计量经济学案例

依据1996-2005年《中国统计年鉴》提供的资料，经过整理，获得以下农村居民人均消费支出和人均纯收入的数据如表2-5：
表2-5 农村居民1995-2004人均消费支出和人均纯收入数据资料 单位：元
年度 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004
人均纯收入 1577.7 1926.1 2090.1 2161.1 2210.3 2253.4 2366.4 2475.6 2622.2 2936.4
人均消费支出 1310.4 1572.1 1617.2 1590.3 1577.4 1670.1 1741.1 1834.3 1943.3 2184.7
一、建立模型
以农村居民人均纯收入为解释变量X，农村居民人均消费支出为被解释变量Y，分析Y随X的变化而变化的因果关系。考察样本数据的分布并结合有关经济理论，建立一元线性回归模型如下：
Yi =b0+b1Xi+mi
根据表2-5编制计算各参数的基础数据计算表。
求得:

根据以上基础数据求得:

样本回归函数为：

上式表明，中国农村居民家庭人均可支配收入若是增加100元，居民们将会拿出其中的62.39元用于消费。
二、模型检验
1．拟合优度检验

2.t检验

在显著性水平a=0.05，n-2=8时，查t分布表，得到：

提出假设,原假设H0：b1=0，备择假设H1：b1¹0

，差异显著，拒绝b1=0的假设。
3. F检验
提出原假设H0：b1=0，备择假设H1：b1¹0
在显著性水平a=0.05，n-2=8时，查F分布表，得到：
F（1，8）=5.32。

160.7505>5.32，即F > F（1，8），差异显著，拒绝b1=0的假设。
三、预测
当农村居民家庭人均纯收入增长到3500元时,对农村居民人均消费支出预测如下:

在显著性水平a=0.05,n-2=8时， =2.306
从而
=2476.405-2.306´84.13257219=2282.40(元)
=2476.405+2.306´84.13257219=2670.41(元)

当农村居民家庭人均纯收入增长到3500元时,，农村居民人均消费支出在2282.40元至2670.41元之间的概率为95%。
四、利用计算机进行分析的步骤
以上分析内容可以借助计算机完成，下面以EViews3.0软件为例，介绍其分析过程。
1．设定工作范围
打开EViews，按照以下步骤设定工作范围：
File®New®Workfile®Workfile Range®Annual®Start data(1995)®End data(2004)
2．输入变量
在Workfile工作状态下输入变量X,Y
Objects®New Object®Type of Object（series）®Name for Object（X）

3．输入样本数据
在Workfile工作状态下选中X、Y，右击鼠标，Open®as Group®Edit，输入数据

4．输入方程式
在Workfile工作状态下，选中Y、X，右击鼠标，Open®as Equation®Equation Specification®(Y C X)®OK，输出回归分析结果
输出结果的解释：
Variable 解释变量
Coefficient 解释变量的系数
Std.Error 标准差
t-Statistic t-检验值
Prob. t-检验的相伴概率
R-squared 样本决定系数
Adjusted R-squared 调整后的样本决定系数
S.E.regression 回归标准差
Sum squared resid 残差平方和
Log likelihood 对数似然比
Durbin-Watson stat D-W统计量
Mean dependent var 被解释变量的均值
S.D.dependent var 被解释变量的标准差
Akaike info criterion 赤池信息量
Schwarz criterion 施瓦兹信息量
F-statistic F统计量
Prob(F-statistic) F统计量的相伴概率

是b0, b1回归系数的估计量值，r2是在双变量情况下，样本的可决系数

是 估计量的标准差， 是 估计量的t 统计量。
F=160.7542是F检验统计量的值
样本回归函数为：
样本回归函数（Sample Regression Function，SRT）
5．预测
（1）扩展工作范围
在Workfile工作状态下，Procs→Change Workfile Range→End data(2005)→OK
再选择Sample(1995 2005) →OK

（2）输入解释变量值
在Workfile工作状态下，X→Edit →(3500)。
（3）预测

在Workfile工作状态下，显示YF，可得到点预测值