計(jì)量經(jīng)濟(jì)學(xué)論文-關(guān)于我國汽車銷售總量影響因素的實(shí)證分析

1、學(xué) 生 實(shí) 踐 報(bào) 告（文科類）課程名稱： 計(jì)量經(jīng)濟(jì)學(xué) 專業(yè)班級： 09金融（2）班 學(xué)生學(xué)號： 0901102057 學(xué)生姓名： 曹佳慧 所屬院部： 商學(xué)院 指導(dǎo)教師： 史新和 20 11 20 12 學(xué)年 第2 學(xué)期 金陵科技學(xué)院教務(wù)處制實(shí)踐報(bào)告書寫要求實(shí)踐報(bào)告原則上要求學(xué)生手寫，要求書寫工整。若因課程特點(diǎn)需打印的，要遵照以下字體、字號、間距等的具體要求。紙張一律采用A4的紙張。實(shí)踐報(bào)告書寫說明實(shí)踐報(bào)告中一至四項(xiàng)內(nèi)容為必填項(xiàng)，包括實(shí)踐目的和要求；實(shí)踐環(huán)境與條件；實(shí)踐內(nèi)容；實(shí)踐報(bào)告。各院部可根據(jù)學(xué)科特點(diǎn)和實(shí)踐具體要求增加項(xiàng)目。填寫注意事項(xiàng)（1）細(xì)致觀察，及時(shí)、準(zhǔn)確、如實(shí)記錄。（2）準(zhǔn)確說明，

2、層次清晰。（3）盡量采用專用術(shù)語來說明事物。（4）外文、符號、公式要準(zhǔn)確，應(yīng)使用統(tǒng)一規(guī)定的名詞和符號。（5）應(yīng)獨(dú)立完成實(shí)踐報(bào)告的書寫，嚴(yán)禁抄襲、復(fù)印，一經(jīng)發(fā)現(xiàn)，以零分論處。實(shí)踐報(bào)告批改說明實(shí)踐報(bào)告的批改要及時(shí)、認(rèn)真、仔細(xì)，一律用紅色筆批改。實(shí)踐報(bào)告的批改成績采用百分制，具體評分標(biāo)準(zhǔn)由各院部自行制定。實(shí)踐報(bào)告裝訂要求實(shí)踐報(bào)告批改完畢后，任課老師將每門課程的每個(gè)實(shí)踐項(xiàng)目的實(shí)踐報(bào)告以自然班為單位、按學(xué)號升序排列，裝訂成冊，并附上一份該門課程的實(shí)踐大綱。實(shí)踐項(xiàng)目名稱：關(guān)于我國汽車銷售總量影響因素的實(shí)證分析實(shí)踐學(xué)時(shí)： 8 同組學(xué)生姓名： 陸婕妤、王穎 實(shí)踐地點(diǎn)： 7105 實(shí)踐日期： 2012-06-1

3、8 實(shí)踐成績： 批改教師： 批改時(shí)間： 指導(dǎo)教師評閱： 一、實(shí)踐目的和要求實(shí)踐目的：（1）讓金融學(xué)本科學(xué)生了解現(xiàn)代經(jīng)濟(jì)學(xué)的特征，了解經(jīng)濟(jì)數(shù)量分析課程在經(jīng)濟(jì)學(xué)課程體系中的重要地位，了解經(jīng)濟(jì)數(shù)量分析在經(jīng)濟(jì)學(xué)科的發(fā)展和實(shí)際經(jīng)濟(jì)工作中的作用；（2）使學(xué)生掌握基本的經(jīng)典計(jì)量經(jīng)濟(jì)學(xué)理論與方法，并對計(jì)量經(jīng)濟(jì)學(xué)理論與方法的擴(kuò)展和新發(fā)展有個(gè)概念性、大致性的了解；（3）使他們能夠建立并應(yīng)用簡單的計(jì)量經(jīng)濟(jì)學(xué)模型，對現(xiàn)實(shí)經(jīng)濟(jì)現(xiàn)象中的數(shù)量關(guān)系進(jìn)行合理分析；（4）通過系統(tǒng)的學(xué)習(xí)，提高進(jìn)一步學(xué)習(xí)與應(yīng)用計(jì)量經(jīng)濟(jì)學(xué)理論、方法與模型的動(dòng)力與能力。實(shí)踐要求：能夠在牢固掌握計(jì)量經(jīng)濟(jì)學(xué)基本理論的基礎(chǔ)上，應(yīng)用一些計(jì)量工具和方法，如線性回

4、歸模型和聯(lián)立方程技術(shù)等，通過對各種經(jīng)濟(jì)數(shù)據(jù)的處理和分析，來進(jìn)一步理解經(jīng)濟(jì)和其他領(lǐng)域的某些理論和現(xiàn)象，從而培養(yǎng)和提高學(xué)生立足于本專業(yè)的基本理論知識。通過本次實(shí)訓(xùn)，系統(tǒng)地練習(xí)計(jì)量經(jīng)濟(jì)學(xué)在經(jīng)濟(jì)定量分析中的基本操作，特別是一元和多元線性回歸模型的構(gòu)建與檢驗(yàn)，以及當(dāng)經(jīng)典線性回歸模型的假設(shè)條件不成立時(shí)的補(bǔ)正措施，以提高對經(jīng)濟(jì)現(xiàn)象進(jìn)行定量描述和分析的技能。二、實(shí)踐環(huán)境與條件由于計(jì)量經(jīng)濟(jì)學(xué)課程本身特點(diǎn)，本實(shí)驗(yàn)課程先通過熟悉計(jì)量經(jīng)濟(jì)學(xué)相關(guān)理論的基礎(chǔ)上，在課堂及其實(shí)驗(yàn)室演示計(jì)量經(jīng)濟(jì)學(xué)實(shí)驗(yàn)操作步驟，然后由學(xué)生組成幾個(gè)組，分別選擇某個(gè)論題，并搜集相關(guān)數(shù)據(jù)，共同討論如何初步建模、檢驗(yàn)、修正計(jì)量模型，從而以小論文的形式寫

5、出實(shí)踐報(bào)告。實(shí)踐環(huán)境先是在7105實(shí)驗(yàn)室展開，之后由學(xué)生自己組織在實(shí)驗(yàn)室和宿舍電腦上完成操作環(huán)節(jié)，實(shí)踐條件可以保證本實(shí)踐課程作業(yè)的完成。三、實(shí)踐內(nèi)容計(jì)量經(jīng)濟(jì)學(xué)實(shí)踐環(huán)節(jié)主要圍繞以下內(nèi)容展開：（1）制作散點(diǎn)圖和用OLS法求回歸方程的操作流程，掌握利用eviews進(jìn)行擬合優(yōu)度、參數(shù)顯著性和方程顯著性檢驗(yàn)以及預(yù)測的方法；（2）掌握非線性回歸模型轉(zhuǎn)換成多元線性回歸模型的方法，并進(jìn)行擬合優(yōu)度、參數(shù)顯著性和方程顯著性檢驗(yàn)；（3）掌握自相關(guān)的DW檢驗(yàn)、異方差的圖示法、White檢驗(yàn)和Glejser檢驗(yàn)以及多重共線性的檢驗(yàn)方法。至于學(xué)生選擇什么樣的論題，只要他們在社會(huì)經(jīng)濟(jì)領(lǐng)域選題即可，同時(shí)，在分析問題時(shí)，務(wù)必結(jié)

6、合經(jīng)濟(jì)學(xué)等理論，并運(yùn)用計(jì)量經(jīng)濟(jì)學(xué)知識，合理使用計(jì)量軟件eviews，構(gòu)建符合計(jì)量要求的模型，在其中貫徹上述若干實(shí)踐內(nèi)容。四、實(shí)踐報(bào)告（附件）關(guān)于我國汽車銷售總量影響因素的實(shí)證分析摘 要隨著現(xiàn)代社會(huì)堵車問題的日益嚴(yán)重，我們發(fā)現(xiàn)汽車在我國已經(jīng)得到了很大程度上的普及，與此同時(shí)，汽車的銷售量也在與日俱增。因而，我們想到了用EVIEWS軟件對個(gè)人可支配收入、汽油價(jià)格指數(shù)、居民消費(fèi)價(jià)格指數(shù)等因素進(jìn)行實(shí)證分析，進(jìn)而可以很好的預(yù)測以后年度的汽車銷售量，制定合理的發(fā)展規(guī)劃。關(guān)鍵詞：汽車銷售總量；影響因素；實(shí)證分析引 言隨著中國正式成為了世界貿(mào)易組織的成員以及在全球化的影響下，中國的汽車市場在逐步對外開放，我國的

7、汽車產(chǎn)業(yè)也在迅猛地發(fā)展。而且隨著國民經(jīng)濟(jì)的發(fā)展，汽車消費(fèi)需求快速增長，汽車市場由原來的公車消費(fèi)為主轉(zhuǎn)變?yōu)橐运饺讼M(fèi)為主，人們對汽車消費(fèi)的需求由潛在轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)。通過各種報(bào)道，我們發(fā)現(xiàn)每年有上萬億美元銷售額的汽車產(chǎn)業(yè)是世界經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一，沒有任何一種工業(yè)品能像汽車這樣滲透到社會(huì)大眾生活的各個(gè)層面。而正因?yàn)槿绱?，在遭受金融危機(jī)的沖擊后，美國作為世界第一汽車消費(fèi)大國，其汽車銷量大幅萎縮且逐步下滑。慶幸的是，雖然金融危機(jī)對我國的打擊也很嚴(yán)重，但我國國民經(jīng)濟(jì)仍在增長，只是增長速度有所降低而已；而且居民的收入仍在逐步提高，居民購買汽車的意愿也越來越強(qiáng)烈。與此同時(shí)，我國國內(nèi)汽車銷量自2009年來一直在增長

8、，并且首次成為全球最大的汽車消費(fèi)市場。然而，除了人們收入水平的不斷提高以外，中國政府鼓勵(lì)轎車進(jìn)入家庭的政策以及汽車貸款也正逐步被人們所接受，加之汽車行業(yè)技術(shù)和產(chǎn)品的不斷更新，也使得汽車快速進(jìn)入普通家庭，改變了人們的生活方式，提高了人們的生活質(zhì)量。而目前，我國汽車產(chǎn)業(yè)正處于高速發(fā)展的階段，居民對汽車的需求也開始快速增長，汽車正逐步成為是人們消費(fèi)的熱點(diǎn)。針對這一熱點(diǎn)，我們收集了1990-2010年的有關(guān)數(shù)據(jù)，用EVIEWS軟件對個(gè)人可支配收入、汽油價(jià)格指數(shù)、居民消費(fèi)價(jià)格指數(shù)等因素進(jìn)行實(shí)證分析，在一定程度上去預(yù)測以后年度的汽車銷售量，進(jìn)而制定科學(xué)合理的發(fā)展戰(zhàn)略。一相關(guān)經(jīng)濟(jì)理論（一）歐文費(fèi)雪與跨期選擇

9、模型經(jīng)濟(jì)學(xué)家歐文費(fèi)雪建立了一個(gè)模型，用來分析理性的、具有前瞻性的消費(fèi)者如何作出跨期選擇也就是說，設(shè)計(jì)不同時(shí)期的選擇。該模型說明了消費(fèi)者面臨的約束、她們具有的偏好，以及這些約束和偏好如何共同決定了她們關(guān)于消費(fèi)和儲(chǔ)蓄的選擇。我們考察一個(gè)生活兩個(gè)時(shí)期的消費(fèi)者面臨的決策，第一個(gè)時(shí)期代表消費(fèi)者的年輕時(shí)期，第二個(gè)時(shí)期代表消費(fèi)者的老年時(shí)期。第一個(gè)時(shí)期消費(fèi)者轉(zhuǎn)到收入和消費(fèi)，第二個(gè)時(shí)期消費(fèi)者賺到收入和消費(fèi)。在第一個(gè)時(shí)期，儲(chǔ)蓄等于收入減去消費(fèi)：(S代表儲(chǔ)蓄)在第二個(gè)時(shí)期，消費(fèi)等于累積的儲(chǔ)蓄加上第二個(gè)時(shí)期的收入： (r為實(shí)際利率。)兩式聯(lián)立得：,化簡并兩邊同時(shí)除以（1+r），得到。這個(gè)方程把兩個(gè)時(shí)期的消費(fèi)與兩個(gè)時(shí)期

10、的收入聯(lián)系在一起，是表示消費(fèi)者跨期預(yù)算約束的標(biāo)準(zhǔn)方法。同時(shí)，收入的變動(dòng)也會(huì)影響消費(fèi)。無論是第一期還是第二期收入的增加都使預(yù)算約束線向外移動(dòng)。如果第一期消費(fèi)和第二期消費(fèi)都是正常品，那么收入的這一增加就提高了兩個(gè)時(shí)期的消費(fèi)。從圖中我們得出的結(jié)論是，無論收入的增加發(fā)生在第一期還是第二期，消費(fèi)者都把它分?jǐn)偟絻蓚€(gè)時(shí)期的消費(fèi)商。這種行為有時(shí)被稱為消費(fèi)平滑化。由于消費(fèi)者客戶已在不同時(shí)期之間借貸，收入的時(shí)間順序與今天消費(fèi)多少無關(guān)，消費(fèi)取決于現(xiàn)期與未來收入的現(xiàn)值。收入的現(xiàn)值=。（二）霍爾的隨機(jī)游走假說它把永久收入假說與消費(fèi)者對未來收入有著理性預(yù)期的假設(shè)結(jié)合起來。它意味著消費(fèi)的變動(dòng)是不可預(yù)測的，因?yàn)橄M(fèi)者只有在收

11、到關(guān)于其一生資源的消息是才會(huì)改變其消費(fèi)。（三）萊布森的經(jīng)濟(jì)理論萊布森提出，心理效應(yīng)對理解消費(fèi)者的行為是重要的。特別地，由于人們對即時(shí)滿足有著強(qiáng)烈的欲望，她們可能顯示出時(shí)間不一致性的行為，結(jié)果儲(chǔ)蓄可能比意愿的要少。二相關(guān)數(shù)據(jù)收集我們通過初步分析影響汽車銷售總量的各因素，從個(gè)人可支配收入、汽油價(jià)格指數(shù)和居民消費(fèi)價(jià)格指數(shù)這三個(gè)方面，查閱了2011年的中國統(tǒng)計(jì)年鑒，所設(shè)的樣本容量為21。 年份 總銷售量個(gè)人可支配收入汽油價(jià)格指數(shù)居民消費(fèi)價(jià)格指數(shù)1978=100YSALEPDIGPICPI199050.92421510.2100216.4199170.8821700.6109.1223.81992106

12、.17212026.6121.1238.11993129.67782577.4163.6273.11994135.33683496.2193.43391995145.26974283222.9396.919961464838.9231.6429.919971575160.3234.6441.91998155.485425.1224.7438.419991835854217.3432.22000208.86266279.98228.44342001236.36656860227.943720023257703222.7433.52003439.088472233.4438.72004507.29

13、422260455.82005575.810493281.64642006721.611759298.54712007879.213786311.6493.62008938.0515781344.3522.720091364.4817175317.251920101806.1919109347.7536.1三計(jì)量經(jīng)濟(jì)模型的建立與模型參數(shù)估計(jì)建立模型：其中，因變量：SALE我國汽車總銷售量（單位：萬輛） 自變量：PDI個(gè)人可支配收入（單位：元） GPI汽油價(jià)格指數(shù)（以1978年為基期） CPI居民消費(fèi)價(jià)格指數(shù)（1978年為基期100）我們利用EVIEWS軟件，用最小二乘法進(jìn)行回歸分析及統(tǒng)計(jì)檢驗(yàn)，

14、并針對其中有異方差、自相關(guān)、多重共線影響的方程，進(jìn)行修正后再來進(jìn)行參數(shù)估計(jì)。（1）畫散點(diǎn)圖：觀察圖形走向，估計(jì)模型函數(shù)形式畫LOG(PDI)與LOG(SALE)之間的散點(diǎn)圖：由散點(diǎn)圖可知，LOG(PDI)與LOG(SALE)之間在總體趨勢上呈線性相關(guān)關(guān)系，而且是一種正相關(guān)。畫LOG(GPI)與LOG(SALE)之間的散點(diǎn)圖：由散點(diǎn)圖可知，LOG(GPI)與LOG(SALE)之間大致呈線性相關(guān)關(guān)系，而且是一種正相關(guān)。畫LOG(CPI)與LOG(SALE)之間的散點(diǎn)圖：由散點(diǎn)圖可知，LOG(CPI)與LOG(SALE)之間大致呈線性相關(guān)關(guān)系，而且是一種正相關(guān)。綜上，我們將三個(gè)自變量均作為影響汽車銷

15、售總量的影響因素考慮。（2）做一個(gè)Granger因果檢驗(yàn)Pairwise Granger Causality TestsDate: 06/18/12 Time: 14:06Sample: 1990 2010Lags: 2Null Hypothesis:ObsF-StatisticProb.SALE does not Granger Cause PDI193.286120.0676PDI does not Granger Cause SALE1.743040.2109Pairwise Granger Causality TestsDate: 06/18/12 Time: 14:07Sample:

16、 1990 2010Lags: 2Null Hypothesis:ObsF-StatisticProb.SALE does not Granger Cause GPI1910.83810.0014GPI does not Granger Cause SALE1.434840.2711Pairwise Granger Causality TestsDate: 06/18/12 Time: 14:08Sample: 1990 2010Lags: 2Null Hypothesis:ObsF-StatisticProb.SALE does not Granger Cause CPI196.381090

17、.0107CPI does not Granger Cause SALE0.511570.6103從上表可以看出，PDI 、GPI 、CPI為自變量，SALE為因變量。（3）做出回歸模型的方程Dependent Variable: LOG(SALE)Method: Least SquaresDate: 06/18/12 Time: 14:15Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C2.7552710.7310213.7690710.0015LOG(PDI)1.

18、9642290.10402618.882140.0000LOG(GPI)1.0491290.3385753.0986650.0065LOG(CPI)-3.3299090.333947-9.9713710.0000R-squared0.991968Mean dependent var5.623129Adjusted R-squared0.990551S.D. dependent var0.985643S.E. of regression0.095810Akaike info criterion-1.683259Sum squared resid0.156052Schwarz criterion-

19、1.484302Log likelihood21.67422Hannan-Quinn criter.-1.640080F-statistic699.8836Durbin-Watson stat1.254331Prob(F-statistic)0.000000從上表數(shù)據(jù)，建立方程如下： 四、模型的檢驗(yàn) (1)做隨機(jī)誤差項(xiàng)的正態(tài)性檢驗(yàn)（J-B 雅各貝拉檢驗(yàn)）從上圖看出，P值=0.9379745，所以通過JB檢驗(yàn)，該模型的隨機(jī)誤差項(xiàng)服從正態(tài)分布。（2）拉姆齊reset 檢驗(yàn)Ramsey RESET Test:F-statistic0.021879Prob. F(1,16)0.8843Log like

20、lihood ratio0.028696Prob. Chi-Square(1)0.8655Test Equation:Dependent Variable: LOG(SALE)Method: Least SquaresDate: 06/18/12 Time: 15:21Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C2.6562931.0073642.6368760.0179LOG(PDI)1.8367550.8684422.1150000.0505LOG(GPI)0

21、.9801360.5824021.6829200.1118LOG(CPI)-3.0939601.631834-1.8960020.0762FITTED20.0052610.0355710.1479150.8843R-squared0.991979Mean dependent var5.623129Adjusted R-squared0.989974S.D. dependent var0.985643S.E. of regression0.098691Akaike info criterion-1.589387Sum squared resid0.155839Schwarz criterion-

22、1.340692Log likelihood21.68857Hannan-Quinn criter.-1.535414F-statistic494.7165Durbin-Watson stat1.262514Prob(F-statistic)0.000000 從上表看出F的P值=0.88435可知，所以該模型沒有被誤設(shè)。（3）做T、F檢驗(yàn)，擬合優(yōu)度檢驗(yàn)T檢驗(yàn)?zāi)Ｐ偷膮?shù)t值分別為3.769071、18.88214、3.098665、-9.971371，其絕對值都大于2，表明T檢驗(yàn)有效。F檢驗(yàn)F值為699.8836足夠大，F(xiàn)值的可能性為0，表明F檢驗(yàn)有效。擬合優(yōu)度檢驗(yàn)： 可決系數(shù)、樣本可決系數(shù)都達(dá)

23、到了0.9，即有很好的擬合優(yōu)度。綜合這幾個(gè)指標(biāo)，此模型并不存在大的問題。（4）異方差檢驗(yàn)White檢驗(yàn)Heteroskedasticity Test: WhiteF-statistic1.308693Prob. F(9,11)0.3316Obs*R-squared10.85874Prob. Chi-Square(9)0.2855Scaled explained SS5.766334Prob. Chi-Square(9)0.7631Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/18/12 Time: 1

24、5:38Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C1.9999105.9108990.3383430.7415LOG(PDI)-0.4740721.584168-0.2992560.7703(LOG(PDI)2-0.0282340.100659-0.2804910.7843(LOG(PDI)*(LOG(GPI)0.0095760.4197610.0228140.9822(LOG(PDI)*(LOG(CPI)0.1504190.5119110.2938380.77

25、44LOG(GPI)0.2120101.5154610.1398980.8913(LOG(GPI)20.1698090.8179850.2075940.8393(LOG(GPI)*(LOG(CPI)-0.3513311.208140-0.2908030.7766LOG(CPI)-0.2168283.793379-0.0571600.9554(LOG(CPI)20.0707590.9957660.0710600.9446R-squared0.517083Mean dependent var0.007431Adjusted R-squared0.121969S.D. dependent var0.

26、009694S.E. of regression0.009083Akaike info criterion-6.258998Sum squared resid0.000908Schwarz criterion-5.761606Log likelihood75.71948Hannan-Quinn criter.-6.151051F-statistic1.308693Durbin-Watson stat2.746821Prob(F-statistic)0.331614從上表我們看出Obs*R-squared項(xiàng)后面對應(yīng)的伴隨概率為0.28555%，說明不存在異方差。Park檢驗(yàn)Heteroskeda

27、sticity Test: Breusch-Pagan-GodfreyF-statistic2.126058Prob. F(3,17)0.1347Obs*R-squared5.729345Prob. Chi-Square(3)0.1255Scaled explained SS3.042463Prob. Chi-Square(3)0.3851Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/18/12 Time: 15:46Sample: 1990 2010Included observations: 21

28、VariableCoefficientStd. Errort-StatisticProb.C0.1124220.0684101.6433600.1187LOG(PDI)0.0188900.0097351.9404130.0691LOG(GPI)0.0012980.0316840.0409600.9678LOG(CPI)-0.0462410.031251-1.4796410.1573R-squared0.272826Mean dependent var0.007431Adjusted R-squared0.144501S.D. dependent var0.009694S.E. of regre

29、ssion0.008966Akaike info criterion-6.421106Sum squared resid0.001367Schwarz criterion-6.222149Log likelihood71.42161Hannan-Quinn criter.-6.377927F-statistic2.126058Durbin-Watson stat2.608860Prob(F-statistic)0.134668從上表可知，F(xiàn)統(tǒng)計(jì)量值為2.126058，比較小，表明不存在異方差。（5）序列相關(guān)檢驗(yàn)DW檢驗(yàn)上圖并不能明顯看出序列相關(guān)，并且，模型的D.W.值為1.254331，經(jīng)查表

30、得，無法判定是否存在序列相關(guān)。于是，我們選擇LM檢驗(yàn)（克服了D.W.檢驗(yàn)的缺陷）。LM檢驗(yàn)滯后一期的情況下：Breusch-Godfrey Serial Correlation LM Test:F-statistic1.523634Prob. F(1,16)0.2349Obs*R-squared1.825894Prob. Chi-Square(1)0.1766Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 06/18/12 Time: 15:52Sample: 1990 2010Included observa

31、tions: 21Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C0.0529370.7212920.0733920.9424LOG(PDI)0.0714000.1176600.6068300.5525LOG(GPI)-0.1894720.367109-0.5161190.6128LOG(CPI)0.0584820.3323140.1759830.8625RESID(-1)0.3795900.3075211.2343560.2349R-squar

32、ed0.086947Mean dependent var-3.55E-15Adjusted R-squared-0.141316S.D. dependent var0.088332S.E. of regression0.094368Akaike info criterion-1.678983Sum squared resid0.142484Schwarz criterion-1.430287Log likelihood22.62932Hannan-Quinn criter.-1.625009F-statistic0.380908Durbin-Watson stat1.499010Prob(F-

33、statistic)0.819001其Obs*R-squared的值為1.825894，P值為0.17665%，所以模型可能不存在自相關(guān)。RESID(-1)的t值1.2343565% ,所以不顯著，因此模型不存在一階相關(guān)。滯后二期的情況下：Breusch-Godfrey Serial Correlation LM Test:F-statistic2.924135Prob. F(2,15)0.0847Obs*R-squared5.890833Prob. Chi-Square(2)0.0526Test Equation:Dependent Variable: RESIDMethod: Least

34、SquaresDate: 06/18/12 Time: 16:06Sample: 1990 2010Included observations: 21Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.C-0.3539430.691607-0.5117690.6163LOG(PDI)-0.0783510.131123-0.5975400.5591LOG(GPI)0.0425470.3558330.1195710.9064LOG(CPI)0.134063

35、0.3069820.4367130.6685RESID(-1)0.2928980.2852201.0269170.3207RESID(-2)-0.6337350.315468-2.0088730.0629R-squared0.280516Mean dependent var-3.55E-15Adjusted R-squared0.040688S.D. dependent var0.088332S.E. of regression0.086517Akaike info criterion-1.822004Sum squared resid0.112277Schwarz criterion-1.5

36、23569Log likelihood25.13104Hannan-Quinn criter.-1.757236F-statistic1.169654Durbin-Watson stat1.904429Prob(F-statistic)0.368909其Obs*R-squared的值為5.890833，P值為0.05265%，所以模型可能不存在自相關(guān)。RESID(-2)的t值為-2.008873，其絕對值接近于2，P值為0.06295% ,因此模型不存在二階自相關(guān)。綜上，方程一階和二階自相關(guān)均不存在。（6）多重共線性的檢驗(yàn)相關(guān)系數(shù)檢驗(yàn)LOG(PDI)LOG(GPI)LOG(CPI)LOG(PD

37、I)1.0000000.9610250.936282LOG(GPI)0.9610251.0000000.973084LOG(CPI)0.9362820.9730841.000000從表中可以看出，3個(gè)解釋變量之間兩兩簡單相關(guān)系數(shù)都在90%以上，這表明解釋變量之間存在多重共線性。修正多重共線性 1LOG(SALE)對LOG(PDI)的輸出結(jié)果Dependent Variable: LOG(SALE)Method: Least SquaresDate: 06/18/12 Time: 20:48Sample: 1990 2010Included observations: 21VariableCoe

38、fficientStd. Errort-StatisticProb.C-5.4684450.735048-7.4395780.0000LOG(PDI)1.2712940.08395915.141910.0000R-squared0.923473Mean dependent var5.623129Adjusted R-squared0.919445S.D. dependent var0.985643S.E. of regression0.279748Akaike info criterion0.380534Sum squared resid1.486915Schwarz criterion0.4

39、80013Log likelihood-1.995610Hannan-Quinn criter.0.402124F-statistic229.2774Durbin-Watson stat0.293743Prob(F-statistic)0.0000002LOG(SALE)對LOG(GPI)的輸出結(jié)果Dependent Variable: LOG(SALE)Method: Least SquaresDate: 06/18/12 Time: 20:49Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-S

40、tatisticProb.C-7.8431671.645786-4.7656070.0001LOG(GPI)2.4943190.3042398.1985480.0000R-squared0.779624Mean dependent var5.623129Adjusted R-squared0.768025S.D. dependent var0.985643S.E. of regression0.474723Akaike info criterion1.438223Sum squared resid4.281879Schwarz criterion1.537701Log likelihood-1

41、3.10134Hannan-Quinn criter.1.459812F-statistic67.21620Durbin-Watson stat0.288796Prob(F-statistic)0.0000003LOG(SALE)對LOG(CPI)的輸出結(jié)果Dependent Variable: LOG(SALE)Method: Least SquaresDate: 06/18/12 Time: 20:49Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C-11.561

42、232.847810-4.0596930.0007LOG(CPI)2.8706860.4752446.0404500.0000R-squared0.657578Mean dependent var5.623129Adjusted R-squared0.639555S.D. dependent var0.985643S.E. of regression0.591751Akaike info criterion1.878931Sum squared resid6.653217Schwarz criterion1.978410Log likelihood-17.72878Hannan-Quinn c

43、riter.1.900521F-statistic36.48704Durbin-Watson stat0.176411Prob(F-statistic)0.0000084LOG(SALE)對LOG(PDI)和LOG(GPI)的輸出結(jié)果Dependent Variable: LOG(SALE)Method: Least SquaresDate: 06/18/12 Time: 20:50Sample: 1990 2010Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C-3.2614591.049543-3

44、.1075030.0061LOG(PDI)1.9459280.2645257.3563180.0000LOG(GPI)-1.4990250.564861-2.6537940.0162R-squared0.944994Mean dependent var5.623129Adjusted R-squared0.938882S.D. dependent var0.985643S.E. of regression0.243671Akaike info criterion0.145565Sum squared resid1.068756Schwarz criterion0.294782Log likelihood1.471570Hannan-Quinn criter.0.177949F-statistic154.6189Durbin-Watson stat0.393842Prob(F-statistic)0.0000005LOG(SALE)對LOG(PDI)和LOG(CPI)的輸出結(jié)果Depend