计量经济学——时间序列

课程论文

题目：第三产业产值的影响因素分析

学院财会学院＿

专业会计专硕

班级会计专硕1501 课程名称计量经济学（课程设计）

学号

学生姓名 60

指导教师赵卫亚

成绩

二○一五年十二月

第三产业产值的影响因素分析

摘要：本文利用计量经济分析方法和1990—2010年的时间序列统计资料，建立了我国第三产业产值影响因素模型。建模过程中，处理了模型中的协整检验、自相关性等问题。本文认为我国第三产业产值主要受GDP和我国城乡居民存款储蓄的影响，因此需要引起足够的重视，正确开展工作，促进第三产业的发展。

关键词：第三产业产值；时间序列分析；GDP；城乡居民存款储蓄

一、引言

第三产业是指除第一二产业以外的其他行业。自从我国进入改革开放以来，我国不仅在积极发展第一产业和第二产业的同时，也在积极扶植第三产业的发展。我国属于发展中国家，仅靠出口农产品或初级工业品很难在国际社会中立有一足之地。进入21世纪，第三产业的发展迫切需要成为促进经济发展的主要动力。这主要是因为第三产业基本以服务业为主，这就使其具有了行业多，范围广等特点，从而能够提供更多的就业机会，相对于其他产业服务业的就业门滥相对来说也较低，能吸纳农村等剩余劳动力，并且第三产业的发展，也能有效地促进第一产业和第二产业的发展，加速推进我国的工业化和现代化进程，提高我国的综合国力。我国的第三产业较其他发达国家仍有很大的差距，所以加快本国第三产业发展迫在眉睫。

第三产业不仅在占国民生产总值比重方面不断提高，其内部的产业结构也在不断地发生着变化。最初我国第三产业的发展主要集中以餐饮等为主的传统服务业上，而随着新型服务业的产生，我国开始侧重向金融保险业、房地产业等方面的发展，其数量和质量的提高使得第三产业在我国经济发展的过程中产生的作用也越来越显著。

因此，研究第三产业产值的影响因素分析具有实际意义。

二、文献综述

江小涓、李辉（2004）建立了一个多元回归模型来分析收入水平、消费结构、城市化以及其他因素对第三产业未来发展的影响，提出第三产业比例随着人均GDP水平增长而增加[1]。郭彩霞（2009）对1978到2008年相关数据进行实证分析，得到要想加快农村现代化就必须要促进第三产业的发展结论[2]。王小宁（2009）认为第三产业固定资产的投资对第三产业产值具有重大的影响[3]。徐群、于德淼、赵春阁在对第三产业发展研究时主要是利用线性回归模型来对我国第三产业的影响因素进行分析，对我国第三产业发展现状的研究和趋势预测就是利用的主成分分析和逐步回归分析方法[4]。

三、理论模型与数据

（一）变量选择和数据收集

根据以上分析，本文选取1990年到2010年间国内生产总值（X1t）和城乡居民存款储蓄(X2t)这两个指标作为计量模型的解释变量，被解释变量则为第三产业产值(Y t)。数据来源于《中国统计年鉴》和国泰安数据库。选取1990—2010年作为研究样本，数据见表1。

（二）图形分析

通过对样本数据做散点图（图1、图2）发现，Y t与X1t、X2t呈近似直线关系，根据图3的趋势图，三者同趋势变化，考虑时间序列模型，初步判断其不平稳，存在二阶可能性。于是得到该模型的理论方程为：

Y t=β0+β1X1t+β2X2t+μt （1）

式中，μt为随机误差项，描述变量外的因素对模型的干扰；β0为样本回归函数的截距系数；β1、β2为样本回归函数的斜率系数；下标t为年份，t=1990，1991，⋯，2010。

图1 Y与X1散点图图2 Y与X2散点图

图3 趋势图

（三）单位根检验

经过差分后，Y t与X1t、X2t 均平稳，但是Y t为二阶单整，X1t、X2t三阶单整，可能存在线性后降阶，因此可以尝试建立回归模型。

（四）建立回归模型

1.LS Y C X1 X2

得到方程：Y = -3725.7829016 + 0.350915608536*X1 + 0.116993116659*X2 t：（-4.260）（8.438）（2.180）

R2 = 0.998，DW = 0.678，F = 6857.838

图4 第一次模型

2.自相关性检验

（1）残差图分析：

图5 残差图

α=0.05，k=2，查表得到d L =1.125，因为DW=0.678小于d L，因此存在一阶自相关性。

图6 DW 检验

（3）偏相关系数检验：

图7 偏相关洗漱检验

由图可见，当绝对值PAC大于0.5时，即超出PC图中虚线部分时，存在一阶自相关性。

图8 BG检验

nR2=8.3277，临界概率0.0155小于0.05，因此拒绝假设H0，存在自相关性。又因为e t-1回归系数显著不为0，因此模型存在一阶自相关性。

3.自相关性处理

得到调整后的方程：

Y = -5417.76973503 + 0.390265879342*X1 + 0.0736268142467*X2 + [AR(1)=0.668162678879]

简化后：

Y = -5417.77 + 0.39*X1 + 0.07*X2 + [AR(1)=0.67]

t= (11.594) (1.755) (3.759)

R2 = 0.999，DW = 1.953，F = 7829.251

图9 调整后方程

4.调整后自相关性检验

（1）调整后偏相关系数检验：

图10 调整后偏相关系数检验

经调整，PC图中不存在超出虚线部分，说明自相关性已消除。

（2）调整后BG检验：

图11调整后BG检验

因为nR2的临界概率0.9928已经非常大，大于0.05，因此接受假设H0，不存在自相关性。

5.异方差检验：

图12 WHITE检验