居民消费支出影响因素分析.docVIP

我国居民消费支出影响因素分析 题目：我国居民消费支出影响因素分析 姓 名 白彦青 学 号 2010409071 年级专业 2010级会计2班 我国居民消费支出影响因素分析 10 会计二班 白彦青 2010409071 通过将近一周的统计软件理论和实践的学习，我对统计学有了新的认识和了解。它在现实生活中的普遍应用使我对它的学习表示重视，并从中有了很大的收获。基于老师对我们学习情况的检测，更基于自己对统计软件实际应用的兴趣，我搜集了一些关于我国居民消费支出的数据，并决定以此来对我国居民消费支出水平进行量化的分析处理，并进而做出推断和预测，为相关决策提供参考依据。其实影响居民消费支出的因素有好多，例如居民收入水平、物价水平、人口数、利率水平等等。而本文旨在对1988-2010年我国居民消费价格指数、国民总收入及人口数量对我国居民消费支出变动的影响进行实证分析。首先针对这种经济现象建立了理论模型。然后，收集了相关的数据，进而利用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，对所得的分析结果作了经济意义的分析，得出结论，并相应提出一些政策建议。 —．变量的选取及分析 1．居民消费价格指数。借此来说明价格变动对的影响，越高，它们应该是相关的关系。 2 3．人口数量。我国是一个人口大国。十年代末期以来，我国的人口自然增长率虽然逐年递减，但平均每年仍有1000多万人。这些人口要这就必然要。 Y-居民消费支出（亿元） X1-居民消费价格指数（%） X2-国民总收入（亿元） X3-人口数量（万人） 数据及处理 1988－2010居民消费支出及其相关影响因素统计 数据来源：中国社会科学院金融研究所? 在Eviews中输入数据，观察Y与各个解释变量X1,X2,X3之间的散点图，明显存在较强的线性关系。故我们选择建立线性模型。 建立模型Y=β0+β1X1+β2X2+β3X3 三．模型的参数估计、检验及修正 模型的参数估计。 利用Eviews软件，输入数据，对模型进行OLS回归，得到结果： Y=-113897.7-42.69108X1+0.270955X2+1.079254X3 t=(-6.557932) (-0.728965) (44.91788) (9.798595) R2=0.998543 R2=0.998313 F=4340.643 可见，模型拟合得较好，可决系数较高，表明模型中解释变量对被解释变量的解释程度较高。只有X1的t统计值不显著，其余两个解释变量都通过F检验和T检验。故我们应对上述模型进行计量经济学方法检验，并且进行修正。 计量经济学检验 多重共线性检验 利用Eviews软件，得相关系数矩阵表： 从系数矩阵可以看出，解释变量X2与X3相关系数较高，表明可能存在多重共线性。 （2）修正多重共线性 利用OLS方法分别求Y对各个解释变量X1,X2,X3进行一元回归，回归结果为： 选取X1作为回归模型的第一个解释变量，形成一元回归模型。 2） 逐步回归。将剩余变量X2,X3分别加入模型，得到回归结果： 加入变量X2的二元回归方程R2最大，并且各参数的t检验显著，加入X3后R2值有所下降，并且t检验值不显著，表明变量对模型的解释能力不强，因此选择保留X1,剔除X3. 相应的回归结果为： Yi=48055.90-362.8314X1+0.321117X2 t=(3.756273) (-3.113021) (41.96737) R2=0.991181 R2=0.990299 F=1123.871 DW=0.440243 由综合判断法知，上述回归结果基本上消除了多重共线性，并且回归系数β1=-362.83140,说明居民消费价格指数和居民消费支出存在反方向关系，在其他因素不变的情况下，居民消费价格指数X1每增加1%，居民消费支出Y将减少362.8314亿元；同时β2=0.3211170,说明国民总收入和居民消费支出存在正反向关系，在其他因素不变的情况下，国民总收入X2每增加1亿元，居民消费支出Y将增加0.321117亿元。 (3）回归方程的标准误差评价 S.E=3675.386说明回归方程与各观测值的平均误差为3675.386。 (4)拟合优度检验 调整R2=0.990299说明方程对上述函数的解释能力为99.03%。即居民消费价格指数、国民总收入对居民消费支出变动的99.03%做出解释，拟合优度很好。 (5)回归模型总体显著性检验 从全部因素的总体影响来看，在5%显著水平上F=1123.871 ,P为0，统计显著，说明居民消费价格指数、国民总收入对居民消费支出