计量经济学设计

1 引言 (3)

1.1河北省地区生产总值简介 (3)

1.2课题研究的意义 (3)

1.3课题内容和任务 (3)

2 地区生产总值的构成及模型的建立 (3)

2.1解释变量与被解释变量所代表的经济意义 (3)

2.1.1地区生产总值 (3)

2.1.2居民消费水平 (3)

2.1.3地区工业生产总值 (4)

2.1.4地区第三产业总值 (4)

2.1.5城乡居民储蓄 (4)

2.2 模型的经济意义 (4)

2.3 模型的建立 (4)

2.4 模型的回归分析 (5)

3 回归模型的检验极显著性检验 (7)

3.1经济意义检验及显著性检验 (7)

3.1.1拟合优度检验 (7)

3.1.2对回归系数的T检验 (7)

3.1.3对回归方程的F检验 (7)

3.2计量经济学检验 (7)

3.2.1多重共线性的检验与修正 (7)

3.2.2多重共线性的消除 (8)

3.2.3逐步回归法步骤 (11)

3.3序列关性产生的原因与检验 (14)

3.3.1图示法 (14)

3.3.2 D.W.检验法 (15)

3.3.3序列相关性的消除 (15)

3.4异方差检验与消除 (16)

3.4.1图示法 (16)

3.4.2 G-Q检验 (17)

3.5经济滞后性 (17)

4.模型的检验与预测 (18)

4.1模型的显著性检验 (18)

4.1.1模型的经济意义检验 (18)

4.1.2回归方程的拟合优度和参数显著性 (18)

4.2参数的置信区间 (18)

4.3模型的预测 (18)

结论 (19)

参考文献 (19)

1 引言

1.1课题研究的意义

河北省地区生产总值由第一产业总值、第二生产总值（工业、建筑业）、第三产业总值构成，受到地区人口、居民消费水平、居民储蓄金额、固定资产投资、资产负债率等的影响，本文取居民消费水平、工业生产总值、第三产业总值与城乡居民年度末储蓄对地区生产总值进行回归分析，得到对其影响较大的因素，从而利用已知的数据对生产总值进行预测。

1.2课题内容和任务

本文在经济理论的指导下，借助计量经济学的理论方法，并应用EViews软件对数据进行处理，用全省居民消费水平、工业生产总值、地区第三产业总值、城乡居民年末储蓄对地区生产总值进行解释。

2 地区生产总值的构成及模型的建立

2.1解释变量与被解释变量所代表的经济意义

2.1.1地区生产总值（GRP）：

地区生产总值（gross regional product，简称GRP，或者Gross regional domestic product简称GRDP）为一个特定区域（常为一个国家的行政区域）经济产出的指标，指区域内各个产业增加值的总和。用Y表示被解释变量地区生产总值

2.1.2居民消费水平(C)：

居民消费水平:是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。通过消费的物质产品和劳务的数量和质量反映出来。居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需

要方面所达到的程度。它主要通过消费的物质产品和劳务的数量和质量来反映。用1X表示解释变量C。

2.1.3地区工业生产总值（M ）：

工业生产总值：是以货币表现的工业企业在报告期内生产的工业产品总量。根据计算工业总产值的价格不同，工业总产值又分为现价工业总产值和不变价工业总产值，不变价工业总产值是指在计算不同时期工业总产值时，对同一产品采用同一时期或同一时点的工业产品出厂价格作为不变价，又称w 定价格。采用不变价计算工业总产值，主要是用以消除价格变动的影响。用2X 表示解释变量M 。 2.1.4地区第三产业总值（N ）：

第三产业生产总值: 是指按市场价值计算的第三产业生产总值。它是一个地区所有常住单位在一定时期内（通常为一年）在第三产业上生产活动的最终成果。第三产业是凭借一定的物质技术设备，为社会生产和人民生活服务的各种行业的总称。我国第三产业包括流通和服务两大部门。用3X 表示解释变量N 。 2.1.5城乡居民储蓄（I ）

居民储蓄：是个人(及家庭)自愿将其部分收入不用于消费，而是积累起来。居民储蓄的原因主要包括为不测事件建立储备金、为自己的老年积累基金、为保护自己的家属，或为了其他某一具体目的等。居民储蓄也为商业资本投资提供了部分资金来源。用4X 表示解释变量I 。

2.2模型的经济意义

C-I N M GRP ++=

即：地区生产总值=居民消费水平+地区第三产业总值+地区工业生产总值-居民储蓄

2.3模型的建立

地区生产总值（GRP ）=居民消费水平(C )+地区第三产业总值（N ）+地区工业生产总值（M ）-居民储蓄（I ）结合数据模型的函数形式为：

Y=443322110X X X X ααααα++++ (1)

表1统计数据

通过EViews 软件，得到上述模型的散点图：

图1数据散点图

2.4 模型的回归分析

在利用最小二乘估计时，模型应首先满足的假设条件：

（1）解释变量1X 、2X 、3X 、4

X 是非随机的或固定的，且各j X 之间严格线性相关性；

年份

地区生产总值（亿元）Y

全省居民消费水平（元）1X 工业生产总值（亿元）2X

第三产业总值（亿元）3X 城乡居民储蓄（亿元）4X

1996 3452.97 1925 1463.18 1087.42 2288.77 1997 3953.78 2151 1701.42 1257.64 2712.98 1998 4256.01 2207 1822.05 1381.08 3207.62 1999 4514.19 2327 1895.21 1519.63 3681.89 2000 5043.96 2533 2201.73 1704.45 3957.07 2001 5516.76 2749 2378.04 1906.31 4364.18 2002 6018.28 3081 2580.90 2149.75 4811.30 2003 6921.29 3271 3009.92 2439.68 5457.00 2004 8477.63 3758 3812.31 2842.33 6207.48 2005 10012.11 4270 4704.28 3340.54 7084.03 2006 11467.60 4924 5485.96 3895.36 8014.16 2007 13607.32 5667 6515.32 4600.72 8922.41 2008 16011.97 6498 7891.54 5276.04 11435.60 2009 17235.48 7193 7983.86 6068.31 13551.06 2010 20394.26 8057 9554.03 7123.77 15678.43 2011

24515.76

9551

11770.38

8483.17

17948.32

（2）随机误差项具有条件零均值、同方差及不序列相关性即： 04321=)，X ，X ，X X μE(i

4321ar σ=)，X ，X ，X X μ(V i

0ov 4321=)，X ，X ，X X μ(C i j ≠i

（3）解释变量与随机干扰项不相关：0ov 4321ij =)，X ，X ，X X μ(X C i ， 4,3,2,1j = （4）随机干扰项满足正态分布：)0(~24

321σ，N ，X

，X ，X X μi

利用EViews3.1对数据进行最小二乘估计，计算结果如下：

表2 最小二乘估计结果 Dependent Variable: Y

Method: Least Squares

Date: 06/13/13 Time: 09:45 Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C 565.7862 189.9976 2.977859 0.0126 X1 -0.211137 0.224292 -0.941345 0.3667 X2 1.123600 0.084689 13.26739 0.0000 X3 1.379721 0.241017 5.724583 0.0001 X4

0.059998

0.049206

1.219313

0.2482 R-squared

0.999943 Mean dependent var 10087.46 Adjusted R-squared 0.999922 S.D. dependent var 6517.198 S.E. of regression 57.42830 Akaike info

criterion

11.18926 Sum squared resid 36278.11 Schwarz criterion 11.43069 Log likelihood -84.51407 F-statistic

48292.14 Durbin-Watson stat

1.969860 Prob(F-statistic)

0.000000

模型的估计结果如下：

∧

Y = 565.7861519 - 0.2111365917*1X + 1.123599569*2X + 1.379720797*3X +

0.0599********4X

（2.977859）（-0.941345）（13.26739）（5.724583）（1.219313）

2R = 0.999943 R =0.999922 F =48292.14 S.E.=57.42830

回归结果表明：在1996--2011年间，河北省地区生产总值变化的99.9943%可以由其他四个解释变量的变化来解释，在5%的显著水平下，F 统计量的临界值为()11,4F 05.0=3.36表明模型的线性关系显著成立。自由度为n-k -1=11的t 统计量的临界值为

()=11t 0.025 2.201

3 回归模型的检验极显著性检验

3.1经济意义检验及显著性检验

从估计量的符号和大小分析，符合经济意义，即我省地区生产总值GRP 按照合理的正比例随地区工业生产总值、第三产业生产总值、居民储蓄同步增长。

3.1.1拟合优度检验

EViews 回归结果可以看出，模型的拟合优度2R = 0.999943，可调整可决系数 R =0.999922，

拟合程度很高。

3.1.2对回归系数的T 检验

对1X 进行检验，提出原假设：0i 0=α：H 0i 1≠α：H 在显著水平=α0.05的条件下，

()=11t 0.025 2.201（查表得）显然，-0.941345<2.201 故接受原假设，即1X 是不显著的；

同理，

对2X 进行检验，13.26739>2.201 故2X 是显著的；对3X 进行检验，5.724583>2.201 故3X 是显著的；对4

X 进行检验，1.219313<2.201 故4

X 是不显著的。

3.1.3对回归方程的F 检验

在显著水平=α0.05的条件下，F 统计量的临界值为()114050,F .=3.36（查表得），根据

EViews 所得F =48292.14>()114050,F .,表明模型的线性关系在95%的置信水平下是显著的。

3.2计量经济学检验

计量经济学检验就是对回归方程的多重共线性进行检验，是线性方程的已达到的经济意义更合理，消除多重共线性带来的不良后果。 3.2.1多重共线性的检验与修正

计量经济学中多重共线性的检验有多种：1）相关系数检验法；2）辅助回归模型检验；3）方差膨胀因子检验；4）特征值检验；5）根据回归结果判断。

产生多重共线性的原因有:1)经济变量之间往往存在同方向的变化趋势；2）经济变量之间往往存在者密切的关联度；3）在模型中采用滞后变量也容易产生多重共线性；4）在建模过程中由于解释变量选择不当引起了变量之间的多重共线性。

多重共线性产生的影响：1）增大最小二乘估计的方差；2)可能导致在假设检验中舍去重要的解释变量，检验的可靠性降低；3）回归缺乏稳定性。

下面用先关系数法检验方程，经过计算得到各解释变量之间的相关系数如下：

表3 相关系数

由上图知，相关系数在0.99以上，这说明解释变量之间高度线性相关，即1X 和2X ，

1X 和3X ,1X 和4X ，2X 和3X ，2X 和4X ，3X 和4X 之间存在比较严重的多重共线性，亦即居

民消费水平和地区工业生产总值、地区居民消费水平和地区第三产业总值、地区居民消费水平和地区居民储蓄水平、地区工业生产总值和地区第三产业总值、地区工业生产总值和地区居民储蓄水平、地区第三产业总值和地区居民储蓄水平之间存在比较严重的多重共线性。

3.2.2多重共线性的消除

多重共线性的消除方法有：1）保留重要的解释变量，去掉次要的或可替代的解释变量；2）利用先验信息改变参数的约束形式；3）变化模型的形式；4）综合使用时序数据和截面数据；5）增加样本容量；6）逐步回归法；7）主成分回归法。采用逐步回归法消除多重共线性：

（1）首先对t y 与1x 进行回归分析，得到结果，如表4：

表4 回归分析结果

Dependent Variable: Y Method: Least Squares

Date: 06/13/13 Time: 18:31 Sample: 1996 2011

Included observations: 16 Variable

Coefficient

Std. Error

t-Statistic

Prob.

C -1986.515 130.4466 -15.22857 0.0000 X1

2.753394 0.026368

104.4231

0.0000 R-squared

0.998718 Mean dependent var 10087.46 Adjusted R-squared 0.998626 S.D. dependent var 6517.198 S.E. of regression 241.5636 Akaike info criterion 13.92861 Sum squared resid 816941.4 Schwarz criterion 14.02518 Log likelihood -109.4289 F-statistic

10904.18 Durbin-Watson stat

2.032864

Prob(F-statistic)

0.000000

得到一元回归方程：

?=-1986.515+2.7533941x (-15.22857) (104.4231)

2R =0.998718 2R =0.998626 F =10904.18 ..W D =2.032864

（2）对t y 和2x 进行回归分析，得到结果，如表5：

表5回归分析结果

Dependent Variable: Y

Method: Least Squares

Date: 06/13/13 Time: 18:41 Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C 583.8599 119.9219 4.868666 0.0002 X2

2.033668

0.021384

95.10431

0.0000 R-squared

0.998455 Mean dependent var 10087.46 Adjusted R-squared 0.998344 S.D. dependent var 6517.198 S.E. of regression 265.1982 Akaike info

criterion

14.11530 Sum squared resid 984620.9 Schwarz criterion 14.21187 Log likelihood -110.9224 F-statistic

9044.830 Durbin-Watson stat

1.552142 Prob(F-statistic)

0.000000

得到一元回归方程：

?=583.8599+2.0336682x (4.868666) (95.10431)

2R =0.998455 2R =0.998344 F =9044.830 ..W D =1.552142

(3)对t y 和3x 进行回归分析，得到结果：

表6 回归分析结果

Dependent Variable: Y Method: Least Squares

Date: 06/13/13 Time: 18:48 Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C 223.3193 126.8918 1.759919 0.1002 X3

2.865598

0.031060

92.26015

0.0000 R-squared

0.998358 Mean dependent var 10087.46 Adjusted R-squared 0.998241 S.D. dependent var 6517.198 S.E. of regression 273.3604 Akaike info

criterion

14.17593 Sum squared resid 1046162. Schwarz criterion 14.27250 Log likelihood -111.4074 F-statistic

8511.935 Durbin-Watson stat

1.594161 Prob(F-statistic)

0.000000

得到一元回归方程：

?=223.3193+2.8655983x (1.759919) (92.26015)

2R =0.998358 2R =0.998241 F =8511.935 ..W D =1.594161

(4)对t y 和4x 进行回归分析，得到结果:

表7回归分析结果

Dependent Variable: Y

Method: Least Squares

Date: 06/13/13 Time: 18:50 Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C 62.75334 315.0795 0.199167 0.8450 X4

1.344219

0.035805

37.54252

0.0000 R-squared

0.990165 Mean dependent var 10087.46 Adjusted R-squared 0.989462 S.D. dependent var 6517.198 S.E. of regression 669.0165 Akaike info

criterion

15.96596 Sum squared resid 6266163. Schwarz criterion 16.06254 Log likelihood -125.7277 F-statistic

1409.441 Durbin-Watson stat

1.028260 Prob(F-statistic)

0.000000

得到一元回归方程：

?=62.75334+1.3442194x (0.199167) (37.54252)

2R =0.990165 2R =0.989462 F =1409.441 ..W D =1.028260

3.2.3逐步回归法步骤

1x 的拟合优度最高，以1x 为初始模型，引入2x 。得：

表8 回归分析结果

Dependent Variable: Y

Method: Least Squares

Date: 06/13/13 Time: 19:14 Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C -797.7432 244.5031 -3.262711 0.0062 X1 1.469977 0.250725 5.862900 0.0001 X2

0.949935

0.185211

5.128932

0.0002 R-squared

0.999576 Mean dependent var 10087.46 Adjusted R-squared 0.999511 S.D. dependent var 6517.198 S.E. of regression 144.1672 Akaike info

criterion

12.94718 Sum squared resid 270194.2 Schwarz criterion 13.09205 Log likelihood -100.5775 F-statistic

15320.26 Durbin-Watson stat

1.455586 Prob(F-statistic)

0.000000

得到方程如下：

?=-797.7432+1.4699771x +0.9499352x (-3.262711) (5.862900) (5.128932)

2R =0.999576 2R =0.999511 F =15320.26 ..W D =1.455586

以1x 为初始模型，引入3x 。得：

表9 回归分析结果

Dependent Variable: Y

Method: Least Squares

Date: 06/13/13 Time: 19:29

Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C -1200.606 590.0275 -2.034831 0.0628 X1 1.770616 0.721094 2.455458 0.0289 X3

1.023657

0.750615

1.363758

0.1958 R-squared

0.998878 Mean dependent var 10087.46 Adjusted R-squared 0.998706 S.D. dependent var 6517.198 S.E. of regression 234.4706 Akaike info

criterion

13.91990 Sum squared resid 714694.1 Schwarz criterion 14.06476 Log likelihood -108.3592 F-statistic

5787.870 Durbin-Watson stat

2.004783 Prob(F-statistic)

0.000000

得到方程如下：

?=-1200.606+1.7706161x +1.0236573x (-2.034831) (2.455458) (1.363758)

2R =0.998878 2R =0.998706 F =5787.870 ..W D =2.004783

以1x 为初始模型，引入4x 。得:

表10 回归分析结果

Dependent Variable: Y

Method: Least Squares

Date: 06/13/13 Time: 19:30 Sample: 1996 2011

Included observations: 16 Variable

Coefficient Std. Error t-Statistic Prob. C -2018.637 252.5348 -7.993499 0.0000 X1 2.798425 0.300217 9.321349 0.0000 X4

-0.022171

0.147199

-0.150620

0.8826 R-squared

0.998720 Mean dependent var 10087.46 Adjusted R-squared 0.998523 S.D. dependent var 6517.198 S.E. of regression 250.4639 Akaike info

criterion

14.05187 Sum squared resid 815518.2 Schwarz criterion 14.19673 Log likelihood -109.4149 F-statistic

5071.501 Durbin-Watson stat

2.046269 Prob(F-statistic)

0.000000

得到方程如下：

?=-2018.637+2.7984251x -0.0221714x

(-7.993499) (9.321349) (-0.150620)

2R =0.998720 2R =0.998523 F =5071.501 ..W D =2.046269

相比之下，解释变量1x 、 2x 所得到的回归方程的拟合优度最高，且各项数据都是最佳的，所以保留这两个变量，再次做回归，得到结果：

表11回归分析结果

Dependent Variable: Y Method: Least Squares

Date: 06/13/13 Time: 19:48 Sample: 1996 2011

Included observations: 16

Variable

Coefficient Std. Error t-Statistic Prob. C -148.1663 273.7490 -0.541249 0.5982 X1 0.658163 0.315257 2.087702 0.0588 X4 0.236704 0.073186 3.234277 0.0072 X2

1.194967

0.159982

7.469399

0.0000 R-squared

0.999773 Mean dependent var 10087.46 Adjusted R-squared 0.999717 S.D. dependent var 6517.198 S.E. of regression 109.6801 Akaike info

criterion

12.44533 Sum squared resid 144356.7 Schwarz criterion 12.63848 Log likelihood -95.56265 F-statistic

17649.72 Durbin-Watson stat

2.155717 Prob(F-statistic)

0.000000

得到方程如下：

?=-148.1663+0.6581631x +0.2367044x +1.1949672x (-0.541249) (2.087702) (3.234277) (7.469399)

2R =0.999773 2R =0.999717 F =17649.72 ..W D =2.255717

表12 回归分析结果

Dependent Variable: Y Method: Least Squares

Date: 06/13/13 Time: 19:49 Sample: 1996 2011

Included observations: 16

Variable

Coefficient Std. Error t-Statistic Prob. C

561.3260

193.7766

2.896769

0.0134

X1 -0.202494 0.228682 -0.885483 0.3933 X3 1.564074 0.191464 8.169027 0.0000 X2

1.076396

0.076835

14.00920

0.0000 R-squared 0.999935 Mean dependent var 10087.46 Adjusted R-squared

0.999919 S.D. dependent var 6517.198 S.E. of regression 58.58138 Akaike info

criterion

11.19103 Sum squared resid 41181.34 Schwarz criterion 11.38418 Log likelihood -85.52823 F-statistic

61879.18 Durbin-Watson stat

1.742219 Prob(F-statistic)

0.000000

得到方程如下：

?=561.3260-0.2024941x +1.5640743x +1.0763962x (2.896769) (-0.885483) (8.169027) (14.00920)

2R =0.9999352R =0.999919 F =61879.18 ..W D =1.742219

通过以上数据可知，在以1x 2x 为基础变量的基础上，加上4x 或3x 后，线性方程的拟合优度有所增大，但是未通过参数显著性检验，所以去掉3x 和4x 。得到新的回归方程：

?=-797.7432+1.4699771x +0.9499352x (-3.262711) (5.862900) (5.128932)

2R =0.999576 2R =0.999511 F =15320.26 ..W D =1.455586

3.3序列相关性产生的原因与检验

序列相关性产生的原因：1）经济变量固有的惯性2）模型设定的偏误3）数据的“编造”。

序列相关性的后果：1）参数估计量非有效2）变量的显著性检验失去意义3）模型的预测失效。

检验方法：1）图示法2）回归检验法3）D.W.检验法4）拉格朗日乘数检验。 3.3.1图示法

利用EViews3.1得到残差散点图i e -1 i e ，如图2：

图2 残差散点图

经观察，不能确定是否存在序列相关性。 3.3.2 D.W.检验法

经查表得L d =0.95，U d =1.54，L d

序列相关性的消除的方法有：1）广义差分法；2）广义最小二乘法。

下面用广义差分法检验随机误差项的自相关性，D.W.的值为1.455586能得到一阶自相

关系数估计值ρ

?=1-2

.W D =0.272207，然后定义： dy =y-0.272207*1-t y i dx =i x -0.272207*1-i x

把得到的新变量利用EViews 计算，得到数据如下：

表13 回归分析结果

Dependent Variable: Y-0.272207*Y(-1) Method: Least Squares

Date: 06/16/13 Time: 09:15 Sample(adjusted): 1997 2011

Included observations: 15 after adjusting endpoints Variable

Coefficient Std. Error t-Statistic Prob. X1-0.272207*X1(-1) 1.411525 0.248228 5.686407 0.0001 X2-0.272207*X2(-1)

0.994918

0.181802

5.472528

0.0001

-547.7776 191.0272

-2.867537

0.0142 R-squared

0.999291 Mean dependent var 8045.715 Adjusted R-squared 0.999173 S.D. dependent var 5015.822 S.E. of regression 144.2079 Akaike info criterion 12.95725 Sum squared resid 249551.1 Schwarz criterion 13.09886 Log likelihood -94.17934 F-statistic

8462.452 Durbin-Watson stat

1.797968

Prob(F-statistic)

0.000000

D.W .为1.797968，不存在序列相关性，所以新的方程为：

?=-547.7776+1.4115251x +0.9949182x (-2.867537)(5.686407) (5.472528)

2R =0.999291 2R =0.999173 F =8462.452 S.E.=144.2079

3.4异方差检验与消除

异方差性的后果：1）参数估计非有效2）变量的显著性检验失去意义3）模型的预测失效。

异方差性的检验方法：1）图示检验法2）帕克检验与戈里瑟检验3）G-Q 检验 4）怀特检验。 3.4.1 图示法

利用EViews 得到散点图2i e -1X ，如下图：

图3散点图2

i e -1X

经观察，不能确定是否存在异方差性。 3.4.2 G-Q 检验

将样本按1X 的大小排序，去掉中间4个，分成两个样本容量相同的两个子样本。对每个子样本分别进行普通最小二乘回归，并计算各自的残差平方和，构造F 统计量：

F =

~3~2122∑∑i i

e e

~F (3,3) 查表可得05.0F （3,3）=9.28 F =0.09754不存在异方差性。

3.5经济滞后性

产生滞后效应的原因：1）心理预期因素；2）技术因素；3）制度因素。滞后变量模型：

1）分布滞后模型——外生滞后变量模型 2）自回归模型——内生滞后变量模型分布滞后模型的修正估计方法：

1）经验加权法 2）阿尔蒙多项式法 3）科伊克法利用EViews 进行滞后性最小二乘估计，得：

表14 滞后性最小二乘估计

Dependent Variable: Y

Method: Least Squares

Date: 06/16/13 Time: 10:29 Sample(adjusted): 1997 2011

Included observations: 15 after adjusting endpoints Variable

Coefficient Std. Error t-Statistic Prob. X1 1.221281 0.452894 2.696614 0.0224 X1(-1) 0.804295 0.362664 2.217744 0.0509 X2 1.007838 0.181183 5.562552 0.0002 X2(-1) -0.448887 0.155884 -2.879627 0.0164 C -1316.069

290.4302

-4.531448

0.0011 R-squared

0.999763 Mean dependent var 10529.76 Adjusted R-squared

0.999668 S.D. dependent var

6492.618

S.E. of regression 118.2348 Akaike info

criterion

12.64442 Sum squared resid 139794.8 Schwarz criterion 12.88044 Log likelihood -89.83318 F-statistic

10551.49 Durbin-Watson stat

1.375491 Prob(F-statistic)

0.000000

图14 回归结果

1X （-1）和2X （-1）的t 统计量绝对值小于025.0t (10)=2.228，所以不显著，不存在滞后现象。

4 模型的检验与预测

4.1模型的显著性检验 4.1.1模型的经济意义检验

?b =1.411525说明当其他条件不变时，居民每消费1元，地区生产总值就会增加1.411525亿元；

?b =0.994918说明地区工业生产总值每增加1亿元，地区生产总值就会增加0.994918亿元。

4.1.2回归方程的拟合优度和参数显著性

2R =0.999291拟合优度很高，方程的各个解释变量都是显著的。

回归方程整体显著性：

F=8462.452 >05.0F (2,12)=3.88，通过了检验，说明居民消费水平与地区工业生产总值的影响是显著的。

4.2参数的置信区间

在α=0.05的显著水平下，i b 的置信区间为：

(i b ?-2

αt *i b S ,i b ?+2

t *i b S ) 所以1b 的置信区间为(0.200555，0.972813)，2

?b 的置信区间为(3.460798,27.9267） 4.3模型的预测

在给定1-α的置信水平下0Y 的置信区间为：

(0?Y -2α

t *'01'0)(1?X X X X -+σ,0?Y +2

t *'01'0)(1?X X X X -+σ)

2011年地区生产总值为11770.38，居民消费水平为9551元，所以0

X =（1，9551，11770.38），

?Y =24644.2606038，置信区间为：(206843.10253,348303.90433)。结论

运用计量经济学的知识，通过分析地区生产总值、地区居民消费水平、地区工业

生产总值、地区第三产业总值与地区居民储蓄水平之间可能存在的内在关系与影响，运用最小二乘估计得到了多元线性回归方程：

∧

Y = 565.7861519 - 0.2111365917*1X + 1.123599569*2X + 1.379720797*3X +

0.0599********4X

之后对方程进行计量经济学中的检验及对多重共线性、序列相关性、异方差和滞后性等进行讨论，并对方程进行改进，最终得到方程：

?=-547.7776+1.4115251x +0.9949182x 由此方程可知：居民消费水平和城地区工业生产总值对地区生产总值有比较显著的影响。

参考文献

1. 葛正鹏,郑备军著.西方经济成长基于经验研究[M].科学出版社,2006.11

2. 李子奈，潘文卿.计量经济学高等教育出版社.2012.12

3. 河北省统计局网址：https://www.360docs.net/doc/f04720729.html,/article.htm1?id=5114

计量经济学习题及答案

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。 14．计量经济模型的计量经济检验通常包括随机误差项的__________检验、__________检验、解释变量的__________检验。 15．计量经济学模型的应用可以概括为四个方面，即__________、__________、__________、__________。 16．结构分析所采用的主要方法是__________、__________和__________。二、单选题： 1．计量经济学是一门（）学科。 A.数学 B.经济 C.统计 D.测量

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

计量经济学-李子奈-计算题整理集合

计算分析题（共3小题，每题15分，共计45分） 1、下表给出了一含有3个实解释变量的模型的回归结果：方差来源平方和（SS ）自由度（d.f.）来自回归65965 — 来自残差— — 总离差(TSS) 66056 43 （1）求样本容量n 、RSS 、ESS 的自由度、RSS 的自由度（2）求可决系数)37.0(-和调整的可决系数2 R （3）在5%的显著性水平下检验1X 、2X 和3X 总体上对Y 的影响的显著性（已知0.05(3,40) 2.84F =）（4）根据以上信息能否确定1X 、2X 和3X 各自对Y 的贡献？为什么？ 1、（1）样本容量n=43+1=44 （1分） RSS=TSS-ESS=66056-65965=91 （1分） ESS 的自由度为: 3 （1分） RSS 的自由度为: d.f.=44-3-1=40 （1分）（2）R 2=ESS/TSS=65965/66056=0.9986 （1分） 2R =1-(1- R 2)(n-1)/(n-k-1)=1-0.0014?43/40=0.9985 （2分）（3）H 0：1230βββ=== （1分） F=/65965/39665.2/(1)91/40 ESS k RSS n k ==-- （2分） F >0.05(3,40) 2.84F = 拒绝原假设（2分）所以，1X 、2X 和3X 总体上对Y 的影响显著（1分）（4）不能。（1分）因为仅通过上述信息，可初步判断X 1，X 2，X 3联合起来对Y 有线性影响，三者的变化解释了Y 变化的约99.9%。但由于无法知道回归X 1，X 2，X 3前参数的具体估计值，因此还无法判断它们各自对Y 的影响有多大。 2、以某地区22年的年度数据估计了如下工业就业模型 i i i i i X X X Y μββββ++++=3322110ln ln ln 回归方程如下： i i i i X X X Y 321ln 62.0ln 25.0ln 51.089.3?+-+-= （-0.56）(2.3) (-1.7) (5.8) 2 0.996R = 147.3=DW 式中，Y 为总就业量；X 1为总收入；X 2为平均月工资率；X 3为地方政府的

计量经济学讲解习题二Word版

计量经济学练习题（二）一、单选题 1、根据样本资料建立某消费函数如下：，其中C为消费，x为收入，虚拟变量，所有参数均检验显著，则城镇家庭的消费函数为。 A、 B、 C、 D、 2、如果某个结构方程是恰好识别的，估计其参数可用。 A、最小二乘法 B、极大似然法 C、广义差分法 D、间接最小二乘法 3、某商品需求函数为，其中y为需求量，x为价格。为了考虑“地区”（农村、城市）和“季节”（春、夏、秋、冬）两个因素的影响，拟引入虚拟变量，则应引入虚拟变量的个数为。 A、2 B、 4 C、5 D、6 4、消费函数模型，其中y为消费，x为收入，，，，该模型中包含了几个质的影响因素。 A、1 B、2 C、 3 D、4

5、同一统计指标按时间顺序记录的数据列称为 A、横截面数据 B、时间序列数据 C、修匀数据 D、平行数据 6、判断模型参数估计量的符号、大小、相互之间关系的合理性属于（）准则。 A、经济计量准则 B、经济理论准则 C、统计准则 D、统计准则和经济理论准则 7、对于模型，为了考虑“地区”因素（北方、南方），引入2 个虚拟变量形成截距变动模型，则会产生。 A、序列的完全相关 B、序列的不完全相关 C、完全多重共线性 D、不完全多重共线性 8、简化式模型是用所有（）作为每个内生变量的解释变量。 A、外生变量 B、先决变量 C、虚拟变量 D、滞后内生变量 9、联立方程模型中，如果某一个方程具有一组参数估计量，则该方程为. A、不可识别 B、恰好识别 C、过度识别 D、模型可识别 10、如果联立方程模型中某个结构方程包含了所有的变量，则这个方程。 A、恰好识别 B、不可识别 C、过度识别 D、不确定 11、对于联立方程模型，若在第1个方程中被解释变量为，解释变量全部为先决变量；在第2个方程中被解释变量为，解释变量中除了作为第

计量经济学题库(超完整版)及答案【强力修正版】

计量经济学题库一、单项选择题（每小题1分） 1．计量经济学是下列哪门学科的分支学科（）。 A．统计学 B．数学 C．经济学 D．数理统计学 2．计量经济学成为一门独立学科的标志是（）。 A．1930年世界计量经济学会成立B．1933年《计量经济学》会刊出版 C．1969年诺贝尔经济学奖设立 D．1926年计量经济学（Economics）一词构造出来 3．外生变量和滞后变量统称为（）。 A．控制变量 B．解释变量 C．被解释变量 D．前定变量 4．横截面数据是指（）。 A．同一时点上不同统计单位相同统计指标组成的数据B．同一时点上相同统计单位相同统计指标组成的数据 C．同一时点上相同统计单位不同统计指标组成的数据D．同一时点上不同统计单位不同统计指标组成的数据 5．同一统计指标，同一统计单位按时间顺序记录形成的数据列是（）。 A．时期数据 B．混合数据 C．时间序列数据 D．横截面数据 6．在计量经济模型中，由模型系统内部因素决定，表现为具有一定的概率分布的随机变量，其数值受模型中其他变量影响的变量是（）。 A．内生变量 B．外生变量 C．滞后变量 D．前定变量 7．描述微观主体经济活动中的变量关系的计量经济模型是（）。 A．微观计量经济模型 B．宏观计量经济模型 C．理论计量经济模型 D．应用计量经济模型 8．经济计量模型的被解释变量一定是（）。 A．控制变量 B．政策变量 C．内生变量 D．外生变量 9．下面属于横截面数据的是（）。 A．1991－2003年各年某地区20个乡镇企业的平均工业产值 B．1991－2003年各年某地区20个乡镇企业各镇的工业产值 C．某年某地区20个乡镇工业产值的合计数 D．某年某地区20个乡镇各镇的工业产值 10．经济计量分析工作的基本步骤是（）。 A．设定理论模型→收集样本资料→估计模型参数→检验模型B．设定模型→估计参数→检验模型→应用模型 C．个体设计→总体估计→估计模型→应用模型D．确定模型导向→确定变量及方程式→估计模型→应用模型 11．将内生变量的前期值作解释变量，这样的变量称为（）。 A．虚拟变量 B．控制变量 C．政策变量 D．滞后变量 12．（）是具有一定概率分布的随机变量，它的数值由模型本身决定。 A．外生变量 B．内生变量 C．前定变量 D．滞后变量 13．同一统计指标按时间顺序记录的数据列称为（）。 A．横截面数据 B．时间序列数据 C．修匀数据 D．原始数据 14．计量经济模型的基本应用领域有（）。 A．结构分析、经济预测、政策评价 B．弹性分析、乘数分析、政策模拟 C．消费需求分析、生产技术分析、 D．季度分析、年度分析、中长期分析 15．变量之间的关系可以分为两大类，它们是（）。 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 16．相关关系是指（）。 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17．进行相关分析时的两个变量（）。

计量经济学课程论文模板

计量经济学课程设计的要求统计年签网址：https://www.360docs.net/doc/f04720729.html,/tjsj/ndsj/2013/indexch.htm 1、需要的数据可以直接从统计年签获取，统计年签网址上面已给出。 2、这里附带的EXCEL文件中提供了十个表数据，如果实在不想找也可以用这些数据。 3、题目自拟。 4、若用一元回归模型做分析，则必须要附图象分析、相关性分析，得分不会太高。 6、若用多元回归模型做分析，则至少需要有多重共线性分析，建议最好也要加入图象分析。

安徽建筑大学计量经济学课程论文题目：影响居民消费水平因素分析院（系）：管理学院专业班级： 12经济学学号：学生姓名：指导教师：高先务起止时间：

目录第1章前言 (1) 第2章影响我国居民消费水平因素的建模分析 (2) 2.1数据采集 (2) 2.2数据分析 (3) 2.3结论 (7) 第3章对策建议 (8) 3.1根据模型结果分析 (8) 3.2政策建议 (8) 参考文献 (11)

第1章前言一、探究目的近几年，随着我国经济的飞速发展，我国居民消费水平也有明显提高，同样，消费水平也左右着经济的发展。因此，扩大居民消费是“以人为本”的具体体现，对中国经济长期持续健康发展、对推进社会主义和谐社会建设，以及实现宏观调控目标等既具有长远的战略意义，又具有重要的现实意义。然而究竟有哪些因素制约着居民消费水平？凯恩斯认为，影响个人消费的主观因素比较稳定，消费者的消费主要取决于收入的多少。然而，大量的研究表明收入的变动并非影响消费的全部因素。还有许多其他因素或多或少地影响着消费水平。如国内生产总值、消费者物价指数、消费者家庭财产状况、年龄构成、宗教信仰等等。有些因素对于收入的影响是随机性的，如消费环境、消费者心情状况；有些因素是系统性的，如消费者个人偏好等等。因此，探究影响居民消费水平的客观因素十分重要。本文主要研究城镇居民人均可支配收入、农村居民人均纯收入、国家税收收入对于我国居民消费水平的影响。二、理论依据（一）城镇居民人均可支配收入与农村居民人均纯收入 1.城镇居民人均可支配收入是指反映居民家庭全部现金收入能用于安排家庭日常生活的那部分收入。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。可支配收入=家庭总收入- 交纳的所得税- 个人交纳的社会保障支出- 记帐补贴 2.农村居民人均纯收入，又称农民人均纯收入，是指农村居民家庭全年总收入中，扣除从事生产和非生产经营费用支出、缴纳税款和上交承包集体任务金额以后剩余的，可直接用于进行生产性、非生产性建设投资、生活消费和积蓄的那一部分收入。也包括工资性收入、经营性收入、财产性收入、转移性收入。此两项收入被认为是影响一个国家消费水平的核心因素，因此对于消费水平模型的探究具有重要意义。（二）国家税收收入税收收入是指国家依据其政治权力向纳税人强制征收的收入，它是最古老、也是最主要的一种财政收入形式。除组织收入的职能外，税收对经济社会运行和资源配置都具有重要的调节作用。有学者认为收入分配失衡是导致我国居民消费收入不足的原因之一而税收收入可以调节收入分配的失衡，实行二次分配，因此对于居民消费水平的研究具有重要意义。

计量经济学

名词解释 1、因果效应：在理想化随机对照实验中得到的，某一给定的行为或处理对结果的影响 2、实验数据：来源于为评价某种处理（某项政策）抑或某种因果效应而设计的实验 3、观测数据：通过观察实验之外的实际行为而获得的数据 4、截面数据：对不同个体如工人、消费者、公司或政府机关等在某一特定时间段内收集到的数据 5、时间序列数据：对同一个体（个人、公司、国家等）在多个时期内收集到的数据 6、面板数据：即纵向数据，是多个个体分别在两个或多个时期内观测到的数据 7、离散型随机变量：一些随机变量是离散的连续型随机变量：一些随机变量是连续的 8、期望值：随机变量经过多次重复实验出现的长期平均值，记作E （Y ） 9、期望：Y 的长期平均值，记作μY 10、方差：是Y 距离其均值的偏差平方的期望值，记作var （Y ） 11、标准差：方差的平方根来表示偏差程度，记作σY 12、独立性：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息 13、标准正态分布：指那些均值102==σμ、方差的正态分布，记作N （0，1） 14、简单随机抽样：n 个对象从总体中抽取，且总体中的每一个个体都有相等的可能性被选入样本 15、独立分布：两个随机变量X 和Y 中的一个变量无法提供另一个变量的相关信息，那么这两个变量X 和Y 独立分布 16、偏差：设Y Y E Y Y μμμμ-??）（为的一个估计量，则偏差是；一致性：当样本容量增大时，Y μ ?落入真实值Y μ的微小领域区间内的概率接近于1，即Y Y μμ与?是一致的有效性：如果Y μ ?的方差比Y μ~更小，那么可以说Y Y μμ~?比更有效 17、最小二乘估计量：21)(m i n i -Y ∑ =最小化误差m -i Y 平方和的估计量m 18、P 值：即显著性概率，指原假设为真的情况下，抽取到的统计量与原假设之间的差异程度至少等于样本计算值与原假设之间差异程度的概率 19、第一类错误：拒绝了实际上为真的原假设 20、一元线性回归模型：i i 10i μββ+X +=Y ；1β代表1X 变化一个单位所导致Y 的变化量 21、普通最小二乘（OLS ）估：选择使得估计的回归线与观测数据尽可能接近的回归系数，其中近似程度用给定X 时预测Y 的误差的平方和来度量 22、回归2R ：可以由i X 解释（或预测）的i Y 样本方差的比例，即TSS SSR TSS ESS R -==12 23、最小二乘假设：①给定i X 时误差项i μ的条件均值为零：0)(i i =X μE ； ②从联合总体中抽取的，，，，），，（n ...21i i i =Y X 满足独立同分布； ③大异常值不存在：即i i Y X 和具有非零有限的四阶距 24、1β置信区间：以95%的概率包含1β真值的区间，即在所有可能随机抽取的样本中有95%包含了1β的真值 25、同方差：若对于任意i=1，2，...，n ，给定）（条件分布的方差时χμμ=X X i i i i var 为常数且不依赖于χ，则称误差项i μ是同方差

计量经济学答案

一、名词解释 1.时间序列数据的平稳性:如果随机时间序列均值和方差均是与时间t无关的常数，协方差只与时间间隔k有关，则称该随机时间序列是平稳的。 2.虚拟变量：是指人们构造的反应定性因素变化、只取0和1的人工变量，并且习惯上用符号D来表示。 3.异方差性：对于不同的样本点，随机误差项的方差不等于常数，则称模型出现了异方差性。 4.自相关性：如果随机误差项的各期值之间存在着相关关系，即协方差不等于0，则称模型存在着自相关性。 5随机变量的协整关系：如果同阶单整序列线性组合后单整阶数降低，则称变量之间存在着协整关系。 6.给定一个信息集，At，它至少包含（Xt，Yt），在“现在和过去可以影响未来，而未来不能影响过去”城里下，如果利用Xt的过去比不利用它时可以更好地预测Yt，称Xt为Yt的格兰杰原因，反之亦然。 7.随机变量的协整性： 8. 条件异方差ARCH模型：考虑m阶自回归模型AR（m） Yt=c+ρ1yt-1+ρ2yt-2+……+ρmyt-m+εt 其中εt为白噪声过程随机误差项的平方（εt）2服从一个q阶自回归过程，即（εt）2=α0＋α1（εt-1）2+α2（εt-2）2+……+αq（εt-p）2+ηt （1）其中ηt服从白噪声过程。对模型的一个约束条件是（1）的特征方程 1-α1z-α2z2-……-αq Z q=0 的所有根均落在单位圆外，即要求模型参数满足其中α1+α2+……αq＜1 此外，为保证εt2为正值，对模型的另一个约束条件为α0＞0，αi≥0，1≤i≤q。上述模型即为条件方差模型。 9.误差修正模型ECM: 对于yi的（1，1）阶自回归滞后模型： εi Y t=α+β0x t+β1x t-1+β2y t-1+ ⊿y =β0⊿x t+γecm t-1+εt 。(1) 其中，ecm t-1=y t-1-α0-α1x t-1 ，γ=β2-1，α0=（α+ t β0）/﹙1-β2﹚，α1=β1/（1-β2）称式（1）为误差修正模型ECM 10.多重共线性:多元回归模型的解释变量之间存在较强的线性关系的性质二、填空题 1.合理选择解释变量的关键：正确理解有关经济理论和把握所研究经济现象的行为规律。 2.计量经济模型的用途一般包括：结构分析、经济预测、政策评价、实证分析。 3.计量经济模型检验的内容一般包括：经济检验、统计检验、计量经济检验、预测性能检验。 4.对于不可直接线性化的非线性模型的处理方法：对于可间接线性化的模型，可以通过Cobb-Douglas生产函数模型、Logistic模型变换成标准的线性模型；对于不可线性化的模型，可以通过Toylor技术展开法、非线性最小二乘法来求得参数估计值。

计量经济学课程设计

计量经济学期末课程设计云南大学滇池学院2008级经济系金融（三）姓名：学号：鲁志娟20082122106 题目：我国服务贸易竞争力影响因素的实证分析

我国服务贸易竞争力影响因素实证分析摘要：服务贸易对以郭经济增长的作用日益重要，一定程度上决定了一国国际贸易在国际贸易在国际市场的竞争力。本文分析了服务贸易竞争力的影响因素，并对这些影响因素与服务贸易的关系进行了实证检验，在此基础上提出了促进我国服务贸易发展的对策建议。关键词：服务贸易竞争力影响因素一、引言在经济全球化趋势加强的时代背景下，国际服务贸易异军突起，成为推动一国经济增长的重要一级。全球服务贸易出口总额从1970年得700多亿美元上升到2006年的26882亿美元。其平均增长速度超过了同期货物贸易的增长速度，在很大程度上决定了一国国际贸易的发展状况和在国际市场上的竞争能力。近几年来，我国国际服务贸易正在以平均10%左右的速度迅速增长，但明显落后于货物贸易。2008年，我国服务贸易出口总额1465亿美元，占世界贸易出口比重3.9%。在某种意义上说，积极发展国际服务贸易并实现国际贸易的自由化，将是21世纪国际经济合作最重要的内容之一。有必要对我国服务贸易竞争力的影响因素进行分析，以便更好的制定政策措施促进我国服务贸易发展。二、模型建立与分析根据理论和经验分析，影响我国服务贸易竞争力（Y ）<服务贸易出口额-数据来自（中国服务贸易网）单位：亿美元>的主要因素有：服务业产值(1X )---用第三产业GDP 代表数据来自（中国统计局）单位：亿人民币元；第三产业就业人数(2X )---数据来自《中国统计年鉴》单位：万人次；对外开放度(3X )---用对外依存度代表数据来自《中国统计年鉴》单位：% ；外商直接投资额(4X )---数据来自（中国统计局）单位：亿美元；货物出口(5X )---数据来自（中国统计局）单位：亿美元。下表列出了我国服务贸易竞争力相关数据，拟建立我国服务贸易竞争力函数。

计量经济学分析计算题Word版

计量经济学分析计算题（每小题10分） 1．下表为日本的汇率与汽车出口数量数据， X:年均汇率（日元/美元） Y:汽车出口数量（万辆）问题：（1）画出X 与Y 关系的散点图。（2）计算X 与Y 的相关系数。其中X 129.3＝，Y 554.2＝，2 X X 4432.1∑ （－）＝，2 Y Y 68113.6∑（－）＝，()()X X Y Y ∑－－＝16195.4 （3）采用直线回归方程拟和出的模型为 ?81.72 3.65Y X =+ t 值 1.2427 7.2797 R 2=0.8688 F=52.99 解释参数的经济意义。 2．已知一模型的最小二乘的回归结果如下： i i ?Y =101.4-4.78X 标准差（45.2）（1.53） n=30 R 2=0.31 其中，Y ：政府债券价格（百美元），X ：利率（%）。回答以下问题：（1）系数的符号是否正确，并说明理由；（2）为什么左边是i ?Y 而不是i Y ；（3）在此模型中是否漏了误差项i u ；（4）该模型参数的经济意义是什么。 3．估计消费函数模型i i i C =Y u αβ++得 i i ?C =150.81Y + t 值（13.1）（18.7） n=19 R 2=0.81 其中，C ：消费（元） Y ：收入（元）已知0.025(19) 2.0930t =，0.05(19) 1.729t =，0.025(17) 2.1098t =，0.05(17) 1.7396t =。

问：（1）利用t 值检验参数β的显著性（α＝0.05）；（2）确定参数β的标准差；（3）判断一下该模型的拟合情况。 4．已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2 Y Y 68113.6∑ （－）＝，求判定系数和相关系数。 5．有如下表数据日本物价上涨率与失业率的关系（1）设横轴是U ，纵轴是P ，画出散点图。根据图形判断，物价上涨率与失业率之间是什么样的关系？拟合什么样的模型比较合适？（2）根据以上数据，分别拟合了以下两个模型：模型一：1 6.3219.14 P U =-+ 模型二：8.64 2.87P U =- 分别求两个模型的样本决定系数。 7．根据容量n=30的样本观测值数据计算得到下列数据：XY 146.5＝，X 12.6＝，Y 11.3＝，2X 164.2＝，2Y ＝134.6，试估计Y 对X 的回归直线。 8．下表中的数据是从某个行业5个不同的工厂收集的，请回答以下问题：

计量经济学题库及答案

四、简答题（每小题5分） 1．简述计量经济学与经济学、统计学、数理统计学学科间的关系。2．计量经济模型有哪些应用？ 3．简述建立与应用计量经济模型的主要步骤。 4．对计量经济模型的检验应从几个方面入手？ 5．计量经济学应用的数据是怎样进行分类的？ 6．在计量经济模型中，为什么会存在随机误差项？ 7．古典线性回归模型的基本假定是什么？ 8．总体回归模型与样本回归模型的区别与联系。 9．试述回归分析与相关分析的联系和区别。 10．在满足古典假定条件下，一元线性回归模型的普通最小二乘估计量有哪些统计性质？ 11．简述BLUE 的含义。 12．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是否为0的t 检验？ 13.给定二元回归模型：，请叙述模型的古典假定。 14.在多元线性回归分析中，为什么用修正的决定系数衡量估计模型对样本观测值的拟合优度？ 15.修正的决定系数2R 及其作用。 16.常见的非线性回归模型有几种情况？ 17.观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。 ①t t t u x b b y ++=310 ②t t t u x b b y ++=log 10 ③ t t t u x b b y ++=log log 10 ④t t t u x b b y +=)/(10 18. 观察下列方程并判断其变量是否呈线性，系数是否呈线性，或都是或都不是。 ①t t t u x b b y ++=log 10 ②t t t u x b b b y ++=)(210 ③ t t t u x b b y +=)/(10 ④t b t t u x b y +-+=)1(110 19.什么是异方差性？试举例说明经济现象中的异方差性。 20.产生异方差性的原因及异方差性对模型的OLS 估计有何影响。 21.检验异方差性的方法有哪些？ 22.异方差性的解决方法有哪些？ 23.什么是加权最小二乘法？它的基本思想是什么？ 24.样本分段法（即戈德菲尔特——匡特检验）检验异方差性的基本原理及其使用条件。 25．简述DW 检验的局限性。 26．序列相关性的后果。 27．简述序列相关性的几种检验方法。

支出法看我国国内生产总值的实证分析(计量经济学)

学号班级计量经济学期末课程设计南京审计学院级院题目：我国国内生产总值的实证分析不能抄啊啊啊啊学生姓名学号专业班级 2011年12 月28 日

支出法看我国国内生产总值的实证分析 Nau。【摘要】本文选取了我国GDP数据对1997至2009年（统计年鉴没有2010年的）我国经济的变动进行实证分析，运用统计分析方法、计量经济学分析方法拟合国内生产总值，简单的进行了经济分析。【关键字】国内生产总值 GDP 居民消费支出序言国内生产总值（GDP）是指一个国家或地区所有常住单位在一定的时间内（通常在一年内生产活动的最终结果，是国内国际认定的颇具全面的指标。随着改革开放已然三十年，我国经济在这三十年有着巨大的腾飞和发展。GDP虽然这些年被专家学者谈来谈去，但是仍然非常值得我们关注。因此，我们应当在最近腾飞的十三年中总结经验，我选择了GDP这一课题进行计量经济学分析。一、文献综述国内生产总值是国民经济核算体系（简称SNA）中一个重要的综合性指标，也是我国新国民经济核算体系中的核心指标，一个国家或地区的经济究竟处于增长抑或衰退阶段，从这个数字的变化便可以观察到。支出法核算GDP，就是从产品的使用出发，把一年内购买的各项最终产品的支出加总而计算出的该年内生产的最终产品的市场价值。这种方法又称最终产品法、产品流动法。在现实生活中，产品和劳务的最后使用，主要是居民消费、企业投资、政府购买和出口。因此，用支出法核算GDP，就是核算一个国家或地区在一定时期内居民消费、企业投资、政府消费和净出口这几方面支出的总和。（1）居民消费（用字母C表示），包括购买冰箱、彩电、洗衣机、小汽车等耐用消费品的支出、服装、食品等非耐用消费品的支出以及用于医疗保健、旅游、理发等劳务的支出。建造住宅的支出不属于消费。（2）企业投资（用字母I表示），是指增加或更新资本资产（包括厂房、机器设备、住宅及存货）的支出。投资包括固定资产投资和存货投资两大类。（3）政府购买（用字母G来表示），是指各级政府购买物品和劳务的支出，它包括政府购买军火、军队和警察的服务、政府机关办公用品与办公设施、举办诸如道路等公共工程、开办学校等方面的支出。政府支付给政府雇员的工资也属于政府购买。政府购买是一种实质性的支出，表现出商品、劳务与货币的双向运动，直接形成社会需求，成为国内生产总值的

计量经济学计算题总结

计量经济学计算题总结 1、表中所列数据是关于某种商品的市场供给量Y和价格水平X的观察值： ①用OLS法拟合回归直线； ②计算拟合优度R2； ③确定β1是否与零有区别。 2、求下列模型的参数估计量，

3 、设某商品需求函数的估计结果为（n=18 ）：解：（1） 4 、

5、模型式下括号中的数字为相应回归系数估计量的标准误。又由t分布表和F分布表得知：t0.025（5）=2.57，t0.025（6）=2.45；F0.05（3,6）=4.76，F0.05（4,5）=5.19，试根据上述资料，对所给出的两个模型进行检验，并选择出一个合适的模型。

解：（1 ）总离差平方和的自由度为n-1，所以样本容量为35。（2）（3） 7．某商品的需求函数为其中，Y 为需求量，X1为消费者收入，X2为该商品价格。（1）解释参数的经济意义。（2）若价格上涨10%将导致需求如何变化？（3）在价格上涨10%情况下，收入增加多少才能保持需求不变。（4）解释模型中各个统计量的含义。 220.611 4384126783 /(1)10.587/(1)ESS R TSS RSS n k R TSS n ===--=-=-ESS/k 解：（1）由样本方程的形式可知，X1的参数为此商品的收入弹性，表示X2的参数为此商品的价格弹性。（2）由弹性的定义知，如果其它条件不变，价格上涨10%，那么对此商品的需求量将下降1.8%。（3）根据同比例关系，在价格上涨10%情况下，为了保持需求不变，收入需要增加0.46×0.018= 0.00828，即 0.828%。（4）第一行括弧里的数据0.126、0.032是参数估计量的样本标准差，第二行括弧里的数据3.651、-5.625是变量显著性检验的t 值，t 值较大,说明收入和价格对需求的影响显著. 分别是决定系数、调整的决定系数、方程显著性检验的F 值，这三个统计量的取值较大，说明模型的总体拟合效果较好。 8、现有X 和Y 的样本观察值如下表： X 2 5 10 4 10 Y 4 7 4 5 9 假设Y 对X 的回归模型为: 试用适当的方法估计此回归模型。

计量经济学(第四版)习题及参考答案详细版

计量经济学（第四版）习题参考答案潘省初

第一章绪论 1.1 试列出计量经济分析的主要步骤。一般说来，计量经济分析按照以下步骤进行：（1）陈述理论（或假说）（2）建立计量经济模型（3）收集数据（4）估计参数（5）假设检验（6）预测和政策分析 1.2 计量经济模型中为何要包括扰动项? 为了使模型更现实，我们有必要在模型中引进扰动项u 来代表所有影响因变量的其它因素，这些因素包括相对而言不重要因而未被引入模型的变量，以及纯粹的随机因素。 1.3什么是时间序列和横截面数据? 试举例说明二者的区别。时间序列数据是按时间周期（即按固定的时间间隔）收集的数据，如年度或季度的国民生产总值、就业、货币供给、财政赤字或某人一生中每年的收入都是时间序列的例子。横截面数据是在同一时点收集的不同个体（如个人、公司、国家等）的数据。如人口普查数据、世界各国2000年国民生产总值、全班学生计量经济学成绩等都是横截面数据的例子。 1.4估计量和估计值有何区别？估计量是指一个公式或方法，它告诉人们怎样用手中样本所提供的信息去估计总体参数。在一项应用中，依据估计量算出的一个具体的数值，称为估计值。如Y 就是一个估计量，1 n i i Y Y n == ∑。现有一样本，共4个数，100，104，96，130，则根据这个样本的数据运用均值估计量得出的均值估计值为 5.1074 130 96104100=+++。第二章计量经济分析的统计学基础 2.1 略，参考教材。

2.2请用例2.2中的数据求北京男生平均身高的99％置信区间 N S S x = =45 =1.25 用α=0.05，N-1=15个自由度查表得005.0t =2.947，故99%置信限为 x S t X 005.0± =174±2.947×1.25=174±3.684 也就是说，根据样本，我们有99%的把握说，北京男高中生的平均身高在170.316至177.684厘米之间。 2.3 25个雇员的随机样本的平均周薪为130元，试问此样本是否取自一个均值为120元、标准差为10元的正态总体？原假设 120:0=μH 备择假设 120:1≠μH 检验统计量 () 10/25X X μσ-Z == == 查表96.1025.0=Z 因为Z= 5 >96.1025.0=Z ,故拒绝原假设, 即此样本不是取自一个均值为120元、标准差为10元的正态总体。 2.4 某月对零售商店的调查结果表明，市郊食品店的月平均销售额为2500元，在下一个月份中，取出16个这种食品店的一个样本，其月平均销售额为2600元，销售额的标准差为480元。试问能否得出结论，从上次调查以来，平均月销售额已经发生了变化？原假设 : 2500:0=μH 备择假设 : 2500:1≠μH ()100/1200.83?X X t μσ-= === 查表得 131.2)116(025.0=-t 因为t = 0.83 < 131.2=c t , 故接受原假设,即从上次调查以来，平均月销售额没有发生变化。

计量经济学计算题解法汇总

计量经济学：部分计算题解法汇总 1、求判别系数——R^2 已知估计回归模型得 i i ?Y =81.7230 3.6541X + 且2X X 4432.1∑ （－）＝，2Y Y 68113.6∑（－）＝， 2、置信区间有10户家庭的收入（X ，元）和消费（Y ，百元）数据如下表： 10户家庭的收入（X ）与消费（Y ）的资料 X 20 30 33 40 15 13 26 38 35 43 Y 7 9 8 11 5 4 8 10 9 10 若建立的消费Y 对收入X 的回归直线的Eviews 输出结果如下： Dependent Variable: Y Adjusted R-squared F-statistic Durbin-Watson （1（2）在95%的置信度下检验参数的显著性。（0.025(10) 2.2281t =，0.05(10) 1.8125t =，0.025(8) 2.3060t =，0.05(8) 1.8595t =）（3）在90%的置信度下，预测当X ＝45（百元）时，消费（Y ）的置信区间。（其中29.3x =，2()992.1x x - =∑）答：（1）回归模型的R 2 ＝，表明在消费Y 的总变差中，由回归直线解释的部分占到90％以上，回归直线的代表性及解释能力较好。（2分）家庭收入对消费有显著影响。（2分）对于截距项，

检验。（2分）（3）Y f =+×45＝（2分） 90%置信区间为（，+），即（，）。（2分）注意：a 水平下的t 统计量的的重要性水平，由于是双边检验，应当减半 3、求SSE 、SST 、R^2等已知相关系数r ＝，估计标准误差?8σ＝，样本容量n=62。求：（1）剩余变差；（2）决定系数；（3）总变差。（2）2220.60.36R r ===（2分） 4、联系相关系数与方差（标准差），注意是n-1 在相关和回归分析中，已知下列资料： 222X Y i 1610n=20r=0.9(Y -Y)=2000σσ∑＝，＝，，，。（1）计算Y 对X 的回归直线的斜率系数。（2）计算回归变差和剩余变差。（3）（2）R 2=r 2==，总变差：TSS ＝RSS/(1-R 2)=2000/=（2分）

(完整word版)计量经济学习题与答案

期中练习题 1、回归分析中使用的距离是点到直线的垂直坐标距离。最小二乘准则是指（） A ．使∑=-n t t t Y Y 1 )?(达到最小值 B.使∑=-n t t t Y Y 1 达到最小值 C. 使 ∑=-n t t t Y Y 1 2 )(达到最小值 D.使∑=-n t t t Y Y 1 2)?(达到最小值 2、根据样本资料估计得出人均消费支出 Y 对人均收入 X 的回归模型为 ?ln 2.00.75ln i i Y X =+，这表明人均收入每增加 1％，人均消费支出将增加（） A. 0.75 B. 0.75% C. 2 D. 7.5% 3、设k 为回归模型中的参数个数,n 为样本容量。则对总体回归模型进行显著性检验的F 统计量与可决系数2 R 之间的关系为( ) A.)1/()1()/(R 2 2---=k R k n F B. )/(1)-(k ) R 1/(R 22k n F --= C. )/()1(22k n R R F --= D. ) 1()1/(22R k R F --= 6、二元线性回归分析中 TSS=RSS+ESS 。则 RSS 的自由度为（） A.1 B.n-2 C.2 D.n-3 9、已知五个解释变量线形回归模型估计的残差平方和为 8002=∑t e ，样本容量为46，则随机误差项μ的方差估计量2 ?σ 为（） A.33.33 B.40 C.38.09 D. 20 1、经典线性回归模型运用普通最小二乘法估计参数时，下列哪些假定是正确的（） A.0)E(u i = B. 2 i )V ar(u i σ= C. 0)u E(u j i ≠ D.随机解释变量X 与随机误差i u 不相关 E. i u ～),0(2 i N σ 2、对于二元样本回归模型i i i i e X X Y +++=2211???ββα，下列各式成立的有（） A.0 =∑i e B. 0 1=∑i i X e C. 0 2=∑i i X e D. =∑i i Y e E. 21=∑i i X X 4、能够检验多重共线性的方法有（） A.简单相关系数矩阵法 B. t 检验与F 检验综合判断法 C. DW 检验法 D.ARCH 检验法 E.辅助回归法

计量经济学答案(部分)

第一章导论一、单项选择题 1-6: CCCBCAC 二、多项选择题 ABCD;ACD;ABCD 三.问答题什么是计量经济学？答案见教材第3页四、案例分析题假定让你对中国家庭用汽车市场发展情况进行研究，应该分哪些步骤，分别如何分析？（参考计量经济学研究的步骤）第一步：选取被研究对象的变量：汽车销售量第二步：根据理论及经验分析，寻找影响汽车销售量的因素，如汽车价格，汽油价格，收入水平等第三步：建立反映汽车销售量及其影响因素的计量经济学模型第四步：估计模型中的参数；第五步：对模型进行计量经济学检验、统计检验以及经济意义检验；第六步：进行结构分析及在给定解释变量的情况下预测中国汽车销售量的未来值为汽车业的发展提供政策实施依据。第二章简单线性回归模型一、填空题 1、线性、无偏、最小方差性（有效性），BLUE。 2、解释变量；参数；参数。 3、随机误差项；随机误差项。二、单项选择题 1-4：BBDA;6-11：CDCBCA 三、多项选择题 1.ABC; 2.ABC; 3.BC; 4.ABE; 5.AD; 6.BC 四、判断正误： 1. 错； 2. 错； 3. 对； 4.错； 5. 错； 6. 对； 7. 对； 8.错五、简答题： 1.为什么模型中要引入随机扰动项？答：模型是对经济问题的一种数学模型，在模型中，被解释变量是研究的对象，解释变量是其确定的解释因素，但由于实际问题的错综复杂，影响被解释变量的因素中，除了包括在模型中的解释变量以外，还有其他一些因素未能包括在模型中，但却影响被解释变量，我们把这类变量统一用随机误差项表示。随机误差项包含的因素有：

计量经济学计算题

1、某农产品试验产量Y （公斤/亩）和施肥量X （公斤/亩）7块地的数据资料汇总如下： ∑=255i X ∑=3050i Y ∑=71.12172i x ∑=429.83712i y ∑=857.3122i i y x 后来发现遗漏的第八块地的数据：208=X ，4008=Y 。要求汇总全部8块地数据后进行以下各项计算，并对计算结果的经济意义和统计意义做简要的解释。（1）该农产品试验产量对施肥量X （公斤/亩）回归模型Y a bX u =++进行估计；（2）对回归系数（斜率）进行统计假设检验，信度为；（3）估计可决系数并进行统计假设检验，信度为。解：首先汇总全部8块地数据： 871 81 X X X i i i i +=∑∑== =255+20 =275 n X X i i ∑==8 1 )8(375.348 275 == 2) 7(7 127 127X x X i i i i +=∑∑== =+7?2 7255?? ? ??=10507 287 1 28 1 2X X X i i i i +=∑∑== =10507+202 = 10907 2) 8(8 1 28 1 28X X x i i i i +=∑∑== = 10907-8?2 8275?? ? ??= 87 1 81 Y Y Y i i i i +=∑∑===3050+400=3450 25.4318 3450 8 1 )8(== =∑=n Y Y i i 2) 7(7 1 2 712 7Y y Y i i i i +=∑∑== =+7?2 73050??? ??=1337300 287 1 2 81 2Y Y Y i i i i +=∑∑== =1337300+4002 = 1497300 2)8(8 1 28128Y Y y i i i i +=∑∑== =1497300 -8?( 8 3450)2 == ) 7()7(7 1 7 17Y X y x Y X i i i i i i +=∑∑== ==+7??? ??7255??? ? ??73050 =114230 887 1 81 Y X Y X Y X i i i i i i +=∑∑== =114230+20?400 =122230