计量经济学46.docVIP

(1)建立对数线性多元回归模型，引入全部变量建立对数线性多元回归模型如下: 生成: lny=log(y), 同样方法生成: lnx1,lnx2,lnx3,lnx4,lnx5,lnx6,lnx7. 作全部变量对数线性多元回归,结果为: 从修正的可决系数和F统计量可以看出，全部变量对数线性多元回归整体对样本拟合很好，，各变量联合起来对能源消费影响显著。可是其中的lnX3、lnX4、lnX6对lnY影响不显著,而且lnX2、lnX5的参数为负值，在经济意义上不合理。所以这样的回归结果并不理想。 (2) 预料此回归模型会遇到多重共线性问题, 因为国民总收入与GDP本来就是一对关联指标；而工业增加值、建筑业增加值、交通运输邮电业增加值则是GDP的组成部分。这两组指标必定存在高度相关。 解释变量国民总收入(亿元)X1(代表收入水平)、国内生产总值(亿元)X2(代表经济发展水平)、工业增加值(亿元)X3、建筑业增加值(亿元)X4、交通运输邮电业增加值(亿元)X5(代表产业发展水平及产业结构)、人均生活电力消费 (千瓦小时)X6(代表人民生活水平提高)、能源加工转换效率(%)X7(代表能源转换技术)等很可能线性相关,计算相关系数如下: 可以看出lnx1与lnx2、lnx3、lnx4、lnx5、lnx6之间高度相关，许多相关系数高于0.900以上。如果决定用表中全部变量作为解释变量，很可能会出现严重多重共线性问题。 （3）因为存在多重共线性，解决方法如下： 进行逐步回归，直至模型符合需要研究的问题，具有实际的经济意义和统计意义。采用逐步回归的办法，去检验和解决多重共线性问题。分别作对的一元回归， 对lnX1 的一元回归 对lnX2 的一元回归 对lnX3 的一元回归 对lnX4 的一元回归 对lnX5 的一元回归 对lnX6 的一元回归 对lnX7 的一元回归 最后整理结果如下: 一元回归结果： 变量 lnX1 lnX2 lnX3 lnX4 lnX5 lnX6 lnX7 参数估计值 0.316 0.315 0.277 0.297 0.273 0.421 8.73 t统计量 14.985 14.62 9.718 13.22 11.717 16.173 4.648 可决系数 0.914 0.911 0.818 0.893 0.867 0.926 0.507 调整可决系数 0.910 0.906 0.809 0.888 0.861 0.922 0.484 通过做一元线性回归，比较和的大小，并排个序，按照拟合优度的顺序排为：，下面做多元线性回归，决定各解释变量的去留。 的二元回归 由表可知，P值过大，删除lnX1 的二元回归 由表可知，lnx2系数为负值，不符合经济意义，且P值过大，删除lnX2 的二元回归 由表可知，P值过大，删除lnX4 的二元回归 由表可知，lnx5系数为负值，不符合经济意义，删除lnx5 的二元回归 由表可知，P值过大，删除lnX3 的二元回归 由表可知，P值过大，删除lnX7 最后修正严重多重线性影响后的回归结果为 (0.116373) (0.026024) t=(85.34551) (16.17255) F=261.5513