全国城镇居民消费水平的逐步回归分析.docx

1、全国城镇居民消费水平的逐步回归分析全国城镇居民消费水平的逐步 回归分析我国城镇居民消费水平影响因素分析摘要随着经济水平的不断发展，人们的消费水平也在不断提高，从社会生产的角 度看，消费是其最终环节，消费能否顺利实现是决定企业能否顺利完成生产的 重要原因，也是决定经济增长的主要因素，因此消费对于经济增长有着重要的 作用。研究影响消费的因素对于我国的经济发展有很重要的经济意义。本文运用SPSS软件分析方法对影响全国城镇居民家庭人均消费支出的因素 进行分析研究，首先分析了食品消费支出，衣着消费支出，居住消费支出，家庭 设备及用品消费支出，医疗保健消费支出，交通和通信消费支出等的线性相关 性，建立回归

2、模型，再利用逐步回归的方法进行回归分析，最终得到了能反映 财政收入与各因素之间关系的“最优”回归方程。最后我们用2006年的数据进行了验证，得出的结果在误差范围内，表明这 个模型可以正确反映影响财政收入的各因素的情况。关键词：城镇居民，消费水平，逐步回归分析，城镇居民家庭人均消费,SPSS1.引言改革开放以来，我国一直以较高的经济增长速度快速发展。但居民消费对经 济增长的贡献比重与发达国家差距明显。消费、投资和储蓄并称为现代经济发 展的“三驾马车”，而根据各国的国民收入统计显示，其中消费占总需求的60% 左右。因此，消费的决定及其变动对宏观经济的影响很大。消费是人类生产的目的，而生产是社会的核

3、心活动，在社会在生产中，生产 必须围绕消费需求来进行，消费需求同时对生产有重要的导向作用。生产的消 费是相辅相成的，生产者生产的产品的规模，质量，档次直接决定了消费的规 模，质量和档次，消费能否顺利实现，决定了生产能否顺利完成。消费行为是指消费者受需求动机的影响而做出购买决定、 修改购买方案、完成购买过程的行为。消费者行为过程既是消费者的思维、心理过程，也是不断 采取行动、产生方案、解决问题的过程。影响消费者行为的因素是多方面的， 由社会的、历史的、经济的等多方面极其复杂的因素。从扩大需求的角度来看， 消费是刺激经济增长的主要方式。所以研究消费的影响因素对经济增长有重要 的经济意义。我国城镇居

4、民收入高，消费量大,商品化程度高，其消费对农村居民有一定的 示范作用，在消费结构的研究中占有重要的地位，因而研究分析城镇居民消费结 构及特征,对拓宽消费品市场渠道，确定经济发展战略，适时调整和正确引导居民消费方向，促进经济增长具有重大意义。消费市场的疲软制约了我国经济持续、快速、健康发展。要刺激消费、扩大 内需，必须找出影响消费的关键因素，才能对症下药。扩大城镇居民的消费成为 推动我国经济增长的一项重要手段。本文从国家统计信息网(httP：/ )上选取了 1992-2011年这20年间的全国城镇居民家庭人均消费及其主要影响因素的数据，包括了食 品消费支出，衣着消费支出，居住消费支出，家庭设备及

5、用品消费支出，医疗 保健消费支出，交通和通信消费支出等，运用逐步回归的统计方法，对数据进 行分析处理，最终得出了反映各个因素对全国城镇居民家庭人均消费水平的影 响的最“优”模型。2.解决问题的方法和计算结果 2.1样本数据的选取与整理本文在进行统计时，查阅了 httP：/ 中收录的1992年至2011年连续20年的城镇居民消费水平为因变量，考虑一些与全国城镇居民消费 水平关系密切并且直观上有线性关系的因素，初步选取这 20年间的食品消费支出，衣着消费支出，居住消费支出，家庭设备及用品消费支出，医疗保健消费 支出，交通和通信消费支出等因素为自变量，分析它们之间的联系。根据选择的指标，查选数据，整

6、理如表 2-1所示。表2-1 1992-2011年全国城镇居民消费水平及其影响因素统计表城镇居民消费（元）（兀）（元）2012年218611823.41484.31116.11063.72455.52033.52011年199121674.714051023.29692149.71851.72010年171041444.31332.1908871.81983.71627.（2009年151271284.21228.9786.9856.41682.61472.82008年140611165.91145.4691.8786.214 仃.11358.32007年124801042982.3601.8

7、699.11357.41329.22006年10739901.8904.2498.5620.51147.112032005年9832800.5808.7446.5600.9996.71097.52004年8880686.8733.5407.4528.2843.61032.82003年8104637.7699.4410.3476721.1934.42002年7745590.9624.4388.7430.1626902.32001年7324533.7548438.9343.34576902000年6999500.5565.3374.5318.1427669.61999年6351482.445439

8、5.5245.6310.6567.11998年5909480.9408.4356.8205.2257.2499.41997年5645520.9358.6316.9179.7232.9448.41996年5382528300.9298.2143.3199.13751995年4769479.2283.8263.4110.1183.23312.2线性回归模型的建立与分析为了研究全国城镇居民消费水平与各种影响因素的关系， 必须要建立他们之间的数学模型。数学模型可以有多种形式，比如线性模型，二次模型，指数模 型，对数模型等等。而实际生活中，影响城镇居民消费水平的因素很多，并且 这些因素的影响不能简单的用

9、某一种模型来描述，所以要建立数学模型往往是 很难的。为了便于研究，我们先假定一些前提条件，然后在这些条件下得到简化后的 近似模型。我们假定的前提条件是：城镇居民家庭人均食品消费支出，衣着消费支出， 居住消费支出，家庭设备及用品消费支出，医疗保健消费支出，交通和通信消 费支出等因素对全国城镇居民消费水平的影响显著，并且成正的线性关系。由此假设，我们可以建立全国城镇居民消费水平与各种影响因素的线性回归 模型，模型如下：丫 1X1 2X2 3X3 4X4 5X5 6X6 7X7 8X8 (2-1)其中，丫是因变量，Xi是自变量，i是各个自变量的系数。各变量符号的定 义见表2-2 。表2-2线性回归模

10、型中各变量的含义丫XiX2X3X4X5X6X7X8全国城 镇居民 消费水 平城镇居 民家庭 人均食 品消费 支出城镇居 民家庭 人均衣 着消费 支出城镇居 民家庭 人均居 住消费 支出城镇居 民家庭 人均家 庭设备 及用品 消费支 出城镇居 民家庭 人均医 疗保健 消费支 出城镇居 民家庭 人均交 通和通 信消费 支出城镇居 民家庭 人均文 教娱乐 服务消 费支出城镇居 民家庭 人均其 他消费 支出将数据录入统计软件EXCEL建立统计数据库，首先建立全国城镇居民消费 水平与各影响因素的散点图，如图 2-1至图2-8所示。城镇居民消费水平与城镇居民人均食品支出限叱 DO图2-1城镇居民消费水平与

11、城镇居民人均食品 消费支出的散点图IK疾01：QsaS城镇居民消费水平与城镇居民人均衣着支出图2-2城镇居民消费水平与城镇居民人均衣着 消费支出的散点图城镇居民消费水平与城镇居民人均居住支出15000100005000*八八500 1000城镇居民人均居住支出（元）5图2-3城镇居民消费水平与城镇居民人均居住 消费支出的散点图城居民消费水平与城镇居民人均家庭设备及用品支出2?0)0130301503012030100)03030030101020 JO *7 +200tooaoQ1Q0Q1200城tag民人均家處長备眨用是支出 元）图2-4城镇居民消费水平与城镇居民人均家庭设备及用品消费支出的

12、散点图城镇居民s费水平与城镇居民入均医保支出图2-5城镇居民消费水平与城镇居民人均医保消费支出的散点图城镇居民消费水平与城镇居民人均交窗na信支岀限羽叱图2-6城镇居民消费水平与城镇居民人均交通与通信消费支出的散点图城镇居民Y甫费水平与城镇居民人均文娱支出20000180001600014000IZOOOlOOOO6000eooo4000 幸护 2000200 4C0 600 600 1000 1200 14D0 1600 1300 2DOO1）笹居民人均文戻盂出（云）图2-7城镇居民消费水平与城镇居民人均文娱 消费支出的散点图城镇居民消费水平与城镇居民人均其也支岀IU7S叱图2-8城镇居民消

13、费水平与城镇居民人均其他消费支出的散点图从以上的图中不难发现，城镇居民消费水平与城镇居民人均食品消费支出， 人均居住消费支出，人均医疗保健消费支出，以及人均交通和通信消费支出等 基本具有线性关系。而城镇居民消费水平与人均衣着消费支出，人均家庭设备 及用品消费支出，人均家庭其他消费支出的关系出现了波动，而且从图中也可 以看出，这三者对城镇居民消费水平的贡献比较小，它们的变化不足以引起城 镇居民消费水平的变化。除了 EXCEL自带的插入图表的功能，同样也可以使用SPSS软件制作散点图, 其操作步骤是：(1)选择菜单 GRA PHS/ SCATTER/DOTrransform Analyze2011

14、n疋倉品支出 062456Graphs Utilities WirrdciwGalleryInteractiveMapHelp39452.236571 6盯8 61.432741.26170：_757583S394.20948.04&31-_17&61-.29309-.49471-.620 loj -.5587& -.5628：-505-.53019- 63397-.55731-1 24223-k377&4Bar3*D Bar.Line.Area.Pie.High-Low.,!Pareto. 匚 ontrol.,Boxplot.Error Bd畑P口pul曰tion Pyramids.catt

15、er/iDot.Histogram.P-P.Q-Q-Suqu 商 FKEROC Curve.Tim普 SeriesJJ557|03Z阿1J734230?泊94435977664oTT莎图2-9 SPSS绘制散点图步骤(2) 选择 SIMPLE SCATTER单击 DEFINE。1 Simple1 ScatterMatrix ScatterSimpleDoti Ddiw i、 1*弓LtUhlCancelOvertay ScatterScatterHelp丄 mri p IScatter/DotJ cri-Li图2-10 SPSS绘制散点图步骤二丫轴为因变量，选择“城镇居民消费水平” ，X轴为自

16、变量，依次选择为“城 镇居民家庭人均食品消费支出”，“衣着消费支出”，“居住消费支出”，“家庭设 备及用品消费支出”，“医疗保健消费支出”，“交通和通信消费支出”等。每选择一次点击一次0K SPSS自动绘制相应的散点图。會 Year“食品吏出医保去出 矽交a夹出 斛文娱支岀ZSG。就肖畫水平)I苓 會Z3匚呢借品支也国岸 gZscore倨住地直启 加。昭医保支出【湮 4core(x通支出JStandardized ResidualYte：I食消费水平IX AM9：I券居住支出$1 Markers by:Label Cases by:Pnelby Fks;厂 Je “sumbl戻(厂心 emFy

17、 to典ZColimns.厂Ju jt dirahlc： no empty colurnrs)OKPastePesetCancelHdpSimple SeatterplotTemplaie 厂 IJge ctiart; specifications frum: Fre. ITh les. I Options. I图2-11 SPSS绘制散点图步骤三SPSS绘制的散点图仅做一例，如下图所示，相比于EXCEL自带的图表功能,SP SS勺图表功能更加简单快捷。20000 .Q0-15000.00-10000.00-5000.00-0.00-D.0D?00.00600.1X1 900 jOQ1200

18、CO150D.CO图2-12 SPSS绘制散点图步骤四经过对所有散点图的分析，我们发现人均衣着消费支出，人均家庭设备及用 品消费支出，人均家庭其他消费支出与城镇居民消费水平的线性关系不显著， 其原因主要有：衣服和家庭设备用品都属于耐用品， 居民购买的频率不大；而且它们的价格 范围很大，对城镇居民消费水平的反映缺乏真实性。其他消费支出都在千元以下，对城镇居民消费水平的影响不显著。综上，人均衣着消费支出，人均家庭设备及用品消费支出和人均家庭其他消 费支出这三者都与我们之前的显著性假设相悖，为使得到的模型有显著的线性 关系，我们首先从回归模型中排除了这三者。然后我们用逐步回归的方法对剩下的五个因素进

19、行筛选：将城镇居民人均食品消费支出，人均居住消费支出，人均医疗保健消费支出， 人均交通和通信消费支出，以及人均文教娱乐服务消费支出纳入自变量，使用逐 步回归法，选择的判据是变量进入回归方程的 F的概率不大于0.05，剔除的判据是变量进入回归方程的F的概率不小于0.10。输出结果如表2-3和表2-4所示：表2-3引入或剔除的变量ModelVariables En teredVariables RemovedMethod城镇居民人均文娱消 费支出城镇居民人均食品消 费支出城镇居民人均食品消费支出城镇居民人均食品消费支出，城镇居民人均文娱Step wise (Criteria:P robabilit

20、y-of-F-t o-e nter = .100). Step wise(Criteria:P robability-of-F-t o-e nter = .100).a Dependent Variable: 城镇居民消费水平表2-4拟合过程小结ModelRR SquareAdjusted R SquareStd. Error of the Estimate1.996(a).992.992409.574392.998(b).995.995322.54440a P redictors: (Con sta nt), b P redictors: (Con sta nt), 消费支出由上面的两个表可

21、以看出：.选择的过程是,最先引入了变量X1，建立了模型1;接着引入变量 X，没有变量被剔除，建立了模型 2 （含有X1、X7）；最终的模型中含有变量X1X7o.各模型的拟合情况，模型1的复相关系数R=0.996,可决系数R2 =0.992 ,调整可决系数为0.992;模型2的复相关系数R=0.998，可决系数R2 =0.995，调整可决系数为0.995。可见模型2的拟合度较高，变量Xi、X7的作用显著。城镇居民人均食品消费支出城镇居民人均食品消费支出，城镇居民人均文娱城镇居民消费水平表2-5方差分析ModelSum of SquaresdfMea n SquareFSig.1Regressi

22、on35390421353904221.000(a)21.1371372109.69Residual2851770 .02117167751.1787Total356755991.158182Regressi on35509142177545716.000(b)32.9174591706.59Residual1664558.24116104034.8908Total356755991.15818a P redictors: (Con sta nt),b P redictors: (Con sta nt), 消费支出c Dependent Variable:表2-5的方差分析结果表明，当回归方程

23、为模型 1、2时，其显著性概率值P (Sig )均小于0.001，即拒绝总体回归系数均为 0的原假设。因此，最终的回归方程应当包含城镇居民人均食品消费支出 ，城镇居民人均文娱消费支出这2个自变量，且方程拟和效果很好。ModelBetaIntSig.P artialCorrelati onColli nearityStatisticsTolera nee1城镇居 民人均 居住消 费支出.271(a)3.318.004.638.044城镇居 民人均 医保消 费支出.166(a)2.285.036.496.072城镇居 民人均 交通消 费支出.274(a)2.421.028.518.029城镇居 民

24、人均 文娱消 费支出.217(a)3.378.004.645.0712城镇居 民人均 居住消 费支出.131(b).715.486.181.009城镇居 民人均 医保消 费支出-.323(b)-1.838.086-.429.008城镇居 民人均 交通消 费支出.051(b).333.744.086.013表2-6逐步回归过程中排除出模型的变量a P redictors in the Model: (Co nsta nt), 城镇居民人均食品消费支出b P redictors in the Model: (Con sta nt),均文娱消费支出城镇居民人均食品消费支出，城镇居民人c De pen

25、 de nt Variable: 城镇居民消费水平表2-6显示了方程外各模型变量的有关统计量， 即标准化偏回归系数Beta、 回归系数显著性检验的t值、P(Sig)值、偏相关系数Partial Correlation 、共 线性统计的容差 Collinearity statistic Toleranee可见，模型2以外的各变量偏回归系数经检验，P值均较大，考虑到简化方 程的需要，排除了这些变量。表2-7回归计算过程中的方程系数表Coefficie nts(a)Mo ldeUn sta ndardizedCoefficie ntsSta ndardizedCoefficie ntstSig.BS

26、td. ErrorBeta(Con sta nt)-795.539232.624-3.420.0031城镇居 民人均食 品消费支 出3.568 .078.99645.931.0002(Con sta n t)-474.725206.347-2.301.035城镇居 民人均食 品消费支 出2.819 .230.78712.243.000城镇居 民人均文 娱消费支 出1.956 .579.2173.378.004a Dependent Variable:消费水平表2-7显示各模型的偏回归系数 B、标准差Std. Error 、常数Constant、 标准化偏回归系数Beta、回归系数显著性检验的t

27、值和P(Sig)值。按照模型2 建立的多元线性回归方程为：(2-2)1 2.819、7 1.956,方程中的常数项0 474.725，偏回归系数Y=-474.725+2.819X1 +1.956X70.004，按 a =0.10 水平，均经t检验0, a 1 , a 7的P值分别为0.035、0.000、有显著性意义。3.讨论3.1离群点的筛选计算残差统计量如下表所示：表3-1残差统计MinimumMaximumMea nStd.Deviatio nNP redicted Value2887.2318666.28978.784441.54271900090953Std. P redictedValueSta ndard Error of-1.3712.181.0001