计量经济学模型论文.docx

资源描述

计量经济学模型论文.docx

《计量经济学模型论文.docx》由会员分享，可在线阅读，更多相关《计量经济学模型论文.docx（36页珍藏版）》请在冰点文库上搜索。

计量经济学模型论文.docx

计量经济学模型论文

实践报告书写要求

实践报告原则上要求学生手写，要求书写工整。

若因课程特点需打印的，要遵照以下字体、字号、间距等的具体要求。

纸张一律采用A4的纸张。

实践报告书写说明

实践报告中一至四项内容为必填项，包括实践目的和要求；实践环境与条件；实践内容；实践报告。

各院部可根据学科特点和实践具体要求增加项目。

填写注意事项

（1）细致观察，及时、准确、如实记录。

（2）准确说明，层次清晰。

（3）尽量采用专用术语来说明事物。

（4）外文、符号、公式要准确，应使用统一规定的名词和符号。

（5）应独立完成实践报告的书写，严禁抄袭、复印，一经发现，以零分论处。

实践报告批改说明

实践报告的批改要及时、认真、仔细，一律用红色笔批改。

实践报告的批改成绩采用百分制，具体评分标准由各院部自行制定。

实践报告装订要求

实践报告批改完毕后，任课老师将每门课程的每个实践项目的实践报告以自然班为单位、按学号升序排列，装订成册，并附上一份该门课程的实践大纲。

实践项目名称：

影响我国人均GDP的变量因素分析实践学时：

同组学生姓名：

许可于春雨实践地点：

7105

实践日期：

2012-06-05实践成绩：

批改教师：

批改时间：

指导教师评阅：

一、实践目的和要求

实践目的：

（1）让金融学本科学生了解现代经济学的特征，了解经济数量分析课程在经济学课程体系中的重要地位，了解经济数量分析在经济学科的发展和实际经济工作中的作用；

（2）使学生掌握基本的经典计量经济学理论与方法，并对计量经济学理论与方法的扩展和新发展有个概念性、大致性的了解；（3）使他们能够建立并应用简单的计量经济学模型，对现实经济现象中的数量关系进行合理分析；（4）通过系统的学习，提高进一步学习与应用计量经济学理论、方法与模型的动力与能力。

实践要求：

能够在牢固掌握计量经济学基本理论的基础上，应用一些计量工具和方法，如线性回归模型和联立方程技术等，通过对各种经济数据的处理和分析，来进一步理解经济和其他领域的某些理论和现象，从而培养和提高学生立足于本专业的基本理论知识。

通过本次实训，系统地练习计量经济学在经济定量分析中的基本操作，特别是一元和多元线性回归模型的构建与检验，以及当经典线性回归模型的假设条件不成立时的补正措施，以提高对经济现象进行定量描述和分析的技能。

二、实践环境与条件

由于《计量经济学》课程本身特点，本实验课程先通过熟悉计量经济学相关理论的基础上，在课堂及其实验室演示计量经济学实验操作步骤，然后由学生组成几个组，分别选择某个论题，并搜集相关数据，共同讨论如何初步建模、检验、修正计量模型，从而以小论文的形式写出实践报告。

实践环境先是在7105实验室展开，之后由学生自己组织在实验室和宿舍电脑上完成操作环节，实践条件可以保证本实践课程作业的完成。

三、实践内容

《计量经济学》实践环节主要围绕以下内容展开：

（1）制作散点图和用OLS法求回归方程的操作流程，掌握利用eviews进行拟合优度、参数显著性和方程显著性检验以及预测的方法；

（2）掌握非线性回归模型转换成多元线性回归模型的方法，并进行拟合优度、参数显著性和方程显著性检验；（3）掌握自相关的DW检验、异方差的图示法、White检验和Glejser检验以及多重共线性的检验方法。

至于学生选择什么样的论题，只要他们在社会经济领域选题即可，同时，在分析问题时，务必结合经济学等理论，并运用计量经济学知识，合理使用计量软件eviews，构建符合计量要求的模型，在其中贯彻上述若干实践内容。

四、实践报告（附件）

影响我国人均GDP的变量因素分析

摘要

人均国内生产总值（RealGDPpercapita），也称作“人均GDP"，常作为发展经济学中衡量经济发展状况的指标，是重要的宏观经济指标之一，它是人们了解和把握一个国家或地区的宏观经济运行状况的有效工具。

是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。

本文从城市化率、城镇居民家庭可支配收入、政府支出以及城镇居民消费水平四个方面出发，通过往年的数据发展来观察它们对于人均GDP的影响，从而对我国目前的经济发展提供一些建议。

笔者认为，在提高城镇居民可支配收入、城市化率以及政府支出的基础上，更要调节好我国目前贫富差距过大的问题，这样才能保持经济的稳定发展。

关键词：

人均GDP；城市化率；城镇居民可支配收入；城府支出

引言

一国的经济乃立国之本，而经济发展是以GDP增长为前提的。

影响人均GDP的因素看似众多，究竟哪些因素对人均GDP的增长起关键性的影响作用呢？

由此引出了本小组的研究课题——对我国人均GDP影响因素的计量分析。

随着2009年中国GDP赶超日本，成为世界排名第二，无疑吸引了国内外的目光。

然而，在如此大的总量之下，中国的人均GDP却一直在世界100名左右徘徊。

“国服民穷”的现状一直是我们的问题。

经我们数据搜寻，在人均GDP的增长过程中，城市化率、城镇居民家庭人均可支配收入、城市政府支出以及城镇居民消费水平都有了显著的上升。

同时，我们知道GDP的构成取决于消费、投资、政府支出。

因此，我们把城市化率、城镇居民人均可支配收入、城市政府支出、城镇居民消费水平这四个指标作为反映了人均GDP的自变量，认为这四个变量是影响人均GDP的关键性因素。

本实验主要选取1979—2009年的统计数据。

1人均GDP的基本概念及特点

1.1人均GDP的基本概念和经济意义

1.1.1人均GDP的基本概念

将一个国家核算期内（通常是一年）实现的国内生产总值与这个国家的常住人口相比进行计算，得到人均国内生产总值。

是衡量各国人民生活水平的一个标准，为了更加客观的衡量，经常与购买力平价结合。

1.1.2人均GDP的经济意义

首先，除资源国以外的绝大多数工业化国家，人均GDP比较客观地反映了一定国家社会的发展水平和发展程度。

一方面，就中日比较而论，人均GDP虽不能正确反映中日两国综合国力，但确实表明日本在社会保障、医疗卫生、教育和人口寿命以及环境和生态建设等方面的发展水平要高于中国，尤其是日本城乡发展的相对均衡以及农村农业基本上“水旱无忧”的抗灾能力与抗灾水平，更是让中国望尘莫及。

改革开放30多年来，中国城市化、工业化进程加快，农村农业的滞后发展恰恰拖了我国人均GDP的后腿，成为我国经济社会发展的短板，最终也深刻影响了我国的综合国力和国际竞争力。

其次，人均GDP本身具有社会公平和平等的含义。

人均GDP虽然不能直接等同于居民的人均收入和生活水平，但构成了一国居民人均收入和生活水平的主要物质基础，是提高居民人均收入水平、生活水平的重要参照指标。

事实上，强调人均GDP的国家，一般也比较注重提高本国居民的人均收入水平和社会公平程度。

再次，人均GDP与工业化进程和社会稳定，具有一定内在联系。

据亨廷顿分析，在一定阶段，人均国内生产总值增长与社会安定、社会和谐成正比。

21978-2011年的数据搜集

年份

人均GDP

城市化率

城镇居民家庭人均可支配收入

政府支出

城镇居民消费水平

1978

381

17.92

343.4

1122.09

405

1979

419

18.96

405

1281.79

425

1980

463

19.39

477.6

1228.83

489

1981

492

20.16

500.4

1138.41

521

1982

528

21.13

535.3

1229.98

536

1983

583

21.62

564.6

1409.52

558

1984

695

23.01

652.1

1701.02

618

1985

858

23.71

739.1

2004.25

765

1986

963

24.52

900.9

2204.91

872

1987

1112

25.32

1002.1

2262.18

998

1988

1366

25.81

1180.2

2491.21

1311

1989

1519

26.21

1373.9

2823.78

1466

1990

1644

26.41

1510.2

3083.59

1596

1991

1893

26.94

1700.6

3386.62

1840

1992

2311

27.46

2026.6

3742.2

2262

1993

2998

27.99

2577.4

4642.3

2924

1994

4044

28.51

3496.2

5792.62

3852

1995

5046

29.04

4283

6823.72

4931

1996

5846

30.48

4838.9

7937.55

5532

1997

6420

31.91

5160.3

9233.56

5823

1998

6796

33.35

5425.1

10798.18

6109

1999

7159

34.78

5854

13187.67

6405

2000

7858

36.22

6280

15886.5

6850

2001

8622

37.66

6859.6

18902.58

7113

2002

9398

39.09

7702.8

22053.15

7387

2003

10542

40.53

8472.2

24649.95

7901

2004

12336

41.76

9421.6

28486.89

8679

2005

14185

42.99

10493

33930.28

9410

2006

16500

43.9

11759.5

40422.73

10423

2007

20169

44.94

13785.8

49781.35

11904

2008

23708

45.68

15780.8

62592.66

13526

2009

25575

46.59

17174.7

76299.93

15025　

3REVIEWS模型建立及检验

3.1散点图变化分析

3.1.1GDPP（人均GDP）和CSH（城市化）的关系

3.1.2GDPP（人均GDP）和JMKZPSR（城镇居民家庭人均可支配收入）的关系

3.1.3GDPP（人均GDP）和ZFZC（政府支出）的关系

3.1.4GDPP（人均GDP）和GMXFSP（城镇居民消费水平）

3.2Ganger检验

3.2.1首先，我们研究GDPP和CSH的因果检验。

PairwiseGrangerCausalityTests

Date:

06/03/12Time:

10:

Sample:

19782009

Lags:

NullHypothesis:

Obs

F-Statistic

Prob.

CSHdoesnotGrangerCauseGDPPP

0.78247

0.3839

GDPPPdoesnotGrangerCauseCSH

0.57193

0.4558

由表可知，CSH影响GDPP的概率较大，故可以将CSH作为自变量，GDPP为因变量。

3.2.2其次，我们研究GDPP和JMKZPSR的因果检验。

PairwiseGrangerCausalityTests

Date:

06/03/12Time:

10:

Sample:

19782009

Lags:

NullHypothesis:

Obs

F-Statistic

Prob.

JMKZPSRdoesnotGrangerCauseGDPP

0.24821

0.6222

GDPPdoesnotGrangerCauseJMKZPSR

0.19484

0.6623

由表可知，JMKZPSR影响GDPP的概率高，故可以将JMKZPSR作为自变量，GDPP作为因变量。

3.2.3紧接着，我们研究GDPP和ZFZC之间的因果关系。

PairwiseGrangerCausalityTests

Date:

06/03/12Time:

10:

Sample:

19782009

Lags:

NullHypothesis:

Obs

F-Statistic

Prob.

ZFZCdoesnotGrangerCauseGDPP

0.02024

0.8879

GDPPdoesnotGrangerCauseZFZC

0.33720

0.5661

由表可知，GDPP和ZFZC相互影响，概率都比较大，所以可以将ZFZC作为自变量。

3.2.4最后，我们研究GDPP和GMXFSP的因果关系。

PairwiseGrangerCausalityTests

Date:

06/03/12Time:

10:

Sample:

19782009

Lags:

NullHypothesis:

Obs

F-Statistic

Prob.

JMXFSPdoesnotGrangerCauseGDPP

16.0251

0.0004

GDPPdoesnotGrangerCauseJMXFSP

7.44216

0.0111

由表可知，GDPP和JMXFSP的相关可能性都非常低，顾将JMXFSP作为自变量剔除。

3.3选择模型形式，做回归,描绘模型

估计模型：

DependentVariable:

GDPP

Method:

LeastSquares

Date:

06/07/12Time:

16:

Sample:

19782011

Includedobservations:

Variable

Coefficient

Std.Error

t-Statistic

Prob.

472.7725

178.0388

2.655446

0.0126

CSH^2

-1.589601

0.416496

-3.816604

0.0006

ZFZC

0.096333

0.011037

8.728460

0.0000

JMKZPSR

1.269763

0.086591

14.66399

0.0000

R-squared

0.999337

Meandependentvar

7863.882

AdjustedR-squared

0.999271

S.D.dependentvar

9292.254

S.E.ofregression

250.9664

Akaikeinfocriterion

13.99865

Sumsquaredresid

1889524.

Schwarzcriterion

14.17822

Loglikelihood

-233.9770

Hannan-Quinncriter.

14.05989

F-statistic

15070.08

Durbin-Watsonstat

1.179488

Prob（F-statistic）

0.000000

令

3.4随机误差项的正态性检验（JB检验）

通过JB检验发现，估计模型随机误差项可能为正太分布的可能性P>5%,所以通过检验。

3.5Ramseyresettest检验

RamseyRESETTest:

F-statistic

4.085866

Prob.F（1,27）

0.0533

Loglikelihoodratio

4.509325

Prob.Chi-Square

（1）

0.0337

TestEquation:

DependentVariable:

GDPP

Method:

LeastSquares

Date:

06/03/12Time:

13:

Sample:

19782009

Includedobservations:

Variable

Coefficient

Std.Error

t-Statistic

Prob.

-44.45361

313.7799

-0.141671

0.8884

CSH^2

-0.208129

0.798441

-0.260669

0.7963

JMKZPSR

1.226143

0.088068

13.92275

0.0000

ZFZC

-0.004762

0.051507

-0.092447

0.9270

FITTED^2

8.81E-06

4.36E-06

2.021353

0.0533

R-squared

0.998943

Meandependentvar

6325.906

AdjustedR-squared

0.998787

S.D.dependentvar

7066.021

S.E.ofregression

246.1018

Akaikeinfocriterion

13.99197

Sumsquaredresid

1635285.

Schwarzcriterion

14.22099

Loglikelihood

-218.8715

Hannan-Quinncriter.

14.06788

F-statistic

6382.086

Durbin-Watsonstat

1.060922

Prob（F-statistic）

0.000000

Prob.F值为0.533>5%,所以模型被误设可能性较小。

3.6T、F检验，拟合优度检验

t-Statistic

2.288009

-3.385601

13.98170

7.726581

T值的绝对值>2，通过检验，说明此模型拟合优度较好。

Prob（F-statistic）

0.000000

F值为0，远远小于5%，说明此模型拟合优度较好。

R-squared

0.998784

=0.99，说明改模型可行性很大，拟合度好。

3.7WaldTest检验，若 Prob.F>5%，接受约束条件

WaldTest:

Equation:

Untitled

TestStatistic

Value

Probability

F-statistic

3.421460

（1,28）

0.0749

Chi-square

3.421460

0.0644

NullHypothesisSummary:

NormalizedRestriction（=0）

Value

Std.Err.

-1+C

（2）^2-3*C（3）+C（4）

2.792085

1.509465

Deltamethodcomputedusinganalyticderivatives.

3.8邹氏突变检验：

若 Prob.F<5%，认为该点很可能是突变点

通过观察整体数据较为平稳，未发现明显突变点，其中对1995年、2004年进行随机检测，如下图：

ChowBreakpointTest:

1994

NullHypothesis:

Nobreaksatspecifiedbreakpoints

Varyingregressors:

Allequationvariables

EquationSample:

19782009

F-statistic

10.66037

Prob.F（4,24）

0.0000

Loglikelihoodratio

32.68074

Prob.Chi-Square（4）

0.0000

WaldStatistic

42.64146

Prob.Chi-Square（4）

0.0000

ChowBreakpointTest:

2004

NullHypothesis:

Nobreaksatspecifiedbreakpoints

Varyingregressors:

Allequationvariables

EquationSample:

19782009

F-statistic

51.32985

Prob.F（4,24）

0.0000

Loglikelihoodratio

72.22598

Prob.Chi-Square（4）

0.0000

WaldStatistic

205.3194

Prob.Chi-Square（4）

0.0000

展开阅读全文