采用计量经济学研究的论文

计量经济学在我国的推广与应用,对我国经济学的定量化研究做出了重要贡献,也在中国经济学界受到了越来越多的关注。下面是我为大家推荐的计量经济学论文，供大家参考。

计量经济学论文 范文 一：多媒体教学计量经济学论文

一、研究框架:教学的次优原理

(一)计量经济学教学次优理论分析

本研究的目标定位为:以现有的多媒体教学手段为背景，研究针对非计量经济学理论专业学生的教学目的及其规律，最终在教学内容比重和 方法 上提出相应的建议。研究的思路遵循经济理论中的“次优理论”，主要内容包括三大部分:第一部分对计量经济学的理论体系从方法论上进行整理，重点在于区分计量经济学逻辑框架中的原理部分和应用部分，并主要以例证的方式论证理论应用和理论原理的发展采取专业化与分工形式更具有效率;第二部分将采用实证方法分析非计量经济理论专业研究人员应用计量经济学进行分析所需要的基本知识和方法论知识，调查具备计量分析能力学生和研究人员相关知识获得的方式;第三部分在前面两部分研究结论的基础上，基于“次优”思路，对现行计量经济学教学的内容和方法进行调整，提出“有所为，有所不为”的教学思路。研究的主要观点是:当“最优”的某些条件不具备时，其他条件同样必须按照“次优”标准取值，而不能继续采取“最优”结果所要求的标准，否则效率会更差。计量经济学教学中同样存在这个问题。

(二)计量经济学教学次优原理

当学生不可能在一定的学时内完全掌握基本原理并熟练应用时，应该以应用能力为基本目标，对以数学推导为主要内容的基本原理做语言介绍。换个角度讲就是将计量分析能力获取的真正方式(即模仿实际案例)引入到教学中，使其更有效率。

二、实证分析:本科计量经济学教学策略

(一)教学目标的设定关于计量经济学教学目标的设定

通常会有理论和应用之争。任何一门学科，最理想的情况当然是在充分理解原理的来龙去脉基础上熟练运用并进行发展。但是，理论的证明和发展往往需要坚实的理论根基，研究者个体需要很长时间的专门训练。在现代科学高度分工化的背景下，科学理论的发展和应用已经有着明确的分工。计量经济学更是如此，对于本科经济学专业学生来讲，其学科基础结构以及学时有限，不可能进行大量的理论学习。因此，应该以熟练的应用为首要目标。尽管从逻辑结构来看，现代科学理论都是在基本原理正确的情况下才可以正常使用，即原理是应用的基础，但从人类认知的一般规律来看，熟练的认知和运用对于学习和掌握一套理论工具的原理更有帮助，反过来却更为困难一些。因此，在本科阶段，经济学专业学生应该在操作层次上掌握计量分析的基本方法，在思想层次上了解计量经济学的原理。

(二)教学内容的选择及优劣排序

就逻辑结构而言，计量经济学课程可以分为基本方法、软件应用、经济学原理、数理统计原理等基本部分。为了达到按照次优原理制定的教学目标，必须对上述学习和教学当中的内容进行选择和排序。计量经济分析对计算工具的依赖性很强，在某种程度上，计量经济学的产生及其发展都依赖于计算方法和技术的进步。现代计算机的产生与升级，使得计量经济分析基本上采取各种专业软件完成，比如AMOS，AUTOBOX，DATADESK，SPSS，EVIEWS，MATLAB，GAUSS，STATVIEW等。因此，计量经济学的教学和学习必须依赖其中一种软件进行。国内大部分教科书都以EVIEWS作为演示逻辑过程的软件，其界面操作是教学过程必须包括的内容。但是，利用软件操作的计量经济分析过程的基本框架是建立在计量经济分析基本方法之上的。无论是经典还是现代计量经济学，基本的计算步骤都包括回归方法、统计检验、计量检验及修正四部分。因此，基本方法的教学应该是首要的内容，依据它进行软件的应用，一方面练习基本步骤，另一方面掌握分析的基本技能。计量经济学不是统计学，因此上述两方面的纯技术内容需要在经济学原理的规定下实施。任何参数都要符合经济学原理和常识。与此同时，经济学原理的学习可以通过其他专业课程进行教学，参数的经济学意义可以通过很短时间的介绍使学生掌握。因此，经济原理需要放在前面两项内容之后，学生可以在更高层次的计量经济学课程进行学习。数理统计原理是整个计量经济学的基础性“技术基础”，进行复杂计量经济分析以及计量经济学理论研究必须熟练掌握这部分内容。在本科阶段，没有必要进行全面严格的数理统计知识训练。计量经济学现行教学方式一个最大的问题就是对于上述内容没有做出恰当的选择和排序，而是按照尽量满足“最优条件”的方式，对于数理统计原理过于强调，往往放在教学最重要的位置。结果在每一个阶段学生都不能掌握基本的内容，往往是重复学习基本方法、软件应用等，效果很差。因此，对于上述内容必须按照“次优原理”做出排序，并在不同阶段选择教学重点。基本的排序应该是，首先是基本方法，务必使学生能熟记(例如各种条件、参数范围等)，其次是软件的应用，接下来依次是经济学原理和数理统计原理。本科阶段一定要解决基本方法和软件的使用问题，避免重复学习。

(三) 教学方法 和其他经管类课程类似

计量经济学的教学分为理论讲授、实验和课程论文三个部分。理论讲授应该着重解决分析方法的问题，以介绍的方式使学生了解计量经济分析的数理统计原理;实验对应软件的应用，通过大量的软件操作和结果分析，使学生对于实际的分析步骤能够熟练进行;课程论文则对应经济学原理部分，通过对实际经济现象的数量分析，训练学生针对具体经济现象建立计量经济模型，具有对计量结果进行经济学解释的能力。课程阶段的时间有限，应该以学生掌握工具使用为目标，至于其经济学内涵以及分析技巧，应该放在学生自身的学习和研究计划之中安排。因此，课程阶段内的教学方法应该以前两者为主，课程论文方式可以放在学年论文和 毕业 论文(设计)阶段实施。

(四)教学手段计算机技术的进步

使得多媒体和案例教学已经成为目前经济学课程教学的基本手段。在计量经济学教学当中，应该更有针对性地使内容与教学手段对应。计量经济学中存在不少数学推导，例题演示，讲解时需要大量的数据及其处理的演示。如果采取原始的黑板书写，则必然浪费课堂时间，因而多媒体教学应该在计量经济学中大力推广。另一方面，多媒体教学由于省略了实际的操作过程，尽管有利于教师提高逻辑推进速度，但也增加了学生思维的强度和负担，导致学生无法及时理解教学内容，减弱学生对课堂学习内容的印象。因此，多媒体教学更适宜介绍性的内容，比如上述数理统计原理等。案例教学被很多学者作为提高计量经济学教学中学生兴趣的重要方式，这一点无可厚非。但是本科阶段计量经济学的首要任务是分析手段的掌握，而不是分析技巧的培养。因此，案例教学的中心应该放在分析过程，而不是建模和经济分析阶段———尽管这两者在引起学生学习兴趣方面效果突出。

三、结论

计量经济学教学效果普遍较差，其根本的原因在于计量经济学知识体系庞大和学时有限之间的矛盾。根据“次优原理”，应该在内容和目标上做出恰当的定位和选择。基本的分析方法(步骤)和软件操作是教学的首要目标和内容，本科阶段必须解决这两方面的问题，否则就会导致现在普遍存在的现象———不同层次课程都必须重复操作的训练。至于经济学原理，应该作为综合训练部分在学生的学年论文或毕业论文之中进行。而作为计量经济学科学基础的数理统计原理，应该是复杂计量分析和计量经济学理论研究中解决的问题，对于此层次课程来讲，适宜采用语言或演示方式进行介绍性教学。

计量经济学论文范文二：多媒体计量经济学论文

一、研究框架:教学的次优原理

(一)次优原理亚当•斯密“看不见的手”原理

构成西方主流经济理论框架的经济哲学基础。经过数代人的努力，西方微观经济学理论给出了“看不见的手”原理的形式化证明:以利己行为动机的完全竞争的市场经济将会导致(帕累托意义下的)最优———第一福利经济学定理。然而，现实经济中更普遍的情况是，经济环境与完全竞争的经济模型完全不一样。此时，结果还会是帕累托最优吗?1950年代之前，经济学家普遍认为在这种情况下，国家执行微观经济政策尽可能弥补现实经济和完全竞争模型的假设条件之间的差距，因而能使经济达到或接近于帕累托最优状态。1950年代在西方出现的“次优理论”(TheoryofSecondBest)证明，在不能全部满足完全竞争模型所要求的假设条件的情况下，即使微观经济政策成功地弥补了现实和假设条件之间的差异，政策的执行也不能保证帕累托最优状态的实现。1956年，经济学家李普西(R.G.Lipsey)和兰卡斯特(K.Lancaster) 总结 前人的理论分析，创立了次优理论。简单地说，次优理论包含的内容是:“如果在一般均衡体系中存在着某些情况，使得帕累托最优的某个条件遭到破坏，那么即使 其它 所有帕累托最优条件得到满足，结果也未见得是令人满意的，换句话说，假设帕累托最优所要求的一系列条件中有某些条件没有得到满足，那么，帕累托最优状态只有在清除了所有这些得不到满足的条件之后才能达到。”次优理论的基本思想可以用一个简单的图形来说明。曲线PP表示社会生产可能性曲线，曲线Ⅰ、Ⅱ表示社会无差异曲线。如果经济是完全经济市场，则福利最大化均衡点在E点。假定经济系统中存在一个约束条件(由直线AB表示)，使得经济难以达到直线AB右上方的商品组合，最优点E也无法取得。因此，社会最优化问题是在AB线的约束下争取(由无差异曲线表示的)福利最大化。显然，约束条件下最优点在F点，即无差异曲线Ⅰ代表的效用水平。从最初均衡点E点满足的条件程度来看，A、B两点都优于F———前两点位于生产可能性曲线上，生产是有效的。但是，点F明显地比技术上有效的点A与B更优。这显然否定了这样的论点，即如果帕累托最优的所有条件不能全部满足，则满足某一部分就是最好的政策。次优理论的一般意义可以用英国经济学家米德(J.E.Meade)所讲的一个比喻来说明。设想一个人，他想登上群山的最高点。在朝着最高点行进的途中，他将不得不先爬上一些较低的山峰，然后再下山。因此，下面的说法并不正确，即为了达到最高点，这个人应该始终向山上爬。再者，由于最高的那座山被不同高度的群山环绕着，因此，当他爬到一座山后，很可能要攀登的是另一座较低的山。所以，任何朝着最高点移动，一定都会把这个人带到更高的位置这种说法是错误的。最优均衡结果的条件得不到满足的情况下，那么结果和最优之间的差距并非与条件满足的程度成反比关系。因此，如果最优条件得不到满足，那么最优化问题将是不同于原来的另一个问题，需要重新求解，而不是原来问题的“简化”。

(二)计量经济学教学次优理论分析

本研究的目标定位为:以现有的多媒体教学手段为背景，研究针对非计量经济学理论专业学生的教学目的及其规律，最终在教学内容比重和方法上提出相应的建议。研究的思路遵循经济理论中的“次优理论”，主要内容包括三大部分:第一部分对计量经济学的理论体系从方法论上进行整理，重点在于区分计量经济学逻辑框架中的原理部分和应用部分，并主要以例证的方式论证理论应用和理论原理的发展采取专业化与分工形式更具有效率;第二部分将采用实证方法分析非计量经济理论专业研究人员应用计量经济学进行分析所需要的基本知识和方法论知识，调查具备计量分析能力学生和研究人员相关知识获得的方式;第三部分在前面两部分研究结论的基础上，基于“次优”思路，对现行计量经济学教学的内容和方法进行调整，提出“有所为，有所不为”的教学思路。研究的主要观点是:当“最优”的某些条件不具备时，其他条件同样必须按照“次优”标准取值，而不能继续采取“最优”结果所要求的标准，否则效率会更差。计量经济学教学中同样存在这个问题。

(三)计量经济学教学次优原理

当学生不可能在一定的学时内完全掌握基本原理并熟练应用时，应该以应用能力为基本目标，对以数学推导为主要内容的基本原理做语言介绍。换个角度讲就是将计量分析能力获取的真正方式(即模仿实际案例)引入到教学中，使其更有效率。

二、实证分析:本科计量经济学教学策略

(一)教学目标的设定关于计量经济学教学目标的设定

通常会有理论和应用之争。任何一门学科，最理想的情况当然是在充分理解原理的来龙去脉基础上熟练运用并进行发展。但是，理论的证明和发展往往需要坚实的理论根基，研究者个体需要很长时间的专门训练。在现代科学高度分工化的背景下，科学理论的发展和应用已经有着明确的分工。计量经济学更是如此，对于本科经济学专业学生来讲，其学科基础结构以及学时有限，不可能进行大量的理论学习。因此，应该以熟练的应用为首要目标。尽管从逻辑结构来看，现代科学理论都是在基本原理正确的情况下才可以正常使用，即原理是应用的基础，但从人类认知的一般规律来看，熟练的认知和运用对于学习和掌握一套理论工具的原理更有帮助，反过来却更为困难一些。因此，在本科阶段，经济学专业学生应该在操作层次上掌握计量分析的基本方法，在思想层次上了解计量经济学的原理。

(二)教学内容的选择及优劣排序就逻辑结构而言

计量经济学课程可以分为基本方法、软件应用、经济学原理、数理统计原理等基本部分。为了达到按照次优原理制定的教学目标，必须对上述学习和教学当中的内容进行选择和排序。计量经济分析对计算工具的依赖性很强，在某种程度上，计量经济学的产生及其发展都依赖于计算方法和技术的进步。现代计算机的产生与升级，使得计量经济分析基本上采取各种专业软件完成，比如AMOS，AUTOBOX，DATADESK，SPSS，EVIEWS，MATLAB，GAUSS，STATVIEW等。因此，计量经济学的教学和学习必须依赖其中一种软件进行。国内大部分教科书都以EVIEWS作为演示逻辑过程的软件，其界面操作是教学过程必须包括的内容。但是，利用软件操作的计量经济分析过程的基本框架是建立在计量经济分析基本方法之上的。无论是经典还是现代计量经济学，基本的计算步骤都包括回归方法、统计检验、计量检验及修正四部分。因此，基本方法的教学应该是首要的内容，依据它进行软件的应用，一方面练习基本步骤，另一方面掌握分析的基本技能。计量经济学不是统计学，因此上述两方面的纯技术内容需要在经济学原理的规定下实施。任何参数都要符合经济学原理和常识。与此同时，经济学原理的学习可以通过其他专业课程进行教学，参数的经济学意义可以通过很短时间的介绍使学生掌握。因此，经济原理需要放在前面两项内容之后，学生可以在更高层次的计量经济学课程进行学习。数理统计原理是整个计量经济学的基础性“技术基础”，进行复杂计量经济分析以及计量经济学理论研究必须熟练掌握这部分内容。在本科阶段，没有必要进行全面严格的数理统计知识训练。计量经济学现行教学方式一个最大的问题就是对于上述内容没有做出恰当的选择和排序，而是按照尽量满足“最优条件”的方式，对于数理统计原理过于强调，往往放在教学最重要的位置。结果在每一个阶段学生都不能掌握基本的内容，往往是重复学习基本方法、软件应用等，效果很差。因此，对于上述内容必须按照“次优原理”做出排序，并在不同阶段选择教学重点。基本的排序应该是，首先是基本方法，务必使学生能熟记(例如各种条件、参数范围等)，其次是软件的应用，接下来依次是经济学原理和数理统计原理。本科阶段一定要解决基本方法和软件的使用问题，避免重复学习。

(三)教学方法和其他经管类课程类似

计量经济学的教学分为理论讲授、实验和课程论文三个部分。理论讲授应该着重解决分析方法的问题，以介绍的方式使学生了解计量经济分析的数理统计原理;实验对应软件的应用，通过大量的软件操作和结果分析，使学生对于实际的分析步骤能够熟练进行;课程论文则对应经济学原理部分，通过对实际经济现象的数量分析，训练学生针对具体经济现象建立计量经济模型，具有对计量结果进行经济学解释的能力。课程阶段的时间有限，应该以学生掌握工具使用为目标，至于其经济学内涵以及分析技巧，应该放在学生自身的学习和研究计划之中安排。因此，课程阶段内的教学方法应该以前两者为主，课程论文方式可以放在学年论文和毕业论文(设计)阶段实施。

(四)教学手段计算机技术的进步

使得多媒体和案例教学已经成为目前经济学课程教学的基本手段。在计量经济学教学当中，应该更有针对性地使内容与教学手段对应。计量经济学中存在不少数学推导，例题演示，讲解时需要大量的数据及其处理的演示。如果采取原始的黑板书写，则必然浪费课堂时间，因而多媒体教学应该在计量经济学中大力推广。另一方面，多媒体教学由于省略了实际的操作过程，尽管有利于教师提高逻辑推进速度，但也增加了学生思维的强度和负担，导致学生无法及时理解教学内容，减弱学生对课堂学习内容的印象。因此，多媒体教学更适宜介绍性的内容，比如上述数理统计原理等。案例教学被很多学者作为提高计量经济学教学中学生兴趣的重要方式，这一点无可厚非。但是本科阶段计量经济学的首要任务是分析手段的掌握，而不是分析技巧的培养。因此，案例教学的中心应该放在分析过程，而不是建模和经济分析阶段———尽管这两者在引起学生学习兴趣方面效果突出。

三、结论

计量经济学教学效果普遍较差，其根本的原因在于计量经济学知识体系庞大和学时有限之间的矛盾。根据“次优原理”，应该在内容和目标上做出恰当的定位和选择。基本的分析方法(步骤)和软件操作是教学的首要目标和内容，本科阶段必须解决这两方面的问题，否则就会导致现在普遍存在的现象———不同层次课程都必须重复操作的训练。至于经济学原理，应该作为综合训练部分在学生的学年论文或毕业论文之中进行。而作为计量经济学科学基础的数理统计原理，应该是复杂计量分析和计量经济学理论研究中解决的问题，对于此层次课程来讲，适宜采用语言或演示方式进行介绍性教学。

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

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