发表计量方向论文

计量经济学与实践教学模式探讨论文

无论是在学习还是在工作中，大家肯定对论文都不陌生吧，通过论文写作可以培养我们的科学研究能力。你知道论文怎样才能写的好吗？下面是我收集整理的计量经济学与实践教学模式探讨论文，希望对大家有所帮助。

摘要 ：

理论教学与实践教学相互依存，相得益彰。计量经济学教学不但要培养学生具有扎实的理论功底，还要提升学生应用知识分析与解决实际经济问题的能力。因此，计量经济学教学要走理论与实践教学相融合模式，以提高人才培养的质量。

关键词 ：

计量经济学；理论教学；实践教学；教学模式

1.引言

计量经济学与宏观、微观经济学共同构成经济类专业三门核心的必修课程，是现代经济学教育中不可或缺的组成部分，因而计量经济学的教学引起越来越广泛的关注，但计量经济学的教学仍明显落后于宏、微观经济学的教学。计量经济学的教学目标是让学生能理解与掌握计量经济学的基本原理和方法，并能熟练运用，以解决实际中的经济问题。因此，计量经济学的理论与实践教学相融合教学模式，有利于促进理论教学与实践教学的协调发展，是实现计量经济学教学目标的有效途径。目前，在计量经济学的教学实践中，普遍存在“教师难教”与“学生难学”的双重困境，对于这样一门教和学难度都很大的课程，如何调动学生学习的积极性和主动性是提高教学效果的关键，而计量经济学的理论教学与实践教学相融合发展是提高教学效果的必要手段。

2.计量经济学理论教学

理论教学是计量经济学教学的基础，国内高校计量经济学的教学方式主要是教师课堂讲授书本知识，由于理论本身的枯燥乏味，很容易使学生感到疲惫厌倦，很难形成感性认识，这种为应付考试而进行的学习，并不能给学生带来更多的思考。这一教学模式在我国高校中普遍存在，虽然在人才的培养中起到了一定作用，但总体效果却不甚理想，要提高理论教学效果，应从以下几个方面入手改变当前教学模式。

2.1教学内容要与时俱进，推陈出新

人才培养要以社会需求为导向，要敢于打破落后的教学计划，根据社会需求来制定教学内容，争取在有限的时间传授给学生有用的知识，激发学生内在的学习欲望，为实践教学奠定基础。经济理论是经济实践发展到一定阶段的必然产物，且随着经济实践的发展而深化，因此，在教学内容安排和教材的选定上，要推陈出新，引进前沿的学术理论和最新的经济范例。同时，鉴于教师在教学活动中具有主导作用，教师要对教学内容及时进行调整，以缩短理论和现实之间的距离，强化计量经济学理论与实践的结合。

2.2创新教学手段，提升教学质量

打破传统的“填鸭式”教学方式，取而代之的是互动授课方式和反向教学模式。传统的“填鸭式”教学方式，理论教学枯燥乏味，适当增加互动式授课，让学生走上讲台讲解自己的观点，理论知识变得更生动、更形象，通过同学间的相互讨论，互相补充和启发，化被动为主动，学生学习的积极性得到显著提高，学生积极参与到课堂教学过程中，既活跃了学习氛围，提高了学习效果，又锻炼学生独立思考和表达的能力。反向教学模式是满足学生求知欲的一种有效方式，学生发现一些在实际生活中不能理解的经济问题，带到课堂向老师请教，在与老师探讨的过程中，深化了对经济问题的理解，完成理论与实践的初次结合。教学手段的丰富不仅学生理论学习的兴趣得到提升，而且锻炼了学生语言表达和逻辑思维能力，思考问题的广度和深度显著提高，理论联系实际的能力明显增强，从而提升了理论教学的质量与效果。

2.3加强教师队伍建设，提升教学水平

教师是创新理论教学的主体，是实现人才培养目标的主导因素，计量经济学师资队伍的建设是提升其教学水平的关键。计量经济学是一门处于动态发展中的学科，新的知识和理论不断涌现，因而要重视对青年骨干教师的培养，提升其理论水平和创新意识，引导其投身于教学和科研之中，从而提升教学水平。

3计量经济学实践教学

经济学的宗旨就是要解释和解决现实中的经济问题。经济学是一门致用之学，须对现实世界的经济现象进行描述，对经济规律做出解释，能否准确地解释经济现象与规律，能否有效地指导社会经济实践，是评判经济理论的一个重要标准。因此，实践教学是高等教育的重要且必不可少的组成部分。实践教学作为理论教学的有益补充，可使学生对理论知识产生全面而感性的认识。但目前许多高校对实践教学不够重视，只是做做形式，走走过场，导致理论教学与实践教学不相匹配，直接影响到人才培养质量的提升。我们要想使实践教学真正取得实效，应做好以下几个方面工作。

3.1加强理论教学的过程化学习，为实践教学夯实基础

计量经济学的理论教学活动中有实验教学环节，安排在计算机房进行，在每一章都有一个综合案例，既能诱发学生学习兴趣，又能使学生熟悉计量软件操作。将抽象的计量经济建模方法贯穿于具体的经济范例分析之中，将枯燥而乏味的理论分析变为生动而有趣的案例分析，从而使学生能够主动接受相关的知识。这种从感性认识上升到理性认识的教学模式，契合大多数学生的认知习惯，能激发出学生的学习热情，提高学生的学习效果，从而使学生能够有扎实的专业基础，并提升其分析解决实际问题的能力，从而为实践教学夯实基础。

3.2调动师生参与实践教学的积极性

激发学生的主体意识是进行实践教学的关键性因素，要适当地引导并激励学生，发挥其在实践教学中的主体作用，只有提升学生参与实践教学的积极性，从根本上改变学生在实践教学中的被动状态，才能真正达到提升学生实践能力的目的。老师既是理论教学的组织者，又是实践教学的引导者，学校应鼓励和支持老师进行更多的课程实践教学，还应尽可能地创造条件让老师多接触社会，提升教师队伍的实践教育能力，同时邀请社会上一些有实战经验的专家来学校做专题讲座，让同学多了解社会，以弥补校内教师实践经验的不足。

3.3重视探索性实践教学，强化理论与实践教学的融合

计量经济学教学要注重培养学生实际应用能力，切忌照本宣科，作是一门应用性与实践性都很强的课程，其教学的目的就是要提升学生“学以致用”的能力。计量经济学教学不仅要使学生具有扎实的理论基础，更为重要的是培养学生分析解决现实经济问题的能力。通过“探索性案例”使学生深刻体会发现、分析和解决问题的全过程，学会如何进行定量分析，并清晰地进行阐述。在这过程中，教师要加强对学生探索性学习过程的引导和考核，以提高教学的效果，真正使学生做到“学以致用”。

4计量经济学理论与实践教学相融合模式

理论与实践教学相互依存，相得益彰。扎实的理论功底是理论与实践教学相结合的基础，实践教学改革必须在理论指导下进行，没有理论指导的实践是盲目的，同时，失却实践的理论是空洞而乏味的，理论教学和实践教学具有内在依存性和统一性。我们按照问题导向———研究探索——理论提升——指导实践的教学思路，建议采用如下几种有效的教学模式。

4.1案例教学与课堂讨论

首先利用案例教学提出问题，让学生查阅相关资料，然后进行课堂讨论，让他们提出对问题的理解和解决问题的方法，老师然后针对学生的分析进行指导，对问题进行理论上的分析与总结，让学生较好的体验与感受计量经济学，而不只是空谈理论。利用案例来提出计量经济学所探讨的`问题，案例教学可让学生更直观地理解与掌握抽象的理论，提高其学习兴趣，教师对关键知识点进行讲解，鼓励学生相互讨论，发表自己的见解，让学生在独立探索和共同探讨中，获得一种自我价值实现的满足感与成就感。

4.2学术论文探讨模式

阅读一些经典的学术论文有利于学生更好地理解相关的计量经济理论，采用学术论文探讨模式应注意论文的选择，既要尽量贴近现实生活，又要难度适中，教师可选择一些经典的学术论文让学生先阅读，然后进行讨论，这可对有学术兴趣的同学进行启蒙，而且学术论文的精读是把握计量经济学前沿的有效方法，对那些希望进一步深入研究的学生来说，研读学术论文更是一种将其引入计量经济研究的有效方法。

4.3项目团队学习模式

由教师设计教学项目，将学生分为几个团队，引导学生团队协作完成教学项目，在此过程中培养学生的团队合作精神，提升其理论和实践能力。基于项目团队的教学模式，既能够提升学生的团队合作精神，又能够让学生利用课余时间进行社会调研，将所学理论知识运用到实际问题的分析中去，加深对计量经济学的理解和运用。

5结论

在计量经济学的教学过程中，我们要充分认识到理论教学和实践教学既相辅相成，又相对独立的特性，理论教学和实践教学相互融合应是一种互动的发展模式，符合理论教学与实践教学未来的发展方向，只有将理论和实践教学有机融合，才能达到提升人才培养质量的最终目标。

参考文献

［1］李子奈.关于计量经济学模型方法的哲学思考［J］.中国社会科学,2010,(2):69－83.

［2］阳玉香,谭忠真,莫旋.应用型人才培养目标下的计量经济学教学改革［J］.经济研究导刊,2010,(20):212－213.

［3］沈星元.基于SECI知识创造模型的会计电算化教学改革研究［J］.现代商贸工业,2016,(15):165－166.

［4］莫旋,陈敏.计量经济学开放性实践教学模式探讨［J］.特区经济,2016,(2).169－170.

［5］聂红隆,沈友华.计量经济学课程理论和实验教学改革实践［J］.宁波工程学院学报,2015,(12).119－124.

摘要 ：

计量经济学课程在二本经济学、管理学等学科开设的范围越来越广，鉴于该课程的特点，其教学对老师和学生来说都有相当的难度。本文总结了二本计量经济学教学中在教学内容、课程定位、课堂教学、实验环节与考核方式等方面普遍存在的一些问题，并针对这些问题采用一些对策进行教学实践，取得了良好的效果。

关键词：

计量经济学；教学改革；教学实践

《计量经济学》系高等学校经济学类所有专业的必修课程，在经济类各专业中受重视程度很高，由于其所含的实证分析方法实用性强，应用也越来越广泛，因而也是很受学生喜爱的一门课。计量经济学这一学科有几个特点：首先，学科交叉性强。该学科融合了经济学、统计学与数学的知识，使得学生学习计量经济学有相当的难度，因此学生对该课程是又爱又恨。同时，老师必须掌握、熟悉多门课程的内容，这就对老师提出了更高的要求，教授起来有较大的难度；其次，计量经济学课程离不开实验环节，上机实验要求学生熟练掌握至少一门常用软件，老师也要提前安排实验环节的内容，准备实验所需的数据等资料；再次，该学科的实际应用性强，要将课堂上所学的理论知识与实际经济问题衔接起来，需要借助大量的案例来辅助教学，以达到培养学生的应用能力和创新能力的目的。由于这些特征，使得计量经济学的教学比较困难，教学模式也呈多样化。近年来，关于计量经济学教学改革的讨论也很多，所涉及到的案例教学法、理论教学法等都各有长处，但无论是何种方法，要想把握理论性和实践性的平衡也是一大难题，在教学实践中总存在一些问题尚待解决。在此，笔者总结了二本计量经济学教学中在教学内容、课程定位、课堂教学、实验环节与考核方式等方面普遍存在的一些问题，并针对这些问题采用相应对策进行教学实践，取得了良好的效果。

1课程内容与教材

本科计量经济学的课程主要以经典计量经济学的线性回归分析为主。事实上，这些教学内容的讲授，可针对不同专业的学生有区别地选择或侧重。目前，在经济学和管理学两大门类，计量经济学已经成为开设范围最广的少数几门课程之一。而且，一些高校的统计学、数学类专业也开设了计量经济学课程。对于这些专业的学生，他们的基础和学科特点都有区别，如果对各种专业都是统一的教学内容或侧重点，导致不同专业的学生学习效果有差距，且不足以发挥所学专业的特长。因此，可区别对待不同专业的学生选择侧重于哪些内容。对文科性较强的专业，注重计量经济学的应用，着重教会分析方法、软件操作技能，对于理论，着重框架和逻辑上的连贯，省略繁琐的数学推导和证明，提高学生的学习兴趣。对数学基础较强的学生，适当增加计量方法原理的讲解，增加一些理论证明方面的习题，为学生今后进一步深造打下基础。在教材选择方面，宜选择理论推导简略、配较多案例、实践操作细节详细、适合初学者学习的教材，有利于学生尽快入门。

2课程定位

计量经济学，主要是让学生掌握实证分析方法的一门学科，兼有理论性和实践性双重性质。其理论，尤其是涉及数理统计的方法，内容严谨、逻辑性强，讲授起来相对枯燥，同时，计量经济学又有很强的实践性，讲授如何应用的时候又需要大量的案例和上机操作。在两者之间，老师们各有倾斜。然而，过于注重实践，就可能失去计量经济学方法的科学性与数量分析的严肃性；过于注重理论，又可能使得学生在应对实际问题时反应慢，对软件的应用不熟练。因此，老师在上课时要对理论性是实践性二者进行平衡，首先明确理论与方法要先于实验实践，是首要的。其次再掌握求解步骤与软件操作技能。

3课堂教学

计量经济学的课堂教学方面，学生普遍有畏难情绪，尤其是文科背景的学生，这就使得老师授课比较被动，只能增强课堂的趣味性来吸引学生。比如，在讲授每章内容之前都以贴近生活的案例作为引子来开头，引导学生主动思考。其次，对于课程的整体内容以及各章的分块内容。首先讲解内容框架，让学生有概略性的认识，先了解“整只大象的框架”，然后再将“大象”分割成小块各个击破。在讲解完每个知识点时，选择简单易懂的习题让学生当场做，立马解答，增加学习学习的乐趣和成就感。采用PPT与黑板相结合的方式进行讲授，多媒体页面美观，展示内容时节省时间，而对于一些公式的推导，板书能放慢速度，引导学生跟着老师的思维走，加深学习印象。另外，完整的二本计量经济学课程内容较多，我校将非实验课时压缩到40课时以下，这就使得教师不得不采用满堂灌的方式，没有留给学生讨论和思考的时间，师生间的互动受限，不利于学生创新思维和创新能力的培养。对于课时量少的问题，一方面尽可能压缩实验课，同时课堂上侧重讲解实证分析的思路，省略一些繁琐的数学推导，还可考虑增加课后单独辅导，比如通过QQ、短信、邮件等沟通方式来为学生答疑。

4实验环节

实验课的安排在时间上要适当，将其穿插在课程进度中效果较好。实验课上，对各种检验方法、补救措施，老师先引导回顾原理、然后演示软件操作后再让学生动手做，学生能立马将理论与实际联系起来，并通过实验效果加深对所学方法的理解。对于同时学多种检验方法或修正方法，全部讲完后再让学生做的话，其容易遗忘或混淆方法中的细节，讲一个做一个，学生不易忘记且在操作期间有一个思考的缓冲期，对每种方法有更多的思考。实验环节的考查方面，为了避免学生的实验报告有很大程度的拷贝、内容雷同的情况，老师尽可能多参考学生课堂学习效果，可在课堂上根据学生的认真程度来打分。

5考核方式

如何选择考核方式使其能全面反映教学效果是一个难题。目前采用得比较多的是期末闭卷考试和课程论文两种形式，但各个环节都有部分学生投机取巧，课程论文抄袭面比较广，不能真实反映学生的学习情况。考核方式宜采用多种方式相结合：闭卷考试主要考察理论知识的掌握程度；实验环节考查学生对软件的熟练程度以及应用软件进行实际分析的能力；课程论文考察学生的实践能力与创新能力。其中，试卷考查环节上，题目偏重应用分析能力的考查，尽量避免繁琐的数学推导和公式计算。实践环节，在课时允许的情况下课增加课程论文答辩，避免部分学生“搭便车”。多种考核方式相结合，可综合考查学生对理论知识的掌握、实践能力、创新能力、团队合作能力等，提高学生的综合素质。通过以上方式对计量经济学进行课程教学改革，实践表明，计量经济学的教学效果得到很大的改善，从对不同年级的500多名学生的调查结果看出，高年级采用未改革的方式教学，学生对课堂的很满意和满意的比例为71%，低年级采用改革后的方式教学，学生对课堂很满意和满意的比例为89%，而且，从学生的毕业论文选题上看，有关实证分析的选题比例有所提升，说明学生对实证分析的兴趣有所增加。计量经济学的学科特点使其教学具有相当的难度，教学过程还面临诸多问题，老师需在今后的教学实践中，多与学生进行沟通和交流，总结学生的意见和建议，不断寻求更好的教学方法来达到提高教学质量的目的。

参考文献

[1]庞浩.计量经济学[M].北京:科学出版社,2014.

[2]马少康.应用型培养目标下的计量经济学实践教学模式探讨[J].教育学论坛,2017(28):141-142.

[3]张长青.计量经济学课程教学内容与教学方法改革探讨[J].黑龙江教育学院学报,2009,28(4):148-150.

计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。计量经济学期末实验报告实验名称：大中城市城镇居民人均消费支出与其影响因素的分析姓 名：学 号：班 级： （）级统计学系（）班指导教师：时 间：（上面是论文封皮）23个城市城镇居民人均消费支出与其影响因素的分析（题目）一、 经济理论背景近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。二、 有关人均消费支出及其影响因素的理论我们主要从以下几个方面分析我国居民消费支出的影响因素：①、居民未来支出预期上升，影响了居民即期消费的增长居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。②、商品供求结构性矛盾依然突出从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。三、 相关数据收集相关数据均来源于2006年《中国统计年鉴》：23个大中城市城镇居民家庭基本情况（表格）地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元）北京 1.6 1.8 1865.1 1633.2 1187.9天津 1.4 2.0 2010.6 1889.8 939.8石家庄 1.4 2.0 1061.3 1010.0 722.9太原 1.3 2.2 1256.9 1159.9 789.5呼和浩特 1.5 1.9 1354.2 1279.8 772.7沈阳 1.3 2.1 1148.5 1048.7 812.1大连 1.6 1.8 1269.8 1133.1 946.5长春 1.8 1.7 1156.1 1016.1 690.2哈尔滨 1.4 2.0 992.8 942.5 727.4上海 1.6 1.9 1884.0 1686.1 1505.3南京 1.4 2.0 1536.4 1394.0 920.6杭州 1.5 1.9 1695.0 1464.9 1264.2宁波 1.5 1.8 1759.4 1543.2 1271.4合肥 1.6 1.8 1042.5 950.1 686.9福州 1.7 1.9 1172.5 1059.4 942.8厦门 1.5 1.9 1631.7 1394.3 998.7南昌 1.4 1.8 1405.0 1321.1 665.4济南 1.7 1.7 1491.3 1356.8 1071.4青岛 1.6 1.8 1495.6 1378.5 1020.7郑州 1.4 2.1 1012.2 954.2 750.3武汉 1.5 2.0 1052.5 972.2 853.1长沙 1.4 2.1 1256.9 1148.9 986.8广州 1.7 1.8 1898.6 1591.1 1215.1四、 模型的建立根据数据，我们建立多元线性回归方程的一般模型为：其中：——人均消费支出——常数项——回归方程的参数——平均每户就业人口数——平均每一就业者负担人口数——平均每人实际月收入——人均可支配收入——随即误差项五、实验过程（一）回归模型参数估计根据数据建立多元线性回归方程：首先利用Eviews软件对模型进行OLS估计，得样本回归方程。利用Eviews输出结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:08Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C -1682.180 1311.506 -1.282633 0.2159X1 564.3490 395.2332 1.427889 0.1704X2 569.1209 379.7866 1.498528 0.1513X3 1.552510 0.629371 2.466766 0.0239X4 -1.180652 0.742107 -1.590947 0.1290R-squared 0.721234 Mean dependent var 945.2913Adjusted R-squared 0.659286 S.D. dependent var 224.1711S.E. of regression 130.8502 Akaike info criterion 12.77564Sum squared resid 308191.9 Schwarz criterion 13.02249Log likelihood -141.9199 F-statistic 11.64259Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ，从而初步得到的回归方程为：Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)F=11.64259 df=18模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于0.05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。（二）处理多重共线性我们采用逐步回归法对模型的多重共线性进行检验和处理：X1：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:28Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 153.8238 518.6688 0.296574 0.7697X1 523.0964 341.4840 1.531833 0.1405R-squared 0.100508 Mean dependent var 945.2913Adjusted R-squared 0.057675 S.D. dependent var 224.1711S.E. of regression 217.6105 Akaike info criterion 13.68623Sum squared resid 994441.2 Schwarz criterion 13.78497Log likelihood -155.3917 F-statistic 2.346511Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491X2：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:29Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 1756.641 667.2658 2.632596 0.0156X2 -424.1146 347.9597 -1.218861 0.2364R-squared 0.066070 Mean dependent var 945.2913Adjusted R-squared 0.021597 S.D. dependent var 224.1711S.E. of regression 221.7371 Akaike info criterion 13.72380Sum squared resid 1032515. Schwarz criterion 13.82254Log likelihood -155.8237 F-statistic 1.485623Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412X3：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:29Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 182.8827 137.8342 1.326831 0.1988X3 0.540400 0.095343 5.667960 0.0000R-squared 0.604712 Mean dependent var 945.2913Adjusted R-squared 0.585888 S.D. dependent var 224.1711S.E. of regression 144.2575 Akaike info criterion 12.86402Sum squared resid 437014.5 Schwarz criterion 12.96276Log likelihood -145.9362 F-statistic 32.12577Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013X4：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:30Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 184.7094 161.8178 1.141465 0.2665X4 0.596476 0.124231 4.801338 0.0001R-squared 0.523300 Mean dependent var 945.2913Adjusted R-squared 0.500600 S.D. dependent var 224.1711S.E. of regression 158.4178 Akaike info criterion 13.05129Sum squared resid 527020.1 Schwarz criterion 13.15003Log likelihood -148.0898 F-statistic 23.05284Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得：X1、X3Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:32Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C -222.8991 345.9081 -0.644388 0.5266X1 289.8101 227.2070 1.275533 0.2167X3 0.517213 0.095693 5.404899 0.0000R-squared 0.634449 Mean dependent var 945.2913Adjusted R-squared 0.597894 S.D. dependent var 224.1711S.E. of regression 142.1510 Akaike info criterion 12.87276Sum squared resid 404138.2 Schwarz criterion 13.02087Log likelihood -145.0368 F-statistic 17.35596Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043X2、X3Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:33Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 239.5536 531.1435 0.451015 0.6568X2 -27.00981 244.0392 -0.110678 0.9130X3 0.536856 0.102783 5.223221 0.0000R-squared 0.604954 Mean dependent var 945.2913Adjusted R-squared 0.565449 S.D. dependent var 224.1711S.E. of regression 147.7747 Akaike info criterion 12.95036Sum squared resid 436747.0 Schwarz criterion 13.09847Log likelihood -145.9292 F-statistic 15.31348Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:34Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 331.7015 142.5882 2.326290 0.0306X3 1.766892 0.553402 3.192782 0.0046X4 -1.473721 0.656624 -2.244390 0.0363R-squared 0.684240 Mean dependent var 945.2913Adjusted R-squared 0.652664 S.D. dependent var 224.1711S.E. of regression 132.1157 Akaike info criterion 12.72634Sum squared resid 349091.0 Schwarz criterion 12.87445Log likelihood -143.3529 F-statistic 21.66965Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。X1、X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:37Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 193.6693 403.8464 0.479562 0.6370X1 89.29944 243.6512 0.366505 0.7180X3 1.652622 0.646003 2.558228 0.0192X4 -1.345001 0.757634 -1.775265 0.0919R-squared 0.686457 Mean dependent var 945.2913Adjusted R-squared 0.636950 S.D. dependent var 224.1711S.E. of regression 135.0712 Akaike info criterion 12.80625Sum squared resid 346640.3 Schwarz criterion 13.00373Log likelihood -143.2719 F-statistic 13.86591Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050X2、X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:38Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 62.60939 489.2088 0.127981 0.8995X2 134.1557 232.9303 0.575948 0.5714X3 1.886588 0.600027 3.144175 0.0053X4 -1.596394 0.701018 -2.277251 0.0345R-squared 0.689658 Mean dependent var 945.2913Adjusted R-squared 0.640657 S.D. dependent var 224.1711S.E. of regression 134.3798 Akaike info criterion 12.79599Sum squared resid 343100.8 Schwarz criterion 12.99347Log likelihood -143.1539 F-statistic 14.07429Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于0.05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为：Se= (142.5882) (0.553402) (0.656624)T= (2.326290) (3.192782) (-2.244390)F=21.66965 df=20（三）.异方差性的检验对模型 进行怀特检验：White Heteroskedasticity Test:F-statistic 1.071659 Probability 0.399378Obs*R-squared 4.423847 Probability 0.351673Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/11/07 Time: 16:53Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 34247.50 128527.9 0.266460 0.7929X3 247.9623 628.1924 0.394723 0.6977X3^2 -0.071268 0.187278 -0.380548 0.7080X4 -333.6779 714.3390 -0.467114 0.6460X4^2 0.121138 0.229933 0.526841 0.6047R-squared 0.192341 Mean dependent var 15177.87Adjusted R-squared 0.012861 S.D. dependent var 23242.54S.E. of regression 23092.59 Akaike info criterion 23.12207Sum squared resid 9.60E+09 Schwarz criterion 23.36892Log likelihood -260.9038 F-statistic 1.071659Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=30.1435，因为 < (5)= 30.1435,所以模型中不存在异方差。（四）.自相关的检验由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于0.05，D-W值为2.111635，显著性水平 =0.05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =1.543

关于我国城镇居民储蓄存款模型的计量经济分析 （我的姓名等信息就省略了啊 呵呵） 内容摘要：本文利用我国1978年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型，对我国城镇居民储蓄存款情况进行实证分析。通过对该模型的经济含义分析得出各种主要因素对我国城镇居民储蓄存款数量的影响程度，并针对我国城镇居民存款储蓄现状提出自己的一些建议。 关键词：居民储蓄存款 实证分析 主要因素 一、问题的提出 1978年以来,随着我国国民经济的飞速发展,我国的居民储蓄也出现高速增长的态势。进入90年代以后．我国居民储蓄存款余额始终保持在两位数的增长速度。我国居民储蓄存款持续增长这一经济现象引起国内理论界的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响。所以国家相继出台了一系列积极的财政和货币政策,以刺激国内消费和投资需求,分流储蓄,但是居民储蓄依然持续增加。由于居民的储蓄存款直接影响着居民的消费行为，影响着货币的供给量，进而间接影响着国家经济的发展，宏观调控的力度和效果，因此，对我国居民存款储蓄问题的深入研究就显得尤为重要，这有助于帮助大家认清现状，做出合理的决策。虽然我们作为本科阶段的学生对这个问题的理解和研究还不够深入和透彻，但对此问题的探索有利于我们更好的掌握专业知识，了解国情，提高实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。 二、文献综述 我国有很多学者建立了许多的储蓄模型来分析各因素对居民储蓄的影响程度,但分析结论的差异很大。整理以前的研究成果,一个社会的储蓄总量受很多因数的影响，根据经典西方宏观经济学理论，储蓄水平主要受收入因数、利息率、物价水平、收入分配等因数的影响： 1.收入因数 收入是决定储蓄的重要因数，收入的变化会直接决定着储蓄的变化。在其他条件不变的情况下，储蓄与可支配收入之间存在着正方向的变化关系，即居民的可支配收入增加，储蓄量增加；个人可支配收入减少，储蓄量减少。可支配收入是指居民户在支付个人所得税之后，余下的全部实际现金收入。 2.利息率 传统经济学认为，在收入即定的条件下，较高的利息率会使储蓄增加。在本文中，我们选用的利息率是根据当年变动月份加权平均后的一年期储蓄存款加权利率。 3.物价水平 物价水平会导致居民户的消费倾向的改变，从而也就会改变居民户的储蓄倾向。本文用通货膨胀率来考察物价水平对储蓄率的影响。 4.收入分配 凯恩斯认为，收入分配的均等化程度越高，社会的平均消费倾向就会越高，社会的储蓄倾向就会越低。在国际上，衡量收入分配平均状况最常用的指数是基尼系数。 三、变量的选取及分析 目前我国正处于改革时期，各种不确定性因素很多。因而，要分析各种因素对中国居民储蓄行为的影响，必须立足于中国的国情。1998年后，中国经济运行进入了一种新的体制约束状态，出现了明显的供给过剩，需求对经济增长的约束与拉动作用明显增强，投资、消费膨胀的内在动力明显不足；同时，由于我国市场机制尚不健全，市场经济发育不成熟，市场体制的控制力还有限，从而不能形成一种有效地传导机制。市场化的改革对人们的经济行为、心理行为带来了很大影响，银行开始考虑贷款风险，投资者开始考虑投资回报，而消费者也开始考虑最佳的消费时机和预期收入。这说明，我们的微观经济层面已生长出一种内在的约束机制，然而社会各个方面对这些积极的因素还很不适应，微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾，导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。当前影响我国居民储蓄的因素有很多，概括起来有以下几点：居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、"假性"存款的影响、消费领域的信用等级、高收入阶层消费状况、就业形势压力、体制改革、居民收入水平等。 由于我现在的时间和能力有限，只能综合考虑，选取一部分变量进行研究，而且为了方便查找数据，只建立我国城镇居民储蓄存款模型进行研究。本文选用当年的收入增长率来考察收入因数对储蓄率的影响。用城镇居民的储蓄率作为被解释变量。另外还选取了中国1979年到2002年的各年的城镇居民收入的基尼系数、一年期储蓄利率和通货膨胀率作为解释变量。 四、数据及处理 本文模型数据样本为从1979-2002年。 年份 城镇居民储蓄率 城镇居民收入增长率 一年期储蓄利率 通货膨胀率 城镇居民基尼系数 1979 0.06368087 0.264869934 3.78 0.02 0.16 1980 0.08740586 0.220385089 5.04 0.059804 0.15 1981 0.07093626 0.104176446 5.4 0.024052 0.15 1982 0.08105586 0.139165412 5.67 0.01897 0.15 1983 0.09963501 0.093723563 5.76 0.015071 0.16 1984 0.13025584 0.245357008 5.76 0.027948 0.19 1985 0.15161502 0.184241122 6.72 0.08836 0.19 1986 0.17454542 0.280700971 7.2 0.060109 0.2 1987 0.2175453 0.167515864 7.2 0.072901 0.23 1988 0.17862152 0.219728929 7.68 0.185312 0.23 1989 0.2721202 0.199827095 11.12 0.177765 0.23 1990 0.32760614 0.123579703 9.92 0.021141 0.24 1991 0.31032443 0.163667824 7.92 0.028888 0.25 1992 0.3016907 0.228819425 7.56 0.053814 0.27 1993 0.3199061 0.311233327 9.26 0.131883 0.3 1994 0.42486435 0.397210898 10.98 0.216948 0.28 1995 0.44898036 0.261076104 10.98 0.147969 0.28 1996 0.40903477 0.198208003 9.21 0.060938 0.29 1997 0.30935015 0.127739779 7.17 0.007941 0.3 1998 0.25777978 0.108852141 5.02 -0.026 0.295 1999 0.21234608 0.134557035 2.89 -0.02993 0.3 2000 0.1239205 0.125688358 2.25 -0.01501 0.32 2001 0.24155306 0.14364071 2.25 -0.0079 0.33 2002 0.29897822 0.173106495 2.03 -0.01308 0.319 数据来源：各年份的《中国统计年鉴》 注：Y代表城镇居民储蓄率 X1代表城镇居民收入增长率 X2代表一年期储蓄利率 X3代表通货膨胀率 X4代表城镇居民基尼系数 五、模型及处理 基于以上数据，建立的模型是： Y=β1+β2X1+β3X2+β4X3+β5X4+u β1度量了截距项，它表示在没有收入的时候人们也要花钱消费，储蓄率为负。 β2度量了当城镇个人可支配收入率变动1%时，储蓄增长率的变动。 β3度量了当利率变动一个单位，其实也就是1%时，储蓄的增量的变动。 β4度量了当通货膨胀率变动一个单位，储蓄增量的变动。 β5度量了基尼系数对储蓄率的影响。这也是本文的重点变量。 u是随机误差项。 对Y做回归 利用eviews最小二乘估计结果如下 Variable Coefficient Std. Error t-Statistic Prob. C -0.264646 0.045525 -5.813154 0.0000 X1 0.317426 0.175678 1.806864 0.0875 X2 0.024054 0.003688 6.523093 0.0000 X3 0.024476 0.205508 0.119099 0.9065 X4 1.127523 0.149318 7.551127 0.0000 R-squared 0.897971 Mean dependent var 0.234065 Adjusted R-squared 0.875298 S.D. dependent var 0.116109 S.E. of regression 0.041002 Akaike info criterion -3.360748 Sum squared resid 0.030260 Schwarz criterion -3.113901 Log likelihood 43.64860 F-statistic 39.60525 Durbin-Watson stat 1.541473 Prob(F-statistic) 0.000000 根据以上结果，初步得出的模型为 Y=-0.264646+0.317426X1+0.024054X2 +0.024476X3+1.127523X4. 1.经济意义的检验 该模型可以通过初步的经济意义的检验，系数的符号符合经济理论。 2.统计检验 从表中可以看出，显然通货膨胀率的系数通不过T检验，R2=0.897971， 2值为0.875298，模型的拟合情况较好。F检验的值为39.60525，整个模型对储蓄率的增长影响是显著的。 3.多重共线性的检验 从F值可知此模型整体显著，但是分析各个变量后发现X1和X3不显著，可能存在多重共线性，运用消除多重共线性的逐步回归方法我们可以得到要放弃X3 这个变量，重新做回归分析得到： Y=β1+β2X1+β3X2+β5X4+u Variable Coefficient Std. Error t-Statistic Prob. C -0.271487 0.041322 -6.570056 0.0000 X1 0.314787 0.113799 2.766177 0.0119 X2 0.024487 0.003178 7.704986 0.0000 X4 1.145280 0.137886 8.305987 0.0000 R-squared 0.897094 Mean dependent var 0.229740 Adjusted R-squared 0.881658 S.D. dependent var 0.115517 S.E. of regression 0.039739 Akaike info criterion -3.461967 Sum squared resid 0.031583 Schwarz criterion -3.265624 Log likelihood 45.54360 F-statistic 58.11739 Durbin-Watson stat 1.556309 Prob(F-statistic) 0.000000 从新模型的整体效果来看，R值和F值都很好，而且各个变量的t统计量也表明各个变量对储蓄率的增长都有显著影响。 因此模型可设为Y= -0.271487+0.314787X1+0.024487X2+1.145280X4 4.异方差性检验 对新模型进行异方差性的检验，运用white检验，得到如下结果： White Heteroskedasticity Test: F-statistic 2.669433 Probability 0.054505 Obs*R-squared 11.50596 Probability 0.073942 Obs*R-squared的计算结果是11.50596，，由于选用的没有交叉乘积项的方式，所以自由度为7，在0.05的显著水平下，查表得 （7）=12.59〉11.50596，所以接受原假设，即该模型不存在异方差性。 5.自相关性的检验 从上表可知DW值为1.556309，且样本容量n=24，有三个解释变量的条件下，给定显著性水平 =0.01，查D-W表得，d =0.882,d =1.407,这时有d