金融实证分析方法

宁波大学科学技术学院考核答题纸宁波大学科学技术学院考核答题纸（20--20学年第学期）宁波大学科学技术学院考核答题纸（宁波大学科学技术学院考核答题纸（20--20学年第学期）课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：金融实证分析方法—宁波市生产总值因素分析AalysisofNingbo'sGDPfactor课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：Abstract:Intheareaofeconomicdevelopment,differentindustries'scontributiontoeconomicgrowthisdifferent,findoutthelargercontributiontoeconomicgrowthoftheindustry,istofurtheraccelerateregionaleconomicdevelopmentandenhancethecorecompetitivenessofregionaleconomykey.ThispaperselectedfortheempiricalstudyofNingboCity,Ningboregionbyidentifyingfactorsthataffecteconomicgrowth,econometricmodels,andtimeseriesdatastationarityandcointegrationtest,themodelmulticollinearityanalysis,autocorrelationinspectionandtestingheteroscedasticityinqualitativeanalysisandquantitativeanalysis,basedonthefinalestablishmentofNingboGDPeconometricmodeltoarriveattheindustrialaddedvalue,totalfixedassetinvestment,totalretailsalesofsocialconsumergoods,financegeneralbudgetrevenueofGDPinNingbosignificantfactors,andthemodelissimpleeconomics.Thispaperselectedfixedassetinvestmentasanimportantfactorofeconomicgrowth,economicgrowthhasadirectstimulus.Inthispaper,1978-2010economicdataunitrootandcointegrationanalysisNingbofixedassetinvestmentandeconomicgrowthanempiricalstudy.Keywords:GDP;influencingfactors;timeseries;multicollinearity;fixedassetinvestment宁波大学科学技术学院考核答题纸（宁波大学科学技术学院考核答题纸（20--20学年第学期）课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：宁波大学科学技术学院考核答题纸（宁波大学科学技术学院考核答题纸（20--20学年第学期）课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：宁波市生产总值因素分析摘要：在区域经济发展中，不同的产业对经济增长的贡献是不同的，寻找出对经济增长贡献较大的产业，是进一步加快区域经济发展，提升区域经济核心竞争力的关键。本文选取宁波市为实证研究对象，通过找出对宁波地区经济增长产生影响的因素，建立计量经济模型，并对时间序列数据进行平稳性及协整检验，对模型进行多重共线性分析、自相关检验和异方差性检验，在定性分析与定量分析相结合的基础上，最终确立宁波地区生产总值的计量经济模型，得出工业增加值、全社会固定资产投资，社会消费品零售总额，财政一般预算收入是宁波地区生产总值的显著影响因素，并对模型进行简单的经济学分析。本文主要选取了固定资产投资作为经济增长的一个重要因素,对经济增长具有直接的拉动作用。本文利用1978-2010年的经济数据，进行单位根检验和协整分析对宁波市固定资产投资与经济增长关系进行了实证研究。关键词：地区生产总值；影响因素；时间序列；多重共线性；固定资产投资1引言研究区域的投资环境是研究一个地方经济发展的基础,也是揭示一个区域经济发展潜力的有效途径之一从宁波的经济发展看,投资驱动是宁波经济发展的主要动力之一,保持投资规模的适度增长,努力提高投资质量,是现阶段宁波经济景气周期延长的必要保障。本文以固定资产投资对经济的促进作用为理论依据,借助现代经济计量学的方法,对改革开发以来的宁波市宏观经济统计资料进行分析,客观地评价固定资产投资对宁波市经济增长的影响。2.宁波市经济社会发展阶段及影响因素分析2.1数据采集影响宁波市地区生产总值的因素比较多，在本文的分析中，我们采用社会固定资产投资作为影响因素。根据宁波市经济社会所处的发展阶段和宁波地区的生产特点、各因素对生产总值的影响大小及资料的可比性，本文选择全社会固定资产投资作为影响地区生产总值的主要因素（如表1所示）。年份生产总值（Y）社会固定资产投资（X）197820.175.02

197924.155.79198029.536.50198131.996.39198236.888.57198341.687.69198453.1710.95198571.0518.08198680.2222.01198795.9929.461988118.6235.811989137.2532.791990141.4039.281991169.8751.421992213.0576.251993315.11129.271994459.66184.601995602.65264.191996784.07309.971997879.10300.571998952.79309.8119991017.08318.9320001144.57360.7520011278.75470.2820021453.34601.2720031749.27835.9020042109.451103.8120052447.321336.3020062874.421502.7720073418.571597.5420083946.521728.2420094329.302004.2220105163.002193.28图12.2.构建模型做时间序列生产总值y,社会消费品零售额xl的差分图和单位根检验，得到Y的差分宁波大学科学技术学院考核答题纸（宁波大学科学技术学院考核答题纸（20--20学年第学期）课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：宁波大学科学技术学院考核答题纸宁波大学科学技术学院考核答题纸（20--20学年第学期）课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：图从生产总值差分序列图可以看出宁波市生产总值在2000年有所回落，总体基本上是增长趋势，由于生产总值数逐年增加，但是每年的总值增长率是逐渐下降的。从生产总值序列y的变化特征看，这是一个非平稳序列。t2.3首先做lny与lnx的样本相关图首先得到lny的样本相关图

□LOG㈣Workfile:UNTITLED::Untitled'|=||回||極HView|卩「口匚|Object]Proper*亡吕|Print|Name|Freeze|Sample|Genr|目he亡11Graph|Stats|Id亡nt|C&rrelogranwfLOG(Y)Date:06/05/13Time:21:11Sample:19732010Includedobservations:33PADQ-StatProb0.9160.91630.256PADQ-StatProb0.9160.91630.2560.0000.031-0.04755.9590.0000.744-0.05477.2940.0000.656-0.06694.4120.0000.567-0.0&0107.690.0000.479-0.056117.520.0000395-0.037124.430.0000.316-0.024129.050.0000.233-0.056131.770.0000.161-0.059133.070.0000.006-0.0&6133.460.0000.011-0.067133.470.000图4样本的自相关函数图可以看出，函数并没有迅速趋向于零，并在零附近波动，说明lny序列是非平稳的用同样的方法，做lnx的自相关函数图图5样本的自相关函数图可以看出，函数并没有迅速趋向于零，并在零附近波动，说明lnx序列是非平稳的2.4单位跟检验

课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：接下来做lny进行单位跟检验，从模型3进行检验，包括截距项，时间趋势及一阶滞后项的模型结果如下□Series^LOG[¥JWorkfile:UFSTTTrLE&::Untitled\|=||回||因|View|Pbu]Ob胆创Pr.o視•如]「号字司§迎取|企口「|目胆芭|_Gr日ph[贸日竺[世引日AugmentedDick&y-FulferUnitRootTestonLOG(Y}NullHypothesis:LOG[Y}hasaunitrootExogenous:Constant,LinearTrendLagLength:1(AutomaticbasedonSIC,MAXLAG=3}t-StatisticProb*AugmentedDickey-Fullerteststatistic-2.5475210.3050Testcriticalvalues:1%level5%level10%level-4.204500-3.562032-3.215267^MacKinnon(1996}one-sidedp-valuesAugmentedDickey-FullerTestEquationDependentvariable:D[LDG(Y))Method:LeastSquaresDate:06/05/13Time:21:27Sample(adjusted):19302010Includedobservations:31afteradjustments图6从上面的伴随概率值可以知道，在5%的显著性水平下，不拒绝存在单位根的假设，表明lny是非平稳的。对模型2进行检验，即不包括时间趋势的模型，结果如下QSeries:LOGm'A'orkfiIe:UNTITLED::Untitled\耳回][View|Proc|Object]Properties|Print|Name[Freeze|Sampl巴|GenriSheet|Graph|Stats|Ident|AugmentedDickey-FullerUnitRcx>tTestonLOG(Y}NullHypothesis:LOG(Y)hasaunitrootExogenous:ConstantLagLength:1(AutomaticbasedonSIC,MAXLAG=3)•t-StatisticProb*Augmented1Dickey-Fullerteststatistic-0.6142570.8533Testcriticalvalues:1%level-3.6616615%level-2.96041110%level-2.619160^MacKinnon(1996)one-sid-ecfp-valuesAugmentedDickey-FullerTestEquationDependentvariable:D(LOG(Y})Method:LeastSquares□ate:06/05/13Time:21:36Sample(adjusted}:19802010Includedobservations:31afteradjustmentsT图7从上面的伴随概率值可以知道，在5%的显著性水平下，不拒绝存在单位根的假设，表明lny是非平稳的。对模型1进行检验，即不包括截距项和时间趋势。结果如下口Series:LOGCY]Workfile:UNTrTLED::UntHed\口『回II探IViewProc|ObjectProperties|Print|NamejFreezejSample|Genr|Sheet|GraphjStats|IdentjAugmentedDrckev-FullerUnrtRootTestonLOG(Y}NullHypothesis:LQG[Y}hasaunitrootExogenous:NoneLagLength:1(Automa.ticbasedonSIC,MAXU\G=3)t-StatisticProb*AugmentedDickey-Fullerteststatistic1.8633420.982STestcriticalvalues:1%level5%level10%level-2.641672-1.952066-1.610400^MacKinnon(1996)one-sidedp-valuesAugmente总Dickey-FullerTestEquationDependentvariable:D(LQGCY)}Method:LeastSquaresDate:06/05713Time:21:37Sample^adjusted/19302010Includedobservations:31afteradjustmentsT图8从上面的伴随概率值可以知道，在5%的显著性水平下，不拒绝存在单位根的假设，表明lny是非平稳的。综上所述，lny序列是非平稳序列。用同样的方法对lnx序列进行检验，模型3的结果：宁波大学科学技术学院考核答题纸宁波大学科学技术学院考核答题纸（20--20学年第学期）宁波大学科学技术学院考核答题纸（宁波大学科学技术学院考核答题纸（20--20学年第学期）课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：AugmentedDickey-FullerTestEquationDependentvariable:D(LOG(X))Method:LeastSquares□ate:06/05/13Time:21:40Sample(adjusted):19302010Includedobservations:31afteradjustments口SedesrLOG凶Workfle;UNTTTLED:;Untitled\「=||回，|「Hi已％"Pi•□匚|Object]Prop已r©弓呂P叩tj買ame|F「e已ze|SampleGenrSheetErapE無迢Augment&dDiek&y-FuIlerUnitRcwtTestonLOG凶NullHypothesis:LOGCX)hasaunitrootExogenous:Constant,LinearTrendLagLength:1(AutomaticbasedonSIC,M.AXLAG=3)t-StatisticProb.*AugniEntEcfDiukEy-FullE「tEst£tmtistic：了O.H斗52Testcriticalvalues:1%level-4.2845305%level-3.56200210%level-3.215267^MacKinnon0996)one-sidedp-values.图9模型2的结果：图10课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：模型1的结果:□Series:LOGPQWorkfile:UNTITLED::UrTtitled\口||回’||SS|.亚对Prut]Obj亡出Properties]P「int〔N日m亡|f「亡亡2亡]Smmpl亡]G亡口[]Sh亡亡Grmph]亜ts]Id亡nt]AugmentedDickey-FulterUnitRootTestonL0GQQNullHypothesis:LOG(X)hasaunitrootExogenous:NoneLagLength:1[AutomaticbasedonSIC,MAXLAG=3)t-StatisticProb/AugmentedDickey-Fullerteststatistic1.B590620.9S26Testcriticalvalues:1：%level5%level10%level-2.641672-1.952066-1.610400^MacKinnon(1996)one-sidedp-valuesAugmentedDickey-FullerTestEquation□ependentVariable:D(LOG(X))Method:LeastSquaresDate:06/05?13Time:21:41Sample[adjusted}:19302010Includedobseru'ations:31afteradjustments图11从伴随概率值可以看出，在5%的显著性水平下，不拒绝存在单位根的检验，加&是非平稳的。综上所述，lnx序列是非平稳序列由于时间序列lny和lnx是非平稳的，如果没有进行协整性检验，直接对两者做OLS回归，此回归很可能是虚假回归3.检验模型3.1单整性检验单整性的检验仍然通过单位根检验进行。但此时，针对的时间序列不是原序列的水平序列，而是一阶差分、二阶差分或更高阶的差分序列为了寻找适当的模型，经过反复测算，发现lny的一阶差分序列在只带截距项与三阶滞后项时，在5%的显著性水平下可以拒绝存在单位根的假设。过程如下：

图12结果如下r□Series:LOG^Workfile:UNTrTLEDr:Unti'tled\=回瓦一；vVie'A']P「oizObject|Prop亡「tie另Freeze]Sample|Gen「Sh亡et|GraphI.Etats|Ident]iiAugmentedDickey-FullerUnitRootTestonD(LOG(Y))NullHypothesis:D[LOG(Y))hasaunitrootExogenous:ConstantLagLength:0[AutomaticbasedonSIC,t-StatisticProb.^AugmentedDickey-Fullerteststatistic-2.9614760.0499Testcriticalvalues:1%level5%level10%level-3.661661-2.960411-2.619160^MacKinnon(1996)one-sidedp-valuesAugmentedDickey-FullerTestEquationDependentvariable:D(LQGCY),2}Method:LeastSquares□ate:06/05/13Time:21:53Sample(adjusted):19S02010Includedobservations:31afteradjustments图13所以InGDP序列是一阶单整的。即Inx〜iG.

课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：用同样的方法对加X]进行单整性检验结果如下图14发现lnx的一阶差分序列，只带截距项与三阶滞后项时，在5%的显著性水平下可以拒绝存在单位根的检验。所以lnx序列也是一阶单整的。即Inx〜I（L）.由于lny和lnx两序列是非平稳的，因此不宜直接建立它们的ARMA模型。但它们的一阶差分序列却是平稳的，因此可对差分序列建立ARMA模型。记X二InX-InXy二lny-lnyttt-]ttt-]3.2做X的自相关函数与偏自相关函数图，结果如下：

□Series:LOG«lVorkfile:UNTITLED::Untitl&d\View.Proc|Object|Properties!PrintNameFreeze|Sample]GenrSheet■GraphjStats;IdentCorr&logramofD(LOG(Y})□ate:06/05/13Time:22:02Sample:19702010Includedobservations:32AutocorrelationPartialCorrelationACFACQ-StatProbIII110.5360.53610.0710.002I□II匚120.165-0.17111.0610.004iEIiIT13-0.119-0.19011.5970.009匸II匚14-0.310-0.20515.5330.004IIi匚15-0377-0.13621.2670.001IIIl116-0.326-0.10325.7060.000I[I1□17-0.0740.13925.9460.001I□I1]100.1430.06626.3770.001I1]190.2700.056303350.000I]i匚1100.093-0.20330.8060.001I1I1J1110.0440.00930.9070.001I匚I1匚112-0.123-0.17931.7330.002图15从上面可以看出，序列X在一阶滞后后，自相关函数与偏自相关函数均迅速趋于零表明它是ARMA(1,1)的平稳序列，因此原序列lnx为ARIMA(1,1,1)序列。估计X序列，结果如下：DependentVariable:DLOG[Y}Method:LeastSquares□ate:06/05713Time:22:06Sample(adjusted):19S02010Ineludedobservations:31afteradjustmentsConvergenceachievedafter5iterationsMABackcast:1979VariableCoefficientStef.Errort-StatisticProb.c0.1739760.0254576.0342500.0000AR⑴0.3773100.3161031.1936300.2426MA[1}0.2303960.33&0920.6375590.4974R-squared0.300923[.leandependent^「0.173064AdjustedR-squared0.250939S.D.dependentvar0.0333023.E.ofregression0.072094Akaikeinfocriterion-2.329921Sumsquaredresid0.145532Schwarzcriterion-2.191143Loglikelihood39.11373Hmnnmn-CUJinncriter.-2.234605F-statistic6.026412Durbin-Watsonstat1.969331Prob(F-statistic)0.006650InvertedARRoots.33InvertedMARoots-23图16

课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：然而由于MA（1）的参数不显著，可以从模型中去掉。修正后如下图:DependentVariable:DLQG(Y；Method:LeastSquares□ate:06/05/13Time:22:17Sample(adjusted):19302010Includedobservations:31afteradjustmentsConvergenceachievedafter3iterationsVariableCoefficientStd.Errort-StatisticProb.C0.1729160.027&746.2433340.0000AR(1)0.5356910.1567333.4167730.0019R-squared0.2S7020Meandependentvar0.173064AdjustedR-squared0.262434S.D.dependentvar0.033302S.E.ofregression0.071541Akaikeinfocriterion-2.374744Sumsquaredresid0.140426Schwarzcriterion-2.232229Loglikelihood30.00354Hannan-Quinncrite匚-2.344537F-statistic11.67434Durbin-Watsonstat1.000104ProtjfF-statistic)0.001S96InvertedARRoots.54图17即有X二0.1729+Ut（1）其中U=0.5356U+Vtt—1tInX—InX二0.0803+0.5356(nX—InX)+Vtt—1t-1t—2t（2）于是得到：（3而0.0803表示线性趋势的增长速度，从结果看，特征根是1/0.5356=1.87，满足平稳性要求3.3同样，做Y的自相关函数与偏自相关函数图：

□Ser[es:LOG(X)Workfile:UNTTTLED.:Un出Ied\|口|[前11玆|ViewIProc|Object|Properties|Print|Name\Freeze\SamplejGenr|Sheet|Graph|StatsjIdentjCorrelogramofD(LOG(X})Date:06/05/13Time:23:05Sample:197S2010Includedobservations:32AutocorrelationPartialCorrelationACPACQ-StatProbIZZIIZZI10.3480.3434.24210.039I□II1i20.1470.0295.022S0.031IgIIc13-0.006-0.1665.30340.151III14-0.602-0.61719.3710.001II:.I15-0.416-0.09726.3310.000I匚IIZJ16-0.1500.26127.2690.000IIIHI7-0.0030.10927.2700.000III!i80.4000.04934.5340.000I二II匚190.300-0.23939.0160.000IZlII11100.2090.05941.1730.000IaiI□1110.0740.13641.4630.000IOIiE112-0.274-0.06945.5600.000图18从上图可以看出，Y的自相关函数的一阶滞后、4阶滞后和5阶滞后不为零，偏自相关函数的1阶滞后与4阶滞后不为零，是ARMA（4，5）的平稳序列，所以原序列lny是ARIMA（4，1，5）序列。对Y序列进行估计，输出结果如下：tDependentVariable:DLOG(X)Method:LeastSquares□ate:06/05/13Time:23:10Sample(adjusted):19332010Includedobservations:28afteradjustmentsConvergenceachievedafter16iterationsf.-1ABackcast:197019S2VariableCoefficientStd.Errort-StatisticProb.LiJ.HI.J.YarrLiJ.VJLiJ.HI.J.YarrLiJ.VJ141450-(-rrL-fxJLrl—RRAAAAAMMM0.2020370.00316224.754140.00000.2174940.1614001.3474730.1915-0.5310310.149429-3.5537440.00130.2774370.0360203.2252490.0039-0.2112050.089S63-2.3502930.0281-0.9390720.046009-20.410710.0000R-squared0.823175Meandependentvar0.198032AdjustedR-squared0.782987S.D.dependentvar0.161513S.E.ofregression0.075240Akaikeinfocriterion-2.USS53Sumsquaredresid0.124544Schwarzcriterion-1.863301Loglikelihood36.00394Hmnnan-Quinncriter.-2.061501F-statistic20.43333Durbin-Watsonstat1.592608Prob(F-statistic)0.000000InvertedARRoots,66-.60i,66-^.60i-.55+.EQi-55-.60iInvertedMARoots.93.22-^.96i,22-.96i-84-.53i弭+.53i图19

课号：课程名称：金融实证分析方法阅卷教师:班级：—学号：—姓名：成绩：由于AR(1)的参数不显著，可以从模型中去掉。重新估计结果如下:DependentVariable:DLQG(X)Method:LeastSquaresDate:06/05/13Time:23:15Sample(adjusted):19332010Includedobservations:23afteradjustmentsConvergenceachievedafter30iterationsMABackcast19701982VariableCoefficientStd.Errort-StatisticProb.C0.1930410.01008010.532100.0000AR(4)-0.7291600.159754-4.5642710.0001MA(1)0.5687830.1554713.65844斗0.0013MA{4}0.4139740.2233461.3493670.0773MA(5)-0.1831430.264433-0.6924570.4956R-squared0.699236Meandependent汨r0.19S032AdjustecfR-squared0.646938S.D.dependent畑0.161513S.E.ofregression0.095963Akaikeinfocriterion-1.689283Sumsquaredresid0.211803Schwarzcriterion-1451390Loglikelihood20.64997Hannan-Quinncriter.-1.616557F-statistic13.37115Durbin-Watsonstat1.436888Protj(F-statistic)0.000009InvertedARRoots,65-.65i,65-.65i-,65+.65i-,65-n.65iInvertedMARoots.39,33-.61i,33+.61i旳+.5创-,01-.56i图20MA(4)与MA(5)不显著去掉，重新估计如下：Dependentvariable:DLOG(X)Method:LeastSquaresDate:06/05713Time:23:17Sample(adjusted):19832010Includedobservations:23afteradjustmentsConvergenceachievedafter11iterationsMABackcast1982VariableCoefficientStd.Errort-StatisticPr&b.C0.2007590.0266177.5425640.0000AR(4)-03613660.115423-3.1307070.0044MA(1)0.3973620.07235212.409630.0000R-squared0.635115Meandependentvar0.193032AdjustedR-squared0.60592&S.D.dependentvar0.161513S.E.ofregression0.101390Akaikeinfocriterion-1.638720Sumsquaredresid0.257000Schwarzcriterion-1.495903Loglikelihood25.94207Hannan-Quinncrite匚-1.595084F-statistic21.75741Durbin-Watsonstat2.274304ProbfF-stati