计量经济学作业 康在龙.docVIP

2010级研究生《计量经济学》结课作业 管理学院 专业管理科学与工程 姓名康在龙 学号103135318 成绩 第一题： 在常见的回归分析中，回归模型中的解释变量均属数量变量，但在许多实际回归模型中，解释变量不仅会受到诸如收入、年龄、温度、产量等数量变量的影响，还会受到性别、地区、时期、种族、观念、政府特定的政策等难以量化或受季节性因素影响的变量的影响，有时还需要在模型分析中排除数据中的异常值，或者人们所研究的经济过程存在结构性变化。一般而言，在这种情况下，仅依据数量变量借助最小二乘法拟合的回归方程难以准确地反映解释变量与被解释变量之间实际存在的关系，所得的回归方程常出现拟合不足的情形，此时若引入虚拟变量，将会使回归模型表达式更为准确，在应用方式上更加灵活，适应范围也更加广泛，从而较好地解决上述问题。影响粮食产量的因素非常多，且比较复杂，既有数量变量，也有属性变量，在本文中，笔者将运用计量经济学的方法对虚拟变量中的临时虚拟变量在粮食产出单方程计量经济学模型中的基本应用，提出一些研究性意见。一、临时虚拟虚拟变量是将非数量的品质因素影响加以量化描述的一种假设的变量，是对事物属性变化的一种虚拟的量化反应，在回归分析中，一些社会经济和自然现象的变化，如政治或经济政策的改变、自然条件的变化及文化风俗等等，都会对回归模型的建立和准确的预测带来影响。如果我们将虚拟变量的出现和不出现加以变量化的约定，在一个回归模型中反映其出现和发展的轨迹，这样就可以提高回归模型预测的准确性。临时虚拟变量，也称突发虚拟变量，是虚拟变量的一种。为了更好的对模型进行估算，经常需要在回归模型中排除一些由突发事件产生的异常值，及由异常值对模型所造成的影响，例如自然灾害、战争、罢工等。以下面这个引入一个临时虚拟变量的多元回归模型为例：Y= α + β1 X + β2 D+ μ上式中，D 为临时虚拟变量，该变量在发生异常值的时刻（年份、月份）取值为1 ，其他时刻取值为零，也就是说在没有异常值发生的时刻，该虚拟变量不对模型造成任何影响。一般地，发生几个异常值，就在模型中引入几个虚拟变量。临时虚拟变量对于回归模型中异常值的处理来说是非常有效果的，但是在引入之前，对于引入的理由必须做出清晰的解释，即，如果没有充分的理由，不能单纯地为了提高模型的适应性，而滥用虚拟变量。通常情况下，影响粮食产量的因素很多，既有自然因素，比如降水、气温等，又有人为因素，如农业机械化程度、施肥量等。其中既有数量变量,也有属性变量。选取这些对粮食生产有影响的因素为解释变量，粮食产量为被解释变量，建立多元线形回归模型，对解释变量与被解释变量之间存在的关系进行回归分析。由于粮食生产过程的特殊性，人们用于进行回归分析的数据中必然存在大量异常值，并且这些异常值对于回归分析的估算过程和估计出来的模型的拟合度等，常常会造成很大的影响。为了消除这些影响，可以借助往模型中引入临时虚拟变量的方法。以自然灾害为例，一般地，发生自然灾害的当年，往往会有粮食产量低于往年产量的现象发生，在人们所积累数据中，体现为异常值，其造成的影响在其后各年份逐渐减弱，直至影响消失。随着科学技术的进步，有时异常值可能只是出现在自然灾害发生的当年。但在上述任何情况下，这样的异常值，都会对人们所进行的回归分析造成比较显着的干扰。因此在建立的回归模型中有根 据地引入临时虚拟变量，有助于排除干扰、增加回归估计的准确度和可信度。建立模型过程中，往往引入临时虚拟变量，在发生自然灾害及自然灾害造成显着影响，即出现异常值的年份其取值1 ，其他年份取值为0 。在此基础上，进一步利用OLS 估计，得到受干扰比较小的估计方程。二、实际应用以日本水稻生产为例，挑选对水稻产量影响最大的因素——种植面积为主要考察点，一般地，水稻种植面积与水稻产量之间存在很强的正相关关系。根据日本农林水产省《作物统计》中资料显示，由于受1993 年冻灾的影响，日本水稻收成指数降为战后最低水平，出现了前所未有的歉收，若对1985～1995 年11 年间日本水稻生产（数据如表1 ）进行回归估计，分析水稻产量与种植面积之间的关系。以种植面积为横轴、水稻产量为纵轴，根据以上数据画出散点分布图，可以直观看到1993 年，日本水稻种植面积与前后年份没有显着差异，但由于冻灾的发生，当年水稻产量明显低于前后各年。首先不引入临时虚拟变量，以水稻种植面积为解释变量，设为X ，水稻产量为被解释变量，设为Y ，建立回归模型Y= α + β X+ μ利用已知数据，对其进行O L S 估计，得到模型的估计式：Y=-48.224+0.71521X且，决定系数R2=0.3255，可见模型的拟合优度较差，很难用来对现实的粮食生产进行预测。与以上模型进行对比建立水稻生产模型：Y= α + β1 X + β2 D+ μ