经济学计量经济学节课论文实用精品资料(00002).docx

能源需求预测模型
表1能源需求与其相关影响因素
年份能源需求总量(万吨标准煤)城镇化水平工业生产总值能源生产总量城城镇居民家庭人均可支配收入199098703.0026.416858.00103922.001510.201991103783.0026.948087.10104844.001700.601992109170.0027.4610284.50107256.002026.601993115993.0027.9914187.97111059.002577.401994122737.0028.5119480.71118729.003496.201995131176.0029.0424950.61129034.004283.001996138948.0030.4829447.61132616.004838.901997137798.0031.9132921.39132410.005160.301998132214.0033.3534018.43124250.005425.101999133830.9734.7835861.48125934.785854.022000138552.5836.2240033.59128977.886280.002001143199.2137.6643580.62137445.446859.602002151797.2539.0947431.31143809.837702.802003174990.3040.5354945.53163841.538472.202004203226.6841.7665210.03187341.159421.602005224682.0042.9977230.78205876.0010493.002006246270.0043.9091310.90221056.0011759.502007265583.0044.94107367.20235445.0013785.801.模型的基本假设
（1）能源需求总量，在模型中用Y表示，是指一次性能源消费总量，由煤炭、石油、天然气和水电4项组成；
（2）城镇化水平在模型中用表示；
（3）工业生产总值在模型中用表示；
（4）能源生产总量，在模型中用表示；
（5）城镇居民家庭人均可支配收入在模型中用表示；
（6）其他因素。我们将由于各种原因未考虑到和无法度量的因素归入随机误差项，在模型中用表示，如国家的经济结构政策、消费者偏好等。
2.模型的建立
跟据变量之间的相关关系，我们假定能源回归模型为
=+++++
利用表1中的数据，用EViews进行最小二乘法估计
步骤一：建立时间序列工作文件Createa19902007

步骤二：录入表1数据Datayx1x2x3x4

步骤三：得到结果lsycx1x2x3x4

通过以上步骤，我们得到能源需求的回归模型为
=10367.7-285.9+0.647+0.949-1.757
(0.81)(-0.64)（2.20）（12.2）（-0.75）
=0.999=0.998DW=1.43F=2185.01
回归模型下括号内的数字是t值,回归系数估计值的显著性都很低，但这些因素都存在着因果关系。查F的临界值表得=3.18,F=2185.01>3.18，回归方程显著。
3.修正Frisch法对多重共线性处理
步骤：Quick→groupstatistics→correlations
在打开的对话框中输入x1x2x3x4

分别计算、、、的两两相关系数，得
=0.95=0.91
=0.97=0.98
=0.99=0.96
可见解释变量之间是高度相关的。为了检验和处理多重共线性，采用修正Frisch法。
（1）对Y分别进行关于、、、作最小二乘法回归，得
①输入Lsycx1

=-88289.03+6990.603
(-3.15)(8.79)
=0.828=0.818DW=0.234F=77.267
②输入Lsycx2

=84340.22+1.687994
(22.68)(22.61)
=0.97=0.97DW=0.346F=511.22
③输入Lsycx3

=-21433.01+1.208352
(-8.87)(75.281)
=0.997=0.997DW=1.121F=5667.77
④输入Lsycx4

=70660.67+13.44205
(11.22)(15.13)
=0.93=0.93DW=0.272F=229.02
其中括号内的数字是t值。根据经济理论分析和回归方程结果，易知能源生产总量是最重要的解释变量，所以选取第三个回归方程作为基本回归方程。
（2）加入对Y关于、做最小二乘回归
输入Lsycx2x3

=-5899.5+0.263+1.027
(0.98)(2.71)（15.04）
=0