计量经济学模型

发布时间：2020-10-21 09:01:04

多元线性回归模型

、建立模型

社会物流总费用受多种综合因素的影响，如运输费用、仓储费用、包装费用、 装卸搬运费用、流通加工费用、信息处理费用等，而其中最重要的因素就是运输 费用和仓储费用，即运输费用和仓储费用与社会物流总费用之间存在单方向的因 果关系；由此，我们可设以下回归模型： Yi二b0+b1*x1i+b2*x2i+ ui

现在以中国1995年至2004年物流总费用占GDP比例（％）的资料进行回 归分析，并对估计模型进行检验。

1995年至2004年物流总费用占GDP比例（%）

年份

运输费用

仓储费用

社会物流总费用

1995

11.0

7.6

22.0

1996

11.2

7.5

22.0

1997

11.0

7.7

22.3

1998

11.0

6.8

21.4

1999

11.6

6.2

21.4

2000

11.2

6.5

21.2

2001

11.2

6.4

21.1

2002

11.6

6.4

21.5

2003

12.0

6.3

21.4

2004

12.1

6.2

21.3

在Eviews中新建工作簿，定义变量“商品价格” （x1）、“消费者人均月收

入”（x2）及“商品需求量” （y）,并输入相关数据，得出相应散点图如下：

①x1与y的散点图为:

②x2与y的散点图为:

由两张散点图不能明确的看出x1、x2与y之间存在线性关系，故通过Eviews 软件计算，得出估计模型的参数结果如下：

EViews. - [Equation' UNHTLED Workfite:鹽疏\Untit居d]

O ' '

View Proc Object Print Name Freeze

Estrnate Forecast Stats Re&ds

D^ppnrlsnl Variahffi' Y

PJethocl Least Squares

Date 06/19.12 Time

15:59

Sample 1995 2004

Includ&d observations

10

Vari a Me

Coefficient

Std E rror

t-Statistic

Prob.

C

11 57035

2.285110

0.0014

X1

0 40S699

0151900

2.670165

0.0320

X2

0 794365

0 103334

7 697365

0 00U1

R-squared

Q 91409S

Mean depentlenf var

21 56000

Adjusted R-cqusred

0 390583

S D de^Qnd»nt var

0 397772

S E of regressian

G 131676

Akaike info criterion

■0 975137

Sum squared r&sid

0 121186

Schwarz crrterion

心 884362

Log livelihood

7 376667

F-statistic

37.626SS

Durbin-Watson stat

2.544672

Prob(F-statistic)

0.000180

由以上数据可知回归方程为:

Y=11.57032+0.405599*x1 +0.794365*x2

(5.07) (2.67 (7.69)

R2 0.9149 R2 0.8909 F 37.62689

二、模型检验

1、 经济意义检验：

1b0=11.57032，在运输费用与仓储费用接近于零时， 仍存在其他物流费用；②b1=0.405599,

说明运输费用与社会物流总费用之间存在正的线性关系，运输费用每增加 1%,社会物

流总费用增加0.405599%

③b2= 0.794365,说明仓储费用与社会物流总费用之间存在正的线性关系，仓储费用每 增加1%，社会物流总费用增加 0.794365%

2、 计量经济学检验：

1拟合优度检验：本模型的拟合优度系数为 0.914898,表明本模型具有较高的拟合优度，

x1、x2对y的解释能力较好；

2变量的显著性检验(t检验)：方程的截距项和斜率项的 t检验值分别为5.07、2.67、7.69，

均大于5%显著性水平下自由度为 n-2=8的临界值t0.025(8)=1.860,模型参数估计显著，

拒绝原假设H0 ;

3方程的显著性检验( F检验)：有上图可知， F-statistic =37.62689； Prob(F-statistic)

=0.000180,由F检验的原则可知，在显著性概率为 0.05的条件下，回归方程显著成立,

拒绝H0 ;

三、异方差性检验

Vie1；. Pr&c Object

Print Name

fetimabe Forecast

Stats Resids;

Equdcin: UM TIT LED Workfile!蜿流命

White Heteroskedasticity Test

^statistic

□tbS^R-squared

4 392042 Probability

8 459130 Probability

0 088336

0.132679

Test Equation

Dependent Variable RESIDE fJethod L^ast Sqjarss

OatG： 05/19/12 Time: 16:01

Sample: 1995 2004

included obaeivati ons 10

在5%的显著性水平下，辅助回归的nR2 8.459 大于自由度为5的卡方分布临界值

故模型存在异方差性，现用加权最小二乘法对其进行修正：

1.145,



Rlrr

O

P「x

Print 'Isms

Ff■盟店

Es:mate ?t SUts Reside

Dependent Variable: Y

Method Least Squares

Date: OS/1Q/12 Time 1G:1G

Sample' 1995 2004

Included observations: 10

Weighting series. 1/A0S(E1)

Vanable

Coefficient

Sid Error

(Statistic

Prob

C

11.65600

0.979161

11.91718

o.oooc

0.398039

0.059525

6.685934

0.0003

X2

0.783170

0.057107

13J0174

0.0000

Weighted Statistics

R-sq uared

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood

Durbin-Watson stat

099997G

0 999970

0.069222

0033542

14 29830

2 259911

Mean d&pendent var S D dependent var Akaike info cfiterion Silhwarz criterian F-statistic

Pro b(F-stati Stic)

21 52737

12 55&89

-2.25&6&C

2.165585

101 6870

0 000007

Unweight ed

Statistics

R-squared

Adjusted R-squar电d S.E. of regression Durbin^Vaison stat

0 902733

0.075006

0 140630

2 253441

Mean d&pendent var S.D. dependent var

Sum squared resid

21 56000

0.397772

0 130437

即采用加权最小二乘法得到的回归方程为:

=11.65680+0.398039*x1+0.788178*x2

(11.92) (6.69) (13.80) R2 0.999976

可以看出，加权最小二乘法的结果与普通最小二乘估计的结果有较大的区别。

四、序列相关性检验

由图示法检验可以看出，模型存在正序列相关，现用广义差分法对其修正:

匚Viev/s - [Equation: UNT17LED Work^il?:



□

Ufe冉 Proc ObjEci Print Name Reeze Estimate Forecast Stats Resids

Dep&rdent Variable ¥

Method: Least Squares

Date 05/19/12 Time: 18.54

Sample (adjustadj' 1996 2004

Included observations: 9 alter adjustments

Convergence achieved after 7 iterations

Varia t>la

Ccefli cien t

Stti Error

t-Statiistic

Prob

C

12.38033

1 9S6885

6.325803

O.OG15

X1

0.345864

0.131130

2.637571

0.04G1

X2

0.776354

0.0S3733

8749286

0.0003

AR(1)

-0.427G97

0.41035&

-1 042250

Q.3450

R-squared

0.920C55

Me a n dependent vaf

21.51111

Adjusted R-squared

0 873047

S D dependent va「

0 388730

S E of regression

0.138506

Akaike infa criterion

-0 314701

Sum squared resid

0 0S5920

Schwarz criterion

-0.727045

Log liheiihood

7.56G152

F-statistic

15 33852

Durfcin-7urat5on stat

2 362899

Prob(F-statistic)

0 003503

Inverted AR Roots -.43

即采用广义差分法修正后得到的回归方程为:

兀 =12.38083+0.345864*x1+0.776354*x2-0.427697





五、多重共线性检验

从表中数据可以看出不存在较强的多重共线性。

计量经济学模型

推荐内容

相关推荐