当前位置：文档库 › 计量经济学实验报告1

计量经济学实验报告1

《计量经济学》

课程实践报告1

系部：经济与管理系

专业：国际经济与贸易

任课教师：李祖辉老师

年级班级： 2013级 2班

组员：舒冠、张淑琴、梁湘、冯冬雪

税收收入影响因素分析

—基于Eviews模型的经济计量分析

一、意义

1960年以来，中国的经济基本处于高速增长之中。经济增长的高速发展，势必会影响国家财政政策和国家福利水平。而税收作为国家财政收入中最主要的部分对这些政策的实施也会有很大的影响。近些年来，国家的税收也受到多种因素的影响。

经济发展水平决定税收收入水平，税收同时也反作用于经济。要实现经济的持续增长，必须要求与经济紧密关联的税收符合其发展的要求，即政府筹集的税收收入应尽可能的满足其实现职能的需求，同时又不至于损害经济的发展。影响未来的需求，我们需要研究影响中国税收收入的主要原因，分析中央和地方税收收入增长的数量规律，从结构上对税收收入的影响做一个很好的了解，对于预测中国税收未来的增长趋势具有重要的作用，对于我国的社会主义现代化建设具有重要意义。

二、研究综述

影响税收收入的因素有很多，如经济发展水平、税收制度的设计、政府职能范围等。李卫刚认为，影响税收增长的因素是多元的，主要有经济增长、税制结构、税收征管水平和价格因素；孙玉栋认为，影响税收收入增长的因素主要有经济增长、物价、税收政策调整和税收征管等几个方面；安体富认为，税收收入主要受价格、经济结构的变动、经济效应的变动、税收政策、财税制度、税收征管和税款虚收

的影响。以上学者都说明税收收入的影响因素是多方面的，同时都认为经济因素的重要性，但他们多集中于对税收收入影响因素的全面分析，因而对经济性影响因素分析得不够详细。

而郭庆旺认为，税收收入的经济增长弹性是 1.536，经济增长对税收增长的贡献十分明显。国家税务总局科研所的研究结论为：在正常的经济运行状况下，经济税源提供的收入应占税收总额的70%～80%或以上；而最为直接的、显著的影响税收增长的因素是经济增长和物价水平，而且物价水平对税收收入增长的影响强于GDP的影响。胡才君认为GDP与税收收入负相关，进出口总额、全国城乡储蓄存款年末余额、财政支出总量与税收收入正相关。而欧阳若澜认为，GDP、财政支出和商品零售价格指数3个三个指标与税收收入存在正相关关系。李鑫又认为影响我国税收增长的主要因素是财政支出和商品价格水平。

以上文献对影响税收收入经济性因素的一个或几个方面进行了分析，而且由于数据选取不同和分析问题的角度不同，得出的结果在揭示各经济性影响因素对税收收入的影响的程度方面还存在争议：在影响税收收入的经济性因素中各个因素对税收收入增长的贡献率是多少？占多少比重？因此，本文将重点研究影响税收收入的经济性因素，对其进行细分并进行相应的实证研究。根据前人的理论分析和数据的可得性等，本文从实证的角度，选取税收收入、GDP、财政支出、商品零售价格指数和进出口总额5个指标做多元回归模型，并采用计量分析工具对影响因素进行分析。

三、实证分析

1、指标的选取：

根据可操作性和科学性的原则,以及上文对税收收入的定性分析,选取税收收入为被解释变量，在模型中用“Y”表示;选取国内生产总值、财政支出、商品零售价格指数、进出口总额为解释变量，在模型中用分别用“ X1”“X2”“X3”“X4”表示;原始数据主要来源于中国统计年鉴,数据采集的时间跨度为1960-2014年。

2、模型的设定与数据的选取：

（1）模型设定：

研究影响中国税收未来增长的主要原因，需要考虑以下几个方面的内容：

A、对固定资产投资资金来源的衡量，用什么数据来表现呢？我们选用中国税收收入作为被解释变量（y）分析影响中国税收未来增长的主要原因。

B、数据性质的选择。考虑到截面数据受到制约，时间序列数据更加合理，所以本项目选择了1960年到2014年的时间序列数据来建立模型。

C、影响因素的分析。从宏观经济看，经济整体增长是税收增长的基本源泉，所以经济整体增长是影响中国税收未来增长的主要原因的主要影响因素，所以选用国内生产总值（GDP）作为经济整体增长水平的代表。除此之外，根据经济理论，还有众多因素会影响中国税

收未来增长的主要原因：

首先，公共财政的需求。税收收入是财政收入的主体，社会经济的发展和社会保障的完善等都对公共财政提出了要求，因此对预算支出所表现的公共财政的需求（即财政支出）对当年的税收收入可能会产生影响，但是其数据获得比较困难，因为公共财政的需求与财政支出关系密切，所以选择财政支出作为其代表。

其次，物价水平。居民的收入水平、消费水平与物价水平有一定的关系，我们选择商品零售价格指数作为物价水平的代表。

再次，进出口总额。进出口的收入水平与税收收入存在一定的联系，关系到关税收入，所以我们选择进出口总额来作为解释变量。

因此，准备将“国内生产总值（X1）”、“财政支出（X2）”“商品零售价格指数（X3）”、“进出口总额（X4）”作为解释变量建立模型。

D、模型形式的设计

我们将方程形式设定为二次型

Y=β0+β1X1+β2X2+β3X3+β4X4+u

然后将影响因素以某种方式引入模型。

（2）数据：

对税收收入影响因素的模型分析单位：亿元

注：表中数据均来自《中国统计年鉴》

3、实证分析：

将方程形式设定为二次型

Y=β0+β1X1+β2X2+β3X3+β4X4+u （1）、多重共线性

EVIEWS的最小二乘估计结果为

Dependent Variable: Y

Method: Least Squares

Date: 11/03/15 Time: 21:06

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C -3423.792 1285.933 -2.662498 0.0104

X1 -0.001967 0.007001 -0.281029 0.7798

X2 0.686652 0.020934 32.80123 0.0000

X3 32.48411 12.43558 2.612191 0.0118

X4 0.061793 0.006747 9.158655 0.0000

R-squared 0.999720 Mean dependent var 16116.57

Adjusted R-squared 0.999697 S.D. dependent var 29942.14

S.E. of regression 521.1390 Akaike info criterion 15.43642

Sum squared resid 13579295 Schwarz criterion 15.61890

Log likelihood -419.5015 Hannan-Quinn criter. 15.50699

F-statistic 44552.34 Durbin-Watson stat 1.506966

Prob(F-statistic) 0.000000

经济意义检验：从回归的结果可以看出，财政支出（X2）、商品零售价格指数（X3）、进出口总额（X4）符号均为正，符合经济意义。国内生产总值（X1）符号为负，不符合经济意义。所以存在某种干扰。

统计推断检验。该模型R^2=0.999720,修正的R^2=0.999697，可决系数很高，拟合优度较好，F检验值=44552.34，明显显著。但是当a=0.05时，t a/2(n-k-1)= t a/2(55-4-1)= t 0.025(50)=2.009, x1的系数t检验不显著。

X1 X2 X3 X4

X1 1.000000 0.994288 -0.074125 0.987209

X2 0.994288 1.000000 -0.080662 0.972683

X3 -0.074125 -0.080662 1.000000 -0.068631

X4 0.987209 0.972683 -0.068631 1.000000

由相关系数表可以看出，各解释变量之间除了x3之外的相关系数较高，证实确实存在严重的多重共线性。

修正多重共线性：

运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。

Dependent Variable: Y

Method: Least Squares

Date: 11/03/15 Time: 21:20

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C -1579.503 391.7915 -4.031490 0.0002

X1 0.183999 0.002092 87.95127 0.0000

R-squared 0.993195 Mean dependent var 16116.57

Adjusted R-squared 0.993067 S.D. dependent var 29942.14

S.E. of regression 2493.187 Akaike info criterion 18.51620

Sum squared resid 3.29E+08 Schwarz criterion 18.58919

Log likelihood -507.1954 Hannan-Quinn criter. 18.54442

F-statistic 7735.426 Durbin-Watson stat 0.076503

Prob(F-statistic) 0.000000

Dependent Variable: Y

Method: Least Squares

Date: 11/03/15 Time: 21:21

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C 214.5864 187.4265 1.144910 0.2574

X2 0.802371 0.004470 179.4844 0.0000

R-squared 0.998357 Mean dependent var 16116.57

Adjusted R-squared 0.998326 S.D. dependent var 29942.14

S.E. of regression 1224.887 Akaike info criterion 17.09477

Sum squared resid 79518466 Schwarz criterion 17.16776

Log likelihood -468.1062 Hannan-Quinn criter. 17.12300

F-statistic 32214.66 Durbin-Watson stat 0.849558

Prob(F-statistic) 0.000000

Dependent Variable: Y

Method: Least Squares

Date: 11/03/15 Time: 21:21

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C 55391.21 73901.59 0.749527 0.4569

X3 -380.9575 715.7482 -0.532251 0.5968

R-squared 0.005317 Mean dependent var 16116.57 Adjusted R-squared -0.013451 S.D. dependent var 29942.14 S.E. of regression 30142.85 Akaike info criterion 23.50097 Sum squared resid 4.82E+10 Schwarz criterion 23.57396 Log likelihood -644.2766 Hannan-Quinn criter. 23.52920 F-statistic 0.283291 Durbin-Watson stat 0.027353 Prob(F-statistic) 0.596777

Dependent Variable: Y

Method: Least Squares

Date: 11/03/15 Time: 21:21

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C -915.0621 932.0995 -0.981721 0.3307

X4 0.379660 0.010499 36.16017 0.0000

R-squared 0.961045 Mean dependent var 16116.57 Adjusted R-squared 0.960310 S.D. dependent var 29942.14 S.E. of regression 5965.148 Akaike info criterion 20.26094 Sum squared resid 1.89E+09 Schwarz criterion 20.33394 Log likelihood -555.1759 Hannan-Quinn criter. 20.28917 F-statistic 1307.558 Durbin-Watson stat 0.287228 Prob(F-statistic) 0.000000

其中加入x2的方程修正的R^2最大，其方程为：Y=214.5864+ 0.802371X2

(1.144910) (179.4844)

修正的R^2= 0.998326 SE=79518466 F=32214.66

所以，以x2为基础，顺次加入其他的自变量逐步回归：

当a=0.05时，t a/2(n-k-1)= t a/2(55-4-1)= t 0.025(50)=2.009 Y= -314.8053 +0.583638X2 + 0.050579X1

-2.116014 19.93219 7.513019

修正的R^2=0.999182 S E= 138129403 F= 32986.08

应为x1的引入改进了修正的R^2和F值且其他回归参数的t检

验在统计上仍然显著，所以保留x1，方程为：

Y= -314.8053 +0.583638X2 + 0.050579X1

继续：

Y = -3588.465 + 0.586619X2 + 0.049981X1+ 31.73905X3 -1.722497 20.27390 7.516871 1.575298 修正的R^2=0.999205 S E= 36360185 F= 22618.10

式中X3不显著，删去。

继续：

Y =-73.73216 + 0.683414X2 + -0.001258X1+ 0.061678X4 -0.740707 30.98268 -0.170350 8.660592 修正的R^2= 0.999662 S E= 15432613 F= 53312.68

X4虽然显著，但是它的引入影响了其他回归参数的估计值的数值，

使得随机项和x1的回归参数通不过t检验，所以删去x4

所以：

Y= -314.8053 +0.583638X2 + 0.050579X1

-2.116014 19.93219 7.513019

修正的R^2=0.999182 S E= 138129403 F= 32986.08 最小二乘估计为：

Dependent Variable: Y

Method: Least Squares

Date: 11/04/15 Time: 14:42

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C -314.8053 148.7728 -2.116014 0.0392

X1 0.050579 0.006732 7.513019 0.0000

X2 0.583638 0.029281 19.93219 0.0000

R-squared 0.999212 Mean dependent var 16116.57 Adjusted R-squared 0.999182 S.D. dependent var 29942.14 S.E. of regression 856.3047 Akaike info criterion 16.39613 Sum squared resid 38129403 Schwarz criterion 16.50562 Log likelihood -447.8936 Hannan-Quinn criter. 16.43847 F-statistic 32986.08 Durbin-Watson stat 1.089983 Prob(F-statistic) 0.000000

（2）、自相关（序列相关）

令e=resid

Dependent Variable: E

Method: Least Squares

Date: 11/04/15 Time: 14:49

Sample (adjusted): 1961 2014

Included observations: 54 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 327.0372 202.7418 1.613073 0.1132

X1 0.030170 0.012040 2.505824 0.0156

X2 -0.111193 0.044899 -2.476508 0.0168

T1^2 -0.995064 0.417083 -2.385772 0.0210

E(-1) 0.437682 0.128433 3.407857 0.0013

R-squared 0.293946 Mean dependent var -1.778895

Adjusted R-squared 0.236309 S.D. dependent var 848.0834

S.E. of regression 741.1349 Akaike info criterion 16.14226

Sum squared resid 26914768 Schwarz criterion 16.32643

Log likelihood -430.8411 Hannan-Quinn criter. 16.21329

F-statistic 5.099957 Durbin-Watson stat 1.521476

Prob(F-statistic) 0.001623

LM检验=54*R^2=15.873084>X^2(1)=3.84。然后查看e(-1)的t检验=3.407857>t(50)=2.009，所以，存在一阶自相关。

继续：

Dependent Variable: E

Method: Least Squares

Date: 11/04/15 Time: 15:08

Sample (adjusted): 1962 2014

Included observations: 53 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 352.3572 208.2823 1.691729 0.0973

X1 0.025720 0.012330 2.085913 0.0424

X2 -0.091524 0.046308 -1.976403 0.0540

T1^2 -0.971890 0.422199 -2.301968 0.0258

E(-1) 0.525389 0.136755 3.841818 0.0004

E(-2) -0.256421 0.146405 -1.751454 0.0864

R-squared 0.337121 Mean dependent var -5.661248

Adjusted R-squared 0.266602 S.D. dependent var 855.7146

S.E. of regression 732.8223 Akaike info criterion 16.13795

Sum squared resid 25240341 Schwarz criterion 16.36101

Log likelihood -421.6558 Hannan-Quinn criter. 16.22373

F-statistic 4.780575 Durbin-Watson stat 1.530441

Prob(F-statistic) 0.001298

LM检验=54*R^2= 17.867413>X^2(2)=5.99。然后查看e(-1)e(-2)的

t检验，经查表可知e(-2)t值不满足条件，所以，不存在二阶自相关，即存在一阶自相关。

自相关的修正：

使用迭代法修正得到：

Dependent Variable: Y

Method: Least Squares

Date: 11/04/15 Time: 15:14

Sample (adjusted): 1961 2014

Included observations: 54 after adjustments

Convergence achieved after 11 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 2544.366 2273.439 1.119171 0.2685

X1 0.188935 0.015200 12.43009 0.0000

X2 0.093108 0.054435 1.710435 0.0935

T1^2 -5.740727 1.700883 -3.375144 0.0015

AR(1) 0.914267 0.064746 14.12073 0.0000

R-squared 0.999710 Mean dependent var 16410.75

Adjusted R-squared 0.999687 S.D. dependent var 30142.96

S.E. of regression 533.5896 Akaike info criterion 15.48515

Sum squared resid 13951177 Schwarz criterion 15.66932

Log likelihood -413.0991 Hannan-Quinn criter. 15.55618

F-statistic 42271.44 Durbin-Watson stat 1.146070

Prob(F-statistic) 0.000000

Inverted AR Roots .91

DW=1.146070，查表得出上限为1.724，下限为DW=1.146070<1.414，所以存在正相关。

再次修正自相关

使用迭代法修正得到：

Dependent Variable: Y

Method: Least Squares

Date: 11/04/15 Time: 15:19

Sample (adjusted): 1962 2014

Included observations: 53 after adjustments

Convergence achieved after 10 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 1521.278 934.5887 1.627751 0.1103

X1 0.210832 0.011914 17.69633 0.0000

X2 -0.005867 0.047559 -0.123370 0.9023

T1^2 -5.303406 1.080340 -4.909015 0.0000

AR(1) 1.442772 0.128320 11.24356 0.0000

AR(2) -0.576584 0.129935 -4.437493 0.0001

R-squared 0.999786 Mean dependent var 16717.40

Adjusted R-squared 0.999763 S.D. dependent var 30346.26

S.E. of regression 466.9039 Akaike info criterion 15.23639

Sum squared resid 10245966 Schwarz criterion 15.45945

Log likelihood -397.7645 Hannan-Quinn criter. 15.32217

F-statistic 43923.39 Durbin-Watson stat 1.883360

Prob(F-statistic) 0.000000

Inverted AR Roots .72+.24i .72-.24i

DW=1.883360，查表得出上限为1.768，下限为1.374，因为1.768 < DW=1.883360<2.232，所以不存在自相关。

所以，本文模型估计的结果为：

y=1521.278+0.210832x1+-0.005867x2

1.627751 17.69633 -0.123370

R^2=0.999786 DW=1.883360 F=43923.39

（3）、异方差

White检验

Y= β0+β1x1+β2X2+u

δ^2=α0+α1x1+α2x2+α3(x1)^2+α4(x2)^2+α5(x1*x2)+ε

Dependent Variable: E

Method: Least Squares

Date: 10/14/15 Time: 15:19

Sample: 1960 2014

Included observations: 55

Variable Coefficient Std. Error t-Statistic Prob.

C 127420.1 222588.7 0.572447 0.5696

X1 -70.84427 39.79185 -1.780371 0.0812

X2 292.6836 208.0605 1.406723 0.1658

(X1)^2 0.002310 0.000817 2.829409 0.0067

(X2)^2 0.037546 0.015881 2.364282 0.0221

X1*X2 -0.018626 0.007244 -2.571283 0.0132

R-squared 0.560929 Mean dependent var 693261.9

Adjusted R-squared 0.516126 S.D. dependent var 1724521.

S.E. of regression 1199595. Akaike info criterion 30.93554

Sum squared resid 7.05E+13 Schwarz criterion 31.15452

Log likelihood -844.7272 Hannan-Quinn criter. 31.02022

F-statistic 12.51985 Durbin-Watson stat 2.686561

Prob(F-statistic) 0.000000

从表中可以看出，nR^2=55*0.560929=30.8511由white检验知，在a=0.05下，查表得知 χ^2 (5)= 11.07，因为nR^2=30.8511 > χ^2 (5)= 11.07，所以拒绝原假设，表明模型中的随机误差存在异方差。

修正异方差：

使用w=1/abs（resid）作为权数，得出：

Dependent Variable: Y

Method: Least Squares

Date: 11/04/15 Time: 15:28

Sample: 1960 2014

Included observations: 55

Weighting series: 1/ABS(RESID)

Variable Coefficient Std. Error t-Statistic Prob.

C -312.8970 6.083272 -51.43563 0.0000

X1 0.051379 0.001756 29.26106 0.0000

X2 0.579503 0.008802 65.84011 0.0000

Weighted Statistics

R-squared 0.999754 Mean dependent var 3107.385

Adjusted R-squared 0.999744 S.D. dependent var 5593.490

S.E. of regression 97.82912 Akaike info criterion 12.05732

Sum squared resid 497667.9 Schwarz criterion 12.16681

Log likelihood -328.5764 Hannan-Quinn criter. 12.09966

F-statistic 105637.8 Durbin-Watson stat 0.656664

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.999211 Mean dependent var 16116.57

Adjusted R-squared 0.999181 S.D. dependent var 29942.14

S.E. of regression 856.8133 Sum squared resid 38174711

Durbin-Watson stat 1.079339

估计的结果为：

y =-312.8970 +0.051379x1 + 0.579503x2 （-51.43563）（29.26106） (65.84011) R^2=0.999754 DW=0.656664 F=105637.8

再次做怀特检验：

Dependent Variable: E

Method: Least Squares

Date: 11/04/15 Time: 15:34

Sample: 1960 2014

Included observations: 55

Weighting series: 1/ABS(RESID)

Variable Coefficient Std. Error t-Statistic Prob.

C 119.8746 31.15437 3.847763 0.0003

X1 0.021442 0.003928 5.458249 0.0000

X2 -0.178276 0.039257 -4.541285 0.0000

X1^2 -5.07E-07 1.87E-07 -2.709659 0.0093

X2^2 -1.41E-05 3.74E-06 -3.774633 0.0004

X1*X2 5.63E-06 1.65E-06 3.412431 0.0013

Weighted Statistics

R-squared 0.394156 Mean dependent var 26.71224

Adjusted R-squared 0.332335 S.D. dependent var 91.44191

S.E. of regression 77.76088 Akaike info criterion 11.64782

Sum squared resid 296291.0 Schwarz criterion 11.86680

Log likelihood -314.3151 Hannan-Quinn criter. 11.73251

F-statistic 6.375776 Durbin-Watson stat 0.702770

Prob(F-statistic) 0.000124

Unweighted Statistics

R-squared 0.379217 Mean dependent var -1.41E-12

Adjusted R-squared 0.315872 S.D. dependent var 840.2976

S.E. of regression 695.0273 Sum squared resid 23670088

Durbin-Watson stat 0.964671

从表中可以看出，nR^2=55*0.394156=21.67858,由white检验知，在a=0.05下，查表得知 X^2 (5)= 11.0705，因为nR^2=21.67858 >X^2 (5)= 11.0705，所以拒绝原假设，表明模型中的随机误差存在异方差。继续修正：

使用w=1/（resid）^2作为权数，得出：

Dependent Variable: Y

Method: Least Squares

Date: 11/04/15 Time: 15:39

Sample: 1960 2014

Included observations: 55

Weighting series: 1/(RESID)^2

Variable Coefficient Std. Error t-Statistic Prob.

C -291.4435 0.512662 -568.4902 0.0000

X1 0.056905 0.000157 361.7232 0.0000

X2 0.537500 0.000901 596.4775 0.0000

Weighted Statistics

R-squared 1.000000 Mean dependent var 20011.12

Adjusted R-squared 1.000000 S.D. dependent var 146874.0

S.E. of regression 2.481680 Akaike info criterion 4.708750

Sum squared resid 320.2543 Schwarz criterion 4.818241

Log likelihood -126.4906 Hannan-Quinn criter. 4.751091

F-statistic 2.56E+09 Durbin-Watson stat 1.307016

Prob(F-statistic) 0.000000

Unweighted Statistics

R-squared 0.998561 Mean dependent var 16116.57

Adjusted R-squared 0.998506 S.D. dependent var 29942.14

S.E. of regression 1157.354 Sum squared resid 69652391

Durbin-Watson stat 0.559704

估计的结果为：

y =-291.4435 +0.056905x1 + 0.537500x2 （-568.4902）（361.7232） (596.4775)

R^2=1.000000 DW=1.307016 F=2.56E+09

从以上结果可看出存在自相关。

同上自相关的修正，最终得

Dependent Variable: E

Method: Least Squares

Date: 11/04/15 Time: 15:51

Sample (adjusted): 1962 2014

Included observations: 53 after adjustments

Convergence achieved after 9 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 1836.078 934.5748 1.964613 0.0554

X1 0.160253 0.011914 13.45086 0.0000

X2 -0.589505 0.047559 -12.39536 0.0000

T1^2 -5.303394 1.080326 -4.909067 0.0000

AR(1) 1.442774 0.128320 11.24359 0.0000

AR(2) -0.576585 0.129935 -4.437506 0.0001

R-squared 0.730914 Mean dependent var -5.661248

Adjusted R-squared 0.702287 S.D. dependent var 855.7146

S.E. of regression 466.9039 Akaike info criterion 15.23639

Sum squared resid 10245966 Schwarz criterion 15.45945

Log likelihood -397.7645 Hannan-Quinn criter. 15.32217

F-statistic 25.53302 Durbin-Watson stat 1.883363

Prob(F-statistic) 0.000000

Inverted AR Roots .72+.24i .72-.24i

所以，本文模型估计的最终结果为：

y =1836.078 +0.160253x1 + -0.589505x2

1.964613 13.45086 -1

2.39536

R^2=0.730914 DW=1.883363 F=25.53302

四、结论和对策

1、国内生产总值对税收收入存在显著影响，财政支出对税收收

入确实存在影响。

2、1960-2014年间，中国税收收入和国内生产总值均呈现大幅增

长。总的来看，中国税收收入与经济总量不断增加，但二者变化率的

波动性较大。它们之间的这种相关性既可以表现为正相关，也可以表

现为负相关，关键要处理好税收收入增长与经济发展之间的关系，在

税收收入与国民产出最大化之间做出权衡，根本途径是提高税收弹性

系数，增强税收的适应性。长期来看，我们应根据税收增长对社会福

利水平的影响而对其合理性进行评价，要在科学的税收收入占比、税

收收入增长速度前提下，确保国民经济平稳快速发展。

3、在长期中，GDP的增长能带动税收收入的增长，税收收入对经济发展也有积极作用。合理的税收收入必然会影响到企业理性的生产、投资行为，最终将导致社会总产品的不断增加。从中国的实际情况来看，宏观税负水平对国民经济发展起到了积极的促进作用，说明我国的宏观税负水平是合理的、有效的，近期内不存在大幅降低宏观税负水平的政策空间。因此，中国经济要实现又好又快发展，必须正确认识税收收入与经济增长之间的关系，从作用机制上把握宏观税负与经济增长之间的关系，使税收收入规模、比例保持在一个合理的范围之内。同时，又要科学判断税收收入对GDP作用的时滞和效果，适时施以其他政策手段，更有效地调节宏观经济运行。

我国政府应根据国内、国际经济形势对宏观经济政策进行适时的调整，在积极财政政策的实施过程中，应充分考虑经济形势的变化和不同税收主体的承受能力，在深化财税体制改革中保持宏观税负水平的相对稳定，使税收的经济调节作用得以有效发挥。

计量经济学实验报告2

一元线性回归模型一、实验内容：利用一元线性回归模型研究我国经济水平对消费的影响 1、实验目的：掌握一元线性回归方程的建立和基本的经济检验和统计检验 2、实验要求：（1）对原始指标变量数据作价格因子的剔除处理；（2）对回归模型做出经济上的解释；（3）独立完成实验建模和实验报告二、实验报告 ----中国1978-2006年人均消费与经济水平之间的关系 1、问题的提出居民的消费在社会经济发展中具有重要的作用，合理适度的消费可以有利的促进经济的平稳健康的增长。要充分发挥消费对经济的拉动作用，关键问题是如何保证居民的消费水平。根据宏观经济学理论，一国的GDP扣除掉折旧和税收就是居民的可支配的收入了，而居民的收入主要用于两个方面：一是储蓄，二是消费。如果人均GDP增加，那么居民的可支配收入也会增加，这样居民用于消费的应该也会增加。本次实验通过运用中国1978-2006年人均消费与经济水平（用人均GDP这个指标来表示）数据，建立模型研究人均消费和经济水平之间的关系。 2、指标选择 3、、数据来源我们从中国统计局网站上取得中国1978-2006年的人均消费、人均GDP和各年的CPI。见表2.1：表2.1 人均GDP与人均消费的原始数据（现价）单位：元

4、数据处理为了保证我们各个时期数据的可性，我们必须剔除价格的因素对人均消费和人均GDP的影响。在这里我们用1990年的CPI作为基期来调整数据。关于调整方法我们可以用Excell也可以用Eviews软件进行，在这里我们介绍一下用Eviews软件调整数据的步骤。利用命令行输入： “Genr averageconsume1=100/cpibase1990*averageconsume Genr averagegdp1=100/cpibase1990*averagegdp” 其中averageconsume1、averagegdp1表示调整过后的人均消费和人均GDP；cpibase1990表示以1990年为基期的CPI。调整过后的人均消费和人均GDP如表2.2 表2.2 人均GDP与人均消费的可比价数据（单位：元）

计量经济学实验报告 (3)

1.背景经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP）和国内生产总值的的增长来计算。古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主要因素。经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型

为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。运用这些数据进行回归分析。这里的被解释变量是，Y ：国内生产总值，与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为： 1X 代表社会就业人数， 2X 代表固定资产投资， 3X 代表消费价格指数， μ代表随机干扰项。模型的建立大致分为理论模型设置、参数估计、模型检验、模型修正几个步骤。如果模型符合实际经济理论并且通过各级检验，那么模型就可以作为最终模型，可以进行结构分析和经济预测。国内生产总值经济活动人口全社会固定资产投资居民消费价格指数 1992年 26,923.48 66,782.00 8,080.10 106.4 1993年 35,333.92 67,468.00 13,072.30 114.7 1994年 48,197.86 68,135.00 17,042.10 124.1 1995年 60,793.73 68,855.00 20,019.30 117.1 1996年 71,176.59 69,765.00 22,913.50 108.3 1997年 78,973.03 70,800.00 24,941.10 102.8 1998年 84,402.28 72,087.00 28,406.20 99.2 1999年 89,677.05 72,791.00 29,854.70 98.6 2000年 99,214.55 73,992.00 32,917.70 100.4 2001年 109,655.17 73,884.00 37,213.50 100.7 2002年 120,332.69 74,492.00 43,499.90 99.2 2003年 135,822.76 74,911.00 55,566.61 101.2 2004年 159,878.34 75,290.00 70,477.43 103.9 2005年 184,937.37 76,120.00 88,773.61 101.8 2006年 216,314.43 76,315.00 109,998.16 101.5

计量经济学实验报告

计量经济学实验报告 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT

计量经济学实验基于EViews的中国能源消费影响因素分析学院：班级：学号：姓名：

基于EViews的中国能源消费影响因素分析一、背景资料能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。在20世纪的最后二十年里，中国国内生产总值（GDP）翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为左右。然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。二、影响因素设定根据西方经济学消费需求理论可知，影响消费需求的因素有：商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，

计量经济学实验报告

《计量经济学》实验报告一，数据二，理论模型的设计解释变量：可支配收入X 被解释变量：消费性支出Y 软件操作：（1）X与Y散点图

从散点图可以粗略的看出，随着可支配收入的增加，消费性支出也在增加，大致呈线性关系。因此，建立一元线性回归模型： 01i i i Y X ββμ=++ （2）对模型做OLS 估计 OLS 估计结果为 272.36350.7551Y X ∧ =+ 011.705732.3869t t == 20.9831.. 1.30171048.912R DW F === 三，模型检验从回归估计结果看，模型拟合较好，可决系数为0.98，表明家庭人均年可消费性支出变化的98.31%可由支配性收入的变化来解释。 t 检验:在5%的显著性水平下1β不显著为0，表明可支配收入增加1个单位，消费性支出平均增加0.7551单位。 1，预测现已知2018年人均年可支配收入为20000元，预测消费支出预测值为 0272.36350.75512000015374.3635Y =+?= E(X)=6222.209，Var(X)=1994.033

则在95%的置信度下，E( Y)的预测区间为（874.28,16041.68） 2，异方差性检验对于经济发达地区和经济落后地区，消费支出的决定因素不一定相同甚至差异很大。如经济越落后储蓄率越高，可能出现异方差性问题。 G-Q检验对样本进行处理，X按从大到小排序，去掉中间4个，分为两组数据， 128 n n ==分别回归

1615472.0RSS = 2126528. 3R S S = 于是的F 统计量： ()() 12811 4.86811RSS F RSS --==-- 在5%的想著想水平下，0.050.05(6,6) 4.28,(6,6)F F F =>，即拒绝无异方差性假设，说明模型存在异方差性。

计量经济学实验报告(自相关性)

实验6.美国股票价格指数与经济增长的关系 ——自相关性的判定和修正一、实验内容：研究美国股票价格指数与经济增长的关系。 1、实验目的: 练习并熟练线性回归方程的建立和基本的经济检验和统计检验；学会判别自相关的存在，并能够熟练使用学过的方法对模型进行修正。 2、实验要求：（1）分析数据，建立适当的计量经济学模型（2）对所建立的模型进行自相关分析（3）对存在自相关性的模型进行调整与修正二、实验报告 1、问题提出通过对全球经济形势的观察，我们发现在经济发达的国家，其证券市场通常也发展的较好，因此我们会自然地产生以下问题，即股票价格指数与经济增长是否具有相关关系？ GDP是一国经济成就的根本反映。从长期看，在上市公司的行业结构与国家产业结构基本一致的情况下，股票平均价格的变动跟GDP的变化趋势是吻合的，但不能简单地认为GDP增长，股票价格就随之上涨，实际走势有时恰恰相反。必须将GDP与经济形势结合起来考虑。在持续、稳定、高速的GDP增长下，社会总需求与总供给协调增长，上市公司利润持续上升，股息不断增加，老百姓收入增加，投资需求膨胀，闲散资金得到充分利用，股票的内在含金量增加，促使股票价格上涨，股市走牛。本次试验研究的1970-1987年的美国正处在经济持续高速发展的状态下，据此笔者利用这一时期美国SPI与GDP的数据建立计量经济学模型，并对其进行分析。 2、指标选择：指标数据为美国1970—1987年美国股票价格指数与美国GDP数据。 3、数据来源：实验数据来自《总统经济报告》（1989年），如表1所示：

表1 4、数据处理将两组数据利用Eviews绘图，如图1、2所示：图1 GDP数据简图图2 SPI数据简图

计量经济学实验报告54995

1.背景经济增长是指一个国家生产商品和劳务能力的扩大。在实际核算中，常以一国生产的商品和劳务总量的增加来表示，即以国民生产总值（GDP ）和国内生产总值的的增长来计算。古典经济增长理论以社会财富的增长为中心，指出生产劳动是财富增长的源泉。现代经济增长理论认为知识、人力资本、技术进步是经济增长的主要因素。从古典增长理论到新增长理论，都重视物质资本和劳动的贡献。物质资本是指经济系统运行中实际投入的资本数量.然而，由于资本服务流量难以测度，在这里我们用全社会固定资产投资总额（亿元）来衡量物质资本。中国拥有十三亿人口，为经济增长提供了丰富的劳动力资源。因此本文用总就业人数（万人）来衡量劳动力。居民消费需求也是经济增长的主要因素。经济增长问题既受各国政府和居民的关注,也是经济学理论研究的一个重要方面。在1978—2008年的31年中,我国经济年均增长率高达9.6%,综合国力大大增强,居民收入水平与生活水平不断提高,居民的消费需求的数量和质量有了很大的提高。但是,我国目前仍然面临消费需求不足问题。本文将以中国经济增长作为研究对象，选择时间序列数据的计量经济学模型方法，将中国国内生产总值与和其相关的经济变量联系起来，建立多元线性回归模型，研究我国中国经济增长变动趋势，以及重要的影响因素，并根据所得的结论提出相关的建议与意见。用计量经济学的方法进行数据的分析将得到更加具有说服力和更加具体的指标，可以更好的帮助我们进行预测与决策。因此，对我国经济增长的计量经济学研究是有意义同时也是很必要的。 2.模型的建立 2.1 假设模型为了具体分析各要素对我国经济增长影响的大小，我们可以用国内生产总值（Y ）这个经济指标作为研究对象；用总就业人员数（1X ）衡量劳动力；用固定资产投资总额(2X )衡量资本投入：用价格指数（3X ）去代表消费需求。运用这些数据进行回归分析。这里的被解释变量是，Y ：国内生产总值，与Y-国内生产总值密切相关的经济因素作为模型可能的解释变量，共计3个，它们分别为： 1X 代表社会就业人数， 2X 代表固定资产投资， 3X 代表消费价格指数， μ代表随机干扰项。

计量经济学实验报告

计量经济学实验报告：马艺菡学号：4 班级：9141070302 任课教师：静文

实验题目简单线性回归模型分析一实验目的与要求目的：影响财政收入的因素可能有很多，比如国生产总值，经济增长，零售物价指数，居民收入，消费等。为研究国生产总值对财政收入是否有影响，二者有何关系。要求：为研究国生产总值变动与财政收入关系，需要做具体分析。二实验容根据1978-1997年中国国生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，模型检验，模型检验，得出回归结果。三实验过程：（实践过程，实践所有参数与指标，理论依据说明等）简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。（一）模型设定为研究中国国生产总值对财政收入是否有影响，根据1978-1997年中国国生产总值X和财政收入Y，如图1 1978-1997年中国国生产总值和财政收入（单位：亿元）

1996 66850.5 7407.99 1997 73452.5 8651.14 根据以上数据作财政收入Y 和国生产总值X的散点图，如图2 从散点图可以看出，财政收入Y和国生产总值X大体呈现为线性关系，所以建立的计量经济模型为以下线性模型：（二）估计参数 1、双击“Eviews”，进入主页。输入数据：点击主菜单中的File/Open/EV Workfile—Excel—GDP.xls; 2、在EV主页界面点击“Quick”菜单，点击“Estimate Equation”,出现“Equation Specification”对话框，选择OLS估计，输入““y c x”,点击“OK”。即出现回归结果图3；

计量经济学实验报告

一、考察Y与X1、X2、X3、X4之间的关系 1、建立模型这是一个时间序列数据。我们假设拟建立如下四元回归模型： Y=β0+β1X1+β2X2+β3X3+β4X4+μ 表1给出了采用Eviews软件对上表中的数据进行回归分析的计算结果，表明可建立如下城乡收入比函数： Y^=4.1-0.15X1+0.93X2+3.27X3-11.84 X4 表1：中国城乡收入比Y对X1、X2、X3、X4的回归（1991-2010）

2、经济意义检验城乡二元结构系数（X1）: 此系数越大，说明城乡二元结构越严重,即X1与Y成正相关，可从我们建立的模型中得知对X1参数估计为 -0.15 ，不符合经济意义。人均GDP增长率（X2）：这个比率与城乡收入比成正相关，从建立的模型中看到对X2的参数估计为0.93 ，符合经济意义。财政支农比率（X3）：此比率反映了政府和社会对农村的支持力度。比率越大，说明政府财政支农比率越大。可见与Y成负相关，可是我们得出的参数估计为3.26 ，不符合经济意义。产业比（X4）：此比率越大，说明福建省农业产值越高，农民收入水平较高，即与被解释变量成负相关。从列表中得到X4的参数 -11.84，符合经济意义。二、考察Y与X2、X3、X4之间的关系 1、建立模型假设拟建立如下三元回归模型： Y=β0+β2X2+β3X3+β4X4+μ

表2给出了采用Eviews软件对上表中的数据进行回归分析的计算结果，表明可建立如下城乡收入比函数： Y=3.21+0.74X2-0.50X3-6.76X4 表2：中国城乡收入比Y对X2、X3、X4的回归（1991-2010） 2、经济意义检验人均GDP增长率（X2）：这个比率与城乡收入比成正相关，从建立的模型中看到对X2的参数估计为0.74 ，符合经济意义。

计量经济学实验报告

中国海洋大学《计量经济学》实验报告实验项目名称：黄金价格影响因素解析指导教师：殷克东姓名：王焜学号：年级专业： 14金融中国海洋大学经济学院

【实验步骤——自己操作】一、实验数据：黄金价格、美元指数、通胀率、原油价格、US利率、GDP、标准普尔指数的数据如下：二、实验步骤：（1）建立回归模型 1.建立实验文件 2.输入Y、X的数据在EViews软件的命令窗口键入DATA命令，命令格式为：：输入：data Y X1 X2 X3 X4 X5 X6 X7 3.建立回归模型：建立Y C X1 X2 X3 X4 X5 X6 X7的回归，

其中Y代表黄金价格 X1代表美元指数 X2代表通胀率 X3代表原油价格 X4代表短期US 利率 X5代表长期US利率 X6代表GDP X7代表标准普尔指数 4．回归结果如下： 5、对模型的初步分析 a.对模型拟合度分析：从报告单可以看出，R-squared为，模型拟合度在89%左右。

b.对变量的显着性分析：在t检验中，截距项参数、RS的参数并不显着。可能为0。但要判断是否为0，还要对残差和变量进行检验。 c.对模型显着性分析F检验中，F统计量值为，大于显着水平为5%的临界值，说明模型显着。对多个解释变量的模型，若OLS法估价的R2与F值较大，但t检验值较小，则说明各解释变量对Y的联合线性作用显着，但各解释变量间存在共线性而使得它们对Y的独立作用不能分辨，故t检验不显着。 d、对模型的残差项进行分析异方差检验：怀特检验由图知Obs*R-squared统计量为，概率值大于，说明不存在异方差自相关检验 P(Obs*R-squared)为，大于的显着水平，所以不存在自相关。 e、对变量进行分析对变量进行多重共线性检验由相关系数矩阵知：与RL、RS和SP存在明显的线性相关性。可以看出GDP与利率存在线性负相关，与股票市场存在线性正相关。因为GDP是反映国家经济的一个重要指标，因此，国家为了刺激经济，货币政策往往比较宽松，利率比较低，此时国家经济发展，GDP加速上升，带动股市上扬。与SP存在明显的线性相关性。由股票理论价格=股票收益/利率知道利率与股票价格存在负相关。由于存在多重共线性存在，导致OLS下估计量的非有效、变量显着性检验失效和模型预测失效，因此必须克服模型多重共线性，对模型进行修改。 6、对模型的修正前面已经大致检测出存在多重共线性的解释变量，分别是短期利率（X4）、长期利率（X5）、标准普尔指数（X7）、GDP（X6）。对这些解释变量进行逐步回归：短期利率：长期利率标准普尔指数 GDP 可以看出在标长期利率的逐步回归中t检验最显着；R检验值为，在四个检验中最好；因

EViews计量经济学实验报告异方差的诊断及修正

姓名学号实验题目异方差的诊断与修正一、实验目的与要求：要求目的：1、用图示法初步判断是否存在异方差，再用White检验异方差； 2、用加权最小二乘法修正异方差。

估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650）（12.36670） 2R =0.854696 R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒绝原假设，说明销售收入对销售利润有显著性影响。F=152.9353 > )6,21(F 05.0= 4.23 ,

表明方程整体显著。（三）检验模型的异方差 ※（一）图形法 6、判断由图3可以看出，被解释变量Y 随着解释变量X 的增大而逐渐分散，离散程度越来越大；同样，由图4可以看出，残差平方2 i e 对解释变量X 的散点图主要分布在图形中的下三角部分，大致看出残差平方2 i e 随i X 的变动呈增大趋势。因此，模型很可能存在异方差。但是否确实存在异方差还应该通过更近一步的检验。

※ （二）White 检验 White 检验结果 White Heteroskedasticity Test: F-statistic 3.607218 Probability 0.042036 Obs*R-squared 6.270612 Probability 0.043486 Test Equation: t 界值5.002 χ （2） =5.99147。比较计算的2χ统计量与临界值，因为n 2R = 6.270612 > 5 .002 χ（2）=5.99147 ，所以拒绝原假设，不拒绝备择假设，这表明模型存在异方差。（四）异方差的修正在运用加权最小二乘法估计过程中，分别选用了权数t 1ω=1/t X ，t 2ω=1/2 t X ，t 3ω=1/t X 。用权数t 1ω的结果

计量经济学实验报告二

计量经济学实验报告二标准化工作室编码[XX968T-XX89628-XJ668-XT689N]

学生实验报告学院：经济学院课程名称：计量经济学专业班级： 11经济学1班姓名：魏丹丹学号： 0112102 学生实验报告（经管类专业用）一、实验目的及要求： 1、目的利用Eviews软件，使学生在实验过程中全面了解和熟悉计量经济学。 2、内容及要求熟悉Eviews软件的操作与应用二、仪器用具：三、实验方法与步骤: 1 经研究发现，家庭书刊消费受家庭收入几户主受教育年数的影响，表中为对某地区部分家庭抽样调查得到样本数据：

（2）利用样本数据估计模型的参数；（3）检验户主受教育年数对家庭书刊消费是否有显着影响；（4）分析所估计模型的经济意义和作用答：（1）家庭书刊消费的计量经济学模型是： Dependent Variable: Y Method: Least Squares Date: 11/27/12 Time: 14:36 Sample: 1 18 Included observations: 18 Variable Coeffici ent Std. Error t- Statistic Prob. C X T R-squared Mean dependent var Adjusted R- squared. dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic

EViews计量经济学实验报告-异方差的诊断及修正模板

姓名学号实验题目异方差的诊断与修正一、实验目的与要求：要求目的：1、用图示法初步判断是否存在异方差，再用White 检验异方差； 2、用加权最小二乘法修正异方差。二、实验内容根据1998年我国重要制造业的销售利润与销售收入数据，运用EV 软件，做回归分析，用图示法，White 检验模型是否存在异方差，如果存在异方差，运用加权最小二乘法修正异方差。三、实验过程：（实践过程、实践所有参数与指标、理论依据说明等）（一）模型设定为了研究我国重要制造业的销售利润与销售收入是否有关，假定销售利润与销售收入之间满足线性约束，则理论模型设定为： i Y =1β+2βi X +i μ 其中，i Y 表示销售利润，i X 表示销售收入。由1998年我国重要制造业的销售收入与销售利润的数据，如图1： 1988年我国重要制造业销售收入与销售利润的数据（单位：亿元）

（二）参数估计 Dependent Variable: Y Method: Least Squares Date: 10/19/05 Time: 15:27 Sample: 1 28 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob. C 12.03564 19.51779 0.616650 0.5428 X 0.104393 0.008441 12.36670 0.0000 R-squared 0.854696 Mean dependent var 213.4650 Adjusted R-squared 0.849107 S.D. dependent var 146.4895 S.E. of regression 56.90368 Akaike info criterion 10.98935 Sum squared resid 84188.74 Schwarz criterion 11.08450 Log likelihood -151.8508 F-statistic 152.9353 Durbin-Watson stat 1.212795 Prob(F-statistic) 0.000000 估计结果为： i Y ? = 12.03564 + 0.104393i X （19.51779） (0.008441) t=（0.616650）（12.36670） 2R =0.854696 2R =0.849107 S.E.=56.89947 DW=1.212859 F=152.9353 这说明在其他因素不变的情况下，销售收入每增长1元，销售利润平均增长0.104393元。 2R =0.854696 , 拟合程度较好。在给定 =0.0时，t=12.36670 > )26(025.0t =2.056 ，拒

计量经济学实验报告

计量经济学实验报告学院：班级姓名：学号：一、经济学理论概述 1、需求是指消费者（家庭）在某一特定时期内，在每一价格水平时愿意而且能够购买的某种商品量。需求是购买欲望与购买能力的统一。 2、需求定理是说明商品本身价格与其需求量之间关系的理论。其基本内容是：在其他条件不变的情况下，一种商品的需求量与其本身价格之间成反方向变动，即需求量随着商品本身价格的上升而减少，随商品本身价格的下降而增加。 3、需求量的变动是指其他条件不变的情况下，商品本身价格变动所引起的需求量的变动。需求量的变动表现为同一条需求曲线上的移动。二、经济学理论的验证方法在此次试验中，我运用了Eviews和Excel软件对相关数据进行处理和分析。 1、拟合优度检验——可决系数R2统计量回归平方和反应了总离差平方和中可由样本回归线解释的部分，它越大，参差平方和越小，表明样本回归线与样本观测值的拟合程度越高。 2、方程总体线性的显着性检验——F检验

（1）方程总体线性的显着性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显着成立作出判断。（2）给定显着性水平α，查表得到临界值F α（k ，n-k-1）,根据样本求出F 统计量的数值后，可通过F ＞F α(k ，n-k-1) （或F ≤F α(k ，n-k-1)）来拒绝（或接受）原假设H0，以判定原方程总体上的线性关系是否显着成立。 3、变量的显着性检验——t 检验 4、异方差性的检验——怀特检验怀特检验不需要排序，对任何形式的异方差都适用。 5、序列相关性的检验——图示法和回归检验法 6、多重共线性的检验——逐步回归法以Y 为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。三、验证步骤 1、确定变量（1）被解释变量 “货币流通量”在模型中用“Y ”表示。（2）解释变量 ①“货币贷款额”在模型中用“1X ”表示; ②“居民消费价格指数”在模型中用“2X ”表示； ③把由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用“μ”。 2、建立计量经济学模型根据各相关变量之间的关系，假定： Y=0β+1βX 1+2βX 2+μ 3、数据描述和处理

计量经济学实验报告——粮食产量的影响因素分析

粮食产量的影响因素分析一、问题的提出改革开放以来，中国经济迅速发展，人口增长迅猛，对粮食的需求日益增加。粮食产量无疑成了影响中国经济发展的重大因素。同时，粮食的产量直接关系到农业劳动力的生活水平，因此，“三农”问题成为中国经济研究的热点问题，提高粮食产量，关注农村居民收入迫在眉睫。为此，本文将就粮食产量影响因素进行分析，希望从中发现一些对粮食产量关键作用的因素。二．研究方案与数据的搜集统计通过对影响粮食产量的主要因素的分析，把影响农民收入的因素主要归结与以下几个方面：农业化肥施用量，粮食播种面积，成灾面积，农业机械总动力，农业劳动力。通过查找中国统计年鉴，我们得到如下的统计资料：

注：这里由于没有从事粮食生产的农业劳动数据，用第一产业劳动力替代。资料来源：《中国统计年鉴》（1985，2009）三、模型的估计、检验、确认对模型有如下假设： 1.零均值： 0)(=i u E n i ,,3,2,1Λ= 2.同方差无自相关： 3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2Λ= 4.无多重共线性 5. 残差的正态性：显然这些假设是不可能完全成立的，所以必须对其进行检验。残差的正态性检验已完成。主要需要检验的有：一、多重共线性检验。二、异方差性检验。三、自相关性检验。由于现有知识有限，只能对检验出来的一种情况进行修正，其它的暂不做修正，只做检验。我们将基于以上数据进行分析。（1）利用Eviews5.0作OLS 估计的结果为： Dependent Variable: Y Method: Least Squares Date: 12/26/11 Time: 12:41 Sample: 1985 2009 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -26695.08 7507.527 -3.555775 0.0021 X1 5.994511 0.609713 9.831685 0.0000 X2 0.536701 0.057858 9.276245 0.0000 X3 -0.135873 0.029720 -4.571732 0.0002 X4 0.090822 0.042053 -2.159696 0.0438 X5 -0.007390 0.070511 -0.104814 0.9176 R-squared 0.980829 Mean dependent var 44945.64 Adjusted R-squared 0.975783 S.D. dependent var 4150.729 S.E. of regression 645.9230 Akaike info criterion 15.98480 Sum squared resid 7927113. Schwarz criterion 16.27733 Log likelihood -193.8100 F-statistic 194.4114 Durbin-Watson stat 1.715679 Prob(F-statistic) 0.000000 ?? ?≠===--=k i k i u u E Eu u Eu u E u u COV k i k k i i k i , 0, ),()])([(),(2σ),0(~2σμN i

计量经济学实验报告(一)

2016－2017第2学期计量经济学实验报告实验（一）：EVIEWS软件的基本操作学号：0140660 姓名: 江亮选课班级:A01/B01 指导教师: 万建香成绩:

实验日期: 2017.3.13 实验地点: M106/303 学生实验报告实验名称：EViews软件的基本操作【教学目标】《计量经济学》是实践性很强的学科，各种模型的估计通过借助计算机能很方便地实现，上机实习操作是《计量经济学》教学过程重要环节。目的是使学生们能够很好地将书本中的理论应用到实践中，提高学生动手能力，掌握专业计量经济学软件EViews的基本操作与应用。【实验目的】了解EViews软件的基本操作对象，掌握软件的基本操作。【实验容】以建立一个数据库文件为例，完成以下操作并写出相关的EViews命令。 1、EViews软件的安装； 2、数据的输入、编辑与序列生成； 3、Eviews的简单操作：show\genr\scat\ls \fit等等。 4、一元线性回归模型的参数估计、拟合优度检验及置信区间估计。例、人均旅游消费支出X与从业人员Y的数据如下。表3-5 旅游消费支出X与从业人员Y关系表 X（元）Y（人） 1994 1023.5 77553 1995 1375.7 91592 1996 1638.4 87555

1997 2112.7 94829 1998 2391.2 100448 1999 2831.9 108830 2000 3175.5 164336 2001 3522.4 192408 2002 3878.4 229147 2003 3442.3 249802 2004 4710.7 246219 2005 5285.9 248919 2006 6229.7 285917 2007 7770.6 292047 【实验步骤】

计量经济学实验报告二讲诉

计量经济学实验报告全国各地粮食总产量与化肥使用量之间的计量经济学模型 ----异方差的检验与修正一、实验目的：研究全国各地粮食总产量与化肥使用量之间的关系二、实验内容：建立全国各地粮食总量与化肥使用量之间的计量模型，进行相关检验并确定其关系，重点在异方差的检验与修正。三、数据来源：中国统计年鉴2010年-农业（数据见附录）四、实验步骤：（一）经济理论的陈述：众所周知，农业是立国之本，近年来我国农业总产量一直保持稳定，这与我国对农业的高度重视是分不开的。化肥作为一种科学种植的生产资料，在农业现代化的历程中发挥了作用，我国农民、农业、农村的转型也因为这一科学种植生产资料的使用而大大加快了进程。但是因为历史、技术、政策等原因，农业发展并不均衡，化肥的使用在其中也起着一定的影响，因此我们特地选择了2010年中国各地的

农产品总量与化肥总量进行分析，以找出各地化肥的使用对各地农产品年总产量的影响。（二）模型形式的确定：粮食总产量与化肥使用量之间的散点图关系（三）建立模型：根据散点图，我们建立一元线性回归模型： β+ β μ =X Y + 1 参数估计

8.784694 180.854510==ββ 于是，可得一元线性回归函数： 8.784694X 180.8545Y += （四）模型检验： 1.经济意义检验在该模型中，化肥使用量前的参数估计量为8.784694，数值是正值，表明化肥的使用对粮食总产量的增加是有贡献的，与人们的经济理念是一致的。化肥使用量前的参数估计量数值大于1，表明投入1单位的化肥，得到的粮食产量大于1，这也是符合人们的经济理念的。因此认为，该模型通过了经济意义检验。 2.统计学检验（1）拟合优度检验由上图可得2R =0.800783，表明粮食总产量变化的80.0783%是由化肥使用量的变化来解释的。拟合优度较高，模型的线性关系比较强。（2）变量的显著性检验由回归结果知，0β的t 检验值0t =0.992126，1β的t 检验值1t =10.79674。在给定的显著性水平α=0.05的情况下，查t 分布表自由度为30，得临界值为2.042。 1t 大于临界值，说明解释变量在95%的置信度下显著，通过了变量显著性检验。

计量经济学实验报告

3.3 3.3 经调查研究发现，家庭书刊消费受家庭收入及户主受教育年数的影响，表3.6为对某地区部分家庭抽样调查得到的样本数据。表3.6 家庭书刊消费、家庭收入及户主受教育年数数据家庭书刊年消费支出（元）Y 家庭月平均收入（元）户主受教育年数（年）家庭书刊年消费支出（元）家庭月平均收入（元）户主受教育年数（年） X T Y X T 450 1027.2 8 793.2 1998.6 14 507.7 1045.2 9 660.8 2196 10 613.9 1225.8 12 792.7 2105.4 12 563.4 1312.2 9 580.8 2147.4 8 501.5 1316.4 7 612.7 2154 10 781.5 1442.4 15 890.8 2231.4 14 541.8 1641 9 1121 2611.8 18 611.1 1768.8 10 1094.2 3143.4 16 1222.1 1981.2 18 1253 3624.6 20 （1）作家庭书刊消费（Y ）对家庭月平均收入（X ）和户主受教育年数（T ）的多元线性回归： 123i i i i u Y X T 利用样本数据估计模型的参数，对模型加以检验，分析所估计模型的经济意义和作用。步骤： 1.打开EViews6，点“File ”“New ”“Workfile ”。选择“Unstructured/Unda=ted ” 在Observations 后输入18，点击ok 。

计量经济学实验报告.doc

计量经济学实验报告姓名：马艺菡学号：914107810314 班级：9141070302 任课教师：杨静文

实验题目简单线性回归模型分析一实验目的与要求目的：影响财政收入的因素可能有很多，比如国内生产总值，经济增长，零售物价指数，居民收入，消费等。为研究国内生产总值对财政收入是否有影响，二者有何关系。要求：为研究国内生产总值变动与财政收入关系，需要做具体分析。二实验内容根据1978-1997年中国国内生产总值X和财政收入Y数据，运用EV软件，做简单线性回归分析，包括模型设定，模型检验，模型检验，得出回归结果。三实验过程：（实践过程，实践所有参数与指标，理论依据说明等）简单线性回归分析，包括模型设定，估计参数，模型检验，模型应用。（一）模型设定为研究中国国内生产总值对财政收入是否有影响，根据1978-1997年中国国内生产总值X和财政收入Y，如图1 1978-1997年中国国内生产总值和财政收入（单位：亿元）年国内生产总财政收1973624.1132.2 1974038.1146.3 1984517.1159.5 1984860.1175.7 1985301.1212.3 1985957.1366.9 1987206.1642.8 1988989.2004.8 19810201.2122.0 19811954.2199.3 19814992.2357.2 19816917.2664.9 19918598.2937.1 199121662.53149.48 199226651.93488.37 199334560.54348.95 199446670.05218.10 199557494.96242.20 199666850.57407.99 199773452.58651.14

计量经济学实验报告1

计量经济学实验报告2

计量经济学实验报告 (3)

计量经济学实验报告

计量经济学实验报告

计量经济学实验报告(自相关性)

计量经济学实验报告54995

计量经济学实验报告

计量经济学实验报告

计量经济学实验报告

最新版计量经济学实验报告

EViews计量经济学实验报告异方差的诊断及修正

计量经济学实验报告二

EViews计量经济学实验报告-异方差的诊断及修正模板

计量经济学实验报告

计量经济学实验报告——粮食产量的影响因素分析

计量经济学实验报告(一)

计量经济学实验报告二讲诉

计量经济学实验报告

计量经济学实验报告.doc

最新江西财经大学-计量经济学实验报告(希望会有帮助!)