计量经济学模型

1、多元线性回归模型、建立模型社会物流总费用受多种综合因素的影响，如运输费用、仓储费用、包装费用、 装卸搬运费用、流通加工费用、信息处理费用等，而其中最重要的因素就是运输 费用和仓储费用，即运输费用和仓储费用与社会物流总费用之间存在单方向的因 果关系；由此，我们可设以下回归模型：Yi二b0+b1*x1i+b2*x2i+ ui现在以中国1995年至2004年物流总费用占GDP比例（）的资料进行回 归分析，并对估计模型进行检验。1995年至2004年物流总费用占GDP比例（%）年份运输费用仓储费用社会物流总费用199511.07.622.0199611.27.522.0199711.07.722.31

2、99811.06.821.4199911.66.221.4200011.26.521.2200111.26.421.1200211.66.421.5200312.06.321.4200412.16.221.3在Eviews中新建工作簿，定义变量“商品价格”（x1）、“消费者人均月收入”（x2）及“商品需求量” （y）,并输入相关数据，得出相应散点图如下：x1与y的散点图为:x2与y的散点图为:由两张散点图不能明确的看出x1、x2与y之间存在线性关系，故通过Eviews 软件计算，得出估计模型的参数结果如下：EViews. - Equation UNHTLED Workfite:鹽疏Untit居

3、dO View Proc Object Print Name FreezeEstrnate Forecast Stats Re&dsDppnrlsnl Variahffi YPJethocl Least SquaresDate 06/19.12 Time15:59Sample 1995 2004Includ&d observations10Vari a MeCoefficientStd E rrort-StatisticProb.C11 570352.2851100.0014X10 40S69901519002.6701650.0320X20 7943650 1033347 6973650 0

4、0U1R-squaredQ 91409SMean depentlenf var21 56000Adjusted R-cqusred0 390583S D deQndnt var0 397772S E of regressianG 131676Akaike info criterion0 975137Sum squared r&sid0 121186Schwarz crrterion心 884362Log livelihood7 376667F-statistic37.626SSDurbin-Watson stat2.544672Prob(F-statistic)0.000180由以上数据可知回

5、归方程为:Y=11.57032+0.405599*x1 +0.794365*x2(5.07)(2.67(7.69)R20.9149 R20.8909 F 37.62689二、模型检验1、经济意义检验： b0=11.57032，在运输费用与仓储费用接近于零时，仍存在其他物流费用；b1=0.405599,说明运输费用与社会物流总费用之间存在正的线性关系，运输费用每增加1%,社会物流总费用增加0.405599%b2= 0.794365,说明仓储费用与社会物流总费用之间存在正的线性关系，仓储费用每 增加1%，社会物流总费用增加 0.794365%2、计量经济学检验： 拟合优度检验：本模型的拟合优度系数

6、为0.914898,表明本模型具有较高的拟合优度，x1、x2对y的解释能力较好； 变量的显著性检验(t检验)：方程的截距项和斜率项的t检验值分别为5.07、2.67、7.69，均大于5%显著性水平下自由度为n-2=8的临界值t0.025(8)=1.860,模型参数估计显著，拒绝原假设H0 ; 方程的显著性检验(F检验)：有上图可知，F-statistic =37.62689； Prob(F-statistic)=0.000180,由F检验的原则可知，在显著性概率为0.05的条件下，回归方程显著成立,拒绝H0 ;三、异方差性检验Vie1；. Pr&c ObjectPrint Namefetima

7、be ForecastStats Resids;Equdcin: UM TIT LED Workfile!蜿流命White Heteroskedasticity TeststatistictbSR-squared4 392042Probability8 459130Probability0 0883360.132679Test EquationDependent Variable RESIDE fJethod Last SqjarssOatG： 05/19/12 Time: 16:01Sample: 1995 2004included obaeivati ons 10在5%的显著性水平下，辅助

8、回归的nR28.459 大于自由度为5的卡方分布临界值故模型存在异方差性，现用加权最小二乘法对其进行修正：1.145,RlrrOPxPrint IsmsFf盟店Es:mate?t SUts ResideDependent Variable: YMethod Least SquaresDate: OS/1Q/12 Time 1G:1GSample 1995 2004Included observations: 10Weighting series. 1/A0S(E1)VanableCoefficientSid Error(StatisticProbC11.656000.97916111.9171

9、8o.oooc0.3980390.0595256.6859340.0003X20.7831700.05710713J01740.0000Weighted StatisticsR-sq uaredAdjusted R-squared S.E. of regression Sum squared resid Log likelihoodDurbin-Watson stat099997G0 9999700.069222003354214 298302 259911Mean d&pendent var S D dependent var Akaike info cfiterion Silhwarz c

10、riterian F-statisticPro b(F-stati Stic)21 5273712 55&89-2.25&6&C2.165585101 68700 000007Unweight edStatisticsR-squaredAdjusted R-squar电d S.E. of regression DurbinVaison stat0 9027330.0750060 1406302 253441Mean d&pendent var S.D. dependent varSum squared resid21 560000.3977720 130437即采用加权最小二乘法得到的回归方程

11、为:=11.65680+0.398039*x1+0.788178*x2(11.92)(6.69)(13.80) R20.999976可以看出，加权最小二乘法的结果与普通最小二乘估计的结果有较大的区别。四、序列相关性检验由图示法检验可以看出，模型存在正序列相关，现用广义差分法对其修正:匚Viev/s - Equation: UNT17LED Workil?:Ufe冉 Proc ObjEci Print Name Reeze Estimate Forecast Stats ResidsDep&rdent Variable Method: Least SquaresDate 05/19/12 Tim

12、e: 18.54Sample (adjustadj 1996 2004Included observations: 9 alter adjustmentsConvergence achieved after 7 iterationsVaria tlaCcefli cien tStti Errort-StatiisticProbC12.380331 9S68856.325803O.OG15X10.3458640.1311302.6375710.04G1X20.7763540.0S373387492860.0003AR(1)-0.427G970.41035&-1 042250Q.3450R-squared0.920C55Me a n dependent vaf21.51111Adjusted R-squared0 873047S D dependent va0 388730S E of regression0.138506Akaike infa criterion-0 314701Sum squared resid0 0S5920Schwarz criterion-0.727045Log liheiihood7.56G152F-statistic15 3