影响人均猪肉消费量的计量分析

《影响人均猪肉消费量的计量分析》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、计量经济学实践报告（小论文）影响人均猪肉消费量的计量分析小组成员：班级：国际经济与贸易指导老师：日期：2012年5月10-25日摘要：本文旨在根据我国1998—2008人均猪肉消费量相关数据，分析出影响其的部分因素。首先基于对猪肉消费的一些调查以及对影响我国人均猪肉消费量的因素分析，同时综合了相关的市场细分和消费分析理论，选取了城镇居民人均可支配收入等四个解释变量建立了理论模型。在收集了相关的数据基础上，利用EVIEWS软件对计量模型进行了参数估计和检验。最后，我们对所得的结果作了经济意义的分析，并提出一些相应政策建议。关键词：

2、人均猪肉消费量；多重共线性；异方差；自相关一、问题的提出猪肉是我国重要的畜产品之一，也是我国城乡居民动物性蛋白的主要来源之一。在我国城乡居民中猪肉食品占肉类食品总量的60%以上，是不可缺少的副食品。市场上猪肉的多少，价格的高低，直接影响到老百姓的生活，社会的稳定。在市场经济条件下，猪肉价格有各自的供需均衡决定，本文目的在于研究猪肉需求的影响因素。二、经济理论陈述需求函数是以商品的需求量作为被解释变量，用影响需求量的因素，如收入、价格等作为解释变量的计量经济学模型。中国猪肉需求函数即选择收入和价格作为解释变量，同时考虑到，猪肉需求

3、主要包括国内需求和国外需求，影响猪肉需求的因素主要是可替代品的产量。因此，笔者将上述对猪肉影响因素作为解释变量。收入选择的是城镇居民家庭每年人均可支配收入。价格选择的是猪肉生产价格指数即猪肉收购价格指数。模型中的被解释变量为国内人均猪肉消费量（Y）。根据其影响因素的大小和资料的可用性以及查阅的相关文献，本文选择以下指标作为模型的解释变量：城镇居民家庭人均可支配收入指数（x1）、猪肉收购价格指数（x2）、猪肉替代品牛羊肉人均产量（x3）、生猪出口量（x4）。参照单方程线性需求的表达式，国内猪肉需求函数模型的形式确定为：Y=β0+β

4、1X1+β2X2+β3X3+β4X4+μ其中：Y代表国内人均猪肉消费量（千克）；X1代表城镇居民家庭人均可支配收入指数；X2代表猪肉收购价格指数；X3代表猪肉替代品牛羊肉人均产量（千克）；X4代表生猪出口量（万头）；μ为随机误差项，描述变量外的因素对模型的干扰；三、相关数据收集根据我们对影响我国人均猪肉消费量的因素分析，以及解决我们提出的问题的需要，初步选取了以下四个解释变量：城镇居民家庭人均可支配收入指数、猪肉生产价格指数、猪肉替代品人均产量、出口。鉴于我国猪肉消费的阶段性和我们分析的即时性，收集了1998—2008年最近十一

5、年的统计数据。整理得到所需数据：一、计量经济模型的建立我们建立了下述的一般模型：其中——1998-2008年各年人均猪肉消费量——待定参数（i=1,2,3,4,5,6,7）——城镇居民家庭人均可支配收入指数——猪肉生产价格指数——猪肉替代品人均产量——出口/万头——随即扰动项二、模型的求解和检验OLS回归利用Eviews软件，采用以上数据对该模型进行OLS回归，结果如下：DependentVariable:YMethod:LeastSquaresDate:05/14/11Time:15:00Sample:19982008Incl

6、udedobservations:11VariableCoefficientStd.Errort-StatisticProb.  C22.129768.4997352.6035820.0405X10.0003180.0001911.6689460.1462X2-0.0624030.012448-5.0131680.0024X31.8436741.0141031.8180350.1189X40.0104540.0224430.4657970.6578R-squared0.932230    Meandependentvar32.7

7、1818AdjustedR-squared0.887050    S.D.dependentvar1.466164S.E.ofregression0.492749    Akaikeinfocriterion1.725321Sumsquaredresid1.456809    Schwarzcriterion1.906182Loglikelihood-4.489265    F-statistic20.63369Durbin-Watsonstat2.015877    Prob(F-statistic)0.001182得出：y=

8、22.12976+0.000318x1-0.062403x2+1.843674x3+0.010454x4JB检验得出：P值较大，说明残差基本服从正态分布。KB检验DependentVariable:RESID^2Method:LeastSquaresDate:0