計量經(jīng)濟學(xué)模型

1、多元線性回歸模型、建立模型社會物流總費用受多種綜合因素的影響，如運輸費用、倉儲費用、包裝費用、 裝卸搬運費用、流通加工費用、信息處理費用等，而其中最重要的因素就是運輸 費用和倉儲費用，即運輸費用和倉儲費用與社會物流總費用之間存在單方向的因 果關(guān)系；由此，我們可設(shè)以下回歸模型：Yi二b0+b1*x1i+b2*x2i+ ui現(xiàn)在以中國1995年至2004年物流總費用占GDP比例（）的資料進行回 歸分析，并對估計模型進行檢驗。1995年至2004年物流總費用占GDP比例（%）年份運輸費用倉儲費用社會物流總費用199511.07.622.0199611.27.522.0199711.07.722.31

2、99811.06.821.4199911.66.221.4200011.26.521.2200111.26.421.1200211.66.421.5200312.06.321.4200412.16.221.3在Eviews中新建工作簿，定義變量“商品價格”（x1）、“消費者人均月收入”（x2）及“商品需求量” （y）,并輸入相關(guān)數(shù)據(jù)，得出相應(yīng)散點圖如下：x1與y的散點圖為:x2與y的散點圖為:由兩張散點圖不能明確的看出x1、x2與y之間存在線性關(guān)系，故通過Eviews 軟件計算，得出估計模型的參數(shù)結(jié)果如下：EViews. - Equation UNHTLED Workfite:鹽疏Untit居

3、dO View Proc Object Print Name FreezeEstrnate Forecast Stats Re&dsDppnrlsnl Variahffi YPJethocl Least SquaresDate 06/19.12 Time15:59Sample 1995 2004Includ&d observations10Vari a MeCoefficientStd E rrort-StatisticProb.C11 570352.2851100.0014X10 40S69901519002.6701650.0320X20 7943650 1033347 6973650 0

4、0U1R-squaredQ 91409SMean depentlenf var21 56000Adjusted R-cqusred0 390583S D deQndnt var0 397772S E of regressianG 131676Akaike info criterion0 975137Sum squared r&sid0 121186Schwarz crrterion心 884362Log livelihood7 376667F-statistic37.626SSDurbin-Watson stat2.544672Prob(F-statistic)0.000180由以上數(shù)據(jù)可知回

5、歸方程為:Y=11.57032+0.405599*x1 +0.794365*x2(5.07)(2.67(7.69)R20.9149 R20.8909 F 37.62689二、模型檢驗1、經(jīng)濟意義檢驗： b0=11.57032，在運輸費用與倉儲費用接近于零時，仍存在其他物流費用；b1=0.405599,說明運輸費用與社會物流總費用之間存在正的線性關(guān)系，運輸費用每增加1%,社會物流總費用增加0.405599%b2= 0.794365,說明倉儲費用與社會物流總費用之間存在正的線性關(guān)系，倉儲費用每 增加1%，社會物流總費用增加 0.794365%2、計量經(jīng)濟學(xué)檢驗： 擬合優(yōu)度檢驗：本模型的擬合優(yōu)度系數(shù)

6、為0.914898,表明本模型具有較高的擬合優(yōu)度，x1、x2對y的解釋能力較好； 變量的顯著性檢驗(t檢驗)：方程的截距項和斜率項的t檢驗值分別為5.07、2.67、7.69，均大于5%顯著性水平下自由度為n-2=8的臨界值t0.025(8)=1.860,模型參數(shù)估計顯著，拒絕原假設(shè)H0 ; 方程的顯著性檢驗(F檢驗)：有上圖可知，F(xiàn)-statistic =37.62689； Prob(F-statistic)=0.000180,由F檢驗的原則可知，在顯著性概率為0.05的條件下，回歸方程顯著成立,拒絕H0 ;三、異方差性檢驗Vie1；. Pr&c ObjectPrint Namefetima

7、be ForecastStats Resids;Equdcin: UM TIT LED Workfile!蜿流命White Heteroskedasticity TeststatistictbSR-squared4 392042Probability8 459130Probability0 0883360.132679Test EquationDependent Variable RESIDE fJethod Last SqjarssOatG： 05/19/12 Time: 16:01Sample: 1995 2004included obaeivati ons 10在5%的顯著性水平下，輔助

8、回歸的nR28.459 大于自由度為5的卡方分布臨界值故模型存在異方差性，現(xiàn)用加權(quán)最小二乘法對其進行修正：1.145,RlrrOPxPrint IsmsFf盟店Es:mate?t SUts ResideDependent Variable: YMethod Least SquaresDate: OS/1Q/12 Time 1G:1GSample 1995 2004Included observations: 10Weighting series. 1/A0S(E1)VanableCoefficientSid Error(StatisticProbC11.656000.97916111.9171

9、8o.oooc0.3980390.0595256.6859340.0003X20.7831700.05710713J01740.0000Weighted StatisticsR-sq uaredAdjusted R-squared S.E. of regression Sum squared resid Log likelihoodDurbin-Watson stat099997G0 9999700.069222003354214 298302 259911Mean d&pendent var S D dependent var Akaike info cfiterion Silhwarz c

10、riterian F-statisticPro b(F-stati Stic)21 5273712 55&89-2.25&6&C2.165585101 68700 000007Unweight edStatisticsR-squaredAdjusted R-squar電d S.E. of regression DurbinVaison stat0 9027330.0750060 1406302 253441Mean d&pendent var S.D. dependent varSum squared resid21 560000.3977720 130437即采用加權(quán)最小二乘法得到的回歸方程

11、為:=11.65680+0.398039*x1+0.788178*x2(11.92)(6.69)(13.80) R20.999976可以看出，加權(quán)最小二乘法的結(jié)果與普通最小二乘估計的結(jié)果有較大的區(qū)別。四、序列相關(guān)性檢驗由圖示法檢驗可以看出，模型存在正序列相關(guān)，現(xiàn)用廣義差分法對其修正:匚Viev/s - Equation: UNT17LED Workil?:Ufe冉 Proc ObjEci Print Name Reeze Estimate Forecast Stats ResidsDep&rdent Variable Method: Least SquaresDate 05/19/12 Tim

12、e: 18.54Sample (adjustadj 1996 2004Included observations: 9 alter adjustmentsConvergence achieved after 7 iterationsVaria tlaCcefli cien tStti Errort-StatiisticProbC12.380331 9S68856.325803O.OG15X10.3458640.1311302.6375710.04G1X20.7763540.0S373387492860.0003AR(1)-0.427G970.41035&-1 042250Q.3450R-squared0.920C55Me a n dependent vaf21.51111Adjusted R-squared0 873047S D dependent va0 388730S E of regression0.138506Akaike infa criterion-0 314701Sum squared resid0 0S5920Schwarz criterion-0.727045Log liheiihood7.56G152F-statistic15 3