金融计量论文定稿版

金融计量论文精编

W O R D版

IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】

本科生课程论文成绩评定表

录

一、

摘

要·

··

··

··

··

··

··

······································二、回归模型的选择········································

三、模型检

验······································

········

（1）T检验··················································

（2）F检验··················································

四、多重共线性检验与修正····································五、序列相关性检验··········································

六、异方差检验·············································

七、模型分析···············································

一、摘要

凯恩斯认为，短期影响个人消费的主观因素比较稳定，消费者的消费主要取决于收入的多少。但是大家都知道，收入的变动并非影响消费的全部原因。尤其在短期内，有时边际消费倾向可以为负数，即收入增加时消费反而减少，收入减少时消费反而增加；有时边际消费倾向会大于1，即消费增加额大于收入增加额。这些现象告诉我们，在日常生活中，除了收入，还有其他一些因素会影响消费行为。本文利用1993年—2012的二十年数据，选取了居民可支配收入、CPI、税率、GDP四个因素分析对居民消费的影响，旨在说明其中的相互关系，为国家政策的制定与实施提供参考意见。

关键词：消费水平居民可支配收入 CPI 税率 GDP

表1：1993年—2012的三十年数据

二、回归模型的选择

1.我们建立多元回归模型y＝

1＋

2

X

1

＋

3

X

2

＋

4

X

3

＋

5

X

4

,将居民消费水平作为被解释变量y,

居民家庭可支配收入作为解释变量X1，CPI作为解释变量X2，税收作为解释变量X3，GDP作为解释变量X4。

运行统计分析软件Eviews，将表1中相应变量数据输入界面，进行回归分析所得结果如表2:

根据表2，可以得出模型

Y=774.45+0.29X

1-6.57X

2

-0.03X

3

+0.01X

4

(2.22) (4.61) (-2.29) (-1.62) (1.87)

R2 =0.999509 D.W=0.74 F=7640 T=20

2.建立对数回归模型lny＝b1＋b2lnX1＋b3lnX2＋b4lnX3＋b5lnX4,如表3所示根据表3，可以得出模型

Lny=-0.274013+0.70lnx

1-0.30lnx

2

-0.15lnx

3

+0.42lnx

4

(-0.99) (3.91) (-4.34) (-3.53) (2.27)

R2 =0.999715 D.W=1.16 F=13155.71 T=20

通过比较R2，决定选择对数模型，因为这个模型对样本的拟合得更好三、模型检验与修正

对对数模型进行检验

（1）T 检验

分别针对

H ：

i β=0（i=2,3,4,5），给定显着性水平=0.2，查t 分布表得自由度为

T-k-1=15临界值 2

t α

（T-k-1）=1.753。由表3中数据可得，2、3、4、5与对应的t 统计

量分别为3.91、-4.34、-3.53、2.27，其绝对值均大于 2

t α

（n-k ）=1.735，这说明分别

都应当拒绝

H ：

i β=0（i=2,3,4,5），也就是说，当在其它解释变量不变的情况下，解释

变量“居民家庭可支配收入”（1X ）、“CPI ”（2X ）、“税收”（3

X ）、“GDP ”

(4X )分别对被解释变量“居民消费水平”Y 都有显着的影响。

（2）F 检验

给定显着性水平=0.05，在F 分布表中查出自由度为k-1=3和n-k=16的临界值

α

F (3,16)=3.24，由表3中得到F=13155.71，由于F=13155.71>

α

F (3,16)=3.24,说明回归

方程显着，即“居民家庭可支配收入”、“CPI ”、“税收”、“GDP ”等变量联合起来确实对“居民消费水平”有显着影响。

四、多重共线性检验与修正

（1）相关系数法

由于模型涉及到的参数较多考虑进行一次多重共线性检验，建立相关系数矩阵如下表所示。

表4：相关系数矩阵表

由表4可看出个解释变量之间的相关系数较高，尤其是lnx

3、lnx

4

，推测可能存在多

重共线性。

（2）逐步回归法

运用OLS方法分别求对各解释变量进行一元回归，再结合表5的逐步回归结果选出最好的模型如表5所示。

表5：逐步回归结果表