计量经济学论文 线性回归分析
经济学毕业论文中的计量经济模型方法
经济学毕业论文中的计量经济模型方法计量经济学作为经济学中的重要分支，是运用统计学和数学工具对经济现象进行量化分析的方法。
在经济学毕业论文中，使用合适的计量经济模型方法可以提高研究的准确性和可信度，帮助研究者得出科学合理的结论。
本文将介绍一些常见的计量经济模型方法，供毕业论文写作参考。
一、回归分析方法回归分析是计量经济学中最常用的方法之一，通过建立数学模型来研究因变量与自变量之间的关系。
在毕业论文中，可以使用简单线性回归、多元线性回归或者非线性回归等方法，根据具体研究问题选择合适的回归模型。
回归分析可以用来探究变量间的相关性、影响因素以及进行预测和政策评估等。
二、时间序列分析方法时间序列分析是研究时间上连续观测值之间的关系的方法。
在经济学毕业论文中，时间序列分析常用于研究经济变量在时间上的趋势、季节性、周期性和随机性等特征。
常见的时间序列分析方法包括平稳性检验、协整分析、ARMA模型、ARIMA模型等。
选择适当的时间序列分析方法可以揭示经济现象的演变规律和趋势。
三、面板数据分析方法面板数据分析是指对具有时间维度和横截面维度的数据进行分析的方法。
面板数据可以帮助研究者充分利用样本数据，提高数据的效率和效用。
在经济学毕业论文中，面板数据分析常用来研究个体间的差异、探讨个体与时间的关系，例如面板的固定效应模型、随机效应模型等。
面板数据分析方法能够更好地捕捉到数据的横截面和时间序列的信息，为研究结果提供更准确的解释。
四、计量经济模型评估方法在经济学毕业论文中，除了建立计量经济模型，还需要对模型进行评估。
评估经济模型要考察模型的适应性、有效性和准确性等特征。
常用的计量经济模型评估方法包括OLS估计法、极大似然估计法、广义矩估计法等。
通过模型评估，可以判断模型是否合理，以及对模型进行修正和调整。
综上所述，经济学毕业论文中的计量经济模型方法是一项重要的研究内容。
合适地选择和应用计量经济模型方法可以提高论文的研究质量和可信度，使得结论更加科学和准确。
线性回归模型的研究毕业论文
线性回归模型的研究毕业论文1 引言回归分析最早是由19世纪末期高尔顿（Sir Francis Galton）发展的。
1855年，他发表了一篇文章名为“遗传的身高向平均数方向的回归”，分析父母与其孩子之间身高的关系，发现父母的身高越高或的其孩子也越高，反之则越矮。
他把儿子跟父母身高这种现象拟合成一种线性关系。
但是他还发现了个有趣的现象，高个子的人生出来的儿子往往比他父亲矮一点更趋向于平均身高，矮个子的人生出来的儿子通常比他父亲高一点也趋向于平均身高。
高尔顿选用“回归”一词，把这一现象叫做“向平均数方向的回归”。
于是“线形回归”的术语被沿用下来了。
回归分析中，当研究的因果关系只涉及因变量和一个自变量时，叫做一元回归分析；当研究的因果关系涉及因变量和两个或两个以上自变量时，叫做多元回归分析。
此外，回归分析中，又依据描述自变量与因变量之间因果关系的函数表达式是线性的还是非线性的，分为线性回归分析和非线性回归分析。
按照参数估计方法可以分为主成分回归、偏最小二乘回归、和岭回归。
一般采用线性回归分析，由自变量和规定因变量来确定变量之间的因果关系，从而建立线性回归模型。
模型的各个参数可以根据实测数据解。
接着评价回归模型能否够很好的拟合实际数据；如果不能够很好的拟合，则重新拟合；如果能很好的拟合，就可以根据自变量进行下一步推测。
回归分析是重要的统计推断方法。
在实际应用中，医学、农业、生物、林业、金融、管理、经济、社会等诸多方面随着科学的发展都需要运用到这个方法。
从而推动了回归分析的快速发展。
2 回归分析的概述2.1 回归分析的定义回归分析是应用极其广泛的数据分析方法之一。
回归分析（regression analysis)是确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法。
2.2 回归分析的主要容（1）从一组数据出发，确定某些变量之间的定量关系式，即建立数学模型并估计其中的未知参数。
估计参数的常用方法是最小二乘法。
线性回归论文
沼气生成问题(一)问题提出：沼气的主要成分是甲烷，它是由含纤维素的有机物质在隔绝空气的情况下受到细菌分解作用所产生的一种有毒易燃气体。
在我国农村广泛的利用沼气池生成沼气，作为一种卫生快捷的燃料，一般使用植物秸秆残体在保持一定湿度和温度的条件下，并与空气隔绝一段时间后经自然分解而成。
经验证明，如果适当的加入一些有机肥料作为发酵剂，则可以加快沼气的形成。
下面是一个确定沼气池中加入相同数量的同质植物秸秆，加入不同数量的水（w）和有机肥（F）后形成沼气的时间（T）对比数据，请根据这些实验数据分析研究沼气形成的时间与水和有机肥料之间的关系，并由此关系讨论最佳的配料方案。
w , F , T关系实验数据：（二）模型的假设与分析一、模型假设（1）设试验数据实在相同的试验条件下进行试验所取得的，即沼气池的大小形状相同，秸秆和有机肥料相同，其自身的含水量也相同。
（2）在此不考虑环境温度的影响，虽然在相同的条件下高温可以促使沼气的形成，但实际中的环境温度一般是不可控的，于是我们认为总是在一定的适宜温度范围内，温度因素对形成沼气的时间影响不大。
（3）每次试验是独立进行的，且w , F , T 的试验值是准确的。
二、模型分析根据沼气的自然形成原理和相关知识，我们知道在同等条件下，水分和肥料各自都对沼气的形成起到一定的促进作用，而且二者之间也存在着一定的交互效应，即二者用量多少的不同，其效果是不同的。
表现为沼气形成的时间不仅与水和肥料的用量有关，而且还与二者的交互作用有关。
因此，一般认为沼气形成时间T 的长短应该是加水量W 和肥料用量 F 的二次多项式函数，为此，我们可以采用线性回归的方法来研究他们之间的关系。
（三）模型建立与求解为了便于问题的描述，我们并不直接将沼气形成的时间T 表示成w , F 的函数，根据试验数据的分布情况，在这里我们引入二个新的变量：为此，我们可以将时间 T 表示为 u1 , u2 的二次多项式函数。
计量经济学 多元线性回归
影响我国居民消费水平相关因素的分析一、研究的目的要求随着经济的飞速发展，尤其进入21世纪以来,甚至在全球经济陷入困惑泥潭的时候,中国经济始终保持着高速增长,居民的消费水平也逐步攀升。
一个地区的经济发展与其居民的消费需要息息相关,对经济的稳定增长起着推动作用,因此在国际经济增长速度放缓的情况下,扩大内需,增加居民消费就成为了拉动经济增长的主要动因和最终力量。
本文用计量分析的方法，实证研究了影响居民消费水平相关因素。
发展经济就应该紧紧抓住消费,而消费水平的高低受多种因素的制约, 根据西方经济学中凯恩斯消费理论可以得知消费水平受到居民收入水平等多种因素的影响,而这些因素究竟都是如何影响着消费水平呢?为了研究影响居民消费水平的主要因素，分析和预测中国居民消费水平未来的发展趋势，需要建立计量经济模型。
二、模型设定为了对我国居民消费水平有更进一步的了解，本论文是对影响居民消费水平的主要因素进行OLS回归分析，并找出影响因素与其之间的关系。
1.影响因素的选择影响我国居民消费水平的因素有很多。
经过一系列的分析，影响我国居民消费水平的主要因素有居民消费水平（Y）、国内生产总值（X2）、城镇居民人均消费支出(X3)、卫生机构数（X4）。
2.模型设定及估计为此设定了如下对数形式的计量经济模型：Y = β1+β2X2+β3X3+β4X4+C其中：Y——居民消费水平（元）X2——国内生产总值（亿元）X3——城镇居民人均消费支出(元)X4——卫生机构数（个）3、模型数据的选取本文所用数据为影响我国居民消费水平相关因素的1978——2005年的时间序列,来源于《中国统计年鉴》，所设计模型的样本容量为28个,以下为收集到的数据：表1 1978--2005年居民消费水平及其相关数据年份居民消费水平(按当年价格计算元)Y国内生产总值X2(亿元)城镇居民人均消费支出(元)X3卫生机构数(个)X41978 184 3645.21 399.96 1697321979 208 4062.58 424.96 1751421980 238 4545.62 485.76 1805531981 264 4891.56 517.44 1901261982 288 5323.35 592.08 1934381983 316 5962.65 660.12 1960171984 361 7208.05 744.36 1982561985 446 9016.03 889.56 2008661986 497 10275.18 998.88 2031391987 565 12058.62 1215.84 2049601988 714 15042.82 1506.99 2059881989 788 16992.32 1921.05 2067241990 833 18667.82 1983.86 2087341991 932 21781.50 2388.77 2092361992 1116 26923.48 2830.62 2047871993 1393 3533.92 3777.43 1935861994 1833 48197.86 5181.30 1917421995 2355 60793.73 6253.68 1900571996 2789 71176.59 6736.09 3225661997 3002 78973.03 6853.48 3150331998 3159 84402.28 7054.09 3140971999 3346 89677.05 7517.81 3009962000 3632 99214.55 8016.91 3247712001 3869 109655.20 8099.63 3303482002 4106 120332.70 8988.48 3060382003 4411 135822.81 9636.24 2913232004 4925 159878.30 1898.85 2975402005 5463 183217.42 2059.01 298997为了更好的利用Eviews研究我国居民消费水平与这些因素的关系，特做以居民消费水平（Y）关于国内生产总值（X2）、城镇居民人均消费支出（X3）、和卫生机构（X4）的散点图。
计量经济学：12篇精品论文选集
计量经济学：12篇精品论文选集1. 论文1：《计量经济学中的线性回归分析》- 概述：本论文介绍了计量经济学中最基本的方法之一，即线性回归分析。
阐述了线性回归的基本原理、模型设定、参数估计和模型评估方法。
- 重要观点：线性回归是计量经济学中最常用的方法之一，可以用于解决多种经济问题，如影响因素分析、预测和政策评估等。
2. 论文2：《面板数据分析在计量经济学中的应用》- 概述：本论文介绍了面板数据分析在计量经济学中的应用。
阐述了面板数据的特点、模型设定、估计方法以及面板数据分析在经济研究中的重要性。
- 重要观点：面板数据分析可以更好地利用数据资源，提高估计效率和准确性，对于研究经济现象的时序和个体差异具有重要意义。
3. 论文3：《时间序列分析及其应用》- 概述：本论文介绍了时间序列分析及其应用。
阐述了时间序列的特征、模型设定、参数估计和预测方法，以及时间序列分析在经济学中的实际应用。
- 重要观点：时间序列分析可以揭示经济现象的动态特征和趋势，对于经济预测、政策制定和风险管理等方面具有重要作用。
4. 论文4：《计量经济学中的工具变量法》- 概述：本论文介绍了计量经济学中的工具变量法。
阐述了工具变量法的基本原理、模型设定、估计方法和应用案例。
- 重要观点：工具变量法可以解决内生性问题，提高因果关系的估计效果，在经济学研究中具有广泛应用。
5. 论文5：《计量经济学中的时间变动回归模型》- 概述：本论文介绍了计量经济学中的时间变动回归模型。
阐述了时间变动回归模型的设定、参数估计和模型评估方法。
- 重要观点：时间变动回归模型可以捕捉经济现象随时间变化的特征，对于分析经济趋势和政策效果具有重要意义。
6. 论文6：《计量经济学中的非参数回归分析》- 概述：本论文介绍了计量经济学中的非参数回归分析。
阐述了非参数回归的基本原理、估计方法和应用案例。
- 重要观点：非参数回归分析可以灵活地处理数据，适用于数据分布未知或非线性关系的情况，对于经济研究具有重要意义。
简单计量经济学回归分析课程论文模板
论文题目：大学生GPA的影响因素分析****：**学号：G*********专业：金融班级：5班本文基于美国密歇根州多所高校大学生调查的数据，循序渐进的建立回归模型探究了影响大学生GPA的一些主要因素，并根据分析得出的结果给出了一些相关的建议。
运用Eviews软件与OLS法过对高中毕业学校规模、毕业年集中学术排名、SAT成绩、性别、是否是运动员等可能对大学GPA产生较大影响的因素进行回归分析，得出其中较为明显的影响因素，从而为我国高校大学生成绩的提高提出有效的建议与看法。
关键词：大学GPA，回归分析，共线性，异方差1.研究背景概述 (4)2.模型的设计 (5)2.1影响因素的分析及符号说明 (5)2.2数据的选择 (5)2.3研究报告的基本步骤 (7)3.计量模型建立及分析 (8)3.1.1简单影响因素的分析 (8)3.2加入平方项对问题进行分析 (9)3.3引入二值变量对问题进行分析 (10)4.模型检验 (12)4.1回归方程的标准差的评价 (12)4.2回归模型的总体显著性检验 (12)4.3计量经济学检验 (12)4.3.1多重共线性检验 (12)4.3.2 White检验方法检验模型异方差性 (13)4.3.3 DW检验检验模型自相关性 (13)5.对模型进一步的讨论 (14)5.1检验SAT成绩对大学成绩的影响是否取决于性别 (14)5.2对女性运动员与女性非运动员之间成绩差别的探讨 (15)6.结论 (17)参考文献 (19)附录1 (20)1.研究背景概述自国家大力发展高等教育以来，我国各大高校不断扩招。
近年来,我国高等教育的毛入学率已经达到了21%,实现了高等教育的大众化。
但是,伴随着高校招生规模的不断扩大,也出现了一些新问题。
很大一部分教师及管理人员认为,随着办学规模的扩大,大学新生的整体素质在逐年下降。
因为扩招使得学校的入学门槛逐步降低，使得参加高考的考生进本都有大学可上，虽然长期来看可能对中国的劳动力素质的提高有好处，但是使通过高考进入大学的学生整体学术基础素质持续下滑，如何提高大学生学术素质受到了社会各界的广泛关注。
计量经济学课程论文完整版
计量经济学课程论文完整版引言。
计量经济学是经济学的一个重要分支，它运用数学、统计学和计算机技术来研究经济现象。
在这门课程中，我们学习了许多重要的计量经济学方法和模型，以及它们在经济领域的应用。
在本文中，我将讨论我在这门课程中学到的知识，并且对一些相关的经济现象进行分析和解释。
一、计量经济学方法和模型。
在这门课程中，我们学习了许多计量经济学的方法和模型，包括线性回归模型、时间序列分析、面板数据分析等。
其中，线性回归模型是最基础的模型之一，它可以用来分析一个或多个自变量对因变量的影响。
通过线性回归模型，我们可以得到自变量与因变量之间的关系，并且进行预测和检验。
另外，时间序列分析是研究时间序列数据的一种方法，它可以用来分析经济变量随时间变化的规律。
通过时间序列分析，我们可以研究经济变量的趋势、季节性和周期性等特征，从而进行预测和政策制定。
面板数据分析则是研究横截面数据和时间序列数据的一种方法，它可以用来分析不同个体或单位之间的差异和联系。
通过面板数据分析，我们可以研究个体特征对经济现象的影响，以及个体之间的相互作用。
二、计量经济学在经济领域的应用。
在实际经济研究中，计量经济学方法和模型被广泛应用于各个领域，包括宏观经济学、微观经济学、金融学等。
其中，宏观经济学是研究整体经济运行的一个重要领域，通过计量经济学方法和模型，我们可以研究国民经济的增长、通货膨胀、失业等重要问题。
在微观经济学领域，计量经济学方法和模型可以用来研究市场结构、企业行为、消费者选择等问题。
通过微观经济学的研究，我们可以了解市场的运行机制，以及政策对市场的影响。
在金融学领域，计量经济学方法和模型可以用来研究股票市场、债券市场、汇率市场等问题。
通过金融学的研究，我们可以了解金融市场的波动规律，以及政策对金融市场的影响。
三、实证分析。
在本文的最后部分，我将通过一个实证分析来展示计量经济学方法和模型在经济研究中的应用。
我选择了一个关于教育支出对经济增长的影响的实证研究。
线性回归分析范文
线性回归分析范文线性回归是一种常用的统计分析方法，用于研究变量之间的线性关系。
它可以揭示自变量和因变量之间的数量关系，通过建立一个最佳拟合的线性模型来预测因变量的值。
线性回归广泛应用于经济、金融、社会科学和自然科学等领域。
线性回归模型的基本形式如下：Y=β0+β1X1+β2X2+…+βnXn+ε其中，Y是因变量，X1、X2、…、Xn是自变量，β0、β1、β2、…、βn是回归系数，ε是随机误差项。
线性回归的前提假设包括：1.线性关系假设：自变量和因变量之间是线性关系；2.同方差性假设：随机误差项ε在所有自变量取值下具有相同的方差；3.独立性假设：随机误差项ε之间是独立的；4.正态性假设：随机误差项ε服从正态分布。
线性回归的核心任务是通过最小化残差平方和来求解最佳的回归系数。
残差是预测值与实际观测值之间的差异。
最小二乘法是线性回归中常用的方法，它的目标是使残差平方和最小化，通过求解偏导数来得到最佳回归系数的估计。
线性回归模型的拟合程度可以通过判定系数R²来评估，其取值范围在0到1之间。
R²的值越接近1，说明模型越能解释因变量的变异性；反之，R²的值越接近0，说明模型的解释能力越弱。
线性回归模型的应用包括：1.预测与预测：根据自变量的取值，可以使用线性回归模型来预测因变量的值。
例如，在经济学中，可以根据经济指标，如GDP和失业率，来预测未来的经济增长率。
2.因果推断：线性回归模型可以用于研究自变量对因变量的影响程度。
通过估计回归系数，可以分析自变量的影响方向和强度。
例如，在医学研究中，可以通过线性回归分析来确定吸烟对呼吸道疾病的影响。
3.变量选择：线性回归可以用于识别对因变量影响最大的自变量。
通过分析回归系数的显著性，可以确定哪些自变量对因变量具有重要的解释能力。
这对于解释和理解研究问题非常有价值。
然而，线性回归也存在一些限制：1.假设限制：线性回归模型对回归系数的假设比较严格，要求线性关系、同方差性和独立性。
- 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)。
显然，入境旅游人数的增加会使入境旅游外汇收入增加，这一影响是非常直观的。 3. 国内旅游人数 X3
Y=f(x2) Y=f(x1, x2)
-37.07005 (-1.648452) 442.9180 (10.35307)
0.182493 (16.40280) -0.508381 (-11.33406)
0.135994 (26.75517)
Y=f((x1,x2,x3) 378.1899
-0.436878
从计量结果看,只有 X1 和 X2 通过了 t 检验，说明这两个变量对因变量有很好的解释
能力，且系数符合经济意义；但另两个变量虽然没有通过 t 检验，但从经济意义上讲确实对 因变量存在合理的影响，对此，可能是由自变量间多重共线性所引起。另外，整个回归通过 了 F 检验，说明模型总体上是显著的，且 R2 为 0.998331，修正的 R2 为 0.997377，都非常大， 说明模型的拟合程度非常好。
408.43
2432.53
1712
694.51
179921.5
2009
396.75
2193.75
1902
683.1
150648.1
2010
458.14
2612.69
2103
675.95
201722.1
2011
484.64
2711.2
2641
645.88
注：以上数据来源于中国国家统计局《中国统计年鉴 2012》
70483.5
2004
257.39
1693.25
1102
827.68
95539.1
2005
292.96
2025.51
1212
819.17
116921.8
2006
339.49
2221.03
1394
797.18
140971.447
2007
419.19
2610.97
1610
760.4
166740.2
2008
(二)统计意义检验 1.参数显著性检验
本案例中，β1，β2 的 t 统计量分别为 T1 = -5.138637 和 T2 = 11.52531。对于给定的显
著性水平α=0.05，查 t 分布表其临界值 t0.025（9）=2.262，因为，∣T1∣ = 5.138637 > t0.025 （9）=2.262 和 T2 =11.52531 > t0.025（9）=2.262,所以拒绝 H0：β1=0 和β2=0，表明人民币 对美元平均汇价和入境旅游人数对我国旅游外汇收入有显著的影响。但β3，β4 的 t 统计量 分别为 T3 =1.614777 和 T4 =-1.379470，对于给定的显著性水平α=0.05，因为 T3 =1.614777 和∣T4∣ =1.379470< t0.025（9）=2.262,所以接受 H0：β3=0 和β4=0，表明国内旅游人数和 进出口总额对我国旅游外汇收入没有显著影响。
500
500
236402
450
450
LVYOUWAIHUISHOURU
LVYOUWAIHUISHOURU
400
400
350
350
300
300
250
250
200
200
150
640
680
720
760
800
PINGJUNHUIJIA
图一：y 和 x1 的散点图
500
150
840
800 1,200 1,600 2,000 2,400 2,800
二、 研究的目的与意义
通过建模对我国入境旅游收入影响因素进行计量分析，找到重要的影响因素，从而对我 国入境旅游事业的发展提供政策性建议。
三、 指标选取
将我国入境旅游外汇收入作为因变量，通过对相关文献的研究，我们发现影响我国入境 旅游外汇收入的影响因素很多，我们从中挑选了影响程度较重的四个作为自变量。 1. 平均汇率 X1
图三：y 和 x3 的散点图
150 0 40,000 80,000 120,000
200,000
JINCHUKOUZONGE
图四：y 和 x4 的散点图
七、参数估计
利用 Eviews 进行 OLS 回归，结果如下表所示: 表二：OLS 回归结果分析表
Dependent Variable: LVYOUWAIHUISHOURU Method: Least Squares Date: 06/06/13 Time: 01:27 Sample: 2000 2011 Included observations: 12
-0.949435
0.898030
YOURENSHU
JINCHUKO
-0.893347
0.964960
UZONGE
GUONEILVY OURENSHU
-0.949435
0.898030
1.000000
0.964565
JINCHUKOU ZONGE
-0.893347
0.964960
0.964565
1.000000
0.998331 Mean dependent var 0.997377 S.D. dependent var 6.065371 Akaike info criterion 257.5211 Schwarz criterion -35.42443 Hannan-Quinn criter. 1046.682 Durbin-Watson stat 0.000000
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C PINGJUNHUIJIA RUJINGLVYOURENSHU GUONEILVYOURENSHU JINCHUKOUZONGE
364.7357 -0.439075 0.145871 0.028573 -0.000277
对有
t = (6.251100) (16.29675)
经分析可见，在四个一元回归模型中，Y 对 的线性关系强，拟合程度较好， 即最优简单回归方程为：
t = (-1.648452) (16.40280)
2）将其余变量逐个引入简单最优回归方程，计算结果如下表：
表四：中国旅游外汇收入的估计 β0(常数） β1（x1） β2（x2） β3（x3） β4（x4） R2
解释变量的线性部分对被解释变量的影响是否显著 , 而不能对被解释变量的影响因素 是否包含自变量的非线性部分做出判断。
五、模型设定
建立模型 Y=C+β1X1+β2X2+β3X3+β4X4
六、样本数据处理
表一：2000-2011 年我国旅游外汇收入及其相关因素数据表
年份
旅游外汇收入 （亿美元）
入境旅游人 国内旅游人数 人民币对美元
2.拟合优度检验 本案例中，R2 =0.998331，表明样本回归方程的解释能力为 99.8%，在旅游外汇收入
的总变差中，由解释变量人民币对美元平均汇价 x1 和入境旅游人数 x2 解释的部分约占了 99.8%，也就是我国外汇旅游收入总额变动的 99.8%可以由样本回归方程做出解释，模型拟 合优度很高。
RUJINGLVYOURENSHU
图二：y 和 x2 的散点图
500
450
450
LVYOUWAIHUISHOURU
LVYOUWAIHUISHOURU
400
400
350
350
300
300
250
250
200
200
150 400 800 1,200 1,600 2,000 2,400 2,800
GUONEILVYOURENSHU
国内旅游人数远远大于入境旅游人数，因此可以认为国内旅游者是我国旅游价格的制定 者，而入境旅游者是旅游价格的接受者。在国内旅游供需市场上，随着国内旅游人数的增加， 旅游需求增加，导致旅游价格增加，则入境旅游价格也随之增加，进而带动入境旅游外汇收 入增加。 4. 进出口额 X4
进出口贸易额对我国国际收支平衡有着重要影响，而国际收支平衡通过外汇市 场对汇率有一定的影响，进而影响到我国入境旅游外汇收入。具体的影响作用我们将通过回 归分析得到。
(三)计量经济检验 1.多重共线检验
用 EVIEWS 软件，得相关系数矩阵表： 表三：相关系数矩阵表
PINGJUNHUI
RUJINGLVY
JIA
OURENSHU
PINGJUNH
1.000000
-0.807131
UIJIA
RUJINGLV
-0.807131
1.000000
YOURENSHU
GUONEILV
79.00677 0.085446 0.012657 0.017694 0.000201
4.616511 -5.138637 11.52531 1.614777 -1.379470
0.0024 0.0013 0.0000 0.1504 0.2102
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
四、 研究中可能遇到的问题
1. 对解释变量有显著影响的因素没有考虑到解释变量范围内，而非显著性因素被引入模 型，致使随机项的变化过大，且拟合得到的结论失去实际指导意义。