eviews软件对于我国城镇居民消费性支出和可支配收入的分析

我国城镇居民消费性支出和可支配收入的分析
我国城镇居民消费性支出和可支配收入的分析
一：研究目的及要求
居民消费支出是指城乡居民个人和家庭用于生活消费以及集体用于个人消费的
全部支出。

居民可支配收入是居民家庭在调查期获得并且可以用来自由支配的收
入。

随着市场经济的稳定繁荣和改革开放的深入发展，我国人均生活水平有了大
幅度提高，其主要表现在人均可支配收入的增长。

为研究我国城镇居民消费支出
与收入的相关性，探讨城镇居民可支配收入与消费性支出之间数量关系的基本规
律，揭示可支配收入在居民消费性支出中的作用，对于宏观经济运行提出合理化
建议，根据1994——2008年全国城镇居民消费性支出与可支配收入的基本数据，
利用EVIEWS软件对计量模型进行了参数估计和检验，对城镇居民消费性支出
与可支配收入之间数量关系进行分析从而证明增加居民收入来刺激消费，增加消
费性支出的必要性。

二、模型设定及其估计
食品支出，居民住房，医疗保健以及衣着对于居民日常生活来说是必不可少的支
出，因此我考虑的影响因素主要有食品支出X2，居住支出X3,医疗保健X4，衣
着方面X5，建立了下述的一般模型：+e t
其中
Y——居民的可支配收入
t
X——食品支出
2
X——居住支出
3
X——医疗保健
4
X——衣着支出
5
e t——随即扰动项。

从1995---2009年的中国统计年鉴中收集到以下数据：
年份
Y收入（元）X2(食品支X3(居住) X4(医疗保健) X5(衣着支出) （元）
利用Eviews软件，输入Y、X2、X3、X4、X5、X6等数据，采用这些数据对模型进行OLS回归，结果如表1：
Dependent Variable: Y
Method: Least Squares
Date: 12/16/10 Time: 11:19
Sample: 1994 2008
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X2 2.194021 0.585904 3.744679 0.0038
X3 0.214399 1.585739 0.135204 0.8951
X4 6.304798 2.000612 3.151434 0.0103
X5 2.098000 1.908098 1.099524 0.2973
C -1227.160 365.0907 -3.361246 0.0072
R-squared 0.997209 Mean dependent var 7974.180
Adjusted R-squared 0.996092 S.D. dependent var 3628.636
S.E. of regression 226.8423 Akaike info criterion 13.94759 Sum squared resid 514574.4 Schwarz criterion 14.18361 Log likelihood -99.60692 F-statistic 893.0849 Durbin-Watson stat
1.471612 Prob(F-statistic) 0.000000
表1 表2残差图
-400
-2000200
400
4000
8000
1200016000949596979899000102030405060708
Residual
Actual
Fitted
表2
由表2可以看出，残差的变动有系统模式，连续为正和连续为负，表明残差项存在一阶正自相关，模型中t 统计量和F 统计量的结论不可信，需采取补救措施。

根据表1可以看出，模型估计的结果为：
ˉ1227.160 + 2.1940212X + 0.2143993X + 6.3047984X + 2.0980005X
(365.0907) (0.585904) (1.585739) (2.000612) (1.908098) t= (-3.361246) (3.744679) (0.135204) (3.151434) (1.099524) 一、统计检验
（1）拟合优度：由表1中数据可以得到：R 2=0.9972，修正的可决系数为0.9961，可决系数很高，这说明模型对样本的拟合很好。

（2） F 检验：针对0234:0H βββ===，给定显著性水平0.05α=，在F 分布表中查出自由度为k-1=3和n-k=11的F α=893.0849〉F 0.05(3,11)=3.59,明显显著，应
拒绝原假设0234:0H βββ===，表明模型的线性关系在95%的置信水平下显著成立。

（3）t 检验：在5%的显著性水平下，自由度n-k-1=10的t 统计量的临界值为t 0.025（10）=2.23，则可以得出X3、X5前参数的估计值未能通过t 检验。

计算各解释变量的相关系数，选择X2、X3、X4、X5数据，得相关系数矩阵 表3
X2 X3 X4 X5 X2 1.000000 0.741777 0.946577 0.971292 X3 0.741777 1.000000 0.671058 0.950386 X4 0.946577 0.671058 1.000000 0.607836 X5
0.971292
0.950386
0.607836
1.000000
表3
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，证实确实存在严重多重共线性。

三、消除多重共线性
采用逐步回归的办法，去检验和解决多重共线性问题。

分别作Y 对X2、X3、X4、X5的一元回归，结果如下：
Dependent Variable: Y Method: Least Squares Date: 12/20/10 Time: 10:53 Sample: 1994 2008 Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X2 4.625133 0.181756 25.44700 0.0000 C
-3181.529
459.1190
-6.929638
0.0000
R-squared
0.980319 Mean dependent var 7974.180 Adjusted R-squared 0.978806 S.D. dependent var 3628.636 S.E. of regression 528.2685 Akaike info criterion 15.50065 Sum squared resid 3627879. Schwarz criterion 15.59506 Log likelihood -114.2549 F-statistic 647.5497 Durbin-Watson stat 0.708690 Prob(F-statistic)
0.000000
Dependent Variable: Y Method: Least Squares
Date: 12/20/10 Time: 10:55 Sample: 1994 2008
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X3 11.77055 0.812460 14.48755 0.0000
C 1166.053 525.3282 2.219667 0.0448
R-squared 0.941675 Mean dependent var 7974.180 Adjusted R-squared 0.937188 S.D. dependent var 3628.636 S.E. of regression 909.4170 Akaike info criterion 16.58705 Sum squared resid Schwarz criterion 16.68146 Log likelihood -122.4029 F-statistic 209.8891 Durbin-Watson stat 1.493135 Prob(F-statistic) 0.000000
Dependent Variable: Y
Method: Least Squares
Date: 12/20/10 Time: 10:56
Sample: 1994 2008
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X4 15.84205 0.948956 16.69419 0.0000
C 1826.470 421.5940 4.332297 0.0008
R-squared 0.955433 Mean dependent var 7974.180 Adjusted R-squared 0.952005 S.D. dependent var 3628.636 S.E. of regression 794.9544 Akaike info criterion 16.31801 Sum squared resid 8215383. Schwarz criterion 16.41242 Log likelihood -120.3851 F-statistic 278.6960 Durbin-Watson stat 0.517894 Prob(F-statistic) 0.000000
Dependent Variable: Y
Method: Least Squares
Date: 12/20/10 Time: 10:57
Sample: 1994 2008
Included observations: 15
Variable Coefficient Std. Error t-Statistic Prob.
X5 14.51698 1.082338 13.41261 0.0000
C -1289.203 735.3244 -1.753244 0.1031
R-squared 0.932607 Mean dependent var 7974.180 Adjusted R-squared 0.927423 S.D. dependent var 3628.636 S.E. of regression 977.5601 Akaike info criterion 16.73156
Sum squared resid Schwarz criterion
16.82597 Log likelihood -123.4867 F-statistic 179.8981 Durbin-Watson stat
1.301498 Prob(F-statistic)
0.000000
变量 X2
X3 X4 X5 参数估计值 4.625133 11.77055 15.84205 14.51698 t 统计量
25.44700 14.48755 16.69419 13.41261 2R
0.9788
0.937188
0.952005
0.927423
按2
R 的大小排序为：X2 X4 X3 X5
以X2为基础，顺次加入其他变量逐步回归。

1)首先加入X5回归结果为：
-3085.316 +4.302113 2X + 1.07.02015X
t= (5.449761) (0.421283) R 2 =0.977374
当取05.0=α时，t<t 0.05 ,X5参数的t 检验不显著，予以剔除. 2)再加入X4回归结果为：
-1488.048 + 2.9138412X +6.2724784X
t= （10.87632） (6.748146)
R 2 = 0.995211 查表得出t>t0.05 则4X 对于参数的t 检验显著，保留X4
3)加入X3回归结果为
-1454.370 + 2.774995 2X + 4.5755564X + 1.6592703X
t= （10.85868） （3.665669） (1.851993)
R 2 = 0.996018 查表得出t<t 0.05 参数的t 检验不显著，剔除X3。

则X2 X4 的参数的t 检验显著,这是最后消除多重共线性的结果，最后保留X2、X4。

最终的函数以f （X2， X4）=-1454.370 + 2.774995 2X + 4.5755564X 为最优。

这意味着在其他因素不变的情况下，可支配收入对于居民的食品支出以及医疗方面来说有着显著的影响。

食品方面，随着经济发展人民生活水平提高，用于食品支出比例下降，符合经济发展的一般规律。

食品边际消费倾向下降，这也清楚
的表明了我国经济不断向前发展。

居住方面，因为住房更换的周期具有较长性,与其他支出相比更具有稳定性,变化比例往往与人民的预期关系紧密。

并且现在有些年轻人不买房而改为租房或者和家人一起住，造成了这方面消费的增长并不是太快。

衣着方面，随着收入的增加，居民未来衣着的消费倾向偏重于成衣化，高档化，衣着偏重于改善服装的质量。

医疗保健方面，现代人对于自己的健康重视程度增加，并且医院的普及也部分解决了看病困难的情况。

健康成为人们普遍关心的话题，而且居民在养生以及保健药品方面的支出也逐年增加。

因此，我国居民的可支配收入对于某些消费性支出有着显著的相关性。

如果能够增加居民收入，改善消费环境，完善相关配套措施以增加居民消费支出，提高消费水平，那么我国的经济将更加快速并且健康的发展。