计量经济学论文——居民消费支出的影响因素分析

1、计量经济学课程论文居民消费支出的影响因素分析居民消费支出的影响因素分析摘要：随着我国经济的快速增长，人们的收入状况有了很大改善，消费支出也随之上升。一个国家居民的消费状况从侧面反映了该国的整体经济水平以及社会福利的大小。现实中有许多因素影响着居民的消费水平，但由于样本数据的可收集性及我国现在的经济状况，我就仅从以下几个因素着手分析：从居民角度来看，个人所得税的多少影响着其消费性支出的高低；而从整个社会经济环境来看，国内价格指数和生产总值同样影响着居民的消费支出。关键词：居民消费支出影响因素多因素回归分析模型检验与修正1.引言本文主要针对我国居民消费支出进行多因素分析，从中国统计年鉴搜集相关数据

2、，建立模型，进行数量分析。在得到消费支出与各主要因素间的数量关系后，据模型方程中的各因素系数大小，分析主要因素和次要因素，为政府政策提供建议和依据。2.计量经济模型2.1 解释变量和被解释变量的定义过程模型设定选取 1985-2012 年我国居民消费支出的有关数据进行时间序列回 归分析，以各年份的消费支出作为被解释变量 Y。影响居民消费支出的因素很多，考虑到实证研究的需要和数据的可获得性，本文选取以下几个变量作为解释变 量:（1）国内生产总值。在一定时期内，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。理论上与居民消费支出呈正相关。（2）税收。

3、税收是国家为实现其职能，通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式。理论上该变量和房价存在负相关性。（3）消费价格指数。是根据与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。2.2 建立模型根据上面所述，建立模型如下：Y= 0+ 1X1+ 2X2+ 3X3+其中：Y居民消费支出（亿元） X1国内生产总值（亿元） X2税收（亿元） X3消费价格指数2.3 数据收集1985-2012 年我国居民消费支出相关数据见附录表 1。2.4 估计方程2.4.1 Y 与 X1、X2、X3 的回归分析运用 Eviews 软件

4、将 Y 与 X1、X2、X3 进行回归，结果如下：Dependent Variable: Y Method: Least SquaresDate: 06/12/13Time: 18:53Sample: 1985 2012Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C-3346.1421289.395-2.5951250.0159X10.2785820.0795233.5031840.0018X20.3029370.4021540.7532860.4586X33582.530995.80483.597

5、6230.0014R-squared0.996782Mean dependent var22944.63Adjusted R-squared0.996380S.D. dependent var21855.50S.E. of regression1314.955Akaike info criterion17.33256Sum squared resid41498587Schwarz criterion17.52287Log likelihood-238.6558Hannan-Quinn criter.17.39074F-statistic2478.235Durbin-Watson stat0.3

6、56672Prob(F-statistic)0.000000因此，样本回归方程为：Y =-3346.142+0.278582X1+0.302937X2+3582.530X3(-2.595125) (3.503184) (0.753286)(3.597623) R2=0.996782F=2478.235DW=0.356672；（1）经济意义检验：从得出的回归方程中可以看出，10.278582 表示在其他因素不变的情况下，国内生产总值每增加一个单位，居民消费支出平均增加 0.278582 个单位，与实际理论相符 20.302937 表示在其他因素不变的情况下，税收每增加一个单位，商品房价格平均增加

7、 0.302937 个单位，与实际理论不相符合，可能存在多重共线性； 33582.530 表示在其他因素不变的情况下，消费价格指数每增加一个单位，商品房价格平均增加 3582.530 个单位。（2）统计检验拟合优度检验：R2=0.996782，拟合程度较好，商品房价格的 99%可以由国内生产总值、税收、消费价格指数这三个解释变量解释。F 检验：F=2478.235，F0.05(3,24)=3.01，F 统计量远远大于临界值，拒绝原假设，回归方程显著，即三个因素对商品房价格均有显著影响。t 检验: X1、X2、X3 的 t 统计量分别为(3.503184) (0.753286)(3.597623

8、)。t检验临界值 t0.025(24)为 2.064，由此可知，解释变量 X2 没有通过 t 检验，即税收对居民消费支出的影响不显著。2.4.2 多重共线性检验（1）用 OLS 法估计上述模型Y =-3346.142+0.278582X1+0.302937X2+3582.530X3(-2.59)(3.50)(0.75)(3.59) R2=0.996782F=2478.235DW=0.356672F0.05(3,24)=3.01F=2478.235>3.01故认为上述模型的总体线性关系显著成立。但 X2 的参数未通过 t 检验，故解释变量间可能多重共线性（2）检验简单相关系数，运用 Evi

9、ews 软件，得到相关系数表如下：X1X2X3X110.9823432632790120.9084152286384995X20.98234326327901210.8219013175933193X30.90841522863849950.82190131759331931从中可以看出各个解释变量之间的相关性不是很高。（3）找出最简单的回归方式分别作Y与 X1、X2、X3 间的回归，结果见数据 1、数据 2、数据 3。从以上的回归可以得出 Y 与 X1、X2、X3 间的回归方程，分别是：Y =1633.430+0.407129X1（2.83） （52.44）R2=0.990635F=2750

10、.324DW=0.275884Y =4077.254+2.720733X2（2.74） （18.84）R2=0.931815F=355.3183DW=0.145358Y =-16233.46+14608.96X3（-5.02） （13.64）R2=0.877456F=186.1694DW=0.107400可见，第一个式子的 R2 比较高，应该选择第一个式子为初始的回归模型（4）逐步回归将其他解释变量分别导入上述初始回归模型，寻找最佳的回归方程。生成数据见附录数据 4、数据 5、数据 6.通过以上回归，以 Y=f(x1，x3)最优 Y=-2536.463+0.337875X1+2906.647X

11、32.4.3 异方差检验：（1）运用 Eviews 的 White 检验，所得结果如下：Heteroskedasticity Test: WhiteF-statistic13.60438Prob. F(9,18)0.0000Obs*R-squared24.41126Prob. Chi-Square(9)0.0037Scaled explained SS18.69008Prob. Chi-Square(9)0.0280Test Equation:Dependent Variable: RESID2 Method: Least SquaresDate: 06/12/13Time: 19:19 Sa

12、mple: 1985 2012Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C35323690145550352.4269050.0260X11600.5971594.7891.0036410.3289X12-0.0120520.041507-0.2903660.7749X1*X20.3646040.4010120.9092100.3753X1*X3-1187.4621104.653-1.0749640.2966X2289.92485836.6540.0496730.9609X22-1.4793970

13、.976366-1.5152060.1471X2*X31499.4924862.2000.3083980.7613X3-5733479823851713-2.4038020.0272X32204255938054603.2.5358910.0207R-squared0.871831Mean dependent var1482092.Adjusted R-squared0.807746S.D. dependent var2178937.S.E. of regression955392.9Akaike info criterion30.65009Sum squared resid1.64E+13S

14、chwarz criterion31.12587Log likelihood-419.1012Hannan-Quinn criter.30.79554F-statistic13.60438Durbin-Watson stat2.884539Prob(F-statistic)0.0000020.05检验统计量为 24.41126， c 2（4）=9.49，24.41126>9.49,因而拒绝原假设，模型存在异方差。（2）估计存在异方差的经济模型利用加权最小二乘法进行估计，Eviews 软件结果如下：Dependent Variable: Y Method: Least SquaresDat

15、e: 06/12/13Time: 19:24 Sample: 1985 2012Included observations: 28 Weighting series: 1/ABS(E1)VariableCoefficientStd. Errort-StatisticProb.C-1967.579355.1132-5.5407100.0000X1 X2 X30.3371040.0495672603.5910.01775318.988350.0951690.520829252.860510.296550.00000.60730.0000Weighted StatisticsR-squared0.9

16、99433Mean dependent var12391.47Adjusted R-squared0.999362S.D. dependent var17968.78S.E. of regression286.2400Akaike info criterion14.28310Sum squared resid1966400.Schwarz criterion14.47342Log likelihood-195.9634Hannan-Quinn criter.14.34128F-statistic14098.84Durbin-Watson stat0.575476Prob(F-statistic

17、)0.000000Unweighted StatisticsR-squared0.996593Mean dependent var22944.63Adjusted R-squared0.996167S.D. dependent var21855.50S.E. of regression1353.019Sum squared resid43935841Durbin-Watson stat0.379573从中得到加权最小二乘法的结果为Y =-1967.579+0.337104X1+0.049567X2+2603.591X3但 X2 的 t 参数没有通过检验，应该剔除这个参数2.4.4 序列相关性检

18、验拉格朗日乘数检验1 阶滞后Dependent Variable: Y Method: Least SquaresDate: 06/13/13Time: 18:21 Sample (adjusted): 1986 2012Included observations: 27 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-3178.874483.3824-6.5763120.0000X10.3464060.02943111.770120.0000X2-0.1822130.150997-1.2067320.2404X3

19、3402.368366.32329.2878850.0000E(-1)1.2040060.09296812.950810.0000R-squared0.999614Mean dependent var23729.28Adjusted R-squared0.999544S.D. dependent var21866.25S.E. of regression466.8406Akaike info criterion15.29543Sum squared resid4794683.Schwarz criterion15.53540Log likelihood-201.4883Hannan-Quinn

20、 criter.15.36678F-statistic14254.67Durbin-Watson stat1.775855Prob(F-statistic)0.000000et = -3178.874+0.346406 X1-0.182213 X2+3402.368 X3+1.204006 et -1 ,2R =0.99，LM=28×0.99=27.72，取 =0.05，=9.488LM，因此存在自相关。2 阶：Dependent Variable: Y Method: Least SquaresDate: 06/13/13Time: 18:29 Sample (adjusted):

21、 1987 2012Included observations: 26 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.C-3139.241532.8283-5.8916570.0000X10.3359710.0336239.9922530.0000X2-0.0995320.186181-0.5345980.5988X33385.376394.64598.5782620.0000E(-1)1.3433010.1802087.4541820.0000E(-2)-0.2421630.266496-0.9086950.374

22、3R-squared0.999615Mean dependent var24564.58Adjusted R-squared0.999518S.D. dependent var21855.57S.E. of regression479.7513Akaike info criterion15.38359Sum squared resid4603226.Schwarz criterion15.67392Log likelihood-193.9866Hannan-Quinn criter.15.46719F-statistic10372.77Durbin-Watson stat1.979327Pro

23、b(F-statistic)0.000000et = -3139.241+0.335971 X1-0.099532 X2+3385.376 X3+1.343301 et -1 -0.242163表明: 存在正自相关；但t-2 的参数不显著，说明不存在 2 阶序列相关性。修正：Dependent Variable: Y Method: Least SquaresDate: 06/13/13Time: 18:38 Sample (adjusted): 1986 2012Included observations: 27 after adjustments Convergence achieved

24、after 24 iterationsVariableCoefficientStd. Errort-StatisticProb.C-5995.1534001.648-1.4981710.1483X10.2340440.0724913.2285830.0039X2-0.1493010.414372-0.3603080.7221X33037.1241572.5041.9313930.0664AR(1)1.0809590.06406816.872140.0000R-squared0.999255Mean dependent var23729.28Adjusted R-squared0.999119S

25、.D. dependent var21866.25S.E. of regression648.8732Akaike info criterion15.95393Sum squared resid9262802.Schwarz criterion16.19390Log likelihood-210.3780Hannan-Quinn criter.16.02528F-statistic7375.959Durbin-Watson stat1.845552Prob(F-statistic)0.000000Inverted AR Roots1.08Estimated AR process is nons

26、tationary取 a=5% ，DW>du=1.104表明:广义差分模型已不存在序列相关性。3.讨论与结论基于以上回归分析结果，可以提出以下建议供参考： 1、增加国内生产总值。由检验我们得知，国内生产总值对于居民消费支出的影响是最大的，国内生产总值与居民消费支出存在正相关，于是加快国内生产总值是促进我国居民消费支出的最有效方式。 2、消费价格指数。消费价格指数与居民的日常消费息息相关，也是通货膨胀水平的重要指标一般市场经济国家认为 CPI 增长率在 2%3%属于可接受范围内， CPI 过高始终不是好事，高速经济增长率会拉高 CPI，但物价指数增长速度快过人民平均收入的增长速度就一定不是

27、好事，因此控制消费价格指数的增长对于促进我国居民消费支出具有重要意义。3、稳定税收。税收（X2）并未通过 t 检验，对于居民消费支出的影响不显著，但稳定税收的政策还是必要的。附录：表 1年份居民消费支出（亿元）国内生产总值（亿元）税收（亿元）消费价格指数19851759.103605.60519.281.0019862011.504092.60537.821.0219872331.204592.90571.701.0819882627.905008.80629.891.1119892902.905590.00700.021.1319903231.106216.20775.591.1519913

28、742.007362.70947.351.1819924687.409076.702040.791.2819935302.1010508.502090.731.3619946126.1012277.402140.361.4619957868.1015388.602390.471.7419968812.6017311.302727.402.0519979450.9019347.802821.862.12199810730.6022577.402990.172.19199913000.1027565.203296.912.33200016412.1036938.104255.302.6720012

29、1844.2050217.405126.883.31200228369.7063216.906038.043.88200333955.9074163.606909.824.20200436921.5081658.508234.044.32200539229.3086531.609262.804.28200641920.4090964.1010682.584.22200745854.6098749.0012581.514.24200849213.20108972.4015301.384.27200952571.30120350.3017636.454.23201056834.40136398.8

30、020017.314.29201163833.50160280.4024165.684.45201270906.00186700.9028778.544.53数据1：Y=f(x1)Dependent Variable: Y Method: Least SquaresDate: 06/12/13Time: 19:10Sample: 1985 2012Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C1633.430575.35772.8389820.0087X10.4071290.00776352.443

31、530.0000R-squared0.990635Mean dependent var22944.63Adjusted R-squared0.990275S.D. dependent var21855.50S.E. of regression2155.299Akaike info criterion18.25800Sum squared resid1.21E+08Schwarz criterion18.35315Log likelihood-253.6119Hannan-Quinn criter.18.28709F-statistic2750.324Durbin-Watson stat0.27

32、5884Prob(F-statistic)0.000000数据 2：Y=f(x2)Dependent Variable: Y Method: Least SquaresDate: 06/12/13Time: 19:07 Sample: 1985 2012Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C4077.2541486.5332.7427940.0109X22.7207330.14433718.849890.0000R-squared0.931815Mean dependent var22944

33、.63Adjusted R-squared0.929193S.D. dependent var21855.50S.E. of regression5815.658Akaike info criterion20.24324Sum squared resid8.79E+08Schwarz criterion20.33840Log likelihood-281.4054Hannan-Quinn criter.20.27234F-statistic355.3183Durbin-Watson stat0.145358Prob(F-statistic)0.000000数据 3：Y=f(x3)Depende

34、nt Variable: Y Method: Least SquaresDate: 06/12/13Time: 19:08 Sample: 1985 2012Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C-16233.463227.335-5.0299890.0000X314608.961070.69313.644390.0000R-squared0.877456Mean dependent var22944.63Adjusted R-squared0.872743S.D. dependent va

35、r21855.50S.E. of regression7796.530Akaike info criterion20.82949Sum squared resid1.58E+09Schwarz criterion20.92465Log likelihood-289.6129Hannan-Quinn criter.20.85858F-statistic186.1694Durbin-Watson stat0.107400Prob(F-statistic)0.000000数据 4：Y=f(x1，x2)Dependent Variable: Y Method: Least SquaresDate: 0

36、6/12/13Time: 21:29 Sample: 1985 2012Included observations: 28VariableCoefficientStd. Errort-StatisticProb.C1105.089441.15742.5049770.0191X10.5497900.03077517.865000.0000X2-1.0006670.212051-4.7189960.0001R-squared0.995047Mean dependent var22944.63Adjusted R-squared0.994651S.D. dependent var21855.50S.E. of regression1598.477Akaike info criterion17.69245Sum squared resid63878238Schwarz criterion17.83518Log likelihood-244.6943Hannan-Quinn criter.17.73608F-statistic2511.228Durbin-Watson stat0.414466Prob(F-statistic)0.000000数据 5：Y=f(x1，x3)Depen