房价与广义货币量回归模型.docx

房价和广义货币供应量关系的经济学解释和预测摘要 本文主要对2000年至2013年，对全国住宅商品房平均销售价格和广义货币供应量进行了线性回归分析，建立了古典线性回归方程，运用Eviews9.0对线性回归方程求解，并通过假设检验、分布对回归方程的系数进行了评估，在回归方程正确的情况下，对2014年全国住宅商品平均销售价格进行了预测，发现预测值与实际值较为接近，进一步验证了回归方程的正确性.关键字：线性回归 住宅商品房平均销售价 广义货币供应量一、问题提出以2000年至2013年全国住宅商品房平均销售价格为应变量，货币和准货币（广义货币）供应量为解释变量，作关于的回归分析，在百分之五的显著水平下对变量的显著性影响进行检验，并进行经济学和数学意义上的解释，并对14年全国住宅商品房平均销售价格作出预测。表1全国住宅商品房平均销售价格和广义货币供应量的数据。时间（年）全国住宅商品房平均销售价格（元/平方米）全国货币和准货币（M2）供应量（亿元）2000211238494.52001217044182.82002225053603.82003235964372.62004277874501.420053167.6683247.0920063366.7998955.420073863.9122184.920083800131998.220094681183198.820105032221993.420115357.1239099.220125790520136237278716.6表1全国住宅商品房平均销售价格和货币和准货币供应量（M2）二、模型假设与符号说明2.1模型假设1）回归模型是参数线性的，但不一定是变量线性的。回归模型形式如下：；2）解释变量（）与扰动误差项不相关；3）给定，扰动项的期望或均值为零。即；4）的方差为常数，或同方差。即；5）无自相关假定，即两个误差项之间不相关。即，这里表示协方差，和表示任意两个误差项；6）回归模型是正确设定的。即，实证分析的模型不存在设定偏差或设定误差；7）在总体回归函数中，误差项服从均值为0，方差为的正态分布，即。2.2符号说明符号意义截距系数解释变量系数解释变量值应变量值截距系数估计量解释变量系数估计量应变量估计值误差误差估计量的方差的估计量样本的均值样本的均值三、模型建立3.1最小二乘原理 由于实际数据存在误差，所以不能直接观察总体回归函数（population regression function, PRF）:,因此用样本回归函数（sample regression function, SRF）:来估计它。具体做法为，选择和的估计量和，使得残差平方和（residual sum of squares, RSS）最小.即 .利用偏微分，得：，根据最优化的一阶条件，令上述两式为零，于是有：，解得.的方差分别为：.的标准误分别为：.其中，是扰动项的方差，估计量为.3.2普通最小二乘估计量的性质1）用OLS法得出的样本回归线经过样本均值点，即；2）残差的均值总为0；3）对残差与解释变量的积求和，其值为零，即；4）对残差与（估计的）的积求和，其值为零，即.3.3的性质1）是线性估计量，即它们是随机变量的线性函数；2）是无偏估计量，即；3）误差方差的OLS估计量是无偏的，即；4）是有效估计量。即小于的任意一个线性无偏估计量的方差，小于的任意一个线性无偏估计量的方差.3.4假设检验检验的性质，下面显用著性检验法检验的性质.由线性回归模型知，若解释变量与应变量存在相关关系，则，因此，可以作以下假设，.由于，那么可通过检验值与显著性水平的比较，判断的正确性.3.5拟合回归直线的优度：判定系数由实际值与估计值的关系为：，则，令，则，两边平方再求和，经过简单的数学变换，得。令，则.判定系数通常用来度量判断回归线的拟合优度，判定系数的大小度量了回归模型对变异的解释比例。有两个重要性质：1）非负性；2）。四、模型求解4.1古典线性回归模型求解由Eviews9.0最小二乘法，得出古典线性回归方程为：值查表可知，自由度为的分布，显著性水平时，由于和均大于，所以拒绝原假设.Dependent Variable: YMethod: Least SquaresDate: 12/12/16 Time: 16:42Sample: 2000 2013Included observations: 14VariableCoefficientStd. Errort-StatisticProb.??C1527.75991.0640716.776750.0000X0.0167200918360.0000R-squared0.985854????Mean de