燕山大学计量经济学课程论文SAS程序农民收入因素分析.doc

【精品文档】如有侵权，请联系网站删除，仅供学习与交流燕山大学计量经济学课程论文SAS程序农民收入因素分析.精品文档.全国农民收入影响因素的回归分析摘要：自改革开放以来,虽然中国经济平均增长速度为9.5 % ,但二元经济结构给经济发展带来的问题仍然很突出。农村人口占了中国总人口的70 %多,农业产业结构不合理,经济不发达,以及农民收入增长缓慢等问题势必成为我国经济持续稳定增长的障碍。正确有效地解决好“三农”问题是中国经济走出困境,实现长期稳定增长的关键。其中,农民收入增长是核心,也是解决“三农”问题的关键。本文选取了1991年到2010年间的我国农民人均纯收入观测值,并以此为被解释变量。探讨影响农民收入的主要因素,并在此基础上对如何增加农民收入提出相应的政策建议。关键词：农民收入；影响因素；多元线性回归模型；SAS回归拟合及检验；预测。一、模型选择 该模型最初准备以（农产品生产价格指数），（非农人口占总人口比重），（第二、三产业从业人数占全社会从业人数的比重），（乡村从业人数占农村人口的比重），（农业总产值占农林牧总产值的比重），（农作物播种面积），（农村用电量）为解释变量，以（农村居民家庭人均纯收入）为被解释变量，以多元线性回归分析为基础建立如下多元线性回归模型：以分析以上各解释变量对被解释变量的影响程度及重要性，并用SAS回归模拟。 （注：该模型西南财经大学精品课程课程论文栏目，全文见附录一。论文地址：http:/211.151.89.150/2005/guojia/jiliangjingjixue/Course/Index.htm）二、 数据搜集 根据以上分析，我收集到如下数据： 年份1978年=100上年=100百分比百分比百分比百分比千公顷亿千瓦时1991317.40 98.0026.9440.3050.9263.09149585.80963.201992336.20 103.4027.4641.5051.5361.51149007.101106.901993346.90 113.4027.9943.6051.8660.07147740.701244.901994364.30 121.60 28.5145.7052.1258.22148240.601473.901995383.60 127.40 29.0447.8052.4158.43149879.301655.701996418.10 108.40 30.4849.5053.2360.57152380.601812.701997437.30 99.50 31.9150.1054.9358.23153969.201980.101998456.10 94.50 33.3550.2055.8458.03155705.702042.201999473.50 95.80 34.7849.9057.1657.53156372.812173.452000483.40 99.10 36.2250.0059.3355.68156299.852421.302001503.70 99.10 37.6650.0060.6255.24155707.862610.782002527.90 100.5039.0950.0062.0254.51154635.512993.402003550.60 104.37 40.5350.9063.7250.08152414.963432.922004588.00 113.09 41.7653.1065.6450.05153552.553933.032005624.50 101.39 42.9955.2067.5949.72155487.734375.702006670.70 101.20 44.3457.4061.9852.74152149.00 4895.80 2007734.40 118.49 45.8959.2062.0650.43153463.93 5509.90 2008793.15 114.06 46.9960.4061.7448.35156265.70 5713.15 2009860.57 97.60 48.3461.9061.6650.99158613.55 6104.44 2010954.37 110.94 49.9563.3061.7153.29160674.81 6632.35 以上数据来自中国统计年鉴2011 。三、参数估计及模型检验分析根据第二部分的相关数据，建立多元线性回归模型用OLS法对初始模型进行估计，编写SAS程序对初始模型进行初步的回归、参数估计，得到的结果是： 1.经济学意义检验所谓经济意义检验主要是检验模型参数估计量在经济意义上的合理性，主要包括参数估计量的符号、大小。由OLS估计结果知，解释变量，中的每一个在其他变量不变的情况下，增加一个单位，农民纯收入就会分别变化0.7606元，5.0043元，-3.6493元，-5.6406元，1.2753元，0.0109元，0.0920元（正和负值表示增加与减少值）。根据经验其中符号经济意义不合理，判断可能由变量间多重共线性引起。2.统计学意义检验统计检验是由统计理论决定的，目的在于检验模型的统计学性质。由OLS估计结果知，较大且接近于1，说明拟合优度很好。而且，应拒绝原假设，说明方程显著。对于检验，由于解释变量，参数估计的值绝对值小于，认为解释变量间可能存在多重共线性。四、模型的计量经济学检验、修正与引用模型的差异性分析在模型的改进中主要应用模型的计量经济学意义检验进行改进。主要包括三部分：多重共线性检验及修正、异方差检验及修正、序列相关性检验及修正。1.多重共线性的检验与修正所谓多重共线性是指解释变量之间违背了相互独立的假设，及某两个或多个解释变量之间出现了相关性。直观法由第三部分所得数据可知，虽然模型整体拟合的很好，但是解释变量，未能通过检验。所以模型解释变量间可能存在多重共线性。相关系数矩阵通过SAS软件计算出各个变量之间的简单相关系数矩阵，初步判断相关性。SAS程序运行，得到各解释变量的相关系数矩阵如下：如果以90%为标准，则变量和，和，和，和，和之间是高度相关的，因此，模型解释变量间存在多重共线性。下面对原模型的上述解释变量进行分别回归，估计参数并进行显著性检验，得到如下最优模型作为初始回归模型：利用逐步迭代法进行多重共线性修正，将其他解释变量导入上述初始模型，寻求最佳回归方程，编写SAS程序对模型进行逐步回归得到最优模型。逐步回归的最终结果如下：由逐步回归结果发现，模型各项检验量都比较好，显著性比较强，拟合优度也很好。统计学意义检验及计量经济学意义检验中都是显著成立的。2.异方差检验及修正分析首先对原模型进行异方差的检验，异方差是指对于不同的样本点，随机干扰项的方差不再是常数，而是互不相同。检验异方差，即检验随机干扰项的方差与解释变量观测值之间的相关性。本文中使用了二种检验方法进行异方差的检验。第一种是用戈里瑟法检验异方差。戈里瑟法检验的基本思想为：以或为解释变量，以原模型的某一个或几个解释变量为解释变量，建立如下方程：或其中，表示随机干扰项的方差，即选择关于解释变量的不同的函数形式，对方程进行估计并进行显著性检验。如果存在某一种函数形式，使得方程显著成立，则说明原模型存在异方差。本文中以为被解释变量，分别以修正了多重共线性后的模型中三个解释变量的原形式及对数形式为解释变量的两种不同的函数形式，建立两种方程进行估计及显著性检验。利用SAS程序运行得到的结果分别为：由以上程序运行结果，可知：因此在5%的显著性水平下可以接受原假设，即认为模型不显著。拟合优度也很不好，而对于变量的显著性检验，由检验结果可知，在两个方程里面，各个变量在5%的显著性水平下都未通过检验，即接受原假设，认为模型不显著。所以认为随机干扰项与解释变量之间不存在相关性，即原模型不存在异方差性。第二种是怀特检验法。以两个解释变量的回归模型为例说明怀特检验的基本思想与步骤。假设回归模型为可先对模型作OLS回归，并得到，然后作如下的辅助回归：可以证明，在同方差性假设下，从该辅助回归得到的可决系数与样本容量的乘积，渐进地服从自由度为辅助回归方程中解释变量个数的分布：则可在大样本下，对统计量进行相应的检验。如果存在异方差性，则上述回归模型显著成立。由于本文中由于原模型中解释变量个数比较多，在怀特检验的辅助方程中含有太多的交叉项，从而使自由度降低，因此在本文中使用不含交叉项的怀特检验。程序运结果如下：由以上程序运行结果，可知：在5%的显著性水平下模型不显著。虽然拟合优度不差，但是变量在5%的显著性水平下都未通过检验，因此接受原假设，认为模型不显著。而又，因此模型同方差，即原模型不存在异方差性。综上结果，模型不存在异方差性。3.序列相关性的检验及分析所谓序列相关性是指模型的随机干扰项违背了相互独立的基本假设，即模型的随机干扰项之间存在相关关系。下面用拉格朗日乘数法对模型的序列相关性进行检验。拉格朗日乘数检验的原理为：给出如下辅助回归方程如果约束条件为真，则辅助方程的样本容量和可决系数的乘积服从自由度为的分布。给定显著性水平，即可对统计量进行相应的检验。如果大于临界值就拒绝为真，即表明存在直到阶的序列相关性。本文中分别检验了模型的一阶、二阶和三阶序列相关性，SAS程序运行如下：（1） 含一阶滞后残差项的辅助回归为： （2）含二阶滞后残差项的辅助回归为： （3） 含三阶滞后残差项的辅助回归为： 由以上结果可知，（1）中，模型存在一阶序列相关。（2）中，模型存在二阶序列相关。虽然（3）中，但是，未通过检验，模型不存在三阶序列相关。所以，模型存在二阶序列相关。下面进行序列相关性的修正，主要通过杜宾两步法进行修正。第一步，变换差分模型如下：用最小二乘法估计该方程，SAS运行结果如下：可以得到，。第二步，将，代入原差分模型，再用最小二乘法估计该方程，SAS运行结果如下：其中， 由以上结果可得修正后模型的解释变量系数的估计值：经过以上各种检验及修正后，得到最终模型为：4.模型的差异性分析由于我在选取模型时，更改了原模型的一些变量，以及在选取变量的数据时对数据要求不同，使得这些变量的数据与原模型有所不同。因此本文模型的最终结果与所参考模型有一些差异。五、预测与应用将2010年相关数据代入得到预测值，真实值，相对误差为即，可见模型的预测还是可以的。这对于我们制定关于农民生产生活的政策时，将能够提供一些帮助。六、总结和建议根据本文上述分析,要快速增加农民的收入,提高农民收入增长率,切实有效地解决好“三农”问题,促进经济长期、稳定、协调发展,应着实做好以下三点:1、 提高农业收入的增长率,确保农业收入在农民收入中的主体地位。2、 大力发展家庭经营性收入中的非农业项目,提高非农业收入对家庭经营性收入增长的促进作用。3、 促进农民进城务工,增加农民外出务工的工资性收入。参考文献：【1】计量经济学（第二版），李子奈、潘文卿；高等教育出版社。【2】胡文国等：我国农民收入增长影响因素的实证分析J，经济科学2004年第 6期。【3】中国统计年鉴M,中国统计出版社,2011年。附录一：论文原文（略）附录二：SAS程序如下data grain1;input year y X1 X2 X3 X4 X5 X6 X7 ;cards;/*数据复制上即可*/proc reg data=grain1; /*最小二乘法估计模型*/model y=X1 X2 X3 X4 X5 X6 X7/DW;run;proc corr;/*求相关系数矩阵*/var X1 X2 X3 X4 X5 X6 X7; run;proc reg data=grain1; /*y对Xi作回归分析，i=1、2、3、4、5、6、7*/model y=Xi /DW; run;proc reg data=grain1;/*逐步回归分析*/model y=X1 X2 X3 X4 X5 X6 X7/ dw selection=stepwise details=all slentry=0.05 slstay=0.05;title "农民收入模型逐步回归" run;data grain; set grain1 ;totalguji=-810.94204-5.51052*X4+0.00743*X6+0.05997*X7;wucha=y-totalguji; m=abs(wucha)*abs(wucha); a4=X4*X4; a6=X6*X6; a7=X7*X7;keep year y et m wucha_1 a wucha X4 X6 X7 a4 a6 a7 totalguji ; et=abs(wucha); wucha_1=lag(wucha); a=lag(wucha_1); proc reg data=grain; model wucha=X4 X6 X7 wucha_1 a ;title 拉格朗日乘数检验2阶序列相关;run;proc reg data=grain; model et=X4 X6 X7;title '用戈里瑟法检验异方差'run;proc reg data=grain; model m=X4 a4 X6 a6 X7 a7;title '怀特检验法检验异方差'run;data MGDP3; set grain;Mt_1=lag(y);Mt_2=lag(Mt_1);q1=lag(X4);q11=lag(q1);q2=lag(X6);q22=lag(q2);q3=lag(X7);q33=lag(q3);keep y X4 X6 X7 Mt_1 Mt_2 q1 q11 q2 q22 q3 q33; run; proc reg data=MGDP3;model y=Mt_1 Mt_2 q11 q22 q33 q1 q2 q3 X4 X6 X7;title 杜宾法第一步估计相关系数; run;data MGDP4; set MGDP3;Mtstar=y-0.39014*Mt_1-0.29046*Mt_2; 1=X4-0.39014*q1-0.29046*q11;w2=X6-0.39014*q2-0.29046*q22; w3=X7-0.39014*q3-0.29046*q33;proc reg data=MGDP4;model Mtstar=w1 w2 w3/DW;title 杜宾法第二步;run;