1、計量經(jīng)濟(jì)學(xué)課程論文影響我國汽車消費量因素的計量分析內(nèi)容摘要：選擇中國汽車銷售量作為研究對象，城鎮(zhèn)居民可支配收入、汽車產(chǎn)量、固定資產(chǎn)投資額、國內(nèi)生產(chǎn)總值作為解釋變量進(jìn)行計量分析，建立了雙對數(shù)模型，首先進(jìn)行單位根檢驗，然后進(jìn)行多重共線形檢驗和修正，然后把得到的多元模型進(jìn)行異方差和自相關(guān)檢驗和修正最終產(chǎn)生如下模型：Log(Y) = -0.3467 + 0.9391*Log(X2 ) + 0.1119*Log(X4 )基本符合理論分析和達(dá)到預(yù)期水平論文大綱：1、選題背景汽車消費趨熱2、理論基礎(chǔ)西方經(jīng)濟(jì)學(xué)3、模型建立及分析數(shù)據(jù)搜集及整理平穩(wěn)性檢驗多重共線形檢驗和修正異方差檢驗自相關(guān)檢驗和修正4、模型意義

2、解釋（一）選題背景2006 年全國汽車產(chǎn)銷量有望突破 700 萬輛大關(guān)，中國汽車產(chǎn)量將超越德國名列世界第三，汽車大國地位初步確立。預(yù)計 2006 年全國汽車產(chǎn)銷量有望突破 700 萬輛大關(guān)，中國汽車產(chǎn)量將超越德國名列世界第三。從主要汽車生產(chǎn)國近年情況看，美國、德國、法國停滯不前，日本、韓國小幅前行，只有中國汽車工業(yè)保持較快增長，成為全球汽車工業(yè)最為亮麗的區(qū)域。一個新的汽車工業(yè)大國將在東方逐漸崛起。隨著這幾年國民經(jīng)濟(jì)的持續(xù)增長，國內(nèi)消費者的購買能力也實現(xiàn)了較大幅度的提高（見圖）。：居民可支配收入與轎車產(chǎn)量 單位：元、萬輛目前中國國內(nèi)面臨著近幾年經(jīng)濟(jì)增長的成果分享局面-即國民的消費品結(jié)構(gòu)升級，而我

3、們估計這次的消費升級將持續(xù)幾年。這就意味著中國國內(nèi)汽車銷量將處于連續(xù)幾年的增長期。而且從圖2我們還可以看出擁有13億人口的中國的汽車年產(chǎn)量只有美國產(chǎn)量的一半，這意味著中國未來汽車市場具有巨大的發(fā)展?jié)摿ΑＵ腔趯ζ囆袠I(yè)的看好，我決定以西方經(jīng)濟(jì)學(xué)供求理論為基礎(chǔ)，結(jié)合運用計量經(jīng)濟(jì)學(xué)的知識建立我國汽車銷量與其影響因素的模型。（二）經(jīng)濟(jì)理論鑒于我國汽車發(fā)展的這種大背景，我選取了汽車消售量作為研究對象。理論基礎(chǔ)是根據(jù)西方經(jīng)濟(jì)學(xué)中的基本理論，因為模型涉及到靜態(tài)分析、比較靜態(tài)分析和動態(tài)分析，所以介紹一下相關(guān)的理論基礎(chǔ)，以便進(jìn)一步說明計量模型建立的理論基礎(chǔ)：在經(jīng)濟(jì)模型中，變量是經(jīng)濟(jì)模型的基本要素。變量可以被

4、區(qū)分為內(nèi)生變量、外生變量和參數(shù)。內(nèi)生變量指該模型所要決定的變量。外生變量指由模型以外的因素所決定的已知變量，它是模型據(jù)以建立的外部條件。參數(shù)指數(shù)值通常不變的變量，也可以理解為可變的常數(shù)。參數(shù)通常是由模型以外的因素決定的，參數(shù)也往往被看成是外生變量。內(nèi)生變量可以在模型體系內(nèi)得到說明，外生變量決定內(nèi)生變量，而外生變量本身不能在模型體系內(nèi)得到說明。右圖表示市場供給曲線和市場需求曲線的結(jié)合。需求曲線就是需求函數(shù)在幾何上的表現(xiàn)。需求函數(shù)是表示一種商品的需求數(shù)量和影響該需求數(shù)量的各種因素之間的相互關(guān)系。可以表示為：Qd=f (P ; , , , ) P 為價格，, 為影響消費函數(shù)的外生變量，這些外生變量可

5、以是：消費者的收入水平，相關(guān)商品的價格，消費者的偏好，消費者對該商品的價格預(yù)期以及買者數(shù)量等因素。供給曲線是供給函數(shù)在幾何上的表現(xiàn)。供給函數(shù)指一種商品的供給數(shù)量和影響該需求數(shù)量的各種因素之間的相關(guān)關(guān)系。可以表示為 Qs=f (P ; , , , ) P 為價格， , , , 為影響供給函數(shù)的外生變量，這些外生變量可以是：生產(chǎn)的成本，技術(shù)水平，對該種商品未來的預(yù)期以及賣者的數(shù)量等因素。具體的外生變量選擇在下面的模型建立當(dāng)中說明。要注意的是，供給和需求曲線相交于一點，這一點被稱為市場的均衡（equilibrium）。這兩條曲線相交時的價格被稱為均衡價格（equilibrium price），而相交

6、時的數(shù)量被稱為均衡數(shù)量（equilibrium quantity）。表示為函數(shù)形式為：Qd=Qs;f (P ; , , , )= f (P ; , , , )在該模型中，需求函數(shù)和供給函數(shù)中的外生變量 、； , , , 被賦予了確定的數(shù)值，在此基礎(chǔ)上形成了一般的市場均衡，存在相應(yīng)的均衡價格 P 和均衡數(shù)量 Q。這種根據(jù)既定的外生變量值來求得內(nèi)生變量值的分析方法被稱為靜態(tài)分析。在上述的均衡模型當(dāng)中，當(dāng)外生變量 、； , , , 被確定為不同的數(shù)值時，由此得出的內(nèi)生變量 P 和 Q 的數(shù)值是不相同的。類似的，當(dāng)外生變量的變化使得需求曲線或供給曲線的位置發(fā)生移動時，表示內(nèi)生變量 P 和 Q 的數(shù)值均

7、衡點的位置也會發(fā)生相應(yīng)的變化，這種研究外生變量變化對內(nèi)生變量的影響方式，以及分析比較不同數(shù)值的外生變量下的內(nèi)生變量的不同數(shù)值，被稱為比較靜態(tài)分析。（三）模型部分變量選擇：我研究的是我國汽車消售量的決定模型，而汽車消售量在不同的地區(qū)之間存在著差異，這是由各地區(qū)的具體情況不同而導(dǎo)致的差異，同時汽車的消費也是一個隨著經(jīng)濟(jì)發(fā)展水平的改變而變動的行為，而且經(jīng)濟(jì)發(fā)展水平是影響市場供給行為和消費行為的根本因素。一個經(jīng)濟(jì)模型的外生變量是由這個模型所處的經(jīng)濟(jì)環(huán)境所決定的，因此從研究我國經(jīng)濟(jì)發(fā)展水平是到研究汽車消售數(shù)量的一個切入點。因此，在選取解釋變量時就依據(jù)上述的理論分析，通過對影響一個社會群體的經(jīng)濟(jì)發(fā)展水平的

8、因素進(jìn)行分析而從中選取對汽車消費市場的供給曲線和需求曲線有直接和較為密切的影響的因素進(jìn)行計量經(jīng)濟(jì)模型的建立。影響消費函數(shù)的因素，根據(jù)西方經(jīng)濟(jì)學(xué)的理論，影響消費函數(shù)的主要因素有：消費者的收入，替代品（substitute）的價格, 偏好，預(yù)期1、消費者的收入。因為汽車是一種耐用消費品，因此有消費門檻，再考慮到我國貧富差距擴(kuò)大的因素，因此選取我國城鎮(zhèn)居民可支配收入作為解釋變量。2、替代品的價格。由于汽車這種奢侈產(chǎn)品本身所具有的特殊性，其替代品對人們對汽車消費的影響較小，所以我們在進(jìn)行計量模型的建立時，并不選擇這個因素作為解釋變量。3、偏好。隨著我國經(jīng)濟(jì)的快速發(fā)展，人們生活水平的提高，人們越來越希望

9、能夠擁有一輛自己的汽車，這雖然能夠解釋為什么當(dāng)人們收入提高后可能會去購買汽車，但是由于偏好是基于超越了經(jīng)濟(jì)學(xué)范圍的歷史和心理因素，難以測算和量化，所以在計量模型的建立過程中并不采用這方面的數(shù)據(jù)。4、預(yù)期。由于相關(guān)數(shù)據(jù)不便量化，因此不作選擇。影響供給函數(shù)的因素，根據(jù)西方經(jīng)濟(jì)學(xué)的理論，影響供給函數(shù)的主要因素有：生產(chǎn)成本， 生產(chǎn)的技術(shù)水平，預(yù)期1、 生產(chǎn)成本。由于生產(chǎn)廠商在短期內(nèi)對生產(chǎn)成本的彈性不大，因此不作選擇。2、 技術(shù)水平。因為技術(shù)水平的提高在一定時間內(nèi)都無法體現(xiàn)出來，從投入研發(fā)到轉(zhuǎn)化成生產(chǎn)力再轉(zhuǎn)化成銷售規(guī)模需要很長的周期，因此不作選擇。3、 預(yù)期。反映企業(yè)對銷量的預(yù)期最好的因素就是汽車企業(yè)的

10、產(chǎn)量，產(chǎn)銷差就是企業(yè)的預(yù)期誤差，因此我們選取汽車產(chǎn)量作為解釋變量，同時對固定資產(chǎn)的投入同樣是一個非常好的因素，而且其實際意義更強(qiáng)，因此也選取固定資產(chǎn)投資完成額作為解釋變量。而整個市場的運行都是在國家的大環(huán)境下進(jìn)行的，因此宏觀經(jīng)濟(jì)形式對供求雙方都有較大的影響，因此把 GDP 也選作解釋變量。國際貿(mào)易因素，因為我們的理論分析是基于國內(nèi)市場的分析，而汽車銷售量中包括進(jìn)出口的部分，因此我們對相關(guān)數(shù)據(jù)進(jìn)行處理：汽車銷量=汽車銷售量+汽車進(jìn)口量-汽車出口量綜上所述，根據(jù)經(jīng)濟(jì)學(xué)理論和參考實際數(shù)據(jù)問題，我們選取的解釋變量有：1、 城鎮(zhèn)居民可支配收入（月度，單位：元）2、 汽車產(chǎn)量（月度，單位：輛）3、 固定資

11、產(chǎn)投資完成額（月度累計額，單位：億元）4、 國內(nèi)生產(chǎn)總值（月度，單位：億元）被解釋變量為汽車銷售量（月度，單位：輛）數(shù)據(jù)資料：汽車銷量（輛)城鎮(zhèn)家庭人均可支配月收入（元)汽車產(chǎn)量（輛)固定資產(chǎn)投資 完成額-累計(億元)國內(nèi)生產(chǎn)總值(億元)2001 年 1 月109383645.88146300242428.25750.3812193543691.22187800243558.96609.6333333240852508.69284700244988.47468.8856674235018512.28213100246663.96682.7315194775529.93208500248627.

12、37681.36184448535.86218300251356.28679.8697171046555.07168400253539.37011.9978187285556.42187800255739.48059.7666679205175572.56238900258347.69107.53633310176830581.6219950026085212354.89911189763556.37211200263591.914201.0333312202883556.37202900270254.816047.167672002 年 1 月180796776.01209600270254

13、.86145.8542155401776.01182600271662.87064.23286547573.55303500273518.57982.5464333737584.65353300275671.27193.7985286422601338200278082.58268.7333336258915597.5275600281358.39343.6686677299400604.85249500284048.57646.7498204210601.75258100286789.98789.3666679304861643.493335002900439931.984333102732

14、86626.6531880029312413910.08211285116621.53324900296373.415988.612277007621.53329800303196.618067.1182003 年 1 月314200728.29325100303196.66918.2982253894990.62301600305345.57952.0666673377138635.594237003079738985.8353334367439642.03399900310932.97893.0175303627650.41325300314648.59072.43333363322646

15、53.96350200319871.410251.849677326688660.37341200323879.98510.8338336600672.373672003278989782.5666679375292713.26428100332471.711054.3003310344656693.01374800336830.816066.46411419627685.29415900341423.418467.212513888747443500349137.220867.9362004 年 1 月277414963.04298700349137.27905.982396643963.4

16、3440900352424.39087.3333333498913712.08593200356195.710268.686674455492716.5542600360184.29216.4035363270734.41440700364574.410593.566676344295724.34428300370981.211970.730337302062737.663678003762539991.2258344341742.79385800381323.211484.166679400281776.93446500387165.612977.1083310566859779.72386

17、700392693.519251.09911371317760.26447300398411.622127.712456953809.63418000407757.525004.3012005 年 1 月366100897.56423100407757.511007.64623184001239.57363300411979.312652.466673582100800.4596700416794.214297.287334536900800.01638900421782.512187.1055467500817.44485700427476.814008.166676521400817.99

18、528600435724.515829.228337431600824.38478600442394.812992.8128416100828.05453200448908.414934.266679496100875.549060045649916875.7213310452100854.9526600463549.616907.02911549300843.83565200471017.419433.3666712620600892.5360290048285421959.704332006 年 1 月5301001041.7354890048285412583.2452481200136

19、0.26576700488148.114463.53721900891.14779300494462.416343.7554673500887.42721300500859.713935.2255567600912.77635200508297.516017.56560900903.2625200519222.418099.7757470900915.0153960052762514509.8028528100918.42498500535447.716677.933339635800968.37664600544734.118846.06467*以上數(shù)據(jù)來自中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫、中宏產(chǎn)業(yè)數(shù)據(jù)庫（

20、1）時間序列平穩(wěn)性的單位根檢驗：Y：汽車銷量（輛）；（月度數(shù)據(jù)）X1 ：城鎮(zhèn)家庭人均可支配月收入（元）；X 2 ：汽車生產(chǎn)產(chǎn)量（輛）；（月度數(shù)據(jù)）X 3 ：固定資產(chǎn)投資完成額累計（億元）；（月度數(shù)據(jù)）X 4 ：國內(nèi)生產(chǎn)總值（現(xiàn)價）累計（億元）。（月度數(shù)據(jù)）因為所選取的變量序列均為時間序列，所以為了防止出現(xiàn)“偽回歸”的問題，先對這些時間序列變量的平穩(wěn)性進(jìn)行檢驗。（1） 對Y 序列的平穩(wěn)性的單位根檢驗（ADF 檢驗）先做Y 的時間序列圖，從圖中可以看出：該序列可能存在趨勢項。在 Eviews 中進(jìn)行單位根的 ADF 檢驗，得結(jié)果如下：由上表可以看出：在 1，5，10三個顯著性水平下，t 檢驗統(tǒng)計量

21、值均小于相應(yīng)臨界值，從而拒絕 H0 ,表明汽車銷量（Y）序列不存在單位根，是平穩(wěn)序列。（2） 對 X1 序列的平穩(wěn)性的單位根檢驗（ADF 檢驗）先做 X1 的時間序列圖，從圖中可以看出：該序列可能存在趨勢項。在 Eviews 中進(jìn)行單位根的 ADF 檢驗，得結(jié)果如下：由上表可以看出：在 1，5，10三個顯著性水平下，t 檢驗統(tǒng)計量值均小于相應(yīng)臨界值，從而拒絕 H0 ,表明城鎮(zhèn)家庭人均可支配月收入（ X1 ）序列不存在單位根，是平穩(wěn)序列。（3） 對 X 2 序列的平穩(wěn)性的單位根檢驗（ADF 檢驗）先做 X 2 的時間序列圖，從圖中可以看出：該序列可能存在趨勢項。在 Eviews 中進(jìn)行單位根的

22、ADF 檢驗，得結(jié)果如下：由上表可以看出：在 1，5，10三個顯著性水平下，t 檢驗統(tǒng)計量值均小于相應(yīng)臨界值，從而拒絕 H0 ,表明汽車生產(chǎn)產(chǎn)量（ X 2 ）序列不存在單位根，是平穩(wěn)序列。（4） 對 X 3 序列的平穩(wěn)性的單位根檢驗（ADF 檢驗）先做 X 3 的時間序列圖，從圖中可以看出：該序列可能存在趨勢項。在 Eviews 中進(jìn)行單位根的 ADF 檢驗，得結(jié)果如下：由上表可以看出：在 1%，5，10三個顯著性水平下，t 檢驗統(tǒng)計量值均大于相應(yīng)臨界值因此判定有單位根。作一階差分序列單位根檢驗，檢驗結(jié)果如下由上表可以看出：在 1%，5，10三個顯著性水平下，t 檢驗統(tǒng)計量值均小于相應(yīng)臨界值，

23、從而拒絕 H0 ,表明固定資產(chǎn)投資完成額累計（ X 3 ）一階差分序列不存在單位根，是一階單整序列。（5） 對 X 4 序列的平穩(wěn)性的單位根檢驗（ADF 檢驗）先做 X 4 的時間序列圖，從圖中可以看出：該序列可能存在趨勢項。在 Eviews 中進(jìn)行單位根的 ADF 檢驗，得結(jié)果如下：由上表可以看出：在 1，5，10三個顯著性水平下，t 檢驗統(tǒng)計量值均小于相應(yīng)臨界值，從而拒絕 H0 ,表明國內(nèi)生產(chǎn)總值（現(xiàn)價）累計（ X 4 ）序列不存在單位根，是平穩(wěn)序列。模型設(shè)定形式：log(Yt ) = b1 + b2 log( X1 ) + b3 log( X 2 ) + b4 log( X 3 ) +

24、b5 log( X 4 )其中， Yt 為月汽車銷售量（輛）X1 為城鎮(zhèn)家庭人均可支配月收入（元）X 2 為月汽車產(chǎn)量（輛）X 3 為固定資產(chǎn)投資完成累計額（億元）X 4 為國內(nèi)生總值（億元）模型的估計利用Eviews 軟件，輸入數(shù)據(jù)，對模型進(jìn)行 OLS 回歸，結(jié)果如下表所示：Dependent Variable: LOG(Y) Method: Least SquaresDate: 12/03/07Time: 15:06 Sample(adjusted): 2001:01 2006:09Included observations: 69 after adjusting endpointsVar

25、iableCoefficientStd. Errort-StatisticProb.R-squared0.941995Mean dependent var12.73770Adjusted R-squared0.941995S.D. dependent var0.411670S.E. of regression0.102199Akaike info criterion-1.654095Sum squared resid0.668450Schwarz criterion-1.492204Log likelihood62.06629F-statistic259.8405Durbin-Watson s

26、tat2.327131Prob(F-statistic)0.000000由此可見，該模型 R2 0.942， R2 0.938 可決系數(shù)很高，F(xiàn) 檢驗值 259.8405，明顯顯著。但是當(dāng)a 0.05 時， ta /2 （63-5）2.000，不僅log( X1 )log( X 3 )log( X 4 ) 系數(shù)的 tC-1.0905860.928689-1.1743280.2446LOG(X1)-0.1189230.114347-1.0400240.3022LOG(X2)0.8969700.07272412.333860.0000LOG(X3)0.1804710.1799971.0026290

27、.3198LOG(X4)0.0868800.0506001.7169760.0908LOG(X1)LOG(X2)LOG(X3)LOG(X4)LOG(X1)1.0000000.6595860.8181240.435134LOG(X2)0.6595861.0000000.8934740.634292LOG(X3)0.8181240.8934741.0000000.702220LOG(X4)0.4351340.6342920.7022201.000000檢驗不顯著，而且log( X1) 的系數(shù)的符號與預(yù)期相反，這說明很可能存在嚴(yán)重的多重共線性。計算個解釋變量的相關(guān)系數(shù)，得到相關(guān)系數(shù)矩陣。修正多重共線

28、性采用逐步回歸的方法，去檢驗和解決多重共線性問題。分別作log(Y ) 對log( X1) 、log( X 2 )log( X 3 ) 、log( X 4 ) 的一元回歸，結(jié)果如下表：變量log( X1)log( X 2 )log( X 3 )log( X 4 )參數(shù)估計1.2568021.0069061.5035420.754738t 統(tǒng)計量6.85044831.6668115.315547.446689R20.4083280.9364950.7778260.4528522R0.3996270.9355610.774510.444686其中，加入log( X 2 ) 的方程 R2 最大，故以

29、log( X 2 ) 為基礎(chǔ)，順次加入其他變量逐步回歸，結(jié)果如下表所示：變量log( X1)log( X 2 )log( X 3 )log( X 4 )2Rlog( X 2 ) log( X1)-0.027114（-0.33342）1.10649（23.62780）0.934708log( X 2 ) log( X3)0.921944（12.8503）0.152311（1.294188）0.934635log( X 2 ) log( X 4 )0.939137（23.34508）0.111895（2.57744）0.9391062經(jīng)比較，新加入log( X 4 ) 的方程 R 0.939106

30、 改進(jìn)最大，而且各參數(shù)的 t 檢驗顯著，選擇保留log( X 4 ) ，再加入其他的新變量逐步回歸，結(jié)果如下表所示：變量log( X1)log(X 2 )log( X 3 )log( X 4 )2Rlog( X 2 ) log( X 4 )log( X1)-0.035892（-0.614746）0.951303（19.61394）0.112468（2.573981）0.938365log( X 3 )log( X 2 ) log( X 4 )0.91862（13.17494）0.044893（0.361466）0.105199（2.216339）0.938293在log( X 2 )log(

31、X 4 ) 基礎(chǔ)上分別加入log( X1)2log( X 3 ) 后的 R 沒有有所改進(jìn)，均導(dǎo)致某個參數(shù)的 t 檢驗不顯著，且log( X1 ) 的系數(shù)符號變得不合理。這說明log( X1)重多重共線性，應(yīng)予以剔除。最后修正的嚴(yán)重多重共線性影響的回歸方程為：Log(Y) = -0.3467 + 0.9391*Log(X2 ) + 0.1119*Log(X4 )t（-0.852728）（23.34508）（2.577442）log( X 3 ) 引起嚴(yán)R2 0.9408972R 0.939106F525.3432DW2.335461檢驗?zāi)Ｐ偷漠惙讲睿ㄒ唬?圖形法用 Eviews 軟件生成殘差平方

32、序列e2 resid2，再繪制e2 的散點圖（橫軸為時間，縱軸為參差平方e2 ）。如下圖：由上圖可以看出，參差平方e2 隨時間變動大致呈現(xiàn)水平趨勢，即模型中不存在異方差。下面我們通過 White 檢驗進(jìn)行更進(jìn)一步確認(rèn)。（二） White 檢驗根據(jù) White 檢驗中輔助函數(shù)的構(gòu)造，由于含有兩個解釋變量，故應(yīng)構(gòu)造含有交叉乘積項，則輔助函數(shù)為：s 2 = a + a log( X ) + a log( X ) + a log( X )2 + a log( X )2 + a log( X ) log( X )t01224324452 4經(jīng)估計出現(xiàn) White 檢驗結(jié)果，如下表：White Heter

33、oskedasticity Test:F-statistic1.807381Probability0.124235Obs*R-squared8.655930Probability0.123600Test Equation:Dependent Variable: RESID2 Method: Least SquaresDate: 12/03/07Time: 20:50 Sample: 2001:01 2006:09Included observations: 69VariableCoefficientStd. Errort-StatisticProb.C1.4550562.8649030.507

34、8900.6133LOG(X2)0.3868160.4179160.9255820.3582(LOG(X2)2-0.0184170.023204-0.7936820.4304(LOG(X2)*(LOG(X4)0.0075080.0387060.1939720.8468LOG(X4)-0.8312670.437578-1.8997020.0621(LOG(X4)20.0399430.0321791.2412690.2191R-squared0.125448Mean dependent var0.009871Adjusted R-squared0.056039S.D. dependent var0

35、.022834S.E. of regression0.022185Akaike info criterion-4.695882Sum squared resid0.031006Schwarz criterion-4.501612Log likelihood168.0079F-statistic1.807381Durbin-Watson stat1.946639Prob(F-statistic)0.124235從上表可知， nR2 8065593，由 White 檢驗知，在a 0.05 的顯著性水平下，查卡方分布0.05表，得臨界值 c 2(5) = 11.0705 。因為nR2 8.65593

36、 c 2(5) = 11.0705 ，所以接受原假0.05設(shè)，表明模型不存在異方差。（三）ARCH 檢驗由 Eviews 軟件估計出現(xiàn) ARCH 檢驗結(jié)果如下表：ARCH Test:F-statistic0.160319Probability0.999925Obs*R-squared4.218711Probability0.999652Test Equation:Dependent Variable: RESID2 Method: Least SquaresDate: 12/03/07Time: 20:59 Sample(adjusted): 2002:07 2006:09Included o

37、bservations: 51 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.C0.0222950.0118871.8756230.0699RESID2(-1)0.0461210.1771560.2603420.7963RESID2(-2)-0.1115180.176948-0.6302290.5330RESID2(-3)-0.0435340.177666-0.2450340.8080RESID2(-4)-0.0122860.178198-0.0689480.9455RESID2(-5)-0.0302

38、550.176797-0.1711280.8652RESID2(-6)-0.0778350.175766-0.4428340.6609RESID2(-7)-0.1174670.176714-0.6647320.5110RESID2(-8)-0.1051230.176633-0.5951500.5559RESID2(-9)-0.1401850.178265-0.7863860.4374RESID2(-10)0.0245810.1780000.1380950.8910RESID2(-11)-0.0964770.177010-0.5450380.5895RESID2(-12)-0.0221260.1

39、76375-0.1254480.9010RESID2(-13)-0.1094400.175935-0.6220460.5383RESID2(-14)-0.1181770.176817-0.6683570.5087RESID2(-15)-0.0371250.176337-0.2105380.8346RESID2(-16)-0.0883020.176430-0.5004940.6202RESID2(-17)-0.0527590.176127-0.2995530.7665RESID2(-18)-0.0625310.176266-0.3547550.7251R-squared0.082720Mean

40、dependent var0.010214Adjusted R-squared-0.433250S.D. dependent var0.025717S.E. of regression0.030788Akaike info criterion-3.844394Sum squared resid0.030332Schwarz criterion-3.124694Log likelihood117.0321F-statistic0.160319Durbin-Watson stat1.817152Prob(F-statistic)0.999925從上表可以看出， (n - p)R2 4.218711

41、，在a 0.05 的顯著性水平下，查卡方分布表，得臨界值 c20.05(18) = 27.5871 ，因為(n - p)R2 4.218711 c 2(18) = 27.5871 ，所以接受0.05原假設(shè)，表明模型不存在異方差。自相關(guān)性的檢驗和處理由于該方程的可決系數(shù)較高，回歸系數(shù)均顯著。對樣本量為 69，兩個解釋變量的模型、5的顯著水平，查 DW 統(tǒng)計表可知，dL1.554dU 1.672，該模型中 DW2.3354614- dU2.328，模型中存不存在自相關(guān)，無法確定（這一點從參差圖中也可以看出，如下）。謹(jǐn)慎考慮，姑且認(rèn)為模型存在自相關(guān)。為解決自相關(guān)問題，使用科克倫奧克特迭代法。首先，生

42、成參差序列 et，對 et 作滯后一期自回歸，如下表：Dependent Variable: ET Method: Least SquaresDate: 12/03/07Time: 21:39 Sample(adjusted): 2001:03 2006:09Included observations: 67 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb.ET(-1)-0.1653240.120157-1.3758960.1735R-squared0.027576Mean dependent var-

43、0.001722Adjusted R-squared0.027576S.D. dependent var0.097545S.E. of regression0.096191Akaike info criterion-1.830150Sum squared resid0.610678Schwarz criterion-1.797244Log likelihood62.31003Durbin-Watson stat1.969299得到回歸方程：E = -0.165324*E(-1)，所以 p-0.165324，對原模型進(jìn)行廣義差分，得到廣義差分方程：log(Yt )+0.1653log(Yt-1

44、)=b1 (1+0.1653)+b 2 log(X 2t )+0.1653log(X 2t-1 )+b3 log(X 4t )+0.1653log(X 4t-1 )+u t對廣義差分方程進(jìn)行回歸，回歸結(jié)果見下表：Dependent Variable: T+0.1653*T(-1) Method: Least SquaresDate: 12/03/07Time: 21:46 Sample(adjusted): 2001:03 2006:09Included observations: 67 after adjusting endpointsVariableCoefficientStd. Erro

45、rt-StatisticProb.C-0.2723690.426425-0.6387270.5253P+0.1653*P(-1)0.9341460.03526026.492760.0000I+0.1653*I(-1)0.1067940.0382582.7914150.0069R-squared0.952660Mean dependent var14.86987Adjusted R-squared0.951181S.D. dependent var0.441562S.E. of regression0.097563Akaike info criterion-1.772890Sum squared resid0.609189Schwarz criterion-1.674172Log likelihood62.39181F-