计量经济学论文.doc

本科生课程论文 论文题目： 工业生产总值与有关因素分析 课程名称： 计量经济学 任课教师： 刘桃 许秀川 专 业： 会计学 班级： 2014级 学号： 2 22014303250228 姓名： 王伟龙 2016年 6月 20日工业生产总值及有关因素分析摘要：我国是工业大国，工业的发展程度一定意义上决定了我国经济的走向，所以我选择一组与工业相关的数据来对工业生产进行一定分析。关键词：工业生产总值 回归分析 计量检验 多重共线性分析一、模型设定 1.变量选取： 被解释变量：工业生产总值 解释变量：钢铁产量（用x1表示），石油产量（用x2表示），工业占地面积（用x3表示），工业用电量（用x4表示），工业就业人数（用x5表示） 2.数据采样下表是1990到2013年以来从中国统计网站上下载下以及整合的相关数据。3初步建立模型（1）利用eviews软件分别将Y和X1、X2、X3、X4、X5做散点图看是否成线性关系，建立模型。散点图显示各解释变量与被解释变量成线性关系，如下建立多元回归模型：（2）参数估计拟合优度=0.987759，调整后的=0.984359,说明样本数据与模型的拟合程度较好（在散点图中也显示出来了），但是X1、X3、X5的p值都大于0.05，说明回归参数不显著，现初步得出如下回归方程： Y=0.650429X1-12.26922X2+0.484386+5.715082-0.001160P值 0.0031 0.0650 0.3562 0.0001 0.2493 = 0.987759 F=290.4999二、计量经济意义检验1. 序列相关检验1.1先进行LM检验，判断序列相关是否存在 对样本量为24，5个解释变量的模型，在=0.05的显著水平下，查DW分布表，可得临界值dl=1.06,du=1.76,由模型中DW=1.850289，duDW4-du,因此该回归方程中不存在序列相关。2. 异方差检验2.1进行怀特检验判断是否存在异方差从下图中可看出，由检验的伴随概率prob=0.66580.05可以判断，在显著性水平为0.05的情况下，接受“原模型不存在异方差”的假设，表明模型不存在异方差。3. 多重共线性检验3.多重共线性的判定3.1.1先看其相关系数矩阵判断多重共线性存不存在可以看出X1、X2、X3、X4、X5之间有较强的线性相关性，需要进行修正。3.1.2再次用方差膨胀因子(VIF)来检验多重共线性.而我们知道通过NA这一列VIF值就能对多重共线性进行判定，VI=10就存在很强的多重共线性，再一次验证了我们的结论，下面我们用逐步回归来修正。3.2多重共线性的修正3.2.1 对各变量独自回归,得到如下结果：X1X2X3X4X50.8234850.4586680.9335750.9573240.869726P值0.00000.00020.00000.00000.0000F108.300920.48783324.2544516.9438154.5505从表中可以看出，X1、X2、X3、X4、X5的P值都小于0.05，但X4的值最大，拟合优度最高，故应先引入X4.3.2.2在第一步的基础上分别引入其余四个解释变量，得到如下结果：X1X2X3X50.9823190.9692890.9588050.957492P值0.00000.00550.19510.3090F639.8983363.9621268.6625260.0347从表中可以看出只有X1、X2两个的P值小于0.05，通过T检验，而X1的拟合优度最好而且比第一步有很大提高，所以第二步应该引入X1.3.2.3在第二步的基础上引入X2解释变量，得到如下结果：从表中可以看出引入的虽然X2变量的P值为0.0499小于0.05，而且F值为496.4975表明模型整体显著，拟合优度也有进一步提高，但是X2变量的系数为-11.76732，这与其经济意义不相符，所以X2变量应剔除。3.2.4最后原模型只剩下X