《计量经济学论文(eviews分析)》由会员分享，可在线阅读，更多相关《计量经济学论文(eviews分析)（13页珍藏版）》请在金锄头文库上搜索。
1、我国限额以上餐饮企业营业额的影响因素分析班级：姓名：学号：指导老师:我国限额以上餐饮企业营业额的影响因素分析摘要:本文收集了 1999-2009共11年的相关数据，选取餐饮企业的数量、城镇居 民人均年消费性支出、全国城镇人口数以及公路里程数作为解释变量构建模型， 对我国限额以上餐饮企业营业额的影响因素进行分析。并利用Eviews软件对模 型进行参数估计和检验，且加以修正，最后根据模型的最终结果进行经济意义分 析，然后提出自己的看法。关键词:餐饮企业营业额、影响因素、计量分析一、研究背景近十年来，投资者进入餐饮企业的数量一直持递增趋势。在他们进入一个行 业之前，势必要对该行业的营业额、营业利润等
2、进行估计，当这些因素的估计值 能够达到他们的预期的时候，他们才会对其进行投资.由于餐饮企业的营业额是 影响投资者是否进入餐饮业的一个重要因素，那么对于我国餐饮企业的营业额问 题的深入研究就相当的有必要，这有助于投资者作出合理的决策。下面即进行了 对我国限额以上餐饮企业营业额的计量模型研究。二、变量的选取影响餐饮企业营业额的因素有很多，包括餐饮企业的数量、营业面积、从业 人员、城镇居民人均年消费性支出、全国城镇人口数、餐饮企业的平均价格水平 及公路里程数（表示交通状况），但综合考虑后，选取了其中的一部分变量（企 业数、城镇居民人均年消费性支出、全国城镇人口数、公路里程数）进行研究， 并对各个变量
3、对餐饮企业营业额的影响进行预测。1. 企业数本文认为餐饮企业营业额与餐饮企业的数量有关，并预测两者之间呈正相关2。城镇居民人均年消费性支出本文认为餐饮企业营业额与城镇居民人均年消费性支出有关，并预测两者之 间呈正相关3。全国城镇人口数本文认为餐饮企业营业额与全国城镇人口数有关，并预测两者之间呈正相关4。公路里程数本文认为餐饮企业营业额与公路里程数有关，并预测两者之间呈正相关三、相关数据：其中营业额（单位：亿元），企业数（单位:个），人均年消费性支 出（单位：元），全国城镇人口数（单位：万人），公路里程数（单位：万 公里）营业额人均年消费性全国城镇人口公路里程年度（Y）企业数（x1）支出（x2）
4、数（x3）数（x4）1999351955932664615.9143748135.2200040524453508499845906140。32001489894341325309.0148064169。82002624247150216029.8850212176。52003747000059356510。9452376181200411605000100677182.154283187。120051260200099227942.8856212334.5200615736000118228696。5557706345。7200719072000140709997.4759379358.42
5、008 259280002252311242.85606673732009268640002069412264。 5562186386。 1四、模型的设定先查看其散点图：控句慎知F之匠有7IjCE囱5碰洲56000-地:-。况中XI10：t-r20Z-HJ7 由北普根据散点图,认为这四个解释变量基本和营业额（Y）呈现线性关系，所以假 设模型为:Y= B 0+ B 1 * x1+ B 2*x2+ B 3*x3+ B 4 大 x4+p五、模型的估计根据相关数据，利用统计软件Eviews5对上述设定的模型进行最小二乘估计，结果如下:ZJependent Variable: Y Vlethcxl: L
6、east Squares Date: IMB/H Time: 21:06Sample: 1999 2009 ncluded observations: 11VariableCoefficientStd. Errort-Slatisti-aProb.X1593.322175155167.8945290.0002X21834.992299.642761239340 0009X3-98 6656868.52235-1.4399050.2000X43619.1683000.4421.1743060.2846C33033592444694.-1.3103310.2380-squared0.999109M
7、ean dependent var12544583Adjusted R-squared0.998515S.D. dependent var8457726.S.E. of regression325975.4Akaike info criterion28 52999Sum squared resid6.38E+11Sc hwarz criterion28.71005likelihcHxi-151.9149F-statistic1681 75ZJurbin-Watso-n stat2715880Pro bi F-statistic)0.000000由上述结果，可得初始的模型为:=-3203359+
8、593.3 火 x1+1835 * x2-98.7* x3+3619。2*x4六、模型的检验1。拟合优度和模型估计效果检验：从回归的结果来看，模型拟合较好,丫变化的99。9%可由其他四个变量的变 化来解释。在5%的显著性水平下，F统计量的值为1681。5显著大于其临界值 F (4, 6) =9.15，即表明模型的线性关系显著成立。2。回归系数的显著性检验：给定显著性水平5%,查T分布表得自由度为6的临界值为2.447, X1、X2、 x3、x4对应的T统计量分别为7。89、6.12、一1。44、1。17，可以看出只有 X1、X2对应的T统计量的绝对值大于临界值2.447，这说明限额以上餐饮企业
9、 的营业额与餐饮企业的数量、城镇居民人均年消费性支出存在显著的线性相关关 系。但是对于公路里程数和全国城镇人口数这俩个解释变量而言却不存在显著的 线性相关关系，这与实际不符，说明模型很可能存在着多重共线性。3. 多重共线性的检验：由于RA2较大且接近于1，而且F=1681.5F（4，6）=9.15，故认为餐饮 企业营业额与上述解释变量间总体线性关系显著。但由于其中X3、X4前参数估 计值未能通过T检验，而且x3符号的经济意义也不合理，所以认为解释变量间存 在多重共线性。相关系数表:X1X2X3X4X11 .0.9752380.9175220.887852X20.9752381 .962141.
10、934670X30.9175220.9621411.0000000.935697X40.8878520.9346700.9356971 .从上面的相关系数矩阵可看出，各解释变量之间的相关系数很高，证实确实存在多重共线性。逐步回归法：找出最简单的回归形式VariableX1X2X3X4Coefficient1245.63253.61291。 475147.5T24。5626.58。467.1RA20。9850.9870。8880.847Adjusted R squared0.9840。9860.8760.830由上述的表图中的Adjusted R-squared的大小可以看出，餐饮企业的营业额(
11、Y)受城镇居民年平均消费性支出(x2)影响最大，因此以x2为基础进行逐步回归。此时的模型为：Y=12535144+3253。6*X2逐步回归：VariableX1X2X3X4AdjustedR-squaredD。wX2,x1Coefficient604.81714.60.9981。46T8。49。1X2, x3Coefficient3829250.20.9872.97T8.91.4X2, x4Coefficient3452。 5-5303。70.9842。42T9。63-0.59讨论:a。在初始模型中引入X1,模型的拟合优度提高，且参数符号合理，变量也 通过了 T检验.b。在初始模型中引入X3
12、,模型的拟合优度略有提高，但参数符号与经济意 义不符，且变量也未通过T检验。c。在初始模型中引入X4,模型的拟合优度不升反降，且参数符号不合理，变 量也未通过T检验.根据此讨论结果，我们认为x3和x4应该是多余的，所以现暂定模型为：Y=-6772723+604.8*X1+1714。6*x2为了验证X3和X4确实是多余的，现在我们在x1,X2的基础上再分别引入x3、x4：VariableX1X2X3X4AdjustedR squaredX1，X2，X3Coefficient575。91958。 7-74.20。998T7.616.81.1X1,X2, X4Coefficient621.71586
13、2271.60.998T7。986。030。72讨论:a. 在x1，X2的基础上再引入x3时,拟合优度基本无变化，且其参数的符号 不合理，变量也通不过T检验b. 在x1，X2的基础上再引入乂4时，拟合优度也是基本无变化，虽其参数符 号合理，但其也未能通过T检验从这次的验证中，即可确定x3和x4是多余的，也就是说模型的多重共线性是由 它们俩个变量引起的，因此在该模型中要将这俩个变量予以剔除.修正多重共线 性之后的结果为：Dependent Variable: Y Method: Least Squares Date: 12/13/11 Time: 20:45 Sample: 1999 2009
14、In-cluded observations: 11VariableCoeffi-cientStd. Errort-StatisticProb.X104 810772 005168.3995450.0000X21714.593187.082891258670.0000C-6772723.764008.1-8.6647280.0000R-squared0.998712Mean dependent var12544583Adjusted R-squared0.998390S.D. dependent varM57726.S.E. of regression339399.0Akaike infh cri
