时间：2024-02-04 14:50:57
序论：在您撰写计量经济学分析时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
关键词：出国留学；影响因素；计量经济学
中图分类号：F22 文献标志码：A 文章编号：1673-291X（2013）24-0274-03
目前，中国出国留学生规模空前，成为世界上最大的留学生生源国。根据《2011年中国出国留学行业研究报告》，2011年有接近34万中国学生出国留学，增长速度20%左右。可以预测，未来中国出国留学生人数将持续增加。本文通过网络调研，收集、分析、整理了大量数据，归纳出影响出国留学人数的几个因素。根据计量经济学线性回归理论建立了出国留学人数的多元线性回归模型，利用Eviews软件分析了几种可能变量对出国留学人数的影响，并对未来出国留学人数进行了预测。
一、影响出国留学人数的主要因素
1.近十年来，中国出国留学生中，有超过90%的学生选择的是自费留学。自费出国留学人数主要是由家庭的经济实力所决定，因此家庭人均收入是影响出国留学人数的最主要因素。
2.近年来，在出国留学的大军中，不仅仅高校毕业生选择出国留学，而且越来越多的高中毕业生也选择出国留学。随着高校毕业生人数和高中毕业生人数的增多，必然会有更多的人选择出国留学。因此高校毕业生人数和高中毕业生人数也是影响出国留学的主要因素之一。
3.近年来，由于人民币的升值，使得出国留学费用降低很多，汇率变化也在一定程度上影响着学生家庭对于出国留学的最终决定。因此人民币汇率也是影响出国留学的因素之一。
二、计量经济学分析模型建立
（二）模型检验
1.经济学意义检验。根据最初回归方程（2）可以看出城镇居民家庭人均收入贡献为正，说明这个解释变量对出国留学人数的影响是正向的，这个变量越大，出国留学人数就越多，符合经济学意义。大学高中学生毕业生人数贡献为负，说明这个解释变量对出国留学人数的影响是负向的，这一点与实际情况不符，不符合经济学意义。人民币对美元平均汇率的贡献为正，说明这个解释变量对出国留学人数的影响是正向的，这一点与实际情况不符，不符合经济学意义。
2.统计检验。拟合优度检验：拟合优度检验判定系数R2是一个非负的统计量，取值范围是[0，1]。R2越接近1，说明实际观测点离回归线越近，拟合优度越高。由表2得到拟合优度检验判定系数R2=0.9874994，修正的判定系数为R2=0.979366，说明模型对样本的拟合度较高，通过该检验。
（三）多重共线性判定
综合模型（2）的经济学意义检验和统计检验可以看出，模型可能存在多重共线性。利用Eviews6.0软件求出3个解释变量之间的简单相关系数矩阵（如表3所示）。
从表3可以看出 ，3个解释变量之间的两两相关系数都在80%以上，表明存在严重的多重共线性。
（四）模型修改
五、结论
按照一般经济学常识认为城镇居民家庭人均收入、大学高中毕业生人数和人民币汇率都对留学出国人数有一定影响。通过上面的计量经济学线性回归理论分析可以得出几点结论。（1）在出国留学问题上，学生家庭主要考虑的是经济负担，即家庭自身财力是否能够承受出国留学所需要的高额费用。家庭实际人均收入越高，出国留学人数就越多，反之则越少。（2）大学高中毕业生人数对出国留学人数的影响没有明确的线性关系，甚至是负相关的。（3）人民币汇率对于出国留学人数的影响虽然是线性关系，但是在本模型中反映并不明显。说明人民币汇率的变动对于出国留学人数的影响不是很大，主要原因可能是汇率的变动幅度和家庭收入增长幅度比较起来显得微不足道。只要家庭收入达到一定程度，人们出国留学时很少考虑人民币汇率变动因素。
参考文献：
[1] 洪柳.高等教育国际化背景下中国出国留学现状及分析[J].河北师范大学学报：教育科学版，2013，（2）：29-33.
[2] 赵鹤婷.人民币升值对出国留学产生的影响[J].财经界：学术版，2012，（9）：32.
关键词：贝叶斯计量；先验分布；后验分布；伸缩性
Zellner的《An Introduction to Bayesian Analysis in Econometrics》一书的出版标志着贝叶斯计量经济学的真正诞生。该书较为全面地阐述了贝叶斯计量经济学的大多数专题，其中包括回归模型中的大多数问题、联立方程模型和时间序列模型等的贝叶斯计量方法。
此后，研究贝叶斯计量经济学的文献开始大量出现。当代许多杰出的计量经济学家如Geweke,Litterman ,Dempster, Sims, Maddala ,Chib等都应用贝叶斯计量经济学解决经济问题。Qin（1996）对贝叶斯计量经济学理论发展进行了回顾。Poirier（2006）对国外1970―2000年间几种重要的期刊在经济和计量经济学文章中使用的贝叶斯方法数量发展速度进行了回顾。国内研究贝叶斯理论的人员很多，但是研究贝叶斯计量经济学的文献并不是很多，只有朱慧明、韩玉启（2006）研究了贝叶斯计量经济学的几个重要专题，并深入地进行了讨论。虽然贝叶斯计量经济学作为一种科学的数据分析的方法早已经存在，但贝叶斯计量经济学分析应遵循的基本框架是什么？本文就此分八个部分进行阐述，并对其发展和应用前景进行展望。
一、贝叶斯学派与经典学派之间的差异及其分析的优点
统计学发展过程中产生了两个主要学派：经典学派与贝叶斯学派。经典学派又叫频率学派，其发展已有几百年的历史。而贝叶斯学派的发展历史不过0多年，在贝叶斯学者的努力下，打破了经典统计一统江山的局面，两个统计学派共同发展起来，而且不同的派别各自有大量的追随者（茆诗松，1999）。
贝叶斯学派与经典学派之间的差异是明显的。首先，两个学派的核心差别是对于概率的不同定义。经典学派认为概率可以用频率来进行解释，估计和假设检验可以通过重复抽样来加以实现。而贝叶斯学派认为概率是一种信念。结合这种信念加以假设检验（先验机会比），当数据出现以后就产生后验机会比。这种方法结合了先验和样本信息辅助假设检验。其次，两者使用的信息不同。经典学派使用了总体信息和样本信息，总体信息即总体分布或总体所属分布族的信息，样本信息即抽取样本(数据)提供给我们的信息。而贝叶斯学派除利用上述两种信息外，还利用了一种先验信息，即总体分布中未知参数的分布信息。两者在使用样本信息上也有差异，经典统计对某个参数的估计说是无偏的，其实是利用了所有可能的样本信息，贝叶斯学派只关心出现了的样本信息。而且贝叶斯学派将未知参数看作是一个随机变量，用分布来刻划，即抽样之前就有有关参数问题的一些信息，先验信息主要来自经验和历史资料。而经典统计把样本看成是来自具有一定概率分布的总体，所研究的对象是总体，而不局限于数据本身，将未知参数看作常量。
贝叶斯方法的优点很多。例如：与频率方法比较贝叶斯方法充分利用了样本信息和参数的先验信息，在进行参数估计时，通常贝叶斯估计量具有更小的方差或平方误差，能够得到更精确的预测结果；贝叶斯PD（最大后验）置信区间比不考虑参数先验信息的频率置信区间短；贝叶斯方法能对假设检验或估计问题所做出的判断结果进行量化评价，而不是频率统计理论中的接受、拒绝的简单判断；在基于无失效数据的分析工作，贝叶斯统计有着更大的优点（韩明，200）。
二、贝叶斯定理的表述
贝叶斯方法的一个关键元素是贝叶斯定理，通常又叫反概率原理。当先验分布和后验分布都是连续形式时：用θ表示我们关心的参数向量或矩阵，用y表示来自联合密度函数f(y∶θ)的样本观测值向量或矩阵，联合密度函数又可以写成f(y｜θ)，函数f(y｜θ)在代数上等同于θ的似然函数，它包含了关于θ的所有样本信息，在贝叶斯理论中由于θ是随机变量，f(y｜θ)是给定θ的条件下y的条件密度函数，而且有h(θ,y)=f(y｜θ)π(θ)=π(θ｜y)f(y)。其中h是θ和y的联合密度函数，π是θ的先验密度函数，它包含了关于θ的非样本信息，通常将上式重新排列得到结果π(θ｜y)=f(y｜θ)π(θ)f(y)。由于f(y)是与θ无关的一个常数，上式可写成：π(θ｜y)∝f(θ｜y)π(θ)，其中∝表示“与……成比例”，若用文字表述就是：后验密度∝似然函数×先验密度。这就是贝叶斯定理的连续形式，它把先验信息、样本信息和总体信息融为一体。
贝叶斯后验均值估计的最基本特性是伸缩性(shrinkage)。当似然函数的精度h0较大时，后验均值主要受样本均值支配；相反，当先验精度h1较大时，后验均值主要受先验均值支配。这就是为什么贝叶斯估计通常取先验精度较低的原因（方差给得较大），也可以看出贝叶斯估计在调整先验精度下可以达到经典估计的效果，从某种意义上说经典估计是贝叶斯估计的特殊形式。通过两种精度的调整达到对后验均值的估计叫做伸缩性估计特性，所有贝叶斯估计的均值都具有伸缩性估计这个特性。
三、先验分布理论的研究
从上面已经看出，似然原理在贝叶斯学派和经典学派都有应用，而区别在于解释不同。除了似然原理外，贝叶斯定理得到后验分布的另外一个元素就是参数θ的先验分布。先验分布是后继贝叶斯推断的基础和出发点，是贝叶斯学派研究的重点问题之一，也是贝叶斯理论有争议最多的部分。先验分布大体可以分为扩散先验（diffuse prior）分布和共轭先验(conjugateprior)分布两大类。此处的扩散先验即一般文献中的无信息先验分布（noninformative prior）。当然无信息先验分布并非一无所知，实际包含许多信息，至少知道该参数是位置参数还是尺度参数。共轭先验分布是指这个先验分布与似然函数相乘后，得到的分布与先验分布函数形式一样，即属同一个分布族。这种先验的好处是，当一个新的样本被观察后，关于参数θ的后验分布有同样的解析形式，只需带入超参数和样本值，就可以计算出后验的均值和方差。
参数的先验分布的选取方法之一是贝叶斯假设，即假设参数的先验分布在取值范围内是均匀分布的：若将θ的取值范围记为，并略去密度取值为0的部分，则参数θ先验分布密度函数为：π(θ)∝a constant时，这时先验叫improper prior 或叫flatprior 。因为这个分布积分不为1（概率公理不满足）。
通常，贝叶斯假设在参数变换下并不满足不变性的要求，即变换后的分布不再服从均匀分布。如果参数θ选取均匀分布作为其先验分布，根据贝叶斯假设，θ的函数π(θ)也应选取均匀分布作为其先验分布，然而由θ服从均匀分布这一前提，往往导不出π(θ)也服从均匀分布。例如正态总体标准差为σ，它的参数空间是(0,∞)，为能变换，我们选取贝叶斯假设σ～U(0,1)，即f(σ)=1，0＜σ＜1，其它情况密度为0，取它的一个变换η=σ2，这是一一变换，根据随机变量函数的变换，g(η)=f(σ)×1/2σ=1/2σ，可以看出η的密度已不是均匀分布了，而是与随机变量σ有关了。
针对贝叶斯假设在变换下并不满足不变性，effreys（1961）建议对于参数在有限范围内或-∞到+∞范围内取任意值，它的先验分布应取成均匀分布，若它的可能取值范围是从0到∞之间，则它取对数后的先验分布应是均匀分布。所以位置参数的先验应与一个常数成比例，尺度参数应与自己的逆成正比，例如来自正态分布N(μ,σ2)的样本的扩散先验应为π(μ,σ)∝1/σ。effreys（1961）根据不变性的要求，又提出了一种基于Fisher信息阵的多参数模型扩散先验分布选择方法。若令L(θ)为似然函数，effreys认为参数先验分布应与Fisher信息阵的行列式的平方根成比例：π(θ)∝［detI(θ)］1/2，其中I(θ)=E-2logLθθ，ellner(1971)详细研究了effreys先验分布能够满足的各种不变性要求。所以在贝叶斯计量经济学中讨论位置参数θ的扩散先验应为π(θ)∝1,θ∈，尺度参数的扩散先验分布为π(θ)∝1/θ,θ＞0；对于正态分布N(μ0，σ2),μ0已知，σ＞0未知，此时标准差σ是尺度参数，那么标准差σ的扩散先验分布应为：π(σ)∝1/σ,σ＞0。对于正态分布N(μ,σ20),σ20已知，此时μ是位置参数，那么其扩散先验分布应为π(μ)∝1,μ∈R。位置――尺度参数的联合扩散先验分布形式
四、贝叶斯点估计
参数的后验密度概括了参数的所有信息。因此，一旦得到参数的后验密度，就可以对参数进行研究。在确定参数的具体值（点估计）时，就要依据某个准则来决定哪一个值最佳。若最佳估计值的选取依赖于用来估计真参数θ时所造成的损失。一般来说，当估计值离参数真值θ越远，损失就越大。描述点估计与真参数θ间的函数L(θ,)称为损失函数。常用的损失函数是二次损失函数L2=c(-θ)2和线形损失函数L1=c｜-θ｜，其中c是一个正的常数。要获得点估计值，需要考虑某种损失函数形式使损失最小，要使所有类的损失函数都能达到最小的，只有=θ；然而，真实参数θ是未知的，这种方法明显不行。为了克服这一困难，在θ的所有可能值上加权平均（或期望）损失最小，权数为后验密度函数π(θ｜y)，因而，一个贝叶斯点估计值就是使期望后验损失最小的值。这里，期望后验损失由下式给出Eθ｜y［L(θ,)］=∫L(θ,)π(θ｜y)dθ，对于二次损失函数L2，后验分布的均值就是使上式达到最小的点估计值，因为Eθ｜y［L2(θ,)］=∫c(-θ)2π(θ｜y)dθ，为使上式达最小的值，对上式求导得dd{Eθ｜y［L2(θ,］}=∫2c(-θ)π(θ｜y)dθ，令上式为零便得的最小值，∫π(θ｜y)dθ=∫θπ(θ｜y)dθ。 由密度函数的性质知上式左边积分号的内容等于1，因此二次损失函数下的θ的点估计值就是后验密度的均值（期望）：=E［θ｜y］=∫θπ(θ｜y)dθ 。在贝叶斯计量经济学中，只要对后验分布求期望就能得到参数的点估计值。
五、贝叶斯区间
我们在经典统计下讨论置信区间和参数时，都是说这个区间覆盖参数的可能性，而不说这个参数在这个区间内，因为这里随机变化的是区间而不是参数。当说一个参数有90%的把握落在某个区间内，这种说法经典统计是不容许的，因为经典统计认为参数是固定的；只能说90%的机会覆盖这个参数；而贝叶斯学派可以说某个参数落入某个区间的概率。这是因为贝叶斯学派认为参数是个随机变量，有一个概率分布。而只有在得到贝叶斯后验分布时，才用区间覆盖某个参数这种说法。为了与经典学派相区分，贝叶斯学派用可信区间而不是置信区间，可信区间来自后验分布。
所以当θ的后验分布π(θ｜y)获得以后，立即可以计算出θ落入某个区间［a,b］内的后验概率。p(a＜θ＜b)=∫baπ(θ｜y)=1-α，满足这个式子的a,b不唯一（单峰型的密度函数中是唯一的），因此需要依据某些准则来选择这个区间。一种可能是，要求所选区间内的每点的后验密度函数值都大于区间以外点的密度函数值。具有这种性质的区间叫做最大后验密度（PD）。反之，若给定1-α的概率，要找一个区间［a,b］，使上式成立，这样求的区间就是θ的贝叶斯可信区间。
六、贝叶斯假设检验
抽样理论中的假设检验是通过设置两个假设0和1，和一个适当的统计量，根据此统计量的值是否落入临界区域内决定每个假设被接受还是拒绝。贝叶斯假设检验是根据零假设0下的设定值是否以预先指定的概率落入PD区间，来决定接受或是拒绝零假设。常用的贝叶斯假设检验是利用后验机会比（posterior odds）。这种方法通过计算每种假设下的后验概率P(0｜y)和P(1｜y)得到后验机会比01，01=P(0｜y)P(1|y) 。这一比率给出了0相对于1的优势。利用后验机会比进行假设检验，与其说是假设检验还不如说是“比较”。从上面可以看出，贝叶斯假设检验不要求接受或是拒绝某个假设，因为后验机会比就足以说明问题。后验机会比01大于1表明支持原假设，后验机会比小于1表明接受1，后验机会比01约等于1时须重新搜索信息，不宜做出判别，这种后验机会比01也适合多重假设检验，这是经典统计办不到的。
七、贝叶斯预测
许多情况下，给定样本信息y后，我们希望对其它还未观测到的未来值y进行预测。在贝叶斯方法中，给定样本信息后能够求得还未观察值的分布，我们称之为预测分布。令y为还未观察到的向量，y和参数向量θ在
们就可以对未来参数进行点预测和区间预测了。
八、贝叶斯计算方法
尽管贝叶斯推断模式简单，并且概率形式优美。然而，在贝叶斯分析中，一般只知道后验分布密度函数的核，而难以获得具体的边缘密度函数和条件密度函数，也很难找到累积分布函数的数值分位点，计算边缘后验分布密度函数和条件密度函数的困难是阻碍贝叶斯方法应用广泛的最大障碍。对于贝叶斯后验分布的高维问题，通常的格点搜索方法和拉普拉斯算法都不是很有效。而蒙特卡洛方法对这类问题较为强劲，且一直受到计量经济学家的关注(朱慧明、韩玉启,2006)。然而，这些方法的实现，需要依靠复杂数值的解析近似技术及相应的软件支撑。
目前，在贝叶斯分析中应用最为广泛的是MCMC方法，而MCMC方法主要有两种：Gibbs抽样方法和Metroplis-astings方法。能够支持这种运算的软件和应用程序已经有很多被开发出来，例如WinBUGS通常专门用来实现MCMC，还有一些在软件中加入贝叶斯模块，例如 RAS、S-Plus 和Matlab等。尽管MCMC方法应用广泛，但很难判断何时马尔科夫链已经渐近收敛于平稳分布，所以对MCMC方法收敛性的研究一直是个重要课题。从某种意义上说，贝叶斯研究带动了计算技术的发展。
通常一个完整的贝叶斯计量经济学问题的分析结构都应包括上述八个步骤的讨论，当然具体问题还要具体对待。展望未来贝叶斯计量经济学仍然是一个值得大量研究的领域，例如，面板数据分析中的随机系数模型和时变参数模型，若是给定先验分布就是一个贝叶斯问题；单位根检验也是贝叶斯方法大有用武之地的领域,很多计量经济学家都对其进行了研究，并且提出了不同的观点，得出了宏观经济数据的不同单位根检验的结果；缺失数据的分析天然地与贝叶斯方法结合比较紧密，它本身就是对未知值的一种信念。越来越多的文献目前关注着贝叶斯方法的发展和贝叶斯方法在计量经济学文献中的应用。
参考文献：
阿诺德・泽尔纳. 200. 计量经济学贝叶斯推断引论［M］. 上海：上海财经大学出版社.
韩明. 200. 基于无失效数据的可靠性参数估计［M］. 北京：中国统计出版社.
茆诗松. 1999. 贝叶斯统计［M］. 北京：中国统计出版社.
朱慧明,韩玉启. 2006. 贝叶斯多元统计推断理论［M］.北京：科学出版社.
UDGE G G.1980. he theory and practice of econometrics［M］. New York :Wiley.
POIRIER D . 2006. he growth of bayesian methods in statisticsand economics since 1970［］ . Bayesian Analysis，1(4):969-980.
PRESS S . 1989. Bayesian statistics: principles, models, and applications［M］. New York. ohn Wiley and Sons, Inc.
QIN D. 1996. Bayesian econometrics:the first twenty years［］. Econometric heory.
ELLNER A. 1997. Bayesian analysis in econometrics and statistics :the ellner′s view and papers［M］. ［S.L］：Edward Elgar.
ELLNER A. 2004. Statistics, econometrics, and forecasting［M］. ［S.L］：Cambridge University Press.
he Framework of Contemporary Bayesian
Econometrics Analysis and Its Outlook
LI Xiaosheng1，2 XIA Yuhua1
(1.Xiamen University, Xiamen 36100; 2.Anhui University. of Finance and Economics, Bengbu 233041)
Abstract:Along with the development of Bayesian theory and the advancement of computer simulation, Bayesian econometrics develops rapidly.his paper compares the classical and Bayesian school of thought, and briefly reviews Bayesian econometrics develpoment courses. In the end, it analyzes its framework from eight aspects and its outlook.
【关键词】国内旅游收入 计量经济学 模型
一、引言
随着经济发展，旅游受到越来越多人的亲睐，旅游业取得了快速发展，并成为国家经济发展新的增长点。国内旅游收入作为衡量旅游经济的综合性重要指标，直接反映了旅游经济的运行状况。研究国内旅游收入与其影响因素之间的关系，对于促进旅游业的发展，并推动经济的发展具有重要的意义。
二、模型变量选择
旅游业的发展受到社会经济状况和经济关系等多种因素的影响，因此国内旅游收入是多种因素共同作用的函数：1、经济发展水平。近年来我国经济高速发展，旅游业也快速发展，国内旅游收入不断提高，采用国内生产总值GDP来衡量经济发展水平，令为X1；2、人均可支配收入。旅游越来越受到人们的亲睐，前提是可供自由支配的收入增多，令为X2；3、国内旅游人数。庞大的旅游人数必将带来可观的旅游收入，令为X3；4、人均旅游花费。在接待人数既定的条件下，旅游者人均旅游花费直接影响旅游收入，令为X4；5、旅游业发展水平。旅游业发展水平越高，提供的旅游产品和服务水平越高，吸引更多的旅游消费者而增加旅游收入，以旅行社数量来衡量旅游业发展水平，交通发达程度。便捷的交通让人们的出行更方便，更愿意去旅游，以交通运输总的旅客周转量来衡量交通发达程度，令为X6。
五、模型检验与调整
（一）多重共线性检验与消除。
回归模型中R2为0.999，拟合优度很高，但除X6外变量的Prob值都偏高，其对应的t统计量较小。表现R2为很大，t很小，可能出现多重共线性。进一步检验各解释变量之间的相关系数，其相关系数都很接近于1，说明模型中存在较为严重的多重共线性。
采用逐步回归法消除多重共线性。的一元回归，得到的回归方程中，使R2最大的解释变量是X4，则以X4为基础作为初始模型，顺次将其他解释变量依据R2大小逐个引入，并比较结果：初始模型中引入X3，模型的拟合优度提高，变量也通过显著性检验，则保留X3。继续引入X6，模型的拟合优度提高，变量也通过显著性检验，但X6的系数为负数，不符合经济意义，则舍弃X6。继续依次引入X2，X1和X5，模型的拟合优度均未改善，变量也未通过显著性检验，则舍弃X2，X1和X5。六、经济意义检验
对初始模型进行了多重共线性、异方差性和序列相关性检验并消除其影响后得到如模型③的最终回归模型。现对模型进行经济意义的检验：1、模型中人均旅游花费X4和国内旅游人数X3的回归系数均为正，表明国内旅游收入与两者成正相关关系，符合经济学一般原理；2、模型中截距项的系数为负，这是由于旅游业本身经营所需人力、物力等巨大成本的存在。因此，回归模型符合现实经济，模型通过了经济意义的检验。
七、结论
本文的回归模型表明，国内旅游收入与国内旅游人数和人均旅游花费成正相关关系，而GDP、人均可支配收入、旅游业发展水平和交通发达程度由于与二者之间存在较高的相关性，其对国内旅游收入的解释作用间接体现在国内旅游收入和人均旅游花费上。
参考文献：
关键字：文化消费、收入、计量经济学分析
一、经济理论
客观上对文化消费一种解释是说文化消费指用文化产品或服务来满足人们精神需求的一种消费，主要包括教育、文化娱乐、体育健身、旅游观光等方面。随着经济的快速发展，人民生活水平得到了相应的提高（主要表现为人均收入的提高），我们都知道在收入提高的前提下，人们就会相应的增加消费，其中包括物质消费和文化消费等方面的支出。在西方经济学中，我们都知道收入是影响消费支出的最重要因素之一。与物质消费相比文化消费是属于精神层次的消费，是高于物质消费的一层。文化消费的主体主要是以收入水平较高，接受教育时间长的人群为主。所以，受教育程度也是影响文化消费的一个重要因素。而另一方面，人们收入的提高时，即也会使消费支出增加。这就为本文研究收入对文化消费影响提供了一个经济理论方面的支持。
二、问题的提出
众所周知，中国是一个历史古国也是一个文化大国。中国在五千年的历史长河中积累了深厚的文化底蕴。而我们作为在这种文化氛围熏陶下生活的个体，对文化知识的渴望应该说并没有减少半分，人们内心依旧渴望文化和知识对自己的影响。人们对精神层次的追求并不因为的时代的更迭而改变。在现代社会，在经济高度快速发展的今天，在物质极度发达的今天，人们已经不再仅仅满足于吃饱肚子，穿暖衣服的这种基本生活需求。对精神层次的追求也成为人们新的消费点和新的满足点。
本文是主要通过研究收入对文化消费影响程度的大小，来观察在文化消费领域收入是如何影响消费的，进一步了解到对整个经济社会的影响。
三、计量分析
根据1993-2011年居民文化消费及人居收入的数据，采用EViews软件进行以下回归分析。
（一）变量间相关系数分析
根据相关性分析，（中等收入）城镇居民的文化消费Y与城镇居民人居可支配收入X 的相关系数为0.9767386983586031，呈高度正相关。这表明利用线性模型解释它们之间的关系是比较适合的。
（二）绘制散点图
根据操作原理中的方法，可以绘制出被解释变量Y与解释变量X 的散点图，从图中可以看出，大多数散点都分布在一条直线附近，可认为Y和X 呈高度线性关系。
（三）建立回归方程
对统计数据做回归， 根据回归结果可得到下面的估计方程：
（1.679020） （2.623276）
根据 =0.954214可以表明模型的拟合效果非常好，F检验的相伴概率为0.000000，反映变量间呈高度线性，方程回归效果显著。
（四）参数的置信区间估计
根据变量显著性检验可以推出：在 的置信度下 的置信区间是（ ），其中， 为t分布表中显著性水平为 ，自由度为n-k-1的临界值。如果给定 ，查表得 ，
从回归分析中得到
因此可以计算得出 的置信区间分别为（0.01263516，0.245789）显然，参数 的置信区间小，这意味着在同样的置信区间下， 的结果精度高一些。
四、检验
（一）经济意义检验
（1.679020） （2.623276）
根据公式可知， 的符号为正，即与文化消费成正比关系，且数值在[0，1]之间，符号经济发展规律。
，表明在其他因素保持不变的情况下，人均收入每增加1个单位，文化消费增长0.065862个单位；
综合以上分析，该模型设定符合经济意义，通过了经济意义检验。
（二）统计检验
1. 拟合优度检验
由以上回归结果， ， 。 、 的值越接近1。表明回归直线对观测值的拟合效果越好；反之， 、 的值越接近0，表明回归直线对观测值的拟合效果越差。
样本可决系数和修正可决系数都非常接近于1，说明本次回归模型对样本的拟合效果很好。
2. F检验
假设： = =0，即人均可支配收入与文化消费不存在显著性相关。 = ，即人均可支配收入与文化消费存在显著性相关。
通过样本求出 统计量的数值后，通过 > 或 ，（n为样本个数，k为解释变量个数），来拒绝或接受原假设 。
在给定显著性水平 的情况下，查表知 ，回归结果中 ，显然有 > ，表明模型的线性关系在95%的置信水平下显著成立。人均可支配收入对文化消费存在显著影响。
3. t统计检验
针对解释变量 设计原假设和备择假设分别为：
= = =0，即人均可支配收入与文化消费不存在显著性相关。 = = ，即人均可支配收入与文化消费存在显著性相关。
给定一个显著性水平 ，得到临界值 ，（n为样本个数，k为解释变量个数），通过样本求出 统计量的数值后，根据 来决定拒绝或接受原假设 ，从而判定对应的解释变量是否应包含在模型中。
查表知 ，样本回归结果中， 的 统计量分别为2.623276，即 > 。从 的 统计量的P值小于0.05，也可以看出，解释变量X 通过了t统计检验。
五、经济预测
根据计量预测，已知的2012年人均可支配收入为23607.2元，可预测出2012年的Y是1785.45元
根据上述的分析，可知我国在19年间文化消费得到快速增长，得益于人均可支配收入的提高和其他因素的影响。而可支配收入对文化消费的贡献尤为突出。在预测中，2012年我国的文化消费依然会平稳增长。
【关键词】粮食产量，影响因素，回归分析
一、模型的建立
（一）理论分析。我国是一个人口大国同时又是一个农业相对落后的国家而粮食又是人类赖以生存的基础，所以提高粮食生产能力是我国不容忽视的重大问题。粮食产量的影响因素众多，其中投入产出、自然环境因素最为显著，根据实际情况选取可能的影响因素因素探讨粮食生产的投入产出关系最终将这种关系用数学表达式表示出来，最后通过确定的函数模型对粮食生产提出可行性建议。
（二）模型设定
1.确定模型所包含的变量。为了对影响粮食总产量的因素进行深入分析，在众多影响粮食总产量的因素中以粮食总产量为被解释变量Y；粮食总播种面积、农业机械总动力、有效灌溉面积、化肥施用量、受灾面积、成灾面积为解释变量X.
2.样本数据的搜集与整理。通过查阅2011年统计年鉴，搜集整理了1997年到2011年的粮食总产量以及6个可能影响因素的数据。见下表：
表1是设定模型所用的时间序列数据。其中，粮食总产量为因变量Y；粮食总播种面积为X1、农业机械总动力为X2、有效灌溉面积为X3、化肥施用量为X4、受灾面积为X5、成灾面积为X6。
二、模型参数的估计
模型为：Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+β6X6+μ μ为随机扰动项
利用计量经济学的基本方法--最小二乘法（OLS）对所摘样本数据进行模型的从参数估计，结果如下：（图中各变量名称均为首字母）
Y=-79529.88+0.478599X1-0.521481X2+0.775946X3+15.70729X4
-0.092737X5-0.011504X6
为初步所得模型。
可见模型整体上通过了检验，但是变量各个系数并不是完全显著。
三、模型的检验
（一）经济意义检验。在经济意义上分析β0、β1、β2、β3、β4应为正值，β5、β6应为负值。由初步回归的模型可以看到回归模型的整体显著，在经济意义检验上X2、常数C符号不正确，符号应作进一步研究。
（二）统计意义检验。R方检验：由图1可以看到R-squared=0.985867说明方程拟合很好；F检验：图1中显示F值为93.00697，p值为0.000均表明通过了F检验，方程整体显著。T检验：图1给出了每个解释变量的T值分别为：-2.194987、4.767208、-1.616074、1.110846、2.404107、-1.335772、-0.131875可以看到X3、X4、X6、X7的系数均不显著。说明回归方程中存在问题，有可能是这些不显著的变量对粮食总产量影响小也可能是变量之间存在多重共线性。
（三）计量经济学检验。
1.多重共线性检验与修正
从图1给出的估计参数结果可以看出F值=93.00697，方程整体上是和粮食总产量线性关系显著，但t检验值大部分不能通过检验。因此可能存在多重共线性问题。其次，虽然方程整体上线性回归拟合较好，但解释变量t统计量值基本都不显著并且β0、β2的符号也与经济意义相反，也表明存在多重共线性问题。
运用Frisch（逐步分析法）对多重共线性模型修正。
第一步：运用OLS（最小二乘法）对各个变量与解释变量做回归：考虑经济意义和统计检验选出拟合最好的方程，各个解释变量与被解释变量拟合方程的R方分别为：0.388667、0.432807、0.503207、0.494893、0.349633、0.489638。可见变量X3有效灌溉面积和粮食总产量关系最强，拟合最好。
第二步：将其他解释变量逐一带入回归方程，找到模型中新增变量对回归模型拟合优度和显著性的贡献以及对其他解释变量的影响，剔除一些对被解释变量影响不显著或影响其他解释变量的变量，最后确定如下模型：
由图可以看到最后模型留下的解释变量有播种面积X1、化肥施用量X4、成灾面积X6三个变量。拟合优度R-squared =0.977601 拟合效果较好；DW值为2.120391较接近2，说明序列相关问题不严重；整体方程的F统计量值为160.0277说明方程整体显著；各个系数的p值分别为0.000、0.000、0.007，说明三个系数都通过了显著性检验排除了对Y影响不显著或影响其他变量的X。可以写出回归方程的模型为：
Y= -28655.24+0.591186X1+3.868546X4-0.139113X6
2.异方差检验
采用G-Q检验方法：三个解释变量中X4化肥施用量对y的影响最为显著，所以将X4按升序排序，去掉中间的3个留下两个子样本分别为：包含X4较低值的前六个（1997年-2002年）、包含X4较高值的后六个（2006年-2011年）。
对两个子样本分别求出回归方程为：
Y1=-14793.47+0.578192X1+1.651901X4-0.262729X6
R方=0.995844 RSS1=274.8451
t值分别为5.42、0.50、-4.488950
Y2=44174.07-0.158587X1+6.019034X4-0.298388X6
R方=0.977376 RSS2=655.4554
t值分别为-0.21、0.88、-1.845
计算G-Q检验F统计量为：F=RSS2/RSS1=655.4554/274.8451=2.3848
3.序列相关检验
由结果可以得到DW值为2.12，给定显著性水平为0.05，n=15，k=3 ，查DW值表可以得到dl=0.82，du=1.75，1.75
5，可知随机误差项不存在一阶序列相关。
最终确定模型为Y= -28655.24+0.591186X1+3.868546X4-0.1
39113X6
四、模型的应用及对策建议
我国人口众多对粮食的依赖性很强但是我国耕地面积越来越少，因此要解决粮食问题必须从产量入手。粮食产量的影响因素众多，其中投入产出、自然环境因素最为显著，由以上分析可以看到化肥施用量是对粮食产量影响最大的因素，说明投入产出之间的关系是显著的；从模型可以看到播种面积对粮食产量的影响也同样很重要，播种面积的增加必然使粮食产量的增加；受灾面积也是影响粮食产量的重要因素之一，与粮食产量成负相关。
对量产量增加的几点建议：
1.增加播种面积是对粮食产量最直接简单的方法，但是目前农民对粮食种植的积极性很低。政府可以采取农业补助、粮食最低价格、农业保险等手段增加农民种植粮食的积极性。可以通过提高产量和保证价格两种途径，农业补助、农业保险等保证粮食产量，粮食最低价格保证粮食价格。两种手段结合使用，既对粮食产量有一个保证又对粮食价格有一个保证，结合使用可以提高农民种植积极性。我国国土面积虽大但是农业用地却也逐渐减少。因此政府在提高农民种植积极性的同时也要控制非农业用地保持农业用地数量的足够稳定性。除此之外，要在拥有足够的粮食用地的基础上提高利用效率。
2.在合理范围内提高化肥施用量。播种面积在一定程度后会受边际效益递减的影响，因此要在播种面积上提高土地利用效率。由前边模型分析可得化肥施用量在一定程度上对粮食产量有积极影响超过边界线会产生相反的消极影响。可得政府应该积极对农业化肥施用类型、施用量、施用方法、施用时间等进行宣讲提高土地利用效率和化肥施用效率。
3.采用事前预防事后保障两种途径降低农业风险减少受灾面积。成灾面积对粮食产量影响系数虽然较小但是自然灾害的发生影响面试很广的，若受灾面积较大时同样会引起粮食产量的大幅度减少。因此，政府应该积极增强对农业的研究提高自然灾害的事前预防能力，采用农业保险等方法保障农民收入水平起到事后保障的作用。通过这两种途径两种方法控制受灾面积减少农民损失。
除上述对策之外，也可以通过提高农业机械化程度增加农业科技投入量等方法。总而言之，扩大耕作面积，提高单产，实现机械化、规模化生产是保证我国农业健康发展的必经之路。
参考文献：
[1]张润清.计量经济学[M].北京：中国农业出版社，2007
【关键词】 出口总额 汇率 GDP 进口总额 模型
Abstract ： At present， a major factor influence our country's economic increasing is export， but because of several elements such as the appreciation of of the RMB， China's export met barrier. In order to guide our export of smooth health growth with the help of the analysis and conclusion， in this article， the econometrics thoughts are applied to set up， estimate， inspect and forecast economic modle. On the base of relevant research in this field， this article makes empirical analysis by the use of econometric approach， in the end， conclusion are got from reasoning.
Keywords ： Total Exports Exchange Rate GDP Total Import Economic Modle
1. 出口总额影响因素概述
进出口关税税率是进出口贸易的一个门坎，它对进出口总额产生了显著的影响。1994年汇率并轨，对当年没有产生太大的作用。但之后确实对中国进出口总额产生了显著性影响。[1]
有研究结果表明外贸依存度仍是度量我国贸易开放度的较好指标，进一步采用基于VAR系统的脉冲响应函数法以及预测误差方法分解法对贸易开放促进经济增长的作用进行了动态刻画。[2]
基于协整理论和ECM 分析我国进出口数据之间的协整关系，平稳性检验显示， 进出口都是非平稳的一阶单整， 利用EG 两步法协整检验方法分析误差修正模型发现进口额和出口额变量构成了长期的均衡关系。[3]
要更有效地实现国债对经济的促进作用，应以提高国债项目的经济效益为重点，将更大比例的资金有重点地投向产业关联性强、需求拉动力强的项目。 [4]
出口主要受GDP 滞后一阶和其自身一阶的影响。这说明经济增长受外商直接投资的长期影响， 而不是短期行为；外商直接投资受经济增长的长期影响， 受其自身的短期影响；出口受经济增长短期影响。[5]
改革开放以来，我国的国民经济发展迅速，GDP增长数度始终保持在 7%以上。同时，进出口规模迅速扩大。2001 年，我国进出口总 额达到 5098 亿美元，是 1989 年的 4.6 倍，年均增长 13.6%。可见，我国的年进出口总额 与国内生产总值有着密切的联系。 [6]
模型通常采用进出口总额而不是净出口额作为变量，因为净出口指示衡量贸易均衡的一个因素，要综合反映一个国家GDP的发展，显然没有进出口总额有效。 [7]
有些模型中引入了六个变量：居民消费水平，对外经济合作，国内贷款，国民收入，财政支出，财政收入。从所做的回归结果看，影响我国的进出口总额的主要因素有居民消费水平，固定资产投资中的国内贷款，且国内贷款的影响最大。 [9]
据海关统计：2005年我国制成品的进出口贸易总额为12 251.6亿美元，其中：出口7 129.2亿美元，是1985年的53倍。同时，出口商品结构也在不断地优化。[10]
因此，相关影响因素可能有：人民币汇率、国内生产总值GDP、进口总额、政策性因素、产业结构等。
2. 模型数学形式
横轴表示因变量Y：中国出口总额；竖轴表示自变量：X1（国内生产总值GDP）、X2（进口总额）和X3（人民币汇率）。数据时间跨度为1980至2010共30年。
2.1做出Y与X1、X2和X3的折线图及散点图如下：
从走向来看，X1和X3对应的点散布在从左下角到右上角的区域， X1和X3与Y呈正相关关系；而X2对应的点有先升后降的趋势，表明X2与Y之间的相关关系较为复杂。因此需要分别对Y和单独的各个X做出散点图分析。
2.2 Y分别与X1、X2和X3的散点图：
X1与Y的关系可以用非线性函数--幂函数--来表示。
X2与Y的关系可以非线性函数--指数函数--来表示。
X3与Y的关系可以用线性函数表示。
因为存在突然Y值飙升的断点，因此有必要设置虚拟变量。在模型中加入乘法形式的虚拟变量D1。
2.3 针对本研究问题的虚拟变量的制定理由
由上数据走向分析发现，当X2达最大时，Y的值又回落至断点前的水平--可以发现若把断点后半部分约以X2=600的位置为轴作轴对称，再平移接到断点后，则可基本呈现连贯的函数图象，且可以以指数函数表达。得出X2对Y的拟合形式：c（3）*e^（m+d1*x2）。设1994年前，D1=1，M=0；1994年及其后，D1=-1，M=150。
得出X1、X2、X3和Y的相关系数矩阵如下：
由此得到：ry1=0.975388>0.90，ry2=0.4942880.90。这说明单独来看，X1、X3和Y之间存在较为密切的线性相关关系，而X2与Y之间的关系相对较弱。而X1和X3之间的相关系数为0、981887，说明两者之间有较强的相关关系；而X1和X2、X2和X3之间的相关系数基本在0.5左右，之间关系较弱。
3. 估计模型的方法
由以上相关关系分析得，Y可以用X1的幂函数形式、X2的指数函数形式和X3的线性函数形式结合起来表达。因此，对本模型使用NLS估计方法建立多元回归方程。
在EVIEWS软件中输入如下命令：
nls y=c（1）+c（2）*x1^2+c（3）*e^（m+d1*x2）+c（4）*x3由此得到输出结果如下：
得c（1）=19.52591， c（2）=0.000385，c（3）=-8.13e-33，c（4）=0.896359，则模型的数学表达式为：
Y=19.52591+0.000385*X1^2-8.13e-33*E^（M+D1*X2）+0.8963593611*X3
（0.73） （11.88） （-14.52） （30.17）
括号内的数字对应于b0 ，b1的t检验统计量。回归标准误差为105.38，残差平方和为299859.8， D.W.=1.18，F=7754.64，
4. 模型检验：
4.1经济意义检验
从上述参数的系数可以看出：GDP和进口总额均与出口总额之间存在显著正相关关系，而人民币汇率与出口总额之间存在显著的负相关关系。将模型参数的估计量与预先拟定的理论期望值进行比较，包括参数估计量的符号、大小、相互之间的关系，以判断其合理性。模型充分满足经济意义并且合理。
4.2统计检验
4.3 可决系数及拟合优度
可决系数R2=0.999082，，调整可决系数R2=0.998980。两者均很大且接近1，即回归直线的拟合优度很好。即回归方程能解释约99%的Y变异性。
此外，还可使用SC和AIC 来比较拟合优度，该模型：SC=12.45，AIC=12.27这两个值越小拟合优度越高
4.4模型的显著性检验
4.4.1 t检验：
tc1=73，其p值=0.4744；tc2=11.88，其p值=0.0000；tc3=-14.52，其p值=0.0000；tc4=30.17，其p值=0.0000；
对于常数项：p=0.4744>0.05，表示在显著性水平α=0.05和0.01下常数项都没有通过t检验；解释变量显著性检验通不过的原因可能是：xi与y不存在线性相关关系、不存在任何关系或xi与xj（i≠j）存在线性相关关系等。常数项没有通过t检验可能是由于包含了遗漏的解释变量，或是由于其他因素波动的综合影响等，所以并不应该将常数项从模型中剔除，而应从其他方面进行优化。
对于X1、X2、X3：p均等于0.0000
4.4.2 F检验：
由上述NLS分析结果得：F=9793.316，且其p值=0.0000。
同理，因为p=0.0000Fα。则原假设在5%和1%的显著性水平上均被拒绝，表明X1、X2和X3联合起来对Y有显著影响。
4.4.3计量经济学检验；
（1）自（序列）相关性检验
在EVIEWS3.0的估计结果输出窗口操作RESIDUAL TEST/CORRELOGRAM-Q-STATI-
STICS，进行自相关检验，结果如下（第二图）：
观察以上残差序列的分析图，可见AC和PAC均落在各自的虚线范围内，因此可以认为该残差序列为纯随机序列。且右边最后一行的P值表示该模型通过了X2检验，不存在自相关问题。
（2）异方差性检验
在EVIEWS3.0的估计结果输出窗口操作VIEW/RESIDUAL TEST/WHITE HETEROSKE-
DASTICITY（NO CORSS TERMS），结果如下：
WHITE检验统计量的伴随概率P=0.102346>5%，大于1%，表示可以接受怀特检验的原假设，即认为不存在异方差。
若采用含有交叉项的怀特检验，结果为：
同样证明了该模型不存在异方差。
（3）多重共线性检验.
命名方程为eqy，在主窗口命令行输入scalar vifcons=1/（1-eqv.@R2），得到方差膨胀因子VIF=1089.146。
经验判断方法表明：当VIF≥100，存在严重多重共线。
再看变量之间的相关系数，初步判断是由于X1和X3之间较强的线性相关关系引起的。
CHOW氏模型结构变化检验
假设1994年为断点的CHOW式断点检验说明：即使1994年的汇率有了较大的提高，但1994年前后经济结构并没有发生变化。
CHOW氏模型稳定性检验
以2000年为选择点，由结果可见，该模型尚未达到稳定，还需要进一步调整。
5. 解释说明与存在的问题
5.1对模型估计结果解释说明
根据模型估计结果，C2 为0.00385，C3为-0.813E-33，C4为0.896359。在这一组参数值中，X1的参数明显比预想中小，X2没有太偏离预想，X3比较一致。这说明对于出口总额的影响中，GDP对出口总额的影响较小，进口总额对于出口总额的影响与设想基本一致，而最主要的影响因素是人民币汇率。
这是因为虽然人民币汇率只是众多影响到出口总额因素中的一个，但是人民币汇率波动改变汇率条件直接影响到我国出口。
5.2存在的问题及改进途径
5.2.1多重共线问题：
（1）逐步回归法：
即利用被解释变量Y对每一个解释变量Xi 作一个回归方程，构造统计量，进行统计检验，并根据相应的经济理论进行解释，从中选取最优的回归方程；然后逐步引入其他的解释变量，再做相应的回归方程，扩大模型的规模，同时对所有解释变量的回归系数进行检验。
（2）改变变量的定义形式
要根据所分析的具体经济问题及模型的形式对解释变量重新调整，如用相对数变量替代绝对数变量、删去模型中次要的或可替代的解释变量和差分法等。
（3）岭回归估计
该方法放弃最小二乘的无偏性，损失部分信息，以放弃部分精确度为代价来寻求效果稍差但更符合实际的回归方程。故岭回归所得剩余标准差比最小二乘回归要大。
5.2.2稳定性不足
模型未通过Chow's检验，存在模型稳定性不够的问题。应该再回头再对数据进行预备处理，即进行价格平减、取自然对数，或HP滤波处理，这样数据质量会高一些，不稳定性问题应该能得到一定解决。
5.2.3可能遗漏重要解释变量
应当尽可能地搜集更多的资料，找寻更多的数据，如出口原材料价格指数、我国关税总额等，通过理论和实践等途径考察各因素分别及联合起来对出口总额的影响程度，加强模型的解释说明和预测能力。
6. 结论和政策建议
6.1结论
6.1.1人民币汇率下调是要改变我国人民币币值对外高估状况，使用美元表示的我国出口商品价格下降，增强在国际市场上的竞争力；使用人民币表示的进口商品价格升高，使其在国内市场上处于不利地位，从而达到扩大出口，限制进口。汇率单独对进口和出口产生重大的影响，但是对进出口总额则没有太大的影响。
6.1.2 1994年汇率并轨，对当年没有产生太大的作用。但之后确实对中国进出口总额产生了显著性影响
6.1.3 GDP对出口总额的影响并不如预想中的大，所以，我国GDP连续多年的增长并未对出口总额造成过大的影响。
6.1.4出口总额受到多方面复杂的影响，政府在制定经济与财政政策时，应注重引导。
6.2政策建议
6.2.1在现有的人民币汇率基础上，再次通过渐进的人民币升值来实现进出口总额的下降，进而促进外贸依存度的降低。 另外，根据日本的经验来看，本币升值还可以在间接上起到调整出口产品结构的作用。
6.2.2调整国内的产业调整。大力发展高新技术产业，以减少对国外技术的依赖，进而降低该类产品的进口；大力发展能够吸纳劳动力的轻工业和服务业，有效提高国民的收入，进而进一步推动第三产业的发展。
6.2.3提高城镇居民的消费倾向。通过收入分配政策调整收入差距，实际上就是在居民收入持续增 长的同时，不断提高中低收入群体收入增长的幅度。
参考文献：
[1] 刘雪倩，《影响我国出口总额的因素分析》.
[2] 许和连，《出口贸易促进经济增长的理论、模型及实证研究》.
[3] 陈锦锦，赵同亮，《基于1955- 2009 年中国进出口数据的计量经济--协整分析及误差修正模型》.
[4] 姜岚，张宏，《浅析近年资本市场与我国经济发展的关系》.
[5] 曹海滨，许锐，赵飞，《我国出口、外商直接投资与经济增长的计量经济分析》.
[7] 《GDP与出口总额的计量分析》.
[8] 《中国统计年鉴》.
[9] 关于我国进出口总额的影响因素的分析》.
[10] 马婷洁 ，《FDI对我国贸易出口额影响的实证分析》.
关键词：流通方式 货物周转量 计量经济学 OLS回归分析
由于数据的可获得性，本文采用1990—2010年共21个我国货物周转量及不同运输方式下线路里程的数据进行OLS回归分析，得出铁运、公路、水云以及民航等不同运输方式对我国货物周转量的影响程度，对提高我国货物流通效率提出一些规范性建议。
一、模型设定
二、数据的收集
本文数据均通过我国统计年鉴相关年份数据的查询获得，选用1990—2010年我国货物周转量以及铁路、公路、内河航路和民航运输线路里程数据对上述建立的模型进行回归分析。
三、模型分析与调整
1.模型的参数估计
利用EVIEWS软件，对上述模型进行OLS估计。
（1）经济意义检验
（2）统计意义检验
2.多重共线性的检验与修正
3.异方差的检验与修正
（2）异方差的修正—WLS
4.序列相关性的检验与修正
5.模型最终分析
四、总结及建议
本文运用计量经济学模型，研究不同运输方式对我国货物周转量的影响程度，通过OLS回归分析可得，对我国货物周转量影响程度最大的是铁路运输，其次是公路运输；水运方式在α=0.05水平下对货物流通效率呈现负影响，因为本文被解释变量为货物周转量，衡量的是货物流通效率，而不是货物量，水运以其容积大，在货物量上的影响很显著，但由于其运输线路的特殊性以及运转的复杂性，所以水运方式呈现负影响。基于实证分析结论，对提高我国货物周转效率提出一些建议：
1.综合调度最佳的配送线路和运输方式
在流通配送中，要达到高效率流通，做到时间最少、距离最短、成本最低，必须综合调度最佳的配送线路和运输方式。只有合理完善调配运输线路与运输工具，才能不断加强产销衔接点，缩短运输线路，节省运输时间，降低运输成本，选择合适的运输工具，减少货物在运输过程中的损耗。
2.加大投资力度，改善传统运输工具
由回归方程可知，对我国货物周转量影响最为显著的主要是铁路与公路运输方式，在一定的运输距离下，运输工具要充分快捷、迅速。因此建议要加大货物运输工具的投资力度，积极改善传统运输工具的装备配置，提高传统运输工具的运转效率，只有这样才能有效减少货物在流通过程中的损失及运输风险。
3.提高“节约历程法”在货物流通中的应用水平
“节约里程法”的基本思想即是几何三角形中的“两边之和大于第三边”的定理，在运送货物时，首先要估计各目的地之间的距离，计算连接各目的地到同一线路上的距离节约值，之后确定初始运输方案的运输线路及运输费用，合理安排运输方式以达到节约里程的同时节约运输时间，减少运输环节及成本。
参考文献：
[1]庞浩.《计量经济学》[D].科学出版社.2010（6）
[2]庞浩.《计量经济学学习辅导》[D].科学出版社.2011（3）
[3]李如姣.“节约里程法”在某物流公司配送中心的实际运用[J].科技资讯.2008（11）
[4]戴群艳.对我国国内旅游需求的计量经济学分析[J].中国商界.2010（7）.第202期
[5]于航.基于节约里程法的鲜活农产品物流配送车辆路线的最优设计[J].安徽农业科学.2011（4）
[6]王珊.我国鲜活农产品物流存在的突出问题及解决对策研究[J].现代经济信息.2011（9）
[7]童光荣.《计量经济学实验教程》[D].武汉大学出版社.2008（6）
