第三章 案例分析(共12页)

1、回归阶段(jidun)考试4月27号周1的7，8节，在锦绣楼T202第三章 案例(n l)分析 一、研究(ynji)的目的要求居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响居民消费支出有明显差异的最主要

2、因素，并分析影响因素与消费水平的数量关系，可以建立相应的经济模型去研究。 二、模型设定 我们研究的对象是居民消费的状况。居民消费可分为城市居民消费和农村居民消费，由于各地区的城市与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城市居民消费。采用“城市居民每人每年的平均消费支出”作为主要的影响因素进行分析消费支出，这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城市居民每人每年的平均消费支出”。 因为研究的目的是我国城市居民消费在不同时间的变动，所以应选择不同时期我国城市居民的消费支出来建立模型。因此建立的是19862005年时间序列数据模型。 影响城市居民人均消费

3、支出的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”。因此这些其他因素可以不列入模型，即便它们对居民消费有某些影响也可归入随即扰动项中。为了与“城市居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城市居民每人每年可支配收入”作为解释变量X。 从中国统计年鉴中得到(d do)表1的数据:表1 19862005年中国城市居民(chn sh j mn)人均年消费支出和可支配收入地 区城市居民家庭人均可支配收入 (元) X城市居民人均年消费支出

4、 (元) Y19861987198819891990199119921993199419951996199719981999200020012002200320042005963111213661519164418932311299840445046584664206796715978588622939810542123361404049756571478883393211161393183323552789300231593346363238694106441149255439作城市(chngsh)居民家庭人均消费支出(Y)和城市居民人均年可支配收入(X)的散点图，如图： 从散点图可以看出居

5、民家庭平均(pngjn)每人每年消费支出(Y)和城市居民人均(rn jn)年可支配收入(X)大体(dt)呈现为线性关系，所以建立的经济模型为如下线性回归模型： 三、估计参数 假定所建模型及随机扰动项满足古典假定，可以用OLS法估计其参数。运用计算机软件SPSS作回归分析十分方便。 利用SPSS作简单线性回归分析的步骤如下： 1、打开工作文件2、输入数据3、估计(gj)参数 描述性统计量均值标准 偏差N人均消费2485.201591.21820人均收入5595.653975.00720相关性人均消费人均收入Pearson 相关性人均消费1.000.994人均收入.9941.000Sig. （单侧

6、）人均消费.000人均收入.000.N人均消费2020人均收入2020模型汇总b模型RR 方调整 R 方标准 估计的误差1.994a.988.987180.284a. 预测变量: (常量), 人均收入。b. 因变量: 人均消费Anovab模型平方和df均方FSig.1回归47522495.553147522495.5531462.132.000a残差585039.6471832502.203总计48107535.20019a. 预测变量: (常量), 人均收入。b. 因变量: 人均消费系数a模型非标准化系数标准系数tSig.B 的 95.0% 置信区间B标准 误差试用版下限上限1(常量)258

7、.89170.8173.656.002110.111407.671人均收入.398.010.99438.238.000.376.420a. 因变量: 人均消费在本例中，参数估计的结果(ji gu)为： Se=（70.817） (0.010) t= (3.656) (38.238)p= (0.002) (0.000) df=18 四、模型(mxng)检验1、从描述(mio sh)统计表看出，有效样本容量n=20。y的标准差。2、从相关性表中看出，相关系数r=0.994,单侧检验p值=0.000,说明y对x有显著的线性关系，这与散点图的直观分析是一致的。3、经济意义检验（结构分析）由“系数(xsh

8、)表”知回归系数，说明城市居民人均年可支配收入(shur)每增加1元，可导致大约平均(pngjn)有0.398元用于消费。这与经济学中边际消费倾向的意义相符。4、拟合优度和统计检验用SPSS得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。（1）拟合优度的度量：由“模型汇总”表中可以看出，本例中样本决定系数为0.988，值比较大，说明在y的总离差平方和中回归模型能减少因变量y的98.8%的方差波动。说明所建模型整体上对样本数据拟合较好，即解释变量“城市居民人均年可支配收入”对被解释变量“城市居民人均年消费支出”的绝大部分差异作出了解释。因此样本回归直线对样本点的拟合优度较高。（

9、2）从方差分析表中看出，F=1462.132,对应P值=0.000,说明y对x的线性回归显著，回归方程成立，这与相关系数检验一致的。（3）对回归系数的t检验：针对，由“系数表”中可以看出，估计的回归系数的标准误差,t值及p值分别为：因为，所以拒绝。这表明，城市人均年可支配收入对人均年消费支出有显著影响。此外从回归系数表还可看出常数项的置信水平为95的置信区间为（110.111，407.671）；回归系数的置信水平为95的置信区间为（0.376，0.420）。 五、回归预测利用所估计的模型可预测未来年份城市居民可能达到的人均年消费支出水平。可以注意到，这里的预测是利用时序数据模型对被解释变量做预

10、测。 其中(qzhng)PRE_1：预测值，即单值预测(yc)；RES_1：残差项（Residual）LMCI_1：因变量新值的平均值的区间(q jin)估计的下限UMCI_1：因变量新值的平均值的区间估计的上限LICI_1：因变量新值的区间估计的下限UICI_1：因变量新值的区间估计的上限 预测(yc)2006年人均收入达到16060元时，支出(zhch)预计为5169.57331元，新值置信度95%的预测(yc)区间为（2456.47535，7882.67127）元，平均值置信度95%的预测区间为（3815.32910，6523.81752）元。在画图中做散点图，双击散点图使之变为“图表编辑器”状态，然后点“元素”中总拟合线，可以将均值和单值的置信区间画出来。可以看出因变量新值的置信区间宽于因变量新值平均值的置信区间。残差项（Residual）、实际值（Actual）、拟合值（Fitted）的图形，依据上述数据可画拟合效果图如下，线图（Line Charts），又称曲线图，它是利用点的高低来表明数据升降情况的一种统计图。通过将不同阶段的数据点连接，可以更清晰地表明数据的变化趋势。线图主要用于时间序列分析、数据分配情况比较和两变量依存关系的分析等。多线线图（Multiple）：多线图，一个图形中有多条水平走向的折线。 然后(rnhu)点定义按钮由多线图可以(ky)看