计量经济学论文

我国当前能源消费需求总量影响因素的分析
摘要
能源是国民经济发展和社会进步的重要物质基础,做好能源消费影响因素的分析,为能源规划及政策的制订提供科学的依据,对于保持我国国民经济健康、持续、稳定的发展具有重要的现实意义。本文通过对影响我国能源消费的多种因素进行分析，建立以能源消费总量为被解释变量，若干影响因素为解释变量的多元线性回归模型，并应用得到的时间序列数据回归获得模型，再对其进行计量经济学检验，对影响当前能源消费需求的各显著因素进行分析。
44.62699
我们看出 最大的是0.961112，故先把x1引入模型。而后分别将其他变量引入模型。
2.2 x1进入模型后，分别和剩余变量做回归,且我们约定只对剩余变量做分析。
(1)将x2引入模型。得到如下结果：
其中x1的p值=0.0379<0.05,可见x1回归系数是显著的，x2的p值=0.0548>0.05，x2的回归系数不显著，但 =0.967809很接近于1，回归方程与样本拟合的很好，而且统计量F=300.6506也很大，回归方程很显著。
文献综述
1.引言：理论上认为影响能源消费需求总量的因素主要有经济发展水平、收入水平、人民生活水平提高、能源转换技术等因素。为此，收集了中国能源消费标准煤总量、国民总收入、国内生产总值GDP、人均能源生活消费量、能源加工转换效率等1990——2013年的统计数据。本题旨在通过建立这些经济变量的线性模型来说明影响能源消费需求总量的原因。
人均能源生活消费量（千克标准煤）：指的是一定时期内，平均每个人消费的各种能源的数量。
能源加工转换效率：指一定时期内，能源经过加工、转换后，产出的各种能源产品的数量与同期内投入加工转换的各种能源数量的比率。
模型的设定
以能源消费总量为被解释变量，为此设定如下形式的计量经济模型：y=c+c1x1+c2x2+c3x3+c4x4+μ,其中：
拟合优度 =0.997331调整后的 =0.996910说明样本数据与模型的拟合程度较好，但是lnx1、lnx2的p值都大于0.05，说明回归参数不显著，下面逐步回归；
（1）将lnx1引入模型。得到如下结果：
lnx1的p值=0.0000<0.05,回归系数是显著的，而且 =0.940348很接近于1，回归方程与样本拟合的很好，而且统计量F=331.0418也很大，回归方程很显著。
lnx1
Lnx2
Lnx3
P值
0.0000
0.0000
0.0000
0.940348
0.937553
0.870715
0.937507
0.934580
0.864559
F
331.0418
315.2877
141.4324
lnX3不显著，所以我们只选择lnX1、lnX2进入模型。
3.新模型的建立
lny=13.02434lnx1-12.60241lnx2+7.262578
根据上表显示结果，模型估计的结果为：
y=-468381.9+2.209723x1-1.972877x2+657.8037x3+7346.864x4
Se=（123018.5）（2.586703）（2.542695）（171.2084）（1741.203）
t=（-3.807409）（0.854262）（-0.775900）（3.842122）（4.219418）
其中x1的p值=0.0000<0.05,可见x1回归系数是显著的，x4的p值=0.0601>0.05，x4的回归系数不显著，但是 =0.967553很接近于1，回归方程与样本拟合的很好，而且统计量F=298.1964也很大，回归方程很显著。
将以上的回归模型总结：
X2
X3
X4
P值
0.0548
0.0048
P值 0.00000.0000
=0.981267F=523.8156
我们可以知道国民总收入每增长%1，我国的能源消费总量就会增加13.024341%；GDP增加1%，能源消费总量就会减少12.60241%。说明了小学生师比、少儿抚养比确实影响着每十万人口小学平均在校生数。
结论：
小学教师应在能力条件下主动承担更大的教育责任，即每个人分担更多的学生人数，提高小学生师比，希望以此增加小学生的在校人数；
政府及全社会应该理性认识人口红利及压力问题，改善我国的人口结构，控制人口的增长速度，降低少儿抚养比，以增加小学生在校人数；
结语：
经过一学期的学习，我了解了计量经济学这门课程，掌握了一些分析经济模型的基本方法，这对我更加理性地认识生活中的一些经济现象有极大的帮助，感谢两位老师的细心教导。相信这些方法和知识，对我今后的学习和生活也都将产生重大影响。
将以上的回归模型总结，选取 最大的作为第一个进入模型的变量。
X1
X2Hale Waihona Puke X3X4P值
0.0000
0.0000
0.0000
0.0000
0.961112
0.959858
0.945173
0.680010
0.959261
0.957947
0.942562
0.664772
F
519.0178
502.1478
362.0230
(3)对x3做回归分析，得到如下结果：
其中x3的p值=0.0000<0.05,可见回归系数是显著的，且 =0.945173接近于1，回归方程与样本拟合良好，而且统计量F=362.0230也很大，回归方程很显著。
(4)对x4做回归分析，得到如下结果：
其中x4的p值=0.0000<0.05,可见回归系数是显著的，且 =0.680010回归方程与样本拟合一般，而且统计量F=44.62699，回归方程显著。
（二）统计检验
1、拟合优度：由上表数据：R ²=0.987179，R ²（adjust）=0.984330，说明模型对样本拟合很好；
2、F检验：在给定显著性水平α=0.05的条件下，在F分布表中查处自由度为k=4，n-k-1=18的临界值F0.05（4,18）=2.93，F=222.7708＞2.93，所以拒绝原假设，说明回归方程显著。
2.关键词：能源消费需求回归模型 计量经济学检验
3.相关经济指标：
能源消费总量(万吨标准煤)：指能源使用企业（单位）在报告期内实际消费的各种能源的数量。
国民总收入（GNI）：即国民生产总值，指一个国家(或地区)所有常住单位在一定时期内收入初次分配的最终结果。
国内生产总值(GDP):指按市场价格计算的一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果。
0.0601
0.967809
0.974127
0.967553
0.964590
0.971540
0.964308
F
300.6506
378.5029
298.1964
综合上表，可以得到x4不显著，所以将其剔除
2.3 我们画出这五个变量随时间的走势图如下：
显然x随时间成指数增长，我们尝试采用数对数据进行对数变换，然后再做回归分析。得到如下结果：
3、t检验：在给定显著性水平α=0.05的条件下，查t分布表的自由度为n-k-1=18的临界值t0.025（18）=2.101，并非所有的指标对应的t统计量的绝对值都大于2.101，本文中只有x3和x4对y有显著影响。
（三）异方差检验
通过怀特检验来检验异方差，结果如下：
从上图中可看出nR²=0.647835由white检验可知，在α=0.05下，查卡方分布表可知：χ²（5）=11.0702＞nR²=0.647835，所以拒绝原假设，表明模型不存在异方差。
R ²=0.987179，R²（adjust）=0.984330，F=346.4806，DW=1.300130
（一）经济意义检验
模型的估计结果说明，在假定其他变量不变的情况下，国民总收入没增加1%，能源消费总量就增加2.209723%；人均能源消费量没增加1%，能源消费总量就增加657.8037%；能源加工转换效率每增加1%，能源消费总量就增加7346.864%。但是，GDP增加1%，能源消费总量就减少1.972877%；理论分析与经验判断不一致，说明模型可能存在问题。
y能源消费总量（万吨），
x1国民总收入(亿元)，
x2国内生产总值(亿元)，
x3人均能源生活消费量（千克）
x4能源加工转换效率(1%)，
μ为随机扰动项；
相关试验数据
相关数据采用时间序列数据，均来源于中国国家统计局《中国统计年鉴》，在经过大量分析比较后，所取样本数据见下表。
模型的检验
观察每个解释变量与被解释变量的关系，假设模型中随机误差项μ满足古典假定，运用OLS方法估计模型的参数，使用Eviews对数据进行检验，得：
（2）将lnx2引入模型。得到如下结果：
lnx2的p值=0.0000<0.05,回归系数是显著的，而且 =0.937553很接近于1，回归方程与样本拟合的很好，而且统计量F=315.2877也很大，回归方程很显著。
（3）将x3引入模型，得到如下结果：
lnx3的p值=0.0000<0.05,回归系数是显著的，而且 =0.870715很接近于1，回归方程与样本拟合的较好，而且统计量F=141.4324也很大，回归方程很显著。
（五）多重共线性检验
1. 多重共线性检验——采用相关系数矩阵进行检验
可以看出x1.x2.x3.x4之间有较强的线性相关性，需要进行修正。而且根据VIF检验可以看到NA这一列的数值大部分大于10，说明存在很强的多重共线性，再一次验证了我们的结论，下面我们用逐步回归来修正。
2.修正多重共线性——逐步回归法
（四）序列相关性检验
对样本量为23，4个解释变量的模型，在α=0.05的显著水平下，查DW分布表，可得临界值dl=0.99,du=1.79,由模型中:DW=1.546871，dl＜DW＜du,因此不能确定该回归方程中是否存在序列相关，但从BG检验可以看出，Prob.Chi-Square(2)=0.0578>0.05，所以不存在序列相关。