计量经济学论文-我国建筑业影响因素分析

  计量经济学课程论文 我国建筑业影响因素 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析         我国建筑业影响因素分析 摘要：近年来，中国房价持续走高。建筑业已经成为我国国民经济的支柱产业之一，极大影响着国民经济的增长。建筑业突飞猛进地发展，产值日益增加，有哪些因素影响着我国建筑业发展？究这个问题，我们需要建立计量经济学模型。本文利用Eviews软件对我国20个省市2010年的建筑业数据进行实证分析。建立居民消费水平的影响因素模型，通过对该模型的经济含义分析得出各种因素对我国建筑业的影响。 关键词：建筑业 计量假设检验 最小二乘法  拟合优度 理论分析 建筑业生产过程与多个行业发生着广泛的社会关联，宏观上，建筑业与固定资产投资密切相关，微观上，它又与业主、建筑业企业以及人民生活紧密相关。1978年以来，建筑市场规模不断扩大，国内建筑业产值增长了20多倍，建筑业增加值占国内生产总值的比重从3.8%增加到了7.0%，成为拉动国民经济快速增长的重要力量。影响我国建筑业的因素有：区房屋竣工面积，地区建筑业从业人员，地区建筑业劳动生产率，地区人均住宅面积，地区人均可支配收入。 变量选取 以2010年的数据，选取30个省市的数据为例进行分析。在Eviews软件中选择建立截面数据。为了分析各因素对建筑业总产值的影响，令Y=各地区建筑业总产值（万元）;X2=各地区房屋竣工面积（万平方米）;X3=各地区建筑业企业从业人员（人）;X4=各地区建筑业劳动生产率（元/人）;X5=各地区人均住宅面积（平方米）;X6=各地区人均可支配收入（元）。数据如下： 地区建筑业总产值 地区房屋竣工面积 地区建筑企业从业人员 地区建筑业劳动生产率 地区人均住宅面积 地区人均可支配收入 12698521 4254.8 569767 129961 24.7714 13882.62 5208402 1465.8 238957 147063 23.0957 10312.91 7799313 4748.3 989317 70048 23.1671 7239.06 5401279 1313.3 591276 89151 22.9968 7005.03 2576575 1450.7 265953 61074 20.0531 7012.9 10170794 3957.1 966790 82496 20.2351 7240.58 3469281 1626.8 303837 77486 20.7059 7005.17 4401878 2181.3 441518 68033 20.492 6678.9 11958034 3609.2 505185 153910 29.3453 14867.49 27949354 17730 2727006 100569 24.4353 9262.46 31272779 16183.9 2429352 127430 31.0233 13179.53 6227073 4017.6 910691 66407 20.7548 6778.03 5493441 2952.1 553611 108288 30.2987 9999.54 3593356 2750.9 574705 70826 22.6198 6901.42 14813618 9139.8 2072530 60728 24.4808 8399.91 6345217 3433.6 932901 66056 20.2009 6926.12 8729958 4840.8 1048763 81761 22.9028 7321.98 8188402 4969.7 1119106 74553 24.4258 7674.2 15163242 8105 1492820 101932 24.9328 12380.43 2818466 1721.6 353700 77472 24.1732 7785.04 394053 121.5 61210 55361 23.432 7259.25 5862095 4939.6 817997 69432 25.7244 8093.67 12253374 8784.6 2070534 59748 26.3585 7041.87 2122907 980.3 293310 72152 18.1943 6569.23 3967957 2248.7 522470 69238 24.9294 7643.57 293427 121.3 36593 73205 19.9299 8765.45 4404362 1580 410311 93212 21.7505 6806.35 2236860 1327.2 449409 46857 21.1138 6657.24 747325 242.9 101501 61046 19.1055 6745.32 1080546 578.7 88225 61459 22.255 6530.48 3196774 1450.8 203375 95835 20.7811 7173.54             模型 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 将模型设计如下： Y=β0+β1X2+β2X3+β3X4+β4X5+β5X6+μi （1）用Eviews分析软件作最小二乘回归，分析结果如下： （2）多重共线检验 引入的变量太多，可能存在变量间的共线性，影响方程的估计。首先进行做多重共线性检验可以减少变量使后面的分析变得简洁。 可以看出有多重共线性。 采取逐步回归法： 第一次回归，我们可以根据T检验值和可决系数看出：X2效果最好： 而X2于X3存在严重自相关，所以引入第二个变量时将X3排除。通过比较发现引入X4时，拟合优度最大，所以加入X4 Dependent Variable: Y     Method: Least Squares     Date: 12/17/13 Time: 18:40     Sample (adjusted): 1 31     Included observations: 31 after adjustments                       Variable Coefficient Std. Error t-Statistic Prob.                     X2 1547.354 57.83197 26.75604 0.0000 X4 60.57577 9.136899 6.629795 0.0000 C -3711880. 765709.2 -4.847637 0.0000                     R-squared 0.970594 Mean dependent var 7446408. Adjusted R-squared 0.968493 S.D. dependent var 7227629. S.E. of regression 1282914. Akaike info criterion 31.05893 Sum squared resid 4.61E+13 Schwarz criterion 31.19771 Log likelihood -478.4134 F-statistic 462.0886 Durbin-Watson stat 2.098685 Prob(F-statistic) 0.000000                                                   X4与X6也存在严重共线性，在引入第三个变量时同时排除X6，那只能引入X5了 可以看出引入后通过T检验X5不显著，同时常数项C也变得不显著，且拟合度没有显著提高。所以剔除X5。通过该检验最终模型为： Y = 1547.3543X2+ 60.5757X4- 3711880.158 （26.756）          （6.63）      （-4.848） （3）异方差检验 从结果来看模型设定基本通过，从White Heteroskedasticity Test 中各变量的系数不能判别残差是否与解释变量有关。因此用加权最小二乘法进行修正。 （4）异方差修正 通过修正以后拟合度有所提高，且通过再次异方差检验通过了。 （5）异方差检验 Breusch-Godfrey Serial Correlation LM Test:                       Obs*R-squared 0.505922 Probability 0.776498                               Test Equation:     Dependent Variable: RESID     Method: Least Squares     Date: 12/17/13 Time:19:34     Presample missing value lagged residuals set to zero.                     Variable Coefficient Std. Error t-Statistic Prob.                     X2 -6.778035 62.81436 -0.107906 0.9149 X4 1.259666 9.707542 0.129762 0.8978 C -73457.01 800910.8 -0.091717 0.9276 RESID(-1) -0.125006 0.210750 -0.593147 0.5582 RESID(-2) -0.067821 0.201592 -0.336425 0.7393                     R-squared 0.016320 Mean dependent var -2178.743 Adjusted R-squared -0.135015 S.D. dependent var 1239503. S.E. of regression 1320530. Akaike info criterion 31.17165 Sum squared resid 4.53E+13 Schwarz criterion 31.40294 Log likelihood -478.1606 F-statistic 0.107840 Durbin-Watson stat 1.862550 Prob(F-statistic) 0.978723                               从结果看自相关检验也通过，模型不存在自相关。 综上最终模型为 Y = 1547.3543X2+ 60.5757X4- 3711880.158 结论分析 通过模型得出，影响建筑业总产值的主要因素有X2房屋竣工面积和X4建筑业劳动生产率，当两种影响因素分别增加1单位时，建筑业总产值将分别增加1547.3543和60.5757（单位：万元）