计量经济学论文修改版

HUNANUNIVERSITY计量经济学课程设计题目：对电力消费的影响因素研究学生姓名：学生学号：专业班级：金融学三班学院名称：金融与统计学院指导老师：2013年12月18日目录一.引言..................................错误!未定义书签。1.背景...................................错误!未定义书签。2.意义...................................错误!未定义书签。二.模型设定及原始数据....................错误!未定义书签。三.估计参数..............................错误!未定义书签。四.多重共线性............................错误!未定义书签。五.自相关检验............................错误!未定义书签。六.异方差检验............................错误!未定义书签。七.Granger因果检验......................错误!未定义书签。八.平稳与非平稳时间序列..................错误!未定义书签。九.协整与误差修正模型....................错误!未定义书签。一.引言1.背景随着经济的发展，人们生活水平的提高，电力消费已经成为中国社会不可或缺的生活依靠。电力作为国民经济的重要基础产业，发电量和用电指标历来被认为是经济运行态势的重要反映，其与GDP变化的一致性和相对同步性已经成为世界各国及各大投资咨询机构判断经济发展状况的共识。电力行业的发展不仅对增加就业和推动各产业发展起到关键推动作用，而且可以催生新的供应链条，繁荣我国经济。为了研究电力消费增长的主要原因，分析电力消费需求规律，需要建立计量经济模型。2.意义对电力消费需求的研究，可以发现电力需求规律，进而优化管理配置，提高我国电力行业运行效率。这一过程，需要建立计量经济模型加以分析。根据模型分析结果，我们可以对症下药，改善我国电力行业运营效率。二.模型设定及原始数据根据线性模型假设，我们设置模型如下：Y=β0+β1GDP+β2E+β3P+β4I+ε其中，在模型中，Y为电力消费量，GDP为我国该阶段对应GDP，E为相应每年的能源消耗量，P为历年的人口总数，I为电力工业工业品价格指数。（数据来源于国家统计局网站以及各年度的统计年鉴。）具体数据如下表所示：变量电力消费量(亿千瓦小时)国内生产总值(亿元)能源消费总量(万吨标准煤)总人口(万人)电力价格指数19885466.81504392997111026118.3519895865.31699296934112704125.3319906230.41866898703114333134.611991680421781103783115823157.3619927589.226923109170117171171.2119938426.535334115993118517232.6719949260.448198122737119850324.57199510023.460794131176121121355.41199610764.371177138948122389401.97199711284.478973138173123626458.24199811598.484402132214124761483.44199912305.289677130119125786487.80200013471.3899215138553126743499.50200114723.46109655143199.3127627510.99200216465.45120333151796.59128453514.82200319031.6135823174990129227519.46200421971.37159878203227129988531.92200524940.39183217224682130756554.00200628587.97211923246270.15131448569.29200732711.8257305.56265583132129581.81年份三.估计参数首先，用EViews模型生成回归结果，如下图所示:图表1DependentVariable:YMethod:LeastSquaresDate:12/27/13Time:00:14Sample:19882007Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C-28925.906488.727-4.4578700.0005GDP0.0901480.00707612.739220.0000E0.0387650.0080364.8242390.0002I-13.776792.016380-6.8324400.0000P0.2766440.0596954.6343100.0003R-squared0.999071Meandependentvar13876.09AdjustedR-squared0.998824S.D.dependentvar7834.230S.E.ofregression268.6904Akaikeinfocriterion14.23731Sumsquaredresid1082918.Schwarzcriterion14.48625Loglikelihood-137.3731Hannan-Quinncriter.14.28591F-statistic4034.394Durbin-Watsonstat1.551247Prob(F-statistic)0.000000四.多重共线性根据图表1中的数据，模型估计结果为Y=-28925.9+0.090148GDP+β0.038765E+0.276644P-13.77679I+ε由此可见，该模型R^2=0.9990.可决系数很高，F检验值4034.394，明显显著。各解释变量的P值都非常小，说明假设检验很显著。各解释变量的系数都符合经济规律，但尚不能断定它们之间不存在多重共线性。接下来，计算各个解释变量的相关系数，结果如下图所示图表2CovarianceAnalysis:OrdinaryDate:12/27/13Time:00:31Sample:19882007Includedobservations:20Correlationt-StatisticEGDPIPE1.000000-----GDP0.9809451.00000021.42096-----I0.7877020.8634181.0000005.4247317.261150-----P0.8557870.9139280.9776441.0000007.0183569.55330419.72629-----由相关系数矩阵可以看出，个解释变量之间的相关系数较高，证实各解释变量之间存在严重多重共线性。我们要做的，就是修正这种多重共线性。采用逐步回归的方法去检验和解决多重共线性问题。分别作Y对E、GDP、I、P的一元回归，结果如下图：图表3变量GDPEPI参数估计值0.1127500.1554861.04865737.75349t统计量37.6826733.809427.8816275.897007R^20.9874820.9844970.7753370.658927修正R^20.9867870.9836360.7628560.639979从图3可以看出，Y与GDP回归时产生的修正R^2最大，以GDP为基础，顺次加入其它变量逐次回归。结果如图表4所示：图表4经比较，新加入的E、P、I方程修正R^2都高于0.99，改进较大，且它们的t值也都很显著，但是变量P的估计参数为负，这与经济规律不符，应当剔除。剩余的两个解释变量中，不管是t值还是修正R^2，加入I的方程都优于加入E的方程，故考虑保留I。接下来加入E变量再做一次检验。图表5加入E后，各参数估计的t值都保持显著，且总体方程的修正R^2达到了0.997318，改进较大，故选择保留解释变量E，则变量剔除完毕。最后修正严重多重共线性影响后的回归结果为：Y=925.6995+0.093245GDP+0.043594E-5.439661I+εt=（0.784006）（8.766165）（3.623644）（-3.955912）R^2=0.997742修正R^2=0.997318F=2356.360DW=0.748254变量GDPEPI修正R^2GDP，E0.061349（6.480633）0.072369（5.535114）0.995007GDP，P0.130159（21.63416）-0.199944（-3.166193）0.991199GDP，I0.130553（37.32591）-8.452399（-5.895413）0.995405变量GDPIE修正R^2GDP，I，E0.093245（8.766165）-5.439661（-3.955912）0.043594（3.623644）0.997318这说明，在其他因素不变的情况下，当GDP每增加1亿元，能源消费总量增加一万吨和电力价格指数上升1时，平均来说国内电力消费量将分别上升0.093245亿千瓦小时、0.043594亿千瓦小时和下降5.439661亿千瓦小时。六.异方差检验在实际的经济问题中经常会出现异方差这种现象，因此建立模型时，必须要注意异方差的检验，否则，在实际中会失去意义。（1）进行残差图形分析（E2代表残差平方）：1.残差平方与GDP的散点图：0100,000200,000300,000400,000500,0000100,000200,000300,000GDPE22.残差平方与I的散点图：0100,000200,000300,000400,000500,000100200300400500600IE23.残差平方与E的散点图：0100,000200,000300,000400,000500,00080,000120,000160,000200,000240,000280,000EE2由以上各变量与残差平方和的散点图中可以看出，它们的分布都很相似，残差有随着变量增加而增加的趋势，可能存在异方差，但具体是否存在，还要进一步的检验。（1）检验异方差得到White检验结果如下：图表6HeteroskedasticityTest:WhiteF-statistic1.795351Prob.F(9,10)0.1875Obs*R-squared12.35420Prob.Chi-Square(9)0.1941ScaledexplainedSS4.562294Prob.Chi-Square(9)0.8707TestEquation:DependentVariable:RESID^2Method:LeastSquaresDate:12/28/13Time:13:47Sample:19882007Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C288238.68457394.0.0340810.9735GDP54.47116166.75260.3266590.7507GDP^20.0003740.0007800.4787040.6424GDP*E-0.0004640.001757-0.2641540.7970GDP*I-0.1467740.168628-0.8704000.4045E0.263467178.73110.0014740.9989E^2-5.42E-060.001009-0.0053750.9958E*I0.1298270.1413080.9187520.3799I-15579.2317579.15-0.