我国城镇居民收入对消费影响(引入季节虚拟变量)

实验五探究我国城镇居民收入对消费的影响

实验目的：学习熟练应用Eviews软件进行数据分析，锻炼解决实际生活问题的能力

实验内容：

1.做城镇居民消费性支出对城镇居民可支配收入的回归，看看两

者是否相关？

2.如果收入与消费出现季节性因素，那么引入一个适当的虚拟变

量，并对模型进行估计。在建立模型当中，如何考虑不同季节截距和斜率的差异？

3.比较不同回归模型的差异，并分析原因。

4.根据回归结果，是否表明城镇居民消费存在季节因素？这与先

验预期一致吗？

实验报告：

1.提出问题

通过经济理论的学习我们知道，一个国家或地区的人均消费性支出水平主要取决于其人均可支配收入水平。而作为经济统计专业的学生，关注我国在经济发展过程中城镇居民可支配收入对城镇居民消费性支出是否产生影响以及产生怎样的影响是有意义的。另外，由经济理论及生活中的经验，我们知道，消费往往还受季节性因素的影响，利用数据去探究这些影响是值得的。

2.指标选择

为了确保实验结果的准确性与一般性，我们选择我国1999年

-2015年各季度城镇居民可支配收入和消费性支出对该问题进行研究。

3.数据选择

老师提供的数据，数据详情见表1

4.数据处理

实验数据可以直接运用，无需经过处理。

5.数据分析

对城镇居民消费性支出与可支配收入做相关分析，做出散点图并求得

相关系数。

SR ZC

SR 1.000000 0.992535

ZC 0.992535 1.000000

1,000

2,000

3,000

4,000

5,000

6,000

收入

支出

由散点图和相关系数可以看出，城镇居民消费性支出与可支配收入的相关性较高，且两者之间存在正相关关系。

6. 建立模型

1）对城镇居民消费性支出（Y ）与可支配收入(X)建立回归模型 建立如下线性模型： 01i Y X U ββ=++ 得出回归结果：

Dependent Variable: ZC Method: Least Squares Date: 05/17/16 Time: 08:57 Sample: 1999Q1 2015Q4 Included observations: 68

Variable Coeffic

ient

Std.

Error

t-Statis

tic Prob.

C 270.303

4 43.0292

5 6.281852 0.0000

SR 0.64308

4 0.009727 66.11643 0.0000

R-squared 0.98512

6

Mean dependent

var

2786.48

5

Adjusted R-squared 0.98490

1

S.D. dependent

var

1347.52

7

S.E. of regression 165.581

4

Akaike info

criterion

13.0857

7

Sum squared resid 1809536

.

Schwarz

criterion

13.1510

5

Log likelihood -442.91

63

Hannan-Quinn

criter.

13.1116

4

F-statistic 4371.38

2

Durbin-Watson

stat

1.97128

8

Prob(F-statist ic) 0.00000

回归方程：0.643084*270.334ˆ

0X Y += 其中：Se=(0.009727) (43.02925)

t=(66.11643) (6.281852) P=(0.00000) (0.00000)

2

R =0.985126 F=4371.382

回归方程的拟合曲线和残差图如下图所示：

-400

-2000200400600400

8001,2001,6002,000

2,4002,800

由残差图可知,残差点在水平带状区域中分布较均匀,说明方程的拟合效果较好。

2）引入季节虚拟变量后建立城镇居民消费性支出（Y ）与可支配收入(X))的回归模型

建立如下线性模：Y=β0+β1*X+α1q2+α2q3+α3q4+ i u 得出如下回归结果：

Dependent Variable: ZC Method: Least Squares

Date: 05/17/16 Time: 10:58 Sample: 1999Q1 2015Q4 Included observations: 68

Variable Coeffic

ient

Std.

Error

t-Statis

tic Prob.

Q2 145.834

6 36.02545 4.048098 0.0001

Q3 311.136

7 35.90339 8.665942 0.0000

Q4 307.752

1 35.84898 8.584680 0.0000

SR 0.64791

8 0.006174 104.9502 0.0000

C 60.2108

0 36.81788 1.635368 0.1070

R-squared 0.99437

5

Mean dependent

var

2786.48

5

Adjusted R-squared 0.99401

8

S.D. dependent

var

1347.52

7