美国排名第一儿科医院 波士顿儿童医院就医感受一、理论依据
回归分析是在对线性分析模型提出若干假设的条件下,应用普通最小二乘法得到了无偏的、有效的参数估计量。但是,在实际的计量经济学问题中,完全满足这些基本假设的情况并不多见。
如果违背了某一项基本假设,那么应用最小二乘法估计模型就不能得到无偏的、有效的参数估计量,OLS法失效,这就需要发展新的方法估计模型。
二、建立建立GDP的CD生产函数模型
年份
国内生产总值(亿元)
就业人数L(万人)
资本形成总额K(亿元)
1984
7226.3
48197
2495.1
1985
9039.9
4...
一、理论依据
回归分析是在对线性分析模型提出若干假设的条件下,应用普通最小二乘法得到了无偏的、有效的参数估计量。但是,在实际的计量经济学问题中,完全满足这些基本假设的情况并不多见。
如果违背了某一项基本假设,那么应用最小二乘法估计模型就不能得到无偏的、有效的参数估计量,OLS法失效,这就需要发展新的方法估计模型。
二、建立建立GDP的CD生产函数模型
年份
国内生产总值(亿元)
就业人数L(万人)
资本形成总额K(亿元)
1984
7226.3
48197
2495.1
1985
9039.9
49873
3557.5
1986
10308.08
51282
3921.9
1987
12102.2
52783
4562
1988
15101.1
54334
5970.2
1989
17090.3
55329
6412.7
1990
18774.3
64749
6447
1991
21895.5
65491
7768
1992
27068.3
66152
10686.3
1993
35524.3
66808
15603.8
1994
48459.6
67455
19704.9
1995
61129.8
68065
24104.6
1996
71572.3
68950
27284.5
1997
79429.5
69820
28632.5
1998
84883.7
70637
30035.4
1999
90187.7
71394
31228.7
2000
99776.3
72085
33960.7
2001
110270.4
72797
39715.6
2002
121002
73280
44310.9
2003
136564.6
73736
54850.9
2004
160714.4
74264
68156
2005
185895.8
74647
75954
2006
217656.6
74978
87875.2
2007
268019.4
75321
109624.6
2008
316751.7
75564
135199
2009
345629.2
75828
158301.1
2010
408903
76105
192015.3
2011
484123.5
76420
227593.1
2012
534123
76704
248389.9
2013
588018.8
76977
274176.7
2014
636138.7
77253
293783.1
1984-2014年GDP、就业人数、资本形成总额统计表
(数据来源于国家统计年鉴)
利用EViews软件估计结果得:
LnY?=-4,3705+0.5841lnL+0.8851lnK
t = (-1.4306)(2.0309)(33.7808)
R2=0.9991 R2=0.9990 F=6995.2170 DW=1.7909
即:
在资本投入保持不变的条件下,劳动投入每增加1%,产出将平均增加0.5841%
在劳动投入保持不变的条件下,资本投入每增加1%,产出将平均增加0.8511%.
三、自相关性
自相关性的检验
由残差图估计得残差et呈线性回归,表明随机项ut存在。
DW检验:
DW=0.56918
给定显著性水平α=0.05 n=31k=2
查表得得下限临界值dL=1.36和上限临界值dU=1.50
由W=0.56918<dL=1.36,这时随机误差项存在一阶正自相关。
回归检验法
建立残差项et与et-1、et-2的回归模型。由结果可得随机误差项存在一阶自相关。
相关图和Q统计量检验
明显可得我国gdp模型存在着一阶自相关性
各阶滞后的Q统计量的p值都小于0.05
说明在5%的显著性水平下,拒绝原假设,残差序列存在自相关。
自相关性的修正
迭代估计法
在命令窗口中键入“LS lnGDP C lnLlnK AR(1) AR(2)”得到表3.2.1回归结果。
由上图得DW=1.790932n=29k=2α=0.05
查表得dL=1.34,dU=1.48<DW=1.790932<4-dU=2.52
所以模型已不存在自相关。此时,回归方程为:
LnY?=-4,3705+0.5841lnL+0.8851lnK
t = (-1.4306)(2.0309)(33.7808)
R2=0.9991 R2=0.9990 F=6995.2170 DW=1.7909
四、异方差性
异方差性的检验
图示法
假设国内生产总值的差别主要来源于就业人数,所以是L引起了异方差性。
模型得到的残差平方与lnL、lnK的散点图表明存在复杂的异方差性。
图4.1.1 异方差性检验图
德菲尔德—匡特检验
将原始数据按lnL排成升序,去掉中间7个数据,得到两个容量为12的子样,对两个子样分别做OLS回归,求各自残差平方和和。求得=0.003751,=0.023462。
计算出F=/=0.023462/0.003751=6.2549,取α=0.05时,查F分布表得(9,9)=3.18,而F=6.2549>(9,9)=3.18,所以存在递增的异方差性。
4.1.3 戈里瑟和帕克检验
4.1.3.1 戈里瑟检验
利用Eviews进行戈里瑟检验。生成
序列,再分别建立
与这些序列的回归方程。
由上述各回归结果可知,
的回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验。所以认为存在异方差性。
4.1.4 ARCH检验
样本资料是时间序列数据,所以继续用ARCH方法检验异方差。利用Eviews软件得到ARCH检验结果如表4.1.4所示。
表4.1.4 ARCH检验结果
Heteroskedasticity Test: ARCH
F-statistic
5.549504
Prob. F(1,28)
0.0257
Obs*R-squared
4.962372
Prob. Chi-Square(1)
0.0259
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/11/16 Time: 18:20
Sample (adjusted): 1985 2014
Included observations: 30 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.001899
0.001216
1.561583
0.1296
RESID^2(-1)
0.405380
0.172082
2.355738
0.0257
R-squared
0.165412
Mean dependent var
0.003371
Adjusted R-squared
0.135606
S.D. dependent var
0.006143
S.E. of regression
0.005712
Akaike info criterion
-7.428288
Sum squared resid
0.000913
Schwarz criterion
-7.334875
Log likelihood
113.4243
Hannan-Quinn criter.
-7.398404
F-statistic
5.549504
Durbin-Watson stat
1.741829
Prob(F-statistic)
0.025721
取显著水平α=0.05,LM(p)=(n-p)=4.96236>(p)=(1)=3.841,则拒绝,表明模型中存在异方差性,即存在异方差效应。
异方差性的修正
加权最小二乘法
下面采用加权最小二乘法对原模型进行回归。取L的倒数1/L为权数进行加权最小二乘法,回归结果如表4.2.1所示。
表4.2.1 加权最小二乘法估计结果
Dependent Variable: LNY
Method: Least Squares
Date: 11/11/16 Time: 20:47
Sample: 1984 2014
Included observations: 31
Weighting series: 1/L
Weight type: Inverse standard deviation (EViews default scaling)
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-4.959106
1.765688
-2.808598
0.0090
LNL
0.628949
0.175282
3.588205
0.0013
LNK
0.892752
0.019335
46.17326
0.0000
Weighted Statistics
R-squared
0.998239
Mean dependent var
11.11969
Adjusted R-squared
0.998113
S.D. dependent var
0.587399
S.E. of regression
0.062592
Akaike info criterion
-2.612590
Sum squared resid
0.109698
Schwarz criterion
-2.473817
Log likelihood
43.49515
Hannan-Quinn criter.
-2.567354
F-statistic
7935.028
Durbin-Watson stat
0.668724
Prob(F-statistic)
0.000000
Weighted mean dep.
10.91758
Unweighted Statistics
R-squared
0.998024
Mean dependent var
11.30253
Adjusted R-squared
0.997883
S.D. dependent var
1.360337
S.E. of regression
0.062586
Sum squared resid
0.109675
Durbin-Watson stat
0.568319
表4.2.2 WLS估计模型后的怀特检验结果
Heteroskedasticity Test: White
F-statistic
1.353221
Prob. F(5,25)
0.2752
Obs*R-squared
6.602925
Prob. Chi-Square(5)
0.2519
Scaled explained SS
7.431319
Prob. Chi-Square(5)
0.1905
Ln=-4.9591+0.6289lnL+0.8928lnK
t =(-2.8086) (3.5882) (46.1733)
=0.9982, DW=0.6687, F=7935.028
为了分析异方差性的校正情况,利用WLS估计出每个模型之后,还需要利用怀特检验再次判断模型是否存在着异方差性,检验结果如表3.2.2所示。
给定显著水平α=0.05,由于=6.602925<(5)=11.07,所以加权最小二乘法回归结果不存在异方差性。由p=0.2519可知,亦不存在异方差。
回归结果表明,中国国内生产总值与就业人数、资本形成总额正相关。就业人数的对数每增长1万人,国内生产总值的对数将增长0.6289亿元;资本形成总额的对数每增长1亿元,国内生产总值的对数将增长0.8928亿元。
五、多重共线性的检验与修正
5.1多重共线性的检验
5.1.1相关系数检验
表5.1.1 相关系数矩阵
如上表所示,解释变量间的相关系数r>0.9,认为lnl与lnk之间高度相关。
5.1.2辅助回归模型检验
首先建立解释变量的辅助回归模型,结果如下:
Lnk=-90.15836+9.038250lnl
t=(-10.16917) (11.34073)
R2=0.816004 =0.809659 DW=0.216612 F=128.6122
Lnl=10.18539+0.090273lnk
t=(122.165) (11.3473)
本文档为【美国排名第一儿科医院 波士顿儿童医院就医感受】,请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑,
图片更改请在作品中右键图片并更换,文字修改请直接点击文字进行修改,也可以新增和删除文档中的内容。
[版权声明] 本站所有资料为用户分享产生,若发现您的权利被侵害,请联系客服邮件isharekefu@iask.cn,我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。