城镇居民与农村居民消费收入分析

城镇居民与农村居民消费收入分析

一）问题提出

改革开放以来，中国经济高速增长，居民的收入和消费也持续增长. 进入20 世

纪90 年代后, 中国经济年均增长9.9%, 比世界平均增长速度快了6.5个百分点.居民收入有了较大提高,但消费水平并没有相应程度的大幅度提高.据统

计2005 年, 全国普通收入者的年平均收入为3899.5 元,而中国居民的平均消费率维持在50％-60％, 低于世界上其他国家近70％的水平.而且城镇居民与农村居民收入的不平常，消费的差距也在加大。研究农村居民与城镇居民的消费收入不同分析农村与城市的情况可以给予国家政策的一些建议的依据。

二）理论模型的综述

关于收入和消费的关系,凯恩斯认为,存在一条基本心理规律:随着收入的增加,消费也会增加, 但是消费的增加不及收入增加的多, 消费和收入的这种关系就被称做消费函数或消费倾向,用公式表示是:C = C(Y) 对凯恩斯消费理论, 其他经济学家也做了类似的研究. 美国经济学家杜森贝利提出了相对收入理论,即他认为消费者会受自己过去的消费习惯以及周围消费水平的影响来决定消费,从而消

费是相对地决定的. 生命周期的消费理论是美国经济学家弗朗科莫迪利安尼提出强调人们会在更长时间范围内计划他们的生活消费开支, 以达到他们在整个生命周期内消费的最佳配置. 以及美国经济学家米尔顿弗里德曼的永久收入的消费理论, 认为消费者的消费支出主要不是由他的现期收入决定,而是由他的永久收入决定.

文主要对该地区消费支出（应变量）进行因素分析，并搜集相关数据，建立模型，对此进行数量分析。在得到该地区消费支出与主要因素间的数量关系后，据模型方程中的因素系数大小，分析因素对其影响水平。通过对比得出差

距。三）理论模型的设定

影响消费的因素比较多，根据其影响因素的大小和资料的可比以及预测模型的要求等方面原因，本文选择收入指标作为模型的解释变量。在这个指标中, 收入能够促进消费的增长, 但是过多的消费也会减缓经济的发展; 收入的多少有利于国内消费总值的增长。因此, 上述解释变量的选取符合经济发展的实际情况。

为了研究全国居民消费水平及其变动原因, 需要做具体的分析. 影响各地区居民消费支出有明显差异的因素除了收入水平外还有很多.例如:就业情况,零售物价指数,利率,居民财产,购物环境等都可能对居民的消费有影响.但从理论和经验分析,最主要的还是居民收入,虽然这些因素也有影响,但有的不易取得数据,还有的在运用截面数据与时间数据的差异并不大. 因此这些因素可以不列入模型, 即便它们对居民消费有某些影响也可归入到随机扰动项中.选择在统计年鉴中"

居民每人每年可支配收入"作为解释变量X, "居民人均消费支出"为被解释变

量Y为了能真实有效地分析该地区消费现状，特意对该地区消费水平的影响因素进行简单分析。

对被解释变量Y对解释变量X作回归分析

Dependent Variable: Y1

Method: Least Squares

Date: 12/13/10 Time: 17:41

Sample: 1980 2006

Adjusted R-squared0.998143 S.D. dependent var836.6659 S.E. of regression36.05556 Akaike info criterion10.07919 Sum squared resid32500.08 Schwarz criterion10.17517 Log likelihood-134.0690 F-statistic13975.16

1)图示检验法

绘制和的散点图如上，大部分点都落在一三象限，表明随机误差项存在着正自相关

2）DW检验

DW=0.744042 =1.316 =1.469

0

3）高阶检验

Date: 12/13/10 Time: 18:20

Sample: 1980 2006

Included observations: 27

Autocorrelation Partial Correlation AC PAC Q-Stat Prob

. |***** | . |***** |10.6090.60911.1600.001 . | . | ****| . |20.043-0.52111.2170.004

.**| . | . |* . |3-0.2190.12612.7850.005

. *| . | . |* . |4-0.1160.11513.2400.010

. | . | . | . |50.065-0.03713.3890.020

. |* . | . | . |60.1420.06314.1450.028

. |* . | . | . |70.1230.06014.7400.039

. | . | . | . |80.051-0.03714.8470.062

跟0.5比较看出存在一阶正自相关

自相关的补救

Dependent Variable: E

Method: Least Squares

Date: 12/13/10 Time: 18:22

Sample(adjusted): 1981 2006

Included observations: 26 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob.

E(-1)0.6258090.158100 3.9583250.0006

R-squared0.385003 Mean dependent var0.733862 Adjusted R-squared0.385003 S.D. dependent var35.84523

S.E. of regression28.11045 Akaike info criterion9.547862

Sum squared resid19754.94 Schwarz criterion9.596251

Log likelihood-123.1222 Durbin-Watson stat 1.382049

=0.625809

Dependent Variable: Y1-0.625809*Y1(-1)

Method: Least Squares

Date: 12/13/10 Time: 18:25

Sample(adjusted): 1981 2006

Included observations: 26 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob.

C20.885999.758202 2.1403530.0427

X1-0.625809*X1(-1)0.7835740.01289560.766270.0000

R-squared0.993542 Mean dependent var506.3868 Adjusted R-squared0.993273 S.D. dependent var348.3121

S.E. of regression28.56730 Akaike info criterion9.616206

Sum squared resid19586.18 Schwarz criterion9.712983

Log likelihood-123.0107 F-statistic3692.539

Durbin-Watson stat 1.396128 Prob(F-statistic)0.000000 = 20.88599 =0.783574

=20.88599/(1-0.625809)= 55.81639 =0.783574

=55.81639+0.783574

利用EVIEWS软件，用OLS方法估计得（城镇居民收入消费分析）

Dependent Variable: Y2

Method: Least Squares

Date: 12/13/10 Time: 17:42

Sample: 1980 2006

Included observations: 23

Excluded observations: 4

Variable Coefficient Std. Error t-Statistic Prob.

C465.6624167.7030 2.7767090.0113

X20.9094730.02995530.360840.0000

R-squared0.977725 Mean dependent var4559.739 Adjusted R-squared0.976665 S.D. dependent var3130.129

S.E. of regression478.1545 Akaike info criterion15.26069

Sum squared resid4801267. Schwarz criterion15.35942

Log likelihood-173.4979 F-statistic921.7804