居民消费的多元线性回归分析.doc

. . 居民人均消费和原材料消耗 多元回归案例分析 背景介绍 居民的消费作为社会再生产的基础，对于提高国民生活水平起决定性作用，消费的增长对促进国民经济的持续发展具有决定性作用。保证必要消费和扩大内需合理增长才有利于经济发展。本文利用1990年至2010年的相关数据对我国居民消费价格指数进行实证分析。 建立模型 通过对下表的数据进行分析，建立模型。其模型表达式为： 其中Y表示居民人均消费，X1 表示原材料原油的消耗，X2 表示原材料水泥的消耗，X3 表示原材料粗钢的消耗，根据以往经验和对调查资料的初步分析可知，Y与X1 ，X2 ，X3 ，呈线性关系，因此建立上述四元线性总体回归模型。而βi（i=1,,2,3,）分别表示各项价格指数在居民消费价格指数的权数；Xi则表示各项价格指数对居民存款的关系，μ表示随机误差项。 通过上式，我们可以了解到，每种消费价格指数每增长１个百分点，居民人均存款会如何变化，从而对为未来人均存款预测。 1．数据的搜集 所设模型的样本容量为20个，对于一元线性回归分析计算要求和目的已经够了。表一: 序号 年份 人均消费 原油的消耗 水泥的消耗量 粗钢的消耗量 1 1990 833 121.84 184.74 58.45 2 1991 932 122.52 219.51 61.7 3 1992 1116 121.97 264.57 69.47 4 1993 1393 123.25 312.18 76 5 1994 1833 122.57 353.39 77.7 6 1995 2355 124.54 394.74 79.15 7 1996 2789 129.22 403.42 83.15 8 1997 3002 130.68 416.02 88.57 9 1998 3159 129.61 431.5 93.05 10 1999 3346 129.6329277 457.0854223 9911 2000 3632 129.0940842 472.8169834 101.7704897 12 2001 3887 130.9135511 519.7467469 119.2234933 13 2002 4144 131.4279913 566.2293033 142.4290066 14 2003 4475 131.6359826 669.1098261 172.5675256 15 2004 5032 135.6963305 745.9569625 218.2819733 16 2005 5573 139.1041788 819.8446752 270.9475961 17 2006 6263 140.9327852 943.360742 319.7117512 18 2007 7255 141.3766755 1032.846189 371.2675992 19 2008 8349 143.758639 1074.662686 379.7649199 20 2009 9098 142.3257072 1234.792321 429.7663327 数据来源：《中国统计年鉴》（2011） 利用上表中的数据，运用eview3.1软件，采用最小二乘法，对表中的数据进行线性回归，对所建模型进行估计，估计结果见下图。 从估计结果可得模型： 2．样本回归模型 根据观测和借助excel，变量和变量Y之间的相关关系为线性相关，有线性回归的趋势，因此可以用建立样本回归模型。 图一： 图二: 图三： Dependent Variable: Y Method: Least Squares Date: 11/15/12 Time: 22:00 Sample: 1990 2009 Included observations: 20 Variable Coefficient Std. Error t-Statistic Prob.?? X1 67.88937 35.73108 1.900009 0.0756 X2 8.544899 1.637322 5.218825 0.0001 X3 -5.808616 3.155908 -1.840553 0.0843 C -8935.774 4177.987 -2.138775 0.0482 R-squared 0.986876 ????Mean dependent var 3923.300 Adjusted R-squared 0.984415 ????S.D. dependent var 2406.042 S.E. of regression 300.3722 ????Akaike info criterion 14.42478 Su