计量论文我国居民消费水平影响因素分析

1我国居民消费水平影响因素分析问题的提出分配和消费一直都是影响经济发展的两个重要因素，同时分配和消费又相互影响着对方。尤其在现在爆发全球性金融危机的情况下，我国的经济发展面临着国外需求萎缩，国内需求有限的艰难局面。因此如何扩大消费，促进经济又好又快发展成为当前经济工作的重点。本文主要通过分配和消费两者关系的论述来分析通过分配扩大消费促进经济的理论依据。模型的设定将“居民消费水平”设为因变量， “国内生产总值”“ 城镇居民人均收入”“ 农村居民人均收入”“ 人口自然增长率”和 “居民消费价格指数”设为自变量，设定了以下计量经济学模型： XXCY 54321其中 Y=居民消费水平 (元)X1国内生产总值（亿元）X2城镇居民人均收入（元）X3农村居民人均收入（元）X4人口自然增长率（）X5=居民消费价格指数参数估计居民消费水平 y国内生产总值 x1城镇居民人均收入x2农村居民人均收入x3人口自然增长率x4居民消费价格指数 x51990 833 18667.8 1510.2 686.3 14.39 103.11991 932 21781.5 1700.6 708.6 12.98 103.41992 1116 26923.5 2026.6 784.0 11.60 106.41993 1393 35333.9 2577.4 921.6 11.45 114.71994 1833 48197.9 3496.2 1221.0 11.21 124.11995 2355 60793.7 4283.0 1577.7 10.55 117.11996 2789 71176.6 4838.9 1926.1 10.42 108.31997 3002 78973.0 5160.3 2090.1 10.06 102.81998 3159 84402.3 5425.1 2162.0 9.14 99.21999 3346 89677.1 5854.0 2210.3 8.18 98.62000 3632 99214.6 6280.0 2253.4 7.58 100.42001 3887 109655.2 6859.6 2366.4 6.95 100.722002 4144 120332.7 7702.8 2475.6 6.45 99.22003 4475 135822.8 8472.2 2622.2 6.01 101.22004 5032 159878.3 9421.6 2936.4 5.87 103.92005 5573 184937.4 10493.0 3254.9 5.89 101.82006 6263 216314.4 11759.5 3587.0 5.28 101.52007 7255 265810.3 13785.8 4140.4 5.17 104.82008 8349 314045.4 15780.8 4760.6 5.08 105.92009 9098 340902.8 17174.7 5153.2 4.87 99.32010 9968 401202.0 19109.4 5919.0 4.79 103.3注：以上数据来源于 2011 年中国统计年鉴根据1990年到2010年数据进行OLS回归估计，结果如下：表 OLS回归估计结果Dependent Variable: YMethod: Least SquaresDate: 11/13/11 Time: 17:24Sample: 1990 2009Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C 693.1127 222.1253 3.120368 0.0075X1 0.004859 0.002004 2.424623 0.0294X2 0.191790 0.057469 3.337261 0.0049X3 0.732821 0.063624 11.51802 0.0000X4 -42.61269 13.13034 -3.245361 0.0059X5 -1.446615 1.401104 -1.032482 0.3194R-squared 0.999857 Mean dependent var 3923.300Adjusted R-squared 0.999806 S.D. dependent var 2406.042S.E. of regression 33.53005 Akaike info criterion 10.10609Sum squared resid 15739.70 Schwarz criterion 10.40481Log likelihood -95.06086 Hannan-Quinn criter. 10.16440F-statistic 19564.08 Durbin-Watson stat 1.621672Prob(F-statistic) 0.000000Y =693.1127+0.004859X1+ 0.19179X2+0.732821X3 -42.61269X4 -1.446615X5se (222.1253) (0.002004) (0.057469) (0.063624) (13.13034) (1.401104)t (3.120368) (2.424623) (3.337261) (11.51802) (-3.245361) (-1.032482)2R=0.999857 F = 19564.083 模型的检验及修正1 拟合优度：由表 1 中数据可以得到： =0.999857， =0.999806 说明模型2R2R对样本的拟合很好2 F 检验：给定显著性水平 =0.05，在 F 分布表中查得自由度为 k-1=5 和 n-k=14 的临界值为 2.96，由上表中得到 F=19564.08，这说明回归方程显著，即“国内生产总值”“ 城镇居民人均收入”“ 农村居民人均收入”“ 人口自然增长率”和“居民消费价格指数”对“居民消费水平”整体影响显著。3 多重共线性由 OLS 回归结果（表一）可看见，该模型 =0.999857， =0.999806 可决系2R2R数高但是当= 0.05 时， ，不145.)()60()( 05.5.2 ttknt仅 X5、X6 系数的符号与预期的相反，这表明很可能存在严重的多重共线性计算各解释变量的相关系数，如下：表 2 相关系数矩阵X1 X2 X3 X4 X5X1 1.000000 0.995805 0.986195 -0.854866 -0.326879X2 0.995805 1.000000 0.993822 -0.894457 -0.349160X3 0.986195 0.993822 1.000000 -0.898319 -0.385662X4 -0.854866 -0.894457 -0.898319 1.000000 0.441036X5 -0.326879 -0.349160 -0.385662 0.441036 1.000000由相关系数矩阵可以看出，各解释变量之间的相关系数较高，证实确实存在严重多重共线性利用逐步回归修正的方法解决多重共线性问题分别做对 X1、X2、X3、X4 的一元回归，结果如下：表 3 一元回归结果变量 X1 X2 X3 X4 X5参数估计值 0.024986 0.521494 1.0856427 -738.7562 -133.3346t 统计值 35.71024 90.29846 60.53392 -8.819787 -1.6907352R0.986081 0.997797 0.995112 0.812086 0.1370460.985308 0.997675 0.99484 0.801647 0.089104其中加入 X2 的方程 最大，以 X2 为基础，顺次加入其他变量逐步回归，结果2如表所示：表 加入新变量的回归结果（一）变量 X1, X2 X2, X3 X2, X4 X2, X52R0.998139 0.999688 0.998093 0.9983200.997920 0.999652 0.997858 0.9981224t-1.76651610.4948115.7997810.1562540.71831-1.62291493.35379-2.299627新加入 X3 后虽然 =0.999652 略有改进，而且各参数的 t 检验显著，应选择2R保留 X3再加入其他新变量逐步回归，结果如表 5 所示表 加入新变量的回归结果（二）变量 X1, X2, X3 X2, X4, X5 X2，X3，X520.999704 0.998498 0.999740R0.999648 0.998216 0.999692t0.9709956.5704296.55626117.8138410.84669-2.41663616.431029.356161-1.790742X1,X4,X5 虽然 略有改进，但 X1 参数的 t 检验不显著，应该剔除；X2 参数的2Rt 检验不显著，应予剔除X5 情况与 X4，X1 相同，所以应予剔除最后修正多重共线性影响的回归结果为：表 修正多重共线性影响的OLS回归结果Dependent Variable: YMethod: Least SquaresDate: 11/13/11 Time: 18:47Sample: 1990 2009Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C -121.4104 33.03292 -3.675435 0.0019X2 0.318210 0.020140 15.79978 0.0000X3 0.729137 0.071792 10.15625 0.0000R-squared 0.999688 Mean dependent var 3923.300Adjusted R-squared 0.999652 S.D. dependent var 2406.042S.E. of regression 44.90517 Akaike info criterion 10.58446Sum squared resid 34280.06 Schwarz criterion 10.73382Log likelihood -102.8446 Hannan-Quinn criter. 10.61362F-statistic 27264.77 Durbin-Watson stat 1.087943Prob(F-statistic) 0.000000（33.03292) (0.020140) (0.071792) 427913.0318.04.12XY5t (-3.675435) (15.79978) (10.15625) 2R=0.999688 = 0.999652 F = 27264.772R4 异方差利用 Eviews 软件生成残差平方序列 ，绘制 对 X2 和 X3 的散点如22)(residii2下：图一图二由上图可以看出残差平方对解释变量 X2，X3 的散点图主要分步在图形中得下三6角形，大致可以看出残差平方随 X2，X3 的变动呈增大的趋势，因此模型很可能存在异方差，但是是否确实存在还应通过更进一步的检验，下面将通过 White检验法检验模型是否存在异方差利用 Eviews 软件对模型进行 White 检验，结果如下表：表 White 检验结果（一）Heteroskedasticity Test: WhiteF-statistic 2.250346 Prob. F(5,14) 0.1065Obs*R-squared 8.911651 Prob. Chi-Square(5) 0.1126Scaled explained SS 11.73746 Prob. Chi-Square(5) 0.0386Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 11/13/11 Time: 19:05Sample: 1990 2009Included observations: 20Variable Coefficient Std. Error t-Statistic Prob. C -5490.138 10870.52 -0.505048 0.6214X2 -14.88467 15.87532 -0.937598 0.3643X22 -0.010076 0.003958 -2.545623 0.0233X2*X3 0.063700 0.028292 2.251537 0.0409X3 47.86738 58.09358 0.823970 0.4238X32 -0.099826 0.052076 -1.916917 0.0759R-squared 0.445583 Mean dependent var 1714.003Adjusted R-squared 0.247576 S.D. dependent var 3357.793S.E. of regression 2912.629 Akaike info criterion 19.03482Sum squared resid 1.19E+08 Schwarz criterion 19.33354Log likelihood -184.3482 Hannan-Quinn criter. 19.09314F-statistic 2.250346 Durbin-Watson stat 2.311088Prob(F-statistic) 0.106465从表中可以看出 ，在 下查 分布表得临界值916.82nR05.2 ，所以模型不存在异方075.1)(205.7.1)(2.差5 自相关对样本量为 20，两个解释变量的模型，在显著水平下查 DW 统计表可知，7， 由表 6 知，模型中 DW 为 1.087943，而 DW，说明10.Ld537.Ud Ld存在自相关这一点也可以从残差图中看出。为解决自相关问题，采用广义差分方法。Dependent Variable: YMethod: Least SquaresDate: 11/13/11 Time: 20:56Sample (adjusted): 1991 2009Included observations: 19 after adjustmentsConvergence achieved after 25 iterationsVariable Coefficient Std. Error t-Statistic Prob. C -105.5516 57.51138 -1.835317 0.0864X2 0.319622 0.032871 9.723532 0.0000X3 0.719778 0.117467 6.127513 0.0000AR(1) 0.451706 0.251942 1.792901 0.0932R-squared 0.999734 Mean dependent var 4085.947Adjusted R-squared 0.999681 S.D. dependent var 2356.305S.E. of regression 42.06442 Akaike info criterion 10.50095Sum squared resid 26541.23 Schwarz criterion 10.69977Log likelihood -95.75898 Hannan-Quinn criter. 10.53460F-statistic 18822.15 Durbin-Watson stat 1.749506Prob(F-statistic) 0.000000Inverted AR Roots .458由图可 =0.4517，对原模型进行广义差分，在 Eviews 命令栏中输入 ls y-0.451706*y(-1) c x2-0.451706*x2(-1) x3-0.451706*x3(-1)，回车后可得方程输出结果Dependent Variable: Y-0.451706*Y(-1)Method: Least SquaresDate: 12/11/11 Time: 17:11Sample (adjusted): 1991 2009Included observations: 19 after adjustmentsVariable Coefficient Std. Error t