计量经济学论文城镇居民家庭消费性支出分析.doc

城镇居民家庭消费性支出分析 【摘要】 随着中国经济的蓬勃发展，城镇居民的生活水平日益提高，对于城镇居民家庭消费性支出的分析也越来越得到重视。为了探究城镇居民家庭消费性支出的影响因素，本文集中了1991-2009年的相关数据，采用多元线性回归分析法，分析了城镇居民家庭可支配收入，消费者物价指数和国内生产总值，城镇居民恩格尔系数，城镇居民存款储蓄对城镇居民家庭消费性支的影响。最终确定了城镇居民家庭可支配收入和消费者物价指数两个重要解释变量对消费性支出的影响。 【关键词】城镇居民家庭消费性支出 消费者物价指数 城镇居民家庭可支配收入 国内生产总值 一、引言 （一）背景 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。我国目前仍然面临消费需求不足问题,研究城镇居民消费性支出对经济增长有积极的影响, 同时可以更好的理解消费对我国经济增长的作用。由此，分析影响我国城镇居民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。 文献综述 凯恩斯在《就业利息和货币通论》一书中提出：总消费是总收入的函数。这一思想用线性函数形式表示为：Ct=a + b +Yt式中C表示总消费,Y表示总收入，下标t表示时期；a、b为参数。参数b，其值介于0与1之间。凯恩斯的这个消费函数仅仅以收入来解释消费，。这一假说过于简单粗略,用于预测时误差较大 二、数据收集与模型建立 研究问题：研究影响影响我国城镇居民家庭消费性支出的因素 变量选取：解释变量:城镇居民家庭可支配收入；：消费者物价指数；：国内生产总值；：城镇居民消费恩格尔系数；：城镇居民储蓄存款 被解释变量Y：城镇居民家庭消费性支出 样本容量：19 数据来源：中国统计年鉴2011 表一1991-2009年城镇居民家庭消费性支出影响因素 为了具体分析各要素对城镇居民家庭消费性支出影响的大小，我们可以用运用这些数据进行回归分析。Y表示城镇居民家庭消费性支出, X1表示城镇居民家庭可支配收入,X2表示消费者物价指数, X3表示国内生产总值，Ui表示随机扰动项。 采用的模型如下： Y = C + β1X1 + β2X2 + β3X3 + ui 利用EViews软件，输入等数据，采用这些数据对模型进行OLS回归，结果如图所示： Y = -222071.436189 + 25.1201128305*X1 - 614.875676391*X2 + 0.291749740644*X3 + 4488X4 - 1.29122512798*X5 t=（-3.776225）（5.069490）（-1.010783）（4.142160）（3.835335）（-4.698112） =0.799922 =0.722969 DW=1.077236 F=10.39496 由以上数据可以看出，对模型进行F检验。对应的原假设为：回归模型不显著。备选假设为：回归模型显著。通过图1的P值进行检验，由于F值为10.39496，F后的P值为0.000350，小于0.05，因而拒绝原假设，可以认为回归模型是显著的，即模型通过了F检验。但是系数的t检验不显著，而且系数的符号与预期相反，这表明可能存在严重的多重共线性。 （三）多重共线性检验 相关系数检验。在命令窗口中输入cor ，输出的相关系数矩阵，见表二： 由相关系数可以看出，解释变量存在多重共线性。 （四）修正多重共线性：逐步回归法 采用逐步回归的办法，去检验和解决多重共线性问题。分别做Y对各个解释变量的一元回归，结果如下： 解释变量 参数估计 2.925740 -64.13479 0.158418 -1045.672 0.152344 t统计量 2.658812 -0.074114 3.047439 -1.193790 2.324000 0.293706 0.000323 0.353290 0.077347 0.241104 0.252159 -0.058482 0.315248 0.023074 0.196464 其中含有解释变量的回归方程中的值最大，以为基础，顺次加入其他变量逐步回归，如表四： 变量 、 0.280786 、 0.323484 、 0.304636 、 0.275672 经比较，新加入的方程，其=0.323484，改进最大，予以保留，再加入其他变量