计量经济学课程论文

计量经济学课程论文计量经济学课程论文 学生姓名 学 号 院 部 统计与数学学院 专 业 统计学 班 级 任课教师 目录目录 一 引言 1 二 数据选取 1 三 模型设定 2 四 参数估计 3 五 模型检验 3 5 1 经济意义检验 3 5 2 统计检验 4 5 3 计量经济学检验 4 5 3 1 多重共线性检验及其修正 4 5 3 2 异方差检验 11 5 3 3 自相关检验及其修正 16 六 结论及建议 17 6 1 结论 17 6 2 建议 18 附表 19 1 一 引言一 引言 能源消费是指生产和生活所消耗的能源 能源消费按人平均的占有量是衡 量一个国家经济发展和人民生活水平的重要标志 能源是支持经济增长的重要 物质基础和生产要素 能源消费量的不断增长 是现代化建设的重要条件 我 国能源工业的迅速发展和改革开放政策的实施 促使能源产品特别是石油作为 一种国际性的特殊商品进入世界能源市场 随着国民经济的发展和人口的增长 我国能源的供需矛盾日益紧张 同时 煤炭 石油等常规能源的大量使用和核 能的发展 又会造成环境的污染和生态平衡的破坏 可以看出 它不仅是一个 重大的技术 经济问题 而且以成为一个严重的政治问题 在 20 世纪的最后二十年里 中国国内生产总值 GDP 翻了两番 但是能 源消费仅翻了一番 平均的能源消费弹性仅为 0 5 左右 然而自 2002 年进入新 一轮的高速增长周期后 中国能源强度却不断上升 经济发展开始频频受到能 源瓶颈问题的困扰 鉴于此 研究能源问题不仅具有必要性和紧迫性 更具有 很大的现实意义 我国是一个能源大国 但是 我国人口众多 人均能源占有量不及同期发 达国家的 1 5 能源是任何一个国家经济发展不可缺失的物质基础 随着我国 人口的继续增长 经济的快速发展 能源消费量的增加是必然的 而与年俱增 的能源消费对环境造成的破坏也越来越严重 因此 怎样优化能源利用结构 开发利用清洁能源 就成为我国经济发展的当务之急 这就需要我们清楚了解 能源供需形势 做好影响能源消费因素分析 为能源规划及政策的制定提供科 学依据 保证我国国民经济又好又快地发展 二 数据选取二 数据选取 1 能源消费总量 在模型中用 Y 来表示 是指一次性能源消费总量 由煤炭 石油 天然气等组成 单位 万吨标准煤 2 能源消费的影响因素 2 1 能源生产总量 在模型中用来表示 是指一次性能源生产总量 该指 1 X 标是观察全国能源生产水平 规模 构成和发展速度的总量指标 单位 万吨 标准煤 2 全国生活能源消费总量 在模型中用来表示 是指一次性能源在在生 2 X 活方面的消费量 单位 万吨标准煤 3 城镇居民人均可支配收入 在模型中用来表示 指城镇居民家庭人均 3 X 可用于最终消费支出和其它非义务性支出以及储蓄的总和 它是家庭总收入扣 除交纳的所得税 个人交纳的社会保障费以及调查户的记账补贴后的收入 单 位 元 4 工业能源消费总量 在模型中用来表示 是指工业方面的能源消费 4 X 量 单位 万吨标准煤 5 其他因素 在模型中用表示 由于各种原因未考虑到和无法度量的因 素归入随机扰动项 如能源价格变动 消费者偏好 国家的经济结构政策等 搜集到的数据见下附表 1 三 模型设定三 模型设定 回归模型设定如下 0 1 1 2 2 3 3 4 4 其中 表示能源消费总量 表示能源生产总量 1 表示全国生活能源消费总量 2 表示城镇居民人均可支配收入 3 表示工业能源消费总量 表示随机误差项 4 表示待定系数 0 1 2 3 4 3 四 参数估计四 参数估计 表1 回归结果 Dependent Variable Y Method Least Squares Date 06 08 13 Time 22 31 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C862 12012573 2160 3350360 7403 X10 5166260 1019845 0657630 0000 X2 0 1293480 314592 0 4111620 6843 X31 3019260 4149583 1374930 0042 X40 6641800 0923327 1933730 0000 R squared0 999553 Mean dependent var143392 9 Adjusted R squared0 999484 S D dependent var75900 69 S E of regression1723 330 Akaike info criterion17 88859 Sum squared resid77216520 Schwarz criterion18 11988 Log likelihood 272 2732 F statistic14541 92 Durbin Watson stat1 164545 Prob F statistic 0 000000 根据表 1 中数据 模型的估计结果为 862 1201 0 5166 1 0 1293 2 1 3019 3 0 6642 4 t 0 3350 5 0658 0 4112 3 1375 7 1934 2 0 999553 2 0 999484 14541 92 31 五 模型检验五 模型检验 5 1 经济意义检验经济意义检验 由回归估计结果可以看出 能源生产总量 城镇居民人均可支配收入 工 业能源消费总量与能源消费总量呈线性正相关 与现实经济意义理论相符 但 4 是全国生活能源消费总量与能源消费总量呈线性负相关 与现实经济意义理论 不相符 5 2 统计检验统计检验 1 拟合优度检验 由表 1 中数据可以得到 修正的可决系数 2 0 999553 为 这说明模型对样本的拟合很好 2 0 999484 2 F 检验 在 95 的置信度下 F 检验值 P 值小于 0 05 回归方程是显著的 3 T 检验 在 95 的置信度下 的 t 检验均值均小于 0 05 表明 1 3 4 线性作用显著 但的 t 检验均值不小于 0 05 模型还需进一步完善 2 5 3 计量经济学检验计量经济学检验 5 3 1 多重共线性检验及其修正多重共线性检验及其修正 一 相关系数检验 表2 相关系数矩阵 变量X1X2X3X4 X1 1 000000 0 981932 0 985303 0 998015 X2 0 981932 1 000000 0 948429 0 977685 X3 0 985303 0 948429 1 000000 0 984869 X4 0 998015 0 977685 0 984869 1 000000 由相关系数矩阵可以看出 各解释变量相互之间的相关系数很高 证实确 实存在严重多重共线性 二 修正多重共线性 采用逐步回归的办法 去检验和解决多重共线性问题 分别作 Y 对 的一元回归 结果如表 3 表 4 表 5 表 6 所示 1 2 3 4 5 表3 Y Y 对的一元回归估计结果 1 Dependent Variable Y Method Least Squares Date 06 08 13 Time 22 40 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C 19219 851426 375 13 474610 0000 X11 1857880 009454125 42780 0000 R squared0 998160 Mean dependent var143392 9 Adjusted R squared0 998097 S D dependent var75900 69 S E of regression3311 409 Akaike info criterion19 11048 Sum squared resid3 18E 08 Schwarz criterion19 20299 Log likelihood 294 2124 F statistic15732 12 Durbin Watson stat0 903140 Prob F statistic 0 000000 表4 Y Y 对的一元回归估计结果 2 Dependent Variable Y Method Least Squares Date 06 08 13 Time 22 41 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C 55231 908437 578 6 5459430 0000 X211 230500 44778525 080140 0000 R squared0 955928 Mean dependent var143392 9 Adjusted R squared0 954408 S D dependent var75900 69 S E of regression16206 49 Akaike info criterion22 28655 Sum squared resid7 62E 09 Schwarz criterion22 37907 Log likelihood 343 4416 F statistic629 0133 Durbin Watson stat0 384819 Prob F statistic 0 000000 6 表5 Y对的一元回归估计结果 3 Dependent Variable Y Method Least Squares Date 06 08 13 Time 22 41 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C67031 063069 44621 838160 0000 X313 633440 39411334 592720 0000 R squared0 976339 Mean dependent var143392 9 Adjusted R squared0 975523 S D dependent var75900 69 S E of regression11874 68 Akaike info criterion21 66455 Sum squared resid4 09E 09 Schwarz criterion21 75706 Log likelihood 333 8005 F statistic1196 656 Durbin Watson stat0 688973 Prob F statistic 0 000000 表6 Y对的一元回归估计结果 4 Dependent Variable Y Method Least Squares Date 06 08 13 Time 22 42 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C5409 6261179 6854 5856540 0001 X41 3744340 010337132 96850 0000 R squared0 998362 Mean dependent var143392 9 Adjusted R squared0 998306 S D dependent var75900 69 S E of regression3123 934 Akaike info criterion18 99391 Sum squared resid2 83E 08 Schwarz criterion19 08643 Log likelihood 292 4057 F statistic17680 61 Durbin Watson stat0 606171 Prob F statistic 0 000000 整理表 3 表 4 表 5 表 6 结果如表 7 7 表 7 一元回归估计结果 变量 1 2 3 4 参数估计值1 18578811 2305013 633441 374434 t 统计量125 427825 0801434 59272132 9685 20 9981600 9559280 9763390 998362 20 9980970 9544080 9755230 998306 加入方程的最大 所以以为基础 顺次加入其它变 4 2 0 998306 4 量逐步回归 表 8 引入变量 4 1 Dependent Variable Y Method Least Squares Date 06 08 13 Time 23 12 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C 6425 6122196 539 2 9253340 0068 X40 7229670 1126226 4194090 0000 X10 5632260 0971745 7960460 0000 R squared0 999256 Mean dependent var143392 9 Adjusted R squared0 999202 S D dependent var75900 69 S E of regression2143 538 Akaike info criterion18 27007 Sum squared resid1 29E 08 Schwarz criterion18 40884 Log likelihood 280 1861 F statistic18793 04 Durbin Watson stat0 685979 Prob F statistic 0 000000 表 9 引入 4 2 Dependent Variable Y Method Least Squares Date 06 08 13 Time 23 12 Sample 1980 2010 Included observations 31 8 VariableCoefficientStd Errort StatisticProb C4125 5342742 4481 5043250 1437 X41 3490890 04983427 071540 0000 X20 2164700 4161350 5201930 6070 R squared0 998378 Mean dependent var143392 9 Adjusted R squared0 998262 S D dependent var75900 69 S E of regression3163 977 Akaike info criterion19 04881 Sum squared resid2 80E 08 Schwarz criterion19 18759 Log likelihood 292 2566 F statistic8618 092 Durbin Watson stat0 606389 Prob F statistic 0 000000 表10 引入 4 3 Dependent Variable Y Method Least Squares Date 06 08 13 Time 23 13 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C13302 412335 4925 6957630 0000 X41 1923540 04963824 021160 0000 X31 8544280 4978933 7245490 0009 R squared0 998905 Mean dependent var143392 9 Adjusted R squared0 998827 S D dependent var75900 69 S E of regression2599 786 Akaike info criterion18 65601 Sum squared resid1 89E 08 Schwarz criterion18 79478 Log likelihood 286 1682 F statistic12771 20 Durbin Watson stat0 862972 Prob F statistic 0 000000 表 11 引入变量回归结果 变量 1 2 3 4 2 4 1 0 563226 5 796046 0 722967 6 419409 0 999202 4 2 0 216470 0 520193 1 349089 27 07154 0 998262 4 3 1 854428 3 724549 1 192354 24 02116 0 998827 9 经比较 加入的方程0 999202 改进最大 而且各参数的 t 检验显 1 2 著 选择保留 再加入其它新变量逐步回归 4 表 12 引入 4 1 2 Dependent Variable Y Method Least Squares Date 06 08 13 Time 23 21 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C 4641 6092169 153 2 1398260 0416 X40 6743240 1063196 3424370 0000 X10 6762510 1018396 6403780 0000 X2 0 7011240 295459 2 3730030 0250 R squared0 999384 Mean dependent var143392 9 Adjusted R squared0 999316 S D dependent var75900 69 S E of regression1985 610 Akaike info criterion18 14515 Sum squared resid1 06E 08 Schwarz criterion18 33018 Log likelihood 277 2499 F statistic14602 79 Durbin Watson stat1 051461 Prob F statistic 0 000000 表 13 引入 4 1 3 Dependent Variable Y Method Least Squares Date 06 08 13 Time 23 22 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C1061 2542488 0340 4265430 6731 X40 6693720 0900467 4336730 0000 X10 4906540 0788246 2246620 0000 X31 4007620 3329964 2065440 0003 R squared0 999550 Mean dependent var143392 9 Adjusted R squared0 999500 S D dependent var75900 69 S E of regression1696 604 Akaike info criterion17 83056 Sum squared resid77718588 Schwarz criterion18 01559 Log likelihood 272 3737 F statistic20004 84 10 Durbin Watson stat1 126104 Prob F statistic 0 000000 表 14 引入变量回归结果 变量 1 2 3 4 2 4 1 2 0 676251 6 640378 0 701124 2 373003 0 674324 6 342437 0 999316 4 1 3 0 490654 6 224662 1 400762 4 206544 0 669372 7 433673 0 999500 经比较 在基础上加入不仅使 所以 4 1 3后 2增大 而且 检验值也通过 选择保留 继续回归 3 表 15 引入 4 1 3 2 Dependent Variable Y Method Least Squares Date 06 08 13 Time 23 38 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C862 12012573 2160 3350360 7403 X40 6641800 0923327 1933730 0000 X10 5166260 1019845 0657630 0000 X31 3019260 4149583 1374930 0042 X2 0 1293480 314592 0 4111620 6843 R squared0 999553 Mean dependent var143392 9 Adjusted R squared0 999484 S D dependent var75900 69 S E of regression1723 330 Akaike info criterion17 88859 Sum squared resid77216520 Schwarz criterion18 11988 Log likelihood 272 2732 F statistic14541 92 Durbin Watson stat1 164545 Prob F statistic 0 000000 经比较 在的基础上 加入后 不仅下降 而且参数的 t 检 4 1 3 2 2 2 验值为负 这说明引起多重共线性 应予剔除 2 最后修正多重共线性影响的回归模型为最后修正多重共线性影响的回归模型为 0 1 1 3 3 4 4 11 5 3 2 异方差检验异方差检验 一 图示法 1 1 3 4对 散点图 50000 100000 150000 200000 250000 300000 50000100000200000300000 Y X1 图 1 1对 散点图 12 0 4000 8000 12000 16000 20000 50000100000200000300000 Y X3 图 2 3对 散点图 0 40000 80000 120000 160000 200000 240000 50000100000200000300000 Y X4 图 3 4对 散点图 13 由图 1 图 2 图 3 可知 随着变量值的增加 Y 值也逐渐增加 1 3 4 但是 Y 值的离散程度没有较明显的变化趋势 所以可能不存在异方差性 但是 否确实存在异方差还应通过进一步的检验 2 e2 对的散点图 1 3 4 0 00E 00 2 00E 06 4 00E 06 6 00E 06 8 00E 06 1 00E 07 1 20E 07 1 40E 07 50000 100000 150000 200000 250000 300000 X1 E2 图 4 E2 对 的散点图 x1 14 0 00E 00 2 00E 06 4 00E 06 6 00E 06 8 00E 06 1 00E 07 1 20E 07 1 40E 07 040008000120001600020000 X3 E2 图 5 E2 对的散点图 3 0 00E 00 2 00E 06 4 00E 06 6 00E 06 8 00E 06 1 00E 07 1 20E 07 1 40E 07 050000 100000 150000 200000 250000 X4 E2 图 6 E2 对的散点图 4 由图 4 图 5 图 6 可以看出 残差平方对解释变量的散点 2 1 3 4 15 图都分布在各个地方 大致可以看出残差平方和不随的变化而变 2 1 3 4 化 因此 模型很可能不存在异方差 但是否确实存在异方差还应通过进一步 的检验 二 怀特 White 检验 表16 White检验结果 White Heteroskedasticity Test F statistic2 551474 Probability0 037003 Obs R squared16 19218 Probability0 062975 Test Equation Dependent Variable RESID 2 Method Least Squares Date 06 09 13 Time 00 11 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C27605208456218380 6050880 5516 X1 2274 8492468 925 0 9213930 3673 X1 20 0669330 0431601 5508050 1359 X1 X30 2218610 2199081 0088810 3245 X1 X4 0 1733480 091095 1 9029350 0708 X3286 190311646 260 0245740 9806 X3 20 6234820 9638580 6468610 5247 X3 X4 0 3874050 220576 1 7563290 0936 X42515 1882429 1311 0354270 3122 X4 20 1177490 0497262 3679380 0276 R squared0 522329 Mean dependent var2507048 Adjusted R squared0 317612 S D dependent var3570682 S E of regression2949625 Akaike info criterion32 88795 Sum squared resid1 83E 14 Schwarz criterion33 35053 Log likelihood 499 7632 F statistic2 551474 Durbin Watson stat2 785205 Prob F statistic 0 037003 从表四可以看出 16 19218 由 White 检验知 在 下 查 2 0 05 16 表知 所以拒绝备择假设 不拒绝原假设 表 2 0 05 9 16 92 16 19 明模型不存在异方差 5 3 3 自相关检验及其修正自相关检验及其修正 一 自相关检验 表17 消除多重共线性后的最小二乘法估计结果 Dependent Variable Y Method Least Squares Date 06 13 13 Time 01 04 Sample 1980 2010 Included observations 31 VariableCoefficientStd Errort StatisticProb C1061 2572488 0320 4265450 6731 X10 4906540 0788246 2246730 0000 X31 4007620 3329964 2065490 0003 X40 6693720 0900467 4336810 0000 R squared0 999550 Mean dependent var143392 9 Adjusted R squared0 999500 S D dependent var75900 69 S E of regression1696 603 Akaike info criterion17 83056 Sum squared resid77718475 Schwarz criterion18 01559 Log likelihood 272 3736 F statistic20004 87 Durbin Watson stat1 126102 Prob F statistic 0 000000 Yt 1061 257 0 4907X1 1 4008X3 0 6694X4 t 0 4265 6 2247 4 2065 7 4337 F 20004 87 DW 1 1261 R2 0 99955 2 0 9995 该回归方程可决系数较高 回归系数均显著 对样本量为 31 3 个解释变量 的模型 5 显著水平 查 DW 统计表可知 模型中 DW 显然模型已消除自相关 dL 1 229 dU 1 650 d L 六 结论及建议六 结论及建议 6 1 结论结论 1 能源消费模型的多重共线性修正和自相关补救表明 能源消费总量 18 与能源生产总量 城镇居民人均可支配收入及工业能源消费量存在着长期均 衡的关系 2 在多重共线性的修正过程中 可以发现 时间序列全国能源消费总 量 工业能源消费量与能源消费总量具有共同变化趋势 在经济上升时期均 呈现增长的趋势 在经济收缩期 又都呈现下降趋势 当这三者同时作为解 释变量时 就很有可能出现多重共线性 出现多重共线性的另一原因是 抽 样仅仅局限于能源消费总量影响因素的一个有限范围内 3 在自相关的修正过程中 我们可以发现 全国生活能源消费总量 城镇居民人均可支配收入 工业能源消费总量等经济数据都具有时间上的惯 性 即在经济高涨的时期 能源消费在各个领域的较高增长率都会持续一段 时间 另外一方面 城镇人均可支配收入具有经济活动的滞后性 城镇居民 人均可支配收入的增加 不会使居民能源消费的水平当期就达到应有的水平 而是要经过若干期才能达到 因为人的消费观念的改变存在一定的适应期 4 虽然能源价格 能源消费结构和环境政策等因素未能在模型中得到 量化和反映 但不是说这些因素对能源需求的影响并不重要 事实上 这些 因素越是得不到量化和反映 越是暴露了当前我国在这些方面的不足和缺陷 更应该重视和解决 6 2 建议建议 1 充分发挥市场机制的作用 促进我国能源消费向高效 清洁的方向 发展 在工业方面 有重点地调整产业结构 确保经济与能源消费的协调增 长 在保证能源供应安全的同时 要合理的控制经济增长速度 积极推动经 济增长方式由粗放型向集约型转变 严格控制高能