基于多元线性回归模型的影响居民消费水平相关因素分析.docVIP

. . 计量分析软件课程论文 论文题目：基于多元线性回归模型的影响居民消费 水平相关因素分析 姓 名： 学 号： 学 院： 专 业： 联系电话： ? ? ? ? 年 月 日 基于多元线性回归模型的影响居民消费 水平相关因素分析 一、研究背景 中国GDP总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP比重依然很小。为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。 二、影响居民消费水平的因素 宏观经济模型,经济发展应该紧紧抓住消费这一驾马车，而居民消费水平的高低受制于多种因素。凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。 消费分为居民消费和 政府消费，居民消费包括农村居民消费和城镇居民消费。本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。 三、居民消费水平模型的总体分析框架 （1）多元线性回归法OLS概述 回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。其模型基本形式为： 其中、、、是个未知参数，称为多元回归系数。称为被解释变量，、、是个可以精确测量和可控的一般解释变量，是随机误差项。当时，上式为多元线性回归模型。 （2）多元回归模型的建立 定义被解释变量和解释变量，被解释变量为居民消费水平(元)，解释变量为国内生产总值(亿元)、职工平均工资指数()、城镇居民消费价格指数()、普通中学及高等学校在校生数(万人)、卫生机构数(个)和基本设施铁路公路货运量(万吨)。 （3）统计数据选取 本文所有数据均来自中国统计局和中国统计局外网中国统计年鉴。 1978 184 3645.217 107.3 96.3 21261 169732 195301 1979 208 4062.58 106.7 101.9 20689.8 175142 382929 1980 238 4545.62 106.1 107.5 20298.2 180553 493327 1981 264 4891.56 98.9 102.5 19345.3 190126 471336 1982 288 5323.35 101.5 102.0 18650.2 193438 492737 1983 316 5962.65 101.4 102.0 18183.4 196017 520197 1984 361 7208.05 114.7 102.7 18407.6 198256 657456 1985 446 9016.037 105.3 111.9 18480.2 200866 668771 1986 497 10275.18 108.3 107.0 18521.1 203139 755748 1987 565 12058.62 101.0 108.8 18252.8 204960 852077 1988 714 15042.82 99.2 120.7 17789.1 205988 877263 1989 788 16992.32 95.2 116.3 17424.0 206724 885270 1990 833 18667.82 109.2 101.3 17335.9 208734 874721 1991 932 21781.50 104.0 105.1