农村消费水平偏低原因的实证分析汇编.docx
《农村消费水平偏低原因的实证分析汇编.docx》由会员分享,可在线阅读,更多相关《农村消费水平偏低原因的实证分析汇编.docx(13页珍藏版)》请在冰点文库上搜索。
农村消费水平偏低原因的实证分析汇编
目录
一、问题的提出3
二、计量经济模型的建立3
三、数据收集3
四、模型的求解和检验4
(一)多重共线性检验4
(二)修正多重共线性5
(三)异方差性检验8
(四)自相关性检验8
(五)自相关问题的处理8
五、总结11
(一)经济意义解释11
(二)过程总结12
农村消费水平偏低原因的实证分析
【摘要】本文旨在对2002—2013年我国农村消费水平低原因进行分析。
首先,我们建立理论模型。
然后,收集了相关的数据,利用EVIEWS软件对计量模型进行了参数估计和检验,并加以修正。
最后,我们对所得的分析结果作了经济意义的分析。
【关键词】经济模型;求解;检验
一、问题的提出
一般来说,在消费、投资、出口的经济拉动之中,消费占GDP的比重最大,世界平均水平约为70%。
美国等发达国家的消费在GDP中的比重达到85%以上。
从“三驾马车”来说,“头马”当属消费。
我国在上世纪90年代,消费的比重在三者中超过60%。
而这些年这项指标都低于60%,甚至低于50%。
当前,我国的最终消费占GDP的比重已降到历史最低水平,今年前三季度最终消费占GDP的比重仅为51.1%;投资对经济增长的贡献率达49.9%,而消费仅为35.7%。
其中一个重要的原因是农民消费水平低。
针对这种现象,本文收集了我国从2002—2013年相关截面数据,包括农村家庭平均每人年消费支出、居民食品消费价格指数、居民衣着消费价格指数、居民医疗保健消费价格指数、农居民文教娱乐消费价格指数和居民居住消费价格指数。
通过实证分析,分析农民消费水平低的原因,看其是否主要是受医疗、教育、住房三座大山的影响。
二、计量经济模型的建立
模型:
Yt=α+β1X1t+β2X2t+β3X3t+β4X4t+β5X5t+Ut
Yt——农村家庭平均每人年消费支出
X1t——居民食品消费价格指数
X2t——居民衣着消费价格指数
X3t——居民医疗保健消费价格指数
X4t——农居民文教娱乐消费价格指数
X5t——居民居住消费价格指数
β1,β2,β3,β4,β5——待定参数
Ut——随机扰动项
三、数据收集
年份
农村家庭平均每人年消费性支出
居民食品消费价格指数(上年=100)
居民衣着消费价格指数(上年=100)
居民医疗保健消费价格指数(上年=100)
居民娱乐教育文化消费价格指数(上年=100)
居民居住消费价格指数(上年=100)
1994
356.95
-
-
-
-
-
1995
398.29
-
-
-
-
-
1996
476.66
-
-
-
-
-
1997
535.37
-
-
-
-
-
1998
584.6
-
-
-
-
-
1999
619.79
-
-
-
-
-
2000
659.21
-
-
-
-
-
2001
769.65
-
-
-
-
-
2002
1016.81
131.8
117.1
111.7
112.5
121.3
2003
1310.4
122.9
114.5
111.3
106.4
110.6
2004
1572.08
107.6
107.4
109.3
110.4
111.4
2005
1617.15
99.9
103
104.7
100.9
108.3
2006
1590.3
96.8
99.2
102.8
96.6
101.7
2007
1577.4
95.8
97.3
100.9
96.8
101.7
2008
1670.13
97.4
99.1
100.3
97.4
104.8
2009
1741.09
100
98.1
100.3
106.6
101.2
2010
1834.31
99.4
97.6
98.5
100.6
99.9
2011
1943.3
103.4
97.8
101.2
101.3
102.1
2012
2184.65
109.9
98.5
99.1
101.3
104.9
2013
2555.4
102.9
98.3
99.5
102.2
105.4
以上数据来自中经网统计数据库
四、模型的求解和检验
(一)多重共线性检验
首先录入Y、X1、X2、X3、X4、X5等数据,对模型进行OLS回归,结果如表1.1所示。
表1.1
当α=0.05时,tα/2(n-k)=t0.025(12-6)=2.447,X1、X2、X3、X4、X5系数的t检验不显著,这表明很可能存在严重的多重共线性。
计算各解释变量的相关系数,选择X1、X2、X3、X4、X5数据,得相关系数矩阵,如表1.2所示。
表1.2
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,证实确实存在严重的多重共线性。
(二)修正多重共线性
采用逐步回归法,分别做Y对X1、X2、X3、X4、X5的一元回归。
结果如表1.3所示。
表1.3一元回归结果
变量
X1
X2
X3
X4
X5
参数估计值
-17.4909
-40.9585
-61.9595
-30.3958
-37.3982
T统计量
-1.7951
-3.2859
-3.6735
-1.3794
-2.2198
R2
0.2437
0.5192
0.5744
0.1599
0.3301
R
0.1681
0.4711
0.5319
0.0758
0.2631
其中,加入X3的方程修正方差最大,以X3为基础,顺次加入其他变量逐步回归,结果如表1.4所示。
表1.4
X1
X2
X3
X4
X5
R2
X3X1
8.3958
(0.7063)
-76.9898
(-2.8068)
0.5071
X3X2
3.1931
(0.0750)
-66.3542
(-1.0834)
0.4801
X3X4
-79.5051
(-3.2820)
22.7123
(1.0083)
0.5326
X3X5
-81.5150
(-2.4276)
18.1572
(0.6801)
0.5052
经比较,新加入X4的方程修正方差最大,改进最大,选择保留X4,在加入其他新变量逐步回归,结果如表1.5所示。
表1.5
X1
X2
X3
X4
X5
R2
X3X4X1
3.5157
(0.2505)
-83.2060
(-2.8155)
19.3558
(0.7087)
0.4782
X3X4X2
-12.9006
(-0.2830)
-63.7250
(-1.0387)
25.2692
(0.9935)
0.4794
X3X4X5
-86.7394
(-2.4699)
19.5332
(0.7510)
8.9973
(0.3003)
0.4800
在X3、X4的基础上加入X1、X2、X5后方程的修正方差不升反降,而且X3和X4的t检验变得不显著,甚至X1和X5的符号也变得不合理。
这说明X1、X2和X5引起严重的多重共线性,应予剔除。
剩下的两个解释变量,一个还可以解释现象,但X4的符号与实际不符,这是发现模型不对,所以我们把模型改为
Ln(Yt)=α+β1X1t+β2X2t+β3X3t+β4X4t+β4X4t+β5X5t+Ut
当α=0.05时,tα/2(n-k)=t0.025(12-6)=2.447,X1、X2、X3、X4、X5系数的t检验不显著,这表明很可能存在严重的多重共线性。
修正多重共线性:
逐步回归法
分别做Y对X1、X2、X3、X4、X5的一元回归。
结果如表1.6所示。
表1.6一元回归结果
变量
X1
X2
X3
X4
X5
参数估值
-0.0126
-0.0268
-0.0390
-0.0215
-0.0261
T统计量
-2.3938
-4.1637
-4.2907
-1.7171
-2.9096
R2
0.3643
0.6342
0.6480
0.2277
0.4585
R
0.3007
0.5976
0.6128
0.1505
0.4043
其中,加入X3的方程修正方差最大,以X3为基础,顺次加入其他变量逐步回归,结果如表1.7所示。
表1.7
X1
X2
X3
X4
X5
R2
X3X1
0.0011
(0.1685)
-0.0410
(-2.7030)
0.5711
X3X2
-0.0104
(-0.4584)
-0.0247
(-0.7563)
0.5796
X3X4
-0.0463
(-3.4650)
0.0094
(0.7578)
0.5956
X3X5
-0.0410
(-2.2066)
0.0018(0.1203)
0.5705
经比较,加入X1、X4、X5后,t检验变得不显著,甚至符号也变得不合理,加入X2后修正性方差不升反降,t检验也变得不显著。
这说明X1、X2、X4、X5引起多重共线性。
应予剔除。
最后修正严重多重共线性的回归结果为:
Ln(Yt)=11.4555-0.0390X3t
t=(12.1806)(-4.2908)
R2=0.6480R2=0.6128F=18.4099DW=0.7843
(三)异方差性检验
由此估计结果,对方程进行White检验,如表1.8所示:
表1.8
从表可以看出,nR2=0.9506,由White检验知,在α=0.05下,查卡方分布表,德临界值为χ20.05
(2)=5.9915,因为nR2=0.9506<χ20.05
(2)=5.9915,所以接受原假设,表明模型不存在异方差。
(四)自相关性检验
由表可知,DW=0.784310,对样本量为12、一个解释变量的模型、0.05显著水平,查DW统计表可知,dL=0.971,dU=1.331,模型中DW
(五)自相关问题的处理
首先得到残差序列,对残差序列进行之后一期的自回归,由表1.9得回归方程
表1.9
et=0.5587et-1,由该式可知ρΛ=0.5587,对原模型进行广义差分,得到广义差分方程
lnYt-0.5587lnYt-1=α(1-0.5587)+β3(X3t-0.5587Xt-1)+υt
对该式的广义差分方程进行回归,在Eviews命令中输入
lslny-0.5587*lny(-1)cx3-0.5587*x3(-1),回车得结果如表1.10所示。
表1.10
由表1.10可得回归方程为lnYtλ*=3.5466-0.0046X3t*
Se=(0.6885)(0.0154)
t=(5.1510)(-0.2958)
R2=0.0096F=0.0875df=9DW=0.3709
其中,lnYtλ*=lnYt-0.5587lnYt-1X3t*=X3t-0.5587Xt-1
样本量为11,查0.05显著水平的DW统计表可知,dL=0.927,dU=1.324,模型中DW
继续进行迭代:
首先得到残差序列ee=resid,对残差序列进行滞后一期的自回归,由表1.11得回归方程
eet=1.1282eet-1
表1.11
eet=1.1282eet-1,由该式可知ρΛ=1.1282,对原模型进行广义差分,令
genrYY=lnY-0.5587*lnY(-1)
genrXX=X3-0.5587*X3(-1)
得到广义差分方程
YYt-1.128YYt-1=β1(1-1.1282)+β2(XXt-1.1282XXt-1)+υt
对该式的广义差分方程进行回归,在Eviews命令中输入
lsyy-1.1282*yy(-1)cxx-1.1282*xx(-1),回车得结果如表1.12所示。
表1.12
由表1.12可得回归方程为
YY*=-0.3778+0.0039XX*
Se=(0.0446)(0.0067)
t=(-8.4677)(0.5771)
R2=0.0399F=0.3330df=8DW=1.5417
其中YY*=YYt-1.128YYt-1XX*=XXt-1.1282XXt-1
此时样本容量为10,查0.05显著水平的DW统计表可知dL=0.879,dU=1.320,模型中DW=1.1547>dU,说明广义差分模型中已无自相关。
但是R2,t,F统计量不很理想。
由差分方程,
β1=(-0.3778)/(1-1.1282)=2.9469
α=2.9469/(1-0.5587)=6.6778
由此,我们得到中国农村居民消费支出模型为
Ln(Yt)=6.6778+0.0039X3t
由此,我们得到最终的中国农村居民消费支出模型为
Ln(Yt)=6.6778+0.0039X3t
五、总结
(一)经济意义解释
在该模型的基础上,我们发现,农村居民消费支出主要是受居民医疗保健价格指数的影响。
农民把主要的收入用于医疗保健,从而在其他方面的开支相对减少,农民整体消费水平低。
(二)过程总结
由于所学有限,该模型不是很好,尽管最后消除了自相关,但是方差和F值都不理想。
原因可能是数据样本少,像White检验所需样本量在30以上,我们的数据只有12个,所以选题比较关键,数据选择更关键;另外,模型的好坏决定了整个分析过程和结果的准确。
为此该论文只能对所学进行实践,但结果未必正确,但我们还是对当前中国内需过低的现象有了一定的认识。