eviewsols多元线性ols

来源:百科 时间:2016-07-26 10:24:28 阅读:

【www.zhuodaoren.com--百科】

eviewsols多元线性ols(一)
1-EVIEWS基础与多元线性回归

EVIEWS基础与多元线性回归模型

一、实验名称和性质

二、实验目的

(1) 熟悉EViews软件在多元回归模型中的基本使用功能;

(2) 掌握多元线性回归模型中回归参数的OLS估计方法;

(3) 掌握多元线性回归模型中回归参数的t检验方法;

(4) 掌握多元线性回归模型中回归方程的F检验方法;

(5) 掌握多元线性回归模型中回归方程的预测方法。

三、实验的软硬件环境要求

硬件环境要求:

金融数学实验室,计算机网络设备,需要连接Internet

使用的软件名称、版本号以及模块

带Windows操作系统以及EViews应用演示

四、知识准备

前期要求掌握的知识:

了解EViews软件在多元回归模型中的基本功能,熟悉多元线性回归模型的基本假设,基本理论。

实验相关理论或原理:

(1)理解多元元线性模型的以下基本假设:(a)解释变量不是随机变量;(b)误差项的均值为零;(c)误差项同方差性、无序列相关性;(d)解释变量之间无关。

(2)掌握多元回归分析中的普通最小二乘法(OLS)的统计思想和EViews实现。

(3) 掌握模型统计检验:(a)拟合优度检验;(b)变量的显著性检验(t检验);(c)即

方程的显著性检验(F检验)。

(4) 掌握模型统计模型的预测。

实验流程:

多元线性回归模型假设→多元线性回归模型参数估计→多元线性回归模型统计检验→多元线性回归模型预测

五、实验材料和原始数据

数据来源:李子奈《计量经济学(第二版)》P.77表3.5.1

六、实验要求和注意事项

能用EViews软件完成多元线性回归模型的参数的估计、检验和模型的预测。能对数据做一些初步分析,并能以表格形式体现。并对软件输出的结果能做初步分析。

七、实验内容及步骤

(一)加载工作文件。

(1)建立工作文件的方法是点击File/New/Workfile,选择新建对象类型为工作文件,选择数据类型和起止日期,建立工作文件,建立新序列,建立空组。创建八个序列X、X1、

GP、FP、XC、Q、P0和P1,并输入数据。,进入界面后输入数据如图2-1所示。

图2-1

(二)选择方程

(1)根据消费理论,居民对食品的消费需求函数为:Qf(X,P0,P1)。

作散点图。分别将LOG(Q)对LOG(X), LOG(P0), LOG(P1)作散点图如2-2,2-3,2-4所示。从散点图可以得到,LOG(Q)与其他都不具有单一线性关系。

图2-2 图2-3

图2-4

为了考察需求函数中零阶齐次性的特征,采用如下多元回归模型:

LOG(Q)=01LOG(X)2LOG(P0)3LOG(P1)

将LOG(X), LOG(P0), LOG(P1)作为解释变量,LOG(Q)作为应变量进行三元线性回归分析。

(1) 模型估计。方法如下:Object/New Object/Equation,得到如图2-5界面:

图2-5

点击ok得到如图2-6所示结果。

图2-6

ˆ51.2098lnX0.1420ln(P1)1.3942ln(P0) 故可得如下回归分析方程:lnQ

(3)模型的检验。从回归估计的结果看,模型的拟合较好,可决系数R0.998,调整可决系数0.9979,明模型在整体上你和效果非常好。从显著性Prob值都较小(<0.05),可知,变量和程都通过显著性检验。

(4)应变量的预测。2002以当年价中国城镇居民人均消费支出为5709.31元,以1990年价测度的城镇居民消费支出价格缩减指数P0为194.6,城镇居民食品消费支出价格缩减指数P1为135.6,则人均食品消费支出Q的预测点估计值为: 22

ˆ51.2098ln5709.310.1420ln(135.6)1.3942ln(194.6)7.424 lnQ2002

七、根据实验案例过程完成教材P105 11的报告(数据如下表),并以作业的形式提交BB平台的作业项—作业1。

序号

1

2

3

4

5

6

7

8

9 对某商品的商品单价家庭月收入消费支出Y X1 X2 591.9 23.56 7620 654.5 24.44 9120 623.6 32.07 10670 647.0 32.46 11160 674.0 31.15 11900 644.4 34.14 12920 680.0 35.30 14340 724.0 38.70 15960 757.1 39.63 18000

eviewsols多元线性ols(二)
Eviews处理多元回归分析操作步骤

操作步骤

1. 建立工作文件

(1) 建立数据的exel电子表格

(2)将电子表格数据导入eviews

File-open-foreign data as workfile,得到数据的Eviews工作文件和数据序列表。

2. 计算变量间的相关系数

在窗口中输入命令:cor coilfuture dow shindex nagas opec ueurope urmb,点击回车键,得到各序列之间的相关系数。结果表明Coilfuture数列与其他数列存在较好的相关关系。

3.时间序列的平稳性检验

(1)观察coilfuture序列趋势图

在eviews中得到时间序列趋势图,在quick菜单中单击graph,在series list对话框中输入序列名称coilfuture,其他选择默认操作。图形表明序列随时间变化存在上升趋势。

(2)对原序列进行ADF平稳性检验

quick-series statistics-unit root test,在弹出的series name对话框中输入需要检验的序列的名称,在test for unit root in 选择框中选择level,得到原数据序列的ADF检验结果,其他保持默认设置。

得到序列的ADF平稳性检验结果,检测值0.97大于所有临界值,则表明序列不平稳。以此方法,对各时间序列依次进行ADF检验,将检验值与临界值比较,发现所有序列的检验值均大于临界值,表明各原序列都是非平稳的。

(3)时间序列数据的一阶差分的ADF检验

quick-series statistics-unit root test,在series name对话框中输入需要检验的序列的名称,在test for unit root in 选择框中选择1nd difference,对其一阶差分进行平稳性检验,其他保持默认设置。

得到序列的ADF平稳性检验结果,检测值-7.8远小于所有临界值,则表明序列一阶差分平稳。以此方法,对各时间序列的一阶差分依次进行ADF检验,将检验值与临界值比较,发现所有序列的检验值均小于临界值,表明各序列一阶差分都是平稳的。由此可知,以上时间序列均为一阶单整时间序列。

4. Granger因果检验

(1)quick-group statistics-granger causality test,出现如下对话框,输入各序列名称,点击OK。以此得到输入序列之间的单项或双向因果关系。

(2)滞后阶数采用Eviews推荐的滞后阶数

eviewsols多元线性ols(三)
运用EVIEWS建立多元线性回归并进行相关检验

运用EVIEWS建立多元线性回归并进行相关检验

姓名:jelly

一、输入数据

某社区家庭对某种消费品的消费需要调查

1 2 3 4 5 6 7 8 9 10

二、根据数据画出散点图

序号 商品 家庭月 对某商品的消价格X1 收入X2 费支出Y 23.56 7620 591.9 24.44 9120 654.5 32.07 10670 623.6 32.46 11160 647 31.15 11900 674 34.14 12920 644.4 35.3 14340 680 38.7 15960 724 39.63 18000 757.1 46.68 19300 706.8

从上面两散点图可以看出此社区家庭对某商品的消费支出与家庭月收入、商品的价格大致呈线性关系且随着家庭收入和户主受教育年数的逐渐增大对此商品的消费支出也呈逐渐增大的趋势。

三、样本相关阵

从样本相关阵可以看出,某商品的消费支出与家庭月收入、商品的价格的相关系数高达0.965046和0.752695 ,说明某商品的消费支出与家庭月收入、商品的价格有显著的线性关

系,可以考虑建立二元线性回归模型。

四、对数据进行普通最小二乘估计,OLS表如下

五、写出估计方程

【eviewsols多元线性ols】

Yi626.50939.790570X10.28618X2

(40.13010) (3.197843) (0.05838)

t=(15.611195) (-3.061617) (4.902030)

R20.902218 R2=0.874281

六、随机干扰项

2e'e nk1【eviewsols多元线性ols】

'ˆ)'(YXˆ)Y'YY'Xˆ=2116.85 ˆ)'(YYˆ)(YX ee(YY

ˆ2所以2116.85302.41 1021

【eviewsols多元线性ols】

22由OLS表得R0.902218 R=0.874281

七、由OLS可得 F=32.29 F0.05(2,7)4.74

因为32.29>4.74,所以方程的总体线性性显著成立【eviewsols多元线性ols】

由OLS表可得 C的t值为15.61 X1的t值为-3.06 X2的值为4.90 t0.025(7)2.365

所以常输项,X1和X2的总体参数都显著的异于零

将数据分别代入以下三个式子:

ˆtˆˆ 1t00.025S0ˆ0.0251Sˆ 2tˆ0.0252S

可得参数95%的置信区间分别为(531.62,724.40) -17.35,-2.22) (0.014,0.042)

八、X1=35 X2=20000

将X1,X2代人方程可得Y为856.20

Y的均值

SYˆ0=37.05 t0.025(7)2.365 所以Y的均值在95%的置信区间

为(768.58,943.82)

Y的个值SYˆ=40.93 t0.025(7)2.365 0

所以Y的个值在95%的置信区间为(759.41,952.99)

第二个实验

输入数据,对其进行回归分析输出OLS表【eviewsols多元线性ols】

由表可得方程为

ˆ101540.609lnK0.361lnL lnY

(1.59)(3.45) (1.79)

R2=0.8099 2=0.7963 F=59.66

F0.05(2,28)=3.34 t0.025(28)=2.048 t0.01(28)=1.701

所以lnK与lnL联合起来对lnY 有显著的线性影响

在5%的显著性水平下,lnK的参数通过了检验但lnL的参数未通过t检验,如果设定显著性水平为10%,lnL与lnK都通过检验。=0.7963表明,工业总产值对数值的79.6%的变化可以由资产合计的对数值与职工的对数值的变化来解释,但仍有20.4%的变化是由其他因素的变化影响的。

2、因为0.609+0.36大致等于1,也就是说明资产与劳动的产出

弹性之和近似为1,表明中国制造业在该年基本呈现规模报酬不变的状态。可以对其进行约束检验

零假设H0:=1

假设原假设为真,建立的模型为

lnY

LClnK

Lu

根据此模型输出OLS表,如下

eviewsols多元线性ols(四)
基于EVIEWS软件下的多元线性回归分析

  摘要:多元化的线性回归在现实应用中需要被实现,这一举措需要实际生活实践中的操作数据作为基础,更需要计量经济的专业软件EVIEWS作为使用工具。通过创建多元线性回归的模板和实际的数据显示可以发现,EVIEWS所创建模型是实际有用的,它说明EVIEWS在计量分析中不可或缺。日常生活中的变化因素太多,单纯的人力计算或者简单的操作程序已经不能满足人们的研究需求,需要新的软件来革新创造。EVIEWS软件在操作上弥补了普通软件的不实用性和使用软件的复杂性的漏洞,将目光投向简单易于操作的运行方式上,使得数据的评估预测更加简便可行。

  关键词:多元线性回归;模型;EVIEWS;软件;工具
  中图分类号:G632 文献标识码:B 文章编号:1002-7661(2014)14-327-02
  
  
  一、与EVIEWS相关的多元线性回归模型的介绍
  在理论学习中,学者们可能会为了操作的便捷而采用理性化的模型,这里理想化的模型是指单纯地将所要求的问题作为中心,忽略了其他任何可能存在的外界因素,纯粹地从理论角度解释问题。而在现实问题中,影响整个大局的因素是多样的,每一个因素都不可忽略。考虑到因变量的因子多样化,就要采用多元线性回归模型,使得整体的关系清晰,便于后期的计算统计。
  将多元线性回归模型用数学式表达,则可以表示为:
  Yi=β0+β2X2+β3X3+β4X4+•••+ε,
  也可以笼统地写为:y=Xβ+ε。
  在这个数学式中,X代表的是设计矩阵,由实践中实际测得的X的数值所构成;β代表的是参数变量,不同的待测物所具备的参数不同,因此β由实际操作中所需要估计的对象的参数所构成;ε在式中代表的是向量,表示实际操作中的随机误差。
  二、建立EVIEWS相关的多元线性回归模型的过程介绍
  1、利用所得数据创建图表
  建模过程需要相关的测量数据的参与,为了更好的展现EVIEWS软件在数据操纵上的优越性,本文采用部分居民日常生活消费调查数据作为基础进行回归分析,这一数据内容简单,且数据和实际生活联系巨大,是一个贴合日常数据的操作类型。在得到数据后,根据相关规则进行归纳整理并创建相关的影响因子:针对该商品的花销费用(y),商品所标明的价格(x1),家庭平均月收入(x2):
  部分居民日常生活消费调查
  序号 商品所标明的价格x1 家庭平均月收入x2 针对该商品的花销费用y
  1 15.26 4500 519.20
  2 22.51 7826 566.98
  3 30.05 9928 534.88
  4 35.73 10680 698.00
  5 35.99 12000 653.66
  6 38.10 12896 677.35
  7 39.46 13453 655.24
  8 49.67 16400 799.00
  9 55.32 18920 745.66
  10 56.85 19804 726.92
  2、利用步骤1的数据图表做出散点图
  由于本例子中,变量间的关联性密切,因此可以用绘制散点图的方法来表现自变量和因变量的相关因子间是否有显著的线性关系。由于这个缘故,当所有的数据完备后,就可以根据表中的相关数据画出散点图,根据本例子中的和针对该商品的花销费用有关y相关的因子有商品所标明的价格x1和家庭平均月收入x2两种,由此画出的散点图也因此包含两个,具体操作过程为:将序列y和第一个自变量x1组成一个相关联的群,打开这个群的对话联系界面,在界面上进行点击菜单View/Group/Scatter的操作。这个时候可供选择的图表类型很多,主要有三种,即简单的图表(simple scatter),带回归线的图表(scatter with regression)和带折现的三点图表(scatter with nearest neighbor fit和scatter with kernel fit)。这三种方式得到散点图的过程和方法是不同的,但是最终获得的图像都是相同的,结果如下所示:
  
  由着两个图表可以看出,商品所标明的价格和该类商品的花销费用是成正比的,商品所标明的价格越高,对于这类商品的花销也就越多;而家庭的月收入水平也对该商品的影响巨大,也是成正比关系,家庭的平均月收入越高,该类商品的花销上就越大。这两个图表说明自变量因子商品所标明的价格x1和家庭平均月收入x2和因变量因子针对该商品的花销费用y成线性关系。
  3、在变量间成线性关系的前提下建立模型
  当散点图中的各个便利之间有着明显的线性关系时,就可以根据这些数据通过估测参数的方式来建立模型。建立模型的方式是多样的,一般采用的有两种快捷菜单执行的方式:一是在界面的主菜单上点击objects/new objects这一命令,执行后就会弹出新的界面,在这个全新的界面上择定目标equation,同时为其重新取名,最后点击ok按钮即可完成。另一种方式点击的命令和方式一不同,这一方式在界面上点击quick/estimate equation命令,然后根据弹出的窗口进一步进行操作,最后得出结果。两者的操作方式是截然不同的,但是原理都类似,主要结合EVIEWS软件的灵活性和指导性,一步步将数据输入并且得到最后的结果。由于操作的数据是相同的,因此最终的结果也是一样的。
  在相关的操作完成后就可以得到和上述的数据有关的参数,尽管为预估形式,其数值仍然可以作为线性关系的指标,在后期的预测中可以将其中的预测结果和实际操作最终的数值再进行比对,得到更加合理的结果,为走向的预测得到更准确的数据。根据这一手段,本数据中的参数如下图所示:根据样本的相关阵可以得出,针对该商品的花销费用与家庭的平均月收入和商品所表明的价格的相关系数十分密切,分别高达0.8967304和0.9377928,这也证明了和上图的散点图中同样的道理,即家庭平均月收入水平、商品所标明的价格和针对该商品的花销费用都是成线性相关的,他们的正比系数十分高。由此,可以考虑在此基础上创建二元线性回归模型。
  4、在确定数据的高度线性关系的前提下创建OLS图表
  为了得到OLS图表,可以对数据进行估计,一般采用的是普通的最小二乘估计方法,可以得到如下所示的图表:
  
  5、当OLS图表创建成功后,可以通过图表中的数值得到估算方程,根据前面的公式,带入相关数据可以得出:
  Y=626.5093-9.790570x1+0.28618x2
   (40.13010)(3.197843)(0.05838)
  t=(15.611195) (-3.061617)(4.902030)
  R^2=0.902218r^2=0.874281
  6、根据相关数据进行预测
  在之前建立多元线性回归模型后,就需要进行观测,而预测相关的趋势和发展也是建立模型的目的之一。所创立的多元线性回归模型是需要判断其优劣程度的,预测的结果的准确与否正是判断模型是否符合标准的方式之一。针对不同的模型,原理仍然是类似的,可以根据创建的模型直接预估各个对象的拟合状况,这一过程仍然可以在界面上得到实现。具体的操作过程是:在界面上点击procs/forecast按键,或者直接在菜单的工具栏一项中选择forecast命令,选择完成后,界面会弹出一个新的对话框,然后可以生成一个名字叫做原自变量名加上f的全新序列形式,如果觉得这类名字不符合要求,操作者也一自行更换名称,方便快捷。除了会生成一个新的序列,在操作过程中,还会产生一个预测图,在预测图中将会和实际操作中的数值进行比较,从而得出该建立的模型的好坏与否。
  运用EVIEWS的全部优势都在简单的例子中展现出来,一切数据都由EVIEWS软件操作完成,简便快捷,为繁重的人力计算减轻了压力也提高了准确程度。EVIEWS在实际运用中,避免了繁杂的操作步骤,内容人性化,让初学者在操作中也可以得心应手。它在计量经济中的作用是巨大的,方便了许多学者的操作研究,为学术界的发展做出了贡献。EVIEWS的运用十分广泛,对于经济走势的判断也影响着实际过程中的操作运营,简单的界面展示让一切过程不再枯燥无力,变得形象化而易读化。
  参考文献:
  [1] 易丹辉.数据分析与EVIEWS应用[M].北京:中国统计出版社,2002.
  [2] 宁宝权 甄晓云 占鹤彪.灌木植物在高等级高速公路边坡防护中的重要作用[J].交通建设与管理,2008(10):73-75.
  [3] 宁宝权《六盘水师范高等专科学校学报》,2011:3
  [4] 陈俊金 陈月娜《中国集体经济》,2009:24
  [5] 陈祺琪 李君 梁保松.河南农业大学学报ISTIC PKU,2012:46(4)
  [6] 毛敏芳 魏晓平.《沿海企业与科技》,2006:03
  
  
  
  
  
  
  

eviewsols多元线性ols(五)
影响我国股票价格指数的宏观因素分析

  摘要:股价指数是反映国民经济的重要指标,股价指数的波动在一定程度上反映了我国宏观经济状况,研究影响股指的因素对股票市场有着重要意义。本文选取我国近年来的股票价格指数(上证综合指数)以及国内生产总值、居民消费价格指数、无风险利率、固定资产投资额等宏观因素的统计数据,运用计量经济学的分析方法建立回归模型并进行相关分析,探索影响股价指数的国内宏观因素。

  关键词:股价指数 影响因素 计量分析 多元回归
  一、引言
  自从1990 年上海交易所成立以来,股票市场就作为资本市场的核心迅猛发展,以强劲的势头飞速追赶发达国家。迄今为止,中国的股票市场在筹资融资、优化产业结构、提高社会资源的配置效率以及促进宏观经济的发展等方面发挥了不可替代的作用。
  我国股票市场20多年的发展道路充满了曲折坎坷,但也取得了许多辉煌的成就。随着我国经济的快速增长,证券市场取得了巨大的发展,已经成为整个世界中不可或缺的资本市场之一。宏观市场与证券市场的关系非常密切,因此股票市场也渐渐成为了宏观经济的“晴雨表”。但是,相对于成熟的股票市场,我国股市在发展过程中也暴露出了一系列问题。如:政策管束严格、股价不稳定、波动大等。这些问题往往会使政府难以有效把握股市脉搏,也使投资者无所适从。而这就需要我们对股价波动的影响因素进行深入探讨,分析影响股价波动的主要原因,以便于国家进行有效的调整与改革,也能使投资者据此分析股价走势,减少操作的盲目性,使投资更加准确与理性。
  股价指数是衡量股票市场总体价格水平及其变动趋势的尺度,也是反映一个国家或地区经济发展状态的灵敏信号。因此研究股票价格指数与宏观经济之间的关系,从而分析股价与经济增长变化的规律,无论对于政府监管、上市公司还是机构、个人投资者都具有重要意义。
  二、文献回顾
  国内不少学者探讨过股票价格指数与宏观经济基本面之间的关系。李惠男,和付晓梅(2001)认为股价指数的波动与经济增长的总体趋势同步,与货币政策之间也有着内在关联性。周海燕(2005)则从实证的角度论证了经济增长、货币供应量、利率、商品价格指数和财政政策等宏观经济因素与股价的波动存在的关系。而张培源(2013)认为宏观经济周期是对股票市场运行的具有重要影响的风险因子,同时,股市的运行也对宏观经济的运行具有能动反作用。但在中短期也并不能排除股市周期与经济周期背离的可能性。
  在诸多文献中,大部分只是在理论层面阐述股价指数的影响因素,近年来才开始对股价指数的实证分析。本文采用先理论分析后实证研究的方法,使分析更全面和完善。在分析中,本文将结合文献提出过的影响因素,并新加入居民消费价格指数、固定资产投资额等因素,量化分析影响股价指数的宏观因素。
  三、理论分析
  通过阅读文献及综合分析,本文认为影响股价指数的宏观因素主要包括经济发展水平、居民的消费水平、货币政策以及国家的投资规模。
  经济发展水平采用国内生产总值(GDP)进行衡量。GDP增长,意味着总体经济不断成长,上市公司的利润上升,股息和红利也随之增长,企业经营状况得到改善,投资风险减小,这将会为投资者传递积极的信号,从而推动股价指数上扬。因此我们认为,国内生产总值(GDP)应与股价指数呈正相关关系。
  居民消费水平采用居民消费价格指数(CPI)进行衡量。居民消费价格指数的变动率在一定程度上反映了通货膨胀和紧缩的程度。CPI如果涨幅迅速,意味着货币在贬值,央行就会采取加息的政策来抑制这种波动,这使得居民的消费成本增大,居民的投资水平相应降低。因此我们认为,居民消费水平(CPI)应与股价指数呈负相关关系。
  货币政策采用货币供应量(M1)与无风险利率进行衡量。货币供应量(M1)增加,流通中的现金增加,企业筹资所需的成本降低,预期收益增加,使得股指上扬。因此我们认为,货币供应量(M1)与股价指数呈正相关关系。
  无风险利率降低,企业的利息支出减少,盈利增加。站在投资者的角度看,利率的降低使货币的持有成本减小,居民将更多的资金用于投资,促使股价上涨。因此我们认为,无风险利率与股价指数呈负相关关系。
  国家投资规模采用固定资产投资额进行衡量。一般认为,投资增速加快会拉动整体经济快速增长,能提振股市。但如果投资增长过快,会给整体经济带来结构性问题,导致经济发展质量不高、效益不好、且不可持续。这样则会给股市未来行情埋下隐患。因此我们认为,固定资产投资额与股价指数的关系通过理论分析还不能确定。
  四、数据来源及模型的建立
  (一)变量定义及数据来源
  由于数据限制,本文以1999―2014年作为样本区间,使用年度数据(取各月数据的平均值),选取上证综指作为被解释变量(Y),解释变量有:国内生产总值(X1),居民消费价格指数(X2),货币流通量(X3),人民币对美元汇率(X4),固定资产投资额(X5)。变量数据均来自中经网统计数据库。
  (二)模型的建立
  本文采用最小二乘法(OLS)进行多元线性回归分析,采用的分析软件为EViews7.2。应用回归方法将上述五个指标与上证综指联系起来,建立多元线性回归模型:
  lnY=β0+β1lnX1+β2lnX2+β3lnX3+β4lnX4+β5lnX5+μi
  (三)模型结果
  将数据导入EViews软件进行OLS回归得到回归结果如表1。
  五、实证分析
  (一)多重共线性检验
  采用解释变量间的相关系数矩阵方法对模型进行多重共线性检验,见表2。一般认为,两个变量间的相关系数大于0.8时存在多重共线性。   由矩阵可看出,X3与X1、X5间的相关系数非常大,说明变量间存在多重共线性问题。相关系数大表示X3提供的信息可由X1或X5解释,对模型中可由其他解释变量解释的变量进行剔除,通过比较,将模型中的X3剔除,多重共线性得到解决。
  (二)异方差检验
  采用怀特(White)检验对回归模型进行异方差检验。由检验结果并查表知,因此认为该回归模型不存在异方差性。
  (三)自相关检验
  采用Breusch-Godfrey检验(LM检验)对回归模型进行自相关检验。LM=3.8978,p值为0.8058,因此认为该模型不存在自相关性。
  (四) 最终模型
  将变量X3剔除后进行OLS分析得到最终回归结果,见表3。
  六、分析与总结
  (一) 模型结果分析
  在0.05的显著性水平下,进行相关系数的显著性检验,结果显示,在样本区间内,国内生产总值(GDP)对上证指数的影响是显著的,呈正相关,验证了之前的理论分析,同时也符合经济规律。GDP上升,代表整个国民经济发展势头良好,各企业经营状况好,股利分红增加,人们预期经济形势上涨,股指上扬。
  无风险利率对上证综合指数的影响也是显著的,呈负相关。从模型可以看出,无风险利率每下降一个百分点,上证综合指数将减小0.53个百分点。利率的波动间接反映了经济的波动,也会影响企业的利息支付,继而影响企业的经营状况,故对股指有显著性的影响。验证了提出的假设,也符合经济意义。
  在第三部分的理论分析中,我们没有能够确定固定资产投资额对上证综指的影响。但最终的模型显示,固定资产投资额对上证综指的影响是显著的,且呈负相关。固定资产投资额每增加1亿元,股价指数减少3.2。这说明我国的投资可能存在增长过快,导致经济发展不稳定、质量不高和不可持续等问题,对股指产生了抑制作用。
  对于居民消费价格指数这一指标,在0.1的显著性水平下显著,但在0.05的显著性水平下就不再显著了,且系数为正,与假设恰好相反。这说明居民消费价格指数对上证综指存在一定的影响,但居民的投资信心并没有因物价的上涨而受到抑制。
  (二)总结
  综上所述,国内生产总值、居民消费价格指数、无风险利率和固定资产投资额对上证综合指数存在一定程度的影响,同时由于货币供应量(M1)的影响可由国内生产总值替代,也可认为其对上证综指有显著性影响。这些指标都是衡量我国宏观经济的重要指标,因此宏观经济因素对股市的影响是投资者不可忽略的重要部分。
  宏观经济变量影响股票价格指数,股票价格指数反映宏观经济的发展水平,二者相辅相成。股票市场的发展促进了宏观经济的发展。但有时股票市场的走势也可能会与实体经济的发展相背离,所以中国股票市场还需完善和发展,才能在宏观经济中发挥更大的作用。
  本文的理论分析以及模型的建立仍存在一定的局限性,理论基础过于简单,中国的股市情况还在很大程度上受政府政策的影响,不能完全由宏观经济的基本面解释,因此拟合程度未达到预期。但另一方面还是找出了显著影响股价指数的因素,对股市的观测及投资决策具有一定的参考价值。
  参考文献:
  [1]李惠男,付晓梅.对股价指数变动因素的几点思考[J].学术交流,2001(1)
  [2]周海燕.我国股价指数波动及其宏观影响因素分析[D].重庆:重庆大学,2005
  [3]张培源.中国股票市场与宏观经济相关性研究[D].北京:中共中央党校.2013
  [4]张鹏.宏观经济因素对股票价格指数影响的实证分析――于计量经济学方法分析[J].投资与创业,2012(11)
  [5]余硕源.股票市场的发展现状及未来[D].广东:北京师范大学珠海分校,2012
  [6]范倩如.有关影响我国股票价格指数的因素的计量分析[DB/OL].2014/03/07
  [7]林薇.影响股价指数的国内宏观因素分析[J].内蒙古科技与经济,2007(7)
  [8]张风兰.沪深300指数主要影响因素分析[D].浙江:浙江大学,2008
  [9]胥茜娅.国内宏观因素对股价指数影响的实证分析[J].经济研究导刊,2014(27)
  (闫琛,1995年生,山东泰安人,西南财经大学经济数学学院)

本文来源:http://www.zhuodaoren.com/shenghuo295958/

推荐访问:eviews多元线性回归 多元线性预测eviews
扩展阅读文章
热门阅读文章