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)