影响我国城镇居民消费性支出的因素分析
影响我国城镇居民消费性支出的因素分析
影响我国城镇居民消费性支出的因素分析
&随着改革开放的深入和市场经济的发展,人民的生活水平得到了大大地提高。作为总需求中最主要的部分，消费的增长在GDP的增长中占了极大的比例。由此，分析影响我国城镇居民――此群体的消费具有代表性――消费性支出的多种因素各自的重要程度，将有助于我们认清当前中国经济发展的重要原因。
&在现实生活中，影响各家户消费的因素很多，如收入水平、商品价格水平、利率水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、消费者年龄构成及制度、风俗习惯等等。结合众多西方经济学家对以上因素的分析，我们认为，对消费水平有决定意义的是城镇居民全年总收入――收入增加意味着人们的购买力增强，从而消费量增加；利率水平――利率的升降会改变人们对现在消费与未来消费的偏好程度；城镇居民消费价格指数――由于对于占全民消费总量的比例日益增加的正常品与奢侈品来说，替代效应大于收入效应，所以对商品的需求量即消费量会与价格成反向变化。
模型的数据
&我们选择了时间序列数据而没有采用横截面数据是为了避免各个不同地区发展水平的差异。每个地区的地理位置和自然资源都是决定产业结构的重要因素，且非人力和经济发展所能解决的，这就决定了各个地区的经济发展轨迹都不相同。我们从各期《中国统计年鉴》收集到的全部城镇居民可支配收入的数据就只有1991年到2002年的，共12个。作为小样本，给检验和解释都提供了难度，因此我们加倍小心。
三、模型的具体形式和检验
Y――城镇居民消费性支出
X1――城镇居民全年总收入
X2――当年利率水平
X3――城镇居民消费价格指数
obs&Y&X1&X2&X3
.810& .5.1000
.000& .8.6000
.810& .6.1000
.340& .5.0000
.570& .6.8000
.470& .8.8000
.640& .3.1000
.610& ..40000
.910& ..70000
.000& .0.8000
.010& .0.7000
.880& ..00000
数据来源：①国家统计局网
&&&&&&&&& ②年《中国统计年鉴》
（一）模型的估计
&由于线性回归模型较简单，且在符合古典假定的条件下，对参数的最小二乘估计满足参数估计的准则即无偏性、最小方差性和一致性，因此我们首先将模型设定为多元线性回归模型，即
&Yt=a0+a1X1t+a2X2t+a3X3t+ut
&用最小二乘法对模型估计，输出结果如下：
Dependent Variable: Y
Method: Least Squares
Included observations: 12
Variable&Coefficient&Std.Error&t-Statistic&Prob.&
C&.269&0.0628
X2&163.04&1..1105
X3&-15.293&-1..1113
R-squared&0.997171& Mean dependent var&
AdjustedR-squared&0.996110&& S.D. dependent var&
S.E. of regression&91.39736&&&& Akaike info criterion&12.12951
Sum squared resid&66827.81&&&& Schwarz criterion&12.29115
Log likelihood&-68.77707&&&& F-statistic&939.9610
Durbin-Watson stat&1.753659&&&& Prob(F-statistic)&0.000000
将上述回归结果整理如下：
Yt=.t+163..90675X3t& （一式）
& （815.5278）（0.017191）（91.33504）& （8.889293）
t=（2.160269）（41.88145）（1.794482）& （-1.789428）
R-squared= 0.997171&&& Adjusted R-squared=0.996110
F=939.9610&&&&&&&&&&& DW=1.753659
（二）模型的检验
&上述回归结果是在模型满足古典假定的基础上得出的，然而由于经济变量的复杂性，在实际生活中这些假定不一定都能满足，因而我们需要详细讨论模型是否真正满足古典假定。这包括对变量的多重共线性、异方差性、自相关性的检验。
多重共线性的检验与修正
&简单相关系数矩阵法
X1、X2、X3的相关系数矩阵
X1& 1...585087
X2&-0...931160
X3&-0...000000
&通过上述相关系数矩阵可以看出X2与X3之间存在着高度相关性。对于这种现象我们的解释为利率上升意味着资本品价格的上升从而导致企业成本的增加，由此必然引起物价的上升。既然X2与X3之间存在着高度的相关性，就需要对模型进行修正。在此，我们运用逐步回归法。
运用OLS方法逐一求Y对各个解释变量的回归。结合经济意义和统计检验我们认为Y对X1的回归方程线性关系强， 拟合程度好，因此将其作为基本回归方程，回归结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 11/26/04&& Time: 21:44
Included observations: 12
Variable&Coefficient&Std. Error&t-Statistic&Prob.&
C&379.45&5..0004
R-squared&0.995972&&&& Mean dependent var&
Adjusted R-squared&0.995569&&&& S.D. dependent var&
S.E. of regression&97.55194&&&& Akaike info criterion&12.14966
Sum squared resid&95163.81&&&& Schwarz criterion&12.23048
Log likelihood&-70.89795&&&& F-statistic&
Durbin-Watson stat&1.079742&&&& Prob(F-statistic)&0.000000
将上述回归结果整理如下：
&上述&&&&&&& Yt = 379.5546285 + 0.X1t&&&& （二式）
&&&&&&&& (73.42545)&&&& (0.014406)
&t=(5.169252)&&&& (49.72238)
& R-squared=0.995972&& Adjusted R-squared=0.995569
&F=&&&&&&&&&&& DW=1.079742
将X2带入一式，用最小二乘法对模型估计，输出结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 11/22/04&& Time: 22:12
Included observations: 12
Variable&Coefficient&Std.Error&t-Statistic&Prob.&
C&324.6&2..0718
X2&17.36&0..7051
R-squared&0.996039&Mean dependent var&
AdjustedR-squared&0.995158& S.D. dependent var&
S.E. of regression&101.9674& Akaike info criterion&12.29950
Sum squaredresid&93576.08&&& Schwarz criterion&12.42073
Log likelihood&-70.79700&&&& F-statistic&
Durbin-Watson stat&1.121971&&&& Prob(F-statistic)&0.000000
&将上述回归结果整理如下：
&Yt = 324.9857209 + 0.X1t+ 17.t&& （三式）
&(159.3436)&&&& (0.019171)&&&&&& （45.79136）
&t=（2.039527）& （37.60722）&&&&& （0.390776）
&R-squared=0.996039&& AdjustedR-squared=0.995158
&F=&&&&&&&&&&& DW=1.12197
将X3代入三式就得出一式的结果，即：
&Yt=.t+163..90675X3t&&
&& （815.5278）（0.017191）（91.33504）& （8.889293）
&t=（2.160269）（41.88145）（1.794482）& （-1.789428）
&R-squared= 0.997171&&& Adjusted R-squared=0.996110
&F=939.9610&&&&&&&&&&& DW=1.753659
&通过三个回归结果的比较，我们仍选择最初的模型，即不剔除任何变量。
&对于X2与X3存在高度相关的问题，也许课本中的一句话可以对此部分地加以解释“两个解释变量之间的简单相关系数，实际隐含着其他变量变化的相关影响，因此其值的大小并不一定是真实相关程度的反映。此外系数究竟要多大才算是严重的共线性，也无统一的量化标准”。
2．异方差性的检验与修正
（1）ARCH检验法
我们在建模分析中所用样本资料是时间序列数据，符合ARCH检验的要求，因此我们选择此检验方法。
ARCH Test:
F-statistic&2.303401&&&& Probability&0.170353
Obs*R-squared&3.969053&&&& Probability&0.137446
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/20/04&& Time: 19:39
Sample(adjusted):
Included observations: 10 after adjusting endpoints
Variable&Coefficient&Std. Error&t-Statistic&Prob.&
C&7.865&0..3537
RESID^2(-1)&-0....7121
RESID^2(-2)&0....0880
R-squared&0.396905&&&& Mean dependent var&
Adjusted R-squared&0.224593&&&& S.D. dependent var&
S.E. of regression&&&&& Akaike info criterion&21.16942
Sum squared resid&5.02E+08&&&& Schwarz criterion&21.26019
Log likelihood&-102.8471&&&& F-statistic&2.303401
Durbin-Watson stat&1.799703&&&& Prob(F-statistic)&0.170353
在显著性水平为0.05，自由度为2的条件下卡方的值为 5.99147
∵ 3..99147
∴模型不存在异方差性。
（2） White检验法
White Heteroskedasticity Test:
F-statistic&0.732094&&&& Probability&0.696656
Obs*R-squared&9.205677&&&& Probability&0.418509
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Included observations: 12
Variable&Coefficient&Std. Error&t-Statistic&Prob.&
C&7401&0.5372
X1&-41.22&-0..7844
X1^2&-0....5406
X1*X2&-20.53&-1..4192
X1*X3&0....6440
X2&4569&0.4977
X2^2&122.9&0..5236
X2*X3&-34.03&-0..5109
X3&-&&-0..5300
X3^2&710.7&0..5293
R-squared&0.767140&&&& Mean dependent var&
Adjusted R-squared&-0.280731&&&& S.D. dependent var&
S.E. of regression&10101.95&&&& Akaike info criterion&21.15375
Sum squared resid&2.04E+08&&&& Schwarz criterion&21.55784
Log likelihood&-116.9225&&&& F-statistic&0.732094
Durbin-Watson stat&3.295385&&&& Prob(F-statistic)&0.696656
在显著性为0.05，自由度为9的条件下卡方的值为16.9190
∴模型不存在异方差性。
&通过对以上两种检验方法的结果进行分析，我们可以得出结论：模型不存在异方差性。
3．自相关性检验
（1）D―W检验
由表二知，d=1.753659
在n=12，k’=3的条件下，dL=0.658，dU=1.864
∵d 介于dL 和dU之间
∴无法判定模型是否存在自相关性
（2）图示法
&由于图示法的判定具有一定的主观性，所以我们最初没有选择使用图示法检验。但D―W检验法无法判定模型是否存在自相关性，因而我们不得不退而求其次选用图示法。
&由图可知，当期残差及其滞后一期的残差在二维坐标图中不存在系统反映，所以可认为误差项之间不存在自相关性。
&通过对我们所设定的模型Yt=a0+a1X1t+a2X2t+a3X3t+ut进行多重共线性、异方差性、自相关性检验，可得出该模型能较好地反应解释变量和被解释变量之间的关系。 所以，我们确定下来的模型为
&Yt=.t+163..90675X3t
&&&&& （815.5278）（0.017191）（91.33504）& （8.889293）
&t=（2.160269）（41.88145）（1.794482）& （-1.789428）
&R-squared= 0.997171&&& Adjusted R-squared=0.996110
&F=939.9610&&&&&&&&&&& DW=1.753659
四．经济意义的解释
&（一）X1t前的系数即边际消费倾向为0.720003。这说明人们增加的收入中用于消费的部分所占比例较大，这主要是因为：第一，消费结构在其发展过程中呈现出来的不同阶段性特点，是由生产力发展的不同水平决定的。低级阶段特点是以吃穿两项占绝大比重，中级发展阶段吃穿退居次要地位，耐用消费品占主要地位；高级阶段上物质生活消费退居次要地位，文化精神生活消费上升为主要内容。随着收入的增加，处于高级阶段的人数增大，全社会购买昂贵奢侈品的数量增多。第二，生活水平的持续提高让人们不必担心未来的某一时间自己会没有足够的收入来应付比如事故、疾病之类的突发性事件，即人们的谨慎性需求较以前降低，所以不必将太多当前收入用于储蓄。
&（二） X2t前的系数为正。这主要是由利率的收入效应较大决定的。即，利率提高使人们将来的利息收入增加，会使他认为自己较为富有，以致增加目前消费，从而减少了储蓄。至于为什么此系数的值太大，我们认为与X2t是一个指数有关。
&（三）X3t前的系数为负。这是因为：
&首先，价格水平上升，将导致利率上升，进而导致投资和总支出水平下降――利率效应。因为价格水平越高，商品和劳务越贵，所需交易的现金越多。若货币供给不变，价格上升使货币需求增加时，利率就会上升。利率上升，使投资水平下降。
&其次，价格水平上升，使人们所持有的货币及其他以货币固定价值的资产的实际价值降低，人们会变得相对贫穷，于是人们的消费水平就相应地减少，这种效应称为实际余额效应。
&再次，价格水平上升，会使人们的名义收入增加，名义收入增加使人们进入更高的纳税档次，从而使人们的税负增加，可支配收入下降，进而使人们的消费水平下降。
&（四）此外，我们必须承认，由于自身知识量的不足以及模型本身的缺陷，在建模过程中我们有意略去了一些重要变量。譬如消费者偏好与风俗习惯，其数据难以获得，只好被放在随机误差项里。再者，西方经济学各流派对影响消费的因素的见解可谓百家争鸣，皆有道理，如美国经济学家杜森贝利在他的相对收入消费理论中提出消费者的消费行为要在很大程度上受周围人们消费水准的影响，即，就低收入家庭而言，其收入虽低，但因顾及它在社会上的相对地位，不得不提高自己的消费水平，这种心理会使社会短期消费整个提高，等等，为确保论文结构有逻辑性，我们只能主要参照最有影响力的凯恩斯理论。
&消费支出的增长是由多种因素共同决定的，对于一国政府而言，可以通过以下各种政策来进行宏观调控。
&(一)采用扩张的财政政策，减少税收，扩大政府对商品和劳务的购买以及转移支付，借此增加人们收入以刺激消费；反之，采取紧缩的财政政策，增加税收。
&(二)由于我国目前实行的不是由市场资本供求关系所决定的市场利率，而是政府起主导作用的官定利率，因此国家可以更强有力地利用利率政策，并且国家对利息所得额征税的政策也直接影响了居民的储蓄收益，最终改变了人们的消费与储蓄的分配比例；
&（三）此外，模型中需求与价格的反向关系，证实了我们最初的设想，即奢侈品在人们日常消费品中所占比重增加，同时消费价格指数能从很大程度上反映一国的通货膨胀的程度，等等。
高鸿业，《西方经济学》，中国人民大学出版社，2000年11月
易丹辉、尹德光，《居民消费统计学》，中国人民大学出版社,1994
萨缪尔森，诺德豪斯，《经济学》，华夏出版社，1999年
庞皓、李南成，《计量经济学》，西南财经大学出版社，2001年
殷孟波、曹廷贵，《货币金融学》，西南财经大学出版社，2000年
Dependent Variable: Y
Included observations: 12
Variable&Coefficient&Std. Error&t-Statistic&Prob.&
C&.915&0.0001
X2&-.884&0.0347
R-squared&0.373543&&&& Mean dependent var&
Adjusted R-squared&0.310898&&&& S.D. dependent var&
S.E. of regression&&&&& Akaike info criterion&17.19634
Sum squared resid&&&&& Schwarz criterion&17.27716
Log likelihood&-101.1781&&&& F-statistic&5.962795
Durbin-Watson stat&0.323938&&&& Prob(F-statistic)&0.034737
Dependent Variable: Y
Included observations: 12
Variable&Coefficient&Std. Error&t-Statistic&Prob.&
C&2.161&3..0112
X3&-101.57&-2..0433
R-squared&0.348373&&&& Mean dependent var&
Adjusted R-squared&0.283210&&&& S.D. dependent var&
S.E. of regression&&&&& Akaike info criterion&17.23574
Sum squared resid&&&&& Schwarz criterion&17.31656
Log likelihood&-101.4144&&&& F-statistic&5.346191
Durbin-Watson stat&0.365806&&&& Prob(F-statistic)&0.043346
下页更精彩：1
本文已影响人
影响我国城镇居民消费性支出的因素分析相关推荐
[影响我国城镇居民消费性支出的因素分析]网友评论
<div class="ds-thread" data-thread-key="369857" data-title="影响我国城镇居民消费性支出的因素分析" data-image="">君，已阅读到文档的结尾了呢~~
影响居民消费的因素分析
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
影响居民消费的因素分析
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口君，已阅读到文档的结尾了呢~~
我国城镇居民人均消费支出影响因素分析分析,支出,消费,因素分析,影响因素,居民消费,影响我国,消费支出,城镇居民
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
我国城镇居民人均消费支出影响因素分析
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口}