计量经济学论文(eviews分析)计量经济作业

1、我国旅游收入的计量分析一、 经济理论陈述在研读了大量统计和计量资料的基础上，选择了三个大方面进行研 究，既包括旅游人数，人均旅游花费和基本交通建设。其中，在旅游人 数这个解释变量的划分上，我们考虑到随着全球经济一体化的发展，越 来越多的外国游客来中国旅游消费。中国旅游的国际市场是个有发展潜 力的新兴市场，尽管外国游客前来旅游的方式包罗万象而且消费能力也 不尽相同，但从国际服务贸易的角度出发，我们在做变量选择时，运用 国际营销的知识进行市场细分，划分了国际和国内两个市场。这样，在 旅游人数这个解释变量的最终确定上， 我们选择了 X2 国内旅游人数， X3 入境旅游人数。这点选择除了理论支持外，在

2、现实旅游业发展中我们也 看到很多景区包括成都的近郊也有不少外国游客的身影。所以，我们选 取这两个解释变量等待下一步进行模型设计和检验。另外，对于人均旅游花费，我们在进行市场细分时，没有延续前两 个变量的选择模式，有几个原因。首先，外国游客前来旅游的形式和消 费方式各异且很难统计。我们在花大力气收集数据后，仍然没有比较权 威的统计数据资料。其次，随着国家对农业的不断重视和扶持，我国农 业有了长足发展。农村居民纯收入增加，用于旅游的花费也有所上升。 而且鉴于农村人口较多，前面的市场细分也不够细化，在这个解释变量 的确定上，我们选择农村人均旅游花费，既是从我国基本国情出发，也 是对第一步研究分析的补

3、充。 所以我们确定了 X4 城镇居民人均旅游花费和X5农村居民人均旅游花费旅游发展除了对消费者市场的划分研究，还应考虑到该产业的基础 硬件设施。在众多可选择对象中我们经分析研究结合大量文献资料决定 从交通建设着手。在我国，交通一般分布为公路，铁路，航班，航船等。 由于考虑到我国一般大众的旅游交通方式集中在公路和铁路上，为了避 免解释变量的过多过繁以及可能带来的多重共线形等问题，我们只选取 了前二者。即确定了 X6公路长度和X7铁路长度这两个解释变量。其中， 考虑到我国旅游业不断发展过程中， 高速公路的修建也不断增多，在X6 的确定过程中，我们已经将其拟合，尽量保证解释变量的完整和真实。相关数据

4、MS離漲熾拥韻熾礎佶誠鹅碾紇)/W人人数CW加(元)(W)曬41023.5524004358.4414.751.511L舸込1狹137EJ629004638.7615115.915刚ria%1曲639005112.3曲TH5皿26,49IF211： J614905. 3滋51455123.12订加2391.26術36019?123/2谀92831.9TL900师56614,8249.5时420003175.5WOO8344. 33磧加6m.g6.8T20013522.4T84Q0890L.29M32111n m10120(23S18.587800S79D183T39/2011031192003

5、3WJsrooo3166.21屈200133.35鳥三、计量经济模型的建立Y=c(l)+c(2)*X2 + c(3)*X3 + c(4)*X4 + c(5) *X5 + c(6)*X6+U我们建立了下述的一般模型：其中Y 1994-2003年各年全国旅游收入Ci1）待定参数X2 -国内旅游人数（万人）X3入境旅游人数（万人）X4 -城镇居民人均旅游化费（兀）X5 -农村居民人均旅游化费（兀）X6 -公路长度（含高速）（万公里）X7 -铁路长度（万公里）U随即扰动项四、模型的求解和检验利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下:Depe ndent Variable: Y

6、Method: Least SquaresDate: 12/23/10 Time: 01:56Sample: 1994 2003In cluded observati ons: 10VariableCoefficie ntStd. Errort-StatisticProb.C-340.50471357.835-0.2507700.0882X2-0.0016160.013520-0.1195290.1524X30.2323580.1280171.8150500.1671X46.3910521.7168883.7224630.0337X5-1.0467571.224011-0.8551870.04

7、53X65.6734296.6672660.8509380.4573X7-474.3909355.7167-1.3336200.2745R-squared0.996391Mean depe ndent var2494.200Adjusted R-squared0.989174S.D. dependent var980.4435S.E. of regressi on102.0112Akaike info criteri on12.28407Sum squared resid31218.86Schwarz criteri on12.49588Log likelihood-54.42035F-sta

8、tistic138.0609Durb in -Watson stat3.244251Prob(F-statistic)0.000944由此可见，该模型可决系数很高，F检验显著，但是X2、X6、X7的系数t 检验不显著，且X7的系数符号不符合经济意义，说明存在严重的多重共线性。 所以进行以下修正：一.计量方法检验及修正多重共线性的检验:首先对丫进行各个解释变量的逐步回归，由最小二乘法，结合经济意义和统 计检验得出拟合效果最好的两个解释变量如下：Depe ndent Variable: 丫Method: Least SquaresDate: 12/23/10 Time: 02:00Sample:

9、1994 2003In cluded observati ons: 10VariableCoefficie ntStd. Errort-StatisticProb.C-3193.041606.2101-5.2672170.0012X49.7290031.4354426.7777030.0003X5-1.1970362.059371-0.5812630.1293R-squared0.957285Mean depe ndent var2494.200Adjusted R-squared0.945081S.D. dependent var980.4435S.E. of regressi on229.

10、7654Akaike info criteri on13.95532Sum squared resid369544.9Schwarz criteri on14.04609Log likelihood-66.77660F-statistic78.43859Durb in -Watson stat0.791632Prob(F-statistic)0.000016继续采用逐步回归法将其余解释变量代入， 得出拟合效果最好的三个解释变 量，结果如下：Depe ndent Variable: 丫Method: Least SquaresDate: 12/23/10 Time: 02:01Sample: 1

11、994 2003In cluded observati ons: 10VariableCoefficie ntStd. Errort-StatisticProb.C-3391.810514.1119-6.5974160.0006X20.0294140.0145252.0250420.0393X46.3554592.0501753.0999590.0211X5-0.2845421.772604-0.1605220.1077R-squared0.974627Mean depe ndent var2494.200Adjusted R-squared0.961940S.D.dependent var9

12、80.4435S.E. of regressi on191.2739Akaike info criteri on13.63446Sum squared resid219514.3Schwarz criteri on13.75550Log likelihood-64.17232F-statistic76.82334Durb in -Watson stat1.328513Prob(F-statistic)0.000035以上模型估计效果最好，继续逐步回归得到以下结果:Depe ndent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02

13、:40Sample: 1994 2003In cluded observati ons: 10VariableCoefficie ntStd. Errort-StatisticProb.C-1973.943441.5947-4.4700340.0066X2-0.0050950.011431-0.4457290.6744X30.3282790.0806824.0688020.0096X44.6654851.1586654.0266020.0101X5-1.7140200.999029-1.7156860.1469R-squared0.994114Mean depe ndent var2494.2

14、00Adjusted R-squared0.989406S.D. dependent var980.4435S.E. of regressi on100.9150Akaike info criteri on12.37329Sum squared resid50919.23Schwarz criteri on12.52458Log likelihood-56.86644F-statistic211.1311Durb in -Watson stat3.034041Prob(F-statistic)0.000009各项拟合效果都较好。虽然X2的t检验不是很显著，但考虑到其经济 意义在模型中的重要地位

15、，暂时保留。继续引入X6 oDepe ndent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:41Sample: 1994 2003In eluded observati ons: 10VariableCoeffieie ntStd. Errort-StatistieProb.C-2034.155525.2137-3.8730040.0179X2-0.0070330.014095-0.4989770.6440X30.2995620.1286262.3289460.0803X44.7879861.3398883.5734230.

16、0233X5-1.5118511.282385-1.1789370.1638X62.0623346.6592470.3096950.7723R-squared0.994252Mean depe ndent var2494.200Adjusted R-squared0.987067S.D.dependent var980.4435S.E. of regressi on111.4976Akaike info eriteri on12.54959Sum squared resid49726.89Schwarz eriteri on12.73114Log likelihood-56.74797F-st

17、atistie138.3830Durb in -Watson stat3.130122Prob(F-statistie)0.000144根据以上回归结果可得，X6的引入使得模型中X2、X6的t检验均不 显著，再考察二者的相关系数为 0.949132，说明X2、X6高度相关，模型 产生了多重共线性，因此将X6去掉。再将X7代入检验。Depe ndent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 02:42Sample: 1994 2003In eluded observati ons: 10VariableCoeffieie ntS

18、td. Errort-StatistieProb.C-641.06701265.065-0.5067460.0190X20.0014320.0125790.1138380.9149X30.3157420.0794873.9722640.0165X45.6942291.4560423.9107590.0174X5-1.6317100.977195-1.6697900.1703X7-351.4600313.6492-1.1205510.3252Adjusted R-squared0.989921S.D. dependent var980.4435S.E. of regressi on98.4301

19、9Akaike info criteri on12.30028Sum squared resid38754.01Schwarz criteri on12.48183Log likelihood-55.50141F-statistic177.7916Durb in -Watson stat2.850083Prob(F-statistic)0.000087X7的系数为负，与经济意义相悖，因此也去掉。由此确定带入模型的 解释变量为X2、X3、X4、X5 。异方差性的检验：再对模型的异方差性进行检验：鉴于我们的样本资料是时间序列数据, 选用arch检验。ARCH Test:F-statistic0.0

20、44061Probability0.839718Obs*R-squared0.056296Probability0.812449Test Equati on:Depe ndent Variable: RESIDA2Method: Least SquaresDate: 12/23/10 Time: 02:43Sample (adjusted): 1995 2003In eluded observati ons: 9 after adjustme ntsVariableCoefficie ntStd. Errort-StatisticProb.C5197.7413188.9601.6299180.

21、1471RESIDA2(-1)0.0792160.3773850.2099080.8397R-squared0.006255Mean depe ndent var5645.880Adjusted R-squared-0.135708S.D. dependent var6668.507S.E. of regressi on7106.603Akaike info criteri on20.76857Sum squared resid3.54E+08Schwarz criteri on20.81239Log likelihood-91.45855F-statistic0.044061Durb in

22、-Watson stat1.810449Prob(F-statistic)0.839718这里 Obs*R-squared 为 0.056296，p=0&24490.05所以接受 Ho，表明模型中随机误差项不存在异方差。再考虑P=3的情况:ARCH Test:F-statistic0.126837Probability0.938100Obs*R-squared0.787922Probability0.852354Test Equati on:Depe ndent Variable: RESIDA2Method: Least SquaresDate: 12/23/10 Time: 02:46Sa

23、mple (adjusted): 1997 2003In eluded observati ons: 7 after adjustme ntsVariableCoefficie ntStd. Errort-StatisticProb.C206.96718303.9310.0249240.9817RESIDA2(-1)0.1623770.5363370.3027510.7819RESIDA2(-2)0.1127990.5704270.1977460.8559RESIDA2(-3)0.3312760.5706580.5805160.6023R-squared0.112560Mean depe nd

24、ent var4377.448Adjusted R-squared-0.774879S.D. dependent var7000.432S.E. of regressi on9326.298Akaike info criteri on21.41462Sum squared resid2.61E+08Schwarz criteri on21.38371Log likelihood-70.95118F-statistic0.126837Durb in -Watson stat1.521751Prob(F-statistic)0.938100这里 ObS*R-Squared 为 0.787922 ,

25、 P=0.8523540.05。所以仍然接受H0，表明模型中随机误差项不存在异方差。自相关性的检验:随机扰动项可能存在一阶负自相关。借助残差项和其一阶滞后项的二维坐标图进一步分析:005050-100-100-50050100RESIDM)由图示可看出，残差项和其一阶滞后项显然存在负自相关， 然后利用对 数线形回归修正自相关性，得到相应结果如下：Depe ndent Variable: LOG(Y)Method: Least SquaresDate: 12/23/10 Time: 02:52Sample: 1994 2003In cluded observati ons: 10Variable

26、Coefficie ntStd. Errort-StatisticProb.C-8.7695512.012276-4.3580270.0073LOG(X2)0.3247890.3438680.9445160.0383LOG(X3)0.3840660.2277461.6863780.0225LOG(X4)1.4826830.3134874.7296430.0052LOG(X5)0.0057500.0689550.0833820.0468R-squared0.994678Mean depe ndent var7.740729Adjusted R-squared0.990421S.D. depend

27、ent var0.442977S.E. of regressi on0.043355Akaike info criteri on-3.131931Sum squared resid0.009398Schwarz criteri on-2.980639Log likelihood20.65966F-statistic233.6398Durb in -Watson stat2.052287Prob(F-statistic)0.000007从估计的结果看，DW=052287，说明修正后有了明显好转，随机扰动项 几乎不存在一阶自相关。我们进行了一系列检验和修正后的最终结果如下：LOG(Y) = 0.3

28、247885353*LOG(X2) + 0.384066367*LOG(X3) + 1.482683433*LOG(X4) +0.*LOG(X5) - 8.7695513922 2R =0.994678R =0.990421 F= 233.6398五、经济意义解释C3和C3分别衡量我国旅游收入关于国内和入境旅游人数的弹性，也就是表示当旅游人数每变动百分之一时，平均来说，旅游收入变动的百分比。这里要特别注意，例如1998年国内旅游人数为69450万人，入境旅游人数 为6347.8万人，则国内旅游人数每增加1%即增加694.5万人，国内旅游收入 增加0.325 %而入境旅游人数每增加1%即增加63.5万人，国内旅游收入增加 0.384 %C4和C5分别衡量我国旅游收入关于我国城镇居民和农村居民人均旅游花费 的弹性，也就表示当人均花费每变动百分之一时，平均来说，旅游收入变动的百分比。城镇居民人均旅游花费每增加1%国内旅游收入增加1.483 %农村居民人 均旅游花费每增加1%国内旅游收入增加0.0057 %。六、政策建议为了促进我国旅游事业的快速发展，我们提出了以下几点建议：1、实施政府主导型旅游发展战略政府主导型旅游发展战略是按照旅游业自身的特点，在以市场为主，合