试探交通运输发展与国民经济的关系

试探交通运输发展与国民经济的关系小组成员:金融学院2001级袁新熠40104017李泓良40104031王阳40104028童运超40104005罗卫平40104029陈东40104003指导教师周游日期2004年5月摘要：本文主要通过对我国1991年到2002年交通运输业的发展状况与国民经济的发展之间的关系进行多因素实证分析。建立以国民经济指标为应变量，交通运输业的经济指标为自变量的多元线性回归模型，试图探索交通运输发展与国民经济的关系。首先，我们收集了相关的数据，利用EVIEWS软件对计量模型进行了参数估计，并建立了理论模型。然后，进行检验并对模型加以修正。最后，我们结合相关的理论对所得的分析结果作了经济意义的分析。一.问题的提出与猜测：“要想富，先修路”是我们大家都耳熟能详的一句话，改革开放以来，我国的交通运输业有了很大的发展，表现在运输线路长度上和客货运送量上都大幅度增长，与此同时，我国的经济发展也快速发展。二者的同步发展是否存在着某种联系？在此，我们猜测两者之间存在着一定的联系，根据“要想富，先修路”这一经验，我们猜测交通运输业对国民经济的发展具有先行作用，也即交通运输业对国民经济的发展具有促进作用。以下，我们将根据这一设想，收集相关数据，并估计和检验，希望能够找出二者之间是否存在关系，如若有，它们是什么样的关系？以及它们在多大程度上相关？二.数据的搜集：在进行实证分析的过程中，所需要的数据，应是能够很好代表两者水平的指标。就国民经济而言，GDP应该是最合适的指标，因为我们探究的是经济总量的问题，我们选取了各年我国的GDP总量（虽然人均GDP也同样有用，但明显不及总量GDP）；对于我国交通运输发展状况的水平指标，可选择的余地较大，但我们发现它们之间存在着明显的相关性，为了尽量避免多重共线形和使模型更加简洁精确，我们选取了四个最具有代表性的指标，它们分别是全国全年客运总量（用X1表示），全国全年货运总量（X2），截止当年全国铁路总里程数（X3），截止当年全国公路总里程数（X4）。本文中数据的起止时间是1991年到2002年，一共12年的数据。数据来源于中经专网和国家统计局网站。三.对模型的猜测：我们假设以上四个变量和GDP之间存在以下的关系，待估计方程为：Y=m+aX1+bX2+cX3+dX4+uY—GDPX1——全国全年客运总量X2——全国全年货运总量X3——全国铁路总里程数X4——全国公路总里程接下来我将利用样本数据对参数进行估计。四.数据:（单位：1万人，2万吨，3公里，4公里）年份\指标X1X2X3X4Y199187090793628857800104110021662.51992891960100486058100105670026651.91993979430106995558600108350034560.51994110092411330465900011178004667019951241770118587159700115700057494.919961271387124636964900118580066850.519971329770122457266000122640073142.719981370410121245466400127850076967.219991388321126874667400135170080579.420001471849133555468700140270088254.920011526602137765070100169800095727.9200215995551458555720001732000103553.6五.模型的参数估计：利用EVIEWS软件，用OLS方法估计得：DependentVariable:YMethod:LeastSquaresDate:05/07/04Time:14:30Sample:19912002Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.X10.0799470.00703511.364680.0000X20.0148970.0102531.4530240.1895X4-0.0010450.003393-0.3081220.7670X31.1290280.2166425.2114970.0012C-124807.79976.147-12.510620.0000R-squared0.999179Meandependentvar64343.00AdjustedR-squared0.998710S.D.dependentvar27118.34S.E.ofregression973.9812Akaikeinfocriterion16.89500Sumsquaredresid6640476.Schwarzcriterion17.09704Loglikelihood-96.36999F-statistic2130.105Durbin-Watsonstat2.285535Prob(F-statistic)0.000000可得模型：Y=0.07994666486*X1+0.01489726364*X2+1.129028112*X3-0.001045403313*X4-124807.7471在上面的ols的结果中我们可以看出，变量x2与x4的p值未获得通过，我们在接下来的过程中进行检验和修正。六.计量经济学检验及其修正1.多重共线性检验用EVIEWS软件，得相关系数矩阵表：X1X2X4X3X110.9776489310990.8836835472450.952768261281X20.97764893109910.9039279280610.934040427024X40.8836835472450.90392792806110.908697841494X30.9527682612810.9340404270240.9086978414941由上可以看出，整体上线形回归拟合较好，但x2，x4变量的参数的t检验的p值大于0.05，所以t值并不显著，而且x4的系数符号与经济意义不符。两种方法结合一起来看，解释变量确实存在多重共线性。下面我们利用逐步回归法（变量剔除法）进行修正：(1)运用ols方法逐一求y对各个解释变量的回归.结合经济意义和统计检验选出拟合效果最好的一元线形回归方程.(a)对x1与y回归:DependentVariable:YMethod:LeastSquaresDate:05/07/04Time:14:35Sample:19912002Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.X10.1107930.00252243.934120.0000C-74544.213215.745-23.181010.0000R-squared0.994846Meandependentvar64343.00AdjustedR-squared0.994331S.D.dependentvar27118.34S.E.ofregression2041.904Akaikeinfocriterion18.23217Sumsquaredresid41693735Schwarzcriterion18.31298Loglikelihood-107.3930F-statistic1930.207Durbin-Watsonstat1.906367Prob(F-statistic)0.000000(b)对x2与y回归:DependentVariable:YMethod:LeastSquaresDate:05/07/04Time:14:35Sample:19912002Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.X20.1749220.01151815.187110.0000C-146349.013973.68-10.473190.0000R-squared0.958446Meandependentvar64343.00AdjustedR-squared0.954290S.D.dependentvar27118.34S.E.ofregression5797.865Akaikeinfocriterion20.31938Sumsquaredresid3.36E+08Schwarzcriterion20.40020Loglikelihood-119.9163F-statistic230.6482Durbin-Watsonstat0.888799Prob(F-statistic)0.000000(c)对x3与y回归:DependentVariable:YMethod:LeastSquaresDate:05/07/04Time:14:36Sample:19912002Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.X35.1100790.40722112.548650.0000C-263000.126162.96-10.052380.0000R-squared0.940287Meandependentvar64343.00AdjustedR-squared0.934316S.D.dependentvar27118.34S.E.ofregression6950.126Akaikeinfocriterion20.68192Sumsquaredresid4.83E+08Schwarzcriterion20.76274Loglikelihood-122.0915F-statistic157.4687Durbin-Watsonstat1.038107Prob(F-statistic)0.000000(d)对x4与y回归:DependentVariable:YMethod:LeastSquaresDate:05/07/04Time:14:36Sample:19912002Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.X40.1043460.0162546.4196870.0001C-68969.2521080.72-3.2716750.0084R-squared0.804735Meandependentvar64343.00AdjustedR-squared0.785208S.D.dependentvar27118.34S.E.ofregression12568.17Akaikeinfocriterion21.86673Sumsquaredresid1.58E+09Schwarzcriterion21.94755Loglikelihood-129.2004F-statistic41.21238Durbin-Watsonstat0.498566Prob(F-statistic)0.000076由以上可以得知拟合程度最好的方程是:Y=0.110793012*X1-74544.21148(43.93412)(-23.18101)R-squared=0.994846S.E=2041.909F=1930.207(2)逐步回归,将其余的解释变量逐一代入上式中,得如下几个模型:(a)将x2代入:DependentVariable:YMethod:LeastSquaresDate:05/07/04Time:14:42Sample:19912002Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.X10.1012700.0122198.2876300.0000X20.0156680.0