计量经济学论文三大产业的发展与城镇居民家庭消费支出

1、三大产业的发展与城镇居民家庭消费支出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，就是我研究的主要内容.、数据收集YX1X2X319963919.4714015.3933834.

2、9623326.2419974185.6414441.8937543.0026988.1519984331.614817.6339004.1930580.4719994615.914770.0341033.5833873.442000499814944.7245555.88387143.952001530915781.2749512.2944361.6120026029.8816537.0253896.7749898.9020036510.9417381.7262436.3156004.7320047182.121412.7373904.3164561.2920057942.922420.00

3、87598.0974919.2820068696.624040.00103719.5487598.0920079997.528627.00125831.36111351.95200811242.933702.00149003.44131339.99200912264.635226.00157638.78148038.04201013471.540533.60187.383.21173595.9815160.9205205.02201147486.21220412.81201216674.352373.63235161.99231934.48城镇居民家庭消费支出（平均每人全年）（单位：元）Y:X

4、1X2X3第一产业增加值第二产业增加值第三产业增加值（单位：亿元） （单位：亿元） （单位：亿元）、模型建立18000160001400012000Y 100008000 . 6000 4000 - 200010000 20000 30000 40000 50000 60000X118000 16000 14000 12000 Y 10000 8000 6000 4000 20000100000200000300000400000X3我们可以得到Y与X1X2X3的散点图由图我们可以发现Y与X1X2X3都有比较明显的线形关系，从而建立数学模型:Y=0X12X23X31三、模型估计Dependen

5、tVariable:YMethod:LeastSquaresDate:06/04/14Time:22:54Sample:19962012Includedobservations:17CoefficieStd.t-StatistiVariablentErrorcProb.593.6083C2912.7904.9069230.0003X1-0.0871830.084725-1.0290120.3222X20.0767610.0156944.8910770.0003X3-0.0002050.001025-0.2000830.8445R-squared Adjusted R-squaredS.E.of

6、regressionSumsquared resid Log likelihood Durbin-Watson stat0.994316 var0.993004 var341.1963 criterion1513394. criterion-120.99351.165437 ic)Mean dependentS.D. dependentAkaike infoSchwarzF-statisticProb(F-statist8384.3374079.37114.7051214.90117758.05570.0000009所以我们得到以下的结果：Y=2912.7900.087183X1+0.0767

7、61X20.000205X3t=(4.906923)(1.029012)(4.891077)(一0.200083)R2 =0.99431DW.=1.165437F 值=758.0557结果分析：从上面的运行结果可以看出方程的拟合优度R2=0.99431,调整2后的拟合优度R=0.993004,说明模型拟合效果较好。而且F值较大，表明方程从整体上有较好的解释能力。在5%勺显著水平下，Xi,X3没有通过t检验，说明解释变量对被解释变量的影响不显著；X2通过了t检验，说明解释变量对被解释变量的影响显著。四、统计意义检验1、R2检验2可绝系数R2=0.99431,R=0.993004,这说明所建模型整

8、体上对样本数据拟合较好，即解释变量“第一产业”“第二产业”“第三产业”对被解释变量“城镇居民家庭消费支出”的绝大部分差异作了解释。2、F检验针对Ho:P。=耳=0,给定显著性水平1a=0.05,在F分布表中查出自由度为k=3和n-k-1=13的临界值F0f（k,n-k-1）=Fo.o5（3,13）=3.24,由上述得到F=758.0557aFo.o5（3,13）=3.24,应拒绝原假设H0:P°=久=0,说明回归方程显著，即解释变量“第一产业”“第二产业”“第三产业”对被解释变量“城镇居民家庭消费支出”有显著影响。3、t检验分别针对Ho:P。=&=0,给定显著性水平a=0.0

9、5,查t分布表的自由度为nk一1=13的临界值t(n_k_1)=2.160，与B=308718，%=0.07676,崔=0.000205相2比，其绝对值均大于tjn-k-1)=2.160,这说明在显著水平a=0.05下，分别都2应拒绝原假设出:乳=01=0,也就是说，当在其他解释变量不变的情况下，解释变量“第一产业”“第二产业”“第三产业”对被解释变量“城镇居民家庭消费支出”都有显著的影响。2、检验简单相关系数计算各解释变量的相关系数，选择X1,X2,X3的数据，得到相关系数矩阵如卜表:X1X2X3由表中数据发现X110.92727320.1670713X20.927273210.848162

10、9X30.16707130.84816291X1, X2之间存在高度相关性。Eviews运行结果运用逐步回归法，对该模型进行多重共线性的检验和修正第一步，分别引入X1,X2,X3,用最小二乘法对数据进行回归,得出如下表:CXiX2X3R2y=f(X。168.2320.3250.983848t值0.55830.227y=f(X2)2316.490.0610.993429t值15.74611.588y=f(X3)6061.5050.0210.194t值4.3992.i05可以看出，在第一步检验中我们应该保留的解释变量为X2o第二步，在保留X2的基础上，我们在分别引入XhX3,用最小二乘法对数据进行

11、回归，Eviews运行结果得出如下表：CXiX2X3R2y=f(X2,Xi)2902.i78-0.0870.0760.994299t值5.086-i.0625.066y=f(X2,X3)2323.7050.06i-0.000i0.993853t值i4.7724i.3060.863由上表我们可以看出：当在引入X2的基础上引入解释变量Xi时，拟合优度有所提高，而且Xi的参数也通过了t检验；在引入X2的基础上引入解释变量X3时，拟合优度虽有提高，但X3的参数同样的未能通过t检验。所以在这一步检验中我们应该保留的解释变量为X2和Xi第三步，在保留X2和Xi的基础上，我们再引入X3,即我们假设的多元回归

12、方程，我们可以得出：当在保留X2和Xi的基础上，我们再引入X3时，拟合优度有所提高，而且X3的参数也通过了t检验。故，三个解释变量Xi,X2和X3都应该保留。因此，最终的农村居民人均消费支出函数应以Y=f(Xi，X2，X3)为最优，拟合结果为：Y=29i2.7900.087i83Xi+0.07676iX20.000205X3t=(4.906923)(i.0290i2)(4.89i077)(0.200083)R2=0.9943iDW.=i.i65437F值=758.05572、异方差检验统一用怀特检验法先对该模型做普通最小二乘法回归，得到：,然后作如下辅助回归：-：0kiXi：2X2k工3k工4

13、X1I5X23，6*3.；i用Eviews可以得出：F-statistic1.157229Probability0.398751Obs*R-squared6.966578Probability0.323949TestEquation:DependentVariable:RESIDA2Method:LeastSquaresDate:06/05/14Time:15:15Sample:19962012Includedobservations:17Coefficiet-StatistVariablentStd.ErroricProb.C-464891.1427481.9-1.0875110.3023X

14、194.0259759.179361.5888300.1432X1A2-0.0009290.000814-1.1416250.2802X2-26.8532414.43289-1.8605580.0924X2A25.85E-053.91E-051.4948750.1658X312.6023910.630911.1854480.2632X3A2-3.01E-052.50E-05-1.2025280.2569MeandependentR-squared0.409799var89023.16AdjustedS.D.dependentR-squared0.055678var77437.41S.E.ofA

15、kaikeinforegression75250.76criterion25.58794SchwarzSumsquaredresid5.66E+10criterion25.93103Loglikelihood-210.4975F-statistic1.157229Durbin-WatsonProb(F-statiststat1.936478ic)0.398751可以知道，从该辅助回归得到可决系数R2与样本容量n的乘积，即nR2=6.966578。查表我们可以知道72（5）=15.51。假设：H0:Var（叶）仃2,H1:Var（。）仃2由上面可以知道：nR2c72,所以：接受H。，即该回归模型

16、不存在异方差性。3、序列相关性统一用LM检验法含1阶滞后残差项的辅助回归为:et - 01X12X2 , 3X3 谪2.84989ProbabilitF-statistic6 y3.26253ProbabilitObs*R-squared0 y0.1171750.070880Test Equation:Dependent Variable: RESID Method: Least SquaresDate: 06/05/14 Time: 15:21Presample missing value lagged residuals set to zero.Coefficie Std.Variable

17、nt Error t-Statistic Prob.CX1X2X3RESID(-1)-662.5850680.0890.0934270.09置-0.017164 T0.0003470.00线0.566274"a党-0.9742610.34920.9663600.3529-0.9610180.35550.3534430.72991.6881640.1172MeanR-squared Adjusted R-squaredS.E.ofregressionSumsquared resid Log likelihood Durbin-Watson stat0.191914 dependent

18、var S.D.-0.077449 dependent var Akaike info 319.2378 criterionSchwarz1222953. criterion-119.1823F-statisticProb(F-stati 1.686501 stic)-1.33E-12307.550214.6096814.854740.7124740.599080可以知道，从该辅助回归得到可决系数R2与样本容量n的乘积，即LM=nR2 =12父0.191914 =2.302968 。查表我们可以知道72(1)=3.84,由止匕判断原模型：nR2>72(1),接受H。，即该回归模型存在1阶

19、序列相关性含2阶滞后残差项的辅助回归为：=久+日凶+B2X2+B3X3+啮_.+P2etProbabiliF-statistic1.317219 ty0.307012Obs*R-squared3.284729 tyTest Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/05/14 Time: 15:25Probabili0.193522Presample missing value lagged residuals set to zero.Variable C Std. ErrortR0b.CX1X2X3RESID(-1)RESID(-2)-650.95180.091335-0.0167070.0003120.587193-0.052303715.0912-a91%0.38220.1021080.8944960.39020.018952-0.8815760.39690.0010550.2961230.77270.3835721.5308540.15400.391983-0.1334330.8963Mean dependent -1.33E-1R-squared Adjusted R-squaredS.E.ofregressionSum