计量经济学实习报告(广东居民消费与相关因素研究).doc

.计量经济学实验报告关于广东省全体居民人均消费额及其相关因素的研究 一、研究问题的目的与意义现在的中国市场已完全消除了日用品和食物短缺的现象。居民消费结构亦发生很大变化。在居民全部消费支出中，反映基本生存需要的食品、衣着和基本生活用品支出所占的比重大幅度下降，而体现发展与享受需求的住房、交通通信、医疗保健、文教娱乐、休闲旅游等项支出的比重则迅速上升，生活质量进一步提高。 中国经过二十多年工业革命式的发展，工业制造和生产能力相当巨大，几乎能满足全世界一半人口的需求。过去中国的生产能力主要外部需求即中国的出口来维持，因此中国的许多投资也都是针对产品出口进行的。但在当前全球经济危机下，出口大幅下滑，各国贸易保护主义抬头，外部需求已经不能吸收经过连年扩张的生产能力。政府曾提出启动内需来补充出口减弱的缺口，要求各地、各行业刺激居民消费。但是，依靠内需和消费不仅仅是一句口号那么简单，启动内需，刺激消费需要一个各方面相互配合的系统来共同推动，所面临的问题和受到的制约相当多，绝非两年三年能实现的目标。 针对我国近况，我特此研究广东省全体居民人居消费金额的增长情况，并且研究影响其变化的主要因素，而我找出的相关变量为广东省城镇居民人均可支配收入、广东省人均生产总值、广东省财政支出以及广东省个人贷款与广东省全体居民人均消费金额的相关关系。二、理论来源凯恩斯宏观经济学理论,宏观经济学的最终目标是寻找保持国民收入稳定增长的对策，所谓稳定的增长系指既无失业、有无通货膨胀的增长。而国民收入与消费存在着重大关系，随着中国改革开放以来，国民收入日益增长，而居民消费也与之上升，居民消费对GDP起到了重要作用。21世纪以来，我国以夸大内需、促进消费，刺激消费为目标，从而增加需求反过来影响国民收入稳定增长。另外国民生产总值，凯恩斯经济学理论中，核算国民经济活动的核心指标是国内生产总值GDP。GDP增长与居民消费影响也起到重要作用。21世纪以来，随着外国很多文化、经济冲击，中国一向以勤俭节约、多存钱的消费观念慢慢改变，出现了许多贷款消费，居民个人贷款也可能成为促进消费的另一个重要部分。最后引入凯恩斯宏观经济学中，IS-LM模型对政府的支出是否存在“挤出”效应通过建立模型进行深入研究。因此，影响广东省居民人均消费额的因素可能有（1）从宏观经济学上，人均可支配收入DPI，是刺激消费的根源；（2）广东省人均生产总值，一个衡量广东省经济情况的核心指标，对整个经济体运行的衡量有重要意义；（3）广东省财政支出，政府的财政政策对个人消费与投资起着关键作用，但究竟是促进作用还是反作用一直以来都是倍受关注的热点话题；（4）个人贷款，个人贷款的增加是否有助于消费，而对消费起着如何重要作用还需进一步验证。三、数据来源 来自中宏数据库，是国内目前对我国宏观经济、中观经济完整描述的大型经济数据库，数据区间取自1999年到2009年。Y=广东全体居民人均消费金额(元) X1=广东城镇居民人均可支配收入(元)X2=广东省人均生产总值 (元)X3=广东省财政支出 (亿元)X4=广东省个人贷款总额 （百万元）为了更好地反映表中数据的关系，我通过eviews软件作出其折线图和散点图，更加直观地看出数据各方面的关系。折线图散点图四、模型设定 为了全面反映广东省居民人均消费增长的全貌，选择包括广东省全体居民人均消费金额作为被解释变量，以反映消费的增长；选择“广东城镇居民人均可支配收入”作为解释变量，以反映居民的收入水平；选择“广东省人均生产总值”作为经济整体增长水平的代表；选择“广东省财政支出”作为公共财政需求的代表；选择“广东省个人贷款总额”作为个人贷款的代表。因此，我选择1999年到2009年这最近10年来广东省消费的关系，所以解释变量设定为可观测的“广东城镇居民人均可支配收入”、“广东省人均生产总值”、“广东省个人贷款总额”、“广东省财政支出”等变量。 通过以上散点图，设定线性回归模型：Yi=C+1X1i+2X2i+3X3i+4X4i+ui 五、对数据进行最小二乘回归Dependent Variable: Y Method: Least SquaresDate: 06/03/11 Time: 09:48Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C-1266.3631374.902-0.9210570.3925X10.5315890.2264652.3473380.0573X20.3273170.1114292.9374540.0260X3-2.0171730.955675-2.1107310.0793X40.0042040.0047840.8788570.4133R-squared0.998071Mean dependent var9191.818Adjusted R-squared0.996785S.D. dependent var3720.042S.E. of regression210.9356Akaike info criterion13.84394Sum squared resid266962.9 Schwarz criterion14.02480Log likelihood-71.14166 Hannan-Quinn criter.13.72993F-statistic776.0638 Durbin-Watson stat2.109377Prob(F-statistic)0.000000回归结果得到如下回归方程Yi=-1266.363+0.531589X1i+0.327317X2i-2.017173X3I+0.004204X4i (1374.902) (0.226465) (0.111429) (0.955675) (0.004784) t= (-0.921057) (2.347338) (2.937454) (-2.110731) (0.878857) p=(0.3925) (0.0573) (0.0260) (0.0793) (0.4133) R2=0.998071 R2=0.996785 D.F=10 F =776.0638回归结果的解释 广东全体居民人均消费金额与广东城镇居民人均可支配收入、广东省人均生产总值、广东省财政支出、广东省个人贷款总额存在正相关关系。斜率0.531589表示，在其他变量保持不变的条件下，广东城镇居民人均可支配收入每增加1元，广东全体居民人均消费金额将平均上升0.531589元。斜率0.327317表示，在其他变量保持不变的条件下，广东人均生产总值每增加1元，广东省全体居民人均消费金额将平均上升0.327317元。斜率-2.017173表示，在其他变量不变的条件下，广东财政支出每增加1亿元，广东城镇居民人均消费金额将下降-2.017173。斜率0.004204表示，在其他变量不变的情况下，广东省个人贷款每增加1百万元，广东人均消费金额将上升0.004204元，由OLS估计可以看出，t值为0.878857，P值为0.4133，并不能有效地解释Y。而截距-1266.363，表示当X1,X2,X3,X4为0时，人均消费总量为-1266.363，截距没有经济意义。以下分别是对各变量的描述统计以及对所选模型的拟合效果图 Mean为均值，sd为方差从上回归结果可以看出，拟合优度很高，R2值很大，整体效果F检验通过，但变量X1的T统计量不显著，可能存在多重共线性。六、检验模型是否存在多种共线性X1 ,X2，X3，X4之间存在多重共线性，各解释变量之间的相关系数很高，证实解释变量之间存较严重的多重共线性。第一步：运用OLS法分别求Y对各解释变量X1、X2、X3、X4进行一元回归(1)Y对X1进行一元回归Dependent Variable: YMethod: Least SquaresDate: 06/02/11 Time: 23:19Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C-3449.191341.9863-10.085760.0000X10.8899810.02318738.382490.0000R-squared0.993928Mean dependent var9191.818Adjusted R-squared0.993253S.D. dependent var3720.042S.E. of regression305.5570Akaike info criterion14.44512Sum squared resid840285.5Schwarz criterion14.51746Log likelihood-77.44813Hannan-Quinn criter.14.39951F-statistic1473.215Durbin-Watson stat1.292476Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X1Substituted Coefficients:=Y = -3449.19136783 + 0.889981183151*X1（2）Y对X2进行一元回归Dependent Variable: YMethod: Least SquaresDate: 06/02/11 Time: 23:52Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C1716.406195.83888.7643840.0000X20.3463110.00820042.230570.0000R-squared0.994979Mean dependent var9191.818Adjusted R-squared0.994421S.D. dependent var3720.042S.E. of regression277.8611Akaike info criterion14.25509Sum squared resid694861.3Schwarz criterion14.32743Log likelihood-76.40297Hannan-Quinn criter.14.20948F-statistic1783.421Durbin-Watson stat1.024585Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X2Substituted Coefficients:=Y = 1716.40648741 + 0.346310754927*X2（3）Y对X3进行一元线性回归Dependent Variable: YMethod: Least SquaresDate: 06/02/11 Time: 23:17Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C1842.021412.71554.4631740.0016X33.2928970.16688619.731410.0000R-squared0.977406Mean dependent var9191.818Adjusted R-squared0.974895S.D. dependent var3720.042S.E. of regression589.4231Akaike info criterion15.75913Sum squared resid3126776.Schwarz criterion15.83148Log likelihood-84.67522 Hannan-Quinn criter.15.71353F-statistic389.3286Durbin-Watson stat0.905028Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X3Substituted Coefficients:=Y = 1842.02090084 + 3.29289712847*X3(4)Y对X4进行一元线性回归Dependent Variable: YMethod: Least SquaresDate: 06/02/11 Time: 23:46Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C4706.005871.08625.4024560.0004X40.0547250.0086476.3290850.0001R-squared0.816541Mean dependent var9191.818Adjusted R-squared0.796157S.D. dependent var3720.042S.E. of regression1679.562Akaike info criterion17.85342Sum squared resid25388346Schwarz criterion17.92576Log likelihood-96.19380Hannan-Quinn criter.17.80782F-statistic40.05732Durbin-Watson stat0.863801Prob(F-statistic)0.000136Estimation Equation:=Y = C(1) + C(2)*X4Substituted Coefficients:=Y = 4706.00457112 + 0.0547251260914*X4变量X1X2X3X4t 统计量38.3824942.2305719.731416.3290850.9939280.9949790.9748950.816541按的大小排序为：X2、X1、X3、X4第二步，进行那个逐步回归以X2为基础，顺次加入X1 X3 X4变量逐步回归的拟合（1）Y对X1 X2进行回归Dependent Variable: YMethod: Least SquaresDate: 06/03/11 Time: 00:10Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C-464.16481434.505-0.3235710.7546X20.2014680.0948202.1247510.0663X10.3736450.2438052.5325570.0639R-squared0.996118Mean dependent var9191.818Adjusted R-squared0.995148S.D. dependent var3720.042S.E. of regression259.1227Akaike info criterion14.17948Sum squared resid537156.7Schwarz criterion14.28800Log likelihood-74.98715Hannan-Quinn criter.14.11108F-statistic1026.516Durbin-Watson stat1.221365Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X2 + C(3)*X1Substituted Coefficients:=Y = -464.164784217 + 0.201467853118*X2 + 0.373644549343*X1（2）Y对X2 X3进行回归Dependent Variable: YMethod: Least SquaresDate: 06/03/11 Time: 00:11Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C1713.657196.10228.7385960.0000X20.4185660.0735375.6919340.0005X3-0.6975530.7054822.9887600.0617R-squared0.995526Mean dependent var9191.818Adjusted R-squared0.994407S.D. dependent var3720.042S.E. of regression278.2069Akaike info criterion14.32161Sum squared resid619192.4Schwarz criterion14.43012Log likelihood-75.76884Hannan-Quinn criter.14.25320F-statistic889.9847Durbin-Watson stat1.143429Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X2 + C(3)*X3Substituted Coefficients:=Y = 1713.65749719 + 0.418566303055*X2 - 0.697552682481*X3（3）Y对X2 X4进行回归Dependent Variable: YMethod: Least SquaresDate: 06/03/11 Time: 00:12Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C1699.840234.50047.2487690.0001X20.3491530.02067716.885980.0000X4-0.0005460.003607-0.1514430.8834R-squared0.994993Mean dependent var9191.818Adjusted R-squared0.993742S.D. dependent var3720.042S.E. of regression294.2947Akaike info criterion14.43404Sum squared resid692874.9Schwarz criterion14.54256Log likelihood-76.38723Hannan-Quinn criter.14.36564F-statistic794.9155Durbin-Watson stat1.055756Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X2 + C(3)*X4Substituted Coefficients:=Y = 1699.83960901 + 0.349152503831*X2 - 0.000546233186016*X4从以上分析可以说明，Y对X1 X2的拟合比较好，因此，我选择以Y对X1 X2对其他变量进行回归。第三步，消除有关变量，确定模型（1）Y对X1 X2 X4进行回归Dependent Variable: YMethod: Least SquaresDate: 06/13/11 Time: 00:14Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C-1384.4351678.916-0.8246010.4368X20.1673920.0998541.6763740.1376X10.5118540.2765331.8509690.1066X4-0.0037480.003602-1.0406280.3327R-squared0.996638Mean dependent var9191.818Adjusted R-squared0.995198S.D. dependent var3720.042S.E. of regression257.7904Akaike info criterion14.21746Sum squared resid465191.2Schwarz criterion14.36215Log likelihood-74.19602Hannan-Quinn criter.14.12625F-statistic691.7970Durbin-Watson stat1.442809Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X2 + C(3)*X1 + C(4)*X4Substituted Coefficients:=Y = -1384.43538098 + 0.167392232947*X2 + 0.511853879796*X1 - 0.00374844337421*X4由分析可知道，虽然方程的比较高，但是每个变量都不是统计显著的，因而存在影响方程变量的多重共线性。所以，面对多重共线性问题，我采用最简单的解决办法，删除一个共线性变量，因此而舍去X4广东省个人贷款此变量。（2）Y对X1 X2 X3进行线性回归Dependent Variable: YMethod: Least SquaresDate: 06/13/11 Time: 00:13Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C-1696.9261263.598-3.3429320.2212X20.2603610.0799823.2552330.0140X10.5839650.2149012.7173660.0299X3-1.3556430.579189-2.3405890.0518R-squared0.997823 Mean dependent var9191.818Adjusted R-squared0.996889 S.D. dependent var3720.042S.E. of regression207.4779 Akaike info criterion13.78321Sum squared resid301329.5Schwarz criterion13.92790Log likelihood-71.80768Hannan-Quinn criter.13.69201F-statistic1069.262 Durbin-Watson stat1.781538Prob(F-statistic)0.000000Estimation Equation:=Y = C(1) + C(2)*X2 + C(3)*X1 + C(4)*X3Substituted Coefficients:=Y = -1696.9258467 + 0.26036090394*X2 + 0.583964787328*X1 - 1.35564347423*X3 由以上分析结果可以知道，X1 X2 X3三个自变量的统计还算是显著的，而且拟合得很好，比Y对X1 X2 X3的回归有更高的，而在此我们研究的目的为了可靠地估计模型的一组系数，即广东省全体居民消费额与广东省城镇居民人均可支配收入、广东省人均生产总量、广东省财政支出的关系系数，那么即使存在多重共线性也无妨。此外，虽然标准误夸大了，效应依然显示出来，统计依然是显著的。最后，我们将采用三变量含X1 X2 X3的方程Estimation Equation:=Y = C(1) + C(2)*X2 + C(3)*X1 + C(4)*X3Substituted Coefficients:=Y = -1696.9258467 + 0.26036090394*X2 + 0.583964787328*X1 - 1.35564347423*X3综上所述，我们得到一下的回归方程Yi= -1696.9258467+ 0.583964787328X1i+0.26036090394X2i- 1.35564347423X3I (1263.598) (0.260361) (0.079982) (0.955675) t= (-3.342932) (0.214901) (2.937454) (-1.355643) p=(0.0212) (0.0140) (0.0299) (0.0518) R2=0.997823 R2=0.996889 D.F=10 F =1069.262回归方程的解释广东全体居民人均消费金额与广东城镇居民人均可支配收入、广东省人均生产总值、广东省财政支出存在关系。斜率0.583964787328表示，在其他变量保持不变的条件下，广东城镇居民人均可支配收入每增加1元，广东全体居民人均消费金额将平均上升0.583964787328元。斜率0.26036090394表示，在其他变量保持不变的条件下，广东人均生产总值每增加1元，广东省全体居民人均消费金额将平均上升0.26036090394元。斜率- 1.35564347423表示，在其他变量不变的条件下，广东财政支出每增加1亿元，广东城镇居民人均消费金额将下降- 1.35564347423。斜率0.004204表示，在其他变量不变的情况下，广东省个人贷款每增加1百万元，广东人均消费金额将上升0.004204元，由OLS估计可以看出，t值为0.878857，P值为0.4133，并不能有效地解释Y。而截距-1696.9258467，表示当X1,X2,X3为0时，人均消费总量为-1696.9258467，截距没有经济意义。七、检验异方差由于本例中使用的数据为广东省的截面数据，而方差一般存在于截面数据当中，但为稳妥起见，利用图形法对本例中数据进行简单的检验。生成x-e2关系图综上所诉，由图像可知，残差点很分散，e2没有随X的增大而增大或减少，分布分散，因此不存在异方差。八、检验自相关首先，本例中模型为Yi= -1696.9258467+ 0.583964787328X1i+0.26036090394X2i- 1.35564347423X3I (1263.598) (0.260361) (0.079982) (0.955675) t= (-3.342932) (0.214901) (2.937454) (-1.355643) p=(0.0212) (0.0140) (0.0299) (0.0518) R2=0.997823 R2=0.996889 D.F=10 F =1069.262对其OLS估计为：Dependent Variable: YMethod: Least SquaresDate: 07/03/11 Time: 00:13Sample: 1999 2009Included observations: 11CoefficientStd. Errort-StatisticProb.C-1696.9261263.598-3.3429320.0212X20.2603610.0799823.2552330.0140X10.5839650.2149012.7173660.0299X3-1.3556430.579189-2.3405890.0518R-squared0.997823Mean dependent var9191.818Adjusted R-squared0.996889S.D. dependent var3720.042S.E. of regression207.4779Akaike info criterion13.78321Sum squared resid301329.5Schwarz criterion13.92790Log likelihood-71.80768Hannan-Quinn