计量经济学课程设计

1、目录1、 续论11.1、中国汽车业简介 11.2、课题的意义 12、 影响中国汽车产量的要素及模型的建立2 2.1、影响中国汽车产量的要素 22.2、模型的建立 23、 回归模型的检验和修正53.1、经济学意义检验及显著性检验 53.2、多重共线性 73.3、异方差性173.4、序列相关性203.5、滞后变量模型213.6、模型的检验与预测244、 结论 265、 参考文献 271.绪论1.1中国汽车业简介 汽车产业是资本、技术密集型产业，又是劳动密集型产业，具有很大的前后关联度和很强的波及效果。对于国民经济有很强的带动作用。 中国汽车产业在中国经济的发展中起着越来越重要的作用。据机械部预测，

2、汽车工业正以每年14的速度增长，仅次于电子工业15的增长率而远远高于其它产业。1997年，汽车税收达200亿元，占全国税收总额的5.0。在国家支柱工业中名列第二。同时，可解决7.5的就业人数。 汽车工业反映了制造业的整体技术水平。中国汽车产业关联度与发达国家相比差距较大。 美国的汽车制造、经销与零部件领域直接提供200万人的工作岗位，并使1300万人以上的人们工作于相关产业中， 美国汽车工业提供了17的工作岗位。中国汽车产业在中国影响系数较大的前10个部门中位居第二，中国汽车工业对其它产业发展的带动作用很强，高于全国平均水平22.8。 中国汽车产业可以粗略地分为两大体系：“纯粹”的中国汽车产业

3、和在华的国际汽车集团。中国汽车产业主要具备以下几方面的优势： 1.中国将成为21世纪最大的汽车消费国。2.建立了一个比较完整的汽车工业体系，部分产品已达到90年代的国际水平。3.桑塔纳、捷达、奥迪、别克零部件的国产化率已达到相当的程度，显示出后发优势的作用。4.劳动力成本低是中国在国际竞争中的比较优势。中国汽车工业的劣势有下列几个方面：1.技术至少落后10年以上。按技术来源可分为四类：全部引进；测绘仿制；基本仿制和部分引进；参照国外车型自行设计。引进技术产品达到80年代水平的占30；进行开发的换代产品达到80年代水平的占30；技术落后的占402。2.开发能力差。还不具备独立的开发能力。3.产品

4、结构不合理。早期以发展中型载重汽车为主，“缺重少轻，轿车几乎空白”，到目前轿车缺口依然很大。4.规模经济效益低。全部产量不及通用公司的五分之一。5.零部件工业发展滞后，发动机和电子件最为薄弱。1.2课题的意义 我国正处于全面建设小康社会的重要战略机遇期，大力发展汽车产业，全面推进国民经济各部门持续健康发展，使我们当前面临的重大任务 。因此通过建立计量经济学模型，研究汽车产量和相关因素的依存度，对于调整产业结构，促进国民经济快速健康发展具有重要的战略意义。2影响中国汽车产量的要素及模型的建立2.1影响中国汽车产量的要素为了应对入世后更为激烈的市场竞争，在更高层次上发展我国的民族汽车产业，切实把握

5、我国汽车产量的影响因素是当务之急。而影响到汽车产量的因素是多方面的。主要包括包括成品钢产量、石油消费总量、铁路运输量、私人汽车拥有量、公路运输线路长度等因素的影响。2.2模型的建立 根据统计数据建立中国汽车产量的模型，影响汽车产量的要素包括成品钢产量、石油消费总量、铁路运输量、私人汽车拥有量、公路运输线路长度。因此建立以下模型： 其中y是汽车总产量（万辆） 是成品钢产量（万吨） 是公路运输线路长度（万公里） 是石油消费总量（万吨） 是私人汽车拥有量（万辆） 是铁路总运量（万吨）是常数项，（i=1、2、3、4、5）是待估参数，u是随机干扰项。具体数据如下表1：年份yx1x2x3x4x519905

6、1.46635102.8316384.69881.62150681199171.427100104.1117746.89396.041528931992106.678094105.6719104.75118.041576271993129.858956108.3521110.726155.271627941994136.699261111.7821356.238205.421632161995145.279535.99115.722955.8249.961659821996147.5210124.06118.5825280.904289.671710241997158.2510894.1712

7、2.6427725.436358.36172149199816311559127.8528326.272423.651643091999183.212426135.1730222.335533.88167554200020712850140.2732307.882625.331785812001234.1715163.44169.832788.508770.781931892002325.118236.61176.5235553.113968.982049562003444.3922233.6180.9838963.9041219.232242482004509.1128291.09187.0

8、745466.1281481.662490172005570.4935323.98334.5246727.4061848.072692962006727.8941914.85345.699949924.4682333.322882242007888.8948928.8358.371552735.5042876.223142372008930.5950305.75373.016453334.9843501.3933035420091379.5357218.23386.082354889.8134574.91333348通过eviews得到上述数据的散点图如下图：应用计量经济学eviews软件，对

9、数据进行最小二乘估计得到模型的回归结果如下表2：dependent variable: ymethod: least squaresdate: 06/08/11 time: 14:04sample: 1990 2009included observations: 20variablecoefficientstd. errort-statisticprob. x10.0183400.0081452.2515660.0409x2-0.9838550.432036-2.2772540.0390x30.0004260.0023210.1833850.8571x40.2033930.0413504.91

10、88110.0002x5-0.0017460.001458-1.1976860.2509c295.5612170.67951.7316740.1053r-squared0.993428 mean dependent var375.5215adjusted r-squared0.991081 s.d. dependent var358.1339s.e. of regression待添加的隐藏文字内容233.82194 akaike info criterion10.12342sum squared resid16014.93 schwarz criterion10.42214log likeli

11、hood-95.23421 f-statistic423.2665durbin-watson stat1.767760 prob(f-statistic)0.000000根据eviews结果得到估计模型结果如下： (1.731674) (2.251566)(-2.277254) (0.183358) (4.918811) (-1.198676)=0.991081 =0.993428 f-statistic=423.226 d-w=1.767760在利用最小二乘估计进行多元函数回归时，需要满足以下假设条件：（1） 回归模型是正确设定的。（2） 解释变量、.是非随机变量的或是固定的，且各之间不存在

12、严格的线性相关性（无完全多重共线性）。（3） 各解释变量在所抽取的样本中具有变异性，而且随着样本容量的无限增加，各解释变量的样本方差趋于一个非零的常数，即n+时， (4)随机误差项具有条件零均值、同方差及不序列相关性 ij3回归模型的检验和修正3.1经济学意义检验及显著性检验 根据参数估计量的符号以及参数估计量大小的检验，在经济意义上是合理的。即由于成品钢产量、石油消费总量、私人汽车拥有量的系数为正，而公路运输线路长度、铁路运输量的系数为负，所以汽车生产总量随着成品钢产量、石油消费总量、私人汽车拥有量的增加而增长，成正比例关系，随公路运输线路长度、铁路运输量的增加而减少。3.1.1拟合优度检验

13、 在经济学中用可决系数来检验模型的拟合优度，完全拟合情况为,则可决系数越接近1，模型的拟合优度越好。在上节中用eviews软件得到模型的可决系数=0.993428，说明模型你过得拟合优度很好。3.1.2对回归系数进行t检验1 对进行检验：提出原假设：;备择假设：.t=2.251566假定显著水平，查t 分布表中自由度为14（n-k-1=20-5-1=14;n为选取数据组数，k为变量的个数），的临界值，得到1.761。显然，t=2.2515661.761,故拒绝原假设，接受备择假设.，即是显著的。2 对进行检验：提出原假设：;备择假设：。t=-2.277254假定显著水平，查t 分布表中自由度为

14、14（n-k-1=20-5-1=14;n为选取数据组数，k为变量的个数），的临界值，得到1.761。显然t=-2.2772541.761,故接受原假设，拒绝备择假设，即不显著。3 对进行检验：提出原假设：;备择假设：。t=0.183385假定显著水平，查t 分布表中自由度为14（n-k-1=20-5-1=14;n为选取数据组数，k为变量的个数），的临界值，得到1.761。t=0.1833851.761,故拒绝原假设，接受备择假设.，即是显著的。5 对进行检验：提出原假设：;备择假设：。t=-1.197686假定显著水平，查t 分布表中自由度为14（n-k-1=20-5-1=14;n为选取数据组

15、数，k为变量的个数），的临界值，得到1.761。t=-1.1976861.761，故接受原假设，拒绝备择假设，即不显著。3.1.3对方程进行f检验根据eviews表得到f-statistic=423.226在假定显著水平，查自由度为5和自由度为14的f分布表，得临界值,则拒绝原假设，存在异方差性。 对选定的20组样本进行g-q检验：1） 将样本出去中间部分，并分为观测值一个较大和一个较小的样本，如图13,14。 图13：dependent variable: ymethod: least squaresdate: 06/08/11 time: 22:51sample: 1990 1996inc

16、luded observations: 7variablecoefficientstd. errort-statisticprob. x40.4232620.0972414.3527330.0073c40.3699818.099512.2304460.0761r-squared0.791199 mean dependent var112.6886adjusted r-squared0.749439 s.d. dependent var37.94946s.e. of regression18.99600 akaike info criterion8.961290sum squared resid

17、1804.240 schwarz criterion8.945836log likelihood-29.36452 f-statistic18.94629durbin-watson stat0.801427 prob(f-statistic)0.007340图14：dependent variable: ymethod: least squaresdate: 06/08/11 time: 22:52sample: 2003 2009included observations: 7variablecoefficientstd. errort-statisticprob. x40.2670730.

18、01918013.924720.0000c98.2434753.272841.8441570.1245r-squared0.974861 mean dependent var778.6986adjusted r-squared0.969834 s.d. dependent var323.1574s.e. of regression56.12738 akaike info criterion11.12808sum squared resid15751.41 schwarz criterion11.11263log likelihood-36.94828 f-statistic193.8978du

19、rbin-watson stat2.818763 prob(f-statistic)0.000034有上两个表可以得到：统计量，=15751.41/1804.240=8.7302=3.79=则拒绝同方差假设，表明存在异方差性。3.3.3模型的异方差性修正用加权最小二乘法修正如下表15：dependent variable: ymethod: least squaresdate: 06/08/11 time: 22:57sample: 1990 2009included observations: 20weighting series: wvariablecoefficientstd. erro

20、rt-statisticprob. c59.246440.209835282.34840.0000x40.2762680.000585472.11080.0000weighted statisticsr-squared1.000000 mean dependent var162.0768adjusted r-squared1.000000 s.d. dependent var694.5146s.e. of regression0.115825 akaike info criterion-1.378828sum squared resid0.241479 schwarz criterion-1.

21、279255log likelihood15.78828 f-statistic222888.6durbin-watson stat1.231198 prob(f-statistic)0.000000unweighted statisticsr-squared0.990202 mean dependent var375.5215adjusted r-squared0.989657 s.d. dependent var358.1339s.e. of regression36.42201 sum squared resid23878.14durbin-watson stat2.029124有上表可

22、知加权后的模型为：，加权后的拟合优度更好。3.4序列相关性3.4.1序列相关性概念 对于模型，随机项互不相关的基本假设cov(i ,j)=0，ij, i,j=1,2, ,n。如果对于不同的样本点，随机误差项之间不再是不相关的，而是存在某种相关性，则认为出现了序列相关性。3.4.2实际经济问题中的序列相关性问题 产生序列相关性的原因：（1） 经济变量固有的惯性：自相关现象大多出现在时间序列数据中，大多数经济时间数据都有一个明显的特点:惯性，表现在时间序列不同时间的前后关联上。（2） 模型设定的偏误 ：一，模型中遗漏了显著的变量。主要表现在模型中丢掉了重要的解释变量。这种误差存在于随机误差项中，从

23、而带来了自相关。 二，不正确的函数形式。（3） 数据的“编造”：在实际经济问题中，有些数据是通过已知数据生成的。因此，新生成的数据与原数据间就有了内在的联系，表现出序列相关性。 序列相关性的后果：（1） 参数估计量非有效（2） 变量的显著性检验失去意义（3） 模型的预测失效3.4.3序列相关性的检验 检验方法：（1） 图示法（2） 回归检验法 （3） 杜宾-瓦森（durbin-watson）检验法 （4） 拉格朗日乘数（lagrange multiplier）检验 下面用d-w检验： 该方法的假设条件是：（1） 解释变量非随机（2） 随机干扰项为一阶自回归形式：（3） 回归模型中不应含有滞后变

24、量作为解释变量，即不应出现下列形式： （4） 回归模型含有截距项。d-w检验针对原假设:,即不存在一阶自回归。 有表7中的数据可知k-w=2.039368,模型有一个最优解释变量，且样本容量n=20，则，k=2，时,.由于d-w 4- =2.59，因此模型没有序列相关性。3.5滞后变量模型3.5.1滞后变量模型概念 含有滞后变量的模型称为滞后变量模型。 滞后变量模型考虑了时间因素的作用，使静态 分析的问题有可能成为动态分析。 产生滞后效应的原因：（1） 心理预期因素（2） 技术因素（3） 制度因素 分布滞后模型的参数估计 ： （1）分布滞后模型估计的困难 。一，无限期的分布滞后模型，其解决方法

25、有截断法和变量替换法。二，有限期的分布滞后模型 （2）分布滞后模型的修正估计方法 （3）克伊克方法 3.5.2 滞后变量模型 以滞后变量作为解释变量，就得到滞后变量模型，它的一般形式为： almond变换式： z04=x4+x4(-1)+x4(-2)+x4(-3)+x4(-4)+x4(-5)+x4(-6) z14= x4(-1)+2*x4(-2)+3*x4(-3)+4*x4(-4)+5*x4(-5)+6*x4(-6) z24=x4(-1)+4*x4(-2)+9*x4(-3)+16*x4(-4)+25*x4(-5)+36*x4(-6) dependent variable: ymethod: least squaresdate: 06/09/11 time: 09:05sample(adjusted): 1996 2009included observations: 14 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. z041.1805240.1521947.7566930.0000z14-1.2311610.185687-6.6303050.0001z240.1876240.0333405.6275600.0002c98.2489213.396957.3336790.0000