计量经济学课题论文实验报告.docx
《计量经济学课题论文实验报告.docx》由会员分享，可在线阅读，更多相关《计量经济学课题论文实验报告.docx（24页珍藏版）》请在冰点文库上搜索。
计量经济学课题论文实验报告
居民消费水平的影响因素
实验报告
第十二组
组长：
牧春枝
组员：
雷志豪
郑皓谦
李远致
姜婧怡
刘三科
李晗静
雷金祎
一、摘要：
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
居民消费作为社会再生产的终点和起点，对于实现社会再生产的良性循环，促进国民经济的持续发展具有决定性作用，要刺激消费，扩大内需，拉动经济发展，那么研究居民消费水平对于我国经济发展以及宏观调控起到很大的作用，因此居民消费水平具有研究性。
通过文献参考发现居民消费水平的影响因素主要有五点：
国内生产总值GDP、城镇居民可支配收入、农村居民可支配收入、人口自然增长率和居民消费价格指数，本文将分别总结以上因素的影响情况。
本文运用计量分析的方法，研究了居民消费水平的影响因素。
二、关键词：
国内生产总值GDP、城镇居民可支配收入、农村居民可支配收入、人口自然增长率、居民消费价格指数。
在研究影响居民消费水平影响之前，首选我们要明白居民消费水平的意义。
居民消费水平指按常住人口平均计算的居民消费支出。
即是居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
在现实生活中，居民消费水平是受多方面因素影响因此来确定的一个量，所以要想了解居民消费水平就必须从多个影响因素进行分析。
国内生产总值GDP常被公认为是衡量国家经济状况的最佳指标，它不但可以反映一个国家的经济表现，更可以反映一国的国力与财富。
随着国民经济的发展，人民收入水平不断提高。
国内生产总值增加，意味着国民经济水平提高，居民收入增加，居民的消费能力提升，消费水平随之提高。
由此选择了国内生产总值GDP作为居民消费水平计量分析的因素之一。
国内生产总值GDP是从整个宏观方面来对居民消费水平的整体水平做出个大致的分析，从微观层面上分析，主要的影响因素就是居民可支配收入，在我国居民由城镇居民与农村居民两部分组成，所以城镇居民可支配收入与农村居民可支配收入也是影响居民消费水平的因素。
收入是消费的基础和前提； 其他条件不变，则人们当前可支配收入（当前收入）越多，对各种商品和服务的消费量就越大。
因此要提高居民的生活水平，必须保持经济的稳定增长，增加居民收入。
一般地，未来预期收入（未来收入）越高，预期支出的可能性就会越大。
社会收入差距与社会总体消费水平有密切的联系。
人们的收入差距过大，总体消费水平会降低；反之，收入差距缩小，会使总体消费水平提高。
农村居民人均可支配收入对居民消费水平的影响大大超过了城镇居民人均可支配收入对居民消费水平的影响。
主要原因：
第一是我国是农民人口占绝大多数的国家，而居民消费水平是以人口数为权数对农村居民消费水平和城镇居民消费水平进行加权平均计算而得到的；第二是农村居民的消费动力远远大于城镇居民。
人口自然增长率，是反映人口发展速度和制定人口计划的重要指标，也是计划生育统计中的一个重要指标，它表明人口自然增长的程度和趋势。
在人口数量一定的情况下，经济发展水平越高，消费品数量越多，那么居民消费水平就会越高；反之，在经济发展水平稳定的条件下，人口数量的多少就决定着消费水平的高低。
居民消费价格指数，是一个反映居民家庭一般所购买的消费商品和服务价格水平变动情况的宏观经济指标。
它是度量一组代表性消费商品及服务项目的价格水平随时间而变动的相对数，是用来反映居民家庭购买消费商品及服务的价格水平的变动情况。
消费物价指数对居民根据经济理论分析，物价越高，越会抑制人们的消费，消费水平会越低。
以经济建设为中心，大力发展生产力，落实科学发展观，使国民经济又好又快发展。
增加居民收入，农民收入，完善社保，缩小城乡差距。
国家加强宏观调控，稳定物价。
首先，要保持GDP稳速增长，同时，政府应当加大资金和物质投入，扩大社会保障的资金来源，增加融资来源和渠道，有效地促进社会保障制度的运行和社会保障体系的建设。
其次，应合理制定税收政策，积极推进税制改革，减轻中低收入者的税收负担，充分发挥税收对收入和消费的调节作用，通过提高个人所得税的起征点和对高收入群体征收较高的个人所得税，促进收入的相对公平。
三、基于计量经济模型的居民消费影响因素分析
1、变量的选择与设计
Y-居民消费水平
X1-国内生产总值
X2-人口自然增长率
X3-居民消费价格指数（上年=100）
X4-城镇居民家庭人均可支配收入
X5-农村居民家庭人均纯收入
2、模型的设立
Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5
回归结果：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/01/14Time:
15:
08
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
66.06162
215.6538
0.306332
0.7615
X1
0.007283
0.001348
5.402866
0.0000
X2
-7.583460
9.544774
-0.794514
0.4334
X3
-0.327767
2.011271
-0.162965
0.8717
X4
0.103370
0.043601
2.370802
0.0246
X5
0.974971
0.068204
14.29481
0.0000
R-squared
0.999806
Meandependentvar
3896.143
AdjustedR-squared
0.999772
S.D.dependentvar
4226.517
S.E.ofregression
63.80517
Akaikeinfocriterion
11.30435
Sumsquaredresid
118061.9
Schwarzcriterion
11.57098
Loglikelihood
-191.8261
Hannan-Quinncriter.
11.39639
F-statistic
29831.70
Durbin-Watsonstat
1.158136
Prob（F-statistic）
0.000000
3、模型检验
一，模型检验
由以上回归结果可看出：
1，经济意义检验
X2与理论分析和经验判断不一
2，拟合优度检验
可决系数和修正的可决系数，拟合很好
3，F检验
显著性水平0.05下，F（6，29）=2.545F=29831.7>2.545回归方程显著
4，t检验
显著性水平0.05下，t（29）=2.045β2和β3不能通过检验
二，多重共线性检验：
可决系数R2较高，经F检验的参数联合显著性也很高，但X2和X3的系数不显著，且X2的符号与预期相反，这表明可能存在严重的多重共线性。
1，相关系数检验法
X1
X2
X3
X4
X5
X1
1.000000
-0.800638
-0.264424
0.996066
0.993517
X2
-0.800638
1.000000
0.409727
-0.842008
-0.829955
X3
-0.264424
0.409727
1.000000
-0.280410
-0.279674
X4
0.996066
-0.842008
-0.280410
1.000000
0.997214
X5
0.993517
-0.829955
-0.279674
0.997214
1.000000
由上述相关系数矩阵可以看出确实存在一定的多重共线性
2，方差扩大因子检验法
分别以X1，X2，X3，X4，X5为被解释变量，做关于其他解释变量的回归分析，结果
DependentVariable:
X1
Method:
LeastSquares
Date:
12/01/14Time:
16:
20
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-61641.16
26953.42
-2.286952
0.0294
X2
5762.032
751.3559
7.668844
0.0000
X3
-288.1224
267.2832
-1.077966
0.2896
X4
28.35085
2.842825
9.972775
0.0000
X5
-14.57918
8.845958
-1.648118
0.1098
R-squared
0.997432
Meandependentvar
129747.2
AdjustedR-squared
0.997089
S.D.dependentvar
160186.0
S.E.ofregression
8641.897
Akaikeinfocriterion
21.09820
Sumsquaredresid
2.24E+09
Schwarzcriterion
21.32039
Loglikelihood
-364.2184
Hannan-Quinncriter.
21.17490
F-statistic
2912.951
Durbin-Watsonstat
0.871799
Prob（F-statistic）
0.000000
DependentVariable:
X2
Method:
LeastSquares
Date:
12/01/14Time:
16:
22
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
6.884682
3.928894
1.752320
0.0899
X1
0.000115
1.50E-05
7.668844
0.0000
X3
0.074647
0.035977
2.074861
0.0467
X4
-0.003717
0.000485
-7.664234
0.0000
X5
0.002695
0.001208
2.230239
0.0334
R-squared
0.918477
Meandependentvar
9.882000
AdjustedR-squared
0.907607
S.D.dependentvar
4.015221
S.E.ofregression
1.220477
Akaikeinfocriterion
3.367924
Sumsquaredresid
44.68692
Schwarzcriterion
3.590117
Loglikelihood
-53.93867
Hannan-Quinncriter.
3.444625
F-statistic
84.49805
Durbin-Watsonstat
1.032575
Prob（F-statistic）
0.000000
DependentVariable:
X3
Method:
LeastSquares
Date:
12/01/14Time:
16:
23
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
83.28940
12.32825
6.755978
0.0000
X1
-0.000129
0.000120
-1.077966
0.2896
X2
1.681145
0.810244
2.074861
0.0467
X4
0.004749
0.003862
1.229624
0.2284
X5
-0.004727
0.006131
-0.771096
0.4467
R-squared
0.218961
Meandependentvar
105.3943
AdjustedR-squared
0.114822
S.D.dependentvar
6.156152
S.E.ofregression
5.791948
Akaikeinfocriterion
6.482378
Sumsquaredresid
1006.400
Schwarzcriterion
6.704570
Loglikelihood
-108.4416
Hannan-Quinncriter.
6.559079
F-statistic
2.102588
Durbin-Watsonstat
1.019268
Prob（F-statistic）
0.105193
DependentVariable:
X4
Method:
LeastSquares
Date:
12/01/14Time:
16:
24
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
1605.419
854.1301
1.879596
0.0699
X1
0.027098
0.002717
9.972775
0.0000
X2
-178.1049
23.23844
-7.664234
0.0000
X3
10.10433
8.217412
1.229624
0.2284
X5
1.110033
0.201230
5.516233
0.0000
R-squared
0.998877
Meandependentvar
7010.643
AdjustedR-squared
0.998727
S.D.dependentvar
7489.172
S.E.ofregression
267.1760
Akaikeinfocriterion
14.14526
Sumsquaredresid
2141491.
Schwarzcriterion
14.36745
Loglikelihood
-242.5420
Hannan-Quinncriter.
14.22196
F-statistic
6671.194
Durbin-Watsonstat
0.889682
Prob（F-statistic）
0.000000
DependentVariable:
X5
Method:
LeastSquares
Date:
12/01/14Time:
16:
25
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-201.4293
576.1034
-0.349641
0.7291
X1
-0.005695
0.003455
-1.648118
0.1098
X2
52.77540
23.66357
2.230239
0.0334
X3
-4.110963
5.331326
-0.771096
0.4467
X4
0.453634
0.082236
5.516233
0.0000
R-squared
0.995234
Meandependentvar
2328.203
AdjustedR-squared
0.994598
S.D.dependentvar
2323.844
S.E.ofregression
170.7978
Akaikeinfocriterion
13.25040
Sumsquaredresid
875156.4
Schwarzcriterion
13.47259
Loglikelihood
-226.8820
Hannan-Quinncriter.
13.32710
F-statistic
1566.006
Durbin-Watsonstat
0.388839
Prob（F-statistic）
0.000000
由方差扩大因子VIF>=10判断，该模型存在严重多重共线性问题。
3，对多重共线性的处理。
①变换模型形式：
对所有变量取对数得：
DependentVariable:
LNY
Method:
LeastSquares
Date:
12/01/14Time:
16:
34
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-1.178968
0.357753
-3.295482
0.0026
LNX1
0.254516
0.111038
2.292167
0.0293
LNX2
0.083198
0.037515
2.217742
0.0346
LNX3
-0.032530
0.099234
-0.327815
0.7454
LNX4
0.483502
0.109929
4.398322
0.0001
LNX5
0.279536
0.062719
4.456936
0.0001
R-squared
0.999752
Meandependentvar
7.567862
AdjustedR-squared
0.999709
S.D.dependentvar
1.324190
S.E.ofregression
0.022575
Akaikeinfocriterion
-4.589165
Sumsquaredresid
0.014779
Schwarzcriterion
-4.322534
Loglikelihood
86.31038
Hannan-Quinncriter.
-4.497124
F-statistic
23391.41
Durbin-Watsonstat
1.339966
Prob（F-statistic）
0.000000
有上述结果可看出该模型中LNX3对应的系数不能通过t检验，LNX3不显著，又由于对数模型误差相对较大，故综合而言，仍采用原有模型。
②，对原模型逐步回归
一元回归
分别做Y关于X1，X2,X3,X4,X5的一元回归，根据回归结果比较可决系数，引入X5
二元回归
分别做Y关于X5和X1，X5和X2，X5和X3，X5和X4的二元回归，根据回归结果比较修正的可决系数，再引入X1
三元回归
分别做Y关于X1，X5和X2；X1，X5和X3；X1，X5和X4的三元回归，根据回归结果比较修正的可决系数，再引入X4
四元回归
分别做Y关于X1，X4，X5和X2以及X1，X4，X5和X3的四元回归，结果如下：
DependentVariable:
Y
Method:
LeastSquares
Date:
12/01/14Time:
17:
23
Sample:
19792013
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
38.76206
133.5888
0.290160
0.7737
X1
0.007325
0.001301
5.630687
0.0000
X2
-8.134485
8.779795
-0.926501
0.3616
X4
0.101813
0.041846
2.433025
0.0211
X5
升级会员 