计量经济学论文
居民消费水平影响因素的计量分析
班级：金融八班 姓名：张真真
学号：201392180387
居民消费水平影响因素的计量分析
摘要：本文中的收集数据参考了中国统计年鉴，使用了eviews软件进行计算统计整理，对我国1992年到2013年城镇居民可支配收入的变化情况进行分析，评估，检验，最终的出相关结论并提出相关建议。
关键字：居民消费影响因素 消费水平 t检验，F检验 多重共线性 参数估计 异方差检验 LM法
一、导论
消费水平是指一个国家一定时期内全体消费者按人均达到的物质与文化需要获得满足的程度。国家经济发展水平起基础性作用；收入是消费的前提和基础，当前可支配收入越高，未来预期收入越乐观，收入差距越小，消费水平越高；物价变动影响人们的购买力；生产决定消费（对象，方式，水平，生产为消费创造动力）；消费心理（从众，求异，攀比，求实）也会影响消费。
本文认为国内生产总值、城乡居民人均收入(城镇，农村)、储蓄、居民消费价格指数都会对消费水平产生影响。
通过研究各地的居民消费水平,可以反映不同地区的经济发展状况,为国家的经济决策提供依据。可见,居民消费水平是国家作出经济决策的风向标之一.政府活动的方向、范围、主要任务在很大程度上需要参考各地的居民消费水平.
二、模型设定和数据说明
（一）模型设定
以分析居民消费水平为目的，同时考虑了其他一些指标的分析需要，根据计量经济学模型的构思，在建模时作了如下处理：
1、该模型为线性模型。
2、鉴于1978年实行了改革开放，前几年是经济恢复期，数据不具代表性。主要采集的样本是1990年以后的，我国的经济运行机制有了极大的改变，人民生活水平也有了极大的提高，故这一时期的样本更能反映这种变化。
3、模型中将居民消费水平（Y＾）作为被解释变量，根据经验引入国内生产总值（X1）、城乡居民人均收入(城镇X2，农村X3)、储蓄(X4)、居民消费价格指数(X5)，对模型进行回归分析，以求能使模型具有更高的可操作性。
4、设定显著性水平为0.05。
模型设定为：Y＾=β0+β1*X1+β2*X2+β3*X3+β4*X4+β5*X5+μ
（二）数据说明
居民消费水平与国内生产总值等各相关因素的表格
年份
居民消
居民城乡居民费价格消费储蓄存款指数水平年度余额（1990(元) （亿元） 年为
城镇居民人均
GDP（亿元） 可支配
收入农村居民家庭人均纯收入（元）
（元）
1991 833 18718.3 1510.2 686.3 7119.6 1992 932 21826.2 1700.6 708.6 9244.9 1993 1116 26937.3 2026.6 784.0 11757.3 1994 1393 35260.0 2577.4 921.6 15203.5 1995 1833 48108.5 3496.2 1221.0 21518.8 1996 2355 59810.5 4283.0 1577.7 29662.3 1997 2789 70142.5 4838.9 1926.1 38520.8 1998 3002 78060.8 5160.3 2090.1 46279.8 1999 3159 83024.3 5425.1 2162.0 53407.5 2000 3346 88479.2 5854.0 2210.3 59621.8 2001 3632 98000.5 6280.0 2253.4 64332.4 2002 3887 108068.2 6859.6 2366.4 73762.4 2003 4144 119095.7 7702.8 2475.6 86910.7 2004 4475 135174.0 8472.2 2622.2 103617.7 2005 5032 159586.7 9421.6 2936.4 119555.4 2006 5573 185808.6 10493.0 3254.9 141051.0 2007 6263 217522.7 11759.5 3587.0 161587.3 2008 7255 267763.7 13785.8 4140.4 172534.2 2009 8349 316228.8 15780.8 4760.6 217885.4 2010 9098 343464.7 17174.7 5153.2 260771.7 2011 10522 401512.8 19109.4 6991.8 310059.2 2012 12570 473104.0 21809.8 8641.6 343635.9 2013 14098 518942.1 24564.8 9605.5 399551.0
数据来源：《中国统计年鉴2014》
三、计量经济模型参数估计
模型设定为：Y＾=β0+β1*X1+β2*X2+β3*X3+β4*X4+β5*X5+μ 用普通最小二乘法估计模型，回归结果为：
Dependent Variable: Y Method: Least Squares Date:06/19/16 Time: 13:21
100）
100.0 107.4 121.7 156.7 222.6 280.5 313.5 325.5 322.0 315.8 317.6 320.6 317.1 322.3 339.4 347.6 354.6 377.2 406.3 402.6 428.7 455.2 472.5
Sample: 1991 2013 Included observations: 23
Coefficien
C
t
-145.5668
Std. Error 49.46585
t-Statistic -2.942774
Prob. 0.0107
X1 -0.003730 0.002798 -1.332848 0.2039 X2 0.373130 0.059949 6.224121 0.0000 X3 0.889545 0.211496 4.205964 0.0009 X4 -0.000403 0.002269 -0.177517 0.8616 X5 -0.900315 1.020946 -0.881844 0.3928
R-squared 0.999731 Mean dependent var 3923.300 Adjusted R-squared 0.999635 S.D. dependent var 2406.042 S.E. of regression 45.94497 Akaike info criterion 10.73609 Sum squared resid 29553.16 Schwarz criterion 11.03481 Log likelihood -101.3609 Hannan-Quinn criter. 10.79440 F-statistic 10418.31 Durbin-Watson stat 1.440844 Prob(F-statistic) 0.000000
从表中发现在α＝0.05时，虽然R2较大且接近于1，模型拟合效果较好，F检验显著，但由于X1、X4、X5前参数估计值未能通过t检验，而且系数的符号为负，与经济意义不符，故认为解释变量间存在多重共线性。
四、检验及修正
1、经济意义检验
逐步回归，检验简单相关系数，结果如下：
??
X1 X2 X3 X4 X5
X1 1 0.9951 0.9849 0.9943 0.7894
X2 0.995 1 0.9938 0.9933 0.8357
X3 0.9849 0.9938 1 0.9817 0.8795
X4 0.994 0.9933 0.9817 1 0.7844
X5 0.789 0.8357 0.8795 0.784 1
由上表可见，解释变量之间确实存在高度相关，故采用逐步回归法进行修正。
对X1、X2、X3、X4、X5单个回归，发现X2的拟合优度最好，结果为：
Dependent Variable: Y Method: Least Squares Date: 06/19/16 Time: 13:25 Sample: 1991 2013
Included observations: 23
C X2
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient 152.8358 0.521494
Std. Error 49.15814 0.005775
t-Statistic 3.109064 90.29846
Prob. 0.0061 0.0000 3923.300 2406.042 12.43999 12.53956 12.45942 0.396373
0.997797 Mean dependent var 0.997675 S.D. dependent var 116.0168 Akaike info criterion 242278.0 Schwarz criterion -122.3999 Hannan-Quinn criter. 8153.812 Durbin-Watson stat 0.000000
将X2作为基础模型，再将其余解释变量按R2由大到小逐个引入，先引入X3，
Dependent Variable: Y Method: Least Squares Date: 06/19/16 Time: 13:32 Sample: 1991 2013 Included observations: 23
C X2 X3
R-squared
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic)
Coefficient -121.4190 0.318223 0.729108
Std. Error 33.02452 0.020133 0.071768
t-Statistic -3.676631 15.80597 10.15918
Prob. 0.0019 0.0000 0.0000 3923.300 2406.042 10.58397 10.73333 10.61312 1.087443
0.999688 Mean dependent var 0.999652 S.D. dependent var 44.89403 Akaike info criterion 34263.05 Schwarz criterion -102.8397 Hannan-Quinn criter. 27278.31 Durbin-Watson stat 0.000000
发现模型拟合优度提高，且参数符号合理，变量也通过了t检验，再引入X1，
Dependent Variable: Y Method: Least Squares Date: 06/19/16 Time: 13:21 Sample: 1991 2013 Included observations: 23
C X2 X3 X1
R-squared
Coefficient -141.5485 0.350176 0.700663 -0.001152
Std. Error 38.78676 0.038020 0.077331 0.001162
t-Statistic -3.649403 9.210384 9.060545 -0.990946
Prob. 0.0022 0.0000 0.0000 0.3365 3923.300
0.999707 Mean dependent var