计量经济学论文eviews

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 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 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 X1 X2 X3 X4 R-squared Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 根据以上结果，初步得出的模型为 Y= +. 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=， 2值为，模型的拟合情况较好。F检验的值为，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 X1 X2 X4 R-squared Mean dependent var Adjusted R-squared . dependent var . of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) 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= 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 Probability Obs*R-squared Probability Obs*R-squared的计算结果是，，由于选用的没有交叉乘积项的方式，所以自由度为7，在的显著水平下，查表得 （7）=〉，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，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 =，查D-W表得，d = =,这时有d

最好有以下几块东西1、选定研究对象（确定被解释变量，说明选题的意义和原因等。）2、确定解释变量，尽量完备地考虑到可能的相关变量供选择，并初步判定个变量对被解释变量的影响方向。（ 作出相应的说明 ）3、确定理论模型或函数式（根据相应的理论和经济关系设立模型形式，并提出假设，系数是正的还是负的等。）（二）数据的收集和整理（三）数据处理和回归分析（先观察数据的特点，观看和输出散点图，最后选择相应的变量关系式进行OLS回归，并输出会归结果。）（四）回归结果分析和检验（写出模型估计的结果）1、回归结果的经济理论检验，方向正确否？理论一致否？2、统计检验，t检验 F 检验 R2— 拟合优度检验3、模型设定形式正确否？可试试其他形式。4、模型的稳定性检验。（五）模型的修正（对所发现的模型变量选择问题、设定偏误、模型不稳定等，进行修正。）（六）确定模型（七）预测

知识经济条件下，人力资源已成为决定企业兴衰的主要因素，人力资源会计在现代企业管理中的重要地位毋庸置疑，在我国实施人力资源会计是必然的趋势。实施人力资源会计要解决的关键问题是人力资源的确认和计量。关键词：知识经济 人本论文由无忧论文网整理提供力资源会计 确认和计量人力资源会计这一概念的提出已经40多年了，但由于人力资源核算的复杂性，如何确认人力资源会计仍是当今会计界的难题之一。知识经济条件下，人力资源已成为决定企业兴衰的主要因素，人力资源会计在现代企业管理中的重要地位也毋庸置疑，作为一门会计学领域的新分支，其产生和发展具有一定的科学性，它不是纯抽象的理论，应是实践性非常强的一项工作，在我国实施人力资源会计是必然的趋势。笔者在此就人力资源会计的确认和计量问题进行一些浅薄的探讨，还望各位专家批评指正。一、进行人力资源会计核算的基础和原则 （一）在探讨人力资源会计核算之前，首先要弄清以下三个基础性问题：1. 人力资源是企业的一项资产（随后还有阐述）。2. 人力资源是通过负债的方式取得的。3. 在核算人力资源的时候，既要核算其取得、开发与使用成本，又要核算其原有价值。其中取得和开发成本属于资本性支出，应将其资本化，作为资产处理；使用成本属于收益性支出，应将其费用化，计入当期损益。人力资产原有价值应作为资产的一部分进行核算，同时作为“租用人力”增加一项负债。 （二）人力资源会计核算的确认本论文由无忧论文网整理提供原则 1. 重要性原则。人力资源是企业的重要经济资源，应重点加以体现，尤其是那些不可替代人力资源的信息、数额巨大的培训项目等。 2. 配比性原则。当人力资源数额较大，涉及多个会计期间时，应遵循配比原则对其价值进行合理摊销。 3. 历史成本原则。将招聘、培训和开发人才等一切人力资源方面的支出均作为人力资产和成本，其数据是根据原始发生时的金额归集的。 4. 相关性原则。企业人事管理部门，它对于职工的管理不仅是看其工资发生额的大小，而且重要的是如何合理配置人力资源，所以要求人力资源会计提供的信息应体现相关性原则。 5. 效益成本原则。人力资源会计在很多方面发挥了较大的作用，但在核算时还应考虑对那些核算成本较高，对决策意义不大的核算项目可不予揭示。 6. 划分资本性支出与收益性支出原则。将递延资产中的职工培训费、费用中的职工教育经费、数额较大的培训费、招聘广告费、稀有人才离职损失费予以资本化，将工资福利费等各期发生额均衡的支出计入费用，作为收益性支出。二、人力资源会计核算的内容和方法的确认 人力资源会计核算内容包括如下几点： （一）人力资产的核算。人力资本论文由无忧论文网整理提供产就是企业所拥有的人力资源的总价值，包括人力资产原有价值、人力资产取得和开发成本，以及进知识经济下人力资源会计确认和计量问题研究马雅丽 河南省三门峡市市政工程处 472000行人力资产评估时的增值部分（减值时冲减）。 1. 人力资产原有价值。在企业取得前由于劳动者已经具备一定的知识、技能而具有一定的价值。它被企业拥有后，原有价值依然存在，因此它应作为人力资产的重要组成部分。不过对其进行计量有一定难度，这可以由会计学会等权威部门研讨制定统一标准，由国家颁布实施。2. 人力资产附带成本。企业在取得或开发人力资源时，总要发生一定的费用。如付给招聘人员薪金和津贴，招聘广告费、测验费，如教育培训人员的工资津贴、教材费及学费等。这些都应作为人力资产附带成本，记入人力资产价值，平均分摊在劳动合同期内。 3. 人力资产评估增值（或减值）部分。人力资产价值除了受劳动者的知识技术水平影响外，还受劳动者的职位、年龄、身体健康状况及敬业程度等多种因素的影响。所以，定期对人力资产进行评估很有必要。评估增值增加人力资产价值，评估减值则冲减人力资产价值。它可由权威的人力资产评估机构，结合每个人的情况，采用科学的方法统一评估确定。 4. 租用人力的核算。企业一开始拥有人力资源，就负有合同到期时无条件地把这部分人力资源归还给劳动者的义务，从而形成负债——租用本论文由无忧论文网整理提供人力。它在数值上应等于人力资产原有价值加上人力资产评估增值（或减去人力资产评估减值）。 5. 人力资产使用成本的核算。企业在使用人力资源时，要支付工资、福利费等，并发生其他相关支出；此外还有与各期收益相配比而摊销的资本性支出（人力资产附带成本摊销）。这些都构成了人力资产使用成本。（二）人力资源会计账户设置的确认 为了进行人力资源会计核算，应设置以下账户： 1. “人力资产”账户。该账户根据其内容构成，下设三个明细账户： （1）人力资产原值。本账户核算具有不同标准的劳动者在进入企业前就拥有的价值量。企业在取得人力资源时记借方，在劳动合同到期劳动者离开企业时记贷方。期末余额在借方，表示期末人力资产原值结余额。 （2）人力资产附带成本。本账户核算企业在取得或开发人力资源时所发生的必要支出。支出发生时记借方，在合同期内分期平均摊销时记贷方，直接冲减“人力资产”价值。期末余额在借方，表示尚未摊销的附带成本。 （3）人力资产评估增值。本账户核算在对人力资产进行评估时的评估增加额或减少额。评估增值时记借方，评估减值时记贷方。当劳动者离开企业时全额冲减该项人力资产的增值额。期末余额在借方，表示增值量；期末余额在贷方，表示减值量。

实验三 多元回归模型【实验目的】掌握建立多元回归模型和比较、筛选模型的方法。【实验内容】建立我国国有独立核算工业企业生产函数。根据生产函数理论，生产函数的基本形式为： 。其中，L、K分别为生产过程中投入的劳动与资金，时间变量 反映技术进步的影响。表3-1列出了我国1978-1994年期间国有独立核算工业企业的有关统计资料；其中产出Y为工业总产值（可比价），L、K分别为年末职工人数和固定资产净值（可比价）。表3-1 我国国有独立核算工业企业统计资料年份 时间 工业总产值Y（亿元） 职工人数L（万人） 固定资产K（亿元）1978 1 3139 2 3208 3 3334 4 3488 5 3582 6 3632 7 3669 8 3815 9 3955 10 4086 11 4229 12 4273 13 4364 14 4472 15 4521 16 4498 17 4545 资料来源：根据《中国统计年鉴－1995》和《中国工业经济年鉴-1995》计算整理【实验步骤】一、建立多元线性回归模型一建立包括时间变量的三元线性回归模型；在命令窗口依次键入以下命令即可：⒈建立工作文件： CREATE A 78 94⒉输入统计资料： DATA Y L K⒊生成时间变量 ： GENR T=@TREND(77)⒋建立回归模型： LS Y C T L K则生产函数的估计结果及有关信息如图3-1所示。 图3-1 我国国有独立核算工业企业生产函数的估计结果因此，我国国有独立工业企业的生产函数为： （模型1） ＝() () () () 模型的计算结果表明，我国国有独立核算工业企业的劳动力边际产出为，资金的边际产出为，技术进步的影响使工业总产值平均每年递增亿元。回归系数的符号和数值是较为合理的。 ，说明模型有很高的拟合优度，F检验也是高度显著的，说明职工人数L、资金K和时间变量 对工业总产值的总影响是显著的。从图3-1看出，解释变量资金K的 统计量值为，表明资金对企业产出的影响是显著的。但是，模型中其他变量（包括常数项）的 统计量值都较小，未通过检验。因此，需要对以上三元线性回归模型做适当的调整，按照统计检验程序，一般应先剔除 统计量最小的变量（即时间变量）而重新建立模型。二建立剔除时间变量的二元线性回归模型； 命令：LS Y C L K则生产函数的估计结果及有关信息如图3-2所示。 图3-2 剔除时间变量后的估计结果因此，我国国有独立工业企业的生产函数为： （模型2） ＝() () () 从图3-2的结果看出，回归系数的符号和数值也是合理的。劳动力边际产出为，资金的边际产出为，表明这段时期劳动力投入的增加对我国国有独立核算工业企业的产出的影响最为明显。模型2的拟合优度较模型1并无多大变化，F检验也是高度显著的。这里，解释变量、常数项的 检验值都比较大，显著性概率都小于，因此模型2较模型1更为合理。三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 LNY=log（Y）GENR LNL=log（L）GENR LNK=log（K）LS LNY C LNL LNK则估计结果如图3-3所示。 图3-3 线性变换后的C-D生产函数估计结果即可得到C-D生产函数的估计式为： （模型3） ＝ () () () 即： 从模型3中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理，而且拟合优度较模型2还略有提高，解释变量都通过了显著性检验。方式2：迭代估计非线性模型，迭代过程中可以作如下控制：⑴在工作文件窗口中双击序列C，输入参数的初始值；⑵在方程描述框中点击Options，输入精度控制值。控制过程：①参数初值：0，0，0；迭代精度：10－3；则生产函数的估计结果如图3-4所示。 图3-4 生产函数估计结果此时，函数表达式为： （模型4） ＝()(－)() 可以看出，模型4中劳动力弹性 ＝，资金的产出弹性 ＝，很显然模型的经济意义不合理，因此，该模型不能用来描述经济变量间的关系。而且模型的拟合优度也有所下降，解释变量L的显著性检验也未通过，所以应舍弃该模型。②参数初值：0，0，0；迭代精度：10－5； 图3-5 生产函数估计结果从图3-5看出，将收敛的误差精度改为10－5后，迭代100次后仍报告不收敛，说明在使用迭代估计法时参数的初始值与误差精度或迭代次数设置不当，会直接影响模型的估计结果。③参数初值：0，0，0；迭代精度：10－5，迭代次数1000； 图3-6 生产函数估计结果此时，迭代953次后收敛，函数表达式为： （模型5） ＝()()() 从模型5中看出，资本与劳动的产出弹性都是在0到1之间，模型的经济意义合理， ，具有很高的拟合优度，解释变量都通过了显著性检验。将模型5与通过方式1所估计的模型3比较，可见两者是相当接近的。④参数初值：1，1，1；迭代精度：10－5，迭代次数100； 图3-7 生产函数估计结果此时，迭代14次后收敛，估计结果与模型5相同。比较方式2的不同控制过程可见，迭代估计过程的收敛性及收敛速度与参数初始值的选取密切相关。若选取的初始值与参数真值比较接近，则收敛速度快；反之，则收敛速度慢甚至发散。因此，估计模型时最好依据参数的经济意义和有关先验信息，设定好参数的初始值。二、比较、选择最佳模型估计过程中，对每个模型检验以下内容，以便选择出一个最佳模型：一回归系数的符号及数值是否合理；二模型的更改是否提高了拟合优度；三模型中各个解释变量是否显著；四残差分布情况以上比较模型的一、二、三步在步骤一中已有阐述，现分析步骤一中5个不同模型的残差分布情况。分别在模型1～模型5的各方程窗口中点击View/Actual, Fitted, Residual/ Actual, Fitted, Residual Table（图3-8），可以得到各个模型相应的残差分布表（图3-9至图3-13）。可以看出，模型4的残差在前段时期内连续取负值且不断增大，在接下来的一段时期又连续取正值，说明模型设定形式不当，估计过程出现了较大的偏差。而且，模型4的表达式也说明了模型的经济意义不合理，不能用于描述我国国有工业企业的生产情况，应舍弃此模型。模型1的各期残差中大多数都落在 的虚线框内，且残差分别不存在明显的规律性。但是，由步骤一中的分析可知，模型1中除了解释变量K之外，其余变量均为通过变量显著性检验，因此，该模型也应舍弃。模型2、模型3、模型5都具有合理的经济意义，都通过了 检验和F检验，拟合优度非常接近，理论上讲都可以描述资本、劳动的投入与产出的关系。但从图3-13看出，模型5的近期误差较大，因此也可以舍弃该模型。最后将模型2与模型3比较发现，模型3的近期预测误差略小，拟合优度比模型2略有提高，因此可以选择模型2为我国国有工业企业生产函数。 图3-8 回归方程的残差分析 图3-9 模型1的残差分布图3-10 模型2的残差分布图3-11 模型3的残差分布图3-12 模型4的残差分布图3-13 模型5的残差分布

一元线性回归模型的置信区间与预测多元线性回归模型的置信区间问题包括参数估计量的置信区间和被解释变量预测值的置信区间两个方面，在数理统计学中属于区间估计问题。所谓区间估计是研究用未知参数的点估计值（从一组样本观测值算得的）作为近似值的精确程度和误差范围，是一个必须回答的重要问题。一、参数估计量的置信区间在前面的课程中，我们已经知道，线性回归模型的参数估计量 是随机变量 的函数，即： ，所以它也是随机变量。在多次重复抽样中，每次的样本观测值不可能完全相同，所以得到的点估计值也不可能相同。现在我们用参数估计量的一个点估计值近似代表参数值，那么，二者的接近程度如何？以多大的概率达到该接近程度？这就要构造参数的一个区间，以点估计值为中心的一个区间（称为置信区间），该区间以一定的概率（称为置信水平）包含该参数。即回答 以何种置信水平位于 之中，以及如何求得a。在变量的显著性检验中已经知道()这就是说，如果给定置信水平 ，从t分布表中查得自由度为(n-k-1)的临界值 ，那么t值处在 的概率是 。表示为即于是得到：在（ ）的置信水平下 的置信区间是i=0,1 （）在某例子中，如果给定 ，查表得从回归计算中得到根据（）计算得到 的置信区间分别为 和（）显然，参数 的置信区间要小。在实际应用中，我们当然希望置信水平越高越好，置信区间越小越好。如何才能缩小置信区间？从（）式中不难看出：（1）增大样本容量n。在同样的置信水平下，n越大，从t分布表中查得自由度为（n-k-1）的临界值 越小；同时，增大样本容量，在一般情况下可使估计值的标准差 减小，因为式中分母的增大是肯定的，分子并不一定增大。（2）更主要的是提高模型的拟合度，以减小残差平方和 。设想一种极端情况，如果模型完全拟合样本观测值，残差平方和为0，则置信区间也为0。（3）提高样本观测值的分散度。在一般情况下，样本观测值越分散，标准差越小。置信水平与置信区间是矛盾的。置信水平越高，在其他情况不变时，临界值 越大，置信区间越大。如果要求缩小置信区间，在其他情况不变时，就必须降低对置信水平的要求。二、预测值的置信区间1、 点预测计量经济学模型的一个重要应用是经济预测。对于模型，如果给定样本以外的解释变量的观测值 ，有因 是前述样本点以外的解释变量值，所以 和 是不相关的。引用已有的OLS的估计值，可以得到被解释变量 的点预测值：()但是，严格地说，这只是被解释变量的预测值的估计值，而不是预测值。原因在于两方面：一是模型中的参数估计量是不确定的，正如上面所说的；二是随机项的影响。所以，我们得到的仅是预测值的一个估计值，预测值仅以某一个置信水平处于以该估计值为中心的一个区间中。于是，又是一个区间估计问题。2、 区间预测如果已经知道实际的预测值 ，那么预测误差为显然， 是一随机变量，可以证明而因为 由原样本的OLS估计值求得，而 与原样本不相关，故有：，可以计算出来：()()因 和 均服从正态分布，可利用它们的性质构造统计量，求区间预测值。利用 构造统计量为：将 用估计值 代入上式，有这样，可得显著性水平 下 的置信区间为()()式称为 的均值区间预测。同理，利用 构造统计量，有将 用估计值 代入上式，有：根据置信区间的原理，得显著性水平 下 的置信区间：（）上式称为 的个值区间预测，显然，在同样的 下，个值区间要大于均值区间。()和()也可表述为： 的均值或个值落在置信区间内的概率为 ， 即为预测区间的置信度。或者说，当给定解释变量值 后，只能得到被解释变量 或其均值 以 的置信水平处于某区间的结论。经常听到这样的说法，“如果给定解释变量值，根据模型就可以得到被解释变量的预测值为……值”。这种说法是不科学的，也是计量经济学模型无法达到的。如果一定要给出一个具体的预测值，那么它的置信水平则为0；如果一定要回答解释变量以100%的置信水平处在什么区间中，那么这个区间是∞。在实际应用中，我们当然也希望置信水平越高越好，置信区间越小越好，以增加预测的实用意义。如何才能缩小置信区间？从（）和()式中不难看出：（1）增大样本容量n。在同样的置信水平下，n越大，从t分布表中查得自由度为（n-k-1）的临界值 越小；同时，增大样本容量，在一般情况下可使 减小，因为式中分母的增大是肯定的，分子并不一定增大。（2）更主要的是提高模型的拟合优度，以减小残差平方和 。设想一种极端情况，如果模型完全拟合样本观测值，残差平方和为0，则置信区间长度也为0，预测区间就是一点。（3）提高样本观测值的分散度。在一般情况下，样本观测值越分散，作为分母的 的值越大，致使区间缩小。置信水平与置信区间是矛盾的。置信水平越高，在其他情况不变时，临界值 越大，置信区间越大。如果要求缩小置信区间，在其他情况不变时，就必须降低对置信水平的要求。四、一元线性回归模型参数估计实例为了帮助读者理解一元线性回归模型参数估计的原理，下面以我国国家财政文教科学卫生事业费支出模型为例，不采用计量经济学应用软件，用手工计算，进行模型的参数估计。经分析得到，我国国家财政中用于文教科学卫生事业费的支出，主要由国家财政收入决定，二者之间具有线性关系。于是可以建立如下的模型：其中， 为第t年国家文教科学卫生事业费支出额（亿元）， 为第t年国家财政收入额（亿元）， ，为随机误差项， 为待估计的参数。选取1991—1997年的数据为样本，利用（）和（）的计算公式，分别计算参数估计值。表 有关数据表年份 ED FI -551 -2351 734 -26 793 3483 -466 -2017 804 -11 958 4349 -301 -1151 1001 -43 1278 5218 19 -282 1196 82 1467 6242 43 1704 1685 19 1904 1963 -59 有关中间计算结果如下：由电脑计算的参数估计值为全部统计结果如下表。从表中可看出，判定系数 ，表示以国家财政收入额来解释国家文教科学卫生事业费支出额，在1991至1997年间，拟合度相当理想。截距项 的估计值对应的t-统计量为，不能通过显著性检验，即不能推翻 为0的假设；而一次系数 的估计值对应的t-统计量为，不用查表即可知通过显著性检验，即 显著不为0，因果关系成立。F-统计量的值为，也表示方程系数显著不为0。表一：Eviews计算结果Dependent Variable: EDMethod: Least SquaresDate: 09/21/02 Time: 16:22Sample: 1991 1997Included observations: 7Variable Coefficient Std. Error t-Statistic Mean dependent var R-squared . dependent var . of regression Akaike info criterion squared resid Schwarz criterion likelihood F-statistic stat Prob(F-statistic) 表二：不含截距项的Eviews计算结果：Dependent Variable: EDMethod: Least SquaresDate: 09/21/02 Time: 16:19Sample: 1991 1997Included observations: 7Variable Coefficient Std. Error t-Statistic Mean dependent var R-squared . dependent var . of regression Akaike info criterion squared resid Schwarz criterion likelihood Durbin-Watson stat Variable: LEDMethod: Least SquaresDate: 09/21/02 Time: 16:21Sample: 1991 1997Included observations: 7Variable Coefficient Std. Error t-Statistic Mean dependent var R-squared . dependent var . of regression Akaike info criterion squared resid Schwarz criterion likelihood F-statistic stat Prob(F-statistic) 多元线性回归模型的参数估计实例例 建立中国消费模型。根据消费模型的一般形式，选择消费总额为被解释变量，国内生产总值和前一年的消费总额为解释变量，变量之间关系为简单线性关系，选取1981年至1996年统计数据为样本观测值。样本观测值列于表中。表 中国消费数据表年份 消费总额 国内生产总值 前一年消费额 年份 消费总额 国内生产总值 前一年消费额 2976 1989 10556 16466 93601982 1990 11362 1832 105561983 1991 13146 21280 113621984 1992 15952 25864 131461985 1993 20182 34501 159521986 6542 10133 5773 1994 27216 47111 201821987 7451 11784 6542 1995 34529 59405 272161988 9360 14704 7451 1996 40172 68498 34529以y代表消费总额， 代表国内生产总值， 代表前一年消费总额，应用计量经济分析软件包中普通最小二乘法估计模型，得到下列结果：（）（） （） （）式中各项都是评价估计结果优劣的重要标准，后面将逐一介绍。这里仅讨论参数估计值。两个解释变量前的参数估计值分别为和，都为正数，且都处于0与1之间，常数项的估计值也为正，这些参数估计值的经济含义是合理的。随机误差项的方差的估计值为。Oh，如果你是学习好的话肯定会做那么也就不用提问了，如果你学习不怎么样做出来的太好反而会让老师更加怀疑真实性，一般情况下能过关就OK了，做的太好老师问你了咋办。所以吧能过关一切都好的