城镇人均收入与人均通讯消费分析.docx
《城镇人均收入与人均通讯消费分析.docx》由会员分享,可在线阅读,更多相关《城镇人均收入与人均通讯消费分析.docx(21页珍藏版)》请在冰豆网上搜索。
![城镇人均收入与人均通讯消费分析.docx](https://file1.bdocx.com/fileroot1/2023-1/4/8db2050c-e718-4802-8a2e-8b1191facce0/8db2050c-e718-4802-8a2e-8b1191facce01.gif)
城镇人均收入与人均通讯消费分析
城镇人均收入与人均通讯消费分析
[摘要]本文旨在与对1992——2004年我国人均收入对人均通信消费的影响。
首先,我们综合了几种关于收入和消费的主要理论观点;进而我们建立了理论模型。
然后,收集了相关的数据,利用EVIEWS软件对计量模型进行了参数估计和检验,并加以修正。
最后,我们对所得的分析结果作了经济意义的分析。
[关键词]城镇家庭人均收入(人均实际收入)人均通讯消费
一提出问题
随着经济的发展,人民生活水平的提高,人际交往的需要,对信息的需求也成逐步上升的趋势。
九十年代以来,我国通讯事业有了较大的发展,从“中国电信”一家独霸天下,发展到今天的“铁通”“联通”“网通”等瓜分天下。
改革开放以来的经济在从计划向市场转型的过程中,人民的消费水平、结构都发生了很大变化。
由于入世,引进国外先进的技术、借鉴外国先进的经营和管理经验,促进我国电信业的全方位发展壮大。
同时也拓宽融资渠道,有利于引进外资,也有利于改善资金结构。
随着市场经济的发展,以及九十年代后期我国对工资结构作了很大的调整,使得我国人均收入不管是从水平还是结构上来说都有了很大的变化。
从而我们发现以上的变化足以以影响通讯消费。
针对这种现象,我们收集了1992——2004年间城镇家庭人均收入,人均通讯消费。
二.经济理论陈述
西方经济学中关于消费与收入决定关系的有关理论假说
凯恩斯绝对收入假说
对于
有
(1)
,即
会随收入的而增长,但其增量小于收入增量。
(2)
,即
由
可知
有
,即收入的平均消费倾向递减。
绝对收入假说下的消费函数通常采用线性形式
,
此时
,函数
符合假说
和
三样本数据收集
本模型使用时间序列数据,Yt=α+βXt+Ut,Y为人均通讯消费,单位元,Xt为城镇家庭人均收入,单位元。
数据来源于国家统计局网站()。
在经过大量分析比较后我们采用了所取样本数据见
表1,
Y
X
1992
10.62000
2031.530
1993
28.27000
2583.160
1994
62.85000
3502.310
1995
87.97000
4279.020
1996
102.9500
4844.780
1997
121.5400
5188.540
1998
142.4000
5449.500
1999
173.7000
5864.700
2000
232.8000
6295.910
2001
281.5000
6868.900
2002
358.8000
8177.400
2003
424.0100
9061.220
2004
454.6000
10128.50
四.平稳性的检
(一)
表二X:
ADFTestStatistic
1.222472
1%CriticalValue*
-4.1366
5%CriticalValue
-3.1483
10%CriticalValue
-2.7180
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(SER01)
Method:
LeastSquares
Date:
06/03/05Time:
19:
40
Sample(adjusted):
19932004
Includedobservations:
12afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
SER01(-1)
0.054515
0.044594
1.222472
0.2496
C
383.3354
254.7627
1.504677
0.1633
R-squared
0.130014
Meandependentvar
674.7475
AdjustedR-squared
0.043015
S.D.dependentvar
318.2914
S.E.ofregression
311.3704
Akaikeinfocriterion
14.47086
Sumsquaredresid
969515.2
Schwarzcriterion
14.55167
Loglikelihood
-84.82513
F-statistic
1.494438
Durbin-Watsonstat
1.117371
Prob(F-statistic)
0.249560
/1.222472/-4.1366/
/-3.1483/
/-2.7180/
拒绝原假设,没有通过检验,证明是不平稳的。
表三Y:
ADFTestStatistic
2.333367
1%CriticalValue*
-4.1366
5%CriticalValue
-3.1483
10%CriticalValue
-2.7180
*MacKinnoncriticalvaluesforrejectionofhypothesisofaunitroot.
AugmentedDickey-FullerTestEquation
DependentVariable:
D(SER02)
Method:
LeastSquares
Date:
06/03/05Time:
19:
35
Sample(adjusted):
19932004
Includedobservations:
12afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
SER02(-1)
0.094160
0.040354
2.333367
0.0418
C
21.08984
8.483771
2.485904
0.0322
R-squared
0.352525
Meandependentvar
36.99833
AdjustedR-squared
0.287777
S.D.dependentvar
20.72437
S.E.ofregression
17.48998
Akaikeinfocriterion
8.712145
Sumsquaredresid
3058.993
Schwarzcriterion
8.792963
Loglikelihood
-50.27287
F-statistic
5.444602
Durbin-Watsonstat
1.344857
Prob(F-statistic)
0.041810
/2.333367/-4.1366/
/-3.1483/
/-2.7180/
拒绝原假设,没有通过检验,证明是不平稳的。
(二)进行协整性检验
生成ET=X-(α+ρy)
表四
1992
2178.858
1993
2719.898
1994
3618.3
1995
4379.938
1996
4936.71
1997
5269.316
1998
5517.76
1999
5914.18
2000
6309.93
2001
6853.7
2002
8115.82
2003
8960.514
2004
10009.44
检验ET的平稳性
DW=0.462912
在显著性水平为0.05和0.1下通过水平型检验。
也就是说,我们要在以下的检验中用0.05和0.1的显著性水平对我们的数据进行估计和检验。
五.参数估计与检验
(一)将样本数据导入Eviews软件进行OLS估计,得到输出结果如下:
表五
DependentVariable:
SER02
Method:
LeastSquares
Date:
06/01/05Time:
20:
41
Sample:
19922004
Includedobservations:
13
Variable
Coefficient
Std.Error
t-Statistic
Prob.
SER01
0.060313
0.003423
17.62135
0.0000
C
-153.6739
21.10424
-7.281659
0.0000
R-squared
0.965787
Meandependentvar
190.9238
AdjustedR-squared
0.962676
S.D.dependentvar
148.0898
S.E.ofregression
28.60996
Akaikeinfocriterion
9.686025
Sumsquaredresid
9003.829
Schwarzcriterion
9.772940
Loglikelihood
-60.95916
F-statistic
310.5121
Durbin-Watsonstat
0.462912
Prob(F-statistic)
0.000000
(二)模型的检验
1.经济意义的检验
经过上面的分析我们在理论上已经知道,人均收入X与城镇居民人均通讯消费Y的增长是正的线形关系,这与现实中X与Y同向变化是相符的。
当人们的收入不断增加的同时,食品所占比例随之下降,其他消费所占比例有所上升,这是符合我们家庭消费的习惯的。
2.统计推断检验
从估计的结果可以看出,可决系数为0.965787,模型拟合情况比较理想,系数显著性检验T统计量为:
17.62135。
在给定显著性水平为0.05的情况下,查T分布表在自由度为N-2=11下的临界值为2.201,因为17.62135大于2.201,所以通过T检验拒绝原假设。
表明人均收入X对城镇居民人均通讯消费有显著影响。
3.计量经济检验
(1)由于我们建立的模型只有一个解释变量,所以不存在多重共线性。
(2)异方差图一
由图可知,一定存在异方差。
由于是时间序类数据,我们采取ARCH检验
表六
ARCHTest:
F-statistic
1.205990
Probability
0.385049
Obs*R-squared
3.761678
Probability
0.288375
TestEquation:
DependentVariable:
RESID^2
Method:
LeastSquares
Date:
06/01/05Time:
20:
52
Sample(adjusted):
19952004
Includedobservations:
10afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1074.229
464.9595
2.310370
0.0602
RESID^2(-1)
-0.076893
0.516201
-0.148959
0.8865
RESID^2(-2)
0.133688
0.507889
0.263222
0.8012
RESID^2(-3)
-0.591737
0.437524
-1.352468
0.2250
R-squared
0.376168
Meandependentvar
654.7810
AdjustedR-squared
0.064252
S.D.dependentvar
505.4297
S.E.ofregression
488.9228
Akaikeinfocriterion
15.51146
Sumsquaredresid
1434273.
Schwarzcriterion
15.63249
Loglikelihood
-73.55730
F-statistic
1.205990
Durbin-Watsonstat
0.861696
Prob(F-statistic)
0.385049
从输出的辅助回归函数中得obs*-squared为3.761678,P=0.288375,
∵3.761678<0.28837
∴所以通过检验拒绝原假设
表明模型中存在明显的异方差现象。
即,随着时间的推移,多种因素对其有着影响。
如,同需费用单位价格的变化,通信是产竞争的激烈程度,手机价格的下降,国家政策的引导等。
(3)自相关检验
我们的模型只有一个解释变量,把其他的影响因素都放在了随机误差项U里。
因此必然存在自相关。
利用图示法,由Eviews软件得到如下结果:
图二
由图可以初步判断,此模型有自相关。
再利用D-W法检验由DW=0.462912,查DW表,n=13,k’=1,在α==0.05时,查得两个临界值分别为:
下限DL=1.010,上限DU=1.331,因为DW统计量为0.462912
其原因可能在于经济环境,国家政策等变化对经济发展和通讯消费的影响有时滞性。
六.计量经济参数修正
根据上述检验可以得到,我们建立的模型存在异方差与自相关,下面进行修正。
(1)首先是对异方差的修正。
A.利用WLS估计法得到如下输出结果:
表七
DependentVariable:
SER02
Method:
LeastSquares
Date:
06/02/05Time:
15:
07
Sample:
19922004
Includedobservations:
13
Weightingseries:
W
Variable
Coefficient
Std.Error
t-Statistic
Prob.
SER01
0.059010
0.000206
285.7880
0.0000
C
-143.0366
2.026115
-70.59648
0.0000
WeightedStatistics
R-squared
0.999993
Meandependentvar
350.3346
AdjustedR-squared
0.999993
S.D.dependentvar
1083.497
S.E.ofregression
2.962703
Akaikeinfocriterion
5.150719
Sumsquaredresid
96.55371
Schwarzcriterion
5.237635
Loglikelihood
-31.47968
F-statistic
81674.76
Durbin-Watsonstat
1.135523
Prob(F-statistic)
0.000000
UnweightedStatistics
R-squared
0.964832
Meandependentvar
190.9238
AdjustedR-squared
0.961635
S.D.dependentvar
148.0898
S.E.ofregression
29.00618
Sumsquaredresid
9254.943
Durbin-Watsonstat
0.435347
分析:
R=0.999993T=285.7880〉2.201
B.再用对数变换法,将变量X,Y替换成LNX,LNY。
用OLS法对LY,LX回归,得到结果如下:
表八
DependentVariable:
LY
Method:
LeastSquares
Date:
06/02/05Time:
12:
45
Sample:
19922004
Includedobservations:
13
Variable
Coefficient
Std.Error
t-Statistic
Prob.
LX
2.299547
0.099757
23.05151
0.0000
C
-14.83014
0.854821
-17.34881
0.0000
R-squared
0.979719
Meandependentvar
4.847307
AdjustedR-squared
0.977875
S.D.dependentvar
1.093940
S.E.ofregression
0.162718
Akaikeinfocriterion
-0.652959
Sumsquaredresid
0.291248
Schwarzcriterion
-0.566044
Loglikelihood
6.244234
F-statistic
531.3721
Durbin-Watsonstat
1.058521
Prob(F-statistic)
0.000000
分析:
R=0.979719T=23.05151〉2.201
比较两种方法,可以发现X,Y在非对数线性回归下拟和效果更好,可决系数更大,且T统计量也较好。
我们将模型的表达式基本上可以确定为:
Yt=α+βXt+Ut。
(2)其次是对自相关进行修正。
利用对数线性回归修正并进行迭代,得出如下结果:
A.表九
DependentVariable:
LY
Method:
LeastSquares
Date:
06/05/05Time:
21:
39
Sample(adjusted):
19932004
Includedobservations:
12afteradjustingendpoints
Convergenceachievedafter4iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
LX
1.843468
0.288465
6.390602
0.0001
C
-10.81583
2.558273
-4.227785
0.0022
AR
(1)
0.425312
0.216569
1.963862
0.0811
R-squared
0.989343
Meandependentvar
5.054355
AdjustedR-squared
0.986975
S.D.dependentvar
0.835189
S.E.ofregression
0.095318
Akaikeinfocriterion
-1.650875
Sumsquaredresid
0.081770
Schwarzcriterion
-1.529649
Loglikelihood
12.90525
F-statistic
417.7612
Durbin-Watsonstat
0.908943
Prob(F-statistic)
0.000000
InvertedARRoots
.43
DW=0.908943自相关没有得到修正,所以模型不可能是对数模型,进一步可以确定模型形式为Yt=α+βXt+Ut。
B.ρ=1-DW/2DW=0.435347(由表七修正后的数据可知)
由表二可得ρ=0.7823
表十
DependentVariable:
DY
Method:
LeastSquares
Date:
06/02/05Time:
15:
24
Sample(adjusted):
19932004
Includedobservations:
12afteradjustingendpoints
Variable
Coefficient
Std.Error
t-Statistic
Prob.
DX
0.063330
0.007917
7.999430
0.0000
C
-44.73836
15.90432
-2.812969
0.0184
R-squared
0.864848
Meandependentvar
75.85703
AdjustedR-squared
0.851333
S.D.dependentvar
45.52532
S.E.ofregression
17.55336
Akaikeinfocriterion
8.719380
Sumsquaredresid
3081.204
Schwarzcriterion
8.800197
Loglikelihood
-50.31628
F-statistic
63.99087
Durbin-Watsonstat
1.182893
Prob(F-statistic)
0.000012
DW=1.182893,在0.05的显著性水平下,不能拒绝原假设的区间内(DL=1.010,DU=1.331)所以不能说修正了自相关性。
C.直接运用跌代法
表十一
DependentVariable:
SER02
Method:
LeastSquares
Date:
06/02/05Time:
14:
22
Sample(adjusted):
19932004
Includedobservations:
12afteradjustingendpoints
Convergenceachievedafter4iterations
Variable
Coefficient
Std.Error
t-Statistic
Prob.
SER01
0.064557
0.005668
11.38928
0.0000
C
-193.6246
43.82927
-4.417700
0.0017
AR
(1)
0.624654
0.181152
3.448243
0.0073
R-squared
0.987356
Meandependentvar
205.9492
AdjustedR-squared
0.984546
S.D.dependentvar
143.9535
S.