计量经济学模型
发布时间:2020-10-21 09:01:04
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)
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。