回归分析论文模板

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: Y1Method: Least SquaresDate: 05/27/10 Time: 14:45Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -1647.264 517.2169 -3.184861 0.0034L 14.99417 0.712549 21.04299 0.0000R-squared 0.938534 Mean dependent var 7387.979Adjusted R-squared 0.936415 S.D. dependent var 6367.139S.E. of regression 1605.545 Akaike info criterion 17.66266Sum squared resid 74755513 Schwarz criterion 17.75517Log likelihood -271.7712 F-statistic 442.8073Durbin-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: Y1Method: Least SquaresDate: 05/27/10 Time: 17:16Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -705.0563 393.0357 -1.793873 0.0833K1 2.241106 0.086751 25.83385 0.0000R-squared 0.958357 Mean dependent var 7387.979Adjusted R-squared 0.956921 S.D. dependent var 6367.139S.E. of regression 1321.537 Akaike info criterion 17.27332Sum squared resid 50647333 Schwarz criterion 17.36583Log likelihood -265.7364 F-statistic 667.3880Durbin-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: Y1Method: Least SquaresDate: 05/27/10 Time: 17:23Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C -1369.643 303.2218 -4.516968 0.0001K1 1.336796 0.176104 7.590936 0.0000L 6.522268 1.190606 5.478107 0.0000R-squared 0.979900 Mean dependent var 7387.979Adjusted R-squared 0.978464 S.D. dependent var 6367.139S.E. of regression 934.3899 Akaike info criterion 16.60943Sum squared resid 24446367 Schwarz criterion 16.74820Log likelihood -254.4462 F-statistic 682.5040Durbin-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: LNY1Method: Least SquaresDate: 05/27/10 Time: 17:29Sample: 1 36Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 0.242345 0.198180 1.222853 0.2316LNK1 0.666500 0.082707 8.058538 0.0000LNL 0.493322 0.088128 5.597775 0.0000R-squared 0.988755 Mean dependent var 8.504486Adjusted R-squared 0.987951 S.D. dependent var 1.037058S.E. of regression 0.113834 Akaike info criterion -1.416379Sum squared resid 0.362831 Schwarz criterion -1.277606Log likelihood 24.95388 F-statistic 1230.946Durbin-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，

第一节 一元线性回归方程的显著性检验由上面的讨论知，对于任何的两个变量x和Y的一组观测数据（ ）（i=1,2,……,n）按公式（10）和（11）都可以确定一个回归方程 然而事前并不知道Y和x之间是否存在线性关系，如果两个变量Y和x之间并不存在显著的线性相关关系，那么这样确定的回归方程显然是毫无实际意义的．因此，我们首先要判断Y和x是否线性相关，也就是要来检验线性假设 是否可信，显然，如果Y和x之间无线性关系，则线性模型的一次项系数 =0；否则 0．所以检验两个变量之间是否存在线性相关关系，归根到底是要检验假设 根据现行假设对数据所提的要求可知，观察值 ， ，…… 之间的差异，是有两个方面的原因引起的：（1）自变量x的值不相同;（2）其它因素的影响，检验 是否成立的问题，也就是检验这两方面的影响哪一个是主要的问题．因此，就必须把他们引起的差异从Y的总的差异中分解出来．也就是说，为了选择适当的检验统计量，先导出离差平方和的分解因式．[6]一、离差平方和的分解公式观察值 （i=1,2,……,n），与其平均值 的离差平方和，称为总的离差平方和，记作 因为 = 其中：=2 =2 =2 =2 所以= 由于 中的 ， 为（10）和（11）所确定．即它们满足正规方程组（9）的解．因此定义项= 于是得到了总离差平方和的分解公式： 其中（19）是回归直线 上横坐标为 的点的纵坐标，并且 的平均值为 ， 是 这n个数的偏差平方和，它描述了 的离散程度，还说明它是来源于 的分散性，并且是通过x对于Y的线性影响而反映出来的，所以， 称为回归平方和而 = 它正是前面讨论的 的最小值，在假设（1）式的条件下它是由不可观察的随机变量 引起的，也就是说，它是由其它未控制的因素及试验误差引起的，它的大小反映了其它因素以及试验误差对实验结果得影响．我们称 为剩余平方和或残差平方和．[7]二、 、 的性质及其分布由以上分析可知，要解决判断Y和x之间是否存在线性相关关系的问题，需要通过比较回归平方和和剩余平方和来实现．为了更清楚地说明这一点，并寻求出检验统计量，考察估计量 ， 的性质及其分布．（一） 的分布 由（14）式可知= 在 相互独立且服从同一分布 的假定下由（2）知 ， ，…… 是P个相互独立的随机变量，且 （i=1,2,……，n）所以他们的平均值 的数学期望为：因为 是 的线性函数，且有：这说明 是 的无偏估计量且 的方差为所以 即: 同样可证，对于任意给定的 其对应的回归值 （它是 的点估计）适合( ， （二） 方差 的估计及分布因为 = = = 由 、 及 可得 = 又由于 及E(L)，E(U)得=E(L)+E(U) =（n-2） 从而,说明了 = = 是 的无偏估计量，由此可见，不论假设 成立与否， 是 的一个无偏估计量，而 仅当假设成立时，才是 的一个无偏估计量，否则它的期望值大于 ．说明比值 （20）在假设成立时有偏大倾向，也就是说，如果F取得值相当大，则没有理由认为x和Y之间有线性相关关系，也就是下面我们将采用F作为检验统计量的原因．另外，由于 ， 是 的最小二乘估计，由（8）式可知=0 ， =0这表明 中的n个变量 ， …… 之间有两个独立的线性约束条件，