《计量大作业论文-对的经济预测.doc》由会员分享，可在线阅读，更多相关《计量大作业论文-对的经济预测.doc（21页珍藏版）》请在三一文库上搜索。
1、大 型 作 业 报 告 课程名称 计量经济学大型作业 课程代码 272102601、272102602 题 目 对2011年的经济预测 专 业 经济学 班 级 2011271、2011272 小组成员 上海电力学院 经济与管理学院21计量经济学大型作业任务书一、 内容 1、基础训练熟悉计算机软件Eviews的子菜单和使用Eviews软件求解计量经济学问题。能用Eviews软件求解计量经济学中的常见数学模型。完成以下内容：实验项目一二三四实验名称一元回归模型多元回归模型异方差自相关检验单整与协整实验内容实验报告一实验报告二实验报告三实验报告四2、综合训练：社会消费品零售问题的计量分析建模等。（见
2、附录1）二、目的通过大型作业教学，培养学生利用所学的计量经济学知识,根据具体的问题,进行综合分析、计算、评价的能力,以全面理解计量经济学的思想和方法并能用于实际工作。三、要求：1、总体要求全面结合计量经济学的内容，根据自己对问题的理解,通过分析,建立合理的计量经济学模型,能利用计算机软件Eviews给出参数估计并检验,并能根据自己的理解给出合理分析。2、形式要求所用的计量经济学内容应先有简明阐述，再与具体问题相结合的结论。整个作业力求全面、丰富，应用资料注明来源。打印成稿。四、组织形式基础训练单独完成；每人交一份打印稿作业（正反打印）。综合训练分组进行，每小组6人(含6人)，小组完成时必须有明
3、确的分工，必须有总负责人(总负责人也必须有自己的局部内容)。综合训练部分小组提交一份打印稿作业。任务书与大作业封面要在综合训练部分作业中。注：小组完成的，应根据各人完成的具体工作,在大型作业的成品上注明,并按顺序排名。五、考核形式大型作业的所有内容在1月15日结束之前交稿，教师可根据评阅情况的需要,指定部分作品进行答辩质疑与交流。六、成绩评定1、大作业的总评成绩由三部分组成：基础训练+综合训练报告质量+平时表现（出席和答辩表现），具体比例为：40：30：30成绩由任课老师根据完成质量进行评定,以优良中及格不及格计分。2.答辩表述要求 答辩,如果由个人完成时由个人全面阐述,小组完成时应由一人总述
4、(总述人也应有自己的局部内容)，各成员陈述自己完成部分。七、参考文献：1 李子奈，潘文卿. 计量经济学 M，高等教育出版社。2010.3，第三版.2 潘文卿，李子奈. 计量经济学学习指南与练习 M，高等教育出版社。2010.3，第一版.3 古亚拉提著，张涛译，汪同三审校，经济计量学精要，机械工业出版社，2006年9月。4 Jeffrey M. Wooldridge, 计量经济学导论，机械工业出版社，2010.8. 5 中国统计年鉴，4-9 各地区人口年龄构成和抚养比， http:/ 高铁梅，计量经济分析方法与建模Eviews应用与实例，清华大学出版社，2006年1月 第一版7中国统计年鉴，4-
5、14 家庭户人数和户主的年龄、性别构成，http:/ 数据收集和平稳性检验62.2时间序列的平稳性检验72.2.1对资本投入K的平稳性检验72.2.2对劳动投入L的平稳性检验92.2.3对总产出Y的平稳性检验103.模型建立、求解、检验133.1 建立多元线性回归模型133.1.1 模型的建立133.1.2模型检验143.1.3 模型修正173.2 建立C-D生产函数模型183.2.1模型的建立183.2.2 模型的检验194.模型预测20参考文献21组员分工：1、 数据搜集：廖舒雅、胡玉婷、陈倩倩、朱媛、朱文斌、朱嘉昊2、 用eviews软件建立模型：陈倩倩、朱媛3、 模型的检验修正：廖舒雅
6、、胡玉婷4、 总结：陈倩倩、朱媛、廖舒雅、胡玉婷、朱文斌、朱嘉昊讨论符合中国情况的生产函数形式并进行预测摘要：在对生产函数进行理论分析的基础上，利用我国1980-2010年的总产出Y、劳动投入L和资本投入K的年度数据，分别建立线性生产函数模型和C-D生产函数模型，并对不同形式的生产函数进行评估，最后通过对比选出符合分析中国情况的全社会生产函数的具体形式为C-D生产函数模型，再给出2011年的预测结果,与实际结果相比较。关键词：适合中国情况；线性模型；C-D生产函数引言生产函数式描述生产过程中生产要素投入量与可能的最大产出量之间相互联系的数学方程。它反映在一定的技术条件下，生产要素对产出的影响和
7、作用。生产函数的一般形式为：，其中为第个生产要素的投入量，是这些要素组合可能形成的最大产出量。生产过程中生产要素的投入比例一般是可以变动的，而且生产要素的投入量在一定程度上可以相互替代。例如，增加劳动时间可以减少设备的投入，更新设别也可以代替部分人力，对于同样的产出，可以有多种不同的要素投入组合方案，因此，有必要对生产函数进行深入的研究。1.预设模型在经济学中，生产投入的目的总是追求利润最大化，即使投入要素的组合比例总是向实现利润最大化的方向变动。为反映生产过程中生产要素投入的某种组合与可能生产的最大产量之间的具体依存关系，美国数学家Charles Cobb和经济学家Paul Douglas于
8、1982年在The Theory Of Wages一书中提出了著名的Cobb-Douglas（C-D）生产函数的形式： 其中，分别为生产过程中投入的劳动和资本，为可能的最大产出。他们用1899-1922年美国的数据资料，对美国的生产状况进行了分析。因此，我们大胆预设模型如下： 其中，Y代表国内生产总值，L代表社会就业人数，K代表固定资产投资,ui代表随机扰动项。我们通过对该模型的回归分析，得出最符合中国情况的生产函数模型。2. 数据收集和平稳性检验为了分析我国改革开放以来全社会总产出与资本投入和劳动力投入之间的关系，这里选择我国1980-2010年国内生产总值、固定投资总额和从业人员总数的数据
9、，作为生产函数的因变量与自变量。2.1数据收集通过查1980-2010年中国统计年鉴，可以找到相应的国内生产总值（GDP）与固定投资总额（K）和从业人员总数（L）的数据，如表2.1所示。表2.1 我国1980-2010年国内生产总值、固定投资总额和从业人员总数的数据表年份总产出Y劳动投入L资本投入K19804545.642361910.919814891.64372596119825323.4452951200.419835962.7464361369.0619847208.1481971832.8719859016.0498732543.19198610275.2512823120.6198
10、712058.6527833791.69198815042.8543344753.8198916992.3553294410.38199018667.8647494517199121781.5654915594.5199226923.5661528080.09199335333.96680813072.31199448197.96745517042.1199560793.76806520019.3199671176.668950.022913.5199778973.069820.024941.1199884402.370637.028406.2199989677.171394.029854.7
11、200099214.67208532917.72001109655.27279737213.52002120332.77328043499.92003135822.87373655566.62004159878.37426470477.42005184937.47464788773.62006216314.474978109998.22007265810.375321137323.942008314045.475564172828.402009340902.875828224598.772010401512.876105251,683.77注：资料来源：中国统计年鉴1980-200102.2时
12、间序列的平稳性检验2.2.1对资本投入K的平稳性检验（1）对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。具体做法是在workfileK的窗口中点击Genr，输入logk=log(k),则生成y的对数序列logk。再对logk序列进行平稳性检验。点击view-Unitedroottest，testtype选择ADF检验，滞后阶数中laglength选择SIC检验，点击ok得结果如下：Null Hypothesis: LOGK has a unit rootExogenous: ConstantLag Length: 2 (Automatic based on SIC,
13、 MAXLAG=7)t-StatisticProb.*Augmented Dickey-Fuller test statistic0.0143420.9520Test critical values:1% level-3.6998715% level-2.97626310% level-2.627420*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(LOGK)Method: Least SquaresDate: 15/01/14 Time: 09:51
14、Sample (adjusted): 1983 2009Included observations: 27 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.LOGK(-1)0.0001870.0130190.0143420.9887D(LOGK(-1)0.6629970.1970513.3645880.0027D(LOGK(-2)-0.2780480.192680-1.4430620.1625C0.1161300.1305880.8892870.3831R-squared0.331637Mean dependent v
15、ar0.193765Adjusted R-squared0.244459S.D. dependent var0.111272S.E. of regression0.096720Akaike info criterion-1.698040Sum squared resid0.215159Schwarz criterion-1.506064Log likelihood26.92354F-statistic3.804144Durbin-Watson stat1.966196Prob(F-statistic)0.023778图2.1因为检验值AugmentedDickey-Fullerteststat
16、istic的绝对值0.014342小于临界值绝对值0.9520，序列为非平稳序列。(2) 非平稳序列，则对log(k)取一阶差分，再进行平稳性检验。Null Hypothesis: DLOGK has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=6)t-StatisticProb.*Augmented Dickey-Fuller test statistic9.2569271.0000Test critical values:1% level-3.6891945% level-2.971
17、85310% level-2.625121*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(DLOGK)Method: Least SquaresDate: 01/15/12 Time: 10:15Sample (adjusted): 1982 2009Included observations: 28 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.DLOGK(-1)0.351
18、2280.0379429.2569270.0000C-309.3560412.7754-0.7494530.4603R-squared0.767214Mean dependent var1847.152Adjusted R-squared0.758261S.D. dependent var3667.288S.E. of regression1803.094Akaike info criterion17.90115Sum squared resid84529853Schwarz criterion17.99630Log likelihood-248.6160F-statistic85.69069
19、Durbin-Watson stat1.678520Prob(F-statistic)0.000000图2.2因为检验值AugmentedDickey-Fullerteststatistic的绝对值9.256927大于临界值绝对值1.0000，序列为一阶平稳序列。2.2.2对劳动投入L的平稳性检验对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。具体做法是在workfileL的窗口中点击Genr，输入logl=log(l),则生成y的对数序列logl。再对logl序列进行平稳性检验。点击view-Unitedroottest，testtype选择ADF检验，滞后阶数中l
20、aglength选择SIC检验，点击ok得结果如下：Null Hypothesis: LOGL has a unit rootExogenous: ConstantLag Length: 0 (Automatic based on SIC, MAXLAG=7)t-StatisticProb.*Augmented Dickey-Fuller test statistic-2.8784690.0598Test critical values:1% level-3.6701705% level-2.96397210% level-2.621007*MacKinnon (1996) one-sided
21、 p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(LOGL)Method: Least SquaresDate: 15/01/14 Time: 09:46Sample (adjusted): 1981 2010Included observations: 30 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.LOGL(-1)-0.0700560.024338-2.8784690.0076C0.7933190.2688592.9506
22、870.0063R-squared0.228344Mean dependent var0.019530Adjusted R-squared0.200785S.D. dependent var0.028147S.E. of regression0.025163Akaike info criterion-4.462557Sum squared resid0.017729Schwarz criterion-4.369144Log likelihood68.93835F-statistic8.285585Durbin-Watson stat2.160734Prob(F-statistic)0.0075
23、70图2.3因为检验值AugmentedDickey-Fullerteststatistic的绝对值-2.878469大于临界值绝对值0.0598，序列为平稳序列。2.2.3对总产出Y的平稳性检验（1）对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。具体做法是在workfiley的窗口中点击Genr，输入logy=log(y),则生成y的对数序列logy。再对logy序列进行平稳性检验。点击view-Unitedroottest，testtype选择ADF检验，滞后阶数中laglength选择SIC检验，点击ok得结果如下：Null Hypothesis: LOGY
24、has a unit rootExogenous: ConstantLag Length: 4 (Automatic based on SIC, MAXLAG=7)t-StatisticProb.*Augmented Dickey-Fuller test statistic-0.6574240.8405Test critical values:1% level-3.7114575% level-2.98103810% level-2.629906*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationD
25、ependent Variable: D(LOGY)Method: Least SquaresDate: 01/15/12 Time: 10:02Sample (adjusted): 1985 2010Included observations: 26 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.LOGY(-1)-0.0049590.007543-0.6574240.5184D(LOGY(-1)0.9800130.2007204.8824920.0001D(LOGY(-2)-0.8609560.281335-3.0
26、602500.0062D(LOGY(-3)0.7854500.2854452.7516690.0123D(LOGY(-4)-0.5730340.198326-2.8893570.0091C0.1558000.0941891.6541200.1137R-squared0.643263Mean dependent var0.154617Adjusted R-squared0.554079S.D. dependent var0.063288S.E. of regression0.042262Akaike info criterion-3.290682Sum squared resid0.035722
27、Schwarz criterion-3.000352Log likelihood48.77887F-statistic7.212742Durbin-Watson stat1.647802Prob(F-statistic)0.000526图2.4因为检验值AugmentedDickey-Fullerteststatistic的绝对值0.657424小于临界值绝对值0.8405，序列为非平稳序列。(3) 非平稳序列，则对log(y)取一阶差分，再进行平稳性检验。Null Hypothesis: DLOGY has a unit rootExogenous: ConstantLag Length:
28、3 (Automatic based on SIC, MAXLAG=7)t-StatisticProb.*Augmented Dickey-Fuller test statistic-3.3682700.0218Test critical values:1% level-3.7114575% level-2.98103810% level-2.629906*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(DLOGY)Method: Least Squar
29、esDate: 01/15/12 Time: 10:11Sample (adjusted): 1985 2010Included observations: 26 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.DLOGY(-1)-0.6404540.190143-3.3682700.0029D(DLOGY(-1)0.6558490.2001713.2764510.0036D(DLOGY(-2)-0.2231590.194962-1.1446280.2652D(DLOGY(-3)0.5737320.1956242.93
30、28350.0079C0.0972330.0301663.2232980.0041R-squared0.516848Mean dependent var-0.001002Adjusted R-squared0.424819S.D. dependent var0.054966S.E. of regression0.041687Akaike info criterion-3.346225Sum squared resid0.036493Schwarz criterion-3.104284Log likelihood48.50093F-statistic5.616147Durbin-Watson s
31、tat1.677893Prob(F-statistic)0.003097图2.5因为检验值AugmentedDickey-Fullerteststatistic的绝对值3.368270大于临界值绝对值0.0218，序列为一阶平稳序列。2.3.协整检验点击窗口quick-equationestimation，输入DLOGYCDLOGK LOGL，点击ok，得到运行结果，再点击proc-makeresidualseries进行残差提取得到残差序列，再对残差序列进行平稳性检验，得到结果如下：Null Hypothesis: RESID01 has a unit rootExogenous: Cons
32、tantLag Length: 4 (Automatic based on SIC, MAXLAG=6)t-StatisticProb.*Augmented Dickey-Fuller test statistic-1.9152740.3201Test critical values:1% level-3.7378535% level-2.99187810% level-2.635542*MacKinnon (1996) one-sided p-values.Augmented Dickey-Fuller Test EquationDependent Variable: D(RESID01)M
33、ethod: Least SquaresDate: 01/15/12 Time: 10:21Sample (adjusted): 1986 2009Included observations: 24 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.RESID01(-1)-0.4458600.232792-1.9152740.0715D(RESID01(-1)0.6674940.2079603.2097310.0049D(RESID01(-2)-0.3955140.253657-1.5592490.1363D(RESID
34、01(-3)0.5632950.1984242.8388520.0109D(RESID01(-4)-0.2619470.228777-1.1449910.2672C-0.0010780.008411-0.1281720.8994R-squared0.551625Mean dependent var-0.005578Adjusted R-squared0.427077S.D. dependent var0.053930S.E. of regression0.040821Akaike info criterion-3.346937Sum squared resid0.029994Schwarz c
35、riterion-3.052423Log likelihood46.16324F-statistic4.428996Durbin-Watson stat1.736224Prob(F-statistic)0.008337图2.6因为残差AugmentedDickey-Fullerteststatistic的绝对值大于临界值绝对值时，序列为平稳序列，则Dlogy、Dlogk与logl存在协整关系。3.模型建立、求解、检验3.1 建立多元线性回归模型3.1.1 模型的建立首先建立如下线模型： （公式3.1）其中表示国内生产总值GDP，代表固定资产总额，表示从业人员数，表示随机误差。利用EViews拟
36、合该模型，结果见图3.1所示。Dependent Variable: YMethod: Least SquaresDate: 01/12/14 Time: 21:46Sample: 1980 2010Included observations: 31VariableCoefficientStd. Errort-StatisticProb.C-81530.7715431.31-5.2834630.0000K1.4293980.04355232.820760.0000L1.7443680.2561886.8089430.0000R-squared0.987840Mean dependent var
37、95989.36Adjusted R-squared0.986971S.D. dependent var109349.0S.E. of regression12481.51Akaike info criterion21.79365Sum squared resid4.36E+09Schwarz criterion21.93242Log likelihood-334.8016Hannan-Quinn criter.21.83889F-statistic1137.296Durbin-Watson stat0.745702Prob(F-statistic)0.000000图3.1 线性模型EViews拟合结果回归方程为 ：Y=-81530.77+1.429398K+1.744368L (-5.28) (32.82) (6.81)=0.988 Adjusted =0.987 F=1137.30 DW=0.7463.1.2模型检验（1）经济意义检验所估计的参数可以看出b1=1.429398,b2=1.744368