计量模型论文标准范本
工业计量论文范文精选3篇(全文)
工业计量论文范文精选3篇计量经济学论文（一）内容提要本文主要通过对我国20XX年各地工业总产值进行多因素分析，建立以工业总产值为被解释变量，以其它可能对工业总产值有明显影响的因素为解释变量的多元线性回归模型，并利用模型对工业总产值进行数量化分析，就当前形势下通过何种方式才能提高工业总产值提出一些可供参考的意见。
SummryThispperminlybyChinin20XXtoroundindustriloutputformul ti-fctornlysis,estblishgrossvlueofindustriloutputwstheexpl ntoryvrible,Otherpossibletotheindustriloutputvluehsobvio usimpctonthevriblefctorstoexplinthemultiplelinerregressi onmodel,nduseofindustriloutputmodelforquntittivenlysis, onthecurrentsitutionbywhtmenscnimprovetheindustrilout putvlueofsomeofthedvicevilble.Keywords:IndustriloutputMultivritenlysisInputFixedssetsL borEconometrics（二）建立模型的步骤（1）建立模型1、解释变量的选择被解释变量,直接取工业总产值，用Y表示。
解释变量，即影响解释工业总产值的变量选取哪些呢？我们知道，对于影响产量的主要变量是投资（K），劳动（L）和技术进步（T），所以在我们选择工业总产值解释变量的时候应该含有K、L，但是由于技术进步（T）的数据我们不可得，所以我们无法将其列入模型中进行定量研究。
除了以上两个变量，我们还应该选择一个重要的变量，那就是固定资产，因为工业总产值中很大一部分是由大型工业产值组成的，这些工业的固定资产大小会对他们的产值产生重大影响，比如，一个大型工厂在以前用价值100万的旧生产线生产产品时，投入10万，产值是14万，后来引进新生产线，同样的投入和劳动，产值会是20万，这就表现出固定资产对工业总产值的影响。
含有计量经济模型的论文写作规范
基本事实：亚马孙雨林是世界上现存的面积最大的未被
砍伐的森林。其中60%位于巴西，位于巴西的雨林面积相当于 所有欧共体国家和挪威国土的总和。
数据资料：收集了300多个子区，分别相隔五年的四个
时间段的面板数据集，大约20万条数据，包含100多个变量在 每一地区和每一年份的数值。包括就业、收入、各种产出、价 格、人口、各类土地（原始森林、再生林、休耕地（包括湿 地）、农田和牧场）的数量估计。
要尽可能地全面收集文献，尤其是经典的和近期的文
献。还可以在收集到的论文后面的参考文献目录中搜寻。
6
一、论文的准备工作和分析框架
3. 文献研读
• 阅读相关文献(快速浏览或精读)； • 阅读中要有相应的笔记。 学习文献是一个包含着去粗取精、去伪存真、融会贯 通诸环节在内的研究阶段。一个研究者在搜集到与自己的 专题相关的文献后，一般首先浏览题目、摘要、目录、序 言（或引言）和结语，然后决定是否精读全篇或某个章节。 俗话说：“好记性不如烂笔头”，对筛选出的文献，在研 读时要做笔记，方式可按自己的方便来定，如标记、卡片、 书签、电子文档等，要标明出处：作者、期刊和文献名。
5
一、论文的准备工作和分析框架
2. 搜集和整理文献
形象地说，搜寻文献如同研究者在寻找前人的足迹， 以便从他们驻足的地方起步继续前进。不过，只有精品文 献才有可能使后人“踩着巨人的肩膀”攀登[5]。 在经济学领域，创造新的和批判已有的理论和方法，
必然是基于对已有的文献、已有的理论事实的透彻的理解。
没有这个基础去“创造”或“批判”，则很难成为科学研 究成果。
22
二、建立计量经济模型
2. 模型的估计和解释
（1）选择合适计量经济建模方法及软件；
（2）建立模型，反复估算，参数的估计值的经济意义要 合理，最终确定一个合适的模型；
《2024年空间计量模型的理论和应用研究》范文
《空间计量模型的理论和应用研究》篇一一、引言空间计量模型是一种统计工具，用于处理和分析具有空间相关性的数据。
随着地理信息系统（GIS）和遥感技术的快速发展，空间数据的获取和分析变得越来越重要。
空间计量模型能够有效地捕捉和处理空间数据中的空间依赖性和异质性，为政策制定、城市规划、环境监测等领域提供了强大的分析工具。
本文将对空间计量模型的理论和应用进行深入研究。
二、空间计量模型的理论基础1. 空间自相关空间自相关是空间计量模型的核心概念之一。
它描述了地理空间中某一属性值与其相邻地区属性值之间的相关性。
空间自相关可以分为正相关和负相关，即相邻地区的属性值相似或相反。
2. 空间异质性空间异质性指的是空间数据在地理空间上表现出非均匀性和不规律性。
空间异质性对传统计量模型提出了挑战，因为传统计量模型通常假设数据具有同质性。
空间计量模型通过引入空间权重矩阵来考虑空间异质性。
3. 模型类型空间计量模型包括多种类型，如空间自回归模型、空间误差模型、地理加权回归模型等。
这些模型根据数据的不同特点，采用不同的方法处理空间自相关和异质性问题。
三、空间计量模型的应用研究1. 政策制定空间计量模型可以用于政策制定过程中，对政策效果进行评估和预测。
例如，在城市规划中，可以通过建立空间计量模型，分析不同政策对房价、人口分布等的影响，为政策制定提供科学依据。
2. 环境监测环境监测是空间计量模型的另一个重要应用领域。
通过建立空间计量模型，可以分析环境污染的空间分布和变化趋势，为环境保护和治理提供科学依据。
例如，可以利用空间计量模型分析空气质量指数的空间分布和影响因素，为空气质量管理和改善提供决策支持。
3. 公共卫生领域在公共卫生领域，空间计量模型也被广泛应用。
例如，可以通过建立空间计量模型，分析不同地区居民的健康状况及其影响因素，为卫生资源配置和健康政策制定提供依据。
此外，还可以利用空间计量模型进行流行病传播的预测和防控。
四、案例分析以某城市房价预测为例，介绍空间计量模型的应用。
计量经济学模型分析论文
计量经济学模型分析论文工商101我国城镇居民储蓄存款影响因素的实证分析摘要：近年来,随着中国经济的飞速发展,一直保持在高水平上的中国储蓄率受到了越来越多国内外经济学家的关注。
高储蓄率给我国经济发展带来充裕资金来源,是支持经济快速增长的重要因素。
更为重要的是,源源不断的资金流保证了金融机构的流动性,增强了银行的稳定性。
与此同时,也给我国经济发展带来前所未有的挑战，因为，过高的储蓄,必然伴随着投资或消费的不足。
所以对影响居民储蓄的主要因素进行分析,才能在制定宏观政策上采取适当的措施,使储蓄率保持在一个适当的水平,促进经济增长。
本文利用我国1982年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型。
通过对该模型的经济含义分析可以得出可支配收入率对储蓄率的影响不大，还有利率对储蓄率的影响很小，值得注意的是，模型中的基尼系数对城镇居民的储蓄影响是相当大的。
引言(提出问题)自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。
虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。
据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即（MPK－δ），约为0.9%。
我国的资本收益(MPK－δ)＝每年0.9％，大大低于经济的平均增长率（ｎ＋ｇ＝9％）。
可见，我国的资本存量已经远远超过了黄金律水平。
也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。
所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。
那应该如何降低我国的储蓄率呢？下面我们将以城镇居民的数据为例进行分析。
1、我国城镇居民储蓄模型各个解释变量及被解释变量的分析一个社会的储蓄总量受很多因数的影响，根据经典西方宏观经济学理论，储蓄水平主要受收入因数、利息率、物价水平、收入分配等因数的影响：1.1收入因数收入是决定储蓄的重要因数，收入的变化会直接决定着储蓄的变化。
计量经济模型参数估计方法论文
计量经济模型参数估计方法论文计量经济模型参数估计方法论文摘要：计量经济模型的参数估计是实证经济分析的关键，其在建模技术中处于核心的地位。
估计模型参数属于统计学中的参数估计内容。
常用的估计方法主要包括最小二剩法、极大似然估计法、矩估计法和贝叶斯估计法等。
而这些方法的应用，取决于计算机及其软件的编程。
利用R 软件可以很容易的实现对模型参数的估计，不论是线性模型，还是非线性模型，主要使用 lm、glm 和 nls等几个命令函数来实现。
关键词：经济建模；参数估计；经济参数；R的使用。
一位朋友获得到了一笔意想不到的奖金，于是计划着买一件观注已久的名贵消费品。
而同事同样也得到了一笔工资之外的收入，他却将这笔钱用于了投资。
用经济学的术语就是前者的消费倾向很高，而后者的消费倾向较低。
然而一个地区的消费倾向，应该是该地所有居住者的平均消费倾向。
它往往反映着该地区的生活水平和经济发达的程度，是人们比较关心的话题。
这类信息又不可能直接调查获得，因为哪些收入是新增的，以及个人之间的倾向差异较大，抽样的代表性很难保证。
所以此类信息的获得主要是通过模型测算的，即以观测得到的消费为被解释变量，收入为解释变量来构建回归方程，其回归系数就是收入的边际消费倾向。
在经济模型的各构成要件中，参数是用来表述具体经济关系的重要因素，如消费倾向就是收入决定消费模型中最重要的经济参数。
在现实的经济观察中，人们较易观测到收入和消费支出的数据，却很难直接观测到消费倾向的数据，因此我们通过建模来推算。
而这种对模型参数进行推算的过程，常被称为模型的估算。
一、经济参数估计及主要方法。
经济模型是用来描绘经济关系方程式或方程组，在经济模型中的各种变量是我们看得到的经济现实，模型中的每一个方程都表述着各变量之间的经济关联。
而变量之间精确关系的规律性反映，主要是由模型中伴随着变量存在的参数来承担的。
既然是规律性的东西，就是固定不变的。
所以建立模型的过程也就是通过变量和方程式的变化观察，来寻找不变的经济参数的过程。
有计量模型的论文
有计量模型的论文有计量模型的论文论文是各专业学员都必须完成的集中实践性教学环节，不能免修。
要求每位学员在学校指定的指导教师的指导下，独立完成论文的写作，下面小编带来的是有计量模型的论文，希望对你有帮助。
摘要：与传统的股东与管理者委托代理关系不同的控股股东与中小股东之间的代理问题（即第二类代理问题）成为近年来公司金融领域的研究热点。
控制权私有收益问题的重要研究内容之一就是对其水平高低进行测定。
文章在评述大股东控制权私有收益计量模型相关文献的基础上，从中国上市公司股权分置改革对计量模型产生影响的角度，对大宗股权转让溢价模型（BH模型）进行分析与修正，提出测度控制权私有收益的股改前模型和股改后模型。
关键词：控制权私有收益；计量模型；BH模型；股权分置改革一、控制权私有收益含义与研究背景由于保护小股东的制度不完善，在新兴国家市场，大股东与小股东的利益冲突尤其严重。
在这种背景下，与传统的股东与管理者委托代理关系不同的大股东与小股东之间的代理问题，即第二类代理问题，成为近一段时期公司金融领域的研究热点之一。
Grossman和Hart提出，大股东的.控制权共享收益(Shared Benefits of Control）与控制权私有收益 (Private Benefit of Control，简称PBC)是大股东通过控制权获得的，体现了控制权对公司治理的作用。
控制权共享收益是在大股东获得控制性股权后，通过加强对公司监督、降低企业内部交易成本等手段所创造的价值，此收益为全部股东共同拥有，主要表现为公司股票上涨的资本利得以及股息分配所得；而控制权私有收益则是大股东利用其控制地位使其关联人获取额外利益，或者通过占用公众公司财产、以低成本将中小持股人驱出 (Freeze Out)以及大股东的声望带来的好处等只有大股东可获取的、不与其他股东共享的额外收益。
Coffee认为私有收益是“公司实际控制人为实现自我利益而从公司中掠取的利益，这些利益并不在所有股东之间按持股比例进行分配”，例如超出市场正常水平的额外福利或不相称的报酬待遇(Non-pro Rata Payments)、通过内幕信息谋取非法利润或降低损失的内幕交易 (Inside Trading)以及发行的股票具有稀释性等。
《2024年空间计量模型的理论和应用研究》范文
《空间计量模型的理论和应用研究》篇一一、引言随着社会科学和数据科学的发展，空间数据及其在众多领域的广泛应用越来越受到研究者的关注。
空间计量模型作为处理和分析空间数据的重要工具，具有广泛的学术研究价值和实际应用价值。
本文旨在全面阐述空间计量模型的理论基础，并探讨其在各个领域的应用。
二、空间计量模型的理论基础1. 空间计量模型概述空间计量模型是一种运用统计学和地理学原理，结合计算机技术，对空间数据进行收集、处理、分析和解释的计量方法。
其基本思想是将空间数据看作具有空间属性的变量，运用适当的模型和方法进行空间数据的分析。
2. 空间计量模型的分类根据不同的研究目的和数据处理方式，空间计量模型可以分为多种类型，如空间自回归模型、空间误差模型、空间滞后模型等。
这些模型各有其特点和适用范围，需要根据具体的研究对象和问题选择合适的模型。
3. 空间计量模型的数学基础空间计量模型的数学基础包括空间自相关、空间异质性、空间权值矩阵等概念。
这些概念为空间计量模型提供了理论基础和数学工具，使得研究者能够更加精确地处理和分析空间数据。
三、空间计量模型的应用研究1. 地理学领域的应用空间计量模型在地理学领域的应用广泛，如城市规划、区域发展、土地利用等。
通过运用空间计量模型，可以分析不同地区之间的空间关系和相互作用，揭示地理现象的内在规律，为政策制定提供科学依据。
2. 经济学领域的应用空间计量模型在经济学领域的应用也十分广泛，如房地产市场分析、区域经济发展等。
通过分析房地产价格的空间分布和变化规律，可以揭示房地产市场的发展趋势和规律；通过分析区域经济的空间结构和相互关系，可以优化资源配置，提高经济效益。
3. 社会学领域的应用空间计量模型在社会学领域的应用主要包括社会网络分析、人口迁移等。
通过运用空间计量模型，可以分析社会网络的空间结构和关系，揭示社会现象的内在规律；通过分析人口迁移的空间模式和影响因素，可以了解人口流动的规律和趋势，为政策制定提供依据。
计量经济模型及含义论文
计量经济模型及含义论文计量经济学是经济学中的一个重要分支，主要研究经济学中使用计量方法来分析经济现象和问题。
计量经济模型是计量经济学中应用最广泛的工具之一，它通过将经济学理论中的假设转化为数学形式，以便定量分析经济现象。
本文将详细介绍计量经济模型的基本概念、分类以及在经济学领域中的应用。
一、基本概念计量经济模型是对经济实际现象进行定量分析和预测的数学模型。
它基于经济学理论，使用统计学，数学和计算机科学方法，从数据中抽象出经济现象的本质特征和规律，以此提出有关经济变量之间关系的假设，并利用计量经济方法进行验证。
计量经济模型的基本假设包括结构假设、统计假设和函数假设。
二、分类计量经济模型按照变量的性质分为宏观经济模型和微观经济模型，按照观测随机性分为确定性模型和随机模型。
在计量经济学中应用较为广泛的主要模型包括线性回归模型、时间序列模型和面板数据模型。
1. 线性回归模型线性回归模型是计量经济学中最常见的模型之一，它通过建立经济变量之间的线性关系来描述经济现象。
线性回归模型可以分为单变量回归和多变量回归模型两种类型，多变量回归模型中又分为多元线性回归和多项式回归两种形式。
线性回归模型的应用范围广泛，可以用来研究成本、收入、价格、就业等方面的经济问题。
2. 时间序列模型时间序列模型主要用于研究时间序列数据的变化规律，其基本假设是时间序列数据具有一定的平稳性。
常用的时间序列模型包括自回归模型、移动平均模型和ARMA模型等。
3. 面板数据模型面板数据模型是一种使用面板数据对经济变量进行分析的方法。
面板数据是指对同一群体或人群在不同时间和不同地点上的数据进行的横向比较和纵向分析，可以通过面板数据模型进行经济变量之间的关系分析以及预测。
三、应用计量经济模型在经济学领域中应用广泛，可以用于分析生产、消费、出口、投资等各个方面的经济问题。
其中，线性回归模型被广泛应用于服务业、金融业、医疗保健等领域，用于预测市场需求、研究货币政策、分析医疗保健成本等问题；时间序列模型被广泛应用于宏观经济预测、股票价格预测等领域，用于研究货币政策、经济增长和就业等问题；面板数据模型被广泛应用于人口统计学、医学研究、教育研究等领域，用于分析人口增长、医疗保健政策和教育政策等问题。
- 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)。
人均GDP、工资水平与消费水平相关关系的实证研究基于全国2005-2015的面板数据摘要：在现实生活中，影响各个家户消费的因素很多，如收入水平、商品价格水平、利率水平、收入分配状况、消费信贷状况、消费者年龄构成、社会保障制度、风俗习惯等等。
根据传统的凯恩斯主义消费理论，即收入是消费的决定性因素，并且随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多。
而衡量一个经济体的平均收入水平，主要的指标有人均GDP和人均工资水平，因此根据这种分析，人均GDP、工资水平与消费水平存在着某种相关的关系。
本文基于近10年来的数据，经过整理，对人均GDP、工资水平与消费水平的关系进行了实证研究，并且通过建立多元线性回归模型和时间序列模型，分别对未来的人均消费水平进行了预测。
关键字：实证研究，消费水平，人均GDP，工资水平1建立多元回归模型根据经济理论，研究人均消费水平的大小需要我们研究人均GDP和人均工资水平等变量。
因此，需要利用多元的回归模型予以建模和解释。
通过对国家统计局数据的整理，我们得出了下表相关的数据，并且利用散点图，大致的估计了人均GDP和人均工资水平同人均消费水平存在一定的关系，如表1-1、图1-1所示。
表1-12005年-2015年人均GDP、工资水平与消费水平的相关数据注：根据国家统计局数据，经作者整理计算得出根据EViews8.0做出如下散点图：图1-1人均GDP、工资水平与消费水平相关关系根据图1-1，我们可以看出，人均工资水平1X 与人均消费水平Y 存在着明显的正向的相关关系，人均GDP 水平2X 与人均消费水平Y 也存在着明显的正向的相关关系。
因此，我们建立如下的总体多元线性回归模型i u X X Y +++=22110βββ，根据表1-1的样本观测值()i i i Y X X ,,21，建立如下的样本回归模型ie X X Y +++=22110ˆˆˆβββ应用EViews 8.0的最小二乘法程序，输出的结果如表1-2所示。
表1-2应用EViews 对表1-1的输出结果根据样本回归方程22110ˆˆˆˆX X Y βββ++=由表1-2，得到估计的回归方程为ii i X X Y 2120.026.028.311ˆ++-=残差平方和为：Sum squared residual =785099.9所以5.9813789.7850991ˆ==--=∑k n e i σ从而可得到回归标准差为3.3135.98137ˆ==σ（或者由表1-2直接得到回归标准差为S.E of regression=313.3）2模型的最小二乘估计量21ˆˆββ、的检验和点预测2.1拟合优度检验由表1-2，得到样本可决系数为998.0)(2=-squared R R 修正的样本可决系数为Adjusted —squared =0.998该结果表明，估计的样本回归方程较好地拟合了样本观测值。
2.2F 检验提出检验的原假设为210==ββ：H 备择假设为），不等于零（：至少有一个211=i H i β有表1-2，得F 统计量为180.2058=-statistic F 对于给定的显著性水平05.0=α，根据分子的自由度为2，分母的自由度为8，查表可得F 分布的上侧分位数46.4)8,2(05.0=F 。
因为46.4180.2058>=F ，所以拒绝0H ，总体回归方程是显著的，即人均工资水平1X 、人均GDP 水平2X 与人均消费水平Y 存在着显著的线性的相关关系。
2.3t 检验提出检验的原假设为)2,1(00==i H i β：由表1-2，得t 统计量为46.124.221=-=-statistic t statistic t 的的ββ对于给定的显著性水平05.0=α，根据自由度8=v 查表可得t 分布的双侧分位数206.2)8(2/05.0=t 。
因为206.2)8(24.22/05.01=>=t t ，所以拒绝0H ，1β显著不等于零，即可认为人均工资水平1X 对人均消费水平Y 有显著的影响；206.2)8(46.12/05.02=<=t t ，所以不否定020=β：H ，即可以认为人均GDP 水平2X 对人均消费水平Y 没有显著影响。
理论上，在建立回归模型时，2X 可以不作为解释变量进入模型。
2.4多元线性回归的点预测如果在2016年，我国人均工资水平达到67000元，人均GDP 水平达到52675元。
对2016年我国人均消费水平进行预测。
将52675670002016,220161==X X ，，带入估计的回归方程，得到点估计值为)(72.276435267520.06700026.028.311ˆ2016元=⨯+⨯+-=Y 3对回归模型检验：异方差、自相关、多重共线性3.1异方差检验：采用怀特（white ）检验模型误差项t u 是否存在异方差提出检验的原假设为：不存在异方差：t u H 0备择假设为：存在异方差：t u H 1根据怀特（white ）检验的一般步骤，对如下辅助回归式215224213221102ˆX X X X X X ut αααααα+++++=进行OLS 回归，即用2ˆt u 对原回归式中的各解释变量、解释变量的平方项、交叉积项进行OLS回归。
得出的结果如表3-1所示：表3-1white 检验输出结果对于给定的显著性水平05.0=α，统计量2)(TR g WT =，()()1221-++=k k g 。
其中，T 是辅助回归式的样本容量，2R 是辅助回归式的可决系数。
根据表3-1的输出结果，这里()()5122212=-++=g ，071.11)5(72.552.011)(205.02=<=⨯==χTR g WT 因此，接受0H ，模型不存在异方差。
3.2自相关检验：①采用DW （Durbin-Watson ）检验模型误差项t u 是否存在一阶自相关提出检验的原假设为：)(00不存在自相关：t u H =ρ备择假设为：存在一阶自相关）（：t u H 01≠ρ根据表1-2，得出68.0=DW ，若给定的显著性水平05.0=α，查表可得，DW 检验临界值0.68L d <，依据判别规则，认为误差项存在着严重的正自相关。
②自相关的消除：广义最小二乘法（GLS ）根据公式)ˆ1(2ρ-=DW ，可得66.0)2/(1ˆ=-=DW ρ对原变量做广义差分变换。
对样本进行再次回归，可得表3-2表3-2应用广义最小二乘法的EViews 输出结果根据表3-2，我们可以看出19.2=DW ，我们认为误差项的自相关已基本消除。
此时35.1611)66.01/(86.547)ˆ1/(ˆˆ86.547ˆ*00*0-=--=-=-=ρβββ，因此原模型的广义最小二乘估计结果为ii i X X Y 2137.015.035.1611ˆ++-=3.3多重共线性检验：Klein 判别法Klein 判别法认为，若有某个221R r X X >，即21X X ，之间的多重共线性是有害的。
通过EViews 对21X X ，的相关系数进行运算，得出下表3-3相关系数矩阵。
表3-321X X ，之间的相关系数矩阵根据表1-2，表3-3，我们有2998.021R r X X ==，因此该模型存在一定程度的多重共线性不影响估计结果。
4建立时间序列模型4.1模型的识别模型的识别主要依赖于对相关图与偏相关图的分析。
在对经济时间序列进行分析之前，通常对样本数据取对数，目的是消除数据中可能存在的异方差。
识别的第一步是通过相关图判断随机过程是否平稳。
如果一个随机过程是平稳的，其特征方程的根都应在单位圆之外。
自相关函数呈指数衰减或正弦衰减；如果特征方程的根接近单位圆，自相关函数将衰减的很慢；如果特征方程的根在单位圆上，对于有限样本，自相关函数将衰减的很慢，对于无限样本，自相关函数将不衰减。
所以在分析相关图时，如果发现其衰减很慢，即可认为该时间序列是非平稳的。
根据这样的原则，对表1-1应用EViews 作人均消费水平Y 的相关图（如下图4-1所示）。
图4-1人均消费水平Y 的相关图、偏相关图由于其自相关函数呈正弦衰减，但偏相关函数是一个非平稳序列。
根据对Y 相关图和偏相关图的分析，建立Y 的)1(AR 模型。
EViews 的输出结果如下表4-1所示。
从表4-1中，我们可以看出，特征根是194.006.1/1<=，所以Y 是一个非平稳序列。
表4-1AR(1)模型的EViews 估计结果4.2作人均消费Y 的差分序列DY ，其相关图和偏相关图如图4-3所示。
图4-3DY 的相关图和偏相关图在图4-3中，DY 的相关图衰减的很快，说明DY 是一个平稳序列。
通过对DY 相关图和偏相关图的分析，并考虑到DY 的均值非零（1936.15），拟建立均值非零的DY 的)1(AR 模型。
EViews 输出结果见表4-2。
表4-2AR(1)模型的EViews 估计结果4.3根据表4-2，我们得出时间序列预测模型的表达式为：tt t u DY DY +-+=-)6.2003(34.06.20031即有tt t u DY DY ++=-134.038.1322其中1322.38是漂移项。
对于t DY 来说，建立的是带有漂移项的)1(AR 模型。
对上式两侧求期望6.200334.0138.1322)(=-=t DY E 若带有漂移项的)1(AR 模型，用下式表示，tt t u DY DY ++=-10φθ则均值μ与漂移项0θ的关系是μφθ=-=1)(0t DY E 其中的)1(φ-是自回归特征多项式时的值，当1)1()(1=-=L L L φϕ。
4.4预测根据样本及计算，得出表4-3表4-3YDY 201424002.64661930.6553201526153.84622151.1996t u DY DY ++=2015201634.038.13227879.20531996.215134.038.1322=⨯+=6341.282067879.20538462.26152200120002016=+=+=DY Y Y 通过EViews 给出的预测值是28206.7。
预测的结果是一样的。
5结论本文从实证的角度，通过建立多元线性回归模型和时间序列模型。
通过对多元线性回归模型的估计量的检验、残差的检验、解释变量之间的共线性的检验，逐步的修正模型，得到了较好的拟合效果，最后作出了对消费水平的相关的预测。
并且利用时间序列模型对消费水平也进行了预测。
我们也能看到，不同模型都是通过定量的分析，得出人均GDP 、工资水平与消费水平的确实存在很强的相关关系，同经济理论相一致。
参考文献：[1]方岩飞.我国工资增长影响因素的理论分析与实证研究[D].天津财经大学,2012.[2]李姗姗.中国工资调整指数研究[D].辽宁大学,2009.[3]于志军.我国税收收入与GDP关系的实证及预测分析[J].会计之友,2013,(14):90-94.[4]王艳芬.郴州市税收收入与GDP增长关系的实证研究[D].湖南师范大学,2013.[5]李广泳.收入分配、公共支出与居民消费：理论分析与实证检验[D].南开大学,2013.[6]方岩飞.我国工资增长影响因素的理论分析与实证研究[D].天津财经大学,2012.[7]李姗姗.中国工资调整指数研究[D].辽宁大学,2009.[8]赵小明,冷德穆.我国财政收入与GDP关系的实证研究[J].云南财贸学院学报(社会科学版),2006,(06):78-79.。