三大产业的发展与居民消费

计量经济学课程论文

三大产业的发展与

城镇居民家庭消费支出

保险学院2002级一班

王维（40205005）

傅立立（40205027）

三大产业的发展与城镇居民家庭消费支出

保险学院2002级一班

王维（40205005）傅立立（40205027）

【提要】本文通过对三大产业发展与城镇居民家庭消费支出增长的关系进行分析，从定量的角度探求三大产业分别对城镇居民家庭消费支出入的影响程度。

【关键词】经济计量模型第一产业第二产业第三产业可决系数城镇居民家庭消费支出城镇居民家庭消费支出的增长与国内生产总值的增长密切相关。然而国内生产总值是由第一产业（农业）、第二产业（工业、建筑业）、第三产业（服务性行业）组成的，但是对城镇居民家庭人均可支配收入的增长影响各不相同。而对三者影响程度进行数量分析，以期用函数关系精确表达三者各自的影响，就是我们研究的主要内容。

具体数据如下：

Y X1 X2 X3

1987 884.4 3204.3 5251.6 3506.6

1988 1103.98 3831 6587.2 4510.1

1989 1210.95 4228 7278 5403.2

1990 1278.89 5017 7717.4 5813.5

1991 1453.81 5288.6 9102.2 7227

1992 1671.73 5800 11699.5 9138.6

1993 2110.81 6882.1 16428.5 11323.8

1994 2851.34 9457.2 22372.2 14930

1995 3537.57 11993 28537.9 17947.2

1996 3919.47 13844.2 33612.9 20427.5

1997 4185.64 14211.2 37222.7 23028.7

1998 4331.6 14552.4 38619.3 25173.5

1999 4615.9 14472 40557.8 27037.7

2000 4998 14628.2 44935.3 29904.6

2001 5309 15411.8 48750 33153

2002 6029.88 16117.3 52980.2 36074.8

2003 6510.94 17092.1 61274.1 38885.7

Y：城镇居民家庭消费支出（平均每人全年）（单位：元）

X1：第一产业增加值（单位：亿元）

X2：第二产业增加值（单位：亿元）

X3：第三产业增加值（单位：亿元）

我们可以得到Y与X1 X2 X3的散点图：

02000

4000

6000

8000

5000

1000015000

20000

X1

Y

Y v s. X1

020000

40000

60000

80000

2000

40006000

8000

Y

X 2

X2 v s. Y

010000

20000

30000

40000

2000

40006000

8000

Y

X 3

X3 v s. Y

由图我们可以发现Y 与X1 X2 X3都有比较明显的线形关系，从而建立数学模型：

u X X X Y t t t t ++++=3322110βββα

该模型的样本残差的正态性检验—JB test.其结果为： 0123456

从图表和JB 值我们可以认为残差是成正态分布的。 并对模型有如下假设：

1.零均值： 0)(=i u E n i ,,3,2,1 =

2.同方差无自相关：

3.随机扰动项与解释变量不相关：0),(=i ji u X Cov k j ,,3,2 =

4.无多重共线性

5. 残差的正态性：

显然这些假设是不可能完全成立的，所以我们必须对其进行检验。

残差的正态性检验已完成。 主要需要检验的有： 一、多重共线性检验。 二、异方差性检验。 三、自相关性检验。

如果有检验无法通过，则必须对模型进行修正。

我们将基于以上数据进行分析。 具体程序如下：

⎩⎨

⎧≠===--=k

i k i u u E Eu u Eu u E u u COV k i k k i i k i ,

0,

),()])([(),(2σ),0(~2σμN i

其中利用Eviews3.0作OLS 估计的结果为：

Dependent Variable: Y Method: Least Squares Date: 05/09/05 Time: 11:15 Sample: 1987 2003 Variable Coefficient Std. Error t-Statistic Prob. C 304.9427 81.08610 3.760727 0.0024 X1 0.052371 0.021551 2.430060 0.0303 X2 0.056538 0.019423 2.910940 0.0122 X3

0.047411

0.025571

1.854090

0.0865 R-squared

0.998261 Mean dependent var 3294.348 Adjusted R-squared 0.997860 S.D. dependent var 1862.177 S.E. of regression 86.15416 Akaike info criterion 11.95248 Sum squared resid 96493.00 Schwarz criterion 12.14853 Log likelihood -97.59606 F-statistic 2487.323 Durbin-Watson stat

1.923939 Prob(F-statistic)

0.000000

所以我们得到以下的结果：Y=304.9427+0.052371X1+0.056538X2+0.047411X3

(81.08610) (0.021551) (0.019423) （0.025571） （t=3.760727）(2.430060) (2.910940) （1.854090） R-Squared=0.998261 df=16

从上面的估计的结果可以看出：可决系数R-Squared=0.998261，表明模型在整体的拟和非常好。系数显著性检验：对于C 、X1、X2的系数，t 的统计量的绝对值都>2.120,都通过了检验，而X3的系数的t 统计量为1.854090，在df=16、α=0.05的情况下，t 统计量应大于2.120，显然X3的系数不能通过检验。

根据经验判断u X X X Y t t t t ++++=3322110βββα无法通过第一步检验的原因很可能是解释变量之间存在多重共线性。

我们对X1 X2 X2进行多重共线性检验，得到： X1 X2 X3

X1 1.000000 0.976318 0.966700 X2 0.976318 1.000000 0.996989 X3 0.966700 0.996989 1.000000 可以发现X1 X2 X3之间存在高度的线性相关关系。 运用逐步回归法进行修正：

模型u X Y t t ++=110βα的回归结果为：

Dependent Variable: Y Method: Least Squares Date: 05/31/05 Time: 17:39