对我国城镇居民消费水平的计量经济分析.docx
《对我国城镇居民消费水平的计量经济分析.docx》由会员分享,可在线阅读,更多相关《对我国城镇居民消费水平的计量经济分析.docx(13页珍藏版)》请在冰点文库上搜索。
对我国城镇居民消费水平的计量经济分析
关于我国城镇居民消费水平变化的分析
一、背景介绍:
众所周知,改革开放33年以来我国经济发展迅速,城乡居民生活状况变化巨大,人民生活水平显著提高。
与此同时,消费是实现国民经济良性循环的重要因素。
因此,通过对我国城镇居民消费水平变化的分析,可以很清楚地发现城镇居民生活水平的变化。
【内容摘要】本文运用统计分析和计量分析方法,以城镇居民消费水平为基础,引入城镇居民可支配收入、国民生产总值(GDP)、税收收入、城镇居民上年的消费水平、储蓄总额等解释变量,建立城镇居民消费水平及其影响因素的分析模型。
通过Eviews软件对模型进行OLS参数估计,得到合理的数学方程,分析各因素对消费水平的影响,并进一步分析其可能存在的原因,找出城镇居民消费水平变化的切实原因。
【关键词】城镇居民消费水平城镇居民可支配收入GDP税收收入城镇居民上年消费水平储蓄总额
Forpersonaluseonlyinstudyandresearch;notforcommercialuse
【因素分析】选择城镇居民消费水平(Y)作为被解释变量,另外选取了五个指标作为模型的解释变量(X):
X1:
城镇居民可支配收入——收入决定消费;
X2:
税收收入——同等条件下,税收的增加可以导致消费水平的降低。
因此,税收对于消费水平的提高具有反作用;
Forpersonaluseonlyinstudyandresearch;notforcommercialuse
X3:
国民生产总值——GDP的增长可以带动消费水平的提高;
X4:
城镇居民上年消费水平——一般来说,城镇居民的消费水平具有连续性,上一年的消费水平会对下一年产生影响;
X5:
储蓄总额——储蓄对于居民消费水平的影响类似于税收,同等条件下,储蓄增加会导致消费减少;
Forpersonaluseonlyinstudyandresearch;notforcommercialuse
附表1列出了1994—2009年我国城镇居民消费水平以及五个解释变量的具体数据。
(注:
所有数据均来自2010年《中国统计年鉴》)
二、利用Eviews分别对各变量做散点图,结果如下:
城镇居民可支配收入与消费水平的散点图
税收与消费水平的散点图
GDP与消费水平的散点图
城镇居民上年消费水平与消费水平的散点图
储蓄总量与消费水平的散点图
从图中可以看出,被解释变量Y与各个解释变量之间都存在比较好的线性关系,但这并不代表被解释变量只是各个解释变量的简单相加或相减,还需要作进一步的分析,找出各个解释变量对被解释变量的影响程度。
设城镇居民消费水平的基本模型为:
Y=b0+b1*X1+b2*X2+b3*X3+b4*X4+b5*X5+u
三、对总体方程的回归及检验和修正:
可以看出,总体模型的R2=0.999518,拟合优度非常高。
同时F检验值4149.736也非常显著。
且解释变量X2、X5的系数为负,也符合经济意义检验。
但由于t0.025(16-2)=2.145(设定a=0.05,下同)
模型中的X2、X5均未通过t检验,故需要对模型做多重共线性检验。
1、多重共线性的检验和修正:
(1)对模型做相关系数矩阵,如下图:
由矩阵中数据可以看出被解释变量与各个解释变量之间的相关程度都比较大,均大于50%,这说明可以用线性模型来进行该问题的研究,但是各个变量之间是否存在严重的多重共线性还要经过进一步验证才能得出结论。
(2)找出最符合要求的解释变量组合:
先列出所有的解释变量组合并逐个进行回归分析(见附表2),找出R2最大的一组解释变量X1、X2、X3、X4,如图
尽管X1、X2、X3、X4中,R²=0.999356最接近模型的拟合优度0.999518,但由于t0.025(14)=2.145,而模型中X1、X2均未通过t检验,故舍去;
经过比较,模型X3、X4符合要求,具体如图所示:
模型X3,X4不但各项均通过t检验,且R2=0.999026比较接近0.999518,且t值比较原模型和模型X1,X2,X3,X4均有明显变大,说明原模型中去掉X1、X2、X5后相关程度没有发生明显变化,因此X1、X2、X5是引起多重共线性产生的变量。
(3)采用逐步回归分析法修正多重共线性
a、加入城镇居民可支配收入X1,做出回归模型如下图
可见,加入X1之后,R2=0.999163提高了,但是X1的t检验值1.400299未通过t检验,故舍去;
b、加入税收收入X2,回归模型如下:
可见,加入X2之后,R2=0.999129提高了,但是X2的t检验值-1.186401的绝对值未通过t检验,故舍去;
C、加入储蓄总量X5,回归模型如下:
可见,加入X5之后,R2=0.999064提高了,但是X5的t检验值-0.692718的绝对值未通过t检验,故舍去;故最终模型为:
Y=b0+b1*X3+b2*X4+u
2、异方差检验
a、利用White检验法检验是否存在异方差:
由图,nR2=11.95666大于X0.05(5)=11.071,同时Prob.=0.035387小于a=0.05,因此原模型不能通过White检验,故判断存在异方差性。
b、利用加权最小二乘法修正异方差,结果如下图:
可以看出运用加权小二乘法消除异方差性后,参数的t检验值均显著并有所提高,可决系数R2大幅提高,F检验也显著提高,故修正成功。
此时模型为
Y=1839.141+0.021263X3+0.436625X4
(12.47240)(19.52665)(10.98060)
其中R2=0.999987Se=42.783
F检验值为79895.25
3、自相关检验
利用拉格朗日检验法,首先进行一阶自回归检验,如下图所示:
由图,nR2=3.497665小于X20.05
(1)=3.841,Prob.值等于0.061455大于0.05,因此通过拉格朗日一阶自回归检验,不存在一阶自相关,多阶自相关检验没有必要进行了。
故判定模型不存在自相关。
故最终模型为
Y=1839.141+0.021263X3+0.436625X4
(12.47240)(19.52665)(10.98060)
其中R2=0.999987Se=42.783
F检验值为79895.25
四、模型的预测
1、点预测:
对最终模型进行点预测,得出结果如下图所示:
预测值与真实值对比图
2、计算相对误差:
时间
Y
YF
相对误差
1994
3852
4169.3
8%
1995
4931
4834.8
-2%
1996
5532
5516.6
0%
1997
5823
5939.8
2%
1998
6109
6180.4
1%
1999
6405
6415.5
0%
2000
6850
6746.9
-2%
2001
7161
7160.9
0%
2002
7486
7523.3
0%
2003
8060
7995.3
-1%
2004
8912
8757.9
-2%
2005
9644
9660.0
0%
2006
10682
10647.5
0%
2007
12211
12155.8
0%
2008
13845
13845.2
0%
2009
15025
15109.4
1%
3、相对误差分析:
由相对误差表可以看出,只有1994年的真实值与预测值之间误差比较大,为8%,其余各年的误差均比较小。
可能是因为1994年宏观经济出现的“高增长、高通胀”的现实情况导致的数据偏差。
五、模型的不足
实际中,影响城镇居民消费水平的因素还有很多,比如城镇居民消费价格指数、商品价格指数、城镇总人口数、国家对居民消费的补贴、财政支出等,由于能力的局限性,本文没有一一列出,对模型的偏差可能产生了一些影响。
附注:
影响城镇居民消费水平的相关因素及数据
年份
城镇居民消费水平
城镇居民可支配收入
税收
GDP
上年消费水平
储蓄
Y
X1
X2
X3
X4
X5
1994
3852
3496.2
5126.88
48197.86
2924
21518.8
1995
4931
4283.0
6038.04
60793.73
3852
29662.3
1996
5532
4838.9
6909.82
71176.59
4931
38520.8
1997
5823
5160.3
8234.04
78973.03
5532
46279.8
1998
6109
5425.1
9262.80
84402.28
5823
53407.5
1999
6405
5854.0
10682.58
89677.05
6109
59621.8
2000
6850
6280.0
12581.51
99214.55
6405
64332.4
2001
7161
6859.6
15301.38
109655.2
6850
73762.4
2002
7486
7702.8
17636.45
120332.7
7161
86910.6
2003
8060
8472.2
20017.31
135822.8
7486
103617.3
2004
8912
9421.6
24165.68
159878.3
8060
119555.4
2005
9644
10493.0
28778.54
184937.4
8912
141051
2006
10682
11759.5
34804.35
216314.4
9644
161587.3
2007
12211
13785.8
45621.97
265810.3
10682
172534.2
2008
13845
15780.8
54223.79
314045.4
12211
217885
2009
15025
17174.7
59521.59
340506.9
13845
260772
——数据来源:
2010年《中国统计年鉴》
仅供个人用于学习、研究;不得用于商业用途。
Forpersonaluseonlyinstudyandresearch;notforcommercialuse.
NurfürdenpersönlichenfürStudien,Forschung,zukommerziellenZweckenverwendetwerden.
Pourl'étudeetlarechercheuniquementàdesfinspersonnelles;pasàdesfinscommerciales.
толькодлялюдей,которыеиспользуютсядляобучения,исследованийинедолжныиспользоватьсявкоммерческихцелях.
以下无正文