《计量经济学论文资料(eviews分析)计量经济作业.doc》由会员分享，可在线阅读，更多相关《计量经济学论文资料(eviews分析)计量经济作业.doc（15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、.我国旅游收入的计量分析一、 经济理论陈述在研读了大量统计和计量资料的基础上，选择了三个大方面进行研究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在旅游人数这个解释变量的最终确定上，我们选择了国内旅游人数， 入境旅游人数。这点选择除了理论支持外，在现2X3X实旅游业发展中我们
2、也看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选取这两个解释变量等待下一步进行模型设计和检验。另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。而且鉴于农村人口较多，前面的市场细分也不够细化，在这.个解释变量的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也是对第一步研究分析的补充。所以我们确定了 城镇居4X民人均
3、旅游花费和 农村居民人均旅游花费。5X旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础硬件设施。在众多可选择对象中我们经分析研究结合大量文献资料决定从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取了前二者。即确定了 公路长度和 铁路长度这两个解释6X7X变量。其中，考虑到我国旅游业不断发展过程中，高速公路的修建也不断增多，在 的确定过程中，我们已经将其拟合，尽量保证解释变6X量的完整和真实。二、 相关数据.三、 计量经济模型的建立（）（）（）（）
4、（）（）我们建立了下述的一般模型：其中 1994-2003 年各年全国旅游收入（）待定参数 国内旅游人数 （万人）2X入境旅游人数 （万人）3城镇居民人均旅游花费 （元）4农村居民人均旅游花费 （元）5X公路长度（含高速） （万公里）6铁路长度 （万公里）7随即扰动项四、 模型的求解和检验利用 Eviews 软件，采用以上数据对该模型进行 OLS 回归，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 01:56.Sample: 1994 2003Included observations: 10Variab
5、le Coefficient Std. Error t-Statistic Prob. C -340.5047 1357.835 -0.250770 0.0882X2 -0.001616 0.013520 -0.119529 0.1524X3 0.232358 0.128017 1.815050 0.1671X4 6.391052 1.716888 3.722463 0.0337X5 -1.046757 1.224011 -0.855187 0.0453X6 5.673429 6.667266 0.850938 0.4573X7 -474.3909 355.7167 -1.333620 0.2
6、745R-squared 0.996391 Mean dependent var 2494.200Adjusted R-squared 0.989174 S.D. dependent var 980.4435S.E. of regression 102.0112 Akaike info criterion 12.28407Sum squared resid 31218.86 Schwarz criterion 12.49588Log likelihood -54.42035 F-statistic 138.0609Durbin-Watson stat 3.244251 Prob(F-stati
7、stic) 0.000944由此可见，该模型可决系数很高，F 检验显著，但是 、 、 的系数2X67t 检验不显著，且 的系数符号不符合经济意义，说明存在严重的多重共线性。7X所以进行以下修正：一 计量方法检验及修正多重共线性的检验：首先对 Y 进行各个解释变量的逐步回归, 由最小二乘法，结合经济意义和.统计检验得出拟合效果最好的两个解释变量如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:00Sample: 1994 2003Included observations: 10Variable Coeffi
8、cient Std. Error t-Statistic Prob. C -3193.041 606.2101 -5.267217 0.0012X4 9.729003 1.435442 6.777703 0.0003X5 -1.197036 2.059371 -0.581263 0.1293R-squared 0.957285 Mean dependent var 2494.200Adjusted R-squared 0.945081 S.D. dependent var 980.4435S.E. of regression 229.7654 Akaike info criterion 13.
9、95532Sum squared resid 369544.9 Schwarz criterion 14.04609Log likelihood -66.77660 F-statistic 78.43859Durbin-Watson stat 0.791632 Prob(F-statistic) 0.000016继续采用逐步回归法将其余解释变量代入，得出拟合效果最好的三个解释变量，结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:01Sample: 1994 2003Included observati
10、ons: 10Variable Coefficient Std. Error t-Statistic Prob. .C -3391.810 514.1119 -6.597416 0.0006X2 0.029414 0.014525 2.025042 0.0393X4 6.355459 2.050175 3.099959 0.0211X5 -0.284542 1.772604 -0.160522 0.1077R-squared 0.974627 Mean dependent var 2494.200Adjusted R-squared 0.961940 S.D. dependent var 98
11、0.4435S.E. of regression 191.2739 Akaike info criterion 13.63446Sum squared resid 219514.3 Schwarz criterion 13.75550Log likelihood -64.17232 F-statistic 76.82334Durbin-Watson stat 1.328513 Prob(F-statistic) 0.000035以上模型估计效果最好，继续逐步回归得到以下结果：Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Tim
12、e: 02:40Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob. C -1973.943 441.5947 -4.470034 0.0066X2 -0.005095 0.011431 -0.445729 0.6744X3 0.328279 0.080682 4.068802 0.0096X4 4.665485 1.158665 4.026602 0.0101X5 -1.714020 0.999029 -1.715686 0.1469R-squared 0.994
13、114 Mean dependent var 2494.200Adjusted R-squared 0.989406 S.D. dependent var 980.4435S.E. of regression 100.9150 Akaike info criterion 12.37329Sum squared resid 50919.23 Schwarz criterion 12.52458Log likelihood -56.86644 F-statistic 211.1311Durbin-Watson stat 3.034041 Prob(F-statistic) 0.000009.各项拟
14、合效果都较好。虽然 的 t 检验不是很显著，但考虑到其经济2X意义在模型中的重要地位，暂时保留。继续引入 。6XDependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:41Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob. C -2034.155 525.2137 -3.873004 0.0179X2 -0.007033 0.014095 -0.498977 0.6440X3 0.2995
15、62 0.128626 2.328946 0.0803X4 4.787986 1.339888 3.573423 0.0233X5 -1.511851 1.282385 -1.178937 0.1638X6 2.062334 6.659247 0.309695 0.7723R-squared 0.994252 Mean dependent var 2494.200Adjusted R-squared 0.987067 S.D. dependent var 980.4435S.E. of regression 111.4976 Akaike info criterion 12.54959Sum
16、squared resid 49726.89 Schwarz criterion 12.73114Log likelihood -56.74797 F-statistic 138.3830Durbin-Watson stat 3.130122 Prob(F-statistic) 0.000144根据以上回归结果可得， 的引入使得模型中 、 的 t 检验均不6X2X6显著，再考察二者的相关系数为 0.949132，说明 、 高度相关，模型产生了多重共线性，因此将 去掉。6再将 代入检验。7XDependent Variable: YMethod: Least Squares.Date: 12/2
17、3/10 Time: 02:42Sample: 1994 2003Included observations: 10Variable Coefficient Std. Error t-Statistic Prob. C -641.0670 1265.065 -0.506746 0.0190X2 0.001432 0.012579 0.113838 0.9149X3 0.315742 0.079487 3.972264 0.0165X4 5.694229 1.456042 3.910759 0.0174X5 -1.631710 0.977195 -1.669790 0.1703X7 -351.4
18、600 313.6492 -1.120551 0.3252R-squared 0.995521 Mean dependent var 2494.200Adjusted R-squared 0.989921 S.D. dependent var 980.4435S.E. of regression 98.43019 Akaike info criterion 12.30028Sum squared resid 38754.01 Schwarz criterion 12.48183Log likelihood -55.50141 F-statistic 177.7916Durbin-Watson
19、stat 2.850083 Prob(F-statistic) 0.000087的系数为负，与经济意义相悖，因此也去掉。由此确定带入模型7X的解释变量为 、 、 、 。234X5异方差性的检验：再对模型的异方差性进行检验：鉴于我们的样本资料是时间序列数据，选用 ARCH 检验。ARCH Test:F-statistic 0.044061 Probability 0.839718Obs*R-squared 0.056296 Probability 0.812449Test Equation:Dependent Variable: RESID2.Method: Least SquaresDate:
20、 12/23/10 Time: 02:43Sample (adjusted): 1995 2003Included observations: 9 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob. C 5197.741 3188.960 1.629918 0.1471RESID2(-1) 0.079216 0.377385 0.209908 0.8397R-squared 0.006255 Mean dependent var 5645.880Adjusted R-squared -0.135708 S.D.
21、dependent var 6668.507S.E. of regression 7106.603 Akaike info criterion 20.76857Sum squared resid 3.54E+08 Schwarz criterion 20.81239Log likelihood -91.45855 F-statistic 0.044061Durbin-Watson stat 1.810449 Prob(F-statistic) 0.839718这里 Obs*R-squared 为 0.056296，P= 0.8124490.05 所以接受 ，表明0H模型中随机误差项不存在异方差
22、。再考虑 P=3 的情况：ARCH Test:F-statistic 0.126837 Probability 0.938100Obs*R-squared 0.787922 Probability 0.852354Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/23/10 Time: 02:46Sample (adjusted): 1997 2003Included observations: 7 after adjustmentsVariable Coefficient Std. Error t-St
23、atistic Prob. C 206.9671 8303.931 0.024924 0.9817RESID2(-1) 0.162377 0.536337 0.302751 0.7819.RESID2(-2) 0.112799 0.570427 0.197746 0.8559RESID2(-3) 0.331276 0.570658 0.580516 0.6023R-squared 0.112560 Mean dependent var 4377.448Adjusted R-squared -0.774879 S.D. dependent var 7000.432S.E. of regressi
24、on 9326.298 Akaike info criterion 21.41462Sum squared resid 2.61E+08 Schwarz criterion 21.38371Log likelihood -70.95118 F-statistic 0.126837Durbin-Watson stat 1.521751 Prob(F-statistic) 0.938100这里 Obs*R-squared 为 0.787922，P= 0.8523540.05。所以仍然接受 ，表明模型中随机误差项不存在异方差。0H自相关性的检验：随机扰动项可能存在一阶负自相关。借助残差项和其一阶滞后项的二维坐标图进一步分析：