EVIEWS案例消除自相关农村居民消费模型

1、第六章事例剖析一、研究目的2003年中国乡村人口占59.47，而花费总量却只占41.4%，乡村居民的收入和花费是一个值得研究的问题。花费模型是研究居民花费行为的常用工具。经过中国乡村居民花费模型的剖析可判断乡村居民的边沿花费偏向，这是宏观经济剖析的重要参数。同时，乡村居民花费模型也能用于乡村居民消费水平的展望。二、模型设定正如第二章所叙述的，影响居民花费的要素好多，但因为受各样条件的限制，往常只引入居民收入一个变量做解说变量，即花费模型设定为Yt12Xtut（6.43）式中，Yt为乡村居民人均花费支出，Xt为乡村人均居民纯收入，ut为随机误差项。表6.3是从中国统计年鉴采集的中国乡村居民198

2、5-2003年的收入与花费数据。表6.31985-2003年乡村居民人均收入和花费单位：元整年人均纯收入整年人均花费性支出花费价钱指数人均实质纯收入人均实质花费性支出年份（现价）（现价）（1985=100）（1985可比价）（1985可比价）1985397.60317.42100.0397.60317.401986423.80357.00106.1399.43336.481987462.60398.30112.7410.47353.421988544.90476.70132.4411.56360.051989601.50535.40157.9380.94339.081990686.30584.

3、63165.1415.69354.111991708.60619.80168.9419.54366.961993921.60769.70201.0458.51382.9419941221.001016.81248.0492.34410.0019951577.701310.36291.4541.42449.6919961923.101572.10314.4611.67500.0319972090.101617.15322.3648.50501.7719982162.001590.33319.1677.53498.2819992214.301577.42314.3704.52501.7520002

4、253.401670.00314.0717.64531.8520012366.401741.00316.5747.68550.0820022475.601834.00315.2785.41581.8520032622.241943.30320.2818.86606.81注：资料根源于中国统计年鉴1986-2004。为了除去价钱改动要素对乡村居民收入和花费支出的影响，不宜直接采纳现价人均纯收入和现价人均花费支出的数据，而需要用经花费价钱指数进行调整后的1985年可比价钱计的人均纯收入和人均花费支出的数据作回归剖析。依据表6.3中调整后的1985年可比价钱计的人均纯收入和人均花费支出的数据，使用一

5、般最小二乘法预计花费模型得?106.75280.5998Xt（6.44）YtSe=(12.2238)(0.0214)t=(8.7332)(28.3067)2，F=786.0548，df=17，DW=0.7706R=0.9788该回归方程可决系数较高，回归系数均显着。对样本量为19、一个解说变量的模型、5%显着水平，查DW统计表可知，dL=1.18，dU=1.40，模型中DWdU，说明广义差分模型中已无自有关，不用再进行迭代。同时可见，可决系数R2、t、统计量也均达到理想水平。对照模型（6.44）和（6.47），很明显一般最小二乘法低估了回归系数?2的标准偏差。原模型中Se（?2）=0.0214

6、，广义差分模型中为Se（?2）=0.0294。经广义差分后样本容量会减少1个，为了保证样本数不减少，能够使用普莱斯温斯腾变换增补第一个观察值，方法是X1*X112和Y1*Y112。在本例中即为X110.49602和Y110.49602。因为要增补因差分而损失的第一个观察值，因此在EViews中就不可以采纳前述方法直接在命令栏输入Y和X的广义差分函数表达式，而是要生成X和Y的差分序列X*和Y*。在主菜单项选择择Quick/GenerateSeries或点击工作文件窗口工具栏中的Procs/GenerateSeries，在弹出的对话框中输入Y*=Y-0.4960*Y(-1)，点击OK获得广义差分序

7、列Y*，相同的方法获得广义差分序列X*。此时的X*和Y*都缺乏第一个观察值，需计算后增补进去，计算得X1*=345.236，Y1*=275.598，双击工作文件窗口的X*翻开序列显示窗口，点击Edit+/-按钮，将X1*=345.236增补到1985年对应的栏目中，获得X*的19个观察值的序列。相同的方法可获得Y*的19个观察值序列。在命令栏中输入LsY*cX*获得普莱斯温斯腾变换的广义差分模型为Yt*60.44430.5833Xt*（6.48）Se(9.1298)（0.0297）=（6.5178）（19.8079）R2=0.9585F=392.3519df=19DW=1.3459对照模型（6.47）和（6.48）可发现，二者的参数预计值和各查验统计量的差异很细小，说明在本例中使用普莱斯温斯腾变换与直接使用科克伦奥克特两步法的预计结果无显着差异，这是因为本例中的样本还不算太小。假如实质应用中样本较小，则二者的差异会较大。往常关于小样本，应采纳普莱斯温斯腾变换增补第一个观察值。由差分方程（6.46）有?60.4443119.929210.49601（6.