eviews论文-丁时间序列
吉林财经大学信息经济学院
人均国内生产总值
与居民人均消费统计关系分析
专业班级: 统计1009班 学 号: [1**********] 姓 名: 卢琦
一、背景与意义
消费在我国国内生产总值中的比重偏低,不利于国内需求的稳定扩大,也影响着国民经济持续较快增长和良性循环。合理调整投资与消费的关系,适度有效提高我国的消费率,尤其是提高居民消费率,是宏观调控要解决的重要问题。2005年下半年,本轮宏观调控的效果会表现得更加明显,投资增长率将进一步下降,经济增长率也会有所回落。为了避免经济的硬着陆,实现国民经济的平稳发展,必须大力促进投资驱动型经济向消费驱动型经济的转变。消费需求的驱动,对“十一五”开局至关重要,也是“十一五”期间能否实现经济增长方式转变的关键。围绕增加城乡居民特别是中低收入居民收入和抑制收入差距,调整收入分配关系,增强居民消费能力;完善消费政策,改善消费环境,增强消费者信心,扩大居民消费;改革创新体制机制,加快经济增长方式向集约型转变,保持投资合理增长,着力优化投资结构,着力加强经济社会发展薄弱环节。居民消费与经济增长,传统的计划经济理论认为,经济增长带来居民消费的增加,经济增长对居民消费起着决定性作用。经济增长了才能适当增加居民消费,居民消费基金的过快增长会影响和妨碍经济发展,并以此为依据安排经济建设和制定宏观发展计划。在计划经济向市场经济转变的过程中,我们不但取得了制度上的变革,也获得了认识和理论上的突破,那就是不仅经济增长决定着居民消费,同时居民消费对经济增长具有拉动作用,居民消费拉动作用在一定条件下可以超过投资的影响作用,决定着经济增长速度的快慢和质量的高低。
中国改革开放以来,从1979年以后我国经济发展迅速,更重要的是收入水平和消费水平获得巨大的提高,原来的低收入低消费,经济发展滞缓模式已彻底改变。低收入低消费伴随着经济增长的滞缓和效率低下;高收入高消费伴随的是经济增长的高产出和高质量。所以居民消费和收入对经济增长具有拉动作用。
综上所述,研究居民消费对经济增长影响的数量分析是必不可少的。目前我国进入新的发展阶段,对居民消费性对经济增长的影响分析,不但有利于带动和促进我国居民消费,还有助于经济更加稳定健康的增长。 二、理论综述
居民消费问题,从居民消费行为角度看,属于微观经济范畴;从国内生产总值最终使用构成看,居民消费是比较重要的总体变量,它的变量和结构变动影响国内生产总值的变动,即对经济增长具有影响作用。我们对消费问题研究的出发点,是对经济增长的关注。在居民全部消费支出中,反映基本生存需要的食品、衣着和基本生活用品支出所占的比重大幅度下降,而体现发展与享受需求的住房、交通通信、医疗保健、文教娱乐、休闲旅游等项支出的比重则迅速上升,生活质量进一步提高。
我们认为经济增长速度不仅仅是一个统计数字,它还应具有更加生动和丰富的内涵,应当是经济质量和成果的综合反映。发展和增长,是两个本质意义不同的经济指标,发展反映了经济的数量,增长则反映经济质量。所以,我们对经济增长的关注,
主要是对经济质量和成果的关注。对居民消费问题的研究,也是以经济增长质量为出发点的。 三、模型设定
居民消费从实物形态看,表现为商品和劳务,从货币形态看,来源于居民可支配的实际收入本次研究通过宏观经济指标人均GDP Y反映经济的增长,而居民消费是具体的概念,所以将居民消费性支出(X1、X2、X3、X4、X5、X6)即居民人均食品消费、居民人均衣着消费、居民人均居住消费、居民人均医疗保健消费、居民人均交通和通信消费、居民人均教育文化娱乐服务消费这几方面的指标反映居民消费对经济增长的影响的数量分析。 四、数据的收集
为了更好的反映中国居民消费对经济增长影响的数量分析,选择人均国内生产总值作为被解释变量,以反映经济的增长;选择居民消费性支出中的各种支出作为经济整体增长水平的代表。所有解释变量设定为可观测的居民人均食品消费、居民人均衣着消费、居民人均居住消费、居民人均医疗保健消费、居民人均交通和通信、居民人均教育文化娱乐服务。
经分析,人均国内生产总值Y会受到城镇居民家庭平均每人全年消费性支出的影响,x1t、x2t、x3t、x4t、x5t、x6t分别表示第t年居民人均食品消费、居民人均衣着消费、居民人均居住消费、居民人均医疗保健消费、居民人均交通和通信消费、居民人均教育文化娱乐服务消费。所以对人均国内生产总值与居民人均消费性支出进行回归分析,设定的线性回归经济模型为:
Yt01x1t2x2t3x3t4x4t5x5t6x6tt ( 1 )
从《中国统计年鉴》和《国家统计数据库》收集到以下数据,如表1所示。
表1 1995-2008年人均国内生产总值与居民人均消费相关数据
续表1 1995-2008年人均国内生产总值与居民人均消费相关数据
数据来源:中国统计年鉴
五、模型的估计与调整 (一)线性回归分析
利用EViews软件,输入1995至2008年的Yt、xit等数据,采用这些数据对模型进行OLS回归,结果如表2所示。
表2 回归结果
Dependent Variable: Y Method: Least Squares Date: 12/18/10 Time: 19:25 Sample: 1995 2008 Included observations: 14 Variable
C X1 X2 X3 X4 X5 X6
R-squared
Coefficient Std. Error t-Statistic -1351.659 2.826724 -1.116922 14.77920 -8.069571 8.379396 -6.671456
2086.774 1.445100 6.796440 4.509090 7.205077 4.912658 4.256276
-0.647727 2.956075 -0.164339 3.277646 -1.119984 1.705675 -1.567440
Prob. 0.5378 0.0913 0.8741 0.0135 0.2997 0.1318 0.1610 10890.10
0.998058 Mean dependent var
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
0.996393 S.D. dependent var 325.0685 Akaike info criterion 739686.9 Schwarz criterion -95.98961 F-statistic 1.967403 Prob(F-statistic)
5412.568 14.71280 15.03233 599.5213 0.000000
Y=-1351.659+2.8267x1-1.1169x2+14.7792x3-8.0696x4+8.3794x5-6.6715x6
( 2 )
Se=(2086.774) (1.4451)(6.7964)(4.5091) (7.2051) (4.9127) (4.2563) t =(-0.6477)(2.9561)(-0.1643)(3.2776)(-1.1200) (1.7057) (2.5674)
R2=0.9981 2=0.9964 F=599.52 df=7 模型的检验如下: 1、经济意义检验:
模型估计结果说明,在假定其他变量不变的情况下,当年城镇居民人均食品消费每增长一元,人均国内生产总值就会增加2.8267元;在假定其他变量不变的情况下,当年城镇居民人均居住消费每增长一元,人均国内生产总值就会增长14.7792元;在假定其他变量不变的情况下,当年城镇居民人均交通和通信消费每增长一元,人均国内生产总值就会增长8.3794元。 2、拟合优度检验:
2 由表2的数据可以得到:修正的可决系数为2=0.9964,456 R=0.9981,
这说明模型对样本的拟合很好。 3、F检验:
原
假
设
H0:1234560
备择假设为
H1
:
123456,给定显著性水平=0.05,而p=0.000000,所以p
以应当拒绝原假设H0:1234560,说明回归方程显著。 4、t检验:
分别针对H0:j0(j=0,1,2,3,4,5,6),给定显著性水平=0.05,查t
ˆ、ˆ、ˆ、分布表得自由度为n-k=7临界值t2(nk)2.365。由表中数据可得,与120ˆ、ˆ、ˆ、ˆ对应的t统计量分别是:-0.6477、2.9561、-0.1643、3.2776、-1.1200、4356
ˆ=3.2776绝对值均大于t(nk)=2.365,这说明分别都应当1.7057、2.5674,其中3
拒绝H0:j0(j=1,3,6),也就是说,当其他解释变量不变的情况下,解释变量居民人均衣着消费x2、居民人均医疗保健消费x4、居民人均交通和通信消费x5、居民人均教育文化娱乐服务消费x6、分别对人均国内生产总值Y没有显著的影响,而居民人均食品消费x1、居民人均居住消费x3对其影响显著。
由此表明,肯能存在严重的多重共线性,有时一个解释变量的显著性会受到另一个解释变量的影响,其变量之间也有可能存在相关性,所以还应对模型进行进一步的检验。
(二)多重共线性检验与修正
计算各解释变量的相关系数,选择x1、x2、x3、x4、x5、x6数据,得到相关
系数矩阵,如表3所示。
表3 系数相关矩阵
由相关系数矩阵可以看出,各解释变量相互之间的相关系数较高,证实确实存在严多重共线性。
采用逐步回归的办法,去解决多重共线性的问题,修正多重共线性。分别做Y 对x1、x2、x3、x4、x5、x6的一元回归,结果如表4所示。
表4 一元回归结果
其中加入x1的方程2
最大,以x1为基础,顺次加入其他变量逐步回归,结果如表5所示。
表5 加入新变量的回归结果(一)
经比较,新加入x3的方程2=0.9945,改进最大,而且各参数的t检验显著,选择保留x3,再加入其他新变量逐步回归,结果如表6所示。
表6 加入新变量的回归结果(二)
在x1、x3基础上加入x2后的方程2明显增大,但是x1、x2的参数t检验都不显著。加入x4后不仅2下降,而且x3、x4的参数t检验都不显著。加入x5后,x3、x5的参数都不显著。加入x6后不仅2下降,而且x3的参数变得不显著,甚至x6的符号
为负值不合理。这说明x2、x4、x5、x6引起严重多重共线性,应予以剔除。
ˆ5350Y.5274.9193X16.4679X3 t
t =(-10.7666)(9.7218) (4.5598)
R2=0.9954 2=0.9945 F=1177.291 DW=1.4474
可决系数为R2=0.9954 拟合优度较好。给定显著性水平0.05,显然F=1177.291>F(2,11)3.98,因此回归方程显著成立。假设显著水平=0.05,查自由度为11的t分布表,得到临界值t0.025(11)2.201,显然t1=9.7218,t3=4.5598,其绝对值均大于t0.025(27)2.052,因此回归系数显著。
最后修正严重多重共线性影响的回归结果如表7所示:
表7 多重共线性修整之后回归结果
Dependent Variable: Y Method: Least Squares Date: 12/18/10 Time: 21:28 Sample: 1995 2008 Included observations: 14 Variable
C X1 X3
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
(三)异方差检验与修正
根据White检验中辅助函数的构造,由于是二元函数,最后一项为变量的交叉乘积项。经估计出现White检验结果,如表8所示。
Coefficient -5350.527 4.919260 6.467866
Std. Error 496.9573 0.506001 1.418441
t-Statistic -10.76657 9.721840 4.559841
Prob. 0.0000 0.0000 0.0008 10890.10 5412.568 15.01441 15.15136 1177.291 0.000000
0.995350 Mean dependent var 0.994505 S.D. dependent var 401.2417 Akaike info criterion 1770944. Schwarz criterion -102.1009 F-statistic 1.447444 Prob(F-statistic)
表8 White检验结果
White Heteroskedasticity Test: F-statistic Obs*R-squared
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 12/18/10 Time: 20:59 Sample: 1995 2008 Included observations: 14 Variable
C X1
Variable
X1^2 X1*X3 X3 X3^2
R-squared Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat
Coefficient -35949.18 -2565.586 Coefficient 1.790592 -9.645272 10085.11 10.81227
Std. Error 875557.7 1950.984 Std. Error 1.340587 7.285459 6878.934 9.010129
t-Statistic -0.041059 -1.315022 t-Statistic 1.335678 -1.323907 1.466085 1.200013
Prob. 0.9683 0.2249 Prob. 0.2184 0.2221 0.1808 0.2645 126496.0 135723.6 26.59254 26.86643 1.511559 0.287036
1.511559 Probability 6.801037 Probability
0.287036 0.235863
续 表8 White检验结果
0.485788 Mean dependent var 0.164406 S.D. dependent var 124066.1 Akaike info criterion 1.23E+11 Schwarz criterion -180.1478 F-statistic 2.228603 Prob(F-statistic)
从表7可以看出,nR2=6.8010,由White检验知,在=0.05下,查2分布表,得临界值20.05(5)11.0705经比较nR2=6.8010
由前面的回归方程可以得出,对样本量为14、两个解释变量的模型、5%显著水平,查DW统计表可知,dL=0.905,dU=1.551,模型中DW
六、分析结论
结果表明,居民消费对经济增长确实存在影响。研究居民消费与经济增长的关系,有助于我国在新的发展阶段对整个国民经济的发展作出合理的规划,以保证其健康稳健的进行。从这次的分析中,可以发现我国的经济增长受居民食品消费和居民居住消费的影响非常显著。并具体得出以下结论:
(1)由人均居民食品消费研究对经济增长(人均GDP)的影响,从模型中可以得出,当其它条件不变的情况下,居民食品消费每增长一元,经济增长即人均GDP将增长4.9193元。
(2)由最终的回归模型可以知道,当其它条件不变的情况下,居民居住消费对经济增长产生了正方向的作用,居民居住消费每增加1元,人均GDP就会增加6.4679元。
七、政策建议
由于我国经济增长速度趋缓,经济发展的外部环境和内部环境的变化,严重消弱了经济增长的各种要素,因此,将开拓国内市场、刺激居民消费扩大内需确定为经济增长的基本立足点和长期发展策略,具有重要的现实意义。
建议:调整消费结构,改善居民消费环境,整顿和规范市场经济秩序,剔除不利政策,加快建设生活基础设施,尤其是要加快改造农村电网、广播电视网、邮政通讯网、信息网、公路网、医疗卫生网的建设。改善农民的消费环境,扩大农民的消费需求;完善居民消费信贷,大力发展信用消费。扩大消费信贷范围,大力发展住房信用消费、汽车信用消费和信用卡消费。在知识经济时代,增加居民教育消费,是提高居民消费层次和质量、促进人的全面发展的关键,今后应深化教育体制改革,引导居民把消费视点转移到自身素质提高上来,加大居民个人的人力资本投资力度。适度增加居民住房消费,改善居民居住环境不仅是建设全面小康的重要内容,而且可以带动建材、冶金、机械、化工、林业以及室内装饰业和家用电器业等相关产业的发展。 参考文献
【1】《中国统计年鉴》
【2】《社会主义宏观经济学》,蒋学模,浙江人民出版社 【3】消费需求对经济增长的影响,《中国统计》,中国统计出版社 【4】《西方经济学》,高鸿业,第四版,中国人民出版社 【5】中国经济统计数据库 http://db.cei.gov.cn
【6】《我国居民消费问题研究》,曾壁钧,中国计划出版社 【7】《居民消费与中国经济发展》,范剑平,中国计划出版社 【8】中国经济信息网http://www.cei.gov.cn