【正文】 歸系數(shù)估計不準確。, 自變量之間存在較強的多重共線性 。 6． D． W 檢驗 D． W檢驗就是誤差序列的自相關(guān)檢驗。 【 例 】 根據(jù)某市近 15年社會消費品零售額、人均 GDP的數(shù)據(jù)數(shù)據(jù)，以社會消費品零售額作因變量 y，上年人均 GDPt1和時間變量 t作為自變量，建立二元線性回歸模型作預測分析 , 估計的模型如下： 以上建立的二元回歸模型通過了所有的統(tǒng)計檢驗，表明用人均GDPt1和時間變量 T來解釋社會消費品零售額的變化是合適的。但是為了評價非線性回歸模型的擬合程度及其估計誤差的大小，可以計算下列評價指標： 【 例 】 某企業(yè)近 10年年產(chǎn)品產(chǎn)量（ x）與單位產(chǎn)品成本的統(tǒng)計資料如表所示。 (1) 一元線性自回歸： (2) 多元線性自回歸： 自回歸模型的參數(shù)估計。 可計算可決系數(shù) R2或自相關(guān)系數(shù) R，剩余標準差 sy評價模型配合的優(yōu)良程度。 將本年消費品零售額 ，可求得下一年消費品零售額的預測值為 。 經(jīng)濟計量模型的變量類型 經(jīng)濟計量模型是通過經(jīng)濟變量來描述和解釋經(jīng)濟關(guān)系。其中 St1為滯后的內(nèi)生變量，即前期的內(nèi)生變量。上述模型中， Pt、 Wt、 It、 St1均為前定變量。虛擬變量是外生變量的一種。例如 GDP決定最終消費的模型為 : 2．技術(shù)方程 技術(shù)方程是反映物質(zhì)生產(chǎn)技術(shù)關(guān)系的方程。例如，營業(yè)稅（ T）等于銷售收入（ S）乘以稅率 r： 4．定義方程 是按照某種定義或規(guī)定而建立的方程。 靜態(tài)經(jīng)濟計量模型 :經(jīng)濟變量的數(shù)值發(fā)生在同一期間，所描述的是靜態(tài)經(jīng)濟關(guān)系。一般來說，經(jīng)濟體系中有多少個內(nèi)生變量，就設計多少個方程，從而構(gòu)成一個完整的經(jīng)濟計量模型。用以上法則判別，三個方程都是可識別的，且為過度識別。包括三階最小二乘法和完全信息最大似然法。如果建立經(jīng)濟計量模型的目的在于預測未來，而不在于準確地解釋經(jīng)濟結(jié)構(gòu)關(guān)系，那么，采用最小二乘法估計也是可行的。 例如，例 I，經(jīng)識別為恰好識別模型。然而，對預測來說，很難說明哪種估計方法對未來的預測更準確，因為未來的變化本身具有不確定性。 St為重要的內(nèi)生變量，它與模型中全部前定變量的回歸方程為 : 用最小二乘法估計的結(jié)果為 : 由此方程可求得一組估計值。對預測來說，首先應確定模型中所有前定變量的數(shù)值，然后代入模型求內(nèi)生變量預測值。要求能源供求趨勢、結(jié)構(gòu)演變等進行預測分析，并提出治理供求不均衡的對策. 案例 10—4 某市社會消費品零售額預測分析 設某地近 10年社會消費品零售額（億元）及有關(guān)資料見教材，要求選用合適的方法對未來 5年內(nèi)社會消費品零售額及其構(gòu)成作出預測分析和推斷，并編寫預測分析報告。 案例分析 案例 10—1 A 市電力需求預測 根據(jù)第八章案例 8—3 提供的數(shù)據(jù)，要求采用回歸分析預測法或者經(jīng)濟計量模型法進行 A市電力需求的中期預測，并撰寫預測報告 . 案例 10—2 某市肉食品市場供求預測分析 設某市近八年豬肉、牛肉、羊肉的生產(chǎn)和居民人均年消費量等資料見教材，要求分別預測未來五年內(nèi)豬肉、牛肉、羊肉的市場供求情況，并編寫預測分析報告。評價和檢驗的內(nèi)容主要包括模型的經(jīng)濟意義分析，配合優(yōu)良度測定、誤差分析、總體相關(guān)系數(shù)的 F檢驗，結(jié)構(gòu)參數(shù)的 t檢驗，誤差序列相關(guān)的 DW檢驗，多重共線性程度的判別等等，經(jīng)過檢驗，如果發(fā)現(xiàn)估計的結(jié)果存在嚴重的問題，就應懷疑建模依據(jù)的經(jīng)濟理論假設是否正確，并且應對模型進行全部或部分調(diào)整與修正，或改變?nèi)炕虿糠址匠痰墓浪惴椒?，或者推倒模型進行重新設計。具體估計時，需分兩步走 : 第一步，先求內(nèi)生變量（ Yi）對整個方程組中的全部前定變量的回歸方程，并給出一組 Yi的估計值（ Yi ）； 第二步，將內(nèi)生變量的估計值（ Yi ） 與方程所包括的其它前定變量作為解釋變量，再運用最小二乘法估計原方程的結(jié)構(gòu)參數(shù)。 比較普通最小二乘法和間接最小二乘法估計的人均消費支出方程的估計結(jié)果，不難發(fā)現(xiàn)兩者的差別是較小的。若把 GDPt看作是影響居民人均可支配收（ S）、人均消費支出（ C）的重要變量，則有如下模型 : 采用普通最小二乘法估計的結(jié)果如下 (括號內(nèi)的數(shù)據(jù)為參數(shù)的統(tǒng)計檢驗量 t): (2）間接最小二乘法（ ILS） 間接最小二乘法適用于估計恰好識別模型的結(jié)構(gòu)參數(shù)。下面介紹幾種單一方程估計法： （ 1）普通最小二乘法（ OLS） 單獨對聯(lián)立方程模型中每個方程進行最小二乘法估計。單一方程估計法包括普通最小二乘法、間接最小二乘法、二階最小二乘法等。設 G為模型中方程的個數(shù)， m為需要識別方程中內(nèi)生變量的個數(shù)， k為模型中前定變量的個數(shù)， R為需要識別方程中前定變量的個數(shù)。 3．單一方程模型和聯(lián)立方程模型。 宏觀經(jīng)濟計量模型 : 反映全社會經(jīng)濟總量的宏觀經(jīng)濟關(guān)系； 微觀經(jīng)濟計量模型 : 反映個別經(jīng)濟單位（廠商）的數(shù)量關(guān)系。例如，怎樣搭配投入的資本（ K）和勞動（ L）的比例，以便產(chǎn)出一個最大的產(chǎn)品數(shù)量（ Y），就是一個生產(chǎn)技術(shù)關(guān)系 ,常用的生產(chǎn)函數(shù)是柯柏 — 道松拉斯函數(shù)： 3．制度方程 由政府規(guī)定的制度、法律、法令所決定的關(guān)系，稱之為制度關(guān)系。 1．行為方程 行為方程是反映經(jīng)濟系統(tǒng)中各種行為的方程，用以描述行為關(guān)系。 4．虛擬變量 是一種用來表示定性項目的變量，又稱假變量。上述模型中 P、 W、 I均為外生變量，它們的變化影響系統(tǒng)的變化，但不受系統(tǒng)變化的影響。 a0， a1,a2，b0， b1， b2為模型的參數(shù)， Dt = St為均衡條件。 簡單平均組合預測值為 。 【 例 】 某市近 15年社會消費品零售額與滯后 1—6 年的消費品零售額自相關(guān)數(shù)列見教材 .若建立一階自回歸模型，經(jīng)計算，可得到： 以上兩個自回歸模型均能通過 t檢驗、 F檢驗和 DW檢驗 , 多重共線性也不嚴重。其參數(shù)估計的標準方程組的形式同前幾節(jié)介紹的基本相同，只要令自回歸模型中的 yti = x即可。因而模型可應用于預測和控制。 3．回歸方程的顯著性檢驗 采用 F檢驗， F統(tǒng)計量的計算公式為 根據(jù)給定的顯著水平 a，自由度（ k， n—k— 1）查 F分布表，得到相應的臨界值 Fa，若 FFa，則回歸方程具有顯著意義，回歸效果顯著； FFa，則回歸方程無顯著意義，回歸效果不顯著。 多元性回歸模型的應用 1。條件數(shù)的計算通?？衫?SPSS等統(tǒng)計分析軟件作回歸模型估計的同時進行估計和檢驗。 判別多元線性回歸方程是否存在嚴重的多重共線性，可分別計算每兩個自變量之間的可決系數(shù) r2，若 r2R2或接近于 R2，則應設法降低多重共線性的影響。 多元線性回歸模型的參數(shù)估計 ，用最小二乘法求解參數(shù)。 3．利用回歸模型進行預測：點預測、區(qū)間預測 . 4．利用回歸模型進行控制 求 y在確定范圍內(nèi)取值，自變量 x控制在什么數(shù)值或取值范圍內(nèi) . 【 例 】 根據(jù)某市近 15年社會消費品零售額、人均 GDP的數(shù)據(jù)分析，當年社會消費品零售額與當年人均 GDP的相關(guān)系數(shù)為 ，與上年人均 GDP的相關(guān)系