计量经济学论文(eviews分析)

我国限额以上餐饮企业营业额的

影响因素分析

班级：

姓名：

学号：

指导老师：

我国限额以上餐饮企业营业额的影响因素分析

摘要：本文收集了1999—2009共11年的相关数据，选取餐饮企业的数量、城镇居民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型，对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分析，然后提出自己的看法。

关键词：餐饮企业营业额、影响因素、计量分析

一、研究背景

近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行业之前，势必要对该行业的营业额、营业利润等进行估计，当这些因素的估计值能够达到他们的预期的时候，他们才会对其进行投资。由于餐饮企业的营业额是影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了对我国限额以上餐饮企业营业额的计量模型研究。

二、变量的选取

影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究，并对各个变量对餐饮企业营业额的影响进行预测。

1.企业数

本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2. 城镇居民人均年消费性支出

本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之间呈正相关

3. 全国城镇人口数

本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4. 公路里程数

本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位：个），人均年消费性

支出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万公里）

年度

营业额

（Y）企业数（x1）

人均年消费性

支出(x2)

全国城镇人口

数（x3）

公路里程

数（x4）

1999351955932664615.9143748135.2 200040524453508499845906140.3 2001489894341325309.0148064169.8 2002624247150216029.8850212176.5 2003747000059356510.9452376181 200411605000100677182.154283187.1 20051260200099227942.8856212334.5

200615736000118228696.5557706345.7 200719072000140709997.4759379358.4 2008259280002252311242.8560667373 2009268640002069412264.5562186386.1四、模型的设定

先查看其散点图：

根据散点图，认为这四个解释变量基本和营业额（Y）呈现线性关系，所以假设模型为：

Y=β0+β1*x1+β2*x2+β3*x3+β4*x4+µ

五、模型的估计

根据相关数据，利用统计软件Eviews5对上述设定的模型进行最小二乘估计，结果如下：

由上述结果，可得初始的模型为：

Y=－3203359+593.3*x1+1835*x2－98.7*x3+3619.2*x4

六、模型的检验

1.拟合优度和模型估计效果检验：

从回归的结果来看，模型拟合较好，Y变化的99.9%可由其他四个变量的变化来解释。在5%的显著性水平下，F统计量的值为1681.5显著大于其临界值F （4，6）=9.15，即表明模型的线性关系显著成立。

2.回归系数的显著性检验：

给定显著性水平5%，查T分布表得自由度为6的临界值为2.447，X1、X2、x3、x4对应的T统计量分别为7.89、6.12、-1.44、1.17，可以看出只有X1、

X2对应的T统计量的绝对值大于临界值2.447，这说明限额以上餐饮企业的营业额与餐饮企业的数量、

城镇居民人均年消费性支出存在显著的线性相关关系。但是对于公路里程数和全国城镇人口数这俩个解释变量而言却不存在显著的线性相关关系，这与实际不符，说明模型很可能存在着多重共线性。

3.多重共线性的检验：

⑴由于R^2较大且接近于1，而且F=1681.5>F（4，6）=9.15,故认为餐饮企业营业额与上述解释变量间总体线性关系显著。但由于其中X3、X4前参数估计值未能通过T检验，而且x3符号的经济意义也不合理，所以认为解释变量间存在多重共线性。

⑵相关系数表：

从上面的相关系数矩阵可看出，各解释变量之间的相关系数很高，证实确实存在多重共线性。

⑶逐步回归法：

①找出最简单的回归形式

Variable X1X2X3X4

Coefficient1245.63253.61291.475147.5

T24.5626.58.467.1

R^20.9850.9870.8880.847

由上述的表图中的Adjusted R-squared的大小可以看出，餐饮企业的营业额（Y）受城镇居民年平均消费性支出（x2）影响最大，因此以x2为基础进行逐步回归。此时的模型为：

Y=－12535144+3253.6*X2

②逐步回归：

讨论：

a.在初始模型中引入X1,模型的拟合优度提高，且参数符号合理，变量也通过了T检验.