计量经济学课程设计影响社会消费品零售总额的因素分析.docx

计量经济学课程设计影响社会消费品零售总额的因素分析.docx

《计量经济学课程设计影响社会消费品零售总额的因素分析.docx》由会员分享，可在线阅读，更多相关《计量经济学课程设计影响社会消费品零售总额的因素分析.docx（40页珍藏版）》请在冰点文库上搜索。

计量经济学课程设计影响社会消费品零售总额的因素分析

影响社会消费品零售总额的因素分析

摘要：

社会消费品零售总额是一项重要、敏感的政府统计。

定期发布的消费品零售统计资料，常常引起国内外的强烈关注，间或还会引发一些疑义和争议。

为了有利于把问题搞清楚，需要对“社会消费品零售总额”从多方面逐一进行剖析，找出影响其增长变化的各种因素，然后再加以判断。

关键词：

社会消费品零售总额城镇居民家庭人均年总收入农村居民家庭人均年总收入商品零售价格指数年底总人口数城乡居民储蓄存款年底余额

一．问题提出

商品要进入市场，只有通过流通领域到达消费者的手中，才能实现其使用价值。

社会消费品零售总额是指各种经济类型的批发零售贸易业、餐饮业和其他行业对城乡居民和社会集团的消费品零售额总和。

这个指标反映通过各种商品流通渠道向居民和社会集团供应的生活消费品来满足他们的生活需要，是研究人民生活、社会消费品购买力、货币流通等问题的重要指标。

对居民的消费品零售额：

指售给城乡居民用于生活消费的商品。

对社会集团的消费品零售额：

指售给机关、团体、部队、学校、企业、事业单位和城市街道居民委员会、农村村民委员会用公款购买的用作非生产、非经营使用的消费品。

一个国家的社会消费品零售总额在很大程度上决定了一个国家的综合国力，国民生产与消费能力，因此分析影响它的主要因素至关重要。

本文利用计量经济学的方法对影响社会消费品零售总额的因素做出分析，从而得出各因素分别对社会消费总额的影响程度。

现实经济生活中，影响“社会消费品零售总额”因素有很多，但从直接影响角度来说，主要包括：

1．城镇（X2）及农村居民人均年总收入（X3）。

如图所示：

图1

从城乡居民收入差距看，据测算，农村居民收入比城市居民大约落后1O年，二者平均每人年收入差距从1985年的1．86倍，扩大为l990年的2．22倍，再扩大为1995年的2.71倍，二者收入的绝对差距从1980年的286．3元，增加到1985年的341．5元，l990年的823．9元，再增加到1995年的2705．3元；从农村和城镇居民内部的收入差距看，农村居民内部的最高最低人均年收入，从1985年的3．15倍，扩大为l990年的4．43倍，再扩大为l995年的4．82倍。

城镇居民中1996年收入最高的20％与收入最低的20％的家庭，人均生活费收入之比由1981年的2.3：

1扩大到4.2：

l。

在模型中加入X2和X3可以具体分析出城乡差距在对社会消费品零售总额的影响中起到什么作用，并比较各自在影响过程中所起作用的大小。

由于中国居民收入目前存在明显的城乡差别，因此对城乡收入对消费水平的影响分别分析。

本文中分别用各自的家庭人均年总收入表示。

2．商品零售价格指数（X4）（1978年=100）。

它是反映城乡商品零售价格变动趋势的一种经济指数。

零售物价的调整变动直接影响到城乡居民的生活支出和国家的财政收入，影响居民购买力和市场供需平衡，影响消费与积累的比例。

商品零售价格指数在一定程度上代表了各年物价水平，以及通货膨胀率，对社会消费品销售总额也具有很大影响。

3．总人口数。

我国是一个人口大国。

八十年代末期以来，我国的人口自然增长率虽然逐年递减，但平均每年仍有1000多万人出生。

这些新生人口要吃、要穿、要用，这就必然要与零售市场发生关系。

本文采用年底总人口数（X5）表示。

4．城乡居民储蓄存款年底余额（X6）。

居民收入主要用于消费与积累，居民储蓄是积累的一种表现形式。

需要指出的是，在城乡居民消费品购买中，常常会受到各种偶然性因素的影响，比如新设立的旅游黄金周，气候的突然变化，不规律的调资，各种改革措施的出台，购物券卡的发放和商家新的促销手段等等。

这些因素，一般常在发生之初，引起短期剧烈的波动。

但当这些因素如果一直沿续下去，就会转入到长期影响中。

在对居民生活质量改善的平均估计中，事实上已经包括了这些因素的影响。

本文收集的是1987-2005年的数据，如下：

表1

Obs

Y

X2

X3

X4

X5

X6

1987

5820

1012

653.6

145.7

109300

3081.4

1988

7440

1192

785.3

172.7

111026

3822.2

1989

8101

1388

875

203.4

112704

5196.4

1990

8300

1516

990.4

207.7

114333

7119.8

1991

9416

1713

1046

213.7

115823

9241.6

1992

10994

2032

1155

225.2

117171

11759.4

1993

14270

2583

1334

254.9

118517

15203.5

1994

18623

3502

1789

310.2

119850

21518.8

1995

23614

4279

2338

356.1

121121

29662.3

1996

28360

4845

2807

377.8

122389

38520.8

1997

31253

5189

2999

380.8

123626

46279.8

1998

33378

5450

2995

370.9

124761

53407.5

1999

35648

5865

2987

359.8

125786

59621.8

2000

39106

6296

3146

354.4

126743

64332.4

2001

43055

6869

3307

351.6

127627

73762.4

2002

48136

8177

3449

347

128453

86910.6

2003

52516

9061

3582

346.7

129227

103617

2004

59501

10129

4040

356.4

129988

119555

2005

67177

11321

4631

359.3

130756

141051

（数据来源于中经网）

二．模型设定

经分析，设定影响汇率变动计量经济模型如下：

Y——社会消费品零售总额（亿元）

X2——城镇居民家庭人均年总收入（元）

X3——农村居民家庭人均年总收入（元）

X4——商品零售价格指数（1978年=100）

X5——年底总人口数（万人）

X6——城乡居民储蓄存款年底余额（亿元）

三．实证分析

1．OLS回归：

用EViews进行OLS分析得：

表2

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

11:

59

Sample:

19872005

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-31037.16

12355.27

-2.512058

0.0260

X2

3.454395

0.961032

3.594463

0.0033

X3

8.072275

1.847623

4.369005

0.0008

X4

-49.46606

18.31984

-2.700136

0.0182

X5

0.323602

0.121070

2.672859

0.0192

X6

-0.014485

0.088587

-0.163516

0.8726

R-squared

0.999259

Meandependentvar

28668.84

AdjustedR-squared

0.998973

S.D.dependentvar

19151.79

S.E.ofregression

613.6450

Akaikeinfocriterion

15.92880

Sumsquaredresid

4895283.

Schwarzcriterion

16.22704

Loglikelihood

-145.3236

F-statistic

3504.005

Durbin-Watsonstat

1.266686

Prob（F-statistic）

0.000000

由此可见，该模型

=0.999259，

=0.998973，可决系数很高，模型拟合很好，F检验值3504.005，明显显著。

当

=0.05时，

=

=2.16，X6的t检验不显著，X4系数的符号与预期的相反，这说明很可能存在严重的多重共线性。

2．多重共线性：

（1）定性分析：

由于许多经济变量随时间的变化过程中往往存在共同的变化趋势，这就使得它们之间容易产生多重共线性。

例如，经济的增长将使收入有所增加，随着人们收入的增长，会使得商品销售有所增长，进而导致零售物价指数也发生相应的变化。

在我们的模型中，将收入和物价指数作为解释变量同时引入模型，这二者之间极有可能存在很大的相关性。

（2）多重共线性检验：

计算各解释变量的相关系数，选择X2、X3、X4、X5、X6数据，得相关矩阵如下：

表3

X2

X3

X4

X5

X6

X2

1

0.9757

0.7858

0.9491

0.9924

X3

0.9757

1

0.8872

0.9706

0.9519

X4

0.7858

0.8872

1

0.9004

0.7137

X5

0.9491

0.9706

0.9004

1

0.9158

X6

0.9924

0.9519

0.7137

0.9158

1

由相关系数矩阵可以看出，各解释变量相互之间的相关系数较高，存在多重共线性。

（3）多重共线性修正：

采用逐步回归法检验和解决多重共线性问题，分别做Y对X2、X3、X4、X5、X6的一元回归，结果如下表：

表4

变量

X2

X3

X4

X5

X6

参数估计值

6.004879

15.154

189.6756

2.70687

0.45105

t统计量

70.96655

20.2736

5.285267

12.6961

33.1349

0.996636

0.960282

0.621668

0.904597

0.984752

0.996438

0.957946

0.599413

0.898985

0.983855

其中，加入X2的方程

最大为0.996438，以X2为基础，顺次加入其他变量逐步回归，结果如下：

表5

变量

X2

X3

X4

X5

X6

X2、X3

5.2857

1.8947

0.9970

（14.9799）

（2.0885）

X2、X4

5.9561

2.4771

0.9963

（42.4888）

（0.4418）

X2、X5

5.7961

0.1040

0.9964

（21.3627）

（0.8105）

X2、X6

5.3765

0.0478

0.9964

（7.7658）

（0.9143）

经比较，新加入X3的方程

=0.9970，改进最大，但是发现加入X3、X4、X5、X6均有参数t检验不显著，说明X3、X4、X5和X6会引起多重共线性，应予剔除。

最后修正严重多重共线形影响的回归结果为：

表6

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

12:

39

Sample:

19872005

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-539.3063

488.0163

-1.105099

0.2845

X2

6.004770

0.084614

70.96655

0.0000

R-squared

0.996636

Meandependentvar

28668.84

AdjustedR-squared

0.996438

S.D.dependentvar

19151.79

S.E.ofregression

1143.037

Akaikeinfocriterion

17.02007

Sumsquaredresid

22211062

Schwarzcriterion

17.11948

Loglikelihood

-159.6906

F-statistic

5036.251

Durbin-Watsonstat

0.697316

Prob（F-statistic）

0.000000

t=（-1.1051）（70.9666）

这说明，在社会消费品零售总额的增长影响因素中，城镇家庭收入影响是最显著的，在其它因素不变的情况下，当城镇家庭人均年收入每增加1元时，社会消费品零售总额将增长6.0048亿元。

3．异方差性

（1）定性分析

古典假定中为了使计量经济模型理想化，我们引入了同方差假定，认为随机误差项u的方差随自变量的不同取值不会发生变化。

但是，在我们的模型中，举例来说，当收入比较少时，消费支出中必要消费品的消费所占的比例较大，因此，消费支出的变动幅度也相应较小。

而当收入很大时，则消费支出中必要消费品的消费所占比例比较小，消费者有更大的消费选择，从而使得消费支出差异性较大。

这样，就会导致随机扰动存在异方差。

同时，由于我们所搜集的数据是时间序列数据，其样本数据的观测误差常随时间的推移而逐步积累，进而引起随机误差项的方差增加，而随着时间的推移，样本观测技术会随之提高，也可能使得样本观测误差减少，从而引起随机误差的方差减小。

从这两个方面来考虑，我们的模型也有可能不满足同方差假定。

据以上分析，我们有必要进行异方差性检验。

（2）异方差性的检验：

I．图形法

用残差图形分析检验，做出残差平方与城镇人均年收入X2之间的散点图为：

图2

由上图可以看出残差平方

与X2的散点图分布得较分散，并不能明显看出残差平方

随X2的变动呈任何趋势，因此模型可能不存在异方差。

II．White检验

设异方差与

，

的一般关系为：

经估计出现White检验结果，如下：

表7

WhiteHeteroskedasticityTest:

F-statistic

3.223890

Probability

0.066615

Obs*R-squared

5.457458

Probability

0.065302

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/24/07Time:

13:

18

Sample:

19872005

Includedobservations:

19

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

-1004309.

928373.2

-1.081794

0.2954

X2

986.9797

391.8372

2.518851

0.0228

X2^2

-0.078988

0.033581

-2.352180

0.0318

R-squared

0.287235

Meandependentvar

1169003.

AdjustedR-squared

0.198139

S.D.dependentvar

1516304.

S.E.ofregression

1357800.

Akaikeinfocriterion

31.22457

Sumsquaredresid

2.95E+13

Schwarzcriterion

31.37369

Loglikelihood

-293.6334

F-statistic

3.223890

Durbin-Watsonstat

1.946205

Prob（F-statistic）

0.066615

从上表可以看出，

=19*0.287235=5.4575，由White检验知，在

=0.05下，查

分布表，得临界值

，比较计算的

统计量和临界值，因为

=5.4575<

，所以不能拒绝原假设，White检验不能表明模型具有异方差。

III．ARCH检验

ARCHTest:

F-statistic

0.448222

Probability

0.647617

Obs*R-squared

1.023032

Probability

0.599586

TestEquation:

DependentVariable:

RESID^2

Method:

LeastSquares

Date:

06/24/07Time:

17:

40

Sample（adjusted）:

19892005

Includedobservations:

17afteradjustingendpoints

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

1065862.

583636.3

1.826244

0.0892

RESID^2（-1）

0.250521

0.269508

0.929551

0.3684

RESID^2（-2）

-0.101736

0.266106

-0.382314

0.7080

R-squared

0.060178

Meandependentvar

1262130.

AdjustedR-squared

-0.074082

S.D.dependentvar

1577327.

S.E.ofregression

1634709.

Akaikeinfocriterion

31.61061

Sumsquaredresid

3.74E+13

Schwarzcriterion

31.75765

Loglikelihood

-265.6902

F-statistic

0.448222

Durbin-Watsonstat

1.956710

Prob（F-statistic）

0.647617

，

17*0.060178=1.023026，查

=0.05，

=2时的

分布表得

=5.99147，因为

=1.023026<

=5.99147,则不能拒绝原假设，ARCH检验不能表明模型中的随机误差项存在异方差。

IV．Goldfeld-Quanadt检验法

用Goldfeld-Quanadt检验来考察随机误差之间是否存在异方差。

其过程如下：

第一步：

先将样本值按X2的大小顺序排列，然后将中间的n/4个样本值除去，本模型中删除5个观测值，余下部分平分成两个样本区间，1987——1993和1999——2005这两个子样本。

第二步：

对这两个子样本各自进行回归。

利用Eviews软件，得到回归结果如下：

表8

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

13:

09

Sample:

19871993

Includedobservations:

7

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

843.0606

428.9743

1.965294

0.1066

X2

5.110141

0.251253

20.33864

0.0000

R-squared

0.988057

Meandependentvar

9191.571

AdjustedR-squared

0.985669

S.D.dependentvar

2754.067

S.E.ofregression

329.7002

Akaikeinfocriterion

14.66920

Sumsquaredresid

543511.0

Schwarzcriterion

14.65375

Loglikelihood

-49.34220

F-statistic

413.6603

Durbin-Watsonstat

1.913321

Prob（F-statistic）

0.000005

t=（1.9653）（20.3386）

由上表中得知

=543511，对另外一个子样本做OLS估计：

表9

DependentVariable:

Y

Method:

LeastSquares

Date:

06/24/07Time:

13:

11

Sample:

19992005

Includedobservations:

7

Variable

Coefficient

Std.Error

t-Statistic

Prob.

C

3904.594

1777.804

2.196302

0.0795

X2

5.506200

0.210154

26.20084

0.0000

R-squared

0.992769

Meandependentvar

49305.57

AdjustedR-squared

0.991323

S.D.dependentvar

11288.93

S.E.ofregression

1051.568

Akaikeinfocriterion

16.98891

Sumsquaredresid

5528975.

Schwarzcriterion

16.97345

Loglikelihood

-57.46118

F-statistic

686.4841

Durbin-Watsonstat

1.628059

Prob（F-statistic）

0.000002

t=（2.1963）（26.2008）

由上表中得知

=5528975

第三步：

求F统计量

第四步：

查表求临界值并下结论

给定显著性水平

，查F分布表，得临界值

，比较

，则拒绝原假设，表明随机误差存在异方差。

．

（3）异方差的修正：

I．修正模型：

运用对数变换法对模型进行修正，修正后的模型为：

利用EViews