《影响城镇居民消费水平的主要因素分析(共9页).doc》由会员分享，可在线阅读，更多相关《影响城镇居民消费水平的主要因素分析(共9页).doc（9页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上对外经济贸易大学University of International Business and Economics计量经济学期中作业影响城镇居民消费水平的多因素分析姓名 班级 课序号 小组成员 影响城镇居民消费水平的多因素分析摘要城镇居民消费水平是以货币计量表现的城镇居民生活富足程度的一个重要标志，也是城镇居民某个时期的生活消费需要获得满足的程度。本文通过对城镇居民消费水平的变动进行多因素分析，建立以城镇居民消费水平为因变量，以其他可量化影响因素为自变量的多元线性回归模型，从而确定其主要影响因素，并提出提高我国城镇居民消费水平的几点建议。关键词城镇居民消费水平 城镇
2、居民家庭人均可支配收入 人口自然增长率 城镇居民储蓄存款年末余额 居民消费价格指数一、 问题来源2008年以来，美国次贷危机席卷全球，我国出口贸易也因此受挫，出口总额从2008年的.9亿元下跌到2009年的82029.7亿元，跌幅达18.29%。同年11月，政府启动4万亿投资拉动内需。如何刺激国内消费以拉动经济一时间成为全国热点话题，这引起我们对影响城镇居民消费水平因素的思考。二、 理论来源根据传统凯恩斯消费理论，消费需求是个人可支配收入的函数，收入水平的高低直接影响居民的消费水平。所以我们选择了城镇居民家庭人均可支配收入作为解释变量X1。 根据凯恩斯模型的乘数理论，投资的增加会引起实际GDP
3、的增加。实际GDP的增加使得可支配收入增加，可支配收入的增加导致的消费支出增加。投资的增长拉动消费增长，又收到消费制约，消费增长促进了投资，投资与消费相互促进，共同拉动经济增长，因而我们选择社会固定资产投资作为解释变量X2。一国的进出口总额反映了本国与外国的贸易活跃程度。近年进口商品关税不断下调，对我国的居民消费产生了相当影响。考虑到同时引入出口和进口两个又显著关系的变量将导致模型的多重共线性。因此，我们选择进出口总额作为解释变量X3。居民消费价格指数反映城镇居民购买并用于消费的消费品价格水平的变动情况，以反映通货膨胀程度。也是影响居民消费的重要因素，因而我们选择居民消费价格指数作为解释变量X
4、4。随着我国住房制度、教育制度和医疗保健制度改革的不断完善，居民所面临的系统风险与个体风险提高，造成居民未来收入与支出的不确定性大大增加，居民预防性储蓄动机增加。由于居民可支配收入的用途一是消费，一是储蓄，所以居民的储蓄增加将直接影响消费支出。因此，我们选择了年底存款余额作为解释变量X5。三、 模型建立模型设定为Y=0+1X1+2X2+3X3+uiY城镇居民家庭消费支出总计（元）X1城镇居民家庭人均可支配收入（元）X2全社会固定资产投资（亿元）X3进出口贸易总和（亿元）X4城镇居民消费价格指数（1978=100）X5城乡居民储蓄存款年末余额（亿元）四、 相关数据年份城镇居民家庭消费支出总计（元
5、）城镇居民家庭人均可支配收入（元）全社会固定资产投资（亿元）进出口贸易总和（亿元）城镇居民消费价格指数（78=100）城乡居民储蓄存款年末余额（亿元）19921671.73 2026.60 8080.10 9119.60 253.40 11759.40 19932110.81 2577.40 13072.30 11271.00 294.20 15203.50 19942851.34 3496.20 17042.10 20381.90 367.80 21518.80 19953537.57 4282.95 20019.30 23499.90 429.60 29662.30 19963919.47
6、 4838.90 22913.50 24133.80 467.40 38520.80 19974185.64 5160.30 24941.10 26967.20 481.90 46280.00 19984331.60 5425.10 28406.20 26849.70 479.00 53407.50 19994615.90 5854.00 29854.70 29896.20 472.80 59621.80 20004998.00 6279.98 32917.70 39273.20 476.60 64332.40 20015309.00 6859.60 37213.50 42183.60 479
7、.90 73762.40 20026029.88 7702.80 43499.90 51378.20 475.10 86910.60 20036510.94 8472.20 55566.60 70483.50 479.40 .70 20047182.10 9421.60 70477.40 95539.10 495.20 .40 20057942.88 10493.00 88773.60 .80 503.10 .00 20068696.55 11759.50 .20 .45 510.60 .30 20079997.47 13785.81 .90 .19 533.60 .20 200811242.
8、85 15780.76 .40 .47 563.50 .40 数据来源：中国统计年鉴2010五、 模型的参数估计，建言和修正1. 对被解释变量城镇居民消费支出与个解释变量的总体回归得Dependent Variable: YMethod: Least SquaresDate: 06/06/11 Time: 23:33Sample: 1992 2008Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C-48.6154577.86274-0.0.5451X10.0.16.131320.0000X2-0.0.
9、-7.0.0000X30.0.3.0.0065X41.0.3.0.0063X50.0.1.0.2574R-squared0.Mean dependent var5596.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression38.04330Akaike info criterion10.38589Sum squared resid15920.22Schwarz criterion10.67997Log likelihood-82.28008F-statistic16171.18Durbin-Watson stat2
10、.Prob(F-statistic)0.有回归函数Y=-48.61545+0.* X1-0.* X2+0.*X3+1.*X4+0.*X5T=(-6.24374) (16.1312) (-7.) (3.) （3.） （1.）R2=0. Adjusted R2=0. F=16171.18 由表可见，该模型R2=0. 拟合优度很高，F检验值为16171.18，明显显著，但是X5的T检验值不显著，结合经济现实分析可能存在多重共线性。计算各解释变量的相关系数：X1X2X3X4X5X110.0.0.0.X20.10.0.682090.X30.0.10.0.X40.0.682090.10.X50.0.0.0
11、.1由相关系数矩阵可以看出，各解释变量相互之间的相关系数高，确实存在严重多重共线性。下面，我们采用对各个变量逐个回归、剔除的方法来解决问题：1. 分别对Y做X1、X2、X3、X4、X5的一元回归，结果如下表所示：变量X1X2X3X4X5参数估计值0.0.0.27.579740.T检验量79.6060514.2043415.488785.32.1085R-squared0.0. 0.0.0.Adjusted R-squared0.0.0.0.0.由表可以看出，X1的拟合优度最高，而且T检验也很显著，所以以X1为基础，顺次加入其它变量逐步回归：加入X2：Dependent Variable: YM
12、ethod: Least SquaresDate: 06/07/11 Time: 00:07Sample: 1992 2008Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C122.473650.966652.0.0307X10.0.53.529180.0000X2-0.0.-9.0.0000R-squared0.Mean dependent var5596.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression53.03
13、560Akaike info criterion10.93859Sum squared resid39378.85Schwarz criterion11.08563Log likelihood-89.97801F-statistic20797.74Durbin-Watson stat1.Prob(F-statistic)0.加入X3：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 00:08Sample: 1992 2008Included observations: 17VariableCoefficientStd
14、. Errort-StatisticProb.C254.1681111.93792.0.0395X10.0.22.842630.0000X3-0.0.-2.0.0160R-squared0.Mean dependent var5596.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression113.3774Akaike info criterion12.45811Sum squared resid.2Schwarz criterion12.60514Log likelihood-102.8939F-statistic
15、4545.437Durbin-Watson stat0.Prob(F-statistic)0.加入X4：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 00:10Sample: 1992 2008Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C-185.9735163.6462-1.0.2749X10.0.68.469600.0000X42.0.4.0.0005R-squared0.Mean dependent var559
16、6.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression90.23904Akaike info criterion12.00159Sum squared resid.2Schwarz criterion12.14862Log likelihood-99.01349F-statistic7179.347Durbin-Watson stat0.Prob(F-statistic)0.加入X5：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 0
17、0:10Sample: 1992 2008Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C355.6569187.24951.0.0783X10.0.8.0.0000X5-0.0.-0.0.3779R-squared0.Mean dependent var5596.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression136.5184Akaike info criterion12.82958Sum squared resi
18、d.7Schwarz criterion12.97662Log likelihood-106.0514F-statistic3132.895Durbin-Watson stat0.Prob(F-statistic)0.加入X2、X3、X4、X5后R2都增大，但加入X5后T值不显著，故将X5剔除。加入X2后，R2显著增大，而且各参数T检验显著，所以选择保留X2，再加入X3、X4进行回归：加入X3：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 12:46Sample: 1992 2008Included observa
19、tions: 17VariableCoefficientStd. Errort-StatisticProb.C151.439051.184912.0.0111X10.0.51.644530.0000X2-0.0.-7.0.0000X30.0.1.0.1226R-squared0.Mean dependent var5596.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression50.03824Akaike info criterion10.86578Sum squared resid32549.73Schwarz
20、criterion11.06183Log likelihood-88.35910F-statistic15576.90Durbin-Watson stat1.Prob(F-statistic)0.加入X4：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 12:48Sample: 1992 2008Included observations: 17VariableCoefficientStd. Errort-StatisticProb.C14.62025101.63280.0.8878X10.0.29.122510.0
21、000X2-0.0.-5.0.0001X40.0.1.0.2442R-squared0.Mean dependent var5596.102Adjusted R-squared0.S.D. dependent var2704.603S.E. of regression52.13531Akaike info criterion10.94789Sum squared resid35335.18Schwarz criterion11.14394Log likelihood-89.05703F-statistic14348.64Durbin-Watson stat1.Prob(F-statistic)
22、0.（一）经济检验准则=10.27792 ，=5.，=0.，符合经济的一般规律，表明城镇居民消费价格指数每提高一个单位会使得城镇居民的消费水平提高10.27792个单位，城镇居民家庭人均可支配收入提高一个单位使得城镇居民的消费水平上升5.个单位，GDP每提高一个单位会使使得城镇居民的消费水平上升0.个单位。（二）统计意义检验准则（1）参数显著性检验通过Eviews软件的计算，模型中，的t统计量分别为T1=18.02124 T2=4. T3=7.，其绝对值均大于2，可见货币供应量的增长率（DM2）、固定资产投资的增长率(DI)和在岗职工平均工资指数(S)对我国的通货膨胀率有显著的影响。（2）拟合
23、优度检验 拟合优度R2=0.，表明样本回归方程的解释能力为99%，即说我国通货膨胀率变动的65%可由样本回归方程做出解释，模型拟合优度比较高。（3）异方差检验如图9所示，对模型进行White检验（不含交叉项）的结果是Obs*R-squared=14.38030，对于0.05的显著性水平12.59应该否定原假设，随机项中存在异方差。为修正异方差正，根据White检验的结果（图10）可以写出异方差结构的函数形式：应用加权最小二乘法，定义权数 =1/()=1/(147.7314+DM223.30916-DI4.-S7.-DM2DM20.+DIDI0.+SS0.)Eviews软件计算结果如图11所以，看到在对异方差进行修正以后模型的t统计量值和F统计值明显提高，R2明显增大，模型的精确度有所提高，但是同时也发现DM2的系数是负的，即货币供应量增长率的提高将导致物价水平的下降，与经济原理不符。这一点可能与异方差结构的构造的主观性有关，本文不再具体探究。（5）自相关检验样本容量n=18，k=3，显著性水平取0.05，dL=1.05,，du=1.54由于D-W=1.，介于这两者之间，该方法无法判断随机项是否具有一阶自相关。如图所示的偏相关系数检验法数表明随机项之间不存在自相关性。专心-专注-专业