计量经济学案例-基于Eviews的二元回归计量经济模型分析

计量经济学案例：基于Eviews的二元回归计量经济模型分析表1：全国31个地区2008年连锁餐饮企业情况地区营业额Y门店总数XI商品购进总额X2北京12106941740523105天津2422253054687河西677836621561内蒙古11661621239400048辽宁294544338100597吉林2942194黑龙江278735311859上海6841831167138356江苏518965881222936浙江577927865270588安徽487021116773福建25551831522789江西440016516088山东19188026657094河南119101384486湖北2919542630湖南1056991379511广东10919151820391731广西395645215170海南327370重庆13459518626937四川64432262803贵州1657141187云南16001670西藏1796235497陕西791697331428520甘肃142300625451青海1674611366宁夏65657722769新疆310680来源:中华人民共和国国家统计局一、背景连锁经营模式10年前开始在中国餐饮业,在近几年大规模应扩张，发展势头强劲。在东部地区和大城市仍然是集中区，但是向西部地区和中型城市渗透的速度在加快。连锁经营是企业提高效率、降低成本的经营方式，更重要的是能够帮助企业突破发展中的管理瓶颈。它具有极强的竞争能力，成为中国餐饮业经营模式的主要发展方向.利用计量经济学软件Eveiws分析中国2008年连锁餐饮企业情况显得有其重要性。二、模型建立与参数估计1•录入数据，建立包括31个地区连锁餐饮企业营业额Y与门店总数XI、商品购进总额X2的工作表文件。点击查看散点图如下所示：2。根据散点图，建立回归模型:Y=a+blnXl+clnX2+u,利用Eveiws软件对该模型进行估计.

DependentVariable:LOGfY)Method:LeastSquaresDate:12/21/10Time:14:49Sample(adjusted^:130Inclu-dedobservati&ns:27afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.G3.1658330.81359S3.6911520.0007LGG[X1)02572750.1151392.234464□.0350LGGPC2)0.6982120.1092556.390&&10.0000R-squared0.643561Meandependentvar11.29960AdjustedR-squared0.630554S.D.dependentvar2.052122SE.ofre-gression064859SAkaikeinfocriterion2.61397&Sumsquaredresid17.28283Schwarz--criterio-n2.757956Loglikelihood3228867F-statistic64.76535Durbin-Wats&nstat1.557303Prob(F-statisti-c)oaaoooo三、模型检验与预测经济意义检验参数估计量的符号和数值范围都正确，可进行下一步。2。统计意义检验给定5%的显著性水平，查表得临界值F0o05（2,24）=3。4<64。77T0。025（24）=2.064,所以总体上看，lnX1和lnX2对lnY的线性关系是显著成立的。调整后的可决系数=0。83065表明:连锁餐饮企业营业额对数值的83.1%的变化可以由门店总数对数与商品购进总额对数的变化来解释・0・2573表明:商品购进总额不变时，门店总数每增加1%，企业营业额将增加0.2573%.0。6982表明:门店总数不变时，商品购进总额每增加1%,企业营业额将增加0。6982%。3。计量经济学检验(1)一般经验告诉我们，对于采取截面数据做样本的计量经济学问题,由于在不同的样本点上解释变量以外的其他因素的差异较大，所以往往存在异方差性。在本问题中利用White检验异方差性。WhiteHeteroskedasti-cityTest:F-statistic6.551307Probability0.001248Obs'R-squared14.67830Probability0.005417显然，根据给出的概率进行判断：0.005417V0。05,因而拒接原假设，认为模型存在异方差性。(2)接着，采用加权最小二乘法对模型进行估计。

DependentVariable:LOG(Y^Method:LeastSquares□ate:12/21/10Time:15:46Sijrriple(cidjutiLe-d130Includedobservations:27afLeradjustmentsWeightingseries:l/ABS^EI)'VariableCoefficientStd.Errort-StatisticProb.C3.1841Z20.1&626919-151&10.D000LOGp(1)□.3052^20.D2820210-822890.D000LOGpC2)0.6666890.D2687324.805380.D000Wei-ghtedStatisticsR-squared□.999&73Meandepen-dentvar12.47303A-djustedR-squared□.999&71S.D.dependentva.r22.12021S.E.ofregression0.11S541Akaikeinfocriterion-1.322604Sumsquaredresi-d0.337245S-chwar^criterion-1.178702LogIikeIih□cxd20_S5■&23F-statistic6009.358Durbin-Watsonstat1.857533F^robfF-statisiic)0.000000UnweightedStatisticsR-squared0.841532Meandependentvar11.2:9960A-djustedR-squared0.82S32