《2023年国民生产总值和进口额的关系国民生产总值与产业结构的关系.docx》由会员分享，可在线阅读，更多相关《2023年国民生产总值和进口额的关系国民生产总值与产业结构的关系.docx（11页珍藏版）》请在金锄头文库上搜索。
1、国民生产总值和进口额的关系国民生产总值与产业结构的关系 国民生产总值与产业结构的关系 一、经济背景 推动我国经济社会又好又快发展，根本出路之一是提高国民总收入，提高居民消费能力，全面扩大国内消费需求量大力增强消费对经济的拉动作用。同时由于我国是一个人口大国，虽然说地大物博，但人均却很少，所以我国的产业结构对国民的生活水平的调高，国民的总收入的提高有着至关重要的作用。 二、实验项目数据 注： 1.1980年以后国民总收入原称国民生产总值与国内生产总值的差额为国外净要素收入。 2.2023-202023数据在第二次经济普查后作了修订。 3.数据来自中国统计局网 三、实验过程 利用eviews软件，
2、生成yt、x1、x2、x3、x4等数据，采用这些数据对模型进行ols回归，结果如图 ols回归结果 dependentvariable：ymethod：leastsquaresdate：07/03/11time：09：42sample：19782023includedobservations：32 variablecx1x2x3x4 r-squared adjustedr-squareds.e.ofregressionsumsquaredresidloglikelihooddurbin-watsonstat coefficient845.40851.1089741.4196401.194270
3、-3.801612 std.error226.33060.3276680.1846560.1581572.446987 t-statistic3.7352813.3844467.6880157.551161-1.553589 prob.0.00090.00220.00000.00000.1319 0.999983meandependentvar80630.860.999980s.d.dependentvar419.3736akaikeinfocriterion4748604.schwarzcriterion-235.9280f-statistic0.593024probf-statistic
4、94720.6415.0580015.28702395349.60.000000 一多重共线性分析 2=0.999980可决系数很高，由上图可见，该模型r2=0.999983，rf检验值395349.6，明显显著。但是当=0.05时，t2n-k=t0.02532-5=2.05，x4的系数t检验不显著，而且x4系数的符号与预期相反，这说明可能存在严重的多重共线性。 计算个解释变量的相关系数，选择x1、x2、x3、x4的数据。 相关系数矩阵 变量x1x2x3x4 x1 1 0.1xxxxxxxxxx7 x2x3x4 0.1xxxxxxxxxx 0.1xxxxxxxxxx70.1xxxxxxxxxx
5、1 1 0.1xxxxxxxxxx30.1xxxxxxxxxx2 1 0.1xxxxxxxxxx1 1 0.1xxxxxxxxxx10.1xxxxxxxxxx30.1xxxxxxxxxx 0.1xxxxxxxxxx20.1xxxxxxxxxx1 由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，正是确定存在严重的多重共线性。修正多重共线性 采用逐步回归法，去检验和解决多重共线性问题。分别作yt对x1、x2、x3、x4的一元回归，结果如表 一元回归估计结果 变量参数估计值t统计量 x1 9.43085327.170660.960950 x2 2.136291263.62780.99956
6、9 x3 2.354594124.71730.998075 x4 13.40040207.07530.999301 r2 2r 0.9596480.9995540.9980110.999278 其中，参加x2的方程的r2最大，以x2为根底，顺次参加其它变量逐步回归。结果如表 参加新变量的回归结果 一 2=0.999867，改良最大，而且各参数的t检验都显著，经比拟，新参加的x3的方程r 选择保存x3，在参加其他变量逐步回归，结果如表 2有所增加，当参加x4时，rx3的参数t检验显著性下降，x2的参数t检验显著性上升，从相关系数也可看出，与其他变量高度相关，这就说明主要是x4引起的多重共线性，予
7、以剔除。 最后修正严重的多重共线性影响后的回归结果为 y=591.0029919+1.139730888xx2+0.9555463758xx3+0.6051508553xx13.69068527.4845224.8949212.59363 2=0.999979f=501797.7r2=0.999981r 二异方差性分析1、对异方差的检验 在模型不存在多重共线性的前提下，来检验模型是否存在异方差问题，常用的方法为white检验法。如表 whiteheteroskedasticitytest： f-statisticobsxr-squared testequation： 6.064554proba
8、bility18.96799probability 0.0005050.004218 dependentvariable：resid2method：leastsquaresdate：07/03/11time：12：57sample：19782023includedobservations：32 variablecx2x22x3x32x1 coefficient-76332.51-64.358148.32e-0557.562269.59e-05122.9346 std.error82023.5232.480580.00016426.802180.00015745.59709 t-statisti
9、c-0.930878-1.9814350.5081802.1476710.6112822.696107 prob.0.36080.05860.61580.04160.54650.0124 x12 r-squared adjustedr-squareds.e.ofregressionsumsquaredresidloglikelihooddurbin-watsonstat -0.0049400.001798-2.7474880.0110 0.592750meandependentvar161659.40.495010s.d.dependentvar147119.5akaikeinfocriter
10、ion5.41e+11schwarzcriterion-422.2243f-statistic1.999296probf-statistic 207027.926.8265227.147156.0645540.000505 white统计量为18.97，p值为0.0042 用加权最小二乘法对异方差性进行修正，重新进行回归估计，如下： dependentvariable：ymethod：leastsquaresdate：07/03/11time：13：27sample：19782023includedobservations：32weightingseries：w variablecx2x3x1
11、 coefficient563.73031.1304480.9605520.627904 std.error23.129090.0271840.0256090.023349 t-statistic24.3732141.5854337.5082426.89251 prob.0.00000.00000.00000.0000 weightedstatisticsr-squared adjustedr-squareds.e.ofregressionsumsquaredresidloglikelihooddurbin-watsonstatunweightedstatisticsr-squared adj
12、ustedr-squareds.e.ofregressiondurbin-watsonstat 1.000000meandependentvar44275.181.000000s.d.dependentvar65.07131akaikeinfocriterion118559.7schwarzcriterion-176.8850f-statistic0.792023probf-statistic 101268.511.3053111.48853266276900.000000 0.999981meandependentvar80630.860.999979s.d.dependentvar434.
13、0380sumsquaredresid0.574698 94720.645274892. whiteheteroskedasticitytest：f-statisticobsxr-squared 0.857917probability5.463805probability 0.5386920.485842 得到加权后消除异方差型的估计结果回归表达式为： y=563.7302685+1.130448032xx2+0.9605520237xx3+0.6279040845xx124.3732141.5854337.5082426.892512=1rss=118559.7r2=1r 三自相关性分析 在
14、检验模型是否存在自相关所用方法为图形法或d-w检验法。 1、自相关图示法检验 从下列图可以看出，随机干扰项呈现正序列相关性。 2、自相关dw检验 在5%的显著性水平下，n=32，k=3，查表得dl=1.244，du=1.650，由于dw=0.79 运用广义差分法进行自相关的处理采用科克伦奥科特迭代法。1阶广义差分的估计结果如下： dependentvariable：y method：leastsquaresdate：07/03/11time：14：04sampleadjusted：19792023 includedobservations：31afteradjustingendpointsconvergenceachievedafter25iterations variablecx2x3x1ar
