《计量经济学课程设计.doc》由会员分享，可在线阅读，更多相关《计量经济学课程设计.doc（14页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、如有侵权，请联系网站删除，仅供学习与交流计量经济学课程设计【精品文档】第 12 页目录1绪论12 农业生产总值的模型建立22.1 模型的给出22.2模型的拟合结果33 回归模型的检验与修正43.1 经济意义及统计性检验43.2 计量经济学检验及修正54 预测13结论15参考文献161 绪论农业是人类“母亲产业”，远在人类茹毛饮血的远古时代，农业就已经是人类抵御自然威胁和赖以生存的根本，农业养活并发展了人类，没有农业就没有人类的一切，更不会有人类的现代文明。社会生产的发展首先开始于农业，在农业发展的基础上才有工业的产生和发展，只有在农业和工业发展的基础上，才会有第三产业的发展。可见，农业是当之无
2、愧的“母亲产业”。农业的地位和作用可以用一句话来概括“国民经济的基础”。从经济角度看，农业是国民经济的基础，是经济发展的基础。因为，农业是人类的衣食之源、生存之本。农业的发展状况直接影响着、左右着国民经济全局的发展。农业是国民经济中最基本的物质生产部门。农业是人类社会的衣食之源，生存之本。农业是工业等其他物质生产部门与一切非物质生产部门存在与发展的必要条件。从社会角度看，农业是社会安定的基础，是安定天下的产业。农业能否稳定发展，能事提供与人们生活水准逐渐提高这一基本趋势相适应的农、副产品，关系到社会的安定。“民以食为天”，粮食是人类最基本的生存资料，农业在国民经济中的基础地位，突出地表现在粮食
3、的生产上。如果农业不能提供粮食和必需的食品，那么，人民的生活就不会安定，生产就不能发展，国家将失去自立的基础。从这个意义上讲，农业是安定天下的产业。从政治角度看，农业是国家自立的基础。我国的自立能力相当程度上取决于农业的发展。如果农、副产品不能保持自给，过多依赖进口，必将受制于人。一旦国际政局变化，势必陷入被动，甚至危及国家安全。因此，农业的基础地位是否牢固，关系到人民的切身利益、社会的安定和整个国民经济的发展，也是关系到我国在国际竞争中能否坚持独立自主地位的大问题。从我国农业发展现状看，20世纪后半叶我国广大农村普遍实行家庭联产承包责任制，农业生产条件大大改善，农副产品产量大幅度增加，农民生
4、活水平显著提高。但我国农业的基础地位仍然比较脆弱，农业发展速度仍然相对滞后，农业仍是制约国民经济发展的薄弱环节。中国作为一个农业大国，农业不兴，无从谈百业之兴，农民不富，难保国泰民安。13亿人口的中国，如果农业发展上不去，恐怕谁也不敢打保票，中国人不会饿肚子。面对国际竞争，中国民族工业的底牌，是背靠农村这个巨大的国内市场，没有农民增收作支撑，扩大内需战略便如同沙中建塔、纸上谈兵，中国经济迟早会有逆水行舟，不进反退的风险。我们同样也难以想像，未来中国能够在城乡二元化、工商业发达农业羸弱的基础上，实现现代化强国之梦。“没有农业的现代化，就不可能有整个国民经济的现代化”。中国经济发展远景规划，如果让
5、农业拖了后腿，最终只能是水中月、镜中花。因此，农业发展对一个国家或地区来说至关重要。 而农业总产值反映了一个国家或地区农业生产的总规模和总水平。因此，农业总产值反映了一个国家农业的增长水平。迄今为止，已经有许多学者对农业总产值的影响因素进行了各种模型分析和研究，其中包括农作物总播种面积、农村居民家庭人均纯收入、农村同定资产投资、成灾而积、能源消费总量、农业就业人员、农村各税、农业机械总动力、化肥施用量等。其中机械总动力、化肥施用量、农作物播种总面积、受灾面积、农业从业人员等都是主要影响因素，本文鉴于农业于我国的重要性来研究这些因素对农业总产值的影响。2 农业生产总值的模型建立2.1 模型的给出
6、由于数据搜集的困难，本文选取机械总动力、化肥施用量、农作物播种总面积、受灾面积为解释变量来研究其对解释变量农业总产值的影响。由散点图1知解释变量 大致与被解释变量成直线型关系，但与关系不是很明显，本文为简单起见，所考虑的模型类型主要有线性模型和对数模型，通过分别拟合最终选取了拟合结果较好的对数模型。选取的模型为：-机械总动力-化肥施用量-农作物播种总面积-受灾面积搜集的数据见表1。表1 相关数据表年份农业总产值（亿元）农业机械总动力（万千瓦）化肥施用量（万吨）农作物播种总面积（千公顷）成灾面积(千公顷)19904954.328707.72590.31483621781919915146.429
7、388.62805.11495862781419925588.030308.42930.21490072589319936605.131816.63151.91477412313419949169.233802.53317.914824131382199511884.636118.13593.714987922268199613539.838546.93827.915238121234199713852.542015.63980.715396930307199814241.945207.74083.715570625181199914106.248996.14124.3156373267342
8、00013873.652573.64146.415630034374200114462.855172.14253.815570831793200214931.557929.94339.415463627160200314870.160386.54411.615241532516200418138.464027.94636.615355316297200519613.468397.84766.215548819966200621522.372522.14927.715214924632200724658.176589.65107.815346425064200828044.282190.4523
9、915626622283200930777.587496.15404.415861421234201036941.192780.55561.7160675185382.2模型的拟合结果图1 散点图使用软件对模型进行拟合，结果见图2。Dependent Variable: LOG(Y)Method: Least SquaresDate: 06/01/12 Time: 14:48Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb. C-27.3670316.79142-1.62
10、98230.1227LOG(X1)-0.3397490.230588-1.4734060.1600LOG(X2)2.9613490.4080037.2581580.0000LOG(X3)1.5293461.4949531.0230060.3215LOG(X4)-0.2256200.099335-2.2712990.0373R-squared0.980890 Mean dependent var9.540981Adjusted R-squared0.976113 S.D. dependent var0.567224S.E. of regression0.087667 Akaike info cr
11、iterion-1.826278Sum squared resid0.122969 Schwarz criterion-1.577582Log likelihood24.17592 F-statistic205.3165Durbin-Watson stat1.044459 Prob(F-statistic)0.000000图2 农业总产值最小二乘估计由图2知回归方程为：3 回归模型的检验与修正3.1 经济意义及统计性检验比较大，而且（本文所涉及的显著水平如不特别说明均取）,即模型通过了统计检验，故认为农业总产值与上述解释变量间总体线性关系显著。而，由图2知前参数估计的符号为负的，这与实际经济意
12、义不符合，并且前参数估计值未能通过统计检验，故模型存在一定的问题，应使用计量经济学的方法对模型进行修改及进一步检验。3.2 计量经济学检验3.2.1 多重共线性检验及修正由以上知模型经济意义存在一定的问题，故其可能存在多重共线性，下面采用相关系数法检验模型是否存在多重共线性。的相关系数见表2。表2 相关系数1.0000000.9726970.811126-0.1930430.9726971.0000000.825435-0.1362910.8111260.8254351.000000-0.081232-0.193043-0.136291-0.0812321.000000由表2中数据发现间存在高
13、度相关性，下面采用逐步回归法对模型进行修正。第一步：找初始模型分别作与间的回归，结果如下：(1) (-5.174572) (13.66206)(2) (-14.38352) (26.16704)(3) (-6.224975) (6.481827)(4) （2.419727） （-0.887455）由以上的结果知，农业总产值受化肥施用量影响最大，并且也与实际经济意义相符，故选取模型（2）为初始回归模型。第二步：逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳回归方程（见表3）。对表3进行解释：初始模型中引入，由于的参数未能通过统计检验，修正后的拟合优度也略有下降，且其参数符号不符合经济意
14、义，故剔除解释变量。然后引入解释变量，由于的参数也未能通过统计检验，且修正后的拟合优度进一步下降，因而剔除。最后引入解释变量，由，显然均通过了检验，且修正后的拟合优度有所提高，因此将选入模型，从而农业总产值的最优拟合模型为：并设为原模型。表3 逐步回归-11.654752.5508080.9715790.617978值-14.3835226.16704-12.25672-0.1877342.8679260.9709520.661038值-10.80878-0.7677296.753556-24.992892.4463001.1898000.9708490.616039值-1.35514413.
15、987940.723927-9.6248842.527442-0.1816150.9747930.711730值-7.20159927.27376-1.8500033.2.2 序列相关性检验及改进由查表有故由检验知模型存在一阶正自相关性，同时由残差图3，呈现有规律的波动也可认为原模型存在自相关性。图3 残差图由偏相关系数检验结果（如图4）知随机干扰项只存在一阶自相关。图4 偏相关系数图下面采用广义差分法对模型进行处理：在软件中直接使用广义差分法估计自相关性，估计结果如图5。Dependent Variable: LOG(Y)Method: Least SquaresDate: 06/02/12
16、 Time: 15:52Sample(adjusted): 1991 2010Included observations: 20 after adjusting endpointsConvergence achieved after 8 iterationsVariableCoefficientStd. Errort-StatisticProb. C-17.504676.557484-2.6694180.0168LOG(X2)3.3110310.7323094.5213560.0003LOG(X4)-0.0581590.071981-0.8079740.4310AR(1)0.7921820.1
17、192956.6405330.0000R-squared0.986227 Mean dependent var9.592629Adjusted R-squared0.983645 S.D. dependent var0.528876S.E. of regression0.067637 Akaike info criterion-2.372476Sum squared resid0.073196 Schwarz criterion-2.173329Log likelihood27.72476 F-statistic381.9021Durbin-Watson stat1.524508 Prob(F
18、-statistic)0.000000Inverted AR Roots .79图5 迭代估计法估计结果由图5知根据检验知无法确定原模型是否仍然具有自相关性，因此再次用偏相关系数检验，由图6的结果可得出原模型已经不存在自相关性。图6 相关系数和偏相关系数因此得出的回归方程为：在上述结果的基础上进行异方差性检验。首先，利用散点图图7对异方差性进行粗略检验：图7 散点图由图7可认为原模型存在异方差性。再采用怀特检验，检验结果见图8。White Heteroskedasticity Test:F-statistic3.497620 Probability0.029273Obs*R-squared11
19、.10775 Probability0.049285Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/02/12 Time: 16:53Sample: 1991 2010Included observations: 20VariableCoefficientStd. Errort-StatisticProb. C-49.3167718.01525-2.7375010.0160LOG(X2)6.3204312.2254782.8400330.0131(LOG(X2)2-0.1408510.074166-1.
20、8991210.0784(LOG(X2)*(LOG(X4)-0.3956590.115288-3.4319330.0040LOG(X4)4.5509611.8738682.4286460.0292(LOG(X4)2-0.0610750.055755-1.0954190.2918R-squared0.555388 Mean dependent var0.003660Adjusted R-squared0.396597 S.D. dependent var0.010675S.E. of regression0.008293 Akaike info criterion-6.503595Sum squ
21、ared resid0.000963 Schwarz criterion-6.204876Log likelihood71.03595 F-statistic3.497620Durbin-Watson stat1.078435 Prob(F-statistic)0.029273图8 怀特检验结果由图8知该值大于5%显著水平下、自由度为5的分布的临界值因此取显著水平为5%时可得出经广义差分后的回归模型具有异方差性的结论。在上述结果的基础之上对原模型应用加权最小二乘法进行了改进（其中取得权数为），但结果变化不大，并且再次用怀特检验的结果没有太大的变化（见图9），由于当取时，故认为此时原模型不再具有
22、异方差性。White Heteroskedasticity Test:F-statistic3.497552 Probability0.029275Obs*R-squared11.10766 Probability0.049287Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/02/12 Time: 17:34Sample: 1991 2010Included observations: 20VariableCoefficientStd. Errort-StatisticProb. C-49.31625
23、18.01517-2.7374850.0160LOG(X2)6.3203772.2254682.8400210.0131(LOG(X2)2-0.1408500.074166-1.8991230.0784(LOG(X2)*(LOG(X4)-0.3956550.115287-3.4319090.0040LOG(X4)4.5509041.8738602.4286260.0292(LOG(X4)2-0.0610740.055755-1.0954070.2918R-squared0.555383 Mean dependent var0.003660Adjusted R-squared0.396591 S
24、.D. dependent var0.010675S.E. of regression0.008293 Akaike info criterion-6.503604Sum squared resid0.000963 Schwarz criterion-6.204885Log likelihood71.03604 F-statistic3.497552Durbin-Watson stat1.078424 Prob(F-statistic)0.029275图9 怀特检验结果由上得出的回归方程为：3.2.3 异方差性检验利用软件对原模型进行异方差性检验，本文采用怀特检验，结果见图10。White H
25、eteroskedasticity Test:F-statistic3.966244 Probability0.017151Obs*R-squared11.95639 Probability0.035390Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/03/12 Time: 19:53Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb. C-6.0418494.094697-1.4
26、755300.1608LOG(X2)1.8204490.5576333.2646020.0052(LOG(X2)2-0.0608120.028592-2.1269060.0504(LOG(X2)*(LOG(X4)-0.0819360.029744-2.7546760.0147LOG(X4)-0.2657930.572949-0.4639040.6494(LOG(X4)20.0459010.0261351.7563100.0994R-squared0.569352 Mean dependent var0.006952Adjusted R-squared0.425803 S.D. dependen
27、t var0.006969S.E. of regression0.005281 Akaike info criterion-7.414449Sum squared resid0.000418 Schwarz criterion-7.116014Log likelihood83.85171 F-statistic3.966244Durbin-Watson stat1.200039 Prob(F-statistic)0.017151图10 怀特检验结果由图10结果可知原模型存在异方差性。采用加权最小二乘法对其进行修正，结果见图11。Dependent Variable: LOG(Y)Method:
28、 Least SquaresDate: 06/03/12 Time: 20:27Sample: 1990 2010Included observations: 21Weighting series: WVariableCoefficientStd. Errort-StatisticProb. C-10.140900.230390-44.016300.0000LOG(X2)2.5420910.014809171.66420.0000LOG(X4)-0.1433430.010683-13.418250.0000Weighted StatisticsR-squared0.999999 Mean de
29、pendent var9.916323Adjusted R-squared0.999798 S.D. dependent var31.06508S.E. of regression0.049400 Akaike info criterion-7.651483Sum squared resid0.043926 Schwarz criterion-7.502266Log likelihood83.34057 F-statistic122074.5Durbin-Watson stat2.346271 Prob(F-statistic)0.000000Unweighted StatisticsR-sq
30、uared0.976927 Mean dependent var9.540981Adjusted R-squared0.974363 S.D. dependent var0.567224S.E. of regression0.090821 Sum squared resid0.148471Durbin-Watson stat0.656077图11 加权最小二乘法估计结果由图11的结果知加权后的拟合优度和解释变量前参数的显著性与未经加权时的结果相比都有了很大的提高，下面再对其进行怀特检验，结果见图12。White Heteroskedasticity Test:F-statistic0.4234
31、54 Probability0.825240Obs*R-squared2.597533 Probability0.761740Test Equation:Dependent Variable: STD_RESID2Method: Least SquaresDate: 06/03/12 Time: 20:28Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb. C-0.0329230.042662-0.7717140.4523LOG(X2)0.0028900.0058100.
32、4974920.6261(LOG(X2)2-0.0002770.000298-0.9310650.3666(LOG(X2)*(LOG(X4)0.0001680.0003100.5428040.5952LOG(X4)0.0041950.0059690.7027380.4930(LOG(X4)2-0.0002780.000272-1.0218820.3230R-squared0.123692 Mean dependent var2.09E-05Adjusted R-squared-0.168411 S.D. dependent var5.09E-05S.E. of regression5.50E-
33、05 Akaike info criterion-16.54272Sum squared resid4.54E-08 Schwarz criterion-16.24428Log likelihood179.6985 F-statistic0.423454Durbin-Watson stat1.607183 Prob(F-statistic)0.825240图12 怀特检验结果由图12故原模型不在存在异方差性。下面继续运用软件检验其相关性。由图11可知，故知原模型无一阶自相关性，并且由偏相关系数图13也可得出原模型无高阶自相关性的结论。 图13 偏相关系数图因此经以上检验及修正后方程的结果为：4
34、 预测综合以上的结果，由于方程中各参数的显著性及方程的拟合优度等均优于方程：故选取方程为最终方程结果。 由于本文所建模型的一个重要意义就是对农业总产值进行预测，并且这对我国农业的发展有重大的意义。于是下面根据有得方程对未知的农业总产值进行预测。由上述所得方程对2010年（由于数据搜集的困难故本文对2010年农业总产值进行点预测及区间预测）的农业总产值进行预测：点预测:由，带入方程得.区间预测：经计算由预测区间公式:得到给定的置信水平下的的置信区间：结论最终所得方程给出了化肥施用量，受灾面积对农业总产值的影响程度，即：在化肥使用量不变的前提下，受灾面积每变动1%，则相应的农业总产值向相反方向变动0.143343%；在受灾面积一定的前提下，化肥使用量每变动1%，则相应的农业总产值同方向变动2.542091%。鉴于上述结果建议农业从事人员适当加大化肥使用量，遇到灾情时，政府也应及时采取措施尽量减少受灾面积。参考文献1 李子奈，潘文卿.计量经济学.第3版.北京：高等教育出版社，20102 孙敬水，马淑琴.计量经济学.第2版.北京：清华大学出版社，20093中国统计年鉴(2011年)4 中国2011年统计年鉴网