计量软件 eviews 期末论文

1、重庆大学本科学生课程论文 计量软件Eviews & Stata 基础应用 课程论文 学生姓名： 学 号： 任课教师： 平时成绩期末成绩总分 评语： 目录A1.中国税收收入多元回归模型2A2.中国经济增长影响因素实证分析5B.中国城镇居民消费结构面板数据模型实证分析9C.社会保障与经济增长关系的实证研究16A1.中国税收收入多元回归模型一 研究目的：本文在参考了多个关于影响我国税收收入的主要观点的基础上，对影响我国1978年至2007年的税收收入的主要因素进行实证分析。选取的自变量有税收收入、GDP、财政支出和零售商品价格指数，利用EVIEWS软件对设定的计量模型进行了参数估计，并对可能

2、出现的问题进行了假设检验，使这个模型尽量完美二 研究内容：（一）模型形式设定（二）Y，X2 , X3 , X4的趋势图从以上的图可以看出Y与X2和X3均呈线性关系，但Y与X4不存在线性关系（三）AIC和SC准则在 eviews 中输入LS Y C X2 X3 和 LS Y C X2 X3 X4 ，得到分析结果如下：Dependent Variable: LNYMethod: Least SquaresDate: 07/28/17 Time: 17:52Sample: 1978 2007Included observations: 30CoefficientStd. Errort-Statist

3、icProb.  C-1.6889950.248375-6.8001820.0000LNX20.5864350.1254104.6761250.0001LNX30.4646800.1392623.3367230.0025R-squared0.986052    Mean dependent var8.341376Adjusted R-squared0.985019    S.D. dependent var1.357225S.E. of regression0.166122  

4、;  Akaike info criterion-0.657549Sum squared resid0.745106    Schwarz criterion-0.517430Log likelihood12.86324    Hannan-Quinn criter.-0.612724F-statistic954.3715    Durbin-Watson stat0.536092Prob(F-statistic)0.000000Dependent Var

5、iable: LNYMethod: Least SquaresDate: 07/28/17 Time: 17:53Sample: 1978 2007Included observations: 30CoefficientStd. Errort-StatisticProb.  C-2.7553670.640080-4.3047220.0002LNX20.4512340.1421283.1748310.0038LNX30.6271330.1615663.8815810.0006X40.0101360.0056451.7955670.0842R-squared0.987591&#

6、160;   Mean dependent var8.341376Adjusted R-squared0.986159    S.D. dependent var1.357225S.E. of regression0.159676    Akaike info criterion-0.707778Sum squared resid0.662904    Schwarz criterion-0.520952Log likelihood14.6166

7、8    Hannan-Quinn criter.-0.648011F-statistic689.7317    Durbin-Watson stat0.616136Prob(F-statistic)0.000000在以上模拟中 ： AIC = -0.707778 SC = -0.520952加入X4之后的模型AIC和SC的值均有所减小，由赤池信息准则和施瓦茨准则可知X4应该包含在模型中。根据上图得模型估计结果为：Se = (0.640080) (0.142128)(0.161566)(0.005645)t = (

8、-4. 304722)(3.174831)(3.881581)(1.795567)R2 = 0.987591 ,R2 = 0.986159 ,F = 689.7317（四）模型检验A经济意义检验：影响力排序为LNX2>LNX3>X4，模型估计结果说明，在假定其他变量不变的情况下，当年GDP的对数每增长1亿元，税收收入就会增长0.45亿元；在假定其他变量不变的情况下，当年财政支出的对数每增长1亿元，税收收入会增长0.63亿元；在假定其他变量不变的情况下，当年零售商品价格指数上涨一个百分点，税收收入就会增长0.01亿元。国家税收收入与国内生产总值、财政支出、商品零售价格指数均为正相关。

9、 B拟合优度检验R2 = 0.987591 ,R2 = 0.986159 与1 十分接近，说明拟合度很好。CF检验针对H0：1=2=3=0，给定显著性水平=0.05，在F分布表中查出自由度为3和13的临界值F0.05(3，13)=3.41。由于F=689.7317 > 3.41，应拒绝原假设H0，说明回归方程显著,即GDP（X2）、财政支出(X3) 、商品零售价格指数(X4)对国家税收收入（Y）有显著影响DT检验分别针对H0：j=0（j=1,2,3）,给定显著性水平=0.05，查t分布表得自由度为17-4=13，临界值t0.025(13)=2.160。j=0（j=1,2,3）对应的t统计

10、量分别为3.175，3.882，1.796。GDP（X2）、财政支出(X3) 绝对值均大于临界值2.160，通过了显著性检验，而商品零售价格指数(X4) 绝对值小于临界值，所以没有通过检验。（五）建议国内生产总值会带来税收的增加。经济是收入的来源，只有提高产出，才有可能提高税收。财政支出对税收的影响是显著正相关的，财政支出增加，税收也会增加。适时调整商品零售价格指数，提高商品零售价格指数有利提高税收收入。另外，政府进行积极的宏观调控，实现产业结构调整，以及财政支出政策的改进，促进经济发展的良性循环，提高税收A2.中国经济增长影响因素实证分析一 研究目的：以中国经济增长作为研究对象，选择时间序列

11、数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见二 研究内容：（一）模型形式设定GDP、CS、I、EX的趋势图：（二）LNGDP、LNCS、LNI、LNEX的趋势图（三）自相关模型的影响A不考虑自相关 : Dependent Variable: LNGDPMethod: Least SquaresDate: 07/28/17 Time: 10:35Sample: 1980 2003Included observations: 24VariableCoeffici

12、entStd. Errort-StatisticProb.  C0.5533160.1741133.1779190.0047LNCS0.8840480.05275216.758470.0000LNI0.0633730.0390351.6234950.1201LNEX0.0587980.0285742.0577210.0529R-squared0.999709    Mean dependent var10.14063Adjusted R-squared0.999665    S.D. depen

13、dent var1.118918S.E. of regression0.020468    Akaike info criterion-4.788915Sum squared resid0.008379    Schwarz criterion-4.592572Log likelihood61.46698    Hannan-Quinn criter.-4.736825F-statistic22905.17    Durbin-Wats

14、on stat0.803584Prob(F-statistic)0.000000B.考虑自相关 ：Dependent Variable: LNGDPMethod: Least SquaresDate: 07/28/17 Time: 10:37Sample (adjusted): 1982 2003Included observations: 22 after adjustmentsConvergence achieved after 13 iterationsVariableCoefficientStd. Errort-StatisticProb.  C0.6597600.

15、1967953.3525180.0040LNCS0.8144920.06396712.733020.0000LNI0.1374770.0467472.9408840.0096LNEX0.0465470.0264831.7576520.0979AR(1)0.8993040.2620893.4312870.0034AR(2)-0.2840490.255747-1.1106660.2831R-squared0.999845    Mean dependent var10.29339Adjusted R-squared0.999797  &#

16、160; S.D. dependent var1.038126S.E. of regression0.014783    Akaike info criterion-5.363656Sum squared resid0.003497    Schwarz criterion-5.066099Log likelihood65.00021    Hannan-Quinn criter.-5.293560F-statistic20708.45  

17、60; Durbin-Watson stat1.886754Prob(F-statistic)0.000000Inverted AR Roots .45-.29i     .45+.29i在添加AR(1)和AR(2)项后，杜宾沃森检验项的DW值达到1.886754的水平，已经非常接近2了，由此可以认为自相关在模型中已经基本消除（四）回归方程及残差图Se = (0.1968)(0.0639)(0.0468) (0.0265)T = (3.3525) (12.7330)(2.9409)(1.7577)R2 = 0.999 ,R2

18、 = 0.999 ,F = 20708.45影响因素：LNCS>C>LNI>EX残差图：（五）模型检验A. 模型的经济意义检验：回归系数估计值LNCS0.814492；LNI0.137477；LNEX0.046547说明GDP与消费需求、投资需求、出口同方向变动，当其他条件不变时，消费需求每增加一个百分点，产出将平均增加0.81%，投资需求每增加一个百分点，平均产出将增加0.14%。出口每增加一个百分点，产出将平均增加0.05%，均符合解释变量与被解释变量之间的关系，所以，模型通过经济意义检验。B. 回归方程的标准误差的评价：S.E=0.014783说明，回归方程与各观测点（

19、或估计值与观测值）的评价误差为0.014783。C拟合优度检验：R2=0.9998=0.999797说明，回归方程即上述样本函数的解释能力为 99.8%，即其他条件不变时消费需求、投资需求、出口能对GDP变动的99.98%作出解释。回归方程的拟合优度相当好，具有一定的经济含义。D回归模型的总体显著性检验：F检验，方程总体的显著性检验的伴随概率为0.00000，在5%显著水平下方程显著成立，具有经济意义。E. 单个回归系数的显著性检验：T检验，C, LNCS , LNI 的t检验伴随概率均远远小于5%，所以，解释变量的系数显著不为零，通过显著性检验，常数项同时也通过显著性检验，保留在模型当中不必

20、剔除,而LNEX 的伴随概率大于5% ，没有通过显著性检验，说明存在多重共线性的可能。VariableCoefficientStd. Errort-StatisticProb.  C0.6597600.1967953.3525180.0040LNCS0.8144920.06396712.733020.0000LNI0.1374770.0467472.9408840.0096LNEX0.0465470.0264831.7576520.0979（六）建议协调好消费需求、投资需求、出口需求三大需求之间的关系，在保证投资保持较快增长的同时，要更加重视消费和出口(输出)对GDP的拉动

21、作用；在扩大社会需求的同时，更要高度重视引导增加拉动本地GDP关联度高、影响力大的产业部门的需求，并且努力扩大本地投资品、消费品和服务的市场占有份额；要把扩大社会需求与推动经济结构的战略性调整，促进产业升级结合起来，加快深入落实经济发展模式的转型，以消费拉动经济增长为主，投资和出口协同拉动经济增长，充分发挥消费这一经济增长的原动力，促进经济健康协调发展。B.中国城镇居民消费结构面板数据模型实证分析一. 研究目的：根据Keynes的绝对收入假说：居民的消费水平是由可支配收入决定的；通过建立1996-2003中国29个省市居民家庭人均消费（Consume）和收入（Income）数据，建立城镇居民消

22、费水平的面板数据模型（Panel Data），分析自发性消费支出（截距项）的省际差异，居民可支配收入是如何决定消费的，即对城镇居民的消费结构进行对比分析二研究内容：（一）面板数据序列相关图（二）三种面板模型类型的软件回归结果A混合模型Dependent Variable: CONSUME?Method: Pooled Least SquaresDate: 07/28/17 Time: 21:23Sample: 1996 2003Included observations: 8Cross-sections included: 29Total pool (balanced) observation

23、s: 232VariableCoefficientStd. Errort-StatisticProb.  C265.086646.322235.7226640.0000INCOME?0.7473360.006999106.78020.0000R-squared0.980227    Mean dependent var4952.143Adjusted R-squared0.980141    S.D. dependent var1599.622S.E. of regression225.4217

24、    Akaike info criterion13.68241Sum squared resid11687434    Schwarz criterion13.71212Log likelihood-1585.159    Hannan-Quinn criter.13.69439F-statistic11402.02    Durbin-Watson stat0.633044Prob(F-statistic)0.000000B固定效

25、应模型Dependent Variable: CONSUME?Method: Pooled Least SquaresDate: 07/28/17 Time: 21:23Sample: 1996 2003Included observations: 8Cross-sections included: 29Total pool (balanced) observations: 232VariableCoefficientStd. Errort-StatisticProb.  C546.240552.7920810.347020.0000INCOME?0.7025070.008

26、26485.008340.0000Fixed Effects (Cross)BEIJ-C528.7945TIANJ-C-2.098388HEB-C-206.0987SHANX-C-150.5853LMG-C-231.7145LIAON-C104.2279JIN-C-19.82496HEILJ-C-219.3924SHANGH-C185.5096JIANGS-C-124.4121ZHEJ-C107.6448ANH-C-106.1617FUJ-C-120.2966JIANGX-C-383.5205SHAND-C-212.4554HEN-C-205.7808HUB-C165.8370HUN-C139

27、.3203GUANGD-C433.8359GUANGX-C47.39929HAIN-C-146.1806SIC-C181.3348GUIZ-C-44.58322YUNN-C96.97064SHANXI-C168.9827GANS-C3.968558QINH-C39.49803NINX-C79.92879XINJ-C-110.1475Effects SpecificationCross-section fixed (dummy variables)R-squared0.992012    Mean dependent var4952.143Adjusted

28、 R-squared0.990865    S.D. dependent var1599.622S.E. of regression152.8873    Akaike info criterion13.01743Sum squared resid4721654.    Schwarz criterion13.46313Log likelihood-1480.022    Hannan-Quinn criter.13.19718F-st

29、atistic865.0129    Durbin-Watson stat1.497457Prob(F-statistic)0.000000C. 随机效益应型Dependent Variable: CONSUME?Method: Pooled EGLS (Cross-section random effects)Date: 07/28/17 Time: 21:23Sample: 1996 2003Included observations: 8Cross-sections included: 29Total pool (balanced) observa

30、tions: 232Swamy and Arora estimator of component variancesVariableCoefficientStd. Errort-StatisticProb.  C471.762356.192478.3954720.0000INCOME?0.7143820.00749595.317860.0000Random Effects (Cross)BEIJ-C431.6092TIANJ-C-20.33295HEB-C-177.8866SHANX-C-120.4085LMG-C-193.8990LIAON-C102.4559JIN-C-

31、4.352160HEILJ-C-182.3715SHANGH-C114.2327JIANGS-C-117.7576ZHEJ-C62.97991ANH-C-84.99239FUJ-C-120.0148JIANGX-C-330.1594SHAND-C-190.8111HEN-C-170.1601HUB-C155.6525HUN-C125.8822GUANGD-C350.3158GUANGX-C44.21696HAIN-C-124.1109SIC-C167.9234GUIZ-C-28.00712YUNN-C85.88278SHANXI-C163.9526GANS-C18.98209QINH-C47.

32、84721NINX-C86.14179XINJ-C-92.81100Effects SpecificationS.D.  Rho  Cross-section random156.76350.5125Idiosyncratic random152.88730.4875Weighted StatisticsR-squared0.974198    Mean dependent var1614.285Adjusted R-squared0.974086    S.D. depen

33、dent var971.4403S.E. of regression156.3815    Sum squared resid5624692.F-statistic8684.014    Durbin-Watson stat1.267014Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.978321    Mean dependent var4952.143Sum squared resid12813987&#

34、160;   Durbin-Watson stat0.556155三种模型的表达式分别如下：(1) 混合模型Consumet = 256.087 + 0.7473 incomett (2) 固定效应模型Consumet = 546.2405 + 0.7025 incomett + 528.79D1+-110.1475D29其中虚拟变量D 的定义是： 1，如果属于第i个个体，i=1,2,29D 0，其他(3)随机模型Consumet = 471.7623 + 0.7144 incomett +431.6092D1 + -92.811D29 1，如果属于第i个个体，i

35、=1,2,29D 0，其他（三）F检验与Hausman检验F检验的原假设和备用假设分别如下所示：H。：模型中不同个体的常数项系数口，相同，即模型为混合回归模型E：模型中不同个体的常数项系数口，不同，即模型为个体固定效应回归模型对于混合模型和固定效应模型，用F检验；从上题的表中可得:SSEr=11687434，SSEu=4721654,N=29,K=1,T=8，则 (n,k分别为单位和自变量的个数)查表可得:F(28,202)=1.52<10.6431，则拒绝原假设，选择固定效益。下一步，在个体随机效应模型和个体固定效应模型中做出选择，判断方法是 使用Hausman检验。H检验的原假设和备

36、用假设分别为： H0：个体效应与参数变量无关，建立随机效应模型 E ：个体效应与参数变量相关，建立固定效应模型。Test cross-section random effectsTest SummaryChi-Sq. StatisticChi-Sq. d.f.Prob. Cross-section random11.63341510.0006由表可知，p值为0.0006 小于0.05时，拒绝原假设，应建立个体固定效应模型。最终结果为：Consumet = 546.2405 + 0.7025 incomett + 528.79D1+-110.1475D29其中虚拟变量D 的定义是： 1

37、，如果属于第i个个体，i=1,2,29D 0，其他Cross-section random effects test comparisons:VariableFixed  Random Var(Diff.) Prob. INCOME?0.7025070.7143820.0000120.0006综上分析，19962003年中国居民消费和收入问题应该建立个体固定效应回归模型。人均消费平均占人均收入的70%。随地区不同，自发消费（截距项）存在显著性差异（四）面板单位根、协整检验对29组consume做单位根检验：Cross-MethodStatist

38、icProb.*sectionsObsNull: Unit root (assumes common unit root process) Levin, Lin & Chu t* 11.8839 1.0000 29 189Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat  11.6127 1.0000 29 189ADF - Fisher Chi-square&#

39、160;1.50705 1.0000 29 189PP - Fisher Chi-square 1.44244 1.0000 29 203可知结果检验认为29组consume 序列都存在单位根对29组income做单位根检验：Cross-MethodStatisticProb.*sectionsObsNull: Unit root (assumes common unit root process) Levin, Lin & Chu t* 16.9057 1.0000 29&#

40、160;189Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat  14.7979 1.0000 29 189ADF - Fisher Chi-square 0.69773 1.0000 29 189PP - Fisher Chi-square 0.52098 1.0000 29 203同理可知income序列也存在单位根。协整检验：原假设不存在协整关系。Alternative hypothesis: common AR coefs. (within-dimension)WeightedStatisticProb.StatisticProb.Panel v-Statistic 0.281414