计量经济学正文.docVIP

北京市民用载客汽车拥有量与在岗职工平均工资关系实验报告 问题的背景 在经济飞速发展的今天，计量经济学可以在分析经济生活中起到十分重要的作用，所以本文想用计量经济学的知识分析一些生活中认为有相关关系的现象。 汽车是人们生活当中不可缺少的物品，人们的汽车拥有量与日俱增，当然有好处也有坏处，好处是给人们的生活带来了便利，坏处是带来了环境的污染和交通的拥挤。那么有什么因素决定了汽车的数量呢。我想以北京市为代表来进行分析，人们的工资水平会影响到汽车的数量。 实验的目的 本文想用计量经济学的方法验证北京市民用载客汽车拥有量与在岗职工平均工资关系。 方法简介 本文用计量经济学一元线性回归和双对数函数模型的方法对设定的变量进行了数据检验，方程估计以及方程的检验。 数据及资料的准备 为了获得相关的数据，我查找了中国经济社会发展统计数据库以及北京统计信息网综合了相关的数据，其中以民用载客汽车拥有量在汽车拥有量中数据最全而且在经济意义上也具有代表性，所以就以他作为调查中的被解释变量。其中北京市民用载客汽车拥有量的数据只能查到1994年，北京市在岗职工平均工资则可以查到很久远的年代，但是由于北京市民用载客汽车拥有量的数据的限制只有从1994年做到2010年。以下表4.1是我综合而来的数据表。 表4.1 上机操作过程与结果讨论 在录入和分析数据之前，创建一个工作文件（Workfile），如图5.1。本例中选择时间频率为Annual（年度数据），在起始栏和终止栏分别输入相应的日期1994和2010。然后点击OK，在Eviews软件的主显示窗口将显示相应的工作文件窗口，如图5.2所示。其中Y为北京市民用载客汽车拥有量，X为北京市在岗职工平均工资。 图5.1 图5.2 输入数据。在Eviews软件的命令窗口中键入数据输入/编辑命令：DATA Y X。录入相关数据。 3． 图形分析。借助图形分析可以直观地观察经济变量的变动规律和相关关系，以便合理地确定模型的数学形式。 ①趋势图分析。趋势图如图5.3.可以分析出分析经济变量的发展变化趋势，Y即北京市民用载客汽车拥有量与X即京市在岗职工平均工资之间呈现正相关的关系。观察得出没有存在异常值。 图5.3 ②、相关图分析。输入命令：SCAT X Y 。如图5.4观察到变量之间的相关程度高。同时也观察变量之间的相关类型，即为线性相关，而不是曲线相关。二者存在Y随着X逐渐增大的增长趋势。相关图分析显示，北京市民用载客汽车拥有量与北京市在岗职工平均工资二者密切相关。 图5.4 ③估计线性回归模型。考虑到两者的经济关系为正向影响，我首先设定样本回归模型为Y = C(1)*X + C(2)+e。在Eviews主窗口中点击Quick\Estimate Equation，在弹出的方程设定框内输入模型：Y C X 可以得出估计的方程，或者在命令窗口中输入LS Y C X也可以得到结果，也可以得到相应残差图。如图5.5，5.6，5.7所示。我们可以得到方程为Y=60.68885X-152606.2。 Estimation Command: ========================= LS Y X C Estimation Equation: ========================= Y = C(1)*X + C(2) Substituted Coefficients: ========================= Y = 60.6888528062*X - 152606.194298 这个估计结果表明，北京市在岗职工平均工资每增长1元，北京市民用载客汽车拥有量将增加60.68885量。R 2为0.98271，样本回归直线对样本点的拟合优度很好。C的T统计量为-2.191317，P值为0.0446通过检验。X系数的T统计量为29.19837，P值为0.0，拒绝原假设H0：C(1)=0，接受备择假设H1：C(1) ≠0通过检验。X系数的F统计量为852.5451，P值为0.0，拒绝原假设H0：C(1)=0，接受备择假设H1：C(1) ≠0通过检验。通过检验，所以该方程是显著性的。但是这种估计方法存在一个问题就是当在岗职工平均工资为零时，北京市民用载客汽车拥有量为负值，所以我就想进行一些修正。 图5.5 图5.6 图5.7 ④估计非线性回归模型。经过以上的估计我发现C值的效果并不令人很满意，所以我用了对X和Y进行了变形。设定样本回归模型为LOG(Y) = C(1) + C(2)*LOG(X)+e。在命令窗口输入双对数函数模型：LS log(