论文大学生消费行为实证分析1.docx
《论文大学生消费行为实证分析1.docx》由会员分享，可在线阅读，更多相关《论文大学生消费行为实证分析1.docx（21页珍藏版）》请在冰豆网上搜索。
论文大学生消费行为实证分析1
目录
一、引言1
（一）问题的提出1
（二）国内外研究现状4
二、财富效应相关理论5
（一）财富与财富效应5
（二）财富效应的相关理论6
（三）股票市场财富效应特征7
（四）股市财富效应传导机制8
三、股市财富效应实证分析10
（一）中国股票财富效应的实证分析过程10
四、中国股市不存在财富效应的原因16
（一）直接原因16
（二）中国股市不存在财富效应的政治和经济根源18
中国股票市场的财富效应实证分析
080304230王梦晨指导老师贺书平讲师
一、引言
（一）问题的提出
股票市场是现代金融市场的重要组成部分之一，被认为是经济的“晴雨表”。
在证券化程度较高的国家，股票市场与消费乃至整个经济的关联程度日益增强，引起越来越多的经济学家的关注。
对于股票市场财富效应的研究源于美国。
美国股票市场发展已经有数百年的历史，但是人们对股票市场的财富效应的关注是从20世纪90年代开始的。
当时，随着纽约股票市场和NASDAQ的长期兴盛，美国经济进入了较长时间的繁荣发展时期，美国居民消费支出水平长期处于高涨状态，美国股票市场股价指数不断上升，直至冲破万点。
然而，自从2000年下半年纳斯达克指数暴跌以后，美国经济也陷入疲态，加入一系列政治事件的影响，导致美国经济走向下滑。
由此我们可以看出，美国股票市场的走势与经济发展趋势有很大的趋同性。
通常认为实体经济决定股市的发展，而常常忽略了股市对实体经济的影响。
随着股票市场的发展和壮大，股市对实体经济的影响越来越大，因此，我们不仅要研究实体经济对它的影响，更应该关注它对实体经济的影响。
特别是股市对消费的影响，通常称之为股市的财富效应（wealtheffect），更是成为了经济体系运行之中不可忽视的重要因素。
随着我国经济的发展和股权分置改革的顺利进行，我国资本市场也取得了长足的进步，截至2011年底股市总市值达到214758.1亿元，其中，流通市值达到164921.3亿元。
分别占2011年GDP的45.54%和34.97%。
2007年12月股市总市值曾一度达到327140.89亿元，与当年GDP的比例高达131.102%。
境内上市公司家数也在短短的十年间翻倍，由1998年1月的752家达到了2011年的2342家。
股票市场已经对我国的经济、社会、文化等产生了全面的影响。
表1.1为中国1998年至2011年中国股票市场的发展状况:
表1.11998年至2011年中国股市市场发展状况
年份
上市公司数
市价总值
流通市值
市价总值占GDP比例（%）
流通市值占GDP比例（%）
1998
851
19505.6
5745.6
24.52
7.22
1999
949
26471.2
8213.9
31.82
9.87
2000
1086
48090.9
15841.4
53.8
17.72
2001
1160
43522.2
14463.17
45.36
15.07
2002
1224
38329.13
12484.56
37.43
12.19
2003
1287
42457.71
13178.52
31.26
12.19
2004
1344
37055.57
11688.64
27.07
9.7
2005
1381
32430.28
10630.52
17.7
5.8
2006
1434
89403.9
25003.64
42.19
11.8
2007
1550
327140.89
93064.35
131.1
37.3
2008
1625
121366.44
45213.9
38.65
14.4
2009
1718
243939.12
151258.65
71.56
44.37
2010
2063
265422.59
193110.41
66.69
48.52
2011
2342
214758.1
164921.3
45.54
34.97
注：
以上数据源于证监会网站及自行计算所得。
从表1.1可以看出中国股票市场境内上市公司数，总市值以及流通市值都随着时间持续增长，在2007年总市值与流通市值均达到最高，由于全球金融危机的影响，08年有了较大幅度的回落，但从09年开始继续呈现增长的态势。
随着股权分置改革的进行，中国股市制度性瓶颈问题得到解决，我国股市从2006年起进入一个新的发展轨道，市场成熟程度、影响力也将不断提高，研究股市能否以及在多大程度上影响消费需求，或者分析经济政策能否以及能在多大程度上通过股市财富效应渠道影响消费，对我们全面认识股市功能，以及健康、稳定发展股市都有着直接的现实意义。
同时，我国股票市场是一个新兴的市场，具有“新兴加转轨”的特征，对股票市场财富效应研究的现实意义在不断上升，政府在制定经济政策时，对股票市场的重视程度也不断提高，我国股票市场的财富效应已经成为许多学者研究的重点。
（二）国内外研究现状
关于股票市场财富效应这一问题，众多学者做了大量的研究，特别是20世纪最后五年股市的繁荣，使得股市对消费的影响引起许多学者的注意。
在众多研究中，大部分是对美国股市财富效应的研究。
这主要是因为美国资本市场较之其他国家完善以及大量齐全的统计数据。
Rachel（2003）,Jose和Luis（2006）的分析均发现美国股市与消费之间存在一定的关系。
发现消费随股市的增减而增减。
但是Case（2001）利用1982-1999年的季度数据估计美国股市与消费之间的关系，发现二者之间没有显著性的关系。
AdamF.Turk（2006）对股市的短期效应进行了研究，预测在未来的股市中财富效应会持续的呈现积极的正面影响。
在我国也有不少学者对股市财富效应进行了研究,李惠、陈茂申（2002）肯定了股市的“财富效应”对经济的拉动作用。
张云（2007）对中国股市的财富效应的传导机制进行了探索研究，得出结果为财富效应具有三种传导渠道:
通过影响持股者的可支配收入来影响即期消费,改变居民的收入预期和边际消费倾向来影响消费需求,以及经由供给面的影响。
但是，国内也有学者认为股市财富效应有限，如夏新平、汪宜霞、余明桂（2002）、林琳、刘建江（2000）等人的研究发现我国股票市场财富效应不显著。
李松涛、陈芳平（2006）通过实证研究认为我国存在微弱的股票市场财富效应。
唐国培（2007）对中国股票市场财富效应做了实证分析，研究结果表明，中国股市存在微弱财富效应。
二、财富效应相关理论
（一）财富与财富效应
从古至今，关于财富的属性问题一直存在争论，但从亚当.斯密的《国富论》到当代的各类微观和宏观经济学教材，其财富概念都是物质的或效用的。
一般认为，财富是指经济主体在一定时点上所拥有的可以用货币单位表示的资产总额。
财富的本质属性实际上就是其社会属性，在市场经济中，财富的本质属性是价值的而不是物质的。
既然如此，财富的创造就是多方面的，即市场经济中可以用货币衡量的一切经济活动，包括股票和一切金融资产的买卖等活动都与虚拟财富的创造有关。
而虚拟财富的变化也会影响实体经济的发展。
在金融交易“无纸化”的今天，我们甚至从来没有见过自己持有的股票，但是它却是实实在在存在的。
金融财富主要指经济主体持有的可以用货币单位计量的金融资产，包括现金、存款、债券、股票、基金、保单等。
这种财富总量的增减不可避免的会对人们的消费产生影响，从而进一步与实体经济形成互动。
不同种类的财富也可能是不同的替代效应，导致不同程度的边际消费倾向。
财富效应概念的提出和争论已经超过半个世纪。
在股票市场上，所谓的财富效应也就是指股票价格的上升使股票持有财富增加，从而导致消费支出增长的现象，也即是股票市场上涨让人们更富裕，通常人们越富裕，消费支出也就越多。
由于现代社会财富构成多样化且其比重不断调整，个人财富价值变动显然并不仅仅取决于货币实际余额变动，其他资产价值的变动同样可以引起财富水平的变化，从而导致消费需求的变动。
传统理论中的财富效应，在现代意义上，仅只是货币余额的财富效应。
（二）财富效应的相关理论
1.庇古效应
庇古效应是由英国古典经济学家阿瑟.庇古在1930年提出。
这个理论认为：
如果人们手中的货币持有量和其他金融资产的实际价值增加，将导致财富增加，人们更加富裕，就会增加消费支出，因而将进一步增加消费品的生产和就业，促使几经体系重新恢复平衡。
经济学中的财富效应，最初指的就是“庇古效应”。
该效应可以表示为：
价格P下降货币持有者本身的财富增加自发性质的消费支出增加产出Y增加。
2.实际余额效应
实际余额为名义货币量除以物价水平。
实际余额需求越大，说明用于支付的购买能力越大，即消费越多。
因此，也就存在如下关系：
实际收入水平越高，实际余额需求越大，人们消费越多，总需求就越大。
实际余额对消费需求的这种影响就称为“实际余额效应”。
（三）股票市场财富效应特征
1.股票市场的财富效应的第一个明显特征是正面效应和负面效应的不对称性。
股票市场的负面效应要大于正面效应，即股票市场下跌导致消费收缩的效应要大于股票市场上涨引起消费增加的效应，股票市场下跌造成的财富缩水引起的消费减少的幅度，要远大于股票市场上升带来的财富增量引起的消费支出增长幅度。
原因在于：
对于消费者而言，相对于不确定性收入带来的影响,不确定性损失带来的影响要更大一些，也就是我们平常说的“赚的起，赔不起”。
2.股票市场财富效应的第二个明显特征就是时滞性。
股票市场财富效应的时滞性是指股票市场财富向消费支出转移的时间间隔有多长，由虚拟经济领域进入实体经济领域的时间间隔有多长。
从理论上来讲，这种转移的时间间隔应该是非常短的，即从股票市场财富的增加到消费支出之间转移所需要的时间应该很短。
如果股票市场财富到消费支出增加之间转移所需的时间比较长，经过跨期消费平均后，股票市场财富变动对总体消费支出增加的影响就不会太大。
3.股票市场财富效应另一个特征就是在一定条件下可能出现替代效应。
从理论上看，股票市场的财富效应理论描述的是股票市场上涨引起消费者财富总量的增加，从而促进实体消费的增加。
但在现实中，可能会出现“炒股热”的现象，即股票财富的增加使得更多的人将自己的资金投入到股市中以期待有更大的利润，这时消费支出不但没有增加反而会出现减少的状况。
从长期来看，这种替代效应与财富效应并不是相互对立的，因为股票财富的增加，会使得居民的储蓄资产分流，既扩大了股票市场的资金供给，也会在一定程度上刺激了即期消费。
（四）股市财富效应传导机制
对于股票市场财富效应的传导机制本文主要从对消费和经济增长的影响方面来论述：
1.股票财富增加，说明投资者手里的可支配收入增加，这可能会扩大消费支出。
就这一渠道而言，股票市场财富效应的大小主要受股票市场规模与国民的参与程度的影响：
股市市场规模就是通常所说的股市总市值；国民参与程度就是指持有股票的家庭数量在社会总家庭数量中的比重。
只有这两者足够大，股票市场财富效应才会明显。
2.股票财富增加，能够提高居民的收入预期和边际消费倾向从而扩大消费需求。
一般认为，一国长期边际消费倾向为常数，而短期内边际消费倾向受到可支配收入、利率、经济景气及股票市场景气等因素的影响可能产生明显的变化。
居民收入预期的变化将改变既有的消费倾向。
即使在可支配收入不变的情况下，收入预期的看好也会促使居民扩大消费支出。
3.通过改变供给方即企业的经营状况来扩大消费。
企业是国民经济的细胞，其正常运转离不开资金的支持，企业筹集资金的方式可分为直接融资和间接融资两种，从股票市场上融资属于直接融资，对企业而言成本较低，且不用还本付息，是企业增加资本金的一条重要渠道。
我国居民目前消费增长乏力的深层原因在于企业效益不佳，导致居民实际收入和预期收入两方面的停滞甚至下降，而消费支出总量的停滞不前，反过来又导致企业产品销售困难、投资意愿明显不足，企业效益难以提高。
股票市场的发展一是能适当加速企业上市进程，拓宽企业融资渠道，降低企业融资成本，从整体上提高企业的投资能力和效果，二是有助于上市公司建立现代企业制度，优化资本结构和治理结构，改善企业经营绩效，增加对未来收入的预期，带动消费支出的增加。
综上所述，从消费者的角度来看，股票市场财富效应的传导机制可如图2.1所示：
图2.1股票市场财富效应传导机制
三、股市财富效应实证分析
（一）中国股票财富效应的实证分析过程
1.变量的选取与数据处理
本文研究的仅仅是股票市场的财富对消费的影响，因此选取的变量为消费、股票市场财富和人均收入。
选取的是2006年至2011年的季度数据共24个。
以城镇居民社会商品零售总额（S）代表消费，此数据是由月度数据整理得出。
居民收入是以城镇居民人均可支配收入代表（Y），以流通市值（MV）代表股票市场的财富，以上数据均来自中国统计局网站和中国证监会网站。
所有数据先通过取自然对数以消除时间序列的异方差，并使数据趋势线性化，即本文是对LNS、LNY和LNMV进行检验，处理过程使用Eviews6.0软件。
2.单位根检验的结果
由于同阶单整才能进行协整分析，因此对三个变量进行单位根的检验，首先对LNS、LNY和LNMV进行单位根的检验得到结果如表3.1、3.2和3.3：
表3.1LNS单位根检验结果
NullHypothesis:
LNShasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
0.434153
0.9786
Testcriticalvalues:
1%level
-3.857386
5%level
-3.040391
10%level
-2.660551
表3.2LNY单位根检验结果
NullHypothesis:
LNYhasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-1.771038
0.6759
Testcriticalvalues:
1%level
-4.571559
5%level
-3.690814
10%level
-3.286909
表3.3LNMV单位根检验结果
NullHypothesis:
LNMVhasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.375498
0.0806
Testcriticalvalues:
1%level
-4.440739
5%level
-3.632896
10%level
-3.254671
从表3.1、3.2和3.3中可以看出，LNS、LNY和LNMV三者单位根检验的P值均大于0.05的显著水平，说明三个变量都存在一个单位根，此时要对三个变量进行一次差分后的单位根检验，得到如表3.4、3.5和3.6的结果：
表3.4LNS经过一次差分后的单位根检验结果
NullHypothesis:
D（LNS）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.129273
0.1311
Testcriticalvalues:
1%level
-4.616209
5%level
-3.710482
10%level
-3.297799
表3.5LNY经过一次差分后的单位根检验结果
NullHypothesis:
D（LNY）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
0.885551
0.9994
Testcriticalvalues:
1%level
-4.616209
5%level
-3.710482
10%level
-3.297799
表3.6LNMV经过一次差分后的单位根检验结果
NullHypothesis:
D（LNMV）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.358177
0.0872
Testcriticalvalues:
1%level
-4.532598
5%level
-3.673616
10%level
-3.277364
根据表3.4、3.5和3.6的检验结果我们可知LNS、LNY和LNMV经过一次差分后进行单位根检验P值仍具有单位根。
这时我们须将三个变量进行两次差分后的值再进行单位根检验，其结果如表3.7、3.8和3.9：
表3.7LNS经过两次差分后单位根的检验结果
NullHypothesis:
D（LNS,2）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-9.690809
0.0000
Testcriticalvalues:
1%level
-4.532598
5%level
-3.673616
10%level
-3.277364
表3.8LNY经过两次差分后单位根的检验结果
NullHypothesis:
D（LNY,2）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-6.268986
0.0004
Testcriticalvalues:
1%level
-4.571559
5%level
-3.690814
10%level
-3.286909
表3.9LNMV经过两次差分后的单位根检验结果
NullHypothesis:
D（LNMV,2）hasaunitroot
t-Statistic
Prob.*
AugmentedDickey-Fullerteststatistic
-3.747895
0.0412
Testcriticalvalues:
1%level
-4.467895
5%level
-3.644963
10%level
-3.261452
由表3.7、3.8和3.9可以看出，经过两次差分后的三个变量均拒绝了原假设，即没有单位根，此时我们可以认定LNS、LNY和LNMV三者同为2阶单整，可以进行协整分析。
3.协整检验过程
在进行协整检验之前，根据LNS、LNY和LNMV的数据先做出折线图，直观的观察三者的变动趋势是否具有协同变动的关系，如图3.1：
图3.1三个变量对数数据折线图
从图3.1可以看出：
三者之间的协同变动关系并不是很明显，尤其以LNMV的波动更为显著，由此可以大致的估计三者之间的协整关系不明显。
下面进行协整检验，
其结果如表3.10和3.11所示：
表3.10LNS、LNY和LNMV协整检验（迹检验法的结果）
Sample（adjusted）:
324
Series:
LNSLNYLNMV
UnrestrictedCointegrationRankTest（Trace）
Hypothesized
Trace
0.05
No.ofCE（s）
Eigenvalue
Statistic
CriticalValue
Prob.**
None
0.517714
28.50968
29.79707
0.0698
Atmost1
0.431661
12.46690
15.49471
0.1359
Atmost2
0.001638
0.036059
3.841466
0.8494
表3.11LNS、LNY和LNMV协整检验（最大特征根法的结果）
UnrestrictedCointegrationRankTest（MaximumEigenvalue）
Hypothesized
No.ofCE（s）
Eigenvalue
Max-Eigen
Statistic
0.05
CriticalValue
Prob.**
None
0.517714
16.04278
21.13162
0.2224
Atmost1
0.431661
12.43084
14.26460
0.0955
Atmost2
0.001638
0.036059
3.841466
0.8494
由两种检验方法进行的协整检验的结果可以看到其P值均大于0.05的显著水平，可知三变量之间不具有协整关系，这与折线图所反映的结果是一致的，即三者之间不存在协同变动关系。
4.格兰杰因果关系检验
首先根据AIC值和SC值确定最佳的滞后期，结果如表3.12所示：
表3.12由VAR确定的滞后期选择标准
VARLagOrderSelectionCriteria
Sample:
124
Lag
AIC
SC
0
-6.039685
-5.890326
1
-10.44676
-9.849324
2
-11.23006
-10.18454
3
-12.48788
-10.99428
4
-15.78578*
-13.84410*
由表3.12可知，滞后四期的AIC和SC值最小，因此做格兰杰因果检验时应将滞后期选为4期，下面对LNY与LNMV进行格兰杰检验，结果如表3.13：
表3.13LNY与LNMV滞后四期的格兰杰检验结果
PairwiseGrangerCausalityTests
Sample:
124
Lags:
4
NullHypothesis:
Obs
F-Statistic
Prob.
LNMVdoesnotGrangerCauseLNY
20
0.20413
0.9308
LNYdoesnotGrangerCauseLNMV
1.98796
0.1660
由表3.13可以看出检验结果的
升级会员 