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

《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

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/

/-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/

/-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.