计量经济学-我国居民储蓄影响因素的实证分析
计量经济学-我国居民储蓄影响因素的实证分析
计量经济学期末课程设计南京审计学院2009 级金融院
题目：我国居民储蓄影响因素的实证分析_
学生姓名__学号
专业班级___ _ __
2011年12 月12 日
摘要：自经济体制改革以后，我国国民收入分配的格局发生巨大变化。变化之一是居民收入在国民收入中的比重迅速提高。自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。这使居民的消费和储蓄行为对于经济发展有越来越重要的意义。探讨中国居民储蓄行为的规律，找出主要决定因素，并在此基础上对储蓄的变化趋势做初步预测，成为确定本论文研究题目的宗旨之一。
关键字：居民储蓄CPI GDP 存款利率股票市值物价指数
一，文献综述
居民储蓄的快速增长，成为我国经济发展的主要资金来源，但过高的储蓄，必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析，才能在制定宏观政策上采取适当的措施，使储蓄率保持在一个适当的水平，促进经济增长。
据统计，我国近年来的实际ＧＤＰ平均每年增长
９％左右，而资本的净边际产量即ＭＰＫ－δ，约为0.9%。我国的资本收益ＭＰＫ－δ＝每年０.９％，大大低于经济的平均增长率（ｎ＋ｇ＝９％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。
居民储蓄存款的变动直接受到可支配收入和储蓄率的影响，而储蓄率的变化受到以下因素的影响：通货膨胀率以及通货膨胀预期造成实际利率的变化，居民消费支出、房地产投资、金融投资收益及渠道的变化。我国居民的平均边际消费倾向是缓慢下降的，所以，个人可支配收入越大，储蓄存款增加越多；反之也成立。实际利率。我国居民存款对名义利率下调的利率弹性小，而对名义利率上调的弹性大；而样本期间的绝大多数时间里，我国名义利率是下降的且在调整以前名义利率是不变的，所以从实际情况来看，我国居民存款变化受到名义利率变化的影响很小，主要受到通货膨胀引起的实际利率变化的影响。居民消费支出。居民消费支出对储蓄存款的影响比较微妙：当居民的收入不变时，消费支出增加了，可以用来储蓄的资金自然会减少；另一方面，居民消费支出也受到收入的影响，所以，把可支配收入
和居民消费支出同时引进回归方程时，会引起复共线性；最后，居民消费支出还受到通货膨胀及其预期的影响。总而言之，把居民消费支出引进方程时，要十分谨慎。鉴于数据的可得性，本文用社会消费品零售总额表示居民消费支出。关于金融投资渠道及收益，一方面，我国居民的金融投资意识越来越强；另一方面，随着我国证券市场的发展，可供居民选择的投资渠道越来越多，如股票、国债以及多种多样的基金等金融资产不断进入居民的资产组合之中。本文选取相应期间股票指数来反映金融投资对储蓄存款的影响。
居民储蓄存款总额是我国评价经济运行情况的一个重要总量指标，它与许多宏观经济指标之间都存在着密切联系。为了解释居民储蓄变动的原因，有必要引进居民储蓄函数，从数量上分析相关变量对居民储蓄变动的影响。
二，经济理论陈述
1.收入水平：收入水平是影响储蓄的主要因素之一，由于居民可支配收入数据的不可获得性，本文将国内生产总值（GDP）作为衡量居民收入水平的指标。只有收入达到一定水平之后才能进行储蓄，而且根据凯恩斯的理论，边际消费倾向是递减的，收入水平越高，边际消费倾向越低，消费越少，储蓄越多。
2.利率水平：利率作为消费的机会成本也会对储蓄
产生影响，从理论上说利率水平越高，消费的机会成本就越大，居民就会压缩当前消费，增加储蓄。反之，利率水平越低，消费的机会成本就越小，当前消费就会增加，储蓄就会减少。本文采用一年期存款利率水平作为指标。
3.物价水平：物价水平也可以影响储蓄和消费，物价水平越高，相同消费水平所支出的货币就越多，在货币收入一定的情况下，能供储蓄的货币就越少。同时，物价水平决定了实际利率，既定的名义利率下，物价水平与实际利率负相关。
4.通货膨胀率：是货币超发部分与实际需要的货币量之比,用以反映通货膨胀、货币贬值的程度;而价格指数则是反映价格变动趋势和程度的相对数。在实际中,一般不直接、也不可能计算通货膨胀,而是通过价格指数的增长率来间接表示。由于消费者价格是反映商品经过流通各环节形成的最终价格,它最全面地反映了商品流通对货币的需要量,因此,消费者价格指数是最能充分、全面反映通货膨胀率的价格指数。目前,世界各国基本上均用消费者价格指数(我国称居民消费价格指数),也即CPI来反映通货膨胀的程度。
5.其他投资渠道：储蓄是一种投资行为，而除了银行储蓄外还有其他投资渠道，由于数据原因，本文只将股票市值作为其他投资渠道发达程度的衡量指标。
三，数据收集
本文采用的是1995年-2009年的数据，所有数据来源于国家统计局。虽然现在已经2011年底，但是国家统计局网站上的数据大多只更新到2009年，所以只截取到09年。介于中国的股市是20世纪90年代初才刚刚起步，上海证券交易所是1990年成立，深圳证券交易所是1991年成立，成立初期的股票市值未必能够真实反映实际的情况，因而选取1995年以后的数据。
四，计量经济模型的建立
结合我国近几年的经济发展特征，我国居民储蓄函数可以表示为：
SA V = f (GDP ,Rate, RPI, CPI ,SMV , Ut )
其中, SAV为居民储蓄总额, GDP为国内生产总值, Rate为一年期存款利率,RPI为零售物价指数,CPI 为消费物价指数， SMV为各期股市市值, U为随机扰动项, t 表示时期.
所建立模型也可以表示为:
SA V =C+ β1 GDP+ β2 Rate+ β3 RPI+ β4 CPI+ β5 SMV+ Ut
五、模型的求解和检验
本人利用EVIEWS软件，用最小二乘法进行回归分析及统计检验，并对模型进行了自相关和异方差检验。Dependent Variable: SAV
Method: Least Squares
Date: 12/07/11 Time: 19:47
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 477192.6 108262.4 4.407741 0.0017
GDP 1.106747 0.076510 14.46538 0.0000
RATE 1802.841 1148.691 1.569474 0.1510
RPI -2191.498 568.8353 -3.852605 0.0039
CPI -696.7002 167.9047 -4.149378 0.0025
SMV -0.108527 0.023094 -4.699316 0.0011
R-squared 0.997406 Mean dependent var 108633.3 Adjusted R-squared 0.995964 S.D. dependent var 69337.42
S.E. of regression 4404.908 Akaike info criterion 19.90800
Sum squared resid 1.75E+08 Schwarz criterion 20.19122
Log likelihood -143.3100 F-statistic 691.9768 Durbin-Watson stat 1.707178 Prob(F-statistic) 0.000000
将回归结果整理如下：
SAV =477192.6 +1.106747GDP +1802.841Rate -2191.498RPI -696.7002CPI -0.108527SMV+Ut （108262.4）（0.076510）（1148.691）（568.8353）（167.9047）（0.023094）
t =(4.407741) (14.46538) (1.569474) (-3.852605) (-4.149378) （-4.699316）R2=0.997406 F=691.9768 DW=1.707178
（1）相关性检验：R2=0.997406表明方程拟和度很高，F统计量也明显显著表明模型，总体是显著的。
（2）经济意义上的检验：由β1=1.106747，β2=1802.841，β3=-2191.498，β4=-696.7002 β5=-0.108527可以看出，模型符合经济意义。
（3）显著性检验：根据查询t分布表得：t0.025（13）=2.160，可见GDP，RPI，CPI，SMV的t统计量绝对值均大于2.160，但是Rate的t 统计量绝对值小于2.160。所以推断模型中解释变量可能存在多重共线性。
（4）多重共线性检验：
利用简单相关系数检验法，通过Eviews构建简单相关系数矩阵，如下：
由表易见，除了GDP和CPI之间的相关系数较高，其
他参数之间的相关程度并不是很高，可以推定多重共线性并不严重。
运用逐步回归法对模型进行修正
第一步：分别求SAV对GDP、RATE、RPI、CPI、SMV的一元回归。
①SAV对GDP的一元回归
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:13
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -7710.388 4807.492 -1.603827 0.1328
GDP 0.748920 0.026874 27.86785 0.0000 R-squared 0.983536 Mean dependent var 108633.3 Adjusted R-squared 0.982270 S.D. dependent var 69337.42 S.E. of regression 9232.588 Akaike info criterion 21.22243 Sum squared resid 1.11E+09 Schwarz criterion 21.31684 Log likelihood -157.1682 F-statistic 776.6169 Durbin-Watson stat 1.258600 Prob(F-statistic) 0.000000 ②SAV对RATE的一元回归
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:17
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 160342.0 31779.97 5.045380 0.0002
RATE -14159.00 7448.175 -1.901003 0.0797 R-squared 0.217519 Mean dependent var 108633.3 Adjusted R-squared 0.157328 S.D. dependent var 69337.42 S.E. of regression 63649.80 Akaike info criterion 25.08375
Sum squared resid 5.27E+10 Schwarz criterion 25.17815 Log likelihood -186.1281 F-statistic 3.613813 Durbin-Watson stat 0.135596 Prob(F-statistic) 0.079700 ③SAV对RPI的一元回归
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:20
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 253307.4 425251.5 0.595665 0.5616
RPI -1422.557 4177.473 -0.340531 0.7389
R-squared 0.008841 Mean dependent var 108633.3 Adjusted R-squared -0.067402 S.D. dependent var 69337.42 S.E. of regression 71636.05 Akaike info criterion 25.32015 Sum squared resid 6.67E+10 Schwarz criterion 25.41456 Log likelihood -187.9011 F-statistic 0.115961 Durbin-Watson stat 0.082701 Prob(F-statistic) 0.738897 ④SAV对CPI的一元回归
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:23
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -749501.0 79407.69 -9.438645 0.0000
CPI 1890.552 174.4649 10.83629 0.0000 R-squared 0.900326 Mean dependent var 108633.3 Adjusted R-squared 0.892659 S.D. dependent var 69337.42 S.E. of regression 22716.99 Akaike info criterion 23.02318 Sum squared resid 6.71E+09 Schwarz criterion 23.11759 Log likelihood -170.6738 F-statistic 117.4253 Durbin-Watson stat 1.192764 Prob(F-statistic) 0.000000 ⑤SAV对SMV的一元回归
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:24
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 66814.17 15599.26 4.283163 0.0009
SMV 0.569972 0.134874 4.225954 0.0010
R-squared 0.578725 Mean dependent var 108633.3 Adjusted R-squared 0.546319 S.D. dependent var 69337.42 S.E. of regression 46702.81 Akaike info criterion 24.46456 Sum squared resid 2.84E+10 Schwarz criterion 24.55897 Log likelihood -181.4842 F-statistic 17.85869 Durbin-Watson stat 1.570359 Prob(F-statistic) 0.000991 通过比较各个调整可决系数，选择GDP作为第一个解释变量，形成一元回归模型。
第二步：逐步回归。将剩余解释变量分别加入模型。①
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:42
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 4183.679 6892.780 0.606965 0.5552
GDP 0.725864 0.025900 28.02601 0.0000
RATE -2276.130 1041.210 -2.186042 0.0494 R-squared 0.988225 Mean dependent var 108633.3 Adjusted R-squared 0.986263 S.D. dependent var 69337.42 S.E. of regression 8126.713 Akaike info criterion 21.02056 Sum squared resid 7.93E+08 Schwarz criterion 21.16217 Log likelihood -154.6542 F-statistic 503.5696 Durbin-Watson stat 1.524263 Prob(F-statistic) 0.000000
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:43
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 89407.20 49997.99 1.788216 0.0990
GDP 0.747428 0.024387 30.64834 0.0000
RPI -952.6625 488.5801 -1.949860 0.0749
R-squared 0.987497 Mean dependent var 108633.3 Adjusted R-squared 0.985414 S.D. dependent var 69337.42 S.E. of regression 8374.131 Akaike info criterion 21.08054 Sum squared resid 8.42E+08 Schwarz criterion 21.22215 Log likelihood -155.1040 F-statistic 473.9034 Durbin-Watson stat 1.283649 Prob(F-statistic) 0.000000 ③
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:44
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 75610.52 108026.2 0.699927 0.4973
GDP 0.825593 0.102991 8.016178 0.0000
CPI -209.8054 271.7363 -0.772092 0.4550 R-squared 0.984315 Mean dependent var 108633.3 Adjusted R-squared 0.981701 S.D. dependent var 69337.42 S.E. of regression 9379.435 Akaike info criterion 21.30728 Sum squared resid 1.06E+09 Schwarz criterion 21.44889 Log likelihood -156.8046 F-statistic 376.5429 Durbin-Watson stat 1.246291 Prob(F-statistic) 0.000000
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:45
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -12370.74 4718.833 -2.621568 0.0223
GDP 0.820331 0.040042 20.48667 0.0000
SMV -0.087683 0.039728 -2.207085 0.0475
R-squared 0.988290 Mean dependent var 108633.3 Adjusted R-squared 0.986338 S.D. dependent var 69337.42 S.E. of regression 8104.419 Akaike info criterion 21.01506 Sum squared resid 7.88E+08 Schwarz criterion 21.15667 Log likelihood -154.6130 F-statistic 506.3770 Durbin-Watson stat 1.643177 Prob(F-statistic) 0.000000 观察得知SMV获得的调整后可决系数最大，作为第二个解释变量。
第三步：在保留GDP，SMV的基础上继续进行逐步回归分析
①
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:51
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -1427.552 6553.071 -0.217845 0.8315
GDP 0.791132 0.037614 21.03275 0.0000
SMV -0.076455 0.035196 -2.172278 0.0526
RATE -1979.967 919.9040 -2.152363 0.0544 R-squared 0.991760 Mean dependent var 108633.3 Adjusted R-squared 0.989513 S.D. dependent var 69337.42 S.E. of regression 7100.615 Akaike info criterion 20.79693 Sum squared resid 5.55E+08 Schwarz criterion 20.98574 Log likelihood -151.9770 F-statistic 441.3232 Durbin-Watson stat 1.974429 Prob(F-statistic) 0.000000 ②
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:53
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 84761.01 41147.80 2.059916 0.0639
GDP 0.818848 0.034025 24.06636 0.0000
SMV -0.087694 0.033752 -2.598199 0.0248
RPI -952.8072 401.7162 -2.371842 0.0370 R-squared 0.992252 Mean dependent var 108633.3 Adjusted R-squared 0.990139 S.D. dependent var 69337.42 S.E. of regression 6885.309 Akaike info criterion 20.73535 Sum squared resid 5.21E+08 Schwarz criterion 20.92416 Log likelihood -151.5151 F-statistic 469.5884 Durbin-Watson stat 1.667134 Prob(F-statistic) 0.000000 ③
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 14:54
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 90069.54 92690.26 0.971726 0.3521
GDP 0.917993 0.096761 9.487224 0.0000
SMV -0.091614 0.039521 -2.318091 0.0407
CPI -258.4749 233.5761 -1.106598 0.2921 R-squared 0.989463 Mean dependent var 108633.3
Adjusted R-squared 0.986589 S.D. dependent var 69337.42 S.E. of regression 8029.637 Akaike info criterion 21.04284 Sum squared resid 7.09E+08 Schwarz criterion 21.23166 Log likelihood -153.8213 F-statistic 344.3102 Durbin-Watson stat 1.525700 Prob(F-statistic) 0.000000 第四步：通过观察发现RATE，RPI，CPI的调整后可决系数均有提升，但是RPI的最高，所以作为第三个解释变量保留，并继续逐步回归分析。
①
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 15:00
Sample: 1995 2009
Included observations: 15
C 60096.65 65099.21 0.923155 0.3777
GDP 0.807741 0.041632 19.40205 0.0000
SMV -0.083250 0.036069 -2.308045 0.0437
RPI -668.4038 703.6183 -0.949952 0.3645
RATE -783.1611 1562.384 -0.501260 0.6270 R-squared 0.992442 Mean dependent var 108633.3 Adjusted R-squared 0.989419 S.D. dependent var 69337.42 S.E. of regression 7132.325 Akaike info criterion 20.84386 Sum squared resid 5.09E+08 Schwarz criterion 21.07988 Log likelihood -151.3290 F-statistic 328.2815 Durbin-Watson stat 1.769654 Prob(F-statistic) 0.000000 ②
Dependent Variable: SAV
Method: Least Squares
Date: 12/09/11 Time: 15:01
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C 351533.1 78022.00 4.505564 0.0011
GDP 1.027344 0.061451 16.71802 0.0000
SMV -0.096121 0.023233 -4.137313 0.0020
RPI -1416.955 302.8799 -4.678272 0.0009
CPI -553.7253 151.0105 -3.666801 0.0043 R-squared 0.996695 Mean dependent var 108633.3 Adjusted R-squared 0.995374 S.D. dependent var 69337.42 S.E. of regression 4716.183 Akaike info criterion 20.01659 Sum squared resid 2.22E+08 Schwarz criterion 20.25261 Log likelihood -145.1244 F-statistic 754.0229 Durbin-Watson stat 1.621632 Prob(F-statistic) 0.000000 通过观察可知加入CPI的调整后可决系数上升至
0.9954，F统计量也很大，可以作为第四个解释变量，而加入RATE的调整后可决系数由0.990139下降至
0.989419，F统计量也没有那么大，t值也很小，显示出RATE对因变量的解释作用不是特别明显，因而产生了轻微的多重共线性。
从实际情况出发，结合数据分析结果，应该还是可以保留RATE这一解释变量的。
（5）异方差性检验：
进行WHITE检验
White Heteroskedasticity Test:
F-statistic 54.56052 Probability 0.000779 Obs*R-squared 14.02083 Probability 0.136093
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/07/11 Time: 23:08
Sample: 1995 2009
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
C -2.67E+08 4.40E+09 -0.060574 0.9546
GDP -92.64150 1032.704 -0.089708 0.9328
GDP^2 0.000989 0.003239 0.305424 0.7753
RATE 9305867. 25591616 0.363630 0.7345
RATE^2 -1347150. 2775160. -0.485431 0.6528
RPI 2.27E+08 88850180 2.550938 0.0632
RPI^2 -1107043. 429435.6 -2.577901 0.0615
CPI -49344985 16020776 -3.080062 0.0369
CPI^2 53657.61 17485.32 3.068723 0.0373
SMV -321.1577 475.5241 -0.675376 0.5365
SMV^2 0.000274 0.001143 0.239777 0.8223
R-squared 0.992722 Mean dependent var 36773201 Adjusted R-squared 0.974527 S.D. dependent var 75566626
S.E. of regression 12060592 Akaike info criterion 35.59370 Sum squared resid 5.82E+14 Schwarz criterion 36.11293
Log likelihood -255.9527 F-statistic 54.56052 Durbin-Watson stat 2.748851 Prob(F-statistic) 0.000779
由分析表可知：nR2=14.02083，由White检验知，在
（6）=14.0671，因此不存在异方差性α=0.05下，X2
0.05
（6）自相关检验
H0：ρ＝0，即U t不存在一阶自回归;H1：ρ≠0,即Ut 存在一阶自回归。因为
DW＝1.707178查表得，当n＝15，k＝5时dL＝0.562，d U＝2.220，4－d U＝1.78，4－d L=3.438,可见d U （7）因果关系检验 Pairwise Granger Causality Tests Date: 12/12/11 Time: 12:52 Sample: 1995 2009 Lags: 2 Null Hypothesis: Obs F-Statistic Probability GDP does not Granger Cause SAV 13 3.92653 0.06485 RATE does not Granger Cause SAV 13 0.59890 0.57230 RPI does not Granger Cause SAV 13 2.02642 0.19409 SAV does not Granger Cause RPI 5.56661 0.03056 CPI does not Granger Cause SAV 13 1.96255 0.20254 SMV does not Granger Cause SAV 13 6.62901 0.02006 RATE does not Granger Cause GDP 13 1.62320 0.25604 GDP does not Granger Cause RATE 1.37817 0.30599 RPI does not Granger Cause GDP 13 1.58087 0.26390 CPI does not Granger Cause GDP 13 7.10216 0.01685 SMV does not Granger Cause GDP 13 42.8347 5.3E-05 GDP does not Granger Cause SMV 4.92122 0.04042 RPI does not Granger Cause RATE 13 1.32753 0.31779 RATE does not Granger Cause RPI 1.61451 0.25763 CPI does not Granger Cause RATE 13 0.94475 0.42822 SMV does not Granger Cause RATE 13 0.31692 0.73713 RATE does not Granger Cause SMV 0.13058 0.87941 CPI does not Granger Cause RPI 13 0.35638 0.71079 SMV does not Granger Cause RPI 13 6.87610 0.01830 SMV does not Granger Cause CPI 13 5.95194 0.02610 CPI does not Granger Cause SMV 3.38260 0.08618 由该检验结果表明，在α=0.05的水平下， F(5,9)=3.48，而 F =3.9265> F(5,9)=3.48，所以拒绝原假设，认为GDP 11 =14.7736>F(5,9)=3.48,所以变量对SAV有显著性影响；F 12 拒绝原假设，认为SAV变量对GDP有显著性影响； =0.5989 21 变量对SAV影响不显著；F =0.9398 22 受原假设，认为SAV变量对RATE影响不显著； =2.0264 31 =5.5666>F(5,9)=3.48,所以拒变量对SAV有影响不显著；F 32 绝原假设，认为SAV变量对RPI有显著性影响； F =1.9626< F(5,9)=3.48，所以接受原假设，认为CPI 41 变量对SAV有显著性影响；F =17.1073>F(5,9)=3.48,所以 42 拒绝原假设，认为SAV变量对CPI有显著性影响； =6.6290> F(5,9)=3.48，所以拒绝原假设，认为SMV F 51 变量对SAV有显著性影响；F =3.3111 52 受原假设，认为SAV变量对SMV影响不显著； =1.6232 61 变量对GDP影响不显著；F =1.3782 62 原假设，认为GDP变量对RATE影响不显著； =1.5809 71 变量对GDP影响不显著；F =3.3113 72 原假设，认为GDP变量对RPI影响不显著； =0.9448 81 变量对GDP影响不显著；F =20.7711>F(5,9)=3.48,所以拒 82 绝原假设，认为GDP变量对CPI有显著影响； =42.8347>F(5,9)=3.48,所以拒绝原假设，认为SMV F 91 变量对GDP有显著影响；F =4.9212>F(5,9)=3.48,所以拒绝 92 原假设，认为GDP变量对SMV有显著影响； =1.3275 101 变量对RATE影响不显著；F =1.6145 102 受原假设，认为RATE变量对RPI有显著影响； =0.9448>F(5,9)=3.48,所以拒绝原假设，认为CPI F 111 变量对RATE有显著影响；F =1.6103>F(5,9)=3.48,所以拒 112 绝原假设，认为RATE变量对CPI有显著影响； 06A卷 一、判断说明题（每小题1分，共10分） 1.在实际中，一元回归没什么用，因为因变量 的行为不可能仅由一个解释变量来解释。(×) 4.在线性回归模型中，解释变量是原因，被解 释变量是结果。（×） 7. 给定显著性水平 及自由度，若计算得到 的t 值超过t的临界值，我们将拒绝零假设。 （√） 8.为了避免陷入虚拟变量陷阱，如果一个定性 变量有 m类，则要引入m个虚拟变量。（×） 二、名词解释(每小题2分，共10分) 1.计量经济学：融合数学、统计学及经济理论，结合研究经济行为和现象的理论和实务。 2.最小二乘法：使全部观测值的残差平方和为最小的方法就是最小二乘法。 3.虚拟变量：在经济生活研究中，有一些暂时起作用的因素。如战争、天灾、人祸等，这些因素在经济中不经常发生，但又带有相同特性，经济学家把这些不经常发生的、又起暂时影响作用的称为虚拟变量。 4.滞后变量：用来作为解释变量的内生变量的前期值称为滞后内生变量，简称为滞后变量。 5.自回归模型：包含有被解释变量滞后值的模型，称为自回归模型。 三、简答题(每小题5分，共20分) 1．应用最小二乘法应满足的古典假定有哪些？（1）随机项的均值为零； （2）随机项无序列相关和等方差性； （3）解释变量是非随机的，如果是随机的则与随机项不相关； （4）解释变量之间不存在多重共线性。 2．运用计量经济学方法解决经济问题的步骤一般是什么？ （1）建立模型； （2）估计参数； （3）验证理论； （4）使用模型。 3．你能分别举出三个时间序列数据、截面数据、混合数据、虚拟变量数据的实际例子吗？ （1）时间序列数据如：每年的国民生产总值、 各年商品的零售总额、各年的年均人口增长 数、年出口额、年进口额等等； （2）截面数据如：西南财大2002年各位教师年收入、2002年各省总产值、2002年5月成都市 各区罪案发生率等等； （3）混合数据如：1990年~2000年各省的人均收入、消费支出、教育投入等等； （4）虚拟变量数据如：婚否，身高是否大于170厘米，受教育年数是否达到10年等等。 4．随机扰动项μ的一些特性有哪些？ （1）众多因素对被解释变量Y的影响代表的综合体； （2）对Y的影响方向应该是各异的，有正有负；（3）由于是次要因素的代表，对Y的总平均影响可能为零； （4）对Y的影响是非趋势性的，是随机扰动的。 四、分析、计算题(每小题15分，共45分) 1. 根据下面Eviews回归结果回答问题。Dependent Variable: DEBT Method: Least Squares Date: 05/31/06 Time: 08:35 Sample: 1980 1995 Included observations: 16 Variable Coefficie nt Std. Erro r t-Statist ic Prob . C（） INCOME（） COST（） 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-Wats on stat Prob(F-statisti c) INCOME——个人收入，单位亿美元； COST——抵押贷款费用，单位%。 1. 完成Eviews回归结果中空白处内容。 2. 说明总体回归模型和样本回归模型的区别。 计量经济学简答题及答案 1、比较普通最小二乘法、加权最小二乘法和广义最小二乘法的异同。 答：普通最小二乘法的思想是使样本回归函数尽可能好的拟合样本数据，反映在 图上就是是样本点偏离样本回归线的距离总体上最小，即残差平方和最小 ∑=n i i e 12min 。 只有在满足了线性回归模型的古典假设时候，采用OLS 才能保证参数估计结果的可靠性。 在不满足基本假设时，如出现异方差，就不能采用OLS 。加权最小二乘法是对原 模型加权，对较小残差平方和2i e 赋予较大的权重，对较大2i e 赋予较小的权重，消除异方差，然后在采用OLS 估计其参数。 在出现序列相关时，可以采用广义最小二乘法，这是最具有普遍意义的最小二乘 法。 最小二乘法是加权最小二乘法的特例，普通最小二乘法和加权最小二乘法是广义 最小二乘法的特列。 6、虚拟变量有哪几种基本的引入方式? 它们各适用于什么情况? 答: 在模型中引入虚拟变量的主要方式有加法方式与乘法方式，前者主要适用于 定性因素对截距项产生影响的情况，后者主要适用于定性因素对斜率项产生影响的情况。除此外，还可以加法与乘法组合的方式引入虚拟变量，这时可测度定性因素对截距项与斜率项同时产生影响的情况。 7、联立方程计量经济学模型中结构式方程的结构参数为什么不能直接应用OLS 估计？ 答：主要的原因有三：第一，结构方程解释变量中的内生解释变量是随机解释变 量,不能直接用OLS 来估计；第二，在估计联立方程系统中某一个随机方程参数时，需要考虑没有包含在该方程中的变量的数据信息，而单方程的OLS 估计做不到这一点；第三，联立方程计量经济学模型系统中每个随机方程之间往往存在某种相关性，表现于不同方程随机干扰项之间，如果采用单方程方法估计某一个方程，是不可能考虑这种相关性的，造成信息的损失。 2、计量经济模型有哪些应用。 答：①结构分析，即是利用模型对经济变量之间的相互关系做出研究，分析当其 他条件不变时，模型中的解释变量发生一定的变动对被解释变量的影响程度。②经济预测，即是利用建立起来的计量经济模型对被解释变量的未来值做出预测估计或推算。③政策评价，对不同的政策方案可能产生的后果进行评价对比，从中做出选择的过程。④检验和发展经济理论，计量经济模型可用来检验经济理论的正确性，并揭示经济活动所遵循的经济规律。 6、简述建立与应用计量经济模型的主要步骤。 答：一般分为5个步骤：①根据经济理论建立计量经济模型；②样本数据的收集； ③估计参数；④模型的检验；⑤计量经济模型的应用。 7、对计量经济模型的检验应从几个方面入手。 答：①经济意义检验；②统计准则检验；③计量经济学准则检验；④模型预测检 验。 中国经济增长影响因素实证分析 摘要：改革开放以来，我国的社会主义经济取得了突飞猛进的发展，经济增长速度更是举世瞩目。本文采用经济增长模型和多元线性回归分析方法对1980～2010年中国经济增长因素进行研究，分析了物质资本、劳动力、消费对国内生产总值的影响，建立计量模型，寻求这些变量与中国国民产出的数量关系，进行定量分析，对模型进行检验。 关键词：消费、投资、经济增长、劳动力，实证分析 一、文献综述 （一）经济增长理论 经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值和国内生产总值的（GDP）的增长来计算。经济增长是经济学研究的永恒主题。 古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。 （二）影响因素的分析 从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有全世界近1/4 的人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主导因素。 经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。因此,研究消费需求对经济增长的影响,并对我国消费需求对经济增长的影响程度进行实证分析，可以更好的理解消费对我国经济增长的作用。 计量经济学重点(简答题) 一、什么就是计量经济学？计量经济学,又称经济计量学,它就是以一定的经济理论与 实际统计资料为依据,运用数学、统计学与计算机技术,通过建立计量经济学模型,定量分析经济变量之间的随机因果关系、。 二、计量经济学的研究的步骤就是什么？ 1)理论模型的设计 A.理论或假说的陈述; B.理论的数学模型的设定; C.理论的计量经济模型的设定。 i.把模型中不重要的变量放进随机误差项中; ii.拟定待估参数的理论期望值。 2)获取数据 数据来源:网络、统计年鉴、报纸、杂志 数据类别:时间序列数据、截面数据、混合数据、虚变量数据。 数据要求:完整性、准确性、可比性、一致性 i.完整性:模型中包含的所有变量都必须得到相同容量的样本观察值。 ii.准确性:统计数据或调查数据本身就是准确的。 iii.可比性:数据口径问题。 iv.一致性:指母体与样本的一致性。 3)模型的参数估计:普通最小二乘法。 4)模型的检验:经济学检验;统计学检验;计量经济学检验;模型的预测检验。 5)模型的应用:结构分析;经济预测;政策评价;经济理论的检验与发展。 三、简述统计数据的类别？ 时间序列数据、截面数据、混合数据、虚变量数据。 1)时间序列数据:按时间先后排列收集的数据。 采纳时间序列数据的注意事项: A.所选择的样本区间的经济行为一致性问题。 B.样本数据在不同样本点之间的可比性问题。 C.样本数据过于集中的问题。不能反映经济变量间的结构关系,应增大观察区间。 D.模型的随机误差项序列相关问题。 2)截面数据:又称横向数据,就是一批发生在同一时间截面上的调查数据。研究某时 点上的变化情况。 采纳截面数据的注意事项: A.样本与母体的一致性问题。 B.随机误差项的异方差问题。 3)混合数据:也称面板数据,既有时间序列数据,又有截面数据。 4)虚变量数据:又称二进制数据,只能取0与1两个值,表示的就是某个对象的质量特 征。 四、模型的检验包括哪几个方面？具体含义就是什么？ 1)经济学检验:参数的符合与大致取值。 2)统计学检验:拟合优度检验;模型的显著性检验;参数的显著性检验。 3)计量经济学检验:序列相关性;异方差检验;多重共线性检验。 4)模型的预测检验:a,扩大样本容量或变换样本重新估价模型;b,利用模型对样本期以 外的某一期进行预测。 第二章 案例分析 研究目的：分析各地区城镇居民计算机拥有量与城镇居民收入水平的关系，对更多规律的研究具有指导意义. 一． 模型设定 2011年年底城镇居民家庭平均每百户计算机拥有量Y 与城镇居民平均每人全年家庭总收入X 的关系 图2.1 各地区城镇居民每百户计算机拥有量与人均总收入的散点图 由图可知，各地区城镇居民每百户计算机拥有量随着人均总收入水平的提高而增加，近似于线性关系，为分析其数量性变动规律，可建立如下简单线性回归模型： Y t =β1+β2X t +u t 50 60 708090100 110120130140 X Y 二．估计参数 假定所建模型及其随机扰动项u i满足各项古典假设，用普通最小二乘法（OLSE）估计模型参数.其结果如下： 表2.1 回归结果 Dependent Variable: Y Method: Least Squares Date: 11/13/17 Time: 12:50 Sample: 1 31 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 11.95802 5.622841 2.126686 0.0421 X 0.002873 0.000240 11.98264 0.0000 R-squared 0.831966 Mean dependent var 77.08161 Adjusted R-squared 0.826171 S.D. dependent var 19.25503 S.E. of regression 8.027957 Akaike info criterion 7.066078 Sum squared resid 1868.995 Schwarz criterion 7.158593 Log likelihood -107.5242 Hannan-Quinn criter. 7.096236 F-statistic 143.5836 Durbin-Watson stat 1.656123 Prob(F-statistic) 0.000000 由表2.1可得， β1=11.9580，β2=0.0029 故简单线性回归模型可写为： ^ Y X t t=11.9580+0.0029 其中：SE(β1)=5.6228, SE(β2)=0.0002 R-squared=0.8320，F=143.5836，n=31 简答： 1、时间序列数据和横截面数据有何不同？ 时间序列数据是一批按照时间先后排列的统计数据。截面数据是一批发生在同一时间截面上的调查数据。这两类数据都是反映经济规律的经济现象的数量信息，不同点：时间序列数据是含义、口径相同的同一指标按时间先后排列的统计数据列；而横截面数据是一批发生在同一时间截面上不同统计单元的相同统计指标组成的数据列。 2、建立计量经济模型赖以成功的三要素。P16（课本） 成功的要素有三：理论、方法和数据。理论：即经济理论，所研究的经济现象的行为理论，是计量经济学研究的基础；方法：主要包括模型方法和计算方法，是计量经济学研究的工具与手段，是计量经济学不同于其他经济学分支科学的主要特征；数据：反映研究对象的活动水平、相互间以及外部环境的数据，更广义讲是信息，是计量经济学研究的原料。三者缺一不可。 3、什么是相关关系、因果关系；相关关系与因果关系的区别与联系。 相关关系是指两个以上的变量的样本观测值序列之间表现出来的随机数学关系，用相关系数来衡量。 因果关系是指两个或两个以上变量在行为机制上的依赖性，作为结果的变量是由作为原因的变量所决定的，原因变量的变化引起结果变量的变化。因果关系有单向因果关系和互为因果关系之分。 具有因果关系的变量之间一定具有数学上的相关关系。而具有相关关系的变量之间并不一定具有因果关系。 4、回归分析与相关分析的区别与关系。P23-P24（课本） 相关分析与回归分析既有联系又有区别。首先，两者都是研究非确定性变量间的统计依赖关系，并能测度线性依赖程度的大小。其次，两者间又有明显的区别。相关分析仅仅是从统计数据上测度变量间的相关程度，而无需考察两者间是否有因果关系，因此，变量的地位在相关分析中饰对称的，而且都是随机变量；回归分析则更关注具有统计相关关系的变量间的因果关系分析，变量的地位是不对称的，有解释变量与被解释变量之分，而且解释变量也往往被假设为非随机变量。再次，相关分析只关注变量间的具体依赖关系，因此可以进一步通过解释变量的变化来估计或预测被解释变量的变化，达到深入分析变量间依存关系，掌握其运动规律的目的。 5、数理经济模型和计量经济模型的区别。 答：数理经济模型揭示经济活动中各个因素之间的理论关系，用确定性的数学方程加以描述。计量经济模型揭示经济活动中各个因素之间的定量关系，用随机性的数学方程加以描述。 6、从哪几方面看，计量经济学是一门经济学科？P6（课本） 经济计量建模实训课程设计 服务业的发展对国民经济影响的实证分析 一、引言 伴随着我国经济继续平稳快速发展，服务业同样保持快速发展。2012服务业增加值占GDP的比重达到43%，同比提高四个百分点。同时指导服务业发展的一系列政策陆续出台；要将提高服务业比重作为推动服务业发展的第一目标；服务业的发展与促进工业转型升级、加快农业现代化进程和推进城镇化结合起来；服务业“走出去”战略等等。 当前中国正在实施产业结构调整，而加快服务业发展，促进产业结构升级，已经成为中国经济发展重重之重。在此情况下对我国服务行业的研究分析和预测显得十分重要和必要，无论是对我国制定产业政策、发展国民经济还是对人民群众的日常生活都有深远的意义，也有利于服务各行业的人员把握服务业的理论及其发展方向，从而能利用有关服务业的各种理论对我国的服务业结构升级和我国服务业的健康发展做出贡献。 本文尝试运用宏观定量的实证分析方法，并以国际贸易理论为基础，根据中国统计年鉴2012的数据，应用Eviews分析工具，通过对改革开放以来中国第三产业发展的经济数据进行经济计量分析，估计确定国民经济发展与第三产业状况、服务业吸纳社会就业方面、服务贸易赚取外汇的显著性关系，并建立回归模型，从而帮助分析宏观主体以及个体面对服务业发展及创业作出相应决策。并结合中国实际的情况，根据分析结果，对服务业今后的发展提出相应的建议和对策。揭示服务业的发展对国民经济的影响，构建相关的计量经济学模型，探讨服务业不同因素对于国民经济的关系。同时根据模型，分析出模型中存在的问题，并提出建议。 1 服务业发展情况概述及相关理论 1.1服务业发展历程 服务业是随着商品生产和商品交换的发展，继商业之后产生的一个行业。商品的生产和交换扩大了人们的经济交往。为解决由此而产生的人的食宿、货物的运输和存放等问题，出现了饮食、旅店等服务业。服务业最早主要是为商品流通服务的。随着城市的繁荣，居民的日益增多，不仅在经济活动中离不开服务业，而且服务业也逐渐转向以为人们的生活服务为主。社会化大生产创造的较高的生产率和发达的社会分工，促使生产企业中的某些为生产服务的劳动从生产过程中逐渐分离出来（如工厂的维修车间逐渐变成修理企业），加入服务业的行列，成为为生产服务的独立行业。 服务业从为流通服务到为生活服务，进一步扩展到为生产服务，经历了一个很长的历史过程。服务业的社会性质也随着历史的发展而变化。在前资本主义社会，主要是为奴隶主和封建主服务,大多由小生产者经营,因而具有小商品经济性质。资本主义服务业以盈利为目的，资本家和服务劳动者之间的关系是雇佣关系。社会主义服务业是以生产资料公有制为基础，以提高人民群众物质文化生活为目的，是真正为全社会的生产、流通和消费服务的行业。 “十一五”时期，我国金融、批发零售、住宿餐饮、交通仓储等主要服务 1 计量经济学案例分析1 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元, 最低的黑龙江省仅为人均元，最高的上海市达人均10464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，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》中得到表的数据: 表 2002年中国各地区城市居民人均年消费支出和可支配收入 1. 请问自回归模型的估计存在什么困难？如何来解决这些苦难？ 答：主要存在两个问题： (1) 出现了随机解释变量Y ，而可能与随机扰动项相关； (2) 随机扰动项可能存在自相关，库伊克模型和自适应预期模型的随机扰动项都会导致自相关，只有局部调整模型的随机扰动项无自相关。 对于第一个问题的解决可以使用工具变量法；对于第二个问题的检验可以用德宾h 检验法，目前还没有很好的解决办法，唯一能做的就是模型尽可能的设定正确。 2. 为什么要进行广义差分变换？写出其过程。 答：进行广义差分变换是为了处理自相关，写出其过程如下： 以一元模型为例：Y t = b 0 + b 1 X t +u t 假设误差项服从AR(1)过程：u t =ρu t-1 +v t －1 ≤ρ≤1 其中，v 满足OLS 假定，并且是已知的。 为了弄清楚如何使变换后模型的误差项不具有自相关性，我们将回归方程中的变量滞后一期，写为： Y t-1 = b 0 + b 1 X t-1 +u t-1 方程的两边同时乘以ρ，得到：ρY t-1 = ρb 0 + ρb 1 X t-1 +ρu t-1 现在将两方程相减，得到：(Y t －ρY t-1 ) = b 0 ( 1 －ρ) + b 1 (X t －ρX t-1 ) + v t 由于方程中的误差项v t 满足标准OLS 假定，方程就是一种变换形式，使得变换后的模型无序列相关。如果我们将方程写成：Y t * = b 0* + b 1 X t * +v t ，其中，Y t * = (Y t -ρY t-1 ) ，X t * = (X t -ρX t-1 ) ，b 0* = b 0 ( 1 -ρ)。 3. 什么是递归模型？ 答：递归模型是指在该模型中，第一个方程的内生变量Y 1仅由前定变量表示，而无其它内生变量；第二个方程内生变量Y 2表示成前定变量和一个内生变量Y 1的函数；第三个方程内生变量Y 3表示成前定变量和两个内生变量Y 1与Y 2的函数；按此规律下去，最后一个方程内生变量Y m 可表示成前定变量和m －1个Y 1，Y 2、，Y 3，…、Y m-1的函数。 4. 为什么要进行同方差变换？写出其过程，并证实之。 答：进行同方差变换是为了处理异方差，写出其过程如下： 我们考虑一元总体回归函数Y i = b 0 + b 1 X i + u i 假设误差σi 2 是已知的，也就是说，每个观察值的误差是已知的。对模型作如下“变换”： Y i /σi = b 0 /σi + b 1 X i /σi + u i /σi 这里将回归等式的两边都除以“已知”的σi 。σi 是方差σi 2 的平方根。 令 v i = u i /σi 我们将v i 称作是“变换”后的误差项。v i 满足同方差吗？如果是，则变换后的回归方程就不存在异方差问题了。假设古典线性回归模型中的其他假设均能满足，则方程中各参数的OLS 估计量将是最优线性无偏估计量，我们就可以按常规的方法进行统计分析了。 证明误差项v i 同方差性并不困难。根据方程有：E (v i 2 ) = E (u i 2 /σi 2 ) = E (u i 2 ) /σi 2 =σi 2 /σi 2 = 1 显然它是一个常量。简言之，变换后的误差项v i 是同方差的。因此，变换后的模型不存在异方差问题，我们可以用常规的OLS 方法加以估计。 5. 简述逐步回归法的基本步骤。 答：先用被解释变量对每一个解释变量做简单回归，然后以对被解释变量贡献最大的解释变量所对应的回归方程为基础，再逐个引入其余的解释变量。这个过程会出现3种情形：①若新变量的引入改进了R 2 和F 检验，且其它回归系数的t 检验在统计上仍是显著的，则可考 地区人均收入影响因素的计量分析 菲利普斯曲线的验证 恩格尔系数模型检验 成都市投资额影响因素的实证分析 对我国经济增长的因素分析 关于教育对中国经济增长作用的计量分析 关于司机年龄与发生车祸次数关系的分析 改革开放以来商品零售价格指数（RPI）变化因素分析 固定资产投资对GDP的影响 关于GDP与其他经济因素关系的计量分析 吉尼系数影响因素的计量分析 我国旅游经济的因素分析 试探交通运输发展与国民经济的关系 我国1978-1997年的财政收入和国民生产总值的计量分析我国经济增长对能源消耗的依赖 投资额与生产总值和物价指1 外商直接投资（FDI）对我国经济影响的实证分析 影响居民消费水平的因素分析 我国人均GDP与消费的计量分析 有关我国居民储蓄影响因素的计量分析 新中国出口的影响因素分析 影响股价指数的因素分析 影响居民消费水平的主要因素分析 我国消费的影响因素分析(经济2班） 中国能源需求影响因素实证分析 中国经济增长与周期波动 中国旅游业发展状况分析 中国城市居民消费计量分析 对上市公司利用新四项计提进行盈余管理的实证研 对影响人身保险保费收入诸因素的计量分析 餐饮业区域市场潜力的影响因素分析 FDI对中国经济增长的影1 城镇居民住房面积的多因素分析 关于影响我国南方几省市农业总产值因素的实证分析 关于国内旅游需求的计量经济学分析报告 如何提高农业产值和农民人均收入水平 宏观经济政策对中国经济周期波动的影响分析 三大产业的发展与城镇居民家庭消费支出 上市公司财务预警模型设计与分析 货币政策有效性分析 外资利用与我国进出口贸易关系的实证分析 我国采矿业龙头企业利润因素分析 我国农民收入影响因素的回归分析 第六章 案例分析 一、研究目的 2003年中国农村人口占59.47％，而消费总量却只占41.4%，农村居民的收入和消费是一个值得研究的问题。消费模型是研究居民消费行为的常用工具。通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向，这是宏观经济分析的重要参数。同时，农村居民消费模型也能用于农村居民消费水平的预测。 二、模型设定 正如第二章所讲述的，影响居民消费的因素很多，但由于受各种条件的限制，通常只引入居民收入一个变量做解释变量，即消费模型设定为 t t t u X Y ++=21ββ （6.43） 式中，Y t 为农村居民人均消费支出，X t 为农村人均居民纯收入，u t 为随机误差项。表6.3是从《中国统计年鉴》收集的中国农村居民1985-2003年的收入与消费数据。 表6.3 1985-2003年农村居民人均收入和消费 单位： 元 2000 2001 2002 2003 2253.40 2366.40 2475.60 2622.24 1670.00 1741.00 1834.00 1943.30 314.0 316.5 315.2 320.2 717.64 747.68 785.41 818.86 531.85 550.08 581.85 606.81 为了消除价格变动因素对农村居民收入和消费支出的影响，不宜直接采用现价人均纯收入和现价人均消费支出的数据，而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析。 根据表6.3中调整后的1985年可比价格计的人均纯收入和人均消费支出的数据，使用普通最小二乘法估计消费模型得 t t X Y 0.59987528.106?+= （6.44） Se = (12.2238) (0.0214) t = (8.7332) (28.3067) R 2 = 0.9788，F = 786.0548，d f = 17，DW = 0.7706 该回归方程可决系数较高，回归系数均显著。对样本量为19、一个解释变量的模型、5%显著水平，查DW 统计表可知，d L =1.18，d U = 1.40，模型中DW 简答题：1.选择工具变量的原则是什么:（1）工具变量必须与所替代的随机解释变量高度相关；（2）工具变量与随机误差项不相关（3）工具变量与其它解释变量不相关，避免出现多重共线性。 2.实际经济问题中的多重共线性 (1)经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 3.序列相关性产生的原因: （1）惯性；（2）模型设定误差；（3）蛛网现象；（4）数据加工。 4、随机解释变量问题及其解决方法。如果存在一个或多个随机变量作为解释变量，则称原模型出现随机解释变量问题。第一、随机解释变量与误差项相互独立；第二、随机解释变量与误差项同期无关，而异期相关；第三、随机解释变量与误差项同期相关；第四、解决方法为工具变量法。 5.随机解释变量产生的后果 1.若相互独立，则参数估计量仍然无偏一致。2 若同期相关，异期不相关，得到的参数估计有偏，但却是一致的3 若同期相关，则估计量有偏且非一致。 6.简述最小二乘估计量的性质：（1）线性性，即它是否是另一随机变量的线性函数；（2）无偏性，即它的均值或期望值是否等于总体的真实值；（3）有效性，即它是否在所有线性无偏估计量中具有最小方差。（4）渐近无偏性，即样本容量趋于无穷大时，是否它的均值序列趋于总体真值；（5）一致性，即样本容量趋于无穷大时，它是否依概率收敛于总体的真值；（6）渐近有效性，即样本容量趋于无穷大时，是否它在所有的一致估计量中具有最小的渐近方差。 7、虚拟变量的作用：（1）表现定性因素对被解释变量的影响（2）提高模型的说明能力与水平（3）季节变动分析。（4）方程差异性检验。 8、虚拟变量设置的原则：如果有定性因素共有个结果需要区别，那么至多引入m-1 个虚拟变量 9、实际经济问题中的多重共线性：（1）经济变量的趋同性（2）滞后变量的引入（3）样本资料的限制 10.引入随机误差形式为了：（1）代表未知的影响因素（2）代表残缺数据（3）代表众多细小的影响因素（4）代表数据观测误差（5）代表模型设定误差（6）变量的随机存在性 11. 12.回归分析的主要内容有：（1）根据样本观测值对经济计量模型参数进行估计，求得回归方程（2）对回归方程、参数估计值进行显著性检验（3）利用回归方程进行分析、评价及预测。 13.叙述原理：最小二乘法：当从模型总体随机抽取n组样本观测值后，最合理的参数估计量应该使得模型能最好的的拟合样本数据：最大似然法：当从模型的总体随机抽取n组样本观测值后，最合理的参数估计量应该使得从模型中抽取该n组样本观测值的概率最大。在满足一系列基本假设的情况下，模型结构参数的最大或然估计量与普通最小二乘估计量是相同的。 计量经济学重点简答题 1.简述计量经济学与经济学、统计学、数理统计学学科间得关系。 答：计量经济学就是经济理论、统计学与数学得综合.经济学着重经济现象得定性研究,计量经济学着重于定量方面得研究。统计学就是关于如何收集、整理与分析数据得科学，而计量经济学则利用经济统计所提供得数据来估计经济变量之间得数量关系并加以验证。数理统计学作为一门数学学科,可以应用于经济领域，也可以应用于其她领域；计量经济学则仅限于经济领域。计量经济模型建立得过程，就是综合应用理论、统计与数学方法得过程,计量经济学就是经济理论、统计学与数学三者得统一。 ２、计量经济模型有哪些应用？ 答：①结构分析②经济预测③政策评价④检验与发展经济理论 3、简述建立与应用计量经济模型得主要步骤。 答:模型设定估计参数模型检验模型应用 或1)经济理论或假说得陈述２) 收集数据3）建立数理经济学模型4)建立经济计量模型5）模型系数估计与假设检验６）模型得选择7)理论假说得选择８)经济学应用 4、对计量经济模型得检验应从几个方面入手？ 答：①经济意义检验②统计推断检验③计量经济学检验④模型预测检验 5、计量经济学应用得数据就是怎样进行分类得？ 答:时间序列数据截面数据面板数据虚拟变量数据 6、解释变量与被解释变量，内生变量与外生变量 被解释变量就是模型要研究得对象，被称为“因变量”，就是变动得结果。 解释变量就是说明被解释变量变动得原因,被称为“自变量”，就是变动得原因. 内生变量就是其数值由模型所决定得变量，就是模型求解得结果。 外生变量就是其数值由模型以外决定得变量。 7、计量经济学得含义 计量经济学就是以经济理论与经济数据得事实为依据,运用数学、统计学得方法，通过建立数学模型来研究经济数量关系与规律得一门经济学科。 8、在计量经济模型中,为什么会存在随机误差项？ 答:随机误差项就是计量经济模型中不可缺少得一部分. 产生随机误差项得原因有以下几个方面:①模型中被忽略掉得影响因素造成得误差;②模型关系认定不准确造成得误差;③变量得测量误差；④随机因素. 9．对于多元线性回归模型,为什么在进行了总体显著性Ｆ检验之后，还要对每个回归系数进行就是否为0得ｔ检验? 答：多元线性回归模型得总体显著性F检验就是检验模型中全部解释变量对被解释变量得共同影响就是否显著。通过了此F检验，就可以说模型中得全部解释变量对被解释变量得共同影响就是显著得,但却不能就此判定模型中得每一个解释变量对被解释变量得影响都就是显著得。因此还需要就每个解释变量对被解释变量得影响就是否显著进行检验,即进行t 检验. 10、古典线性回归模型具有哪些基本假定。 答：1 随机误差项与解释变量不相关。２随机误差项得期望或均值为零。３随机误差项具有同方差,即每个随机误差项得方差为一个相等得常数。4 两个随机误差项之间不相关,即随机误差项无自相关。 1１、在多元线性回归分析中，为什么用修正得决定系数衡量估计模型对样本观测值得拟合优度？ 答:因为人们发现随着模型中解释变量得增多,多重决定系数得值往往会变大,从而增加了模 计量经济学论文参考题目 本文由论金台论文站工作室整理提供。 中国城镇居民2013年可支配收入分析 中国农业总产值问题的计量分析 中国上市公司现金股利的影响因素分析 在校学生总数变动的多因素分析 GDP与进出口总额的计量分析 有关我国进口商品消费的计量分析 影响我国居民储蓄的相关因素的实证分析 影响我国粮食总产量诸因素分析 影响新股上市定价的因素分析 影响粮食产量的相关因素分析 影响银行卡交易量的因素分析 城市住房均衡价格供求模型 城镇集体单位固定资产投资对国内生产总值的影响分析 城镇人均收入与人均通讯消费分析 江苏省居民消费函数模型 江苏省城镇居民消费模型 江苏省镇居民消费函数模型 影响GDP增长的经济因素分析 影响保费收入的因素分析 影响寿险保费收入的因素分析2 影响江苏省房地产业发展的因素分析 影响我国农业总产值因素的实证分析 影响中国汽车产量的多因素分析 影响人身保险保费收入的重要因素分析 资本结构主要影响因素的再探析 中国经济增长的影响因素实证分析 运用OLS法对参数估计 江苏省城市居民消费函数模型分析 店铺租金的确定 对江苏省房地产市场的实证考察 固定资产投资对江苏省GDP影响分析 固定资产投资的计量经济学模型 关于社会商品零售总额的案例分析 关于封闭式基金价格问题 货币政策与GDP的回归分析. 开放经济下储蓄、投资与贸易余额关系的研究 农业总产值分析 农民收入影响因素研究 外商直接投资FDI与国有企业改革的互动分析 旅游经济分析 我国财政收入与部分支出结构 美国居民消费与可支配收入关系的实证分析 四川省居民消费结构计量分析 我国居民消费增长模型 我国居民消费的因素分析 我国国内债务规模的多元线性分析 我国改革开放以来固定资产投资与GDP关系分析 我国国债发行规模影响因素的分析 我国利用外资与GDP关系我国人均GDP与消费的计量分析我国外汇储备及其影响因素的分析 我国涉外旅游业收入的实证分析 西方消费理论在中国的实证分析 我国私人汽车拥有量分析 影响GDP的因素分析 中国股票内在价值影响因素的实证分析 政府对公共卫生事业的投 中国粮食总产量多因素分析 江苏省城乡居民储蓄存款的计量模型分析 中国对美国进口总额的分析 关于农民人均纯收入的计量经济模型 对江苏省种植业收入模型的初步探索 计量经济学消费——收入模型分析 城镇居民消费水平影响因素浅析 江苏省人力资本存量的现状分析 农民人均收入影响因素分析 浅析我国城市化的影响因素 加工工业产品出厂价格多因素分析 第八章案例分析 改革开放以来，随着经济的发展中国城乡居民的收入快速增长，同时城乡居民的储蓄存 款也迅速增长。经济学界的一种观点认为，20世纪90年代以后由于经济体制、住房、医疗、养老等社会保障体制的变化，使居民的储蓄行为发生了明显改变。为了考察改革开放以来中 国居民的储蓄存款与收入的关系是否已发生变化，以城乡居民人民币储蓄存款年底余额代表 居民储蓄（Y），以国民总收入GNI代表城乡居民收入，分析居民收入对储蓄存款影响的数量关系。 表8.1为1978-2003年中国的国民总收入和城乡居民人民币储蓄存款年底余额及增加额的数据。 单位：亿元 2004 鉴数值，与用年底余额计算的数值有差异。 为了研究1978—2003年期间城乡居民储蓄存款随收入的变化规律是否有变化,考证城 乡居民储蓄存款、国民总收入随时间的变化情况，如下图所示: 图8.5 从图8.5中，尚无法得到居民的储蓄行为发生明显改变的详尽信息。若取居民储蓄的增量 （YY ）,并作时序图（见图 8.6） 从居民储蓄增量图可以看出，城乡居民的储蓄行为表现出了明显的阶段特征: 2000年有两个明显的转折点。再从城乡居民储蓄存款增量与国民总收入之间关系的散布图 看（见图8.7），也呈现出了相同的阶段性特征。 为了分析居民储蓄行为在 1996年前后和2000年前后三个阶段的数量关系，引入虚拟变 量D 和D2°D 和D 2的选择，是以1996>2000年两个转折点作为依据，1996年的GNI 为66850.50 亿元,2000年的GNI 为国为民8254.00亿元，并设定了如下以加法和乘法两种方式同时引入 虚拟变量的的模型: YY = 1+ 2GNI t 3 GNI t 66850.50 D 1t + 4 GNh 88254.00 D 2t i D 1 t 1996年以后 D 1 t 2000年以后 其中: D 1t _ t 1996年及以前 2t 0 t 2000年及以前 对上式进行回归后，有: Dependent Variable: YY Method: Least Squares Date: 06/16/05 Time: 23:27 120000 8.7 1996年和 100000- 40000 2WM GNi o eOB2&ISEea9a9l2949698[Ma2 20CUC ir-“- 1CC0C 图 8.6 *OOCO mnoot ， RtKXD Tconr GF* 1.计量经济学与经济理论、统计学、数学的联系是什么？计量经济学与经济理论、统计学、数学的联系主要体现在计量经济学对经济理论、统计学、数学的应用方面，分别如下： 1）计量经济学对经济理论的利用主要体现在以下几个方面 （1）计量经济模型的选择和确定 （2）对经济模型的修改和调整 （3）对计量经济分析结果的解读和应用 2）计量经济学对统计学的应用 （1）数据的收集、处理、 （2）参数估计 （3）参数估计值、模型和预测结果的可靠性的判断3）计量经济学对数学的应用 （1）关于函数性质、特征等方面的知识 （2）对函数进行对数变换、求导以及级数展开 （3）参数估计 （4）计量经济理论和方法的研究 2.模型的检验包括哪几个方面？具体含义是什么？ 模型的检验主要包括：经济意义检验、统计检验、计量经济学检验、模型的预测检验。 ①在经济意义检验中，需要检验模型是否符合经济意义，检验求得的参数估计值的符号、大小、参数之间的关系是否与根据人们的经验和经济理论所拟订的期望值相符合； ②在统计检验中，需要检验模型参数估计值的可靠性，即检验模型的统计学性质，有拟合优度检验、变量显著检验、方程显著性检验等； ③在计量经济学检验中，需要检验模型的计量经济学性质，包括随机扰动项的序列相关检验、异方差性检验、解释变量的多重共线性检验等； ④模型的预测检验，主要检验模型参数估计量的稳定性以及对样本容量变化时的灵敏度，以确定所建立的模型是否可以用于样本观测值以外的范围。 1.为什么计量经济学模型的理论方程中必须包含随机干扰项？ 计量经济学模型考察的是具有因果关系的随机变量间的具体联系方式。由于是随机变量，意味着影响被解释变量的因素是复杂的，除了解释变量的影响外，还有其他无法在模型中独立列出的各种因素的影响。这样，理论模型中就必须使用一个称为随机干扰项的变量来代表所有这些无法在模型中独立表示出来的影响因素，以保证模型在理论上的科学性。3.为什么用可决系数R2评价拟合优度，而不是用残差平方和作为评价标准？ 可决系数R2=ESS/TSS=1-RSS/TSS，含义为由解释变量引起的被解释变量的变化占被解释变量总变化的比重，用来判定回归直线拟合的优劣，该值越大说明拟合的越好；而残差平方和与样本容量关系密切，当样本容量比较小时，残差平方和的值也比较小，尤其是不同样本得到的残差平方和是不能做比较的。此外，作为检验统计量的一般应是相对量而不能用绝对量，因而不能使用残差平方和判断模型的拟合优度。 4.根据最小二乘原理，所估计的模型已经使得拟合优度差达到最小，为什么还要讨论模型的拟合优度问题？ 普通最小二乘法所保证的最好拟合是同一个问题内部的比较，即使用给出的样本数据满足残差的平方和最小；拟合优度检验结果所表示的优劣可以对不同的问题进行比较，即可以辨别不同的样本回归结果谁好谁坏。 1.多元线性回归模型与一元线性回归模型有哪些区别？ 多元线性回归模型与一元线性回归模型的区别表现在如下几个方面：一是解释变量的个数不同；二是模型的经典假设不同，多元线性回归模型比一元线性回归模型多了个“解释变量之间不存在线性相关关系”的假定；三是多元线性回归模型的参数估计式的表达更为复杂。 2.为什么说最小二乘估计量是最优线性无偏估计量？对于多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计量的条件是什么？ 在满足经典假设的条件下，参数的最小二乘估计量具有线性性、无偏性以及最小性方差，所以被称为最优线性无偏估计量（BLUE） 对于多元线性回归最小二乘估计的正规方程组，能解出唯一的参数估计量的条件是（X X ）-1存在，或者说各解释变量间不完全线性相关。计量经济学试题
计量经济学简答题及答案
计量经济学期末课程论文范文
计量经济学重点简答论述题
计量经济学 案例分析
计量经济学简答题及答案43378
计量经济学实训
计量经济学案例分析汇总
计量经济学简答题整理版
计量经济学实证分析选题
计量经济学-案例分析-第六章
计量经济学简答
计量经济学重要简答题
计量经济学论文参考题目
计量经济学-案例分析-第八章
计量经济学简答题