计量经济学结课大作业.doc

实验地点：经管1号机房 实验日期： 2011 年 6 月 5 日实验目的：熟练利用EViews软件对经济模型进行分析预测。实验内容：一、对所研究的房价这一经济问题的概括性描述。1. 选定研究对象2、对所研究经济问题的必要统计定量分析，初步判定个变量对被解释变量的影响方向。二、选定模型1. 确定理论模型或函数式（模型类型包括：多元线性回归模型、多元线性回归模型的扩展模型既双对数模型）2. 利用EVIEWS5对所研究经济问题的必要统计定量分析，来选择我设定的两个模型中的一个最优模型三、对模型进行分析1、回归结果的经济理论检验，方向正确否？理论一致否？2、统计检验，t检验、 F 检验 、R2 拟合优度检验3、评价模型的估计结果并解释其经济含义。4.模型的稳定性检验（邹至庄检验）四、模型的修正1.多重共线性的检验及补救2.异方差的检验及补救3.自相关性的检验及补救五、确定克服了多重共线性、异方差和自相关的最终模型六、利用所建立的模型进行预测（样本区间外预测和样本区间内预测）七、附录：EXCEL表格关于中国统计年鉴数据库里找到的相应数据实验方法、步骤和结果：一、对所研究的房价这一经济问题的概括性描述1、 选定研究对象选题原因：现在房价只升不降，虽然国家出台了一系列的房产政策，但是房地产热，随之而来的买房难住房难，让人们苦不堪言；特别是在刚毕业的大学生群体里，蚁族成为了到处飘荡的大学生的代名词；商品住宅价格的持续上涨，使各方人士都在分析房价上涨的原因，面对扑朔迷离的上涨的房价原因，由于关系民生和神秘，近几年成为了社会关注的重点问题。本文试图用计量经济学相关方法，分析了我国房地产市场价格高速上涨的经济方面的影响因素。让我们正视生活中的经济现象，并不盲从，乐观的看待生活！选题意义：了解房价规律，明晰房价的上涨原因。确定解释变量：住宅价格变化的影响因素是多方面的、综合的，为了研究的方便，我只选取的有关经济方面的一些因素。因为有关房地产和住宅的相关数据获取十分困难，我只能挑选了以下几个比较重要的因素进行分析：居民人均可支配收入（GR）,城镇登记失业率（GY），消费价格指数(ZS)，国内生产总值（GDP）。考虑到GDP的数值太大，所以对GDP数据进行修正，采用GDP/ZS作为修正后的GDP1，同时可以有效的减小GDP受通货膨胀的影响。2、对所研究经济问题的必要统计定量分析:初步判定个变量对被解释变量的影响方向。住宅商品房平均销售价格单位：元/平方米；居民人均可支配收入（SR）：上一年=100；先验预期，居民的可支配收入应该与住宅商品房的价格呈正比，居民的可支配收入越多，自然会刺激对房地产的投资，刺激需求，住宅商品房的价格就会上涨；城镇登记失业率（GY）单位：%；先验预期，城镇登记失业率应该与住宅商品房的价格呈反比，失业率越高，对商品房的需求就会越少，根据供需关系，商品房价格自然会下降；消费价格指数(ZS) ：以上一年为基期；消费价格指数与住宅商品房的价格成正向的关系，消费价格指数越高，居民越趋向于投资，所以自然会刺激商品房的价格上涨；国内生产总值（GDP）单位：亿元；国内生产总值越高，说明人们的生活水平越来越高，因此会刺激消费，刺激对商品房的需求，引起其价格上涨；居民人均可支配收入（GR）单位：元；同样居民人均可支配收入，说明人们的生活水平越来越高，因此会刺激消费，刺激对商品房的需求，引起其价格上涨；调整后的国内生产总值（GDP1=GDP/ZS）单位：亿元；先验预期与商品房价格成正比关系；二、选定模型1、确定理论模型或函数式通过对有关解释变量与被解释变量的关系进行分析，我将有关因素与销售价格建立成两个模型，一个是多元线性的一个是多元线性的扩展模型既对数到对数的，并设定模型如下,通过比较两个模型来选择我所需要的最优模型：JG=1+2GR+3GY+4(GDP1)+logJG=1+2logGR+3logGY+4log(GDP1)+根据先验预期：2和4应该为正，3应该为负；2.利用EVIEWS5来选择我设定的两个模型中的一个最优模型1).工作文件的建立：在菜单栏下单击file在file项下选择new-workfile则新建一个工作文件,从得到的数据分析可知，我应该选择时间序列数据（Dated-regular frequency）,选择每年（Annual），然后在弹出来的对话框里填写时间范围(1987-2010)。2).将数据导入，点击quick-empty group，将excel里的数据进行复制后粘贴（paste）到新建的empty group里。3).对粘贴入empty group里的sre01、ser02、sre03、sre04数据，单击进行重命名（rename）为JG、GR、GY和(GDP1)。工作区间显示：4). 建组，先点击自变量gdp1、gr、gy作为横变量，然后点击纵坐标jg。变灰后点击右键openas group命名为group01。5)、随时间变化的趋势图 Group01-view-graph-line6）.在工作文件中，点击quickestimate equationjg c gr gy gdp1出现估计结果，并保存为eq017）. 点击eq01,查看残差图：点击ViewActual Fitted Residual Actual Fitted Residual Table：8).在工作文件中，点击quickestimate equationlog(jg) c log(gr) log(gy) log(gdp1)出现估计结果，并保存为eq029）点击eq02,查看残差图, 点击ViewActual Fitted Residual Actual Fitted Residual Table：10）.通过比较eq01和eq02可以发现，eq02中的拟合优度更高一下，而且eq02中的gy前面的斜率系数为负，符合先验预期，而eq01中的gy前面的斜率系数为正，不符合先验预期，说明用对数到对数的模型来作为研究房价的最优模型是合理的。与此同时在看残差时，通过比较线性模型和对数到对数的模型的残差图可以看出，中间的实线对应的是0，虚线相当于是个置信区间，只有落在置信区间之内的残差才相对较小。在图中1987-2010年这段时间内，eq02的残差比eq01的残差要小，而此题研究的是预测以后的房价，需要模型在最近几年的精度比较大，以满足预测的要求。所以选择对数到对数模型比较好。三、对模型进行分析4.选定模型后，画散点图，viewscattersimple scatter从散点图中我们可以看出来，我们先验预期的正确性。四、回归结果分析和检验logJG=2.937104+0.173514logGR0.240341 logGY+0.500681log(GDP1)+se=(0.727674) (0.216256) (0.218507) （0.162193） R2=0.987381t= (4.036290) (0.802358) (-1.099924) (3.086953) df=20p=(0.0006) (0.4318) (0.2844) (0.0058) F20，23=521.62671、回归结果的经济理论检验，方向正确否？理论一致否？答:回归结果的符号符合理论预期，因此与想象中的一致。2、统计检验，t检验、 F 检验 、R2 拟合优度检验解：t检验（个别偏回归系数的显著性检验） 分四步来进行显著性检验:a：H0: =0 H1: 0b：当=0.05 df=20时 =2.086c: 由公式 t=0.173514/0.216256=0.80235d：接受原假设，斜率系数2没有统计显著性同理可以得出，1和4具有统计显著性，而3没有统计显著性；F 检验（总体偏回归系数的显著性检验）1）提出假设：H0：1=2=3=4 =0 H1：1、2、3、4不全为0 R2 n-k 0.987381 20F = = = 68.04 1- R2 k-1 1-0.987381 23当=0.05 F0.05(20，23)=（2.08 ，2.12）F F0.05(20，23) 拒绝原假设H0，接受H1，说明模型的总体具有统计显著性。R2 拟合优度检验：R2=0.987381表明住宅商品房的价格98.7381%由可支配收入、城镇失业率和调整后的GDP联合影响。当=0.05 F0.05(20，23)=（2.08 ，2.12） R2/K-1F2.12 2.12 R20.3793 (1- R2)/20因为R2=0.987381 远远大于0.3793，所以拟合优度检验证明具有统计显著性根据R2=1（1R2）*（n1）/(nk) R2=1-(1- R2)* （nK）/(n1) 0.3793R20.8582由上边输出结果可以看出来调整后的R2=0.985488 大于0.8582 所以我们说拟合优度检验证明具有统计显著性回归分析报告：从上述输出结果可以看出来，居民人均可支配收入（GR）对住宅商品房价格(JG)的弹性为0.173514，这表明居民人均可支配收入增加1%，住宅商品房价格提高约0.173514%；城镇登记失业率（GY）对住宅商品房价格(JG)的弹性为0.240341，这表明城镇登记失业率（GY）增加1%，住宅商品房价格降低约0.240341%；调整后的GDP对住宅商品房价格(JG)的弹性为0.500681，这表明调整后的GDP增加1%，住宅商品房价格提高约0.500681%。而且R2=0.987381表明住宅商品房的价格98.7381%由可支配收入、城镇失业率和调整后的GDP联合影响。3、模型的稳定性检验（邹至庄检验）。由题意可知当出现平行回归时，模型才具有稳定性；由国家政策知在2002年北京市取消内、外销商品房的区别所以以2002年为界，我们把样本分成两个时期，19872002年的房产税改革之前和20032010年房产税改革以后；构建三个可能的回归：时期 19872002：logJG=1+2logGR+3logGY+log(GDP1)+1t时期 20032010：logJG=1+2logGR+3logGY+4log(GDP1)+2t时期 19872010：logJG=1+2logGR+3logGY+4log(GDP1)+t改变样本区间，对19872002这个时期的所需样本进行回归：得到回归结果：logJG=2.024718+0.502652logGR0.153444logGY+0.196851log(GDP1)+1tt=(1.736889) (1.360565) (-0.476504) (0.663798)R2=0.974264 RSS1=0.092759 df=11改变样本区间，对19992010这个时期的所需样本进行回归：logJG=3.980298+0.012380logGR0.720128logGY+0.651339log(GDP1)+2tt=(2.496001) (0.054554) (-0.889326) (4.206846)R2=0.974264 RSS2=0.010536 df=4后得到三个经验结果:时期 19872002：logJG=2.024718+0.502652logGR0.153444logGY+0.196851log(GDP1)+1tt=(1.736889) (1.360565) (-0.476504) (0.663798)R2=0.974264 RSS1=0.092759 df=11时期 20032010：logJG=3.980298+0.012380logGR0.720128logGY+0.651339log(GDP1)+2tt=(2.496001) (0.054554) (-0.889326) (4.206846)R2=0.974264 RSS2=0.010536 df=4时期 19872010：logJG=2.937104+0.173514logGR0.240341 logGY+0.500681log(GDP1)+tt= (4.036290) (0.802358) (-1.099924) (3.086953) df=20R2=0.987381 RSS3=0.118896 df=20根据邹至庄检验的原理我们知道RSS3为约束参差平方和也称为RSSR，构建无约束平方和RSSUR= RSS1+ RSS2=0.103295根据邹至庄检验中的，若不存在结构变动，则(RSSR-RSSUR)/K （0.1188960.103295）/4F= =0.755 (RSSUR)/（n1+ n22k） 0.103295/20当=0.05时 F(4,20)=2.87根据若在应用中计算出来的F值没有超过F表中在选定显著性水平上的临界F值，则不能拒绝参数稳定，既没有结构变动的虚拟假设；此时用混合（约束）回归就是合理的。相反，若是计算出来的F值超过了临界F值，则拒绝参数稳定的假设，并断定回归是不同的，此时混合回归至少是没有把我的。根据计算出来的结果可以看出来，此模型具有结构稳定性！四、模型的修正由上述参数的统计显著性可知，1和4具有统计显著性，而2、3没有统计显著性；说明居民人均可支配收入（GR）和城镇登记失业率（GY）对住宅商品房价格(JG)的影响并不显著，所以决定舍弃！logJG=2.937104+0.173514logGR0.240341 logGY+0.500681log(GDP1)+t1.多重共线性的检验：简单相关系数检验法检验多重共线性是否存在1) 点击gdp1 gr gy-openas groupgroup22) viewcorrelationcommon sample得到gdp1 gr gy之间的相关系数分析输出的相关系数可知，根据判断规则，一般而言，如果某两个解释变量间的简单线性相关系数绝对值超过0.8，则认为存在着较为严重的多重共线性。由输出数据知gdp1与 gr、gy；gr与gdp1、gy；gy 和gdp1 、gr ；都有严重的多重共线性。多重共线性的补救措施逐步回归法1） 用因变量对每一个解释变量做简单回归，并将解释变量的重要性按可绝系数的大小进行排序。同时将输出的数据进行eq05-eq07的保存。 由gdp1 gr gy得输出数据，按可绝系数进行排列可知，gdp1grgy3) 以对因变量贡献最大的解释变量（gdp1）回归方程为基础，按解释变量重要性大小顺序逐个引入其余的解释变量首先引入gr，quickequation estimatedlog(jg) c log(gdp1) log(gr)由输出的数据可知gr没有统计显著性，舍弃gr以gdp1为基础，引入gy，quickequation estimatedlog(jg) c log(gdp1) log(gy)由输出的数据可知gy没有统计显著性，舍弃gy由此得出结论，修正后的模型为logJG=3.566078+0.587159log(GDP1)+t2.对修正后的模型进行异方差检验1. 怀特检验提出假设：H0：随机误差项Ui不存在异方差； H1：随机误差项Ui具有异方差点开保存的eq10-view-risidual tests-white heteroskedasticity(cross terms)由上述输出结果可以看出来OBS*R-squared=4.984302。根据怀特检验的判别规则当n*RX2（K-1）,接受原假设H0; 当n*RX2（K-1）拒绝原假设H0；当=0.05，K-1=3-1=2时，X2（K-1）=5.99147。n*RX2（K-1），接受原假设H0，认为不存在异方差。怀特检验输出报告：Ui2=101372-0.026699LOG(gdp1)+0.001792LOG(gdp1)2Se=(0.071185) (0.022457) (0.001735)T=(1.424049) (-1.188899) (1.033253) R2=0.2076793.自相关检验logJG=2.937104+0.500681log(GDP1)+t保存最后的残差:Eq10procmake residul series线性趋势图view-graph-line可能存在正相关残差的当期项与滞后一期项的散点图Quickgraph line graphseries listB-G检验(LM检验)Eq10viewresidul test -serial correlationLM TestObs*R2=4.243659 p=0.039397值很小存在一阶正的自相关1. 一阶差分法1-1.774426/2=0.112787 小于0.8所以不能用一阶差分法利用D-W统计量来进行补救用广义二乘估计（原理对原模型滞后一期）logjg*=dlogjg loggdp1*=dloggdp11）.quick-generate series -generate series by equationlogjg=-0.003695/(1-0.112787)+0.746060loggdp1所以logjg=0.0042+0.746060loggdp1斜率系数不变，截据系数变化五、克服多重共线性、异方差、自相关后确定的模型为输出报告：logjg=3.566078+0.587159loggdp1+se=(0.097635) (0.014636) R2=0.986515t= (36.52466) (40.11720) df=22p=(0.0000) (0.0000) F22，23=1609.389六、预测（样本区间外预测和样本区间内预测）对选择的模型进行估计，然后进行保存为SAVE10。对eq10对1987到2010年的样本数据进行预测：点击eq10forecast-jgfse并显示出趋势图；2011年中国GDP预计为407039.6亿人民币，中国消费价格指数为105.7%则调整后的GDP1为3850.89亿元将上述改变的样本区间，在2011年处输入3850.890，对已经改变的样本区间进行预测，并显示预测结果图：总结：从上图可以看出来，放假似乎有回缓的趋势，但是相对来说还是很高的，同时我们还可以利用模型对2009年上半年的房价进行预测，2009年消费价格指数(ZS)为99.3%，国内生产总值（GDP）为397983亿元，利用模型的预测结果为（0.0042+0.746060log397983000000000）元/平方米。（1）可支配收入以及失业率对房价没有显著影响。这是因为这种影响被放在了随机误差项里；但实际生活中我们知道可支配收入和失业率对房价是由影响的；因为失业率越高，或者是可支配收入越低，人们对房的需求量及时很大，但是因为没能力购买，自然会影响到房价；（2）而调整后的GDP对房价有显著影响。因为有了经济的发展，才有房地产这个行业的发展。另一方面，房地产行业的飞速发展，也很大程度上带动了我国整体经济的增长。当调整后的GDP很大时必然会加大人们对房地产的需求，以及对固定资产的投资；如果不借助外力（政府不进行宏观的调控），一个国家的调整后的GDP一致处于上升过程中，从简单模型可以看出来，房价会只升不降。（3）模型中还是忽略了很多重要的影响因素，比如：利率，通货膨胀率，住宅的建设成本等。不采用这些因素的重要问题是数据无法取得，以及高变动率（利率）的数据无法取值。在实际中，这些因素的影响同样是巨大的。（4）我们在最近几年内，在中国经济如此飞快增长的时刻，只是凭借市场经济的自动导向机制来是房价慢慢下降是不可能的，政府采取的一些列措施如廉租房、救济房、租房补助其实都是一种宏观调控，来适当的控制一下房价附录：数据以及数据来源年份住宅价格（JG）居民人均可支配收入（SR）城镇登