中国城镇居民消费的计量经济学分析.docx

中国城镇居民消费的计量经济学分析.docx

《中国城镇居民消费的计量经济学分析.docx》由会员分享，可在线阅读，更多相关《中国城镇居民消费的计量经济学分析.docx（17页珍藏版）》请在冰豆网上搜索。

中国城镇居民消费的计量经济学分析

中国城镇居民消费的计量经济学分析

财政与公共管理学院09税务2班刘超2009280092

摘要：

民生问题是我国现阶段的热点话题，从中央到地方，从国家决策层到普通百姓都高度重视我民生问题的现状和解决途径。

改革开放以来，我国经济呈现快速而稳定的增长趋势，由于我国分配制度和收入水平的变话，城镇居民生活水平在达到小康之后，消费结构和消费水平都出现了一些新特征、新问题。

本文根据我国近年来城镇居民消费的相关数据资料，运用一定的计量经济学的研究方法。

对影响消费的一些因素进行分析，并找到影响我国城镇居民消费的主要原因。

Abstract:

Livelihoodissuesisthecurrenthottopics,fromcentraltolocal,fromthenationaldecision-makerstoordinarypeopleattachgreatimportancetothestatusofmylivelihoodissuesandsolutions.Sincereformandopening,China'seconomyhasshownrapidandstablegrowthtrend,ourallocationsystemandtheincomelevelschange,thelivingstandardsoftheurbanresidentsinthewell-off,consumptionstructureandconsumptionlevelshaveemergedinanumberofnewfeaturesandnewproblems.Basedonthedataofconsumptionofurbanresidentsinrecentyears,theuseofeconometricmethods.Someofthefactorsaffectingconsumeranalysis,andfindthemainreasonaffectingtheconsumptionofurbanresidentsinChina.

关键词：

城镇居民消费计量经济学模型分析

正文：

随着改革开放的继续深入发展，人民的物质文化生活水平日益提高，消费结构和消费水平都有一定的调整，随着城镇化程度的提高，城镇居民消费在整个国民经济中的地位日益重要，“扩大内需”也是现阶段我国政府调控宏观经济的重要内容，因此对其进行计量经济分析，研究其规律是十分有必要的，也是大有裨益的。

一、建立模型，估计参数

表一1998-2011年我国城镇居民消费统计数据

年份

当期城镇居民人均消费（元）

当前人均可支配收入

（元）

当期价格指数

前期城镇居民人均消费（元）

恩格尔系数

（%）

1998

4331．61

5425．1

99.4

4185.64

44.7

1999

4615.91

5854.0

98.7

4331.61

42.1

2000

4998

6280

100.8

4615.91

39.4

2001

5309.01

6859.6

100.7

4998

38.2

2002

6029.88

7702.8

99

5309.01

37.7

2003

6510.94

8472.2

100.9

6029.88

37.1

2004

7182.1

9421.6

103.3

6510.94

37.7

2005

7942.9

10493

101.6

7182.1

36.7

2006

8696.6

11759.5

101.5

7942.9

35.8

2007

9997.5

13785.8

104.5

8696.6

36.3

2008

11243

15780.8

105.6

9997.5

37.9

2009

12264.55

17175

99.1

11243

36.5

2010

13471.45

19109.44

99.3

12264.55

35.7

2011

15161

21810

99.5

13471.45

37.2

资料来源：

中国知网中国统计年鉴（居民消费价格指数以上一年=100计算）

根据我国居民实际情况，假设一般模型为：

，其中：

y为当期城镇居民人均消费支出，

为当期人均可支配收入，

为当期价格指数，

为前期城镇人均消费支出，u为随机扰动项。

利用eviews对数据进行最小二乘法分析如下

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

00:

56

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1201.884

1267.137

-0.948504

0.3652

X1

0.511816

0.092947

5.506532

0.0003

X2

18.03754

11.89297

1.516655

0.1603

X3

0.254951

0.159679

1.596653

0.1414

R-squared

0.999555

Meandependentvar

8411.032

AdjustedR-squared

0.999422

S.D.dependentvar

3507.833

S.E.ofregression

84.34140

Akaikeinfocriterion

11.94258

Sumsquaredresid

71134.71

Schwarzcriterion

12.12517

Loglikelihood

-79.59805

F-statistic

7492.472

Durbin-Watsonstat

1.820464

Prob（F-statistic）

0.000000

由以上结果可知，出去X1（当期人均可支配收入）以外，包括常数项在内的所有变量的t值相伴概率都远大于0.05即都不满足t检验时的显著性水平。

所以，要对模型进行调整，重新进行0LS估计。

经分别将每个变量进行一元回归，得出结果如下：

Y（当期城镇居民人均消费）与X1（当前人均可支配收入）的一元回归：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

01:

07

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

865.5526

58.47586

14.80188

0.0000

X1

0.660523

0.004672

141.3850

0.0000

R-squared

0.999400

Meandependentvar

8411.032

AdjustedR-squared

0.999350

S.D.dependentvar

3507.833

S.E.ofregression

89.42869

Akaikeinfocriterion

11.95632

Sumsquaredresid

95969.89

Schwarzcriterion

12.04762

Loglikelihood

-81.69427

F-statistic

19989.72

Durbin-Watsonstat

0.887679

Prob（F-statistic）

0.000000

拟合优度：

0.9994

Y（当期城镇居民人均消费）与X2（当期价格指数）建立一元回归其结果如果下表所示：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

01:

08

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-10740.14

47271.22

-0.227203

0.8241

X2

189.6290

467.9666

0.405219

0.6924

R-squared

0.013499

Meandependentvar

8411.032

AdjustedR-squared

-0.068710

S.D.dependentvar

3507.833

S.E.ofregression

3626.342

Akaikeinfocriterion

19.36140

Sumsquaredresid

1.58E+08

Schwarzcriterion

19.45269

Loglikelihood

-133.5298

F-statistic

0.164203

Durbin-Watsonstat

0.088651

Prob（F-statistic）

0.692447

拟合优度：

0.013499

Y（当期城镇居民人均消费）与X3（前期城镇居民人均消费）的一元回归及其结果如下表所示：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

01:

09

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-253.0728

134.6523

-1.879454

0.0847

X3

1.135966

0.016450

69.05639

0.0000

R-squared

0.997490

Meandependentvar

8411.032

AdjustedR-squared

0.997281

S.D.dependentvar

3507.833

S.E.ofregression

182.9199

Akaikeinfocriterion

13.38754

Sumsquaredresid

401516.3

Schwarzcriterion

13.47883

Loglikelihood

-91.71276

F-statistic

4768.785

Durbin-Watsonstat

2.041571

Prob（F-statistic）

0.000000

拟合优度：

0.997490

经比较可知X1的拟合优度最高，X2的拟合优度最低，X3的拟合优度次之，后以X1的拟合优度为基准，分别计算X1与X2，X1与X3的拟合优度，并根据结果根据剔除变量X2，得：

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

01:

21

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

705.1150

166.0331

4.246833

0.0014

X1

0.567441

0.090312

6.283138

0.0001

X3

0.160450

0.155466

1.032057

0.3242

R-squared

0.999453

Meandependentvar

8411.032

AdjustedR-squared

0.999354

S.D.dependentvar

3507.833

S.E.ofregression

89.18695

Akaikeinfocriterion

12.00676

Sumsquaredresid

87497.43

Schwarzcriterion

12.14370

Loglikelihood

-81.04729

F-statistic

10049.65

Durbin-Watsonstat

0.978205

Prob（F-statistic）

0.000000

有图中结果可知，X3的t值相伴概率远远大于0.05，不满足t检验显著性水平，所以剔除变量X2、X3，则得出回归方程为：

Y=865.5526+0.6605*X1

（14.80188）（141.3850）

0.9994

二、模型检验

1.经济意义检验

由模型可知，城镇居民人均收入与人均消费支出是正相关关系，即随着城镇居民收入的增加或减少，消费支出也会相应的增加或减少。

说明此模型符合经济学的一般规律。

当前城镇居民可支配收入每增加一元，城镇居民人均消费支出就将增加0.6605元。

2.自相关检验

（1）杜宾-瓦森检验（DW检验）

已知DW=0.8877

因为n=14,k=1取显著性水平a=0.05时，查表得

，所以0

即该模型存在一阶自相关

（2）布罗斯-戈弗雷检验（BG检验）结果如下：

Breusch-GodfreySerialCorrelationLMTest:

F-statistic

1.551670

Probability

0.258875

Obs*R-squared

3.315701

Probability

0.190548

TestEquation:

DependentVariable:

RESID

Method:

LeastSquares

Date:

06/29/12Time:

15:

02

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

28.40832

59.69310

0.475906

0.6444

X1

-0.002936

0.004940

-0.594317

0.5655

RESID（-1）

0.471108

0.335918

1.402449

0.1911

RESID（-2）

0.155491

0.355414

0.437491

0.6711

R-squared

0.236836

Meandependentvar

-6.82E-13

AdjustedR-squared

0.007887

S.D.dependentvar

85.92031

S.E.ofregression

85.58083

Akaikeinfocriterion

11.97176

Sumsquaredresid

73240.78

Schwarzcriterion

12.15434

Loglikelihood

-79.80229

F-statistic

1.034447

Durbin-Watsonstat

1.721471

Prob（F-statistic）

0.418654

经分析得出该模型不存在自相关性，这与DW检验结果相违背，其原因尚未可知。

2、异方差检验

（1）戈德菲尔德-匡特（G-Q）检验

为了方便操作检验建立Y与X1的新数据表如下

样本数据个数为n=14,C=4

SortX1将样本数据关于X1排序

SMPL19982002确定子样本1

LSYCX1

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

15:

22

Sample:

19982002

Includedobservations:

5

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

315.6654

193.1678

1.634151

0.2007

X1

0.738013

0.029840

24.73226

0.0001

R-squared

0.995119

Meandependentvar

5056.882

AdjustedR-squared

0.993493

S.D.dependentvar

658.4521

S.E.ofregression

53.11632

Akaikeinfocriterion

11.07202

Sumsquaredresid

8464.029

Schwarzcriterion

10.91579

Loglikelihood

-25.68005

F-statistic

611.6847

Durbin-Watsonstat

3.422497

Prob（F-statistic）

0.000145

有上表可得到样本1的残差平方和

8464.029

SMPL20072011确定子样本2

LSYCX1

DependentVariable:

Y

Method:

LeastSquares

Date:

06/29/12Time:

15:

28

Sample:

20072011

Includedobservations:

5

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

1093.881

157.9212

6.926755

0.0062

X1

0.646446

0.008898

72.64979

0.0000

R-squared

0.999432

Meandependentvar

12427.50

AdjustedR-squared

0.999243

S.D.dependentvar

1993.511

S.E.ofregression

54.86444

Akaikeinfocriterion

11.13678

Sumsquaredresid

9030.320

Schwarzcriterion

10.98056

Loglikelihood

-25.84196

F-statistic

5277.991

Durbin-Watsonstat

2.378455

Prob（F-statistic）

0.000006

由表可得到样本2的残差平方和

9030.320

所以

=1.067

取a=0.05时，

而F=1.067<

所以该模型不存在异方差。

（2）怀特检验

WhiteHeteroskedasticityTest:

F-statistic

0.802368

Probability

0.472851

Obs*R-squared

1.782369

Probability

0.410170

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/29/12Time:

15:

44

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

20465.95

11628.44

1.759991

0.1062

X1

-2.210497

2.034559

-1.086475

0.3005

X1^2

7.43E-05

7.72E-05

0.962897

0.3563

R-squared

0.127312

Meandependentvar

6854.992

AdjustedR-squared

-0.031358

S.D.dependentvar

6383.128

S.E.ofregression

6482.438

Akaikeinfocriterion

20.57899

Sumsquaredresid

4.62E+08

Schwarzcriterion

20.71593

Loglikelihood

-141.0529

F-statistic

0.802368

Durbin-Watsonstat

1.873589

Prob（F-statistic）

0.472851

由此表分析可知，取a=0.05，Obs*R-squared=1.782<

并且P值较大，模型异方差假设不成立。

（3）帕克检验：

利用eviews软件操作如下并得到结果：

LSYCX1

GENRLNE2=LOG（RESED^2）

GENRLNX1=LOG（X1）

LSLNE2CLNX1

DependentVariable:

LNE2

Method:

LeastSquares

Date:

06/29/12Time:

16:

00

Sample:

19982011

Includedobservations:

14

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

15.46366

8.096121

1.910008

0.0803

LNX1

-0.788118

0.874755

-0.900958

0.3853

R-squared

0.063358

Meandependentvar

8.177794

AdjustedR-squared

-0.014695

S.D.dependentvar

1.443128

S.E.ofregression

1.453694

Akaikeinfocriterion

3.717656

Sumsquaredresid

25.35870

Schwarzcriterion