计量经济学案例集文档格式.doc

计量经济学案例集文档格式.doc

《计量经济学案例集文档格式.doc》由会员分享，可在线阅读，更多相关《计量经济学案例集文档格式.doc（71页珍藏版）》请在冰点文库上搜索。

改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。

但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。

例如，2002年全国城市居民家庭平均每人每年消费支出为6029.88元,最低的黑龙江省仅为人均4462.08元，最高的上海市达人均10464元，上海是黑龙江的2.35倍。

为了研究全国居民消费水平及其变动的原因，需要作具体的分析。

影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。

为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。

二、模型设定

我们研究的对象是各地区居民消费的差异。

居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。

而且，由于各地区人口和经济总量不同，只能用“城市居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。

所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。

因为研究的目的是各地区城市居民消费的差异，并不是城市居民消费在不同时间的变动，所以应选择同一时期各地区城市居民的消费支出来建立模型。

因此建立的是2002年截面数据模型。

影响各地区城市居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；

有的与居民收入可能高度相关，如“就业状况”、“居民财产”；

还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。

因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。

为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。

从2002年《中国统计年鉴》中得到表2.5的数据:

表2.52002年中国各地区城市居民人均年消费支出和可支配收入

地区

城市居民家庭平均每人每年消费支出（元）

Y

城市居民人均年可支配收入（元）

X

北京

天津

河北

山西

内蒙古

辽宁

吉林

黑龙江

上海

江苏

浙江

安徽

福建

江西

山东

河南

湖北

湖南

广东

广西

海南

重庆

四川

贵州

云南

西藏

陕西

甘肃

青海

宁夏

新疆

10284.60

7191.96

5069.28

4710.96

4859.88

5342.64

4973.88

4462.08

10464.00

6042.60

8713.08

4736.52

6631.68

4549.32

5596.32

4504.68

5608.92

5574.72

8988.48

5413.44

5459.64

6360.24

5413.08

4598.28

5827.92

6952.44

5278.04

5064.24

5042.52

6104.92

5636.40

12463.92

9337.56

6679.68

5234.35

6051.06

6524.52

6260.16

6100.56

13249.80

8177.64

11715.60

6032.40

9189.36

6334.64

7614.36

6245.40

6788.52

6958.56

11137.20

7315.32

6822.72

7238.04

6610.80

5944.08

7240.56

8079.12

6330.84

6151.44

6170.52

6067.44

6899.64

作城市居民家庭平均每人每年消费支出（Y）和城市居民人均年可支配收入（X）的散点图，如图2.12：

图2.12

从散点图可以看出居民家庭平均每人每年消费支出（Y）和城市居民人均年可支配收入（X）大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：

三、估计参数

假定所建模型及随机扰动项满足古典假定，可以用OLS法估计其参数。

运用计算机软件EViews作计量经济分析十分方便。

利用EViews作简单线性回归分析的步骤如下：

1、建立工作文件

首先，双击EViews图标，进入EViews主页。

在菜单一次点击File\New\Workfile，出现对话框“WorkfileRange”。

在“Workfilefrequency”中选择数据频率：

Annual（年度）Weekly（周数据）

Quartrly（季度）Daily（5dayweek）（每周5天日数据）

SemiAnnual（半年）Daily（7dayweek）（每周7天日数据）

Monthly（月度）Undatedorirreqular（未注明日期或不规则的）

在本例中是截面数据，选择“Undatedorirreqular”。

并在“Startdate”中输入开始时间或顺序号，如“1”在“enddate”中输入最后时间或顺序号，如“31”点击“ok”出现“WorkfileUNTITLED”工作框。

其中已有变量：

“c”—截距项“resid”—剩余项。

在“Objects”菜单中点击“NewObjects”，在“NewObjects”对话框中选“Group”，并在“NameforObjects”上定义文件名，点击“OK”出现数据编辑窗口。

若要将工作文件存盘，点击窗口上方“Save”，在“SaveAs”对话框中给定路径和文件名，再点击“ok”，文件即被保存。

2、输入数据

在数据编辑窗口中，首先按上行键“↑”，这时对应的“obs”字样的空格会自动上跳，在对应列的第二个“obs”有边框的空格键入变量名，如“Y”，再按下行键“↓”，对因变量名下的列出现“NA”字样，即可依顺序输入响应的数据。

其他变量的数据也可用类似方法输入。

也可以在EViews命令框直接键入“dataXY”（一元时）或“dataY…”（多元时），回车出现“Group”窗口数据编辑框，在对应的Y、X下输入数据。

若要对数据存盘，点击“fire/SaveAs”，出现“SaveAs”对话框，在“Drives”点所要存的盘，在“Directories”点存入的路径（文件名），在“FireName”对所存文件命名，或点已存的文件名，再点“ok”。

若要读取已存盘数据，点击“fire/Open”，在对话框的“Drives”点所存的磁盘名，在“Directories”点文件路径，在“FireName”点文件名，点击“ok”即可。

3、估计参数

方法一：

在EViews主页界面点击“Quick”菜单，点击“EstimateEquation”，出现“Equationspecification”对话框，选OLS估计，即选击“LeastSquares”，键入“YCX”，点“ok”或按回车，即出现如表2.6那样的回归结果。

表2.6

在本例中，参数估计的结果为：

（287.2649）（0.036928）

t=（0.982520）（20.54026）

F=421.9023df=29

方法二：

在EViews命令框中直接键入“LSYCX”，按回车，即出现回归结果。

若要显示回归结果的图形，在“Equation”框中，点击“Resids”，即出现剩余项（Residual）、实际值（Actual）、拟合值（Fitted）的图形，如图2.13所示。

图2.13

四、模型检验

1、经济意义检验

所估计的参数，说明城市居民人均年可支配收入每相差1元，可导致居民消费支出相差0.758511元。

这与经济学中边际消费倾向的意义相符。

2、拟合优度和统计检验

用EViews得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。

拟合优度的度量：

由表2.6中可以看出，本例中可决系数为0.935685，说明所建模型整体上对样本数据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。

对回归系数的t检验：

针对和，由表2.6中还可以看出，估计的回归系数的标准误差和t值分别为：

，；

的标准误差和t值分别为：

，。

取，查t分布表得自由度为的临界值。

因为，所以不能拒绝；

因为，所以应拒绝。

这表明，城市人均年可支配收入对人均年消费支出有显著影响。

五、回归预测

由表2.5中可看出，2002年中国西部地区城市居民人均年可支配收入除了西藏外均在8000以下，人均消费支出也都在7000元以下。

在西部大开发的推动下，如果西部地区的城市居民人均年可支配收入第一步争取达到1000美元（按现有汇率即人民币8270元），第二步再争取达到1500美元（即人民币12405元），利用所估计的模型可预测这时城市居民可能达到的人均年消费支出水平。

可以注意到，这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。

用EViews作回归预测，首先在“Workfile”窗口点击“Range”，出现“ChangeWorkfileRange”窗口，将“Enddata”由“31”改为“33”，点“OK”，将“Workfile”中的“Range”扩展为1—33。

在“Workfile”窗口点击“sampl”，将“sampl”窗口中的“131”改为“133”，点“OK”，将样本区也改为1—33。

为了输入，在EViews命令框键入datax/回车,在X数据表中的“32”位置输入“8270”，在“33”的位置输入“12405”，将数据表最小化。

然后在“E”框中，点击“Forecast”，得对话框。

在对话框中的“Forecastname”（预测值序列名）键入“”，回车即得到模型估计值及标准误差的图形。

双击“Workfile”窗口中出现的“”，在“”数据表中的“32”位置出现预测值，在“33”位置出现。

这是当和时人均消费支出的点预测值。

为了作区间预测，在X和Y的数据表中，点击“View”选“DescriptiveStats\CmmonSample”，则得到X和Y的描述统计结果，见表2.7:

表2.7

根据表2.7的数据可计算:

取,平均值置信度95%的预测区间为：

时

时

即是说，当元时，平均值置信度95%的预测区间为（6393.03，6717.23）元。

当元时，平均值置信度95%的预测区间为（9292.33，10090.83）元。

个别值置信度95%的预测区间为：

即是说，当第一步时，个别值置信度95%的预测区间为（5694.81，7415.45）元。

当第二步时，个别值置信度95%的预测区间为（8757.09，10626.07）元。

在“E”框中，点击“Forecast”可得预测值及标准误差的图形如图2.14：

图2.14

案例分析三建筑行业工资差异制度因素的分析——一元线性回归模型

一、引言

我国目前正处在由计划经济向市场经济过渡的体制转型时期。

在这一时期，各行业之间的职工工资差异在日趋扩大的同时，呈现出与计划经济时期完全不同的特征。

本文试图通过考察体制转型时期行业（以建筑业为例）工资，以及行业垄断程度，提出基于体制转型这一特定时期的行业工资决定假说：

行业相对工资差异的扩大是由于行业垄断程度的扩大引致的，并用回归方法分析对这一假说进行验证。

二、数据定义与经济理论假说

（一）数据定义

1．建筑业工资水平

建筑业相对工资水平定义为建筑业平均工资与全社会平均工资之比。

本文之所以采用的是相对工资水平的概念，而没有采用绝对水平，因为我们更关注改革开放20多年来，建筑行业的工资相对于整个行业的变化，而不关心建筑业自身工资的发展趋势。

部分年份建筑业相对工资水平的时序数据见表1。

表1 

部分年份建筑业相对工资水平时序数据

年份

建筑业平均工资（元）

全社会平均工资（元）

建筑业相对工资（%）

1978

714

615

116.1

1980

855

762

112.2

1985

1362

1148

118.6

1989

2166

1935

111.9

1990

2384

2140

111.4

1991

2649

2340

113.2

1992

3066

2711

113.1

1993

3779

3371

112.1

1994

4894

4538

107.8

1995

5785

5500

105.2

1996

6249

6210

100.6

1997

6655

6470

102.9

1998

7456

7479

99.7

1999

7982

8346

95.6

2000

8735

9371

93.2

2001

9484

10870

87.2

2002

10279

12422

82.7

《中国统计年鉴》（2004）第158页。

2．垄断程度

在西方国家，人们通常用一个行业中最大的几家厂商的销售收入的份额表示一个行业的垄断程度。

然而这种方法在我国目前的情况下并不完全适用，因为目前影响（甚至决定）我国行业职工工资水平的并不是一般意义上的垄断，，而是体制转型时期一种特有的垄断，它并不是针对企业的规模而言的，而是针对所有制结构或国有经济成分对行业的控制程度而言的，，即所谓“所有制垄断”或“行政垄断”。

在传统的计划经济体制下，我国经济属于典型的二元经济模式。

如果撇开农村经济这一“元”而不论，城市经济这一“元”的大多数行业基本上都是由国有经济控制的，各行业间在这一点上没有显著性的差别。

然而，随着计划经济体制向市场经济体制的过渡，这种国有经济一统天下的格局逐步被打破，呈现出所有制日趋多元化的的趋势。

但是，不同行业所有制多元化的进程并不一致，由此产生了不同行业间所有制结构的差异。

建筑业相对于电力、金融、房地产等行业，其非国有经济成分进入的门槛相对较低，竞争较为激烈，因此所有制多元化进展较快。

因此，在体制转型时期，我国建筑行业的垄断程度的绝对水平可以在建筑行业的国有化程度上得到大致的体现。

为了获取资料的方便，本文将建筑业国有化程度用建筑业国有单位职工人数占建筑业全部就业人数的比重来表示。

由于不管什么行业，所有制结构多元化、国有经济比重下降是一个总的趋势，而且决定相对工资高低的不是个行业垄断程度的绝对数，而是行业垄断程度与其他行业垄断程度或社会平均水平相比较的相对水平，所以引入相对垄断程度的概念：

相对垄断程度=行业所有制垄断度的绝对数/全社会所有制垄断度的平均数

改革开放以来部分年份建筑业相对垄断度的时序数据见表2。

表2 

部分年份建筑业相对垄断度的时序数据

建筑业国有

位职工人数

建筑业

就业人数

国有化程度

全社会国有单位职工人数

全社会职工人数

全社会国有化程度

建筑业国有化相对程度

万人

%

（1）

（2）

（3）=

（1）/

（2）

（4）

（5）

（6）=（4）/（5）

（7）=（3）/（6）

447

854

52.3

7451

40152

18.6

282.1

475

993

47.8

8019

42361

18.9

252.7

545

2035

26.8

8990

49873

18.0

148.6

541

2407

22.5

10109

55329

18.3

123.0

538

2424

22.2

10346

64749

16.0

138.9

557

2482

22.4

10664

65491

16.3

137.8

577

2660

21.7

10889

66152

16.5

131.8

663

3050

10920

66808

133.0

629

3188

19.7

10890

67455

16.1

122.2

605

3322

18.2

10955

68065

113.2

595

3408

17.5

10949

68950

15.9

109.9

3449

16.7

10766

69820

15.4

108.5

444

3327

13.3

8809

70637

12.5

107.0

399

3412

11.7

8336

71394

100.2

372

3552

10.5

7878

72085

10.9

95.8

336

3669

9.2

7409

73025

10.1

90.3

302

3893

7.8

6924

73740

9.4

82.6

《中国统计年鉴》（2004）第127页和第128页。

（二）体制转型期行业工资决定假说

从表1的数据看出，经过20多年，作为具有高劳动强度、艰苦、危险等特征的传统高工资行业之一—建筑业逐渐被挤出高工资行业的行列，在市场经济下建筑业具有进入门槛低、竞争激烈的特征，其工资相对水平逐年下降，2003年建筑业工资只相当于全国平均工资的82%。

而一些原来工资并不太高，但垄断程度至今仍保持较高水平的行业，如金融保险业、房地产业等则陆续进入最高工资行列。

基于上述事实，我们提出如下关于体制转型这一特定时期行业决定的假说：

从总体上看，我国行业相对工资差异的扩大是由于行业垄断程度差异的扩大引致的；

建筑业相对工资水平已经逐渐地不再取决于该行业的拉动强度及艰苦危险程度，而是主要取决于行业的垄断程度。

即建筑业相对工资水平的变化，可以由该行业垄断程度的相对变化所解释。

三、模型设定、估计与检验

将我国建筑业1978年至2002年的主要17个年份的工资相对水平与其垄断相对程度，建立一元计量模型，理论模型如下：

其中Y表示建筑业工资相对水平，X表示建筑业相对国有化程度。

根据体制转型期行业工资决定假说，总体参数应该大于0，相对国有化程度越高，行业垄断程度越高，工资相对水平就越高。

利用计量经济分析软件Eviews进行估计，结果如下：

DependentVariable:

建筑业工资相对水平Y

Method:

LeastSquares

Sample:

117

Inclu