計量案例分析：第二章 案例分析

第二章案例分析

一、研究的目的要求

居民消費(fèi)在社會經(jīng)濟(jì)的持續(xù)發(fā)展中有著重要的作用。居民合理的消費(fèi)模式和居民適度

的消費(fèi)規(guī)模有利于經(jīng)濟(jì)持續(xù)健康的增長，而且這也是人民生活水平的具體體現(xiàn)。改革開放

以來隨著中國經(jīng)濟(jì)的快速發(fā)展，人民生活水平不斷提高，居民的消費(fèi)水平也不斷增長。但

是在看到這個整體趨勢的同時,，還應(yīng)看到全國各地區(qū)經(jīng)濟(jì)發(fā)展速度不同，居民消費(fèi)水

平也有明顯差異。例如，2002年全國城市居民家庭平均每人每年消費(fèi)支出為6029.88元，最

低的黑龍江省僅為人均4462.08元，最高的上海市達(dá)人為10464元，上海是黑龍江的2.35

倍。為了研究全國居民消費(fèi)水平及其變動的原因，需要作具體的分析。影響各地區(qū)居民消

費(fèi)支出有明顯差異的因素可能很多，例如，居民的收入水平、就業(yè)狀況、零售物價指數(shù)、

利率、居民財產(chǎn)、購物環(huán)境等等都可能對居民消費(fèi)有影響。為了分析什么是影響各地區(qū)居

民消費(fèi)支出有明顯差異的最主要因素，并分析影響因素與消贄水平的數(shù)量關(guān)系，可以建立

相應(yīng)的計量經(jīng)濟(jì)模型去研究。

二、模型設(shè)定

我們研究的對象是各地區(qū)居民消費(fèi)的差異。居民消費(fèi)可分為城市居民消費(fèi)和農(nóng)村居民消

費(fèi)，由于各地區(qū)的城市與農(nóng)村人口比例及經(jīng)濟(jì)結(jié)構(gòu)有較大差異，最具有直接對比可比性的

是城市居民消費(fèi)。而且，由于各地區(qū)人口和經(jīng)濟(jì)總量不同，只能用“城市居民每人每年的平

均消費(fèi)支出”來比較，而這正是可從統(tǒng)計年鑒中獲得數(shù)捱的變量,所以模型的被解釋變量Y

選定為“城市居民每人每年的平均消費(fèi)支出

因為研究的目的是各地區(qū)城市居民消費(fèi)的差異，并不是城市居民消費(fèi)在不同時間的

變動，所以應(yīng)選擇同一時期各地區(qū)城市居民的消費(fèi)支出來建立模型。因此建立的是2002年

截面數(shù)據(jù)模型。

影響各地區(qū)城市居民人均消費(fèi)支出有明顯差異的因素有多科I但從理論和經(jīng)驗分析，最

主要的影響因素應(yīng)是居民收入，其他因素雖然對居民消費(fèi)也有影響，但有的不易取得數(shù)

據(jù)，如“居民財產(chǎn)”和“購物環(huán)境”；有的與居民收入可能高度相關(guān)，如“就業(yè)狀況”、“居民財

產(chǎn)”；還有的因素在運(yùn)用截面數(shù)據(jù)時在地區(qū)間的差弁并不大，如“零售物價指數(shù)”、“利率”。

因此這些其他因素可以不列入模型，即便它們對居民消費(fèi)有某些影響也可歸入隨即擾動項

中。為了與“城市居民人均消費(fèi)支出“相對應(yīng)，選擇在統(tǒng)計年鑒中可以獲得的“城市居民每人

每年可支配收入”作為解釋變量X。

從2002年《中國統(tǒng)計年鑒》中得到表2.5的數(shù)據(jù)：

表2.52002年中國各地區(qū)城市居民人均年消費(fèi)支出和可支配收入

地區(qū)城市居民家庭平均每人每年消費(fèi)支出（元）城市居民人均年可支配收入（元）

YX

北京10284.6012463.92

天津7191.969337.56

5069.286679.68

河北

4710.965234.35

山西

4859.886051.06

內(nèi)蒙古

5342.646524.52

遼寧

4973.886260.16

吉林

4462.086100.56

黑龍江10464.0013249.80

上海6042.608177.64

江蘇8713.0811715.60

4736.526032.40

浙江

6631.689189.36

安徽

4549.326334.64

福建

5596.327614.36

江西

4504.686245.40

山東

5608.926788.52

河南5574.726958.56

湖北8988.4811137.20

湖南5413.447315.32

5459.646822.72

廣東6360.247238.04

廣西5413.086610.80

4598.285944.08

海南

5827.927240.56

重慶

6952.448079.12

四川

5278.046330.84

貴州

5064.246151.44

云南

5042.526170.52

西藏6104.926067.44

陜西5636.406899.64

甘肅

青海

寧夏

新疆

作城市居民家庭平均每人每年消費(fèi)支出(Y)和城市居民人均年可支配收入(X)的散點

圖，如圖2.12：

圖

入(X)大體呈現(xiàn)為線性關(guān)系，所以建立的計量經(jīng)濟(jì)模型為如下線性模型:

三、估計參數(shù)

假定所建模型及隨機(jī)擾動項滿足古典假定，可以用OLS法估計其參數(shù)。運(yùn)用計算機(jī)軟件

EViews作計量經(jīng)濟(jì)分析十分方便。

利用EViews作簡單線性回歸分析的步驟如下：

1、建立工作文件

首先,雙擊EViews圖標(biāo),進(jìn)入EViews主頁。在菜單一次點擊File\New\Workfile,出

現(xiàn)對話框“WorkfileRange”。在“Workfilefrequency''中選擇數(shù)據(jù)頻率：

Annual（年度）Weekly（周數(shù)據(jù)）

Quartrly（季度）Daily（5dayweek）（每周5天日數(shù)據(jù)）

SemiAnnual（半年）Daily（7dayweek）（每周7天日數(shù)據(jù)）

Monthly（月度）Undatedorirreqular（未注明口期或不規(guī)則的）

在本例中是截面數(shù)據(jù)，選擇“Undatedorirreqular”。并在“Startdate”中輸入開始時間或順

序號,如力”在“enddate”中輸入最后時間或順序號，如“31”點擊“ok”出現(xiàn)“Workfile

UNTITLED”工作框。其中己有變量：飛”一截距項“resid”一剩余項。

在“Objects”菜單中點擊“NewObjects”，在“NewObjects”對話框中選“Group”,并在

“NameforObjects”上定義文件名，點擊“OK”出現(xiàn)數(shù)據(jù)編輯窗口°

若要將工作文件存盤，點擊窗口上方“Save”，在“SaveAs”對話框中給定路徑和文件名，冉

點擊“ok”，文件即被保存。

2、輸入數(shù)據(jù)

在數(shù)據(jù)編輯窗口中，首先按上行鍵寸”，這時對應(yīng)的“obs”字樣的空格會自動上跳，

在對應(yīng)列的第二個“obs”有邊框的空格鍵入變量名，如“Y”，再按下行鍵“1”，對因變量名下

的列出現(xiàn)“NA”字樣，即可依順序輸入響應(yīng)的數(shù)據(jù)。其他變量的數(shù)據(jù)也可用類似方法輸入。

也可以在EViews命令框直接鍵入“dataXY”（■元時）或“dataY…”（多元時），回車出

現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對應(yīng)的Y、X下輸入數(shù)據(jù)。

若要對數(shù)據(jù)存盤，點擊“fire/SaveAs”，出現(xiàn)“SaveAs”對話框，在“Drives”點所要存的

盤，在“Directories”點存入的路徑（文件名），在“FireName”對所存文件命名,或點己存的

文件名,再點“ok”。

若要讀取已存盤數(shù)據(jù)，點擊“fke/Open”，在對話框的“Drives”點所存的磁盤名，在

“Directories”點文件路徑，在“FireName”點文件名，點擊“ok唧可。

3、估計參數(shù)

方法一：在EViews主頁界面點擊“Quick”菜單，點擊“EstimateEquation“，出現(xiàn)“Equation

specification”對話框，選OLS估計，即選擊“LeastSquares”，鍵入“YCX”，點“ok”或按回

車，即出現(xiàn)如表2.6那樣的回歸結(jié)果。

表2.6

Method:LeastSquares

Date:02/25/05Time:03:15

Sample:131

Includedobservations:31

VanableCoefficientStd.Errort-StatisticProb.

282.2434287.26490.9825200.3340

0.7585110.03692820.540260.0000

R-squared0.935685Meandependentvar5982.476

AdjustedR-squared0.933467S.D.dependentvar1601.762

S.E.ofregression413.1593Akaikeinfocriterion14.94788

Sumsquaredresid4950317.Schwarzcriterion1504040

Loglikelihood-229.6922F-statistic421.9023

Durbin-Watsonstat1.481439Prob(F-statistic)0.000000

在本例中，參數(shù)估計的結(jié)果為：

A

X=282.2434+0.75851IX,

(287.2649)(0.036928)

t=(0.982520)(20.54026)

r~=0.935685F=421,9023df=29

方法二：在EVicws命令框中直接鍵入“LSYCX”，按回車，即出現(xiàn)回歸結(jié)果。

若要顯示回歸結(jié)果的圖形，在“Equation”框中，點擊“Resids”，即出現(xiàn)剩余項

(Residual)＞實際值(Actual)＞擬合值(Fitted)的圖形,如圖2.13所示。

圖2.13

四、模型檢驗

1、經(jīng)濟(jì)意義檢驗

A

所估計的參數(shù)△=0758511,說明城市居民人均年可支配收入每相差1元，可導(dǎo)致

居民消費(fèi)支出相差0.758511元。這與經(jīng)濟(jì)學(xué)中邊際消費(fèi)傾向的意義相符。

2、擬合優(yōu)度和統(tǒng)計檢驗

用EVicws得出回歸模型參數(shù)估計結(jié)果的同時，已經(jīng)給出了用于模型檢驗的相關(guān)數(shù)

據(jù)。

擬合優(yōu)度的度量：由發(fā)2.6中可以看出，本例中可決系數(shù)為0.935685,說明所建模型

整體上對樣本數(shù)據(jù)擬合較好，即解釋變量“城市居民人均年可支配收入”對被解釋變量“城市

居民人均年消費(fèi)支出”的絕大部分差異作出了解釋。

對回歸系數(shù)的t檢驗：針對“。：4=°和"。：4二°,由表2.6中還可以看出，估計

的回歸系數(shù)分的標(biāo)準(zhǔn)誤差和I值分別為：SE（川）=287.2649,^）=0.982520.仇

的標(biāo)準(zhǔn)誤差和t值分別為：SE3）=（）.036928,而）=20.54026。取a=0.05,查t

分布表得自由度為/?-2=31-2=29的臨界值樂磔（29）=2.045。因為

，（4）=0.982520〈仇”（29）=2.045,所以不能拒絕/：4二°：因為

t(p2)=20.54026>r0025(29)=2.045,所以應(yīng)拒絕"o：尸2=°。這表明，城市人均年可

支配收入對人均年消費(fèi)支出有顯著影響。

五、回歸預(yù)測

由表2.5中可看出，2002年中國西部地區(qū)城市居民人均年可支配收入除了西藏外均在

800()以下，人均消費(fèi)支出也都在7000元以下。在西部大開發(fā)的推動下，如果西部地區(qū)的

城市居民人均年可支配收入笫一步爭取達(dá)到1000美元(按現(xiàn)有匯率即人民幣8270元)，第

二步再爭取達(dá)到1500美元(即人民幣12405元)，利用所估計的模型可預(yù)測這時城市居民可

能達(dá)到的人均年消費(fèi)支出水平?？梢宰⒁獾?，這里的預(yù)測是利用截面數(shù)據(jù)模型對被解釋變

量在不同空間狀況的空間預(yù)測。

用EVicws作回歸預(yù)測，首先在“Workfilc”窗口點擊“Range”,出現(xiàn)"ChangeWorkfile

Range”窗口，將“Enddata”由“31”改為"33”,點“OK”,將“Workfile”中的“Range”擴(kuò)展為1-

33。在“WorkWe”窗口點擊“sampl”,將“sampl”窗口中的“131”改為“133”，點“OK”，將樣

本區(qū)也改為I一33。

為了輸入X"=8270，'/a=12405在EWews命令框鍵入datax/回車，在X數(shù)據(jù)表中

的“32”位置輸入“8270”，在“33”的位置輸入“12405”，將數(shù)據(jù)表最小化。

然后在乍外侑"°〃”框中，點擊“Forecast”，得對話框在對話框中的“Forecastname”(預(yù)

測值序列名)鍵入““，【可車即得到模型估計值及標(biāo)準(zhǔn)誤差的圖形。雙擊“WorkEe”窗口中出

現(xiàn)的““，在“”數(shù)據(jù)表中的“32”位置出現(xiàn)預(yù)測值與?=6555.132,在，，33”位置出現(xiàn)

L=9691.577。這是當(dāng)町=8270和X"=12405時人均消費(fèi)支出的點預(yù)測值。

為了作區(qū)間預(yù)測，在X和Y的數(shù)據(jù)表中，點擊“View”選“DescriptiveStats\Cmmon

Sample"，則得到X和Y的描述統(tǒng)計結(jié)果，見表2.7:

表2.7

XY

Mean7515.0265982.476

Median6788.5205459.640

Maximum13249.8010464.00

Minimum5234.3504462.080

Std.Dev.2042.6821601.762

Skewness1.5858931.629968

Kurtosis4.4586454.787999

Jaique-Bera15.7426717,85617

Probability0.0003820.000133

Observations3131

根據(jù)表2.7的數(shù)據(jù)可計算：

2X=-1)=2042.6822x(31-1)=125176492.59

22

(XZ1-X)=(8270-7515.026)=569985.74

22

(X/2-X)=(l2405-7515.026)=23911845.72

取a=0.05,平均值置信度95%的預(yù)測區(qū)間為：

H56998574

VQ*6555.13+2.045x413.1593xJ—+—------——

X〃=8270時十V31125176492.59

=6555.13+162.10

V9691.58+2.045x413.1593xJ——9'3Q11°8457?

Xc=12405時十\31125176492.59

=9691.58干499.25

即是說，當(dāng)X。=8270元時，平均值置信度95%的預(yù)測區(qū)間為(6393.03,6717.23)

元。當(dāng)X/2=12405元時，平均值置信度95%的預(yù)測區(qū)間為(9292.33,10090.83)元。

個別值置信度95%的預(yù)測區(qū)間為：

ALI(A--X)2

—.1+丁￡y片

VQC”6555.13/2.045x413.1593xJl+,+569985.74

X。=8270時十V31125176492.59

=6555.13+860.32

co。八AIoi/ii23911845.72

v9691.58+2.045x413.1593xJ1+—+-------------

X/2=12405時十V31125176492.59

=9691.58+934.49

即是說，當(dāng)?shù)谝徊健癆=8270時，個別值置信度95%的預(yù)測區(qū)間為(5694.81,

7415.45)元。當(dāng)?shù)诙?/2=12405時，個別值置信度95%的預(yù)測區(qū)間為(8757.09,

10626.07)元。

在“E0，Sb〃，，框中，點擊forecast”可得預(yù)測值及標(biāo)準(zhǔn)誤差的圖形如圖2.14：

Forecast:YF

Actual:Y

Forcoootsample:133

Includedobservations:31

RootMeanSquaredError399.6094

MeanAbsoluteError305.3822

MeanAbs.PercentError5.217788

TbeiInequalityCoefficient0.032331

BiasProportion0.000000

VarianceProportion0.016618

CovarianceProportion0.d83382

圖2.14

第三章案例分析

【例3.2】中國稅收增長的分析

一、研究的目的要求

改革開放以來，隨著經(jīng)濟(jì)體制改革的深化和經(jīng)濟(jì)的快速增長，中國的財政收支狀況發(fā)

生很大變化，中央和地方的稅收收入1978年為519.28億元，到2002年已增長到17636.45

億元，25年間增長了33倍，平均每年增長％。為了研究影響中國稅收收入增長的主要原

因，分析中央和地方稅收收入的增長規(guī)律，預(yù)測中國稅收未來的增長趨勢，需要建立計量

經(jīng)濟(jì)模型。

影響中國稅收收入增長的因素很多，但據(jù)分析主要的因素可能有，（I）從宏觀經(jīng)濟(jì)

看，經(jīng)濟(jì)整體增長是稅收增長的基本源泉。（2）公共財政的需求，稅收收入是財政收入的

主體，社會經(jīng)濟(jì)的發(fā)展和社會保障的完善等都對公共財戌提出要求，因此對預(yù)算支出所表

現(xiàn)的公共財政的需求對當(dāng)年的稅收收入可能會有一定的影響。（3）物價水平。我國的稅制

結(jié)構(gòu)以流轉(zhuǎn)稅為主，以現(xiàn)行價格計算的GDP等指標(biāo)和經(jīng)營者的收入水平都與物價水平有

關(guān)0（4）稅收政策因素.我國自1978年以來經(jīng)歷了兩次大的稅制改革，一次是1984-1985

年的國有企業(yè)利改稅，另一次是1994年的全國范圍內(nèi)的新稅制改革。稅制改革對稅收會產(chǎn)

生影響，特別是1985年稅收陡增215.42%。但是第二次稅制改革對稅收增長速度的影響不

是非常大。因此，可以從以上幾個方面，分析各種因素對中國稅收增長的具體影響。

二、模型設(shè)定

為了全面反映中國稅收增長的全貌，選擇包括中央和地方稅收的“國家財政收入''中的"各

項稅收''（簡稱"稅收收入”）作為被解釋變量，以反映國家稅收的增長；選擇“國內(nèi)生產(chǎn)總

值（GDP）”作為經(jīng)濟(jì)整體增長水平的代表；選擇中央和地方“財政支出”作為公共財政需求

的代表；選擇''商品零售物價指數(shù)”作為物價水平的代表。由于財稅體制的改革難以量化，

而且1985年以后財稅體制改革對稅收增長影響不是很大，可暫不考慮稅制改革對稅收增長

的影響。所以解釋變量設(shè)定為可觀測的“國內(nèi)生產(chǎn)總值”、“財政支出”、”商品零售物價指

數(shù)''等變量。

從《中國統(tǒng)計年鑒》收集到以下數(shù)據(jù)（見表3.3）：

稅收收入（億國內(nèi)生產(chǎn)總值（億財政支出（億商品零售價格指數(shù)（％）

年份元）元）元）(X4)

(Y)(X2)(X3)

1978519.283624.11122.09100.7

1979537.824038.21281.79102.0

1980571.704517.81228.83106.0

1981629.894862.41138.41102.4

1982700.025294.71229.98101.9

1983775.595934.51409.52101.5

1984947.357171.01701.02102.8

19852040.798964.42004.25108.8

19862090.7310202.22204.91106.0

19872140.3611962.52262.18107.3

19882390.4714928.32491.21118.5

19892727.4016909.22823.78117.8

19902821.8618547.93083.59102.1

19912990.1721617.83386.62102.9

19923296.9126638.13742.20105.4

19934255.3034634.44642.30113.2

19945126.8846759.45792.62121.7

19956038.0458478.16823.72114.8

19966909.8267884.67937.55106.1

19978234.0474462.69233.56100.8

19989262.8078345.210798.1897.4

199910682.5882067.513187.6797.0

200012581.5189468.115886.5098.5

200115301.3897314.818902.5899.2

200217636.45104790.622053.1598.7

表3.3中國稅收收入及相關(guān)數(shù)據(jù)

設(shè)定的線性回歸模型為：K=I+。貫“+AXx+QEx+Ut

三、估計參數(shù)

利用EViews估計模型的參數(shù)，方法是：

1、建立工作文件：啟動EViews,點擊File\New\Workfile,在對話框“Workfilc

Range”。在“Workfilefrequency”中選擇"Annual”（年度），并在“Startdale”中輸入開始時間

“1978”,在"enddate”中輸入最后時間“2002”，點擊“ok”,出現(xiàn)“WorkfileUNTITLED”工作

框。其中已有變量：“c”一截距項“resid”一剩余項。在“Objects”菜單中點擊“NewObjects”，

在“NewObjects”對話框中選“Group”，并在“NameforObjects”上定義文件名，點擊“OK”出

現(xiàn)數(shù)據(jù)編輯窗口。

2、輸入數(shù)據(jù)：點擊Puik”下拉菜單中的“EmptyGroup”，出現(xiàn)“Group”窗口數(shù)據(jù)編輯

框，點第一列與“obs”對應(yīng)的格，在命令欄輸入“Y”，點下行鍵“廣，即將該序列命名為Y,

并依此輸入Y的數(shù)據(jù)。用同樣方法在對應(yīng)的列命名X2、X3、X4,并輸入相應(yīng)的數(shù)據(jù)。或

者在EViews命令框直接鍵入“dataYX3X4...I可車出現(xiàn)“Group”窗口數(shù)據(jù)編輯

框，在對應(yīng)的Y、X2、X3、X4下輸入響應(yīng)的數(shù)據(jù)。

3、估計參數(shù)：點百“Procs"下拉菜單中的“Mak?Equation^^,在出現(xiàn)的對話框的

“EquationSpecification”欄中鍵入“YCX2X3X4”,在'EstimationSettings”欄中選擇"Least

Sqares”(最小二乘法)，點“ok”，即出現(xiàn)回歸結(jié)果：

表3.4

DependentVariable:Y

Method:LeastSquares

Date:07/05/05Time:16:54

Sample:19782002

Includedobservations:25

VariableCoefficientStd.Errort-StatisticProb.

-2582.791940.6128-2.7458600.0121

0.0220670.0055773.9566050.0007

0.7021040.03323621.124660.0000

23.985418.7383022.7448590.0121

R-squared0.997430Meandependentvar4848.366

AdjustedR-squared0.997063S.D.dependentvar4870.971

S.E.ofregression263.9599Akaikeinfocriterion14.13512

Sumsquaredresid1463172.Schwarzcriterion14,33014

Loglikelihood-172.6890F-statistic2717.238

Durbin-Watsonstat0.948542Prob(F-statistic)0000000

根據(jù)表3.4中數(shù)據(jù)，模型估計的結(jié)果為:

Y.=-2582.791+0.022067X2+0.702104X3+23.98541X4

(940.6128)(0.0056)(0.0332)(8.7363)

t=(-2.7459)(3.9566)(21.1247)(2.7449)

R2=0.9974R2=0.9971F=2717.238df=21

四、模型檢驗

1、經(jīng)濟(jì)意義檢驗

模型估計結(jié)果說明，在假定其它變量不變的情況下，當(dāng)年GDP每增長1億元，稅收收

入就會增長0.02207億元；在假定其它變量不變的情況下，當(dāng)年財政支出每增長1億元，

稅收收入會增長0.7021億元；在假定其它變量不變的情況下，當(dāng)年零售商品物價指數(shù)上漲

一個百分點，稅收收入就會增長23.9854億元。這與理論分析和經(jīng)驗判斷相一致。

2、統(tǒng)計檢驗

(I)擬合優(yōu)度：由表3.4中數(shù)據(jù)可以得到：露=09974,修正的可決系數(shù)為

4=0.9971,這說明模型對樣本的擬合很好。

(2)F檢驗：針對"。：62=4=°,給定顯著性水平。=0.05,在F分布表中

查出自由度為k-l=3和n-k=21的臨界值吊◎，21)=3.075。由表3.4中得到F=2717.238,

由于F=2717.238>Q3,21)=3.075,應(yīng)拒絕原假設(shè)"0：62=&=凡=°,說明回歸方程

顯著，即“國內(nèi)生產(chǎn)總值”、“財政支出”、“商品零售物價指數(shù)”等變量聯(lián)合起來確實對“稅收

收入”有顯著影響。

(3)t檢驗：分別針對：氏=°(J=l,2,3,4),給定顯著性水平a=0.05,查t分布表

/(〃-2)=2.08()RRR

得自由度為n-k=21臨界值%。由表3.4中數(shù)據(jù)可得，與仇、⑸、仇、

A

⑸對應(yīng)的t統(tǒng)計量分別為-2.7459、3.9566、21.1247、2.7449,其絕對值均大于

%(〃-"=2.080,這說明分別都應(yīng)當(dāng)拒絕：4=。(/=1,2,3,4),也就是說，當(dāng)在其

它解釋變量不變的情況卜，解釋變量“國內(nèi)生產(chǎn)總值”()、“財政支出”()、“商品零售物

價指數(shù)”()分別對被解釋變量“稅收收入”Y都有顯著的影響。

第四章案例分析

一、研究的目的要求

近年來，中國旅游業(yè)一直保持高速發(fā)展，旅游業(yè)作為國民經(jīng)濟(jì)新的增長點，在整

個社會經(jīng)濟(jì)發(fā)展中的作用口益顯現(xiàn)。中國的旅游業(yè)分為國內(nèi)旅游和入境旅游兩大市

場，入境旅游外匯收入年均增長22.6%,與此同時國內(nèi)旅游也迅速增長。改革開放20

多年來，特別是進(jìn)入90年代后，中國的國內(nèi)旅游收入年均增長14.4%,遠(yuǎn)高于同期

GDP9.76%的增長率。為了規(guī)劃中國未來旅游產(chǎn)業(yè)的發(fā)展，需要定量地分析影響中國

旅游市場發(fā)展的主要因素。

二、模型設(shè)定及其估計

經(jīng)分析，影響國內(nèi)旅游市場收入的主:要因素，除了國內(nèi)旅游人數(shù)和旅游支出以外，還

可能與相關(guān)基礎(chǔ)設(shè)施有關(guān)。為此，考慮的影響因素主要有國內(nèi)旅游人數(shù)，城鎮(zhèn)居民人均旅

游支出，農(nóng)村居民人均旅游支出，并以公路里程和鐵路里程作為相關(guān)基礎(chǔ)設(shè)施的代表。為

此設(shè)定了如下對數(shù)形式的計量經(jīng)濟(jì)模型：

匕=4+q2*21+四Xw+力4X4,+&Xsr+&+%

其中：——第I年全國旅游收入

—國內(nèi)旅游人數(shù)（萬人）

——城鎮(zhèn)居民人均旅游支出（元）

——農(nóng)村居民人均旅游支出（元）

—公路里程（萬公里）

——鐵路里程（萬公里）

為估計模型參數(shù)，收集旅游事業(yè)發(fā)展最快的1994—2003年的統(tǒng)計數(shù)據(jù)，如表4.2所示:

表4.21994年—2003年中國旅游收入及相關(guān)數(shù)據(jù)

年國內(nèi)旅游國內(nèi)旅游城鎮(zhèn)居民人均農(nóng)村居民人均公路里鐵路里

收入Y人數(shù)X2旅游支出X3旅游支出X4程X5程X6

（億元）（萬人（元）（元）（萬公（萬公

份

次）里）里）

19941023.552400414.754.9111.785.90

19951375.762900464.061.5115.705.97

19961638.463900534.170.5118.586.49

19972112.764400599.8145.7122.646.60

19982391.269450607.0197.0127.856.64

19992831.971900614.8249.5135.176.74

20003175.574400678.6226.6140.276.87

20013522.478400708.3212.7169.807.01

20023878.487800739.7209.1176.527.19

20033442.38700()684.9200.0180.987.30

數(shù)據(jù)來源：《中國統(tǒng)計年鑒2004》

利用Eviews軟件，瑜入Y、X2、X3、X4、X5、X6等數(shù)據(jù)，采用這些數(shù)據(jù)對模型進(jìn)

行OLS回歸，結(jié)果如表4.3：

表4.3

DependentVariable:Y

Method:LeastSquares

Date:C7/18/05Time:18:16

Sample:19942003

Includedobservations:10

VariableCoefficientStd.Errort-StatisticProb.

C

-274.37731316.690-0.2083840.8451

X20.0130880.0126921.0311720.3607

XM35.4381931.3803953.9395910.0170

3.2717730.9442153.4650730.0257

X512.986244.1779293.1082960.0359

X6-563.1077321.2830-1.7526850.1545

R-squared0.995406Meandependentvar2539.200

AdjustedR-squared0.989664S.D.dependentvar985.0327

S.E.ofregression100.1433Akaikeinfocriterion12,33479

Sumsquaredresid40114.74Schwarzcriterion12.51634

Loglikelihood-55.67396F-statistic173.3525

Durbin-Watsonstat2.311565Prob(F-statistic)0.000092

由此可見，該模型產(chǎn)=。9954,歹=0.9897可決系數(shù)很高，F(xiàn)檢驗值

173,3525,明顯顯著。但是當(dāng)a=0.05時%2（〃一6=匕3（1°-6）=2.776，不僅、

系數(shù)的t檢驗不顯著，而且系數(shù)的符號與預(yù)期的相反，這表明很可能存在嚴(yán)重

的多重共線性。

計算各解釋變量的相關(guān)系數(shù)，選擇X2、X3、X4、X5、X6數(shù)據(jù),

點“view/correlations”得相關(guān)系數(shù)矩陣（如表4.4）：表4.4

X2X3X4X5XB

X2100000009188510.7519600.9479770.941681

X309188511.0000000.8651450.8591910.963313

X407519600.8651451.0000000.6649460.818137

X509479770.8591910.6649461.0000000.897708

X6094168109633130.81813708977081.000000

由相關(guān)系數(shù)矩陣可以看出：各解釋變量相互之間的相關(guān)系數(shù)較高，證實確

實存在嚴(yán)重多重共線性。

三、消除多重共線性

采用逐步回歸的辦法，去檢驗和解決多重共線性問題。分別作Y對X2、

X3、X4、X5、X6的一元回歸，結(jié)果如表4.5所示：表4.5

變量X2X3X4X5X6

參數(shù)估計值0.089.05211.6634.32014.

42373324146

t統(tǒng)計量8.6613.155.1966.468.748

59987757

0.900.9550.7710.830.905

3785944

按的大小排序為：X3、X6、X2、X5、X4o

以X3為基礎(chǔ)，順次加入其他變量逐步回歸。首先加入X6回歸結(jié)果為:

Yt=-4109.639+7.850632X3+285.1784X6

t=(2.9086)(0.46214)R?=0.957152

當(dāng)取二=0.05時，“2(〃一口=，。。25(10-3)=2.365,X6參數(shù)的t檢驗不顯著,予

以剔除，加入X2回歸得

Y,=-3326.393+6.194241X3+0.02976\X2

t=(4.2839)(2.1512)=0.973418

X2參數(shù)的t檢驗不顯著，予以剔除，加入X5回歸得

Yt=-3059.972+6.736535X,+10.90789X5

t二(6.6446)(2.6584)*=0.978028

X3、X5參數(shù)的t檢驗顯著，保留X5,再加入X4回歸得

Yt=-2441.161+4.215884X.+13.62909X5+3.22