11 经济统计姚翼飞 11010806 全国居民储蓄模型.docx

11 经济统计姚翼飞 11010806 全国居民储蓄模型.docx

《11 经济统计姚翼飞 11010806 全国居民储蓄模型.docx》由会员分享，可在线阅读，更多相关《11 经济统计姚翼飞 11010806 全国居民储蓄模型.docx（26页珍藏版）》请在冰豆网上搜索。

11经济统计姚翼飞11010806全国居民储蓄模型

计量经济学综合实验报告

EconometricsExperimentReport

学生所在学院：

理学院

学生所在班级：

经济统计

学生姓名：

姚翼飞

指导教师：

方汶铭

教务处

2014年4月

摘要

本文采用1978年到2010年的数据，建立了关于储蓄的计量经济学模型，对影响我国城镇居民存款储蓄的因素进行分析，得出通过检验的模型。

再通过对该模型的经济含义分析得出各种因素对我国城镇居民存款储蓄额的影响程度，并针对分析结果提出建议。

【关键词】居民储蓄影响因素分析

一、指标体系的建立

1、变量的选取

目前，我国正处于改革时期，各种不确定性因素很多。

因而，要分析各种因素对居民储蓄行为的影响，必须立足于我国的国情。

1998年后，我国经济出现了明显的供给过剩，需求对经济增长的约束与拉动作用明显增强，投资、消费膨胀的内在动力明显不足；同时，由于我国市场机制尚不健全，市场经济发育不成熟，市场体制的控制力还有限，从而不能形成一种有效地传导机制。

市场化改革对人们的经济行为、心理行为带来了很大影响，银行开始考虑贷款风险，投资者开始考虑投资回报，而消费者也开始考虑最佳的消费时机和预期收入。

这说明，我们的微观经济层面已生长出一种内在的约束机制，然而社会各个方面对这些积极的因素还很不适应，微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾，导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。

当前影响我国居民储蓄的因素有很多，概括起来有以下几点：

居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、消费领域的信用等级、通货膨胀率的影响、高收入阶层消费状况、就业形势压力、物价水平、体制改革、居民收入水平等。

通过对以上因素的分析以及为了数据查找的方便，本文选取一部分变量进行研究，建立我国居民储蓄存款模型进行研究。

用居民的锗蓄总额作为被解释变量，用我国1978年到2010年各年的国民总收入、居民消费价格指数和税收作为解释变量。

2、数据的选取

年份

储蓄存款（亿元）

国民总收入（亿元）

居民消费价格指数（100）

税收（亿元）

1978

210.6

3645.217474

100.6

519.28

1979

281

4062.579191

101.8

537.82

1980

395.8

4545.623973

106

571.7

1981

523.7

4889.461062

101.3

629.89

1982

675.4

5330.450965

101.8

700.02

1983

892.5

5985.551568

100.5

775.59

1984

1214.7

7243.751718

102.2

947.35

1985

1622.6

9040.736581

117.6

2040.36

1986

2238.5

10274.37922

106.8

2090.73

1987

3081.4

12050.61513

108.6

2140.36

1988

3822.2

15036.82301

120.4

2390.47

1989

5196.4

17000.91911

117.2

2727.4

1990

7119.6

18718.32238

105.4

2821.86

1991

9244.9

21826.19941

111.9

2990.17

1992

11757.3

26937.27645

109.9

3296.91

1993

15203.5

35260.02471

119

4255.3

1994

21518.8

48108.45644

124.9

5126.88

1995

29662.3

59810.52921

117.3

6038.04

1996

38520.8

70142.49165

111.6

6909.82

1997

46279.8

78060.85276

105.3

8234.04

1998

53407.47

83024.27977

102.4

9262.8

1999

59621.83

88479.15475

100.6

10682.58

2000

64332.38

98000.45431

103.5

12581.51

2001

73762.43

108068.2206

103.1

15301.38

2002

86910.65

119095.6893

98.2

17636.45

2003

103617.65

135173.9761

100.2

20017.31

2004

119555.39

159586.7736

101

24165.68

2005

141050.99

183618.5053

101.5

28778.54

2006

161587.3

215883.9487

100.9

34804.35

2007

172534.19

266411.0218

102.4

45621.97

2008

217885.35

315274.7098

105.1

54223.79

2009

260771.66

341401.4756

98.5

59521.59

2010

303302.5

403259.9564

102.4

73210.79

数据来源：

中国统计年鉴-2011

二、实证分析

1、模型建立

Y:

储蓄存款X1:

国民总收入

X2:

居民消费价格指数X3:

税收

:

随机误差项

利用sas估计结果如下:

AnalysisofVariance

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

3

2.129661E11

70988691525

2052.51

<.0001

Error

29

1003002232

34586284

RootMSE

5881.01044

R-Square

0.9953

DependentMean

61146

AdjR-Sq

0.9948

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

44363

17018

2.61

0.0143

X1

1

0.60443

0.08718

6.93

<.0001

X2

1

-456.96252

155.90133

-2.93

0.0065

X3

1

0.77863

0.49449

1.57

0.1262

根据以上结果，初步得出的模型为:

44363+0.60443X1-456.96252X2+0.7863X3

，表明模型在整体上拟合得非常好，5%显著性水平下自由度为n-2=31的临界值t

（31）=2.04,只有t

=1.57<2.04没能通过检验。

2、计量检验

（1）多重共线性检验

Pearson相关系数,N=33

当H0:

Rho=0时，Prob>|r|

Y

X1

X2

X3

Y

1.00000

0.99677

<.0001

-0.39854

0.0216

0.99281

<.0001

X1

0.99677

<.0001

1.00000

-0.36547

0.0365

0.99391

<.0001

X2

-0.39854

0.0216

-0.36547

0.0365

1.00000

-0.36078

0.0391

X3

0.99281

<.0001

0.99391

<.0001

-0.36078

0.0391

1.00000

由解释变量X1和X3的相关系数可以看出该模型存在多重共线性

多重共线性的修正（逐步回归）：

将变量逐一代入式

可得如下表的三个模型：

RootMSE

6668.27448

R-Square

0.9936

DependentMean

61146

AdjR-Sq

0.9933

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

-6621.74262

1519.21248

-4.36

0.0001

X1

1

0.75164

0.01087

69.14

<.0001

RootMSE

76196

R-Square

0.1588

DependentMean

61146

AdjR-Sq

0.1317

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

544839

200359

2.72

0.0106

X2

1

-4547.67258

1879.63734

-2.42

0.0216

RootMSE

9945.41126

R-Square

0.9857

DependentMean

61146

AdjR-Sq

0.9852

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

1636.24211

2158.27850

0.76

0.4541

X3

1

4.25478

0.09214

46.18

<.0001

根据表格和理论分析，选取相关性最强的解释变量X1建立最基本的一元回归模型为：

在一元模型中分别引入第二个变量，建立二元回归模型，如下表：

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

2

2.128803E11

1.064402E11

2932.89

<.0001

Error

30

1088758212

36291940

CorrectedTotal

32

2.139691E11

RootMSE

6024.27924

R-Square

0.9949

DependentMean

61146

AdjR-Sq

0.9946

CoeffVar

9.85237

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

42336

17383

2.44

0.0210

X1

1

0.74075

0.01055

70.21

<.0001

X2

1

-451.06043

159.65312

-2.83

0.0083

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

2

2.126689E11

1.063345E11

2453.60

<.0001

Error

30

1300145165

43338172

CorrectedTotal

32

2.139691E11

RootMSE

6583.17341

R-Square

0.9939

DependentMean

61146

AdjR-Sq

0.9935

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

-5297.15576

1794.60844

-2.95

0.0061

X1

1

0.62156

0.09737

6.38

<.0001

X3

1

0.74379

0.55336

1.34

0.1890

加入X3后相关性降低剔除X2。

最终模型为：

（2）异方差性检验（G-Q检验）

33组数据去掉9组剩下24组，分成两个子样本，每个子样本12组数据，进行

OLS回归如下：

子样本1：

AnalysisofVariance

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

2

27858196

13929098

387.58

<.0001

Error

9

323448

35939

CorrectedTotal

11

28181645

RootMSE

189.57506

R-Square

0.9885

DependentMean

1679.56667

AdjR-Sq

0.9860

CoeffVar

11.28714

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

1131.11594

1375.81692

0.82

0.4322

X1

1

0.38925

0.02349

16.57

<.0001

X2

1

-24.90288

14.32257

-1.74

0.1161

子样本2:

AnalysisofVariance

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

2

68732988827

34366494413

479.61

<.0001

Error

9

644895150

71655017

CorrectedTotal

11

69377883977

RootMSE

8464.92863

R-Square

0.9907

DependentMean

147078

AdjR-Sq

0.9886

CoeffVar

5.75541

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

287783

130135

2.21

0.0543

X1

1

0.75339

0.02440

30.88

<.0001

X2

1

-2893.38925

1288.86502

-2.24

0.0514

构造统计量F=

/

=1994.14

在显著性水平为5%下，临界值

（9,9）=3.18F>3.18,存在异方差性。

异方差性的修正（异方差稳健标准误法）

RootMSE

1.00785

R-Square

0.9995

DependentMean

20.92170

AdjR-Sq

0.9994

CoeffVar

4.81723

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

we03

1

43946

1132.53880

38.80

<.0001

X1jiaq

1

0.74202

0.00481

154.16

<.0001

X2jiaq

1

-465.10322

10.62137

-43.79

<.0001

Durbin-WatsonD

1.313

NumberofObservations

33

1stOrderAutocorrelation

0.323

修正后的模型为

（3）自相关性检验（D-W）

在5%显著性水平下，样本容量为n=33，解释变量和常数项k=3,D.W.的临界值

d

=1.32,d

=1.58,因为D.W.=1.313

所以该模型存在正自相关。

引入时间变量T（T=1，2....33）以平方的形式出现

AnalysisofVariance

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

3

2.128918E11

70963943781

1910.39

<.0001

Error

29

1077245462

37146395

CorrectedTotal

32

2.139691E11

RootMSE

6094.78427

R-Square

0.9950

DependentMean

61146

AdjR-Sq

0.9944

CoeffVar

9.96767

Variable

DF

Parameter

Estimate

Standard

Error

tValue

Pr>|t|

Intercept

1

43264

17665

2.45

0.0206

X1

1

0.75852

0.03367

22.53

<.0001

X2

1

-453.52533

161.58229

-2.81

0.0089

T2

1

-5.97528

10.73314

-0.56

0.5820

Durbin-WatsonD

1.342

NumberofObservations

33

1stOrderAutocorrelation

0.306

不确定是否存在序列相关性，使用拉格朗日乘数检验法

RootMSE

5346.75128

R-Square

0.3365

DependentMean

1.82277

AdjR-Sq

0.2038

CoeffVar

293331

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

t Value

Pr > |t|

Intercept

1

-5726.25266

16667

-0.34

0.7340

X1

1

-0.01643

0.03129

-0.53

0.6042

X2

1

50.90094

150.02169

0.34

0.7372

T2

1

4.12299

10.16011

0.41

0.6883

ett_1

1

0.45149

0.17350

2.60

0.0153

ett_2

1

-0.57477

0.19246

-2.99

0.0062

LM=31*0.3365=10.4315>7.81,存在2阶序列相关性,检验三阶

RootMSE

5486.40469

R-Square

0.3553

DependentMean

-58.49366

AdjR-Sq

0.1871

CoeffVar

-9379.48595

Variable

DF

Parameter

Estimate

Standard

Error

t Value

Pr > |t|

Intercept

1

-5861.54091

17390

-0.34

0.7391

X1

1

-0.01871

0.03270

-0.57

0.5727

X2

1

49.51470

155.72017

0.32

0.7534

T2

1

5.18382

10.79431

0.48

0.6356

ett_1

1

0.52904

0.20474

2.58

0.0166

ett_2

1

-0.66842

0.23124

-2.89

0.0082

ett_3

1

0.18745

0.24421

0.77

0.4506

LM=30*0.3553=10.659>7.81,仍说明存在序列相关性,但ett_3参数未过显著性检验,则存在2阶相关性.

广义差分法进行自相关处理

AnalysisofVariance

Source

DF

Sumof

Squares

Mean

Square

FValue

Pr>F

Model

4

2.096547E11

52413663692

2915.91

<.0001

Error

27

485326468

17975054

CorrectedTotal

31

2.1014E11

RootMSE

4239.69980

R-Square

0.9977

DependentMean

63050

AdjR-Sq

0.9973

CoeffVar

6.72438

ParameterEstimates

Variable

DF

Parameter

Estimate

Standard

Error

t Value

Pr > |t|

Int