河南农村居民消费主要影响因素分析 计量经济学课程论文.docx

河南农村居民消费主要影响因素分析 计量经济学课程论文.docx

《河南农村居民消费主要影响因素分析 计量经济学课程论文.docx》由会员分享，可在线阅读，更多相关《河南农村居民消费主要影响因素分析 计量经济学课程论文.docx（13页珍藏版）》请在冰豆网上搜索。

河南农村居民消费主要影响因素分析计量经济学课程论文

计量经济学课程论文

河南省农村居民消费

主要影响因素分析

学生姓名

学科专业

学号

指导老师

2012年04月25日

1.引言……………………………………………………………………………3

2.数据的收集…………………………………………………………………3

3.模型的估计…………………………………………………………………4

4.模型的检验及修正………………………………………………………5

模型的参数估计及经济意义检验………………………………………5

①经济意义检验………………………………………………………………7

②统计意义检验………………………………………………………………7

计量经济学检验……………………………………………………………7

多重共线性检验…………………………………………………………………7

异方差性检验…………………………………………………………………10

③自相关问题的检验………………………………………………………………11

5.提高农村居民消费政策建议…………………………………………13

一、引言：

居民消费是经济持续发展的最终推动力，居民的消费水平和消费结构直接反应了居民生活水平的高低。

作为我国居民消费的一个重要的部分，农村居民的消费问题在很大程度上影响着我国的消费水平和结构，本文对河南省农村居民的消费水平发展状况进行了分析，探讨了影响河南农村居民消费的相关因素，并提出了相关的解决措施和建议。

河南省作为我国的农业大省，农村人口比例达到了64%，达到了6345万，农村居民的消费在全省的居民消费中占有相当重要的地位，近几年来随着城乡一体化的发展，河南农村居民的收入稳步增加，消费水平也逐年提高，但是该省农村消费仍处于低水平阶段，要扩大内需，不仅从市场需求和消费结构、消费价格这个角度来考虑，更要解决如何使农民收入持续快速增长，提高农民总体购买力，推动农村消费不断扩大。

因此，正确的分析河南农村居民消费的特征和变化趋势、以及影响农村居民消费的一些因素，找到改善农村居民消费的措施，对河南经济的持续增长具有重要的意义。

由于数据的可获性及影响的重要性，对于河南省农村居民的消费水平主要选取了以下两个影响因素：

农村居民家庭人均纯收入及商品零售价格指数。

二、数据的收集

河南省农村居民的人均纯收入由1990年的526.95元增加到了2010年的5523.73元，增长了9.48倍，表现出了较快的增长态势，而河南省农村居民人均消费支出也由1990年的413元增加到了2010年的4061元，同样表现出了较快的增长势头。

居民的收入水平是影响消费水平的最基本、最重要的因素，居民的购买力往往决定了其消费能力，而购买力主要取决于居民收入水平，因为随着居民收入水平的增加，其购买力往往会提高，随之居民的消费层次也逐渐的提高，进而会影响居民的消费结构和消费水平。

总之，居民的收入水平和居民的消费水平存在很大的相关性，我们在研究居民的消费水平时，一定要考虑到居民的收入水平状况。

居民在消费时，商品的价格在很大程度上也是促成居民消费心理的因素，因此把商品价格指数也作为参考因素之一，进行了分析。

●1990年到2010年农村居民的消费水平及其影响因素的统计数据（表2.1所示）

（图表2.1）

注：

数据来源《河南统计年鉴》整理

三、模型的估计

（一）模型数学形式的确定

为分析被解释变量农村居民消费水平（Y）和解释变量农村居民家庭人均纯收入（X1）、商品零售价格指数（X2）的关系，作如图表3.1线性图（见P5）。

可以看出Y、X1都是逐年增长的，但增长速率有所变动，而X2在多数年份呈现水平波动。

说明变量之间不一定是线性关系。

为分析农村居民消费水平（Y）和农村居民家庭人均纯收入（X1）、商品零售价格指数（X2）的变动的数量的规律性，可以初步建立回归模型如下：

Y=β0+β1*X1+β2*X2+Ui

其中β0表示在没有任何因素影响下的农村居民消费水平;β1表示农村居民家庭人均纯收入对农村居民消费水平的影响；β2表示商品零售价格指数对农村居民的消费水平的影响；Ui为随机干扰项。

（图表3.1）

四、模型的检验及修正

（一）模型的参数估计及经济意义检验

利用Eviews软件，做Y对X1、X2的回归，Eviews的最小二乘估计的回归结果如图表4.1所示见下图：

DependentVariable:

Y

Method:

LeastSquares

Date:

04/25/12Time:

09:

55

Sample:

19902010

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-234.9218

401.1767

-0.585582

0.5654

X1

0.724510

0.015633

46.34422

0.0000

X2

3.300277

3.787797

0.871292

0.3951

R-squared

0.991949

Meandependentvar

1744.667

AdjustedR-squared

0.991054

S.D.dependentvar

1039.536

S.E.ofregression

98.32041

Akaikeinfocriterion

12.14590

Sumsquaredresid

174004.3

Schwarzcriterion

12.29512

Loglikelihood

-124.5320

F-statistic

1108.872

Durbin-Watsonstat

0.700849

Prob（F-statistic）

0.000000

（图表4.1）

根据表中数据，模型设计的结果为:

Y=-234.9218+0.724510X1+3.300277X2

（401.1767）（0.015633）（3.787797）

t=（-0.585582）（46.34422）（0.871292）

R2=0.991949—R2=0.991054DW=0.700849F=1108.872n=21

1、经济意义上的检验

该模型可初步通过经济意义上的检验，系数符号均符合经济意义，农村居民家庭人均纯收入及商品零售价格调整均能在数量上增加居民消费。

2、统计意义上的检验

（1）拟合优度检验（R2检验）

可决系数R2=0.991949，—R2=0.991054，这说明所建模型整体上对样本数据拟合很好，即解释变量“农村居民家庭人均纯收入（X1）”及“商品零售价格指数（X2）”对被解释变量“农村居民消费水平（Y）”的绝大部分差异作了解释。

（2）F检验

针对H0：

β1=β2=0，给定显著性水平α=0.05，在F分布表中查出自由度为k－1＝2和n－k＝18的临界值Fα（2,18）＝3.55，由图表4.1中得到F＝1108.872＞Fα（2，18）＝3.55，应拒绝原假设H0：

β1=β2=0，说明回归方程显著，即列入模型的解释变量“农村居民家庭人均纯收入（X1）”及“商品零售价格指数（X2）”联合起来确实对被解释变量“农村居民消费水平（Y）”有显著影响。

（3）t检验

分别针对H0：

βj＝0（j＝0，1，2），给定显著性水平α＝0.05，查t分布表的自由度为n－k＝18的临界值tα/2（n－k）＝2.101。

由表2中的数据可得，与β0、β1、β2对应的t统计量分别为-0.585582、46.34422、0.871292，其绝对值不全大于tα/2（n－k）＝2.101，这说明在显著水平α＝0.05下，只有β2能拒绝H0：

βj＝0，也就是说，当在其他解释变量不变的情况下，各个解释变量农村居民家庭人均纯收入（X1）”及“商品零售价格指数（X2）”分别对被解释变量“农村居民消费水平（Y）”不全都有显著影响，这可能是由于多重共线性或自相关性的影响。

3、计量经济意义检验

（1）多重共线性检验

Ⅰ计算各解释变量的相关系数，选择X1、X2的数据，得到相关系数矩阵如下图：

变量

X1

X2

X1

1.000000

-0.195783

X2

-0.195783

1.000000

（图表4.2）

由矩阵可得X1与X2的相关系数不高，不存在多重共线性。

Ⅱ、让Y分别对X1、X2、做回归。

①将Y与X1做回归得到结果如图表4.3所示：

DependentVariable:

Y

Method:

LeastSquares

Date:

04/25/12Time:

11:

08

Sample:

19902010

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

112.8113

40.50218

2.785315

0.0118

X1

0.721844

0.015233

47.38616

0.0000

R-squared

0.991609

Meandependentvar

1744.667

AdjustedR-squared

0.991168

S.D.dependentvar

1039.536

S.E.ofregression

97.69526

Akaikeinfocriterion

12.09198

Sumsquaredresid

181342.9

Schwarzcriterion

12.19145

Loglikelihood

-124.9657

F-statistic

2245.448

Durbin-Watsonstat

0.676340

Prob（F-statistic）

0.000000

（图表4.3）

②将Y与X2做回归得到结果如表4.4：

DependentVariable:

Y

Method:

LeastSquares

Date:

04/25/12Time:

11:

15

Sample:

19902010

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

4961.385

4112.496

1.206417

0.2425

X2

-31.06796

39.65798

-0.783398

0.4431

R-squared

0.031290

Meandependentvar

1744.667

AdjustedR-squared

-0.019695

S.D.dependentvar

1039.536

S.E.ofregression

1049.723

Akaikeinfocriterion

16.84083

Sumsquaredresid

20936454

Schwarzcriterion

16.94031

Loglikelihood

-174.8287

F-statistic

0.613712

Durbin-Watsonstat

0.079234

Prob（F-statistic）

0.443050

（图表4.4）

由图表4.2的相关系数矩阵可以看出，解释变量X1、X2的相关系数不高。

又由图表4.3、图表4.4可知，Y与X1拟合度R2＝0.991609，其组合为最优方程，Y与X2拟合度R2＝0.031290并不是高，但是由表4.1可知引入X2后R2变为0.991949，这说明引入X2这个解释变量对整体模型有改善作用。

可认为模型不存在多重共线性，所以可保留原来的方程，即：

Y=-234.9218+0.724510X1+3.300277X2

这说明，在其他因素不变的情况下，当农村居民家庭人均纯收入每增加1元，商品零售价格指数每上升1%，平均来说农村居民消费水平将分别增加0.724510元和3.300277。

（2）异方差检验

样本数为21，且模型为二元线性回归模型，利用怀特检验对异方差性进行检验，由图表4.1估计结果，按路径Veiw/Residualtests/Whiteheteroskedasticity（corssterms）,进入White检验。

得到结果见下如图表4.5所示：

WhiteHeteroskedasticityTest:

F-statistic

1.093936

Probability

0.403657

Obs*R-squared

5.611385

Probability

0.345887

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

04/26/12Time:

09:

41

Sample:

19902010

Includedobservations:

21

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-32478.07

840343.4

-0.038649

0.9697

X1

-45.58500

63.79375

-0.714568

0.4858

X1^2

-0.002171

0.001211

-1.793354

0.0931

X1*X2

0.571706

0.609776

0.937568

0.3633

X2

1176.925

15151.39

0.077678

0.9391

X2^2

-8.890347

68.03483

-0.130673

0.8978

R-squared

0.267209

Meandependentvar

8285.918

AdjustedR-squared

0.022945

S.D.dependentvar

11244.86

S.E.ofregression

11115.11

Akaikeinfocriterion

21.70495

Sumsquaredresid

1.85E+09

Schwarzcriterion

22.00339

Loglikelihood

-221.9020

F-statistic

1.093936

Durbin-Watsonstat

1.418891

Prob（F-statistic）

0.403657

（图表4.5）

由此可知nR2=5.611385，由White检验知，在α=0.05下，查X2分布表，得临界值X0.052（3）=7.81因为nR2>X0.052（3）所以接受原假设，表明残差是同方差的，不存在异方差性。

（3）、自相关检验

Ⅰ、DW检验

由表4.1可得DW＝0.700849。

对样本量为21、两个解释变量的模型在5%显著水平下查DW统计表可知，dL＝1.22，dU＝1.42，模型中DW＜dL，显然该模型中有正自相关。

定义参差序列e=resid，在Eviews命令栏中输入lsee（-1），可得回归结果见图表4.6如下所示：

DependentVariable:

E

Method:

LeastSquares

Date:

04/26/12Time:

10:

12

Sample（adjusted）:

19912010

Includedobservations:

20afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

E（-1）

0.645325

0.171109

3.771417

0.0013

R-squared

0.427064

Meandependentvar

4.009341

AdjustedR-squared

0.427064

S.D.dependentvar

95.85940

S.E.ofregression

72.55841

Akaikeinfocriterion

11.45537

Sumsquaredresid

100029.7

Schwarzcriterion

11.50515

Loglikelihood

-113.5537

Durbin-Watsonstat

1.331809

（图表4.6）

得到回归方程et=0.645325et-1，则ρ=0.645325，对原模型进行广义差分，得到广义差分方程：

Yt-0.645325Yt-1=β1（1-0.645325）+β2（Xt-0.645325Xt-1）+Ui

对此方程进行回归，在Eviews命令栏中输入方程：

lsy-0.645325*y（-1）cx1-0.645325*x1（-1）x2-0.645325*x2（-1）。

回车后可得方程输出结果见图表4.7如下所示：

DependentVariable:

Y-0.645325*Y（-1）

Method:

LeastSquares

Date:

04/26/12Time:

10:

26

Sample（adjusted）:

19912010

Includedobservations:

20afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-3.013540

147.4437

-0.020439

0.9839

X1-0.645325*X1（-1）

0.703015

0.028267

24.87092

0.0000

X2-0.645325*X2（-1）

1.747577

3.811427

0.458510

0.6524

R-squared

0.973484

Meandependentvar

760.1124

AdjustedR-squared

0.970364

S.D.dependentvar

435.9619

S.E.ofregression

75.05125

Akaikeinfocriterion

11.61170

Sumsquaredresid

95755.74

Schwarzcriterion

11.76106

Loglikelihood

-113.1170

F-statistic

312.0566

Durbin-Watsonstat

1.405124

Prob（F-statistic）

0.000000

（图表4.7）

Yt*=-3.013540+0.703015X1*+1.747577X2*

Se=（147.4437）（0.028267）（3.811427）

T=（-0.020439）（24.87092）（0.458510）

R2=0.973484F=312.0566DW=1.405124

其中Yt*=Yt-0.64532Yt-1，X1t*=X1t-0.64532X1t-1，X2t*=X2t-0.64532*X2t-1

由于使用了广义差分数据，样本容量减了少1个，为20个。

查1%显著性水平的DW统计表可知dL=0.95，dU=1.15，模型中DW=1.405124>dU，说明在1%显著性水平下广义差分模型中已无自相关，不必再进行迭代。

同时可见，可决系数R2、t、F统计量也达到了理想水平。

由上述差分方程有

β0=-3.013540/（1-0.645325）=-8.496624

由此，我们得到最终河南省农村居民消费模型为

Yt*=-8.496624+0.703015X1*+1.747577X2*

由此得河南省农村居民消费模型可知，河南省农村居民的消费边际为0.703015和1.747577。

即其他解释变量不变，农村居民家庭人均纯收入每增加一元，平均来说人均消费支出将增加0.703015元。

其他解释变量保持不变，商品零售价格指数每增加1%，平均来说人均消费支出将增加1.747577元。

五、提高农村居民消费政策建议

当前制约我国经济增长的因素很多，靠扩大投资拉动经济增长不是长久之计，依靠扩大出口拉动经济增长也面临居多难题，因此，扩大内需、提升居民消费水平来拉动经济增长应是长久之策，根据本文以上分析，提升农村居民消费水平可从以下几方面着手：

（一）要增加农村居民的收入，提高农村居民的消费层次

居民的收入水平和消费水平存在着很大的正相关关系，只有切实增加农民的收入，才能提高农民的消费水平。

首先，要大力调整农村的产业结构，优化农产品结构，在巩固第一产业的基础上，积极发展农产品加工企业，并建立自己的农产品品牌。

其次，积极地拓宽农村居民非农产业的收入来源。

要大力发展乡镇企业，提高农村劳动力就业率。

以此来增加农民的非农产业的收入，最后，完善收入分配制度，缩小城乡居民收入差距等措施，千方白计提高农民收入提高农村居民的消费能力，从而带动全省经济更快更好发展。

（二）改善农村的消费环境，完善农村消费市场

要加大农村基础设施建设的资金投入力度，确保农村电网的覆盖面积，加大农村道路建设，努力提高建设标准，此外还要加大农村的通讯设施建设等等，以此来促进农村居民生活水平的提高，刺激农民生活消费品的消费需求。

（三）建立健全农村社会保障制度，提高农村居民的消费水平

要想提高农村居民的消费水平，就必须完善农村社会保障制度。

第一，要建立农村最低生活保障制度，要制定明确的评定标准，保障贫困农村的最低生活。

第二，要积极推进新型农村合作医疗制度，逐步提高补助标准，保障农村居民的基本医疗需求。

第三，要解决好农村的养老保险问题，解决农村居民“老有所养”的问题。

只有社会保障问题做好了，才能解决农村居民对未来消费预期不确定性的问题，增强他们的消费信心，从而提高农村居民的消费水平。

（四）引导农民更新消费观念，促进消费层次的提升

通过舆论、媒体等积极地引导，更新农村居民的传统的消费观念，提高农村居民的消费层次。

农村居民普遍存在消费的随意性和盲目模仿性等，因此我们应答加大力度普及科学消费观，帮助农村居民把握自主的消费意识。

注：

本文查表数据均参照《计量经济学（第三版）》（高等教育出版社）附录统计分布表