第二章案例分析

一、研究的目的要求

居民消費(fèi)在社會(huì)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(zhǎng)，而且這也是人民生活水平的具體表達(dá)。改革開(kāi)放以來(lái)

隨著中國(guó)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(zhǎng)。但是在看

到這個(gè)整體趨勢(shì)的同時(shí)，還應(yīng)看到全國(guó)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(guó)城巾居民家庭平均每人每年消費(fèi)又出為元，最低的黑龍江省僅為人均

元，最高的上海市達(dá)人均10464元，上海是黑龍江的倍。為了研究全國(guó)居民消費(fèi)水平及其變

動(dòng)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索可能很多，例如，

居民的收入水平、就業(yè)狀況、零售物價(jià)指數(shù)、利率、居民財(cái)產(chǎn)、購(gòu)物環(huán)境等等都可能對(duì)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

響因索與消費(fèi)水平的數(shù)量關(guān)系，可以建”.相應(yīng)的計(jì)量經(jīng)濟(jì)模型去研究。

二、模型設(shè)定

我們研究的對(duì)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，最具有直接比照可比性的是

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(lái)比較，而這正是可從統(tǒng)計(jì)年鑒中獲得數(shù)據(jù)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)支出二

因?yàn)檠芯康哪康氖歉鞯貐^(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(shí)間的變

動(dòng)，所以應(yīng)選擇同一時(shí)期各地區(qū)城市居民的消費(fèi)支出來(lái)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種，但從理論和經(jīng)驗(yàn)分析，最

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

如“居民財(cái)產(chǎn)”和“購(gòu)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(cái)

產(chǎn)”：還有的因素在運(yùn)用截面數(shù)據(jù)時(shí)在地區(qū)間的差異并不大，如“零售物價(jià)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(duì)居民消費(fèi)有某些影響也可歸入隨即擾動(dòng)項(xiàng)

中。為了與“城市居民人均消費(fèi)支出”相對(duì)應(yīng)，選擇在統(tǒng)il?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(guó)統(tǒng)計(jì)年鑒》中得到表的數(shù)據(jù)：

表2002年中國(guó)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

天津

河北

山西

內(nèi)蒙古

遼寧

吉林

黑龍江

上海

江蘇

浙江

安徽

福建

江西

山東

河南

湖北

湖南

廣東

廣西

海南

重慶

四川

貴州

云南

西藏

陜西

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(diǎn)圖,

如圖：

圖

從散點(diǎn)圖可以看出居民

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)大體呈現(xiàn)為線(xiàn)性關(guān)系，

所以建立的計(jì)量經(jīng)濟(jì)模型為

如下線(xiàn)性模型：

工=尸1+尸2X4Ui

三、估計(jì)參數(shù)

假定所建模型及隨機(jī)擾動(dòng)項(xiàng)〃，滿(mǎn)足古典假定，可以用OLS法估計(jì)其參數(shù)。運(yùn)用電腦軟

件EViews作計(jì)量經(jīng)濟(jì)分析卜分方便。

利用EViews作簡(jiǎn)單線(xiàn)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(yè)。在菜單一次點(diǎn)擊File\New\Workfile,出

現(xiàn)對(duì)話(huà)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）Undatedorirrcqular(未注明日期或不規(guī)則的)

在本例中是截面數(shù)據(jù)，選擇“Undaiedorirreqular"。并在"Slarldatev中輸入開(kāi)始時(shí)間

或順序號(hào)，如“1”在“enddate”中輸入最后時(shí)間或順序號(hào)，如“31”點(diǎn)擊“ok”出現(xiàn)“Workfile

UNTITLED"工作框。其中已有變量：“c”一截距項(xiàng)“resid”一剩余項(xiàng)。

在“Objects”菜單中點(diǎn)擊“NewObjects”，在“NewObjects”對(duì)話(huà)框中選“Group”，并

在“NameforObjects”上定義文件名，點(diǎn)擊“0K”出現(xiàn)數(shù)據(jù)編輯窗口。

假設(shè)要將工作文件存盤(pán)，點(diǎn)擊窗口上方“Save”，在“SaveAs”對(duì)話(huà)框中給定路徑和文件名，

再點(diǎn)擊“ok”，文件即被俁存。

2、輸入數(shù)據(jù)

在數(shù)據(jù)編輯窗口中，首先按上行鍵“t”，這時(shí)對(duì)應(yīng)的“obs”字樣的空格會(huì)自動(dòng)上跳，在

對(duì)應(yīng)列的第二個(gè)“obs”有邊框的空格鍵入變量名，如“Y”，再按下行鍵“I”，對(duì)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(lèi)似方法輸

入。

也可以在EViews命令框直接鍵入“dataXY”(一元時(shí))或“dataYX\X2…”(多元

時(shí))，回車(chē)出現(xiàn)“Group”窗口數(shù)據(jù)編輯框，在對(duì)應(yīng)的Y、X下輸入數(shù)據(jù)。

假設(shè)要對(duì)數(shù)據(jù)存盤(pán)，點(diǎn)擊"fire/SaveAs”，出現(xiàn)“SaveAs”對(duì)話(huà)框，在“Drives”點(diǎn)所

要存的盤(pán)，在“Directories”點(diǎn)存入的路徑(文件名),在“FireName”對(duì)所存文件命名,

或點(diǎn)已存的文件名,再點(diǎn)“ok”。

假設(shè)要讀取已存盤(pán)數(shù)據(jù)，點(diǎn)擊“fire/Opcn”，在對(duì)話(huà)框的“Drives”點(diǎn)所存的磁盤(pán)名，在

“Directories”點(diǎn)文件路徑,在“FireName”點(diǎn)文件名，點(diǎn)擊“ok唧可。

3、估計(jì)參數(shù)

方法一：在EViews主頁(yè)界面點(diǎn)擊“Quick”菜單，點(diǎn)擊“EstimateEquation”，現(xiàn)“Equation

specification”對(duì)話(huà)框,選OLS估計(jì)，即選擊“LeastSquares”，鍵入“YCX",點(diǎn)“ok”或

按回車(chē)，即出現(xiàn)如表那樣的回歸結(jié)果。

表

Method:LeastSquares

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

Sample:131

Includedobservations:31

VariableCoefficientStd.Errort-StatisticProb.

C282.2434287.2649098252003340

X0.7585110.03692820.540260.0000

R-squared0935685Meandependentvar5982.476

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

S.E.ofregression413.1593Akaikeinfocriterion14.94788

Sumsquaredresid4950317.Schwarzcriterion15,04040

Loglikelihood-229.6922F-statistic421.9023

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

在本例中，參數(shù)估計(jì)的結(jié)果為：

A

工=282.2434+0.75851IX,

0i0.036928)

t=(0.982520)(20.54026)

產(chǎn)=0.935685F=421.9023df=29

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

假設(shè)要顯示回歸結(jié)果的圖形，在“Equation”框中，點(diǎn)擊“Resids”，即出現(xiàn)剩余項(xiàng)

(Residual)＞實(shí)際值(Actual)、擬合值(Fitted)的圖形,如圖所示。

四、模型檢驗(yàn)

1、經(jīng)濟(jì)意義檢驗(yàn)

A

所估計(jì)的參數(shù)用=（>758511,說(shuō)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(jì)檢驗(yàn)

用EViews得出回歸模型參數(shù)估計(jì)結(jié)果的同時(shí)，己經(jīng)給出了用「模型檢驗(yàn)的相關(guān)數(shù)據(jù)。

擬合優(yōu)度的度量：由表中可以看出，本例中可決系數(shù)為，說(shuō)明所建模型整體上對(duì)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(duì)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(duì)回歸系數(shù)的t檢驗(yàn)：針對(duì)"。：氏二°和"。：62二°,由表中還可以看出，估計(jì)的回

歸系數(shù)4的標(biāo)準(zhǔn)誤差和t值分別為：陽(yáng)劭=287.2649,"4）=0.982520；色的標(biāo)準(zhǔn)

誤差和t值分別為：SE（A）=0.036928,f（A）=20.54026。取。=0.05,簞分布表得

自由度為〃-2=31—2=29的臨界值仇25（29）=2.045。因?yàn)?/p>

）=0.982520<f0,025（29）=2.045,所以不能拒絕"o：四二°：因?yàn)?/p>

?0）=20.54026025Q9）=2.045,所以應(yīng)拒絕"o：62二°。這說(shuō)明，城市人均年可支

配收入對(duì)人均年消費(fèi)支出有顯著影響。

五、回歸預(yù)測(cè)

由表中可看出，2002年中國(guó)西部地區(qū)城市居民人均年可支配收入除了西藏外均在8000

以下，人均消費(fèi)支出也都在7000元以下。在西部大開(kāi)發(fā)的推動(dòng)下，如果西部地區(qū)的城市居

民人均年可支配收入第一步爭(zhēng)取到達(dá)1000美元（按現(xiàn)有匯率即人民幣8270元），第二步再爭(zhēng)

取到達(dá)1500美元（即人民幣12405元）.利用所估計(jì)的模型可預(yù)測(cè)這時(shí)城市居民可能到達(dá)的

人均年消費(fèi)支出水平?？梢宰⒁獾剑@里的預(yù)測(cè)是利用截面數(shù)據(jù)模型對(duì)被解釋變量在不同空

間狀況的空間預(yù)測(cè)。

用EViews作回歸預(yù)測(cè)，首先在“Workfile”窗口點(diǎn)擊“Range"，出現(xiàn)aChangeWorkfile

Range"窗口，將"Enddata”由“31”改為“33”，點(diǎn)“OK”，將“Workfile”中的“Range”

擴(kuò)展為1-33。在“Workfile”窗口點(diǎn)擊“sampl”，將“samp『窗口中的“131”改為“133”,

點(diǎn)“OK”，將樣本區(qū)也改為1—33。

為了輸入“"="270,*c=12405在Eviews命令框鍵入datax/回車(chē)，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。

然后在框中，點(diǎn)擊“Forecast”，得對(duì)話(huà)框。在對(duì)話(huà)框中的“Forecastrame"

y

（預(yù)測(cè)值序列名）鍵入“f”，回車(chē)即得到模型估計(jì)值及標(biāo)準(zhǔn)誤差的圖形。雙擊“Workfile”

窗口中出現(xiàn)的“爐”，在“4”數(shù)據(jù)表中的“32”位置出現(xiàn)預(yù)測(cè)值力=6555.132,在“33”

位置出現(xiàn)L=9691.577。這是當(dāng)町=8270和Xf2=\2405時(shí)人均消費(fèi)支出的點(diǎn)預(yù)測(cè)

值。

為了作區(qū)間預(yù)測(cè)，在X和Y的數(shù)據(jù)表中，點(diǎn):擊“View"選“DescriptiveStats\Cmmon

Sample"，則得到X和Y的描述統(tǒng)計(jì)結(jié)果，見(jiàn)表2.7:

XY

Mean7515.0265982.476

Median6788.5205459.640

Maximum13249.8010464.00

Minimum5234.3504462.080

Std.Dev.2042.6821601.762

Skewness1.5858931.629968

Kiiflosis4.4586454.787999

Jarque-Bera15.7426717,85617

Probability0.0003820.000133

根據(jù)表的數(shù)據(jù)可.計(jì)算:

Observations3131

=cr；(n-l)=2042.6822x(31-l)=125176492.59

22

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

(X/2-對(duì)=(12405-7515.026)2=23911845.72

取a=0.05,〃平均值置信度95%的預(yù)測(cè)區(qū)間為:

A2

；1(Xy-X)

56998574

VQ”八6555.13；2.045x413.1593xJ—+-

X/I=8270時(shí)V31125176492.59

=6555.13^162.10

H2391184572

v9691.58#2.045x413.1593xJ—+—---------

X/2=12405時(shí)▼V31125176492.59

=9691.58.499.25

即是說(shuō)，當(dāng)X"=8270元時(shí)，^平均值置信度95%的預(yù)測(cè)區(qū)間為（，）元。當(dāng)

Xc=12405元時(shí)，與2平均值置信度95%的預(yù)測(cè)區(qū)間為(，)元。

，個(gè)別值置信度95%的預(yù)測(cè)區(qū)間為：

A2

；L1(Xy-X)

小"1丁HF

ver11569985.74

QE、6555.132.045x413.1593x/l+一+--------------

XV〃=8270時(shí)V31125176492.59

=6555.13>860.32

Ii2391184572

vinzinc9691.58^2.045X413.1593XJ14--+----------

XR=I2405時(shí)V31125176492.59

=9691.58>934.49

即是說(shuō)，當(dāng)?shù)谝徊絏"=827°時(shí)，%個(gè)別值置信度95%的預(yù)測(cè)區(qū)間為(,)元。當(dāng)?shù)?/p>

二步為2=12405時(shí)，“2個(gè)別值置信度95%的預(yù)測(cè)區(qū)間為(，)元。

在“E以?xún)?yōu)力框中，點(diǎn)擊“Forecast”可得預(yù)測(cè)值及標(biāo)準(zhǔn)誤差的圖形如圖：

Forecast:YF

Actual:Y

Forecastsample:133

hcludedobservations:31

RootMeanSquaredError399.6094

MeanAbsoluteError305.3822

MeanAbs.PercentError5.217788

TheilInequalityCoefficient0.032331

BiasProportion0.000000

VarianceProportion0.016618

CovarianceProportion0.983382

圖

第三章案例分析

【例3.2】中國(guó)稅收增長(zhǎng)的分析

一、研究的目的要求

改革開(kāi)放以來(lái)，隨著經(jīng)濟(jì)體制改革的深化和經(jīng)濟(jì)的快速增長(zhǎng)，中國(guó)的財(cái)政收支狀況發(fā)生

很大變化，中央和地方的稅收收入1978年為億元，到2002年已增長(zhǎng)到億元，25年間增長(zhǎng)

了33倍，平均每年增長(zhǎng)%o為了研究影響中國(guó)稅收收入增長(zhǎng)的主要原因，分析中央和地

方稅收收入的增長(zhǎng)規(guī)律，預(yù)測(cè)中國(guó)稅收未來(lái)的增長(zhǎng)趨勢(shì)，需要建立計(jì)量經(jīng)濟(jì)模型。

影響中國(guó)稅收收入增長(zhǎng)的因素很多，但據(jù)分析主要的因素可能有：(1)從宏觀經(jīng)濟(jì)看,

經(jīng)濟(jì)整體增長(zhǎng)是稅收增長(zhǎng)的基本源泉。(2)公共財(cái)政的需求，稅收收入是財(cái)政收入的主體,

社會(huì)經(jīng)濟(jì)的發(fā)展和社會(huì)保障的完善等都對(duì)?公共財(cái)政提出要求，因此對(duì)預(yù)算支出所表現(xiàn)的公共

財(cái)政的需求對(duì)當(dāng)年的稅收收入可能會(huì)有一定的影響。(3)物價(jià)水平。我國(guó)的稅制結(jié)構(gòu)以流

轉(zhuǎn)稅為主，以現(xiàn)行價(jià)格計(jì)算的GDP等指標(biāo)和經(jīng)營(yíng)者的收入水平都與物價(jià)水平有關(guān)。(4)

稅收政策因素。我國(guó)自1978年以來(lái)經(jīng)歷了兩次大的稅制改革，一次是1984-1985年的國(guó)有

企業(yè)利改稅，另一次是1994年的全國(guó)范圍內(nèi)的新稅制改革。稅制改革對(duì)稅收會(huì)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(duì)稅收增長(zhǎng)速度的影響不是非常大。

因此，可以從以上幾個(gè)方面，分析各種因素對(duì)中國(guó)稅收增長(zhǎng)的具體影響。

二、模型設(shè)定

為了全面反映中國(guó)稅收增長(zhǎng)的全貌，選擇包括中央和地方稅收的“國(guó)家財(cái)政收入”中的

“各項(xiàng)稅收”(簡(jiǎn)稱(chēng)“稅收收入”)作為被解釋變量，以反映國(guó)家稅收的增長(zhǎng)；選擇“國(guó)內(nèi)生

產(chǎn)總值[GDP)”作為經(jīng)濟(jì)整體增長(zhǎng)水平的代表：選擇中央和地方“財(cái)政支出”作為公共財(cái)

政需求的代表；選擇“商品零售物價(jià)指數(shù)”作為物價(jià)水平的代表。由于財(cái)稅體制的改革難以

量化，而且1985年以后財(cái)稅體制改革對(duì)稅收增長(zhǎng)影響不是很大，可暫不考慮稅制改革對(duì)稅

收增長(zhǎng)的影響。所以解釋變量設(shè)定為可觀測(cè)的“國(guó)內(nèi)生產(chǎn)總值”、“財(cái)政支出”、“商品零售物

價(jià)指數(shù)”等變量。

從《中國(guó)統(tǒng)計(jì)年鑒》收集到以下數(shù)據(jù)(見(jiàn)表)：

稅收收入(億元)國(guó)內(nèi)生產(chǎn)總值(億元)財(cái)政支出(億元)商品零售價(jià)格指數(shù)(%)

年份

(Y](X2)(X3)(X4)

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

表3.3中國(guó)稅收收入及相關(guān)數(shù)據(jù)

設(shè)定的線(xiàn)性回歸模型為：

Y小仇+AX*+dXz+BN盧氏

三、估計(jì)參數(shù)

利用EViews估計(jì)模型的參數(shù)，方法是：

1、建立工作文件：?jiǎn)?dòng)EViews,點(diǎn)擊FiHNew'Workfile,在對(duì)話(huà)框“WorkfileRange”。

在“WorkfHefrequency”中選擇“Annual"（年度），并在“Startdate”中輸入開(kāi)始時(shí)間“1978”,

在“enddate”中輸入最后時(shí)間“2002”，點(diǎn)擊“ok”，出現(xiàn)°WorkfileUNTITLEDw工作框。

其中已有變量：“c”一截距項(xiàng)“resid”一剩余項(xiàng)。在“Objects”菜單中點(diǎn)擊“NewObjects”,

在“NewObjects”對(duì)話(huà)框中選“Group”，并在“NameforObjects”上定義文件名，點(diǎn)擊“OK”

出現(xiàn)數(shù)據(jù)編輯窗口。

2、輸入數(shù)據(jù)：點(diǎn)擊"Quik”下拉菜單中的“EmptyGroup”,出現(xiàn)“Group”窗口數(shù)據(jù)編

輯框，點(diǎn)第一列與“obs”對(duì)應(yīng)的格，在命令欄輸入“Y”，點(diǎn)下行鍵“I”，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(duì)應(yīng)的列命名X?、X3、X》并輸入相應(yīng)的數(shù)

X

據(jù)?；蛘咴贓Views命令框直接鍵入“dataY2X3X4…”，回車(chē)出現(xiàn)“Group”窗口數(shù)

據(jù)編輯框，在對(duì)應(yīng)的Y、X?、X3、Xa下輸入響應(yīng)的數(shù)據(jù)。

3、估計(jì)參數(shù)：點(diǎn)擊“P:ocs”卜?拉菜單中的“MakeEquation”，在出現(xiàn)的對(duì)話(huà)框的“Equation

Specification"欄中鍵入"YCX2X3X」，在“EsiimalionSellings”欄中選擇“Leasl

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

表

DependentVariable:Y

Method:LeastSquares

Date:O7A35/O5Time: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

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

S.E.ofregression263.9599Akaikeinfocriterion14.13512

Sumsquaredresid1463172.Schwarzcriterion14.33014

Loglikelihood-172.6890F-statistic2717.238

Durbin-WatsonstatU.94tl542Prob(卜-statistic)U.UUUUUU

根據(jù)表中數(shù)據(jù)?，模型估計(jì)的結(jié)果為：

A

Y,=-2582.791+0.022067X2+0.702104X.+23.98541X4

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

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

22

R=0.9974R=0.9971F=2717.238df=21

四、模型檢驗(yàn)

1、經(jīng)濟(jì)意義檢驗(yàn)

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

入就會(huì)增長(zhǎng)億元；在假定其它變量不變的情況下，當(dāng)年財(cái)政支出每增長(zhǎng)1億元，稅收收入會(huì)

增長(zhǎng)億元；在假定其它變量不變的情況下，當(dāng)年零售商品物價(jià)指數(shù)上漲一個(gè)百分點(diǎn)，稅收收

入就會(huì)增長(zhǎng)億元。這與理論分析和經(jīng)驗(yàn)判斷相一致。

2、統(tǒng)計(jì)檢驗(yàn)

(1)擬合優(yōu)度：由表中數(shù)據(jù)可以得到：內(nèi)=09974，修正的可決系數(shù)為店=0.9971,

這說(shuō)明模型對(duì)樣本的擬合很好。

(2)F檢驗(yàn)：針對(duì)“。：夕2=q3=&=°,給定顯著性水平。=。。5,在F分布表中查

出自由度為k-l=3和n-k=21的臨界值月321)=3.075。由表中得到，由于

F=2717.238>Q3,21)=3.075,應(yīng)拒絕原假設(shè)“()：22=四=A二°,說(shuō)明回歸方程顯著,

即“國(guó)內(nèi)生產(chǎn)總值”、“財(cái)政支出”、“商品零售物價(jià)指數(shù)”等變量聯(lián)合起來(lái)確實(shí)對(duì)“稅收收入”

有兄著影響。

（3）t檢驗(yàn)：分別針對(duì)“。：氏=°（，=1，2,3,4）,給定顯著性水平a=0.O5,查t分布

表得自由度為n-k=21臨界值由表中數(shù)據(jù)可得，與仇、4、4、A

/（〃-2）=2.080

對(duì)應(yīng)的t統(tǒng)計(jì)量分別為、、、，其絕對(duì)值均大于%,這說(shuō)明分別都應(yīng)當(dāng)拒絕

%：4=°（7=1,2,3,4）,也就是說(shuō)，當(dāng)在其它解釋變量不變的情況下，解釋變量“國(guó)

內(nèi)生產(chǎn)總值"（X?）、“財(cái)政支出”（、3）、“商品零售物價(jià)指數(shù)”[X。分別對(duì)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(lái)，中國(guó)旅游業(yè)一直保持高速發(fā)展，旅游業(yè)作為國(guó)民經(jīng)濟(jì)新的增長(zhǎng)點(diǎn)，在整個(gè)社會(huì)

經(jīng)濟(jì)發(fā)展中的作用口益顯現(xiàn)。中國(guó)的旅游業(yè)分為國(guó)內(nèi)旅游和入境旅游兩大市場(chǎng)，入境旅游外

匯收入年均增長(zhǎng)22.6%,與此同時(shí)國(guó)內(nèi)旅游也迅速增長(zhǎng)。改革開(kāi)放20多年來(lái)，特別是進(jìn)入

90年代后，中國(guó)的國(guó)內(nèi)旅游收入年均增長(zhǎng)14.4%,遠(yuǎn)高于同期GDP9.76%的增長(zhǎng)率。為了規(guī)

劃中國(guó)未來(lái)旅游產(chǎn)業(yè)的發(fā)展，需要定量地分析影響中國(guó)旅游市場(chǎng)發(fā)展的主要因素。

二、模型設(shè)定及其估計(jì)

經(jīng)分析，影響國(guó)內(nèi)旅游市場(chǎng)收入的主要因素，除了國(guó)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(guó)內(nèi)旅游人數(shù)X2,城鎮(zhèn)居民人均旅

游支出、3,農(nóng)村居民人均旅游支出X一并以公路里程和鐵路里程X6作為相關(guān)基礎(chǔ)設(shè)

施的代表。為此設(shè)定了如卜.對(duì)數(shù)形式的計(jì)量經(jīng)濟(jì)模型：

X=0"AX2t+B'X&X46生X丸+氏X66%

其中：匕一一第t年全國(guó)旅游收入

X2一—國(guó)內(nèi)旅游人數(shù)（萬(wàn)人）

——城鎮(zhèn)居民人均旅游支出（元）

X4一—農(nóng)村居民人均旅游支出（元）

Xs——公路里程1萬(wàn)公里）

X6——鐵路里程（萬(wàn)公里）

為估計(jì)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(jì)數(shù)據(jù)，如表4.2所示：

表4.21994年一2003年中國(guó)旅游收入及相關(guān)數(shù)據(jù)

年國(guó)內(nèi)旅游國(guó)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

份（億元）（萬(wàn)人次）（元）（元）（萬(wàn)公里）1萬(wàn)公里）

199452400

199562900

199663900

199764400

199869450

199971900

200074400

200178400

200287800

200387000

數(shù)據(jù)來(lái)源：《中國(guó)統(tǒng)計(jì)年鑒2004》

利用Evicws軟件，輸入Y、X2、X3、X4、X5、X6等數(shù)據(jù)，采用這些數(shù)據(jù)對(duì)模型進(jìn)行OLS

回歸，結(jié)果如表4.3：

DependentVariable:Y

Method:LeastSquares

Date:07/184)5Time:18:16

Sample:19942003

Includedobservations:10

VariableCoefficientStd.Errort-StatisticProb.

C

-274.37731316.690-0.2083840.8451

X20.0130880.0126921.0311720.3607

X35.4381931.3803953.9395910.0170

X43.2717730.9442153.4650730.0257

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

Sumsquarecresid40114.74Schwarzcriterion12.51634

Loglikelihood-55.67396F-statistic173.3525

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

由此可見(jiàn)，該模型*=09954,0.9897可決系數(shù)很高，F(xiàn)檢驗(yàn)值173.3525,明

顯顯著。但是當(dāng)二=0.05時(shí)~2（〃一左）二%02式1°-6）=2.776,不僅乂2、X6系數(shù)的t檢

驗(yàn)不顯著，而且X6系數(shù)的符號(hào)與預(yù)期的相反，這說(shuō)明很可能存在嚴(yán)重的多重共線(xiàn)性。

計(jì)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(diǎn)"vicw/corrclations”

得相關(guān)系數(shù)矩陣（如表4.4）：

X2X3X4X5XB

X210000000918851075196009479770941681

X30.9188511.0000000.8651450.8591910.963313

X40.7519600.8651451.0000000.6649460.818137

X50.9479770.8591910.6649461.0000000.897708

X60.94168109633130.81813708977081.000000

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(shí)確實(shí)存在嚴(yán)重多

重共線(xiàn)性。

三、消除多重共線(xiàn)性

采用逐步回歸的方法，去檢驗(yàn)和解決多重共線(xiàn)性問(wèn)題。分別作Y對(duì)X2、X3、X4、K5、

X6的一元回歸，結(jié)果如表4.5所示：

變量X2X3X4X5X6

參數(shù)估計(jì)值

t統(tǒng)計(jì)量

R2

按改的大小排序?yàn)?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：

/=T109.639+7.850632X3+285.1784X6

t=(2.9086)(0.46214)叱=0.957152

當(dāng)取a=0.05時(shí)，％2(〃一外二*)。25(10-3)=2.365,〉：6參數(shù)的t檢驗(yàn)不顯著，予以剔除,

加入X2回歸得

X=-3326.393+6.19424IX,+0.02976IX,

t=(4.2839)⑵15⑵R?=0.973418

X2參數(shù)的t檢驗(yàn)不顯著，予以剔除，加入X5回歸得

Y,=-3059.972+6.736535X3+10.90789X5

t=(6.6446)(2.6584)可=0.978028

X3、X5參數(shù)的t檢驗(yàn)顯著，保留X5,再加入X4回歸得

Yf=-2441.161+4.215884X.+13.62909Xs+3.221965X4

t=(3.944983)(4.692961)(3.06767)

R2=0.991445R2=0.987186

當(dāng)取。=0.05時(shí)，％2(〃一")二’0.025(1°-4)=2.447,X3、*4、X5系數(shù)的t檢驗(yàn)都顯著，

這是最后消除多重共線(xiàn)性的結(jié)果。

這說(shuō)明，在其他因素不變的情況下，當(dāng)城鎮(zhèn)居民人均旅游支出X，和農(nóng)村居民人均旅游支出

分別增長(zhǎng)1元時(shí)，國(guó)內(nèi)旅游收入匕將分別增長(zhǎng)4.21億元和3.22億元。在其他因素不變

的情況下，作為旅游設(shè)施的代表，公路里程每增加1萬(wàn)公里時(shí)，國(guó)內(nèi)旅游收入匕相增長(zhǎng)

13.63億元。

第五章案例分析

一、問(wèn)題的提出和模型設(shè)定

根據(jù)本章引子提出的問(wèn)題，為了給制定醫(yī)療機(jī)構(gòu)的規(guī)劃提供依據(jù)，分析比較醫(yī)療機(jī)構(gòu)與

人口數(shù)量的關(guān)系，建立衛(wèi)生醫(yī)療機(jī)構(gòu)數(shù)與人口數(shù)的回歸模型。假定醫(yī)療機(jī)構(gòu)數(shù)與人口數(shù)之間

滿(mǎn)足線(xiàn)性約束，則理論模型設(shè)定為

其中匕表示衛(wèi)生醫(yī)療機(jī)構(gòu)數(shù)，Xj表示人口數(shù)。由2（）01年《四川統(tǒng)計(jì)年鑒》得到如下數(shù)據(jù)。

表5.1四川省2000年各地區(qū)醫(yī)療機(jī)構(gòu)數(shù)與人口數(shù)

地區(qū)人口數(shù)（萬(wàn)人）醫(yī)療機(jī)構(gòu)數(shù)（個(gè)）地區(qū)人口數(shù)（萬(wàn)人）醫(yī)療機(jī)構(gòu)數(shù)（個(gè)）

XYXY

成都6304眉山827

自貢315911宜賓1530

攀枝花103934廣安1589

瀘州1297達(dá)州2403

德陽(yáng)1085雅安866

綿陽(yáng)1616巴中1223

廣元1021資陽(yáng)1361

遂宇3711375阿壩536

內(nèi)江1212甘孜594

樂(lè)山1132涼山1471

南充709.24064

二、參數(shù)估計(jì)

進(jìn)入EViews軟件包，確定時(shí)間范圍;編輯輸入數(shù)據(jù)；選擇估計(jì)方程菜單，估計(jì)樣本回

歸函數(shù)如下

表

DependentVanableY

Method:LeastSquares

Date:07005Time11:11

Sample:121

Includedobservations21

VariableCoefficientStdErrort-StatisticProb.

C-563.0548291.5778-19310620.0685

X5.3734980.64428483402650.0000

R-squared0.785456Meandependentvar1588.238

AdjustedR-squared0.774164S.D.dependentvar1311.037

S.E.ofregression623.0330Akaikeinfocriterion15.79747

Sumsquaredresid7375233.Schwarzcriterion15.89695

Loglikelihood-163.8734F-statistic69,56003

Durbin-Watsonstat0.429831Prob(F-statistic)0000000

估計(jì)結(jié)果為

=-563.0548+5.3735X,

(-1.9311)(8.3403)

R2=0.7855,se=508.2665,F=69.56華協(xié)

括號(hào)內(nèi)為t統(tǒng)計(jì)量值。

三、檢驗(yàn)?zāi)Ｐ偷漠惙讲?/p>

本例用的是四川省2000年各地市州的醫(yī)療機(jī)構(gòu)數(shù)和人口數(shù)，由于地區(qū)之間存在的不同

人口數(shù)，因此，對(duì)各種醫(yī)療機(jī)構(gòu)的設(shè)置數(shù)量會(huì)存在不同的需求，這種差異使得模型很容易產(chǎn)

生異方差，從而影響模型的估計(jì)和運(yùn)用。為此，必須對(duì)該模型是否存在異方差進(jìn)行檢驗(yàn)。

(一)圖形法

1、EViews軟件操作。

山路徑；Quick/QstimateEquation,進(jìn)入EquationSpecification窗口，鍵入“yc

x”，確認(rèn)并“ok”。

(1)生成殘差平方序列。在得到表估計(jì)結(jié)果后，立即用生成命令建立序列4,記為e2o

生成過(guò)程如下，先按路徑:Procs/GenerateSeries,進(jìn)入GenerateSeriesbyEquation

對(duì)話(huà)框，即

IJGOO-(c：\vindovs\<iesktop\scvz...(5回E3

JSave|Lebel+/-1Sho.|Fetch|Stor?|Delete|Gear|So

Filter:*DefaultEq:eq11

S?ri?sbyEquation

或

回

回

e2加,行2SJGOO

回

需

0jEstimate|Forecast|St

購(gòu)

回

回

溫

固

回

最

回

0捻

0

Std.Errort-Statistic

264.5140-0.707966

0