《EVIEWS案例消除自相关农村居民消费模型》由会员分享，可在线阅读，更多相关《EVIEWS案例消除自相关农村居民消费模型（5页珍藏版）》请在金锄头文库上搜索。
1、第六章案例分析一、研究目的2003年中国农村人口占59.47,而消费总量却只占41.4%,农村居民的收入和消费是一个值得研究的问题.消费模型是研究居民消费行为的常用工具.通过中国农村居民消费模型的分析可判断农村居民的边际消费倾向,这是宏观经济分析的重要参数.同时,农村居民消费模型也能用于农村居民消费水平的预测.二、模型设定正如第二章所讲述的,影响居民消费的因素很多,但由于受各种条件的限制,通常只引入居民收入一个变量做解释变量,即消费模型设定为6.43式中,Yt为农村居民人均消费支出,X t为农村人均居民纯收入,ut为随机误差项.表6.3是从中国统计年鉴收集的中国农村居民1985-2003年的收
2、入与消费数据.表6.3 1985-2003年农村居民人均收入和消费 单位：元年份全年人均纯收入现价全年人均消费性支出现价消费价格指数1985=100人均实际纯收入1985可比价人均实际消费性支出1985可比价1985198619871988198919901991199219931994199519961997199819992000200120022003397.60423.80462.60544.90601.50686.30708.60784.00921.601221.001577.701923.102090.102162.002214.302253.402366.402475.60262
3、2.24317.42357.00398.30476.70535.40584.63619.80659.80769.701016.811310.361572.101617.151590.331577.421670.001741.001834.001943.30100.0106.1112.7132.4157.9165.1168.9176.8201.0248.0291.4314.4322.3319.1314.3314.0316.5315.2320.2397.60399.43410.47411.56380.94415.69419.54443.44458.51492.34541.42611.67648.5
4、0677.53704.52717.64747.68785.41818.86317.40336.48353.42360.05339.08354.11366.96373.19382.94410.00449.69500.03501.77498.28501.75531.85550.08581.85606.81注：资料来源于中国统计年鉴1986-2004.为了消除价格变动因素对农村居民收入和消费支出的影响,不宜直接采用现价人均纯收入和现价人均消费支出的数据,而需要用经消费价格指数进行调整后的1985年可比价格计的人均纯收入和人均消费支出的数据作回归分析.根据表6.3中调整后的1985年可比价格计的人均纯
5、收入和人均消费支出的数据,使用普通最小二乘法估计消费模型得6.44Se = t = R2 = 0.9788,F = 786.0548,d f = 17,DW = 0.7706该回归方程可决系数较高,回归系数均显著.对样本量为19、一个解释变量的模型、5%显著水平,查DW统计表可知,dL=1.18,dU= 1.40,模型中DWdL,显然消费模型中有自相关.这一点残差图中也可从看出,点击EViews方程输出窗口的按钮Resids可得到残差图,如图6.6所示.图6.6残差图图6.6残差图中,残差的变动有系统模式,连续为正和连续为负,表明残差项存在一阶正自相关,模型中t统计量和F统计量的结论不可信,需
6、采取补救措施.三、自相关问题的处理为解决自相关问题,选用科克伦奥克特迭代法.由模型6.44可得残差序列et,在EViews中,每次回归的残差存放在resid序列中,为了对残差进行回归分析,需生成命名为e的残差序列.在主菜单选择Quick/Generate Series或点击工作文件窗口工具栏中的Procs/ Generate Series,在弹出的对话框中输入e = resid,点击OK得到残差序列et.使用et进行滞后一期的自回归,在EViews命今栏中输入ls e e 可得回归方程et= 0.4960 et-16.45由式6.45可知=0.4960,对原模型进行广义差分,得到广义差分方程6
7、.46对式6.46的广义差分方程进行回归,在EViews命令栏中输入ls Y-0.4960*Y c X-0.4960*X ,回车后可得方程输出结果如表6.4.表6.4 广义差分方程输出结果Dependent Variable: Y-0.496014*YMethod: Least SquaresDate: 03/26/05 Time: 12:32Sample: 1986 2003Included observations: 18 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. C60.444318.96
8、49576.7422870.0000X-0.496014*X0.5832870.02941019.833250.0000R-squared0.960914 Mean dependent var231.9218Adjusted R-squared0.958472 S.D. dependent var49.34525S.E. of regression10.05584 Akaike info criterion7.558623Sum squared resid1617.919 Schwarz criterion7.657554Log likelihood-66.02761 F-statistic3
9、93.3577Durbin-Watson stat1.397928 Prob0.000000由表6.4可得回归方程为6.470.0294t = 6.742319.8333R2= 0.9609 F= 393.3577 d f = 16 DW = 1.3979式中,.由于使用了广义差分数据,样本容量减少了1个,为18个.查5%显著水平的DW统计表可知dL = 1.16,dU = 1.39,模型中DW = 1.3979 dU,说明广义差分模型中已无自相关,不必再进行迭代.同时可见,可决系数R2、t、F统计量也均达到理想水平.对比模型6.44和6.47,很明显普通最小二乘法低估了回归系数的标准误差.原
10、模型中Se= 0.0214,广义差分模型中为Se= 0.0294.经广义差分后样本容量会减少1个,为了保证样本数不减少,可以使用普莱斯温斯腾变换补充第一个观测值,方法是和.在本例中即为和.由于要补充因差分而损失的第一个观测值,所以在EViews中就不能采用前述方法直接在命令栏输入Y和X的广义差分函数表达式,而是要生成X和Y的差分序列X*和Y*.在主菜单选择Quick/Generate Series或点击工作文件窗口工具栏中的Procs/Generate Series,在弹出的对话框中输入Y*= Y-0.4960*Y ,点击OK得到广义差分序列Y*,同样的方法得到广义差分序列X*.此时的X*和Y
11、*都缺少第一个观测值,需计算后补充进去,计算得=345.236,=275.598,双击工作文件窗口的X* 打开序列显示窗口,点击Edit+/-按钮,将=345.236补充到1985年对应的栏目中,得到X*的19个观测值的序列.同样的方法可得到Y*的19个观测值序列.在命令栏中输入Ls Y* c X*得到普莱斯温斯腾变换的广义差分模型为6.480.0297t = 6.517819.8079R2 = 0.9585 F = 392.3519 d f = 19 DW = 1.3459对比模型6.47和6.48可发现,两者的参数估计值和各检验统计量的差别很微小,说明在本例中使用普莱斯温斯腾变换与直接使用科克伦奥克特两步法的估计结果无显著差异,这是因为本例中的样本还不算太小.如果实际应用中样本较小,则两者的差异会较大.通常对于小样本,应采用普莱斯温斯腾变换补充第一个观测值.由差分方程6.46有6.49由此,我们得到最终的中国农村居民消费模型为Y t= 119.9292+0.5833 X t6.50由6.50的中国农村居民消费模型可知,中国农村居民的边际消费倾向为0.5833,即中国农民每增加收入1元,将增加消费支出0.5833元.
