我国城镇居民存款模型分析.docx
《我国城镇居民存款模型分析.docx》由会员分享,可在线阅读,更多相关《我国城镇居民存款模型分析.docx(16页珍藏版)》请在冰豆网上搜索。
我国城镇居民存款模型分析
山西大学
课程论文
课程论文题目:
我国城镇居民储蓄存款模型分析
学院:
经济与工商管理学院
专业:
国际经济与贸易
姓名:
谢丽先
学号:
2008162036
指导教师:
崔海燕
我国城镇居民储蓄存款模型分析
摘要:
本文利用我国2000--2008年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型,对我国城镇居民储蓄存款情况进行实证分析。
通过对该模型的经济含义分析得出各种主要因素对我国城镇居民储蓄存款数量的影响程度,并针对我国城镇居民存款储蓄现状提出自己的一些建议。
关键词:
居民储蓄存款实证分析主要因素
一、变量介绍
改革开放以来,我国国民经济的飞速发展,居民储蓄也出现高速增长的态势。
居民的储蓄存款直接影响居民的消费行为、影响货币的供给量,进而间接影响国家经济的发展、宏观调控的力度和效果。
因此,对我国居民存款储蓄问题的深入研究就显得尤为重要,这有助于帮助大家认清现状,做出合理的决策。
一个社会的储蓄水平主要受收入因数、利息率、物价水平、收入分配等参数的影响:
1.收入因数
收入是决定储蓄的重要参数,收入的变化会直接决定着储蓄的变化。
在其他条件不变的情况下,储蓄与可支配收入之间存在着正方向的变化关系,即居民的可支配收入增加,储蓄量增加;个人可支配收入减少,储蓄量减少。
可支配收入是指居民户在支付个人所得税之后,余下的全部实际现金收入。
2.利息率
传统经济学认为,在收入即定的条件下,较高的利息率会使储蓄增加。
在本文中,我们选用的利息率是根据当年变动月份加权平均后的一年期储蓄存款加权利率。
3.物价水平
物价水平会导致居民户的消费倾向的改变,从而也就会改变居民户的储蓄倾向。
本文用通货膨胀率来考察物价水平对储蓄率的影响。
4.收入分配
凯恩斯认为,收入分配的均等化程度越高,社会的平均消费倾向就会越高,社会的储蓄倾向就会越低。
在国际上,衡量收入分配平均状况最常用的指数是基尼系数。
5.其他因素
居民储蓄行为的决定是一个相当复杂的过程,影响居民储蓄的因素除了以上所述的一些主要影响因素以外还有很多。
例如,在经济改革的过程中,国企改革、产业结构调整以及政策性等因素都会使居民对未来收入和支出的预期发生很大变化。
由于这些因素无法用效据表达,不易进行定量分析,所以用随机变量(u)来进行处理。
二、模型:
1.本文模型数据样本为从2000--2008年:
年份
城镇居民储蓄率(Y)
城镇居民收入增长率(
)
一年期储蓄率(
)
通货膨胀率(
)
城镇居民基尼系数(
)
2000
0.42486435
0.397210898
10.98
0.216948
0.28
2001
0.44898036
0.261076104
10.98
0.147969
0.28
2002
0.40903477
0.198208003
9.21
0.06938
0.29
2003
0.30935015
0.127739779
7.17
0.007941
0.3
2004
0.25777978
0.108852141
5.02
-0.026
0.295
2005
0.21234608
0.134557035
2.89
-0.02993
0.3
2006
0.1239205
0.125688358
2.25
-0.01501
0.32
2007
0.24155306
0.14364071
2.25
-0.0079
0.33
2008
0.29897822
0.173106495
2.03
-0.01308
0.319
数据来源:
各年份的《中华人民共和国国家统计局统计数据库》及《中国统计年鉴》。
注:
Y代表城镇居民储蓄率
代表城镇居民收入增长率
代表一年期储蓄利率
代表通货膨胀率
代表城镇居民基尼系数
2.基于以上数据,建立的模型是:
度量了截距项,它表示在没有收入的时候人们也要花钱消费,储蓄率为负;
度量了当城镇个人可支配收入率变动1%时,储蓄增长率的变动;
度量了当利率变动一个单位,其实也就是1%时,储蓄的增量的变动;
度量了当通货膨胀率变动一个单位,储蓄增量的变动;
度量了基尼系数对储蓄率的影响。
这也是本文的重点变量;u是随机误差项。
(一)最小二乘估计
DependentVariable:
Y
Method:
LeastSquares
Date:
01/03/11Time:
00:
20
Sample:
20002008
Includedobservations:
9
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1.185226
1.127422
-1.051271
0.3524
X1
1.886701
1.374035
1.373110
0.2417
X2
0.057428
0.028438
2.019411
0.1136
X3
-2.616123
2.077920
-1.259011
0.2765
X4
2.994968
2.941591
1.018146
0.3662
R-squared
0.866413
Meandependentvar
0.302979
AdjustedR-squared
0.732826
S.D.dependentvar
0.108149
S.E.ofregression
0.055901
Akaikeinfocriterion
-2.630294
Sumsquaredresid
0.012500
Schwarzcriterion
-2.520724
Loglikelihood
16.83632
F-statistic
6.485768
Durbin-Watsonstat
2.033959
Prob(F-statistic)
0.048768
由以上分析,初步模型为
(二)多重共线性检验
计算各解释变量的相关系数:
X1
X2
X3
X4
X1
1.000000
0.737592
0.959672
-0.619389
X2
0.737592
1.000000
0.877236
-0.895173
X3
0.959672
0.877236
1.000000
-0.727714
X4
-0.619389
-0.895173
-0.727714
1.000000
由相关系数矩阵可知,存在一定多重共线,且X1和X3高度相关。
1.1
:
Y=0.141308+0.871240
DependentVariable:
Y
Method:
LeastSquares
Date:
01/03/11Time:
00:
50
Sample:
20002008
Includedobservations:
9
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.141308
0.060849
2.322263
0.0532
X1
0.871240
0.296956
2.933904
0.0219
R-squared
0.551506
Meandependentvar
0.302979
AdjustedR-squared
0.487436
S.D.dependentvar
0.108149
S.E.ofregression
0.077428
Akaikeinfocriterion
-2.085817
Sumsquaredresid
0.041965
Schwarzcriterion
-2.041989
Loglikelihood
11.38618
F-statistic
8.607795
Durbin-Watsonstat
1.091671
Prob(F-statistic)
0.021902
1.2
:
Y=0.154584+0.025304
DependentVariable:
Y
Method:
LeastSquares
Date:
01/03/11Time:
00:
51
Sample:
20002008
Includedobservations:
9
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.154584
0.033765
4.578253
0.0025
X2
0.025304
0.004913
5.150823
0.0013
R-squared
0.791238
Meandependentvar
0.302979
AdjustedR-squared
0.761415
S.D.dependentvar
0.108149
S.E.ofregression
0.052825
Akaikeinfocriterion
-2.850516
Sumsquaredresid
0.019534
Schwarzcriterion
-2.806688
Loglikelihood
14.82732
F-statistic
26.53097
Durbin-Watsonstat
1.331933
Prob(F-statistic)
0.001323
1.3
:
Y=0.263844+1.005396
DependentVariable:
Y
Method:
LeastSquares
Date:
01/03/11Time:
00:
52
Sample:
20002008
Includedobservations:
9
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
0.263844
0.024359
10.83147
0.0000
X3
1.005396
0.265308
3.789538
0.0068
R-squared
0.672294
Meandependentvar
0.302979
AdjustedR-squared
0.625479
S.D.dependentvar
0.108149
S.E.ofregression
0.066185
Akaikeinfocriterion
-2.399594
Sumsquaredresid
0.030663
Schwarzcriterion
-2.355767
Loglikelihood
12.79817
F-statistic
14.36060
Durbin-Watsonstat
1.322485
Prob(F-statistic)
0.006807
1.4
:
Y=1.678001-4.559766
DependentVariable:
Y
Method:
LeastSquares
Date:
01/03/11Time