影响人均猪肉消费量的计量分析

1、计量经济学实践报告（小论文）影响人均猪肉消费量的计量分析小组成员： 班级：国际经济与贸易指导老师：日期：2012年5月10-25日摘要：本文旨在根据我国19982008人均猪肉消费量相关数据，分析出影响其的部分因素。首先基于对猪肉消费的一些调查以及对影响我国人均猪肉消费量的因素分析，同时综合了相关的市场细分和消费分析理论，选取了城镇居民人均可支配收入等四个解释变量建立了理论模型。在收集了相关的数据基础上，利用eviews软件对计量模型进行了参数估计和检验。最后，我们对所得的结果作了经济意义的分析，并提出一些相应政策建议。关键词：人均猪肉消费量；多重共线性；异方差；自相关一、 问题的提出猪肉是我

2、国重要的畜产品之一，也是我国城乡居民动物性蛋白的主要来源之一。在我国城乡居民中猪肉食品占肉类食品总量的60%以上，是不可缺少的副食品。市场上猪肉的多少，价格的高低，直接影响到老百姓的生活，社会的稳定。在市场经济条件下，猪肉价格有各自的供需均衡决定，本文目的在于研究猪肉需求的影响因素。二、 经济理论陈述需求函数是以商品的需求量作为被解释变量，用影响需求量的因素，如收入、价格等作为解释变量的计量经济学模型。中国猪肉需求函数即选择收入和价格作为解释变量，同时考虑到，猪肉需求主要包括国内需求和国外需求，影响猪肉需求的因素主要是可替代品的产量。因此，笔者将上述对猪肉影响因素作为解释变量。收入选择的是城镇

3、居民家庭每年人均可支配收入。价格选择的是猪肉生产价格指数即猪肉收购价格指数。模型中的被解释变量为国内人均猪肉消费量（y）。根据其影响因素的大小和资料的可用性以及查阅的相关文献，本文选择以下指标作为模型的解释变量：城镇居民家庭人均可支配收入指数（x1）、猪肉收购价格指数（x2）、猪肉替代品牛羊肉人均产量（x3）、生猪出口量（x4）。参照单方程线性需求的表达式，国内猪肉需求函数模型的形式确定为：y=0+1x1+2x2+3x3+4x4+其中： y代表国内人均猪肉消费量（千克）；x1代表城镇居民家庭人均可支配收入指数；x2代表猪肉收购价格指数；x3代表猪肉替代品牛羊肉人均产量（千克）；x4代表生猪出口

4、量（万头）；为随机误差项，描述变量外的因素对模型的干扰；三、 相关数据收集根据我们对影响我国人均猪肉消费量的因素分析，以及解决我们提出的问题的需要，初步选取了以下四个解释变量：城镇居民家庭人均可支配收入指数、猪肉生产价格指数、猪肉替代品人均产量、出口。鉴于我国猪肉消费的阶段性和我们分析的即时性，收集了19982008年最近十一年的统计数据。整理得到所需数据：四、 计量经济模型的建立我们建立了下述的一般模型：其中 1998-2008年各年人均猪肉消费量待定参数 （i=1,2,3,4,5,6,7）城镇居民家庭人均可支配收入指数猪肉生产价格指数猪肉替代品人均产量出口/万头随即扰动项五、 模型的求解和

5、检验ols回归利用eviews软件，采用以上数据对该模型进行ols回归，结果如下：dependent variable: ymethod: least squaresdate: 05/14/11 time: 15:00sample: 1998 2008included observations: 11variablecoefficientstd. errort-statisticprob.  c22.129768.4997352.6035820.0405x10.0003180.0001911.6689460.1462x2-0.0624030.012448-5.0131680

6、.0024x31.8436741.0141031.8180350.1189x40.0104540.0224430.4657970.6578r-squared0.932230    mean dependent var32.71818adjusted r-squared0.887050    s.d. dependent var1.466164s.e. of regression0.492749    akaike info criterion1.725321sum squar

7、ed resid1.456809    schwarz criterion1.906182log likelihood-4.489265    f-statistic20.63369durbin-watson stat2.015877    prob(f-statistic)0.001182得出：y=22.12976+0.000318x1-0.062403x2+1.843674x3+0.010454x4jb检验得出：p值较大，说明残差基本服从正态分布。kb检验dependen

8、t variable: resid2method: least squaresdate: 05/14/11 time: 17:31sample: 1998 2008included observations: 11variablecoefficientstd. errort-statisticprob.  c0.3632040.5383690.6746360.5169y2-0.0002150.000500-0.4302330.6771r-squared0.020152    mean dependent var0.132437adju

9、sted r-squared-0.088720    s.d. dependent var0.147161s.e. of regression0.153550    akaike info criterion-0.746618sum squared resid0.212198    schwarz criterion-0.674273log likelihood6.106398    f-statistic0.185101durbin-

10、watson stat2.221731    prob(f-statistic)0.677144得出：t的绝对值远小于2，说明1极有可能为0，不存在异方差。怀特检验white heteroskedasticity test:f-statistic4.111636    probability0.210302obs*r-squared10.36950    probability0.240043test equation:dependent variable: resid2me

11、thod: least squaresdate: 05/14/11 time: 15:01sample: 1998 2008included observations: 11variablecoefficientstd. errort-statisticprob.  c63.1263217.788423.5487320.0710x10.0006090.0002672.2804820.1501x12-3.05e-089.16e-09-3.3257800.0797x20.1037570.0579561.7902650.2153x22-0.0004380.000261-1.679

12、6660.2350x3-25.272447.796109-3.2416730.0834x321.8825160.5970053.1532680.0876x40.1405430.1410520.9963880.4240x42-0.0003910.000360-1.0860320.3909r-squared0.942682    mean dependent var0.132437adjusted r-squared0.713410    s.d. dependent var0.147161s.e. of regres

13、sion0.078781    akaike info criterion-2.312674sum squared resid0.012413    schwarz criterion-1.987123log likelihood21.71971    f-statistic4.111636durbin-watson stat3.331322    prob(f-statistic)0.210302p值大于百分之五，不存在异方差。lm检

14、验breusch-godfrey serial correlation lm test:f-statistic0.157585    probability0.707768obs*r-squared0.336094    probability0.562092test equation:dependent variable: residmethod: least squaresdate: 05/14/11 time: 15:09presample missing value lagged residuals set

15、 to zero.variablecoefficientstd. errort-statisticprob.  c-0.6106959.295826-0.0656960.9502x1-3.04e-050.000220-0.1385620.8952x2-0.0020650.014399-0.1434270.8916x30.1745761.1788890.1480860.8881x4-0.0002940.024218-0.0121400.9908resid(-1)-0.2227900.561226-0.3969700.7078r-squared0.030554 

16、60;  mean dependent var5.72e-15adjusted r-squared-0.938892    s.d. dependent var0.381682s.e. of regression0.531469    akaike info criterion1.876108sum squared resid1.412297    schwarz criterion2.093142log likelihood-4.318597 

17、   f-statistic0.031517durbin-watson stat1.799949    prob(f-statistic)0.999142多重共线对y分别关于x1，x2，x3，x4作最小二乘回归，得（1）y=29.6061+0.000336x1（33.24089）（3.700729）r2=0.603444 =0.559382 dw=2.052172 f=13.69539（2）y=30.86865+0.017639x2(11.60181) (0.705464)r2=0.052400 =-0.052889 dw=

18、1.324922 f=0.497680(3) y=20.32760+1.869635x3 (6.642933) (4.065815)r2=0.647485 =0.608317 dw=2.605745 f=16.53085(4)y=43.90744-0.059540x4(12.38814) (-3.169933)r2=0.527521 =0.475024 dw=2.106679 f=10.04847其括号里的是t值。根据经济理论分析和回归结果，易知猪肉替代品人均产量x3是最重要的解释变量，所以选取第三个回归方程为基本回归方程。（1）加入x1，对y关于x1，x3作最小二乘回归，得y=20.3467

19、9+7.65e-07x1+1.865670x3（2.186783）（0.002201）（0.999745）r2=0.647486 =0.55937 dw=2.604873 f=7.347053可以看出，加入x1后，拟合优度r2和均有所增加，参数估计值的符号也正确，并且没有影响x3系数的显著性，所以在模型中保留x1。（2）加入x2，对y关于x1，x2，x3作最小二乘回归，得y=25.39154+0.000298x1-0.062187x2+1.673006x3（ 5.592637 ） （1.702961） （-5.304779） （1.877374）r2=0.929779 =0.899685 dw

20、=2.002185 f=30.89526可以看出，加入x2后，拟合优度r2和均有所增加，参数估计值的符号也正确，并且没有影响x3系数的显著性，所以在模型中保留x2。（3）加入x4,对y关于x1，x2，x3，x4作最小二乘回归，得y=22.12976+0.000318x1-0.062403x2+1.843674x3+0.010454x4(2.603582) (1.668946) (-5.013168) (1.818035) (0.465797)r2=0.932230 =0.887050 dw=2.015877 f=20.63369可以看出，加入x4后，拟合优度r2增加不显著，有所减小。并且x1，x2，x4的系数均不显著，说明存在严重的多重共线性。模型中应略去x4。综上所述，得到y关于x1，x2，x3的回归方程，y=25.39154+0.000298x1-0.062187x2+1.673006x3（ 5.592637 ） （1.702961） （-5.304779） （1.877374）r2=0.929779 =0.899685 dw=2.002185 f=30.89