计量经济学课程论文三大产业的发展与城镇居民家庭消费支出保险学院2002级一班王维（40205005）傅立立（40205027）三大产业的发展与城镇居民家庭消费支出保险学院2002级一班王维（40205005）傅立立（40205027）【提要】本文通过对三大产业发展与城镇居民家庭消费支出增长的关系进行分析，从定量的角度探求三大产业分别对城镇居民家庭消费支出入的影响程度。

【关键词】经济计量模型第一产业第二产业第三产业可决系数城镇居民家庭消费支出城镇居民家庭消费支出的增长与国内生产总值的增长密切相关。

然而国内生产总值是由第一产业（农业）、第二产业（工业、建筑业）、第三产业（服务性行业）组成的，但是对城镇居民家庭人均可支配收入的增长影响各不相同。

而对三者影响程度进行数量分析，以期用函数关系精确表达三者各自的影响，就是我们研究的主要内容。

具体数据如下：Y X1 X2 X31987 884.4 3204.3 5251.6 3506.61988 1103.98 3831 6587.2 4510.11989 1210.95 4228 7278 5403.21990 1278.89 5017 7717.4 5813.51991 1453.81 5288.6 9102.2 72271992 1671.73 5800 11699.5 9138.61993 2110.81 6882.1 16428.5 11323.81994 2851.34 9457.2 22372.2 149301995 3537.57 11993 28537.9 17947.21996 3919.47 13844.2 33612.9 20427.51997 4185.64 14211.2 37222.7 23028.71998 4331.6 14552.4 38619.3 25173.51999 4615.9 14472 40557.8 27037.72000 4998 14628.2 44935.3 29904.62001 5309 15411.8 48750 331532002 6029.88 16117.3 52980.2 36074.82003 6510.94 17092.1 61274.1 38885.7Y：城镇居民家庭消费支出（平均每人全年）（单位：元）X1：第一产业增加值（单位：亿元）X2：第二产业增加值（单位：亿元）X3：第三产业增加值（单位：亿元）我们可以得到Y与X1 X2 X3的散点图：020004000600080005000100001500020000X1YY v s. X10200004000060000800002000400060008000YX 2X2 v s. Y0100002000030000400002000400060008000YX 3X3 v s. Y由图我们可以发现Y 与X1 X2 X3都有比较明显的线形关系，从而建立数学模型：u X X X Y t t t t ++++=3322110βββα该模型的样本残差的正态性检验—JB test.其结果为： 0123456从图表和JB 值我们可以认为残差是成正态分布的。

并对模型有如下假设：1.零均值： 0)(=i u E n i ,,3,2,1 =2.同方差无自相关：3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2 =4.无多重共线性5. 残差的正态性：显然这些假设是不可能完全成立的，所以我们必须对其进行检验。

残差的正态性检验已完成。

主要需要检验的有： 一、多重共线性检验。

二、异方差性检验。

三、自相关性检验。

如果有检验无法通过，则必须对模型进行修正。

我们将基于以上数据进行分析。

具体程序如下：⎩⎨⎧≠===--=ki k i u u E Eu u Eu u E u u COV k i k k i i k i ,0,),()])([(),(2σ),0(~2σμN i其中利用Eviews3.0作OLS 估计的结果为：Dependent Variable: Y Method: Least Squares Date: 05/09/05 Time: 11:15 Sample: 1987 2003 Variable Coefficient Std. Error t-Statistic Prob. C 304.9427 81.08610 3.760727 0.0024 X1 0.052371 0.021551 2.430060 0.0303 X2 0.056538 0.019423 2.910940 0.0122 X30.0474110.0255711.8540900.0865 R-squared0.998261 Mean dependent var 3294.348 Adjusted R-squared 0.997860 S.D. dependent var 1862.177 S.E. of regression 86.15416 Akaike info criterion 11.95248 Sum squared resid 96493.00 Schwarz criterion 12.14853 Log likelihood -97.59606 F-statistic 2487.323 Durbin-Watson stat1.923939 Prob(F-statistic)0.000000所以我们得到以下的结果：Y=304.9427+0.052371X1+0.056538X2+0.047411X3(81.08610) (0.021551) (0.019423) （0.025571） （t=3.760727）(2.430060) (2.910940) （1.854090） R-Squared=0.998261 df=16从上面的估计的结果可以看出：可决系数R-Squared=0.998261，表明模型在整体的拟和非常好。

系数显著性检验：对于C 、X1、X2的系数，t 的统计量的绝对值都>2.120,都通过了检验，而X3的系数的t 统计量为1.854090，在df=16、α=0.05的情况下，t 统计量应大于2.120，显然X3的系数不能通过检验。

根据经验判断u X X X Y t t t t ++++=3322110βββα无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。

我们对X1 X2 X2进行多重共线性检验，得到： X1 X2 X3X1 1.000000 0.976318 0.966700 X2 0.976318 1.000000 0.996989 X3 0.966700 0.996989 1.000000 可以发现X1 X2 X3之间存在高度的线性相关关系。

运用逐步回归法进行修正：模型u X Y t t ++=110βα的回归结果为：Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:39Sample: 1987 2003 C -456.8039 219.4897 -2.081209 0.0550 R-squared0.959688 Mean dependent var 3294.348 Adjusted R-squared 0.957000 S.D. dependent var 1862.177 S.E. of regression 386.1484 Akaike info criterion 14.86045 Sum squared resid 2236659. Schwarz criterion 14.95848 Log likelihood -124.3138 F-statistic 357.0947 Durbin-Watson stat0.307799 Prob(F-statistic)0.000000模型：u X Y t t ++=220βα的回归结果为：Dependent Variable: Y Method: Least Squares Date: 05/29/05 Time: 10:38 Sample: 1987 2003 C 488.7227 44.42982 10.99988 0.0000 R-squared0.997346 Mean dependent var 3294.348 Adjusted R-squared 0.997169 S.D. dependent var 1862.177 S.E. of regression 99.08259 Akaike info criterion 12.13992 Sum squared resid 147260.4 Schwarz criterion 12.23794 Log likelihood -101.1893 F-statistic 5636.545模型u X Y t t ++=330βα的回归结果为：Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:41 Sample: 1987 2003 Variable Coefficient Std. Error t-Statistic Prob. C 404.2087 73.41302 5.505953 0.0001 R-squared0.993076 Mean dependent var 3294.348 Adjusted R-squared0.992614 S.D. dependent var1862.177S.E. of regression 160.0398 Akaike info criterion 13.09885 Sum squared resid 384191.2 Schwarz criterion 13.19688 Log likelihood -109.3403 F-statistic 2151.236 显然模型u X Y t t ++=220βα更加优秀。

在模型u X Y t t ++=220βα的基础上增加解释变量， 模型u X X Y t t t +++=33220ββα的回归结果为：Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:45 Sample: 1987 2003 Included observations: 17Variable Coefficient Std. Error t-Statistic Prob. C 474.4054 48.07932 9.867141 0.0000 X2 0.086336 0.017503 4.932572 0.0002 R-squared0.997471 Mean dependent var 3294.348 Adjusted R-squared 0.997110 S.D. dependent var 1862.177 S.E. of regression 100.1158 Akaike info criterion 12.20932 Sum squared resid 140324.5 Schwarz criterion 12.35636 Log likelihood -100.7792 F-statistic 2760.747模型u X X Y t t t +++=22110ββα的回归结果为：Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:46 Sample: 1987 2003 Included observations: 17C 381.6025 75.58171 5.048874 0.0002 X1 0.036465 0.021423 1.702197 0.1108 R-squared0.997801 Mean dependent var 3294.348 Adjusted R-squared 0.997487 S.D. dependent var 1862.177 S.E. of regression 93.35382 Akaike info criterion 12.06946 Sum squared resid 122009.1 Schwarz criterion 12.21649 Log likelihood-99.59037 F-statistic3176.228这些模型都不理想，可见修正后的模型应为：u X Y t t ++=220βα我们针对这一模型进行检验：（1）由于解释变量只剩下X2，于是不可能存在多重共线形。