计量经济学论文-()

本科生课程论文论文题目：工业生产总值与有关因素分析课程名称：计量经济学任课教师：刘桃许秀川专业：会计学班级：2014级学号：8姓名：王伟龙2016年6月20日工业生产总值及有关因素分析摘要：我国是工业大国，工业的发展程度一定意义上决定了我国经济的走向，所以我选择一组与工业相关的数据来对工业生产进行一定分析。关键词：工业生产总值回归分析计量检验多重共线性分析一、模型设定1.变量选取：被解释变量：工业生产总值解释变量：钢铁产量（用x1表示），石油产量（用x2表示），工业占地面积（用x3表示），工业用电量（用x4表示），工业就业人数（用x5表示）2.数据采样下表是1990到2013年以来从中国统计网站上下载下以及整合的相关数据。年份农业生产总值y粮食产量x1水果产量x2有效灌溉面积x3农村用电量x4农用排灌柴油机数量x519905062.0044624.30450.7747403.10844.50411100019915342.2043529.30567.5047822.10963.20433000019925866.6044265.80450.8448590.101106.90437700019936963.7645648.80373.9348727.901244.90455427519949572.6944510.10434.1048759.101473.904711516199512135.8146661.80476.7549281.201655.704912068199614015.3950453.50420.3350381.401812.705092934199714441.8949417.10460.2751238.501980.105461235199814817.6351229.53450.1052295.602042.205816118199914770.0350838.58382.8853158.412173.456449528200014944.7246217.52441.7353820.332421.306881174200115781.2745263.67532.3554249.392610.787285693200216537.0245705.75491.6254354.902993.407506066200317381.7243069.53485.9754014.233432.927495652200421412.7346946.95632.3554478.423933.037775427200522420.0048402.19571.4255029.344375.708099100200624040.0049804.23753.2855750.504895.808363525200728627.0050160.28762.3656518.345509.908614952200833702.0052870.92749.1958471.685713.158983851200935226.0053082.08637.6859261.406104.449249167201040533.6054647.71596.1160347.706632.359462526201147486.2157120.85659.8061681.567139.629683914201252373.6358957.97683.6062490.527508.469823100201356957.0060193.84629.9063473.308549.52125940003．初步建立模型（1）利用eviews软件分别将Y和X1、X2、X3、X4、X5做散点图看是否成线性关系，建立模型。散点图显示各解释变量与被解释变量成线性关系，如下建立多元回归模型：（2）参数估计拟合优度2R=0.987759，调整后的2R=0.984359,说明样本数据与模型的拟合程度较好（在散点图中也显示出来了），但是X1、X3、X5的p值都大于0.05，说明回归参数不显着，现初步得出如下回归方程：Y=0.650429X1-12.26922X2+0.4843863X+5.7150824X-0.0011605XP值0.00310.06500.35620.00010.24932R=0.987759F=290.4999-3,000-2,000-1,00001,0002,0003,000010,00020,00030,00040,00050,00060,000909294969800020406081012ResidualActualFitted二、计量经济意义检验1.序列相关检验1.1先进行LM检验，判断序列相关是否存在对样本量为24，5个解释变量的模型，在α=0.05的显着水平下，查DW分布表，可得临界值dl=1.06,du=1.76,由模型中DW=1.850289，du＜DW＜4-du,因此该回归方程中不存在序列相关。2.异方差检验2.1进行怀特检验判断是否存在异方差从下图中可看出，由检验的伴随概率prob=0.6658＞0.05可以判断，在显着性水平为0.05的情况下，接受“原模型不存在异方差”的假设，表明模型不存在异方差。3.多重共线性检验3.多重共线性的判定可以看出X1、X2、X3、X4、X5之间有较强的线性相关性，需要进行修正。而我们知道通过NA这一列VIF值就能对多重共线性进行判定，VI=10就存在很强的多重共线性，再一次验证了我们的结论，下面我们用逐步回归来修正。3.2多重共线性的修正3.2.1对各变量独自回归,得到如下结果：X1X2X3X4X50.8234850.4586680.9335750.9573240.869726P值0.00000.00020.00000.00000.0000F108.300920.48783324.2544516.9438154.5505从表中可以看出，X1、X2、X3、X4、X5的P值都小于0.05，但X4的2R值最大，拟合优度最高，故应先引入X4.X1X2X3X50.9823190.9692890.9588050.957492P值0.00000.00550.19510.3090F639.8983363.9621268.6625260.0347从表中可以看出只有X1、X2两个的P值小于0.05，通过T检验，而X1的拟合优度最好而且比第一步有很大提高，所以第二步应该引入X1.2解释变量，得到如下结果：从表中可以看出引入的虽然X2变量的P值为0.0499小于0.05，而且F值为496.4975表明模型整体显着，拟合优度也有进一步提高，但是X2变量的系数为-11.76732，这与其经济意义不相符，所以X2变量应剔除。4、X2两个解释变量，对其进行回归得：4新模型建立Y=-39517.41+4.681934X4+0.904806X1参考文献：MBA智库百科《中国统计年鉴》