word专业整理
Collinear test regressors dropped from specification
C WGT WGT^2
R-squared
Coefficien
t
4.57E-13 85.71131 2.06E-11
Std. Error
4.80E-13 2.22E-12 7.73E-14
t-Statistic Prob.
0.950545 3.85E+13 267.2729
0.3503 0.0000 0.0000
85.71131 450.1754 -50.46374 -50.32362 -50.41892 2.067149
1.000000 Mean dependent var 1.000000 S.D. dependent var
Akaike info
2.54E-12 criterion
1.74E-22 Schwarz criterion
Hannan-Quinn
759.9561 criter.
4.55E+29 Durbin-Watson stat 0.000000 Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
表15：带有交叉项的White异方差检验
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
Test Equation:
Dependent Variable: WGT_RESID^2 Method: Least Squares Date: 5/26/16 Time: 8:35 Sample: 1980 2009 Included observations: 30
Collinear test regressors dropped from specification
C WGT WGT^2
R-squared
Coefficien
t
4.57E-13 85.71131 2.06E-11
Std. Error
4.80E-13 2.22E-12 7.73E-14
4.55E+29 Prob. F(2,27) 30.00000 Prob. Chi-Square(2) 0.000713 Prob. Chi-Square(2)
0.0000 0.0000 0.9996
t-Statistic Prob.
0.950545 3.85E+13 267.2729
0.3503 0.0000 0.0000
85.71131 450.1754
1.000000 Mean dependent var 1.000000 S.D. dependent var
Adjusted R-squared
学习资料 整理分享
word专业整理
Akaike info
S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
2.54E-12 criterion
1.74E-22 Schwarz criterion
Hannan-Quinn
759.9561 criter.
4.55E+29 Durbin-Watson stat 0.000000
-50.41892 2.067149 -50.46374 -50.32362
使用White异方差检验法，不论是否带有交叉项，均在很高的的置信水平下接受方程不存在异方差性的原假设，使用加权最小二乘法估计模型参数几乎完全消除了初始方程的异方差性。
③序列相关性检验：
方程含有截距项，因此可以使用DW检验法来检验方程是否具有序列相关性。 该模型中，样本量n=30，解释变量的个数为3个，查DW检验表知5%的上下界为dl=1.28，4-dl=2.72，du=1.57，4-du=2.43，；1%的上下界为dl=1.07，4-dl=2.93，du=1.34，4-du=2.66。
本模型的DW检验值为：DW=1.083337，在5%的水平下，0 由于新模型的性质很好，因此在1%的水平下检验模型的各种性质，认为新模型不再具有序列相关性。 学习资料 整理分享 word专业整理 (4)预测检验 图10：WLS估计修正模型的预测检验结果图 2.0E+181.5E+181.0E+185.0E+170.0E+00-5.0E+17-1.0E+18-1.5E+18-2.0E+181980Forecast: YFWOLSActual: YForecast sample: 1980 2009Included observations: 30Root Mean Squared Error 13119.79Mean Absolute Error 6076.408Mean Abs. Percent Error 24.88907Theil Inequality Coefficient 0.049850 Bias Proportion 0.103493 Variance Proportion 0.349199 Covariance Proportion 0.5473081985199019952000± 2 S.E.2005YFWOLS 预测误差MAPE=24.88907%，大于10%，预测的误差较修正前有所改善，预测精度不高，预测效果一般，模型的预测效果较修正前要好得多，但是，还需要进一步修正。 最后得到的使用加权最小二乘法估计参数的模型是： ??-43825.71?1.708496X1?1.574969X2?332.6186X3 yt=（-19.42702）（22.48069）（27.00773） （-23.92532） p=（0.0000）（0.0000）（0.0000）（0.0000） R2=0.999841 R2=0.999823 D.W.= 1.083337 通过上面的四级检验，可以看到，模型在很高的置信水平（99%）下通过统计检验，计量经济学检验，模型不再具有异方差性和序列相关性，模型预测检验显示模型的预测效果比较理想。 学习资料 整理分享 word专业整理 3.模型经济意义分析与预测 建立模型的最终目的就是要通过模型获得有用的信息，计量经济模型提供了结构分析和经济预测两大应用。 3.1 模型的经济意义分析——结构分析 通过对最初的使用普通最小二乘估计参数得到的模型进行加权修正，得到的使用加权最小二乘法估计参数的模型是： ??-43825.71?1.708496X1?1.574969X2?332.6186X3 yt=（-19.42702）（22.48069）（27.00773） （-23.92532） p=（0.0000）（0.0000）（0.0000）（0.0000） R2=0.999841 R=0.999823 D.W.= 1.083337 2 模型具有较好的性质，通过了包括经济意义检验、统计检验、计量经济学检验和预测检验在内的四级检验，模型符合现实经济理论和计量经济学的相关假设，可以较好的提供经济信息和预测研究对象的趋势。模型是可以应用于经济意义分析和预测。 3.2 利用模型进行预测 使用修正过一次的WLS法估计参数建立的模型对农村居民家庭人均收入的变动趋势进行预测，外推五年，预测的时间为2010年-2014年，以期得到比较具体的数据和结论。 3.2.1 被解释变量Y的点预测 (1)解释变量X1、X2、X3的点预测 学习资料 整理分享 word专业整理 X180,00075,00070,00065,00060,00055,00050,00045,00040,0001980198519901995200020052010 图11 X2240,000200,000160,000120,00080,00040,00001980198519901995200020052010 图12 X3125120115110105100951980198519901995200020052010 图13 学习资料 整理分享
中国经济增长影响因素的分析报告书
