影响北京市居民消费的因素分析.doc

影响北京市居民消费的因素分析内容摘要：本文根据样本数据直观的确定了北京市城镇居民消费的函数模型，并从计量经济学的角度，结合消费函数的经济理论，通过对模型经济意义、统计意义、计量经济学意义上的检验，对模型反复修正与改进，最终确定影响北京市居民消费的主要因素，从一个侧面说明我国居民的消费行为。并提出我们的一些想法。关键词：国内生产总值 可支配收入 异方差性 多重共线性 自相关性一、前言：1、引言经济社会中，影响消费的因素有很多，如：收入水平、收入分配情况、家庭财产状况、商品价格水平，消费者偏好等等。在我国，居民消费是在国内生产总值经过初次分配和再分配后形成的，所以，国内生产总值是居民消费的一个影响因素。而且，居民消费支出的多少很大程度上取决于居民收入的状况，居民储蓄的增加也直接影响到消费支出。还包括许多的非收入因素，比如：计算机普及率、城市地区收入分配差异、农村地区收入分配差异、社会保障、劳动力流动水平及城市化率等等，都会对居民的消费产生一定的影响。按照经济学的一般分析，影响消费的因素主要有：第一，利息；第二，价格；第三，收入。这三种影响消费的因素在我国也都会对消费发生作用，例如，利息的降低会引发消费的增加。但是，从我国的现实状况来看，似乎价格与利息对消费的影响作用是有限的，甚至有相反的作用。例如，1998年至今的几次降息，并为完全引发消费的较大增加。又例如，我国价格已连续21个月下降，但并未引发消费的较大增加，而且大有价格越降而消费增长越慢的趋势。联想到80年代末期和90年代初期价格越涨而消费越增加的情况，似乎完全可以得出消费与价格成反向发展的结论，并不是价格降低而消费增加。因此，在启动需求中，应该看到价格与利息在我国对消费发生作用的特殊性。不能一味靠降息与降价来启动消费。使经济降息与降价使经济更“冷”，缺乏人气，会加重消费不足的压力。消费是社会再生产的重要环节，在市场经济条件下消费作为最终消费的重要组成部分之一，对生产的正常发展和国民经济快速增长具有重要的拉动作用。这种拉动作用主要表现在两个方面：其一，消费是gdp使用额的组成部分，在消费增长与经济正站之间没有中间环节，在生产能力的界限之内，消费的增长直接就是经济的增长；其二，消费拉动投资（组要是引致投资），投资又拉动经济增长。在gdp的构成中，一般来说消费率比投资率更大，进而经济增长的消费弹性比经济增长的投资弹性也要大，所以消费是经济增长的主要动力。而在总消费中，居民消费又占绝大部分。因此，研究居民的消费有很重要的意义。2、模型选择的原理消费受很多因素影响，其中最重要的是收入。因此我们结合了凯恩斯的消费函数理论和布兰查德的消费函数理论来建立北京市人们消费函数的理论模型。凯恩斯认为消费取决于当期绝对收入水平,而与利率水平关系不大，它的理论主要包括：实际消费是实际收入的稳定函数；绝对收入指现期、绝对、实际收入；并且边际消费倾向的大小介于0和1之间。用公式表示为：c=b*y，其中，称为平均消费倾向b（cy），如果分析新增加消费占新增加收入的比例，则称为边际消费倾向，即：mpc=cy，于是根据这些基本原理可看出，消费和收入关系有三种情况，如下所示：cy，apc1capc0c=y，apc=1由此可看出上述c和y变化规律，也可看出mpc是c=c0+by的斜率。再由布兰查德的消费理论，我们可以知道，gdp的增长会使人们的可支配收入增加，进一步的影响消费的增加，他的理论还阐述了这样一个原理，即消费水平和储蓄成负向的线性关系。综合上述两种理论，我们构建了北京居民消费函数的理论模型。二、建立模型我们选取居民消费y做因变量，国内生产总值p、可支配收入i、储蓄余额s做解释变量，具体数据如下： （单位：亿元）年份t居民消费y国内生产总值p可支配收入i储蓄余额s1978359.861290365.4185.801979408.661391414.95204.711980490.441582501.36255.851981511.431558514.14295.311982534.821704561.05352.761983574.061977590.47450.811984666.752308693.70563.861985923.322704907.72720.8219861067.3829551067.52895.6519871147.6033381181.871180.3519881455.5541251436.971393.0819891520.4144991787.082014.3119901646.0548811787.082793.9119911860.1757812040.433658.5719922134.6668052363.684742.9219932939.6082403296.046824.3319944134.12102654731.2410288.0019955019.76130735868.3613638.0419965729.45150446885.4818436.7919976531.81167357813.1121439.47根据以上数据，分别作y与p、i、s的散点图，如下所示：由图我们可以看出，y与3个解释变量之间基本上满足线性关系，因此我们假设消费函数的理论模型为：其中， y居民消费待定参数 i可支配收入 s储蓄 随机扰动项由下图可以看出，模型的设定总体上还不错：三、参数估计我们采用eviews软件对样本数据进行ols估计，输出结果如下：dependent variable: ymethod: least squaresdate: 12/14/03 time: 22:00sample: 1978 1997included observations: 20variablecoefficientstd. errort-statisticprob. p0.0539610.0312841.7248980.1038i0.8579750.0919149.3345370.0000s-0.0510410.015858-3.2185670.0054c-6.32750633.77950-0.1873180.8538r-squared0.999433 mean dependent var1982.795adjusted r-squared0.999327 s.d. dependent var1893.425s.e. of regression49.12267 akaike info criterion10.80337sum squared resid38608.59 schwarz criterion11.00252log likelihood-104.0337 f-statistic9404.124durbin-watson stat2.375911 prob(f-statistic)0.000000d equation.3 关系，因此我们假设他y=-6.327506+0.053961*p+0.857975*i-0.051041*s+t=(-0.187318) (1.724898) (9.334537) (-3.218567) r2=0.999433从回归结果可以看出，可决系数r-squared=0.999433，说明模型在整体上拟合得很好，下面我们对该模型进行检验。四、检验及修正1、经济意义的检验由表中的数据及符号我们可以看出，p、i的符号符合经济意义，而对于s来说，它的系数符号为负，表明居民储蓄增加，会使居民的消费下降，这与实际生活并不矛盾，故s也具有经济意义。因此我们可以确定结果没有与经济事实相违背，说明模型具有经济意义。2、统计推断检验从回归结果可以看出，模型的拟合非常好（可决系数r-squared=0.999433），f统计值在给定的显著性水平下（=0.05）也比较显著，但是s、p的t值不够显著，说明s、p对y的影响不显著，或者变量之间存在多重共线性。3、计量经济学检验由上述中体回归的结果我们可以看出，p、s的t值都不够明显，查=0.05，n=16的t分布表，可得：t0.05（16）=1.746 ，而对于p、s所对应的t值都小于临界值，因此我们认为p对模型的影响不显著，可以剔除，对于s，因其系数符号为负，可以从经济意义上进行检验，我们可以暂时保留s。新模型修正如下：用eviews软件对模型进行回归，结果如下： dependent variable: ymethod: least squaresdate: 12/18/03 time: 14:52sample: 1978 1997included observations: 20variablecoefficientstd. errort-statisticprob. i0.9998670.04332123.080610.0000s-0.0617250.015424-4.0019520.0009c21.5086031.351990.6860360.5019r-squared0.999328 mean dependent var1982.795adjusted r-squared0.999249 s.d. dependent var1893.425s.e. of regression51.89811 akaike info criterion10.87392sum squared resid45788.03 schwarz criterion11.02328log likelihood-105.7392 f-statistic12636.44durbin-watson stat2.321039 prob(f-statistic)0.000000对应的新方程为：y=21.50860+0.999867*i-0.061725*st=（0.686036） （23.08061） （-4.001952） r2=-4.001952 f=12636.44（1）异方差检验检验：采用arch检验法检验模型是否存在异方差。运用eviews软件回归结果如下： arch test:f-statistic0.149243 probability0.928328obs*r-squared0.565997 probability0.904171test equation:dependent variable: resid2method: least squaresdate: 12/18/03 time: 15:15sample(adjusted): 1981 1997included observations: 17 after adjusting endpointsvariablecoefficientstd. errort-statisticprob. c2594.9242062.3671.2582260.2304resid2(-1)0.1417000.2772480.5110940.6179resid2(-2)-0.1367330.276914-0.4937750.6297resid2(-3)0.0124190.2760580.0449870.9648r-squared0.033294 mean dependent var2649.648adjusted r-squared-0.189792 s.d. dependent var6421.097s.e. of regression7003.978 akaike info criterion20.74867sum squared resid6.38e+08 schwarz criterion20.94472log likelihood-172.3637 f-statistic0.149243durbin-watson stat2.000002 prob(f-statistic)0.928328由上面的结果可以看出，e2与其滞后3阶的3个自回归变量t值均不显著，因此我们可以认为该模型不存在异方差。（2）自相关性检验：由回归结果，可知dw=2.000002，给定的显著性水平=0.05，查durbin-watson表，n=20，k=2，得=1.100，=1.537因为=1.537dw=2.0000024-=2.4630根据判定区域，可以判定模型不存在自相关性。（3）多重共线性检验检验：采用相关系数矩阵法进行检验，结果如下：yis 1.000000 0.999347 0.989072 0.999347 1.000000 0.992746 0.989072 0.992746 1.000000由结果我们可以看出，解释变量i与s之间确实存在严重的多重共线性。修正：采用逐步回归法进行补救根据以上分析，由于i的t值最大，线性关系强，拟合程度最好，因此把i作为基本变量。然后将其余解释变量代入i的回归方程：y=128.3023+ 0.827757*it=（5.756473）（117.3454） r2= 0.998695 s.e. = 70.28700 f= 13769.95再重新进行回归。分析结果如下：加入s，得模型： y= 21.50860+ 0.999867*i-0.061725*st=（0.686036） （23.08061） （-4.001952） r2= 0.999328 f= 12636.44由结果可看出，s的t值（-4.001952）较小，对模型影响不显著，应该舍去。把模型修正为： 新模型估计结果如下表显示： dependent variable: ymethod: least squaresdate: 12/18/03 time: 14:58sample: 1978 1997included observations: 20variablecoefficientstd. errort-statisticprob. i0.8277570.007054117.34540.0000c128.302322.288345.7564730.0000r-squared0.998695 mean dependent var1982.795adjusted r-squared0.998622 s.d. dependent var1893.425s.e. of regression70.28700 akaike info criterion11.43769sum squared resid88924.72 schwarz criterion11.53726log likelihood-112.3769 f-statistic13769.95durbin-watson stat1.193999 prob(f-statistic)0.000000由回归结果，我们可以得到新方程为：y=128.3023+0.827757*it=（5.756473） （117.3454） r2=0.998695 f=13769.95（4）确定模型经过检验及修正，我们最终确定消费函数的模型为：y=128.3023+0.827757*it=（5.756473） （117.3454） r2=0.998695 f=13769.95五、对模型的经济解释及存在的问题1、经济解释通过以上对模型的分析，我们可以得出：（1）可支配收入是影响北京市居民消费的最显著的因素。这与现实生活中两者的同向变化是一致的，我们可以想象，随着可支配收入的增加，人们的消费也会增加，只是人们不会用所有增加的收入来进行消费。这和我们在宏观经济学中学到的消费函数阐述的原理也是一致的。（2）在我国，对消费者真正起作用的是收入。收入的较大增长，才能引发消费的较快增长，收入的下降必然导致消费的下降。从我国改革开放以来的有关消费变化的资料来看，当收入增加较快的时候，消费也就增长较快。（3）在消费决策中，人们首先考虑的是收入增长速度是否增长，如果收入绝对量增长，但收入增长速度并未增长，人们就不会较大幅度地增加消费。2、存在问题（1） 按照常理，国内生产总值的增加应该会增加人们的可支配收入，进一步的影响人们的消费，然而在模型中，我们可是看到，gdp对消费的影响并不显著，从计量经济学的角度分析却可以忽略它的影响，我们觉得有点不合实际。（2） 从模型中，我们看到i的系数