关于2007年各地区建筑业总产值和建筑企业利润总额的计量分析

关于2007年各地区建筑业总产值和建筑企业利润总额的计量分析 关于2007年各地区建筑业总产值和建筑企业利润总额的 计量经济学分析 商学院经济系10级 姓名:屈彬 一、数据资料 表一:各地区建筑业总产值和建筑企业利润总额(单位:万元) 二、统计变量描述和模型设计 根据表一的数据做建筑业总产值(X)和建筑业企业利润总额(Y)的散点图，如图 一所示。 图一:建筑业总产值(X)和建筑业企业利润总额(Y)的散点图 从散点图可以看出建筑业总产值(X)和建筑业企业利润总额(Y)大体呈线性关 系，所以建立的计量经济模型为以下线性模型 (1) 三、参数估计 利用Eviews软件，对表一中的数据按模型中方程(1)进行OLS回归得到样 本回归函数结果如表二所示。 表二:样本函数回归结果 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 15:24 Sample: 1 31 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood -28992.91 0.937312 0.935150 142611.1 5.90E+11 -410.8576 36196.79 -0.800980 0.4297 503587.9 560014.2 26.63597 26.72849 433.6076 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic 估计结果为 (2) -28992.91 + 0.032345X 36196.79 0.001553 t (-0.800980) (20.82325) 0.937312 F=433.6076 四、模型检验 1、经济学意义检验 所估计参数=表示在其他条件不变时，建筑业总产值X每增加1万元，将导致建筑业企业利润总额Y增加0.032345，这和经济学原理相一致，所以在经济理论上是成立的。 2、拟合优度和统计检验 0.937312，和1很接近表明解释变 (1)拟合优度检验:由表二可知可决系数= 量“建筑业总产值”对被解释变量“建筑业企业利润总额”的绝大部分差异作出了解释。 (2)t检验:由表二可知t()= 20.82325,所以X对Y有显著影响，这表示建筑业总产值对建筑业企业利润总额有显著影响 (3)多重共线性检验:由于模型中只有一个解释变量所以不存在多重共线性 (4)异方差检验: 1、残差图形分析 由于样本含有的个体数较少，所以从图二中看不出是否有异方差性，需要进一步对模型进行异方差检验。 2.5E+11 2.0E+11 1.5E+11 E2 1.0E+11 5.0E+100.0E+00 020000000400000006000000080000000 X 图二样本回归的残差平方散点图 2、Goldfeld-Quanadt检验 样本容量n=31,删除中间1/4的观测值，即大约5个观测值，余下的部分平分得到两个样本区间:1~13和19~31，他们的样本观测数均是13，即 。 (1) 对样本为1~12的样本进行OLS回归分析得到表三所示的估计结果 表三:样本区间为1~13的OLS回归估计结果 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 15:31 Sample: 1 13 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 0.448407 0.398262 79093.60 6.88E+10 -163.9794 116525.3 101961.9 25.53529 25.62221 8.942250 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic (2) 对样本为20~31的样本进行OLS回归分析得到表四所示的估计结果。 表四:样本区间为19~31的OLS回归估计结果 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 15:33 Sample: 19 31 Adjusted R-squared S.E. of regression Sum squared resid Log likelihood 0.886345 203227.0 4.54E+11 -176.2474 602818.3 27.42267 27.50959 94.58234 S.D. dependent var Akaike info criterion Schwarz criterion F-statistic 由表三得到样本数为1~12的残差平方和为=5.22E+10,由表四的到样 本数为20~31的残差平方和为F统计量值 =4.31E+11，根据Goldfeld-Quanadt检验，求 F= = = =8.2567 在的临界值 下，F= 分子分母的自由度均为(31-7)/2-1=11，查F分布表2.82，因为F= 8.2567 > 2.82，表明模型 确实存在异方差。 2、White检验法 用残差 作为异方差作为异方差的 的估计因为建立的模型一元函数，所 以无交叉项构造White检验的辅助函数为 通过Eviews软件估计得到White检验结果如表五所示 表五:White检验结果 Test Equation: Dependent Variable: RESID Method: Least Squares Date: 10/24/12 Time: 15:40 Sample: 1 31 C X Adjusted R-squared S.E. of regression Sum squared resid Log likelihood -8.24E+09 2133.005 0.203764 3.57E+10 3.57E+22 -795.6599 1.30E+10 1184.069 -0.632222 1.801420 0.5324 0.0824 4.00E+10 51.52645 51.66522 4.838638 S.D. dependent var Akaike info criterion Schwarz criterion F-statistic 从表五可以看出n7.962241,由White检验知道，在下查 得到临界值(2)=5.9915，n7.962241>(2)=5.9915, 所以模型存在异方差性。 五、异方差的修正 运用加权最小二乘法(WLS)对模型进行估计，分别采用权数 ， ， 。 (1)对于权数为的修正进行估计得到表六所示的估计结果。 表六用权数 的估计结果 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 15:08 Sample: 1 31 Included observations: 31 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Adjusted R-squared S.E. of regression 14074.44 0.126718 0.096605 63317.26 1.16E+11 -385.6867 6861.034 2.051359 0.0494 132243.6 66616.73 25.01204 25.10456 4.208074 560014.2 1.04E+12 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic 0.885725 S.D. dependent var 189310.2 Sum squared resid (2) 对于权数 为 的修正进行估计得到表七所示的估计结果。 表七用权数的估计结果 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 15:09 Sample: 1 31 Included observations: 31 R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Adjusted R-squared S.E. of regression 0.880736 0.876624 49961.24 7.24E+10 -378.3425 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic 45609.06 142238.7 24.53822 24.63074 214.1590 560014.2 5.43E+13 -4.965099 S.D. dependent var 1367754. Sum squared resid (3)对于权数为的修正进行 估计得到表七所示的估计结果 表七用权数 的估计结果 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 15:11 Sample: 1 31 Included observations: 31 C Adjusted R-squared S.E. of regression Sum squared resid Log likelihood -9038.879 0.773351 89179.74 2.31E+11 -396.3041 15289.93 -0.591165 0.5590 187322.2 25.69704 25.78955 103.3632 S.D. dependent var Akaike info criterion Schwarz criterion F-statistic Adjusted R-squared S.E. of regression 0.933789 S.D. dependent var 144099.9 Sum squared resid 560014.2 6.02E+11 4表八用权数 Dependent Variable: Y Method: Least Squares Date: 10/24/12 Time: 16:16 Sample: 1 31 Included observations: 31 C R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Adjusted R-squared S.E. of regression 由上表得到模型估计结果方程 i=?11514.20+0.03172X Y T (-56.77400) (487.0386) R2=0.999305 DW=1.662090 F=41697.84 -11514.20 0.999305 0.999281 3429.518 3.41E+08 -295.2988 202.8075 Mean dependent var S.D. dependent var Akaike info criterion Schwarz criterion F-statistic -56.77400 0.0000 53272.90 127902.8 19.18057 19.27308 41697.84 560014.2 5.95E+11 的估计结果 0.934615 S.D. dependent var 143198.5 Sum squared resid 表示建筑业 总产值每增加1万元，建筑业企业利润总额增加0.03172万元。