计量经济学实验报告17473330

计量经济学实验 报告 软件系统测试报告下载sgs报告如何下载关于路面塌陷情况报告535n,sgs报告怎么下载竣工报告下载 17473330 计量经济学实验 基于EViews的 中国能源消费影响因素分析 学院: 班级: 学号: 姓名: 基于EViews的中国能源消费影响因素分析 一、背景 资料 新概念英语资料下载李居明饿命改运学pdf成本会计期末资料社会工作导论资料工程结算所需资料清单 能用消费是引是指生产和生活所消耗的能源。能源消费按人平均的占有量是衡量一个国家经济发展和人民生活水平的重要标志。能源是支持经济增长的重要物质基础和生产要素。能源消费量的不断增长，是现代化建设的重要条件。我国能源工业的迅速发展和改革开放政策的实施，促使能源产品特别是石油作为一种国际性的特殊商品进入世界能源市场。随着国民经济的发展和人口的增长，我国能源的供需矛盾日益紧张。同时，煤炭、石油等常规能源的大量使用和核能的发展，又会造成环境的污染和生态平衡的破坏。可以看出，它不仅是一个重大的技术、经济问题，而且以成为一个严重的政治问题。 在20世纪的最后二十年里，中国国内生产总值(GDP)翻了两番，但是能源消费仅翻了一番，平均的能源消费弹性仅为0.5左右。然而自2002年进入新一轮的高速增长周期后，中国能源强度却不断上升，经济发展开始频频受到能源瓶颈问题的困扰。鉴于此，研究能源问题不仅具有必要性和紧迫性，更具有很大的现实意义。由于我国目前面临的所谓“能源危机”，主要是由于需求过大引起的，而我国作为世界上最大的发展中国家，人口众多，所需能源不可能完全依赖进口，所以，研究能源的需求显得更加重要。 二、影响因素设定 根据西方经济学消费需求理论可知，影响消费需求的因素有:商品的价格、消费者收入水平、相关商品的价格、商品供给、消费者偏好以及消费者对商品价格的预期等。对于相关商品价格的替代效应，我们认为其只存在能源品种内部之间，而消费者偏好及消费者对商品价格的预期数据差别较大，不容易进行搜集整理在此暂不涉及。另外，发展经济学认为，来自知识、人力资本的积累水平所体现的技术进步不仅可以带动劳动产出的增长，而且会通过外部效应可以提高劳动力、自然资源、物质资本与生产要素的生产效率，消除其中收益递减的内在联系，带来递增的规模收益。 这里我们引入能源价格、居民收入、科技进步、能源供给量和工业产出五个变量对能源需求进行分析。 三、数据选取 1(能源需求总量，在模型中用y 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 示，是指一次性能源消费总量,由煤炭,石油,天然气和水电4项组成(单位:万吨 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 煤)。 2(能源需求的影响因素: (1)能源价格，用能源产品出厂价格指数来衡量，在模型中用X1表示，它由煤炭、石油、电力工业出厂价格指数加权计算得到。 (2)剔除物价的工业总产值(亿元)，在模型中用X2表示，它由由现价计算的工业总产值除以当年的工业总产值价格指数。 (3)剔除物价的城镇居民家庭人均可支配收入(元)，用X3表示，它也是由各年家庭人均可支配收入绝对数用价格指数计算得到。 (4)科学研究与综合技术服务业人员数(万人)，用X4表示，直接由各年度统计年鉴查得。 (5)能源生产总量(万吨标准煤)，用X5表示，直接由各年度统计年鉴查得。 (6)其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，如国家的经济结构政策、消费者偏好等。 2 表1: 剔除物价的工剔除物价的城镇科学研究与综能源消费总量能源产品出厂能源生产总量年份 业总产值 居民家庭人均可合技术服务业(万吨标准煤) 价格指数 (万吨标准煤) (亿元) 支配收入 (元) 人员数(万人) 1981 57144 100 4237 343.4 92 62770 1982 58588 109.6219 4302.665 387 100 64562 1983 60275 104.9436 4334.283 477.6 105 63735 1984 59447 101.7132 4353.542 491.9 111 63227 1985 62067 101.4262 4346.255 526.6 118 66778 1986 66040 102.8296 4345.154 564 121 71270 1987 70904 104.7489 4405.188 651.2 125 77855 1988 76682 114.6078 4628.638 739.1 131 85546 1989 80850 98.8582 4774.049 899.6 137 88124 1990 86632 103.0892 5004.985 1002.2 142 91266 1991 92997 109.3483 5466.279 1181.4 144 95801 1992 96934 111.1008 6086.641 1375.7 147 101639 1993 98703 106.4466 6135.358 1510.2 152 103922 1994 103783 114.487 5947.677 1700.6 156 104844 1995 109170 115.5824 6198.046 2026.6 159 107256 1996 115993 146.0398 6811.24 2577.4 166 111059 1997 122737 128.3882 7951.149 3496.2 174 118729 1998 131176 113.0199 8654.915 4283 178 129034 1999 138948 111.9362 8044.789 4838.9 176 132616 2000 137798 108.2736 8122.711 5160.3 179 132410 2001 132214 96.4759 7673.559 5425.1 168 124250 2002 130119 98.8304 7283.834 5854 165 109126 2003 130297 110.095 4232.969 6280 164 109000 2004 134914 104.4548 4115.123 6859.6 154 120900 2005 148000 107.2932 4040.542 7703 151 139000 四、模型设定 Yt =β0+β1 X1t +β2 X2t +β3 X2t +β4X4t+β5X5t+ Ut Yt ------能源需求总量(万吨煤) X1t -----能源产品价格指数 X2t -----剔除物价的工业总产值(亿元) X3t ----剔除物价的城镇居民家庭人均可支配收入 (元) X4t ----科学研究与综合技术服务业人员数(万人) X5t -----能源生产总量(万吨标准煤) Ut------随机扰动项 β1、β2、β3、β4、β5-----待估参数 3 五、模型检验 假设模型中随机误差项Ut满足古典假设，运用OLS方法估计模型的参数得如下结果: 表2: Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:19 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -9312.503 5126.452 -1.816559 0.0851 X1 102.2836 52.30483 1.955529 0.0654 X2 -1.840787 0.497535 -3.699815 0.0015 X3 27.04573 2.213483 12.21863 0.0000 X4 181.1065 60.69616 2.983822 0.0076 X5 0.580178 0.066437 8.732772 0.0000 R-squared 0.995733 Mean dependent var 100096.5 Adjusted R-squared 0.994610 S.D. dependent var 30643.48 S.E. of regression 2249.721 Akaike info criterion 18.48056 Sum squared resid 96163651 Schwarz criterion 18.77309 Log likelihood -225.0070 F-statistic 886.7535 Durbin-Watson stat 1.617818 Prob(F-statistic) 0.000000 回归方程为: Y=-9312.503+102.2836*X1-1.840787*X2+27.04573*X3+181.1065*X4+0.580178*X5 (5126.452)(52.30483)(0.497535) (2.213483)(60.69616) (0.066437) t=(-1.816559) (1.955529)(-3.699815) (12.21863)(2.983822)(8.732772) 2R=0.995733 F=886.7535 一、经济意义检验 由回归估计结果可以看出,城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量与能源需求总量呈线性正相关，与现实经济理论相符。而能源产品出厂价格指数与能源需求总量呈线性正相关，工业总产值与能源需求总量呈线性负相关，这两点上，不符合经济意义。 二、统计意义检验 从估计的结果可知，可决系数R2=0.995733, F=886.7535，表明模型在整体上拟合地比较理想。系数显著性检验:给定α=0.05，X2、X3、X4、X5的t的P值小于给定的显著性水平，拒绝原假设，接受备择假设，表明工业总产值、城镇居民家庭人均可支配收入、科学研究与综合技术服务业人员数、能源生产总量对能源需求总量有显著性影响;仅有X1的t的P值大于给定的显著性水平，接受原假设，表明能源产品出厂价格指数对能源需求总量影响不显著。 三、计量经济学检验 1、多重共线性检验 由表2可看出,模型整体上线性回归拟合较好，R2与F值较显著，而解释变量X1的t检验不显著, 4 并且X1、X2的系数的符号与经济意义相悖，则说明该模型存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得到如下结果，也可以看出解释变量之间存在多重共线性。 表3: X1 X2 X3 X4 X5 X1 1 0.348300099365 0.129194093832 0.387168710635 0.299079945437 X2 0.348300099365 1 0.577760138667 0.782426661549 0.667649490603 X3 0.129194093832 0.577760138667 1 0.834560622806 0.907149867083 X4 0.387168710635 0.782426661549 0.834560622806 1 0.926739884058 X5 0.299079945437 0.667649490603 0.907149867083 0.926739884058 1 用逐步回归法修正模型的多重共线。 1.运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计意义选出拟和效果最好的一元线性回归方程。经分析在五个一元回归模型中能源需求总量Y对能源生产总量X5的线性关系强,拟合程度好。 表4: Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:40 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -21020.32 5617.857 -3.741697 0.0011 X5 1.223541 0.055156 22.18308 0.0000 R-squared 0.955348 Mean dependent 100096.5 var Adjusted R-squared 0.953406 S.D. dependent var 30643.48 S.E. of regression 6614.583 Akaike info criterion 20.50856 Sum squared resid 1.01E+09 Schwarz criterion 20.60607 Log likelihood -254.3570 F-statistic 492.0891 Durbin-Watson stat 0.582287 Prob(F-statistic) 0.000000 由表4得: Y = -21020.32092 + 1.223540945*X5 (5617.857) (0.055156) t=(-3.741697) (22.18308) 2R=0.955348 F=492.0891 2.逐步回归。将其余解释变量逐一代入上式，得到如下几个模型(结果表如下) Y = 5426.633658 + 25.97702896*X3 + 0.7131621687*X5 (3802.412) (2.759851) (0.059774) t=(1.427156) (9.412475) (11.93105) 2R=0.991118 F=1227.394 5 表5: Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 16:43 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C 5426.634 3802.412 1.427156 0.1676 X3 25.97703 2.759851 9.412475 0.0000 X5 0.713162 0.059774 11.93105 0.0000 R-squared 0.991118 Mean dependent 100096.5 var Adjusted R-squared 0.990310 S.D. dependent var 30643.48 S.E. of regression 3016.472 Akaike info criterion 18.97373 Sum squared resid 2.00E+08 Schwarz criterion 19.12000 Log likelihood -234.1716 F-statistic 1227.394 Durbin-Watson stat 0.978110 Prob(F-statistic) 0.000000 Y = -4090.451555 + 118.3029597*X1 + 27.83244134*X3 + 0.6617330059*X5 (6222.872) (63.07878) (2.795248) (0.062913) t=(-0.657325) (1.875479) (9.957057) (10.51830) 2R=0.992392 F=913.0676 表6 Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 17:07 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -4090.452 6222.872 -0.657325 0.5181 X1 118.3030 63.07878 1.875479 0.0747 X3 27.83244 2.795248 9.957057 0.0000 X5 0.661733 0.062913 10.51830 0.0000 R-squared 0.992392 Mean dependent 100096.5 var Adjusted R-squared 0.991305 S.D. dependent var 30643.48 S.E. of regression 2857.414 Akaike info criterion 18.89887 Sum squared resid 1.71E+08 Schwarz criterion 19.09389 Log likelihood -232.2359 F-statistic 913.0676 Durbin-Watson stat 0.929339 Prob(F-statistic) 0.000000 6 X4对Y的影响并不显著，故将X4删去，得到如下模型: Y = -4928.878753 + 141.8898316*X1 -1.005090487*X2+27.74415632*X3+0.702538287*X5 (5801.230) (59.75834) (0.485715) (2.599838) (0.061740) t=(-0.849626) (2.374394) (-2.069299) (10.67150) (11.37891) 2R=0.993734 F=792.8957 表7 Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 17:11 Sample: 1981 2005 Included observations: 25 Variable Coefficient Std. Error t-Statistic Prob. C -4928.879 5801.230 -0.849626 0.4056 X1 141.8898 59.75834 2.374394 0.0277 X2 -1.005090 0.485715 -2.069299 0.0517 X3 27.74416 2.599838 10.67150 0.0000 X5 0.702538 0.061740 11.37891 0.0000 R-squared 0.993734 Mean dependent 100096.5 var Adjusted R-squared 0.992480 S.D. dependent var 30643.48 S.E. of regression 2657.300 Akaike info criterion 18.78487 Sum squared resid 1.41E+08 Schwarz criterion 19.02864 Log likelihood -229.8108 F-statistic 792.8957 Durbin-Watson stat 1.244654 Prob(F-statistic) 0.000000 2、异方差检验 此处采用ARCH检验: 表8: ARCH Test: F-statistic 0.135388 Probability 0.937641 Obs*R-squared 0.485467 Probability 0.922072 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/10 Time: 18:34 Sample(adjusted): 1981 2005 Included observations: 22 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C 7197913. 3420227. 2.104513 0.0496 RESID^2(-1) -0.073902 0.233413 -0.316615 0.7552 RESID^2(-2) 0.001985 0.235213 0.008439 0.9934 RESID^2(-3) -0.126411 0.233872 -0.540514 0.5955 7 R-squared 0.022067 Mean dependent 5999470. var Adjusted R-squared -0.140922 S.D. dependent var 9793751. S.E. of regression 10461093 Akaike info criterion 35.32719 Sum squared resid 1.97E+15 Schwarz criterion 35.52556 Log likelihood -384.5991 F-statistic 0.135388 Durbin-Watson stat 1.999805 Prob(F-statistic) 0.937641 2由上表，Obs*R-squared=0.485467,χ(3)=7.81473，所以接受H，表明模型中随机扰动项不0.050存在异方差。 3、自相关检验 1.由表7可得DW=1.244654，给定显著性水平α=0.05，n=25, k’=4时，查Durbin-Waston表得下限 临界值dL=1.038，上限临界值du=1.767,可见DW统计量 DW=1.244654