计量经济学论文居民消费支出的影响因素分析.doc

计量经济学论文——居民消费支出的影响因素分析计量经济学课程论文 ——居民消费支出的影响因素分析居民消费支出的影响因素分析摘要：随着我国经济的快速增长，人们的收入状况有了很大改善，消费支出也随之上升一个国家居民的消费状况从侧面反映了该国的整体经济水平以及社会福利的大小现实中有许多因素影响着居民的消费水平，但由于样本数据的可收集性及我国现在的经济状况，我就仅从以下几个因素着手分析：从居民角度来看，个人所得税的多少影响着其消费性支出的高低；而从整个社会经济环境来看，国内价格指数和生产总值同样影响着居民的消费支出关键词：居民消费支出 影响因素 多因素回归分析 模型检验与修正1.引言本文主要针对我国居民消费支出进行多因素分析，从中国统计年鉴搜集相关数据，建立模型，进行数量分析在得到消费支出与各主要因素间的数量关系后，据模型方程中的各因素系数大小，分析主要因素和次要因素，为政府政策提供建议和依据2.计量经济模型2.1解释变量和被解释变量的定义过程模型设定选取1985-28><#004699'>012年我国居民消费支出的有关数据进行时间序列回归分析，以各年份的消费支出作为被解释变量Y。

影响居民消费支出的因素很多，考虑到实证研究的需要和数据的可获得性，本文选取以下几个变量作为解释变量:（1）国内生产总值在一定时期内，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标理论上与居民消费支出呈正相关2）税收税收是国家为实现其职能，通过税收工具强制地、无偿地征收参与国民收入和社会产品的分配和再分配取得财政收入的一种形式理论上该变量和房价存在负相关性3）消费价格指数是根据与居民生活有关的产品及劳务 HYPERLINK ;//baike.baidu4>>/6><#00aa00'>view/15<#004699'>04487.htm; \t ;_blank; 价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标2.2建立模型根据上面所述，建立模型如下：Y=<#004699'>0+1X1+2X2+3X3+其中：Y——居民消费支出（亿元）X1——国内生产总值（亿元）X2——税收（亿元）X3——消费价格指数2.3数据收集1985-2<#004699'>012年我国居民消费支出相关数据见附录表12.4估计方程2.4.1 Y与X1、X2、X3的回归分析 运用Eviews软件将Y与X1、X2、X3进行回归，结果如下： Dependent Variable: Y Method: Least Squares Date: <#004699'>06/12/13 Time: 18:53 Sample: 1985 2<#004699'>012 Included observations: 28 Variable Coefficient Std. Error t-Statistic Prob.?#004699'>0?#004699'>0 C -3346.142 1289.395 -2.595125 <#004699'>0.<#004699'>0159 X1 <#004699'>0.278582 <#004699'>0.<#004699'>079523 3.5<#004699'>03184 <#004699'>0.<#004699'>0<#004699'>018 X2 <#004699'>0.3<#004699'>02937 <#004699'>0.4<#004699'>02154 <#004699'>0.753286 <#004699'>0.4586 X3 3582.53<#004699'>0 995.8<#004699'>048 3.597623 <#004699'>0.<#004699'>0<#004699'>014 R-squared <#004699'>0.996782 ?#004699'>0?#004699'>0?#004699'>0?#004699'>0Mean dependent var 22944.63 Adjusted R-squared <#004699'>0.99638<#004699'>0 ?#004699'>0?#004699'>0?#004699'>0?#004699'>0S.D. dependent var 21855.5<#004699'>0 S.E. of regression 1314.955 ?#004699'>0?#004699'>0?#004699'>0?#004699'>0Akaike info criterion 17.33256 Sum squared resid 41498587 ?#004699'>0?#004699'>0?#004699'>0?#004699'>0Schwarz criterion 17.52287 Log likelihood -238.6558 ?#004699'>0?#004699'>0?#004699'>0?#004699'>0Hannan-Quinn criter. 17.39<#004699'>074 F-statistic 2478.235 ?#004699'>0?#004699'>0?#004699'>0?#004699'>0Durbin-Watson stat <#004699'>0.356672 Prob(F-statistic) <#004699'>0.<#004699'>0<#004699'>0<#004699'>0<#004699'>0<#004699'>0<#004699'>0 因此，样本回归方程为：=-3346.142+<#004699'>0.278582X1+<#004699'>0.3<#004699'>02937X2+3582.53<#004699'>0X3(-2.595125) (3.5<#004699'>03184) (<#004699'>0.753286) (3.597623) R2=<#004699'>0.996782 F=2478.235 DW=<#004699'>0.356672（1）经济意义检验：从得出的回归方程中可以看出，1<#004699'>0.278582表示在其他因素不变的情况下，国内生产总值每增加一个单位，居民消费支出平均增加<#004699'>0.278582个单位，与实际理论相符；2<#004699'>0.3<#004699'>02937表示在其他因素不变的情况下，税收每增加一个单位，商品房价格平均增加<#004699'>0.3<#004699'>02937个单位，与实际理论不相符合，可能存在多重共线性；33582.53<#004699'>0表示在其他因素不变的情况下，消费价格指数每增加一个单位，商品房价格平均增加3582.53<#004699'>0个单位。

2）统计检验①拟合优度检验：R2=<#004699'>0.996782，拟合程度较好，商品房价格的99%可以由国内生产总值、税收、消费价格指数这三个解释变量解释②F检验：F=2478.235，F<#004699'>0.<#004699'>05(3,24)=3.<#004699'>01，F统计量远远大于临界值，拒绝原假设，回归方程显著，即三个因素对商品房价格均有显著影响③t检验: X1、X2、X3的t统计量分别为(3.5<#004699'>03184) (<#004699'>0.753286) (3.597623)t检验临界值t<#004699'>0.<#004699'>025(24)为2.<#004699'>064，由此可知，解释变量X2没有通过t检验，即税收对居民消费支出的影响不显著2.4.2多重共线性检验（1）用OLS法估计上述模型=-3346.142+<#004699'>0.278582X1+<#004699'>0.3<#004699'>02937X2+3582.53<#004699'>0X3 (-2.59) (3.5<#004699'>0) (<#004699'>0.75) (3.59) R2=<#004699'>0.996782 F=2478.235 DW=<#004699'>0.356672F<#004699'>0.<#004699'>05(3,24)=3.<#004699'>01 F=2478.235>3.<#004699'>01故认为上述模型的总体线性关系显著成立。

但X2的参数未通过t检验，故解释变量间可能多重共线性（2）检验简单相关系数，运用Eviews软件，得到相关系数表如下： X1 X2 X3 X1 1 <#004699'>0.982343263279<#004699'>012 <#004699'>0.9<#004699'>084152286384995 X2 <#004699'>0.982343263279<#004699'>012 1 <#004699'>0.8219<#004699'>013175933193 X3 <#004699'>0.9<#004699'>084152286384995 <#004699'>0.8219<#004699'>013175933193 1从中可以看出各个解释变量之间的相关性不是很高3）找出最简单的回归方式分别作Y与X1、X2、X3间的回归，结果见数据1、数据2、数据3从以上的回归可以得出Y与X1、X2、X3间的回归方程，分别是：=1633.43<#004699'>0+<#004699'>0.4<#004699'>07129X1 （2.83） （52.44）R2=<#004699'>0.99<#004699'>0635 F=275<#004699'>0.324 DW=<#004699'>0.275884=4<#004699'>077.254+2.72<#004699'>0733X2 （2.74） （18.84）R2=<#004699'>0.931815 F=355.3183 DW=<#004699'>0.145358=-16233.46+146<#004699'>08.96X3 （-5.<#004699'>02） （13.64）R2=<#004699'>0.877456 F=186.1694 DW=<#004699'>0.1<#004699'>074<#004699'>0<#004699'>0可见，第一个式子的R2比较高，。