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)

+

GDP-

+

+

=,经济发展应该紧紧抓住消费这一

I

(M

C

X

G

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]

1978

184 21261

169732 195301 1979 208 175142 382929 1980 238 180553 493327 1981 264 190126 471336 1982 288 193438 492737 1983 316 196017 520197

1984 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981973.02

1=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：