我國(guó)國(guó)內(nèi)生產(chǎn)總值及其影響因素的回歸分析畢業(yè)論文-全文預(yù)覽
【正文】 .000.000N20202020202020**. Correlation is significant at the level (2tailed).：解釋變量之間存在高度正相關(guān)性，所以模型存在嚴(yán)重的多重共線性。：(1)變量的系數(shù)為負(fù)值，說(shuō)明國(guó)民生產(chǎn)總值隨居民儲(chǔ)蓄余額的增加而減少，這從理論上不符合我國(guó)的實(shí)際情況即與經(jīng)濟(jì)原理相悖；其他因素系數(shù)均為正，均符合經(jīng)濟(jì)原理，具有經(jīng)濟(jì)意義：各系數(shù)表示國(guó)內(nèi)生產(chǎn)總值對(duì)該因素的載荷即彈性大小。(3). 正態(tài)分布的假定條件為: () 由上述假定和多元正態(tài)分布的性質(zhì)可知，隨機(jī)變量遵從維正態(tài)分布，回歸模型的數(shù)學(xué)期望和方差為： ()3模型的建立與求解把上述應(yīng)變量記為，六個(gè)自變量分別設(shè)定為。為此，我們搜集了這六個(gè)因素在19902009年的統(tǒng)計(jì)數(shù)據(jù)，希望建立一個(gè)合適的多元線性回歸模型來(lái)探討影響我國(guó)國(guó)內(nèi)生產(chǎn)總值的因素，進(jìn)而為我國(guó)的經(jīng)濟(jì)發(fā)展提出較為科學(xué)合理的建議。從而我們可以根據(jù)這些因素對(duì)GDP的影響程度的大小來(lái)制定更好的經(jīng)濟(jì)政策和目標(biāo)以促進(jìn)國(guó)民經(jīng)濟(jì)健康持續(xù)發(fā)展。所以研究國(guó)內(nèi)生產(chǎn)總值的影響因素對(duì)我國(guó)的經(jīng)濟(jì)發(fā)展具有十分重要的作用和意義。通過(guò)計(jì)算這20年實(shí)際數(shù)據(jù)與每個(gè)模型的相對(duì)誤差將第四個(gè)模型確定為最終模型。在檢驗(yàn)中發(fā)現(xiàn)模型存在多重共線性，我們選擇逐步回歸法剔除無(wú)關(guān)變量從而消除了變量之間的多重共線性；利用等級(jí)相關(guān)系數(shù)法檢驗(yàn)?zāi)Ｐ偷漠惙讲钚圆⑶也捎脤?duì)數(shù)變換法對(duì)模型進(jìn)行修正，之后再利用White檢驗(yàn)發(fā)現(xiàn)修正后的模型已經(jīng)不存在存在異方差性；通過(guò)學(xué)生化殘差分析法對(duì)異常值進(jìn)行診斷；用拉格朗日乘數(shù)方法檢驗(yàn)(GB檢驗(yàn)法）發(fā)現(xiàn)模型存在二階自相關(guān)性并通過(guò)迭代法消除了序列相關(guān)性；經(jīng)過(guò)這一系列的檢驗(yàn)和修正，保證了變量能夠滿足多元線性回歸模型的基本假設(shè)。所以自從1985年國(guó)家統(tǒng)計(jì)局建立起相應(yīng)的核算制度以來(lái)，國(guó)內(nèi)生產(chǎn)總值核算已經(jīng)成為我國(guó)經(jīng)濟(jì)管理部門了解我國(guó)經(jīng)濟(jì)運(yùn)行情況的重要手段并且GDP的各項(xiàng)指標(biāo)已經(jīng)成為國(guó)家和各級(jí)政府制定經(jīng)濟(jì)發(fā)展戰(zhàn)略、中長(zhǎng)期規(guī)劃、年度計(jì)劃和各種宏觀經(jīng)濟(jì)政策的重要依據(jù)。通過(guò)定性描述和定量分析國(guó)內(nèi)生產(chǎn)總值的影響因素，從而可對(duì)影響國(guó)內(nèi)生產(chǎn)總值的影響因素以及它們各自的影響程度做出較為準(zhǔn)確的判斷。因此本文在分析我國(guó)國(guó)內(nèi)生產(chǎn)總值時(shí)選取了進(jìn)出口貿(mào)易總額、財(cái)政支出總額、職工工資總額、稅收總額、上期國(guó)內(nèi)生產(chǎn)總值和儲(chǔ)蓄余額這六個(gè)因素作為我國(guó)國(guó)內(nèi)生產(chǎn)總值模型的解釋變量。即假設(shè)觀測(cè)值沒(méi)有系統(tǒng)誤差，隨機(jī)誤差項(xiàng)的協(xié)方差假定表明隨機(jī)誤差項(xiàng)在不同的樣本點(diǎn)之間是不相關(guān)的(在正態(tài)假定下即為獨(dú)立的)， 不存在序列相關(guān)，并且有相同的精度?；诟戒汚中表的數(shù)據(jù)建立多元線性回歸模型，利用最小二乘法（OLS）通過(guò)SPSS軟件進(jìn)行參數(shù)估計(jì)，結(jié)果如下表： Model SummaryModelRR SquareAdjusted R SquareStd. Error of the Estimate1a. Predictors: (Constant), 儲(chǔ)蓄余額, 稅收收入, 進(jìn)出口額, 職工工資總額, 上期GDP, 財(cái)政支出. ANOVAbModelSum of SquaresdfMean SquareFSig.1Regression6.000aResidual13Total19a. Predictors: (Constant), 儲(chǔ)蓄余額, 稅收收入, 進(jìn)出口額, 職工工資總額, 上期GDP, 財(cái)政支出b. Dependent Variable: GDP. CoefficientsaModelUnstandardized CoefficientsStandardized CoefficientstSig.BStd. ErrorBeta1(Constant).195進(jìn)出口額.47.042.282.000財(cái)政支出.521.241.055職工工資總額.684.200.018稅收收入.098.083.016.259上期GDP.76.068.665.000儲(chǔ)蓄余額.379.005a. Dependent Variable: GDP.： ()： = 修正= = (顯著性水平α=) 即回歸方程通過(guò)了檢驗(yàn)，表明回歸方程在顯著性水平下是顯著的所以該模型從整體上看國(guó)內(nèi)生產(chǎn)總值與所有的解釋變量整體之間線性關(guān)系顯著。下面主要是從以上模型違背基本假設(shè)的幾個(gè)方面進(jìn)行檢驗(yàn)和修正。引入一個(gè)變量或從回歸方程中剔除一個(gè)變量，為逐步回歸的一步，每一步都要進(jìn)行F檢驗(yàn)，以確保每次引入新的變量之前回歸方程中只包含顯著的變量。也就是當(dāng)時(shí)，如果某個(gè)自變量的顯著性p值在和之間，那么這個(gè)自變量將被引入，剔除，再引入，再剔除，循環(huán)往復(fù)，以至無(wú)窮。4儲(chǔ)蓄余額.步進(jìn)（準(zhǔn)則: Ftoenter 的概率 = .050，F(xiàn)toremove 的概率 = .100）。d. 預(yù)測(cè)變量: (常量), 上期GDP, 進(jìn)出口額, 職工工資總額, 儲(chǔ)蓄余額。d. 預(yù)測(cè)變量: (常量), 上期GDP, 進(jìn)出口額, 職工工資總額, 儲(chǔ)蓄余額。等級(jí)相關(guān)系數(shù)法又稱(斯皮爾曼)檢驗(yàn)，是一種應(yīng)用較廣泛的方法。第三步，做等級(jí)相關(guān)系數(shù)的顯著性檢驗(yàn)。s rho進(jìn)出口額Correlation Coefficient.995**.994**.364Sig. (2tailed)..000.000.115N20202020職工工資總額Correlation Coefficient.995**.998**.361Sig. (2tailed).000..000.121N20202020上期GDPCorrelation Coefficient.994**.997**.367Sig. (2tailed).000.000..121N20202020Unstandardized ResidualCorrelation Coefficient.365.361.368Sig. (2tailed).116.121.112.N20202020**. Correlation is significant at the level (2tailed).：, , ，在顯著性水平的前題下可以認(rèn)為殘差絕對(duì)值與自變量存在異方差。常見(jiàn)的變量變換有以下幾種：(1) 如果與存在一定的比例關(guān)系，使用；(2) 如果與存在一定的比例關(guān)系，使用；(3) 如果與存在一定的比例關(guān)系，使用。C1078395.LNX1LNX3LNX5RsquaredAkaike info iterionSum squared resid+10White檢驗(yàn)不需要對(duì)觀測(cè)值排序，也不依賴于隨機(jī)誤差項(xiàng)是否服從正態(tài)分布，它通過(guò)構(gòu)造一個(gè)輔助回歸式即：檢驗(yàn)統(tǒng)計(jì)量(卡方分布)進(jìn)行異方差檢驗(yàn)。判別規(guī)則是比較懷特統(tǒng)計(jì)量與相應(yīng)卡方分布的臨界值:若在現(xiàn)有數(shù)據(jù)水平下我們沒(méi)有理由接受原假設(shè)即：隨機(jī)誤差項(xiàng)存在異方差；若則在現(xiàn)有數(shù)據(jù)水平下我們沒(méi)有理由拒絕原假設(shè)即：隨機(jī)誤差項(xiàng)不存在異方差。因此在利用回歸方程作分析和預(yù)測(cè)之前，需要診斷回歸效果以及樣本數(shù)據(jù)的質(zhì)量，檢查模型是否滿足多元線性回歸模型的基本假設(shè)，以便對(duì)模型作進(jìn)一步的修改。庫(kù)克距離的計(jì)算公式為 ， ()由式（）可以看出，庫(kù)克距離反映了杠桿值與殘差大小的一個(gè)綜合效應(yīng)。因此學(xué)生化殘差的相應(yīng)觀測(cè)值即判定為異常值。. 自相關(guān)性診斷和修正用拉格朗日乘數(shù)方法檢驗(yàn)（GB檢驗(yàn)法）： 對(duì)于自相關(guān)性診斷常用的方法有圖示檢驗(yàn)法、自相關(guān)系數(shù)法、檢驗(yàn)。 假設(shè)模型的隨機(jī)干擾項(xiàng)存在p階序列相關(guān)：，從p=1開(kāi)始，經(jīng)過(guò)逐次高階檢驗(yàn)，并利用各殘差項(xiàng)參數(shù)的顯著性判斷序列相關(guān)性，得到模型在p=2時(shí)的結(jié)果如下： BreuschGodfrey Serial Correlation LM Test:FstatisticProbabilityObs*RsquaredProbability Test quation: VariableCoefficientStd. ErrortStatisticProb.. dependent var. of regressionProb(Fstatistic)由于懷特統(tǒng)計(jì)量，則拒絕原假設(shè)，即我們認(rèn)為變量之間存在2階自相關(guān)性。迭代法的思想是：如果檢驗(yàn)表明誤差項(xiàng)存在自相關(guān)，那么對(duì)回歸模型重復(fù)迭代，這個(gè)過(guò)程可能要重復(fù)好幾次
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1