计量经济学课程论文模板

计量经济学课程设计的要求

统计年签网址：/tjsj/ndsj/2013/indexch.htm

1、需要的数据可以直接从统计年签获取，统计年签网址上面已给出。

2、这里附带的EXCEL文件中提供了十个表数据，如果实在不想找也可以用这些数据。

3、题目自拟。

4、若用一元回归模型做分析，则必须要附图象分析、相关性分析，得分不会太高。

6、若用多元回归模型做分析，则至少需要有多重共线性分析，建议最好也要加入图象分析。

安徽建筑大学

计量经济学课程论文题目：影响居民消费水平因素分析

院（系）：管理学院

专业班级： 12经济学

学号：

学生姓名：

指导教师：***

起止时间：

目录

第1章前言 (1)

第2章影响我国居民消费水平因素的建模分析 (2)

2.1数据采集 (2)

2.2数据分析 (3)

2.3结论 (7)

第3章对策建议 (8)

3.1根据模型结果分析 (8)

3.2政策建议 (8)

参考文献 (11)

第1章前言

一、探究目的

近几年，随着我国经济的飞速发展，我国居民消费水平也有明显提高，同样，消费水平也左右着经济的发展。因此，扩大居民消费是“以人为本”的具体体现，对中国经济长期持续健康发展、对推进社会主义和谐社会建设，以及实现宏观调控目标等既具有长远的战略意义，又具有重要的现实意义。然而究竟有哪些因素制约着居民消费水平？凯恩斯认为，影响个人消费的主观因素比较稳定，消费者的消费主要取决于收入的多少。然而，大量的研究表明收入的变动并非影响消费的全部因素。还有许多其他因素或多或少地影响着消费水平。如国内生产总值、消费者物价指数、消费者家庭财产状况、年龄构成、宗教信仰等等。有些因素对于收入的影响是随机性的，如消费环境、消费者心情状况；有些因素是系统性的，如消费者个人偏好等等。因此，探究影响居民消费水平的客观因素十分重要。本文主要研究城镇居民人均可支配收入、农村居民人均纯收入、国家税收收入对于我国居民消费水平的影响。

二、理论依据

（一）城镇居民人均可支配收入与农村居民人均纯收入

1.城镇居民人均可支配收入是指反映居民家庭全部现金收入能用于安排家庭日常生活的那部分收入。它是家庭总收入扣除交纳的所得税、个人交纳的社会保障费以及调查户的记账补贴后的收入。

可支配收入=家庭总收入- 交纳的所得税- 个人交纳的社会保障支出- 记帐补贴

2.农村居民人均纯收入，又称农民人均纯收入，是指农村居民家庭全年总收入中，扣除从事生产和非生产经营费用支出、缴纳税款和上交承包集体任务金额以后剩余的，可直接用于进行生产性、非生产性建设投资、生活消费和积蓄的那一部分收入。也包括工资性收入、经营性收入、财产性收入、转移性收入。

此两项收入被认为是影响一个国家消费水平的核心因素，因此对于消费水平模型的探究具有重要意义。

（二）国家税收收入

税收收入是指国家依据其政治权力向纳税人强制征收的收入，它是最古老、也是最主要的一种财政收入形式。除组织收入的职能外，税收对经济社会运行和资源配置都具有重要的调节作用。有学者认为收入分配失衡是导致我国居民消费收入不足的原因之一而税收收入可以调节收入分配的失衡，实行二次分配，因此对于居民消费水平的研究具有重要意义。

第2章影响我国居民消费水平因素的建模分析2.1数据采集

影响我国居民消费水平因素的数据采集

Y:居民消费水平 X1：城镇居民人均可支配收入

X2：农村居民人均纯收入 X3：国家税收收入

相关数据收集

2.2数据分析

（一）建立模型依据（图象，相关性分析）

（二）建立模型

根据计量经济学原理，我们把模型设定为

Yi=β

0+β

1

*X1+β

2

*X2+β

3

*X3+ui

（三）参数估计

使用Eviews软件，根据OLS法对模型进行估计得：

Dependent Variable: Y

Method: Least Squares

Date: 10/28/15 Time: 18:30

Sample: 1990 2012

Included observations: 23

Variable Coefficient Std. Error t-Statistic Prob.

X1 0.186136 0.023344 7.973698 0.0000

X2 1.008867 0.074058 13.62272 0.0000

X3 0.016707 0.002966 5.633214 0.0000

C -133.5595 48.45383 -2.756427 0.0126

R-squared 0.999768 Mean dependent var 5039.826

Adjusted R-squared 0.999731 S.D. dependent var 3731.682

S.E. of regression 61.20857 Akaike info criterion 11.22322

Sum squared resid 71183.30 Schwarz criterion 11.42070

Log likelihood -125.0671 F-statistic 27251.17

Durbin-Watson stat 1.838785 Prob(F-statistic) 0.000000