计量经济学软件操作

计量经济学软件操作应用

北京市

住宅商品房平均销售价格(元/平方米)

房屋供应面积

（百万平方米）

城镇固定资产

投资额(万元)

在岗职工平均

工资(元)

2000年4557 497.7 11963000 16536

2001年4716 593.1 14196000 19509.33 2002年4467 624 16936000 22108.53 2003年4467 693.3 19999107 25697.95 2004年4747 786.6 23330046 29674

2005年6162 835.7 25954100 34191

2006年7375 993.8 30124500 40117

2007年10661.24 1137.7 36567000 46508

2008年11648 1253.9 35548000 56328

2009年13224 1438.4 41496286 58140

2010年17151 1761 50026000 65683

2011年15517.9 1988 55198403 75834.61 2012年16553 2393 60648591 85306

2013年17854 2500 67975373 93960

以上是北京2000年—2013年的住宅商品房销售价格、房屋供应面积、在岗职工平均工资和城镇固定资产投资额的统计数据。

下面我们应用Eviews软件对此统计数据进行分析。

1、首先大体分析数据内容，我们根据经济关系认为住宅商品房销售价格是受房屋供应面积、在岗职工平均工资和城镇固定资产投资额的影响的，所以：

建立一般模型：Y=C+b1X1+b2X2+b3X3+U

其中：Y——住宅商品房销售价格

X1——房屋供应面积

X2——在岗职工平均工资

X3——城镇固定资产投资额

C——常数系数

2、Eviews软件估计结果如下：

Dependent Variable: Y

Method: Least Squares

Date: 11/02/15 Time: 12:54

Sample: 2000 2013

Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

X1 -1.843118 5.039291 -0.365749 0.7222

X2 0.000153 0.000244 0.629262 0.5433

X3 0.143269 0.172230 0.831845 0.4249

C 14.82325 969.7240 0.015286 0.9881

R-squared 0.934974 Mean dependent var 9935.724 Adjusted R-squared 0.915467 S.D. dependent var 5318.260

S.E. of regression 1546.264 Akaike info criterion 17.76003

Sum squared resid 23909319 Schwarz criterion 17.94261

Log likelihood -120.3202 Hannan-Quinn criter. 17.74313

F-statistic 47.92849 Durbin-Watson stat 0.971177

Prob(F-statistic) 0.000003

可以看到可决系数为0.93，比较高，样本回归线与样本观测值拟合程度比较好。Y变化的93.5%可以由其他三个变量的变化来解释。拟合优度越高，解释变量对被解释变量的解释程度就越高。

自由度为14-3-1=10，F检验大于27.23表明在1%的显著性水平下，模型的线性关系显著成立。

根据相关系数关系发现X1、X2、X3之间的相关关系都很高，其中X2、X3之间的最高;其次是X2和X1之间的相关关系；然后是X1和X3。表明他们之间有较强的共线性。

说到T检验，因为方程的总体线性关系是显著的，并不能说明每个解释变量对被解释变量的影响都是显著的，必须对每个解释变量进行显著性检验，以来决定是否作为解释变量保存在模型中。如果某个变量对被解释变量的影响不显著，应该剔除，已建立更为简单的模型。故用T检验。-0.365749；0.629262；0.831845分别为X1、X2、X3的T检验值。都不高，X2和X3在75%的影响下显著，而X1

不显著。没有通过变量显著性检验。说明存在严重多重共线性。要进行以下修正：一、看看是否真的有多重共线性：

可以看到真的存在多重共线性，他们之间的相关系数都达到了0.99以上。

1、下面进行X1和Y的检验：

Dependent Variable: Y

Method: Least Squares

Date: 11/02/15 Time: 18:35

Sample: 2000 2013

Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

X1 7.555146 0.677912 11.14472 0.0000

C 493.8431 954.2447 0.517522 0.6142

R-squared 0.911897 Mean dependent var 9935.724 Adjusted R-squared 0.904556 S.D. dependent var 5318.260 S.E. of regression 1643.028 Akaike info criterion 17.77803 Sum squared resid 32394485 Schwarz criterion 17.86933 Log likelihood -122.4462 Hannan-Quinn criter. 17.76958 F-statistic 124.2049 Durbin-Watson stat 0.763881 Prob(F-statistic) 0.000000

可以看到可决系数为0.91，而且T检验通过，我们暂且保留。

2、在进行X2和Y的检验：

Dependent Variable: Y

Method: Least Squares

Date: 11/02/15 Time: 18:38

Sample: 2000 2013

Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

X2 0.000286 2.26E-05 12.67101 0.0000

C -75.94089 881.1922 -0.086180 0.9327

R-squared 0.930457 Mean dependent var 9935.724 Adjusted R-squared 0.924662 S.D. dependent var 5318.260 S.E. of regression 1459.748 Akaike info criterion 17.54148 Sum squared resid 25570383 Schwarz criterion 17.63277 Log likelihood -120.7904 Hannan-Quinn criter. 17.53303

F-statistic 160.5546 Durbin-Watson stat 0.762553 Prob(F-statistic) 0.000000

可以看到可决系数为0.93，T检验同样通过，因为大于8.12。暂时保留。

3、同理，X3和Y的检验：

Dependent Variable: Y

Method: Least Squares

Date: 11/02/15 Time: 18:40

Sample: 2000 2013

Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

X3 0.202936 0.015788 12.85383 0.0000

C 229.6596 847.5785 0.270960 0.7910

R-squared 0.932288 Mean dependent var 9935.724 Adjusted R-squared 0.926645 S.D. dependent var 5318.260 S.E. of regression 1440.402 Akaike info criterion 17.51480 Sum squared resid 24897102 Schwarz criterion 17.60609 Log likelihood -120.6036 Hannan-Quinn criter. 17.50635 F-statistic 165.2209 Durbin-Watson stat 1.151232 Prob(F-statistic) 0.000000

可以看到，可决系数为0.93，T检验为12.85通过，暂时保留。

但是X1、X2、X3三者比较，X3的调整可决系数最大，为0.927。故用X3和其他变量间同Y进行回归分析：

1、先是Y与X3和X2回归分析：

Dependent Variable: Y

Method: Least Squares

Date: 11/02/15 Time: 18:56

Sample: 2000 2013

Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

X3 0.119256 0.152828 0.780329 0.4517

X2 0.000119 0.000216 0.550676 0.5929

C 75.97497 916.8205 0.082868 0.9354

R-squared 0.934104 Mean dependent var 9935.724 Adjusted R-squared 0.922123 S.D. dependent var 5318.260 S.E. of regression 1484.133 Akaike info criterion 17.63046 Sum squared resid 24229160 Schwarz criterion 17.76740 Log likelihood -120.4132 Hannan-Quinn criter. 17.61778 F-statistic 77.96547 Durbin-Watson stat 0.938566 Prob(F-statistic) 0.000000

可以看到虽然可决系数通过，但T检验通过的不好，特别是X2。

2、下面进行Y与X3和X1的回归分析：

Dependent Variable: Y

Method: Least Squares

Date: 11/02/15 Time: 18:57

Sample: 2000 2013

Included observations: 14

Variable Coefficient Std. Error t-Statistic Prob.

X3 0.218938 0.119867 1.826504 0.0950

X1 -0.608132 4.512175 -0.134776 0.8952

C 224.3200 885.4237 0.253348 0.8047

R-squared 0.932400 Mean dependent var 9935.724 Adjusted R-squared 0.920109 S.D. dependent var 5318.260

S.E. of regression 1503.210 Akaike info criterion 17.65600 Sum squared resid 24856057 Schwarz criterion 17.79294 Log likelihood -120.5920 Hannan-Quinn criter. 17.64333

F-statistic 75.86038 Durbin-Watson stat 1.185660 Prob(F-statistic) 0.000000

可以看到同样可决系数通过，但是T检验过程中X1不通过。

因为只有三个解释变量，故舍弃X1。成为二元回归。此时的调整可决系数大于原三元回归的模型。虽然Prob仍不符合，即数据还是有偏差，但仍是有所改进。此时的回归方程为：

Y = 0.119255899172*X3 + 0.000118750998689*X2 + 75.9749703821

以上即为多重共线性的检验与修正。

二、异方差的检验：

以上是这是做完后的样子。

下面是异方差散点图：

可以看到有增大的趋势。下面进行怀特检验：

由怀特检验结果可知F检验通过、调整可决系数为6.8、Prob小于0.05。说明他们是显著的，是拒绝原假设的。模型中随机误差项存在异方差。

所以下面进行异方差的修正：

书本上的方法：建立权变量W1、W2和W3。进行加权最小二乘法：

进行W1的检验：Modified: 2000 2013 // w1=1/x

看到可决系数有了提高为0.8。

进行W2的检验：Modified: 2000 2013 // w2=1/x^2

看到可决系数有了提高为0.8。

进行W3的检验：Modified: 2000 2013 // w3=1/x^0.5

看到可决系数有了提高为0.91。可以看出这里W3的加权为最好。故进行W3的加权修正。

还有些推荐的方法：

与课本上的比较这种方法做得更差。不用它。

三、自相关检验

可以看到这个回归检验很完美，如果看D.W.检验的话。查D.W.分布表可知

（n=14;k=3）dl和du的临界值为（ 0.90544 ， 1.55066），同样符合。没有自相关。

查看残差图为：

它的2010年超过了范围，因为拟合值越小拟合效果越好。逆转正常。

散点图：

如果正相关则在一三象限散点较多，这表示有自相关，而且是正的自相关。

进行一阶自相关修正：

在Y、X、C后面加ar(1)或ar(2)进行修正，但修正的结果并没有原模型好。说明可能并不存在自相关，即使存在也不能用这种方法修正。

综上：

最后的模型得到的方程为：

Y = 0.119255899172*X3 + 0.000118750998689*X2 + 75.9749703821

其经济含义为：

Y——住宅商品房销售价格

X2——在岗职工平均工资

X3——城镇固定资产投资额

在北京的岗职工平均工资每增加1元，北京住宅商品房平均销售价格就约增加0.12元/平方米；城镇固定资产投资额每增加1元，北京住宅商品房平均价格就增加1.1875元/平方米。

计量经济学大作业――影响居民消费水平的主要因素分析 学号：0120231 姓名：孙馥琳 专业：122税务 修课时间：2014—2015学年第二学期 任课教师：万建香老师 成绩： 评语：

影响居民消费水平的主要因素分析 摘要 就我国近阶段消费方面出现的一些情况，利用1993年至2008年的相关数据对我国消费的影响因素进行实证分析。目的在于让我们更加了解我国消费的因素。先通过相关的背景理论提出问题；搜集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。本文主要是通过对影响居民消费水平的主要因素分析揭示中国居民消费水平的现状及问题，并依此提出部分政策 关键词：居民消费水平国内生产总值收入 Abstract Abstractthe recent phase of consumption in China is in some cases, using the related data from 1993 to 2008, the empirical analysis on the influence factors of consumption in our country. Purpose is to let us know more about China's consumption factors. To pass the relevant background theory questions; Collected the relevant data, using EVIEWS software measurement model for the parameter estimation and test, and modified. This article mainly through the analysis of the main factors influencing the residents' consumption level to reveal current situation and problems of Chinese residents' consumption level, and accordingly puts forward some policies. Keywords: residents' consumption level Gross domestic product (GDP)

计量经济学第三章作业 经济131 王晨莹 13013121 15.（1）① 打开材料数据表3-5，获得如图3-5-1所示： 3-5-1 ② 根据题目确定被解释变量为税收收入（T ）、解释变量为工业（GY ）、进出口总额（IE ）、金融业（JR ）、交通运输业(JT)、建筑业（JY ）。 ③ 建模： t t JY JT JR IE GY T μββββββ++++++=543210 ④ 建立变量组： 在主菜单上Eviews 命令框中直接输入命令“Data T GY IE JR JT JY ”，将直接出现已定义变量名称的数据编辑窗口。如图3-5-2所示：

图3-5-2 ⑤估计模型参数： 在主菜单上依次单击“Quick→Estimate Equation”，弹出对话框，在“Specification”选项卡中输入模型中被解释变量（T）、常数项（C）、解释变量(GY、IE、JR、JT、JY)序列，并选择估计方法及样本区间（1985-2009）。如图3-5-3所示，其结果如图3-5-4所示： 图3-5-3

图3-5-4 ⑥ 参数估计结果分析： 经参数估计后，回归模型为 ∧T = 117.5 - 0.772 GY + 0.232 IE + 1.82 JR + 1.895 JT + 2.853 JY (0.2168) (-3.068) (5.552) (3.184) (2.261) (3.047) 995.02=R ，F=798 , d=0.674 ⑦ 模型中参数表明，在工业、建筑业、进出口、金融业、交通运输业中，建筑业对税收的影响最大，工业（GY ）每增加1亿元，税收收入（T ）将减少3.068亿元（但不符合经济意义）；进出口总额（IE ）每增加1亿元，税收收入（T ）将增加5.552亿元；金融业（JR ）每增加1亿元，税收收入（T ）将增加3.184亿元；交通运输业(JT)每增加1亿元，税收收入（T ）将增加2.261亿元；建筑业（JY ）每增加1亿元，税收收入（T ）将增加3.047亿元。抛出这5类因素对税收的影响，政府从其他部门和产业所征收数额为117.48。 （2）多重共线性检验：存在多重共线性 由上图可知，工业的结构参数为负，不符经济意义，故去掉工业得到新的模型：

第一节 Eviews简介 Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）。Eviews 是完成上述任务比较得力的必不可少的工具。正是由于Eviews等计量经济学软件包的出现，使计量经济学取得了长足的进步，发展成为一门较为实用与严谨的经济学科。 1、Eviews是什么 Eviews是美国QMS公司研制的在Windows下专门从事数据分析、回归分析和预测的工具。使用Eviews可以迅速地从数据中寻找出统计关系，并用得到的关系去预测数据的未来值。Eviews的应用围包括：科学实验数据分析与评估、金融分析、宏观经济预测、仿真、销售预测和成本分析等。 Eviews是专门为大型机开发的、用以处理时间序列数据的时间序列软件包的新版本。Eviews的前身是1981年第1版的Micro TSP。目前最新的版本是Eviews4.0。我们以Eviews3.1版本为例，介绍经济计量学软件包使用的基本方法和技巧。虽然Eviews是经济学家开发的，而且主要用于经济学领域，但是从软件包的设计来看，Eviews的运用领域并不局限于处理经济时间序列。即使是跨部门的大型项目，也可以采用Eviews进行处理。 Eviews处理的基本数据对象是时间序列，每个序列有一个名称，只要提及序列的名称就可以对序列中所有的观察值进行操作，Eviews允许用户以简便的

可视化的方式从键盘或磁盘文件中输入数据，根据已有的序列生成新的序列，在屏幕上显示序列或打印机上打印输出序列，对序列之间存在的关系进行统计分析。Eviews具有操作简便且可视化的操作风格，体现在从键盘或从键盘输入数据序列、依据已有序列生成新序列、显示和打印序列以及对序列之间存在的关系进行统计分析等方面。 Eviews具有现代Windows软件可视化操作的优良性。可以使用鼠标对标准的Windows菜单和对话框进行操作。操作结果出现在窗口中并能采用标准的Windows技术对操作结果进行处理。此外，Eviews还拥有强大的命令功能和批处理语言功能。在Eviews的命令行中输入、编辑和执行命令。在程序文件中建立和存储命令，以便在后续的研究项目中使用这些程序。 2、运行Eviews 在Windows 2000中运行Eviews的方法有： （1）单击任务栏上的“开始”→“程序”→“Eviews”程序组→“Eviews” 图标。 （2）使用Windows浏览器或从桌面上“我的电脑”定位Eviews目录，双击“Eviews”程序图标。 （3）双击Eviews的工作文件和数据文件。 3、Eviews的窗口 Eviews的窗口分为几个部分：标题栏、主菜单栏、命令窗口、状态行和工作 1-1

学院：__________金融学院_____________ 上课学期： ___ 2011-2012第一学期_________ 课程名称: _______ 金融计量学_____________ 指导教师：_______ _ ______________ 实验主题：_ GDP增长与三大产业关系模型____ 小组成员： 二零一一年十一月二十四日 目录

摘要 (3) 1.引言 (3) 2.提出问题 (3) 3.建立模型 (4) 4.制作散点图 (4) 5.模型参数估计 (8) 6.模型的检验 (9) 6.1.计量经济学检验 (9) 6.1.1.多重共线性检验 (9) 6.1.1.1.简单回归系数检验 (10) 6.1.1.2.找出最简单的回归形式 (10) 6.1.1.3.逐步回归法检验 (14) 6.1.2.异方差性检验 (15) 6.1.2.1.图示检验法 (16) 6.1.2.2.White检验 (16) 6.1.2.3.异方差的修正 (17) 6.1.3.随即扰动项序列相关检验 (18) 6.1.3.1.D.W.检验 (18) 6.1.3.2.拉格朗日乘数（LM）检验 (19) 6.1.3.3.序列相关性修正 (19) 6.2.经济意义检验 (20) 6.3.统计检验 (21) 6.3.1.拟合优度检验 (21) 6.3.2.方程显著性检验——F检验 (21) 6.3.3.参数显著性检验——t检验 (21) 7.结论 (22) 8.对策与建议 (23) 9.参考文献： (23)

摘要 经济发展是以GDP增长为前提的，而GDP增长与产业结构变动又有着密不可分的关系。本文采用1981年至2010年的统计数据，通过建立多元线性回归模型，运用最小二乘法，研究三大产业增长对我国GDP增长的贡献，从而得出调整产业结构对转变经济发展方式，促进我国经济可持续发展的重要性。 关键字：GDP增长；三大产业；产业结构 1.引言 GDP增长通常是指在一个较长的时间跨度上，一个国家人均产出（或人均收入）水平的持续增加。GDP增长率的高低体现了一个国家或地区在一定时期内经济总量的增长速度，也是衡量一个国家或地区总体经济实力增长速度的标志。它构成了经济发展的物质基础，而产业结构的调整与优化升级对于GDP增长乃至经济发展至关重要。 一个国家产业结构的状态及优化升级能力，是GDP发展的重要动力。十六大报告提出，推进产业结构优化升级，形成以高新技术产业为先导、基础产业和制造业为支撑、服务业全面发展的产业格局。十七大报告明确指出，推动产业结构优化升级，这是关系国民经济全局紧迫而重大的战略任务。《十二五规划纲要》又将经济结构战略性调整作为主攻方向和核心任务。产业结构优化升级对于促进我国经济全面协调可持续发展具有重要作用。 2.提出问题 我国把各种产业划分为第一产业，第二产业和第三产业。他们在整个国民经济中各自发挥着不同程度的作用。近几十年来来我国的经济已经发生了天翻地覆的变化。各大产业在整个国民经济中所占的地位和作用也在发生着相应的变化和调整。对于这种变化是否符合我国的经济发展趋势，对我国的经济影响作用是否

计量经济学模型分析论文 工商101

我国城镇居民储蓄存款影响因素的实证分析 摘要：近年来,随着中国经济的飞速发展,一直保持在高水平上的中国储蓄率受到了越来越多国内外经济学家的关注。高储蓄率给我国经济发展带来充裕资金来源,是支持经济快速增长的重要因素。更为重要的是,源源不断的资金流保证了金融机构的流动性,增强了银行的稳定性。与此同时,也给我国经济发展带来前所未有的挑战，因为，过高的储蓄,必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析,才能在制定宏观政策上采取适当的措施,使储蓄率保持在一个适当的水平,促进经济增长。本文利用我国1982年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型。通过对该模型的经济含义分析可以得出可支配收入率对储蓄率的影响不大，还有利率对储蓄率的影响很小，值得注意的是，模型中的基尼系数对城镇居民的储蓄影响是相当大的。

引言(提出问题) 自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。 据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即（MPK－δ），约为0.9%。我国的资本收益(MPK－δ)＝每年0.9％，大大低于经济的平均增长率（ｎ＋ｇ＝9％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。 那应该如何降低我国的储蓄率呢？下面我们将以城镇居民的数据为例进行分析。

下表列出了某年中国部分省市城镇居民每个家庭平均全年可支配收入X与消费性支出Y 的统计数据。 地区可支配收入 （X）消费性支出 （Y） 地区可支配收入 （X） 消费性支出 （Y） 北京10349.69 8493.49 浙江9279.16 7020.22 天津8140.50 6121.04 山东6489.97 5022.00 河北5661.16 4348.47 河南4766.26 3830.71 山西4724.11 3941.87 湖北5524.54 4644.5 内蒙古5129.05 3927.75 湖南6218.73 5218.79 辽宁5357.79 4356.06 广东9761.57 8016.91 吉林4810.00 4020.87 陕西5124.24 4276.67 黑龙江4912.88 3824.44 甘肃4916.25 4126.47 上海11718.01 8868.19 青海5169.96 4185.73 江苏6800.23 5323.18 新疆5644.86 4422.93 (1)试用普通最小二乘法建立居民人均消费支出与可支配收入的线性模型； (2)检验模型是否存在异方差性； (3)如果存在异方差性，试采用适当的方法估计模型参数。 解： （1）a.建立对象，录入可支配收入X与消费性支出Y，如下图： b. 设定一元线性回归模型为： 点击主界面菜单Quick\Estimate Equation，在弹出的对话框中输入Y、C、X，操作

（2）a.生成残差序列。在工作文件中点击Object\Generate Series…，在弹出的窗口中，在主窗口键入命令如下“e1=resid^2”得到残差平方和序列e1。如下图： (3)a. 设定一元线性回归模型为：

实2：我国1978-2001年的财政收入（y ）和国民生产总值（x ）的数据资料如表2所示： 表2 我国1978-2001年财政收入和国民生产总值数据 试根据资料完成下列问题： （1）给出模型t t t u x b b y ++=10的回归报告和正态性检验，并解释回归系数的经济意义； （2）求置信度为95%的回归系数的置信区间； （3）对所建立的回归方程进行检验(包括估计标准误差评价、拟合优度检验、参数的显著性检验)； （4）若2002年国民生产总值为亿元，求2002年财政收入预测值及预测区间（05.0=α）。 参考答案：

（1） t t x y 133561.06844.324?+= =)?(i b s =)?(i b t 941946.02 =R 056.1065?==σ SE 30991.0=DW 9607.356=F 133561.0?1 =b ，说明GNP 每增加1亿元，财政收入将平均增加万元。 （2）)?()2(?02/00b s n t b b ?-±=α=±? )?()2(?1 2/11b s n t b b ?-±=α=±? （3）①经济意义检验：从经济意义上看，0133561.0?1 ?=b ，符合经济理论中财政收入随着GNP 增加而增加，表明GNP 每增加1亿元，财政收入将平均增加万元。 ②估计标准误差评价： 056.1065?==σ SE ，即估计标准误差为亿元，它代表我国财政收入估计值与实际值之间的平均误差为亿元。 ③拟合优度检验：941946.02 =R ，这说明样本回归直线的解释能力为%，它代表我国财政收入变动中，由解释变量GNP 解释的部分占%，说明模型的拟合优度较高。 ④参数显著性检验：=)?(1b t ?0739.2)22(025 .0=t ，说明国民生产总值对财政收入的影响是显著的。 （4）6.1035532002=x , 41.141556.103553133561.06844.324?2002=?+=y

计量经济学大作业 ――税收影响因素的研究学号： 姓名： 专业：

税收影响因素的研究 摘要 本文研究的是税收影响因素模型，通过对1991-2010年税收规模资料的分析，以了解税收的结构、规模及演变的新特点，并探讨影响税收的各因素，运用Eviews软件对1991—2010的历史数据进行分析，并通过我国实际经济发展状况和政策导向运用此关系对以后情况进行预测。 关键词：税收财政支出 OLS 1 问题的提出 从进入21世纪以来，我国的经济发展面临着巨大的挑战与机遇，在新的经济背景下，基于知识和信息的产业发展迅速，全球一体化日渐深入，中国已是WTO的一员。新形势的经济发展是经济稳定和协调增长的结果，由于税收具有敛财与调控的重要功能，因而他在现实的经济发展中至始至终都发挥着非常重要的作用，所以研究影响我国税收收入的主要原因具有非常重要的作用。改革开放以来，中国经济高涨，对税收影响最大的当属财政支出。另外各种消费价格指数也是重要影响因素，而前人有对国内生产总值是否具有影响进行过实证分析。经济发展水平是制约税制结构的生产力要素，两者之间的相关程度较高。这种相关性主要表现为经济发展水平规定着税收参与社会产品分配的比例，决定着税制结构的选择。经济发展水平的差异通常以人均国内生产总值的高低来衡量。在人均国内生产总值不同的国家里，税收规模即税收占国内生产总值的比重是不一样的。以世界银行公布的1980年的调查材料为例，在人均国内生产总值260美元的低收入国家里，国内生产总值税收率为13.2%；人均国内生产总值为2000美元的中等收入国家，这一比率为23.3%；而在人均国内生产总值为1万美元的高收入国家，这一比例是28.1%。显然，一国国内生产总值税收率愈高，税负承受能力愈强，因而也为税制结构的调整提供了物质基础。本文站在前人的基础上，引用计量的方法，将三者综合起来对税收进行探讨，作者认为，在我国经济飞速发展的过程中，国内生产总值有了很大的增长，因而本文将国内生产总值引入该项目的实证研究分析。

计量经济学分析模型

摘要 改革开放以来，我国经济呈迅速而稳定的增长趋势，由于分配机制和收入水平的变化，城镇居民生活水平在达到稳定小康之后，消费结构和消费水平都出现了一些新的特点。本文旨在对近几年，我国城镇年人均收入变动对年人均各种消费变动的影响进行实证分析。首先，我们综合了几种关于收入和消费的主要理论观点；本文根据相关的数据统计数据，运用一定的计量经济学的研究方法，进而我们建立了理论模型。然后，收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。最后，我们对所得的分析结果和影响消费的一些因素作了经济意义的分析，并相应提出一些政策建议。并找到影响居民消费的主要因素。 关键词：居民消费；城镇居民；回归；Eviews

目录 摘要.................................................................. II 前言. (1) 1 问题的提出 (2) 2 经济理论陈述 (3) 2.1西方经济学中有关理论假说 (3) 2.2有关消费结构对居民消费影响的理论 (4) 3 相关数据收集 (6) 4 计量经济模型的建立 (9) 5 模型的求解和检验 (10) 5.1计量经济的检验 (10) 5.1.1模型的回归分析 (10) 5.1.2拟合优度检验： (11) 5.1.3 F检验 (11) 5.1.4 T检验 (12) 5.2 计量修正模型检验： (12) 5.2.1 Y与的一元回归 (13) 5.2.2拟合优度的检验 (13) 5.2.3 F检验 (14) 5.2.4 T检验： (15) 5.3经济意义的分析: (15) 6 政策建议 (16) 结论 (17) 参考文献 (19)

1、家庭消费支出（Y ）、可支配收入（1X ）、个人个财富（2X ）设定模型下： i i i i X X Y μβββ+++=22110 回归分析结果为： LS 18/4/02 Error T-Statistic Prob. C ________ 2X - ________ 2X R-squared ________ Mean dependent var Adjusted R-squared . dependent var . of regression ________ Akaike info criterion Sum squared resid Schwartz criterion Log likelihood - 31.8585 F-statistic Durbin-Watson stat Prob(F-statistic) 补齐表中划线部分的数据（保留四位小数）；并写出回归分析报告。 由表可知，9504.02=R 故 9614.01 10310) 9504.01(12=----=R 回归分析报告如下： 由以上结果整理得： t= 9614.02=R n=10 从回归结果来看，9614.02=R ，9504.02=R ，3339.87=F ,不够大，则模型的拟合优度不是很好. 模型说明当可支配收入每增加１元，平均说来家庭消费支出将减少元，当个人财富每增加１元，平均来说家庭消费支出将增加元。 参数检验：

在显着性水平上检验1β，2β的显着性。 365.2)310(7108.0025.01=-<-=t t Θ 故接受原假设，即认为01=β。 365.2)310(7969.1025.02=-<=t t Θ 故接受原假设，即认为02=β。 即模型中，可支配收入与个人财富不是影响家庭消费支出的显着因素。 2、为了解释牙买加对进口的需求 ，根据19年的数据得到下面的回归结果: se = R 2= 2 R = 其中：Y=进口量（百万美元），X 1=个人消费支出（美元/年），X 2=进口价格/国内价格。 （1） 解释截距项，及X 1和X 2系数的意义； 答：截距项为，在此没有什么意义。1X 的系数表明在其它条件不变时，个人年消费量增加1美元，牙买加对进口的需求平均增加万美元。2X 的系数表明在其它条件不变时，进口商品与国内商品的比价增加1美元，牙买加对进口的需求平均减少万美元。 （2）Y 的总离差中被回归方程解释的部分，未被回归方程解释的部分； 答：由题目可得，可决系数96.02=R ，总离差中被回归方程解释的部分为96%，未被回归方程解释的部分为4%。 （3）对回归方程进行显着性检验,并解释检验结果； 原假设：0:210==ββH 计算F 统计量 16 04.0296.01=--=k n RSS k ESS F =192 63.3)16,2(19205.0=>=F F Θ 故拒绝原假设，即回归方程显着成立。 （4）对参数进行显着性检验,并解释检验结果。 对21ββ进行显着性检验 96.174.210092.002.0) ?(?05.011`11=>=-=-=t SE t βββ 故拒绝原假设，即1β显着。 96.12.1084.001.0) ?(?05.02222=<=-=-=t SE t βββ 故接受原假设，即2β不显着。 4.根据某地1961—1999年共39年的总产出Y 、劳动投入L 和资本投入K 的年度 数据，运用普通最小二乘法估计得出了下列回归方程： ，DW= 式下括号中的数字为相应估计量的标准误。 (1)解释回归系数的经济含义； (2)系数的符号符合你的预期吗为什么

2010－2011第二学期 计量经济学大作业 大作业名称：2008年12月我国税收多因素分析 组长： 学号：00 姓名：专业：财政学 成员： 学号：00 姓名：专业：财政学 学号：00 姓名：专业：财政学 选课班级：A01 任课教师：徐晔成绩： 评语:__________________________________________________ 教师签名：批阅日期：

计量经济大作业要求如下： 目的要求: 1.熟练掌握计量经济学的主要理论与方法； 2.能够理论联系实际； 3.能够运用计量经济学软件Eviews进行计算和分析； 4.要求：word文档格式，内容四千字左右，并附数据。 内容： 1.确立问题： 选择一个经济预测问题或经济分析问题，根据一定的经济理论和实际经验分析所涉及的经济领域或经济系统中某一经济变量与其它一些（至少二个）经济变量之间的因果关系。 2.建立模型： 初步建立其多元线性回归模型，利用软件求解回归方程；进行经济意义检验、统计与经济计量检验，解决可能出现的违反基本假设的问题，最后确定回归方程。 3.提供图表： 给出说明该回归方程建立效果较好的必要的图表，如通过被解释变量的观察值曲线与拟合值曲线来比较其拟合效果。 4.实证分析： 利用回归方程的结果进行一定的经济预测或经济分析。 江西财经大学信息管理学院 计量经济学课程组 2011/2/19

2008年12月 我国税收多因素分析 【摘要】：本文主要分析税收收入与国民生产总值及进出口的关系，通过数据拟合模型，将几者之间的关系量化。 一、研究背景 税收是国家为了实现其职能，按照法定标准，无偿取得财政收入的一种手段，是国家凭借政治权力参与国民收入分配和再分配而形成的一种特定分配关系。是我们国财政收入的基本因素,也影响着我国经济的发展。税收收入的影响因素是来自于多方面的，如居民消费水平、城乡储蓄存款年末余额、财政支出总量以及国内生产总值等等。近年来，我国的税收增长远远快于GDP的增长速度，通过对税收增长的两个影响因素进行分析，从中找出对我国的税收增长影响最大的影响因素。 二、研究目的 税收是国家为了实现其职能，凭借政治权利，参与一部分社会产品或国民收入分配与再分配所进行的一系列经济活动。税收的课税权主体是国家，具体包括各级政府及其财税部门。税收活动的目的是为国家实现其职能服务的，这是所有国家爱税收的共性。 税收分配的对象是一部分社会产品或国民收入，可以是实物或货币，这反映出税收分配由实物形式向货币形式发展演变的过程。税收既是财政收入的支柱，又是宏观调控的杠杆。在国家的宏观调控体系中，税收是集经济、法律、行政手段于一身的重要工具，具有不可替代的作用，是国家职能实现不可缺少的手段。因此，分析税收收入，有助于正确把握宏观经济规律，有助于合理制定国家财政政策，从而起到维护国家、分配收入、配置资源、稳定经济的重要作用。 本文主要通过对国内生产总值和国内进出口总额两个因素进行多因素分析，并根据相关数据，建立模型，对此进行数量分析。在得到我国税收收入与各主要因素间的线性关系后，针对此模型分别对违背基本假设的三种情况进行假设检验和计量经济学检验，并对模型的估计结果进行分析。 我们建立税收收入模型的目的有以下三点： （1）结果分析，即对宏观经济变量之间的关系作定性的分析； （2）预测未来，即预测未来税收收入的总量及规模； （3）政策评价，利用模型对各种政策方案进行分析和比较。 在实际经济系统税收收入的实现过程中，税收收入受到经济增长、GDP总量及结构、进出口总额以及税收政策与制度等因素的影响。而由经济增长转换为税收的增长还要经过政策性和实施性两次漏出，如下图： GDP分解： GDP(C+V+M) →可征税GDP(V+M) →应税GDP →税收 ↓↓↓税收漏出：不可征税GDP（C）政策性漏出实施性漏出 ↓↓税收政策及制度：税制不完善税收征管不力税收经济生活受制于国家政策，国家政策会因税收经济现状而处于部分调整中，这种调整主要是指税收经济的动荡对整体宏观经济造成的消极影响会促使国家为稳定经济采取相应措施。

《计量经济学》上机实验参考答案 实验一：计量经济学软件Eviews 的基本使用；一元线性回归模型的估计、检验和预测；多元线性回归模型的估计、检验和预测（3课时）；多元非线性回归模型的估计。 实验设备：个人计算机，计量经济学软件Eviews ，外围设备如U 盘。 实验目的：（1）熟悉Eviews 软件基本使用功能；（2）掌握一元线性回归模型的估计、检验和预测方法；正态性检验；（3）掌握多元线性回归模型的估计、检验和预测方法；（4）掌握多元非线性回归模型的估计方法。 实验方法与原理：Eviews 软件使用，普通最小二乘法（OLS ），拟合优度评价、t 检验、F 检验、J-B 检验、预测原理。 实验要求：（1）熟悉和掌握描述统计和线性回归分析；（2）选择方程进行一元线性回归；（3）选择方程进行多元线性回归；（4）进行经济意义检验、拟合优度评价、参数显著性检验和回归方程显著性检验；（5）掌握被解释变量的点预测和区间预测；（6）估计对数模型、半对数模型、倒数模型、多项式模型模型等非线性回归模型。 实验内容与数据1：表1数据是从某个行业的5个不同的工厂收集的，请回答以下问题： （1）估计这个行业的线性总成本函数：t t x b b y 10???+=；（2）0?b 和1?b 的经济含义是什么？；（3）估计产量为10时的总成本。 表1 某行业成本与产量数据 参考答案：

(1)总成本函数(标准格式)： t t x y 25899.427679.26?+= s = (3.211966) (0.367954) t = (8.180904) (11.57462) 978098.02 =R 462819 .2.=E S 404274.1=DW 9719.133=F (2)0?b =26.27679为固定成本，即产量为0时的成本；1 ?b =4.25899为边际成本，即产量每增加1单位时，总成本增加了4.25899单位。 (3)产量为10时的总成本为： t t x y 25899.427679.26?+==1025899.427679.26?+=68.86669 实验内容与数据2：我国1978-2001年的财政收入（y ）和国民生产总值（x ）的数据资料如表2所示： 表2 我国1978-2001年财政收入和国民生产总值数据 试根据资料完成下列问题： （1）给出模型t t t u x b b y ++=10的回归报告和正态性检验，并解释回归系数的经济意义； （2）求置信度为95%的回归系数的置信区间； （3）对所建立的回归方程进行检验(包括估计标准误差评价、拟合优度检验、参数的显著性检验)；

计量经济学大作业――普通高等学校在校学生总数变动的多因素分析学号：0090863 0090817 0090832 姓名：组长：邱碧涛组员：杨意钟丹兰 专业：财政学 修课时间：2011-2012第一学期 任课教师：朱永军 成绩： 评语：本文通过对中国普通高等学校在校学生总数的变动进行多因素分析，采用中国1985年到2009年的数据，建立以在校大学生总数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对在校大学生总数进行数量化分析，得出各因素与在校大学生总数成正相关关系的结论。从大作业的完成情况来看，说明本小组成员对计量经济学有一定程度的理解，并能使用Eviews软件进行实证分析。 Email:275474458@https://www.wendangku.net/doc/e518492340.html,

普通高等学校在校学生总数变动的多因素分析 摘要 本文主要通过对中国普通高等学校在校学生总数的变动进行多因素分析，建立以在校大学生总数为应变量，以其它可量化影响因素为自变量的多元线性回归模型，并利用模型对在校大学生总数进行数量化分析，观察各因素是如何分别影响在校大学生总数的。 关键词：在校大学生总数多因素分析模型计量经济学检验 Abstract This text uses the total number of students in Chinese colleges and universities to do multivariate analysis, and it establishes a multiple linear regression model, which uses the total number of college students to be the dependent variable and other factors to be the independent variable .What's more, it uses the model to do quantitative analysis of the total number of college students, and observe how various factors affect the total number of college students respectively. Key words: The total number of college students, Multivariate analysis, Model, Econometric, Test

我国居民消费水平的变量因素分析 2010级工程管理赵莹 201000271120 改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求扩张成为我国经济高速增长的主要动力，特别是进入20世纪90年代以来，居民消费需求对国民经济发展的影响不断增大，对国民经济产生了拉动作用。我国经济逐步由短缺经济走向过剩经济、由卖方市场转向买方市场，社会消费需求不足，居民消费问题显得更加突出。特别市对于如何启动内需，扩大居民消费变得越来越重要。因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长速度和质量都有重要意义。 我选取了全国1990年-2009年居民消费水平及其影响因素的统计资料，详 一、建立回归模型并进行参数估计 导入数据后得到下表：

表2 由表2可知，模型估计的结果为： 550.78004.0023.0403.0?3 21-+-=X X X Y (0.046) (0.016) (0.006) (50.521) t= (8.743) (-1.442) (0.802) (-1.555) 999564.02=R 999483.02=R F=12239.64 n=20 D.W.=0.9217 二、异方差性的检验 用怀特检验进行异方差性的检验，得出下表：

表3 由表3可知，35292.11n 2 =R ，由怀特检验，在α=0.05的情况下，查可 知92.16905 .02 =）（χ >35292.11n 2=R ，表明模型不存在异方差性。 三、序列相关性的检验 由表2中结果可知D.W.=0.9217，D.W.检验结果表明，在5%的显著性水平下，n=20，k=2，查表得20.1d =L ，41.1d =U ，由于0

《计量经济学》上机指导手册 统计学院数量经济教研室 2004年3月

《计量经济学》作为经济学专业的核心课程之一，在我校已开设多年。多年的教学实践活动中，我们深感计量经济学软件在帮助同学们更好地学习、理解《计量经济学》基本思想、加强具体操作等方面有着重要的作用，我们也在过去的教学活动中采用了多种版本的计量经济学软件，包括TSP、Eviews、SPSS、SAS等。从1998年以来，在我们的《计量经济学》教学活动中，Eviews逐渐成为了计量经济学本科教学的基本使用软件。实践证明，Eviews在辅助教学、科研等方面具有自身的特色和优良的性能。为此，统计学院数量经济教研室组织人员编写了这本上机指导手册，目的在于加强对西南财经大学重点课程《计量经济学》的建设，完善《计量经济学》的课程体系，为同学们提供更好的教学服务产品。 本手册的基本框架是由两部分组成：一部分为Eviews的基本操作，主要介绍Eviews的基本功能和基本操作；另一部分则是配合我们所编写的《计量经济学》教材，按照教材的体系和教学大纲的要求，对若干《计量经济学》知识的重点、难点和基本点、对一些具体的案例、练习等进行了具体的上机示范说明，以达到帮助同学们更好的学习、理解《计量经济学》之目的。 本手册主要由周惠彬副教授、谢小燕副教授、郭建军讲师、黎实教授编写。由于我们才疏学浅，领悟Eviews的精髓不深，手册中肯定存在不足与错误，所有这些不足与谬误完全由我们负责。因此，恳请各位同学、各位老师批评指正，对这本手册（初稿）进行品头论足，帮助我们进一步修订、完善上机指导手册。 西南财经大学统计学院 《数量经济教研室》 2002年10月

#学术探讨# 现代计量经济学模型体系解析* 李子奈刘亚清 内容提要:本文对现代计量经济学模型体系进行了系统的解析,指出了现代计量经济学的各个分支是以问题为导向,在经典计量经济学模型理论的基础上,发展成为相对独立的模型理论体系,包括基于研究对象和数据特征而发展的微观计量经济学、基于充分利用数据信息而发展的面板数据计量经济学、基于计量经济学模型的数学基础而发展的现代时间序列计量经济学、基于非设定的模型结构而发展的非参数计量经济学,并对每个分支进行了扼要的描述。最后在/交叉与综合0的方向上提出了现代计量经济学模型理论的研究前沿领域。 关键词:经典计量经济学时间序列计量经济学微观计量经济学 一、引言 计量经济学自20世纪20年代末30年代初诞生以来,已经形成了十分丰富的内容体系。一般认为,可以以20世纪70年代为界将计量经济学分为经典计量经济学(Classical Econometrics)和现代计量经济学(Mo dern Eco no metr ics),而现代计量经济学又可以分为四个分支:时间序列计量经济学(Tim e Ser ies Econo metrics)、微观计量经济学(M-i cro-econometrics)、非参数计量经济学(Nonpara-m etric Econometrics)以及面板数据计量经济学(Panel Data Eco nom etrics)。这些分支作为独立的课程已经被列入经济学研究生的课程表,独立的教科书也已陆续出版,应用研究已十分广泛,标志着它们作为计量经济学的分支学科已经成熟。 据此提出三个问题:一是经典计量经济学的地位问题。既然现代计量经济学模型体系已经成熟,而且它们都是在经典模型理论的基础上发展的,那么经典模型还有应用价值吗?是不是凡是采用经典模型的研究都是低水平和落后的?二是现代计量经济学的各个分支的发展导向问题。即它们是如何发展起来的?三是现代计量经济学进一步创新和发展的基点在哪里?回答这些问题,对于正确理解计量经济学的学科体系,对于计量经济学的课程设计和教学内容安排,对于正确评价计量经济学理论和应用研究的水平,对于进一步推动中国的计量经济学理论研究,都是十分有益的。 现代计量经济学的各个分支是以问题为导向,以经典计量经济学模型理论为基础而发展起来的。所谓/问题0,包括研究对象和表征研究对象状态和变化的数据。研究对象不同,表征研究对象状态和变化的数据具有不同的特征,用以进行经验实证研究的计量经济学模型既然不同,已有的模型理论方法不适用了,就需要发展新的模型理论方法。按照这个思路,就可以用图1简单地描述经典计量经济学模型与现代计量经济学模型各个分支之间的关系。 本文试图从方法论的角度对现代计量经济学模型的发展,特别是现代计量经济学模型与经典计量经济学模型之间的关系进行较为系统的讨论,以期对未来我国计量经济学的发展研究提供借鉴和启示。本文的内容安排如下:首先分析经典计量经济学模型的基础地位,明确它在现代的应用价值,同时对发生于20世纪70年代的/卢卡斯批判0的实质进行讨论;然后依次讨论时间序列计量经济学、微观计量经济学、非参数计量经济学以及面板数据计量经济学的发展,回答它们是以什么问题为导向,以什么为目的而发展的;最后以/现代计量经济学模型体系的分解与综合0为题,讨论现代计量经济学的前沿研究领域以及从对我国计量经济学理论的创新和发展 ) 22 ) *本文受国家社会科学基金重点项目(08AJY001,计量经济学模型方法论基础研究)的资助。

2015-2016年第2学期 计量经济学大作业 论文名称：中国货币流通量、货款额 和居民消费水平指数分析 学号：姓名：专业： 学号：姓名：专业： 学号：姓名：专业： 选课班级：A05任课老师：陶长琪评语： 教师签名：批阅日期：

一、摘要 经济与货币流通量是相辅相成密不可分的，经济的发展必然会带来货币流通量的增加，进而也会带来消费的增加。而一个国家贷款额的多少和居民消费水平指数的大小往往能够在某种程度上反映该国家经济的发展水平。因此，经济将货币流通量、贷款额和居民消费水平指数紧密地联系起来。 计量经济学可以帮助我们通过建立多元线性模型来反应货币流通量、贷款额和居民消费水平指数三者之间的关系。我们可以通过进行拟合优度检验，F检验，显著性检验，异方差检验，相关性检验和多重共线性检验等多种检验方法最终确定模型，使得建立的模型达到最优的结果。 最后通过对模型的进一步分析，我们可以得出货币流通量、货款额和居民消费水平指数三者之间的关系，即贷款额与居民消费水平指数的增加均会导致货币流通量的增加。 关键字：货币流通量，贷款额，居民消费水平指数，多元线性模型

Abstract Economic and monetary circulation is complementary to close, the development of economy will inevitably bring about the increase of monetary circulation, and also can bring consumption increase. A national loan amount how many and dweller consumption level index size tend to a certain extent reflects the development level of national economy.Thus, the economy will the amount of money in circulation, the loan amount and dweller consumption level index closely linked. Econometrics can help us through the establishment of multiple linear models to response the amount of money in circulation, the loan amount and dweller consumption level index of the relationship between the three.We can through the goodness-of-fit testing ,and F inspection, significant inspection, heteroscedastic inspection , the inspection and multiple linear correlation of inspection to determine the final model, makes the establishment of the model to achieve the optimal result. Based on further analysis of the model, we can conclude that the amount of money in circulation, the amount of goods and dweller consumption level index of the relationship between the three, namely, the loan amount and consumption level of exponential increase will lead to the increase of the amount of money in circulation. Key words: The amount of money in circulation, the loan amount dweller consumption level index, multivariate linear model