对我国人均消费影响因素的实证分析

对我国人均消费影响因素的实证分析

一、理论基础及数据

1.研究目的

本文在现代消费理论的基础，分析建立计量模型，通过对1979——2008年

全国城镇居民的人均消费支出做时间序列分析与对2004—2008年各地区（31个省

市）城镇居民的人均消费支出做面板数据分析，比较分析了人均可支配收入、消

费者物价指数与银行一年期存款利率等变量对居民消费的不一致影响。

2.模型理论

西方消费经济学者们认为，收入是影响消费者消费的要紧因素，消费是需求

的函数。消费经济学有关收入与消费的关系，即消费函数理论有：（1）凯恩斯的

绝对收入理论。他认为消费耍紧取决于消费者的净收入，边际消费倾向小于平均

消费倾向。他假定，人们的现期消费，取决于他们现期收入的绝对量。（2）杜森

贝利的相对收入消费理论。他认为消费者会受自己过去的消费习惯与周围消费水

准来决定消费，从而消费是相对的决定的。当期涓费要紧决定于当期收入与过去

的消费支出水平。（3）弗朗科•莫迪利安的生命周期的消费理论。这种理论把人

生分为三个阶段：少年、壮年与老年；在少年与老年阶段，消费大于收入；在壮

年阶段，收入大于消费，壮年阶段多余的收入用于偿还少年时期的债务或者储蓄

起来用来防老。（4）弗里德曼的永久收入消费理论。他认为消费者的消费支出要

紧不是由他的现期收入来决定，而是由他的永久收入来决定的。这些理论都强调

了收入对消费的影响。除此之外，还有其他一些因素也会对消费行为产生影响。

（1）利率。传统的看法认为，提高利率会刺激储蓄，从而减少消费。当然现代

经济学家也有不一致意见，他们认为利率对储蓄的影响要视其对储蓄的替代效应

与收入效应而定，具体问题具体分析。（2）价格指数。价格的变动能够使得实际

收入发生变化，从而改变消费。

基于上述这些经济理论，我找到中国1979-2008年全国城镇居民人均消费与

城镇居民人均可支配收入、城镇居民消费者物价指数与2004-2008年各地区城

镇居民人均消费与城镇居民人均可支配收入、城镇居民消费者物价指数、与银行

一年期存款利率的官方数据。想借此来分析中国消费的影响因素与它们具体是如

何对消费产生影响的。针对这一模型，有下列两个假定。一，自改革开放以来，

我国人均消费倾向呈现缓慢的递减趋势，即保持粘性。这一假定符合我国居民的

储蓄一一消费心理，也与其他一些进展中国家的情况大体一致。二，由储蓄与

消费的替代关系，能够假定刺激储蓄的因素，会制约消费。我们明白提高利率会

刺激储蓄，因而我把利率也引入模型的分析中。

下列对我所找的数据作一一说明：

1、城镇居民人均消费水平。借此来代表城镇居民的消费支出情况，这是将

要建立计量经济学模型的被解释变量。由下图能够看到消费是逐年增加的，与此

同时.，人均可支配收入也是逐年增加，隐含着两者可能有很高的线性有关性这层

意思。

城镇居民人均消费支出

2、城镇居民人均可支配收入。由前面的理论，收入是决定消费的要紧因素。

因此，这里用这一变量来代表人均收入。人均收入提高，人均消费也会随之增加。

3、前一期的人均消费水平。根据杜森贝利的相对收入消费理论，消费者会

受自己过去的消费习惯来决定当期消费。因而把它引入模型中，它与当期消费应

该是正有关的。

4、城镇居民消费者物价指数。借此来说明价格变动对消费的影响，价格水

平越高，人们的购买力普遍降低，为维持原先的消费水平，消费者的支出也会越

多。它们应该是正有关的关系。这里假定.上一年为基期，第二年的价格指数是对

以上一年数据为100的相对数。

5、中国人民银行一年期储蓄利率。通常认为，提高利率会刺激储蓄，减少

消费支出，由于利率水平越高，消费的机会成本就越大，居民就会压缩当前消费。

因此，它们应该是负有关的。利率提高时，人们认为减少目前的消费，增加将来

消费比较有利，从而二曾加储蓄，这是利率对储蓄的替代效应；另一方面，利率

提高时他将来的利息收入增加，会使他认为自己比较富有，以致增加目前消费，

从而可能反而减少储蓄，这是利率对储蓄的收入效应。利率对不致人群的影响

也是不一致的。由于中国人民银行的一年期利率总是不定期地进行调整，可能几

年调整一次，或者者一年调整几次,这给我的计量经济学分析带来了一定的困难。

为达成统一，我每年各类年利率进行加权后作为全年的利率。

二、多元线性回归及其有关检验

1.0LS回归结果:

本案例以人均消费性支出为被解释变量，以cpi,i,s,r为解释变量，通过

有关检验确定影响人均消费性支出的因素。

最小二乘回归结果如下

Equation:UNTHlEDWorkflle:UNTEFD::Untitled\1_"nffxl

Waw||Proc||Obioct，IfiriMNamelEsbmate|ForecastIStats|Resids|

DependentVanabie:PCCE

MethodLeastSquares

Date:01/03/10Time:18:40

Sample:19792008

Includedobservations:30

VariableCoefficientStdErrort*StatisticProb.

CPI■01067314.814722-0.0225830.9822

10.0710360.04464221.9207100000

s-02421800.043747-5.53597300000

R-22.787501376357-1.65563801103

c168f684455.11420.37038707142

R-squared0.99f889Meandependentvar3510.258

AdjustedR-squared0998711SDdependentvar3158.844

SEofregression113.4133Akaikeinfocriterion1245097

Sumsquaredresid3215546Schv/arzcriterion12.68450

Loglikelihood•181.7645Hannan-Quinnenter.12.52568

F-statistic5618019Durtoln-Watsonstat0.983719

Prob(F-stati$tic)0OOCOOO

2、异方差检验

通过散点图观察，pcce与各变量的散点图如下

Pcce与cpi

Pcce与i

Pcce与s

Pcce与r

White检验

・Equation:EQO1Workfile:UNTITLED::UntHled\x-

VewProcObjectIPrintINameFreezeEstimateForecgIR而

Heteroskedasticit/Test:White

F-statistic6997364Prob.F(14.15)00003

Obs*R-squared2601640Prob.ChbSquare(14)00258

ScaledexplainedSS3643833Prob.ChnSquare(14)0.0009

TestEquation:

DependentVariable:RESIDE

Method:LeastSquares

Dato:01/03/10Timo1950

Sample19792008

Includedobservations30

VariableCoefficientSidErrorVStatisticProb

-567539.31148125-0.4943620.6282

CPI10569012143994049295906292

CPI*2-4981347100.8929-049372606287

CPH32764665210925062876905390

CPI*S-369S1775737886-06446930.5289

CPIJ*R-213.5232583.0902-0.36619207193

-392.7882500.2435-078519404446

00052120023745021951508292

rs-00016100045056-003574409720

rWR-43970811257151-034976507314

433.1132551.1958078577004442

R-00033180021200-015649408777

53251191462617036408207209

3128587541134005781540.5717

R*?

•65301821248783-005229209590

R-squared0867213Meandependentvar10718.82

AdjustedR-squared0743279SDdependentvar21895.78

SEofregression11094.08Akaikeinfocriterion21,77306

Sumsquaredresid1.85109Schwarzcriterion2247366_v

<r>

异方差的修正，权重取残差绝对值的倒数

Equation:UNTITLEDWorkfile:UNTITLED::Untit(ed\=”lF

View11ProcObject|PrintNameFreeze|EstimateForecastStateIResids

人

DependentVariable:PCCE

Method:LeastSquares

Dal«01/03/10Tirriw.18.53

Sample:19792008

Includedobservations:30

Weightingseries:1/ABS(E)

VariableCoefficientStd.Errort-StabstlcProb.

CPI-1.7264401.018510-1.6950650.1025

10.9591130.02329141.17874ooooo

R-14.795284.244580-3.4856890.0018

S-0.2202750.027796-7924770ooooo

C282.597797.332692.9034210.0076

WeightedStatistics

R-squared0.999788Meandependentvar2399.988

AdjustedR-squared0.999754S.Ddependentvar2371311

S.E.ofregression33.66546AkaikeInfocriterion10.02183

Sumsquaredresid2833409Schwarzcriterion10,25537

Loglikelihood-145.3275Hannan-Quinncriter.10.09654

F-statistic2952243Durbin-Watsonstat1514220

Prob(F-statistic)0.000000

UnweightedStatistics

R-squared0.998736Meandependentvar3510.258

AdjustedR-squared0.998534S.D.dependentvar3158844

S.E.ofregression120.9456Sumsquaredresid36569E.0

niirhirt皿ctccnetoi_____

<|IUI)1

3、序列有关性检验

通过观察自有关图，DW值与拉格朗日乘数检验来推断有关性,残差e与其

滞后一阶的自有关图如下

由图形推断可能存在正有关

由DW值=0.9837推断存在正有关

拉格朗R乘数检验结果如下

Equation:EQ01Workfile:UNTITLED:Entitled\rr"x1

Vie2||Proc0b朗ct|Print||Name，Freeze|EstimateIForecastIStatsResids|

人

Breusch-GodfreySerialCorrelationLMTest:

F-statistic7.026277ProbF(2,23)00C42

Obs*R-squafed11.37780Prob.ChhSquare(2)0.0C34

TestEquation:

DependentVariable:RESID

Method:LeastSquares

Date.01/03/10Time:19:02

Sample:19792008

Includedobservations:30

Presamplemissingvaluelaggedresidualssettozero.

VariableCoefficientStd,Errort-StatisticProb

CPI0.2384814.0907380.0582980.9J40

I-0.0199340.037233-0.5353660.5575

s0.0288270.0367490.78442604408

R5.87295611.775280.4987530.6227

C-6784609382.3777-0.1774320.8C07

RESID(-1)0.6724650.1920323.50184100C19

RESID(-2)-0.8340100.362384-2.3014520.0208

R-squared0.379260Meandependentvar868E-13

AdjustedR-squared0.217328S.D.dependentvar105.3C16

S.E.ofregression93.15904Akaikeinfocriterion12.10746

Sumsquaredresid199608.0Schwarzcriterion12.43440

Loglikelihood-174.6119Hannan-Quinncriter.12.21205V

<l~>i

运用差分法做修正，做一阶差分，回归结果如下,

■Equation:UNTITLEDWorkfile:UNTITLED::Untitled\三，uF

ViewProcObjectPrint11KameFreezeEstimateForecastStats||Resids

Dependentvariable:DPCCE

Method:LeastSquares

Date:01/03/10Time:19:10

Sample(adjusted):19802008

Includedobservations:29afteradjustments

VariableCoefficientStd.Errort-StatistcProb.

DCPI2.1555302.3661320.9109930.3714

DI0.6753540.04340615.558880.0000

DR-3.12611810,88711-0.2871390.7765

DS-0.0314430.032632-0.9635790.3449

C34.9074717.464461.9987720.0571

R-squared0.969798Meandependentvar375.5121

AdjustedR-squared0.964764S.D.dependentvar351.7737

S.E.ofregression66.03230Akaikeinfocriterion11.37375

Sumsquaredresid104646.3Schwarzcriterion11.60949

Loglikelihood-159.9194Hannan-Quinncriter.11.44758

F-statistic192.6607Durbin-Watsonstat2.103603

Prob(F-statistic)0.000000

4、多重共线性检验

各解释变量间的有关系数如下

由有关系数看，s与i存在高度有关，即存在多重奉献性

直接剔除有关系数高的变量，观察多重共线性的情况

剔除s,结果如下

_E_qua_tio_n:_UNT_ITL_ED_Workfile:UNTITL_ED_::U_nti_tled_\aND又一

ViewProcObjectPrintNameFreezeEstimateForecastStatsResids

DependentVariable:PCCE

Method:LeastSquares

Date:01/03/10Time:19:26

Sample:19792008

Includedobservations:30

VariableCoefficientStd.Errort-StatisticProb.

R4.66595818.783200.2484110.8058

I0.7276880.00894881.327270.0000

CPI-1.1986157.037884-0.1703090.8661

C317.3918664.65390.4775290.6370

R-squared0.997526Meandependentvar3510.258

AdjustedR-squared0.997241S.D.dependentvar3158.844

S.E.ofregression165.9198Akaikeinfocriterion13.18445

Sumsquaredresid715764.1Schwarzcriterion13.37128

Loglikelihood-193.7668Hannan-Quinncriter.13.24422

F-statistic3495.110Durbin-Watsonstat0.254896

Prob(F-statistic)0.000000

剔除i,加入s,结果如下

Equation:UNTITLEDWorkfile:UNTITLED::Untitled\

ViewintINameFreeze(EstimateForec

DependentVariable:PCCE

Method:LeastSquares

Date:01/03/10Time:19:26

Sample:19792008

Includedobservations:30

VariableCoefficientStd.Errort-StatisticProb.

R62.8886357.915291.0858730.2875

CPI-0.75592521.13768-0.0357620.9717

S0.7033600.02637226.670590.0000

C574.44851996.4180.2877400.7758

R-squared0.977724Meandependentvar3510.258

AdjustedR-squared0.975154S.D.dependentvar3158.844

S.E.ofregression497.9186Akaikeinfocriterion15.38232

Sumsquaredresid6445996.Schwarzcriterion15.56914

Loglikelihood-226.7347Hannan-Quinncriter.15.44208

F-statistic380.3931Durbin-Watsonstat0.399367

Prob(F-statistic)0.000000

比较两者，选择剔除S,保留i,效果更好

如今有关系数如下

三、虚拟变量分析

1979年--2008年我国城镇居民人均消费性支出时间序列图如下:

从图中大致能够看出，该折线变化的斜率在2000年左右发生了比较大

的变化，后一段的斜率更大。我们明白中国在2001年加入世界贸易组织(简称

WTO),这标志着中国的开放程度增大，中国与外国的贸易往来更为自由，本文

试检验改革开放前后中国城镇居民人均消费这个时间序列的斜率是否发生变化。

定义虚拟变量为WTO如下：

'0,(1979--2001)

WTO=

、1,(2002--2008)

以时间t为解释变量，城镇居民人均消费用Y表示，则数据列表如下：

中国城镇居民人均消费性支出数据(1979-2008)

(单位：元人民币)

年人均消年

时间

时间

消费

人均

份费性支份

出y

性支

出y

O

t*WT

WTO

t

O

t*WT

WTO

t

0

0

16

.34

2851

1994

0

0

1

353

1979

0

0

17

57

3537.

0

2

1995

0

6

423.

1980

0

0

18

47

3919.

1996

0

0

3

4

456.8

1981