计量经济学毕业论文选题背景怎么写

计量经济学毕业论文选题背景怎么写

选题背景就是你写的论文是基于什么而写的。比如你写了一篇关于治理河道污染的论文，选题背景就是当前河道污染对人类对社会对人民生活造成了什么样的危害与影响等。再比如你写了一篇基于的网上商店的论文，选题背景就是网民为什么需要网上商店，网上商店对现在人民生活产生的影响，还可以写一些技术的优势等。

计算机毕业论文课题研究的目的、意义： 研究的目的、意义也就是为什么要研究、研究它有什么价值。这一般可以先从现实需要方面去论述，指出现实当中存在这个问题，需要去研究，去解决，本课题的研究有什么实际作用，然后，再写课题的理论和学术价值。这些都要写得具体一点，有针对性一点，不能漫无边际地空喊口号。不要都写成是坚持党教育方针、实施素质教育、提高教育教学质量等一般性的口号。主要内容包括：⑴ 研究的有关背景(课题的提出)： 即根据什么、受什么启发而搞这项研究。 ⑵ 通过分析本地（校） 的教育教学实际，指出为什么要研究该课题，研究的价值，要解决的问题。 完整的参考资料： _startRhtml

论文开题报告基本要素标题开题摘要目录介绍文献综述研究问题与假设方法论工作安排预期结果和结果的意义暂定论文章节大纲参考文献列表各部分撰写内容标题论文标题应该简洁，且能让读者对论文所研究的主题一目了然。 　　开题摘要摘要是对论文提纲的总结，通常不超过1或2页，摘要包含以下内容：问题陈述研究的基本原理假设建议使用的方法预期的结果研究的意义目录目录应该列出所有带有页码的标题和副标题， 副标题应缩进。　介绍这部分应该从宏观的角度来解释研究背景，缩小研究问题的范围，适当列出相关的参考文献。 文献综述这一部分不只是你已经阅读过的相关文献的总结摘要，而是必须对其进行批判性评论，并能够将这些文献与你提出的研究联系起来。 　研究问题与假设这部分应该告诉读者你想在研究中发现什么。在这部分明确地陈述你的研究问题和假设。在大多数情况下，主要研究问题应该足够广泛，而次要研究问题和假设则更具体，每个问题都应该侧重于研究的某个方面。

学位申请者为申请学位而提出撰写的学术论文叫学位论文。这种论文是考核申请者能否被授予学位的重要条件。　　学位申请者如果能通过规定的课程考试，而论文的审查和答辩合格，那么就给予学位。如果说学位申请者的课程考试通过了，但论文在答辩时被评为不合格，那么就不会授予他学位。　　有资格申请学位并为申请学位所写的那篇毕业论文就称为学位论文，学士学位论文。学士学位论文既是学位论文又是毕业论文。　学术论文是某一学术课题在实验性、理论性或观测性上具有新的科学研究成果或创新见解的知识和科学记录；或是某种已知原理应用于实际中取得新进展的科学总结，用以提供学术会议上宣读、交流或讨论；或在学术刊物上发表；或作其他用途的书面文件。　　在社会科学领域，人们通常把表达科研成果的论文称为学术论文。 　　学术论文具有四大特点：①学术性 ②科学性 ③创造性 ④理论性一、学术性学术论文的科学性，要求作者在立论上不得带有个人好恶的偏见，不得主观臆造，必须切实地从客观实际出发，从中引出符合实际的结论。在论据上，应尽可能多地占有资料，以最充分的、确凿有力的论据作为立论的依据。在论证时，必须经过周密的思考，进行严谨的论证。二、科学性科学研究是对新知识的探求。创造性是科学研究的生命。学术论文的创造性在于作者要有自己独到的见解，能提出新的观点、新的理论。这是因为科学的本性就是“革命的和非正统的”，“科学方法主要是发现新现象、制定新理论的一种手段，旧的科学理论就必然会不断地为新理论推翻。”（斯蒂芬·梅森）因此，没有创造性，学术论文就没有科学价值。三、创造性学术论文在形式上是属于议论文的，但它与一般议论文不同，它必须是有自己的理论系统的，不能只是材料的罗列，应对大量的事实、材料进行分析、研究，使感性认识上升到理性认识。一般来说，学术论文具有论证色彩，或具有论辩色彩。论文的内容必须符合历史 唯物主义和 唯物辩证法，符合“实事求是”、“有的放矢”、“既分析又综合” 的科学研究方法。四、理论性指的是要用通俗易懂的语言表述科学道理，不仅要做到文从字顺，而且要准确、鲜明、和谐、力求生动。表论文的过程 　　投稿-审稿-用稿通知-办理相关费用-出刊-邮递样刊　　一般作者先了解期刊，选定期刊后，找到投稿方式，部分期刊要求书面形式投稿。大部分是采用电子稿件形式。 　　发表论文审核时间　　一般普通刊物（省级、国家级）审核时间为一周，高质量的杂志，审核时间为14-20天。 　　核心期刊审核时间一般为4个月，须经过初审、复审、终审三道程序。 　　期刊的级别问题 　　国家没有对期刊进行级别划分。但各单位一般根据期刊的主管单位的级别来对期刊划为省级期刊和国家级期刊。省级期刊主管单位是省级单位。国家级期刊主管单位是国家部门或直属部门。

计量经济学毕业论文选题背景

论文，DAI写，11·····3874··50---58

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

文，选题最好关于国贸专业方向ju

计量经济学小论文选题背景怎么写

计量经济学通常通过经济哲学、数学和统计推理的工具来检验经济学的奇点。还在学习如何撰写论文的同学必须理解这篇论文不仅仅是研究和写作。由于计量经济学是高度技术性的学科，关于这个主题的论文将要求同学使用图表，也可以通过引用、图片等来完成。计量经济学论文中必不可少的内容： 　　1、引言 　　这部分内容应该说服读者关于论文主题的重要性。引言的最后一段应该简要概括同学将在论文的其余部分做些什么。 　　2、理论模型 　　同学应该在这一部分简要概述理论模型，思考哪个变量是因变量，以及解释变量应该是什么。 3、数据 　　这部分应该描述同学所使用的数据（例如，数据是分类排列数据还是时间序列数据，数据在哪个时间段或样本中可用）。同学需要为所使用的因变量和解释变量提供一个描述性统计表，可能还需要提供一些图形。4、经验模型 　　同学应该讨论自己将使用什么函数形式。同时还应该讨论理论模型中每个变量的经验测度，例如，人力资本模型表明，教育水平影响收入。 　　5、实证结果 　　同学应该提供一个表格，简明扼要地总结得到的实证结果。 　　6、结论 　　同学可以简单描述一下自己从中学到了什么，例如：实证工作是否为理论提供了支持？根据同学对计量经济学知识和计量经济学文献的了解，这些结果看起来是否合理？如果有更多的时间，同学会做哪些额外的工作？

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

一、经济背景分析校园招聘时经常有这种现象发生：许多应届毕业生参加面试，当被问及：“你的期望工资是多少？”往往会不知所措。或是由于道听途说，盲目抬高身价，给人留下“自视过高”的印象；或是由于自己不谙行情，把价位压得过低，一旦被录用后便觉得吃亏而导致迅速跳槽或消极怠工，因此，面试前给自己“算”出一份合理的薪水是很重要的。教育部提供的统计数字显示，2003年我国大学毕业生超过212万人，2004年将达到280万人。据预测，在2005年，应届大学毕业生很可能达到340万人。随着大学毕业生人数的急剧增加，大学毕业生就业难也成为全社会关注的热点问题。据统计，截至2000年6月，我国各类高校毕业生中待业人数有30万人左右，2001年超过5万人，2003年达到67万人。 有关部门的统计显示，目前每年社会新增就业机会大约为700万至800万个，而每年大学毕业生人数则大约在300万左右。就这一数字对比而言，大学毕业生理应有比较大的就业空间。因此大学毕业生就业难并不是人才过剩，而是结构性问题。中国农业大学党委书记，前教育部学生司司长认为：“就业压力加大，是我国高等教育从精英教育转向大众教育形势下必然发生的碰撞。但从国家整体需要看，我们目前的大学毕业生肯定不是多了。解决问题的一方面，需要学生认识到整体趋势，自觉调整就业期望，实事求是地评价自己。”全国政协委员、首都师范大学党委书记谢维和对毕业生就业进行了多年跟踪。他在调查中发现，65％以上的毕业生期望工资达到2000元以上，31％左右的毕业生期望在3000元以上，20％的毕业生期望在4000元以上；70％的毕业生希望留在北京等直辖市和沿海开放地区，近60％的毕业生希望到国家机关和三资企业工作。

计量经济学研究论文选题背景怎么写

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

一般论文的结构都是一样的~重要的是你打算怎么写~写什么~，你的思路是啥样的，这样~你可以去参考下（世界经济探索），下载些文献~找下自己的写作思路

1、选定研究对象(确定被解释变量，说明选题的意义和原因等。)2、确定解释变量，尽量完备地考虑到可能的相关变量供选择，并初步判定个变量对被解释变量的影响方向。( 作出相应的说明 )3、确定理论模型或函数式(根据相应的理论和经济关系设立模型形式，并提出假设，系数是正的还是负的等。)(二)数据的收集和整理(三)数据处理和回归分析(先观察数据的特点，观看和输出散点图，最后选择相应的变量关系式进行OLS回归，并输出会归结果。)(四)回归结果分析和检验(写出模型估计的结果)1、回归结果的经济理论检验，方向正确否?理论一致否?2、统计检验，t检验 F 检验 R2- 拟合优度检验3、模型设定形式正确否?可试试其他形式。4、模型的稳定性检验。(五)模型的修正(对所发现的模型变量选择问题、设定偏误、模型不稳定等，进行修正。)(六)确定模型(七)预测 多元回归模型【实验目的】【实验内容】

希望以上网站内容能帮到你

计量经济学毕业论文选题背景和意义

希望以上网站内容能帮到你

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