农村消费水平偏低原因的实证分析

目录TOC\o"1-5"\h\z\o"CurrentDocument"一、问题的提出 2\o"CurrentDocument"二、计量经济模型的建立 2\o"CurrentDocument"三、数据收集 3四、模型的求解和检验 3（一）多重共线性检验 3（二）修正多重共线性 4（三）异方差性检验 7（四）自相关性检验 7（五）自相关问题的处理 8\o"CurrentDocument"五、总结 10（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2002—2013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、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2002—2013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=a+plXlt+B2X2t+B3X3t+|34X4t+|35X5t+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B1，B2，B3，B4，B5——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—————20021016.81131.8117.1111.7112.5121.320031310.4122.9114.5111.3106.4110.620041572.08107.6107.4109.3110.4111.420051617.1599.9103104.7100.9108.320061590.396.899.2102.896.6101.720071577.495.897.3100.996.8101.720081670.1397.499.1100.397.4104.820091741.0910098.1100.3106.6101.220101834.3199.497.698.5100.699.920111943.3103.497.8101.2101.3102.120122184.65109.998.599.1101.3104.920132555.4102.998.399.5102.2105.4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1.1ViewProcObjectPrintNameFreezeEstimateForecastStatsResidsDependentVariable:YMethod:LeastSquaresDate:12/23/14Time:00:43计算各解：释变量的相关系数，选择①転、数矩阵，如表1.2计算各解：释变量的相关系数，选择①転、数矩阵，如表1.2所示。‘5ZZZ； ?1. :< ---门F-statistic 2.466542表1^rbin-Watsonstat 1.136605二■:: 二: 「三…匸表1,2VariableCoefficientStd.Errort-StatisticProb.C6087.2733193.644-1.9060590.1053X122.7542427.322030.31734804447X2-91.5370895.37S26-0.95972703743X3-6.76550491.83572-0.0736300.9437X412.4174730.346330.4-091910.6966X518.9996039.1799904849310.6449当―0.05时，ta/2（n-k）.=工卿傅电九⑷总1、2、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。-二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XI、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1.4X1X2X3X4X5R2X3X18.3958(0.7063)-76.9898(-2.8068)0.5071X3X23.1931(0.0750)-66.3542(-1.0834)0.4801X3X4-79.5051(-3.2820)22.7123(1.0083)0.5326X3X5-81.5150(-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1.5X1X2X3X4X5R2X3X4X13.5157(0.2505)-83.2060(-2.8155)19.3558(0.7087)0.4782X3X4X2-12.9006(-0.2830)-63.7250(-1.0387)25.2692(0.9935)0.4794X3X4X5-86.7394(-2.4699)19.5332(0.7510)8.9973(0.3003)0.4800在X3、X4的基础上加入XI、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XI、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)=a+p1X1t+p2X2t+|33X3t+|34X4t+|34X4t+|35X5t+Ut

ViewProcObjectPrintNameFreezeEstimateForecastStatsResidsDependentVariable:LNYMethod:LeastSquares□ate:12/20/14Time:00:57Sample:20022013Includedobservations:12VariableCoefficientStd.Errort-StatisticProb.C10.063361.7571745.7270150.0012X10.01070600153080.6993860.5105X2-0.0523920.052478-0.99835803567X30.0024750.0505560.0439560.9625X40.0073000.0166970.4671660.6569X50.0050290.0215570.2332920.S233R-squared0.713217Meandependentvar7.424247AdjustedR-squared0.433397S.D.dependentvar0.233894S.E.ofregression0.168112Akaikeinfocriterion-0.421524Sumsquaredresid0.169569Schwarzcriterion-0.179070Loglikelihood0.529142Hannan-Quinncrite匚-0.511289F-statistic3.058589Durbin-Watsonstat1.203347Prob(F-statistic)0.103021当a=0.05时，ta/2(n-k)=t0.025(12—6)=2.447,Xl、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XI、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—2.3938-4.1637-4.2907-1.7171-2.9096R20.36430.63420.64800.22770.4585R0.30070.59760.61280.15050.4043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)0.5796

X3X4-0.0463(-3.4650)0.0094(0.7578)0.5956X3X5-0.0410(-2.2066)0.0018(0.1203)0.5705经比较，加入XI、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)=11.4555-0.0390X3tt=(12.1806)(-4.2908)R2=0.6480 R2=0.6128F=18.4099DW=0.7843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1.8ViewProcObjectPrintNameFreeze]EstimateForecastStatsResidsDependentVariable:LNYMethod:LeastSquaresDate:12/23/14Time:00:29Sample:20022013Includedobservations:120.6400100.6123110.1455400.2118170.6400100.6123110.1455400.2118177.19435913.40990MeandependentvarS.D.dependentvarAkaikeinfocriterionSchwarzcriterionHannan-Quinncriter.□urbin-Watsonstat74242470.233894-0.865726-0.784909-0.09564-00.784310R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihoodF-^t日ti^tip从表可以看出，nR2=0;9506,由White检验知，在a=0.05下，查卡方分布表,德临界值为x20.05(2)=5.9915，因为nR2=0.9506<x20.05(2)=5.9915,所以VariableCoefficientStd.Errort-StatisticProb.C11.455460.94-046312.130590.0000X3-0.0390240.009095-4.2906760.0016接受原假设，表明模型不存在异方差。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，d=0.971,d=1.331,模型中DW<d,显然模型中有自相LUL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1.9ViewProcObjectPrintNameFreezeEstimateForecastStatsResidsDependentVariable:EMethod:LeastSquaresDate:12^27^14-Time:23:20Sample(adjusted):20032013Includedobservations:11afteradjustmentsR-squared 0.22S326AdjustedR-squared 0.223326R-squared 0.22S326AdjustedR-squared 0.223326S.E.ofregression 0.113086Sumsquaredresid 0.139442Meandependentvar 0.01563SS.D.dependentvar 0.133992Akaikeinfocriterion -1.348304Schwarzcriterion -1.312132VariableCoefficientStd.Errort-StatisticProb.EM)0.55372503139681.7516630.1104-二：0；5587e,由该式可知pa=0.5587「对原模型进行广义差分，得到广义差分方程：二丁二lnY-0.5587lnY =a(1—0.5587)+卩(X-0.5587X)+ut t-1 3 3t t-1 t对该式的广义差分方程进行回归，在Eviews命令中输入lslny-0.5587*lny(-1)cx3-0.5587*x3(-1)，回车得结果如表1.10所示。表1.10ViewProcObjectPrintNameFreezeEstimateForecastStatsResidsDependentVariable:LNY-O.5507*LN¥M}Method:LeastSquaresDate:12/27/UTime:23:22Sample[adjusted):20032013Includedobservations:11afteradjustmentsR-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresid0.009627Meandependentvar-0.100415S.D.dependentvarR-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresid0.009627Meandependentvar-0.100415S.D.dependentvar0.096310Akaikeinfocriterion0.033400SchwarzcriterionLoglikelihood11.23743Hannan-Quinncriter.F-stati由表1.10可得回归方程为InY^j「宙门3.5466-0.戲046X*t 3tSe:=,0.6885)(0.0154)3.3431780.091810-1.679533-1.6071S9-17251360370948VariableCoefficientStd.Errort-StatisticProb.C3.54664-70.6885375.1509910.0006也-11558和3(-J-0.0045590.015414-0.2957730.774-1t=(5.1510) (-0.2958)R2=0.0096F=0.0875df=9DW=0.3709其中，lnYx*=lnY—0.5587lnYX*=X—0.5587Xttt-13t3tt-1样本量为11,查0.05显著水平的DW统计表可知，d=0.927,d=1.324,模LU型中DW<d,模型依然存在自相关。继续进行迭代：L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=t1.1282eet—1表1.11ViewProcObjectPrintNameFreezeEstimateForecastStatsResidsDependentVariable:EEMethod:LeastSquaresDate:12/27/14Time:23:40Sample^adjusted):20042013Includedobservations:10afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.111281650.2S42793.9605U0.0033R-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihood二eeR-squaredAdjustedR-squaredS.E.ofregressionSumsquaredresidLoglikelihood二ee=二1.1282t—0.0014330.096179-2.761S87-2.731623-2.7950800.636261S.D.dependentvar0.058006Akaikeinfocriterion0.030203Schwarzcriterion14.80943Hannan-Quinncriter.ee，由该式可知pa=1.1282，对原模型进行广义差分，令 1—genrYY=lnY-0.5587*lnY(-1)genrXX=X3—0.5587*X3(—1)得到广义差分方程YY-1.128YY =p(1—1.1282)+0(XX-1.1282XX)+ut t—1 1 2t t—1 t对该式的广义差分方程进行回归，在Eviews命令中输入lsyy—1.1282*yy(—1)cxx—1.1282*xx(—1),回车得结果如表1.12所示表1.12ViewProcObjectPrintNameFreezeEstimateForecastStatsDependentvariable:Y¥-1.1202*YY(-1}Method:LeastSquaresDate:-12^27/14-Time:23:48Sample(adjusted):2004-2013R-squared0.039967R-squared0.039967Meandependentvar-0.4-01385AdjustedR-squared-0.080037S.D.dependentvar0.043445S.E.ofregression0.050347Akaikeinfocriterion-2.962917Sumsquaredresid0.020278S