Word計(jì)量經(jīng)濟(jì)學(xué)北京航空航天大學(xué)研究生課程建設(shè)

1、課程代碼：081307學(xué)時(shí)/學(xué)分：48/3 成績：北航研究生精品課程建設(shè)計(jì)量經(jīng)濟(jì)學(xué)課程案例分析案例主題：對中國人均消費(fèi)影響因素的實(shí)證分析任課老師：韓立巖 教授組 長： 楊蘭霞（SY0908404）組 員： 黃 麗（SY0908204）張夢瑜（SY0908407）張素芳（SY0908426）目 錄一、理論基礎(chǔ)及數(shù)據(jù)31. 研究目的32. 模型理論3二、多元線性回歸及其相關(guān)檢驗(yàn)61. OLS回歸結(jié)果：62、異方差檢驗(yàn)63、序列相關(guān)性檢驗(yàn)94、多重共線性檢驗(yàn)11三、虛擬變量分析13四、時(shí)間序列分析161、平穩(wěn)性檢驗(yàn)162、模型的識別、估計(jì)與檢驗(yàn)18五、協(xié)整241、選取變量242、協(xié)整分析26六、面板

2、數(shù)據(jù)處理351、平穩(wěn)性檢驗(yàn)352、模型的確定36附錄一：42對中國人均消費(fèi)影響因素的實(shí)證分析一、理論基礎(chǔ)及數(shù)據(jù)1. 研究目的本文在現(xiàn)代消費(fèi)理論的基礎(chǔ)，分析建立計(jì)量模型，通過對19792008 年全國城鎮(zhèn)居民的人均消費(fèi)支出做時(shí)間序列分析和對20042008年各地區(qū)(31個(gè)省市)城鎮(zhèn)居民的人均消費(fèi)支出做面板數(shù)據(jù)分析，比較分析了人均可支配收入、消費(fèi)者物價(jià)指數(shù)和銀行一年期存款利率等變量對居民消費(fèi)的不同影響。2. 模型理論西方消費(fèi)經(jīng)濟(jì)學(xué)者們認(rèn)為，收入是影響消費(fèi)者消費(fèi)的主要因素，消費(fèi)是需求的函數(shù)。消費(fèi)經(jīng)濟(jì)學(xué)有關(guān)收入與消費(fèi)的關(guān)系，即消費(fèi)函數(shù)理論有：（1）凱恩斯的絕對收入理論。他認(rèn)為消費(fèi)主要取決于消費(fèi)者的凈收

3、入，邊際消費(fèi)傾向小于平均消費(fèi)傾向。他假定，人們的現(xiàn)期消費(fèi)，取決于他們現(xiàn)期收入的絕對量。（2）杜森貝利的相對收入消費(fèi)理論。他認(rèn)為消費(fèi)者會受自己過去的消費(fèi)習(xí)慣以及周圍消費(fèi)水準(zhǔn)來決定消費(fèi)，從而消費(fèi)是相對的決定的。當(dāng)期消費(fèi)主要決定于當(dāng)期收入和過去的消費(fèi)支出水平。（3）弗朗科莫迪利安的生命周期的消費(fèi)理論。這種理論把人生分為三個(gè)階段：少年、壯年和老年；在少年與老年階段，消費(fèi)大于收入；在壯年階段，收入大于消費(fèi)，壯年階段多余的收入用于償還少年時(shí)期的債務(wù)或儲蓄起來用來防老。（4）弗里德曼的永久收入消費(fèi)理論。他認(rèn)為消費(fèi)者的消費(fèi)支出主要不是由他的現(xiàn)期收入來決定，而是由他的永久收入來決定的。這些理論都強(qiáng)調(diào)了收入對消費(fèi)

4、的影響。除此之外，還有其他一些因素也會對消費(fèi)行為產(chǎn)生影響。（1）利率。傳統(tǒng)的看法認(rèn)為，提高利率會刺激儲蓄，從而減少消費(fèi)。當(dāng)然現(xiàn)代經(jīng)濟(jì)學(xué)家也有不同意見，他們認(rèn)為利率對儲蓄的影響要視其對儲蓄的替代效應(yīng)和收入效應(yīng)而定，具體問題具體分析。（2）價(jià)格指數(shù)。價(jià)格的變動(dòng)可以使得實(shí)際收入發(fā)生變化，從而改變消費(fèi)?；谏鲜鲞@些經(jīng)濟(jì)理論，我找到中國1979-2008年全國城鎮(zhèn)居民人均消費(fèi)以及城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)居民消費(fèi)者物價(jià)指數(shù)和20042008年各地區(qū)城鎮(zhèn)居民人均消費(fèi)以及城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)居民消費(fèi)者物價(jià)指數(shù)、以及銀行一年期存款利率的官方數(shù)據(jù)。想借此來分析中國消費(fèi)的影響因素以及它們具體是如何對消費(fèi)

5、產(chǎn)生影響的。針對這一模型，有以下兩個(gè)假定。一，自改革開放以來，我國人均消費(fèi)傾向呈現(xiàn)緩慢的遞減趨勢，即保持粘性。這一假定符合我國居民的儲蓄消費(fèi)心理，也與其他一些發(fā)展中國家的情況大體一致。 二，由儲蓄和消費(fèi)的替代關(guān)系，可以假定刺激儲蓄的因素，會制約消費(fèi)。我們知道提高利率會刺激儲蓄，因而我把利率也引入模型的分析中。以下對我所找的數(shù)據(jù)作一一說明:1、城鎮(zhèn)居民人均消費(fèi)水平。借此來代表城鎮(zhèn)居民的消費(fèi)支出情況，這是將要建立計(jì)量經(jīng)濟(jì)學(xué)模型的被解釋變量。由下圖可以看到消費(fèi)是逐年增加的，與此同時(shí)，人均可支配收入也是逐年增加，隱含著兩者可能有很高的線性相關(guān)性這層意思。2、城鎮(zhèn)居民人均可支配收入。由前面的理

6、論，收入是決定消費(fèi)的主要因素。因此，這里用這一變量來代表人均收入。人均收入提高，人均消費(fèi)也會隨之增加。3、前一期的人均消費(fèi)水平。根據(jù)杜森貝利的相對收入消費(fèi)理論，消費(fèi)者會受自己過去的消費(fèi)習(xí)慣來決定當(dāng)期消費(fèi)。因而把它引入模型中，它與當(dāng)期消費(fèi)應(yīng)該是正相關(guān)的。4、城鎮(zhèn)居民消費(fèi)者物價(jià)指數(shù)。借此來說明價(jià)格變動(dòng)對消費(fèi)的影響，價(jià)格水平越高，人們的購買力普遍降低，為維持原來的消費(fèi)水平，消費(fèi)者的支出也會越多。它們應(yīng)該是正相關(guān)的關(guān)系。這里假定上一年為基期，第二年的價(jià)格指數(shù)是對以上一年數(shù)據(jù)為100的相對數(shù)。5、中國人民銀行一年期儲蓄利率。一般認(rèn)為，提高利率會刺激儲蓄，減少消費(fèi)支出,因?yàn)槔仕皆礁撸M(fèi)的機(jī)會成本就越

7、大，居民就會壓縮當(dāng)前消費(fèi)。因此，它們應(yīng)該是負(fù)相關(guān)的。利率提高時(shí)，人們認(rèn)為減少目前的消費(fèi)，增加將來消費(fèi)比較有利 ，從而增加儲蓄，這是利率對儲蓄的替代效應(yīng)；另一方面，利率提高時(shí)他將來的利息收入增加，會使他認(rèn)為自己比較富有，以致增加目前消費(fèi)，從而可能反而減少儲蓄，這是利率對儲蓄的收入效應(yīng)。利率對不同人群的影響也是不同的。由于中國人民銀行的一年期利率總是不定期地進(jìn)行調(diào)整，可能幾年調(diào)整一次，或者一年調(diào)整幾次，這給我的計(jì)量經(jīng)濟(jì)學(xué)分析帶來了一定的困難。為達(dá)成統(tǒng)一，我每年各種年利率進(jìn)行加權(quán)后作為全年的利率。二、多元線性回歸及其相關(guān)檢驗(yàn)1. OLS回歸結(jié)果：本案例以人均消費(fèi)性支出為被解釋變量，以cpi，i，s，

8、r為解釋變量，通過相關(guān)檢驗(yàn)確定影響人均消費(fèi)性支出的因素，及其各因素對人均消費(fèi)性支出的影響大小。其中cpi是居民消費(fèi)價(jià)格指數(shù)，i是人均可支配收入，s是儲蓄，r是利率，pcce是人均消費(fèi)性支出。最小二乘回歸結(jié)果如下由上圖：R值很大，說明模型擬合度很高，但是cpi、r的t檢驗(yàn)都未通過，而且方差特別大，我們可以猜測該模型存在多重共線性；DW近似為1，說明該模型可能存在序列相關(guān)性。下面就對多重共線性、序列相關(guān)性、異方差性，分別進(jìn)行檢驗(yàn)。2、異方差檢驗(yàn)首先通過散點(diǎn)圖觀察，pcce與各變量的散點(diǎn)圖如下Pcce與cpiPcce和iPcce和sPcce和r由以上散點(diǎn)圖可知：i、s與pcce存在明顯正相關(guān)關(guān)系，而

9、cpi、r與pcce關(guān)系不是很明顯，由此我們可猜測i、s對pcce的影響比較大，這是最直觀的觀察。下面進(jìn)行進(jìn)一步的研究，對其做white檢驗(yàn)。White檢驗(yàn)異方差的修正，權(quán)重取殘差絕對值的倒數(shù)3、序列相關(guān)性檢驗(yàn)通過觀察自相關(guān)圖，DW值和拉格朗日乘數(shù)檢驗(yàn)來判斷相關(guān)性，殘差e與其滯后一階的自相關(guān)圖如下由圖形判斷可能存在正相關(guān)由DW值=0.9837判斷存在正相關(guān)拉格朗日乘數(shù)檢驗(yàn)結(jié)果如下運(yùn)用差分法做修正，做一階差分，回歸結(jié)果如下，4、多重共線性檢驗(yàn)各解釋變量間的相關(guān)系數(shù)如下由相關(guān)系數(shù)看，s與i存在高度相關(guān)，即存在多重貢獻(xiàn)性直接剔除相關(guān)系數(shù)高的變量，觀察多重共線性的情況剔除s，結(jié)果如下剔除i，加入s，結(jié)

10、果如下比較兩者，選擇剔除s，保留i，效果更好此時(shí)相關(guān)系數(shù)如下三、虛擬變量分析1979年-2008年我國城鎮(zhèn)居民人均消費(fèi)性支出時(shí)間序列圖如下： 從圖中大致可以看出，該折線變化的斜率在2000年左右發(fā)生了比較大的變化，后一段的斜率更大。我們知道中國在2001年加入世界貿(mào)易組織（簡稱WTO），這標(biāo)志著中國的開放程度增大，中國與外國的貿(mào)易往來更為自由，本文試檢驗(yàn)改革開放前后中國城鎮(zhèn)居民人均消費(fèi)這個(gè)時(shí)間序列的斜率是否發(fā)生變化。定義虛擬變量為WTO如下： 0，（1979-2001）WTO= 1，（2002-2008） 以時(shí)間t為解釋變量，城鎮(zhèn)居民人均消費(fèi)用Y表示，則數(shù)據(jù)列表如下：中國城鎮(zhèn)居民人均消費(fèi)性支出

11、數(shù)據(jù)（1979-2008）（單位：元人民幣）設(shè)模型如下：Yi=0+1t+2WTOi+3（t WTOi）+ui用Eviews進(jìn)行估計(jì)，則輸出結(jié)果如下所示：所以，估計(jì)結(jié)果為：Y= -733.7205+ 231.3752t-11227.77WTO+512.5770t*WTO (-3.2) (13.4) (-4.4) (5.2)在t值要求不高的情況下，可以認(rèn)為在加入WTO前后斜率的變化是顯著的，即 -733.7205+ 231.3752t （WTO=0, 1979-2001）Y= -11961.4905+743.9522t 1，（WTO=1, 2002-2008）四、時(shí)間序列分析 1、平穩(wěn)性檢驗(yàn)（1）

12、時(shí)間序列圖我國城鎮(zhèn)居民人均消費(fèi)性支出時(shí)間序列圖如下：上圖是1979年2008年30年間我國表示城鎮(zhèn)居民人均消費(fèi)性支出（用Y表示）序列的折線圖，縱坐標(biāo)單位是元。從圖中可以看出，序列圖表現(xiàn)出了持續(xù)上升的趨勢，即在不同時(shí)間段上，其均值是不同的，因此可以初步判斷該序列是不平穩(wěn)的。（2）時(shí)間序列自（偏自）相關(guān)分析圖由自相關(guān)-偏自相關(guān)分析圖可見，樣子自相關(guān)系數(shù)是緩慢減小的，表現(xiàn)為拖尾性；而偏自相關(guān)系數(shù)在k1之后明顯落在置信區(qū)間內(nèi)部，可以認(rèn)為序列的偏自相關(guān)函數(shù)具有截尾性。這也證明了該序列的非平穩(wěn)性。（3）單位根檢驗(yàn) 由于用序列的自相關(guān)分析圖判斷時(shí)間序列的平穩(wěn)性這種方法比較粗略，因而接下來采用比較正式的DF與

13、ADF檢驗(yàn)方法。由于在序列圖中可以看出，Y時(shí)間序列存在明顯的上升趨勢，因而選擇同時(shí)包含常數(shù)項(xiàng)和趨勢項(xiàng)的檢驗(yàn)，當(dāng)ADF檢驗(yàn)方程式中滯后期p選擇0時(shí)，其檢驗(yàn)結(jié)果如下所示：可以看出，t統(tǒng)計(jì)量為2.49，比顯著性水平為10%的臨界值都大，所以不能拒絕原假設(shè)，序列存在單位根。但是，要知道該檢驗(yàn)的效力，我們結(jié)合輸出窗口下半部分的輔助方程式的估計(jì)和檢驗(yàn)結(jié)果進(jìn)行分析。DF檢驗(yàn)的輔助方程估計(jì)與檢驗(yàn)結(jié)果這里的AIC和SC的數(shù)值都太大，說明對序列采用DF檢驗(yàn)并不合適。經(jīng)過試驗(yàn)，得到在有效范圍內(nèi)，當(dāng)滯后期p的值取12時(shí)，AIC和SC值達(dá)最小，此時(shí)有ADF檢驗(yàn)結(jié)果如下。此時(shí)，t統(tǒng)計(jì)量的值為-0.49，大于顯著性水平為1

14、0%的臨界值，結(jié)果與上述檢驗(yàn)結(jié)果相一致，即該時(shí)間序列是非平穩(wěn)的。但是，此時(shí)，t統(tǒng)計(jì)量的值已經(jīng)發(fā)生了明顯的變化。2、模型的識別、估計(jì)與檢驗(yàn)（1）一階差分對序列Y（我國城鎮(zhèn)居民人均消費(fèi)性支出）進(jìn)行一階差分得到Dy，則Dy的自相關(guān)（偏自相關(guān)）分析圖如下所示。 由上圖可以看出，Dy時(shí)間序列的自相關(guān)函數(shù)在k=1，2時(shí)有峰值然后按指數(shù)衰減，偏自相關(guān)函數(shù)在k=1時(shí)有峰值然后呈指數(shù)或者正弦衰減，所以初步認(rèn)為Dy是一個(gè)ARMA(1,1)或ARMA(1,2)過程。ARMA(1,1)模型參數(shù)估計(jì)與檢驗(yàn)結(jié)果ARMA(1,2)模型參數(shù)估計(jì)與檢驗(yàn)結(jié)果有上述兩個(gè)表可知，無論是ARMA(1,2)還是ARMA(1,1)模型，盡

15、管擬合優(yōu)度相對較高，但是AIC和SC值都比較大，而且不是所有的倒數(shù)根都在單位圓內(nèi)，所以Dy過程不平穩(wěn)。（2）二階差分 首先對二階差分進(jìn)行自（偏自）相關(guān)分析，Eviews輸出的圖如下所示。 從圖中，看不出二階差分是否平穩(wěn)，下面我們利用單位根檢驗(yàn)。得：由上圖可知，二階差分后的檢驗(yàn)統(tǒng)計(jì)量t是-5.9，小于顯著性水平1%的臨界值，所以，至少在99%的置信度下拒絕原假設(shè)，即認(rèn)為二階差分序列不存在單位根，因而非平穩(wěn)序列經(jīng)過二階差分平穩(wěn)，所以是二階單整序列，即I（2）。（3）二階差分序列的ARMA模型有上述可知，二階差分序列是平穩(wěn)的，所以對其使用ARMA模型，識別ARMA模型階數(shù)。經(jīng)過反復(fù)試驗(yàn)，可知二階差分

16、序列為ARMA(3,3)和ARMA（2，3）時(shí)的效果較理想，其Eviews輸出結(jié)果圖如下。從上面兩個(gè)圖比較可知，ARMA（2，3）比ARMA(3,3)模型的擬合優(yōu)度更高，AIC和SC值更小，所以ARMA（2，3）模型更理想。上述模型給出的特征根都大于1，因而證明了二階差分序列是平穩(wěn)序列。下面給出給出ARMA（2，3）模型殘差序列的相關(guān)圖和偏相關(guān)圖，檢驗(yàn)隨機(jī)誤差序列的非自相關(guān)性。由上圖知Q（12）=7.71Q0.05（12-2-3）=14.07，所以模型的隨機(jī)誤差序列也達(dá)到了非自相關(guān)的要求，通過檢驗(yàn)。五、協(xié)整1、選取變量首先，對相關(guān)數(shù)據(jù)做圖形分析，由下圖可以看出，CONSP、INP、SAVE這三

17、項(xiàng)數(shù)據(jù)變化趨勢基本相同，所以猜測三者之間相互影響較大。而CPI與IR變化與以上三項(xiàng)數(shù)據(jù)不同，一方面是相互聯(lián)系問題，另一方面是數(shù)量單位不同，以上三項(xiàng)單位都為元，而這兩項(xiàng)沒有單位，并且數(shù)量級相差甚大。為了進(jìn)一步證實(shí)以上結(jié)論，對以上數(shù)據(jù)進(jìn)行協(xié)方差分析，結(jié)果如下圖：由此，我們選取CONSP、INP、SAVE這三項(xiàng)數(shù)據(jù)來做相關(guān)協(xié)整分析，及向量自回歸模型。2、協(xié)整分析（1）首先，對三個(gè)向量進(jìn)行單位根檢驗(yàn)：由以上三張表格可知，當(dāng)單位根選取零時(shí)，三個(gè)變量的ADF檢驗(yàn)統(tǒng)計(jì)量的絕對值均小于相應(yīng)的ADF檢驗(yàn)臨界值的絕對值，說明在這種檢驗(yàn)方法下，三個(gè)變量都不是平穩(wěn)序列，存在單位根。而自動(dòng)選取單位根檢測，得出CONSP

18、和INP擁有一階單位根，而SAVE擁有四階單位根，這說明儲蓄自相關(guān)性比較高，與現(xiàn)實(shí)情況相同。（2）對CONSP、INP、SAVE因果關(guān)系進(jìn)行檢驗(yàn)滯后期為1時(shí)：滯后期為2時(shí)：滯后期為3時(shí)：滯后期為4時(shí)：因果關(guān)系檢驗(yàn)結(jié)果表明：在5%顯著性水平下，滯后期數(shù)為1時(shí)，CONPS與INP互為因果，INP是引起SAVE變化的原因，SAVE與CONSP不存在因果關(guān)系。在滯后期數(shù)為2、3、4時(shí)，INP均為引起CONSP變化的原因，而且INP與CONSP都是引起SAVE變化的原因，這可能與消費(fèi)者只關(guān)注前幾期收入狀況而不是儲蓄狀況而進(jìn)行消費(fèi)有關(guān)。（3）對CONSP與INP的VAR模型進(jìn)行估計(jì)滯后期數(shù)為1時(shí)：CONS

19、P=0.483289909665*CONSP(-1)+0.460725759587*INP(-1)+ 145.420241626INP = - 0.922711807336*CONSP(-1) + 1.80835336473*INP(-1) + 178.827243439滯后期數(shù)為2時(shí)：CONSP = 0.00293134203889*CONSP(-1) + 1CONSP(-2) + 1.35324749205*INP(-1) - 1.4845213261*INP(-2) + 53.3458532437INP = - 0.95973220958*CONSP(-1) +

20、 0.573686976752*CONSP(-2) + 2.43032976552*INP(-1) - 1.09902590013*INP(-2) + 96.1536734667六、面板數(shù)據(jù)處理我們對20032008年各地區(qū)(31個(gè)省市)城鎮(zhèn)居民的人均消費(fèi)支出做面板數(shù)據(jù)分析，我們知道人均可支配收入、消費(fèi)者物價(jià)指數(shù)、人均儲蓄都會對人均消費(fèi)支出有一定的影響，可以建立他們之間的關(guān)系模型。初步選擇的數(shù)據(jù)來自中國統(tǒng)計(jì)年鑒，其中C為城鎮(zhèn)居民的人均消費(fèi)支出，I為城鎮(zhèn)居民的人均可支配收入，CPI為消費(fèi)者物價(jià)指數(shù)，S為人均儲蓄。總共選擇了31個(gè)省市6年的數(shù)據(jù)，共186個(gè)樣本點(diǎn)。1、平穩(wěn)性檢驗(yàn)首先我們將所有數(shù)據(jù)輸

21、入Eviews中，然后分別檢驗(yàn)各序列的平穩(wěn)性，由于數(shù)據(jù)的時(shí)間長度的限制，我們只選擇了一種檢驗(yàn)，即PP檢驗(yàn)，對C的檢驗(yàn)結(jié)果如下圖（無截距項(xiàng)）：MethodStatisticProb.*PP - Fisher Chi-square 0.77859 1.0000PP - Choi Z-statNATest statistic value of 'NA' due to the present of a p-value of        one or zero* Probabilitie

22、s for Fisher tests are computed using an        asymptotic Chi-square distribution. All other tests        assume asymptotic normality.Intermediate Phillips-Perron test results C?SeriesProb.BandwidthObsC1 0.9997

23、0;2.0 5C2 1.0000 4.0 5C3 1.0000 0.0 5C4 1.0000 4.0 5C5 1.0000 4.0 5C6 0.9995 0.0 5C7 1.0000 2.0 5C8 1.0000 4.0 5C9 1.0000 4.0 5C10 1.0000 4.0 5C11 0.9997&#

24、160;3.0 5C12 1.0000 4.0 5C13 1.0000 1.0 5C14 1.0000 1.0 5C15 1.0000 0.0 5C16 1.0000 1.0 5C17 0.9998 4.0 5C18 1.0000 4.0 5C19 1.0000 4.0 5C20 0.9979 4.0 5C21

25、0;0.9986 3.0 5C22 1.0000 3.0 5C23 1.0000 4.0 5C24 1.0000 1.0 5C25 0.9996 4.0 5C26 0.6833 4.0 5C27 0.9999 1.0 5C28 1.0000 3.0 5C29 0.9997 1.0 5C30 0.9985 0.0

26、0;5C31 0.9987 0.0 5結(jié)果接受了存在單位根的原假設(shè)，認(rèn)為該序列是非平穩(wěn)的，通過進(jìn)一步對其差分的檢驗(yàn)，發(fā)現(xiàn)還是非平穩(wěn)的，于是做二階差分，發(fā)現(xiàn)序列平穩(wěn)了。所有變量的平穩(wěn)性檢驗(yàn)結(jié)果如下圖：序列項(xiàng)目原序列一階差分序列二階差分序列CP值110結(jié)論非平穩(wěn)非平穩(wěn)非平穩(wěn)CPIP值110結(jié)論非平穩(wěn)非平穩(wěn)非平穩(wěn)IP值110結(jié)論非平穩(wěn)非平穩(wěn)非平穩(wěn)SP值110結(jié)論非平穩(wěn)非平穩(wěn)非平穩(wěn)2、模型的確定A、pool假設(shè)下的估計(jì)結(jié)果Dependent Variable: D(C?,2)Method: Pooled Least SquaresDate: 01/10/10 Time:

27、13:51Sample (adjusted): 2005 2008Included observations: 4 after adjustmentsCross-sections included: 31Total pool (balanced) observations: 124VariableCoefficientStd. Errort-StatisticProb.  C-147.226038.79499-3.7949740.0002D(I?,2)1.1976650.08267414.486530.0000D(S?,2)-0.0260060.014559-1.78618

28、20.0766D(CPI?,2)-34.2888410.36258-3.3089090.0012R-squared0.646793    Mean dependent var122.3285Adjusted R-squared0.637962    S.D. dependent var599.6733S.E. of regression360.8208    Akaike info criterion14.64637Sum squared resid15622996 

29、;   Schwarz criterion14.73734Log likelihood-904.0747    Hannan-Quinn criter.14.68332F-statistic73.24791    Durbin-Watson stat3.106984Prob(F-statistic)0.000000B、固定影響下的估計(jì)結(jié)果Dependent Variable: D(C?,2)Method: Pooled Least SquaresDate: 01/10/10 Time:

30、 13:52Sample (adjusted): 2005 2008Included observations: 4 after adjustmentsCross-sections included: 31Total pool (balanced) observations: 124VariableCoefficientStd. Errort-StatisticProb.  C-153.964044.19114-3.4840460.0008D(I?,2)1.2210510.09561612.770400.0000D(S?,2)-0.0239700.016939-1.4150

31、360.1605D(CPI?,2)-34.8372711.89181-2.9295170.0043Fixed Effects (Cross)1-C-56.877862-C-294.22733-C-35.434724-C13.545515-C66.063196-C83.364167-C73.733198-C115.06489-C-31.2260410-C-15.5196711-C-33.7680412-C-9.22147613-C-97.4040414-C36.9815715-C30.1937616-C7.99773417-C-58.0637318-C1.23793019-C-36.598682

32、0-C25.6003121-C-0.98666822-C46.6975823-C-40.2908624-C55.4697525-C40.7428926-C-23.5096027-C-69.8745828-C51.7432129-C23.8955130-C65.6844131-C64.98783Effects SpecificationCross-section fixed (dummy variables)R-squared0.661552    Mean dependent var122.3285Adjusted R-squared0.537454&#

33、160;   S.D. dependent var599.6733S.E. of regression407.8423    Akaike info criterion15.08755Sum squared resid14970180    Schwarz criterion15.86086Log likelihood-901.4283    Hannan-Quinn criter.15.40169F-statistic5.330891 

34、;   Durbin-Watson stat3.224195Prob(F-statistic)0.000000C、隨機(jī)影響下的結(jié)果Dependent Variable: D(C?,2)Method: Pooled EGLS (Cross-section random effects)Date: 01/10/10 Time: 13:53Sample (adjusted): 2005 2008Included observations: 4 after adjustmentsCross-sections included: 31Total pool (balanced

35、) observations: 124Swamy and Arora estimator of component variancesVariableCoefficientStd. Errort-StatisticProb.  C-147.226043.85069-3.3574390.0011D(I?,2)1.1976650.09344812.816330.0000D(S?,2)-0.0260060.016457-1.5802470.1167D(CPI?,2)-34.2888411.71302-2.9274140.0041Random Effects (Cross)1-C0

36、.0000002-C0.0000003-C0.0000004-C0.0000005-C0.0000006-C0.0000007-C0.0000008-C0.0000009-C0.00000010-C0.00000011-C0.00000012-C0.00000013-C0.00000014-C0.00000015-C0.00000016-C0.00000017-C0.00000018-C0.00000019-C0.00000020-C0.00000021-C0.00000022-C0.00000023-C0.00000024-C0.00000025-C0.00000026-C0.0000002

37、7-C0.00000028-C0.00000029-C0.00000030-C0.00000031-C0.000000Effects SpecificationS.D.  Rho  Cross-section random0.0000000.0000Idiosyncratic random407.84231.0000Weighted StatisticsR-squared0.646793    Mean dependent var122.3285Adjusted R-squared0.637962 

38、60;  S.D. dependent var599.6733S.E. of regression360.8208    Sum squared resid15622996F-statistic73.24791    Durbin-Watson stat3.106984Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.646793    Mean dependent var122.3285Sum squared resid15622996    Durbin-Watson stat3.106984首先需要確定是用pool估計(jì)還用面板數(shù)據(jù)的估計(jì)，我們選擇View-Fixed/random effects te