2000字计量经济学论文范文
计量经济学在我国的推广与应用,对我国经济学的定量化研究做出了重要贡献,也在中国经济学界受到了越来越多的关注。本文是学习啦小编为大家整理的2000字的计量经济学论文范文，仅供参考。
2000字计量经济学论文范文篇一：
能源消费与工业经济增长之间的关系研究
摘要：能源是国家经济的命脉，也是一国经济发展的重要物质基础。我国作为世界上经济增长最快的国家，对于能源的消费也是非比寻常的。在我国的经济增长中，对于能源的消耗占主要地位的就是工业经济的发展。从一定程度上来讲，能源的消费与工业经济增长之间存在着千丝万缕的联系。本文就着重分析了能源消费与工业经济增长之间的关系，旨在从我国经济的增长以及能源的消费之间寻找到一个协调点，促进工业经济的高效增长。
一直以来，工业都是能源消费的主体，是工业经济发展的不可缺少的生产资料，尤其是对我国这个经济快速发展的发展中国家来说。在很长的一段时间内，我国工业经济的发展都是以牺牲能源为代价的，由于在科技水平生产技术等方面的欠缺，能源就理所当然的成了经济发展的弥补品。虽然说几年来，随着能源危机的临近，以及世界对绿色生产的呼唤，我国也制订了一系列的规章制度和措施等来限制能源的粗放性消费，但是毕竟我国还处于经济大幅增长的阶段，所以对于能源的消费也是必不可少的。所以，在现阶段，对于能源消费与工业经济增长之间关系的研究，是我国工业生产以及能源管理相关部门工作中的一个重点，也是促进有关部门采取相应措施提高能源利用率，实现优化产业结构，协调经济与能源关系目标的关键。
关键词：能源消费 能源生产 计量经济学模型 能源战略
总论：
我国是一个能源大国，但是，我国人口众多，人均能源占有量不及同期发达国家的1/5。能源是任何一个国家经济发展不可缺失的物质基础。随着我国人口的继续增长，经济的快速发展，能源消费量的增加是必然的，而与年俱增的能源消费对环境造成的破坏也越来越严重。因此，怎样优化能源利用结构，开发利用清洁能源，就成为我国经济发展的当务之急。这就需要我们清楚了解能源供需形势，做好影响能源消费因素分析，为能源规划及政策的制定提供科学依据，保证我国国民经济又好又快地发展。
一、能源消费与工业经济增长相关概念
在经济发展中，能源一直都是一个永恒的话题，很多的学者也都对能源做了很多研究，对其相关联的概念做了很多的界定。一般而言，在能源消费与工业经济增长之间关系的研究中需要探讨的概念主要如下：
(一)能源概念及其分类
所谓的能源就是我们通常所说的能源资源，它可以产生各种能量，并且被充分的应用到了工业生产以及人们的日常生活中。这些资源包括煤炭、原油、天然气、水能、核能以及一些太阳能、地热能等等。这些能源由于其性能以及生产方面的不同，可以将其分为下面的几类：
1.按照能量的来源可以分为三类：地球本身所蕴藏的能量，比如地热、原子核能;来自地球外部天体的能量，比如，太阳能，它为风能、水能、生物能以及矿物质能的形成提供条件;地球和其它天体相互作用产生的能量，比如，潮汐能等。
2.按照能源的基本形态可以分为两类：一次能源与二次能源。一次能源就是天然的能源，比如煤炭、石油、天然气等;二次能源则是在一次能源加工的基础之上形成的能源，比如，电能、煤气、汽油、柴油等等。
3.按照能源的性质可以分为两类：燃料型能源与非燃料型能源。燃料型能源主要有石油、煤炭、天然气、木材等，而非燃料型的能源则为水能、风能、地热能等等。
4.按其生产情况可以分为可再生资源和不可再生资源。可再生资源就是可以通过一些形式能够得到不断的补充或者是在较短的周期内能够再次产生的能源。比如，风能、水能、太阳能、生物能等都是可再生资源;而反之在较短的时间内不能够再生产的能源就是不可再生资源，比如煤炭、石油、天然气等。
(二)能源消费
在认识了能源的概念以及分类的基础上我们再看看究竟什么是能源消费。其实能源消费故名思意就是对能源的利用以及使用，在使用中包括个人以及家庭对能源的使用，也包括工业、农业、服务业等对能源的使用，这属于统计学的范畴。
(三)经济增长与工业经济增长
对于经济增长，经济学界有着比较统一的认定，认为经济增长是实际总产出或者是人均实际产出的不断增加。它的增长是指生产总成果在量上面的增加，在对其衡量的过程中要将所有的生产要素结合起来。
而工业经济的增长则是指在一定的时期内，全部的工业企业在实际生产总值或者是增加值上面的不
断增长的一个过程。它的界定是在一段时期内的界定，而并不是在一个点上面的界定。
二、中国能源供求现状分析
我国经济快速增长，必然带动能源消费量的增长。作为世界上最大的发展中国家，建国以来，我国的经济总量和能源消费总量都出现了较大幅度的增长。1953年—1978年GDP由1615亿元增长到6584亿元，再增长到2005年的183084亿元，1953年—1978年，1979年—2005年两个阶段的平均增长率分别为5.8%和9.7%;能源消费量由1953年的0.54亿吨标准煤增长到1978年的5.71亿吨标准煤，再增长到2005年的22.47亿吨标准煤。年均分别增长了9.9%和5.3%。中国的人均能源消费量也在迅速增长，1953年—1978年由0.09吨标准煤增长到0.59吨标准煤，再增长到2005年的1.70吨标准煤。2003年全国城乡生活人均年用电量为173.7千瓦时，而1980年只有10.7千瓦时。
从已收集来的数据来看，近年来，我国能源消费是处于供不应求的状态，并且供求矛盾有扩大的趋势。
从图中可看出，1996年之前能源的生产和消费均呈温和上升局势，虽然能源的生产不能满足消费的要求，但二者差距也相对平稳。但1996年之后之一差距不断扩大，能源的生产不能满足经济发展对它的需求，到2003年能源需求大幅度增加，而能源生产却不能同步增加，能源矛盾突出。1997年—1999年中国经济在保持持续增长的同时，能源消费总量出现了下降。可能的原因是：市场出现需求疲软现象，能源产品需求减少;一些高能耗、污染大的“五小”企业被关闭;产业结构的变化等。由另外的资料表明，2002年—2004年连续三年的能源需求弹性系数都大于1，说明能源消费量增长速度已经超过经济增长速度，经济发展的能源代价在扩大。种种证据表明，我国的能源问题比较深刻，迫切需要解决。
三、数据选取
1、能源消费总量，在模型中用Y来表示。是指一次性能源消费总量，由煤炭、石油、天然气等组成(单位：万吨标准煤)。
2、能源消费的影响因素：
(1)能源生产总量，在模型中用X1来表示。是指一次性能源生产总量，该指标是观察全国能源生产水平、规模、构成和发展速度的总量指标(单位：万吨标准煤)。
(2)全国生活能源消费总量，在模型中用X2来表示，是指一次性能源在在生活方面的消费量。(单位：万吨标准煤)。
(3)城镇居民人均可支配收入，在模型中用X3来表示。指城镇居民家庭人均可用于最终消费支出和其它非义务性支出以及储蓄的总和。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。(单位：元)。
(4)工业能源消费总量，在模型中用X4来表示，是指工业方面的能源消费量。(单位：万吨标准煤)。
(5)其他因素，在模型中用U表示。我们将由于各种原因未考虑到和无法度量的因素归入随机扰动项，如能源价格变动、消费者偏好、国家的经济结构政策等。
原始数据：
本文所有数据来自中国统计年鉴
四、模型设定
回归模型设定如下：
Y=β0+β1X1+β2X2+β3X3+β4X4+u
Y=能源消费总量(万吨标准煤) X1=能源生产总量(万吨标准煤)
X2=全国生活能源消费总量(万吨标准煤) X3=城镇居民人均可支配收入(元) X4=工业能源消费总量(万吨标准煤) u=随机扰动项
β0 β1 β2 β3 β4——待估参数 t=1980—2007 五、模型检验
假设模型中随机扰动项u满足古典假定，运用OLS方法估计模型的参数，利用计量经济学软件Eviews计算可得如下结果：
Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 10:49 Sample: 1980 2007 Included observations: 28
Variable C X1 X2 X3
X4
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient
-1822.975 0.553614 0.209548 1.585396 0.568271
Std. Error
2572.371 0.107216 0.405769 0.429729 0.093726
t-Statistic
-0.708675 5.163553 0.516422 3.689293 6.063122
Prob.
0.4856 0.0000 0.6105 0.0012 0.0000
125790.9 55317.60 17.73983 17.97773 8176.418 0.000000
0.999297 Mean dependent var 0.999175 S.D. dependent var 1588.843 Akaike info criterion 58061714 Schwarz criterion -243.3577 F-statistic 1.376476 Prob(F-statistic)
回归方程为：
^Y=-1822.975+0.553614X1+0.209548X2+1.585396X3+0.568271X4
t=(-0.708675) (5.163553)(0.516422) (3.689293)(6.063122) 22
R=0.999297 -R=0.999175 F=8176.418 DW=1.376476
1、 经济意义检验
由回归估计结果可以看出，能源生产总量、全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量与能源消费总量呈线性正相关，与现实经济意义理论相符。
2、 统计推断检验
从估计的结果可以看出，可决系数R2=0.999297，F=8176.418，表明模型在整体上拟合地比较理想。系数显著性检验：给定α=0.05，X1、X3、X4的t值大于给定的显著性水平，拒绝原假设，接受备择假设，表明能源生产总量、城镇居民人均可支配收入、工业能源消费总量对能源消费总量有显著性影响;仅有X2的t值小于给定的显著性水平，接受原假设，表明全国生活能源消费总量对能源消费总量影响不显著。
3、 计量经济学检验
(1) 多重共线性检验
由下表可看出，模型整体上线性回归拟合较好，R2 与F值较显著，而解释变量X2的t检验不显著，则说明该模型可能存在多重共线性。在Eviews中计算解释变量之间的简单相关系数，得如下结果，也可以看出解释变量之间存在多重共线性。
用逐步回归法修正模型的多重共线性。
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意义选出拟合效果最好的一元线性回归方程。结果如下：
加入x1的方程-R2最大，以x1为基础，顺次加入其他变量逐步回归。
经比较，新加入x4的方程-R2=0.998541，改进最大，而且各参数的t检验显著，但是x2的符号不合理，选择保留x4，再加入其他新变量逐步回归。
在X1、X4的基础上加入X2后的方程-R2明显增大，但是X2的t检验不通过。加入X3后不但方程的R2明显增大，而且t检验值也通过，所以选择保留X3，继续回归。
在x1，x4，x3的基础上，加入x2后，不仅R2下降，而且x2参数的t检验不显著。这说明x2引起多重共线性，应予剔除。 最后修正多重共线性影响的回归结果为：
Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 10:52 Sample: 1980 2007 Included observations: 28
Variable C X1 X3
X4
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient
-1771.254 0.589143 1.433497 0.563954
Std. Error
2530.847 0.080966 0.308466 0.091915
t-Statistic
-0.699866 7.276451 4.647176 6.135601
Prob.
0.4907 0.0000 0.0001 0.0000
125790.9 55317.60 17.67993 17.87025 11245.40 0.000000
0.999289 Mean dependent var 0.999200 S.D. dependent var 1564.382 Akaike info criterion 58734956 Schwarz criterion -243.5191 F-statistic 1.371751 Prob(F-statistic)
(2) 异方差检验 图示法：
从上图可看出，残差e随Y的变动趋势不明显，不规律，所以，该模型可能不存在异方差。是否存在异方差还应通过更进一步的检验。 White检验
White Heteroskedasticity Test: F-statistic
1.042741 Probability 9.595539 Probability
Std. Error
47930201 2913.608 0.046955 0.228951 0.095976 12596.90 0.990310 0.225676 3099.903 0.049458
t-Statistic
-0.600622 0.969097 -0.476773 1.145300 0.146278 0.223609 0.858107 -2.160689 -1.074397 0.471785
Coefficient
-28787936 2823.568 -0.022387 0.262218 0.014039 2816.781 0.849792 -0.487615 -3330.526 0.023334
0.445875 0.384209
Prob.
0.5556 0.3453 0.6393 0.2671 0.8853 0.8256 0.4021 0.0444 0.2968 0.6427
Obs*R-squared
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 5/21/13 Time:11:13 Sample: 1980 2007 Included observations: 28
Variable C X1 X1^2 X1*X3 X1*X4 X3 X3^2 X3*X4 X4 X4^2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.342698 Mean dependent var 0.014047 S.D. dependent var 2715618. Akaike info criterion 1.33E+14 Schwarz criterion -448.3515 F-statistic 3.175863 Prob(F-statistic)
2097677. 2734894. 32.73939 33.21518 1.042741 0.445875
2
nR2=9.595539,由White检验知，在α=0.05下，查χ2分布表，得临界值χ因为nR2=9.595539<χ不存在异方差。
ARCH检验：
ARCH Test: F-statistic
0.731099 Probability 0.767152 Probability
Std. Error
679705.5 0.196543
t-Statistic
3.542855 -0.855043
0.400648 0.381099
Prob.
0.0016 0.4006
2051841. 2776010. 32.59251 32.68850 0.731099 0.400648
20.05
0.05
(10)=18.3070。
(10)=18.3070。所以拒绝备择假设，不拒绝原假设，表明模型
Obs*R-squared
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 5/21/13 Time: 11:18 Sample (adjusted): 1981 2007
Included observations: 27 after adjustments
Variable C RESID^2(-1) R-squared
Coefficient
2408098. -0.168053
0.028413 Mean dependent var -0.010450 S.D. dependent var 2790478. Akaike info criterion 1.95E+14 Schwarz criterion -437.9989 F-statistic 1.850657 Prob(F-statistic)
20.05
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
因为(n-1)R2=0.767152<χ不存在异方差。 (3) 自相关补救
(1)=3.84146，接受原假设，表明模型中的随机误差项
按照时间顺序绘制残差项e的图形。从图中可看出，e随t的变化逐次有规律地变化，呈现锯齿形的变化，可判断随机扰动项u可能存在正自相关。
由下表可得DW=1.371751;给定显著性水平α=0.05，n=28，K=3时，查Durbin—Watson表得下限临界值dL=1.181，上限临界值dU=1.650，可知dL
Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 11:26 Sample: 1980 2007 Included observations: 28
Variable C X1 X3 X4
R-squared
Coefficient
-1771.254 0.589143 1.433497 0.563954
Std. Error
2530.847 0.080966 0.308466 0.091915
t-Statistic
-0.699866 7.276451 4.647176 6.135601
Prob.
0.4907 0.0000 0.0001 0.0000
125790.9 55317.60 17.67993 17.87025 11245.40 0.000000
0.999289 Mean dependent var 0.999200 S.D. dependent var 1564.382 Akaike info criterion 58734956 Schwarz criterion -243.5191 F-statistic 1.371751 Prob(F-statistic)
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
在不能确定的区域，可采取的措施是增大样本容量。但是，由于数据收集有困难，又DW接近dL值，所以，我们可假设模型有正自相关。 引入一阶自相关系数AR(1) 得出回归结果：
Dependent Variable: Y Method: Least Squares Date: 5/21/13 Time: 11:28 Sample (adjusted): 1981 2007
Included observations: 27 after adjustments Convergence achieved after 9 iterations
Variable C X1 X3 X4 AR(1)
R-squared
Coefficient
-3288.221 0.585317 1.122399 0.600410 0.344368
Std. Error
3341.502 0.095509 0.409236 0.108418 0.204720
t-Statistic
-0.984055 6.128397 2.742671 5.537932 1.682139
Prob.
0.3358 0.0000 0.0119 0.0000 0.0067
128217.4 54831.80 17.62805
0.999368 Mean dependent var 0.999253 S.D. dependent var 1498.621 Akaike info criterion
Adjusted R-squared S.E. of regression
Sum squared resid Log likelihood Durbin-Watson stat
Inverted AR Roots
49409060 Schwarz criterion -232.9787 F-statistic 1.850807 Prob(F-statistic) .34
17.86802 8696.007 0.000000
从上图可知，可决系数R2的值为0.999368.非常接近于1，模型拟合度非常高。在1%的显著水平条件下，参数显著不为零，模型整体性良好。AR(1)对应的Prob值为0.0067，在1%的显著水平下显著。D.W.对应的值为1.85，查解释变量为4且自由度为27的D.W.分布表，上下限分别为1.16，1.65.由于1.65<1.85<2.35,所以模型不再存在一阶自相关。
最终回归模型为：
^Y=-3288.221+0.585317X1+1.122399X3+0.600410X4 t=(-0.699866) (7.276451) (4.647176) (6.135601) R=0.999368 F=8696.007 DW=1.850807
这说明，在其他因素不变的情况下，当能源生产总量X1、工业能源消费总量X4分别增长1万吨标准煤，能源消费总量Y分别增长0.585317、0.600410万吨标准煤。当城镇居民人均可支配收入增长1元时，能源消费总量Y增长1.122399万吨标准煤。从模型还可看出，能源生产总量X1对能源消费的影响较小。 不足之处：
①此案例存在的问题是样本容量太小，其可靠性受到影响。
②对于时间序列数据可能出现的平稳性问题，本文未做处理。由于我们选取的数据都是宏观经济变量，极有可能出现非平稳性，但由于所学知识的局限性，无法对模型进行进一步调整。
③在考虑能源消费的影响因素时，我们引入了全国生活能源消费总量。按照经济学的一般观点，全国生活能源消费总量与能源消费总量存在较强的正相关关系。但是在具体回归时发现t检验值不通过，与统计意义不符。对于这一重要的影响变量，我们没有轻易剔除。但是在最后的尝试中发现，剔除全国生活能源消费总量的影响比保留时的拟合效果更好，所以，我们不得不考虑将其剔除。
六、结论：
1、在多重共线性的修正过程中，可以发现，时间序列全国能源消费总量、工业能源消费量与能源消费总量具有共同变化趋势，在经济上升时期均呈现增长的趋势;在经济收缩期，又都呈现下降趋势。当这三者同时作为解释变量时，就很有可能出现多重共线性。出现多重共线性的另一原因是：抽样仅仅局限于能源消费总量影响因素的一个有限范围内。
2、在自相关的修正过程中，我们可以发现，全国生活能源消费总量、城镇居民人均可支配收入、工业能源消费总量等经济数据都具有时间上的惯性，即在经济高涨的时期，能源消费在各个领域的较高增长率都会持续一段时间。另外一方面，城镇人均可支配收入具有经济活动的滞后性，城镇居民人均可支配收入的增加，不会使居民能源消费的水平当期就达到应有的水平，而是要经过若干期才能达到。因为人的消费观念的改变存在一定的适应期。
3、虽然能源价格、能源消费结构和环境政策等因素未能在模型中得到量化和反映，但不是说这些因素对能源需求的影响并不重要。事实上，这些因素越是得不到量化和反映，越是暴露了当前我国在这些方面的不足和缺陷，更应该重视和解决。 七、建议：
1、充分发挥市场机制的作用，促进我国能源消费向高效、清洁的方向发展。在工业方面，有重点地调整产业结构，确保经济与能源消费的协调增长。在保证能源供应安全的同时，要合理的控制经济增长速度，积极推动经济增长方式由粗放型向集约型转变，严格控制高能耗产业的投资和发展，从而确保国民经济能够健康、稳定、持续发展。在人民生活方面，政府应该大力宣传资源节约型、环境友好型社会的建立，培养全民节能意识，倡导全社会节能降耗。
2、优化和改善能源消费结构，大力发展清洁能源的使用，加强科学技术在此类能源上的创新性。我国具有丰富的水能、风能、太阳能等可再生资源，从长远来看，我国应在中长期战略上做好大力发展可再生能源的部署。
3、加强能源统计，制定有效的能源发展战略。能源统计数据的质量，应包括数据的准确性和时效性。提高能源统计数据的准确性、时效性、国际可比性，便于有关部门及时调整战略，实现能源的有效利用。
八、参考文献
[2] 刘宏杰,邱立成.中国能源消费与经济发展关系的时间序列分析[J].《河北经贸大学学报》， 2013，3.
[3]林伯强，中国能源需求的经济计量分析[J].统计研究，2012，10.
[4]史丹.结构变动是影响我国能源消费的主要因素[J].中国工业经济，2010，11.
2000字计量经济学论文范文篇二：
一、问题提出
自改革开放以来，中国经济的高速增长是有目共睹的，1981~2009年的29年来，中国的财政收入也在高速的增长，从2002年中国财政收入不足2万亿元，到2006年接近4万亿元，再到2007年上半年突破2.6万亿元，短短5年间中国国家财政收入实现高速增长。中国财政部数据显示，2007年1至6月累计全国财政收入达到26117.84亿元，同比增长30.6%，完成预算的59.3%，增幅比上年同期提高8.6个百分点，财政收入增收额创近几年同期最高。
2007年上半年我国财政收入达到2.6万亿元，可以说是继2006年财政收入突破4万亿元大关后的又一个惊人数据。在经济高增长的背景下，财政收入的持续高速增长，特别是税收收入增长持续高于同期GDP增长，成为推动财政收入增长的主要原因。目前，我国财政收入的主体是税收收入，2006年税收收入已经占到了全部财政收入的95.7%。目前在我国税收当中，占比重最大的是增值税，由于现阶段我国依然依靠投资来拉动经济，这也带来了目前我国财政收入增长比较快的结果。其实，财政收入增长过快只是表象，而投资增长过快造成的经济过热的体制顽疾才是最需要担心的，因此，面对高速增长的财政收入，人们担心的是经济过热问题还会越来越严重。如果财政收入大幅度增长，远远高于国民收入的增长速度，就会出现一系列问题。
收入是一国政府实现政府职能的基本保障，对国民经济的运行及社会的发展起着非凡的作用。首先，它是一个国家各项收入得以实现的物质保证。一个国家财政收入规模的大小通常是衡量其经济实力的重要标志。其次，财政收入是国家对经济实行宏观调控的重要经济杠杆。财政收入的增长情况关系着一个国家的经济的发展和社会的进步。因此，研究财政收入的增长显得尤为重要。财政收入的主要来源是各项税收收入，此外还有政府其他收入和基金收入等。同时一个国家的财政收入的规模还受到经济规模等诸多因素的影响。本文就建立财政收入影响因素模型，实证分析影响我国财政收入的主要因素，为如何合理有效地制定我国的财政收入计划提供一些政策性
建议。
二、模型设定
研究财政收入的影响因素离不开一些基本的经济变量。回归变量的选择是建立回归模型的一个极为重要的问题。如果遗漏了某些重要变量，回归方程的效果肯定不会好。而考虑过多的变量，不仅计算量增大许多，而且得到的回归方程稳定性也很差，直接影响到回归方程的应用。通过经济理论对财政收入的解释以及对实践的观察，对财政收入影响的因素主要有税收、国内生产总值、全社会固定资产投资等。
(1)税收。税收由于具有征收的强制性、无偿性和固定性特点，可以为政府履行其职能提供充足的资金来源。因此，各国都将其作为政府财政收入的最重要的收入形式和最主要的收入来源。
(2)国内生产总值。常被公认为衡量国家经济状况的最佳指标。GDP会促进国民收入，从而会提高居民个人收入水平直接影响居民储蓄量，并与财政收入的增长保持一定的同向性。
(3)全社会固定资产投资。是建造和购置固定资产的经济活动，即固定资产再生产活动。主要通过投资来促进经济增长，扩大税源，进而拉动财政税收收入整体增长。
(4)模型形式的设计
本文以财政收入Y(亿元)为因变量，税收 X1(亿元)、国内生产总值 X2(亿元)、全社会固定资产投资 X3(亿元)3个经济指标为自变量，建立多元函数，即：
lnY= C+ C1lnX1+ C2lnX2+ C3lnX3+ μ
三、数据的收集
本文以《中国统计年鉴》为源，使用了 1981—2009 年税收、国内生产总值、全社会固定资产投资的数据，数据真实可靠。为了消除异方差，对数据做取对数处理，利用E- views 进行回归分析，排除以往模型存在的多重共线性，建立财政收入影响因素更精确模型，分析影响财政收入的主要因素及其影响程度。 1981-2009年财政收入及其影响因素的数据 年份 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994
国家财政收入 税收 (亿元) 1175.8 1212.3 1367.0 1642.9 2004.8 2122.0 2199.4 2357.2 2664.9 2937.1 3149.5 3483.4 4349.0 5218.1
国内生产总值
(亿元) (亿元) 629.89 4891.6 700.02 5323.4 775.59 5962.7 947.35 7208.1 2040.79 9016.0 2090.73 10275.2 2140.36 12058.6 2390.47 15042.8 2727.40 16992.3 2821.86 18667.8 2990.17 21781.5 3296.91 26923.5 4255.3 35333.9 5126.88 48197.9
全社会固定资产投
资额 (亿元) 961.01 1230.40 1369.06 2450.50 2543.19 3019.62 3640.86 4496.54 4137.73 4449.29 5508.80 7854.98 12457.88 17042.94
1995 6242.2 6038.04 60793.7 20019.26
1996 7408.0 6909.82 71176.6 22913.55
1997 8651.1 8234.04 78973.0 24941.11
1998 9876.0 9262.8 84402.3 28406.17
1999 11444.1 10682.58 89677.1 29854.71
2000 13395.2 12581.51 99214.6 32917.73
2001 16386.0 15301.38 109655.2 37213.49
2002 18903.6 17636.45 120332.7 43499.91
2003 21715.3 20017.31 135822.8 55566.61
2004 26396.5 24165.68 159878.3 70477.4
2005 31649.3 28778.54 183217.5 88773.6
2006 38760.2 34804.35 211923.5 109998.1624
2007 51321.8 45621.97 257305.6 137323.9381
2008 61330.4 54223.79 314045.4 172828.3998
2009 68476.9 59521.59 335352.9 224598.7679
注：1.2006年以前，农业各税包括农业税、牧业税、耕地占用税、农业特产 税、契税和烟叶税;从2006年起，农业各税只包括耕地占用税、契税和烟叶 税。
2.企业所得税2001年以前只包括国有及集体企业所得税，从2001年起， 企业所得税还包括除国有企业和集体企业外的其他所有制企业所得税，与以 前各年不可比。
3.国内增值税不包括进口产品增值税;国内消费税不包括进口产品消费税。
四、模型的估计与调整
1. 参数估计与解释变量问题处理
假定所建模型及其中的随机扰动项μ满足各项古典假定。利用E- views 对上述基本模型进行OLS参数估计：
lnY= C+ C1lnX1+ C2lnX2+ C3lnX3+ μ
Eviews的最小二乘法计算结果
根据表1中数据，模型估计的结果为
ˆ1.69280.6930lnX0.3195lnX0.4719lnX lnYi123
(0.6921) (0.1687) (0.2476) (0.2424)
t=(2.4457) (4.1080) (-1.2903) (1.9466)
R20.9855 R0.9838 F=566.1477 df25
(1)多重共线性的检验
由此可见，该模型R20.9855，R0.9838可决系数很高，F检验的值为566.1477，说明回归方程明显显著。首先，由于税收是国家政府财政收入最主要的收入来源，很大程度上决定于财政收入的充裕状况;国内生产总值与财政收入的增长保持一定的同向性;全社会固定资产投资通过刺激GDP 增长，间接影响财政税收收入整体增长。所以，财政收入一般和税收、GDP、全社会固定资产投资呈正相关关系，即 C1至 C3 应该均为正值。而且财政收入中税收应占很大一部分比重，即 C1 的数值应该比较高。上面模型得到的 C1 和 C3 都为正符合经济理论，但 C2 却为负与经济理论相悖。其次，税收、GDP、全社会固定资产投资的t 统计量值分别为4.1080、-1.2903、1.9466。在显著性水平为0.05 时，22t/2(nk)t0.025(294)2.060，不仅lnX2和lnX3的系数C2、C3的t检验不显著，而且lnX2系数的符号与预期相反，这表明很可能存在严重的多重共线性。 计算各解释变量的相关系数，选择lnX1、lnX2、lnX3数据，由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，证实确实存在严重多重共线性。
(2)修正多重共线性
采用逐步回归的办法，去检验和解决多重共线性问题。分别作lny对lnx1、lnx2、lnx3的一元回归，其中，加入lnX1的方程R2最大，以lnX1为基础，顺次加入其他变量逐步回归。
经比较，虽然新加入lnX3方程R2=0.9833，改进最大，但是各参数(除了税收lnX1)在0.05显著性水平下，t检验均不显著，说明均要剔除lnX2与lnX3，最终修正严重多重共线性影响后的回归结果为：
ˆ0.70710.9336lnX lnYtt
t=(3.4049) (39.6998)
R20.9832 R2=0.9825 F=1576.071 DW=0.3854
这说明，当税收每增加1%，平均来说财政收入会增加0.9336%
2.随机扰动项
自相关问题的处理
(1)自相关的检验
该回归方程可决系数较高，回归系数均显著，对样本量为29、一个解释变量的模型、在0.05显著水平下，查DW统计表可知，因为由表5的DW值=0.3854，查表得dL1.341,dU1.483，模型中DW
ˆt0.7361et1 e
ˆ0.7361，对原模型进行广义差分，得到广义差分方程： 由式可知
lnYt0.7361lnYt1C1(10.7361)C2(lnXt0.7361lnXt1)vt
对上式的广义差分方程进行回归，可得方程输出结果
ˆ*0.14420.9477lnX* lnYtt
Se=(0.1267) (0.0513)
t=(1.1375) (18.4734)
R20.9292 F=341.2685 DW=2.0120
其中lnYt*lnYt0.7361lnYt1，lnXt*lnXt0.7361lnXt1
由于使用广义差分数据，样本容量减少了1个，为28个，查5%显著水平的DW统计表可知dL1.328,dU1.476，模型中4-dU,>DW=2.0120>dU，说明在5%显著水平下广义差分模型中已无自相关，不必再进行迭代，同时可见，可决系数、t、F统计量也均达到理想水平。
由差分方程式有：
ˆ=0.1442/(1-0.7361)=0.5464191
由此，得到最终的财政收入模型为
lnYt0.54640.9477lnXtt
由财政收入模型可知，当年税收第增长1%，平均说来财政收入会增长0.9477%
异方差问题的处理
(1)异方差的检验
由于各年存在不同的税收收入，因此，每年对税收收入的数量存在不同的变化，这种差异使得模型很容易产生异方差，从而影响模型的估计和运用，为此，必须对该模型是否存在异方差进行检验。
由表5的估计结果，对其进行White检验，根据White检验中辅助函数的构造，最后一项为变量的交叉乘积，因为本式为一元函数，帮无交叉项，则辅助函数为t212lnXt3,(lnXt)2vt
经估计出现White检验结果
nR2=27.4669，由White检验知，在0.05下，查2分布表，
2得临界值0)5.9915，同时lnX和(lnX)^2的t 检验值也显著，比较计算.(052
2的2统计量与统计值，因为nR2=27.4669>0)5.9915，所以拒绝原假设，.(052
不拒绝备择假设，表明模型存在异方差
五、本文的结论
(1)该模型的经济意义很明显，即财政收入主要取决于税收。lnX1 的系数为财政收入的税收弹性，即当年税收每增长1%，平均说来财政收入会增长0.9477%;可见税收变化相当影响财政收入的变化。
第9 / 10页
(2)税收弹性系数为 0.9477，与 1 非常接近，说明财政收入的增加基本上来源于税收的增加。
(3)当然，以上不一定只有税收才是影响财政收入的因素，上述模型中不排除在多重共线修正的时候把一些相关的因素给排除掉，例如国内生产总值、就业人数、全社会固定资产投资额对财政收入的影响。
(4)模型的不足：模型样本采用时间序列分析，虽然在最后通过剔出线性解释变量使模型多重线性性质并不显著，但在此基础上的 R2 极高，仅能说明该方程能较好地解释影响财政收入的因素，而拟合率其实并没有实际看到的这么高。
六、政策建议
(1)加强税收征管，提高财政和税收收入。目前，我国的税收已占财政收入的 90%以上，我国的税收已是财政收入的最主要来源。国家运用税收筹集财政收入，通过预算安排用于财政支出，提供公共产品和公共服务，促进了经济的发展。税务部门要大力组织税收，确保国家税收为政府履行公共服务和社会管理职能提供可靠的财力保障。这就要求税务机关要依法治税、依法征税，通过加强各方面管理和服务工作，不断提高税收征收率，保持税收随着经济的发展平稳增长。
(2)加强税费改革、推进税制改革调整各项税收政策。税收作为宏观调控的重要工具，具有内在稳定器的功能，对经济运行产生调节作用。进行税费改革并不意味着把所有的政府收费全部改为征税，而是要将两者之间的比例保持在合理的区域范围内。国家可以根据不同时期的经济形势，制定和实施相应的税收政策来调控经济总量、调整经济结构。税务部门要适应经济形势发展和国家宏观调控的需要，按照“简税制、宽税基、低税率、严征管”的原则及实行有利于增长方式转变、科技进步和能源节约的财税制度的要求，推进税收制度改革。
参考文献：
[1]《宏观经济理论与计量方法(修订本)》 谢为安 中国财政经济出版社
[2]《计量经济学》(第二版)庞皓 科学出版社
[3]《西方经济学》李军 西南财经大学出版社
[4] 马海涛：中国税制[M]. 中国人民大学出版社，2009.
[5] 张晓峒：计量经济分析[M]. 经济科学出版社，2003.
[6] 陈共：财政学[M].中国人民大学出版社，2007.
[7]中国统计年鉴
2000字计量经济学论文范文篇三：
新疆三大产业对新疆人均生产总值的影响的实证分析
一、 问题的提出
建国以来，新疆经济快速增长，1952年新疆为166元，195
年就翻了一番，尤其是改革开放以后，经济更是有了突飞猛进的发展，2004年新疆人均生产水平是改革开放前的30倍。然而即使新疆的经济快速增长，跟全国大部地区相比，还相对落后，增加新疆人均生产总值，提高人民生活水平，变得越来越刻不容缓，三大产业是构成新疆生产总值的全部，因此研究三大产业对新疆人均生产总值的影响有着重要的意义，然而它们是如何影响新疆生产总值的呢?本文用eviews6.0对收集数据进行分析。如果研究它们对新疆生产总值的影响机制，那么就可根据结果对新疆的三大产业的改革提出意见。这便是本项研究的主要目的。
二、 模型的设定
研究三大产业与新疆人均生产总值的关系，需要考虑以下几个方方面：
(1) 数据性质的选择
由于研究的是一个地区的人均生产总值，人均生产总值的差异是根据每个年度三大产业的量不同而不同，因此需采用时间序列数据。
(2) 模型形式的设计
由于本文是研究新疆三大产业对新疆人均生产总值的影响，那么可以将第一产业、第二产业、第三产业设为解释变量，将新疆人均生产总值设为被解释变量。本文假设三大产业对新疆人均生产总值的影响为多元一次线性模型，为
Y=a1*X1+a2*X2+a3*X3+u
其中，Y是新疆人均生产总值(单位：元)，X1、X2、X3分别是第一产业、第二产业、第三产业量(单位：亿元)，而a1、a2、a3分别是伴随于第一产业、第二产业、第三产业的参数，u是随机误差项。
三、 数据的收集
1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
23.08 26.14 24.38 24.67 25.05 28.12 31.78 35.67 39.07 45.63 53.24 59.41 65.24 78.55 89.75 112.24 129.04 148.51 192.72 217.42 274 335.92 402.31 505.63 673.68 825.11 912.15 1050.14 1116.67 1168.55 1364.36 1485.49 1598.28 1877.61 2200.15 2604.14 3045.26 3523.16 4183.21 4277.05
10.35 11.42 10.79 10.73 10.25 11.21 12.35 13.1 13.97 16.32 21.52 25.18 28.11 32.84 36.67 42.89 46 56.18 72.27 78.01 94.61 111.86 114.5 126.85 187.69 240.71 249.31 279.73 291.05 268.51 288.18 288.12 305 412.9 444.7 510 527.8 628.72 691.07 759.74
8.67 9.96 8.96 9.27 10.15 12.2 14.01 16.52 18.35 21.43 21.44 22.39 23.35 29.1 31.66 40.5 45.63 50.3 66.02 73.83 83.5 107.99 147.65 217.49 265.38 302.56 336.89 413.29 430.73 460.71 586.83 630.37 668.04 796.84 1010.07 1164.8 1459.3 1647.55 2070.76 1929.59
4.06 4.76 4.63 4.67 4.65 4.71 5.42 6.05 6.75 7.88 10.28 11.84 13.78 16.61 21.42 28.85 37.41 42.03 54.43 65.58 95.89 116.07 140.16 161.29 220.61 281.84 325.95 357.12 394.89 439.33 489.35 567 625.24 667.87 745.38 929.34 1058.16 1246.89 1421.38 1587.72
236 258 232 226 222 240 266 293 313 359 410 450 488 583 661 820 924 1053 1347 1493 1799 2101 2477 3019 3953 4764 5167 5904 6229 6470 7377 7913 8382 9700 11199 13108 15000 16999 19797 19942
资料来源:《新疆统计年鉴2010》
四、模型的估计与调整
(一)对被解释变量(Y)与解释变量(X1、X2、X3)进行回归分析，其结果如下：
Dependent Variable: Y Method: Least Squares Date: 07/05/11 Time: 02:25 Sample: 1952 2009 Included observations: 58
Variable C X1 X2 X3
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 117.7871 12.01597 3.402479 3.029794
Std. Error 29.49611 0.765193 0.432374 0.782690
t-Statistic 3.993309 15.70320 7.869294 3.871001
Prob. 0.0002 0.0000 0.0000 0.0003 3223.397 5118.078 13.02731 13.16941 13.08266 0.952196
0.999099 Mean dependent var 0.999049 S.D. dependent var 157.8239 Akaike info criterion 1345052. Schwarz criterion -373.7919 Hannan-Quinn criter. 19963.23 Durbin-Watson stat 0.000000
(二)自相关的检验与处理
分析如下:有分析结果可知DW值为0.952196 ，而查表可知，DL=1.533大于1，所以可知该DW小于DL，可判定回归模型存在正自相关。
因此我们用C-O迭代法处理自相关问题，最终根据个回归结果确定应该采用何种自相关模型。首先，对其进行一阶自相关处理： 用eviews6.0软件对数据进行处理，命令方式执行Ls y c x1 x2 x3 ar(1)，其结果如下：
Dependent Variable: Y Method: Least Squares Date: 07/05/11 Time: 09:53 Sample (adjusted): 1953 2009
Included observations: 57 after adjustments Convergence achieved after 28 iterations
Variable C X1 X2 X3 AR(1)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Inverted AR Roots
Coefficient -750.3109 5.542412 4.689186 3.122199 1.021111
Std. Error 1362.124 0.467497 0.126932 0.401055 0.026591
t-Statistic -0.550839 11.85551 36.94264 7.784970 38.40032
Prob. 0.5841 0.0000 0.0000 0.0000 0.0000 3277.035 5147.100 11.06279 11.24200 11.13244 0.934621
0.999880 Mean dependent var 0.999870 S.D. dependent var 58.59442 Akaike info criterion 178531.9 Schwarz criterion -310.2894 Hannan-Quinn criter. 108016.1 Durbin-Watson stat 0.000000 1.02
Estimated AR process is nonstationary
根据DW值可知，DW=0.934621，查表可知此时临界值DL约为1.533，说明该模型依旧存在正自相关。因此继续对该数据进行二阶自相关处理： 结果如下：
Dependent Variable: Y Method: Least Squares Date: 07/05/11 Time: 10:00 Sample (adjusted): 1954 2009
Included observations: 56 after adjustments Convergence achieved after 26 iterations
Variable C
Coefficient 12078.55
Std. Error 762779.0
t-Statistic 0.015835
Prob. 0.9874
X1 X2 X3 AR(1) AR(2)
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic) Inverted AR Roots
5.422625 4.680446 5.143760 2.080953 -1.080442
0.219152 0.067634 0.283044 0.069965 0.087380
24.74369 69.20234 18.17299 29.74270 -12.36482
0.0000 0.0000 0.0000 0.0000 0.0000 3332.357 5176.553 10.33718 10.55418 10.42131 1.961664
0.999945 Mean dependent var 0.999939 S.D. dependent var 40.41381 Akaike info criterion 81663.81 Schwarz criterion -283.4410 Hannan-Quinn criter. 180463.9 Durbin-Watson stat 0.000000 1.09
.99
Estimated AR process is nonstationary
有结果可分析，DW=1.961664大于DL的临界值，不存在自相关，T检验值很显著，而且拟合程度很好，因此可选用二阶自相关模型。
(三)多重共线性检验 1、相关系数检验法
用命令方式执行cor x1 x2 x3可知结果：
X1 X2 X3
X1 1
0.97746035587
37368 14855
1 39678
0.988404954300.99453787680
1
X2 37368
X3 14855 0.99453787680
39678
0.977460355870.98840495430
有相关系数矩阵可以看出，各解释变量相互之间的相关系数较高证实确实存在 严重的多重共线性，但是由于x1、x2、x3均是影响新疆人均生产总值不可缺少的因素，因此为了避免剔除变量
data a;
set sasuser.aa; proc reg corr;
model y=x1 x2 x3/vif collin collinoint;
run;
proc reg data=a outest=result graphics outvif;
model y=x1 x2 x3/ridge=0.0 to 0.1 by 0.01 0.2 0.3 0.4 0.5; plot/ridgeplot; run;
proc print data=result; run;
(四)异方差检验
我们采用white检验,结果如下：
Heteroskedasticity Test: White
F-statistic Obs*R-squared Scaled explained SS
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 07/05/11 Time: 11:14 Sample: 1952 2009 Included observations: 58
Variable C X1 X1^2 X1*X2 X1*X3 X2 X2^2 X2*X3 X3 X3^2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Coefficient -1482.615 -475.0772 8.355637 -2.656024 -9.077744 1493.516 3.007249 -8.517790 -1168.419 9.799488
Std. Error 4668.175 311.9366 3.216499 2.569825 5.202588 314.7669 0.797368 2.308811 439.6650 1.959912
124.6217 Prob. F(9,48)
0.0000 0.0000 0.0000 Prob. 0.7522 0.1343 0.0124 0.3065 0.0874 0.0000 0.0004 0.0006 0.0107 0.0000 23190.55 72565.58 22.35659 22.71184 22.49497
55.61969 Prob. Chi-Square(9) 231.9616 Prob. Chi-Square(9)
t-Statistic -0.317601 -1.522993 2.597742 -1.033543 -1.744852 4.744832 3.771471 -3.689253 -2.657520 4.999962
0.958960 Mean dependent var 0.951265 S.D. dependent var 16019.55 Akaike info criterion 1.23E+10 Schwarz criterion -638.3412 Hannan-Quinn criter.
F-statistic Prob(F-statistic)
124.6217 Durbin-Watson stat 0.000000
2.164166
因为nr^2的伴随概率小于0.05应拒绝原假设即存在异方差。
