【正文】 計(jì)量經(jīng)濟(jì)學(xué)案例分析1 一、研究的目的要求居民消費(fèi)在社會經(jīng)濟(jì)的持續(xù)發(fā)展中有著重要的作用。居民合理的消費(fèi)模式和居民適度的消費(fèi)規(guī)模有利于經(jīng)濟(jì)持續(xù)健康的增長，而且這也是人民生活水平的具體體現(xiàn)。改革開放以來隨著中國經(jīng)濟(jì)的快速發(fā)展，人民生活水平不斷提高，居民的消費(fèi)水平也不斷增長。但是在看到這個(gè)整體趨勢的同時(shí)，還應(yīng)看到全國各地區(qū)經(jīng)濟(jì)發(fā)展速度不同，居民消費(fèi)水平也有明顯差異。例如，, ，最高的上海市達(dá)人均10464元。為了研究全國居民消費(fèi)水平及其變動的原因，需要作具體的分析。影響各地區(qū)居民消費(fèi)支出有明顯差異的因素可能很多，例如，居民的收入水平、就業(yè)狀況、零售物價(jià)指數(shù)、利率、居民財(cái)產(chǎn)、購物環(huán)境等等都可能對居民消費(fèi)有影響。為了分析什么是影響各地區(qū)居民消費(fèi)支出有明顯差異的最主要因素，并分析影響因素與消費(fèi)水平的數(shù)量關(guān)系，可以建立相應(yīng)的計(jì)量經(jīng)濟(jì)模型去研究。 二、模型設(shè)定 我們研究的對象是各地區(qū)居民消費(fèi)的差異。居民消費(fèi)可分為城市居民消費(fèi)和農(nóng)村居民消費(fèi)，由于各地區(qū)的城市與農(nóng)村人口比例及經(jīng)濟(jì)結(jié)構(gòu)有較大差異，最具有直接對比可比性的是城市居民消費(fèi)。而且，由于各地區(qū)人口和經(jīng)濟(jì)總量不同，只能用“城市居民每人每年的平均消費(fèi)支出”來比較，而這正是可從統(tǒng)計(jì)年鑒中獲得數(shù)據(jù)的變量。所以模型的被解釋變量Y選定為“城市居民每人每年的平均消費(fèi)支出”。 因?yàn)檠芯康哪康氖歉鞯貐^(qū)城市居民消費(fèi)的差異，并不是城市居民消費(fèi)在不同時(shí)間的變動，所以應(yīng)選擇同一時(shí)期各地區(qū)城市居民的消費(fèi)支出來建立模型。因此建立的是2002年截面數(shù)據(jù)模型。 影響各地區(qū)城市居民人均消費(fèi)支出有明顯差異的因素有多種，但從理論和經(jīng)驗(yàn)分析，最主要的影響因素應(yīng)是居民收入，其他因素雖然對居民消費(fèi)也有影響，但有的不易取得數(shù)據(jù)，如“居民財(cái)產(chǎn)”和“購物環(huán)境”；有的與居民收入可能高度相關(guān)，如“就業(yè)狀況”、“居民財(cái)產(chǎn)”；還有的因素在運(yùn)用截面數(shù)據(jù)時(shí)在地區(qū)間的差異并不大，如“零售物價(jià)指數(shù)”、“利率”。因此這些其他因素可以不列入模型，即便它們對居民消費(fèi)有某些影響也可歸入隨即擾動項(xiàng)中。為了與“城市居民人均消費(fèi)支出”相對應(yīng)，選擇在統(tǒng)計(jì)年鑒中可以獲得的“城市居民每人每年可支配收入”作為解釋變量X。 從2002年《中國統(tǒng)計(jì)年鑒》: 2002年中國各地區(qū)城市居民人均年消費(fèi)支出和可支配收入地 區(qū)城市居民家庭平均每人每年消費(fèi)支出(元) Y城市居民人均年可支配收入(元) X北京天津河北山西內(nèi)蒙古遼寧吉林黑龍江上海江蘇浙江安徽福建江西山東河南湖北湖南廣東廣西海南重慶四川貴州云南西藏陜西甘肅青海寧夏新疆作城市居民家庭平均每人每年消費(fèi)支出(Y)和城市居民人均年可支配收入(X)的散點(diǎn)圖，： 從散點(diǎn)圖可以看出居民家庭平均每人每年消費(fèi)支出(Y)和城市居民人均年可支配收入(X)大體呈現(xiàn)為線性關(guān)系，所以建立的計(jì)量經(jīng)濟(jì)模型為如下線性模型： 三、估計(jì)參數(shù) 假定所建模型及隨機(jī)擾動項(xiàng)滿足古典假定，可以用OLS法估計(jì)其參數(shù)。運(yùn)用計(jì)算機(jī)軟件EViews作計(jì)量經(jīng)濟(jì)分析十分方便。 利用EViews作簡單線性回歸分析的步驟如下： 建立工作文件首先，雙擊EViews圖標(biāo)，進(jìn)入EViews主頁。在菜單一次點(diǎn)擊File\New\Workfile，出現(xiàn)對話框“Workfile Range”。在“Workfile frequency”中選擇數(shù)據(jù)頻率： Annual (年度) Weekly ( 周數(shù)據(jù) ) Quartrly (季度) Daily (5 day week ) ( 每周5天日數(shù)據(jù) ) Semi Annual (半年) Daily (7 day week ) ( 每周7天日數(shù)據(jù) ) Monthly (月度) Undated or irreqular (未注明日期或不規(guī)則的)在本例中是截面數(shù)據(jù)，選擇“Undated or irreqular”。并在“Start date”中輸入開始時(shí)間或順序號，如“1”在“end date”中輸入最后時(shí)間或順序號，如“31”點(diǎn)擊“ok”出現(xiàn)“Workfile UNTITLED”工作框。其中已有變量：“c”—截距項(xiàng) “resid”—剩余項(xiàng)。在“Objects”菜單中點(diǎn)擊“New Objects”，在“New Objects”對話框中選“Group”，并在“Name for Objects”上定義文件名，點(diǎn)擊“OK”出現(xiàn)數(shù)據(jù)編輯窗口。若要將工作文件存盤，點(diǎn)擊窗口上方“Save”，在“SaveAs”對話框中給定路徑和文件名，再點(diǎn)擊“ok”，文件即被保存。輸入數(shù)據(jù)在數(shù)據(jù)編輯窗口中，首先按上行鍵“↑”，這時(shí)對應(yīng)的“obs”字樣的空格會自動上跳，在對應(yīng)列的第二個(gè)“obs”有邊框的空格鍵入變量名，如“Y”，再按下行鍵“↓”，對因變量名下的列出現(xiàn)“NA”字樣，即可依順序輸入響應(yīng)的數(shù)據(jù)。其他變量的數(shù)據(jù)也可用類似方法輸入。也可以在EViews命令框直接鍵入“data X Y ”(一元時(shí)) 或 “data Y … ”(多元時(shí))，回車出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對應(yīng)的Y、X下輸入數(shù)據(jù)。若要對數(shù)據(jù)存盤，點(diǎn)擊 “fire/Save As”，出現(xiàn)“Save As”對話框，在“Drives”點(diǎn)所要存的盤，在“Directories”點(diǎn)存入的路徑（文件名），在“Fire Name”對所存文件命名，或點(diǎn)已存的文件名，再點(diǎn)“ok”。若要讀取已存盤數(shù)據(jù)，點(diǎn)擊“fire/Open”，在對話框的“Drives”點(diǎn)所存的磁盤名，在“Directories”點(diǎn)文件路徑，在“Fire Name”點(diǎn)文件名，點(diǎn)擊“ok”即可。 估計(jì)參數(shù) 方法一：在EViews主頁界面點(diǎn)擊“Quick”菜單，點(diǎn)擊“Estimate Equation”，出現(xiàn)“Equation specification”對話框，選OLS估計(jì)，即選擊“Least Squares”，鍵入“Y C X”，點(diǎn)“ok”或按回車。 在本例中，參數(shù)估計(jì)的結(jié)果為： （） () t=() () F= df=29方法二：在EViews命令框中直接鍵入“LS Y C X”，按回車，即出現(xiàn)回歸結(jié)果。若要顯示回歸結(jié)果的圖形，在“Equation”框中，點(diǎn)擊“Resids”，即出現(xiàn)剩余項(xiàng)（Residual）、實(shí)際值（Actual）、擬合值（Fitted）的圖形。 四、模型檢驗(yàn)經(jīng)濟(jì)意義檢驗(yàn)所估計(jì)的參數(shù)，說明城市居民人均年可支配收入每相差1元。這與經(jīng)濟(jì)學(xué)中邊際消費(fèi)傾向的意義相符。擬合優(yōu)度和統(tǒng)計(jì)檢驗(yàn)用EViews得出回歸模型參數(shù)估計(jì)結(jié)果的同時(shí)，已經(jīng)給出了用于模型檢驗(yàn)的相關(guān)數(shù)據(jù)。擬合優(yōu)度的度量：，說明所建模型整體上對樣本數(shù)據(jù)擬合較好，即解釋變量“城市居民人均年可支配收入”對被解釋變量“城市居民人均年消費(fèi)支出”的絕大部分差異作出了解釋。對回歸系數(shù)的t檢驗(yàn)：針對和，估計(jì)的回歸系數(shù)的標(biāo)準(zhǔn)誤差和t值分別為：，；的標(biāo)準(zhǔn)誤差和t值分別為：。取，查t分布表得自由度為的臨界值。因?yàn)?，所以不能拒絕；因?yàn)?，所以?yīng)拒絕。這表明，城市人均年可支配收入對人均年消費(fèi)支出有顯著影響。 五、回歸預(yù)測 ，2002年中國西部地區(qū)城市居民人均年可支配收入除了西藏外均在8000以下，人均消費(fèi)支出也都在7000元以下。在西部大開發(fā)的推動下，如果西部地區(qū)的城市居民人均年可支配收入第一步爭取達(dá)到1000美元(按現(xiàn)有匯率即人民幣8270元)，第二步再爭取達(dá)到1500美元(即人民幣12405元)，利用所估計(jì)的模型可預(yù)測這時(shí)城市居民可能達(dá)到的人均年消費(fèi)支出水平?？梢宰⒁獾剑@里的預(yù)測是利用截面數(shù)據(jù)模型對被解釋變量在不同空間狀況的空間預(yù)測。 用EViews作回歸預(yù)測，首先在“Workfile”窗口點(diǎn)擊“Range”，出現(xiàn)“Change Workfile Range”窗口，將“End data”由“31”改為“33”，點(diǎn)“OK”，將“Workfile”中的“Range”擴(kuò)展為1—33。在“Workfile”窗口點(diǎn)擊“sampl”，將“sampl”窗口中的“1 31”改為“1 33”，點(diǎn)“OK”，將樣本區(qū)也改為1—33。 為了輸入，在EViews命令框鍵入data x /回車, 在X數(shù)據(jù)表中的“32”位置輸入“8270”，在“33”的位置輸入“12405”，將數(shù)據(jù)表最小化。 然后在“E”框中，點(diǎn)擊“Forecast”，得對話框。在對話框中的“Forecast name”(預(yù)測值序列名)鍵入“”， 回車即得到模型估計(jì)值及標(biāo)準(zhǔn)誤差的圖形。雙擊“Workfile”窗口中出現(xiàn)的“”，在“”數(shù)據(jù)表中的“32”位置出現(xiàn)預(yù)測值，在“33”位置出現(xiàn)。這是當(dāng)和時(shí)人均消費(fèi)支出的點(diǎn)預(yù)測值。 為了作區(qū)間預(yù)測，在X和Y的數(shù)據(jù)表中，點(diǎn)擊“View”選“Descriptive Stats\Cmmon Sample”，則得到X和Y的描述統(tǒng)計(jì)結(jié)果，: : 取,平均值置信度95%的預(yù)測區(qū)間為： 時(shí) 時(shí) 即是說，當(dāng)元時(shí)，平均值置信度95%的預(yù)測區(qū)間為（，）元。當(dāng)元時(shí)，平均值置信度95%的預(yù)測區(qū)間為（，）元。個(gè)別值置信度95%的預(yù)測區(qū)間為：時(shí) 時(shí) 即是說，當(dāng)?shù)谝徊綍r(shí)，個(gè)別值置信度95%的預(yù)測區(qū)間為（，）元。當(dāng)?shù)诙綍r(shí)，個(gè)別值置信度95%的預(yù)測區(qū)間為（，）元。在“E”框中，點(diǎn)擊“Forecast”： 案例分析2案例分析3一、研究的目的要求近年來，中國旅游業(yè)一直保持高速發(fā)展，旅游業(yè)作為國民經(jīng)濟(jì)新的增長點(diǎn)，在整個(gè)社會經(jīng)濟(jì)發(fā)展中的作用日益顯現(xiàn)。中國的旅游業(yè)分為國內(nèi)旅游和入境旅游兩大市場，%，與此同時(shí)國內(nèi)旅游也迅速增長。改革開放20多年來，特別是進(jìn)入90年代后，%，遠(yuǎn)高于同期GDP %的增長率。為了規(guī)劃中國未來旅游產(chǎn)業(yè)的發(fā)展，需要定量地分析影響中國旅游市場發(fā)展的主要因素。二、模型設(shè)定及其估計(jì)經(jīng)分析，影響國內(nèi)旅游市場收入的主要因素，除了國內(nèi)旅游人數(shù)和旅游支出以外，還可能與相關(guān)基礎(chǔ)設(shè)施有關(guān)。為此，考慮的影響因素主要有國內(nèi)旅游人數(shù)，城鎮(zhèn)居民人均旅游支出，農(nóng)村居民人均旅游支出，并以公路里程和鐵路里程作為相關(guān)基礎(chǔ)設(shè)施的代表。為此設(shè)定了如下對數(shù)形式的計(jì)量經(jīng)濟(jì)模型：其中 ：——第t年全國旅游收入——國內(nèi)旅游人數(shù) （萬人）——城鎮(zhèn)居民人均旅游支出 （元）——農(nóng)村居民人均旅游支出 （元）——公路里程（萬公里）——鐵路里程（萬公里） 為估計(jì)模型參數(shù)，收集旅游事業(yè)發(fā)展最快的1994—2003年的統(tǒng)計(jì)數(shù)據(jù)，： 1994年—2003年中國旅游收入及相關(guān)數(shù)據(jù)年份國內(nèi)旅游收入Y（億元）國內(nèi)旅游人數(shù)X2（萬人次）城鎮(zhèn)居民人均旅游支出X3（元）農(nóng)村居民人均旅游支出X4 （元）公路里程 X5（萬公里）鐵路里程X6（萬公里）199452400199562900199663900199764400199869450199971900200074400200178400200287800200387000數(shù)據(jù)來源:《中國統(tǒng)計(jì)年鑒2004》利用Eviews軟件，輸入Y、XXXXX6等數(shù)據(jù)，采用這些數(shù)據(jù)對模型進(jìn)行OLS回歸，： 由此可見，該模型，可決系數(shù)很高，,明顯顯著。但是當(dāng)時(shí),不僅、系數(shù)的t檢驗(yàn)不顯著，而且系數(shù)的符號與預(yù)期的相反，這表明很可能存在嚴(yán)重的多重共線性。計(jì)算各解釋變量的相關(guān)系數(shù)，選擇XXXXX6數(shù)據(jù)，點(diǎn)”view/correlations”得相關(guān)系數(shù)矩陣（）：由相關(guān)系數(shù)矩陣可以看出：各解釋變量相互之間的相關(guān)系數(shù)較高，證實(shí)確實(shí)存在嚴(yán)重多重共線性。三、消除多重共線性采用逐步回歸的辦法，去檢驗(yàn)和解決多重共線性問題。分別作Y對XXXXX6的一元回歸，：變量X2X3X4X5X6參數(shù)估計(jì)值t 統(tǒng)計(jì)量