EVIEWS案例：(消除多重共线性)影响国内旅游市场收入的主要因素分析
eviews计量经济学下国内旅游收入影响因素分析-计量经济学论文-经济学论文
eviews计量经济学下国内旅游收入影响因素分析-计量经济学论文-经济学论文——文章均为WORD文档，下载后可直接编辑使用亦可打印——一、建立模型设计量经济模型为：= + + + + +式中，为第t年全国国内旅游收入（亿元）; 为国内旅游人数（万人/次）; 为城镇居民人均旅游支出（元）; 为农村居民人均旅游支出（元）为铁路里程（万公里）,解释变量前的系数均为正。
为估计参数，收集旅游事业发展所处的1994 -2012年阶段的统计数据，如下所示资料来源：二、分析模型中存在问题利用EViews软件，生成Y、、、、等数据。
利用OLS方法估计模型参数得（一）估计模型参数该模型的= 0. 9883,F检验值为296. 85,是显着的。
、的符号与预期相反，表明可能存在严重的多重共线性。
利用EViews软件，计算出、、、的相关系数矩阵如下表：（二）相关系数矩阵表从上可以看出：相关系数高达0. 974694,证明确实存在严重的多重共线性。
三、解决模型中存在的多重共线性将各变量进行对数变换，再对以下模型进行估计。
= + + + + +利用EViews软件，对、、、、分别对数，分别生成、、、、的数据，采用OLS方法估计模型参数得：估计模型参数模型估计结果为= - 8. 2995 + 0. 8628 + O. 3997 + 0. 2926 + 1. 2719（0. 5478）（0. 09 ）（0. 1217）（0. 0418）（0. 4104）t =（- 15. 15）（8. 98）（3. 29）（7. 00）（3. 10）= 0. 9984 DW = 1. 3581 F = 2224. 433四、模型的不足1、由于模型采用的是时间序列数据，因没考虑可能存在的时滞问题，导致模型精准度有偏误。
2、数据本生带来的不可消灭的系统性误差。
3、以铁路里程作为相关基础设施的代表犯了以局部替整体的错误，因为中国的每一个景点间存在地域上的差异。
影响旅游收入的主要因素分析
影响旅游收入的主要因素分析下文为大家整理带来的影响旅游收入的主要因素分析，希望内容对您有帮助，感谢您得阅读。
影响旅游收入的主要因素分析影响旅游收入的主要因素分析影响旅游收入的主要因素分析更多内容源自幼儿一、引言旅游推动社会生产的发展,促进生产结构的调整变化,带动就业,提高经济开放程度,从而对整体社会经济的发展产生了积极影响。
我国旅游业立足于开发国内旅游市场,致使国内旅游逐渐在我国的旅游市场上占据重要的地位。
旅游收入直接反映了某一旅游目的地国家和地区旅游经济的运行状况,是衡量旅游经济活动及其效果的一个不可缺少的综合性指标,也是某一个国家或者地区旅游业发达与否的重要标志。
在我国的旅游收入中,主要影响因素为旅游人数和人均旅游花费。
所以,本文主要分析旅游人数和人均旅游花费对国内旅游收入的影响。
二、模型设定1.选定线性模型的原因由于非线性模型的假设检验都涉及到非常复杂的数学计算,并且我们所学知识有限,所以我们在此考虑利用线性模型对该市场进行研究分析。
另外,线性模型存在多种检验方法和修正方法,这样对模型准确程度的分析和修正也更加可靠。
2.解释变量选择原因分析旅游业是由于受到社会经济状况和经济关系等多种因素不同程度的影响,使得某一旅游目的地国家和地区在一定时期内的旅游收入出现不同程度的高低变化。
也就是说,旅游收入是受多种因素影响的函数。
(1)国内旅游人数旅游目的地国家和地区接待旅游者人数的多少,是影响旅游目的地国家和地区的最主要因素。
在正常情况下,旅游收入与接待的旅游者人数呈正比例变化。
(2)人均旅游花费在旅游接待人数既定的条件下,旅游者的支付能力和人均旅游消费是旅游目的地国家和地区的旅游收入增减变化的又一个决定因素。
一般说,旅游者的人均旅游消费水平与旅游收入成正比例变化,旅游者的支付能力强,旅游者的旅游花费越高,那么旅游收入也就越高。
(3)其他影响因素如旅游者在旅游目的地的停留时间、外汇汇率和旅游统计因素对旅游收入的影响,由于它们的影响性较小,故也不被纳入到模型中去。
多重共线性案例分析实验报告
《多重共线性案例分析》实验报告表2由此可见，该模型，可决系数很高，F 检验值173.3525,明显显著。
但是当时,不仅、系数的t 检验不显著，而且系数的符号与预期的相反，这表明很可能存在严重的多重共线性。
9954.02=R 9897.02=R 05.0=α776.2)610()(025.02=-=-t k n t α2X 6X 6X②.计算各解释变量的相关系数，选择X2、X3、X4、X5、X6数据，点”view/correlations ”得相关系数矩阵表3由关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性相。
4.消除多重共线性①采用逐步回归的办法，去检验和解决多重共线性问题。
分别作Y 对X2、X3、X4、X5、X6的一元回归 如下图所示变量 X2 X3 X4 X5 X6 参数估计值0.08429.0523 11.6673 34.3324 2014.146 t 统计量8.665913.1598 5.1967 6.4675 8.74870.90370.95580.77150.83940.9054表4 按的大小排序为：X3、X6、X2、X5、X4。
以X3为基础，顺次加入其他变量逐步回归。
首先加入X6回归结果为：t=(2.9086) (0.46214)2R 2R 631784.285850632.7639.4109ˆX X Y t ++-=957152.02=R1995 1375.7 62900 464.0 61.5 115.70 5.97 1996 1638.4 63900 534.1 70.5 118.58 6.49 1997 2112.7 64400 599.8 145.7 122.64 6.60 1998 2391.2 69450 607.0 197.0 127.85 6.64 1999 2831.9 71900 614.8 249.5 135.17 6.74 2000 3175.5 74400 678.6 226.6 140.27 6.87 2001 3522.4 78400 708.3 212.7 169.80 7.01 2002 3878.4 87800 739.7 209.1 176.52 7.19 2003 3442.3 87000 684.9 200.0 180.98 7.30表1：1994年—2003年中国游旅收入及相关数据表2：OLS 回归表3：关系数矩阵变量 X2 X3 X4 X5 X6 参数估计值0.08429.0523 11.6673 34.3324 2014.146 t 统计量8.665913.1598 5.1967 6.4675 8.74870.90370.95580.77150.83940.9054表4：Y 对X2、X3、X4、X5、X6的一元回归六、实验结果及分析1. 在参数估计模型和关系数矩阵中， ，可决系数很高，F 检验值173.3525,明显显著。
Eviews多重共线性实验报告-V1
Eviews多重共线性实验报告-V1本文主要将Eviews多重共线性实验报告进行整理，旨在帮助读者更好地理解和应用多重共线性实验结果。
1. 研究背景多重共线性是指在回归模型中，自变量之间存在高度相关的情况。
这种相关关系会导致模型的不稳定性，降低模型的解释能力和预测能力。
因此，在进行回归分析时，需要对多重共线性进行检测和处理。
2. 数据来源和处理本次实验所使用的数据来自某公司销售数据，共有18个自变量和1个因变量。
在进行回归分析之前，需要对数据进行预处理。
首先，我们通过观察变量间的相关系数矩阵来初步判断是否存在多重共线性。
如果存在高度相关的自变量，可以考虑通过主成分分析等方法来降维，减少变量间的冗余。
本实验中，我们发现变量间的相关性较小，因此没有进行降维操作。
3. 模型建立我们采用逐步回归的方法建立回归模型，并对模型的适配度和稳定性进行评估。
首先，我们使用全模型（包含所有自变量）进行回归分析，并得到如下统计结果：R-squared：0.7767Adj. R-squared：0.7152F-statistic：12.38（显著）通过观察模型的系数，我们发现存在一些变量的系数非常大，而一些变量的系数非常小甚至为0，这也是多重共线性的表现之一。
为了进一步检验模型的稳定性和解释能力，我们采用逐步回归的方法进行变量筛选。
在此过程中，我们设置的入模标准是F统计量显著，出模标准是T统计量显著或P值小于0.05。
最终，我们得到了一个包含4个自变量的最优模型，其统计结果如下：R-squared：0.7224Adj. R-squared：0.6812F-statistic：17.69（显著）通过观察模型的系数，我们发现所有自变量的系数都显著，且大小合理。
这说明通过逐步回归的方法，我们成功地排除了多重共线性的影响，建立了一个具有较好稳定性和解释能力的模型。
4. 结论和建议在本实验中，我们成功地应用了Eviews工具，通过逐步回归的方法检验和处理多重共线性，建立了一个较为稳定和解释能力强的回归模型。
eviews6.0实际操作：多重共线性
案例1：经济理论指出，家庭消费支出（Y ）不仅取决于可支配收入（X 1）,还决定于个人财富（X 2），即可设定如下回归模型：01122i i i i Y X X u βββ=+++操作：对以上数据利用最小二乘法进行回归分析，分析：（1） 样本可决系数为96%，表示收入和财富可以解释消费支出总变动的96%； （2） F 统计量为88.84，对应的p 值为0.000011，小于0.05，表明方程总体线性显著，或者解释变量中至少有一个是对被解释变量有显著影响；（3） 两变量的t 统计量对应的p 值均大于0.05，表明两解释变量对被解释变量的影响是不显著的，与F 统计量所得到的结果矛盾； （4） 财富变量的系数符号与实际情况不符；综合（2）、（3）、（4）表明可能存在严重的多重共线性。
通过计算两解释变量之间的相关系数为0.9986，高于样本可决系数96%。
表明收入和财富之间高度相关，使得无法分辨二者对被解释变量的贡献。
相关系数：125()()i i j j X X X X X X r --=∑（5） 因此该回归结果不可靠，可以考虑只作消费支出对收入或财富的一元线性回归模型来替代二元回归模型。
案例2：天津市1974—1987年粮食需求的相关数据：Y=粮食销售量（万吨/年）；X1=市常住人口（万人）；X2=人均收入（元/年）；X3=肉销售量（万吨/年）；X4=假定粮食需求函数：01122334455t t t t t t tY X X X X X u ββββββ=++++++（1）普通最小二乘法估计此模型，运行结果：得到回归模型：12345ˆ 3.490.130.07 2.67 3.45 4.49Y X X X X X =-++++- （-0.12）（ 2.12） （1.94） （2.13） （1.41） （-2.03）R 2=0.97 F=52.53 T=14(2)多重共线性判定：模型可能存在多重共线性。
【最新文档】影响旅游收入的主要因素的分析-word版 (2页)
本文部分内容来自网络，本司不为其真实性负责，如有异议请及时联系，本司将予以删除== 本文为word格式，下载后可编辑修改，推荐下载使用！==影响旅游收入的主要因素的分析影响旅游收入的主要因素的分析影响旅游收入的主要因素的分析影响旅游收入的主要因素的分析文章来源自 3 e du教育网一、引言旅游推动社会生产的发展,促进生产结构的调整变化,带动就业,提高经济开放程度,从而对整体社会经济的发展产生了积极影响。
我国旅游业立足于开发国内旅游市场,致使国内旅游逐渐在我国的旅游市场上占据重要的地位。
旅游收入直接反映了某一旅游目的地国家和地区旅游经济的运行状况,是衡量旅游经济活动及其效果的一个不可缺少的综合性指标,也是某一个国家或者地区旅游业发达与否的重要标志。
在我国的旅游收入中,主要影响因素为旅游人数和人均旅游花费。
所以,本文主要分析旅游人数和人均旅游花费对国内旅游收入的影响。
二、模型设定1.选定线性模型的原因由于非线性模型的假设检验都涉及到非常复杂的数学计算,并且我们所学知识有限,所以我们在此考虑利用线性模型对该市场进行研究分析。
另外,线性模型存在多种检验方法和修正方法,这样对模型准确程度的分析和修正也更加可靠。
2.解释变量选择原因分析旅游业是由于受到社会经济状况和经济关系等多种因素不同程度的影响,使得某一旅游目的地国家和地区在一定时期内的旅游收入出现不同程度的高低变化。
也就是说,旅游收入是受多种因素影响的函数。
(1)国内旅游人数旅游目的地国家和地区接待旅游者人数的多少,是影响旅游目的地国家和地区的最主要因素。
在正常情况下,旅游收入与接待的旅游者人数呈正比例变化。
(2)人均旅游花费在旅游接待人数既定的条件下,旅游者的支付能力和人均旅游消费是旅游目的地国家和地区的旅游收入增减变化的又一个决定因素。
一般说,旅游者的人均旅游消费水平与旅游收入成正比例变化,旅游者的支付能力强,旅游者的旅游花费越高,那么旅游收入也就越高。
国内旅游收入影响因素的计量分析
国内旅游收入影响因素的计量分析一、国内旅游收入影响因素及其数据选择旅游业是一个依赖性很强的行业，它的发展受诸多因素的影响，例如春秋季往往会带来更多的收入、距离近的旅游地点反而更吸引人、经济状况好的国家游客更多、工资高的人更愿意出来旅游等等，甚至同一国家同一地区在不同时区也会有不同的旅游发展。
综合现有研究文献和有关资料调查，考虑到建模和数据搜集难易程度，将当前中国旅游收入影响因素归纳为以下几个方面：一是国内旅行人数。
对于任何行业来说，要想增加一个行业的收入，必须增加在这个行业消费的人数。
只有具备了庞大的消费人数，这个行业才会不断壮大，经济收入才会不断增加，旅游业就是这样的一个行业。
因此，国内旅游人数是旅游收入影响因素，对国内旅游收入有重要影响。
二是人均旅游花费。
旅游者的人均旅游消费水平与旅游收入成正比例变化，旅游者的支付能力强，旅游者的旅游花费越高，旅游收入也就越高，可见人均花费对旅游收入有很大的影响力。
人均旅游花费分为城镇人均旅游花费和农村人均旅游花费。
三是交通情况。
通常交通状况越好的地方无疑也更加吸引游客们，里程越远路费越高，给铁路局和收费站带来的收益也越大，也给本地带来更多的旅游收入，因此，交通情况是旅游收入的影响因素。
交通状况主要分为铁路里程和公路里程。
四是利率水平。
从长期来看，当利率水平上升时，人们会自发地把手中的持有的货币存入银行而不会拿出来消费，因此，利率水平越高，人们旅游支出也越少。
反之，利率水平越低，人们旅游支出就越多。
我们选用活期的银行利率作为影响旅游收入的利率水平。
表1 19941 1994——2012年中国旅游收入及影响因素的数据年中国旅游收入及影响因素的数据年份旅游收入Y（亿元）旅游人数X1（亿人次）城镇居民人均旅游花费X2（元）农村居民人均旅游花费X3（元）铁路营业里程数X4（万公里）公路里程X5（万公里）利率X619941023.51 5.24414.754.9 5.9111.78 3.15 19951375.7 6.2946454.9 5.97115.7 3.15 19961638.38 6.4534.170.5 6.49118.58 2.48 19972112.7 6.44599.8145.7 6.6122.64 1.71 19982391.18 6.95607197 6.64127.85 1.53 19992831.927.19614.8249.5 6.74135.170.99 20003175.547.44678.6226.6 6.87140.270.99 20013522.367.84708.3212.77.01169.80.99 20023878.368.78739.7209.17.19176.520.72 20033442.278.7684.92007.3180.980.72 20044710.7111.02731.8210.27.44187.070.72 20055285.8612.12737.1227.67.54193.050.72 20066229.7413.94766.4221.97.71345.70.72 20077770.6216.1906.9222.57.8358.370.77 20088749.317.12849.4275.37.97373.020.58 200910183.6919.02801.1295.38.55386.080.36 201012579.7721.038833069.12400.820.36 201119305.3926.41877.8471.49.32410.640.47 201222706.2229.57914.54919.76423.750.38二、模型设定、估计与修正二、模型设定、估计与修正将国内旅游收入作为因变量，国内旅游人次、城镇人均旅游花费、农村人均旅游花费、铁路里程、公路里程、利率水平等作为自变量，构建如下回归分析模型。
eviews作业报告国内生产总值的影响因素分析
国内生产总值的影响因素分析本文研究国内生产总值（Y）的影响因素，选取了居民消费（X1）、能源消费总量（X2）、进出口总额（X3）、研究与试验发展经费支出(亿元)（X4）作为备选的影响因素，考虑到这几个变量的量级比较大，在进行回归分析时，将其进行对数化处理。
1.描述性统计变量均值中位数最大值最小值标准差偏度峰度LNY 12.86926 13.01351 13.83137 11.61605 0.735265 -0.331551 1.770076 LNX1 11.90659 11.95283 12.86667 10.82903 0.694463 -0.108624 1.640711 LNX2 12.71945 12.83097 13.11836 11.9547 0.354575 -0.864171 2.603336 LNX3 12.04816 12.29397 12.68298 10.64979 0.604899 -1.046877 3.002632 LNX4 8.759079 8.966104 10.10206 6.949367 1.011978 -0.37255 1.8154942.回归结果通过eviews8进行回归分析，结果见下表：从经济意义检验来看，各解释变量对被解释变量应该表现为正向影响，而LNX2的系数为负，这显然无法通过经济意义检验，这可能存在多重共线性。
从拟合优度检验来看，其拟合优度为0.9993，接近于1，表明这些解释变量能够解释99.93%的被解释变量的变化，而且调整后的拟合优度为0.9991，拟合效果非常好。
从统计检验来看，LNX1和LNX4系数的t检验对应的p值小于1%，即在1%的显著水平下，两变量对LNY有显著的影响，考虑到系数为正数，两变量对LNY表现为显著的正向影响，面LNX2和LNX3则无法通过10%的显著性t检验，这表明两者对LNY无显著影响，当然这有可能是因为多重共线性的问题。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第四章 案例分析
一、研究的目的要求
近年来，中国旅游业一直保持高速发展，旅游业作为国民经济新的增长点，在整个社会经济发展中的作用日益显现。
中国的旅游业分为国内旅游和入境旅游两大市场，入境旅游外汇收入年均增长
22.6%，与此同时国内旅游也迅速增长。
改革开放20多年来，特别是进入90年代后，中国的国内旅游收入年均增长14.4%，远高于同期GDP 9.76%的增长率。
为了规划中国未来旅游产业的发展，需要定量地分析影响中国旅游市场发展的主要因素。
二、模型设定及其估计
经分析，影响国内旅游市场收入的主要因素，除了国内旅游人数和旅游支出以外，还可能与相关基础设施有关。
为此，考虑的影响因素主要有国内旅游人数2X ，城镇居民人均旅游支出3X ，农村居民人均旅游支出4X ，并以公路里程5X 和铁路里程6X 作为相关基础设施的代表。
为此设定了如下对数形式的计量经济模型：
23456123456t t t t t t t Y X X X X X u ββββββ=++++++
其中 ：t Y ——第t 年全国旅游收入
2X ——国内旅游人数 （万人）
3X ——城镇居民人均旅游支出 （元） 4X ——农村居民人均旅游支出 （元）
5X ——公路里程（万公里） 6X ——铁路里程（万公里）
为估计模型参数，收集旅游事业发展最快的
1994—2003年的统
计数据，如表4.2所示：
表4.2 1994年—2003年中国旅游收入及相关数据
数据来源:《中国统计年鉴2004》
利用Eviews 软件，输入Y 、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS 回归，结果如表4.3：
表4.3
由此可见，该模型9954.02=R ，9897.02
=R 可决系数很高，F 检验值173.3525,明
显显著。
但是当05.0=α时776
.2)610()(025.02=-=-t k n t α,不仅2X 、6X 系数的t 检
验不显著，而且6X 系数的符号与预期的相反，这表明很可能存在严重的多重共线性。
计算各解释变量的相关系数，选择X2、X3、X4、X5、X6数据， Views/Open Selected/One Windows/Open Group
点”view/correlations ”得相关系数矩阵（如表4.4）：
表4.4
由相关系数矩阵可以看出：各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。
三、消除多重共线性
采用逐步回归的办法，去检验和解决多重共线性问题。
分别作Y 对X2、X3、X4、X5、X6的一元回归，结果如表4.5所示：
表4.5
按2
R 的大小排序为：X3、X6、X2、X5、X4。
以X3为基础，顺次加入其他变量逐步回归。
首先加入X6回归结果为：
631784.285850632.7639.4109ˆX X Y t ++-=
t=(2.9086) (0.46214) 957152.02
=R
当取05.0=α时，365
.2)310()(025.02
=-=-t k n t
α，X6参数的t 检验不显著，予以剔除，
加入X2回归得
23029761.0194241.6393.3326ˆX X Y t ++-=
t=(4.2839) (2.1512) 973418.02
=R
X2参数的t 检验不显著，予以剔除，加入X5回归得
5390789.10736535.6972.3059ˆX X Y t ++-=
t=(6.6446) (2.6584) 978028.02
=R
X3、X5参数的t 检验显著，保留X5，再加入X4回归得
453221965.362909.13215884.4161.2441ˆX X X Y t +++-=
t=(3.944983) (4.692961) （3.06767）
991445.02=R 987186.02=R F=231.7935 DW=1.952587
当取05.0=α时，447
.2)410()(025.02=-=-t k n t α,X3、X4、X5系数的t 检验都显著，
这是最后消除多重共线性的结果。
这说明，在其他因素不变的情况下，当城镇居民人均旅游支出
3X 和农村居民人均旅游支出
4X 分别增长1元时，国内旅游收入t Y 将分别增长4.21亿元和3.22亿元。
在其他因素不变
的情况下，作为旅游设施的代表，公路里程5X 每增加1万公里时, 国内旅游收入t Y 将增长
13.63亿元。