《634522479计量经济学论文对中国人均消费影响因素的实证分析.doc》由会员分享，可在线阅读，更多相关《634522479计量经济学论文对中国人均消费影响因素的实证分析.doc（29页珍藏版）》请在三一办公上搜索。
1、计量经济学论文对中国人均消费影响因素的实证分析一、理论基础及数据1. 研究目的本文在现代消费理论的基础，分析建立计量模型，通过对19792008 年全国城镇居民的人均消费支出做时间序列分析，比较分析了人均可支配收入、消费者物价指数和银行一年期存款利率等变量对居民消费的不同影响。2. 模型理论西方消费经济学者们认为，收入是影响消费者消费的主要因素，消费是需求的函数。消费经济学有关收入与消费的关系，即消费函数理论有：（1）凯恩斯的绝对收入理论。他认为消费主要取决于消费者的净收入，边际消费倾向小于平均消费倾向。他假定，人们的现期消费，取决于他们现期收入的绝对量。（2）杜森贝利的相对收入消费理论。他认
2、为消费者会受自己过去的消费习惯以及周围消费水准来决定消费，从而消费是相对的决定的。当期消费主要决定于当期收入和过去的消费支出水平。（3）弗朗科莫迪利安的生命周期的消费理论。这种理论把人生分为三个阶段：少年、壮年和老年；在少年与老年阶段，消费大于收入；在壮年阶段，收入大于消费，壮年阶段多余的收入用于偿还少年时期的债务或储蓄起来用来防老。（4）弗里德曼的永久收入消费理论。他认为消费者的消费支出主要不是由他的现期收入来决定，而是由他的永久收入来决定的。这些理论都强调了收入对消费的影响。除此之外，还有其他一些因素也会对消费行为产生影响。（1）利率。传统的看法认为，提高利率会刺激储蓄，从而减少消费。当然
3、现代经济学家也有不同意见，他们认为利率对储蓄的影响要视其对储蓄的替代效应和收入效应而定，具体问题具体分析。（2）价格指数。价格的变动可以使得实际收入发生变化，从而改变消费。基于上述这些经济理论，我找到中国1979-2008年全国城镇居民人均消费以及城镇居民人均可支配收入、城镇居民消费者物价指数和20042008年各地区城镇居民人均消费以及城镇居民人均可支配收入、城镇居民消费者物价指数、以及银行一年期存款利率的官方数据。想借此来分析中国消费的影响因素以及它们具体是如何对消费产生影响的。针对这一模型，有以下两个假定。一，自改革开放以来，我国人均消费倾向呈现缓慢的递减趋势，即保持粘性。这一假定符合我
4、国居民的储蓄消费心理，也与其他一些发展中国家的情况大体一致。二，由储蓄和消费的替代关系，可以假定刺激储蓄的因素，会制约消费。我们知道提高利率会刺激储蓄，因而我把利率也引入模型的分析中。以下对我所找的数据作一一说明:1、城镇居民人均消费水平。借此来代表城镇居民的消费支出情况，这是将要建立计量经济学模型的被解释变量。由下图可以看到消费是逐年增加的，与此同时，人均可支配收入也是逐年增加，隐含着两者可能有很高的线性相关性这层意思。2、城镇居民人均可支配收入。由前面的理论，收入是决定消费的主要因素。因此，这里用这一变量来代表人均收入。人均收入提高，人均消费也会随之增加。3、前一期的人均消费水平。根据杜森
5、贝利的相对收入消费理论，消费者会受自己过去的消费习惯来决定当期消费。因而把它引入模型中，它与当期消费应该是正相关的。4、城镇居民消费者物价指数。借此来说明价格变动对消费的影响，价格水平越高，人们的购买力普遍降低，为维持原来的消费水平，消费者的支出也会越多。它们应该是正相关的关系。这里假定上一年为基期，第二年的价格指数是对以上一年数据为100的相对数。5、中国人民银行一年期储蓄利率。一般认为，提高利率会刺激储蓄，减少消费支出,因为利率水平越高，消费的机会成本就越大，居民就会压缩当前消费。因此，它们应该是负相关的。利率提高时，人们认为减少目前的消费，增加将来消费比较有利 ，从而增加储蓄，这是利率对
6、储蓄的替代效应；另一方面，利率提高时他将来的利息收入增加，会使他认为自己比较富有，以致增加目前消费，从而可能反而减少储蓄，这是利率对储蓄的收入效应。利率对不同人群的影响也是不同的。由于中国人民银行的一年期利率总是不定期地进行调整，可能几年调整一次，或者一年调整几次，这给我的计量经济学分析带来了一定的困难。为达成统一，我每年各种年利率进行加权后作为全年的利率。表1我国人均消费性支出、可支配收入、储蓄、消费价格指数与利率人均消费性支出人均支配收入i储蓄s消费价格指数cpi利率r197935340529101.93.941980423.6477.640.47107.55.041981456.8450
7、0.451.5102.55.41982471535.366.51025.671983505.92564.687.51025.761984559.44652.1117.9102.75.761985673.2739.08153.29111.96.731986798.96900.9211.71077.21987884.41002.1286.4108.87.219881103.981180.2346.8120.77.5819891210.951373.9462.9116.311.1219901278.891510.2615.24101.39.819911453.811700.6786.57105.17
8、.8319921671.732026.6985.35108.67.5619932110.812577.41282.81116.19.5419942851.343496.21795.4812510.9819953537.5742832448.98116.810.9819963919.474838.93163.8108.89.0719974185.645160.33744103.17.0219984331.615425.14279.199.4519994615.9158544735.3198.72.892000499862805076100.82.2520015309.016859.6578010
9、0.72.2520026029.887702.86766992.0120036510.948472.28018100.91.9820047182.19421.69197103.32.02520057942.881049310787101.62.2520068696.5511759.512293101.52.2520079997.4713785.813058104.53.24200811242.8515780.816407105.63.8二、 研究的思路与方法首先构建回归模型, 以在这里我选用了1979-2008年这30年的人均消费性支出（PCCE），城镇居民人均可支配收入（I），储蓄（S），消
10、费价格指数（CPI），利率（R ）数据作为研究对象， 利用EVIEWS 软件采用普通最小二乘法(OSL) 进行回归, 估计出消费支出模型的参数值。然后利用EVIEWS 软件的相关功能对模型的参数进行相关检验确定影响人均消费性支出的因素三、构建模型散点图如下图所示图一从x 与y 的散点图可以看出, 人均消费性支出（PCCE）与城镇居民人均可支配收入（I），储蓄（S），消费价格指数（CPI），利率（R ）之间存在线性关系。因此可设定模型为如下多元回归模型：Yt =0 +1 I + 2 S +3 CPI +4 R +u（Y (PCCE)是人均消费性支出，I为城镇居民人均可支配收入， S为储蓄， CP
11、I为消费价格指数， R 为利率 )）以人均消费性支出为被解释变量，以I， S， CPI， R为解释变量，通过相关检验确定影响人均消费性支出的因素。最小二乘回归结果如下Dependent Variable: PCCEMethod: Least SquaresDate: 12/29/10 Time: 22:27Sample: 1979 2008Included observations: 30VariableCoefficientStd. Errort-StatisticProb.C168.5684455.11420.3703870.7142I0.9719350.04454221.820710.0
12、000S-0.2421800.043747-5.5359730.0000R-22.7875013.76357-1.6556380.1103CPI-0.1087314.814722-0.0225830.9822R-squared0.998889Mean dependent var3510.258Adjusted R-squared0.998711S.D. dependent var3158.844S.E. of regression113.4133Akaike info criterion12.45097Sum squared resid321564.6Schwarz criterion12.6
13、8450Log likelihood-181.7645F-statistic5618.019Durbin-Watson stat0.983719Prob(F-statistic)0.000000表给出了采用Eiews 软件对表1中的数据进行回归分析的计算结果。一般可写出如下回归分析结果：=168.5684+0.971935I - 0.242180S-0.108731CPI-22.78750Rt （0.370387） （21.82071） （-5.535973） (-0.022583) (-1.655638)R2 = 0.998889 2 = 0.998711 F = 5618.019 D.W.
14、 = 0.983719四、模型检验( 一)经济意义检验1.经济意义检验模型估计结果说明，在假定其他变量不变的情况下，当年人均支配收入每增长1元，人均消费性支出增加0.971935亿元；在假定其他变量不变的情况下，当年储蓄每增加1元，人均消费性支出减少0.242180元；在假定其他变量不变的情况下，当年CPI 每增加1人均消费性支出减少0.108731元；在假定其他变量不变的情况下，当年利率每增加百分之一，人均消费性支出减少22.78750元 ( 二) 统计检验1.拟合优度检验由表2中数据可以得到：R2 = 0.988443，修正的2 = 0.986902，这说明模型的拟合优度很好。表明在199
15、02007年期间，财政收入变化的98.84可由其他两个变量的变化来解释。2.模型的显著性检验（1）F检验：针对显著性水平5，在F分布表中查出自由度为k=4和n-k-1=25的临界值F0.05(4,25)=2.76由表2中得到F =5618.019，由于F = 5618.019F0.05(4,25)=2.76，表明模型的线性关系显著成立，说明I、S、CPI、R等变量联合作用对PCCE人均消费性支出有显著性影响。（2）t检验：针对显著性水平5，查t分布表的自由度n-k-1=25临界值t0.025(25)=2.060。由表2中数据得I、S、CPI、R的t值分别为21.82071、 -5.535973
16、 、-0.022583 、-1.655638，只有I、S绝对值均大于t0.025(25)=2.060，而CPI和R的t值都小于t0.025(25)=2.060。说明，当其他解释变量不变的情况下，解释变量I、S分别对PCCE都有显著性影响,而CPI和R对其影响不显著( 三) 计量经济学检验1、异方差检验（1）Goldfeld-Quanadt检验对变量取值按升序排序， 构造子样本区间，建立回归模型。在本例中，删除中间7个观测值，余下部分平分得两个样本区间：111和1930，它们的样本个数均是11个 用OLS方法求得如下结果Dependent Variable: PCCEMethod: Least
17、SquaresDate: 12/27/10 Time: 20:26Sample: 1 11Included observations: 11VariableCoefficientStd. Errort-StatisticProb.C-381.8950144.6274-2.6405440.0385I1.0498410.1818405.7734370.0012S-0.3675430.396031-0.9280670.3892R-6.9311647.270037-0.9533880.3772CPI3.4412381.3916482.4727780.0483R-squared0.998537Mean
18、dependent var676.4809Adjusted R-squared0.997562S.D. dependent var287.8364S.E. of regression14.21218Akaike info criterion8.449031Sum squared resid1211.916Schwarz criterion8.629892Log likelihood-41.46967F-statistic1023.939Durbin-Watson stat2.524207Prob(F-statistic)0.000000将区间定义为1930，再用OLS方法求得如下结果Depen
19、dent Variable: PCCEMethod: Least SquaresDate: 12/27/10 Time: 20:32Sample: 19 30Included observations: 12VariableCoefficientStd. Errort-StatisticProb.C-322.24571955.020-0.1648300.8737I0.5900590.0702148.4036720.0001R-34.1818720.08545-1.7018220.1326S0.0613200.0578691.0596480.3245CPI13.8622120.718150.66
20、90860.5249R-squared0.999306Mean dependent var6753.570Adjusted R-squared0.998910S.D. dependent var2312.632S.E. of regression76.36118Akaike info criterion11.80316Sum squared resid40817.21Schwarz criterion12.00521Log likelihood-65.81898F-statistic2520.571Durbin-Watson stat2.084463Prob(F-statistic)0.000
21、000下面求F统计量值。基于图中残差平方和的数据得知RSS1=1211.916， RSS2 =40817.21，根据G-Q检验，F统计量F=RSS2/RSS1=40817.21/1211.916=33.6799在显著性水平5%的水平下，查F分布表得临界值F0.05(6,6)=4.28 F=33.6799，所以拒绝原假设，表明模型确实存在异方差。（2）White检验White Heteroskedasticity Test:F-statistic16.96547Probability0.000017Obs*R-squared16.70626Probability0.000236Test Equa
22、tion:Dependent Variable: RESID2Method: Least SquaresDate: 12/27/10 Time: 21:33Sample: 1979 2008Included observations: 30VariableCoefficientStd. Errort-StatisticProb.C19885.448529.6892.3313200.0274I-6.3837863.427343-1.8626050.0734I20.0008500.0002433.4958350.0017R-squared0.556875Mean dependent var2391
23、5.79Adjusted R-squared0.524051S.D. dependent var36352.73S.E. of regression25079.40Akaike info criterion23.19212Sum squared resid1.70E+10Schwarz criterion23.33224Log likelihood-344.8818F-statistic16.96547Durbin-Watson stat1.037057Prob(F-statistic)0.000017由表中可以看出，nR2 =16.70626，由怀特（white）检验在显著性5%下，查X2分
24、布表，得临界值X20.05 (4)=9.49 nR2 =16.70626所以拒绝原假设，不拒绝备择假设，表明模型存在异方差。（3）异方差性的修正在运用WLS法估计过程中，分别选用了权数W1=1/I，W2=1/I2 W3=1/sqr(I)，经估计采用权数为w2的效果更好，散点图如下所示。020004000600080001000012000.0000.0005.0010.0015.0020.0025W1PCCE020004000600080001000012000.0000.0005.0010.0015.0020.0025W1PCCE.000000.000001.000002.000003.00
25、0004.000005.000006.000007020004000600080001000012000PCCEW2.00.01.02.03.04.05.06020004000600080001000012000PCCEW3加权最小二乘法的结果Dependent Variable: PCCEMethod: Least SquaresDate: 12/27/10 Time: 21:40Sample: 1979 2008Included observations: 30Weighting series: W2VariableCoefficientStd. Errort-StatisticProb.
26、C5.5835937.6196560.7327880.4698I0.8745620.01430861.122330.0000Weighted StatisticsR-squared0.998803Mean dependent var609.2060Adjusted R-squared0.998760S.D. dependent var645.9260S.E. of regression22.74577Akaike info criterion9.150976Sum squared resid14486.36Schwarz criterion9.244389Log likelihood-135.
27、2646F-statistic3735.939Durbin-Watson stat1.698494Prob(F-statistic)0.000000Unweighted StatisticsR-squared0.934750Mean dependent var3510.258Adjusted R-squared0.932420S.D. dependent var3158.844S.E. of regression821.1800Sum squared resid18881424Durbin-Watson stat0.041260估计结果如下=5.583593+0.874562X1t (0.73
28、2788) (61.12233)R2 = 0.934750 2 = 0.932420 F = 3735.939 D.W. = 1.698494可以看出，运用加权最小二乘法消除了异方差后，可决系数大幅度提高，F检验也显著，并说明人均可支配收入每增加1元，人均消费增加0.874562元。2、序列相关性检验Dependent Variable: PCCMethod: Least SquaresDate: 12/27/10 Time: 16:50Sample: 1979 2008Included observations: 30VariableCoefficientStd. Errort-Statis
29、ticProb.CPI1.6517100.7557492.1855270.0381I0.9726090.04376022.226000.0000S-0.2431370.042940-5.6623180.0000R-25.9010810.71581-2.4170910.0230R-squared0.998883Mean dependent var3510.258Adjusted R-squared0.998754S.D. dependent var3158.844S.E. of regression111.5156Akaike info criterion12.38977Sum squared
30、resid323329.2Schwarz criterion12.57660Log likelihood-181.8466Durbin-Watson stat0.989216=168.5684+0.971935 I - 0.242180S-0.108731CPI-22.78750Rt （0.370387） （21.82071） （-5.535973） (-0.022583) (-1.655638)R2 = 0.998889 2 = 0.998711 F = 5618.019 D.W. = 0.983719该回归方程可决系数较高，回归系数均显著。对样本量为30个、有4个解释变量的模型、5%显著水
31、平，查DW统计表可知，dL=1.21，dU= 1.65，模型中DWdL，显然模型中有自相关，这一点残差图中也可从看出。-400-200020040004000800012000198019851990199520002005ResidualActualFitted-400-300-200-1000100200300198019851990199520002005PCCE Residuals在文章中，PCCE、I、S、CPI、R都是时间序列，而且他们确实表现出共同的变动趋势。为了排除时间序列模型中这种随时间变动而具有共同的变化趋势的影响，我们引入时间趋势项。Dependent Variable:
32、 PCCEMethod: Least SquaresDate: 12/29/10 Time: 20:25Sample: 1979 2008Included observations: 30VariableCoefficientStd. Errort-StatisticProb.C70.07482301.47160.2324430.8182I0.7278080.05162414.098220.0000S-0.1329220.034598-3.8419050.0008CPI0.1281673.1844430.0402480.9682R-6.2457339.544951-0.6543490.5191
33、T22.1267560.3693305.7584240.0000R-squared0.999533Mean dependent var3510.258Adjusted R-squared0.999436S.D. dependent var3158.844S.E. of regression75.00498Akaike info criterion11.64984Sum squared resid135017.9Schwarz criterion11.93008Log likelihood-168.7476F-statistic10282.56Durbin-Watson stat1.080949
34、Prob(F-statistic)0.000000Y=70.07482+0.727808I-0.132922S-0.128167CPI-6.245733R+2.126756 T2 t（0.232443） （14.09822） （-3.841905） (0.040248) (-0.654349) （14.09822）R2 =0.999533 2 =0.999436 F = 10282.56 D.W. = 1.080949对样本量为30,4个解释变量，5%的显著水平下，查DW统计表可知，dl=1.21，du=1.65，DW=1.080949dl，显然模型中存在正自相关。所以我们引入时间t2序列相关
35、的LM检验由图形判断可能存在正相关由DW值=1.080949判断存在正相关含1 阶滞后残差项的辅助回归为：Breusch-Godfrey Serial Correlation LM Test:F-statistic7.676628Probability0.010878Obs*R-squared7.507306Probability0.006145Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/29/10 Time: 20:34Presample missing value lagged residuals
36、 set to zero.VariableCoefficientStd. Errort-StatisticProb.C-298.4500287.5891-1.0377660.3102I-0.0061860.045717-0.1353030.8935S0.0061860.0306840.2015910.8420CPI2.9967833.0171980.9932340.3309R-2.5300388.491826-0.2979380.7684T2-0.0028870.326677-0.0088370.9930RESID(-1)0.5502120.1985842.7706730.0109R-squa
37、red0.250244Mean dependent var-6.05E-13Adjusted R-squared0.054655S.D. dependent var68.23335S.E. of regression66.34251Akaike info criterion11.42850Sum squared resid101230.6Schwarz criterion11.75545Log likelihood-164.4275F-statistic1.279438Durbin-Watson stat1.923472Prob(F-statistic)0.305324=-298.4500-0
38、.006186I-0.006186S+2.996783CPI-2.530038R-0.002887 T2+0.550212et-1 t（-1.037766） （-0.135303） （0.201591） (0.993234) (-0.297938) （-0.008837）(2.770673)R2 =0.250244 2 =0.054655 F = 1.279438 D.W. = 1.923472于是，LM=30*0.250244 =7.50732，该值大于显著性水平为5%、自由度为1的X2分布的临界值X20.05 (1)=3.84，由此判断原模型存在1阶序列相关性。Breusch-Godfrey Serial Correlation LM Test:F-statistic4.077378Probability0.031170Obs*R-squared8.112906Probability0.017310Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/29/10 Time: 20:35Presample missi
