计量经济学节课论文.doc

能源需求预测模型 表1 能源需求与其相关影响因素 年 份 能源需求总量 万吨标准煤 城镇化水平 工业生产总值 能源生产总量 城城镇居民家庭人均可支配收入 1990 98703.00 26.41 6858.00 103922.00 1510.20 1991 103783.00 26.94 8087.10 104844.00 1700.60 1992 109170.00 27.46 10284.50 107256.00 2026.60 1993 115993.00 27.99 14187.97 111059.00 2577.40 1994 122737.00 28.51 19480.71 118729.00 3496.20 1995 131176.00 29.04 24950.61 129034.00 4283.00 1996 138948.00 30.48 29447.61 132616.00 4838.90 1997 137798.00 31.91 32921.39 132410.00 5160.30 1998 132214.00 33.35 34018.43 124250.00 5425.10 1999 133830.97 34.78 35861.48 125934.78 5854.02 2000 138552.58 36.22 40033.59 128977.88 6280.00 2001 143199.21 37.66 43580.62 137445.44 6859.60 2002 151797.25 39.09 47431.31 143809.83 7702.80 2003 174990.30 40.53 54945.53 163841.53 8472.20 2004 203226.68 41.76 65210.03 187341.15 9421.60 2005 224682.00 42.99 77230.78 205876.00 10493.00 2006 246270.00 43.90 91310.90 221056.00 11759.50 2007 265583.00 44.94 107367.20 235445.00 13785.80 1.模型的基本假设 （1）能源需求总量，在模型中用Y表示，是指一次性能源消费总量，由煤炭、石油、天然气和水电4项组成； （2）城镇化水平在模型中用表示； （3）工业生产总值在模型中用表示； （4）能源生产总量，在模型中用表示； （5）城镇居民家庭人均可支配收入在模型中用表示； （6）其他因素。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误差项，在模型中用表示，如国家的经济结构政策、消费者偏好等。 2.模型的建立 跟据变量之间的相关关系，我们假定能源回归模型为 +++++ 利用表1中的数据，用EViews进行最小二乘法估计 步骤一：建立时间序列工作文件 Create a 1990 2007 步骤二：录入表1数据 Data y x1 x2 x3 x4 步骤三：得到结果 ls y c x1 x2 x3 x4 通过以上步骤，我们得到能源需求的回归模型为 10367.7 - 285.9+ 0.647+ 0.949 - 1.757 0.81 -0.64 （2.20） （12.2） （-0.75） 0.999 0.998 DW 1.43 F 2185.01 回归模型下括号内的数字是t值,回归系数估计值的显著性都很低，但这些因素都存在着因果关系。查F的临界值表得 3.18,F 2185.01 3.18，回归方程显著。 3.修正Frisch法对多重共线性处理 步骤：Quick→group statistics→correlations 在打开的对话框中输入 x1 x2 x3 x4 分别计算、、、的两两相关系数，得 0.95 0.91 0.97 0.98 0.99 0.96 可见解释变量之间是高度相关的。为了检验和处理多重共线性，采用修正Frisch法。 （1）对Y分别进行关于、、、作最小二乘法回归，得 ① 输入Ls y c x1 -88289.03 + 6990.603 -3.15 8.79 0.828 0.818 DW 0.234 F 77.267 ②输入Ls y c x2 84340.22 + 1.687994 22.68 22.61 0.97 0.97 DW 0.346 F 511.