农村消费水平偏低原因的实证分析汇编

1、目录、问题的提出 2、计量经济模型的建立 2、数据收集 3四、模型的求解和检验 （一）多重共线性检验 .（二）修正多重共线性 .（三）异方差性检验 （四）自相关性检验 （五）自相关问题的处理五、总结 3. 3. 477. 810一）经济意义解释 10二）过程总结 11农村消费水平偏低原因的实证分析【摘要 】本文旨在对 20022013 年我国农村消费水平低原因进行分析。首先， 我们建立理论模型。然后，收集了相关的数据，利用 EVIEWS软件对计量模型进 行了参数估计和检验，并加以修正。最后，我们对所得的分析结果作了经济意 义的分析。【关键词 】经济模型；求解；检验一、问题的提出一般来说，在消费

2、、投资、出口的经济拉动之中，消费占 GDP的比重最大， 世界平均水平约为 70。美国等发达国家的消费在 GDP中的比重达到 85以上。 从“三驾马车”来说，“头马”当属消费。我国在上世纪 90 年代，消费的比重在 三者中超过 60。而这些年这项指标都低于 60，甚至低于 50。当前，我国 的最终消费占 GDP的比重已降到历史最低水平，今年前三季度最终消费占GDP的比重仅为 51.1 ；投资对经济增长的贡献率达 49.9 ，而消费仅为 35.7 。其 中一个重要的原因是农民消费水平低。针对这种现象， 本文收集了我国从 20022013年相关截面数据， 包括农村家 庭平均每人年消费支出、居民食品消

3、费价格指数、居民衣着消费价格指数、居民 医疗保健消费价格指数、 农居民文教娱乐消费价格指数和居民居住消费价格指数。 通过实证分析，分析农民消费水平低的原因，看其是否主要是受医疗、教育、住 房三座大山的影响。二、计量经济模型的建立模型： Yt=+1X1t+2X2t+3X3t+4X4t+5X5t+UtYt 农村家庭平均每人年消费支出X1t 居民食品消费价格指数X2t 居民衣着消费价格指数X3t 居民医疗保健消费价格指数X4t 农居民文教娱乐消费价格指数X5t 居民居住消费价格指数 1，2，3，4，5待定参数 Ut随机扰动项三、数据收集年份农村家 庭平均 每人年 消费性 支出居民食 品消费 价格指

4、数（上年 =100）居民衣 着消费 价格指 数（上年 =100）居民医 疗保健 消费价 格指数 （上年 =100）居民娱 乐教育 文化消 费价格 指数（上 年=100）居民居 住消费 价格指 数（上年 =100）1994356.95-1995398.29-1996476.66-1997535.37-1998584.6-1999619.79-2000659.21-2001769.65-20021016.81131.8117.1111.7112.5121.320031310.4122.9114.5111.3106.4110.620041572.08107.6107.4109.3110.4111.4

5、20051617.1599.9103104.7100.9108.320061590.396.899.2102.896.6101.720071577.495.897.3100.996.8101.720081670.1397.499.1100.397.4104.820091741.0910098.1100.3106.6101.220101834.3199.497.698.5100.699.920111943.3103.497.8101.2101.3102.120122184.65109.998.599.1101.3104.920132555.4102.998.399.5102.2105.4以上数据

6、来自中经网统计数据库 四、模型的求解和检验 （一）多重共线性检验首先录入 Y、X1、X2、X3、X4、X5 等数据，对模型进行 OLS回归，结果如 表 1.1 所示。表 1.1当 =0.05 时，t /2(n-k)= t0.025(12-6)=2.447,X1、X2、X3、X4、X5系数的 t 检验不显著，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，选择 X1、X2、X3、X4、X5 数据，得相关系 数矩阵，如表 1.2 所示。表 1.2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较高，证实 确实存在严重的多重共线性。(二) 修正多重共线性采用逐步回归法，分别做 Y对

7、X1、X2、X3、X4、X5 的一元回归。结果如表 1.3 所示。表 1.3 一元回归结果变量X1X2X3X4X5参数估计值-17.4909-40.9585-61.9595-30.3958-37.3982T 统计量-1.7951-3.2859-3.6735-1.3794-2.2198R20.24370.51920.57440.15990.3301R0.16810.47110.53190.07580.2631其中，加入 X3 的方程修正方差最大，以 X3 为基础，顺次加入其他变量逐步回归，结果如表 1.4 所示表 1.4X1X2X3X4X5R2X3 X18.3958(0.7063)-76.989

8、8(-2.8068)0.5071X3 X23.1931(0.0750)-66.3542(-1.0834)0.4801X3 X4-79.5051(-3.2820)22.7123(1.0083)0.5326X3 X5-81.5150(-2.4276)18.1572(0.6801 )0.5052经比较，新加入 X4 的方程修正方差最大，改进最大，选择保留 X4，在加入其他新变量逐步回归，结果如表 1.5 所示表 1.5X1X2X3X4X5R2X3 X4X13.5157(0.2505)-83.2060(-2.8155)19.3558(0.7087)0.4782X3 X4X2-12.9006(-0.28

9、30)-63.7250(-1.0387)25.2692(0.9935)0.4794X3 X4X5-86.7394(-2.4699)19.5332(0.7510)8.9973(0.3003)0.4800在 X3、X4 的基础上加入 X1、X2、X5 后方程的修正方差不升反降，而且 X3和 X4的 t 检验变得不显著，甚至 X1和 X5 的符号也变得不合理。这说明 X1、X2和 X5引起严重的多重共线性，应予剔除。剩下的两个解释变量， 一个还可以解释现象， 但 X4的符号与实际不符， 这是 发现模型不对，所以我们把模型改为Ln(Yt)= +1X1t+2X2t+3X3t+4X4t+4X4t+5X5t

10、+Ut当 =0.05 时，t /2(n-k)= t0.025(12-6)=2.447,X1、X2、X3、X4、X5系数的 t 检验不显著，这表明很可能存在严重的多重共线性。 修正多重共线性：逐步回归法分别做 Y 对 X1、X2、 X3、X4、 X5的一元回归。结果如表 1.6 所示。表 1.6 一元回归结果变量X1X2X3X4X5参数估值-0.0126-0.0268-0.0390-0.0215-0.0261T 统计量-2.3938-4.1637-4.2907-1.7171-2.9096R20.36430.63420.64800.22770.4585R0.30070.59760.61280.15

11、050.4043其中，加入 X3 的方程修正方差最大，以 X3为基础，顺次加入其他变量逐步 回归，结果如表 1.7 所示。表 1.7X1X2X3X4X5R2X3X10.0011(0.1685)-0.0410(-2.7030)0.5711X3X2-0.0104(-0.4584)-0.0247(-0.7563)0.5796X3X4-0.0463(-3.4650)0.0094(0.7578)0.5956X3X5-0.0410(-2.2066)0.0018( 0.1203 )0.5705经比较，加入 X1、X4、X5后， t 检验变得不显著，甚至符号也变得不合理，加入 X2 后修正性方差不升反降， t

12、 检验也变得不显著。这说明 X1、X2、X4、X5 引起多重共线性。应予剔除。最后修正严重多重共线性的回归结果为：Ln(Yt)=11.4555-0.0390X3t t = (12.1806) (-4.2908)R2=0.6480 R2=0.6128 F=18.4099 DW=0.7843三) 异方差性检验由此估计结果，对方程进行 White 检验，如表 1.8 所示：表 1.8从表可以看出， nR2=0.9506, 由 White 检验知， 在=0.05 下，查卡方分布表， 德临界值为 20.05 （2） =5.9915 ，因为 nR2=0.9506<20.05（2）=5.9915, 所

13、以 接受原假设，表明模型不存在异方差。（四）自相关性检验由表可知， DW=0.784310,对样本量为 12、一个解释变量的模型、 0.05 显著 水平，查 DW统计表可知， dL=0.971,d U=1.331, 模型中 DW<d L, 显然模型中有自相 关。（五）自相关问题的处理首先得到残差序列，对残差序列进行之后一期的自回归，由表 1.9 得回归方程表 1.9et = 0.5587 et-1, 由该式可知 =0.5587, 对原模型进行广义差分 ,得到广义 差分方程lnY t-0.5587lnY t-1 = (1-0.5587)+ 3(X3t-0.5587X t-1 )+ t对该式

14、的广义差分方程进行回归，在 Eviews 命令中输入ls lny-0.5587*lny(-1) c x3-0.5587*x3(-1) , 回车得结果如表 1.10 所示。 表 1.10由表 1.10 可得回归方程为 lnY t* = 3.5466-0.0046X 3tSe = (0.6885) (0.0154)t = (5.1510) (-0.2958)R 2 = 0.0096 F = 0.0875 df = 9 DW = 0.3709 其中， lnY t *= lnY t -0.5587lnY t-1 X3t* = X3t -0.5587X t-1 样本量为 11，查 0.05 显著水平的

15、DW统计表可知， dL=0.927,d U=1.324 ，模 型中 DW< dL, 模型依然存在自相关。继续进行迭代： 首先得到残差序列 ee=resid ，对残差序列进行滞后一期的自回归，由表 1.11 得回归方程ee t = 1.1282ee t-1表 1.11eet = 1.1282 ee t-1 ,由该式可知 =1.1282, 对原模型进行广义差分 ,令 genr YY= lnY-0.5587*lnY(-1)genr XX= X3-0.5587*X3(-1)得到广义差分方程YY t -1.128YY t-1 =1(1-1.1282)+ 2(XXt -1.1282XXt-1 )+t

16、 对该式的广义差分方程进行回归，在 Eviews 命令中输入ls yy-1.1282*yy(-1) c xx-1.1282*xx(-1),回车得结果如表 1.12 所示。表 1.12由表 1.12 可得回归方程为YY * = - 0.3778+0.0039XX*Se = (0.0446) (0.0067)t = (-8.4677)(0.5771)R 2 = 0.0399 F = 0.3330 df = 8 DW = 1.5417 其中 YY*= YYt -1.128YY t-1 XX* = XXt -1.1282XX t-1 此时样本容量为 10，查 0.05 显著水平的 DW统计表可知 dL=0.879,d U=1.320 ， 模型中 DW = 1.1547> d U,说明广义差分模型中已无自相关。但是 R2，t,F 统计量 不很理想。由差分方程，1 = (-0.3778)/(1-1.1282 )= 2.9469 = 2.9469/ ( 1-0.5587 ) =6.6778 由此，我们得到中国农村居民消费支出模型为Ln(Yt)=6.6778+0.0039 X3t 由此，我们得到最终的中国农村居民消费支出模型为 Ln(Yt)=6.6778+0.0039 X3t五、总结(一)经济意义解释在该模型的基础