城乡居民储蓄实证分析.docx
《城乡居民储蓄实证分析.docx》由会员分享,可在线阅读,更多相关《城乡居民储蓄实证分析.docx(31页珍藏版)》请在冰豆网上搜索。
城乡居民储蓄实证分析
《应用经济计量学》
期末考核
专业:
09级工商管理
学号:
0911027031
姓名:
刘静
时间:
2011年11月20日
【摘要】
城乡收入作为我国经济建设中重要部分,城乡储蓄能及时反映出城乡居民的经济状况和消费水平,所以,研究城乡储蓄具有重大意义。
本文旨在对影响我国储蓄余额的诸多因素进行实证分析,从中选出了影响大几个因素,建立储蓄模型,结合我国实际情况,对储蓄问题提出一些建议。
首先,我们收集了1990年到2009年的数据,利用EVIEWS软件,对模型进行了一系列的参数估计和假设检验,通过对模型的不断修正,得出自己的结论。
最后,对于这个结论从宏观经济意义上进行了自己的解释,并针对如今储蓄方面的若干问题提出自己的看法和建议。
【关键字】
城乡居民储蓄;影响因素;实证分析
Absract
Urban-ruralincomeasanimportantpartinChineseeconomicofconstruction.Theurban-ruralsavingscanreflecteconomicconditionsandreflectlevelsofconsumptionofurbanandruralresidentsintime.Therefore,studyontheurbanandruralsavingshaveabigsignificanceInChinahaveanumberoffactorseffecttheUrban-ruralincomesThisarticleisintendedtoaffectthebalanceofsavingsdeposits.Asanempiricalanalysis,wepicksomefactorsaffectingthemoreimportant.First,wearebuildingsavingsmodel,secondcombinedwiththeactualsituationinChina,madeanumberofrecommendationsonsavingsissues.Finally,forthisconclusionfromamacro-senseishisexplanationandforsavinganumberofquestionsputforwardtheirviewsandsuggestions.
【Keyword】
Urbanandruralresidents'savings,Factor,empiricalanalysis
目录
摘要Ⅰ
AbstractⅡ
引言5
一、城乡居民人民币储蓄的关联度双变量分析9
二、模型多重共线性诊断及补救10
三、模型自相关诊断及补救15
四、模型异方差诊断及补救20
五﹑小结与建议26
六﹑参考文献27
引言
城乡居民储蓄额增加受多方面因素的影响,除了人们的心理因素之外还有居民收入,居民消费物价指数等等。
由于储蓄增加额对我国经济有着重要的影响,所以对它的研究是十分必要的。
中国居民储蓄高速增长主要原因包括居民收入增加,而居民的消费处于长期储备期;城乡居民的投资渠道狭窄;消费领域信用水平低下,价格心理预期走低,是居民消费降低。
针对这些原因可以提出了加快发展直接投资;完善社会保障体系,增强居民消费行为;完善信用体系,全面普及消费信贷等一系列措施,来抑制储蓄的过分增长所带来的负效应。
本文选自1990到2009年的数据进行实证分析,选取全国近20年来城乡居民储蓄存款(Y)、银行活期利率(X2)和城乡居民可支配收入(X3)的统计数据,并运用计量经济学的分析方法,建立相应的回归模型以及运用一些相关分析方法对所建模型进行分析,以更好的说明因素间的关系,即银行活期利率和城乡居民可支配收入的影响关系。
城乡居民人民币储蓄存款的关联度分析
·
(一)城乡居民人民币储蓄(Y)、银行活期利率(X2)和城乡居民可支配收入(X3)关联度分析
为了更好的进行对城乡居民人民币储蓄(Y)、银行活期利率(X2)和城乡居民可支配收入(X3)关联度分析,我们选取全国1990年至2009年城乡居民人民币储蓄(Y)、银行活期利率(X2)和城乡居民可支配收入(X3)的统计资料,如表1-1,相对应的对数模型为1-2所示:
表1-11990--2009年城乡居民储蓄(亿元)、活期利率、人均可支配收入
年份
城乡居民人民币储蓄(Y)
活期利率(X2)
人均可支配收入(X3)
1990
7119.6
2.64
2196.5
1991
9244.9
1.98
2409.2
1992
11757.3
1.8
2810.6
1993
15203.5
2.475
3499.0
1994
21518.8
3.15
4717.2
1995
29662.3
3.15
5860.7
1996
38520.8
2.7
6765.0
1997
46279.8
1.935
7250.4
1998
53407.5
1.575
7587.1
1999
59621.8
1.215
8064.3
2000
64332.4
0.99
8533.4
2001
73762.4
0.99
9226.0
2002
86910.7
0.765
10178.4
2003
103617.7
0.72
11094.4
2004
119555.4
0.72
12358.0
2005
141051
0.72
13747.9
2006
161587.3
0.72
15346.5
2007
172534.2
0.765
17926.2
2008
217885.4
0.55
20541.4
2009
260771.7
0.36
22327.8
建立相对应的对数模型:
表1-21990--2009年对数城乡居民储蓄(亿元)、活期利率、人均可支配收入
(LnY)
(LnX2)
(LnX3)
8.870606823
0.970778917
7.694620463
9.131827327
0.683096845
7.787050021
9.372229603
0.587786665
7.941153263
9.629280943
0.906240396
8.160232492
9.976682251
1.147402453
8.458970682
10.29763216
1.147402453
8.676024329
10.55895363
0.993251773
8.819517541
10.74246086
0.660107326
8.888811919
10.88570646
0.454255272
8.934204716
10.99577656
0.194744077
8.995202192
11.07181867
-0.010050336
9.051743154
11.2086044
-0.010050336
9.129780864
11.37263643
-0.267879445
9.228023107
11.54846344
-0.328504067
9.314195755
11.69153514
-0.328504067
9.422058906
11.85687681
-0.328504067
9.528641364
11.99280083
-0.328504067
9.638642714
12.05835076
-0.267879445
9.794018609
12.29172452
-0.597837001
9.930197641
12.47140059
-1.021651248
10.01358782
我们建立三元回归模型㏑y=b1+㏑b2X2+㏑b3X3+
(相关计算数据参照于表2-1)。
我们将城乡居民可支配收入作为被解释变量y,银行活期利率作为解释变量X2,城乡人居可支配收入作为解释变量X3,运行统计分析软件SPSS,将上表中数据输入界面,进行回归分析所得结果如表1-3、表1-4和表1-5所示。
表1-3模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.998a
.997
.996
.066
a.预测变量:
(常量),城乡居民可支配收入,银行利率。
表1-4Anovab
模型
平方和
df
均方
F
Sig.
1
回归
21.738
2
10.869
2485.513
.000a
残差
.074
17
.004
总计
21.812
19
a.预测变量:
(常量),城乡居民可支配收入,银行利率。
b.因变量:
城乡居民人民币储蓄
表1-5系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
-1.816
.375
-4.836
.000
银行利率
-.166
.044
-.100
-3.801
.001
城乡居民可支配收入
1.422
.041
.913
34.714
.000
a.因变量:
城乡居民人民币储蓄
据此,可得该回归模型各项数据为:
b2=
=-1.66
b1=
=-1.816
b3=1.442
=
=0.004
Se(b1)=
=0.375
Se(b2)=
=0.044
Se(b3)=
=0.041
t(b1)=
=-4.836
t(b2)=
=-3.801
t(b3)=
=34.714
=
=0.997
df=17
模型为:
㏑y=-1.816-0.66㏑X2+1.422㏑X3+
另α=0.05
我们提出如下假设:
H0:
Bi=0,Y=B1+B2X2+B3X3+μi
y=b1+b2X2+b3X3+
t(bi)~
(17)
在
水平下,t检验的拒绝域为:
〔-∞,-2.110〕和(2.110,+∞〕
所以t(b1)、t(b2)、t(b3)均落在拒绝域中,拒绝原假设,即常数项、X2、X3对于模型均有意义。
联合假设检验:
H0:
=0
F~
(1,18)
在
水平下,模型中的F值落在F检验的右侧拒绝域〔5.98,+∞〕中,拒绝原假设,即
0
对于该模型的经济意义解释如下:
平均而言,在其他条件不变的情况下,活期利率(X2)每变动一个单位,将引起法定准备金变动0.166个单位;在其他条件不变的情况下,人均可支配收入(X3)每变动一个单位,将引起城乡居民人民币储蓄(Y)变动1.422个单位。
并且,该模型反映了99.7%的真实情况。
二、模型多重共线性诊断及其补救
在以下分析中,将选取原数据所得模型:
㏑y=-1.816-0.66㏑X2+1.422㏑X3+
相关计算数据参照于附表2-1和附表2-2
1.进行多重共线性的诊断
(1)
=0.997t(b1)=-4.836t(b2)=-3.801t(b3)=34.714
由此可看出,该模型的拟合优度较大,各参数的t检验值都较显著,所以,不能据此看出其存在多重共线性。
(2)分析X2、X3之间的关联度,根据spss算出其相关性。
如图2-1所示
表2-1相关性
银行利率
城乡居民可支配收入
银行利率
Pearson相关性
1
-.843**
显著性(双侧)
.000
N
20
20
城乡居民可支配收入
Pearson相关性
-.843**
1
显著性(双侧)
.000
N
20
20
**.在.01水平(双侧)上显著相关。
由此可看出,该模型的X2与X3都是不相关的。
(3)辅助回归
针对模型:
㏑y=-1.816-0.66㏑X2+1.422㏑X3+
建立以X2为因变量,X3为自变量的辅助回归模型:
X2=c1+c2X3+
运行统计分析软件SPSS,将上表中数据输入界面,进行回归分析所得结果如表2-2、表2-3和表2-4所示
表2-2模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.843a
.710
.694
.358
a.预测变量:
(常量),x。
城乡居民人均可支配收入
表2-3Anovab
模型
平方和
df
均方
F
Sig.
1
回归
5.642
1
5.642
44.057
.000a
残差
2.305
18
.128
总计
7.946
19
a.预测变量:
(常量),x。
城乡居民可支配收入
b.因变量:
y银行活期利率
表2-4系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
7.319
1.074
6.817
.000
x
-.792
.119
-.843
-6.638
.000
a.因变量:
y银行活期利率
据此,可得该回归模型为:
X2=7.319-0.792X3+
H0:
=0
F=
=44.075
F~
(1,18)
在
水平下,F值落在F检验的在拒绝域〔5.98,+∞〕中,拒绝原假设,说明存在多重共线性。
2.多重共线性的补救
(一)进行变量变换的方法进行补救
银行活期利率教城乡居民可支配收入显著性更小,取银行活期利率系数为xj,建立新模型:
y*=b1xj*+b2x2*+b3x3*+e,如图2-5所示:
y/xj
1/xj
x2/xj
x3/xj
-13.4403
-1.51515
-1.47088
-11.6585
-13.8361
-1.51515
-1.035
-11.7986
-14.2003
-1.51515
-0.89059
-12.0321
-14.5898
-1.51515
-1.37309
-12.364
-15.1162
-1.51515
-1.73849
-12.8166
-15.6025
-1.51515
-1.73849
-13.1455
-15.9984
-1.51515
-1.50493
-13.3629
-16.2765
-1.51515
-1.00016
-13.4679
-16.4935
-1.51515
-0.68827
-13.5367
-16.6603
-1.51515
-0.29507
-13.6291
-16.7755
-1.51515
0.015228
-13.7148
-16.9827
-1.51515
0.015228
-13.833
-17.2313
-1.51515
0.405878
-13.9819
-17.4977
-1.51515
0.497733
-14.1124
-17.7144
-1.51515
0.497733
-14.2758
-17.965
-1.51515
0.497733
-14.4373
-18.1709
-1.51515
0.497733
-14.604
-18.2702
-1.51515
0.405878
-14.8394
-18.6238
-1.51515
0.905814
-15.0458
-18.8961
-1.51515
1.547956
-15.1721
运行统计分析软件SPSS,将上表中数据输入界面,进行回归分析所得结果如表2-6、表2-7和表2-8所示
表2-6模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.998a
.997
.996
.100
a.预测变量:
(常量),x3,x2。
表2-7Anovab
模型
平方和
df
均方
F
Sig.
1
回归
49.904
2
24.952
2485.513
.000a
残差
.171
17
.010
总计
50.075
19
a.预测变量:
(常量),x3,x2。
b.因变量:
y
表2-8系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
2.751
.569
4.836
.000
x2
-.166
.044
-.100
-3.801
.001
x3
1.422
.041
.913
34.714
.000
a.因变量:
y
据此,可得该回归模型各项数据为:
b2=
=-1.66
b1=
=2.751
b3=1.422
=
=0.010
Se(b1)=
=0.569
Se(b2)=
=0.044
Se(b3)=
=0.041
t(b1)=
=4.863
t(b2)=
=-3.803
t(b3)=
=34.714
=
=0.997
df=17
模型为:
㏑y=2.751-1.66㏑X2+1.422㏑X3+
另α=0.05
我们提出如下假设:
H0:
Bi=0,Y=B1+B2X2+B3X3+μi
y=b1+b2X2+b3X3+
t(bi)~
(17)
在
水平下,t检验的拒绝域为:
〔-∞,-2.110〕和(2.110,+∞〕
所以t(b1)、t(b2)、t(b3)均落在拒绝域中,拒绝原假设,即常数项、X2、X3对于模型均有意义。
(二)辅助回归
针对模型:
㏑y=2.751-1.66㏑X2+1.422㏑X3+
建立以X2为因变量,X3为自变量的辅助回归模型:
X2=c1+c2X3+
运行统计分析软件SPSS,将上表中数据输入界面,进行回归分析所得结果如表3-1、表3-2和表3-3所示
表3-1模型汇总
模型
R
R方
调整R方
标准估计的误差
1
.843a
.710
.694
.542
a.预测变量:
(常量),x1。
表3-2Anovab
模型
平方和
df
均方
F
Sig.
1
回归
12.951
1
12.951
44.057
.000a
残差
5.291
18
.294
总计
18.243
19
a.预测变量:
(常量),x1。
b.因变量:
y1
表3-3系数a
模型
非标准化系数
标准系数
t
Sig.
B
标准误差
试用版
1
(常量)
-11.089
1.627
-6.817
.000
x1
-.792
.119
-.843
-6.638
.000
a.因变量:
y1
据此,可得该回归模型为:
X2=-11.089-0.792X3+
H0:
=0
F=
=44.057
F~
(1,18)
在
水平下,F值落在F检验的在拒绝域〔5.98,+∞〕中,拒绝原假设,说明存在多重共线性,补救模型不成功,利用原模型
四、模型自相关诊断
(一)自相关的诊断
相关数据参照于附表2-1
(1)图形法
根据模型:
㏑y=-1.816-0.66㏑X2+1.422㏑X3+
①作
对
的散点图,所得结果如图1所示
②作
对t的散点图,所得结果如图2所示
从图形中可以看出,
是随机的,即存在自相关
(2)D-W(杜宾——瓦尔逊)检验
根据模型:
㏑y=-1.816-0.66㏑X2+1.422㏑X3+
得出y^,et,如表3-4所示:
A
B
C
D
E
F
y^
et
et-1
B-C
(B-C)*
B*
12.11704
-3.24643
0
-3.2464294
10.5393038
10.5393
12.43834
-3.30651
-3.24643
-0.0600839
0.00361007
10.93303
12.72038
-3.34815
-3.30651
-0.0416411
0.00173398
11.21012
12.82173
-3.19245
-3.3897911
0.19734014
0.03894313
10.19174
13.08737
-3.11069
-3.19245
0.08176156
0.00668495
9.676383
13.39602
-3.09839
-3.11069
0.01230118
0.00015132
9.600013
13.70181
-3.14285
-3.09839
-0.0444641
0.00197706
9.877532
14.02022
-3.27776
-3.14285
-0.1349089
0.0182004
10.7437
14.22063
-3.33492
-3.27776
-0.0571642
0.00326774
11.12172
14.47865
-3.48287
-3.33492
-0.1479499
0.02188916
12.13038
14.69421
-3.62239
-3.48287
-0.1395233
0.01946676
13.12173
14.80518
-3.59658
-3.62239
0.02581279
0.0006663
12.93537
15.11505
-3.74241
-3.59658
-0.1458329
0.02126722
14.00565
15.2776
-3.72914
-3.74241
0.0132744
0.00017621
13.90645
15.43098
-3.73945
-3.72914
-0.0103053
0.0001062
13.98345
15.58254
-3.72566
-3.73945
0.0137861
0.00019006
13.88057