影响我国居民耐用消费品支出的因素

目录

第1章前言 (1)

第2章影响我国居民耐用消费品支出的因素 (2)

2.1建立我国居民耐用消费品支出模型 (2)

2.2检验我国居民耐用消费品支出模型 (6)

2.3分析我国居民耐用消费品支出模型 (8)

2.4提高我国居民耐用消费品支出措施 (9)

第3章总结............................................ (11)

参考文献 (12)

第1章前言

在人们议论生计，议论日常生活中的开销的时候，我们经常听到这样的一种说法：“现在每个月吃饭用不了多少钱”。在这种日常生活中简单判断的背后，实际上是我们这个社会从一个时代到另一个时代的变迁----从生活必需品的生产和消费的时代到耐用消费品生产和消费的时代。

这个转变体现在我们每个人的日常生活之中。在90年代之前，特别是在80年代之前，大多数人的工资，都是以几十元计。这几十元的工资，几乎有着非常固定的用途。多少钱用来购买凭粮票供应的粮食，多少钱用来购买凭布票供应的布料和衣服，多少钱用来购买同样是凭票供应的肉、油、蛋、鱼、火柴、麻酱等日用品，几乎都是固定的。购买完这些东西之后，每个月的收入也就所剩无几了。这当中除了商品短缺时期的供给制特征之外，是一种生活必需品生产和消费时代的典型图景。在那样的时代，整个社会生产的产品，主要是人们生活所必需的日用品。人们的收入，主要用来购买这些生活必需品。

但在今天，我们正在开始进入一个新的时代，这个时代就是耐用消费品生产和消费的时代。

为了研究我国耐用消费品的生产与消费趋势,我们必然要研究一下影响耐用消费品消费的因素。本文中我们将选取居民耐用消费品支出、居民全年可支配收入、耐用消费品价格指数、国内生产总值、货币流通量这五方面因素对耐用消费品的消费生产领域进行了计量模型的分析与预测。并根据从模型方程中得出的结论对现实生活得出我们的建议。

第2章影响我国居民耐用消费品支出的因素

2.1建立我国居民耐用消费品支出模型

为了建立关于影响人均耐用消费品支出的因素的模型和检验，原始数据如下表：

表一

其中主要统计指标的解释：

耐用消费品是指那些使用寿命较长，一般可多次使用的消费品。耐用消费品由于购买次数少，因而消费者的购买行为和决策较慎重。耐用消费品的典型适用产品如：家用电器、家具、汽车等。

货币流通量是指市场上实际流通的货币总量。目前我国货币流通量统计实际就是针对流通中的现金量，即M0进行统计，通常又称之为市场货币供应量。这是一个时点指标，实际工作中往往计算报告期末的货币流通总量。该指标的数值可以直接从中国人民银行总行的综合信贷计划执行表“流通中的货币”项目获得。

居民可支配收入是指在家庭总收入中，除去一切必要花费之外，居民可随意支配的部分。

国内生产总值是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，常被公认为衡量国家经济状况的最佳指标。

价格指数是反映不同时期耐用消费品商品价格水平的变化方向、趋势和程度的经济指标。

根据上表数据以我国居民耐用消费品支出（亿元）为Y, 我国居民全年可支配收入（亿元）为X1, 我国居民耐用消费品价格指数为X2, 我国国内生产总值（亿元）为X3，我国货币流通量（亿元）为X4，随机变量µi，根据样本数据对其建立多元线性回归模型：Ŷi=β0+β1X1+β2X2+β3X3+β4X4+µi

用EViews软件，输入Y，X1，X2，X3，X4等数据，对模型进行最小二乘回归，输出结果如下：

表二

查F分布表，得临界值为F0.05（4,15）=3.06，故F=333.892>3.06,回归方程显著，别计算X1 X2 X3 X4 的两两相关系数，得

表三

1.对Y分别关于X1，X2，X3，X4作最小二乘回归，得:

（1）Ŷ= 843.424+ 0.103*X1

（5.202） (31.059)

R²=0.982， R¯²=0.980，DW=1.453，F=964.722

（2）Ŷ= 458.938+ 33.622*X2

(0.038) (0.379)

R²=0.007， R¯²=0.047，DW=0.066，F=0.144

（3）Ŷ=1372.844 + 0.042*X3

(3.617) (11.921)

R²=0.887， R¯²=0.881，DW=0.422，F=142.124

（4）Ŷ= -0.222 + 0.526*X4

(-0.001) (32.854)

R²=0.981， R¯²=0.982，DW=1.662，F= 1079.443

其中括号内的数字是t值和R²值，根据经济理论分析和回归结果，易知X1是最重要的解释变量，所以选取第一个回归方程为基本回归方程。

2.加入变量X4，对Y关于X1，X4作最小二乘回归，得

Ŷ= 358.035 + 0.046*X1 + 0.290*X4

(3.640) (2.354) (2.858)

R²=0.987， R¯²=0.986，DW=1.852，F=678.673

可以看出，加入X4后，拟合优度R²和R¯²均有所增加，参数估计值的符号也正确，并且没有影响X1系数的显著性，所以在模型中保留X4。

3．加入变量X3，对Y关于X1，X4 ，X3作最小二乘回归，得

Ŷ=392.096 + 0.062*X1 - 0.004*X3 + 0.258*X4

（1.762） (2.362) (-0.913) (2.396)

R²=0.967， R¯²=0.965，DW= 1.954，F= 448.300

可以看出，加入X3后，拟合优度R²有所减少，R¯²有所减少，并且X3的系数不显著，说明存在严重的多重共线性，所以在模型中保留X4，略去X3。

4．加入变量X2，对Y关于X1，X4 ，X2作最小二乘回归，得

Ŷ=-455.705 + 0.047*X1 + 0.002*X2 + 0.286*X4

（-0.325） (2.336) (0.588) (2.759)

R²=0.927， R¯²=0.915，DW=2.006，F=435.162

可以看出，加入X2后，拟合优度R²有所减少，R¯²有所减少，并且X2的系数不显著，说明存在严重的多重共线性，所以在模型中保留X4，略去X2。

综上所述，得到Y与X1和X4的回归方程：

Ŷ= 358.035 + 0.046*X1 + 0.290*X4

(3.640) (2.354) (2.858)

R²=0.987， R¯²=0.986，DW=1.852，F=678.673