简单计量经济学回归分析课程论文模板

1论文题目： 大学生 GPA 的影响因素分析学生姓名： 班鹏 学 号： G201605001 专 业： 金融 班 级： 5 班 2摘要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3目录1.研究背景概述 .42.模型的设计 .52.1 影响因素的分析及符号说明 .52.2 数据的选择 .52.3 研究报告的基本步骤 .73.计量模型建立及分析 .83.1.1 简单影响因素的分析 .83.2 加入平方项对问题进行分析 .93.3 引入二值变量对问题进行分析 .104.模型检验 .124.1 回归方程的标准差的评价 .124.2 回归模型的总体显著性检验 .124.3 计量经济学检验 .124.3.1 多重共线性检验 .124.3.2 White 检验方法检验模型异方差性 .134.3.3 DW 检验检验模型自相关性 .135.对模型进一步的讨论 .145.1 检验 SAT 成绩对大学成绩的影响是否取决于性别 .145.2 对女性运动员与女性非运动员之间成绩差别的探讨 .156.结论 .17参 考 文 献 .18附录 1.1941.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。因此。对如何提高大学生基础素质的问题的探讨变得具有重大意义。而 GPA 是大学生专业素质的一种重要体现，GPA 英语全称是 Grade Point Average，意思就是平均成绩点数（平均分数、平均绩点），美国普通课程的GPA 满分是 4 分，即 A=4，B=3，C=2， D=1。所以对影响大学生 GPA 的因素分析有利于提高大学生的成绩以及整体素质。本文就利用美国密歇根州的多所高校的调查数据进行基于计量模型的回归分析，通过由简到全面的不同的回归模型，对高中毕业学校规模、毕业年集中学术排名、SAT 成绩、性别、是否是运动员对大学 GPA 的影响进行了分析，试图对影响大学生 GPA 的因素进行探究，以期提出提高大学生成绩的方法、途径及建议。52.模型的设计在进行分析之前，我们首先对我们要使用的数据及模型的建立做出简单的说明：2.1 影响因素的分析及符号说明目前全美 4000 所高校( 1600 万学生注册入学 ) , 基本上所有学校都将GPA 作为对大学生在校成绩的衡量标准。并且在研究生的申请时，GPA 的点数也是十分重要的参考指标，而对大学生 GPA 的影响因素主要有：（1）学生在进入大学之前的高中毕业年级以百人计的规模，这里我们用 hsize表示。（2）毕业年级中学术排名的百分位，这里用 hsperc 表示。（3）SAT 综合分数，是作为其高校录取学生的入学参考成绩（类似于我国的高考成绩但是有有所不同），这里用 sat 表示（4）性别，female 表示。（5）是否是运动员这一状况，这里用 athlete 表示。2.2 数据的选择由于本篇考察的目的是研究学生的学校规模、性别，种族以及等因素对大学生 GPA 的影响程度。所以采用横截面数据来说明同一时间下，来考虑不同学生的情况来进行实证分析，而本文的样本数据共有 4127 个，由于样本数量较大，所以可以较好的估计出模型，这里我们截取其中的 30 组数据如下colGPA hisze hiszesq hsperc sat female athlete1 2.040000 0.100000 0.010000 40.000000 920.000000 1.000000 1.0000002 4.000000 9.400000 88.360000 20.319150 1170.000000 0.000000 0.0000003 1.780000 1.190000 1.416100 35.294120 810.000000 0.000000 1.00000064 2.420000 5.710000 32.604100 44.133100 940.000000 0.000000 0.0000005 2.610000 2.140000 4.579600 40.186920 1180.000000 0.000000 0.0000006 3.030000 2.680000 7.182400 15.298510 980.000000 1.000000 0.0000007 1.840000 3.110000 9.672100 51.768490 880.000000 0.000000 0.0000008 3.050000 2.680000 7.182400 37.686570 980.000000 0.000000 0.0000009 3.000000 3.670000 13.468900 43.869210 1240.000000 0.000000 0.00000010 2.000000 0.100000 0.010000 30.000000 1230.000000 0.000000 0.00000011 2.980000 3.340000 11.155600 28.443110 1140.000000 1.000000 0.00000012 2.930000 3.590000 12.888100 3.621170 1150.000000 1.000000 0.00000013 2.000000 3.180000 10.112400 9.748427 1080.000000 0.000000 1.00000014 2.210000 1.920000 3.686400 26.562500 990.000000 1.000000 0.00000015 3.330000 3.690000 13.616100 7.859078 1000.000000 1.000000 0.00000016 1.070000 2.660000 7.075600 50.375940 1050.000000 1.000000 0.00000017 2.290000 1.450000 2.102500 68.275860 1160.000000 1.000000 0.00000018 3.150000 1.760000 3.097600 42.045460 1190.000000 0.000000 0.00000019 2.650000 3.860000 14.899600 20.984460 1030.000000 1.000000 0.00000020 2.410000 3.830000 14.668900 17.232380 960.000000 0.000000 1.00000021 2.390000 1.070000 1.144900 6.542056 840.000000 0.000000 0.00000022 2.640000 2.170000 4.708900 29.953920 920.000000 1.000000 0.00000023 2.180000 2.340000 5.475600 60.256410 840.000000 1.000000 0.00000024 2.840000 4.630000 21.436900 28.725700 1000.000000 0.000000 0.00000025 2.840000 5.950000 35.402500 50.588230 1150.000000 1.000000 0.00000026 2.930000 0.910000 0.828100 32.967030 1040.000000 0.000000 0.00000027 2.290000 4.360000 19.009600 9.403669 970.000000 1.000000 0.00000028 2.380000 8.120000 65.934400 25.738920 1200.000000 1.000000 0.00000029 3.920000 0.600000 0.360000 3.333333 1090.000000 1.000000 0.00000030 2.230000 3.760000 14.137600 34.574470 1340.000000 0.000000 0.00000072.3 研究报告的基本步骤通过对数据进行逐步的回归分析，建立计量模型，并进行基本的统计意义检验，主要包括 t 检验，F 检验。然后进行经济计量学检验，检验模型的共线性、异方差性、自相关性。最后根据结果对我国大学生基本素质的提高提出一系列的意见，将综上内容以论文报告的形式呈现出来。83.计量模型建立及分析3.1 简单影响因素的分析首先容易知道大学 GPA 成绩绩点应该与入学成绩 SAT 与毕业年级的成绩百分位 hsperc 有关，因为这是学生入学前成绩的衡量参考指标，可以反应学生以前的基础素质。另外大学的成绩如何还可能和学生毕业高中的学校规模 hsize有关，规模大的高中可能有良好的竞争机制和院校实力，也可能规模过大而导致管理不佳，这两个因素都有可能对学生大学 GPA 有正的或者负的影响。利用Eviews 进行回归得到以下结果：图 1则由图 1 可以得到 colgpa 关于 hsize、hsperc、sat 的回归方程：Colgpa=1.44-0.023hsize-0.0136hsperc+0.0015satt=(19.96165) (-4.5895) (-24.7449) (22.8795)n=4137 R =0.27712从该方程可以看出，高中学校规模与 gpa 成负相关关系，当其他因素不变时，学校规模扩大 1 单位，colgpa 平均会提高 0.023 分。而毕业年级学术排名9百分比与 gpa 也是负相关，这是因为百分比越低说明名次越靠前，相对的基础素质较好，这里在其他因素不变的情况下，学术排名百分比每提高 1%，gpa 平均就降低 0.0136 分。而 sat 成绩与 gpa 正相关，其他因素不变，sat 每提高 1分，gpa 平均就提高 0.0015 分。这里的可决系数为 0.2771，说明 gpa 变化原因的 28%左右可以用这三个因素来解释，尽管拟合优度不是很高，但是对于横截面数据我们认为这个值是合理的。 从单个因素的影响看，在 5%显著性水平上，（ 4123）=1.960，各解释变量 t 值的绝对值均大于 1.960，说明这些因素t025.对解释变量的影响均是显著的。3.2 加入平方项对问题进行分析由于学校规模对大学成绩的影响并非前面模型假设的那么简单，故我们在这里引入学校以百人计规模的平方（hiszesq），研究学校人数对基础素质的规模效应影响。这时我们建立模型：colgpa=0+1hsize+2hsizesq+3hsperc+4sat+u，利用 Eviews 对其进行回归分析如下：图 2 10可得其回归方程为：colgpa=1.4927-0.0609hsize+0.0055hsizesq-0.0139hsperc+0.0015sat+ut = (19.8118) (-3.6895) (2.4056) (-24.6981) (22.8864)n=4137 R =0.27812新的模型中可决系数为 0.2781，比前面的可决系数 0.2771 稍微高些，且hsizesq1.960。在新的模型中，hsizesq 系数为 0.0055。这明在其他因素不变的情况下：成绩的变化量 colgpa=（-0.0609+2*0.0055*hsize）*hsize这意味着开始时随着学校的以百人计的规模增加时，对大成绩影响是不利的，但是该不利因素是递减的。直到学校规模达到大约 600 人时，成绩达到最低点，之后随着学校规模的继续增加，