基于多元线性回归模型的影响居民消费水平相关因素分析
全国城镇居民消费支出影响因素的实证分析(1)
全国城镇居民消费支出影响因素的实证分析【摘要】消费是社会再生产的重要环节，涉及到社会经济诸多方面，研究影响消费的因素，对认识社会经济有着重要的作用。
本文考察城镇居民家庭人均可支配收入、人均GDP、收入差距、物价水平、老年人口抚养比、社会保障和恩格尔系数几个因素对全国城镇居民消费支出的影响。
为了避免了多重共线性问题，利用SPSS通过主成分分析方法，构造出与原始变量的相关性很强，而他们相互之间相关性很低的新变量，然后采用回归分析方法，最终得出城镇居民家庭人均可支配收入、人均GDP、收入差距、社会保障和消费支出成正比，物价水平、恩格尔系数与消费支出成反比。
【关键词】消费支出影响因素主成分分析回归分析根据经典的消费决定理论，收入是消费的来源和基础，是影响消费的最重要因素，提高可支配收入就可提高消费支出，从而促进实体经济的发展。
据藏旭恒（1994年）的研究，从1952年到1978年，城镇居民的平均消费倾向高达0.95以上。
这是由于当时的收入水平是非常低的，所以大部分的收入用于维持基本生活消费，很显然储蓄动机是不足的。
本文研究1995年以后全国城镇居民消费支出，1995年以后，我国经济已经发生了重大的变化，居民的消费水平逐渐提高，消费方式趋于多元化，消费结构也发生了重大的变化。
如何有效的刺激消费需求，成了政府部门和学者关心的问题。
然而只有对影响消费的因素有深刻的了解，才能制定相应的刺激政策。
一、变量的选取，数据来源和模型选择1，人均GDP。
人均国内生产总值。
是衡量各国人民生活水平的一个标准。
人均GDP 越高，表示消费支出水平越高；人均GDP越低，表示消费支出水平越低。
2，城镇居民家庭人均可支配收入。
一般而言，居民可支配收入与消费支出呈密切的正相关关系。
随着收入的增加，消费水平会逐步提高。
根据国民经济恒等式，收入主要用于收费和储蓄，因此，收入水平是影响消费的重要因素。
我们小组选取1995年以后全国城镇居民消费支出的序时数据来量化城镇居民家庭人均可支配收入的这一影响因素。
基于多元线性回归模型的影响居民消费水平相关因素分析[精品文档]
![基于多元线性回归模型的影响居民消费水平相关因素分析[精品文档]](https://img.taocdn.com/s3/m/10706dae9ec3d5bbfd0a74db.png)
计量分析软件课程论文论文题目：基于多元线性回归模型的影响居民消费水平相关因素分析姓名：学号：学院：专业：联系电话：年月日基于多元线性回归模型的影响居民消费水平相关因素分析一、研究背景中国GDP总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP 依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。
到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。
我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP比重依然很小。
为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。
本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。
二、影响居民消费水平的因素宏观经济模型)++GDP-+=,经济发展应该紧紧抓住消费这一GCX(MI驾马车，而居民消费水平的高低受制于多种因素。
凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。
消费分为居民消费和政府消费，居民消费包括农村居民消费和城镇居民消费。
本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。
三、居民消费水平模型的总体分析框架（1）多元线性回归法OLS概述[1]回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。
计量经济实验报告多元(3篇)
第1篇一、实验目的本次实验旨在通过多元线性回归模型，分析多个自变量与因变量之间的关系，掌握多元线性回归模型的基本原理、建模方法、参数估计以及模型检验等技能，提高运用计量经济学方法解决实际问题的能力。
二、实验背景随着经济的发展和社会的进步，影响一个变量的因素越来越多。
在经济学、管理学等领域，多元线性回归模型被广泛应用于分析多个变量之间的关系。
本实验以某地区居民消费支出为例，探讨影响居民消费支出的因素。
三、实验数据本实验数据来源于某地区统计局，包括以下变量：1. 消费支出（Y）：表示居民年消费支出，单位为元；2. 家庭收入（X1）：表示居民家庭年收入，单位为元；3. 房产价值（X2）：表示居民家庭房产价值，单位为万元；4. 教育水平（X3）：表示居民受教育程度，分为小学、初中、高中、大专及以上四个等级；5. 通货膨胀率（X4）：表示居民消费价格指数，单位为百分比。
四、实验步骤1. 数据预处理：对数据进行清洗、缺失值处理和异常值处理，确保数据质量。
2. 模型设定：根据理论知识和实际情况，建立多元线性回归模型：Y = β0 + β1X1 + β2X2 + β3X3 + β4X4 + ε其中，Y为因变量，X1、X2、X3、X4为自变量，β0为截距项，β1、β2、β3、β4为回归系数，ε为误差项。
3. 模型估计：利用统计软件（如SPSS、R等）对模型进行参数估计，得到回归系数的估计值。
4. 模型检验：对估计得到的模型进行检验，包括以下内容：（1）拟合优度检验：通过计算R²、F统计量等指标，判断模型的整体拟合效果；（2）t检验：对回归系数进行显著性检验，判断各变量对因变量的影响是否显著；（3）方差膨胀因子（VIF）检验：检验模型是否存在多重共线性问题。
5. 结果分析：根据模型检验结果，分析各变量对因变量的影响程度和显著性，得出结论。
五、实验结果与分析1. 拟合优度检验：根据计算结果，R²为0.812，F统计量为30.456，P值为0.000，说明模型整体拟合效果较好。
我国居民消费价格指数(CPI)的回归分析与预测
经济预测与决策题目姓名所在学院专业班级学号指导教师日期年月日指导教师评阅意见学生姓名专业班级学号（论文）题目指导教师教师职称论文评语评定成绩：指导教师签名：年月日我国居民消费价格指数（CPI）的回归分析与预测07级经济学1班李栋指导教师米娟摘要：目前，我国居民消费价格指数成为公众关注的热点名词，也直接影响着国民经济的稳定发展与人民生活水平的改善。
从理论上分析居民消费价格指数的影响因素，建立一个经济模型，对了解和掌握居民消费价格指数的变化具有重要的现实意义。
本文采用线性回归分析方法，力图对居民消费价格指数的变化进行分析。
关键词：消费价格指数回归分析经济预测1.引言居民消费价格指数（CPI）是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。
CPI虽然是一个滞后指标，但它往往是市场经济活动与政府货币政策的一个重要参考指标。
如果CPI的增幅过大，表明通胀已经成为经济不稳定因素，央行会有紧缩货币政策和财政政策的风险，从而造成经济前景不明朗，因此，该指数过高的升幅往往不被市场欢迎。
现阶段，随着经济全球化的大趋势和中国的进一步融入，我国的经济稳定发展越来越受到国内、国际的关注，CPI稳定、就业充分及GDP增长已经成为我国最重要的社会经济目标。
尤其在面对国内经济在市场宏观的调节下，消费水平、利率、商品价格潜移默化的影响着百姓的生活，因此，对CPI的分析预测已经显得越发重要。
2.影响因素分析和数据的搜集整理2.1有关影响因素的定性分析对居民消费价格指数（CPI）构成影响的因素有很多，如宏观经济发展水平、中长期经济发展战略和当前的经济政策，具体到国民经济运行的指标中来，有以下几个方面：（1）居民消费水平指数。
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。
通过消费的物质产品和劳务的数量和质量反映出来。
居民消费水平与居民消费价格指数的关系十分密切和直接，收入的增长，消费水平的提高，自然会引起社会总需求的增长，进而导致消费价格指数的增长。
本科毕业论文---基于多元线性回归模型对我国城镇居民家庭人均可支配收入的分析
应用回归分析课程设计报告课程：应用回归分析题目：人均可支配收入的分析年级：11金统专业：金融统计学号：姓名：指导教师：基于多元线性回归模型对我国城镇居民家庭人均可支配收入的分析摘要：收入分配和消费结构都是国民经济的重要课题居民消费的主要来源是居民收入而消费又是拉动经济增长的重要因素。
本文将通过多远统计分析方法对我国各地区城镇居民收入的现状进行分析。
通过分析找出我国城镇居民收入特点及其中存在的不足。
城镇居民可支配收入是检验我国社会主义现代化进程的一个标准。
本文根据我国城镇居民家庭人均可支配收入为研究对象，选取可能影响我国城镇居民家庭人均可支配收入的城乡居民储蓄存款年底余额、城乡居民储蓄存款年增加额、国民总收入、职工基本就业情况、城镇居民家庭恩格尔系数(%)5个因素，运用多元线性回归分析建立模型，先运用普通最小二乘估计求回归系数再对方程进行异方差、自相关、和多重共线性诊断，用迭代法消除了自变量之间的自相关。
对于多重共线性问题，先是用逐步回归和剔除变量的方法，最终转变为用方差扩大因子法城乡居民储蓄存款年增加额剔除城镇居民家庭恩格尔系数(%)解决多重共线性，建立最终回归方程432108.0039.0012.0470.5305x x x y +++-=∧标准化回归方程**3*24108.0863.0031.0x x x y ++=∧以其探究最后进入回归方程的几个变量在影响城镇居民收入孰轻孰重，达到学习与生活结合的效果。
分析出影响城镇居民收入的主要原因，并对模型联系实际进行分析，以供国家进行决策做参考。
关键词：多元线性回归 异方差 自相关 多重共线性 逐步回归 方差扩大因子（一）引言：改革开放以来我国的国民经济增长迅速居民的收入水平也大幅提高但居民收入分配差距也在不断扩大。
2008年的金融危机为我国带来的后遗症还在继续影响着居民正常生活物价上涨和通货膨胀的压力仍然困扰着老百姓收入和消费支出体系的健康发展至关重要。
浅析运用多元线性回归模型分析影响税收收入的经济因素
浅析运用多元线性回归模型分析影响税收收入的经济因素一、概述税收收入作为国家财政收入的重要组成部分，其变化情况与国家的经济状况密切相关。
为了探究影响税收收入的经济因素，本文将运用多元线性回归模型进行分析。
我们需要明确研究的问题。
影响税收变化的因素多种多样，为了找出对税收具有显著性影响的指标，我们将根据文献阅读和实际经济经验，选取国内生产总值（GDP）、财政支出、物价水平等因素作为模型的自变量，进行多因素计量分析。
近年来，我国税收的增长速度显著超过了GDP的增长速度，这一现象可能暗示着我国的经济政策体系、政府调控机制等方面存在一些问题。
对税收收入及其主要影响因素进行多元线性回归分析，有助于我们改善税收现状，并为完善税收政策和经济体制提供参考。
在建立计量经济模型时，我们将明确解释变量和被解释变量。
被解释变量为税收收入总额，而解释变量则包括国内生产总值（GDP）、财政支出、物价水平等。
通过建立模型，我们可以得出各个变量与税收收入之间的变动关系，从而为税收收入的预测和政策制定提供依据。
1. 税收收入在国家经济中的重要地位税收收入作为国家财政收入的主要来源之一，在国家经济中占据了举足轻重的地位。
它不仅关系到政府的财政状况和公共服务的提供，更是衡量一个国家经济发展水平和社会稳定程度的重要指标。
税收收入是国家实现宏观经济调控的重要工具。
政府通过调整税收政策，如改变税率、调整税目或实行税收优惠等，可以影响企业和个人的经济行为，进而调控宏观经济运行。
例如，降低企业所得税率可以激励企业增加投资，扩大生产规模，从而促进经济增长提高个人所得税起征点则可以增加居民的可支配收入，刺激消费需求，拉动内需增长。
税收收入对于保障社会公共服务和基础设施建设具有重要意义。
税收作为一种强制性的财政收入形式，能够确保政府有足够的资金用于提供公共教育、医疗、社会保障等公共服务，以及建设交通、水利、能源等基础设施。
这些服务和设施的建设和完善，不仅能够提高人民的生活质量，也是国家经济发展的重要支撑。
《2024年北京市城镇居民人均消费影响因素的实证分析》范文
《北京市城镇居民人均消费影响因素的实证分析》篇一一、引言随着中国经济的快速发展和城市化进程的加速，北京市作为中国的首都，其城镇居民的消费行为及消费水平一直是研究的热点。
人均消费水平受多种因素影响，为了深入探究这些影响因素及其作用程度，本文采用实证分析的方法，对北京市城镇居民人均消费影响因素进行了深入探讨。
二、研究背景与意义近年来，北京市的经济发展势头强劲，城镇居民的消费水平和消费结构发生了显著变化。
人均消费作为反映一个地区经济发展水平的重要指标，其影响因素众多，包括但不限于收入水平、价格水平、消费环境、文化习俗等。
对北京市城镇居民人均消费影响因素的实证分析，有助于了解北京市消费市场的现状和未来发展趋势，为政策制定和商业决策提供科学依据。
三、研究方法与数据来源本文采用实证分析的方法，运用统计学和计量经济学的相关知识，对北京市城镇居民人均消费影响因素进行定量分析。
数据来源于北京市统计局发布的统计年鉴及相关报告。
四、影响因素分析1. 收入水平：收入是影响消费的最直接因素。
随着收入的增加，人们的消费能力增强，消费水平提高。
北京市城镇居民的人均收入水平对人均消费具有显著的正向影响。
2. 价格水平：价格水平通过影响商品的购买力来影响消费。
在收入不变的情况下，价格水平的上升会导致消费水平的下降。
北京市的物价水平对人均消费具有较大的影响。
3. 消费环境：消费环境包括基础设施、商业网点、交通状况等。
良好的消费环境能够吸引更多的消费者，提高消费水平。
北京市的消费环境对人均消费具有积极的推动作用。
4. 文化习俗：文化习俗对消费行为和消费观念具有深远的影响。
北京市作为文化中心，其独特的文化氛围对城镇居民的消费行为产生了一定的影响。
5. 其他因素：包括人口结构、教育水平、社会保障等。
这些因素虽然对人均消费的影响相对较小，但也不容忽视。
五、实证分析本文采用多元线性回归模型，以北京市城镇居民人均消费为因变量，以收入水平、价格水平、消费环境、文化习俗等为自变量，进行回归分析。
我国城镇居民消费水平影响因素的计量经济分析
我国城镇居民消费水平影响因素的计量经济分析一、本文概述随着我国经济的快速发展，城镇居民的消费水平逐渐成为衡量一个国家经济活力和民生改善的重要指标。
消费水平不仅反映了居民的生活质量和购买力，还对社会经济结构和产业发展产生深远影响。
因此，深入研究我国城镇居民消费水平的影响因素，对于促进经济持续健康发展、优化消费结构、提高人民生活水平具有重要意义。
本文旨在通过计量经济分析的方法，全面探讨影响我国城镇居民消费水平的各种因素。
文章首先对相关理论和文献进行梳理和评价，明确研究背景和意义。
接着，运用定性和定量分析方法，从宏观经济、社会人口、消费环境等多个维度，深入剖析影响城镇居民消费水平的各种因素。
在此基础上，构建计量经济模型，对影响因素进行实证分析和检验，揭示各因素之间的内在联系和作用机制。
本文的研究不仅有助于深化对我国城镇居民消费水平影响因素的认识，还能为政府制定相关政策提供科学依据，引导居民合理消费，促进经济结构调整和转型升级。
本文的研究方法和结论也能为其他领域的消费研究提供借鉴和参考。
二、文献综述随着我国经济的持续发展和居民收入的稳步提高，城镇居民的消费水平及其影响因素逐渐成为经济学研究的热点。
众多学者从不同角度对此进行了深入的分析和探讨。
早期的研究主要关注于收入对消费的影响。
凯恩斯在其消费函数中明确指出，收入是影响消费的最重要因素，且消费随着收入的增加而增加，但消费的增加不如收入的增加快，即存在所谓的“边际消费倾向递减”现象。
这一观点得到了许多学者的实证支持，他们通过计量经济模型验证了收入与消费之间的正相关关系。
然而，随着研究的深入，学者们发现除了收入之外，还有许多其他因素也在影响着城镇居民的消费水平。
例如，价格水平、消费者信心、社会保障制度、教育水平、人口结构等都被认为是影响消费的重要因素。
其中，价格水平的变化会直接影响消费者的购买意愿和购买能力；消费者信心则反映了消费者对未来经济走势的预期，对消费具有重要影响；社会保障制度的完善程度会影响消费者的消费预期和消费决策；教育水平则通过提高消费者的消费能力和消费意愿来影响消费水平；人口结构的变化，如老龄化趋势的加剧，也会对消费产生深远影响。
多元线性回归模型及其应用-毕业论文
多元线性回归模型及其应用摘要本文介绍了多元线性回归模型，其过程分为模型构建、模型参数估计、模型检验和模型预测等几个方面。
通过对与我国物价指数CPI相关的几个因素建立初始多元线性回归模型，分析CPI的影响因素，之后对该模型进行各种统计检验，在模型检验中发现初始模型中有部分变量的系数不能通过检验，可能存在多重共线性的问题，最后采用逐步回归分析法来进行去除显著性不高的变量，并且建立新的模型，最终找出了影响CPI的关键要素是农业生产资料价格和人均GDP，通过最终确定的CPI与其影响因素之间的线性回归方程可以清晰地得到各个指标对CPI的影响大小，进而为我国控制CPI提供方向性的建议指导。
关键词多元线性回归 CPI影响因素逐步回归Multiple linear regression model and its applicationAbstract This article introduces the multiple linear regression model, and its process is divided into several aspects: model construction, model parameter estimation, model testing and model prediction. By establishing an initial multiple linear regression model on several factors related to China's price index CPI, analyzing the influencing factors of CPI, and then carrying out various statistical tests on the model, it is found in the model test that the coefficients of some variables in the initial model cannot pass Test, there may be a problem of multicollinearity, and finally use a stepwise regression analysis method to remove less significant variables, and establish a new model, and finally find out that the key factors affecting CPI are agricultural production materials prices and GDP per capita, Through the final linear regression equation between the CPI and its influencing factors, we can clearly get the impact of various indicators on the CPI, and then provide directional recommendations for the control of CPI in China.Key words Multiple linear regression CPI influencing factors stepwise regression目录引言 (1)1. 多元线性回归分析基本理论 (2)1.1 多元线性回归模型的一般形式 (2)1.2 多元线性回归模型的基本假设 (2)1.3 参数估计 (2)1.3.1 回归系数的估计 (2)1.3.2 样本方差的估计 (3)1.4 模型检验 (3)1.4.1 回归方程的显著性检验 (4)1.4.2 回归系数的显著性检验 (4)1.4.3 回归方程的拟合优度检验 (4)1.5 模型预测 (5)1.6 自变量的筛选方法 (5)2. 多元线性回归在CPI影响因素中的应用 (6)2.1 数据筛选 (6)2.1.1 指标选取 (6)2.1.2 数据收集 (6)2.2实证分析 (7)2.1.3 建立模型 (7)2.1.4 参数估计 (8)2.1.5 模型检验 (8)2.1.6 模型优化 (9)2.1.7 残差检验 (11)结论与建议 (13)参考文献 (14)致谢................................................................ 错误!未定义书签。
基于多元线性回归模型的影响居民消费水平相关因素分析
计量分析软件课程论文论文题目：基于多元线性回归模型的影响居民消费 水平相关因素分析 姓 名： 学 号： 学 院： 专 业： 联系电话：年 月 日基于多元线性回归模型的影响居民消费 水平相关因素分析一、研究背景中国GDP 总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP 依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。
到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。
我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP 比重依然很小。
为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。
本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。
二、影响居民消费水平的因素宏观经济模型)(M X G I C GDP -+++=,经济发展应该紧紧抓住消费这一驾马车，而居民消费水平的高低受制于多种因素。
凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。
消费分为居民消费和政府消费，居民消费包括农村居民消费和城镇居民消费。
本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。
三、居民消费水平模型的总体分析框架（1）多元线性回归法OLS 概述[1]回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。
《影响居民消费水平的因素分析开题报告(含提纲)2300字》
1.我国农村居民收入水平
2.我国农村居民消费结构分析
四、影响居民消费水平的因素分析
（一）研究自变量
（二）模型的设定
（三）模型的参数估计、检验与修正
1.回归分析
2.异方差检验
3.自相关检验
五、研究结论与建议
（一）结论
（二）建议
1.增加居民个人收入
2.制定合理的税收政策，积极推进税制改革
四、创新思路
本文首先介绍论文选题的背景及意义、国内外文献综述、文章采用的研究方法；其次，分析相关的居民消费的概念，为本文的研究奠定理论基础；再次，分析我国城镇和农村居民的消费水平和结构不确定性对中国居民消费的影响，依据居民消费水平和消费结构状况来分析居民的消费特征；在实证研究上，主要通过对2015年居民的消费水平及其影响因素的分析来揭示中国居民消费水平的现状，其分析过程是以全国各省份的消费水平为样本，通过建立以居民消费水平为因变量，以其他可量化影响因素为自变量的多元线性回归模型来进行数量化分析的，并以此提出部分意见和建议。
Evidence[J]，Brookings Papers on Economic Acitivity，2015，(2)：61-100
指导教师意见：
指导教师签名：年月日
[3]张琦.影响我国农村居民消费水平的因素分析[J].时代金融，2015，(36)：197-198.
[4]陶伟.影响我国城乡居民消费水平的因素——基于计量经济学理论[J].知识经济，2015，(14)：17-18+20.
[5]孟芷汀.影响居民消费水平的因素分析[J].中国市场，2015，(21)：40-41.
Equivalence [J]，Quarterly Journal of Economics，2014，104(2)：275-298
居民消费水平影响因素的计量分析
居民消费水平影响因素的计量分析一、本文概述随着经济的快速发展和居民收入的稳步提高，我国居民的消费水平也在不断提升。
消费作为推动经济增长的三驾马车之一，其重要性不言而喻。
然而，居民消费水平受到多种因素的影响，包括经济、社会、文化等多个方面。
为了更好地理解这些因素如何影响居民消费，本文将从计量经济学的角度出发，对居民消费水平的影响因素进行深入分析。
本文首先将对居民消费水平的定义和衡量标准进行明确，为后续研究提供清晰的概念框架。
接着，通过收集相关统计数据，运用计量经济学模型，对影响居民消费水平的主要因素进行实证分析。
这些因素包括但不限于居民收入、物价水平、就业状况、教育程度、社会保障等。
通过模型估计和结果分析，本文旨在揭示各因素对居民消费水平的具体影响程度和方向。
本文还将关注不同地区和不同收入群体之间的消费差异，探讨造成这些差异的原因，并提出相应的政策建议。
本文将总结研究成果，指出研究的局限性和未来研究方向，以期为后续研究提供参考和借鉴。
通过本文的研究，我们期望能够更全面地认识居民消费水平的影响因素，为政府制定促进消费的政策提供科学依据。
二、居民消费水平的相关理论居民消费水平是指居民在一定时期内，对商品和服务的消费数量和质量的综合体现，是衡量一个国家或地区经济发展水平和生活质量的重要指标。
居民消费水平受到多种因素的影响，包括经济、社会、文化、政策等多个方面。
本文将从相关理论的角度，对影响居民消费水平的因素进行深入探讨。
消费函数理论是分析居民消费行为的重要基础。
根据凯恩斯消费函数理论，居民消费主要取决于其收入水平和消费倾向。
随着收入的增加，居民消费也会相应增加，但消费增加的比例可能小于收入增加的比例，即存在边际消费倾向递减的现象。
杜森贝利提出的相对收入假说和莫迪利安尼的生命周期假说也强调了居民消费行为的社会和心理因素，如居民消费可能受到周围人群消费水平和自身过去消费水平的影响，同时会考虑整个生命周期的收入和支出来安排消费。
基于多元线性回归模型的居民消费水平影响因素分析
基于多元线性回归模型的居民消费水平影响因素分析作者：刘欣悦来源：《智富时代》2019年第07期【摘要】居民消费水平是指一个国家一定时期内人们在消费过程中对物质和文化生活需要的满足程度。
为研究影响居民消费水平的因素，本文结合居民消费水平的影响因素和居民消费水平的历史及现状列出了四个相关因素（国内生产总值GDP、城镇就业人数、人口自然增长率、居民消费价格指数CPI），对其进行计量分析，通过建立以居民消费水平为被解释变量，以其他可量化因素为解释变量的多元线性回归模型来进行量化分析，并研究了模型中主要变量对模型的影响程度。
【关键词】居民消费水平；GDP；CPI；城镇就业人数；人口自然增长率一、引言进入新世纪以来，中国经济飞速发展，人们的生活水平和文化程度不断提高，对物质的需求与消费也在不断增加。
消费是人类社会经济生活中不可缺少的一部分，要刺激消费、扩大内需，必须找出影响我国居民消费水平的关键因素，才能对症下药。
二、研究方法及过程2.1假设影响居民消费水平的因素（1）国内生产总值GDP（亿元）（2）城镇就业人数（万人）（3）人口自然增长率（‰）（4）居民消费价格指数CPI（上年=100）2.2模型的设定设定原模型为：y=+++++y=居民消费水平（元）x2=国内生产总值GDP（亿元）x3=城镇就业人数（万人）x4=人口自然增长率（‰）x5=居民消费价格指数CPI（上年=100）2.3多元线性回归模型为初步分析居民消费水平（Y）与各个解释变量的关系，可以做一个以解释变量为横坐标，被解释变量为纵坐标的散点图（如图1-1所示）。
从散点图可以看出解释变量与被解释变量并不是简单线性关系，因此我们繼续下面的研究。
利用Eviews9作出序列线性图（如图1-2）。
图1-2从线性图中可以看出，居民消费水平及各影响因素的差异明显，其变动方向基本相同，相互间可能具有一定的相关性，我们将模型设定为线性回归模型形式：=++++。
对被解释变量居民消费水平与各解释变量的总体回归得到如图1-3结果。
基于多元线性回归模型的影响居民消费水平相关因素分析[精品文档]
计量分析软件课程论文论文题目：基于多元线性回归模型的影响居民消费水平相关因素分析姓名：学号：学院：专业：联系电话：年月日基于多元线性回归模型的影响居民消费水平相关因素分析一、研究背景中国GDP总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP 依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。
到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。
我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP比重依然很小。
为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。
本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。
二、影响居民消费水平的因素宏观经济模型)++GDP-+=,经济发展应该紧紧抓住消费这一GCX(MI驾马车，而居民消费水平的高低受制于多种因素。
凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。
消费分为居民消费和政府消费，居民消费包括农村居民消费和城镇居民消费。
本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。
三、居民消费水平模型的总体分析框架（1）多元线性回归法OLS概述[1]回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。
城镇居民消费支出影响因素分析
城镇居民消费支出影响因素分析摘要：本文基于1997-2017年国家数据对城镇居民消费支出影响因素进行探究性分析。
主要通过利用SPSS软件对数据进行相关性分析、线性回归拟合、主成分等分析方法，进一步探究影响消费能力的主要因素，并进行总结分析。
关键词：消费支出主成分分析线性回归一、引言消费是推动经济增长的持久动力，消费支出水平的提高，消费结构的逐步升级，侧面再一次反映了国家经济水平的迅速提升。
消费能力大小越来越作为衡量居民生活水平高低的标准，甚至成为人民幸福感来源的重要影响因素。
因此，对于城镇居民人均消费支出水平的探究性分析更具有十分重要意义。
二、模型建立（一）自变量初步筛选居民的消费支出能力很大程度上取决于城镇居民的可支配收入水平，以及国家的整体经济状况，因此我们初步选取城镇居民可支配收入、人均GDP、城镇居民消费价格指数、商品零售价格指数作为自变量，城镇居民消费支出作为因变量建立回归模型。
（二）模型拟合分别对自变量关于因变量作散点图分析：解释变量X1、X3、X4的t检验值对应的概率p值分别为0.000、0.064、0.078小于0.1，在0.1的显著性水平下，拒绝原假设，说明X1、X3、X4对y有显著性的影响。
X2的t检验值对应的概率p值为0.476，没有通过t检验，检验结果显示解释变量人均GDP对城镇居民消费支出没有显著性的影响，并且回归系数的符号为负，显然与实际经济意义不符。
F检验统计量值为11231.689，其对应的概率p值0.0000，在0.1的显著性水平下，拒绝原假设，说明该回归方程通过显著性检验，即回归方程显著，X1城镇居民可支配收入、X2人均GDP、X3城鎮居民消费价格指数、X4商品零售价格指数等变量联合起来对城镇居民人均消费支出Yi有显著影响。
（三）模型修正方程通过显著性检验，但仍存在解释变量未通过t检验，因此模型可能存在多重共线性问题，利用spss进行相关性分析，得到解释变量的相关性矩阵：显然，各个解释变量之间的相关性均达到0.99，说明选择的解释变量之间存在严重的多重共线性问题。
影响我国居民消费水平的因素分析
影响我国居民消费水平的因素分析本文采用2004年至2014年的统计数据，通过建立多元线性回归模型，运用Stata软件，分析研究影响我国居民消费水平的主要因素，结果表明国内生产总值和人均可支配收入的增加会导致我国居民消费的增加，城镇人口数的增加会导致我国居民消费的减少。
文章最后就如何提高我国居民消费水平提出了政策建议。
标签：居民消费；人均收入；人口规模；经济增长一、引言近年来，我国社会经济迅速发展，居民的收入不断增加，居民的消费水平发生了很大的变化。
无论从宏观角度或微观角度来分析，我国居民最终消费支出都直接影响国民经济运行及其发展水平。
目前我国面临经济结构调整和产业结构升级，我国居民的消费处于怎样的水平，影响我国居民消费水平的主要因素有哪些，这些因素对宏观经济具有怎样的影响，都是非常值得关注的问题。
二、文献综述消费活动是经济活动的终点，经济活动的最终目的是为了满足人们日益增长的消费需求。
对于影响消费的主要因素，已经有大量的经济学家和学者做了充分的研究。
现在国外学术界持有两种不同的观点。
一种观点是凯恩斯主义的消费函数，即凯恩斯的绝对收入理论。
他认为消费主要取决于消费者的净收入，即居民现期可支配收入。
随着居民现期可支配收入的增加，居民的消费也会随之增加。
凯恩斯的这种消费理论主要是用收入来解释消费。
他假设消费者是完全理性的人，在其他条件不变的情况下，消费者的主要经济活动就是储蓄和消费，并且消费会随可支配收入的增加而增加。
但是，消费的增加幅度小于可支配收入的增加幅度。
随着可支配收入的提高，增加的消费支出在增加的可支配收入中所占的比重不断减少，即边际消费倾向具有递减的趋势。
由边际消费倾向递减规律，凯恩斯进一步提出平均消费倾向递减，而且边际消费倾向小于平均消费倾向。
另一种是弗兰科·莫迪利安尼的生命周期理论。
这是一个面向未来的消费函数，每个人都根据他自己一生的全部预期收入来安排他的消费支出。
这一理论强调消费要受制于个人或家庭在其整个生命期间内所获得的总收入。
关居民消费水平的模型分析
关于我国居民消费水平的多元线性回归分析1、建立多元线性回归模型：假设我国居民消费水平为y,国民总收入x1，第三产业增加值x2，城乡居民总计储蓄x3,原材料购进价格总指数x4，建立的多元线性回归模型如下：y=β0+β1x1+β2x2+β3x3+β4x4+u其中u为扰动项收集得到相关数据如表一：资料来源：中国统计年鉴——2010，国家统计局网站在excel中输入表一数据，进行数据分析后，得出以下输出数据：根据表二的结果，我国居民消费水平（Y），国民总收入 (X1)和第三产业增加值(X2)、城乡居民总计储蓄 (X3)和原材料购进价格总指数(X4)的多元线性回归方程：y=2577.43658+0.043029775x1－0.067289113x2+0.013190404x3－16.35417785x42.各偏回归系数的经济含义：β1= 0.043029775，表示在第三产业增加值(X2)，城乡居民总计储蓄 (X3)和原材料购进价格总指数 (X4)不变的情况下，国民总收入每增加1亿元，我国居民消费水平平均说来将增加 0.043029775亿元。
β2=-0.067289113，表示在国民总收入 (X1), 城乡居民总计储蓄(X3)和原材料购进价格总指数 (X4)不变的情况下，第三产业增加值每增加 1亿元，我国居民消费水平平均来说将减少 0.067289113 亿元。
β3= 0.013190404，表示国民总收入 (X1)和第三产业增加值(X2) 原材料购进价格总指数 (X4)不变的情况下，城乡居民总计储蓄每增加1亿元，我国居民消费水平平均来说将0.013190404亿元。
β4=-16.35417785，表示国民总收入 (X1)和第三产业增加值(X2)，城乡居民总计储蓄 (X3)不变的情况下，原材料购进价格总指数每增加1%，我国居民消费水平平均来说将减少16.35417785 亿元。
3.多元线性回归模型的检验（1）多元线性回归的拟合优度由表二excel输出的结果可知，多重可决系数R2= 0.992582343 ，其实际意义是在我国居民消费水平取值的变差中，国民总收入x1，能被第三产业增加值x2，城乡居民总计储蓄x3,原材料购进价格总指数x4的多元线性回归方程所解释的比率为 99.2582343 %。
我国居民消费价格指数（CPI)影响因素的分析
一、研究背景及意义1.研究背景CPI 是度量通货膨胀的一个重要指标。
通货膨胀是物价水平普遍而持续的上升。
CPI 的高低可以在一定水平上说明通货膨胀的严重程度。
近年来，我国的通货膨胀问题非常值得重视。
一方面，多年来我国强烈的固定资产投资需求冲动，使经济实际增长率高于潜在增长率。
过高的增长需求必然伴随信贷货币的超量发行从而构成通胀压力；另一方面，有数据表明中国1990年的货币总量为1.53万亿元，2011达到89.56万亿元，是1990年的58.5倍。
近年来我国央行为缓解人民币升值过快压力给经济带来的问题不得不大量投放人民币进行对冲，现阶段我国面临的通胀压力仍不容小觑。
2.研究意义CPI 是一个滞后性的数据，但它往往是市场经济活动与宏观经济政策的一个重要参考指标，长期以来，随着人们对通胀成因以及市场形势认识的深入与发展，CPI 稳定成为了最重要的宏观经济目标之一。
因此，为了让我国消费者价格指数在合理预期内稳定变动，了解分析其影响因素并通过相关政策与手段加以控制是至关重要的。
本文意在通过相关数据处理与分析，对变量因素之间的相关关系进行一定的论证，为我国CPI 影响因素的分析提供一定的理论基础。
二、我国CPI 现状整理数据我们可以发现，近20年来，物价飞涨问题一直困扰着我国政府，也是国内外关注和研究的焦点。
1998年-2003年我国CPI 变动相对平稳，至2007年-2018年全球金融危机爆发之前我国使用了“从紧的货币政策”，金融危机爆发后我国的通货膨胀问题逐渐开始严重，当年居民消费价格指数达到了493.6（1978=100）。
2008年，为了应对全球性的金融危机，我国采取宽松的货币政策更是让通货膨胀进一步加剧，当年达到522.7。
金融危机过后，随着国家总体经济状况的发展，中国近几年CPI 指数增长率相对稳定，如2015年12月CPI 为101.6，同比增长1.6%;2014年12月CPI 为101.5，同比增长1.5%;2013年12月CPI 为102.5，同比增长2.5%;2012年12月CPI 为102.5，同比增长2.5%，CPI 变动处于一个相对平稳的状态。
多元线性回归的数学模型
多元线性回归的数学模型随着经济的发展和人民生活水平的提高，国内旅游市场呈现出迅速增长的趋势。
旅游消费作为国民经济的重要组成部分，其发展对经济增长有着重要的推动作用。
因此，对国内旅游消费进行分析和研究，对于促进旅游市场的发展、提升旅游消费水平具有重要意义。
本文基于多元线性回归模型，对国内旅游消费进行分析，以期为相关研究和政策制定提供参考。
本文所使用的数据来源于国家统计局发布的年度数据以及旅游管理部门的相关统计数据。
在研究旅游消费的影响因素时，我们考虑了多个变量，包括国内生产总值（GDP）、居民人均收入、旅游资源丰度、旅游基础设施状况等。
因此，我们构建了一个多元线性回归模型，以这些变量作为自变量，旅游消费总额作为因变量，进行回归分析。
（1）国内生产总值（GDP）：反映一个国家经济总体水平的重要指标，对旅游消费有着重要影响。
我们使用GDP总量作为代理变量。
（2）居民人均收入：居民的收入水平直接影响了其消费能力和旅游消费意愿。
我们使用居民人均收入作为代理变量。
（3）旅游资源丰度：一个地区的旅游资源丰度对旅游消费有着重要影响。
我们使用旅游景区数量和等级作为代理变量。
（4）旅游基础设施状况：旅游基础设施的好坏直接影响了游客的旅游体验和消费水平。
我们使用酒店数量和等级作为代理变量。
我们使用SPSS软件对模型进行回归分析，得到的回归结果如下：模型系数分别为：常数项b0=2；GDP总量b1=587；居民人均收入b2=093；旅游景区数量b3=012；酒店数量b4=076；酒店等级b5=001。
（1）国内生产总值（GDP）：回归系数为587，表明GDP总量对旅游消费的影响为正。
一个地区的经济发展水平直接影响了该地区的旅游消费水平。
当GDP总量增加时，人们的可支配收入增加，进而导致旅游消费的增加。
因此，政府应通过提高经济发展水平，增加居民的可支配收入，以促进旅游消费的增长。
（2）居民人均收入：回归系数为093，表明居民人均收入对旅游消费的影响为正。
基于多元统计方法的消费行为分析
基于多元统计方法的消费行为分析消费行为分析通过对消费者的行为进行统计和研究，可以帮助企业了解消费者的需求和行为模式，进而制定有效的市场营销策略。
而多元统计方法可以分析多个变量之间的关系，进一步深入挖掘和理解消费行为背后的一些关键因素。
下面将介绍一些常用的多元统计方法在消费行为分析中的应用。
一、因子分析因子分析是一种多元统计方法，通过将一个大量相关的变量转化为少数几个无关因子，帮助我们理解变量之间的关系。
在消费行为分析中，可以利用因子分析来挖掘消费者的消费动机、品牌偏好、购买意愿等隐性因素。
通过分析因子载荷矩阵和因子得分，可以将消费者进行分类，并制定相应的市场营销策略。
二、聚类分析聚类分析是一种将数据对象划分为多个类别的方法，使得每个类别内的对象相似度较高，不同类别之间的相似度较低。
在消费行为分析中，可以利用聚类分析来将消费者分成不同的群体，进行定制化的市场营销。
通过分析聚类结果，可以了解不同群体的消费特征、购买偏好、价值观等差异，从而精准地制定针对性的市场攻略。
三、判别分析判别分析用于找出一组自变量对因变量的最佳预测，即通过消费者的一些特征来预测其购买行为。
在消费行为分析中，可以利用判别分析来构建消费者购买决策模型，预测其购买意愿和购买行为。
通过分析判别函数，可以了解哪些因素对于消费者的购买决策起到重要作用，并以此为依据进行目标市场的定位和推广活动的策划。
四、回归分析回归分析是一种研究因果关系的统计方法，用于分析一个或多个自变量对于因变量的影响程度和方向。
在消费行为分析中，可以利用回归分析来探索和解释消费行为的因果关系，找出影响消费者购买行为的关键因素。
通过分析回归系数和显著性水平，可以确定哪些因素对于消费行为起到重要作用，并以此为基础进行市场营销策略的制定和优化。
总结起来，基于多元统计方法的消费行为分析能够从多个角度深入挖掘并理解消费行为的关键因素，帮助企业了解消费者的需求和行为模式，从而有效地制定市场营销策略。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计量分析软件课程论文论文题目：基于多元线性回归模型的影响居民消费水平相关因素分析姓名：学号：学院：专业：联系电话：年月日基于多元线性回归模型的影响居民消费水平相关因素分析一、研究背景中国GDP总量超越日本，成为仅次于美国的第二大经济体，但我国人均GDP 依然很低，全球排名87位，这很大程度上制约了居民消费水平的提高。
到2020年实现全面建成小康社会的目标，十八大明确提出提高居民人均收入和人均消费水平，共享改革开放成果。
我国居民消费水平在改革开放后有了很大提高，但消费水平依然很低，消费量占GDP比重依然很小。
为此，本文旨在根据全国经济宏观政策、国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等因素的变化情况，来分析如何提高居民消费水平，以判断是否能使居民消费水平有很大的提高。
本文通过对1978-2010年影响居民消费水平因素数据的分析，找到影响居民消费水平的主要原因，通过计量经济分析方法来建立合理的模型，探讨影响居民消费增长的长期趋势规律，并给政府提出合理的建议，以提高居民消费水平。
二、影响居民消费水平的因素宏观经济模型)+GDP-++=,经济发展应该紧紧抓住消费这一I(MCXG驾马车，而居民消费水平的高低受制于多种因素。
凯恩斯消费理论认为居民消费主要受收入影响，我国居民消费一直很低，消费意愿不强，本文通过计量分析找到影响我国居民消费水平的主要因素，从根本上改善消费不足,促进我国经济的持续稳定健康发展。
消费分为居民消费和，居民消费包括农村居民消费和城镇居民消费。
本文结合居民消费水平的影响因素，列出了国内生产总值、职工平均工资指数、城镇居民消费价格指数、普通中学及高等学校在校生数、卫生机构数和基本设施铁路公路货运量等相关因素，进行计量分析,得到回归模型。
三、居民消费水平模型的总体分析框架（1）多元线性回归法OLS 概述[1]回归分析是计量经济分析中使用最多的方法，在现实问题研究中，因变量往往受制于多个经济变量的影响，通过统计资料，根据多个解释变量的最优组合来建立回归方程预测被解释变量的回归分析称为多元线性回归法。
其模型基本形式为：其中0β、1β、2β、3β…k β是1+k 个未知参数，称为多元回归系数。
Y 称为被解释变量，t X 1、t X 2、t X 3…kt X 是k 个可以精确测量和可控的一般解释变量，t μ是随机误差项。
当2≥k 时，上式为多元线性回归模型。
（2）多元回归模型的建立定义被解释变量和解释变量，被解释变量为居民消费水平(Y 元)，解释变量为国内生产总值(1X 亿元)、职工平均工资指数(2X )、城镇居民消费价格指数(3X )、普通中学及高等学校在校生数(4X 万人)、卫生机构数(5X 个)和基本设施铁路公路货运量(6X 万吨)。
（3）统计数据选取本文所有数据均来自中国统计局和中国统计局外网中国统计年鉴。
[2]1978184 21261169732 195301 1979 208 175142 382929 1980 238 180553 493327 1981 264 190126 471336 1982 288 193438 492737 1983 316 196017 5201971984 361 198256 657456 1985 446 200866 668771 1986 497 203139 755748 1987 565 204960 852077 1988 714 205988 877263 1989 788 206724 885270 1990 833 208734 874721 1991 932 209236 886800 1992 1116 204787 938568 1993 1393 193586 1003050 1994 1833 191742 1058130 1995 2355 190057 1106369 1996 2789 322566 1154884 1997 3002 315033 1148685 1998 3159 314097 1140313 1999 3346 300996 1157998 2000 3632 324771 1217394 2001 3869 330348 1249501 2002 4106 306038 132**** **** 4411 291323 138**** **** 4925 297540 1494007 2005 5463 298997 1611074 2006 6138 308969 175**** **** 7081 298408 1953669 2008 8349 297637 1966731 2009 9098 301122 1967983 2010 9968 316751 1987111在Eviews5中建立被解释变量和解释变量序列，如下图： 在新建的序列中输入数据，如下图：四、构建计量模型（1）根据被解释变量和解释变量，建立以下模型：上式0β是常数，1β、2β、3β、4β、5β、6β是回归模型系数，u 是随机变量。
（2）模型参数的估计对于理论模型运用最小二乘法OLS 进行参数估计，估计结果如下图： 运用最小二乘法OLS 估计模型的方程如下图： （3）计量模型统计检验拟合优度和调整拟合优度：997500.02=R ,997037.0=-R ,本模型的拟合效果很好。
t 检验和F 检验：在给定的显着性水平05.0=a ，33=n ，6=k ，查t 分布表和F 分布表得到临界值056.2)1633(5.=--O O T ，326.2773=F 。
由图建立如下方程：原假设0β:10=H 0β:21≠H由回归结果知056.286901.2305.01=>=t t x ，故拒绝原假设，1X 能显着的解释居民消费水平Y ；同理，2X 、3X 的t 值分别为)436146.0(、)610028.0(都比显着性水平05.0=a ，33=n ，6=k 下得到的临界值056.2)1633(5.=--O O T 要小，故接受原假设，2X 、3X 不能显着的解释居民消费水平Y ；4X 、5X 、6X 的t 值都比显着性水平05.0=a ，33=n ，6=k 下得到的临界值056.2)1633(5.=--O O T 要大，故拒绝原假设，4X 、5X 、6X 能显着的解释居民消费水平Y 。
其中997500.02=R ,说明被解释变量Y 的变差被模型解释的比例为9975.0，因此样本回归直线拟合度很好，但解释变量2X 和3X 的t 检验不能通过，不能显着解释居民消费水平Y ，可知此模型存在多重共线性。
（4）计量经济模型的检验与克服 （）多重共线性通过eviews5查看各变量之间的相关系数，如下表：952981.0),(,765602.0),(703038.0),(,579478.0),(,990946.0),(65421=====X Y cor X Y cor X Y cor X Y cor X Y cor ,由上式知Y 与1X 、2X 、4X 、5X 、6X 的相关系数都大于5.0，相关程度比较高，Y 与1X 的相关程度最高，达到了990946.0。
（）多重共线性的克服利用eviews5分别将Y 对1X 、2X 、3X 、4X 、5X 、6X 回归，Y 对1X 进行线性回归得到981973.021=X R 。
同理，Y 分别2X 、3X 、4X 、5X 、6X 进行线性回归，拟合优度分别为：Y 对1X 的拟合优度最高，因此把GDP 作为居民消费水平的第一个解释变量得到最初的回归模型110X ββY *+=,然后向回归模型中分别引入2X 、3X 、4X 、5X 、6X ，得到最终的回归结果。
可以看出，不仅拟合优度提高了，且通过了t 检验，多重共线性经过修正后的回归方程如下：从回归结果知，解释变量均通过t 检验，994313.02=R 说明拟合效果很好。
各解释变量均符合经济意义，即居民消费水平主要受收入、卫生、价格等影响，随着它们的提高而提高。
异方差的检验 ①图示法检验作残差resid 与解释变量1X 、3X 、5X 之间的散点图，图形如下：（1X 和resid的散点图）（3X 和resid 的散点图） （5X 和resid 的散点图）从残差resid 与解释变量1X 、3X 、5X 之间的散点图可以看出回归模型满足同方差的假定。
②怀特检验法解释变量有1X 、3X 和5X ，为了减少数据损失,采用没有交叉项的情形进行怀特检验。
由检验结果可知982939.22=nR ，伴随概率566386.0=p ，在05.0=a 的显着性水平下05.0>p 知，模型不存在异方差。
③ARCH 检验法由于样本数据是时间序列，故还可以用ARCH 检验模型是否存在异方差，设置滞后期数3=p ，由于988626.1)1(2=*-R n ,702098.0=P ，在显着性水平05.0=a 下05.0>p ,故模型中不存在异方差。
（）序列相关性检验①残差图，作出残差图如下：作出残差与其自身前一期残差的散点图如下：②依据德宾-沃森检验法,443229.1=DW ，33=n ，3=k ，05.0=a 的显着性水平下，DW 检验的临界值的下限与上限分别为441.1,258.1==u l d d ，由于441.1443229.1=>=u d DW ，故回归模型无一阶自相关。
③LM 乘数法，拉格朗日乘数检验法是检验二阶序列相关性的方法，用eviews5软件计算结果如下：从表中看出伴随概率05.0307482.0>=p ，可知模型不存在二阶序列相关性。
由上述检验，回归模型已消除多重共线性，不存在异方差，无二阶自相关，最后的回归模型为：五、回归模型估计结果的解释和评价本文基于1978-2010 年居民消费水平和影响因素的相关数据，建立多元线性回归模型，居民消费水平和国内生产总值1X 、城镇居民消费价格指数3X 和卫生机构数5X 之间存在高度相关。
根据理论分析，职工平均工资指数2X 、普通中学及高等学校在校生数4X 和基本设施铁路公路货运量6X 存在相关性，但由于与居民消费水平存在多重共线性，因此没有进入回归模型。
六、回归模型估计结果的经济含意（1）由回归方程可知被解释变量和解释变量之间存在正向关系，回归模型中解释变量前的符号正好反映正向关系。
（2）924047.2432β0-=没什么意义； 90231893312.0β11==dX dY，表明在其他条件不变时，国内生产总值1X 增长1个单位，居民消费就增加90231893312.0个单位；97418061.12β33==dX dY，表明在其他条件不变时，城镇居民消费价格指数3X 增长1个单位，居民消费就增加97418061.12个单位； 890073694323.0β55==dX dY，表明在其他条件不变时，卫生机构数5X 增长1个单位，居民消费就增加890073694323.0个单位。