计量经济学论文-城镇居民人均消费支出

计量经济学论文-城镇居民人均消费支出 XXXX大学XXXXX学院 计量经济学课程论文 论文题目:城镇居民人均消费支出及其影响因素的分析 学生姓名: XXX 学科专业: XXXXXXX 学 号: XXXXXXX 20XX年XX月XX日 城镇居民人均消费支出 及其影响因素的分析 一、 问题的提出 改革开放以来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。在科技的不断进步下，随着居民收入水平的提高及电子通讯、家用汽车价格的下调，移动电话及家用汽车己成为我国近几年形成的新消费热点之一。从趋势上看，这方面的消费需求将会持续旺盛。家庭教育支出的平均增长也几倍于收入的平均增长;百姓对医疗领域向盈利方面的转化开始强烈不满。教育、医疗和住房三方面支出的过快增长，完全打乱了正常的家庭消费结构。 二、 理论综述 我们主要从以下几个方面分析我国居民消费支出的影响因素: ?居民未来支出预期上升，影响了居民即期消费的增长 居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。 ?商品供求结构性矛盾依然突出 从消费结构上看，我国消费品市场已发生了新的根本性变化:居民低层次消费已近饱和，而更高水平的消费又未达到。 ?物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长 加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。 ?我国现阶段没有形成大的消费热点，难以带动消费的快速增长 经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。 三、 模型设立 根据凯恩斯提出的消费函数的概念，可知消费和支出之间存在着一种以经验为依据的稳定关系。对消费者而言，决定其消费行为的主要因素是消费者的实际收入，随着收入的增加，消费将增加，但消费的增长低于收入的增长，即边际消费倾向递减，通常消费函数可以用以下简单的模型形式来示: Y = a + βX 其中 a > 0 0 < β < 1 模型中，系数β为边际消费倾向(即新增购买力与新增收入的比值)，它反映了收入水平变化后，消费需求的增长幅度。 X代表居民的收入， Y代表居民的消费支出。 四、 数据的搜集 安徽省1999-2008城镇居民每月人均可支配收入与消费 单位:元 年份 消费支出 可支配收入 年份 消费支出 可支配收入 1999 339.92 390.83 2004 543.50 702.33 2000 438.58 476.50 2005 585.00 773.25 2001 480.33 597.67 2006 662.67 872.08 2002 514.17 613.25 2007 726.08 976.33 2003 518.17 653.08 2008 784.27 1134.45 数据来源:中国经济网数据中心。 五、 模型的估计与调整 X与Y的相关系数为0.992610，表明它们高度正相关。 由相关图可知，X与Y呈现一种线性的相关关系，为此，构建一元线性回归模型:Y = a + βX 其中 a > 0 0 < β < 1 由最小二乘法估计回归模型，得: ˆY = 135.8738482 + 0.5888855301X (19.10032) (0.025452) T = (7.113697) (23.13676) 22 RR=0.985275 = 0.983435 F = 535.3095 S.E = 17.30431 经济意义:回归系数的数值大小和符号符合实际。 2 统计检验:R=0.985275，接近于1，表明模型对样本数据优度高; P(F)趋向于 0 ，说明模型线性关系显著; t = 23.13676 > 2，说明可支配收入对消费支出有显著性影响。 回归系数的经济意义:可支配收入平均每增加1元，消费支出将增加0.58889元。 计量经济学检验: 需要说明的是，由于引入的是一元线性模型，就不存在多重共线性检验与调整了;同时，由自变量与因变量的散点图可知，消费支出和可支配收入自1999年以来，尽管增加的幅度不一，但都是逐年递增的，不存在异常数据，故不需要引入虚拟变量。 1 异方差检验: 选用white检验法检验异方差性 White Heteroskedasticity Test: F-statistic 17.29990 Probability 0.190054 Obs*R-squared 4.317300 Probability 0.159629 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 12/20/10 Time: 18:28 Sample: 1999 2008 Included observations: 10 Variable Coefficient Std. Error t-Statistic Prob. C 2399.342 368.6978 6.507611 0.0003 X -5.880556 1.013768 -5.800695 0.0007 X^2 0.003673 0.000658 5.584986 0.0008 R-squared 0.831730 Mean dependent var 239.5513 Adjusted R-squared 0.783653 S.D. dependent var 225.2489 S.E. of regression 104.7703 Akaike info criterion 12.38474 Sum squared resid 76837.75 Schwarz criterion 12.47552 Log likelihood -58.92372 F-statistic 17.29990 Durbin-Watson stat 2.721322 Prob(F-statistic) 0.190054 22由于，所以函数不存在异方差性。 nR,4.3173,,(2),5.990.05 2自相关性检验: 在用最小二乘法估计的回归模型中，知道DW=2.422876,此时 dd