一看就知道你是宁大的。。本回答由提问者推荐去艾论ilun888看看吧，挺不错的。我写过2篇都过了计量经济的要求是什么任务是什么。
关于我国城镇居民储蓄存款模型的计量经济分析 （我的姓名等信息就省略了啊 呵呵） 内容摘要：本文利用我国1978年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型，对我国城镇居民储蓄存款情况进行实证分析。通过对该模型的经济含义分析得出各种主要因素对我国城镇居民储蓄存款数量的影响程度，并针对我国城镇居民存款储蓄现状提出自己的一些建议。 关键词：居民储蓄存款 实证分析 主要因素 一、问题的提出 1978年以来,随着我国国民经济的飞速发展,我国的居民储蓄也出现高速增长的态势。进入90年代以后．我国居民储蓄存款余额始终保持在两位数的增长速度。我国居民储蓄存款持续增长这一经济现象引起国内理论界的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响。所以国家相继出台了一系列积极的财政和货币政策,以刺激国内消费和投资需求,分流储蓄,但是居民储蓄依然持续增加。由于居民的储蓄存款直接影响着居民的消费行为，影响着货币的供给量，进而间接影响着国家经济的发展，宏观调控的力度和效果，因此，对我国居民存款储蓄问题的深入研究就显得尤为重要，这有助于帮助大家认清现状，做出合理的决策。虽然我们作为本科阶段的学生对这个问题的理解和研究还不够深入和透彻，但对此问题的探索有利于我们更好的掌握专业知识，了解国情，提高实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。 二、文献综述 我国有很多学者建立了许多的储蓄模型来分析各因素对居民储蓄的影响程度,但分析结论的差异很大。整理以前的研究成果,一个社会的储蓄总量受很多因数的影响，根据经典西方宏观经济学理论，储蓄水平主要受收入因数、利息率、物价水平、收入分配等因数的影响： 1.收入因数 收入是决定储蓄的重要因数，收入的变化会直接决定着储蓄的变化。在其他条件不变的情况下，储蓄与可支配收入之间存在着正方向的变化关系，即居民的可支配收入增加，储蓄量增加；个人可支配收入减少，储蓄量减少。可支配收入是指居民户在支付个人所得税之后，余下的全部实际现金收入。 2.利息率 传统经济学认为，在收入即定的条件下，较高的利息率会使储蓄增加。在本文中，我们选用的利息率是根据当年变动月份加权平均后的一年期储蓄存款加权利率。 3.物价水平 物价水平会导致居民户的消费倾向的改变，从而也就会改变居民户的储蓄倾向。本文用通货膨胀率来考察物价水平对储蓄率的影响。 4.收入分配 凯恩斯认为，收入分配的均等化程度越高，社会的平均消费倾向就会越高，社会的储蓄倾向就会越低。在国际上，衡量收入分配平均状况最常用的指数是基尼系数。 三、变量的选取及分析 目前我国正处于改革时期，各种不确定性因素很多。因而，要分析各种因素对中国居民储蓄行为的影响，必须立足于中国的国情。1998年后，中国经济运行进入了一种新的体制约束状态，出现了明显的供给过剩，需求对经济增长的约束与拉动作用明显增强，投资、消费膨胀的内在动力明显不足；同时，由于我国市场机制尚不健全，市场经济发育不成熟，市场体制的控制力还有限，从而不能形成一种有效地传导机制。市场化的改革对人们的经济行为、心理行为带来了很大影响，银行开始考虑贷款风险，投资者开始考虑投资回报，而消费者也开始考虑最佳的消费时机和预期收入。这说明，我们的微观经济层面已生长出一种内在的约束机制，然而社会各个方面对这些积极的因素还很不适应，微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾，导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。当前影响我国居民储蓄的因素有很多，概括起来有以下几点：居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、"假性"存款的影响、消费领域的信用等级、高收入阶层消费状况、就业形势压力、体制改革、居民收入水平等。 由于我现在的时间和能力有限，只能综合考虑，选取一部分变量进行研究，而且为了方便查找数据，只建立我国城镇居民储蓄存款模型进行研究。本文选用当年的收入增长率来考察收入因数对储蓄率的影响。用城镇居民的储蓄率作为被解释变量。另外还选取了中国1979年到2002年的各年的城镇居民收入的基尼系数、一年期储蓄利率和通货膨胀率作为解释变量。 四、数据及处理 本文模型数据样本为从1979-2002年。 年份 城镇居民储蓄率 城镇居民收入增长率 一年期储蓄利率 通货膨胀率 城镇居民基尼系数 1979 0.06368087 0.264869934 3.78 0.02 0.16 1980 0.08740586 0.220385089 5.04 0.059804 0.15 1981 0.07093626 0.104176446 5.4 0.024052 0.15 1982 0.08105586 0.139165412 5.67 0.01897 0.15 1983 0.09963501 0.093723563 5.76 0.015071 0.16 1984 0.13025584 0.245357008 5.76 0.027948 0.19 1985 0.15161502 0.184241122 6.72 0.08836 0.19 1986 0.17454542 0.280700971 7.2 0.060109 0.2 1987 0.2175453 0.167515864 7.2 0.072901 0.23 1988 0.17862152 0.219728929 7.68 0.185312 0.23 1989 0.2721202 0.199827095 11.12 0.177765 0.23 1990 0.32760614 0.123579703 9.92 0.021141 0.24 1991 0.31032443 0.163667824 7.92 0.028888 0.25 1992 0.3016907 0.228819425 7.56 0.053814 0.27 1993 0.3199061 0.311233327 9.26 0.131883 0.3 1994 0.42486435 0.397210898 10.98 0.216948 0.28 1995 0.44898036 0.261076104 10.98 0.147969 0.28 1996 0.40903477 0.198208003 9.21 0.060938 0.29 1997 0.30935015 0.127739779 7.17 0.007941 0.3 1998 0.25777978 0.108852141 5.02 -0.026 0.295 1999 0.21234608 0.134557035 2.89 -0.02993 0.3 2000 0.1239205 0.125688358 2.25 -0.01501 0.32 2001 0.24155306 0.14364071 2.25 -0.0079 0.33 2002 0.29897822 0.173106495 2.03 -0.01308 0.319 数据来源：各年份的《中国统计年鉴》 注：Y代表城镇居民储蓄率 X1代表城镇居民收入增长率 X2代表一年期储蓄利率 X3代表通货膨胀率 X4代表城镇居民基尼系数 五、模型及处理 基于以上数据，建立的模型是： Y=β1+β2X1+β3X2+β4X3+β5X4+u β1度量了截距项，它表示在没有收入的时候人们也要花钱消费，储蓄率为负。 β2度量了当城镇个人可支配收入率变动1%时，储蓄增长率的变动。 β3度量了当利率变动一个单位，其实也就是1%时，储蓄的增量的变动。 β4度量了当通货膨胀率变动一个单位，储蓄增量的变动。 β5度量了基尼系数对储蓄率的影响。这也是本文的重点变量。 u是随机误差项。 对Y做回归 利用eviews最小二乘估计结果如下 Variable Coefficient Std. Error t-Statistic Prob. C -0.264646 0.045525 -5.813154 0.0000 X1 0.317426 0.175678 1.806864 0.0875 X2 0.024054 0.003688 6.523093 0.0000 X3 0.024476 0.205508 0.119099 0.9065 X4 1.127523 0.149318 7.551127 0.0000 R-squared 0.897971 Mean dependent var 0.234065 Adjusted R-squared 0.875298 S.D. dependent var 0.116109 S.E. of regression 0.041002 Akaike info criterion -3.360748 Sum squared resid 0.030260 Schwarz criterion -3.113901 Log likelihood 43.64860 F-statistic 39.60525 Durbin-Watson stat 1.541473 Prob(F-statistic) 0.000000 根据以上结果，初步得出的模型为 Y=-0.264646+0.317426X1+0.024054X2 +0.024476X3+1.127523X4. 1.经济意义的检验 该模型可以通过初步的经济意义的检验，系数的符号符合经济理论。 2.统计检验 从表中可以看出，显然通货膨胀率的系数通不过T检验，R2=0.897971， 2值为0.875298，模型的拟合情况较好。F检验的值为39.60525，整个模型对储蓄率的增长影响是显著的。 3.多重共线性的检验 从F值可知此模型整体显著，但是分析各个变量后发现X1和X3不显著，可能存在多重共线性，运用消除多重共线性的逐步回归方法我们可以得到要放弃X3 这个变量，重新做回归分析得到： Y=β1+β2X1+β3X2+β5X4+u Variable Coefficient Std. Error t-Statistic Prob. C -0.271487 0.041322 -6.570056 0.0000 X1 0.314787 0.113799 2.766177 0.0119 X2 0.024487 0.003178 7.704986 0.0000 X4 1.145280 0.137886 8.305987 0.0000 R-squared 0.897094 Mean dependent var 0.229740 Adjusted R-squared 0.881658 S.D. dependent var 0.115517 S.E. of regression 0.039739 Akaike info criterion -3.461967 Sum squared resid 0.031583 Schwarz criterion -3.265624 Log likelihood 45.54360 F-statistic 58.11739 Durbin-Watson stat 1.556309 Prob(F-statistic) 0.000000 从新模型的整体效果来看，R值和F值都很好，而且各个变量的t统计量也表明各个变量对储蓄率的增长都有显著影响。 因此模型可设为Y= -0.271487+0.314787X1+0.024487X2+1.145280X4 4.异方差性检验 对新模型进行异方差性的检验，运用white检验，得到如下结果： White Heteroskedasticity Test: F-statistic 2.669433 Probability 0.054505 Obs*R-squared 11.50596 Probability 0.073942 Obs*R-squared的计算结果是11.50596，，由于选用的没有交叉乘积项的方式，所以自由度为7，在0.05的显著水平下，查表得 （7）=12.59〉11.50596，所以接受原假设，即该模型不存在异方差性。 5.自相关性的检验 从上表可知DW值为1.556309，且样本容量n=24，有三个解释变量的条件下，给定显著性水平 =0.01，查D-W表得，d =0.882,d =1.407,这时有d <dw=1.556039<4- d ,表明不存在自相关。 6.最终结果 从上面的计量分析中最后得到我国城镇居民的储蓄存款模型： Y= -0.271487+0.314787X1+0.024487X2+1.145280X4 (0.041322) (0.113799) (0.003178) (0.137886) t= (-6.570056) (2.766177) (7.704986) (8.305987) R2= 0.897094 df=20 F=58.11739 DW=1.556309 六、结论与建议 1.模型的实证分析 城镇居民的收入增长率变化对居民的储蓄率变化的影响还是比较明显的，储蓄率对收入增长率的弹性为0.314787, 在其他条件不变的情况下，居民的收入变化1%，储蓄率同方向变化0.314787%。 利率变动对实际的储蓄率变动的影响并不是十分的重要，弹性仅为0.024487。这方面有很多的原因，其中对未来预期的不确定性是一个很重要的原因，尤其是1998年以后，随着住房、医疗、教育等方面的改革，人们的储蓄倾向受预期的影响更大。这方面从人民银行数次通过降息来调整储蓄量，但是效果并不明显也可以看出来。 基尼系数对储蓄率的影响非常大，弹性达到了1.145280。这里可以看出，收入分配的均等程度对储蓄的影响非常明显。这是由于收入高的群体的储蓄倾向要明显的高于收入低的群体。 2.对宏观经济的政策建议 基于基尼系数对储蓄率的很大的影响，因此，国家应该重视对分配领域的调节，加大对低收入的者的转移支付，切合中国实际的对税收领域进行改革，缩小社会的贫富差距： 1）不要"逼"老百姓花钱，而要针对不同收入阶层，采取不同对策，引导居民消费 首先，增加中低收入居民的个人相对收入，在分配政策上进一步缩小收入差距；进行微观层面的改革和合适的福利体系改革，大力提高人们的收入预期；控制教育和医疗费用，降低人们的支出预期，减少公众的焦虑；积极发展消费信贷，尤其是助学贷款，减少人们为教育而储蓄的需要，让其"有钱花"。 其次，引导高收入居民向更高层次的消费过渡，努力提高其消费倾向，增加消费供给，让其"有地方花钱"，从而抑制储蓄倾向的进一步提高。 2）不要"逼"老百姓投资，而要不断增加金融创新，努力改善投资环境，刺激居民投资 目前的储蓄高增长主要是由于居民收入的持续增长、消费和投资的增速缓慢、居民手持现金的逐步减少而引起，充分暴露出我国经济架构的严重失衡。因此，必须采取相应的措施缓解储蓄增长的势头，并积极引导储蓄向投资转化： 第一，提供多样化的金融工具，不断开发新的金融产品，大力发展商业保险和社会保险，拓宽居民投资渠道，引导居民储蓄资金的合理分流。 第二，进一步发展和完善股票市场，规范上市公司的市场行为，逐步建立完善的、公开的信息披露制度，增强居民的投资信心。 第三，大力发展债券市场，尤其是企业债券市场，充分发挥债券融资的优势，加大企业从资本市场直接融资的比重。 第四，积极引导民间投资，用新型的融资方式拓宽民间投融资的渠道。稳定发展民营金融机构；建立民间投资退出机制；加强民间投资的信用体系建设。 3.模型的不足 在实际经济活动中，人们的预期对储蓄率的影响是非常明显的。由于这方面的影响很难用数据来描述以及碍于本文作者水平有限，所以本模型没有反映人们的预期对储蓄率的影响。 参考文献 1.何德旭：10万亿储蓄的多视角分析[N]。金融时报，2003-05-19. 2.屈宏斌：居民储蓄高增长堪忧[N]。经济观察报， 2003-03-31. 3.张锐：高储蓄挑战宏观政策[N]。世纪经济报道， 2003-04-29. 4.郭树清：深化投融资体制改革与完善货币政策传导机制[J].金融研究，2002，（2）。 5.武少俊：强化消费需求启动措施，保证经济持续快速增长[J].金融研究，2003，（5） 6.潘雅琼：我国城乡居民储蓄存款余额的趋势预测[J].统计与决策，2003（6） 7.刘隽亭,乔瑞红：我国居民储蓄持续增长的原因及特点分析[J].天津商学院学报，2005(2) 8.李焰：关于利率与我国居民储蓄关系的探讨[J].经济研究，1999(11) 9.韩汉君：中国的居民储蓄存款及其利率弹性[J].上海经济研究，1999(9) 10.庞皓：计量经济学.科学出版社，2008-1 计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。 计量经济学 期末实验报告 实验名称：大中城市城镇居民人均消费支出与其影响因素的分析 姓 名： 学 号： 班 级： （）级统计学系（）班 指导教师： 时 间： （上面是论文封皮） 23个城市城镇居民人均消费支出与其影响因素的分析（题目） 一、 经济理论背景 近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。 二、 有关人均消费支出及其影响因素的理论 我们主要从以下几个方面分析我国居民消费支出的影响因素： ①、居民未来支出预期上升，影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。 ②、商品供求结构性矛盾依然突出 从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。 ③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长 加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。 ④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长 经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。 三、 相关数据收集 相关数据均来源于2006年《中国统计年鉴》： 23个大中城市城镇居民家庭基本情况（表格） 地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元） 北京 1.6 1.8 1865.1 1633.2 1187.9 天津 1.4 2.0 2010.6 1889.8 939.8 石家庄 1.4 2.0 1061.3 1010.0 722.9 太原 1.3 2.2 1256.9 1159.9 789.5 呼和浩特 1.5 1.9 1354.2 1279.8 772.7 沈阳 1.3 2.1 1148.5 1048.7 812.1 大连 1.6 1.8 1269.8 1133.1 946.5 长春 1.8 1.7 1156.1 1016.1 690.2 哈尔滨 1.4 2.0 992.8 942.5 727.4 上海 1.6 1.9 1884.0 1686.1 1505.3 南京 1.4 2.0 1536.4 1394.0 920.6 杭州 1.5 1.9 1695.0 1464.9 1264.2 宁波 1.5 1.8 1759.4 1543.2 1271.4 合肥 1.6 1.8 1042.5 950.1 686.9 福州 1.7 1.9 1172.5 1059.4 942.8 厦门 1.5 1.9 1631.7 1394.3 998.7 南昌 1.4 1.8 1405.0 1321.1 665.4 济南 1.7 1.7 1491.3 1356.8 1071.4 青岛 1.6 1.8 1495.6 1378.5 1020.7 郑州 1.4 2.1 1012.2 954.2 750.3 武汉 1.5 2.0 1052.5 972.2 853.1 长沙 1.4 2.1 1256.9 1148.9 986.8 广州 1.7 1.8 1898.6 1591.1 1215.1 四、 模型的建立 根据数据，我们建立多元线性回归方程的一般模型为： 其中： ——人均消费支出 ——常数项 ——回归方程的参数 ——平均每户就业人口数 ——平均每一就业者负担人口数 ——平均每人实际月收入 ——人均可支配收入 ——随即误差项 五、实验过程 （一）回归模型参数估计 根据数据建立多元线性回归方程： 首先利用Eviews软件对模型进行OLS估计，得样本回归方程。 利用Eviews输出结果如下： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:08 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C -1682.180 1311.506 -1.282633 0.2159 X1 564.3490 395.2332 1.427889 0.1704 X2 569.1209 379.7866 1.498528 0.1513 X3 1.552510 0.629371 2.466766 0.0239 X4 -1.180652 0.742107 -1.590947 0.1290 R-squared 0.721234 Mean dependent var 945.2913 Adjusted R-squared 0.659286 S.D. dependent var 224.1711 S.E. of regression 130.8502 Akaike info criterion 12.77564 Sum squared resid 308191.9 Schwarz criterion 13.02249 Log likelihood -141.9199 F-statistic 11.64259 Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076 根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ， 从而初步得到的回归方程为： Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107) T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947) F=11.64259 df=18 模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于0.05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。 （二）处理多重共线性 我们采用逐步回归法对模型的多重共线性进行检验和处理： X1： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:28 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 153.8238 518.6688 0.296574 0.7697 X1 523.0964 341.4840 1.531833 0.1405 R-squared 0.100508 Mean dependent var 945.2913 Adjusted R-squared 0.057675 S.D. dependent var 224.1711 S.E. of regression 217.6105 Akaike info criterion 13.68623 Sum squared resid 994441.2 Schwarz criterion 13.78497 Log likelihood -155.3917 F-statistic 2.346511 Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491 X2： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 1756.641 667.2658 2.632596 0.0156 X2 -424.1146 347.9597 -1.218861 0.2364 R-squared 0.066070 Mean dependent var 945.2913 Adjusted R-squared 0.021597 S.D. dependent var 224.1711 S.E. of regression 221.7371 Akaike info criterion 13.72380 Sum squared resid 1032515. Schwarz criterion 13.82254 Log likelihood -155.8237 F-statistic 1.485623 Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412 X3： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:29 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 182.8827 137.8342 1.326831 0.1988 X3 0.540400 0.095343 5.667960 0.0000 R-squared 0.604712 Mean dependent var 945.2913 Adjusted R-squared 0.585888 S.D. dependent var 224.1711 S.E. of regression 144.2575 Akaike info criterion 12.86402 Sum squared resid 437014.5 Schwarz criterion 12.96276 Log likelihood -145.9362 F-statistic 32.12577 Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013 X4： Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:30 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 184.7094 161.8178 1.141465 0.2665 X4 0.596476 0.124231 4.801338 0.0001 R-squared 0.523300 Mean dependent var 945.2913 Adjusted R-squared 0.500600 S.D. dependent var 224.1711 S.E. of regression 158.4178 Akaike info criterion 13.05129 Sum squared resid 527020.1 Schwarz criterion 13.15003 Log likelihood -148.0898 F-statistic 23.05284 Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096 由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得： X1、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:32 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C -222.8991 345.9081 -0.644388 0.5266 X1 289.8101 227.2070 1.275533 0.2167 X3 0.517213 0.095693 5.404899 0.0000 R-squared 0.634449 Mean dependent var 945.2913 Adjusted R-squared 0.597894 S.D. dependent var 224.1711 S.E. of regression 142.1510 Akaike info criterion 12.87276 Sum squared resid 404138.2 Schwarz criterion 13.02087 Log likelihood -145.0368 F-statistic 17.35596 Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043 X2、X3 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:33 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 239.5536 531.1435 0.451015 0.6568 X2 -27.00981 244.0392 -0.110678 0.9130 X3 0.536856 0.102783 5.223221 0.0000 R-squared 0.604954 Mean dependent var 945.2913 Adjusted R-squared 0.565449 S.D. dependent var 224.1711 S.E. of regression 147.7747 Akaike info criterion 12.95036 Sum squared resid 436747.0 Schwarz criterion 13.09847 Log likelihood -145.9292 F-statistic 15.31348 Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093 X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:34 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 331.7015 142.5882 2.326290 0.0306 X3 1.766892 0.553402 3.192782 0.0046 X4 -1.473721 0.656624 -2.244390 0.0363 R-squared 0.684240 Mean dependent var 945.2913 Adjusted R-squared 0.652664 S.D. dependent var 224.1711 S.E. of regression 132.1157 Akaike info criterion 12.72634 Sum squared resid 349091.0 Schwarz criterion 12.87445 Log likelihood -143.3529 F-statistic 21.66965 Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010 由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。 X1、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:37 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 193.6693 403.8464 0.479562 0.6370 X1 89.29944 243.6512 0.366505 0.7180 X3 1.652622 0.646003 2.558228 0.0192 X4 -1.345001 0.757634 -1.775265 0.0919 R-squared 0.686457 Mean dependent var 945.2913 Adjusted R-squared 0.636950 S.D. dependent var 224.1711 S.E. of regression 135.0712 Akaike info criterion 12.80625 Sum squared resid 346640.3 Schwarz criterion 13.00373 Log likelihood -143.2719 F-statistic 13.86591 Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050 X2、X3、X4 Dependent Variable: Y Method: Least Squares Date: 12/11/07 Time: 16:38 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 62.60939 489.2088 0.127981 0.8995 X2 134.1557 232.9303 0.575948 0.5714 X3 1.886588 0.600027 3.144175 0.0053 X4 -1.596394 0.701018 -2.277251 0.0345 R-squared 0.689658 Mean dependent var 945.2913 Adjusted R-squared 0.640657 S.D. dependent var 224.1711 S.E. of regression 134.3798 Akaike info criterion 12.79599 Sum squared resid 343100.8 Schwarz criterion 12.99347 Log likelihood -143.1539 F-statistic 14.07429 Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046 由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于0.05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为： Se= (142.5882) (0.553402) (0.656624) T= (2.326290) (3.192782) (-2.244390) F=21.66965 df=20 （三）.异方差性的检验 对模型 进行怀特检验： White Heteroskedasticity Test: F-statistic 1.071659 Probability 0.399378 Obs*R-squared 4.423847 Probability 0.351673 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/07 Time: 16:53 Sample: 1 23 Included observations: 23 Variable Coefficient Std. Error t-Statistic Prob. C 34247.50 128527.9 0.266460 0.7929 X3 247.9623 628.1924 0.394723 0.6977 X3^2 -0.071268 0.187278 -0.380548 0.7080 X4 -333.6779 714.3390 -0.467114 0.6460 X4^2 0.121138 0.229933 0.526841 0.6047 R-squared 0.192341 Mean dependent var 15177.87 Adjusted R-squared 0.012861 S.D. dependent var 23242.54 S.E. of regression 23092.59 Akaike info criterion 23.12207 Sum squared resid 9.60E+09 Schwarz criterion 23.36892 Log likelihood -260.9038 F-statistic 1.071659 Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378 由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=30.1435，因为 < (5)= 30.1435,所以模型中不存在异方差。 （四）.自相关的检验 由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于0.05，D-W值为2.111635，显著性水平 =0.05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =1.543<D-W=2.111635<4 ，由DW检验决策规则可知，该模型不存在自相关问题。 六、对模型进行分析和解释经济学意义 回归方程的意义为：当平均每人实际月收入不变时，人均可支配收入每增加一个单位，人均消费支出减少1.473721个单位；当人均可支配收入不变时，平均每人实际月收入每增加一个单位，人均消费支出增加1.766892个单位。 七、 就模型所反映的问题给出针对性的政策建议或结论 对于我国人均消费支出的分析中，可以看出我国在过去的几年里经济发展稳健，但是由于种种原因导致我国经济的现状存在一定的问题，如不完善的社会保障制度导致消费结构不合理；过高的居民储蓄存款影响居民消费倾向；消费品生产行业投资方向失误和低效率引起国内市场消费梗阻；保守的消费观念和消费政策的制约；教育支出比重过大影响居民消费倾向 。对此我们国家应该在以下几个方面对居民消费中存在的问题进行对策研究 （一）建立和完善社会保障制度，增强居民消费信心 （二）培育新的消费热点，拓展居民的消费领域 （三）促使商品消费从自我积累型向信用支持型转变 （四）分层次促进居民消费 （五）破解影响消费结构优化的政策制约 （六）化解有效供给不足与产品相对过剩的矛盾本回答被网友采纳/ckgj/jjjlx.htm.cn/SoftList.asp?CateID=30&SubCateID=451.cn/pages/2005/07/06/D174335.htmlhttp://www.pinggu.org/bbs/dispbbs.asp?boardID=5&ID=61122&star=6&page=希望以上网站内容能帮到你
计量经济学课程论文 小组成员： 组长： 指导教师： 日期：2010/年5月27日 2006年我国各城市的GDP变动的多因素分析 摘要：本文主要通过对各城市同一时期的GDP进行多因素分析，建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。 关键词：GDPY(亿元）多因素分析模型计量经济学检验 一、引言部分 GDP（国内生产总值）指一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，从价值形态看，它是所有常住单位在一定时期内生产的全部货物和服务价值超过同期中间投入的全部非固定资产货物和服务价值的差额，即所有常住单位的增加值之和。GDP在创造的同时也被相应的生产要素分走了，主要体现为劳动报酬和利润。在现代社会政府还要以税收的形式拿走一部分GDP。本文主要研究就业人数L（万人）、各地区资本形成总额K(亿元）剔除价格影响因素即商品零售价格指数P（上年=100）之后对各城市同一时期的GDP的影响。 二、文献综述 注：2006年各城市同一时期的GDP总量的数据来源于《中国统计年鉴2007》； 2006年就业人数L（万人）的数据来源于《中国统计年鉴2007》； 2006年资本形成总额K(亿元）的数据来源于《中国统计年鉴2007》,本表按2006年价格计算； 2006年商品零售价格指数P（上年=100）的数据来源于《中国统计年鉴2007》； 三、研究目的 通过研究各个城市在同一时期的GDP建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。掌握建立多元回归模型和比较、筛选模型的方法。 四、实验内容 根据生产函数理论，生产函数的基本形式为:。其中，L、K分别为产出GDP的过程中投入的劳动与资金,本文未考虑时间变量即技术进步的影响。上表列出了我国2006年我国各个城市的GDP的有关统计资料；其中产出Y为各城市同一时期的GDP（可比价），L、K分别为2006年年末职工人数和各地区资本形成总额（可比价）。 五、建立模型并进行模型的参数估计、检验及修正 （一）我们先建立Y1与L的关系模型： 其中，Y1——各个城市在同一时期的实际GDP(亿元) L——2006年年末职工人数（万人） 模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，经回归分析，作出Y1与L的散点图如下： 利用EVIEWS软件，用OLS方法估计得： DependentVariable:Y1 Method:LeastSquares Date:05/27/10Time:14:45 Sample:136 Includedobservations:31 VariableCoefficientStd.Errort-StatisticProb. C-1647.264517.2169-3.1848610.0034 L14.994170.71254921.042990.0000 R-squared0.938534Meandependentvar7387.979 AdjustedR-squared0.936415S.D.dependentvar6367.139 S.E.ofregression1605.545Akaikeinfocriterion17.66266 Sumsquaredresid74755513Schwarzcriterion17.75517 Loglikelihood-271.7712F-statistic442.8073 Durbin-Watsonstat1.503388Prob(F-statistic)0.000000 可见，L的t值显著，且系数符合经济意义。从经济意义上讲，劳动每增加一单位，都可以使实际GDP相应增加14.9941，这在一定条件下可以实现。另外，修正可决系数为0.936415，F值为442.8073，明显通过了F检验。且L的P检验值为0，小于0.05,所以通过了P值检验 （二）建立Y1与K1的关系模型： 其中，Y1——各个城市在同一时期的实际GDP(亿元) K1——各地区资本形成总额(实际投入额)（亿元） 模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，经回归分析，作出Y1与K1的散点图如下： 利用EVIEWS软件，用OLS方法估计得： DependentVariable:Y1 Method:LeastSquares Date:05/27/10Time:17:16 Sample:136 Includedobservations:31 VariableCoefficientStd.Errort-StatisticProb. C-705.0563393.0357-1.7938730.0833 K12.2411060.08675125.833850.0000 R-squared0.958357Meandependentvar7387.979 AdjustedR-squared0.956921S.D.dependentvar6367.139 S.E.ofregression1321.537Akaikeinfocriterion17.27332 Sumsquaredresid50647333Schwarzcriterion17.36583 Loglikelihood-265.7364F-statistic667.3880 Durbin-Watsonstat1.697910Prob(F-statistic)0.000000 可见，K1的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加2.241106，这在一定条件下可以实现。另外，修正可决系数为0.956921，F值为667.3880，明显通过了F检验。且K1的P检验值为0，小于0.05,所以通过了P值检验 通过两个模型的可绝系数、调整可决系数、T检验、F检验、P值检验的比较，明显的，Y1与K1的关系模型优于Y1与L的关系模型。因此，在以Y1与K1的关系模型为基础模型的条件下，建立二元关系模型。 （三）建立Y1与K1和L的二元关系模型 其中，Y1——各个城市在同一时期的实际GDP(亿元) K1——各地区资本形成总额(实际投入额)（亿元） L——2006年年末职工人数（万人） 利用EVIEWS软件，用OLS方法估计得 DependentVariable:Y1 Method:LeastSquares Date:05/27/10Time:17:23 Sample:136 Includedobservations:31 VariableCoefficientStd.Errort-StatisticProb. C-1369.643303.2218-4.5169680.0001 K11.3367960.1761047.5909360.0000 L6.5222681.1906065.4781070.0000 R-squared0.979900Meandependentvar7387.979 AdjustedR-squared0.978464S.D.dependentvar6367.139 S.E.ofregression934.3899Akaikeinfocriterion16.60943 Sumsquaredresid24446367Schwarzcriterion16.74820 Loglikelihood-254.4462F-statistic682.5040 Durbin-Watsonstat1.633165Prob(F-statistic)0.000000 可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为0.978464，F值为682.5040，明显通过了F检验。且K1和L的P检验值为0，均小于0.05,所以通过了P值检验。 通过两个模型的可绝系数、调整可决系数、T检验、F检验、P值检验的比较，明显的，Y1与K1和L的关系模型优于Y1与K1的关系模型。因此，建立二元关系模型更符合实际经济情况。 （四）建立非线性回归模型——C-D生产函数。 C-D生产函数为：，对于此类非线性函数，可以采用以下两种方式建立模型。 方式1：转化成线性模型进行估计； 在模型两端同时取对数，得： 在EViews软件的命令窗口中依次键入以下命令： GENRLNY1=log（Y1） GENRLNL=log（L） GENRLNK1=log（K1） LSLNY1CLNLLNK1 则估计结果如图所示。 DependentVariable:LNY1 Method:LeastSquares Date:05/27/10Time:17:29 Sample:136 Includedobservations:31 VariableCoefficientStd.Errort-StatisticProb. C0.2423450.1981801.2228530.2316 LNK10.6665000.0827078.0585380.0000 LNL0.4933220.0881285.5977750.0000 R-squared0.988755Meandependentvar8.504486 AdjustedR-squared0.987951S.D.dependentvar1.037058 S.E.ofregression0.113834Akaikeinfocriterion-1.416379 Sumsquaredresid0.362831Schwarzcriterion-1.277606 Loglikelihood24.95388F-statistic1230.946 Durbin-Watsonstat1.295173Prob(F-statistic)0.000000 可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为0.987951，F值为1230.946，明显通过了F检验。且K1和L的P检验值为0，均小于0.05,所以通过了P值检验。 通过对以上模型的可决系数、调整可决系数、F检验的比较，明显的，该模型最优。因此，选用该模型为以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立的最优多元线性回归模型。 六、总结 综上所述，我们采用截面数据拟合的模型成功的反映各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）间的数量关系，是一个成功的模型。从模型中看出，各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）有非常密切的关系，与柯布-道格拉斯（C-D）生产函数密切吻合，验证了柯布-道格拉斯（C-D）生产函数的正确。 参考文献： 1、《国民经济核算——国家统计年鉴2007》 2、《价格指数——国家统计年鉴2007》 3、《中国国内生产总值核算》,作者：许宪春编著，追问
有时间数据是是近一两年的吗？？？本回答由网友推荐
计量经济学课程论文 小组成员： 组长： 指导教师： 日期：2010/年5月27日 2006年我国各城市的GDP变动的多因素分析 摘要：本文主要通过对各城市同一时期的GDP进行多因素分析，建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。 关键词：GDPY(亿元） 多因素分析 模型 计量经济学 检验 一、引言部分 GDP（国内生产总值）指一个国家（或地区）所有常住单位在一定时期内生产活动的最终成果，从价值形态看，它是所有常住单位在一定时期内生产的全部货物和服务价值超过同期中间投入的全部非固定资产货物和服务价值的差额，即所有常住单位的增加值之和。GDP在创造的同时也被相应的生产要素分走了，主要体现为劳动报酬和利润。在现代社会政府还要以税收的形式拿走一部分GDP。本文主要研究就业人数L（万人）、各地区资本形成总额K(亿元）剔除价格影响因素即商品零售价格指数P（上年=100）之后对各城市同一时期的GDP的影响。 二、文献综述 注： 2006年各城市同一时期的GDP总量的数据来源于《中国统计年鉴2007》； 2006年就业人数L（万人）的数据来源于《中国统计年鉴2007》； 2006年资本形成总额K(亿元）的数据来源于《中国统计年鉴2007》,本表按2006年价格计算； 2006年商品零售价格指数P（上年=100）的数据来源于《中国统计年鉴2007》； 三、研究目的 通过研究各个城市在同一时期的GDP建立以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立多元线性回归模型，从而对各城市同一时期的GDP进行数量化分析。掌握建立多元回归模型和比较、筛选模型的方法。 四、实验内容 根据生产函数理论，生产函数的基本形式为: 。其中，L、K分别为产出GDP的过程中投入的劳动与资金,本文未考虑时间变量 即技术进步的影响。上表列出了我国2006年我国各个城市的GDP的有关统计资料；其中产出Y为各城市同一时期的GDP（可比价），L、K分别为2006年年末职工人数和各地区资本形成总额（可比价）。 五、建立模型并进行模型的参数估计、检验及修正 （一） 我们先建立Y1与L的关系模型： 其中，Y1——各个城市在同一时期的实际GDP(亿元) L——2006年年末职工人数（万人） 模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，经回归分析，作出Y1与L的散点图如下： 利用EVIEWS软件，用OLS方法估计得： Dependent Variable: Y1 Method: Least Squares Date: 05/27/10 Time: 14:45 Sample: 1 36 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -1647.264 517.2169 -3.184861 0.0034 L 14.99417 0.712549 21.04299 0.0000 R-squared 0.938534 Mean dependent var 7387.979 Adjusted R-squared 0.936415 S.D. dependent var 6367.139 S.E. of regression 1605.545 Akaike info criterion 17.66266 Sum squared resid 74755513 Schwarz criterion 17.75517 Log likelihood -271.7712 F-statistic 442.8073 Durbin-Watson stat 1.503388 Prob(F-statistic) 0.000000 可见，L的t值显著，且系数符合经济意义。从经济意义上讲，劳动每增加一单位，都可以使实际GDP相应增加14.9941， 这在一定条件下可以实现。另外，修正可决系数为0.936415，F值为442.8073，明显通过了F检验。且L的P检验值为0，小于0.05,所以通过了P值检验 （二）建立Y1与K1的关系模型： 其中，Y1——各个城市在同一时期的实际GDP(亿元) K1——各地区资本形成总额(实际投入额)（亿元） 模型的参数估计及其经济意义、统计推断的检验 利用EVIEWS软件，经回归分析，作出Y1与K1的散点图如下： 利用EVIEWS软件，用OLS方法估计得： Dependent Variable: Y1 Method: Least Squares Date: 05/27/10 Time: 17:16 Sample: 1 36 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -705.0563 393.0357 -1.793873 0.0833 K1 2.241106 0.086751 25.83385 0.0000 R-squared 0.958357 Mean dependent var 7387.979 Adjusted R-squared 0.956921 S.D. dependent var 6367.139 S.E. of regression 1321.537 Akaike info criterion 17.27332 Sum squared resid 50647333 Schwarz criterion 17.36583 Log likelihood -265.7364 F-statistic 667.3880 Durbin-Watson stat 1.697910 Prob(F-statistic) 0.000000 可见，K1的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加2.241106， 这在一定条件下可以实现。另外，修正可决系数为0.956921，F值为667.3880，明显通过了F检验。且K1的P检验值为0，小于0.05,所以通过了P值检验 通过两个模型的可绝系数 、调整可决系数 、T检验、F检验、P值检验的比较，明显的 ，Y1与K1的关系模型优于Y1与L的关系模型。因此，在以Y1与K1的关系模型为基础模型的条件下，建立二元关系模型。 （三）建立Y1与K1和L的二元关系模型 其中，Y1——各个城市在同一时期的实际GDP(亿元) K1——各地区资本形成总额(实际投入额)（亿元） L——2006年年末职工人数（万人） 利用EVIEWS软件，用OLS方法估计得 Dependent Variable: Y1 Method: Least Squares Date: 05/27/10 Time: 17:23 Sample: 1 36 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C -1369.643 303.2218 -4.516968 0.0001 K1 1.336796 0.176104 7.590936 0.0000 L 6.522268 1.190606 5.478107 0.0000 R-squared 0.979900 Mean dependent var 7387.979 Adjusted R-squared 0.978464 S.D. dependent var 6367.139 S.E. of regression 934.3899 Akaike info criterion 16.60943 Sum squared resid 24446367 Schwarz criterion 16.74820 Log likelihood -254.4462 F-statistic 682.5040 Durbin-Watson stat 1.633165 Prob(F-statistic) 0.000000 可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为0.978464，F值为682.5040，明显通过了F检验。且K1和L的P检验值为0，均小于0.05,所以通过了P值检验。 通过两个模型的可绝系数 、调整可决系数 、T检验、F检验、P值检验的比较，明显的 ，Y1与K1和L的关系模型优于Y1与K1的关系模型。因此，建立二元关系模型更符合实际经济情况。 （四）建立非线性回归模型——C-D生产函数。 C-D生产函数为： ，对于此类非线性函数，可以采用以下两种方式建立模型。 方式1：转化成线性模型进行估计； 在模型两端同时取对数，得： 在EViews软件的命令窗口中依次键入以下命令： GENR LNY1=log（Y1） GENR LNL=log（L） GENR LNK1=log（K1） LS LNY1 C LNL LNK1 则估计结果如图所示。 Dependent Variable: LNY1 Method: Least Squares Date: 05/27/10 Time: 17:29 Sample: 1 36 Included observations: 31 Variable Coefficient Std. Error t-Statistic Prob. C 0.242345 0.198180 1.222853 0.2316 LNK1 0.666500 0.082707 8.058538 0.0000 LNL 0.493322 0.088128 5.597775 0.0000 R-squared 0.988755 Mean dependent var 8.504486 Adjusted R-squared 0.987951 S.D. dependent var 1.037058 S.E. of regression 0.113834 Akaike info criterion -1.416379 Sum squared resid 0.362831 Schwarz criterion -1.277606 Log likelihood 24.95388 F-statistic 1230.946 Durbin-Watson stat 1.295173 Prob(F-statistic) 0.000000 可见，K1和L的t值显著，且系数符合经济意义。从经济意义上讲，资本每增加一单位，都可以使实际GDP相应增加。另外，修正可决系数为0.987951，F值为1230.946，明显通过了F检验。且K1和L的P检验值为0，均小于0.05,所以通过了P值检验。 通过对以上模型的可决系数 、调整可决系数 、F检验的比较，明显的 ，该模型最优。因此，选用该模型为以各城市同一时期的GDP为被解释变量，以其它可量化横截面数据作为解释变量建立的最优多元线性回归模型。 六、总结 综上所述，我们采用截面数据拟合的模型成功的反映各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）间的数量关系，是一个成功的模型。从模型中看出，各城市同一时期的GDPY1与就业人数L（万人）和各地区剔除价格影响因素即商品零售价格指数P（上年=100）的资本形成总额K1(亿元）有非常密切的关系，与柯布-道格拉斯 （C-D）生产函数密切吻合，验证了柯布-道格拉斯 （C-D）生产函数的正确。 参考文献： 1、《国民经济核算——国家统计年鉴2007》 2、《价格指数——国家统计年鉴2007》 3、《中国国内生产总值核算》,作者：许宪春 编著，
关于我国城镇居民储蓄存款模型的计量经济分析（我的姓名等信息就省略了啊呵呵）内容摘要：本文利用我国1978年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型，对我国城镇居民储蓄存款情况进行实证分析。通过对该模型的经济含义分析得出各种主要因素对我国城镇居民储蓄存款数量的影响程度，并针对我国城镇居民存款储蓄现状提出自己的一些建议。关键词：居民储蓄存款实证分析主要因素一、问题的提出1978年以来,随着我国国民经济的飞速发展,我国的居民储蓄也出现高速增长的态势。进入90年代以后．我国居民储蓄存款余额始终保持在两位数的增长速度。我国居民储蓄存款持续增长这一经济现象引起国内理论界的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响。所以国家相继出台了一系列积极的财政和货币政策,以刺激国内消费和投资需求,分流储蓄,但是居民储蓄依然持续增加。由于居民的储蓄存款直接影响着居民的消费行为，影响着货币的供给量，进而间接影响着国家经济的发展，宏观调控的力度和效果，因此，对我国居民存款储蓄问题的深入研究就显得尤为重要，这有助于帮助大家认清现状，做出合理的决策。虽然我们作为本科阶段的学生对这个问题的理解和研究还不够深入和透彻，但对此问题的探索有利于我们更好的掌握专业知识，了解国情，提高实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。二、文献综述我国有很多学者建立了许多的储蓄模型来分析各因素对居民储蓄的影响程度,但分析结论的差异很大。整理以前的研究成果,一个社会的储蓄总量受很多因数的影响，根据经典西方宏观经济学理论，储蓄水平主要受收入因数、利息率、物价水平、收入分配等因数的影响：1.收入因数收入是决定储蓄的重要因数，收入的变化会直接决定着储蓄的变化。在其他条件不变的情况下，储蓄与可支配收入之间存在着正方向的变化关系，即居民的可支配收入增加，储蓄量增加；个人可支配收入减少，储蓄量减少。可支配收入是指居民户在支付个人所得税之后，余下的全部实际现金收入。2.利息率传统经济学认为，在收入即定的条件下，较高的利息率会使储蓄增加。在本文中，我们选用的利息率是根据当年变动月份加权平均后的一年期储蓄存款加权利率。3.物价水平物价水平会导致居民户的消费倾向的改变，从而也就会改变居民户的储蓄倾向。本文用通货膨胀率来考察物价水平对储蓄率的影响。4.收入分配凯恩斯认为，收入分配的均等化程度越高，社会的平均消费倾向就会越高，社会的储蓄倾向就会越低。在国际上，衡量收入分配平均状况最常用的指数是基尼系数。三、变量的选取及分析目前我国正处于改革时期，各种不确定性因素很多。因而，要分析各种因素对中国居民储蓄行为的影响，必须立足于中国的国情。1998年后，中国经济运行进入了一种新的体制约束状态，出现了明显的供给过剩，需求对经济增长的约束与拉动作用明显增强，投资、消费膨胀的内在动力明显不足；同时，由于我国市场机制尚不健全，市场经济发育不成熟，市场体制的控制力还有限，从而不能形成一种有效地传导机制。市场化的改革对人们的经济行为、心理行为带来了很大影响，银行开始考虑贷款风险，投资者开始考虑投资回报，而消费者也开始考虑最佳的消费时机和预期收入。这说明，我们的微观经济层面已生长出一种内在的约束机制，然而社会各个方面对这些积极的因素还很不适应，微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾，导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。当前影响我国居民储蓄的因素有很多，概括起来有以下几点：居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、"假性"存款的影响、消费领域的信用等级、高收入阶层消费状况、就业形势压力、体制改革、居民收入水平等。由于我现在的时间和能力有限，只能综合考虑，选取一部分变量进行研究，而且为了方便查找数据，只建立我国城镇居民储蓄存款模型进行研究。本文选用当年的收入增长率来考察收入因数对储蓄率的影响。用城镇居民的储蓄率作为被解释变量。另外还选取了中国1979年到2002年的各年的城镇居民收入的基尼系数、一年期储蓄利率和通货膨胀率作为解释变量。四、数据及处理本文模型数据样本为从1979-2002年。年份城镇居民储蓄率城镇居民收入增长率一年期储蓄利率通货膨胀率城镇居民基尼系数19790.063680870.2648699343.780.020.1619800.087405860.2203850895.040.0598040.1519810.070936260.1041764465.40.0240520.1519820.081055860.1391654125.670.018970.1519830.099635010.0937235635.760.0150710.1619840.130255840.2453570085.760.0279480.1919850.151615020.1842411226.720.088360.1919860.174545420.2807009717.20.0601090.219870.21754530.1675158647.20.0729010.2319880.178621520.2197289297.680.1853120.2319890.27212020.19982709511.120.1777650.2319900.327606140.1235797039.920.0211410.2419910.310324430.1636678247.920.0288880.2519920.30169070.2288194257.560.0538140.2719930.31990610.3112333279.260.1318830.319940.424864350.39721089810.980.2169480.2819950.448980360.26107610410.980.1479690.2819960.409034770.1982080039.210.0609380.2919970.309350150.1277397797.170.0079410.319980.257779780.1088521415.02-0.0260.29519990.212346080.1345570352.89-0.029930.320000.12392050.1256883582.25-0.015010.3220010.241553060.143640712.25-0.00790.3320020.298978220.1731064952.03-0.013080.319数据来源：各年份的《中国统计年鉴》注：Y代表城镇居民储蓄率X1代表城镇居民收入增长率X2代表一年期储蓄利率X3代表通货膨胀率X4代表城镇居民基尼系数五、模型及处理基于以上数据，建立的模型是：Y=β1+β2X1+β3X2+β4X3+β5X4+uβ1度量了截距项，它表示在没有收入的时候人们也要花钱消费，储蓄率为负。β2度量了当城镇个人可支配收入率变动1%时，储蓄增长率的变动。β3度量了当利率变动一个单位，其实也就是1%时，储蓄的增量的变动。β4度量了当通货膨胀率变动一个单位，储蓄增量的变动。β5度量了基尼系数对储蓄率的影响。这也是本文的重点变量。u是随机误差项。对Y做回归利用eviews最小二乘估计结果如下VariableCoefficientStd.Errort-StatisticProb.C-0.2646460.045525-5.8131540.0000X10.3174260.1756781.8068640.0875X20.0240540.0036886.5230930.0000X30.0244760.2055080.1190990.9065X41.1275230.1493187.5511270.0000R-squared0.897971Meandependentvar0.234065AdjustedR-squared0.875298S.D.dependentvar0.116109S.E.ofregression0.041002Akaikeinfocriterion-3.360748Sumsquaredresid0.030260Schwarzcriterion-3.113901Loglikelihood43.64860F-statistic39.60525Durbin-Watsonstat1.541473Prob(F-statistic)0.000000根据以上结果，初步得出的模型为Y=-0.264646+0.317426X1+0.024054X2+0.024476X3+1.127523X4.1.经济意义的检验该模型可以通过初步的经济意义的检验，系数的符号符合经济理论。2.统计检验从表中可以看出，显然通货膨胀率的系数通不过T检验，R2=0.897971，2值为0.875298，模型的拟合情况较好。F检验的值为39.60525，整个模型对储蓄率的增长影响是显著的。3.多重共线性的检验从F值可知此模型整体显著，但是分析各个变量后发现X1和X3不显著，可能存在多重共线性，运用消除多重共线性的逐步回归方法我们可以得到要放弃X3这个变量，重新做回归分析得到：Y=β1+β2X1+β3X2+β5X4+uVariableCoefficientStd.Errort-StatisticProb.C-0.2714870.041322-6.5700560.0000X10.3147870.1137992.7661770.0119X20.0244870.0031787.7049860.0000X41.1452800.1378868.3059870.0000R-squared0.897094Meandependentvar0.229740AdjustedR-squared0.881658S.D.dependentvar0.115517S.E.ofregression0.039739Akaikeinfocriterion-3.461967Sumsquaredresid0.031583Schwarzcriterion-3.265624Loglikelihood45.54360F-statistic58.11739Durbin-Watsonstat1.556309Prob(F-statistic)0.000000从新模型的整体效果来看，R值和F值都很好，而且各个变量的t统计量也表明各个变量对储蓄率的增长都有显著影响。因此模型可设为Y=-0.271487+0.314787X1+0.024487X2+1.145280X44.异方差性检验对新模型进行异方差性的检验，运用white检验，得到如下结果：WhiteHeteroskedasticityTest:F-statistic2.669433Probability0.054505Obs*R-squared11.50596Probability0.073942Obs*R-squared的计算结果是11.50596，，由于选用的没有交叉乘积项的方式，所以自由度为7，在0.05的显著水平下，查表得（7）=12.59〉11.50596，所以接受原假设，即该模型不存在异方差性。5.自相关性的检验从上表可知DW值为1.556309，且样本容量n=24，有三个解释变量的条件下，给定显著性水平=0.01，查D-W表得，d=0.882,d=1.407,这时有d
下面，给到一些题目，你觉得对你简单的就可以写。
1.杨海文:空间计量模型的选择、估计及其应用江西财经大学,2015。
2.何煜辉:我国企业合并商誉会计计量研究北京交通大学,2015。
3.陈天约:投资性房地产公允价值计量对企业财务绩效的影响华东理工大学,2015。
4.张春燕:公允价值计量模式在投资性房地产中应用的实证研究武汉科技大学,2014。
5.陈晨:投资性房地产公允价值计量动因与经济后果研究中国矿业大学,2014。
6.张甜:公允价值计量模式在投资性房地产中的应用研究厦门大学,2014。
7.赵轶:金融集聚、空间溢出与区域经济增长西南财经大学,2014。
8.李蓉:自创商誉的计量及其应用研究北京交通大学,2014。
9.杨友焱:投资性房地产公允价值计量的应用及财务影响研究重庆大学,2013。
10.胡庭清:非活跃市场环境下公允价值会计计量问题研究湖南大学,2012。
当然，最好是结合题目的同时，结合自己的现实情况，加入自己的想法，进行创新。
我耐心看完了，估算一下，做这个需要三个小时及以上，本人很懒的，你要是已经有了个大纲只差数据分析和检验我不介意给你辛苦一下，可是，三个小时很宝贵的....gujki
文献 经济学论文
