还剩6页未读,继续阅读
文本内容:
案例.中国的消费函数1本案例以中国的收入与消费的总量数据为基础,建立中国消费函数,以说明定量分析方法所遵循的普通步骤、理论或者经验总结收入与消费之间存在着稳定但消费增加的幅度小于收入增加的幅度;凯恩斯的绝对收入假说随着人们收入水平的增加,消费增加;的函数关系从而有C=fY线性形式:0p=MPC11收入与消费存在着线性关进一步,收入与消费的散点图也显示,系
二、计量经济模型影响居民消费的因素,除了居民的收入外,还有诸如消费者偏好、地区差异、年龄构成、宗教信仰等因素的影响,将这些因素归入一个随机变量从而建立计量经济模型:频在图形上,收入与消费的各个点不彻底位于一条直线上,而是环绕在一条直线的附近变化o
三、数据采集与整理(总消费)Y GDPC有关中国的总量消费资料如下:中国的与总消费的散点图如下:GDP600005000040000C30000系列♦12000010000020000400006000080000100000GDP
四、估计模型根据上述数据,运用进行参数估计,从而得到估计模型OLS回归结果如下:C=
0.141+
0.593*YSe.000p—Value,Se ofRegression=R2=
0.9968t-Stat
五、检验模型经济意义检验:0MPC=
11.统计检验,说明拟合优度非常高;
2.R=0,99682,表明收入对消费的影响非常t-Stat=显着
六、应用模型预测中国年的为亿元,代入回归方程得到2002GDP
20021.年总消费的估计值为亿元(年的实际总消费为亿元)2002政策评价由可以计算出财政支出乘数为:MPC=,
2.m=1--------=
2.461-NPC从而,政府支出每增加亿元人民币,增加大约亿元1GDP进一步,还可计算对就业的影响等案例2为了研究交通安全,美国交通部采集了每个驾驶员中发生死亡事故1000的车祸次数和有驾驶执照的司机中岁以下者所占比例的数据,样本由2142个城市组成,在一年间采集的数据如下21岁以下者所占每千个驾驶员中11比例(%)发生车祸次数1214131412118岁以下者所占每千个驾驶员中2112比例(%)发生车祸次数11171781816815139889141681215910101091412181510131491617管理报告对这些数据做出数值的和图型的描述
1..利用回归分析研究发生死亡事故的车祸次数和司机中岁以下者所占比例之间的关系,221并对你的结论进行讨论从你的分析中,你能得出什么结论或者提出什么建议
3.管理报告全部数据均运用计算SPSS.对这些数据做出数值的和图型的描述1Descriptive StatisticsNRanop Minimum Maximum MeanStd.Variance Skewness火科Statistic Statistic Statistic StatisticStatisticStatisticStatistic Std.ErrortiaisttioicnX
4210.
008.
0018.
0012.
26193.
13179.
808.
210.
3654.06,
044.
101.
92441.
07061.146,
192.365Y42Valid Nlistwise42在个调查的样本数据中,岁以下者所占比例最小的是最大4221Minimum8%,的是极差为平均所占比例是%,方差伯是%,标Maximum18%,10%,Mean\/21106准差说明在个城市中岁以下执照司机所占比例差距不是很大,且Std.Deviation^%,4221比较集中,没有异常值浮现根据经验法则偏度系数为说明样本数据是右偏NO,|}Gfv3S,态分布;每千个驾驶执照中发生车祸次数至少的是,最多的是,极MinimumMaximum差为,平均次数是,方差是,标准差是,说明在个Mean VarianceStd.Deviation42城市中有驾驶执照的司机发生死亡交通车祸率都在以内,城市之间的差距不是很大,5%且比较集中,没有异常值浮现根据经验法则|不一邓,偏度系数为N,说明样本数3S据是右偏态分布CorrelationsX YXPearson Correlation
1.
000.839*Sig.2-tailed■.000Sum ofSquares and
402.
119115.306Cross-productsCovariance
9.
8082.812N4242Y Pearson Correlation,839*»
1.000Sig.2-tailed.000■Sum ofSquares and
115.
30646.991Cross-productsCovariance
2.
8121.146N4242・**Correlation issignificant atthe
0.01level2-tailed.通过相关分析,样本的皮尔逊相关系数(PearsonCorrelation)是,说明交通死亡事故发生次数和岁以下者所占比Coefficient04H21例之间存在正线性相关,且相关性比较强,有执照的司机中岁以下者所占比例和交通死21亡事故发生次数同步变化O交通死亡事故和执驾照司机年龄每千个驾照中发生车祸次数43-2,1,・0101214161820岁以下者所占比例(%)21例%,纵轴表示每千个驾照中发生车祸次数从散点图中可以看出,根据个样本数据做出散点图,横轴表示岁以下者所占比4221岁以下者所占比例%高的城市,其发生死亡车祸率的比例也较21高此外还可以看出,这两者之间似乎有正向线性相关关系通过上面的分析,我们选择发生交通死亡事故次数为被解释变量,岁以下者所占比例%为解释变量,考察他们之间的线性回归关系
21.利用回归分析研究发生死亡事故的车祸次数和司机岁以下者所占比221例之间的关系,并对你的结论进行讨论Model SummaryChanqeStatisticsAdjusted RR SquareModel RRSquareSquare Std.Error ofChange FChanqe dfldf2Siq.F Change
1.839a.
704.
696.
5901.
70494.
958140.000a.Predictors:Constant,XCoefficient1Standard!zedUnstan dardizedCoeffcients Coefficients95%Confidence Intervalfo BModelB Std.Erroi Betat Siq.Lower BoundUpper Bound1Constant-
1.
592.372-
4.
277.000-
2.344-.
840.346X.
287.
029.
8399.
745.
000.227a.Dependent Variable:Y利用对样本数据进行回归分析,可得如下估计结果SPSSY=—
1.592+
0.287Xi i该估计模型中,各参数的标准差较小,,样本决定系数较大,说明模型的估计效果较好统计量较大,说明与丫之间存在显着的T X线性关系所以可以利用所求的样本回归方程来进行预测分析,或者作为政策建议的理论依据结论和政策建议
3.从样本回归方程二一知,有驾驶执照的司机中21Y
1.592+
0.278Xi i岁以下者所占比例每增加一个百分点,则每千个驾驶执照发生死亡事故的车祸次数将增加次通过分析,我们建议美国交通部应加强对有驾驶执照中岁以下司机的管理,一方21面要对他们取得驾照的资格进行严格审查,驾驶技术考试也要严格要求;另一方面要增强他们的交通安全意识这样可以减少交通死亡事故的发生率。