jl2.docx

jl2.docx

《jl2.docx》由会员分享，可在线阅读，更多相关《jl2.docx（17页珍藏版）》请在冰豆网上搜索。

jl2

《计量经济学》课程论文

影响我国保险公司经营状况的实证分析

在此，我们将“资产总额”设为被解释变量，“原保险保费收入”，“原保险赔付支出”，“业务及管理费”，“银行存款”，及“投资”设为解释变量，设定了以下经济学模型：

Y=资产总额（万元）

=原保险保费收入（万元）

=原保险赔付支出（万元）

=业务及管理费（万元）

=银行存款（万元）

数据如下：

年月

资产总额（万元）

原保险保费收入（万元）

原保险赔付支出（万元）

业务及管理费（万元）

银行存款（万元）

2010年1月

404986057.80

16429787.44

2452905.63

951063.33

106580237.20

2010年2月

414066774.50

29880585.28

4595704.81

1996319.15

108526335.50

2010年3月

429294284.00

45413623.81

7321569.54

3195118.84

115947445.70

2010年4月

431640808.90

56551566.72

9739108.42

4338244.05

114602633.50

2010年5月

439544475.10

67370612.03

12093297.18

5445173.11

114643818.40

2010年6月

452349109.50

79985540.56

14730346.92

6762778.22

127003266.10

2010年7月

456568496.90

90391052.21

17176688.82

7920189.10

123380990.90

2010年8月

475314804.80

100991326.58

19763023.28

9073591.54

128434415.00

2010年9月

479953830.70

113242969.04

22621271.76

10452495.87

130702848.60

2010年10月

489402302.40

123830835.04

24915850.78

11759906.12

130610201.00

2010年11月

489616630.10

134403530.06

28126103.01

13166419.44

128540388.40

2010年12月

504816086.50

145279714.55

32004291.64

15383514.70

139099714.30

资料来源：

中国统计年鉴

二参数估计

模型为

Y=资产总额（万元）

=原保险保费收入（万元）

=原保险赔付支出（万元）

=业务及管理费（万元）

=银行存款（万元）

用Eviews估计结果为：

DependentVariable:

Y

Method:

LeastSquares

Date:

02/03/08Time:

08:

26

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.15E+08

35794093

8.797866

0.0000

X1

0.336681

0.471902

0.713454

0.4987

X2

3.825685

8.426269

0.454019

0.6636

X3

-5.527619

14.09803

-0.392084

0.7067

X4

0.751007

0.345367

2.174521

0.0662

R-squared

0.993330

Meandependentvar

4.56E+08

AdjustedR-squared

0.989518

S.D.dependentvar

32369770

S.E.ofregression

3314004.

Akaikeinfocriterion

33.15955

Sumsquaredresid

7.69E+13

Schwarzcriterion

33.36159

Loglikelihood

-193.9573

F-statistic

260.6150

Durbin-Watsonstat

2.192568

Prob（F-statistic）

0.000000

Y=3.15E+08+0.336681X1+3.825685X2-5.527619X3+0.751007X4

T:

（8.797866）（0.713454）（0.454019）（-0.392084）（2.174521）

R2=0.993330调整后的R2=0.989518F=260.6150

三检验及修正

1．经济意义检验

从上表中可以看出，X1,X4符号为正，但由经验得知，“原保险保费收入”与“资产总额”关系紧密，故不应剔除．“银行存款”与资产总额呈正相关，X2,X3是资产总额的减数，符合经济需要，应保留，其意义将在第四部分加以阐述。

此所有因素均不与经济原理相悖，说明具有经济意义。

2．统计推断检验

从回归结果可以看出，模型的拟和优度非常好（R2=0.993330）,F统计量的值在给定显著性水平α=0.05的情况下也较显著，说明各解释变量对

的联合线性作用显著，但是

的

值不显著（X1X2X3的t统计量的值的绝对值均小于2），说明X1X2X3这三个变量对Y的影响不显著，或者变量之间存在多重共线的影响使其t值不显著。

3．计量经济学意义检验

（１）多重共线性检验

检验：

F=260.6150>F0.05（4,7）=4.12（显著水平为

），表明农村居民的消费水平与解释变量间线性关系显著。

这里采用简单相关系数矩阵法对其进行检验：

X1

X2

X3

X4

X1

1

0.996242553678

0.99425903556

0.953786269331

X2

0.996242553678

1

0.999683354783

0.948952635284

X3

0.99425903556

0.999683354783

1

0.948199413829

X4

0.953786269331

0.948952635284

0.948199413829

1

从以上结果可以看出，

之间存在高度线性相关。

修正：

采用逐步回归法对其进行补救。

根据以上分析，由于X1前的符号为正，但由经验得知，“原保险保费收入”与“资产总额”关系紧密，故不应剔除。

分别作Y与

之间的回归：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

31

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.91E+08

2426182.

161.1636

0.0000

X1

0.772495

0.026180

29.50684

0.0000

R-squared

0.988645

Meandependentvar

4.56E+08

AdjustedR-squared

0.987509

S.D.dependentvar

32369770

S.E.ofregression

3617707.

Akaikeinfocriterion

33.19159

Sumsquaredresid

1.31E+14

Schwarzcriterion

33.27241

Loglikelihood

-197.1495

F-statistic

870.6538

Durbin-Watsonstat

2.454674

Prob（F-statistic）

0.000000

Y=3.91E+08+0.772495

（161.16355348）（29.506843453）

=0.98864480017F=870.653810561D.W.=2.454674

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

28

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

4.00E+08

2620759.

152.7761

0.0000

X2

3.390004

0.140549

24.11964

0.0000

R-squared

0.983101

Meandependentvar

4.56E+08

AdjustedR-squared

0.981411

S.D.dependentvar

32369770

S.E.ofregression

4413308.

Akaikeinfocriterion

33.58916

Sumsquaredresid

1.95E+14

Schwarzcriterion

33.66998

Loglikelihood

-199.5350

F-statistic

581.7572

Durbin-Watsonstat

1.801011

Prob（F-statistic）

0.000000

Y=4.00E+08+3.390004

（152.7761）（24.11964）

=0.983101F=581.7572D.W.=1.801011

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

32

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

4.03E+08

2768237.

145.5227

0.0000

X3

7.003812

0.317552

22.05561

0.0000

R-squared

0.979857

Meandependentvar

4.56E+08

AdjustedR-squared

0.977843

S.D.dependentvar

32369770

S.E.ofregression

4818349.

Akaikeinfocriterion

33.76477

Sumsquaredresid

2.32E+14

Schwarzcriterion

33.84559

Loglikelihood

-200.5886

F-statistic

486.4499

Durbin-Watsonstat

1.472101

Prob（F-statistic）

0.000000

Y=4.03E+08+7.003812

（145.5227）（22.05561）

=0.979857F=486.4499D.W.=1.472101

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

32

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

75124649

31212973

2.406841

0.0369

X4

3.110240

0.254345

12.22844

0.0000

R-squared

0.937318

Meandependentvar

4.56E+08

AdjustedR-squared

0.931050

S.D.dependentvar

32369770

S.E.ofregression

8499792.

Akaikeinfocriterion

34.89999

Sumsquaredresid

7.22E+14

Schwarzcriterion

34.98081

Loglikelihood

-207.4000

F-statistic

149.5348

Durbin-Watsonstat

2.126449

Prob（F-statistic）

0.000000

Y=75124649+3.110240

（2.406841）（12.22844）

=0.937318F=149.5348D.W.=2.126449

由于

的t值最大，线性关系强，拟合程度最好，因此把

作为基本变量，将剩下的三个因素进行逐步回归。

逐步回归分析：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

31

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.91E+08

2426182.

161.1636

0.0000

X1

0.772495

0.026180

29.50684

0.0000

R-squared

0.988645

Meandependentvar

4.56E+08

AdjustedR-squared

0.987509

S.D.dependentvar

32369770

S.E.ofregression

3617707.

Akaikeinfocriterion

33.19159

Sumsquaredresid

1.31E+14

Schwarzcriterion

33.27241

Loglikelihood

-197.1495

F-statistic

870.6538

Durbin-Watsonstat

2.454674

Prob（F-statistic）

0.000000

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

54

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.92E+08

4477160.

87.58882

0.0000

X1

0.675038

0.316966

2.129687

0.0621

X2

0.430500

1.394884

0.308628

0.7646

R-squared

0.988764

Meandependentvar

4.56E+08

AdjustedR-squared

0.986267

S.D.dependentvar

32369770

S.E.ofregression

3793377.

Akaikeinfocriterion

33.34773

Sumsquaredresid

1.30E+14

Schwarzcriterion

33.46896

Loglikelihood

-197.0864

F-statistic

395.9884

Durbin-Watsonstat

2.467648

Prob（F-statistic）

0.000000

剔除x2

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

55

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.92E+08

4507628.

87.02432

0.0000

X1

0.686178

0.256282

2.677439

0.0253

X3

0.790630

2.333968

0.338749

0.7426

R-squared

0.988788

Meandependentvar

4.56E+08

AdjustedR-squared

0.986296

S.D.dependentvar

32369770

S.E.ofregression

3789317.

Akaikeinfocriterion

33.34559

Sumsquaredresid

1.29E+14

Schwarzcriterion

33.46681

Loglikelihood

-197.0735

F-statistic

396.8470

Durbin-Watsonstat

2.443240

Prob（F-statistic）

0.000000

剔除x3

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

15:

55

Sample:

2010:

012010:

12

Includedobservations:

12

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.18E+08

30822716

10.33113

0.0000

X1

0.610030

0.072184

8.451002

0.0000

X4

0.704340

0.298482

2.359740

0.0426

R-squared

0.992985

Meandependentvar

4.56E+08

AdjustedR-squared

0.991426

S.D.dependentvar

32369770

S.E.ofregression

2997283.

Akaikeinfocriterion

32.87663

Sumsquaredresid

8.09E+13

Schwarzcriterion

32.99786

Loglikelihood

-194.2598

F-statistic

636.9847

Durbin-Watsonstat

1.937259

Prob（F-statistic）

0.000000

剔除x4

X1

X2

X3

X4

Y=f（x1）

0.772495

（29.50684）

0.987509

Y=f（x1,x2）

0.675038

（2.129687）

0.430500

（0.308628）

0.986267

Y=f（x1,x3）

0.686178

（2.677439）

0.790630

（0.338749）

0.986296

Y=f（x1,x4）

0.610030

（8.451002）

0.704340

（2.359740）

0.991426

从表中我们可以看出相邻两个

之间的变化不明显，选择剔除，因此最后应保留X1。

最后结果为：

Y=3.91E+08+0.772495

（161.16355348）（29.506843453）

=0.98864480017F=870.653810561D.W.=2.454674

（2）异方差检验

检验：

利用Goid_Quandt检验法检验模型是否存在异方差。

由于“原保险保费收入”最有可能引起异方差性，故将12组样本观测值按从小到大的顺序排列，将序列中的m=2除去，并将剩下的观测值划分为较小与较大的容量相同的两个子样本，每个子样本的容量均为5。

将时间定义在2010年01月――2010年5月，然后对YC

进行普通最小二乘法估计，所得结果如下：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/16/11Time:

16:

24

Sample:

2010:

012010:

05

Includedobservations:

5

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3.95E+08

2862888.

137.8165

0.0000

X1

0.680588

0.061142

11.13118

0.0016

R-squared

0.976360

Meandependentvar

4.24E+08

AdjustedR-squared

0.968480

S.D.dependentvar

14037426

S.E.ofregression

2492192.

Akaikeinfocriterion

32.58440

Sumsquaredresid

1.86E+13

Schwarzcriterion

32.42817

Loglikelihood

-79.46099

F-statistic

123.9031

Durbin-Watsonstat

2.649477

Prob（F-statistic）

0.001554

　Y=3.95E+08+0.680588

（137.8165）（0.0016）

=0.976360

=1.86E+13

将时间定义在2010年08月――2010年12月,然后对Y，C，

进行普通最小二乘法估计