计量经济学研究论文选题背景及意义
计量经济学研究论文选题背景及意义
计量经济学论文可以研究的问题有多种,期中比较简单的就是根据数据,建立方程,研究变量之间的关系,主要运用的工具就是计量经济学的初等知识和Eviews软件,思路、要求和注意事项我觉得这么说对你的帮助不大,所以给你一篇我的论文做参考,也许对你有帮助,如果你觉得看的不是很明白的话,可以再留言给我,我把什么思路等告诉你。 计量经济学 期末实验报告 实验名称:大中城市城镇居民人均消费支出与其影响因素的分析 姓 名: 学 号: 班 级: ()级统计学系()班 指导教师: 时 间: (上面是论文封皮) 23个城市城镇居民人均消费支出与其影响因素的分析(题目) 一、 经济理论背景 近几年来,中国经济保持了快速发展势头,投资、出口、消费形成了拉动经济发展的“三架马车”,这已为各界所取得共识。通过建立计量模型,运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析,找出其中关键影响因素,以为政策制定者提供一定参考,最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。 二、 有关人均消费支出及其影响因素的理论 我们主要从以下几个方面分析我国居民消费支出的影响因素: ①、居民未来支出预期上升,影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求,严重地影响了居民即期消费的增长,进而导致有效需求的不足,最终导致经济增长的乏力。90年代末期以来,我国的医疗、养老、失业保险、教育等一系列改革措施集中出台,原有的体制被打破,而新的体制尚未建立健全,因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大,而且基本上都是硬性支出,支出的不确定性也很大,导致居民目前对未来支出预期的上升。 ②、商品供求结构性矛盾依然突出 从消费结构上看,我国消费品市场已发生了新的根本性变化:居民低层次消费已近饱和,而更高水平的消费又未达到。改革开放20多年来,城乡居民经过了一个中档耐用消费品的普及阶段后,目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点,如轿车、住房等还远不能纳入大多数人的消费主流,居民现有的购买力不能形成推动主导消费品升级的动力。 ③、物价总水平持续在低水平运行,通货紧缩的压力较大,不利于消费的增长 加入WTO之后,随着关税的降低和进口规模的扩大,国外产品对我国市场的冲击将进一步加大,国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降,不利于居民的消费增长。因为从居民的消费心理上看,买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期,因此往往推迟消费,不利于居民消费的增长。另外,从统计上分析,由于物价的下降,名义消费增长往往低于实际消费的增长,这在一定程度上也不利于消费增长幅度的提高。 ④、我国现阶段没有形成大的消费热点,难以带动消费的快速增长 经过近几年的培育和发展,我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点,可以促进消费的稳定增长,但始终未能形成大的消费热点,因此不能带动消费的高速增长。 三、 相关数据收集 相关数据均来源于2006年《中国统计年鉴》: 23个大中城市城镇居民家庭基本情况(表格) 地区 平均每户就业人口(人) 平均每一就业者负担人数(人) 平均每人实际月收入(元) 人均可支配收入(元) 人均消费支出(元) 北京 6 8 1 2 9 天津 4 0 6 8 8 石家庄 4 0 3 0 9 太原 3 2 9 9 5 呼和浩特 5 9 2 8 7 沈阳 3 1 5 7 1 大连 6 8 8 1 5 长春 8 7 1 1 2 哈尔滨 4 0 8 5 4 上海 6 9 0 1 3 南京 4 0 4 0 6 杭州 5 9 0 9 2 宁波 5 8 4 2 4 合肥 6 8 5 1 9 福州 7 9 5 4 8 厦门 5 9 7 3 7 南昌 4 8 0 1 4 济南 7 7 3 8 4 青岛 6 8 6 5 7 郑州 4 1 2 2 3 武汉 5 0 5 2 1 长沙 4 1 9 9 8 广州 7 8 6 1 1 四、 模型的建立 根据数据,我们建立多元线性回归方程的一般模型为: 其中: ——人均消费支出 ——常数项 ——回归方程的参数 ——平均每户就业人口数 ——平均每一就业者负担人口数 ——平均每人实际月收入 ——人均可支配收入 ——随即误差项 五、实验过程 (一)回归模型参数估计 根据数据建立多元线性回归方程: 首先利用Eviews软件对模型进行OLS估计,得样本回归方程。 利用Eviews输出结果如下: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -180 506 -282633 2159 X1 3490 2332 427889 1704 X2 1209 7866 498528 1513 X3 552510 629371 466766 0239 X4 -180652 742107 -590947 1290 R-squared 721234 Mean dependent var 2913 Adjusted R-squared 659286 SD dependent var 1711 SE of regression 8502 Akaike info criterion 77564 Sum squared resid 9 Schwarz criterion 02249 Log likelihood -9199 F-statistic 64259 Durbin-Watson stat 047936 Prob(F-statistic) 000076 根据多元线性回归关于Eviews输出结果可以得到参数的估计值为: , , , , 从而初步得到的回归方程为: Se= (506) (2332) (7866) (629371) (742107) T= (-282633) (427889) (498528) (466766) (-590947) F=64259 df=18 模型检验:由于在 的水平下,解释变量 、 、 的检验的P值都大于05,所以变量不显著,说明模型中可能存在多重共线性等问题,进而对模型进行修正。 (二)处理多重共线性 我们采用逐步回归法对模型的多重共线性进行检验和处理: X1: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:28 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8238 6688 296574 7697 X1 0964 4840 531833 1405 R-squared 100508 Mean dependent var 2913 Adjusted R-squared 057675 SD dependent var 1711 SE of regression 6105 Akaike info criterion 68623 Sum squared resid 2 Schwarz criterion 78497 Log likelihood -3917 F-statistic 346511 Durbin-Watson stat 770750 Prob(F-statistic) 140491 X2: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 641 2658 632596 0156 X2 -1146 9597 -218861 2364 R-squared 066070 Mean dependent var 2913 Adjusted R-squared 021597 SD dependent var 1711 SE of regression 7371 Akaike info criterion 72380 Sum squared resid Schwarz criterion 82254 Log likelihood -8237 F-statistic 485623 Durbin-Watson stat 887292 Prob(F-statistic) 236412 X3: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8827 8342 326831 1988 X3 540400 095343 667960 0000 R-squared 604712 Mean dependent var 2913 Adjusted R-squared 585888 SD dependent var 1711 SE of regression 2575 Akaike info criterion 86402 Sum squared resid 5 Schwarz criterion 96276 Log likelihood -9362 F-statistic 12577 Durbin-Watson stat 064743 Prob(F-statistic) 000013 X4: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:30 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7094 8178 141465 2665 X4 596476 124231 801338 0001 R-squared 523300 Mean dependent var 2913 Adjusted R-squared 500600 SD dependent var 1711 SE of regression 4178 Akaike info criterion 05129 Sum squared resid 1 Schwarz criterion 15003 Log likelihood -0898 F-statistic 05284 Durbin-Watson stat 037087 Prob(F-statistic) 000096 由得出的数据可以看出, 的调整的判定系数最大,因此首先把 引入调整的方程中,然后在分别引入变量 、 、 进行OLS得: X1、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:32 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -8991 9081 -644388 5266 X1 8101 2070 275533 2167 X3 517213 095693 404899 0000 R-squared 634449 Mean dependent var 2913 Adjusted R-squared 597894 SD dependent var 1711 SE of regression 1510 Akaike info criterion 87276 Sum squared resid 2 Schwarz criterion 02087 Log likelihood -0368 F-statistic 35596 Durbin-Watson stat 032110 Prob(F-statistic) 000043 X2、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:33 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 5536 1435 451015 6568 X2 -00981 0392 -110678 9130 X3 536856 102783 223221 0000 R-squared 604954 Mean dependent var 2913 Adjusted R-squared 565449 SD dependent var 1711 SE of regression 7747 Akaike info criterion 95036 Sum squared resid 0 Schwarz criterion 09847 Log likelihood -9292 F-statistic 31348 Durbin-Watson stat 063247 Prob(F-statistic) 000093 X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:34 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7015 5882 326290 0306 X3 766892 553402 192782 0046 X4 -473721 656624 -244390 0363 R-squared 684240 Mean dependent var 2913 Adjusted R-squared 652664 SD dependent var 1711 SE of regression 1157 Akaike info criterion 72634 Sum squared resid 0 Schwarz criterion 87445 Log likelihood -3529 F-statistic 66965 Durbin-Watson stat 111635 Prob(F-statistic) 000010 由数据结果可以看出,引入X4时方程的调整判定系数最大,且解释变量均通过了显著性检验,再分别引入X1、X2进行分析。 X1、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:37 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 6693 8464 479562 6370 X1 29944 6512 366505 7180 X3 652622 646003 558228 0192 X4 -345001 757634 -775265 0919 R-squared 686457 Mean dependent var 2913 Adjusted R-squared 636950 SD dependent var 1711 SE of regression 0712 Akaike info criterion 80625 Sum squared resid 3 Schwarz criterion 00373 Log likelihood -2719 F-statistic 86591 Durbin-Watson stat 082104 Prob(F-statistic) 000050 X2、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:38 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 60939 2088 127981 8995 X2 1557 9303 575948 5714 X3 886588 600027 144175 0053 X4 -596394 701018 -277251 0345 R-squared 689658 Mean dependent var 2913 Adjusted R-squared 640657 SD dependent var 1711 SE of regression 3798 Akaike info criterion 79599 Sum squared resid 8 Schwarz criterion 99347 Log likelihood -1539 F-statistic 07429 Durbin-Watson stat 143110 Prob(F-statistic) 000046 由输出结果可以看出,在 的水平下,解释变量 、 的检验的P值都大于05,解释变量不能通过显著性检验,因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为: Se= (5882) (553402) (656624) T= (326290) (192782) (-244390) F=66965 df=20 (三)异方差性的检验 对模型 进行怀特检验: White Heteroskedasticity Test: F-statistic 071659 Probability 399378 Obs*R-squared 423847 Probability 351673 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/07 Time: 16:53 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 50 9 266460 7929 X3 9623 1924 394723 6977 X3^2 -071268 187278 -380548 7080 X4 -6779 3390 -467114 6460 X4^2 121138 229933 526841 6047 R-squared 192341 Mean dependent var 87 Adjusted R-squared 012861 SD dependent var 54 SE of regression 59 Akaike info criterion 12207 Sum squared resid 60E+09 Schwarz criterion 36892 Log likelihood -9038 F-statistic 071659 Durbin-Watson stat 968939 Prob(F-statistic) 399378 由检验结果可知, ,由White检验知,在 时,查 分布表,得临界值 (20)=1435,因为 < (5)= 1435,所以模型中不存在异方差。 (四)自相关的检验 由模型的输出结果可知,估计结果都比较满意,无论是回归方程检验,还是参数显著性检验的检验概率,都显著小于05,D-W值为111635,显著性水平 =05下查Durbin-Watson表,其中n=23,解释变量的个数为2,得到下限临界值 ,上限临界值 , =543 计量经济学论文可以研究的问题有多种,期中比较简单的就是根据数据,建立方程,研究变量之间的关系,主要运用的工具就是计量经济学的初等知识和Eviews软件,思路、要求和注意事项我觉得这么说对你的帮助不大,所以给你一篇我的论文做参考,也许对你有帮助,如果你觉得看的不是很明白的话,可以再留言给我,我把什么思路等告诉你。 计量经济学 期末实验报告 实验名称:大中城市城镇居民人均消费支出与其影响因素的分析 姓 名: 学 号: 班 级: ()级统计学系()班 指导教师: 时 间: (上面是论文封皮) 23个城市城镇居民人均消费支出与其影响因素的分析(题目) 一、 经济理论背景 近几年来,中国经济保持了快速发展势头,投资、出口、消费形成了拉动经济发展的“三架马车”,这已为各界所取得共识。通过建立计量模型,运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析,找出其中关键影响因素,以为政策制定者提供一定参考,最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。 二、 有关人均消费支出及其影响因素的理论 我们主要从以下几个方面分析我国居民消费支出的影响因素: ①、居民未来支出预期上升,影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求,严重地影响了居民即期消费的增长,进而导致有效需求的不足,最终导致经济增长的乏力。90年代末期以来,我国的医疗、养老、失业保险、教育等一系列改革措施集中出台,原有的体制被打破,而新的体制尚未建立健全,因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大,而且基本上都是硬性支出,支出的不确定性也很大,导致居民目前对未来支出预期的上升。 ②、商品供求结构性矛盾依然突出 从消费结构上看,我国消费品市场已发生了新的根本性变化:居民低层次消费已近饱和,而更高水平的消费又未达到。改革开放20多年来,城乡居民经过了一个中档耐用消费品的普及阶段后,目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点,如轿车、住房等还远不能纳入大多数人的消费主流,居民现有的购买力不能形成推动主导消费品升级的动力。 ③、物价总水平持续在低水平运行,通货紧缩的压力较大,不利于消费的增长 加入WTO之后,随着关税的降低和进口规模的扩大,国外产品对我国市场的冲击将进一步加大,国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降,不利于居民的消费增长。因为从居民的消费心理上看,买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期,因此往往推迟消费,不利于居民消费的增长。另外,从统计上分析,由于物价的下降,名义消费增长往往低于实际消费的增长,这在一定程度上也不利于消费增长幅度的提高。 ④、我国现阶段没有形成大的消费热点,难以带动消费的快速增长 经过近几年的培育和发展,我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点,可以促进消费的稳定增长,但始终未能形成大的消费热点,因此不能带动消费的高速增长。 三、 相关数据收集 相关数据均来源于2006年《中国统计年鉴》: 23个大中城市城镇居民家庭基本情况(表格) 地区 平均每户就业人口(人) 平均每一就业者负担人数(人) 平均每人实际月收入(元) 人均可支配收入(元) 人均消费支出(元) 北京 6 8 1 2 9 天津 4 0 6 8 8 石家庄 4 0 3 0 9 太原 3 2 9 9 5 呼和浩特 5 9 2 8 7 沈阳 3 1 5 7 1 大连 6 8 8 1 5 长春 8 7 1 1 2 哈尔滨 4 0 8 5 4 上海 6 9 0 1 3 南京 4 0 4 0 6 杭州 5 9 0 9 2 宁波 5 8 4 2 4 合肥 6 8 5 1 9 福州 7 9 5 4 8 厦门 5 9 7 3 7 南昌 4 8 0 1 4 济南 7 7 3 8 4 青岛 6 8 6 5 7 郑州 4 1 2 2 3 武汉 5 0 5 2 1 长沙 4 1 9 9 8 广州 7 8 6 1 1 四、 模型的建立 根据数据,我们建立多元线性回归方程的一般模型为: 其中: ——人均消费支出 ——常数项 ——回归方程的参数 ——平均每户就业人口数 ——平均每一就业者负担人口数 ——平均每人实际月收入 ——人均可支配收入 ——随即误差项 五、实验过程 (一)回归模型参数估计 根据数据建立多元线性回归方程: 首先利用Eviews软件对模型进行OLS估计,得样本回归方程。 利用Eviews输出结果如下: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -180 506 -282633 2159 X1 3490 2332 427889 1704 X2 1209 7866 498528 1513 X3 552510 629371 466766 0239 X4 -180652 742107 -590947 1290 R-squared 721234 Mean dependent var 2913 Adjusted R-squared 659286 SD dependent var 1711 SE of regression 8502 Akaike info criterion 77564 Sum squared resid 9 Schwarz criterion 02249 Log likelihood -9199 F-statistic 64259 Durbin-Watson stat 047936 Prob(F-statistic) 000076 根据多元线性回归关于Eviews输出结果可以得到参数的估计值为: , , , , 从而初步得到的回归方程为: Se= (506) (2332) (7866) (629371) (742107) T= (-282633) (427889) (498528) (466766) (-590947) F=64259 df=18 模型检验:由于在 的水平下,解释变量 、 、 的检验的P值都大于05,所以变量不显著,说明模型中可能存在多重共线性等问题,进而对模型进行修正。 (二)处理多重共线性 我们采用逐步回归法对模型的多重共线性进行检验和处理: X1: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:28 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8238 6688 296574 7697 X1 0964 4840 531833 1405 R-squared 100508 Mean dependent var 2913 Adjusted R-squared 057675 SD dependent var 1711 SE of regression 6105 Akaike info criterion 68623 Sum squared resid 2 Schwarz criterion 78497 Log likelihood -3917 F-statistic 346511 Durbin-Watson stat 770750 Prob(F-statistic) 140491 X2: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 641 2658 632596 0156 X2 -1146 9597 -218861 2364 R-squared 066070 Mean dependent var 2913 Adjusted R-squared 021597 SD dependent var 1711 SE of regression 7371 Akaike info criterion 72380 Sum squared resid Schwarz criterion 82254 Log likelihood -8237 F-statistic 485623 Durbin-Watson stat 887292 Prob(F-statistic) 236412 X3: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8827 8342 326831 1988 X3 540400 095343 667960 0000 R-squared 604712 Mean dependent var 2913 Adjusted R-squared 585888 SD dependent var 1711 SE of regression 2575 Akaike info criterion 86402 Sum squared resid 5 Schwarz criterion 96276 Log likelihood -9362 F-statistic 12577 Durbin-Watson stat 064743 Prob(F-statistic) 000013 X4: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:30 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7094 8178 141465 2665 X4 596476 124231 801338 0001 R-squared 523300 Mean dependent var 2913 Adjusted R-squared 500600 SD dependent var 1711 SE of regression 4178 Akaike info criterion 05129 Sum squared resid 1 Schwarz criterion 15003 Log likelihood -0898 F-statistic 05284 Durbin-Watson stat 037087 Prob(F-statistic) 000096 由得出的数据可以看出, 的调整的判定系数最大,因此首先把 引入调整的方程中,然后在分别引入变量 、 、 进行OLS得: X1、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:32 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -8991 9081 -644388 5266 X1 8101 2070 275533 2167 X3 517213 095693 404899 0000 R-squared 634449 Mean dependent var 2913 Adjusted R-squared 597894 SD dependent var 1711 SE of regression 1510 Akaike info criterion 87276 Sum squared resid 2 Schwarz criterion 02087 Log likelihood -0368 F-statistic 35596 Durbin-Watson stat 032110 Prob(F-statistic) 000043 X2、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:33 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 5536 1435 451015 6568 X2 -00981 0392 -110678 9130 X3 536856 102783 223221 0000 R-squared 604954 Mean dependent var 2913 Adjusted R-squared 565449 SD dependent var 1711 SE of regression 7747 Akaike info criterion 95036 Sum squared resid 0 Schwarz criterion 09847 Log likelihood -9292 F-statistic 31348 Durbin-Watson stat 063247 Prob(F-statistic) 000093 X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:34 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7015 5882 326290 0306 X3 766892 553402 192782 0046 X4 -473721 656624 -244390 0363 R-squared 684240 Mean dependent var 2913 Adjusted R-squared 652664 SD dependent var 1711 SE of regression 1157 Akaike info criterion 72634 Sum squared resid 0 Schwarz criterion 87445 Log likelihood -3529 F-statistic 66965 Durbin-Watson stat 111635 Prob(F-statistic) 000010 由数据结果可以看出,引入X4时方程的调整判定系数最大,且解释变量均通过了显著性检验,再分别引入X1、X2进行分析。 X1、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:37 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 6693 8464 479562 6370 X1 29944 6512 366505 7180 X3 652622 646003 558228 0192 X4 -345001 757634 -775265 0919 R-squared 686457 Mean dependent var 2913 Adjusted R-squared 636950 SD dependent var 1711 SE of regression 0712 Akaike info criterion 80625 Sum squared resid 3 Schwarz criterion 00373 Log likelihood -2719 F-statistic 86591 Durbin-Watson stat 082104 Prob(F-statistic) 000050 X2、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:38 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 60939 2088 127981 8995 X2 1557 9303 575948 5714 X3 886588 600027 144175 0053 X4 -596394 701018 -277251 0345 R-squared 689658 Mean dependent var 2913 Adjusted R-squared 640657 SD dependent var 1711 SE of regression 3798 Akaike info criterion 79599 Sum squared resid 8 Schwarz criterion 99347 Log likelihood -1539 F-statistic 07429 Durbin-Watson stat 143110 Prob(F-statistic) 000046 由输出结果可以看出,在 的水平下,解释变量 、 的检验的P值都大于05,解释变量不能通过显著性检验,因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为: Se= (5882) (553402) (656624) T= (326290) (192782) (-244390) F=66965 df=20 (三)异方差性的检验 对模型 进行怀特检验: White Heteroskedasticity Test: F-statistic 071659 Probability 399378 Obs*R-squared 423847 Probability 351673 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/07 Time: 16:53 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 50 9 266460 7929 X3 9623 1924 394723 6977 X3^2 -071268 187278 -380548 7080 X4 -6779 3390 -467114 6460 X4^2 121138 229933 526841 6047 R-squared 192341 Mean dependent var 87 Adjusted R-squared 012861 SD dependent var 54 SE of regression 59 Akaike info criterion 12207 Sum squared resid 60E+09 Schwarz criterion 36892 Log likelihood -9038 F-statistic 071659 Durbin-Watson stat 968939 Prob(F-statistic) 399378 由检验结果可知, ,由White检验知,在 时,查 分布表,得临界值 (20)=1435,因为 < (5)= 1435,所以模型中不存在异方差。 (四)自相关的检验 由模型的输出结果可知,估计结果都比较满意,无论是回归方程检验,还是参数显著性检验的检验概率,都显著小于05,D-W值为111635,显著性水平 =05下查Durbin-Watson表,其中n=23,解释变量的个数为2,得到下限临界值 ,上限临界值 , =543 第一个点是,以佛里德曼为代表的经济学研究方法论,即“前提不重要,推论过程也不重要,重要的是结论符合现实”。这种方法,本质上就是把计量本身,认定是可以脱离理论,或者说认定计量本身可以推出理论。而不是说在理论的指导下进行计量。我想,经济学方法论争执得那么多,这个背景,他应该也了解吧?当时在南大BBS上,关于可证伪性的争论那么火热,不就是围绕这个问题么?我记得当时南大经济学论坛的进版画面有一句话,大意是说越有效的理论,其前提越是不符合现实的。所以,在这样的经济学研究方法下,我对计量进行批评,不可谓说是轻率的。 第二个点是,随着计量技术的进一步提高,计量本身也在开始神秘化。例如协整理论。不少介绍都说协整理论可以从数据自身推导出理论联系,判断变量的长期关系或者短期关系,认为“经典的计量经济学模型是以某种经济理论或对经济行为的认识来确立模型的理论关系形式,而协整则是从经济变量的数据中所显示的关系出发,确定模型包含的变量和变量之间的理论关系。这是20世纪80年代以来计量经济学模型理论的一个重大发展”。而我在这点上所作的努力是告诉大家:无论计量怎么发展,它都没有超越经典计量模型所受到的局限,不可能比经典计量更高明,其与理论的关系,不可能比经典计量有更大突破。计量只不过是起对数据进行排列组合,来看这些组合中是否凑巧给出理论启示,或者看其是否符合理论的结果。神秘化的计量理论,注定是占星术。 第三个点是,我既然对西方经济学特别是宏观经济学部分的理论大部分进行否定,那就意味着我根本不承认其理论的正确性。而其理论的正确性被否认,则其理论指导下的计量模型,就失去价值而变得毫无意义。因此,我对西方经济学计量的批判,最大的基础来自对西方经济学理论的批判。当我认为西方经济学理论本身不能成立的时候,我自然会说其建立的计量模型及其结论,无论其可信度为多少,都毫无意义。因此,猪头非恐怕得首先为西方经济学的那些理论进行辩护。 最后还要补充一点:即使给定正确的理论,然后使用计量来检验或者预测某些细微性质,我也不认为计量就是很好的办法。相反,计量结果的统计特性,遗漏了很多图形本身的重要性质。计量所得出的结论,往往反而掩盖了事实真相。因此,除非作为辅助工具,或者不得已,我宁愿直接去看图形本身,并对图形的各个阶段或者整体,进行物理化的分析,而不是进行计量分析。只有这样,才能尽可能完全地解读图形性质。 至于猪头非同学说:“如果非要拿这个例子比喻计量的话,你要是能知道走过的轨迹是什么模样,就已经相当了不起了。况且,计量要研究的还不止是什么形状,还要研究这个形状的具体参数,比如弧度多少,半径多少等等,这就更不容易了。中级计量班的学期论文如果能够对“走过的轨迹”有令人信服的分析和描绘,就已经圆满地完成任务了。” 我的回答其实很简单:1、要知道走过的轨迹是什么模样,这恰恰是理论分析,而不是计量。你必须先通过理论分析,获得轨迹的种类信息,然后才谈的上通过计量获得具体参数。2、所谓半径这些概念,是在假定轨迹为圆形的假设下才有的参数。如果只是局部数据接近半圆,但是未知数据部分根本就不是圆,何来半径之说?你根据已有数据计算出来的半径,有什么意义呢?3、中级计量班的学期论文能够对走过的轨迹进行分析,你加了个“令人信服”,这四个字说明了理论还是第一的。否则,你怎么“令人信服”地说既有数据一定是圆的一部分?这样,即使中级计量班毕业成绩比较好看,在现实中,仍然不能解决任何问题,相反只是误导问题而已。 至于猪头非最后说宏观经济预测得准——他说即使没有理论依据。这个恐怕就是一厢情愿了吧?在宏观经济中,我还没有看到西方经济的哪个理论能以较大概率预测准的。他可以列举例子,不管老宋也好还是其它人也好,给出预测的文章、日期,然后给出被预测实现的经济数据。 要是这么容易被预测准,而且是在啥都不知道的情况下预测准,就不会有那么一大群经济学家在指点江山后被大众臭骂,然后万分委屈地说:“经济学只能用来解释世界,不能用来预测世界”。 第一个点是,以佛里德曼为代表的经济学研究方法论,即“前提不重要,推论过程也不重要,重要的是结论符合现实”。这种方法,本质上就是把计量本身,认定是可以脱离理论,或者说认定计量本身可以推出理论。而不是说在理论的指导下进行计量。我想,经济学方法论争执得那么多,这个背景,他应该也了解吧?当时在南大BBS上,关于可证伪性的争论那么火热,不就是围绕这个问题么?我记得当时南大经济学论坛的进版画面有一句话,大意是说越有效的理论,其前提越是不符合现实的。所以,在这样的经济学研究方法下,我对计量进行批评,不可谓说是轻率的。 第二个点是,随着计量技术的进一步提高,计量本身也在开始神秘化。例如协整理论。不少介绍都说协整理论可以从数据自身推导出理论联系,判断变量的长期关系或者短期关系,认为“经典的计量经济学模型是以某种经济理论或对经济行为的认识来确立模型的理论关系形式,而协整则是从经济变量的数据中所显示的关系出发,确定模型包含的变量和变量之间的理论关系。这是20世纪80年代以来计量经济学模型理论的一个重大发展”。而我在这点上所作的努力是告诉大家:无论计量怎么发展,它都没有超越经典计量模型所受到的局限,不可能比经典计量更高明,其与理论的关系,不可能比经典计量有更大突破。计量只不过是起对数据进行排列组合,来看这些组合中是否凑巧给出理论启示,或者看其是否符合理论的结果。神秘化的计量理论,注定是占星术。 第三个点是,我既然对西方经济学特别是宏观经济学部分的理论大部分进行否定,那就意味着我根本不承认其理论的正确性。而其理论的正确性被否认,则其理论指导下的计量模型,就失去价值而变得毫无意义。因此,我对西方经济学计量的批判,最大的基础来自对西方经济学理论的批判。当我认为西方经济学理论本身不能成立的时候,我自然会说其建立的计量模型及其结论,无论其可信度为多少,都毫无意义。因此,猪头非恐怕得首先为西方经济学的那些理论进行辩护。 最后还要补充一点:即使给定正确的理论,然后使用计量来检验或者预测某些细微性质,我也不认为计量就是很好的办法。相反,计量结果的统计特性,遗漏了很多图形本身的重要性质。计量所得出的结论,往往反而掩盖了事实真相。因此,除非作为辅助工具,或者不得已,我宁愿直接去看图形本身,并对图形的各个阶段或者整体,进行物理化的分析,而不是进行计量分析。只有这样,才能尽可能完全地解读图形性质。 至于猪头非同学说:“如果非要拿这个例子比喻计量的话,你要是能知道走过的轨迹是什么模样,就已经相当了不起了。况且,计量要研究的还不止是什么形状,还要研究这个形状的具体参数,比如弧度多少,半径多少等等,这就更不容易了。中级计量班的学期论文如果能够对“走过的轨迹”有令人信服的分析和描绘,就已经圆满地完成任务了。” 我的回答其实很简单:1、要知道走过的轨迹是什么模样,这恰恰是理论分析,而不是计量。你必须先通过理论分析,获得轨迹的种类信息,然后才谈的上通过计量获得具体参数。2、所谓半径这些概念,是在假定轨迹为圆形的假设下才有的参数。如果只是局部数据接近半圆,但是未知数据部分根本就不是圆,何来半径之说?你根据已有数据计算出来的半径,有什么意义呢?3、中级计量班的学期论文能够对走过的轨迹进行分析,你加了个“令人信服”,这四个字说明了理论还是第一的。否则,你怎么“令人信服”地说既有数据一定是圆的一部分?这样,即使中级计量班毕业成绩比较好看,在现实中,仍然不能解决任何问题,相反只是误导问题而已。 至于猪头非最后说宏观经济预测得准——他说即使没有理论依据。这个恐怕就是一厢情愿了吧?在宏观经济中,我还没有看到西方经济的哪个理论能以较大概率预测准的。他可以列举例子,不管老宋也好还是其它人也好,给出预测的文章、日期,然后给出被预测实现的经济数据。 要是这么容易被预测准,而且是在啥都不知道的情况下预测准,就不会有那么一大群经济学家在指点江山后被大众臭骂,然后万分委屈地说:“经济学只能用来解释世界,不能用来预测世界”。 谁能告诉我这个跟政治经济的关系,应该比较少吧。 我有许多范文 还有我们自己做的论文 需要找我 qq:309735313 楼主好。。我帮你从知网上下了一篇,可以放大,也可保存后观看。。。这是相片,我有原始PDF版本的。。。需要的话,可以传给你。。。内容非常完整的。_xN3otqbppnN2DJv/xray2222/pic/item/jpg 计量经济学论文可以研究的问题有多种,期中比较简单的就是根据数据,建立方程,研究变量之间的关系,主要运用的工具就是计量经济学的初等知识和Eviews软件,思路、要求和注意事项我觉得这么说对你的帮助不大,所以给你一篇我的论文做参考,也许对你有帮助,如果你觉得看的不是很明白的话,可以再留言给我,我把什么思路等告诉你。 计量经济学 期末实验报告 实验名称:大中城市城镇居民人均消费支出与其影响因素的分析 姓 名: 学 号: 班 级: ()级统计学系()班 指导教师: 时 间: (上面是论文封皮) 23个城市城镇居民人均消费支出与其影响因素的分析(题目) 一、 经济理论背景 近几年来,中国经济保持了快速发展势头,投资、出口、消费形成了拉动经济发展的“三架马车”,这已为各界所取得共识。通过建立计量模型,运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析,找出其中关键影响因素,以为政策制定者提供一定参考,最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。 二、 有关人均消费支出及其影响因素的理论 我们主要从以下几个方面分析我国居民消费支出的影响因素: ①、居民未来支出预期上升,影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求,严重地影响了居民即期消费的增长,进而导致有效需求的不足,最终导致经济增长的乏力。90年代末期以来,我国的医疗、养老、失业保险、教育等一系列改革措施集中出台,原有的体制被打破,而新的体制尚未建立健全,因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大,而且基本上都是硬性支出,支出的不确定性也很大,导致居民目前对未来支出预期的上升。 ②、商品供求结构性矛盾依然突出 从消费结构上看,我国消费品市场已发生了新的根本性变化:居民低层次消费已近饱和,而更高水平的消费又未达到。改革开放20多年来,城乡居民经过了一个中档耐用消费品的普及阶段后,目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点,如轿车、住房等还远不能纳入大多数人的消费主流,居民现有的购买力不能形成推动主导消费品升级的动力。 ③、物价总水平持续在低水平运行,通货紧缩的压力较大,不利于消费的增长 加入WTO之后,随着关税的降低和进口规模的扩大,国外产品对我国市场的冲击将进一步加大,国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降,不利于居民的消费增长。因为从居民的消费心理上看,买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期,因此往往推迟消费,不利于居民消费的增长。另外,从统计上分析,由于物价的下降,名义消费增长往往低于实际消费的增长,这在一定程度上也不利于消费增长幅度的提高。 ④、我国现阶段没有形成大的消费热点,难以带动消费的快速增长 经过近几年的培育和发展,我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点,可以促进消费的稳定增长,但始终未能形成大的消费热点,因此不能带动消费的高速增长。 三、 相关数据收集 相关数据均来源于2006年《中国统计年鉴》: 23个大中城市城镇居民家庭基本情况(表格) 地区 平均每户就业人口(人) 平均每一就业者负担人数(人) 平均每人实际月收入(元) 人均可支配收入(元) 人均消费支出(元) 北京 6 8 1 2 9 天津 4 0 6 8 8 石家庄 4 0 3 0 9 太原 3 2 9 9 5 呼和浩特 5 9 2 8 7 沈阳 3 1 5 7 1 大连 6 8 8 1 5 长春 8 7 1 1 2 哈尔滨 4 0 8 5 4 上海 6 9 0 1 3 南京 4 0 4 0 6 杭州 5 9 0 9 2 宁波 5 8 4 2 4 合肥 6 8 5 1 9 福州 7 9 5 4 8 厦门 5 9 7 3 7 南昌 4 8 0 1 4 济南 7 7 3 8 4 青岛 6 8 6 5 7 郑州 4 1 2 2 3 武汉 5 0 5 2 1 长沙 4 1 9 9 8 广州 7 8 6 1 1 四、 模型的建立 根据数据,我们建立多元线性回归方程的一般模型为: 其中: ——人均消费支出 ——常数项 ——回归方程的参数 ——平均每户就业人口数 ——平均每一就业者负担人口数 ——平均每人实际月收入 ——人均可支配收入 ——随即误差项 五、实验过程 (一)回归模型参数估计 根据数据建立多元线性回归方程: 首先利用Eviews软件对模型进行OLS估计,得样本回归方程。 利用Eviews输出结果如下: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -180 506 -282633 2159 X1 3490 2332 427889 1704 X2 1209 7866 498528 1513 X3 552510 629371 466766 0239 X4 -180652 742107 -590947 1290 R-squared 721234 Mean dependent var 2913 Adjusted R-squared 659286 SD dependent var 1711 SE of regression 8502 Akaike info criterion 77564 Sum squared resid 9 Schwarz criterion 02249 Log likelihood -9199 F-statistic 64259 Durbin-Watson stat 047936 Prob(F-statistic) 000076 根据多元线性回归关于Eviews输出结果可以得到参数的估计值为: , , , , 从而初步得到的回归方程为: Se= (506) (2332) (7866) (629371) (742107) T= (-282633) (427889) (498528) (466766) (-590947) F=64259 df=18 模型检验:由于在 的水平下,解释变量 、 、 的检验的P值都大于05,所以变量不显著,说明模型中可能存在多重共线性等问题,进而对模型进行修正。 (二)处理多重共线性 我们采用逐步回归法对模型的多重共线性进行检验和处理: X1: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:28 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8238 6688 296574 7697 X1 0964 4840 531833 1405 R-squared 100508 Mean dependent var 2913 Adjusted R-squared 057675 SD dependent var 1711 SE of regression 6105 Akaike info criterion 68623 Sum squared resid 2 Schwarz criterion 78497 Log likelihood -3917 F-statistic 346511 Durbin-Watson stat 770750 Prob(F-statistic) 140491 X2: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 641 2658 632596 0156 X2 -1146 9597 -218861 2364 R-squared 066070 Mean dependent var 2913 Adjusted R-squared 021597 SD dependent var 1711 SE of regression 7371 Akaike info criterion 72380 Sum squared resid Schwarz criterion 82254 Log likelihood -8237 F-statistic 485623 Durbin-Watson stat 887292 Prob(F-statistic) 236412 X3: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 8827 8342 326831 1988 X3 540400 095343 667960 0000 R-squared 604712 Mean dependent var 2913 Adjusted R-squared 585888 SD dependent var 1711 SE of regression 2575 Akaike info criterion 86402 Sum squared resid 5 Schwarz criterion 96276 Log likelihood -9362 F-statistic 12577 Durbin-Watson stat 064743 Prob(F-statistic) 000013 X4: Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:30 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7094 8178 141465 2665 X4 596476 124231 801338 0001 R-squared 523300 Mean dependent var 2913 Adjusted R-squared 500600 SD dependent var 1711 SE of regression 4178 Akaike info criterion 05129 Sum squared resid 1 Schwarz criterion 15003 Log likelihood -0898 F-statistic 05284 Durbin-Watson stat 037087 Prob(F-statistic) 000096 由得出的数据可以看出, 的调整的判定系数最大,因此首先把 引入调整的方程中,然后在分别引入变量 、 、 进行OLS得: X1、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:32 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C -8991 9081 -644388 5266 X1 8101 2070 275533 2167 X3 517213 095693 404899 0000 R-squared 634449 Mean dependent var 2913 Adjusted R-squared 597894 SD dependent var 1711 SE of regression 1510 Akaike info criterion 87276 Sum squared resid 2 Schwarz criterion 02087 Log likelihood -0368 F-statistic 35596 Durbin-Watson stat 032110 Prob(F-statistic) 000043 X2、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:33 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 5536 1435 451015 6568 X2 -00981 0392 -110678 9130 X3 536856 102783 223221 0000 R-squared 604954 Mean dependent var 2913 Adjusted R-squared 565449 SD dependent var 1711 SE of regression 7747 Akaike info criterion 95036 Sum squared resid 0 Schwarz criterion 09847 Log likelihood -9292 F-statistic 31348 Durbin-Watson stat 063247 Prob(F-statistic) 000093 X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:34 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 7015 5882 326290 0306 X3 766892 553402 192782 0046 X4 -473721 656624 -244390 0363 R-squared 684240 Mean dependent var 2913 Adjusted R-squared 652664 SD dependent var 1711 SE of regression 1157 Akaike info criterion 72634 Sum squared resid 0 Schwarz criterion 87445 Log likelihood -3529 F-statistic 66965 Durbin-Watson stat 111635 Prob(F-statistic) 000010 由数据结果可以看出,引入X4时方程的调整判定系数最大,且解释变量均通过了显著性检验,再分别引入X1、X2进行分析。 X1、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:37 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 6693 8464 479562 6370 X1 29944 6512 366505 7180 X3 652622 646003 558228 0192 X4 -345001 757634 -775265 0919 R-squared 686457 Mean dependent var 2913 Adjusted R-squared 636950 SD dependent var 1711 SE of regression 0712 Akaike info criterion 80625 Sum squared resid 3 Schwarz criterion 00373 Log likelihood -2719 F-statistic 86591 Durbin-Watson stat 082104 Prob(F-statistic) 000050 X2、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:38 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 60939 2088 127981 8995 X2 1557 9303 575948 5714 X3 886588 600027 144175 0053 X4 -596394 701018 -277251 0345 R-squared 689658 Mean dependent var 2913 Adjusted R-squared 640657 SD dependent var 1711 SE of regression 3798 Akaike info criterion 79599 Sum squared resid 8 Schwarz criterion 99347 Log likelihood -1539 F-statistic 07429 Durbin-Watson stat 143110 Prob(F-statistic) 000046 由输出结果可以看出,在 的水平下,解释变量 、 的检验的P值都大于05,解释变量不能通过显著性检验,因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为: Se= (5882) (553402) (656624) T= (326290) (192782) (-244390) F=66965 df=20 (三)异方差性的检验 对模型 进行怀特检验: White Heteroskedasticity Test: F-statistic 071659 Probability 399378 Obs*R-squared 423847 Probability 351673 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/07 Time: 16:53 Sample: 1 23 Included observations: 23 Variable Coefficient S Error t-Statistic P C 50 9 266460 7929 X3 9623 1924 394723 6977 X3^2 -071268 187278 -380548 7080 X4 -6779 3390 -467114 6460 X4^2 121138 229933 526841 6047 R-squared 192341 Mean dependent var 87 Adjusted R-squared 012861 SD dependent var 54 SE of regression 59 Akaike info criterion 12207 Sum squared resid 60E+09 Schwarz criterion 36892 Log likelihood -9038 F-statistic 071659 Durbin-Watson stat 968939 Prob(F-statistic) 399378 由检验结果可知, ,由White检验知,在 时,查 分布表,得临界值 (20)=1435,因为 < (5)= 1435,所以模型中不存在异方差。 (四)自相关的检验 由模型的输出结果可知,估计结果都比较满意,无论是回归方程检验,还是参数显著性检验的检验概率,都显著小于05,D-W值为111635,显著性水平 =05下查Durbin-Watson表,其中n=23,解释变量的个数为2,得到下限临界值 ,上限临界值 , =543 我也在写,正好总结一下首页:题目,作者,指导老师,时间摘要,关键字一、研究问题背景二、文献综述/理论陈述三、数据,建模,得结果四、经济意义,统计意义检验,多重共线性检验,异方差检验,自相关检验五、修正模型,做预测,阐述模型意义,提出建议参考文献嗯,还是不太。。。但是大概应该是这样 希望以上网站内容能帮到你计量经济学研究论文选题背景和意义
计量经济学小论文选题背景及意义
计量经济学毕业论文选题背景及意义
计量经济学研究论文选题背景