我国消费的计量经济学论文.docx

我国消费的计量经济学论文.docx

《我国消费的计量经济学论文.docx》由会员分享，可在线阅读，更多相关《我国消费的计量经济学论文.docx（19页珍藏版）》请在冰豆网上搜索。

我国消费的计量经济学论文

计量经济学论文

-我国消费支出影响因素的计量经济模型分析

09贸y2

郑云滕

09121938

我国消费支出影响因素的计量经济模型分析

摘要：

自改革开放以来，我国的发展取得了巨大的进步。

国民的消费水平随着经济的发展呈现出稳定持续的上涨趋势。

而影响居民的消费水平受很多因素影响，个人收入增长的波动，居民消费水平倾向的波动，农业的波动，等等，都会影响我国城镇居民的消费水平。

而从横向上得地域上来看，随着我国经济的高速增长，地域经济差异也在不断的扩大，制约了国民经济整体的健康发展，同时也带来一系列的政治、社会问题中国的区域经济差距问题是当前社会关注的热点之一。

伴随着我国前所未有的高速经济增长的同时区域经济差距也不断扩大，区域经济差距加大制约了国民经济整体的健康发展，同时带来一系列的政治、社会问题等。

从该问题出发，我们制作了这个计量经济模型分析，主要是讨论我国消费支出的影响因素，同时，从横向上地域上分析中东西部差异对我国消费支出的影响，从而得出如何扩大我国居民的消费支出，从而带动经济的发展。

关键词：

消费支出；可支配收入；失业率；居民消费价格指数

1.我国消费支出的影响因素分析

收入是消费的基础，随着收入的增加，消费也随之增加，因此选取居民的可支配收入来反映收入对消费支出的影响。

然而居民的现期消费支出不仅受现期实际收入的影响，而且受预期收入的影响，因此选取失业率来反映预期收入对居民消费支出的影响.当居民的收入不变时，物价上涨，居民消费支出增加；物价下跌，居民消费支出减少。

因此选择居民消费价格指数来反映物价对居民消费支出的影响。

（1）居民消费支出：

是指城乡居民个人和家庭用于生活消费以及集体用于个人消费的全部支出。

包括购买商品支出以及享受文化服务和生活服务等非商品支出。

对于农村居民来说，还包括用于生活消费的自给性产品支出。

集体用于个人的消费指集体向个人提供的物品和劳务的支出；不包括各种非消费性的支出。

其形式是通过居民平均每人全年消费支出指标来综合反映城乡居民生活消费水平。

（2）可支配收入：

国民可用于支配的收入。

（3）失业率：

失业人数占劳动力总人数的百分比。

（4）居民消费者价格指数：

消费物价指数英文缩写为CPI，是根据与居民生活有关的产品及劳务

价格价格统计出来的物价变动指标

2.样本数据的选取

本课题以《中国统计年鉴2010》为资料来源，消费支出的数据来自《各地区城镇居民家庭平均每人全年消费性支出（2009年）》，可支配收入的数据来自《各地区城镇居民平均每人全年家庭收入来源（2009年）》，失业率数据来自《各地区城镇登记失业人员及失业率（2009年）》，居民消费价格指数来自

具体数据如下：

消费支出

（元/每人全年）y

可支配收入

（元/每人全年）x1

失业率（%）

X2

居民消费价格指数

X3

1北京

17893.30

26738.48

1.4

98.4583

2天津

14801.35

21402.01

3.6

99.0252

3河北

9678.75

14718.25

3.9

99.3215

4山西

9355.10

13996.55

3.9

99.5806

5内蒙古

12369.87

15849.19

4.0

99.7349

6辽宁

12324.58

15761.38

3.9

100.0494

7吉林

10914.44

14006.27

4.0

100.0708

8黑龙江

9629.60

12565.98

4.3

100.1869

9上海

20992.35

28837.78

4.3

99.5921

10江苏

13151.00

20551.72

3.2

99.5699

11浙江

16683.48

24610.81

3.3

98.4725

12安徽

10233.98

14085.74

3.9

99.0939

13福建

13450.57

19576.83

3.9

98.1887

14江西

9739.99

14021.54

3.4

99.3414

15山东

12012.73

17811.04

3.4

99.9976

16河南

9566.99

14371.56

3.5

99.417

17湖北

10294.07

14367.48

4.2

99.586

18湖南

10828.23

15084.31

4.1

99.6415

19广东

16857.50

21574.72

2.6

97.6538

20广西

10352.38

15451.48

3.7

97.8552

21海南

10086.65

13750.85

3.5

99.3212

22重庆

12144.06

15748.67

4.0

98.3638

23四川

10860.20

13839.40

4.3

100.7951

24贵州

9048.29

12862.53

3.8

98.7179

25云南

10201.81

14423.93

4.3

100.3968

26西藏

9034.31

13544.41

3.8

101.4086

27陕西

10705.67

14128.76

3.9

100.5234

28甘肃

8890.79

11929.78

3.3

101.2543

29青海

8786.52

12691.85

3.8

102.6477

30宁夏

10280.00

14024.70

4.4

100.7481

31新疆

9327.55

12257.52

3.8

100.7383

3.模型的建立

根据凯恩斯绝对收入理论，加入失业率和居民消费者价格指数建立如下模型：

Y=β0+β1X1+β2X2+β3X3+

其中y为消费支出，x1为可支配收入，x2为失业率，x3为居民消费者价格指数，结合数据运用eviews软件得

DependentVariable:

Y

Method:

LeastSquares

Date:

12/21/11Time:

17:

22

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.  

C

1756.384

14275.76

0.123033

0.9030

X1

0.690473

0.038223

18.06411

0.0000

X2

397.9537

265.0526

1.501414

0.1449

X3

-28.57132

141.8644

-0.201399

0.8419

R-squared

0.945985

    Meandependentvar

11628.91

AdjustedR-squared

0.939984

    S.D.dependentvar

2978.757

S.E.ofregression

729.7424

    Akaikeinfocriterion

16.14317

Sumsquaredresid

14378148

    Schwarzcriterion

16.32821

Loglikelihood

-246.2192

    Hannan-Quinncriter.

16.20349

F-statistic

157.6215

    Durbin-Watsonstat

1.707087

Prob（F-statistic）

0.000000

回归得到的消费函数为Y=1756.384+0.690473X1+397.9537X2-28.57132X3，各参数符合经济意义。

4.拟合优度检验

回归结果显示：

调整的可决系数R2=0.939984，接近于1，表明模型的拟合度较高，即消费支出的变化93.9984%可由可支配收入，失业率，居民消费者价格指数解释。

5.T检验

给定的α=0.05的显著性水平下，查的临界值tα/2（n-k-1）=tα/2（27）=2.052

原假设：

H0:

β0=0

备择假设：

H1：

β0不等于0

|t1|=18.06411＞tα/2（27），拒绝原假设，表明解释变量可支配收入通过了t检验

原假设：

H0:

β1=0

备择假设：

H1：

β0不等于0

|t2|=1.501414＜tα/2（27），接受原假设，表明解释变量失业率未通过了t检验

原假设：

H0:

β0=0

备择假设：

H1：

β不等于0

|t3|=0.201399＜tα/2（27），接受原假设，表明解释变量居民消费价格指数未通过了t检验

6.F检验

给定的α=0.05的显著性水平下，查的临界值Fα（3,27）=2.96

原假设：

H0:

β1=0,β2=0,β3=0,

备择假设：

H1：

β1,β2,β3不全为0

F=157.6215远大于临界值Fα（3,27）,表明表明模型的线性关系在95%的置信水平下显著成立。

7.多重共线性检验

由于在普通最小二乘法下，R2与F值

较大，但失业率和居民消费价格指数的t检验值较小，考虑到多重共线性的存在。

采用逐步回归法：

初始模型为Y=β0+β1X1+c

DependentVariable:

Y

Method:

LeastSquares

Date:

12/21/11Time:

17:

34

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.  

C

755.1947

520.3921

1.451203

0.1575

X1

0.668043

0.030931

21.59775

0.0000

R-squared

0.941469

    Meandependentvar

11628.91

AdjustedR-squared

0.939451

    S.D.dependentvar

2978.757

S.E.ofregression

732.9769

    Akaikeinfocriterion

16.09445

Sumsquaredresid

15580398

    Schwarzcriterion

16.18696

Loglikelihood

-247.4639

    Hannan-Quinncriter.

16.12460

F-statistic

466.4626

    Durbin-Watsonstat

1.644584

Prob（F-statistic）

0.000000

在初始模型中引入变量x2,回归得

DependentVariable:

Y

Method:

LeastSquares

Date:

12/21/11Time:

17:

36

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.  

C

-1105.795

1329.582

-0.831686

0.4126

X1

0.693468

0.034603

20.04054

0.0000

X2

388.7506

256.5718

1.515173

0.1409

R-squared

0.945904

    Meandependentvar

11628.91

AdjustedR-squared

0.942040

    S.D.dependentvar

2978.757

S.E.ofregression

717.1309

    Akaikeinfocriterion

16.08016

Sumsquaredresid

14399748

    Schwarzcriterion

16.21893

Loglikelihood

-246.2425

    Hannan-Quinncriter.

16.12540

F-statistic

244.8002

    Durbin-Watsonstat

1.698879

Prob（F-statistic）

0.000000

回归结果表明与原模型相比，拟合优度有所提高，但变量x2的参数未通过t检验，所以x2应剔除。

去掉x2引入x3回归得

DependentVariable:

Y

Method:

LeastSquares

Date:

12/21/11Time:

17:

40

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.  

C

-73.79563

14538.71

-0.005076

0.9960

X1

0.669070

0.036251

18.45642

0.0000

X3

8.149838

142.8358

0.057057

0.9549

R-squared

0.941476

    Meandependentvar

11628.91

AdjustedR-squared

0.937295

    S.D.dependentvar

2978.757

S.E.ofregression

745.9076

    Akaikeinfocriterion

16.15885

Sumsquaredresid

15578587

    Schwarzcriterion

16.29762

Loglikelihood

-247.4621

    Hannan-Quinncriter.

16.20408

F-statistic

225.2167

    Durbin-Watsonstat

1.642350

Prob（F-statistic）

0.000000

回归结果表明：

拟合优度反而有所下降且x3的参数未能通过t检验，因此剔除x3

终上所述，消费函数最优应以Y=f（x1）为最优，拟合结果如下：

Y=755.1947+0.668043x1

8．异方差检验

（1）图示法

如图可知该模型可能存在异方差

（2）.White检验

作辅助回归模型为e2=ａ0+a1x1+a2x1^2+c1

HeteroskedasticityTest:

White

F-statistic

4.172879

    Prob.F（2,28）

0.0259

Obs*R-squared

7.118258

    Prob.Chi-Square

（2）

0.0285

ScaledexplainedSS

4.356038

    Prob.Chi-Square

（2）

0.1133

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

12/21/11Time:

17:

46

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.  

C

-3682424.

1906480.

-1.931530

0.0636

X1

420.8651

207.7733

2.025597

0.0524

X1^2

-0.009417

0.005280

-1.783330

0.0854

R-squared

0.229621

    Meandependentvar

502593.5

AdjustedR-squared

0.174594

    S.D.dependentvar

604191.7

S.E.ofregression

548919.3

    Akaikeinfocriterion

29.36106

Sumsquaredresid

8.44E+12

    Schwarzcriterion

29.49983

Loglikelihood

-452.0964

    Hannan-Quinncriter.

29.40629

F-statistic

4.172879

    Durbin-Watsonstat

2.018454

Prob（F-statistic）

0.025933

在给定

的显著性水平下有Χ2

（2）=5.99，因为

=7.118258＞Χ2

（2），white检验表明拒绝同方差假设，存在异方差。

（3）.异方差修正

运用加权最小二乘法对模型进行修正，权重wi=1/x1,回归得：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/21/11Time:

17:

48

Sample:

131

Includedobservations:

31

Weightingseries:

1/X1

Coefficient

Std.Error

t-Statistic

Prob.  

C

866.6230

605.4897

1.431276

0.1630

X1

0.661028

0.039971

16.53776

0.0000

WeightedStatistics

R-squared

0.904131

    Meandependentvar

11078.13

AdjustedR-squared

0.900826

    S.D.dependentvar

685.5050

S.E.ofregression

673.8304

    Akaikeinfocriterion

15.92617

Sumsquaredresid

13167374

    Schwarzcriterion

16.01869

Loglikelihood

-244.8557

    Hannan-Quinncriter.

15.95633

F-statistic

273.4973

    Durbin-Watsonstat

1.553191

Prob（F-statistic）

0.000000

对修正后的模型进行white检验，已不存在异方差。

修正后模型为

Y=866.6230+0.661028x1+

9．自相关检验

D.W.=1.553191

查D.W.检验上下界表得，dL=1.36,dU=1.50,D.W.＞dU，不存在自相关性

因此我国2009年消费函数为：

Y=866.6230+0.661028x1

考虑到自1978年以来，我国的经济突飞猛进发展的同时各地的发展出现了严重的不平衡性。

东西部地区发展差距已成为我国可持续发展进程中的严峻挑战。

要研究地域差异是否对消费产生影响，选取北京,天津,河北,辽宁,上海,江苏,浙江,福建,山东,广东和海南11个省为东部地区，四川，贵州，云南，西藏，陕西，甘肃，青海，宁夏，新疆10个省市为西部地区。

其他为中部地区。

引入虚拟变量d1，d2

d1=1表示东部，d1=0表示其他.d2=1表示西部，d2=0表示其他。

建立消费函数为：

Y=β0+β1X1+β2d1+β3d2回归得：

DependentVariable:

Y

Method:

LeastSquares

Date:

12/22/11Time:

22:

37

Sample:

131

Includedobservations:

31

Coefficient

Std.Error

t-Statistic

Prob.  

C

466.3498

724.3195

0.643845

0.5251

X1

0.691318

0.047418

14.57918

0.0000

D1

-270.4403

428.5241

-0.631097

0.5333

D2

20.58800

343.4271

0.059949

0.9526

R-squared

0.942420

    Meandependentvar

11628.91

AdjustedR-squared

0.936022

    S.D.dependentvar

2978.757

S.E.ofregression

753.4431

    Akaikeinfocriterion

16.20710

Sumsquaredresid

15327266

    Schwarzcriterion

16.39213

Loglikelihood

-247.2100

    Hannan-Quinncriter.

16.26741

F-statistic

147.3037

    Durbin-Watsonstat

1.672681

Prob（F-statistic）

0.