计量经济学实践报告：影响电信业务量的主要因素分析内容摘要：本文主要研究对我国电信业的发展产生重要影响的几个因素。按照 影响电信业务量的重要程度，选择了人均 GDP，人均消费额，固定电话用户数， 移动电话用户数来作为解释变量。本文所用的相关资料是来自统计年鉴的从 1990-2005 年的资料。建立模型后，利用 EVIEWS 软件对模型进行了参数估计， 运用多种方法对模型进行检验，如 ARCH 检验，相关系数矩阵表，D-W 自相关 检验等。对最后的结果做了经济意义分析，并相应提出了一些相关的意见。 关键词：电信业业务总量；人均 GDP；人均消费额一 问题的提出：从“周幽王烽火戏诸候”到“竹信” ，从“漂流瓶”到人类历史上第一份 电报“上帝创造了何等的奇迹！” 。而之后的百年间，通信技术又借助现代科 技在全世界取得了飞速发展。1949 年以前，中国电信系统发展缓慢，到 1949 年，中国电话的普及率仅为 0.05%，电话用户只有 26 万；到 1978 年，全国电 话容量 359 万门，用户 214 万，普及率 0.43%；自上世纪 80 年代中期以来，中 国政府加快了基础电信设施的建设，到 2004 年 9 月，固定电话用户数达 30692.3 万户，移 动电话用户 32007.1 万户；另一方面，根据中国统计年鉴 上的资料，我在发现在第三产业增加值指数中，通信业的增加值指数是最大的。 在 1995 年是 112.1；在 1996 年是 111.4；在 1997 年是 110.8；在 1998 年是 110.6；在 1999 年是 111.3；在 2000 年是 111.5(上年等于 100)。显然，电信业 对第三产业的发展影响是最显著的。而我也知道第三产业在 GDP 中所占的比例 是我们衡量一国综合实力的重要指标，从而对电信收入的研究显得尤为重要。 为了研究我国电信业的发展情况，真正了解我国电信业的发展前景，我选 择了电信收入作为被解释变量，选取人均 GDP，人均消费额，固定电话用户数、 移动电话用户数作为模型的解释变量。 二 资料收集 电信业务 量(亿)Y人均 GDP（元/ 人）-X1人均消费水 平(绝对数) X2住宅电话用户 （万）-X3移动电话 用户（万） -X4 199045.951644.47 833685.03031.83 199152.751892.76 932845.0634.75 199264.362311.09 11161146.911217.69 199380.262998.36 13931733.157363.93 199495.894044.00 18332729.525156.78 1995113.345045.73 23554070.5656362.94 1996133.295845.89 27895494.7372685.28 1997144.346420.18 30027031.03681323.2921998166.286796.03 31598742.09372386.29 1999198.447158.50 334610871.64329.6 2000232.87857.68 363214482.98453.3 2001457.428621.71 386918036.814522.2 2002494.699398.05 410621422.220600.5 2003541.0410541.97 441126274.726995.3 2004564.312335.58 492531175.633482.4 2005625.5214040.00 543935044.539340.6 资料来源：2006 统计年鉴中国统计出版社 三 模型建立用散点图和折线图把以上数据描述出，如下： 略 可以看出电信业务总量 Y 与各个解释变量间存在较强的线形关系，因此我 用多元线性模型去拟合数据，设定的多元线性模型为：= + t=1990、2005tY01t 1X2t2X3t3X4t4Xt（其中，U 为随机误差项，且服从正态分布）其中： 代表电信业务总量 （亿元）tY代表人均 GDP （元）t 1X代表人均年消费额 （元）t2X代表固定电话用户数 （万户）t3X代表移动电话数 （万户）t4X四 参数的估计1.利用 EVIEWS 软件对,四个变量组成的式子进行拟t 1Xt2Xt3Xt4X合，得到如下结果： Y 跟全部变量的回归 Dependent Variable: YT Method: Least Squares Date: 12/17/07 Time: 18:40 Sample: 1990 2005 Included observations: 16VariableCoefficie ntStd. Errort-StatisticProb. C- 35.8998643.40342 -0.8271210.4257X1T- 0.051995 -4.0334900.002030.209722 X2T0.5520160.1437353.8405090.0027 X3T- 0.0251800.016261 -1.5484240.1498X4T0.0377930.0114113.3118780.0069R-squared0.984730 Mean dependent var250.666 9 Adjusted R- squared0.979178 S.D. dependent var207.907 9 S.E. of regression 30.00080 Akaike info criterion9.89063 2 Sum squared resid9900.529 Schwarz criterion 10.1320 7 Log likelihood- 74.12505F-statistic177.347 4 Durbin-Watson stat2.483615 Prob(F-statistic)0.00000 0 根据上述结果，其拟合方程为：=-35.89986-0.209722+0.552016-0.025180+0.037793iY1X2X3X4Xt= （-0.827） （-4.03350） （3.8405） （-1.5484） （3.31188） =0.984730 =0.979178 F=177.34742R2R 残差图如下： 略 统计检验： 从回归的结果可以看出，拟合优度和F检验的效果都比较理想，但是解释变量的t检验不显著，而且解释变量和的符号与预期相反，有可能存在严3X1X3X重的多重共线性。 2.多重共线性的检验 检验:由F=177.3474F0.05(4,16)=3.04（查表可得，显著性水平=0.05） 表明模型从整体上看电信业务总量与解释变量间线形关系显著。 用简单相关系数矩阵对其进行检验: 变数间的相关系数表： X1TX2TX3TX4T X1T10.6515658452 50.97121995731 80.91377859311 3 X2T0.651565845 2510.94316930862 90.86297253861 7 X3T0.971219957 3180.9431693086 2910.97952624005 1 X4T0.913778593 1130.8629725386 170.97952624005 11由上图看出在我选定的4个解释变量间存在很严重的共线性，其中X3和X44相关系数达到0.979526240051, x1和x3间的相关系数也达到了 0.971219957318，有必要对模型进行修正。从实际经济意义上说，这两者之间 存在着相互替代性，说明模型的设定具有多重共线性，需要对模型进行修订。 经过对各个解释变量的分析，我发现固定电话用户数、移动电话用户数、 这两个解释变量相关性很大，且都属于通信装置，相互间有较大的替代性。于 是决定尝试将这 2 个解释变变量相加成为新的解释变量记为 X5。这样将原来的 模型调整为：Yi=0+1+2+3+ (其中为随机误差项，服从正态分布)，1X2X5Xii再次拟合：把和加总然后得出的回归结果：3X4XDependent Variable: YT Method: Least Squares Date: 12/18/07 Time: 15:30 Sample: 1990 2005 Included observations: 16VariableCoefficie ntStd. Errort-StatisticProb. C44.7400329.576731.5126770.1562 X1T0.1249850.0425472.9376110.0124 X2T0.2669680.0838523.1838110.0079 X5T0.0119040.0018866.3127220.0000R-squared0.977439 Mean dependent var250.666 9 Adjusted R- squared0.971799 S.D. dependent var207.907 9 S.E. of regression 34.91451 Akaike info criterion10.1560 0 Sum squared resid14628.28 Schwarz criterion 10.3491 5 Log likelihood- 77.24800F-statistic173.296 5 Durbin-Watson stat1.899505 Prob(F-statistic)0.00000 0 拟合方程为： =44.74003+0.124985+0.266968+0.011904iY1X2X5Xt= （1.5127） （2.9376） （3.1838） （6.3127） =0.977439 =0.971799 F=173.29652R2R 统计检验： 从模型修正后的回归结果可以看出，拟合优度和F检验的效果都很理想，各个解释变量的t检验也显著，而且解释变量和的符号与预期相符。1X3X53.异方差检验： 考虑到获取的数据样本不大，采用的是时间序列数据,所以决定用 ARCH 检验法检验模型是否存在异方差。 结果如下:（P=1）ARCH Test:F-statistic4.209949 Probability0.06089 7 Obs*R-squared3.669345 Probability0.05542 2Test Equation: Dependent Variable: RESID2 Method: Least Squares Date: 12/18/07 Time: 18:48 Sample(adjusted): 1991 2005 Included observations: 15 after adjusting endpointsVariableCoefficie ntStd. Errort-StatisticProb. C450.6817463.47550.9723960.3486 RESID2(-1)0.4992230.2433082.0518160.0609R-squared0.244623 Mean dependent var937.404 4 Adjusted R- squared0.186517 S.D. dependent var1709.77 3 S.E. of regression 1542.101 Akaike info cr