計量經(jīng)濟學案例分析eviews

第二章案例分析一、研究的目的要求居民消費在社會經(jīng)濟的持續(xù)發(fā)展中有著重要的作用。居民合理的消費模式和居民適度的消費規(guī)模有利于經(jīng)濟持續(xù)健康的增長，而且這也是人民生活水平的具體體現(xiàn)。改革開放以來隨著中國經(jīng)濟的快速發(fā)展，人民生活水平不斷提高，居民的消費水平也不斷增長。但是在看到這個整體趨勢的同時，還應(yīng)看到全國各地區(qū)經(jīng)濟發(fā)展速度不同，居民消費水平也有明顯差異。例如，2002年全國城市居民家庭平均每人每年消費支出為6029.88元,最低的黑龍江省僅為人均4462.08元，最高的上海市達人均10464元，上海是黑龍江的2.35倍。為了研究全國居民消費水平及其變動的原因，需要作具體的分析。影響各地區(qū)居民消費支出有明顯差異的因素可能很多，例如，居民的收入水平、就業(yè)狀況、零售物價指數(shù)、利率、居民財產(chǎn)、購物環(huán)境等等都可能對居民消費有影響。為了分析什么是影響各地區(qū)居民消費支出有明顯差異的最主要因素，并分析影響因素與消費水平的數(shù)量關(guān)系，可以建立相應(yīng)的計量經(jīng)濟模型去研究。二、模型設(shè)定我們研究的對象是各地區(qū)居民消費的差異。居民消費可分為城市居民消費和農(nóng)村居民消費，由于各地區(qū)的城市與農(nóng)村人口比例及經(jīng)濟結(jié)構(gòu)有較大差異，最具有直接對比可比性的是城市居民消費。而且，由于各地區(qū)人口和經(jīng)濟總量不同，只能用“城市居民每人每年的平均消費支出”來比較，而這正是可從統(tǒng)計年鑒中獲得數(shù)據(jù)的變量。所以模型的被解釋變量Y選定為“城市居民每人每年的平均消費支出”。因為研究的目的是各地區(qū)城市居民消費的差異，并不是城市居民消費在不同時間的變動，所以應(yīng)選擇同一時期各地區(qū)城市居民的消費支出來建立模型。因此建立的是2002年截面數(shù)據(jù)模型。影響各地區(qū)城市居民人均消費支出有明顯差異的因素有多種，但從理論和經(jīng)驗分析，最主要的影響因素應(yīng)是居民收入，其他因素雖然對居民消費也有影響，但有的不易取得數(shù)據(jù)，如“居民財產(chǎn)”和“購物環(huán)境”；有的與居民收入可能高度相關(guān)，如“就業(yè)狀況”、“居民財產(chǎn)”；還有的因素在運用截面數(shù)據(jù)時在地區(qū)間的差異并不大，如“零售物價指數(shù)”、“利率”。因此這些其他因素可以不列入模型，即便它們對居民消費有某些影響也可歸入隨即擾動項中。為了與“城市居民人均消費支出”相對應(yīng)，選擇在統(tǒng)計年鑒中可以獲得的“城市居民每人每年可支配收入”作為解釋變量X。從2002年《中國統(tǒng)計年鑒》中得到表2.5的數(shù)據(jù):表2.52002年中國各地區(qū)城市居民人均年消費支出和可支配收入地區(qū)城市居民家庭平均每人每年消費支出(元)Y城市居民人均年可支配收入(元)X北京天津河北山西內(nèi)蒙古遼寧吉林黑龍江上海江蘇浙江安徽福建江西山東河南湖北湖南廣東廣西海南重慶四川貴州云南西藏陜西甘肅青海寧夏新疆10284.607191.965069.284710.964859.885342.644973.884462.0810464.006042.608713.084736.526631.684549.325596.324504.685608.925574.728988.485413.445459.646360.245413.084598.285827.926952.445278.045064.245042.526104.925636.4012463.929337.566679.685234.356051.066524.526260.166100.5613249.808177.6411715.606032.409189.366334.647614.366245.406788.526958.5611137.207315.326822.727238.046610.805944.087240.568079.126330.846151.446170.526067.446899.64作城市居民家庭平均每人每年消費支出(Y)和城市居民人均年可支配收入(X)的散點圖，如圖2.12：圖2.12從散點圖可以看出居民家庭平均每人每年消費支出(Y)和城市居民人均年可支配收入(X)大體呈現(xiàn)為線性關(guān)系，所以建立的計量經(jīng)濟模型為如下線性模型：三、估計參數(shù)假定所建模型及隨機擾動項滿足古典假定，可以用OLS法估計其參數(shù)。運用計算機軟件EViews作計量經(jīng)濟分析十分方便。利用EViews作簡單線性回歸分析的步驟如下：1、建立工作文件首先，雙擊EViews圖標，進入EViews主頁。在菜單一次點擊File\New\Workfile，出現(xiàn)對話框“WorkfileRange”。在“Workfilefrequency”中選擇數(shù)據(jù)頻率：Annual(年度)Weekly(周數(shù)據(jù))Quartrly(季度)Daily(5dayweek)(每周5天日數(shù)據(jù))SemiAnnual(半年)Daily(7dayweek)(每周7天日數(shù)據(jù))Monthly(月度)Undatedorirreqular(未注明日期或不規(guī)則的)在本例中是截面數(shù)據(jù)，選擇“Undatedorirreqular”。并在“Startdate”中輸入開始時間或順序號，如“1”在“enddate”中輸入最后時間或順序號，如“31”點擊“ok”出現(xiàn)“WorkfileUNTITLED”工作框。其中已有變量：“c”—截距項“resid”—剩余項。在“Objects”菜單中點擊“NewObjects”，在“NewObjects”對話框中選“Group”，并在“NameforObjects”上定義文件名，點擊“OK”出現(xiàn)數(shù)據(jù)編輯窗口。若要將工作文件存盤，點擊窗口上方“Save”，在“SaveAs”對話框中給定路徑和文件名，再點擊“ok”，文件即被保存。2、輸入數(shù)據(jù)在數(shù)據(jù)編輯窗口中，首先按上行鍵“↑”，這時對應(yīng)的“obs”字樣的空格會自動上跳，在對應(yīng)列的第二個“obs”有邊框的空格鍵入變量名，如“Y”，再按下行鍵“↓”，對因變量名下的列出現(xiàn)“NA”字樣，即可依順序輸入響應(yīng)的數(shù)據(jù)。其他變量的數(shù)據(jù)也可用類似方法輸入。也可以在EViews命令框直接鍵入“dataXY”(一元時)或“dataY…”(多元時)，回車出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對應(yīng)的Y、X下輸入數(shù)據(jù)。若要對數(shù)據(jù)存盤，點擊“fire/SaveAs”，出現(xiàn)“SaveAs”對話框，在“Drives”點所要存的盤，在“Directories”點存入的路徑（文件名），在“FireName”對所存文件命名，或點已存的文件名，再點“ok”。若要讀取已存盤數(shù)據(jù)，點擊“fire/Open”，在對話框的“Drives”點所存的磁盤名，在“Directories”點文件路徑，在“FireName”點文件名，點擊“ok”即可。3、估計參數(shù)方法一：在EViews主頁界面點擊“Quick”菜單，點擊“EstimateEquation”，出現(xiàn)“Equationspecification”對話框，選OLS估計，即選擊“LeastSquares”，鍵入“YCX”，點“ok”或按回車，即出現(xiàn)如表2.6那樣的回歸結(jié)果。表2.6在本例中，參數(shù)估計的結(jié)果為：（287.2649）(0.036928)t=(0.982520)(20.54026)F=421.9023df=29方法二：在EViews命令框中直接鍵入“LSYCX”，按回車，即出現(xiàn)回歸結(jié)果。若要顯示回歸結(jié)果的圖形，在“Equation”框中，點擊“Resids”，即出現(xiàn)剩余項（Residual）、實際值（Actual）、擬合值（Fitted）的圖形，如圖2.13所示。圖2.13四、模型檢驗1、經(jīng)濟意義檢驗所估計的參數(shù)，說明城市居民人均年可支配收入每相差1元，可導致居民消費支出相差0.758511元。這與經(jīng)濟學中邊際消費傾向的意義相符。2、擬合優(yōu)度和統(tǒng)計檢驗用EViews得出回歸模型參數(shù)估計結(jié)果的同時，已經(jīng)給出了用于模型檢驗的相關(guān)數(shù)據(jù)。擬合優(yōu)度的度量：由表2.6中可以看出，本例中可決系數(shù)為0.935685，說明所建模型整體上對樣本數(shù)據(jù)擬合較好，即解釋變量“城市居民人均年可支配收入”對被解釋變量“城市居民人均年消費支出”的絕大部分差異作出了解釋。對回歸系數(shù)的t檢驗：針對和，由表2.6中還可以看出，估計的回歸系數(shù)的標準誤差和t值分別為：，；的標準誤差和t值分別為：，。取，查t分布表得自由度為的臨界值。因為，所以不能拒絕；因為，所以應(yīng)拒絕。這表明，城市人均年可支配收入對人均年消費支出有顯著影響。五、回歸預測由表2.5中可看出，2002年中國西部地區(qū)城市居民人均年可支配收入除了西藏外均在8000以下，人均消費支出也都在7000元以下。在西部大開發(fā)的推動下，如果西部地區(qū)的城市居民人均年可支配收入第一步爭取達到1000美元(按現(xiàn)有匯率即人民幣8270元)，第二步再爭取達到1500美元(即人民幣12405元)，利用所估計的模型可預測這時城市居民可能達到的人均年消費支出水平?？梢宰⒁獾?，這里的預測是利用截面數(shù)據(jù)模型對被解釋變量在不同空間狀況的空間預測。用EViews作回歸預測，首先在“Workfile”窗口點擊“Range”，出現(xiàn)“ChangeWorkfileRange”窗口，將“Enddata”由“31”改為“33”，點“OK”，將“Workfile”中的“Range”擴展為1—33。在“Workfile”窗口點擊“sampl”，將“sampl”窗口中的“131”改為“133”，點“OK”，將樣本區(qū)也改為為了輸入，在EViews命令框鍵入datax/回車,在X數(shù)據(jù)表中的“32”位置輸入“8270”，在“33”的位置輸入“12405然后在“E”框中，點擊“Forecast”，得對話框。在對話框中的“Forecastname”(預測值序列名)鍵入“”，回車即得到模型估計值及標準誤差的圖形。雙擊“Workfile”窗口中出現(xiàn)的“”，在“”數(shù)據(jù)表中的“32”位置出現(xiàn)預測值，在“33”位置出現(xiàn)。這是當和時人均消費支出的點預測值。為了作區(qū)間預測，在X和Y的數(shù)據(jù)表中，點擊“View”選“DescriptiveStats\CmmonSample”，則得到X和Y的描述統(tǒng)計結(jié)果，見表2.7:表2.7根據(jù)表2.7的數(shù)據(jù)可計算:取,平均值置信度95%的預測區(qū)間為：時時即是說，當元時，平均值置信度95%的預測區(qū)間為（6393.03，6717.23）元。當元時，平均值置信度95%的預測區(qū)間為（9292.33，10090.83）元。個別值置信度95%的預測區(qū)間為：時時即是說，當?shù)谝徊綍r，個別值置信度95%的預測區(qū)間為（5694.81，7415.45）元。當?shù)诙綍r，個別值置信度95%的預測區(qū)間為（8757.09，10626.07）元。在“E”框中，點擊“Forecast”可得預測值及標準誤差的圖形如圖2.14：圖2.14第三章案例分析【例3.2】中國稅收增長的分析一、研究的目的要求改革開放以來，隨著經(jīng)濟體制改革的深化和經(jīng)濟的快速增長，中國的財政收支狀況發(fā)生很大變化，中央和地方的稅收收入1978年為519.28億元，到2002年已增長到17636.45億元，25年間增長了33倍，平均每年增長%。為了研究影響中國稅收收入增長的主要原因，分析中央和地方稅收收入的增長規(guī)律，預測中國稅收未來的增長趨勢，需要建立計量經(jīng)濟模型。影響中國稅收收入增長的因素很多，但據(jù)分析主要的因素可能有：（1）從宏觀經(jīng)濟看，經(jīng)濟整體增長是稅收增長的基本源泉。（2）公共財政的需求，稅收收入是財政收入的主體，社會經(jīng)濟的發(fā)展和社會保障的完善等都對公共財政提出要求，因此對預算支出所表現(xiàn)的公共財政的需求對當年的稅收收入可能會有一定的影響。（3）物價水平。我國的稅制結(jié)構(gòu)以流轉(zhuǎn)稅為主，以現(xiàn)行價格計算的GDP等指標和經(jīng)營者的收入水平都與物價水平有關(guān)。（4）稅收政策因素。我國自1978年以來經(jīng)歷了兩次大的稅制改革，一次是1984-1985年的國有企業(yè)利改稅，另一次是1994年的全國范圍內(nèi)的新稅制改革。稅制改革對稅收會產(chǎn)生影響，特別是1985年稅收陡增215.42%。但是第二次稅制改革對稅收增長速度的影響不是非常大。因此，可以從以上幾個方面，分析各種因素對中國稅收增長的具體影響。二、模型設(shè)定為了全面反映中國稅收增長的全貌，選擇包括中央和地方稅收的“國家財政收入”中的“各項稅收”（簡稱“稅收收入”）作為被解釋變量，以反映國家稅收的增長；選擇“國內(nèi)生產(chǎn)總值（GDP）”作為經(jīng)濟整體增長水平的代表；選擇中央和地方“財政支出”作為公共財政需求的代表；選擇“商品零售物價指數(shù)”作為物價水平的代表。由于財稅體制的改革難以量化，而且1985年以后財稅體制改革對稅收增長影響不是很大，可暫不考慮稅制改革對稅收增長的影響。所以解釋變量設(shè)定為可觀測的“國內(nèi)生產(chǎn)總值”、“財政支出”、“商品零售物價指數(shù)”等變量。從《中國統(tǒng)計年鑒》收集到以下數(shù)據(jù)（見表3.3）：年份稅收收入（億元）（Y）國內(nèi)生產(chǎn)總值（億元）（X2）財政支出（億元）（X3）商品零售價格指數(shù)（%）（X4）1978519.283624.11122.09100.71979537.824038.21281.79102.01980571.704517.81228.83106.01981629.894862.41138.41102.41982700.025294.71229.98101.91983775.595934.51409.52101.51984947.357171.01701.02102.819852040.798964.42004.25108.819862090.7310202.22204.91106.019872140.3611962.52262.18107.319882390.4714928.32491.21118.519892727.4016909.22823.78117.819902821.8618547.93083.59102.119912990.1721617.83386.62102.919923296.9126638.13742.20105.419934255.3034634.44642.30113.219945126.8846759.45792.62121.719956038.0458478.16823.72114.819966909.8267884.67937.55106.119978234.0474462.69233.56100.819989262.8078345.210798.1897.4199910682.5882067.513187.6797.0200012581.5189468.115886.5098.5200115301.3897314.818902.5899.2200217636.45104790.622053.1598.7表3.3中國稅收收入及相關(guān)數(shù)據(jù)設(shè)定的線性回歸模型為：三、估計參數(shù)利用EViews估計模型的參數(shù)，方法是：1、建立工作文件：啟動EViews，點擊File\New\Workfile，在對話框“WorkfileRange”。在“Workfilefrequency”中選擇“Annual”(年度)，并在“Startdate”中輸入開始時間“1978”，在“enddate”中輸入最后時間“2002”，點擊“ok”，出現(xiàn)“WorkfileUNTITLED”工作框。其中已有變量：“c”—截距項“resid”—剩余項。在“Objects”菜單中點擊“NewObjects”，在“NewObjects”對話框中選“Group”，并在“NameforObjects”上定義文件名，點擊“OK2、輸入數(shù)據(jù)：點擊“Quik”下拉菜單中的“EmptyGroup”，出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，點第一列與“obs”對應(yīng)的格，在命令欄輸入“Y”，點下行鍵“↓”，即將該序列命名為Y，并依此輸入Y的數(shù)據(jù)。用同樣方法在對應(yīng)的列命名X2、X3、X4，并輸入相應(yīng)的數(shù)據(jù)?；蛘咴贓Views命令框直接鍵入“dataYX3 X4…”，回車出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對應(yīng)的Y、X2、X3、X4下輸入響應(yīng)的數(shù)據(jù)。3、估計參數(shù)：點擊“Procs“下拉菜單中的“MakeEquation”，在出現(xiàn)的對話框的“EquationSpecification”欄中鍵入“YCX2X3X4”，在“EstimationSettings”欄中選擇“LeastSqares”(最小二乘法)，點“ok”表3.4根據(jù)表3.4中數(shù)據(jù)，模型估計的結(jié)果為：(940.6128)(0.0056)(0.0332)(8.7363)t=(-2.7459)(3.9566)(21.1247)(2.7449)F=2717.238df=21四、模型檢驗1、經(jīng)濟意義檢驗?zāi)Ｐ凸烙嫿Y(jié)果說明，在假定其它變量不變的情況下，當年GDP每增長1億元，稅收收入就會增長0.02207億元；在假定其它變量不變的情況下，當年財政支出每增長1億元，稅收收入會增長0.7021億元；在假定其它變量不變的情況下，當年零售商品物價指數(shù)上漲一個百分點，稅收收入就會增長23.9854億元。這與理論分析和經(jīng)驗判斷相一致。2、統(tǒng)計檢驗（1）擬合優(yōu)度：由表3.4中數(shù)據(jù)可以得到：，修正的可決系數(shù)為，這說明模型對樣本的擬合很好。（2）F檢驗：針對，給定顯著性水平，在F分布表中查出自由度為k-1=3和n-k=21的臨界值。由表3.4中得到F=2717.238，由于F=2717.238>，應(yīng)拒絕原假設(shè)，說明回歸方程顯著，即“國內(nèi)生產(chǎn)總值”、“財政支出”、“商品零售物價指數(shù)”等變量聯(lián)合起來確實對“稅收收入”有顯著影響。（3）t檢驗：分別針對：，給定顯著性水平，查t分布表得自由度為n-k=21臨界值。由表3.4中數(shù)據(jù)可得，與、、、對應(yīng)的t統(tǒng)計量分別為-2.7459、3.9566、21.1247、2.7449，其絕對值均大于，這說明分別都應(yīng)當拒絕：，也就是說，當在其它解釋變量不變的情況下，解釋變量“國內(nèi)生產(chǎn)總值”（）、“財政支出”（）、“商品零售物價指數(shù)”（）分別對被解釋變量“稅收收入”Y都有顯著的影響。第四章案例分析一、研究的目的要求近年來，中國旅游業(yè)一直保持高速發(fā)展，旅游業(yè)作為國民經(jīng)濟新的增長點，在整個社會經(jīng)濟發(fā)展中的作用日益顯現(xiàn)。中國的旅游業(yè)分為國內(nèi)旅游和入境旅游兩大市場，入境旅游外匯收入年均增長22.6%，與此同時國內(nèi)旅游也迅速增長。改革開放20多年來，特別是進入90年代后，中國的國內(nèi)旅游收入年均增長14.4%，遠高于同期GDP9.76%的增長率。為了規(guī)劃中國未來旅游產(chǎn)業(yè)的發(fā)展，需要定量地分析影響中國旅游市場發(fā)展的主要因素。二、模型設(shè)定及其估計經(jīng)分析，影響國內(nèi)旅游市場收入的主要因素，除了國內(nèi)旅游人數(shù)和旅游支出以外，還可能與相關(guān)基礎(chǔ)設(shè)施有關(guān)。為此，考慮的影響因素主要有國內(nèi)旅游人數(shù)，城鎮(zhèn)居民人均旅游支出，農(nóng)村居民人均旅游支出，并以公路里程和鐵路里程作為相關(guān)基礎(chǔ)設(shè)施的代表。為此設(shè)定了如下對數(shù)形式的計量經(jīng)濟模型：其中：——第t年全國旅游收入——國內(nèi)旅游人數(shù)（萬人）——城鎮(zhèn)居民人均旅游支出（元）——農(nóng)村居民人均旅游支出（元）——公路里程（萬公里）——鐵路里程（萬公里）為估計模型參數(shù)，收集旅游事業(yè)發(fā)展最快的1994—2003年的統(tǒng)計數(shù)據(jù)，如表4.2所示：表4.21994年—2003年中國旅游收入及相關(guān)數(shù)據(jù)年份國內(nèi)旅游收入Y（億元）國內(nèi)旅游人數(shù)X2（萬人次）城鎮(zhèn)居民人均旅游支出X3（元）農(nóng)村居民人均旅游支出X4（元）公路里程X5（萬公里）鐵路里程X6（萬公里）19941023.552400414.754.9111.785.9019951375.762900464.061.5115.705.9719961638.463900534.170.5118.586.4919972112.764400599.8145.7122.646.6019982391.269450607.0197.0127.856.6419992831.971900614.8249.5135.176.7420003175.574400678.6226.6140.276.8720013522.478400708.3212.7169.807.0120023878.487800739.7209.1176.527.1920033442.387000684.9200.0180.987.30數(shù)據(jù)來源:《中國統(tǒng)計年鑒2004》利用Eviews軟件，輸入Y、X2、X3、X4、X5、X6等數(shù)據(jù)，采用這些數(shù)據(jù)對模型進行OLS回歸，結(jié)果如表4.3：表4.3由此可見，該模型，可決系數(shù)很高，F(xiàn)檢驗值173.3525,明顯顯著。但是當時,不僅、系數(shù)的t檢驗不顯著，而且系數(shù)的符號與預期的相反，這表明很可能存在嚴重的多重共線性。計算各解釋變量的相關(guān)系數(shù)，選擇X2、X3、X4、X5、X6數(shù)據(jù)，點”view/correlations”得相關(guān)系數(shù)矩陣（如表4.4）：表4.4由相關(guān)系數(shù)矩陣可以看出：各解釋變量相互之間的相關(guān)系數(shù)較高，證實確實存在嚴重多重共線性。三、消除多重共線性采用逐步回歸的辦法，去檢驗和解決多重共線性問題。分別作Y對X2、X3、X4、X5、X6的一元回歸，結(jié)果如表4.5所示：表4.5變量X2X3X4X5X6參數(shù)估計值0.08429.052311.667334.33242014.146t統(tǒng)計量8.665913.15985.19676.46758.74870.90370.95580.77150.83940.9054按的大小排序為：X3、X6、X2、X5、X4。以X3為基礎(chǔ)，順次加入其他變量逐步回歸。首先加入X6回歸結(jié)果為：t=(2.9086)(0.46214)當取時，，X6參數(shù)的t檢驗不顯著，予以剔除，加入X2回歸得t=(4.2839)(2.1512)X2參數(shù)的t檢驗不顯著，予以剔除，加入X5回歸得t=(6.6446)(2.6584)X3、X5參數(shù)的t檢驗顯著，保留X5，再加入X4回歸得t=(3.944983)(4.692961)（3.06767）F=231.7935DW=1.952587當取時，,X3、X4、X5系數(shù)的t檢驗都顯著，這是最后消除多重共線性的結(jié)果。這說明，在其他因素不變的情況下，當城鎮(zhèn)居民人均旅游支出和農(nóng)村居民人均旅游支出分別增長1元時，國內(nèi)旅游收入將分別增長4.21億元和3.22億元。在其他因素不變的情況下，作為旅游設(shè)施的代表，公路里程每增加1萬公里時,國內(nèi)旅游收入將增長13.63億元。第五章案例分析一、問題的提出和模型設(shè)定根據(jù)本章引子提出的問題，為了給制定醫(yī)療機構(gòu)的規(guī)劃提供依據(jù)，分析比較醫(yī)療機構(gòu)與人口數(shù)量的關(guān)系，建立衛(wèi)生醫(yī)療機構(gòu)數(shù)與人口數(shù)的回歸模型。假定醫(yī)療機構(gòu)數(shù)與人口數(shù)之間滿足線性約束，則理論模型設(shè)定為（5.31）其中表示衛(wèi)生醫(yī)療機構(gòu)數(shù)，表示人口數(shù)。由2001年《四川統(tǒng)計年鑒》得到如下數(shù)據(jù)。表5.1四川省2000年各地區(qū)醫(yī)療機構(gòu)數(shù)與人口數(shù)地區(qū)人口數(shù)（萬人）X醫(yī)療機構(gòu)數(shù)（個）Y地區(qū)人口數(shù)（萬人）X醫(yī)療機構(gòu)數(shù)（個）Y成都1013.36304眉山339.9827自貢315911宜賓508.51530攀枝花103934廣安438.61589瀘州463.71297達州620.12403德陽379.31085雅安149.8866綿陽518.41616巴中346.71223廣元302.61021資陽488.41361遂寧3711375阿壩82.9536內(nèi)江419.91212甘孜88.9594樂山345.91132涼山402.41471南充709.24064二、參數(shù)估計進入EViews軟件包，確定時間范圍；編輯輸入數(shù)據(jù)；選擇估計方程菜單，估計樣本回歸函數(shù)如下表5.2估計結(jié)果為(5.32)括號內(nèi)為t統(tǒng)計量值。三、檢驗?zāi)Ｐ偷漠惙讲畋纠玫氖撬拇ㄊ?000年各地市州的醫(yī)療機構(gòu)數(shù)和人口數(shù)，由于地區(qū)之間存在的不同人口數(shù)，因此，對各種醫(yī)療機構(gòu)的設(shè)置數(shù)量會存在不同的需求，這種差異使得模型很容易產(chǎn)生異方差，從而影響模型的估計和運用。為此，必須對該模型是否存在異方差進行檢驗。（一）圖形法1、EViews軟件操作。由路徑：Quick/QstimateEquation，進入EquationSpecification窗口，鍵入“ycx”，確認并“ok”，得樣本回歸估計結(jié)果，見表5.2。（1）生成殘差平方序列。在得到表5.2估計結(jié)果后，立即用生成命令建立序列，記為e2。生成過程如下，先按路徑：Procs/GenerateSeries，進入GenerateSeriesbyEquation對話框，即圖5.4然后，在GenerateSeriesbyEquation對話框中（如圖5.4），鍵入“e2=（resid）^2”，則生成序列。（2）繪制對的散點圖。選擇變量名X與e2（注意選擇變量的順序，先選的變量將在圖形中表示橫軸，后選的變量表示縱軸），進入數(shù)據(jù)列表，再按路徑view/graph/scatter，可得散點圖，見圖5.5。圖5.52、判斷。由圖5.5可以看出，殘差平方對解釋變量X的散點圖主要分布在圖形中的下三角部分，大致看出殘差平方隨的變動呈增大的趨勢，因此，模型很可能存在異方差。但是否確實存在異方差還應(yīng)通過更進一步的檢驗。（二）Goldfeld-Quanadt檢驗1、EViews軟件操作。（1）對變量取值排序（按遞增或遞減）。在Procs菜單里選SortSeries命令，出現(xiàn)排序?qū)υ捒颍绻赃f增型排序，選Ascenging，如果以遞減型排序，則應(yīng)選Descending，鍵入X，點ok。本例選遞增型排序，這時變量Y與X將以X按遞增型排序。（2）構(gòu)造子樣本區(qū)間，建立回歸模型。在本例中，樣本容量n=21，刪除中間1/4的觀測值，即大約5個觀測值，余下部分平分得兩個樣本區(qū)間：1—8和14—21，它們的樣本個數(shù)均是8個，即。在Sample菜單里，將區(qū)間定義為1—8，然后用OLS方法求得如下結(jié)果表5.3在Sample菜單里,將區(qū)間定義為14—21，再用OLS方法求得如下結(jié)果表5.4（3）求F統(tǒng)計量值?；诒?.3和表5.4中殘差平方和的數(shù)據(jù)，即Sumsquaredresid的值。由表5.3計算得到的殘差平方和為，由表5.4計算得到的殘差平方和為，根據(jù)Goldfeld-Quanadt檢驗，F(xiàn)統(tǒng)計量為（5.33）（4）判斷。在下，式（5.33）中分子、分母的自由度均為6，查F分布表得臨界值為，因為，所以拒絕原假設(shè)，表明模型確實存在異方差。（三）White檢驗由表5.2估計結(jié)果，按路徑view/residualtests/whiteheteroskedasticity（nocrosstermsorcrossterms），進入White檢驗。根據(jù)White檢驗中輔助函數(shù)的構(gòu)造，最后一項為變量的交叉乘積項，因為本例為一元函數(shù)，故無交叉乘積項，因此應(yīng)選nocrossterms，則輔助函數(shù)為（5.34）經(jīng)估計出現(xiàn)White檢驗結(jié)果，見表5.5。從表5.5可以看出，，由White檢驗知，在下，查分布表,得臨界值（在（5.34）式中只有兩項含有解釋變量，故自由度為2），比較計算的統(tǒng)計量與臨界值，因為＞，所以拒絕原假設(shè)，不拒絕備擇假設(shè)，表明模型存在異方差。表5.5四、異方差性的修正（一）加權(quán)最小二乘法（WLS）在運用WLS法估計過程中，我們分別選用了權(quán)數(shù)。權(quán)數(shù)的生成過程如下，由圖5.4，在對話框中的EnterQuation處，按如下格式分別鍵入：；；，經(jīng)估計檢驗發(fā)現(xiàn)用權(quán)數(shù)的效果最好。下面僅給出用權(quán)數(shù)的結(jié)果。表5.7表5.7的估計結(jié)果如下（5.36）括號中數(shù)據(jù)為t統(tǒng)計量值?？梢钥闯鲞\用加權(quán)小二乘法消除了異方差性后，參數(shù)的t檢驗均顯著，可決系數(shù)大幅提高，F(xiàn)檢驗也顯著，并說明人口數(shù)量每增加1萬人，平均說來將增加2.953個衛(wèi)生醫(yī)療機構(gòu)，而不是引子中得出的增加5.3735個醫(yī)療機構(gòu)。雖然這個模型可能還存在某些其他需要進一步解決的問題，但這一估計結(jié)果或許比引子中的結(jié)論更為接近真實情況。第六章案例分析一、研究目的2003年中國農(nóng)村人口占59.47％，而消費總量卻只占41.4%，農(nóng)村居民的收入和消費是一個值得研究的問題。消費模型是研究居民消費行為的常用工具。通過中國農(nóng)村居民消費模型的分析可判斷農(nóng)村居民的邊際消費傾向，這是宏觀經(jīng)濟分析的重要參數(shù)。同時，農(nóng)村居民消費模型也能用于農(nóng)村居民消費水平的預測。二、模型設(shè)定正如第二章所講述的，影響居民消費的因素很多，但由于受各種條件的限制，通常只引入居民收入一個變量做解釋變量，即消費模型設(shè)定為 （6.43）式中，Yt為農(nóng)村居民人均消費支出，Xt為農(nóng)村人均居民純收入，ut為隨機誤差項。表6.3是從《中國統(tǒng)計年鑒》收集的中國農(nóng)村居民1985-2003年的收入與消費數(shù)據(jù)。表6.31985-2003年農(nóng)村居民人均收入和消費單位：元年份全年人均純收入（現(xiàn)價）全年人均消費性支出（現(xiàn)價）消費價格指數(shù)（1985=100）人均實際純收入（1985可比價）人均實際消費性支出（1985可比價）1985198619871988198919901991199219931994199519961997199819992000200120022003397.60423.80462.60544.90601.50686.30708.60784.00921.601221.001577.701923.102090.102162.002214.302253.402366.402475.602622.24317.42357.00398.30476.70535.40584.63619.80659.80769.701016.811310.361572.101617.151590.331577.421670.001741.001834.001943.30100.0106.1112.7132.4157.9165.1168.9176.8201.0248.0291.4314.4322.3319.1314.3314.0316.5315.2320.2397.60399.43410.47411.56380.94415.69419.54443.44458.51492.34541.42611.67648.50677.53704.52717.64747.68785.41818.86317.40336.48353.42360.05339.08354.11366.96373.19382.94410.00449.69500.03501.77498.28501.75531.85550.08581.85606.81注：資料來源于《中國統(tǒng)計年鑒》1986-2004。為了消除價格變動因素對農(nóng)村居民收入和消費支出的影響，不宜直接采用現(xiàn)價人均純收入和現(xiàn)價人均消費支出的數(shù)據(jù)，而需要用經(jīng)消費價格指數(shù)進行調(diào)整后的1985年可比價格計的人均純收入和人均消費支出的數(shù)據(jù)作回歸分析。根據(jù)表6.3中調(diào)整后的1985年可比價格計的人均純收入和人均消費支出的數(shù)據(jù)，使用普通最小二乘法估計消費模型得 （6.44） Se=(12.2238) (0.0214) t=(8.7332) (28.3067)R2=0.9788，F(xiàn)=786.0548，df=17，DW=0.7706該回歸方程可決系數(shù)較高，回歸系數(shù)均顯著。對樣本量為19、一個解釋變量的模型、5%顯著水平，查DW統(tǒng)計表可知，dL=1.18，dU=1.40，模型中DW<dL，顯然消費模型中有自相關(guān)。這一點殘差圖中也可從看出，點擊EViews方程輸出窗口的按鈕Resids可得到殘差圖，如圖6.6所示。圖6.6 殘差圖圖6.6殘差圖中，殘差的變動有系統(tǒng)模式，連續(xù)為正和連續(xù)為負，表明殘差項存在一階正自相關(guān)，模型中t統(tǒng)計量和F統(tǒng)計量的結(jié)論不可信，需采取補救措施。三、自相關(guān)問題的處理為解決自相關(guān)問題，選用科克倫—奧克特迭代法。由模型（6.44）可得殘差序列et，在EViews中，每次回歸的殘差存放在resid序列中，為了對殘差進行回歸分析，需生成命名為e的殘差序列。在主菜單選擇Quick/GenerateSeries或點擊工作文件窗口工具欄中的Procs/GenerateSeries，在彈出的對話框中輸入e=resid，點擊OK得到殘差序列et。使用et進行滯后一期的自回歸，在EViews命今欄中輸入lsee(-1)可得回歸方程 et=0.4960et-1 （6.45）由式（6.45）可知=0.4960，對原模型進行廣義差分，得到廣義差分方程 （6.46）對式（6.46）的廣義差分方程進行回歸，在EViews命令欄中輸入lsY-0.4960*Y(-1)cX-0.4960*X(-1)，回車后可得方程輸出結(jié)果如表6.4。表6.4廣義差分方程輸出結(jié)果DependentVariable:Y-0.496014*Y(-1)Method:LeastSquaresDate:03/26/05Time:12:32Sample(adjusted):19862003Includedobservations:18afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C60.444318.9649576.7422870.0000X-0.496014*X(-1)0.5832870.02941019.833250.0000R-squared0.960914Meandependentvar231.9218AdjustedR-squared0.958472S.D.dependentvar49.34525S.E.ofregression10.05584Akaikeinfocriterion7.558623Sumsquaredresid1617.919Schwarzcriterion7.657554Loglikelihood-66.02761F-statistic393.3577Durbin-Watsonstat1.397928Prob(F-statistic)0.000000由表6.4可得回歸方程為 （6.47）（0.0294）t=（6.7423） （19.8333）R2=0.9609F=393.3577df=16DW式中，，。 由于使用了廣義差分數(shù)據(jù)，樣本容量減少了1個，為18個。查5%顯著水平的DW統(tǒng)計表可知dL=1.16，dU=1.39，模型中DW=1.3979>dU，說明廣義差分模型中已無自相關(guān)，不必再進行迭代。同時可見，可決系數(shù)R2、t、F統(tǒng)計量也均達到理想水平。對比模型（6.44）和（6.47），很明顯普通最小二乘法低估了回歸系數(shù)的標準誤差。[原模型中Se（）=0.0214，廣義差分模型中為Se（）=0.0294。經(jīng)廣義差分后樣本容量會減少1個，為了保證樣本數(shù)不減少，可以使用普萊斯—溫斯騰變換補充第一個觀測值，方法是和。在本例中即為和。由于要補充因差分而損失的第一個觀測值，所以在EViews中就不能采用前述方法直接在命令欄輸入Y和X的廣義差分函數(shù)表達式，而是要生成X和Y的差分序列X*和Y*。在主菜單選擇Quick/GenerateSeries或點擊工作文件窗口工具欄中的Procs/GenerateSeries，在彈出的對話框中輸入Y*=Y-0.4960*Y(-1)，點擊OK得到廣義差分序列Y*，同樣的方法得到廣義差分序列X*。此時的X*和Y*都缺少第一個觀測值，需計算后補充進去，計算得=345.236，=275.598，雙擊工作文件窗口的X*打開序列顯示窗口，點擊Edit+/-按鈕，將=345.236補充到1985年對應(yīng)的欄目中，得到X*的19個觀測值的序列。同樣的方法可得到Y(jié)*的19個觀測值序列。在命令欄中輸入LsY*cX*得到普萊斯—溫斯騰變換的廣義差分模型為 （6.48）（0.0297）t=（6.5178） （19.8079）R2=0.9585F=392.3519df=19DW對比模型（6.47）和（6.48）可發(fā)現(xiàn)，兩者的參數(shù)估計值和各檢驗統(tǒng)計量的差別很微小，說明在本例中使用普萊斯—溫斯騰變換與直接使用科克倫—奧克特兩步法的估計結(jié)果無顯著差異，這是因為本例中的樣本還不算太小。如果實際應(yīng)用中樣本較小，則兩者的差異會較大。通常對于小樣本，應(yīng)采用普萊斯—溫斯騰變換補充第一個觀測值。由差分方程（6.46）有 （6.49）由此，我們得到最終的中國農(nóng)村居民消費模型為Yt=119.9292+0.5833Xt （6.50）由（6.50）的中國農(nóng)村居民消費模型可知，中國農(nóng)村居民的邊際消費傾向為0.5833，即中國農(nóng)民每增加收入1元，將增加消費支出0.5833元。第七章案例分析【案例7.1】為了研究1955—1974年期間美國制造業(yè)庫存量Y和銷售額X的關(guān)系，我們在例7.3中采用了經(jīng)驗加權(quán)法估計分布滯后模型。盡管經(jīng)驗加權(quán)法具有一些優(yōu)點，但是設(shè)置權(quán)數(shù)的主觀隨意性較大，要求分析者對實際問題的特征有比較透徹的了解。下面用阿爾蒙法估計如下有限分布滯后模型：將系數(shù)(i=0,1,2,3)用二次多項式近似，即則原模型可變?yōu)槠渲性贓views工作文件中輸入X和Y的數(shù)據(jù)，在工作文件窗口中點擊“Genr”工具欄，出現(xiàn)對話框，輸入生成變量Z0t的公式，點擊“OK”；類似，可生成Z1t、Z2t變量的數(shù)據(jù)。進入EquationSpecification對話欄，鍵入回歸方程形式Y(jié)CZ0Z1Z2點擊“OK”，顯示回歸結(jié)果（見表7.2）。表7.2表中Z0、Z1、Z2對應(yīng)的系數(shù)分別為的估計值。將它們代入分布滯后系數(shù)的阿爾蒙多項式中，可計算出的估計值為：從而，分布滯后模型的最終估計式為：在實際應(yīng)用中，Eviews提供了多項式分布滯后指令“PDL”用于估計分布滯后模型。下面結(jié)合本例給出操作過程：在Eviews中輸入X和Y的數(shù)據(jù)，進入EquationSpecification對話欄，鍵入方程形式Y(jié)CPDL(X,3,2)其中，“PDL指令”表示進行多項式分布滯后（PolynomialDistributedLags）模型的估計，括號中的3表示X的分布滯后長度，2表示多項式的階數(shù)。在EstimationSettings欄中選擇LeastSquares(最小二乘法)，點擊OK，屏幕將顯示回歸分析結(jié)果（見表7.3）。表7.3需要指出的是，用“PDL”估計分布滯后模型時，Eviews所采用的滯后系數(shù)多項式變換不是形如（7.4）式的阿爾蒙多項式，而是阿爾蒙多項式的派生形式。因此，輸出結(jié)果中PDL01、PDL02、PDL03對應(yīng)的估計系數(shù)不是阿爾蒙多項式系數(shù)的估計。但同前面分步計算的結(jié)果相比，最終的分布滯后估計系數(shù)式是相同的。【案例7.2】貨幣主義學派認為，產(chǎn)生通貨膨脹的必要條件是貨幣的超量供應(yīng)。物價變動與貨幣供應(yīng)量的變化有著較為密切的聯(lián)系，但是二者之間的關(guān)系不是瞬時的，貨幣供應(yīng)量的變化對物價的影響存在一定時滯。有研究表明，西方國家的通貨膨脹時滯大約為2—3個季度。在中國，大家普遍認同貨幣供給的變化對物價具有滯后影響，但滯后期究竟有多長，還存在不同的認識。下面采集1996－2005年全國廣義貨幣供應(yīng)量和物價指數(shù)的月度數(shù)據(jù)（見表7.4）對這一問題進行研究。表7.41996－2005年全國廣義貨幣供應(yīng)量及物價指數(shù)月度數(shù)據(jù)月度廣義貨幣M2(千億元）廣義貨幣增長量M2z（千億元）居民消費價格同比指數(shù)tbzs月度廣義貨幣M2(千億元）廣義貨幣增長量M2z（千億元）居民消費價格同比指數(shù)tbzsJan-9658.401Oct-00129.522-0.9518100Feb-9663.7785.377109.3Nov-00130.99411.4721101.3Mar-9664.5110.733109.8Dec-00134.61033.6162101.5Apr-9665.7231.212109.7Jan-01137.54362.9333101.2May-9666.881.157108.9Feb-01136.2102-1.3334100Jun-9668.1321.252108.6Mar-01138.74452.5343100.8Jul-9669.3461.214108.3Apr-01139.94991.2054101.6Aug-9672.3092.963108.1May-01139.0158-0.9341101.7Sep-9669.643-2.666107.4Jun-01147.80978.7939101.4Oct-9673.15223.5092107Jul-01149.22871.419101.5Nov-9674.1420.9898106.9Aug-01149.94180.7131101Dec-9676.09491.9529107Sep-01151.82261.880899.9Jan-9778.6482.5531105.9Oct-01151.4973-0.3253100.2Feb-9778.9980.35105.6Nov-01154.08832.59199.7Mar-9779.8890.891104Dec-01158.30194.213699.7Apr-9780.8180.929103.2Jan-02159.63931.337499May-9781.1510.333102.8Feb-02160.93561.2963100Jun-9782.7891.638102.8Mar-02164.06463.12999.2Jul-9783.460.671102.7Apr-02164.57060.50698.7Aug-9784.7461.286101.9May-02166.0611.490498.9Sep-9785.8921.146101.8Jun-02169.60123.540299.2Oct-9786.6440.752101.5Jul-02170.85111.249999.1Nov-9787.590.946101.1Aug-02173.25092.399899.3Dec-9790.99533.4053100.4Sep-02176.98243.731599.3Jan-9892.21141.2161100.3Oct-02177.29420.311899.2Feb-9892.024-0.187499.9Nov-02179.73632.442199.3Mar-9892.015-0.009100.7Dec-02185.00735.27199.6Apr-9892.6620.64799.7Jan-03190.48835.481100.4May-9893.9361.27499Feb-03190.1084-0.3799100.2Jun-9894.6580.72298.7Mar-03194.48734.3789100.9Jul-9896.3141.65698.6Apr-03196.13011.6428101Aug-9897.2990.98598.6May-03199.50523.3751100.7Sep-9899.7952.49698.5Jun-03204.93145.4262100.3Oct-98100.87521.080298.9Jul-03206.19311.2617100.5Nov-98102.2291.353898.8Aug-03210.59194.3988100.9Dec-98104.49852.269599Sep-03213.56712.9752101.1Jan-99105.51.001598.8Oct-03214.46940.9023101.8Feb-99107.7782.27898.7Nov-03216.35171.8823103Mar-99108.4380.6698.2Dec-03221.22284.8711103.2Apr-99109.2180.7897.8Jan-04225.101933.87913103.2May-99110.0610.84397.8Feb-04227.050721.94879102.1Jun-99111.3631.30297.9Mar-04231.65464.60388103Jul-99111.4140.05198.6Apr-04233.627861.97326103.8Aug-99112.8271.41398.7May-04234.84241.21454104.4Sep-99115.0792.25299.2Jun-04238.427493.58509105Oct-99115.390.31199.4Jul-04234.8424-3.58509105.3Nov-99116.5591.16999.1Aug-04239.729194.88679105.3Dec-99119.8983.33999Sep-04243.7574.02781105.2Jan-00121.221.32299.8Oct-04243.74-0.017104.3Feb-00121.58340.3634100.7Nov-04247.135583.39558102.8Mar-00122.58070.997399.8Dec-04253.20776.07212102.4Apr-00124.12191.541299.7Jan-05257.752834.54513101.9May-00124.0533-0.0686100.1Feb-05259.35611.60327103.9Jun-00126.60532.552100.5Mar-05264.58895.2328102.7Jul-00126.3239-0.2814100.5Apr-05266.992662.40376101.8Aug-00127.791.4661100.3May-05269.22942.23674101.8Sep-00130.47382.6838100數(shù)據(jù)來源：中國經(jīng)濟統(tǒng)計數(shù)據(jù)庫，/。為了考察貨幣供應(yīng)量的變化對物價的影響，我們用廣義貨幣M2的月增長量M2Z作為解釋變量，以居民消費價格月度同比指數(shù)TBZS為被解釋變量進行研究。首先估計如下回歸模型得如下回歸結(jié)果（表7.5）。表7.5DependentVariable:TBZSMethod:LeastSquaresDate:07/03/05Time:17:10Sample(adjusted):1996:022005:05Includedobservations:112afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C101.43560.397419255.23580.0000M2Z0.0683710.1518720.4501900.6535R-squared0.001839Meandependentvar101.5643AdjustedR-squared-0.007235S.D.dependentvar2.911111S.E.ofregression2.921623Akaikeinfocriterion4.999852Sumsquaredresid938.9472Schwarzcriterion5.048396Loglikelihood-277.9917F-statistic0.202671Durbin-Watsonstat0.047702Prob(F-statistic)0.653460從回歸結(jié)果來看，M2Z的t統(tǒng)計量值不顯著，表明當期貨幣供應(yīng)量的變化對當期物價水平的影響在統(tǒng)計意義上不明顯。為了分析貨幣供應(yīng)量變化影響物價的滯后性，我們做滯后6個月的分布滯后模型的估計，在Eviews工作文檔的方程設(shè)定窗口中，輸入TBZSCM2ZM2Z(-1)M2Z(-2)M2Z(-3)M2Z(-4)M2Z(-5)M2Z(-6)結(jié)果見表7.6。表7.6DependentVariable:TBZSMethod:LeastSquaresDate:07/03/05Sample(adjusted):1996:082005:05Includedobservations:106afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C100.04920.584318171.22400.0000M2Z-0.0110370.140613-0.0784930.9376M2Z(-1)0.0161690.1379980.1171660.9070M2Z(-2)0.0530440.1368080.3877230.6991M2Z(-3)0.0286790.1431550.2003330.8416M2Z(-4)0.1308250.1391830.9399510.3496M2Z(-5)0.1377940.1425020.9669650.3359M2Z(-6)0.2487780.1433941.7349240.0859R-squared0.055557Meandependentvar101.1377AdjustedR-squared-0.011904S.D.dependentvar2.347946S.E.ofregression2.361879Akaikeinfocriterion4.629264Sumsquaredresid546.6902Schwarzcriterion4.830278Loglikelihood-237.3510F-statistic0.823546Durbin-Watsonstat0.094549Prob(F-statistic)0.570083從回歸結(jié)果來看，M2Z各滯后期的系數(shù)逐步增加，表明當期貨幣供應(yīng)量的變化對物價水平的影響要經(jīng)過一段時間才能逐步顯現(xiàn)。但各滯后期的系數(shù)的t統(tǒng)計量值不顯著，因此還不能據(jù)此判斷滯后期究竟有多長。為此，我們做滯后12個月的分布滯后模型的估計，結(jié)果見表7.7。表7.7DependentVariable:TBZSMethod:LeastSquaresDate:07/03/05Time:17:09Sample(adjusted):1997:022005:05Includedobservations:100afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C98.356680.467897210.21020.0000M2Z-0.1676650.121743-1.3772030.1720M2Z(-1)-0.0320650.111691-0.2870840.7747M2Z(-2)-0.0009950.111464-0.0089250.9929M2Z(-3)0.0042430.1138150.0372760.9704M2Z(-4)0.1065810.1127270.9454800.3471M2Z(-5)0.0432170.1131610.3819080.7035M2Z(-6)0.1175810.1184600.9925750.3237M2Z(-7)0.1404180.1155711.2149880.2277M2Z(-8)0.2208750.1143681.9312710.0567M2Z(-9)0.1408750.1153541.2212470.2253M2Z(-10)0.1804970.1158951.5574100.1230M2Z(-11)0.2469110.1255431.9667520.0524M2Z(-12)0.3923590.1300583.0167980.0034R-squared0.317136Meandependentvar100.7830AdjustedR-squared0.213913S.D.dependentvar1.890863S.E.ofregression1.676469Akaikeinfocriterion4.000434Sumsquaredresid241.7072Schwarzcriterion4.365158Loglikelihood-186.0217F-statistic3.072325Durbin-Watsonstat0.265335Prob(F-statistic)0.000906表7.7顯示，從M2Z到M2Z(-11)，回歸系數(shù)都不顯著異于零，而M2Z（-12）的回歸系數(shù)t統(tǒng)計量值為3.016798，在5％顯著性水平下拒絕系數(shù)為零的原假設(shè)。這一結(jié)果表明，當期貨幣供應(yīng)量變化對物價水平的影響在經(jīng)過12個月（即一年）后明顯地顯現(xiàn)出來。為了考察貨幣供應(yīng)量變化對物價水平影響的持續(xù)期，我們做滯后18個月的分布滯后模型的估計，結(jié)果見表7.8。表7.8DependentVariable:TBZSMethod:LeastSquaresDate:07/03/05Time:17:08Sample(adjusted):1997:082005:05Includedobservations:94afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C97.414110.370000263.28150.0000M2Z-0.0836490.094529-0.8849000.3791M2Z(-1)-0.1167440.093984-1.2421610.2181M2Z(-2)-0.1199390.094428-1.2701560.2080M2Z(-3)-0.0929930.095720-0.9715090.3345M2Z(-4)-0.0329120.095823-0.3434680.7322M2Z(-5)-0.0238910.097813-0.2442560.8077M2Z(-6)0.0172900.1006450.1717940.8641M2Z(-7)0.0282880.0975700.2899290.7727M2Z(-8)0.0487080.0958770.5080210.6129M2Z(-9)0.0259950.0975690.2664220.7907M2Z(-10)0.1182470.0967641.2220110.2256M2Z(-11)0.1574080.1025581.5348150.1291M2Z(-12)0.2712810.1123162.4153260.0182M2Z(-13)0.3257600.1092172.9826840.0039M2Z(-14)0.3962420.1070463.7016010.0004M2Z(-15)0.3354820.1067763.1419410.0024M2Z(-16)0.2708110.1072222.5256970.0137M2Z(-17)0.2000240.1092781.8304150.0712M2Z(-18)0.1696960.1015471.6711140.0989R-squared0.610520Meandependentvar100.6085AdjustedR-squared0.510519S.D.dependentvar1.795733S.E.ofregression1.256348Akaikeinfocriterion3.480597Sumsquaredresid116.8024Schwarzcriterion4.021724Loglikelihood-143.5881F-statistic6.105105Durbin-Watsonstat0.308938Prob(F-statistic)0.000000結(jié)果表明，從滯后12個月開始t統(tǒng)計量值顯著，一直到滯后16個月為止，從滯后第17個月開始t值變得不顯著；再從回歸系數(shù)來看，從滯后11個月開始，貨幣供應(yīng)量變化對物價水平的影響明顯增加，再滯后14個月時達到最大，然后逐步下降。通過上述一系列分析，我們可以做出這樣的判斷：在我國，貨幣供應(yīng)量變化對物價水平的影響具有明顯的滯后性，滯后期大約為一年，而且滯后影響具有持續(xù)性，持續(xù)的長度大約為半年，其影響力度先遞增然后遞減，滯后結(jié)構(gòu)為型。當然，從上述回歸結(jié)果也可以看出，回歸方程的不高，DW值也偏低，表明除了貨幣供應(yīng)量外，還有其他因素影響物價變化；同時，過多的滯后變量也可能引起多重共線性問題。如果我們分析的重點是貨幣供應(yīng)量變化對物價影響的滯后性，上述結(jié)果已能說明問題。如果要提高模型的預測精度，則可以考慮對模型進行改進。根據(jù)前面的分析可知，分布滯后模型可以用子回歸模型來代替，因此我們估計如下子自回歸模型：在Eviews工作文檔的方程設(shè)定窗口中，輸入TBZSCTBZS(-1)估計結(jié)果見表7.9。表7.9DependentVariable:TBZSMethod:LeastSquaresDate:07/10/05Time:23:48Sample(adjusted):1996:032005:05Includedobservations:111afteradjustingendpointsVariableCoefficientStd.Errort-StatisticProb.C5.3487921.9386842.7589820.0068TBZS(-1)0.9466700.01908149.613710.0000R-squared0.957596Meandependentvar101.4946AdjustedR-squared0.957207S.D.dependentvar2.828904S.E.ofregression0.585200Akaikeinfocriterion1.784126Sumsquaredresid37.32798Schwarzcriterion1.832947Loglikelihood-97.01900F-statistic2461.520Durbin-Watsonstat1.779257Prob(F-statistic)0.000000第八章案例分析改革開放以來，隨著經(jīng)濟的發(fā)展中國城鄉(xiāng)居民的收入快速增長，同時城鄉(xiāng)居民的儲蓄存款也迅速增長。經(jīng)濟學界的一種觀點認為，20世紀90年代以后由于經(jīng)濟體制、住房、醫(yī)療、養(yǎng)老等社會保障體制的變化，使居民的儲蓄行為發(fā)生了明顯改變。為了考察改革開放以來中國居民的儲蓄存款與收入的關(guān)系是否已發(fā)生變化，以城鄉(xiāng)居民人民幣儲蓄存款年底余額代表居民儲蓄（Y），以國民總收入GNI代表城鄉(xiāng)居民收入，分析居民收入對儲蓄存款影響的數(shù)量關(guān)系。表8.1為1978-2003年中國的國民總收入和城鄉(xiāng)居民人民幣儲蓄存款年底余額及增加額的數(shù)據(jù)。表8.1國民總收入與居民儲蓄存款單位：億元年份國民總收入（GNI）城鄉(xiāng)居民人民幣儲蓄存款年底余額（Y）城鄉(xiāng)居民人民幣儲蓄存款增加額（YY）年份國民總收入（GNI）城鄉(xiāng)居民人民幣儲蓄存款年底余額（Y）城鄉(xiāng)居民人民幣儲蓄存款增加額（YY）19783624.1210.6NA199121662.59241.62121.80019794038.2281.070.4199226651.911759.42517.80019804517.8399.5118.5199334560.515203.53444.10019814860.3532.7124.2199446670.021518.86315.30019825301.8675.4151.7199557494.929662.38143.50019835957.4892.5217.1199666850.538520.88858.50019847206.71214.7322.2199773142.746279.87759.00019858989.11622.6407.9199876967.253407.57615.400198610201.42237.6615.0199980579.459621.86253.000198711954.53073.3835.7200088254.064332.44976.700198814922.33801.5728.2200195727.973762.49457.600198916917.85146.91374.22002103935.386910.613233.20199018598.47119.81923.42003116603.2103617.716631.90數(shù)據(jù)來源：《中國統(tǒng)計年鑒2004》，中國統(tǒng)計出版社。表中“城鄉(xiāng)居民人民幣儲蓄存款年增加額”為年鑒數(shù)值，與用年底余額計算的數(shù)值有差異。為了研究1978—2003年期間城鄉(xiāng)居民儲蓄存款隨收入的變化規(guī)律是否有變化,考證城鄉(xiāng)居民儲蓄存款、國民總收入隨時間的變化情況，如下圖所示：圖8.5從圖8.5中，尚無法得到居民的儲蓄行為發(fā)生明顯改變的詳盡信息。若取居民儲蓄的增量（YY），并作時序圖（見圖8.6）圖8.6