计量经济学作业

计量经济学第三章作业
经济131 王晨莹 13013121
15.（1）① 打开材料数据表3-5，获得如图3-5-1所示：
3-5-1
② 根据题目确定被解释变量为税收收入（T ）、解释变量为工业（GY ）、进出口总额（IE ）、金融业（JR ）、交通运输业(JT)、建筑业（JY ）。

③ 建模：
t t JY JT JR IE GY T μββββββ++++++=543210
④ 建立变量组：
在主菜单上Eviews 命令框中直接输入命令“Data T GY IE JR JT JY ”，将直接出现已定义变量名称的数据编辑窗口。

如图3-5-2所示：
图3-5-2
⑤估计模型参数：
在主菜单上依次单击“Quick→Estimate Equation”，弹出对话框，在“Specification”选项卡中输入模型中被解释变量（T）、常数项（C）、解释变量(GY、IE、JR、JT、JY)序列，并选择估计方法及样本区间（1985-2009）。

如图3-5-3所示，其结果如图3-5-4所示：
图3-5-3
图3-5-4
⑥ 参数估计结果分析：
经参数估计后，回归模型为
∧T = 117.5 - 0.772 GY + 0.232 IE + 1.82 JR + 1.895 JT + 2.853 JY (0.2168) (-3.068) (5.552) (3.184) (2.261) (3.047)
995.02=R ，F=798 , d=0.674
⑦ 模型中参数表明，在工业、建筑业、进出口、金融业、交通运输业中，建筑业对税收的影响最大，工业（GY ）每增加1亿元，税收收入（T ）将减少3.068亿元（但不符合经济意义）；进出口总额（IE ）每增加1亿元，税收收入（T ）将增加5.552亿元；金融业（JR ）每增加1亿元，税收收入（T ）将增加3.184亿元；交通运输业(JT)每增加1亿元，税收收入（T ）将增加2.261亿元；建筑业（JY ）每增加1亿元，税收收入（T ）将增加3.047亿元。

抛出这5类因素对税收的影响，政府从其他部门和产业所征收数额为117.48。

（2）多重共线性检验：存在多重共线性
由上图可知，工业的结构参数为负，不符经济意义，故去掉工业得到新的模型：
t t JY JT JR IE T μβββββ+++++=43210
将直接出现已定义变量名称的数据编辑窗口。

如图3-5-2所示：
图3-5-2
又因为交通运输业的结构参数为负，不符合经济意义，故舍去交通运输业这一解释变量，得到新模型（如图3-5-3）：
t
t JY JR IE T μββββ++++=3210
如图3-5-3
从上表可知，模型的拟合优度为0.993，说明模型拟合效果好，因为F 统计量数据较大且F 统计量的伴随概率为0，所以回归方程线性关系较为显著，但是、0.05，解释变量不显著，应对模型进行优化，舍去建筑业
这一解释变量。

经过一系列的模型构建最终得到最优新税收模型（如图3-5-4）：
t t JR IE T μβββ+++=210
如图3-5-4
由于回归模型的拟合优度较高R 2
，F 统计量也高度显著，但结构参数t 统
计量很小，所以具有多共重线性问题。

(3)异方差检验：不存在异方差
借助Eviews 软件中怀特检验，首先对原模型进行参数估计，在估计窗口中选择“View →Residual Diagnostics →Heterokedasticity Tests →White ”输出结果如图3-5-5所示。

图3-5-5
输出结果中“Obs * R-squared ”的值为统计量，查分布表得07.11)5(205.0=χ,那么
07.115828.6205
.02==）（＜χnR 因此，原模型不存在异方差。

（4）序列相关检验
借助Eviews 软件中LM 检验，首先对原模型进行参数估计，在估计结果窗口中一次单击“View →Residual Diagnostics →Serial Correlation LM Test ”,输入最大滞后期数s ，如果最大滞后期数s 不显著，减少最大滞后期数，重新检验。

从最大滞后期数s=6开始检验。

当最大滞后期数s=6时，如图3-5-6所示：
图3-5-6
从图中得s=6时，P=0.0086＞0.005，最大滞后期数s不显著，继续检验。

以s=6为例直到，最大滞后期数s=1时，如图3-5-7所示：
图3-5-7
从图中得s=1时，P=0.0086＜0.005，最大滞后期数s显著。

“Obs * R-squared”
的值为LM 统计量，查分布表得84.3)1(205.0=χ，那么
84.3135.16205
.02==）（＞χnR 因此认为95％的置信水平下原模型存在一阶负自相关。

⑶消除序列相关;
在主菜单上依次单击“Quick→Estimate Equation”，弹出对话框，在“Specification”选项卡中输入模型中“T C IE JR AR(1)”，并选择估计方法及样本区间（1985-2009）。

如图3-5-3所示，其结果如图3-5-4所示：
图3-5-8
模型的拟合优度为0.99758≈1，说明模型拟合效果好，因为F 统计量为2763.599,数据较大且F 统计量的伴随概率为0，所以回归方程线性关系较为显著; 又因为的伴随概率<0.05, 所以有大于95%的概率认为进出口总额、
金融业对税收的有显著影响。