我国财政收入影响因素分析计量经济学论文eviews分析要点
《我国财政收入影响因素分析》
班级：
姓名：
学号：
指导教师：
完成时间：
摘要：对我国财政收入影响因素进行了定量分析，建立了数学模型，并提出了提高我国财政收入质量的政策建议。
关键词：财政收入实证分析影响因素
一、引言
财政收入对于国民经济的运行及社会发展具有重要影响。首先，它是一个国家各项收入得以实现的物质保证。一个国家财政收入规模大小往往是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观调控的重要经济杠杆。宏观调控的首要问题是社会总需求与总供给的平衡问题，实现社会总需求与总供给的平衡，包括总量上的平衡和结构上的平衡两个层次的内容。财政收入的杠杆既可通过增收和减收来发挥总量调控作用，也可通过对不同财政资金缴纳者的财政负担大小的调整，来发挥结构调整的作用。此外，财政收入分配也是调整国民收入初次分配格局，实现社会财富公平合理分配的主要工具。在我国，财政收入的主体是税收收入。因此，在税收体制及政策不变的情况下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。
我国的财政收入主要包括税收、国有经济收入、债务收入以及其他收入四种形式，因此，财政收入会受到不同因素的影响。从国民经济部门结构看，财政收入又表现为来自各经济部门的收入。财政收入的部门构成就是在财政收入中，由来自国民经济各部门的收入所占的不同比例来表现财政收入来源的结构，它体现国民经济各部门与财政
收入的关系。我国财政收入主要来自于工业、农业、商业、交通运输和服务业等部门。
因此，本文认为财政收入主要受到总税收收入、国内生产总值、其他收入和就业人口总数的影响。
二、预设模型
令财政收入Y（亿元）为被解释变量，总税收收入X1（亿元）、国内生产总值X2（亿元）、其他收入X3（亿元）、就业人口总数为X4（万人）为解释变量，据此建立回归模型。
二、数据收集
从《2010中国统计年鉴》得到1990--2009年每年的财政收入、总税收收入、国内生产总值工、其他收入和就业人口总数的统计数据如下：
obs 财政收入Y 总税收收入X1 国内生产总值X2 其他收入X3 就业人口总数X4 1990 2937.1 2821.86 18667.8 299.53 64749 1991 3149.48 2990.17 21781.5 240.1 65491 1992 3483.37 3296.91 26923.5 265.15 66152 1993 4348.95 4255.3 35333.9 191.04 66808 1994 5218.1 5126.88 48197.9 280.18 67455 1995 6242.2 6038.04 60793.7 396.19 68065 1996 7407.99 6909.82 71176.6 724.66 68950 1997 8651.14 8234.04 78973 682.3 69820 1998 9875.95 9262.8 84402.3 833.3 70637 1999 11444.08 10682.58 89677.1 925.43 71394 2000 13395.23 12581.51 99214.6 944.98 72085 2001 16386.04 15301.38 109655.2 1218.1 73025 2002 18903.64 17636.45 120332.7 1328.74 73740 2003 21715.25 20017.31 135822.8 1691.93 74432 2004 26396.47 24165.68 159878.3 2148.32 75200 2005 31649.29 28778.54 184937.4 2707.83 75825 2006 38760.2 34804.35 216314.4 3683.85 76400 2007 51321.78 45621.97 265810.3 4457.96 76990 2008 61330.35 54223.79 314045.4 5552.46 77480
2009 68518.3 59521.59 340506.9 7215.72 77995
三、模型建立
1、散点图分析
2、单因素或多变量间关系分析
Y X1 X2 X3 X4
Y 1 0.9989 0.9934790452
90804 0.8774 0.9836
X1 0.9989 1 0.9937402677
18469
0.8556377347
44782
0.9849352965
93492
X2 0.9934790452
90804
0.9937402677
18469 1 0.8561
0.9862411656
80459
X3 0.8774 0.8556377347
44782 0.8561 1 0.8181
X4 0.9836 0.9849352965
93492
0.9862411656
80459 0.8181 1
由散点图分析和变量间关系分析可以看出被解释变量财政收入Y与解释变量总税收收入X1、国内生产总值X2、其他收入X3、就业人口总数X4呈线性关系，因此该回归模型设为：
μβββββ+++++=443322110X X X X Y
3、 模型预模拟
由eviews 做ols 回归得到结果：
Dependent Variable: Y Method: Least Squares Date: 11/14/11 Time: 17:51 Sample: 1990 2009 Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 7299.523 1691.814 4.314614 0.0006 X1 1.062802 0.021108 50.34972 0.0000 X2 0.001770 0.004528 0.391007 0.7013 X3 0.873369 0.119806 7.289852 0.0000 X4
-0.115975
0.026580
-4.363160
0.0006
R-squared
0.999978 Mean dependent var 20556.75 Adjusted R-squared 0.999972 S.D. dependent var 19987.03 S.E. of regression 106.6264 Akaike info criterion 12.38886 Sum squared resid 170537.9 Schwarz criterion 12.63779 Log likelihood -118.8886 F-statistic 166897.9 Durbin-Watson stat
1.496517 Prob(F-statistic)
0.000000
4
321115975.0873369.0001770.0062802.1523.7299X X X X Y -+++=
(4.314614) (50.34972 ) (0.391007) (7.289852) (-4.363160)
999978.02=R 999972.02
=R 9.166897=F 496517.1.=W D
四、 模型检验 1.计量经济学意义检验 ⑴多重共线性检验与解决
求相关系数矩阵，得到： Correlation Matrix
Y X1 X2 X3
X4
1 0.9989 0.9934790452
90804
0.8774
0.9836
0.9989
1
0.99374026770.85563773470.9849352965
18469 44782 93492
0.9934790452
90804 0.9937402677
18469 1 0.8561
0.9862411656
80459
0.8774 0.8556377347
44782 0.8561 1 0.8181
0.9836 0.9849352965
93492
0.9862411656
80459 0.8181 1
发现模型存在多重共线性。接下来运用逐步回归法对模型进行修正:
①将各个解释变量分别加入模型,进行一元回归:
作Y与X1的回归，结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:02
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -755.6610 145.2330 -5.203094 0.0001
X1 1.144994 0.005760 198.7931 0.0000
R-squared 0.999545 Mean dependent var 20556.75
Adjusted R-squared 0.999519 S.D. dependent var 19987.03
S.E. of regression 438.1521 Akaike info criterion 15.09765
Sum squared resid 3455590. Schwarz criterion 15.19722
Log likelihood -148.9765 F-statistic 39518.70
Durbin-Watson stat 0.475046 Prob(F-statistic) 0.000000
作Y与X2的回归，结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:06
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -5222.077 861.2067 -6.063674 0.0000
X2 0.207689 0.005548 37.43267 0.0000
R-squared 0.987317 Mean dependent var 20556.75 Adjusted R-squared 0.986612 S.D. dependent var 19987.03 S.E. of regression 2312.610 Akaike info criterion 18.42478 Sum squared resid Schwarz criterion 18.52435 Log likelihood -182.2478 F-statistic 1401.205 Durbin-Watson stat 0.188013 Prob(F-statistic) 0.000000
作Y与X3的回归，结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:08
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 2607.879 773.9988 3.369358 0.0034
X3 10.03073 0.294311 34.08209 0.0000
R-squared 0.984740 Mean dependent var 20556.75 Adjusted R-squared 0.983893 S.D. dependent var 19987.03 S.E. of regression 2536.645 Akaike info criterion 18.60971 Sum squared resid 1.16E+08 Schwarz criterion 18.70929 Log likelihood -184.0971 F-statistic 1161.589 Durbin-Watson stat 1.194389 Prob(F-statistic) 0.000000
作Y与X4的回归，结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:08
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -272959.3 37203.65 -7.336894 0.0000
X4 4.097403 0.518467 7.902918 0.0000
R-squared 0.776276 Mean dependent var 20556.75 Adjusted R-squared 0.763846 S.D. dependent var 19987.03 S.E. of regression 9712.824 Akaike info criterion 21.29492 Sum squared resid 1.70E+09 Schwarz criterion 21.39449 Log likelihood -210.9492 F-statistic 62.45611 Durbin-Watson stat 0.157356 Prob(F-statistic) 0.000000
②依据可决系数最大的原则选取X1作为进入回归模型的第一个解释变量,再依次将其余变量分别代入回归得:
作Y与X1、X2的回归，结果如下
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:09
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -188.4285 239.0743 -0.788159 0.4415
X1 1.281594 0.049472 25.90568 0.0000
X2 -0.025055 0.009029 -2.774908 0.0130
R-squared 0.999687 Mean dependent var 20556.75
Adjusted R-squared 0.999650 S.D. dependent var 19987.03
S.E. of regression 374.0345 Akaike info criterion 14.82405
Sum squared resid 2378330. Schwarz criterion 14.97341
Log likelihood -145.2405 F-statistic 27118.20
Durbin-Watson stat 0.683510 Prob(F-statistic) 0.000000 作Y与X1、X3的回归，结果如下
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:10
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -351.1054 83.15053 -4.222527 0.0006
X1 0.992813 0.018707 53.07196 0.0000
X3 1.356936 0.165109 8.218410 0.0000
R-squared 0.999908 Mean dependent var 20556.75
Adjusted R-squared 0.999898 S.D. dependent var 19987.03
S.E. of regression 202.1735 Akaike info criterion 13.59361
Sum squared resid 694859.9 Schwarz criterion 13.74297
Log likelihood -132.9361 F-statistic 92839.33
Durbin-Watson stat 1.177765 Prob(F-statistic) 0.000000
作Y与X1、X4的回归，结果如下
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:10
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 11853.46 1824.522 6.496748 0.0000
X1 1.185886 0.006645 178.4608 0.0000
X4 -0.186645 0.026984 -6.917003 0.0000
R-squared 0.999881 Mean dependent var 20556.75
Adjusted R-squared 0.999867 S.D. dependent var 19987.03
S.E. of regression 230.8464 Akaike info criterion 13.85886
Sum squared resid 905931.0 Schwarz criterion 14.00822
Log likelihood -135.5886 F-statistic 71206.90
Durbin-Watson stat 1.459938 Prob(F-statistic) 0.000000
③在满足经济意义和可决系数的条件下选取X3作为进入模型的第二个解释变量,再次进行回归则:
作Y与X1、X3、X2的回归，结果如下
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:13
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -76.04458 100.1724 -0.759137 0.4588
X1 1.085924 0.029801 36.43881 0.0000
X3 1.210853 0.133444 9.073877 0.0000
X2 -0.014073 0.003944 -3.567901 0.0026
R-squared 0.999949 Mean dependent var 20556.75
Adjusted R-squared 0.999939 S.D. dependent var 19987.03
S.E. of regression 155.5183 Akaike info criterion 13.10826
Sum squared resid 386975.0 Schwarz criterion 13.30741
Log likelihood -127.0826 F-statistic 104602.9
作Y与X1、X3、X4的回归，结果如下
Dependent Variable: Y
Method: Least Squares
Date: 11/22/11 Time: 23:13
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 6781.764 1024.745 6.618003 0.0000
X1 1.068642 0.014514 73.62764 0.0000
X3 0.891069 0.107949 8.254551 0.0000
X4 -0.107639 0.015451 -6.966675 0.0000
R-squared 0.999977 Mean dependent var 20556.75
Adjusted R-squared 0.999973 S.D. dependent var 19987.03
S.E. of regression 103.7654 Akaike info criterion 12.29900
Sum squared resid 172276.1 Schwarz criterion 12.49814
Log likelihood -118.9900 F-statistic 234970.9
Durbin-Watson stat 1.451447 Prob(F-statistic) 0.000000
④可见加入其余任何一个变量都会导致系数符号与经济意义不符,故最终修正后的回归模型为:
Dependent Variable: Y
Method: Least Squares
Date: 11/30/11 Time: 12:18
Sample: 1990 2009
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -351.1054 83.15053 -4.222527 0.0006
X1 0.992813 0.018707 53.07196 0.0000
X3 1.356936 0.165109 8.218410 0.0000
R-squared 0.999908 Mean dependent var 20556.75
Adjusted R-squared 0.999898 S.D. dependent var 19987.03
S.E. of regression 202.1735 Akaike info criterion 13.59361
Sum squared resid 694859.9 Schwarz criterion 13.74297
Log likelihood -132.9361 F-statistic 92839.33
31356936.1992813.01054.351X X Y ++-=
(-4.222527) (53.07196) (8.218410)
999908.02=R 999898.02
=R 33.92839=F 177765.1.=W D
⑵异方差检验与修正
① 图示法
ee 与X1的散点图如下：
说明ee 与X1存在单调递增型异方差性。
ee与X3的散点图如下：
说明ee与X3存在单调递增型异方差性。
②G-Q检验
对20组数据剔除掉中间四组剩下的进行分组后，第一组（1990-1997）数据的回归结果：
Dependent Variable: Y
Method: Least Squares
Date: 11/30/11 Time: 12:54
Sample: 1990 1997
Included observations: 8
Variable Coefficient Std. Error t-Statistic Prob.
X1 0.984123 0.016255 60.54320 0.0000
X3 0.851518 0.156688 5.434472 0.0029
C -28.34275 45.36993 -0.624703 0.5596
R-squared 0.999686 Mean dependent var 5179.791 Adjusted R-squared 0.999560 S.D. dependent var 2099.840
S.E. of regression 44.05899 Akaike info criterion 10.68893 Sum squared resid 9705.972 Schwarz criterion 10.71872 Log likelihood -39.75573 F-statistic 7947.575 Durbin-Watson stat
1.663630 Prob(F-statistic)
0.000000
残差平方和RSS1=9705.972 第二组（2002-2009）数据的回归结果：
Dependent Variable: Y Method: Least Squares Date: 11/30/11 Time: 12:55 Sample: 2002 2009 Included observations: 8
Variable Coefficient Std. Error t-Statistic Prob.
X1 1.066404 0.027747 38.43321 0.0000 X3 0.847228 0.215114 3.938503 0.0110 C
-1184.159
261.8258
-4.522698
0.0063
R-squared
0.999932 Mean dependent var 39824.41 Adjusted R-squared 0.999905 S.D. dependent var 18639.16 S.E. of regression 182.0047 Akaike info criterion 13.52594 Sum squared resid 165628.5 Schwarz criterion 13.55573 Log likelihood -51.10375 F-statistic 36705.08 Durbin-Watson stat
1.326122 Prob(F-statistic)
0.000000
残差平方和RSS2= 165628.5
所以F= RSS2/RSS1= 165628.5/9705.972=17.0646
在给定α=5%下查得临界值 39.6)4,4(05.0=F ，)4,4(05.0F F >因此否定两组子样方差相同的假设，从而该总体随机项存在递增异方差性。 ③White 方法检验
White Heteroskedasticity Test:
F-statistic
6.142010 Probability 0.003919 Obs*R-squared
12.41812 Probability
0.014498
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares Date: 11/30/11 Time: 13:21 Sample: 1990 2009 Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 24856.50 19211.30 1.293848 0.2153 X1 -20.57327 7.549127 -2.725252 0.0156 X1^2 0.000212 8.04E-05 2.639982 0.0186 X3 237.1813 78.61323 3.017067 0.0087 X3^2
-0.024073
0.006568
-3.665230
0.0023
R-squared
0.620906 Mean dependent var 34743.00 Adjusted R-squared 0.519815 S.D. dependent var 49156.00 S.E. of regression 34062.86 Akaike info criterion 23.92212 Sum squared resid 1.74E+10 Schwarz criterion 24.17105 Log likelihood -234.2212 F-statistic 6.142010 Durbin-Watson stat
1.560937 Prob(F-statistic)
0.003919
12.418120.620906202=?=*R n
α=5%下，临界值488.9)4(05.02=χ拒绝同方差性 ④修正
Dependent Variable: Y Method: Least Squares Date: 11/30/11 Time: 14:29 Sample: 1990 2009 Included observations: 20 Weighting series: 1/E1
Variable Coefficient Std. Error t-Statistic Prob.
C -314.2074 43.68550 -7.192486 0.0000 X1 0.979758 0.008622 113.6336 0.0000 X3 1.457291
0.065922
22.10629 0.0000
Weighted Statistics
R-squared
0.999999 Mean dependent var 27246.27 Adjusted R-squared 0.999999 S.D. dependent var 74471.17 S.E. of regression 73.91795 Akaike info criterion 11.58127 Sum squared resid 92885.67 Schwarz criterion 11.73063 Log likelihood
-112.8127 F-statistic
3138195.
Durbin-Watson stat
0.956075 Prob(F-statistic) 0.000000
Unweighted Statistics
R-squared
0.999902 Mean dependent var 20556.75 Adjusted R-squared 0.999891 S.D. dependent var 19987.03 S.E. of regression 209.0283 Sum squared resid 742778.2
Durbin-Watson stat
1.365483
31457291.1979758.02074.314X X Y ++-=
(-7.192486) (113.6336) (22.10629)
999999.02=R 999999.02
=R 3138195=F 365483.1.=W D
⑶序列相关性检验
①从残差项e2与e2(-1)及e 与时间t 的关系图（如下）看，随机项呈现正序列相关性。
600
400
200
-200
-400
-600
90929496980002040608
E2
②Q统计量检验
由图可以看出，存在一阶序列相关
③回归检验
残差e2与e2（-1）做回归得：
Dependent Variable: E Method: Least Squares Date: 12/04/11 Time: 15:21 Sample (adjusted): 1991 2009
Included observations: 19 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 16.81525 45.69611 0.367980 0.7174 E(-1)
0.303570
0.231114
1.313508
0.2065
R-squared
0.092138 Mean dependent var 25.28519 Adjusted R-squared 0.038734 S.D. dependent var 201.1252 S.E. of regression 197.1916 Akaike info criterion 13.50553 Sum squared resid 661036.6 Schwarz criterion 13.60494 Log likelihood -126.3025 F-statistic 1.725303 Durbin-Watson stat
1.776498 Prob(F-statistic)
0.206464
e 与e(-1)、e(-2)做回归得：
Dependent Variable: E Method: Least Squares Date: 12/04/11 Time: 15:24 Sample (adjusted): 1992 2009
Included observations: 18 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 7.449760 46.20912 0.161218 0.8741 E(-1) 0.419564 0.244475 1.716187 0.1067 E(-2)
-0.379894
0.278641
-1.363380
0.1929
R-squared
0.192570 Mean dependent var 16.45940 Adjusted R-squared 0.084912 S.D. dependent var 203.1349 S.E. of regression 194.3193 Akaike info criterion 13.52789 Sum squared resid 566399.7 Schwarz criterion 13.67629 Log likelihood -118.7510 F-statistic 1.788727 Durbin-Watson stat
2.055382 Prob(F-statistic)
0.201043
由上表明不存在序列相关性。④D.W 检验 由异方差检验修正后的结果：
31457291.1979758.02074.314X X Y ++-=
999999.02=R 999999.02
=R 3138195=F 365483.1.=W D
得D.W=1.365483
取α=5%，由于n =20，k =3(包含常数项)，查表得：dl =1.10， du =1.54 由于dl Dependent Variable: E Method: Least Squares Date: 12/04/11 Time: 15:05 Sample (adjusted): 1992 2009 Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob. Y 0.000984 0.002548 0.386217 0.7051 C -14.14792 73.42247 -0.192692 0.8500 E(-1) 0.392009 0.261633 1.498316 0.1563 E(-2) -0.347730 0.298739 -1.163992 0.2639 R-squared 0.201082 Mean dependent var 16.45940 Adjusted R-squared 0.029885 S.D. dependent var 203.1349 S.E. of regression 200.0765 Akaike info criterion 13.62841 Sum squared resid 560428.6 Schwarz criterion 13.82627 Log likelihood -118.6557 F-statistic 1.174565 Durbin-Watson stat 2.010385 Prob(F-statistic) 0.354679 02164.4201082.020*2=?==R n LM 取α=5%，2χ分布的临界值815.7)3(05.02=χ LM <)3(05.02χ 故: 存在序列相关。 ⑥修正 为了更好的提高模型的精度，我们用广义差分法对模型进行修正。 首先用杜宾（durbin ）两步法估计ρ。 Dependent Variable: Y Method: Least Squares Date: 12/04/11 Time: 16:18 Sample (adjusted): 1992 2009 Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -36.85790 81.18933 -0.453975 0.6606 Y(-1) 0.730610 0.345304 2.115847 0.0635 Y(-2) 0.358104 0.364519 0.982402 0.3516 X1 1.097355 0.030377 36.12488 0.0000 X1(-1) -0.872470 0.400852 -2.176541 0.0575 X1(-2) -0.355699 0.409249 -0.869149 0.4073 X3 0.755747 0.218272 3.462405 0.0071 X3(-1) -0.272101 0.460341 -0.591086 0.5690 X3(-2) -0.083096 0.402994 -0.206198 0.8412 R-squared 0.999986 Mean dependent var 22502.69 Adjusted R-squared 0.999973 S.D. dependent var 20158.96 S.E. of regression 104.6672 Akaike info criterion 12.44630 Sum squared resid 98597.03 Schwarz criterion 12.89149 Log likelihood -103.0167 F-statistic 78825.65 Durbin-Watson stat 2.219316 Prob(F-statistic) 0.000000 由上表可得回归方程ρ1=0.730610，ρ2=0.358104，对原模型进行广义差分，下表为广义差分结果。 Dependent Variable: Y1 Method: Least Squares Date: 12/04/11 Time: 16:47 Sample (adjusted): 1992 2009 Included observations: 18 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C -402.0982 84.12065 -4.780018 0.0002 X11 1.041509 0.018988 54.85006 0.0000 X33 1.107351 0.185136 5.981271 0.0000 R-squared 0.999844 Mean dependent var 16547.52 Adjusted R-squared 0.999824 S.D. dependent var 14812.28 S.E. of regression 196.6902 Akaike info criterion 13.55215 Sum squared resid 580305.5 Schwarz criterion 13.70054 Log likelihood -118.9693 F-statistic 48198.10 Durbin-Watson stat 1.385664 Prob(F-statistic) 0.000000 其中Y1=Y-0.730610*Y(-1)+0.358104*Y(-2),X11=X1-0.730610*X1(-1)+0.358104*X1(-2), X33=x3-0.730610*X3(-1)+0.358104*X3(-2) D.W=1.385664 Dependent Variable: Y Method: Least Squares Date: 12/04/11 Time: 15:33 Sample (adjusted): 1991 2009 Included observations: 19 after adjustments Convergence achieved after 107 iterations Variable Coefficient Std. Error t-Statistic Prob. C -21511.24 677371.7 -0.031757 0.9751 X1 1.086097 0.022027 49.30646 0.0000 X3 0.825966 0.128930 6.406292 0.0000 AR(1) 0.995597 0.142149 7.003896 0.0000 R-squared 0.999968 Mean dependent var 21484.10 Adjusted R-squared 0.999962 S.D. dependent var 20087.80 S.E. of regression 123.6723 Akaike info criterion 12.65781 Sum squared resid 229422.7 Schwarz criterion 12.85664 Log likelihood -116.2492 F-statistic 158291.4 Durbin-Watson stat 2.273071 Prob(F-statistic) 0.000000 Inverted AR Roots 1.00 取α=5% ，du=1.54 表明:广义差分模型已不存在序列相关性。同时可决系数，t ，F 统计量也均达到理想水平。 五、 模型的最终确定 310.8259661.086097-21511.24X X Y ++= (-0.031757) (49.30646) (6.406292) 0.9999682=R 0.9999622 =R 158291.4=F 2.273071.=W D 我国旅游收入的计量分析 一、经济理论陈述 在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了2X国内旅游人数，3X入境旅游人数。这点选择除了理论支持外，在现实旅游业发展中我们也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。 另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了4X城镇居民人均旅游花费和5X农村居民人均旅游花费。 旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。 在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了6X公路长度和7X铁路长度这两个解释变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在6X的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。 二、相关数据 三、计量经济模型的建立 Ｙ＝ｃ（１）＋ｃ（２）＊Ｘ２＋ｃ（３）＊Ｘ３＋ｃ（４）＊Ｘ４＋ｃ（５）＊Ｘ５＋ｃ（６）＊Ｘ６＋Ｕ 我们建立了下述的一般模型： 计量经济学E v i e w s多重共线性实验报告 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT 实验报告课程名称计量经济学 实验项目名称多重共线性 班级与班级代码 专业 任课教师 学号： 姓名： 实验日期： 2014 年 05 月 11日 广东商学院教务处制 姓名实验报告成绩 评语： 指导教师（签名） 年月日 说明：指导教师评分后，实验报告交院（系）办公室保存。 计量经济学实验报告 一、实验目的：掌握多元线性回归模型的估计方法、掌握多重共线性模型的识别和修正。 二、实验要求：应用教材第127页案例做多元线性回归模型，并识别和修正多重共线性。 三、实验原理：普通最小二乘法、简单相关系数检验法、综合判断法、逐步回归法。 四、预备知识：最小二乘法估计的原理、t检验、F检验、2R值。 五、实验步骤 1、选择数据 理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、产业发展、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、工业增加值、建筑业增加值、交通运输邮电业增加值、人均生活电力消费、能源加工转换效率等1985——2007年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。主要数据如下： 1985~2007年统计数据 资料来源：《中国统计年鉴》，中国统计出版社2000、2008年版。 为分析Y 与X1、X2、X3、X4、X5、X6、X7之间的关系，做如下折线图： 能源消费Y 在1986到1996年间缓慢增长，在96至98年有短暂的下跌，但是98至02年开始缓慢回升，02年到06年开始快速增长。 国民总收入X1和国内生产总值X2以相同的趋势逐年缓慢增长。 工业增加值X3在1985年-1999年期间一直是缓慢增长，但在2000年出现了急剧下降的现象，2001年又急剧增长，达到下降前的水平，2001年以后开始缓慢增长。建筑业增长值x4、交通运输邮电业增加值x5、人均生活电力消费x6、能源加工转换效率x7数值较低，但都以较平缓的方式增长。 2、设定并估计多元线性回归模型 t t t t t t t u X X X X X Y ++++++=66554433221ββββββ （） 录入数据，得到图。 2.2.1）采用OLS 估计参数 在主界面命令框栏中输入 ls y c x1 x2 x3 x4 x5 x6 x7回车，即可得到参数的估计结果。 由此可见，该模型的可决系数为，修正的可决系数为，模型拟和很好，F 统计量为，回归方程整体上显着。 可是其中的lnX3、lnX4、lnX6对lnY 影响不显着,不仅如此，lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 3、多重共线性模型的识别 大连海事大学 实验报告 实验名称：计量经济学软件应用 专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1： 我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况 （1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20 Variable Coeffici ent Std. Error t-Statisti c Prob.?? C691.0225113.3920 6.0941040.0000 AVGDP0.3527700.00490871.880540.0000 R-squared0.996528????Mean dependent var7351.300 Adjusted R-squared0.996335????S.D. dependent var4828.765 S.E. of regression292.3118????Akaike info criterion14.28816 Sum squared resid1538032.????Schwarz criterion14.38773 Log likelihood -140.881 6 ????Hannan-Quinn criter.14.30760 F-statistic5166.811????Durbin-Watson stat0.403709 Prob(F-statistic)0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: 房价的计量经济分析 引言：近改革开放20多年来，从来没有哪一个行业像房地产业这样盛产亿万富翁，各种富豪排行榜上，房地产富豪连年占据半壁江山；“中国十大暴利行业”中，房地产业每年都是“第一名”。是什么造就了这样的状况。房地产的问题，在开发商，政府，购房者三者来看，就是一场完完全全的博弈。而这场博弈的焦点则是房价问题。如果说开发商与政府之间的博弈是围绕“土地”这个关键词，那么整个房地产市场则在价格上开展了新一轮的对峙。先是开发商与购房者在房价涨跌上僵持不下；再有开发商与政府之间的土地成本论；最后则是关于房地产是否归为暴利行业的争执，“价格”成了市场关注的焦点。而对于房价的构成因素，至今仍然是不透明的。公布房价成本成为另政府极为头疼的一件事。房价成本是一个非常复杂的集合体，并且项目间差异性较大，同时还有软资产、品牌等组成部分，特别是现在的商品房，追求品质、功能完善以及个性化成本构成越来越难衡量。 写作目的：通过对一系列影响房价的基本因素的分析，了解对其主要因素和次要因素。并对这些因素进行统计推断和经济意义上的检验。选择拟和效果最好的最为结论。在一定层面上分析房地产如此暴利的因素。当然笔者的能力有限，并不能全面的分析这一问题。仅仅就几个因素进行分析。 写作方法：理论分析及计量分析方法，将会用到Eviews软件进行帮助分析。 关键词：房价成本计量假设检验最小二乘法拟合优度 现在我们以2003年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。现在我们以2003年的数据，选取31个省市的数据为例进行分析。令Y=各地区建筑业总产值。（万元）X1=各地区房屋竣工面积。（万平方米）X2=各地区建筑业企业从业人员。（人）X3=各地区建筑业劳动生产率。（元/人）X4=各地区人均住宅面积。（平方米）X5=各地区人均可支配收入。（元） 数据如下： Y X1 X3 X2 X4 X5 12698521 4254.800 569767.0 129961.0 24.77140 13882.62 5208402. 1465.800 238957.0 147063.0 23.09570 10312.91 7799313. 4748.300 989317.0 70048.00 23.16710 7239.060 5401279. 1313.300 591276.0 89151.00 22.99680 7005.030 2576575. 1450.700 265953.0 61074.00 20.05310 7012.900 10170794 3957.100 966790.0 82496.00 20.23510 7240.580 3469281. 1626.800 303837.0 77486.00 20.70590 7005.170 4401878. 2181.300 441518.0 68033.00 20.49200 6678.900 11958034 3609.200 505185.0 153910.0 29.34530 14867.49 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 统计分析报告 基于eviews软件的湖北省人均GDP时间序列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号：20121002942 指导教师：李奇明 日期：2014年12月14日 基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过1.1万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均 GDP 是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计规律性和变动趋势，对于了解湖北省的经济增长规律以及地方政策的制定有特别重要的意义。因此本文试图以湖北省1978-2013年人均GDP 历史数据为样本，通过ARMA 模型对样本进行统计分析，以揭示湖北省人均GDP变化的内在规律性，建立计量经济模型，并在此基础上进行短期外推预测，作为湖北未来几年经济发展的重要参考依据。 我国限额以上餐饮企业营业额的 影响因素分析 班级： 姓名： 学号： 指导老师： 我国限额以上餐饮企业营业额的影响因素分析 摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。 关键词：餐饮企业营业额、影响因素、计量分析 一、研究背景 近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。 二、变量的选取 影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。 1.企业数 本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出 本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关 3. 全国城镇人口数 本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数 本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性 支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里） 年度 营业额 （Y）企业数（x1） 人均年消费性 支出(x2) 全国城镇人口 数（x3） 公路里程 数（x4） 1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5 计量经济学案例分析 一、问题背景 高新区自开始设立至今短短十多年的时间，以其惊人的经济发展速度为世人所关注。随着我国经济发展模式的逐步转变，高新区已经成为我国依靠科技进步和技术创新推动经济社会发展、走中国特色自主创新道路的一面旗帜。“十二五”时期，面对新的机遇和挑战，国家高新区应注重提升五种能力，努力成为加快转变经济发展方式的排头兵。为了探索高新经济发展的内在规律性，本文采用截面数据对高新区的投入产出进行分析，力求能够增进对高新区经济发展的了解，对高新区的进一步发展有所帮助。 二、模型设定 本文研究的是高新区投入对产出的影响，所以本模型的被解释变量Y 即为高新区的产出。就目前对高新区数据的统计来看，反映高新区产出的主要有“工业总产值”、“工业增加值”、“技工贸总收入”、“利润”和“上缴税额”几个总量指标。按照生产函数理论，产出利用增加值，所以模型中我们将使用“工业增加值”指标数据来估计各高新区的总产出。 从高新区的投入来看，对产出有重要影响的因素主要包括以下几个方面： 资本K ，劳动力L ，技术投入T ，此外，体制改革，管理模式创新也可以看作是投入的要素，但因其不可量化，因此归入模型的扰动项中。 这样，按照科布道格拉斯形式的生产函数，我们设定函数形式为： u T L AK Y γβα= 两边取自然对数得：u T L K A Y ln ln ln ln ln ln ++++=γβα 其中，资本数据K 我们利用的是当年的年末净资产来进行估计，即当年年末资产减去当年年末负债后得到的数据；用当年年末从业人员来估计劳动力L ；用当年技术研发投入来估计技术投入T 。数据选用的是截面数据。 从《国家高新技术产业开发区十年发展报告（1991－2000年）》得到1999年全国53个高新区各项指标统计数据： 园区 工业增加值(千 元)Y 净资产（千元）K 年末从业人员（人） L 技术开发费（千 元）T 北京 246422 天津 4138312 106970 1004739 石家庄 1428436 8427194 40404 437677 保定 1320169 5564045 35743 78798 太原 1261311 4755833 39469 254922 包头 877062 3798540 19793 56816 沈阳 3835694 21547 525425 大连 2099833 9922822 61713 328710 案例分析一关于计量经济学方法论的讨论 问题：利用计量经济学建模的步骤，根据相关的消费理论，刻画我国改革开放以来的边际消费倾向。 第一步：相关经济理论。首先了解经济理论在这一问题上的阐述，宏观经济学中，关于消费函数的理论有以下几种：①凯恩斯的绝对收入理论，认为家庭消费在收入中所占的比例取决于收入的绝对水平。②相对收入理论，是由美国经济学家杜森贝提出的，认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平，这告诉我们，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。关于消费函数的理论还有持久收入理论、生命周期理论，有兴趣的同学可以参考相应的参考书。毋庸置疑，收入和消费之间是正相关的。 第二步：数据获得。在这个例子中，被解释变量选择消费，用cs表示；解释变量为实际可支配收入，用inc表示（用GDP减去税收来近似，单位：亿元）；变量均为剔除了价格因素的实际年度数据，样本区间为1978～2002年。 第三步：理论数学模型的设定。为了讨论的方便，我们可以建立下面简单的线性模型： 第四步：理论计量经济模型的设定。根据第三步数学模型的形式，可得 式中：cs=CS/P，inc=(1-t)*GDP/P，其中GDP是当年价格的国内生产总值，CS代表当年价格的居民消费值，P代表1978年为1的价格指数，t=TAX/GDP代表宏观税率，TAX是税收总额。u t表示除收入以外其它影响消费的因素。 第五步：计量经济模型的参数估计 根据最小二乘法，可得如下的估计结果： 常数项为正说明，若inc为0，消费为414.88，也就是自发消费。总收入变量的系数 为边际消费倾向，可以解释为城镇居民总收入增加1亿元导致居民消费平均增加0.51亿元。 另外，根据相对收入理论，我们可以得到下面的估计结果： 第4章图形和统计量分析 EViews软件提供了序列(Series)和序列组(Group)等对象的各种视图、统计分析方法和过程。当序列对象中输入数据后，就可对序列对象中输入的数据进行统计分析，并且可以通过图、表等形式进行描述。本章将介绍序列和序列组对象图形的生成和描述性统计量及其检验。 4.1 图形对象 图形(Graph)对象可以形成序列和序列组等对象的各种视图，如线图(Line)、散点图(Scatter)以及饼图(Pie)等。通过图形可以进一步观察和分析数据的变化趋势和规律。下面介绍图形对象的基本操作。 4.1.1 图形(Graph)对象的生成 图形对象也是工作文件中的基本对象之一。要生成图形对象需首先打开序列对象窗口或序列组对象窗口，选择对象窗口工具栏中的“View”|“Graph”选项。选择的对象类型不同，将弹出不同的窗口。如果在序列对象窗口下选择“View”|“Graph”选项，将弹出如图4-1所示的界面。 . . 图4-1 序列窗口下图形对象的生成 此时“Graph”弹出的菜单中有6种图形可供选择。“Line”表示生成的是折线图，如图4-2所示，其横轴表示时间或序列的顺序，纵轴表示序列对象观测值的大小。“Area”表示生成面积图，其图形的形状与“Line”(折线图)相同，不同的是“Area”(面积图)曲线下方是被填满的，而“Line”(折线图)下方是空白。 图4-2 “Line”折线图 “Bar”表示为条形图，用条状的高度表示观测值的大小。“Spike”表示尖峰图，由竖线组成，每根竖线的高度代表观测值的大小。“Seasonal Stacked Line”表示生成的是季节性堆叠图，“Seasonal Split Line”表示生成的是季节性分割线。 如果在序列组(群)对象窗口下选择“View”|“Graph”选项，将弹出如图4-3所示的界面。这里有9种图形可供选择。其前4种与上面讲述的相同。 图4-3 序列组(群)窗口下图对象的生成 计量经济学课程案例分析论文 本小组案例：影响税收收入的因素 摘要：我国经济增长与税收增长之间是正相关的，经济增长是税收增长的源泉，而税收又是国家财政收入的主要来源，国家把税收收入用于经济建设，发展科学、教育、文化、卫生等事业，反过来又促进经济的进一步增长。 关键字：税收国内生产总值财政支出商品零售价格指数 一、引言：改革开放以来，随着经济体制的改革的深化和经济的快速增长，中国的财政收支状况发生很大的变化，为了研究中国税收收入增长的主要原因，分析中央和地方税收收入的增长规律，预测中国税收未来的增长趋势，需要建立计量经济学模型。 二、经济理论分析：影响中国税收收入增长的主要因素可能有： 【1】从宏观经济上看经济增长是税收增长的基本源泉 【2】社会经济的发展和社会保障等对公共财政提出要求，公共财政的需求可能对当年的税收入可能会有一定的影响。 【3】物价水平。中国的税制结构以“流转税”为主，以现行价格计算的GDP和经营者的收入水平都与物价水平有关。 【4】税收政策因素 三、建立模型：以各项税收收入Y作为解释变量 以GDP表示经济增长水平 以财政支出表示公共财政的需求 以商品零售价格指数表示物价水平 税收政策因素较难用数量表示，暂时不予考虑 模型设定为Y=β1X1+β2X3+β3X3+C 其中：Y—各项税收收入（亿元） X1—国内生产总值（亿元） X2—财政支出（亿元） X3—商品零售价格指数（%） 四、数据收集： 年份x1 x2 x3 y 1978 3645.20 1122.09 100.70 519.28 1979 4062.60 1281.79 102.00 537.82 1980 4545.60 1228.83 106.00 571.70 1981 4891.60 1138.41 102.40 629.89 1982 5323.40 1229.98 101.90 700.02 1983 5962.70 1409.53 101.50 775.59 1984 7208.10 1701.02 102.80 947.35 1985 9016.00 2004.25 108.80 2040.79 1986 10275.20 2204.91 106.00 2090.73 1987 12058.60 2262.18 107.30 2140.36 1988 15042.80 2491.21 118.50 2390.47 1989 16992.30 2823.78 117.80 2727.40 1990 18667.80 3083.59 102.10 2821.86 1991 21781.50 3386.62 102.90 2990.17 1992 26923.50 3742.20 105.40 3296.91 1993 35333.90 4642.30 113.20 4255.30 1994 48197.90 5792.62 121.70 5126.88 1995 60793.70 6823.72 114.80 6038.04 1996 71176.60 7937.55 106.10 6909.82 1997 78973.00 9233.56 100.80 8234.04 1998 84402.30 10798.18 97.40 9262.80 1999 89677.10 13187.67 97.00 10682.58 2000 99214.60 15886.50 98.50 12581.51 2001 109655.20 18902.58 99.20 15301.38 2002 120332.70 22053.15 99.70 17636.45 2003 135822.80 24649.95 99.90 20017.31 2004 159878.30 28486.89 102.80 24165.68 2005 184937.40 33930.28 100.80 28778.54 2006 216314.40 40422.73 101.00 34809.72 2007 265810.30 49781.35 103.80 45621.97 2008 314045.40 62592.66 105.90 54223.79 2009 340902.80 76299.90 98.80 59521.59 2010 401202.00 89874.16 103.10 73210.79 回归分析： 相关分析 实验四虚拟变量 【实验目的】 掌握虚拟变量的基本原理，对虚拟变量的设定和模型的估计与检验，以及相关的Eviews操作方法。 【实验内容】 试根据1998年我国城镇居民人均收入与彩电每百户拥有量的统计资料建立 我国城镇居民彩电需求函数。 【实验步骤】 1、相关图分析 根据表中数据建立人均收入X与彩电拥有量Y的相关图（SCAT X Y）。从相关图可以看出，前3个样本点（即低收入家庭）与后5个样本点（中、高收入）的拥有量存在较大差异， 因此，为了反映“收入层次”这一定性因素的影响，设置虚拟变量如下： ?? ?=低收入家庭 中、高收入家庭 1D 2、构造虚拟变量 构造虚拟变量 1D （DATA D1），并生成新变量序列： GENR XD=X*D1 3、估计虚拟变量模型 LS Y C X D1 XD 得到估计结果： 我国城镇居民彩电需求函数的估计结果为： XD D X Y 009.0873.31012.0611.571-++=∧ (16.25) (9.03) (8.32) (-6.59) 366,066.1..,9937.02===F e s R 再由t 检验值判断虚拟变量的引入方式，并写出各类家庭的需求函数。 虚拟变量的回归系数的t 检验都是显著的，且模型的拟合优度很高，说明我国城镇居民低收入家庭与中高收入家庭对彩电的消费需求，在截距和斜率上都存在着明显差异，所以以加法和乘法方式引入虚拟变量是合理的。 低收入家庭与中高收入家庭各自的需求函数为： 低收入家庭： ∧ . 57+ = 611 X Y012 .0 中高收入家庭： ∧ 611 . 873 31 . 57 (+ + + - = = 012 .0 484 ) X X . Y003 .0( .0 009 ) 89 由此可见我国城镇居民家庭现阶段彩电消费需求的特点： 对于人均年收入在3300元以下的低收入家庭，需求量随着收入水平的提高而快速上升，人均年收入每增加1000元，百户拥有量将平均增加12台；对于人均年收入在4100元以上的中高收入家庭，虽然需求量随着收入水平的提高也在增加，但增速趋缓，人均年收入每增加1000元，百户拥有量只增加3台。 事实上，现阶段我国城镇居民中国收入家庭的彩电普及率已达到百分之百，所以对彩电的消费需求处于更新换代阶段。 《我国财政收入影响因素分析》 班级： 姓名： 学号： 指导教师： 完成时间： 摘要：对我国财政收入影响因素进行了定量分析，建立了数学模型，并提出了提高我国财政收入质量的政策建议。 关键词：财政收入实证分析影响因素 一、引言 财政收入对于国民经济的运行及社会发展具有重要影响。首先，它是一个国家各项收入得以实现的物质保证。一个国家财政收入规模大小往往是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观调控的重要经济杠杆。宏观调控的首要问题是社会总需求与总供给的平衡问题，实现社会总需求与总供给的平衡，包括总量上的平衡和结构上的平衡两个层次的内容。财政收入的杠杆既可通过增收和减收来发挥总量调控作用，也可通过对不同财政资金缴纳者的财政负担大小的调整，来发挥结构调整的作用。此外，财政收入分配也是调整国民收入初次分配格局，实现社会财富公平合理分配的主要工具。在我国，财政收入的主体是税收收入。因此，在税收体制及政策不变的情况下，财政收入会随着经济繁荣而增加，随着经济衰退而下降。 我国的财政收入主要包括税收、国有经济收入、债务收入以及其他收入四种形式，因此，财政收入会受到不同因素的影响。从国民经济部门结构看，财政收入又表现为来自各经济部门的收入。财政收入的部门构成就是在财政收入中，由来自国民经济各部门的收入所占的不同比例来表现财政收入来源的结构，它体现国民经济各部门与财政 收入的关系。我国财政收入主要来自于工业、农业、商业、交通运输和服务业等部门。 因此，本文认为财政收入主要受到总税收收入、国内生产总值、其他收入和就业人口总数的影响。 二、预设模型 令财政收入Y（亿元）为被解释变量，总税收收入X1（亿元）、国内生产总值X2（亿元）、其他收入X3（亿元）、就业人口总数为X4（万人）为解释变量，据此建立回归模型。 二、数据收集 从《2010中国统计年鉴》得到1990--2009年每年的财政收入、总税收收入、国内生产总值工、其他收入和就业人口总数的统计数据如下： obs 财政收入Y 总税收收入X1 国内生产总值X2 其他收入X3 就业人口总数X4 1990 2937.1 2821.86 18667.8 299.53 64749 1991 3149.48 2990.17 21781.5 240.1 65491 1992 3483.37 3296.91 26923.5 265.15 66152 1993 4348.95 4255.3 35333.9 191.04 66808 1994 5218.1 5126.88 48197.9 280.18 67455 1995 6242.2 6038.04 60793.7 396.19 68065 1996 7407.99 6909.82 71176.6 724.66 68950 1997 8651.14 8234.04 78973 682.3 69820 1998 9875.95 9262.8 84402.3 833.3 70637 1999 11444.08 10682.58 89677.1 925.43 71394 2000 13395.23 12581.51 99214.6 944.98 72085 2001 16386.04 15301.38 109655.2 1218.1 73025 2002 18903.64 17636.45 120332.7 1328.74 73740 2003 21715.25 20017.31 135822.8 1691.93 74432 2004 26396.47 24165.68 159878.3 2148.32 75200 2005 31649.29 28778.54 184937.4 2707.83 75825 2006 38760.2 34804.35 216314.4 3683.85 76400 2007 51321.78 45621.97 265810.3 4457.96 76990 2008 61330.35 54223.79 314045.4 5552.46 77480 e v i e w s统计分析报告 IMB standardization office【IMB 5AB- IMBK 08- IMB 2C】 统计分析报告 基于eviews软件的湖北省人均GDP时间序 列模型构建与预测 姓名：刘金玉 学院：经济管理学院 学号： 指导教师：李奇明 日期：2014年12月14日 基于eviews软件的湖北省人均GDP时间序列 模型构建与预测 1、选题背景 改革开放以来,中国的经济得到飞速发展。1978年至今,中国GDP年均增长超过9%。中国的经济实力明显增强。2001年GDP超过万亿美元,排名升到世界第六位。外汇储备已达2500亿美元。市场在资源配置中已经明显地发挥基础性作用。公有、私有、外资等多种所有制经济共同发展的格局基本形成。宏观调控体系初步建立。我国社会生产力、综合国力、地区发展、产业升级、所有制结构、商品供求等指标均反映出我国经济运行质量良好,为实现第三步战略。在全国的经济飞速发展的大环境下，各省GDP的增长也是最能反映其经济发展状况的指标。而人均GDP是最能体现一个省的经济实力、发展水平和生活水准的综合性指标，它不仅考虑了经济总量的大小，而且结合了人口多少的因素，在国际上被广泛用于评价和比较一个地区经济发展水平。尤其是我们这样的人口大国，用这一指标反映经济增长和发展情况更加准确、深刻和富有现实意义。深入分析这一指标对于反映我国经济发展历程、探讨增长规律、研究波动状况，制定相应的宏观调控政策有着十分重要的意义。 本文是以湖北省人均GDP作为研究对象。湖北省人均GDP的增长速度在上世纪90年代增长率有下滑的趋势（见表1）。进入21世纪，继东部沿海地区先发展起来，并涌现出环渤海、长三角、珠三角等城市群，以及中共中央提出“西部大开发”的战略后，中部地区成了“被遗忘的区域”，中部地区经济发展严重滞后于东部沿海地区，为此，中共中央提出了“中部崛起”的重大战略决策。自2004年提出“中部崛起”的重要战略构思后，山西、河南、安徽、湖北、湖南、江西六个省都依托自己的资源和地理优势来扩大地区竞争力，湖北省尤为突出。那么，研究湖北省人均GDP的统计 计量经济学论文及作业 姓名：陈敏捷 学号：2011012475 消费状况的影响因素研究 摘要：本文选取的是现已充分掌握数据资料的2013年全国31个省市的城镇居民的人均全年可支配收入和人均全年消费支出，以及各地区的失业率。通过建模分析，找出三者之间的量化关系，进一步分析得出现实指导意义。 关键词：消费支出可支配收入失业率(%) 具体数据如下： 消费支出(元/每人全年) Y 可支配收入 (元/每人全年) X1 失业率 (%) X2 北京11123.84 13882.62 1.4 天津7867.53 10312.91 3.8 河北5439.77 7239.06 3.9 山西5105.38 7005.03 3 内蒙5419.14 7012.9 4.5 辽林6077.92 7240.58 6.5 吉林5492.1 7005.17 4.3 黑龙江5015.19 6678.9 4.2 上海11040.34 14867.49 4.9 江苏6708.58 9262.46 4.1 浙江9712.89 13179.53 4.2 安徽5064.34 6778.03 4.1 福建7356.26 9999.54 4.1 江西4914.55 6901.42 3.6 山东6069.35 8399.91 3.6 河南4941.6 6926.21 3.1 湖北5963.25 7321.98 4.3 湖南6082.62 7674.2 3.8 广东9636.27 12380.43 2.9 广西5763.5 7785.04 3.6 海南5502.43 7259.25 3.4 重庆7118.06 8093.67 4.1 四川5759.21 7041.87 4.4 大连海事大学 实验报告Array 实验名称：计量经济学软件应用专业班级：财务管理2013-1 姓名：安妮 指导教师：赵冰茹 交通运输管理学院 二○一六年十一月 一、实验目标 学会常用经济计量软件的基本功能，并将其应用在一元线性回归模型的分析中。具体包括：Eview的安装，样本数据基本统计量计算，一元线性回归模型的建立、检验及结果输出与分析，多元回归模型的建立与分析，异方差、序列相关模型的检验与处理等。 二、实验环境 WINDOWSXP或2000操作系统下，基于EVIEWS5.1平台。 三、实验模型建立与分析 案例1： 我国1995-2014年的人均国民生产总值和居民消费支出的统计资料（此资料来自中华人民共和国统计局网站）如表1所示，做回归分析。 表1我国1995-2014年人均国民生产总值与居民消费水平情况 （1）做出散点图，建立居民消费水平随人均国内生产总值变化的一元线性回归方程，并解释斜率的经济意义； 利用eviews软件输出结果报告如下： Dependent Variable: CONSUMPTION Method: Least Squares Date: 06/11/16 Time: 19:02 Sample: 1995 2014 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob. C 691.0225 113.3920 6.094104 0.0000 AVGDP 0.352770 0.004908 71.88054 0.0000 R-squared 0.996528 Mean dependent var 7351.300 Adjusted R-squared 0.996335 S.D. dependent var 4828.765 S.E. of regression 292.3118 Akaike info criterion 14.28816 Sum squared resid 1538032. Schwarz criterion 14.38773 Log likelihood -140.8816 Hannan-Quinn criter. 14.30760 F-statistic 5166.811 Durbin-Watson stat 0.403709 Prob(F-statistic) 0.000000 由上表可知财政收入随国内生产总值变化的一元线性回归方程为: （令Y=CONSUMPTION,X=AVGDP（此处代表人均GDP）） Y = 691.0225+0.352770* X 其中斜率0.352770表示国内生产总值每增加一元,人均消费水平增长0.35277元。 检验结果R2=0.996528，说明99.6528%的样本可以被模型解释，只有0.3472%的样本未被解释，因此样本回归直线对样本点的拟合优度很高。 （2）对所建立的回归方程进行检验： （5%显著性水平下，t（18）=2.101） 对于参数c假设: H 0: c=0. 对立假设:H 1 : c≠0 对于参数GDP假设: H 0: GDP=0. 对立假设:H 1 : GDP≠0 由上表知: 对于c,t=6.094104>t(n-2)=t(18)=2.101 因此拒绝H 0: c=0,接受对立假设:H 1 : c≠0 对于GDP, t=71.88054﹥t(n-2)=t(18)=2.101计量经济学论文(eviews分析)计量经济作业.(精选)
计量经济学Eviews多重共线性实验报告
计量经济学eviews实验报告
计量经济学论文(eviews分析)-房价的计量经济分析
计量经济学案例分析汇总
eviews统计分析报告报告材料
计量经济学论文(eviews分析)
用Eviews分析计量经济学问题
计量经济学Eviews操作案例集.
eviews图像及结果分析报告
计量经济学eviews软件案例分析
Eviews虚拟变量实验报告
《我国财政收入影响因素分析》 计量经济学论文(eviews分析)要点
eviews统计分析报告
计量经济学论文(eviews分析)《消费状况的影响因素研究》
计量经济学eviews实验报告.doc