的相关系数,得其相关系数矩阵,见表4。

表4 各变量的相关系数表

采用逐步回归法,来检验并解决多重共线性问题。分别作y对x1、x2、x3、x4的一元回归,结果如表5所示:

表5 逐步回归结果(1)

其中,以加入x1的方程可绝系数最大,以x1为基础,顺次加入x2、x3、x4。结果如表6。

表6 逐步回归结果(2)

查表得(31

)= 经比较,加入x4的方程可绝系数有所改进,但t 检验不显著,因此应剔除x2、x3、x4只保留x1。

X1的方程的回归结果为:

表7 税收收入对职工工资回归结果

X1

R-squar

Durbin-Watson stat

ed

回归模型为:

Y = +

(二)异方差检验

绘制e2对x的散点图Array由图可看出e2对x的散点图主要分布在图中的大部分地方。大

致可看出e2随x的变动而呈增大的趋势,应此,模型可能存在异方

差。

White 检验

由表作White检验,得结果如下,nR2 =,而查表得临界值Χ2(1)=。因为nR2 =<Χ2(1)=,所以,表明模型存在异方差。

异方差性的修正

估计结果如下

Y= +

(-152)()

R2=,DW=,F=

可以看出运用加权最小二乘法消除了异方差。

(三)自相关检验

Y= +

(-152)()

R2=,DW=,F= DF=30

在显著水平下,查DW统计表可知,dl= du=,DW>dU,说明不存在自相关。最终模型表明,职工工资每增加一单位税收收入就会相

应增加个单位。

四、预测

经过实证分析,得出我国各地区税收收入主要受职工工资水平的影响。随着职工工资水平增加,税收收入就会增加。而且财政支出的增长速度跟家庭总收入的增长速度相差不大。说明,随着人均家庭总收入的增加,人们的生活水平也会得到改善。与此同时,人们的消费水平也会得到提高,使得营业税、消费税、个人所得税等都增加,而这些都是税收收入的主要来源,因此税收收入也增加了,这样就可以筹集到更多的财政收入。国家就可以将筹集到的财政收入进行分配和使用,而分配和使用的过程就是财政支出。职工工资总额对税收收入也有影响,而且影响也比较强,这足以说明,随着职工工资总额的增加,税收收入也会增加,它们存在正相关的关系。

五、政策建议

综合上述因素,最有效提高税收收入的方法就是要提高人们的收入,减少人们的收入差距,让人们可以去多消费,从而增加营业税、消费税、个人所得税等税收收入。人们去消费了,就要有人去征收税收。税收征管在我国税收的增长中也发挥着重要的作用。2008年全国各级税务稽查局共查补收入亿元。可是由于我国目前的税收征管水平在短期内将面临较大的困难,因此近期内税收征管难以成为推动税收增长的最重要力量。为此,我们国家应该对税种的征管,特别是主

体税种的征管,多添加一些部门,多增加一些工作人员,乃至全社会一起共同努力,这样既解决了税收征管问题,也可以相对的解决一些就业问题。

随着我国经济结构的调整逐渐完善,我国的GDP也将逐步稳定发展,税收体制也将更加理想,这样就能保持我国的GDP和税收同步协调增长,使得我国的税收与可税GDP总量之间保持着高度正相关的,让可税GDP与同期的税收之间,能够一直维持着长期、稳定的均衡关系。只有这样,才能共同推动我国的经济飞速平稳的发展,使得我国的经济实力得到提升。

多元线性回归模型的案例分析

1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ,鸡肉价格P 1,猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/千 克 X/ 元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/千克 X/元 P 1/(元/ 千克) P 2/(元/ 千克) P 3/(元/千克) 1980 2.78 397 4.22 5.07 7.83 1992 4.18 911 3.97 7.91 11.40 1981 2.99 413 3.81 5.20 7.92 1993 4.04 931 5.21 9.54 12.41 1982 2.98 439 4.03 5.40 7.92 1994 4.07 1021 4.89 9.42 12.76 1983 3.08 459 3.95 5.53 7.92 1995 4.01 1165 5.83 12.35 14.29 1984 3.12 492 3.73 5.47 7.74 1996 4.27 1349 5.79 12.99 14.36 1985 3.33 528 3.81 6.37 8.02 1997 4.41 1449 5.67 11.76 13.92 1986 3.56 560 3.93 6.98 8.04 1998 4.67 1575 6.37 13.09 16.55 1987 3.64 624 3.78 6.59 8.39 1999 5.06 1759 6.16 12.98 20.33 1988 3.67 666 3.84 6.45 8.55 2000 5.01 1994 5.89 12.80 21.96 1989 3.84 717 4.01 7.00 9.37 2001 5.17 2258 6.64 14.10 22.16 1990 4.04 768 3.86 7.32 10.61 2002 5.29 2478 7.04 16.82 23.26 1991 4.03 843 3.98 6.78 10.48 (1) 求出该地区关于家庭鸡肉消费需求的如下模型: 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ (2) 请分析,鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析,过程如下: 输出结果如下:

案例分析(一元线性回归模型)

案例分析报告(2014——2015学年第一学期) 课程名称:预测与决策 专业班级:电子商务1202 学号:2204120202 学生姓名:陈维维 2014 年11月

案例分析(一元线性回归模型) 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 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。从理论角度讲,消费需求的具体内容主要体现在消费结构上,要增加居民消费,就要从研究居民消费结构入手,只有了解居民消费结构变化的趋势和规律,掌握消费需求的热点和发展方向,才能为消费者提供良好的政策环境,引导消费者合理扩大消费,才能促进产业结构调整与消费结构优化升级相协调,才能推动国民经济平稳、健康发展。例如,2008年全国城镇居民家庭平均每人每年消费支出为11242.85元,最低的青海省仅为人均8192.56元,最高的上海市达人均19397.89元,上海是黑龙江的2.37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,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 我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费,由于各地区的城镇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“城镇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“城镇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镇居民消费的差异,并不是城镇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镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇居民人均消费支

一元线性回归模型案例分析

一元线性回归模型案例分析 一、研究的目的要求 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2.52002年中国各地区城市居民人均年消费支出和可支配收入

一元线性回归模型习题和答案解析

一元线性回归模型 一、单项选择题 1、变量之间的关系可以分为两大类__________。A A 函数关系与相关关系 B 线性相关关系和非线性相关关系 C 正相关关系和负相关关系 D 简单相关关系和复杂相关关系 2、相关关系是指__________。D A 变量间的非独立关系 B 变量间的因果关系 C 变量间的函数关系 D 变量间不确定性的依存关系 3、进行相关分析时的两个变量__________。A A 都是随机变量 B 都不是随机变量 C 一个是随机变量,一个不是随机变量 D 随机的或非随机都可以 4、表示x 和y 之间真实线性关系的是__________。C A 01???t t Y X ββ=+ B 01()t t E Y X ββ=+ C 01t t t Y X u ββ=++ D 01t t Y X ββ=+ 5、参数β的估计量?β 具备有效性是指__________。B A ?var ()=0β B ?var ()β为最小 C ?()0β β-= D ?()ββ-为最小 6、对于01??i i i Y X e ββ=++,以σ?表示估计标准误差,Y ?表示回归值,则__________。B A i i ??0Y Y 0σ∑ =时,(-)= B 2 i i ??0Y Y σ∑=时,(-)=0 C i i ??0Y Y σ∑=时,(-)为最小 D 2 i i ??0Y Y σ∑=时,(-)为最小 7、设样本回归模型为i 01i i ??Y =X +e ββ+,则普通最小二乘法确定的i ?β的公式中,错误的是__________。D A ()()()i i 1 2 i X X Y -Y ?X X β--∑∑= B ()i i i i 1 2 2 i i n X Y -X Y ?n X -X β∑∑∑∑∑= C i i 1 2 2 i X Y -nXY ?X -nX β∑∑ = D i i i i 1 2 x n X Y -X Y ?βσ ∑∑∑= 8、对于i 01i i ??Y =X +e ββ+,以?σ表示估计标准误差,r 表示相关系数,则有__________。D A ?0r=1σ =时, B ?0r=-1σ =时, C ?0r=0σ =时, D ?0r=1r=-1σ =时,或 9、产量(X ,台)与单位产品成本(Y ,元/台)之间的回归方程为?Y 356 1.5X -=,这说明__________。D

多元线性回归模型案例分析

多元线性回归模型案例分析 ——中国人口自然增长分析一·研究目的要求 中国从1971年开始全面开展了计划生育,使中国总和生育率很快从1970年的降到1980年,接近世代更替水平。此后,人口自然增长率(即人口的生育率)很大程度上与经济的发展等各方面的因素相联系,与经济生活息息相关,为了研究此后影响中国人口自然增长的主要原因,分析全国人口增长规律,与猜测中国未来的增长趋势,需要建立计量经济学模型。 影响中国人口自然增长率的因素有很多,但据分析主要因素可能有:(1)从宏观经济上看,经济整体增长是人口自然增长的基本源泉;(2)居民消费水平,它的高低可能会间接影响人口增长率。(3)文化程度,由于教育年限的高低,相应会转变人的传统观念,可能会间接影响人口自然增长率(4)人口分布,非农业与农业人口的比率也会对人口增长率有相应的影响。 二·模型设定 为了全面反映中国“人口自然增长率”的全貌,选择人口增长率作为被解释变量,以反映中国人口的增长;选择“国名收入”及“人均GDP”作为经济整体增长的代表;选择“居民消费价格指数增长率”作为居民消费水平的代表。暂不考虑文化程度及人口分布的影响。 从《中国统计年鉴》收集到以下数据(见表1): 表1 中国人口增长率及相关数据

, 设定的线性回归模型为: 1222334t t t t t Y X X X u ββββ=++++ 三、估计参数 利用EViews 估计模型的参数,方法是: 1、建立工作文件:启动EViews ,点击File\New\Workfile ,在对 话框“Workfile Range ”。在“Workfile frequency ”中选择“Annual ” (年 年份 @ 人口自然增长率 (%。) 国民总收入 (亿元) 居民消费价格指数增长 率(CPI )% 人均GDP (元) 1988 15037 1366 1989 … 17001 18 1519 1990 18718 1644 1991 【 21826 1893 1992 26937 2311 1993 . 35260 2998 1994 48108 4044 1995 — 59811 5046 1996 70142 5846 1997 ~ 78061 6420 1998 83024 6796 1999 【 88479 7159 2000 98000 7858 2001 [ 108068 8622 2002 119096 9398 2003 : 135174 10542 2004 159587 12336 2005 、 184089 14040 2006 213132 16024

案例分析 一元线性回归模型

案例分析报告 (2014——2015学年第一学期) 课程名称:预测与决策 专业班级:电子商务1202 学号: 2204120202 学生姓名:陈维维 2014 年 11月 案例分析(一元线性回归模型) 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 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。从理论角度讲,消费需求的具体内容主要体现在消费结构上,要增加居民消费,就要从研究居民消费结构入手,只有了解居民消费结构变化的趋势和规律,掌握消费需求的热点和发展方向,才能为消费者提供良好的政策环境,引导消费者合理扩大消费,才能促进产业结构调整与消费结构优化升级相协调,才能推动国民经济平稳、健康发展。例如,2008年全国城镇居民家庭平均每人每年消费支出为11242.85元,?最低的青海省仅为人均8192.56元,最高的上海市达人均19397.89元,上海是黑龙江的2.37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,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?

我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费,由于各地区的城镇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“城镇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“城镇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镇居民消费的差异,并不是城镇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镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇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“城镇居民人均消费支出”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。 以下是2008年各地区城镇居民人均年消费支出和可支配收入表

一元线性回归分析的结果解释

一元线性回归分析的结果解释 1.基本描述性统计量 分析:上表是描述性统计量的结果,显示了变量y和x的均数(Mean)、标准差(Std. Deviation)和例数(N)。 2.相关系数 分析:上表是相关系数的结果。从表中可以看出,Pearson相关系数为0.749,单尾显著性检验的概率p值为0.003,小于0.05,所以体重和肺活量之间具有较强的相关性。 3.引入或剔除变量表

分析:上表显示回归分析的方法以及变量被剔除或引入的信息。表中显示回归方法是用强迫引入法引入变量x的。对于一元线性回归问题,由于只有一个自变量,所以此表意义不大。 4.模型摘要 分析:上表是模型摘要。表中显示两变量的相关系数(R)为0.749,判定系数(R Square)为0.562,调整判定系数(Adjusted R Square)为0.518,估计值的标准误差(Std. Error of the Estimate)为0.28775。 5.方差分析表 分析:上表是回归分析的方差分析表(ANOVA)。从表中可以看出,回归的均方(Regression Mean Square)为1.061,剩余的均方(Residual Mean Square)为0.083,F检验统计量的观察值为12.817,相应的概率p 值为0.005,小于0.05,可以认为变量x和y之间存在线性关系。

6.回归系数 分析:上表给出线性回归方程中的参数(Coefficients)和常数项(Constant)的估计值,其中常数项系数为0(注:若精确到小数点后6位,那么应该是0.000413),回归系数为0.059,线性回归参数的标准误差(Std. Error)为0.016,标准化回归系数(Beta)为0.749,回归系数T检验的t统计量观察值为3.580,T检验的概率p值为0.005,小于0.05,所以可以认为回归系数有显著意义。由此可得线性回归方程为: y=0.000413+0.059x 7.回归诊断 分析:上表是对全部观察单位进行回归诊断(Casewise Diagnostics-all cases)的结果显示。从表中可以看出每一例的标准

多元线性回归模型案例

我国农民收入影响因素的回归分析 本文力图应用适当的多元线性回归模型,对有关农民收入的历史数据和现状进行分析,探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。?农民收入水平的度量常采用人均纯收入指标。影响农民收入增长的因素是多方面的,既有结构性矛盾因素,又有体制性障碍因素。但可以归纳为以下几个方面:一是农产品收购价格水平。二是农业剩余劳动力转移水平。三是城市化、工业化水平。四是农业产业结构状况。五是农业投入水平。考虑到复杂性和可行性,所以对农业投入与农民收入,本文暂不作讨论。因此,以全国为例,把农民收入与各影响因素关系进行线性回归分析,并建立数学模型。 一、计量经济模型分析 (一)、数据搜集 根据以上分析,我们在影响农民收入因素中引入7个解释变量。即:2x -财政用于农业的支出的比重,3x -第二、三产业从业人数占全社会从业人数的比重,4x -非农村人口比重,5x -乡村从业人员占农村人口的比重,6x -农业总产值占农林牧总产值的比重,7x -农作物播种面积,8x —农村用电量。

资料来源《中国统计年鉴2006》。 (二)、计量经济学模型建立 我们设定模型为下面所示的形式: 利用Eviews 软件进行最小二乘估计,估计结果如下表所示: DependentVariable:Y Method:LeastSquares Sample: Includedobservations:19 Variable Coefficient t-Statistic Prob. C X1 X3 X4 X5 X6 X7 X8 R-squared Meandependentvar AdjustedR-squared 表1最小二乘估计结果 回归分析报告为: () ()()()()()()()()()()()()()()() 2345678 2? -1102.373-6.6354X +18.2294X +2.4300X -16.2374X -2.1552X +0.0100X +0.0634X 375.83 3.7813 2.066618.37034 5.8941 2.77080.002330.02128 -2.933 1.7558.820900.20316 2.7550.778 4.27881 2.97930.99582i Y SE t R ===---=230.99316519 1.99327374.66 R Df DW F ====二、计量经济学检验 (一)、多重共线性的检验及修正 ①、检验多重共线性 (a)、直观法 从“表1最小二乘估计结果”中可以看出,虽然模型的整体拟合的很好,但是x4x6

SPSS线性回归分析案例

回归分析 实验内容:基于居民消费性支出与居民可支配收入的简单线性回归分析 【研究目的】 居民消费在社会经济的持续发展中有着重要的作用。影响各地区居民消费支出的因素很多,例如居民的收入水平、商品价格水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成、社会保障制度、风俗习惯等等。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,可以建立相应的经济模型去研究。 【模型设定】 : 我们研究的对象是各地区居民消费的差异。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,现选用城镇居民消费进行比较。模型中被解释变量Y选定为“城市居民每人每年的平均消费支出”。从理论和经验分析,影响居民消费水平的最主要因素是居民的可支配收入,故可以选用“城市居民每人每年可支配收入”作为解释变量X,选取2010年截面数据。 1、实验数据 表1: —

2010年中国各地区城市居民人均年消费支出和可支配收入

| 数据来源:《中国统计年鉴》2010年 2、实验过程 作城市居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)的散点图,如图1:

表2 模型汇总b — 模型 R R方调整R方标准估计的误差 - 1 .965a.932.930 ~ a.预测变量:(常量),可支配收入X(元)。 b.因变量:消费性支出Y(元) 表3 相关性 、 消费性支出Y (元) 可支配收入X(元) Pearson相关 性消费性支出Y(元)& .965 ! 从散点图可以看出居民家庭平均每人每年消费支出(Y)和城市居民人均年可支配收入(X)大体呈现为线性关系,所以建立如下线性模型:Y=a+bX

计量经济学模型

第七章 计量经济学应用 §7.1 计量经济学模型的设定 计量经济学模型设定的主要根据: 1) 研究目的; 2) 已有理论模型。 通常是根据研究目的所涉及的范围,决定需要分析哪些经济变量之间的关系。再设定这些变量之间的关系式。 设定变量关系式可以根据已有的理论模型、经济恒等式、经济关系式来确定(可能需要进行一定的修改)。若没有已知的关系式可用,可以根据研究目的,人为设定。 变量间具体表达式的选择 若经济理论已给出具体表达式,就直接套用。否则,可以直接假设为线性函数。其原因是经济中的所使用函数大多数都认为是连续可微的函数,因而可以用线性函数近似。 §7.2 数据调整 由于统计指标与经济变量的含义、口径一般不会一致。在模型估计之前,如有可能,应先进行调整,使统计指标的口径尽可能的接近经济变量的含义。 §7.3 变量的选择 基于上述同样的原因,及统计指标间的相关性,在设计模型结构时,需要筛选变量。 假设模型已转化为简化型,即设模型为 ??? ????++++=++++=++++=k p kp k k k p p p p x x x y x x x y x x x y εαααεαααεαααΛΛΛΛ2211222221212112121111 变量筛选有两层含义: 1) 对内生变量T k y y y ),,,,(21Λ有重要影响的外生变量是否都选入模型了? 2) 模型内的外生变量T p x x x ),,,(21Λ对内生变量T k y y y ),,,,(21Λ是否都有重要影 响? 判别准则 1) 复相关系数R (一般要求R>0.8),或方程的F -统计量; 一般来说,若R>0.9或经F-检验是显著的,则从整体上说,方程几乎包含了对响应变量有重要影响所有外生变量,外生变量对内生变量有较强的解释能力,否则,表明方程遗漏了一些对内生变量有重要影响的变量,需要增加外生变量。 当模型用于结构分析时,R 值可以低一些,用于预测时,R 值应比较大。 2) 系数显著性检验t -统计量。 下面介绍几种常用的变量筛选算法。这些算法都是一对多回归模型的搜索算法。 记in Ω是在回归模型内的预测变量集,out Ω是在回归模型外待检的预测变量集,del Ω是

一元线性回归分析法

一元线性回归分析法 一元线性回归分析法是根据过去若干时期的产量和成本资料,利用最小二乘法“偏差平方和最小”的原理确定回归直线方程,从而推算出a(截距)和b(斜率),再通过y =a+bx 这个数学模型来预测计划产量下的产品总成本及单位成本的方法。 方程y =a+bx 中,参数a 与b 的计算如下: y b x a y bx n -==-∑∑ 222 n xy x y xy x y b n x (x)x x x --==--∑∑∑∑∑∑∑∑∑ 上式中,x 与y 分别是i x 与i y 的算术平均值,即 x =n x ∑ y =n y ∑ 为了保证预测模型的可靠性,必须对所建立的模型进行统计检验,以检查自变量与因变量之间线性关系的强弱程度。检验是通过计算方程的相关系数r 进行的。计算公式为: 22xy-x y r= (x x x)(y y y) --∑∑∑∑∑∑ 当r 的绝对值越接近于1时,表明自变量与因变量之间的线性关系越强,所建立的预测模型越可靠;当r =l 时,说明自变量与因变量成正相关,二者之间存在正比例关系;当r =—1时,说明白变量与因变量成负相关,二者之间存在反比例关系。反之,如果r 的绝对值越接近于0,情况刚好相反。 [例]以表1中的数据为例来具体说明一元线性回归分析法的运用。 表1: 根据表1计算出有关数据,如表2所示: 表2:

将表2中的有关数据代入公式计算可得: 1256750x == (件) 2256 1350y ==(元) 1750 9500613507501705006b 2=-??-?=(元/件) 100675011350a =?-=(元/件) 所建立的预测模型为: y =100+X 相关系数为: 9.011638 10500])1350(3059006[])750(955006[1350 750-1705006r 22==-??-???= 计算表明,相关系数r 接近于l ,说明产量与成本有较显著的线性关系,所建立的回归预测方程较为可靠。如果计划期预计产量为200件,则预计产品总成本为: y =100+1×200=300(元)

案例分析一元线性回归模型

案例分析一元线性回归 模型 Revised as of 23 November 2020

案例分析报告 (2014——2015学年第一学期) 课程名称:预测与决策 专业班级:电子商务1202 学号: 02 学生姓名:陈维维 2014 年 11月 案例分析(一元线性回归模型) 我国城镇居民家庭人均消费支出预测 一、研究目的与要求 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。从理论角度讲,消费需求的具体内容主要体现在消费结构上,要增加居民消费,就要从研究居民消费结构入手,只有了解居民消费结构变化的趋势和规律,掌握消费需求的热点和发展方向,才能为消费者提供良好的政策环境,引导消费者合理扩大消费,才能促进产业结构调整与消费结构优化升级相协调,才能推动国民经济平稳、健康发展。例如,2008年全国城镇居民家庭平均每人每年消费支出为元,最低的青海省仅为人均元,最高的上海市达人均元,上海是黑龙江的倍。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,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

我研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费,由于各地区的城镇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“城镇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“城镇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镇居民消费的差异,并不是城镇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镇居民的消费支出来建立模型。因此建立的是2008年截面数据模型。影响各地区城镇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“城镇居民人均消费支出”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。 以下是2008年各地区城镇居民人均年消费支出和可支配收入表

多元线性回归模型的案例讲解

多元线性回归模型的案 例讲解 Document number:NOCG-YUNOO-BUYTT-UU986-1986UT

1. 表1列出了某地区家庭人均鸡肉年消费量Y 与家庭月平均收入X ,鸡肉价格P 1,猪肉价格P 2与牛肉价格P 3的相关数据。 年份 Y/ 千克 X/元 P 1/(元/千克) P 2/(元/千克) P 3/(元/千克) 年份 Y/ 千克 X/元 P 1/(元/千克) P 2/(元/千克) P 3/(元/ 千克) 1980 397 1992 911 1981 413 1993 931 1982 439 1994 1021 1983 459 1995 1165 1984 492 1996 1349 1985 528 1997 1449 1986 560 1998 1575 1987 624 1999 1759 1988 666 2000 1994 1989 717 2001 2258 1990 768 2002 2478 1991 843 (1) 求出该地区关于家庭鸡肉消费需求的如下模型: 01213243ln ln ln ln ln Y X P P P u βββββ=+++++ (2) 请分析,鸡肉的家庭消费需求是否受猪肉及牛肉价格的影响。 先做回归分析,过程如下: 输出结果如下:

所以,回归方程为: 123ln 0.73150.3463ln 0.5021ln 0.1469ln 0.0872ln Y X P P P =-+-++ 由上述回归结果可以知道,鸡肉消费需求受家庭收入水平和鸡肉价格的影响,而牛肉价格和猪肉价格对鸡肉消费需求的影响并不显着。 验证猪肉价格和鸡肉价格是否有影响,可以通过赤池准则(AIC )和施瓦茨准则(SC )。若AIC 值或SC 值增加了,就应该去掉该解释变量。 去掉猪肉价格P 2与牛肉价格P 3重新进行回归分析,结果如下: Variable Coefficient Std. Error t-Statistic Prob.?? C LOG(X) LOG(P1) R-squared ????Mean dependent var Adjusted R-squared ????. dependent var . of regression ????Akaike info criterion Sum squared resid ????Schwarz criterion Log likelihood ????F-statistic Durbin-Watson stat ????Prob(F-statistic)

建立计量经济学模型的步骤和要点

建立计量经济学模型的步骤和要点 | [<<][>>] 一、理论模型的设计 对所要研究的经济现象进行深入的分析,根据研究的目的,选择模型中将包含的因素,根据数据的可得性选择适当的变量来表征这些因素,并根据经济行为理论和样本数据显示出的变量间的关系,设定描述这些变量之间关系的数学表达式,即理论模型。例如上节中的生产函数 就是一个理论模型。理论模型的设计主要包含三部分工作,即选择变量、确定变量之间的数学关系、拟定模型中待估计参数的数值范围。 1. 确定模型所包含的变量 在单方程模型中,变量分为两类。作为研究对象的变量,也就是因果关系中的“果”,例如生产函数中的产出量,是模型中的被解释变量;而作为“原因”的变量,例如生产函数中的资本、劳动、技术,是模型中的解释变量。确定模型所包含的变量,主要是指确定解释变量。可以作为解释变量的有下列几类变量:外生经济变量、外生条件变量、外生政策变量和滞后被解释变量。其中有些变量,如政策变量、条件变量经常以虚变量的形式出现。 严格他说,上述生产函数中的产出量、资本、劳动、技术等,只能称为“因素”,这些因素间存在着因果关系。为了建立起计量经济学模型,必须选择适当的变量来表征这些因素,这些变量必须具有数据可得性。于是,我们可以用总产值来表征产出量,用固走资产原值来表征资本,用职工人数来表征劳动,用时间作为一个变量来表征技术。这样,最后建立的模型是关于总产值、固定资产原值、职工人数和时间变量之间关系的数学表达式。下面,为了叙述方便,我们将“因素”与“变量”间的区别暂时略去,都以“变量”来表示。 关键在于,在确定了被解释变量之后,怎样才能正确地选择解释变量。

一元线性回归模型典型例题分析

第二章 一元线性回归模型典型例题分析 例1、令kids 表示一名妇女生育孩子的数目,educ 表示该妇女接受过教育的年数。生育率对教育年数的简单回归模型为 μββ++=educ kids 10 (1)随机扰动项μ包含什么样的因素?它们可能与教育水平相关吗? (2)上述简单回归分析能够揭示教育对生育率在其他条件不变下的影响吗?请解释。 例2.已知回归模型μβα++=N E ,式中E 为某类公司一名新员工的起始薪金(元),N 为所受教育水平(年)。随机扰动项μ的分布未知,其他所有假设都满足。如果被解释变量新员工起始薪金的计量单位由元改为100元,估计的截距项与斜率项有无变化?如果解释变量所受教育水平的度量单位由年改为月,估计的截距项与斜率项有无变化? 例3.对于人均存款与人均收入之间的关系式t t t Y S μβα++=使用美国36年的年度数据得如下估计模型,括号内为标准差: ) 011.0() 105.151(067.0105.384?t t Y S += 2R =0.538 023.199?=σ (1)β的经济解释是什么? (2)α和β的符号是什么?为什么?实际的符号与你的直觉一致吗?如果有冲突的话,你可以给出可能的原因吗? (3)对于拟合优度你有什么看法吗? (4)检验统计值? 例4.下列方程哪些是正确的?哪些是错误的?为什么? ⑴ y x t n t t =+=αβ12,,, ⑵ y x t n t t t =++=αβμ12,,, ⑶ y x t n t t t =++= ,,,αβμ12

⑷ ,,,y x t n t t t =++=αβμ12 ⑸ y x t n t t =+= ,,,αβ12 ⑹ ,,,y x t n t t =+=αβ12 ⑺ y x t n t t t =++= ,,,α βμ12 ⑻ ,,,y x t n t t t =++=αβμ12 其中带“^”者表示“估计值”。 例5.对于过原点回归模型i i i u X Y +=1β ,试证明 ∑= ∧ 2 21)(i u X Var σβ 例6、对没有截距项的一元回归模型 i i i X Y μβ+=1 称之为过原点回归(regression through the origin )。试证明 (1)如果通过相应的样本回归模型可得到通常的正规方程组 ∑∑==0 0i i i X e e 则可以得到1β的两个不同的估计值: X Y =1~β, ()()∑∑=2 1 ?i i i X Y X β。 (2)在基本假设0)(i =μE 下,1~ β与1?β均为无偏估计量。 (3)拟合线X Y 1??β=通常不会经过均值点),(Y X ,但拟合线X Y 1 ~~β=则相反。 (4)只有1?β是1β的OLS 估计量。 解: (1)由第一个正规方程 0=∑t e 得 0)~(1=-∑t t X Y β 或 ∑∑=t t X Y 1~ β

计量经济学习题及解答55874

第一章绪论 一、填空题: 1.计量经济学是以揭示经济活动中客观存在的__________为内容的分支学科,挪威经济学家弗里希,将计量经济学定义为__________、__________、__________三者的结合。 2.数理经济模型揭示经济活动中各个因素之间的__________关系,用__________性的数学方程加以描述,计量经济模型揭示经济活动中各因素之间__________的关系,用__________性的数学方程加以描述。 3.经济数学模型是用__________描述经济活动。 4.计量经济学根据研究对象和内容侧重面不同,可以分为__________计量经济学和__________计量经济学。 5.计量经济学模型包括__________和__________两大类。 6.建模过程中理论模型的设计主要包括三部分工作,即__________、____________________、____________________。 7.确定理论模型中所包含的变量,主要指确定__________。 8.可以作为解释变量的几类变量有__________变量、__________变量、__________变量和__________变量。 9.选择模型数学形式的主要依据是__________。 10.研究经济问题时,一般要处理三种类型的数据:__________数据、__________数据和__________数据。 11.样本数据的质量包括四个方面__________、__________、__________、__________。 12.模型参数的估计包括__________、__________和软件的应用等内容。 13.计量经济学模型用于预测前必须通过的检验分别是__________检验、__________检验、__________检验和__________检验。

一般线性回归分析案例

一般线性回归分析案例 1、案例 为了研究钙、铁、铜等人体必需元素对婴幼儿身体健康的影响,随机抽取了30个观测数据,基于多员线性回归分析的理论方法,对儿童体内几种必需元素与血红蛋白浓度的关系进行分析研究。这里,被解释变量为血红蛋白浓度(y),解释变量为钙(ca)、铁(fe)、铜(cu)。 表一血红蛋白与钙、铁、铜必需元素含量 (血红蛋白单位为g;钙、铁、铜元素单位为ug) case y(g)ca fe cu 1 7.00 76.90 295.30 0.840 2 7.25 73.99 313.00 1.154 3 7.75 66.50 350.40 0.700 4 8.00 55.99 284.00 1.400 5 8.25 65.49 313.00 1.034 6 8.25 50.40 293.00 1.044 7 8.50 53.76 293.10 1.322 8 8.75 60.99 260.00 1.197 9 8.75 50.00 331.21 0.900 10 9.25 52.34 388.60 1.023 11 9.50 52.30 326.40 0.823 12 9.75 49.15 343.00 0.926 13 10.00 63.43 384.48 0.869 14 10.25 70.16 410.00 1.190 15 10.50 55.33 446.00 1.192 16 10.75 72.46 440.01 1.210 17 11.00 69.76 420.06 1.361 18 11.25 60.34 383.31 0.915 19 11.50 61.45 449.01 1.380 20 11.75 55.10 406.02 1.300 21 12.00 61.42 395.68 1.142 22 12.25 87.35 454.26 1.771 23 12.50 55.08 450.06 1.012 24 12.75 45.02 410.63 0.899 25 13.00 73.52 470.12 1.652 26 13.25 63.43 446.58 1.230 27 13.50 55.21 451.02 1.018 28 13.75 54.16 453.00 1.220 29 14.00 65.00 471.12 1.218 30 14.25 65.00 458.00 1.000

计量经济学试卷汇总含答案

计量经济学试卷汇总含 答案 文档编制序号:[KKIDT-LLE0828-LLETD298-POI08]

选择题(单选题1-10 每题 1 分,多选题11-15 每题 2 分,共20 分) 1、在多元线性回归中,判定系数R2随着解释变量数目的增加而 B A.减少 B.增加 C.不变 D.变化不定 2、在多元线性回归模型中,若某个解释变量对其余解释变量的判定系数接近1,则表 明模型中存在 C A.异方差性 B.序列相关 C.多重共线性 D.拟合优度低 3、经济计量模型是指 D A.投入产出模型 B.数学规划模 C.模糊数学模型 D.包含随机方程的经济数学模型 4、当质的因素引进经济计量模型时,需要使用 D A.外生变量 B.前定变量 C.内生变量 D.虚拟变量 5、将内生变量的前期值作解释变量,这样的变量称为 D A.虚拟变量 B.控制变量 C.政策变量 D.滞后变量 6、根据样本资料已估计得出人均消费支出Y对人均收入X的回归模型Ln Y=5+,这表 明人均收入每增加1%,人均消费支出将预期增加 B A.% B.% C.5% D.% 7、对样本相关系数r,以下结论中错误的是 D A.越接近于1,Y与X之间线性相关程度越高 B.越接近于0,Y与X之间线性相关程度越弱 C.-1≤r≤1 D.若r=0,则X与Y独立 8、当DW>4-d L,则认为随机误差项εi A.不存在一阶负自相关 B.无一阶序列相关 C.存在一阶正自相关D.存在一阶负自相关 9、如果回归模型包含二个质的因素,且每个因素有两种特征,则回归模型中需要引入 A.一个虚拟变量B.两个虚拟变量 C.三个虚拟变量 D.四个虚拟变量

一元线性回归分析论文

一元线性回归分析的应用 ——以微生物生长与温度关系为例 摘要:一元线性回归预测法是分析一个因变量与一个自变量之间的线性关系的预测方法。应用最小二乘法确定直线,进而运用直线进行预测。本文运用一元线性回归分析的方法,构建模型并求出模型参数,对分析结果的显著性进行了假设检验,从而了微生物生长与温度间的关系。 关键词:一元线性回归分析;最小二乘法;假设检验;微生物;温度 回归分析是研究变量之间相关关系的统计学方法,它描述的是变量间不完全确定的关系。回归分析通过建立模型来研究变量间的这种关系,既可以用于分析和解释变量间的关系,又可用于预测和控制,进而广泛应用于自然科学、工程技术、经济管理等领域。本文尝试用一元线性回归分析方法为微生物生长与温度之间的关系建模,并对之后几年的情况进行分析和预测。 1 一元线性回归分析法原理 1.1 问题及其数学模型 一元线性回归分析主要应用于两个变量之间线性关系的研究,回归模型模型为εββ++=x Y 10,其中10,ββ为待定系数。实际问题中,通过观测得到n 组数据(X i ,Y i )(i=1,2,…,n ),它们满足模型i i i x y εββ++=10(i=1,2,…,n )并且通常假定E(εi )=0,V ar (εi )=σ2各εi 相互独立且服从正态分布。回归分析就是根据样本观 察值寻求10,ββ的估计10?,?ββ,对于给定x 值, 取x Y 10???ββ+=,作为x Y E 10)(ββ+=的 估计,利用最小二乘法得到10,ββ的估计10?,?ββ,其中

??????????? ??-???? ??-=-=∑ ∑==n i i n i i i x n x xy n y x x y 1221110???βββ。 1.2 相关系数 上述回归方程存在一些计算相关系数。设L XX =∑∑==-=-=n i i n i i def xx x n x x x L 12 212 )(,称为关于X 的离差平方和;L yy =21)(∑=-=n i i y y S 总称为关于Y 的离差平方和,L xy =∑∑==-=-=n i i n i i def xx x n x x x L 1 2 212)(1)(∑=-=n i i y y S 总称为关于X 与Y 的离差积和。 相关系数r =yy xx xy n i i n i i n i i i L L L Y Y x x Y Y x x =----=∑∑∑===12 121)()())((ρ,0≤ | r |≤1。| r |=1时表示完全线性相关,| r |=0时表示不存在线性相关;0< | r |≤0.3为微弱相关,0.3< | r |≤0.5时为低度相关,0.5< | r |≤0.8为显著相关,0.8< | r |≤1为高度相关。 1.3 样本统计量的假设检验 从总体中随机抽取一个样本,根据样本的数据导出的线性回归方程由于受到抽样误差的影响,所确定的变量之间的线性关系是否显著,以及按照这个模型用给定的自变量X 估计因变量Y 是否有效,必须通过显著性检验才可以作出结论,通常所用的检验方法是F 检验。 线性回归模型εββ++=x Y 10,),0(~2σεN 可知,当01=β时,就认为Y 与x 之 间不存在线性回归关系,故需检验如下假设:,0:10=βH 0:11≠βH ,2 1)(∑=-=n i i y y S 总=2121)?()?(∑∑==-+-n i i n i i i y y y y 为总偏差平方和,令21)?(∑=-=n i i y y S 回,21)?(∑=-=n i i i y y S 剩。当H 0为真时,取统计量)2,1(~) 2(--=n F n S S F 剩回,由给定显著性水平α,查表得F α(1,

相关文档
最新文档