计量经济学实验报告

学院： 班级 姓名： 学号：

一、经济学理论概述

1、需求是指消费者（家庭）在某一特定时期内，在每一价格水平时愿意而且能够购买的某种商品量。需求是购买欲望与购买能力的统一。 2、需求定理是说明商品本身价格与其需求量之间关系的理论。其基本内容是：在其他条件不变的情况下，一种商品的需求量与其本身价格之间成反方向变动，即需求量随着商品本身价格的上升而减少，随商品本身价格的下降而增加。

3、需求量的变动是指其他条件不变的情况下，商品本身价格变动所引起的需求量的变动。需求量的变动表现为同一条需求曲线上的移动。

二、经济学理论的验证方法

在此次试验中，我运用了Eviews和Excel软件对相关数据进行处理和分析。

1、拟合优度检验——可决系数R2统计量

回归平方和反应了总离差平方和中可由样本回归线解释的部分，它越大，参差平方和越小，表明样本回归线与样本观测值的拟合程度越高。 2、方程总体线性的显著性检验——F检验

（1）方程总体线性的显著性检验，旨在对模型中被解释变量与解释变量之间的线性关系在总体上是否显著成立作出判断。

（2）给定显著性水平α，查表得到临界值Fα（k，n-k-1）,根据样本求出F统计量的数值后，可通过F＞Fα(k，n-k-1) （或F≤Fα(k，n-k-1)）来拒绝（或接受）原假设H0，以判定原方程总体上的

线性关系是否显著成立。 3、变量的显著性检验——t检验 4、异方差性的检验——怀特检验

怀特检验不需要排序，对任何形式的异方差都适用。 5、序列相关性的检验——图示法和回归检验法 6、多重共线性的检验——逐步回归法

以Y为被解释变量，逐个引入解释变量，构成回归模型，进行模型估计。

三、验证步骤 1、确定变量 （1）被解释变量

“货币流通量”在模型中用“Y”表示。 （2）解释变量

①“货币贷款额”在模型中用“X1”表示; ②“居民消费价格指数”在模型中用“X2”表示；

③把由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用“”。

2、建立计量经济学模型

根据各相关变量之间的关系，假定：

Y=0+1X1+2X2+

3、数据描述和处理

中国货币流通量、贷款额和居民消费价格指数历史数据

年度 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007

货币流量Y（亿元） 居民消费价格指数P（1990年=100）

212

267.7 346.2 396.3 439.1 529.8 792.1 987.8 1218.4 1454.5 2134 2344 2644.4 3177.8 4336 5864.7 7288.6 7885.3 8802 10177.6 11204.2 13455.5 14652.7 15688.8 17278 19746 21468.3 24031.7 27072.6 30375.2

46.2 47.1 50.6 51.9 52.9 54 55.5 60.6 64.6 69.3 82.3 97 100 103.4 110 126.2 156.7 183.4 198.7 204.2 202.6 199.7 200.6 201.9 200.3 202.7 210.6 214.4 217.7 228.1

贷款额X（亿元） 1850 2039.6 2414.3 2860.2 3180.6 3589.9 4766.1 5905.6 7590.8 9032.5 10551.3 14360.1 17680.7 21337.8 26322.9 32943.1 39976 50544.1 61156.6 74914.1 86524.1 93734.3 99371.1 112314.7 131293.9 158996.2 178197.8 194690.4 225347.2 261690.9

资料来源：《中国统计年鉴》（2008）、《中国统计资料50年汇编》 4、多元线性计量经济学模型的初步估计与分析 用Eviews软件检测分析：

Dependent Variable: Y Method: Least Squares Date: 12/30/11 Time: 14:03 Sample: 1978 2007 Included observations: 30

Variable X1 X2 C

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

Coefficient 20.66982 0.103524 -886.8463

Std. Error 2.632917 0.002419 250.5787

t-Statistic 7.850540 42.80432 -3.539192

Prob. 0.0000 0.0000 0.0015 8542.377 8989.356 15.40509 15.54521 15.44992 0.959975

0.996992 Mean dependent var 0.996769 S.D. dependent var 510.9580 Akaike info criterion 7049108. Schwarz criterion -228.0764 Hannan-Quinn criter. 4474.520 Durbin-Watson stat 0.000000

普通最小二乘法估计结果如下：

Y= －86.8463+0.103524X+20.66982X+

1

2

（－3.54） （42.80） （7.85）

R20.996992 R0.996769 F=4474.520

2回归结果表明，在1978——2007年间，Y变化的99.69%可由其他两 个变量的变化来解释。根据表上F统计量对应的P值可以看出，每个 P值都小于5%，拒绝原假设，表明模型的线性关系在95%的置信水平下显著成立。 5、异方差检验

从普通最小二乘回归得到的残差平方项与X1的散点图看，（图二）上的点总体上呈单调递增趋势，存在异方差性。

再进一步地统计检验，采用怀特（white）检验。记ei为对原始模型进行普通最小二乘回归得到的残差平方项，将其与X1、X2及其平方项与交叉项进行辅助回归，得：

Heteroskedasticity Test: White F-statistic

7.618878 Prob. F(5,24)

0.0002 0.0025 0.0089 Prob. 0.1276 0.0813 0.1601 0.1118 0.1311 0.2217 234970.3 343174.2 27.74536 28.02560 27.83501 2.296606

~2Obs*R-squared Scaled explained SS

Test Equation:

18.40475 Prob. Chi-Square(5) 15.36969 Prob. Chi-Square(5)

Coefficient -1221567. -82.24603 -8.61E-05 0.466404 33493.56 -127.7950

Std. Error 774105.2 45.19955 5.94E-05 0.282503 21428.42 101.8538

t-Statistic -1.578038 -1.819621 -1.449778 1.650969 1.563044 -1.254691

Dependent Variable: RESID^2 Method: Least Squares Date: 12/30/11 Time: 14:19 Sample: 1978 2007 Included observations: 30

Variable C X2 X2^2 X2*X1 X1 X1^2

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.613492 Mean dependent var 0.532969 S.D. dependent var 234524.1 Akaike info criterion 1.32E+12 Schwarz criterion -410.1804 Hannan-Quinn criter. 7.618878 Durbin-Watson stat 0.000208

（“X12”表示“X12”；“X22”表示“X22”；“X3”表示“X1×X2”）

ei~2=-1221567-82.3X1+33496.6X2+（-8.61E-05）

X12-127.8X22+0.47X3

R20.613492

怀特统计量nR2=30×0.613492=18.40476,该值大于5%显著水平下、自由度为5的2分布的相应临界值2的原假设，存在异方差性。 6、序列相关检验

建立残差项与ei与ei1（图一）以及时间t（图二）的关系图，图一显示随机误差项存在一阶正序列相关性。

~~0.05=11.07，因此，拒绝同方差

（图一）

（图二）

~再用回归检验法对该模型进行序列相关性检验，以ei为被解释变量，

~~e以i1、ei2为解释变量，建立如下方程：

ei=~~~ei1+i ………………①

~~+e+………………② ei=1ei2ii12对上面的模型，用普通最小二乘法进行参数估计，得: ①

：

②

0.0051 0.0048 Prob. 0.7818 0.9400 0.9805 0.0051 1.93E-13 493.0240 15.16385 15.35068 15.22362 1.351046

9.374977 Prob. F(1,26)

Breusch-Godfrey Serial Correlation LM Test: F-statistic

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares

7.950516 Prob. Chi-Square(1)

Coefficient -0.000594 0.174746 5.406951 0.531255

Std. Error 0.002122 2.300937 218.9234 0.173507

t-Statistic -0.279845 0.075946 0.024698 3.061858

Date: 12/30/11 Time: 14:33 Sample: 1978 2007 Included observations: 30

Presample missing value lagged residuals set to zero.

Variable X2 X1 C RESID(-1)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.265017 Mean dependent var 0.180211 S.D. dependent var 446.3947 Akaike info criterion 5180974. Schwarz criterion -223.4577 Hannan-Quinn criter. 3.124992 Durbin-Watson stat 0.042949

~ei=0.49889ei1+17.94369

（3.080898）（0.224795）

~Rt220.260110 R0.232707 F=9.491932

2由分析结果可以看出，该模型拟合优度不高。在5%的显著性水平下

~t>

(28),所以变量通过显著性检验。ei与ei1相关，存在序列相关

~

性。

②式：

Breusch-Godfrey Serial Correlation LM Test: F-statistic

13.27278 Prob. F(2,25)

0.0001 0.0004 Prob. 0.8507 0.8955 0.9171 0.0000 0.0014 1.93E-13 493.0240 14.81483 15.04837 14.88954 2.199538

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares

15.44977 Prob. Chi-Square(2)

Coefficient -0.000335 0.252857 -19.07516 0.846976 -0.606869

Std. Error 0.001759 1.906274 181.4895 0.168513 0.169064

t-Statistic -0.190168 0.132645 -0.105103 5.026183 -3.589583

Date: 12/30/11 Time: 14:39 Sample: 1978 2007 Included observations: 30

Presample missing value lagged residuals set to zero.

Variable X2 X1 C RESID(-1) RESID(-2)

R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)

0.514992 Mean dependent var 0.437391 S.D. dependent var 369.8039 Akaike info criterion 3418872. Schwarz criterion -217.2225 Hannan-Quinn criter. 6.636391 Durbin-Watson stat 0.000878

~~ei=0.825271ei1-0.564146ei2-1.108979 ~（5.175431）（-3.617678） （-0.016462）

R20.529008 R0.491329 F=14.03975

2由分析结果可以看出，该模型的拟合优度不高。在5%的显著性水平

~~

下t1>t(27),t2 >t(27)，变量ei1，ei222通过显著性检验，所

以ei与ei1相关，存在序列相关性，而ei与ei2相关，存在序列相关性。

7、多重共线性检验

~~~~

由于r=0.851148接近1。因此X1与X2间存在较高的相关性。 再用逐步回归法寻找最优方程。

首先找出最简单的回归形式，分别作y与x1、x2间的回归，得： （1）Y=821.9852+0.119685X2 （3.721859）（52.98755）

R2=0.990126 D.W.=0.351995 （2）Y=－6977.121+116.5944X2 （－4.151105）（10.35281）

R2=0.792870 D.W.=0.104111

可见，货币流量受贷款额的影响较大，因此选（1）作为初始的回归模型。再将X2导入初始的回归模型，得：

Y=f(X1) t值 Y=f(X1，X2) t值

C 821.9852 3.721859 -886.8463 -3.539192

X1 0.119685 52.98755 0.103524 42.80432

X2 20.66982 7.85054

1

2D.W.

R0.989773

0.996769

2

0.351995

0.959975

Y= －86.8463+0.103524X+20.66982X+

（－3.54） （42.80） （7.85）

R20.996992 R0.996769 F=4474.520

2初始模型导入X2后，模型的拟合优度提高，且参数的符号合理，变量也通过了t检验。因此最优方程是Y=f(X1,X2)，拟合结果如下：

Y=－86.8463+0.103524X1+20.66982X2+

8、计量经济学模型的最终确定

经过一系列的检验和分析，最终的模型为：

lnY=0+1X1+2X2+

模型的变量显著性成立，且存在异方差性、存在较高的多重共线性。 9、检验结果分析

从以上的分析和检验中可得出，贷款额每增加一个单位，货币流通量就增加0.103524个单位；居民消费价格指数每增加一个单位，货币流通量增加20.66982个单位。进而得出，居民消费价格指数的增加对货币流通量的作用大于贷款额增加对货币流通量的作用。

四、结论

（1）由于各种原因，得出的模型仍然存在有诸多问题，比如存在序列共线性，并未对其进行修正，留待以后进行进一步的研究。 （2）从计量经济学角度来看，根据已知的贷款额和居民消费价格指数而建立的货币流通量的模型，其通过了变量的显著性检验、且存在异方差性，也具备较高的多重共线性。

（3）从经济学角度来看，货币流通量受居民消费价格指数的影响大于贷款额的影响，也就是贷款额的增加对货币流通量的提高影响并不是很大，而居民消费价格指数的增加将会提高货币流通量，从而刺激生产的扩大，最终导致国家福利的增加。但若货币流通量过大或是货币流通速度过大，将导致供过于求即通货膨胀，货币贬值、物价上涨，将不利于经济的可持续发展。正如温家宝总理指出：“通货膨胀和腐败的结合将动摇国家的政权稳定。”由此可见，货币流通量的增加对国民经济来讲是一把双刃剑。