计量经济学课程设计

1、精选优质文档-倾情为你奉上目录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

2、重要的作用。据机械部预测，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

3、系：“纯粹”的中国汽车产业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

4、备独立的开发能力。3.产品结构不合理。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

5、国的民族汽车产业，切实把握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YX1

6、X2X3X4X5199051.46635102.8316384.69881.62199171.427100104.1117746.89396.041992106.678094105.6719104.75118.041993129.858956108.3521110.726155.271994136.699261111.7821356.238205.421995145.279535.99115.722955.8249.961996147.5210124.06118.5825280.904289.671997158.2510894.17122.6427725.436358.361998163115

7、59127.8528326.272423.651999183.212426135.1730222.335533.88200020712850140.2732307.882625.332001234.1715163.44169.832788.508770.782002325.118236.61176.5235553.113968.982003444.3922233.6180.9838963.9041219.232004509.1128291.09187.0745466.1281481.662005570.4935323.98334.5246727.4061848.072006727.894191

8、4.85345.699949924.4682333.322007888.8948928.8358.371552735.5042876.222008930.5950305.75373.016453334.9843501.3920091379.5357218.23386.082354889.8134574.91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 20

9、09Included observations: 20VariableCoefficientStd. Errort-StatisticProb. X10.0.2.0.0409X2-0.0.-2.0.0390X30.0.0.0.8571X40.0.4.0.0002X5-0.0.-1.0.2509C295.5612170.67951.0.1053R-squared0. Mean dependent var375.5215Adjusted R-squared0. S.D. dependent var358.1339S.E. of regression33.82194 Akaike info crit

10、erion10.12342Sum squared resid16014.93 Schwarz criterion10.42214Log likelihood-95.23421 F-statistic423.2665Durbin-Watson stat1. Prob(F-statistic)0.根据Eviews结果得到估计模型结果如下： (1.) (2.)(-2.) (0.) (4.) (-1.)=0. =0. F-statistic=423.226 D-W=1.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

11、，且各之间不存在严格的线性相关性（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

12、.1拟合优度检验 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.，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.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=2.1.761,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.假定显著水平，查t 分布表中自由度为14（n-k-1=20-5-1=

13、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=-2.1.761,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.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=0.1.761,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.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=-1.1.761，故接受原假

14、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 1996Included observations: 7VariableCoefficientStd. E

15、rrort-StatisticProb. X40.0.4.0.0073C40.3699818.099512.0.0761R-squared0. Mean dependent var112.6886Adjusted R-squared0. S.D. dependent var37.94946S.E. of regression18.99600 Akaike info criterion8.Sum squared resid1804.240 Schwarz criterion8.Log likelihood-29.36452 F-statistic18.94629Durbin-Watson sta

16、t0. Prob(F-statistic)0.图14：Dependent Variable: YMethod: Least SquaresDate: 06/08/11 Time: 22:52Sample: 2003 2009Included observations: 7VariableCoefficientStd. Errort-StatisticProb. X40.0.13.924720.0000C98.2434753.272841.0.1245R-squared0. Mean dependent var778.6986Adjusted R-squared0. S.D. dependent

17、 var323.1574S.E. of regression56.12738 Akaike info criterion11.12808Sum squared resid15751.41 Schwarz criterion11.11263Log likelihood-36.94828 F-statistic193.8978Durbin-Watson stat2. Prob(F-statistic)0.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：Depen

18、dent Variable: YMethod: Least SquaresDate: 06/08/11 Time: 22:57Sample: 1990 2009Included observations: 20Weighting series: WVariableCoefficientStd. Errort-StatisticProb. C59.246440.282.34840.0000X40.0.472.11080.0000Weighted StatisticsR-squared1. Mean dependent var162.0768Adjusted R-squared1. S.D. de

19、pendent var694.5146S.E. of regression0. Akaike info criterion-1.Sum squared resid0. Schwarz criterion-1.Log likelihood15.78828 F-statistic.6Durbin-Watson stat1. Prob(F-statistic)0.Unweighted StatisticsR-squared0. Mean dependent var375.5215Adjusted R-squared0. S.D. dependent var358.1339S.E. of regres

20、sion36.42201 Sum squared resid23878.14Durbin-Watson stat2.有上表可知加权后的模型为：，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

21、。（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量作为解释变量，即不应