影响人均猪肉消费量的计量分析计量经济学实践报告(小论文)
影响人均猪肉消费量的计量分析
小组成员:
班级:国际经济与贸易
指导老师:
日期:2012年5月10-25日
摘要:本文旨在根据我国1998—2008人均猪肉消费量相关数据,分析出影响其的部分因素。首先基于对猪肉消费的一些调查以及对影响我国人均猪肉消费量的因素分析,同时综合了相关的市场细分和消费分析理论,选取了城镇居民人均可支配收入等四个解释变量建立了理论模型。在收集了相关的数据基础上,利用EVIEWS软件对计量模型进行了参数估计和检验。最后,我们对所得的结果作了经济意义的分析,并提出一些相应政...
计量经济学实践
(小论文)
影响人均猪肉消费量的计量
小组成员:
班级:国际经济与贸易
指导老师:
日期:2012年5月10-25日
摘要:本文旨在根据我国1998—2008人均猪肉消费量相关数据,分析出影响其的部分因素。首先基于对猪肉消费的一些调查以及对影响我国人均猪肉消费量的因素分析,同时综合了相关的市场细分和消费分析理论,选取了城镇居民人均可支配收入等四个解释变量建立了理论模型。在收集了相关的数据基础上,利用EVIEWS软件对计量模型进行了参数估计和检验。最后,我们对所得的结果作了经济意义的分析,并提出一些相应政策建议。
关键词:
人均猪肉消费量;多重共线性;异方差;自相关
1、 问题的提出
猪肉是我国重要的畜产品之一,也是我国城乡居民动物性蛋白的主要来源之一。在我国城乡居民中猪肉食品占肉类食品总量的60%以上,是不可缺少的副食品。市场上猪肉的多少,价格的高低,直接影响到老百姓的生活,社会的稳定。在市场经济条件下,猪肉价格有各自的供需均衡决定,本文目的在于研究猪肉需求的影响因素。
2、 经济理论陈述
需求函数是以商品的需求量作为被解释变量,用影响需求量的因素,如收入、价格等作为解释变量的计量经济学模型。中国猪肉需求函数即选择收入和价格作为解释变量,同时考虑到,猪肉需求主要包括国内需求和国外需求,影响猪肉需求的因素主要是可替代品的产量。因此,笔者将上述对猪肉影响因素作为解释变量。收入选择的是城镇居民家庭每年人均可支配收入。价格选择的是猪肉生产价格指数即猪肉收购价格指数。
模型中的被解释变量为国内人均猪肉消费量(Y)。根据其影响因素的大小和资料的可用性以及查阅的相关文献,本文选择以下指标作为模型的解释变量:城镇居民家庭人均可支配收入指数(x1)、猪肉收购价格指数(x2)、猪肉替代品牛羊肉人均产量(x3)、生猪出口量(x4)。参照单方程线性需求的表达式,国内猪肉需求函数模型的形式确定为:
Y=β0+β1X1+β2X2+β3X3+β4X4+μ
其中: Y代表国内人均猪肉消费量(千克);
X1代表城镇居民家庭人均可支配收入指数;
X2代表猪肉收购价格指数;
X3代表猪肉替代品牛羊肉人均产量(千克);
X4代表生猪出口量(万头);
μ为随机误差项,描述变量外的因素对模型的干扰;
3、 相关数据收集
根据我们对影响我国人均猪肉消费量的因素分析,以及解决我们提出的问题的需要,初步选取了以下四个解释变量:城镇居民家庭人均可支配收入指数、猪肉生产价格指数、猪肉替代品人均产量、出口。鉴于我国猪肉消费的阶段性和我们分析的即时性,收集了1998—2008年最近十一年的统计数据。
整理得到所需数据:
4、 计量经济模型的建立
我们建立了下述的一般模型:
其中
——1998-2008年各年人均猪肉消费量
——待定参数 (i=1,2,3,4,5,6,7)
——城镇居民家庭人均可支配收入指数
——猪肉生产价格指数
——猪肉替代品人均产量
——出口/万头
——随即扰动项
5、 模型的求解和检验
OLS回归
利用Eviews软件,采用以上数据对该模型进行OLS回归,结果如下:
Dependent Variable: Y
Method: Least Squares
Date: 05/14/11 Time: 15:00
Sample: 1998 2008
Included observations: 11
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
22.12976
8.499735
2.603582
0.0405
X1
0.000318
0.000191
1.668946
0.1462
X2
-0.062403
0.012448
-5.013168
0.0024
X3
1.843674
1.014103
1.818035
0.1189
X4
0.010454
0.022443
0.465797
0.6578
R-squared
0.932230
Mean dependent var
32.71818
Adjusted R-squared
0.887050
S.D. dependent var
1.466164
S.E. of regression
0.492749
Akaike info criterion
1.725321
Sum squared resid
1.456809
Schwarz criterion
1.906182
Log likelihood
-4.489265
F-statistic
20.63369
Durbin-Watson stat
2.015877
Prob(F-statistic)
0.001182
得出:
y=22.12976+0.000318x1-0.062403x2+1.843674x3+0.010454x4
JB检验
得出:P值较大,
残差基本服从正态分布。
KB检验
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/14/11 Time: 17:31
Sample: 1998 2008
Included observations: 11
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.363204
0.538369
0.674636
0.5169
Y^2
-0.000215
0.000500
-0.430233
0.6771
R-squared
0.020152
Mean dependent var
0.132437
Adjusted R-squared
-0.088720
S.D. dependent var
0.147161
S.E. of regression
0.153550
Akaike info criterion
-0.746618
Sum squared resid
0.212198
Schwarz criterion
-0.674273
Log likelihood
6.106398
F-statistic
0.185101
Durbin-Watson stat
2.221731
Prob(F-statistic)
0.677144
得出:t的绝对值远小于2,说明α1极有可能为0,不存在异方差。
怀特检验
White Heteroskedasticity Test:
F-statistic
4.111636
Probability
0.210302
Obs*R-squared
10.36950
Probability
0.240043
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/14/11 Time: 15:01
Sample: 1998 2008
Included observations: 11
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
63.12632
17.78842
3.548732
0.0710
X1
0.000609
0.000267
2.280482
0.1501
X1^2
-3.05E-08
9.16E-09
-3.325780
0.0797
X2
0.103757
0.057956
1.790265
0.2153
X2^2
-0.000438
0.000261
-1.679666
0.2350
X3
-25.27244
7.796109
-3.241673
0.0834
X3^2
1.882516
0.597005
3.153268
0.0876
X4
0.140543
0.141052
0.996388
0.4240
X4^2
-0.000391
0.000360
-1.086032
0.3909
R-squared
0.942682
Mean dependent var
0.132437
Adjusted R-squared
0.713410
S.D. dependent var
0.147161
S.E. of regression
0.078781
Akaike info criterion
-2.312674
Sum squared resid
0.012413
Schwarz criterion
-1.987123
Log likelihood
21.71971
F-statistic
4.111636
Durbin-Watson stat
3.331322
Prob(F-statistic)
0.210302
p值大于百分之五,不存在异方差。
LM检验
Breusch-Godfrey Serial Correlation LM Test:
F-statistic
0.157585
Probability
0.707768
Obs*R-squared
0.336094
Probability
0.562092
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 05/14/11 Time: 15:09
Presample missing value lagged residuals set to zero.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
-0.610695
9.295826
-0.065696
0.9502
X1
-3.04E-05
0.000220
-0.138562
0.8952
X2
-0.002065
0.014399
-0.143427
0.8916
X3
0.174576
1.178889
0.148086
0.8881
X4
-0.000294
0.024218
-0.012140
0.9908
RESID(-1)
-0.222790
0.561226
-0.396970
0.7078
R-squared
0.030554
Mean dependent var
5.72E-15
Adjusted R-squared
-0.938892
S.D. dependent var
0.381682
S.E. of regression
0.531469
Akaike info criterion
1.876108
Sum squared resid
1.412297
Schwarz criterion
2.093142
Log likelihood
-4.318597
F-statistic
0.031517
Durbin-Watson stat
1.799949
Prob(F-statistic)
0.999142
多重共线
对y分别关于x1,x2,x3,x4作最小二乘回归,得
(1)Y=29.6061+0.000336x1
(33.24089)(3.700729)
R2=0.603444
=0.559382 DW=2.052172 F=13.69539
(2)y=30.86865+0.017639x2
(11.60181) (0.705464)
R2=0.052400
=-0.052889 DW=1.324922 F=0.497680
(3) y=20.32760+1.869635x3
(6.642933) (4.065815)
R2=0.647485
=0.608317 DW=2.605745 F=16.53085
(4)y=43.90744-0.059540x4
(12.38814) (-3.169933)
R2=0.527521
=0.475024 DW=2.106679 F=10.04847
其括号里的是t值。根据经济理论分析和回归结果,易知
猪肉替代品人均产量x3是最重要的解释变量,所以选取第三个回归方程为基本回归方程。
(1)加入x1,对Y关于x1,x3作最小二乘回归,得
Y=20.34679+7.65E-07x1+1.865670x3
(2.186783)(0.002201)(0.999745)
R2=0.647486
=0.55937 DW=2.604873 F=7.347053
可以看出,加入x1后,拟合优度R2和
均有所增加,参数估计值的符号也正确,并且没有影响x3系数的显著性,所以在模型中保留x1。
(2)加入x2,对y关于x1,x2,x3作最小二乘回归,得
Y=25.39154+0.000298x1-0.062187x2+1.673006x3
( 5.592637 ) (1.702961) (-5.304779) (1.877374)
R2=0.929779
=0.899685 DW=2.002185 F=30.89526
可以看出,加入x2后,拟合优度R2和
均有所增加,参数估计值的符号也正确,并且没有影响x3系数的显著性,所以在模型中保留x2。
(3)加入x4,对y关于x1,x2,x3,x4作最小二乘回归,得
Y=22.12976+0.000318x1-0.062403x2+1.843674x3+0.010454x4
(2.603582) (1.668946) (-5.013168) (1.818035) (0.465797)
R2=0.932230
=0.887050 DW=2.015877 F=20.63369
可以看出,加入x4后,拟合优度R2增加不显著,
有所减小。并且x1,x2,x4的系数均不显著,说明存在严重的多重共线性。模型中应略去x4。
综上所述,得到Y关于x1,x2,x3的回归方程,
Y=25.39154+0.000298x1-0.062187x2+1.673006x3
( 5.592637 ) (1.702961) (-5.304779) (1.877374)
R2=0.929779
=0.899685 DW=2.002185 F=30.89526
该模型中系数均显著且符号正确,虽然解释变量之间仍存在高度线性关系,但多重共线性并没有造成不利后果,所以该模型是较好的人均猪肉消费量方程。
6、 经济意义解释
和
分别衡量人均猪肉消费量关于我国城镇居民家庭人均可支配收入指数的弹性
和
分别衡量人均猪肉消费量关于猪肉替代品人均产量的弹性
(1)城镇居民家庭人均可支配收入指数每增加1%,人均猪肉消费量增加0.000318%
(2)猪肉生产价格指数每增加1%,人均猪肉消费量减少0.062403%
(3)猪肉替代品人均产量每增加1%,人均猪肉消费量增加1.843674%
(4)猪肉出口数每增加1%,人均猪肉消费量增加0.010454%
7、 政策建议
猪肉的需求量与猪肉替代品牛羊肉人均产量关系密切,通过改变牛羊肉产量和牛羊肉价格是对猪肉价格宏观调控的有效手段。城镇居民人均可支配收入与猪肉的需求量直接所存在的关系是否可能是伪相关,需要进一步进行分析。猪肉的出口量对国内人均消费量也有影响,而且通过了各项检验,说明是长期的均衡关系。本文的研究对于对猪肉的价格控制有特殊的意义,可以根据相关因素的控制进而控制猪肉价格。另外,本文的研究也说明30年来中国人民的生活水平有了显著的提高,对于中国饮食文化的研究也会有帮助。
参考文献:
[1].(美)Gujarati,D.N著;张涛译.经济计量学精要.北京:机械工业出版社,2007
[2].李恩辕 商有光. 计量经济学. 哈尔滨:哈尔滨工业大学出版社,2007.
[3].国家统计局 1996年-2009年统计年鉴
[4].徐瑜青,张云静. 西部大开发农产品流通——四川省猪肉需求计量经济模型分析.农村经济,2003(06):25-30
_1369644248.unknown
_1369644252.unknown
_1369644256.unknown
_1369644258.unknown
_1369644260.unknown
_1369644262.unknown
_1369644263.unknown
_1369644261.unknown
_1369644259.unknown
_1369644257.unknown
_1369644254.unknown
_1369644255.unknown
_1369644253.unknown
_1369644250.unknown
_1369644251.unknown
_1369644249.unknown
_1369644243.unknown
_1369644246.unknown
_1369644247.unknown
_1369644245.unknown
_1369644241.unknown
_1369644242.unknown
_1369644240.unknown
本文档为【影响人均猪肉消费量的计量分析】,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。