微观经济学实验eviews分析.docx

微观经济学实验报告实验时间：2013年12月30日系别：经金学院专业班级：经济24班学号：2121802104姓名：梁力文成绩：【实验题目】个人收入与物价水平对我国农村居民恩格尔系数影响的实证分析1. 【实验目的】通过实证分析加深对消费理论，尤其是恩格尔定律的认识与理解。2. 分析恩格尔系数大小的影响因素。【理论基础】恩格尔系数和恩格尔定律：恩格尔系数(Engels Coefficient)是食品支出总额占个人消费支出总额的比重。19世纪德国统计学家恩格尔根据统计资料，对消费结构的变化得出一个规律：一个家庭收入越少，家庭收入中（或总支出中）用来购买食物的支出所占的比例就越大，随着家庭收入的增加，家庭收入中（或总支出中）用来购买食物的支出比例则会下降。推而广之，一个国家越穷，每个国民的平均收入中（或平均支出中）用于购买食物的支出所占比例就越大，随着国家的富裕，这个比例呈下降趋势。恩格尔定律的公式：食物支出变动百分比总支出变动百分比x100%=食物支出对总支出的比率(R1)或 食物支出变动百分比收入变动百分比x100%=食物支出对收入的比率(R2)注意：R2又称为食物支出的收入弹性。恩格尔定律是根据经验数据提出的，它是在假定其他一切变量都是常数的前提下才适用的，因此在考察食物支出在收入中所占比例的变动问题时，还应当考虑城市化程度、食品加工、饮食业和食物本身结构变化等因素对于家庭食物支出增加的影响。只有达到相当高的平均食物消费水平时，收入的进一步增加才不对食物支出发生重要的影响。恩格尔系数是根据恩格尔定律得出的比例数，是表示生活水平高低的一个指标。其计算公式如下：恩格尔曲线:食物支出金额总支出金额x100%=恩格尔系数除食物支出外，衣着、住房、日用必需品等的支出，也同样在不断增长的家庭收入或总支出中，所占比重上升一段时期后，呈递减趋势。影响恩格尔系数的因素：根据消费理论中斯勒茨基方程的收入效应和替代效应，收入和物价变动是影响恩格尔系数最重要的原因。对应于一定的收入和物价水平，消费者应该有一个预期的最佳恩格尔系数。但消费行为具有一定程度的刚性，消费习惯难以在短时间内改变。杜森贝里的相对收入假说就谈到了棘轮效应，即消费习惯形成之后有不可逆性，易于向上调整而难于向下调整。因此，恩格尔系数的预期水平在单一周期内一般不会完全实现，而只能得到部分的调整。本文将据此建立一个局部调整模型。局部调整假设认为，被解释变量的实际变化仅仅是预期变化的一部分，即将上述两式合并转化形式，得到【实验要求】通过Eviews软件设计恩格尔系数（EC表示）关于食品零售价格指数（FPI），居民消费价格指数（CPI），居民人均可支配收入（Y），之间的回归方程。【实验方案与进度】(1)设计回归模型根据以上理论分析，恩格尔系数作为被解释变量，以EC表示；它与解释变量本期食品零售价格指数（FPI）、本期消费价格指数（CPI）、本期收入（Y）、上期的EC存在以下关系（为缩小变量间的数量级差距，以及使模型更符合斯勒茨基方程的特征，去变量的自然对数形式）(2)利用Eviews软件进行回归分析，得到回归方程(3)修正多重共线性(4)异方差检验多元线性回归模型要求满足随机扰动项ut同方差的基本假设，如存在异方差现象就可能出现严重的偏差。利用White检验法，利用异方差检验。(5)平稳性检验与协整分析由于模型中使用的都是时间序列数据，必须进行平稳性检验，否则，得到的结果很可能就是“伪回归”。【实验过程与步骤】1） 设计回归模型收集我国农村居民在1978-2009年间的恩格尔系数（EC），人均可支配收入（Y），居民消费指数（CPI），食品价格指数（FPI），绘制为表格。(1)打开Eviews，建立Workfile,步骤是New-workfile-dated-start1978,end2005在Eviews上建立名为EC,FPI,CPI,Y的时间序列。并在其内粘贴上之前绘制表格的数据。在命令框输入data ec fpi cpi y,按enter键后粘贴数据(2)之后quick-equation-输入log(ec) c log(cpi) log(fpi) log(ec(-1)得到回归曲线（3）修正多重共线性从回归估计结果来看，R2=0.941140，R2=0.930438，两者都很高，说明模型对样本的拟合很好；F=87.94128检验值较大，说明回归方程较显著，即各解释变量联合起来确实对被解释变量“本期恩格尔系数的对数”有影响；但在给定显著性水平=0.05，变量LNCPI、LNY系数的t统计量分别为-1.981210、-1.751146，相应的p值分别为0.0171、0.0939，说明LNCPI和LNY对被解释变量影响不显著。综上所述，模型(1)很可能存在严重的多重共线性。下面，使用逐步回归法加以修正，得到修正后的结果。A 去掉变量fpi由图可知，在剔除掉解释变量lnfpi后，仍然能通过检验。lny系数的t值略有提高，还保持着较高的水平。可以认为，上述回归结果基本上消除了多重共线性。B.去掉cpi由图可知，在剔除掉解释变量lncpi后，仍然能通过检验。lny系数的t值略有提高，还保持着较高的水平。可以认为，上述回归结果基本上消除了多重共线性。(4)异方差检验多元线性回归模型要求满足随机扰动项t同方差的基本假设，如存在异方差现象，就可能出现严重的偏差。利用White检验法，进行异方差检验，由以上结果，按路径view/residual tests/white heteroskedasticity(no cross terms)进入White检验，结果如下：由White检验知，在=0.05，由x0.052(6)=12.5916nR2=7.279023,所以不能拒绝原假设，表明模型不存在异方差。（5）性检验与协整分析由模型中使用的都是时间序列数据，必须进行平稳性检验，否则，得到的结果很可能就是“伪回归”。协整分析是通过对原回归结果中的残差项平稳性检验，如残差项是平稳的，则消除了“伪回归”的可能，原回归结果反映了各变量间的长期均衡关系。 协整检验结果如下：t值小于临界值，故残差项是平稳的，各变量间存在协整关系。【实验结果】经一系列调整和检验，最终得到的模型估计结果为：LOG(EC) = 0.7240843285*LOG(EC(-1) + 0.1202480608*LOG(FPI) - 0.09652228805*LOG(Y) + 1.