三大产业的发展与城镇居民家庭消费支出.doc

三大产业的发展与城镇居民家庭消费支出【提要】本文通过对三大产业发展与城镇居民家庭消费支出增长的关系进行分析，从定量的角度探求三大产业分别对城镇居民家庭消费支出入的影响程度。【关键词】经济计量模型 第一产业 第二产业第三产业 可决系数 城镇居民家庭消费支出城镇居民家庭消费支出的增长与国内生产总值的增长密切相关。然而国内生产总值是由第一产业（农业）、第二产业（工业、建筑业）、第三产业（服务性行业）组成的，但是对城镇居民家庭人均可支配收入的增长影响各不相同。而对三者影响程度进行数量分析，以期用函数关系精确表达三者各自的影响，就是我们研究的主要内容。具体数据如下：yx1x2x31987884.43204.35251.63506.619881103.9838316587.24510.119891210.95422872785403.219901278.8950177717.45813.519911453.815288.69102.2722719921671.73580011699.59138.619932110.816882.116428.511323.819942851.349457.222372.21493019953537.571199328537.917947.219963919.4713844.233612.920427.519974185.6414211.237222.723028.719984331.614552.438619.325173.519994615.91447240557.827037.72000499814628.244935.329904.62001530915411.8487503315320026029.8816117.352980.236074.820036510.9417092.161274.138885.7y：城镇居民家庭消费支出（平均每人全年）（单位：元）x1：第一产业增加值 （单位：亿元）x2：第二产业增加值 （单位：亿元）x3： 第三产业增加值 （单位：亿元）我们可以得到y与x1 x2 x3的散点图：由图我们可以发现y与x1 x2 x3都有比较明显的线形关系，从而建立数学模型：该模型的样本残差的正态性检验jb test.其结果为：从图表和jb值我们可以认为残差是成正态分布的。并对模型有如下假设：1.零均值： 2.同方差无自相关： 3.随机扰动项与解释变量不相关： 4.无多重共线性5. 残差的正态性： 显然这些假设是不可能完全成立的，所以我们必须对其进行检验。残差的正态性检验已完成。主要需要检验的有：一、多重共线性检验。二、异方差性检验。三、自相关性检验。如果有检验无法通过，则必须对模型进行修正。我们将基于以上数据进行分析。具体程序如下： 建立数学模型利用eviews3.0作ols估计根据检验结果进行模型的修正对模型的经济意义进行解释多重共线性检验初步假设检验异方差性检验自相关性检验其中利用eviews3.0作ols估计的结果为：dependent variable: ymethod: least squaresdate: 05/09/05 time: 11:15sample: 1987 2003included observations: 17variablecoefficientstd. errort-statisticprob. c304.942781.086103.7607270.0024x10.0523710.0215512.4300600.0303x20.0565380.0194232.9109400.0122x30.0474110.0255711.8540900.0865r-squared0.998261 mean dependent var3294.348adjusted r-squared0.997860 s.d. dependent var1862.177s.e. of regression86.15416 akaike info criterion11.95248sum squared resid96493.00 schwarz criterion12.14853log likelihood-97.59606 f-statistic2487.323durbin-watson stat1.923939 prob(f-statistic)0.000000所以我们得到以下的结果：y=304.9427+0.052371x1+0.056538x2+0.047411x3 (81.08610) (0.021551) (0.019423) （0.025571） （t=3.760727）(2.430060) (2.910940) （1.854090） r-squared=0.998261 df=16从上面的估计的结果可以看出：可决系数r-squared=0.998261，表明模型在整体的拟和非常好。系数显著性检验：对于c、x1、x2的系数，t的统计量的绝对值都2.120,都通过了检验，而x3的系数的t统计量为1.854090，在df=16、=0.05的情况下，t统计量应大于2.120，显然x3的系数不能通过检验。根据经验判断无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。我们对x1 x2 x2进行多重共线性检验，得到：x1x2x3x1 1.000000 0.976318 0.966700x2 0.976318 1.000000 0.996989x3 0.966700 0.996989 1.000000可以发现x1 x2 x3之间存在高度的线性相关关系。运用逐步回归法进行修正：模型的回归结果为：dependent variable: ymethod: least squaresdate: 05/31/05 time: 17:39sample: 1987 2003included observations: 17variablecoefficientstd. errort-statisticprob. c-456.8039219.4897-2.0812090.0550x10.3622650.01917118.896950.0000r-squared0.959688 mean dependent var3294.348adjusted r-squared0.957000 s.d. dependent var1862.177s.e. of regression386.1484 akaike info criterion14.86045sum squared resid2236659. schwarz criterion14.95848log likelihood-124.3138 f-statistic357.0947durbin-watson stat0.307799 prob(f-statistic)0.000000模型：的回归结果为：dependent variable: ymethod: least squaresdate: 05/29/05 time: 10:38sample: 1987 2003included observations: 17variablecoefficientstd. errort-statisticprob. c488.722744.4298210.999880.0000x20.1008520.00134375.076930.0000r-squared0.997346 mean dependent var3294.348adjusted r-squared0.997169 s.d. dependent var1862.177s.e. of regression99.08259 akaike info criterion12.13992sum squared resid147260.4 schwarz criterion12.23794log likelihood-101.1893 f-statistic5636.545durbin-watson stat1.996814 prob(f-statistic)0.000000模型的回归结果为：dependent variable: ymethod: least squaresdate: 05/31/05 time: 17:41sample: 1987 2003included observations: 17variablecoefficientstd. errort-statisticprob. c404.208773.413025.5059530.0001x30.1567290.00337946.381410.0000r-squared0.993076 mean dependent var3294.348adjusted r-squared0.992614 s.d. dependent var1862.177s.e. of regression160.0398 akaike info criterion13.09885sum squared resid384191.2 schwarz criterion13.19688log likelihood-109.3403 f-statistic2151.236durbin-watson stat0.703505 prob(f-statistic)0.000000显然模型更加优秀。在模型的基础上增加解释变量，模型的回归结果为：dependent variable: ymethod: least squaresdate: 05/31/05 time: 17:45sample: 1987 2003included observations: 17variablecoefficientstd. errort-statisticprob. c474.405448.079329.8671410.0000x20.0863360.0175034.9325720.0002x30.0226760.0272590.8318550.4195r-squared0.997471 mean dependent var3294.348adjusted r-squared0.997110 s.d. dependent var1862.177s.e. of regression100.1158 akaike info criterion12.20932sum squared resid140324.5 schwarz criterion12.35636log likelihood-100.7792 f-statistic2760.747durbin-watson stat1.813878 prob(f-statistic)0.000000模型的回归结果为：dependent variable: ymethod: least squaresdate: 05/31/05 time: 17:46sample: 1987 2003included observations: 17variablecoefficientstd. errort-statisticprob. c381.602575.581715.0488740.0002x10.0364650.0214231.7021970.1108x20.0911300.00585015.577120.0000r-squared0.997801 mean dependent var3294.348adjusted r-squared0.997487 s.d. dependent var1862.177s.e. of regression93.35382 akaike info criterion12.06946sum squared resid122009.1 schwarz criterion12.21649log likelihood-99.59037 f-statistic3176.228durbin-watson stat2.125759 prob(f-statistic)0.000000这些模型都不理想，可见修正后的模型应为：我们针对这一模型进行检验：（1）由于解释变量只剩下x2，于是不可能存在多重共线形。（2）对异方差性检验进行检验，运用图示法可得：从图中不能判断是否存在异方差。我们选择arch 检验方式。设p=3 求得辅助回归函数：利用eviews3.0我们可以得到：dependent variable: e2method: least squaresdate: 06/06/05 time: 09:21sample(adjusted): 1990 2003included observations: 14 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c8693.8884942.3321.7590660.1091e2(-1)0.4488270.3116951.4399560.1804e2(-2)-0.3461210.468270-0.7391490.4768e2(-3)-0.2454910.430583-0.5701350.5812r-squared0.254036 mean dependent var9054.919adjusted r-squared0.030247 s.d. dependent var12696.28s.e. of regression12502.79 akaike info criterion21.94025sum squared resid1.56e+09 schwarz criterion22.12284log likelihood-149.5817 f-statistic1.135158durbin-watson stat2.074422 prob(f-statistic)0.381266其中obs*r-squared=3.5