計量經(jīng)濟學論文

1、計量經(jīng)濟學論文15130322 張佳偉GDP與CPI和貸款總額的關系摘要：眾所周知，GDP作為一個比較有說服性的統(tǒng)計指標，可以在一定程度上反映一個國家的經(jīng)濟狀況，今天我所要研究的，是GDP和居民消費指數(shù)和貸款總額之間的關系。改革開放以來，CPI 漲幅與GDP 增幅經(jīng)歷了幾輪波動,1997年之前的幾輪經(jīng)濟高增長,物價都出現(xiàn)了明顯的高漲幅；1998-2008 GDP連續(xù) 11 年保持兩位數(shù)增長,但物價漲幅卻保持低位運行,經(jīng)濟運行從高增長高物價向高增長低物價轉變,反映了CPI漲幅與 GDP 增速相關關系隨著改革的深入發(fā)展發(fā)生了一些變化。另外，貸款總額既然作為一個經(jīng)濟指標，其對于國民生產(chǎn)總值的必然會存

2、在一定的影響，至于這個影響程度的大小，如果要具體形象的反映出來，就必須要借助計量經(jīng)濟學的辦法，去分析CPI和貸款額這兩者對于國民生產(chǎn)總值GDP的影響。通過計量經(jīng)濟學的手段可以知道，居民消費指數(shù)CPI對于國民生產(chǎn)總值GDP的影響要遠遠大于貸款總額對于國民生產(chǎn)總值的影響。下面我們就通過計量經(jīng)濟學的辦法對于他們三者之間的關系進行一個形象的測算和研究。為了確定這三個變量之間的關系，決定運用eviews軟件對相關的變量進行分析。確定最為合理的方程以及進行變量的顯著性檢驗、異方差檢驗和多重共線性檢驗和自相關檢驗。（為了更加精確的進行變量之間關系數(shù)據(jù)的測算，使用了eviews8.0版本進行實證分析）1、 確

3、定變量 我們確定“GDP”為被解釋變量，“CPI”和“貸款總額”為解釋變量。2、建立模型Y=+P+X+c （c為隨機擾動項）3、數(shù)據(jù)處理此為1992-2008年度的GDP、CPI以及貸款額的數(shù)據(jù)。年度GDP（Y）居民消費指數(shù)（P）貸款額（X）199226923.528226322.9199335333.9305.832943.1199448197.932039976199560793.7345.150544.1199671176.6377.661156.6199778973394.674914.1199884402.3417.886524.1199989677.1452.393734.3200

4、099214.649199371.12001109655.2521.21123152002120332.7557.61312942003135822.8596.91589962004159878.3645.31781982005183217.4698.21946902006211923.5766.4225347.22007257305.6849.92616912008300670926.4303468（數(shù)據(jù)來自人民網(wǎng)）4、建立多元回歸線性模型 （1）建立工作文件：啟動EViews，點擊FileNewWorkfile，在對話框“Workfile Range”。在“Workfile frequen

5、cy”中選擇“Annual” (年度)，并在“Start date”中輸入開始時間“1992”，在“end date”中輸入最后時間“2008”（如圖所示，使用的是eviews8.0版本）輸入數(shù)據(jù)：在命令窗口輸入：“data y p x”然后輸入數(shù)據(jù)。分別建立散點圖考察PY、XY之間的線性關系。如圖所示。1、 PY2.YX非常容易觀察出 ，CPI 與貸款總額 和GDP的關系 大致都是成線性關系。于是建立這樣的線性回歸方程：Y=+, i=1,2,.17接著建立散點圖考察中國貨幣流通量、貨款額和居民消費價格指數(shù)之間的相關關系，在Eviews命令框中直接鍵入“LS Y C P X”得結果如圖所示。如

6、圖可知， 模型參數(shù)估計所建立的回歸方程是Y=20797.52-68.3356P+1.0938X（35837.23）（154.1035）（0.3635）t=（0.5803）（-0.4434）（3.0092）R²=0.9902 =0.9889 F=708.6485下面是對模型進行的檢驗。主要有1、顯著性檢驗2、異方差檢驗、3、多重共線性檢驗4、自相關檢驗1、顯著性檢驗從擬合程度方面考慮，該方程的擬合程度較高，R²=0.990219，說明該方程較為合理。另外從t值檢驗和F檢驗來看， 方程解釋變量P和X對被解釋變量Y的影響是顯著的。2、 異方差檢驗由結果可得出多元回歸方程模型：Y=

7、20797.52-68.3356P+1.0938X（35837.23）（154.1035）（0.3635）t=（0.5803）（-0.4434）（3.0092）R²=0.9902 =0.9889 F=708.6485下面進行懷特檢驗。由于eviews8.0Heteroskedastcity test 的選項不止懷特一種（下圖所示） ，但我們這里只選取懷特檢驗。選取懷特檢驗 ，下面是懷特檢驗結果。由于0.14090.1398對應的white檢驗顯示 P值較大，所以原回歸方程可以認為不存在異方差性質，因此不需要進行異方差性的修正。3、 多重共線性檢驗首先最小二乘法得出的回歸模型為：Y=2

8、0797.52-68.3356P+1.0938X（35837.23）（154.1035）（0.3635）t=（0.5803）（-0.4434）（3.0092）R²=0.9902 =0.9889 F=708.6485利用eviews計算出Y P X 的相關系數(shù)如圖。由此可見，變量之間存在著較強的相關性。下面使用逐步回歸法來尋找最佳的方程。首先分別利用軟件求出Y和X， Y和P之間的簡單回歸方程。1. Y和X參數(shù)擬合模型為：Y=4990.518+0.9330Xt=（1.3888）（38.6949）R²=0.9901 D.W.=0.55982. Y和P參數(shù)擬合模型為：Y=-8558

9、4.14+394.3215Pt=（-11.7397）（30.2689）R²=0.9839 D.W.=0.3605由上表可以得出，貸款額X是最重要的解釋變量。（因為X的t值是最大的）所以將變量X代入Y=f(P) 中由此可見，由于引入了變量X，使得從0.9839提高到了0.9902，說明變量X仍然是一個起到作用的變量，不應當剔除，應當予以保留。因此最終的方程應該為：Y=20797.52-68.3356P+1.0938X+c4、 自相關檢驗由計量經(jīng)濟學第三版P143可知，自相關的檢驗分為圖示檢驗法和DW檢驗法，今天我們針對這兩種方法對回歸方程進行自相關檢驗。圖示檢驗法在窗口中點擊“View

10、/Actual,Fitted Residual Graph”,得到殘差圖，如圖所示。有上圖可知，殘差存在正自相關。DW檢驗由圖可知DW=0.657688，給定的顯著性水平=0.05，T=17 K=2，查閱顯著性水平在0.05上的DW表可知，=1.015，=1.536因為0DW1.015 ，所以存在正相關。下面進行自相關修正。廣義差分法。 =1-DW/2=0.67對三者首先進行廣義差分。然后對Y1和P1 X1進行OLS估計，在命令行輸入：LS Y1 C P1 X1，得到如下結果：由圖中可知，經(jīng)廣義差分后的DW值為0.817411，大于原來的DW值0.657688，有了一定的提高，但是仍然小于=1

11、.015，說明了隨機擾動項仍然是存在著一定程度上的自相關。迭代法下面使用迭代法進行對自相關的修正。輸入命令：LS Y C P X AR(1)，結果如圖所示。查閱顯著性水平在0.05上的DW表可知，=1.015，=1.536，經(jīng)過第一次迭代后，DW值為1.275834,此時DW值位于上下限之間，沒有辦法判斷是否自相關，因此進行第二次迭代。輸入命令：LS Y C P X AR(1) AR(2),結果如圖所示。由圖可見，經(jīng)過第二次迭代的DW值為1.880712大于上限=1.536，此時隨機擾動項的自相關影響得到消除。=1-DW/2=1-1.275834/2=0.36因此=-75454.98/（1-）

12、=-117898.406 所以得到的最終的回歸模型為：Y=-117898.406+304.8914P+0.3002X至此自相關檢驗的修正完成。實證檢驗結果分析：通過上面的顯著性檢驗、異方差檢驗、多重共線性檢驗、自相關檢驗四種檢驗。大致在總體上得出了居民消費指數(shù)CPI增加一個單位，會使國民生產(chǎn)總值GDP上升304.8914個單位。貸款總額上升一個單位，會使國民生產(chǎn)總值GDP上升0.3002個單位，由此可以看出，居民消費指數(shù)CPI對于GDP的作用要大過于貸款總額對于GDP的影響?？傮w的數(shù)據(jù)還是較為客觀真實的?？偨Y：在研究國民生產(chǎn)總值GDP和居民消費指數(shù)CPI以及貸款額的關系的問題上，該模型還是具有一定的說服力的，但是模型仍然存在這一些問題，比如多重共線性的影響，以及隨機擾動項自相關因素對于模型本身的影響等等，還有待于進一步的研究，用更現(xiàn)金的數(shù)學方法讓模型變得更加周覓和嚴謹，更具有嚴格意義上的說服力。從經(jīng)濟學的角度上來看待國民生產(chǎn)總值居民消費指數(shù)以及貸款額的關系，也可以看出居民對于商品的消費數(shù)量以及消費能力，將