EVIEWS案例：(消除自相關(guān))農(nóng)村居民消費(fèi)模型VIP

第六章案例分析一、研究目的2003年，中國農(nóng)村人口占59.47%，總消費(fèi)量僅為41.4%。農(nóng)村居民的收入和消費(fèi)是值得研究的問題。消費(fèi)模式是研究居民消費(fèi)行為的常用工具。通過對中國農(nóng)村居民消費(fèi)模式的分析，可以判斷農(nóng)村居民的邊際消費(fèi)傾向，是宏觀經(jīng)濟(jì)分析的重要參數(shù)。農(nóng)村居民消費(fèi)模式也可以用于農(nóng)村居民消費(fèi)水平的預(yù)測。二、設(shè)置模型正如第2章所述，影響居民消費(fèi)的因素很多，但根據(jù)各種條件，通常只介紹居民收入的一個變量，即消費(fèi)模型設(shè)置為的解釋變量(6.43)在表達(dá)式中，Yt是農(nóng)村居民人均消費(fèi)支出，X t是農(nóng)村人均純收入，ut是隨機(jī)誤差項(xiàng)。表6.3是從中國統(tǒng)計(jì)年鑒收集的中國農(nóng)村居民1985-2003年收入及消費(fèi)數(shù)字。表6.31985-2003年農(nóng)村居民人均收入和消費(fèi)單位：元年份年度人均純利潤(當(dāng)前價(jià)格)年度人均消費(fèi)性支出(當(dāng)前價(jià)格)消費(fèi)價(jià)格指數(shù)(1985=100)人均實(shí)際凈收入(1985可比較價(jià)格)人均實(shí)際消費(fèi)性支出(1985可比較價(jià)格)1985198619871988198919901991199219931994199519961997199819992000200120022003397.60423.80462.60544.90601.50686.30708.60784.00921.601221.001577.701923.102090.102162.002214.302253.402366.402475.602622.24317.42357.00398.30476.70535.40584.63619.80659.80769.701016.811310.361572.101617.151590.331577.421670.001741.001834.001943.30100.0106.1112.7132.4157.9165.1168.9176.8201.0248.0291.4314.4322.3319.1314.3314.0316.5315.2320.2397.60399.43410.47411.56380.94415.69419.54443.44458.51492.34541.42611.67648.50677.53704.52717.64747.68785.41818.86317.40336.48353.42360.05339.08354.11366.96373.19382.94410.00449.69500.03501.77498.28501.75531.85550.08581.85606.81注：資料可在中國統(tǒng)計(jì)年鑒 1986-2004上獲得。為了消除價(jià)格變動因素對農(nóng)村居民收入和消費(fèi)支出的影響，有必要對按消費(fèi)價(jià)格指數(shù)調(diào)整的1985年人均純收入和人均消費(fèi)支出的數(shù)據(jù)進(jìn)行回歸分析，而不是直接采用縣價(jià)人均純收入和縣價(jià)人均消費(fèi)支出的數(shù)據(jù)。在表6.3中，根據(jù)調(diào)整后的1985年可比價(jià)格界的人均純利潤和人均消費(fèi)支出數(shù)字，使用一般最小二乘法方法估算了消費(fèi)模式(6.44)Se=(12.2238)(0.0214)T=(8.7332)(28.3067)R2=0.9788，F(xiàn)=786.0548，d f=17，DW=0.7706回歸方程的確定系數(shù)高，回歸系數(shù)重要。19、描述變量的模型、5%重要級別的示例、dL=1.18、dU=1.40、模型的DW dU表明廣義差分模型沒有自相關(guān)性。不需要再次重復(fù)。此外，晶體系數(shù)R2、t、f統(tǒng)計(jì)也是理想水平。將模型(6.44)與(6.47)進(jìn)行比較，顯然，一般最小二乘法方法低估了回歸系數(shù)的標(biāo)準(zhǔn)誤差。在原始模型中，Se()=0.0214，在廣義差分模型中，Se()=0.0294。廣義差分后，樣本容量減小1，為了防止樣本數(shù)減少，可以使用price-winsten變換通過和補(bǔ)充第一次觀測。在此范例中，和。由于補(bǔ)償由于差異而遺失的第一個觀測值，因此EViews產(chǎn)生X和Y的差值順序X*和Y*，而不是使用前面的方法直接在指令列上輸入Y和X的一般化差值函數(shù)表示式。與從主菜單中選擇Quick/Generate Series或單擊“作業(yè)文件”(job file)窗口工具欄上的Procs/Generate Series，在彈出對話框中輸入Y*=Y-0.4960*Y (-1)，然后單擊OK以獲取一般差異序列Y*的方法相同X*和Y*都缺少第一次觀測，計(jì)算后需要添加=345.236，=275.598，雙擊“作業(yè)文件”窗口中的X*以打開“顯示序列”窗口，然后單擊“編輯/-”按鈕將=345.236添加到1985年的相應(yīng)列，并獲得X*的19個觀測順序用同樣的方法，可以得到Y(jié)*的19個觀測序列。通過在命令欄中輸入Ls Y* c X*，price-winsten轉(zhuǎn)換的廣義差分模型如下(6.48)(0.0297)T=(6.5178)(19.8079)R2=0.9585 f=392.3519d f=19 dw=1.3459比較模型(6.47)和(6.48)表明，參數(shù)估計(jì)和各檢驗(yàn)統(tǒng)計(jì)的差異很小，這表明本例的樣品還不算太小，因此普賴斯-溫斯頓轉(zhuǎn)換和焦炭-橡木的第二階段直接使用估計(jì)沒有太大差異。實(shí)際應(yīng)用中，較小的采樣會導(dǎo)致兩者之間的差異更大。通常，對于較小的采樣，第一次觀測必須由price-winsten變換補(bǔ)充。通過差分方程(6.46)(6.49)因此，我們得到最終的中