计量经济学社会消费品零售总额影响因素简析.doc

社会消费品零售总额影响因素简析A simple analysis of factors which influence the total retail sales of consumer goods【摘要】：社会消费品零售总额是一项重要的统计数据。本文主要通过计量经济学软件，以1993至2008年的数据为样本，对影响社会消费品零售总额的主要因素进行了多元线性回归分析和判断，并得出了结论。【关键词】：社会消费品零售总额（total retail sales of consumer goods），人口总量（population），商品零售价格指数（retail sales index），职工工资总额（gross payroll），线性回归（linear regression）目录引言2正文3一、明确现实经济生活中的影响因素，选取变量3二、数据的整理和模型的设定4三、参数估计5四、计量经济学检验7 4.1.多重共线性7 4.2异方差9 4.3自相关11五、结论11六、政策建议12结语13参考文献13附录（原始数据）13【引言】：在金融危机的冲击下，一些企业（特别是进出口企业）受到了不小的影响，同时就业压力依然严峻，但总体来看，政府及时有力的一系列措施使我国经济始终处在一个较平稳的运行状态。我国消费品市场发展面临较为有利的环境和条件。第一，国家越来越重视消费的作用，近年来积极扩大内需，经济工作的重点突出进一步扩大城乡居民消费，不断拓宽消费领域和改善消费环境。第二，2009年GDP“保8”，居民收入水平随着经济增长而稳步提高。第三，不断改革完善社会保障体系，使居民可支配收入提高，改善消费预期，提高消费能力。第四，国家进一步重视流通对经济发展的推动作用，促进流通业改革和发展的一系列政策措施的积极作用逐步显现，为完善消费设施、改善消费环境、拓宽消费领域、开拓农村市场创造了有利条件。第五，随着国家对市场秩序整顿和监管力度的加大，有利于居民消费信心的提升；第六。中国经济已率先开始回暖，国内经济形势进一步好转。“社会消费品零售总额” 是一项重要、敏感的政府统计。定期发布的消费品零售统计资料，常常引起国内外的强烈关注，间或还会引发一些疑义和争议。为了有利于把问题搞清楚，需要对“社会消费品零售总额” 从多方面逐一进行剖析，找出影响其增长变化的各种因素，然后再加以判断。 目前对于这一指标的研究，虽然综合考虑了各种因素，但重点不够突出，稍显杂乱。因此本文运用计量经济经济学方法，突出重点因素建立模型，进行定量分析。【正文】一、明确现实经济生活中的影响因素，选取变量有很多因素会对社会消费品总额产生影响，但从直接影响角度来说，主要包括两个层面销售方和购买方，以及三个主体零售部门、居民和社会集团。我选取了人口数量，商品零售价格指数和工资三个因素进行分析。1、人口因素 我国社会消费品零售总量每年新增的部分中，平均约有6%是由于人口因素形成的。我国是一个人口大国。虽然80年代末期以来，我国的人口自然增长率虽然逐年递减，但由于人口基数大，平均每年仍有1000多万人出生。这些新生人口的衣食住行，必然要与零售市场发生关系。 预计为正相关关系。2、商品零售价格指数借此来说明价格变动对消费的影响，价格水平越高，相应的消费支出就会减少，它们应该是负相关的关系。这里均以上一年为基期。3、工资水平我国自改革开放以来，城乡居民总的收入和支出均为正增长。居民生活质量改善，人们的消费档次和消费数量都大幅提高，从过去的只购买生活必需品到今天各种种类和款式的商品以及一些高档奢侈品。同时，收入的变化也使得消费者使用在其他领域的消费增多，必然会对商品零售市场产生影响。新增社会消费品零售总额中，约6.8%是由于居民购买消费品数量增加而带动的，预计也应该是呈正相关的关系。Y社会消费品零售总额（亿元）X1人口（万人）X2商品零售价格指数（%）X3工资水平（亿元）此外，在城乡居民消费品购买中，常常会受到各种偶然性因素的影响，比如新设立的旅游黄金周，气候的突然变化，不规律的调资，各种改革措施的出台，购物券卡的发放和商家新的促销手段等等。这些因素，一般常在发生之初，引起短期剧烈的波动。但当这些因素如果一直沿续下去，就会转入到长期影响中。在我们对居民生活质量改善的平均估计中，事实上已经包括了这些因素的影响。 二、数据的整理和模型的设定年份社会消费品零售总额（亿元）Y人口数量（万人）X1商品零售价格指数X2工资X3199314270.4118517113.24916.2199418622.9119850121.76656.4199523613.8121121114.88100199628360.2122389106.19080199731252.9123626100.89405.3199833378.112476197.49296.5199935647.9125786979875.5200039105.712674398.510656.2200143055.412762799.211830.9200248135.912845398.713161.1200352516.312922799.914743.5200459501129988102.816900.2200567176.6130756100.819789.920067641013144810123265.9200789210132129103.8282442008108487.7132802105.933713.8数据来源：中华人民共和国国家统计局 / 统计数据库 8/welcome.do使用Eviews3.1，输入数据，作出Y与各解释变量X1,X2,X3之间的散点图和趋势图： 由上图容易看出，Y与三个解释变量间存在较强的线性相关性。所以选择建立线性模型。Y=a*X1+b*X2+c*X3+d三、参数估计运用OLS进行参数估计E-views输出结果如下：Dependent Variable: YMethod: Least SquaresDate: 01/07/10 Time: 20:51Sample: 1993 2008Included observations: 16VariableCoefficientStd. Errort-StatisticProb. C-121947.033693.64-3.6192890.0035X11.1065530.2259054.8983060.0004X2-80.7485272.28876-1.1170270.2858X32.6696710.10359925.769190.0000R-squared0.998664 Mean dependent var48046.55Adjusted R-squared0.998331 S.D. dependent var26351.54S.E. of regression1076.698 Akaike info criterion17.01350Sum squared resid13911352 Schwarz criterion17.20665Log likelihood-132.1080 F-statistic2990.980Durbin-Watson stat1.707019 Prob(F-statistic)0.000000回归方程：Y=1.106553X1-80.74852X2+2.669671X3-121947t=（4.898306） (-1.117027) (25.76919) (-3.619289)R2=0.998664 adjusted R2=0.998331 首先，R2=0.998664，所以方程具有很好的拟合优度，表明模型中解释变量对被解释变量的解释程度较高。其次，对于给定显著性水平0.05来说，解释变量除X1、X3的t统计量都比较显著，说明X1、X3对于Y的影响是显著的，而X2的t统计量不太显著，可能存在多重共线性问题，因此需要对模型进行修正。最后，对于给定的显著性水平0.05，0.00000.05,所以对于F检验是满足的，总体来看求出的回归方程具有很好的经济含义，并且是显著的。上图为模型拟合图和残差图。四、计量经济学检验4.1多重共线性4.1.1检验：由下图知可能存在不完全共线性。用相关系数矩阵进一步分析：由上图可以看出，解释变量X1与X3相关系数较高，表明可能存在多重共线性，同时并不否认其他要素间存在多重共线性的可能。4.1.2修正（逐步消除多重共线性）运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。Dependent Variable: YMethod: Least SquaresDate: 01/07/10 Time: 21:38Sample: 1993 2008Included observations: 16VariableCoefficientStd. Errort-StatisticProb. C-633942.877243.21-8.2071000.0000X15.3879640.6098888.8343550.0000R-squared0.847902 Mean dependent var48046.55Adjusted R-squared0.837038 S.D. dependent var26351.54S.E. of regression10637.75 Akaike info criterion21.49867Sum squared resid1.58E+09 Schwarz criterion21.59525Log likelihood-169.9894 F-statistic78.04582Durbin-Watson stat0.277737 Prob(F-statistic)0.000000VariableCoefficientStd. Errort-StatisticProb. C173475.998507.121.7610490.1000X2-1207.794946.5139-1.2760440.2227R-squared0.104189 Mean dependent var48046.55Adjusted R-squared0.040202 S.D. dependent var26351.54S.E. of regression25816.41 Akaike info criterion23.27188Sum squared resid9.33E+09 Schwarz criterion23.36845Log likelihood-184.1750 F-statistic1.628289Durbin-Watson stat0.144406 Prob(F-statistic)0.222704VariableCoefficientStd. Errort-StatisticProb. C1811.6021646.0571.1005710.2896X33.2214510.10057332.031000.0000R-squared0.986538 Mean dependent var48046.55Adjusted R-squared0.985577 S.D. dependent var26351.54S.E. of regression3164.741 Akaike info criterion19.07400Sum squared resid1.40E+08 Schwarz criterion19.17057Log likelihood-150.5920 F-statistic1025.985Durbin-Watson stat0.254763 Prob(F-statistic)0.000000经分析在3个一元回归模型中社会消费品零售总额Y对工资X3的线性关系强，拟合度好，即：Y = 1811.602 + 3.221451*X3 （1.100571） （32.031）R2= 0.986538 S.E.= 3164.741 F=1025.985截距项不显著，去掉，重新估计：Y = 3.221451*X3将其余解释变量逐一代入上式， 逐步回归。Dependent Variable: YMethod: Least SquaresDate: 01/07/10 Time: 22:02Sample: 1993 2008Included observations: 16VariableCoefficientStd. Errort-StatisticProb. C-155551.415317.21-10.155330.0000X11.3154330.12795310.280610.0000X32.5846250.07092436.442230.0000R-squared0.998526 Mean dependent var48046.55Adjusted R-squared0.998299 S.D. dependent var26351.54S.E. of regression1086.910 Akaike info criterion16.98743Sum squared resid15357843 Schwarz criterion17.13229Log likelihood-132.8994 F-statistic4401.955Durbin-Watson stat1.734157 Prob(F-statistic)0.000000Y = 1.315433*X1 + 2.584625*X3（10.28061） （36.44223） R2= 0.998526 S.E.=1086.91 F=4401.955Dependent Variable: YMethod: Least SquaresDate: 01/07/10 Time: 22:04Sample: 1993 2008Included observations: 16VariableCoefficientStd. Errort-StatisticProb. C41704.497261.6425.7431210.0001X2-373.852967.48924-5.5394440.0001X33.1470190.05849953.796360.0000R-squared0.995994 Mean dependent var48046.55Adjusted R-squared0.995378 S.D. dependent var26351.54S.E. of regression1791.570 Akaike info criterion17.98693Sum squared resid41726403 Schwarz criterion18.13179Log likelihood-140.8955 F-statistic1616.078Durbin-Watson stat0.874113 Prob(F-statistic)0.000000Y = -373.8529*X2 + 3.147019*X3（-5.539444） （53.79636） R2=0.995994 S.E.=1791.57 F=1616.078加入变量X1的二元回归方程R最大，并且各参数的t检验显著，加入X2后R值有所下降，并且t检验值不太显著，表明变量对模型的解释能力不强，因此选择保留X1,剔除X2。相应的回归结果为：Yi=-155551.4+1.315433*X1+2.584625*X3 即为最优模型。 t=(-10.15533) (10.28061) (36.44223) R=0.998526 S.E.= 1086.910 F=4401.9554.2 异方差4.2.1图形法检验。绘制et对Xt的散点图：4.2.2 Goldfeld-Quandt检验Dependent Variable: YMethod: Least SquaresDate: 01/08/10 Time: 12:49Sample: 1993 1998Included observations: 6VariableCoefficientStd. Errort-StatisticProb. C-258127.028426.83-9.0804020.0028X12.2421850.2535658.8426550.0030X31.2827760.3310693.8746440.0304R-squared0.997636 Mean dependent var24916.38Adjusted R-squared0.996060 S.D. dependent var7459.941S.E. of regression468.2852 Akaike info criterion15.44288Sum squared resid657873.1 Schwarz criterion15.33876Log likelihood-43.32865 F-statistic632.9390Durbin-Watson stat2.163191 Prob(F-statistic)0.000115Y=-258127+2.242185X1+1.282776X3(-9.080402)(8.842655)(3.874644) R2=0.997636 Sum squared resid1=657873.1 F=632.939 Dependent Variable: YMethod: Least SquaresDate: 01/08/10 Time: 12:52Sample: 2003 2008Included observations: 6VariableCoefficientStd. Errort-StatisticProb. C248427.2309809.10.8018720.4813X1-1.8773702.441243-0.7690220.4979X33.2124770.454393-0.7690220.0058R-squared0.997049 Mean dependent var75550.27Adjusted R-squared0.995082 S.D. dependent var20642.01S.E. of regression1447.530 Akaike info criterion17.69996Sum squared resid6286033. Schwarz criterion17.59584Log likelihood-50.09987 F-statistic506.8802Durbin-Watson stat2.404491 Prob(F-statistic)0.000160Y=248427.2-1.87737X1+3.212477X3(0.801872)( -0.769022)( -0.769022) R2=0.997049 Sum squared resid2=6286033 F=506.8802求F统计量：F=6286033/657873.1=9.555，查F分布表，给定显著性水平得临界值F0.05(2,2)=19，比较F=9.5551F0.05(2,2)，接受原假设，表明随机误差项不存在异方差。4.3.自相关根据OLS计算结果，由：dw1.734157，给定显著性水平a=0.05，查D-W表，n=16，k3，得下限临界值dL=0.98，上限临界值dU=1.54，4-du=2.46。因为dudw4-du ,因此无自相关。综上所述，最优回归方程即确定为：Y=-155551.4+1.315433*X1+2.584625*X3由于2009年相关数据还没有正式的官方统计，所以本文不对2009年的社会消费品零售总额进行预测。五、结论1.最终模型消除了多重共线性，且没有异方差和序列相关的干扰，同时增加了模型的精度，最终得到统计检验显著并且拟合优度较高的模型。 2.人口因素对社会消费品零售总额有一定影响。虽然随着新生人口的成长，在不同年龄段的消费也会有很大的不同，但因为缺乏资料，不可能逐个年龄段进行分析，只能通过一个比较长的时间序列，把所有年龄段人口的消费平均化，并假定所有的新生人口从一出生起就按平均值进行消费，这样可能导致了一定的误差使得模型拟合度不是很好。不过人口作为消费的主体，对被解释变量还是具有一定的正相关影响的。此外，出生率的降低和老龄化的加快已在一定程度上抵消了人口总量对工资总量的干扰。 3商品价格指数对社会消费品零售总额无显著影响。尽管现实经济中货币价值不是每年都保持在同一水平，但由于样本年份此变量波动不大，对社会消费品零售总额影响不大，并且线性相关性较差，所以最终选择剔除。 4职工工资总额对社会消费品零售总额有有显著影响。1993-2008年正值社会主义市场经济体制逐步建立并完善的时期，经济发展十分迅速，广大居民生活的工资有了大幅提高，可支配收入相应提高；同时消费观念得到了提升，生活消费逐渐提高。另外，人们在服务方面支出的增多，也带动了相当种类和数量商品的购买。一些重要的耐用消费品，随着人们生活水平的提高，时尚文化的流行和科学技术的迅猛发展，使用期限逐渐缩短，也相应使得商品消费数量增加。即使增加的收入部分有的用于投资和储蓄以及购置其他消费品，工资总额对社会消费品零售总额的影响还是非常显著的。六、政策建议1准确把握居民消费的发展变化，研究制定出有效的促进措施。各级商务部门加快完善城乡信息监测体系，加强对消费品市场的监测预测，了解消费动态；掌握不同社会群体的消费特点和规律，有针对性地提出调控建议，有效引导生产和流通企业提供满足城乡居民消费需求的商品和服务。 2采取有效措施维持消费品价格稳定，特别是生活必须品价格。确保低收入者收到最小的价格波动影响。同时扩大农村消费。扩大其经营范围。组织企业与工业企业进行对接，更加直接地获得商品供给，减少流通环节，降低流通成本。 3促进城市居民消费。发展满足城市中低收入家庭的社区商业、服务业，继续开展商业示范社区创建活动。在推动餐饮、住宿、洗浴等传统服务业升级的同时，加快家政、看护、快递、保洁等新型生活性服务业的发展。完善汽车、建材家居、新型家电等消费热点产品的流通体系，推动信贷消费、租赁消费和循环消费，促进消费升级。【结语