用Eviews分析计量经济学问题

更新时间:2023-06-10 17:32:22 阅读：评论：0

计量经济学案例分析

一、问题背景

高新区自开始设立至今短短十多年的时间，以其惊人的经济发展速度为世人所关注。随着我国经济发展模式的逐步转变，高新区已经成为我国依靠科技进步和技术创新推动经济社会发展、走中国特色自主创新道路的一面旗帜。“十二五”时期，面对新的机遇和挑战，国家高新区应注重提升五种能力，努力成为加快转变经济发展方式的排头兵。为了探索高新经济发展的内在规律性，本文采用截面数据对高新区的投入产出进行分析，力求能够增进对高新区经济发展的了解，对高新区的进一步发展有所帮助。

二、模型设定

本文研究的是高新区投入对产出的影响，所以本模型的被解释变量Y即为高新区的产出。就目前对高新区数据的统计来看，反映高新区产出的主要有“工业总产值”、“工业增加值”、“技工贸总收入”、“利润”和“上缴税额”几个总量指标。按照生产函数理论，产出利用增加值，所以模型中我们将使用“工业增加值”指标数据来估计各高新区的总产出。

从高新区的投入来看，对产出有重要影响的因素主要包括以下几个方面：

资本K ，劳动力L，技术投入T，此外，体制改革，管理模式创新也可以看作是投入的要素，但因其不可量化，因此归入模型的扰动项中。

这样，按照科布道格拉斯形式的生产函数，我们设定函数形式为：

两边取自然对数得：

其中，资本数据谢谢K我们利用的是当年的年末净资产来进行估计，即当年年末资产减去当年年末负债后得到的数据；用当年年末从业人员来估计劳动力L；用当年技术研发投入来估计技术投入T。数据选用的是截面数据。

从《国家高新技术产业开发区十年发展报告（1991－2000年）》得到1999年全国53个高新区各项指标统计数据：

治疗青春痘的偏方

园区	工业增加值(千元)Y	净资产（千元）K	年末从业人员（人） L	技术开发费（千元）T
北京	16066063	65150273	246422	54050139
天津	4138312	13908458	106970	1004739
石家庄	1428436	8427194	40404	437677
保定	1320169	5564045	35743	78798
太原	1261311	4755833	39469	254922
包头	877062	3798540	19793	56816
沈阳	3835694	16319788	21547	525425
大连	2099833	9922822	61713	328710
鞍山	591469	2073150	37000	258620
长春	4924865	16980214	68709	257492
吉林	4325561	7428203	61351	316823
哈尔滨	2405477	10951731	75107	339757
大庆	804287	2281701	15896	50146
上海	12962451	48089856	88079	2499908
南京	6410451	14646932	50233	419102
常州	11132443	2898661	29079	150004
苏州	5428770	9640896	58648	445165
无锡	3755550	8626370	30682	533272
杭州	2539237	6160997	20242	202201
合肥	1842286	5634673	37381	133020
福州	2482912	3992544	20780	127868
厦门	1406424	1990844	18402	171360
南昌	1448054	4495691	21983	157784
济南	1581236	5791048	34213	179615
青岛	5995027	8229987	50237	1230157
淄博	3023363	7989885	40932	85359
潍坊	553112	3952105	15115	48945
威海	1841129	2504010	32664	105964
郑州	2285660	5939638	27884	314905
洛阳	1151710	2952993	37360	101404
武汉	5509070	15108418	65863	609012
襄樊	1571089	4430713	36513	248948
长沙 luck什么意思	4276076	12182624	47490	626298
株州	1020248	2660099	17007	62822
广州	1431795	6618539	23606	896296
深圳	6447963	10742252	41228	1236052
珠海	848388	1175936	10032	9600
惠州	1981620	1667044	20682	166067
中山	1329899	4474726	48496	120769
佛山	4106494	7925224	19920	454169
南宁	1185873	2054164	15727	263017
桂林	1078153	2550102	22670	71095
海口	365603	1851072	4427	64784
成都	3148804	10560336	43598	676698
重庆	2424284	5703171	76270	200308
绵阳	3459424	7563423	42703	42100
贵阳	738779	3310046	24310	219864
昆明	765927	5033691	18955	71740
西安	4170682	13878367	80474	502907
宝鸡	880708	3132187	28169	110269
兰州	663520	2520269	18548	195983
乌鲁木齐	260934	1159514	7781	9071need you now 歌词
杨凌	54919	412220	1980	2581

三、模型估计

用Eviews软件进行回归分析，得到如下结果：

Dependent Variable: Y
Method: Least Squares
Date: 13/12/11 Time: 19:31
Sample: 1 53
Included obrvations: 53
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	0.664556	0.644854	1.030553	0.3078
LNK	0.478131	0.171585	2.786560	0.0076
LNL	0.367855	0.174496	2.108104	0.0402
LNT	0.140542	0.092425	1.520604	0.1348
R-squared	0.740558	Mean dependent var		6.280427
Adjusted R-squared	0.724674苹果属	S.D. dependent var		0.440805
S.E. of regression	0.231297	Akaike info criterion		-0.017755
Sum squared resid	2.621421	Schwarz criterion		0.130946
Log likelihood	4.470508	F-statistic		46.62236
Durbin-Watson stat	1.372126	Prob(F-statistic)		0.000000

从表可以看出，回归方程为：

T= (1.030553) (2.786560) (2.109104) (1.520604)

（1）经济意义检验

从回归结果可以看出，模型估计的的参数值都为正、且小于1，与生产函数理论中各数值的意义相符。

（2）统计推断检验

模型修正的可决系数，考虑到所采用的是截面数据，认为模型的拟合优度很好。系数显著性检验：给定＝0.05，的t值均大于临界值，说明资本和劳动力对产出有显著影响；的t＝1.520604﹤2.01，不能通过t检验，说明技术研发投入对产出的影响不明显。F检验：在给定显著性水平＝0.05,查F分布表自由度为4和49的临界值﹤46.62236，拒绝原假设，说明回归方程显著，即资本、劳动力、技术投入联合起来对高新区产出有显著影响。

（3）计量经济学检验

a.异方差White检验:

White Heteroskedasticity Test:
F-statistic	0.390717	Probability		0.933021
Obs*R-squared	4.006587	Probability		0.910978

Test Equation:情商培养
Dependent Variable: RESID^2
Method: Least Squares
Date: 13/12/11 Time: 20:09
Sample: 1 53
Included obrvations: 53
Variable 蒂朵	Coefficient	Std. Error	t-Statistic	Prob.
C	-0.112627	6.199599	-0.018167	0.9856
LNK	-0.890639	2.372580	-0.375388	0.7092
LNK^2	0.245810	0.375151	0.655230	0.5158
LNK*LNL	-0.377436	0.633669	-0.595636	0.5545
LNK*LNT	-0.159509	0.390429	-0.408548	0.6849
LNL	1.632880	1.894040	0.862115	0.3934
LNL^2	-0.057211	0.356837	-0.160328	0.8734
LNL*LNT	0.276228	0.431625	0.639973	0.5256
LNT	-0.103709	1.151370	-0.090074	0.9286
LNT^2	-0.003076	0.104530	-0.029424	0.9767
R-squared	0.075596	Mean dependent var		0.049461
Adjusted R-squared	-0.117884	S.D. dependent var		0.117072
S.E. of regression	0.123781	Akaike info criterion		-1.172343
Sum squared resid	0.658832	Schwarz criterion		-0.800589
Log likelihood	41.06708	F-statistic		0.390717
Durbin-Watson stat	1.939511	Prob(F-statistic)		0.933021

检验知Obs*R-squared＝4.006587，查统计表，＝16.919，因为n﹤，所以拒绝原假设，表明模型不存在异方差。

b.多重共线性检验：

计算lnK、lnL、lnT的相关系数，其相关系数矩阵如下：

	LNL	LNT	LNK
LNL	1.000000	0.770298	0.828290
LNT	0.770298	1.000000	0.827683
LNK	0.828290	0.827683	1.000000

从相关系数矩阵可以看出，lnK、lnL、lnT相互之间的的相关系数较高，说明可能存在多重共线性。

采用逐步回归法检验。首先，分别做lnY对lnK、lnL、lnT的一元回归，结果如下；

姚雯敏

变量	lnK	lnL	lnT
参数估计值	0.931548	1.029562	0.533477
t统计量	10.70742	9.381213	8.819049
R-squared	无限挑战苏志燮0.69212	0.633112	0.603962
Adjusted R-squared	0.686083	0.625919	0.596197

其中，加入lnK 的方程最大，以lnK为基础，顺次加入lnL、lnT逐步回归，结果如下；

变量	lnK	lnL	lnT	Adjusted R-squared
lnK、lnL	0.616623	0.439361		0.717448
lnK、lnL	4.1858	2.58097		0.717448
lnK、lnT	0.670911		0.193049	0.705709
lnK、lnT	4.469702		2.097905	0.705709