我国制造业利润函数模型--计量经济学模型.doc

我国制造业利润函数模型--计量经济学模型.doc

ID:52793331

大小:183.00 KB

页数:5页

时间:2020-03-30

我国制造业利润函数模型--计量经济学模型.doc_第1页
我国制造业利润函数模型--计量经济学模型.doc_第2页
我国制造业利润函数模型--计量经济学模型.doc_第3页
我国制造业利润函数模型--计量经济学模型.doc_第4页
我国制造业利润函数模型--计量经济学模型.doc_第5页
资源描述:

《我国制造业利润函数模型--计量经济学模型.doc》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、例5-1-我国制造业利润函数模型表5-1列出了1998年我国主要制造工业销售收入与销售利润的统计资料,请利用统计软件Eviews建立我国制造业利润函数模型。表5-1我国制造工业1998年销售利润与销售收入情况行业名称销售利润销售收入行业名称销售利润销售收入食品加工业187.253180.44医药制造业238.711264.1食品制造业111.421119.88化学纤维制品81.57779.46饮料制造业205.421489.89橡胶制品业77.84692.08烟草加工业183.871328.59塑料制品业

2、144.341345纺织业316.793862.9非金属矿制品339.262866.14服装制品业157.71779.1黑色金属冶炼367.473868.28皮革羽绒制品81.71081.77有色金属冶炼144.291535.16木材加工业35.67443.74金属制品业201.421948.12家具制造业31.06226.78普通机械制造354.692351.68造纸及纸品业134.41124.94专用设备制造238.161714.73印刷业90.12499.83交通运输设备511.944011.53文

3、教体育用品54.4504.44电子机械制造409.833286.15石油加工业194.452363.8电子通讯设备508.154499.19化学原料纸品502.614195.22仪器仪表设备72.46663.68一、参数估计进入EViews软件包,确定时间范围;编辑输入数据;选择估计方程菜单,估计样本回归函数如下估计结果为括号内为t统计量值。一、检验异方差性1、图形分析检验⑴观察销售利润()与销售收入()的相关图(图5-1):SCATXY图5-3我国制造工业销售利润与销售收入相关图从图中可以看出,随着销售

4、收入的增加,销售利润的平均水平不断提高,但离散程度也逐步扩大。这说明变量之间可能存在递增的异方差性。⑵残差分析首先将数据排序(命令格式为:SORT解释变量),然后建立回归方程。在方程窗口中点击Resids按钮就可以得到模型的残差分布图(或建立方程后在Eviews工作文件窗口中点击resid对象来观察)。图5-4我国制造业销售利润回归模型残差分布图5-4显示回归方程的残差分布有明显的扩大趋势,即表明存在异方差性。2、Goldfeld-Quant检验(1)将样本按解释变量排序(SORTX)并分成两部分(分别有

5、1到10共10个样本合19到28共10个样本)(2)利用样本1建立回归模型1,其残差平方和为=2579.587。(3)利用样本2建立回归模型2,其残差平方和为=63769.67。(4)计算F统计量:=63769.67/2579.59=24.72。取时,查F分布表得,,所以存在异方差性3、White检验(1)建立回归模型:LSYCX,回归结果如图5-5。图5-5我国制造业销售利润回归模型(2)在方程窗口上点击ViewResidualTestWhiteHeteroskedastcity,检验结果如图5-

6、6。图5-6White检验结果其中F值为辅助回归模型的F统计量值。取显著水平,由于,所以存在异方差性。实际应用中可以直接观察相伴概率p值的大小,若p值较小,则认为存在异方差性。反之,则认为不存在异方差性。4、Park检验(1)建立回归模型(结果同图5-5所示)。(2)生成新变量序列:GENRLNE2=log(RESID^2)GENRLNX=log(x)(3)建立新残差序列对解释变量的回归模型:LSLNE2CLNX,回归结果如图5-7所示。图5-7Park检验回归模型从图5-7所示的回归结果中可以看出,LN

7、X的系数估计值不为0且能通过显著性检验,即随机误差项的方差与解释变量存在较强的相关关系,即认为存在异方差性。5、Gleiser检验(Gleiser检验与Park检验原理相同)(1)建立回归模型(结果同图5-5所示)。(2)生成新变量序列:GENRE=ABS(RESID)(3)分别建立新残差序列(E)对各解释变量(X,X^2,X^(1/2),X^(-1),X^(-2),X^(-1/2))的回归模型:LSECX,回归结果如下所示:①(1.15)(3.32)②(3.287)(2.690)③(-0.917)(3.

8、562)④(6.624)(-2717)⑤(6.52)(-1.802)⑥(5.752)(-3.247)由上述各回归结果可知,各回归模型中解释变量的系数估计值显著不为0且均能通过显著性检验。所以认为存在异方差性。(4)由F值或确定异方差类型Gleiser检验中可以通过F值或值确定异方差的具体形式。本例中,方程③所示的回归方程F值()最大,可以据此来确定异方差的形式。一、调整异方差性1、确定权数变量根据Park检验,可以得出的一般形

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。