计量经济学课程论文我国农村消费水平.docx

《计量经济学课程论文我国农村消费水平.docx》由会员分享，可在线阅读，更多相关《计量经济学课程论文我国农村消费水平.docx（16页珍藏版）》请在三一文库上搜索。

1、我国农村居民消费水平影响因素实证分析2021 年 01 月 17 日【摘要】农业、农村、农民问题一直是近几年来国家关注的重点。在经济不景气的状况下，如何开发农村市场、拉动内需也是讨论热点。本文采用计量经济学统计方法，搜集1990-2021年间的有关数据，通过建立多元线性回归模型的方式，对影响农村居民消费水平的因素进行分析。在初步建立模型、参数估计的根底上，先后对模型进行了经济意义检验、统计检验和计量经济学检验，并进行了相应的修正；最后得出结论：我国农村居民消费水平主要受到纯收入的影响，并与人均国内生产总值有较强的相关关系。【关键词】农村居民消费水平、多元回归、计量经济学检验1. 前言在经济危机

2、和欧债危机的影响下，国际经济环境下行趋势明显。在此背景下，我国出口形势严峻；而投资过热一直为人所诟病，拉动国内消费成为近些年来经济政策的重点。我国是一个农业大国，拉动内需很大程度上要依赖开发农村市场、提高农村居民的购置力。农村居民的购置力表达在其消费水平方面。鉴于此，对影响农村居民消费水平的因素进行分析具有重要意义。居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、开展和享受需要方面所到达的程度。通过消费的物质产品和劳务的数量和质量反映出来。本文中的农村居民消费水平同国家统计年鉴的计量保持一致，即按常住人口平均计算的居民消费支出。2. 变量被解释变量即为农村居民消费水平，按国内

3、生产总值口径，即包括劳务消费在内的总农村居民消费水平消费进行计算的。计算公式为：农村居民消费水平元/人= 报告期国内生产总值中的农村居民消费总额/报告期农村年平均人口。解释变量的选择应当遵循一定的经济理论。居民的消费水平在很大程度上受整体经济状况的影响。农村居民消费水平亦是。国内生产总值(GDP是用于衡量一国总收入的一种整体经济指标，经济扩张时期，居民收入稳定，GDP也高，居民用于消费的支出较多，消费水平较高；反之，经济收缩时，收入下降，GDP也低，用于消费的支出较少，消费水平随之下降。为了与农村居民消费水平的统计口径一致，本文选取了人均国内生产总值作为解释变量之一。初步分析，农村居民消费水平

4、同人均国内生产总值之间存在正相关关系。S.Kuznets的长期消费函数C=kY认为，消费水平是收入的函数，因此引入农村居民年人均纯收入作为解释变量之一，且认为农村居民的消费水平随着年人均纯收入的增长而增长。基于边际消费倾向的性质，农村居民年人均纯收入的系数取值范围为0，1。另外，农村居民的消费水平受到价格水平的影响。根据根本供求理论，对于正常商品而言，价格上升那么需求下降，反之需求上升。所以，模型建立中应当参加价格的影响因素。本文选取了商品零售价格指数来反映价格对消费水平的影响。商品零售价格指数是反映一定时期内城乡商品零售价格变动趋势和程度的相对数。商品零售价格的变动与国家的财政收入、市场供需

5、的平衡、消费与积累的比例关系有关。因此，该指数可以从一个侧面对上述经济活动进行观察和分析。初步分析，商品零售价格指数的系数应为负。恩格尔系数%=食品支出总额/家庭或者个人消费支出总额*100%，该系数被用来衡量家庭和国家的富足程度，系数越大说明生活越穷困，反之那么越富裕。恩格尔系数也可以反映居民消费水平，故推断二者之间存在相关关系，且为负相关关系。最后，考虑到农业生产受自然环境影响的特殊性，将反响农业生产环境的“成灾面积占受灾面积的比重纳入解释变量体系。随着农业生产技术的进步和国家农业补贴政策的改善，即使当年农业生产受灾，未必会对农村居民的消费水平造成影响，故在模型建立后，要对其系数进行显著性

6、检验，再决定取舍。综上所述，本文计量经济模型的变量选择如下：被解释变量Y农村居民年消费水平元/人解释变量X1农村居民年人均纯收入元/人解释变量X2人均国内生产总值元/人解释变量X3商品零售价格指数解释变量X4农村恩格尔系数%解释变量X5成灾面积占受灾面积的比重%3. 样本主要考虑数据的可得性，本文选取了1990年至2021年间的时间序列数据,一共21个样本序列，可以满足进行统计检验的根本样本数目：n3(k+1)。数据来源：中华人民共和国国家统计局网站及国家研究网。具体数据如下：TYX1X2X3X4X51990560.00 686.30 1644.00 102.10 58.80 46.30 19

7、91602.00 708.60 1892.76 102.90 57.60 50.10 1992688.00 784.00 2311.09 105.40 57.60 50.40 1993805.00 921.60 2998.36 113.20 58.10 47.40 19941038.00 1221.00 4044.00 121.70 58.90 57.00 19951313.00 1577.70 5045.73 114.80 58.60 48.60 19961626.00 1926.10 5845.89 106.10 56.30 45.20 19971722.00 2090.10 6420.1

8、8 100.80 55.10 56.70 19981730.00 2162.00 6796.03 97.40 53.40 50.20 19991766.00 2210.30 7158.50 97.00 52.60 53.50 20001860.00 2253.40 7857.68 98.50 49.10 62.90 20011968.95 2366.40 8621.71 99.20 47.70 60.90 20022062.27 2475.60 9398.05 98.70 46.20 57.90 20032102.72 2622.20 10541.97 99.90 45.60 59.70 20

9、042301.00 4039.60 12335.58 102.80 47.20 43.90 20052560.00 4631.20 14053.00 100.80 45.50 51.40 20062847.00 5025.10 16154.10 101.00 43.00 59.90 20073265.00 5791.10 19524.46 103.80 43.10 51.20 20213756.00 6700.70 22698.00 105.90 43.67 55.70 20213901.00 6977.29 25607.53 98.80 40.97 45.00 20214163.33 699

10、9.10 30015.05 103.10 41.09 49.50 4. 模型利用Eviews软件，分别绘制被解释变量与各解释变量的散点图如下：从散点图可知，解释变量X1、X2、X4与Y之间存在线性相关关系，而X3、X5与Y的线性关系不明显。由以上分析和有关经济理论出发，建立多元线性回归模型。为严谨起见，亦将X3、X5纳入方程，在之后的统计检验或计量经济学检验中再决定取舍。利用Eviews软件进行普通最小二乘估计，初步回归结果如下：Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 22:46Sample: 1990 20

11、21Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X10.2473060.0998062.4778790.0256X20.0647600.0248152.6097500.0197X3-9.0962688.069187-1.1272840.2773X4-0.04531620.40007-0.0022210.9983X515.368918.2337361.8665780.0816C729.64131211.8880.6020700.5561R-squared0.983107Mean dependent v

12、ar2030.346Adjusted R-squared0.977476S.D. dependent var1073.183S.E. of regression161.0627Akaike info criterion13.23642Sum squared resid389117.9Schwarz criterion13.53486Log likelihood-132.9824Hannan-Quinn criter.13.30119F-statistic174.5896Durbin-Watson stat0.547096Prob(F-statistic)0.0000005. 经济意义检验根据经

13、济意义，随着成灾面积占受灾面积比重的增加，农村居民的消费水平下降。Eviews回归的结果中，X5的系数为正，不符合经济意义。当经济意义不符合时，往往是由于模型中出现了多重共线性所致。6. 统计检验拟合优度检验：由回归结果可知，可决系数为0.993107，调整的可决系数为0.977476.说明方程的拟合优度较好。显著性检验：除了X4和常数项之外，其他解释变量的参数均通过T检验。拟合优度较好而某些参数无法通过显著性检验，更加验证了之前的猜想模型中存在多重共线性。7. 计量经济学检验及修正7.1. 多重共线性7.1.1 多重共线性检验首先计算各解释变量间的相关系数矩阵：X1X2X3X4X5X11.0

14、00000X20.9831211.000000X3-0.259363-0.2503921.000000X4-0.893935-0.8896340.5021801.000000X5-0.042090-0.028173-0.188386-0.2328281.000000由以上结果可知，X1、X2、X4之间存在高度线性相关。7.1.2 用逐步回归法消除多重共线性用被解释变量对各解释变量依次进行回归，结果如下：X1:Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 22:48Sample: 1990 2021Included

15、observations: 21VariableCoefficientStd. Errort-StatisticProb.X10.4943880.02214722.323490.0000C519.651181.852636.3486180.0000R-squared0.963274Mean dependent var2030.346Adjusted R-squared0.961341S.D. dependent var1073.183S.E. of regression211.0092Akaike info criterion13.63207Sum squared resid845973.0S

16、chwarz criterion13.73155Log likelihood-141.1368Hannan-Quinn criter.13.65366F-statistic498.3381Durbin-Watson stat0.452734Prob(F-statistic)0.000000X2Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 22:49Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticPro

17、b.X20.1302550.00573422.717510.0000C659.795875.429688.7471640.0000R-squared0.964492Mean dependent var2030.346Adjusted R-squared0.962623S.D. dependent var1073.183S.E. of regression207.4805Akaike info criterion13.59834Sum squared resid817914.8Schwarz criterion13.69782Log likelihood-140.7826Hannan-Quinn

18、 criter.13.61993F-statistic516.0852Durbin-Watson stat0.306836Prob(F-statistic)0.000000X3Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 22:49Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X3-54.8378237.52211-1.4614800.1602C7707.1053890.9281.9807

19、880.0623R-squared0.101057Mean dependent var2030.346Adjusted R-squared0.053744S.D. dependent var1073.183S.E. of regression1043.946Akaike info criterion16.82980Sum squared resid20706645Schwarz criterion16.92927Log likelihood-174.7129Hannan-Quinn criter.16.85139F-statistic2.135924Durbin-Watson stat0.10

20、9109Prob(F-statistic)0.160226X4Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 22:50Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X4-150.727214.82506-10.167060.0000C9639.416754.369012.778120.0000R-squared0.844732Mean dependent var2030.346Adjust

21、ed R-squared0.836560S.D. dependent var1073.183S.E. of regression433.8632Akaike info criterion15.07373Sum squared resid3576508.Schwarz criterion15.17321Log likelihood-156.2741Hannan-Quinn criter.15.09532F-statistic103.3691Durbin-Watson stat0.393107Prob(F-statistic)0.000000X5Dependent Variable: YMetho

22、d: Least SquaresDate: 01/16/13 Time: 22:50Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X510.7858342.980760.2509460.8046C1463.6282271.0360.6444760.5270R-squared0.003303Mean dependent var2030.346Adjusted R-squared-0.049154S.D. dependent var1073.183S.E. of regr

23、ession1099.242Akaike info criterion16.93302Sum squared resid22958332Schwarz criterion17.03250Log likelihood-175.7967Hannan-Quinn criter.16.95461F-statistic0.062974Durbin-Watson stat0.048747Prob(F-statistic)0.804550由以上回归结果可知，就拟合优度而言，被解释变量对解释变量X2回归的可决系数最大，因此以模型2Y对X2的回归方程为根底，依次增加其他变量，以求得最优的回归方程。X2、X1De

24、pendent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 23:10Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X20.0680980.0285422.3859350.0282X10.2401200.1083992.2151470.0399C580.079577.551927.4798850.0000R-squared0.972098Mean dependent var2030.346Adjusted

25、R-squared0.968998S.D. dependent var1073.183S.E. of regression188.9605Akaike info criterion13.45252Sum squared resid642709.4Schwarz criterion13.60173Log likelihood-138.2514Hannan-Quinn criter.13.48490F-statistic313.5561Durbin-Watson stat0.244955Prob(F-statistic)0.000000第一步：在初始模型中引入X1，模型拟合优度有所提高，同时在5%

26、的显著性水平下变量也通过了显著性检验，同时估计参数的符号也符合经济学解释的预期。X2、X1、X4 Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 23:15Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X20.0602620.0258662.3298120.0324X10.1868290.1000951.8665170.0793X4-30.0638413.05553-2.3027670.03

27、42C2343.064768.75763.0478580.0073R-squared0.978732Mean dependent var2030.346Adjusted R-squared0.974979S.D. dependent var1073.183S.E. of regression169.7572Akaike info criterion13.27626Sum squared resid489897.7Schwarz criterion13.47522Log likelihood-135.4007Hannan-Quinn criter.13.31944F-statistic260.7

28、734Durbin-Watson stat0.302630Prob(F-statistic)0.000000第二步：继续引入第二个解释变量X4，模型拟合优度虽有所提高，但是变量X1的系数未能通过显著性检验，所以将X4排除模型。X2、X1、X3Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 23:18Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X20.0693810.0268312.5858

29、850.0192X10.2261220.1021512.2136120.0408X3-12.158436.610831-1.8391680.0834C1867.984704.04712.6532090.0167R-squared0.976728Mean dependent var2030.346Adjusted R-squared0.972622S.D. dependent var1073.183S.E. of regression177.5735Akaike info criterion13.36629Sum squared resid536050.0Schwarz criterion13.

30、56525Log likelihood-136.3460Hannan-Quinn criter.13.40947F-statistic237.8338Durbin-Watson stat0.345430Prob(F-statistic)0.000000第三步：去掉X4后，继续引入X3，拟合优度提高，但变量X3的系数未通过显著性检验，虽然估计参数的符号符合经济意义，也不能将X3引入模型。X2、X1、X5Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 23:20Sample: 1990 2021Included obse

31、rvations: 21VariableCoefficientStd. Errort-StatisticProb.X20.0632500.0245392.5775100.0196X10.2601880.0932442.7904060.0126X517.386926.3579652.7346670.0141C-343.7838344.3172-0.9984510.3321R-squared0.980622Mean dependent var2030.346Adjusted R-squared0.977203S.D. dependent var1073.183S.E. of regression1

32、62.0376Akaike info criterion13.18318Sum squared resid446355.1Schwarz criterion13.38213Log likelihood-134.4234Hannan-Quinn criter.13.22636F-statistic286.7651Durbin-Watson stat0.642491Prob(F-statistic)0.000000第四步：去掉X3后，继续引入X5，拟合优度虽有显著提高，但常数项系数未通过显著性检验，虽然估计参数的符号符合经济意义，也不能将X5引入模型。将上述结果总结为下表格：0X2X1X 4X3X

33、5R2659.79580.1302550.9644920.00000.0000580.07950.0680980.2401200.9720980.00000.02820.03992343.0640.0602620.186829-30.063840.9787320.00730.03240.07930.03421867.9840.0693810.226122-12.158430.9767280.01670.01920.04080.0834-343.78380.0632500.26018817.386920.9806220.33210.01960.01260.0141因此，回归式中只应含有X2和X1

34、这两个解释变量。消除多重共线性后，得到的最正确模型即为初始模型：Y = 0.0680982088863*X2 + 0.240120260312*X1 + 580.079486342Dependent Variable: YMethod: Least SquaresDate: 01/16/13 Time: 23:24Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.X20.0680980.0285422.3859350.0282X10.2401200.1083992.215

35、1470.0399C580.079577.551927.4798850.0000R-squared0.972098Mean dependent var2030.346Adjusted R-squared0.968998S.D. dependent var1073.183S.E. of regression188.9605Akaike info criterion13.45252Sum squared resid642709.4Schwarz criterion13.60173Log likelihood-138.2514Hannan-Quinn criter.13.48490F-statist

36、ic313.5561Durbin-Watson stat0.244955Prob(F-statistic)0.0000007.2. 异方差性图示检验法首先采用图示检验法，用OLS法下得到的残差平方和X散点图初步判断具有异方差性：7.2.1 White检验在Eviews里作White检验，输出结果如下：Heteroskedasticity Test: WhiteF-statistic3.599869Prob. F(5,15)0.0244Obs*R-squared11.45436Prob. Chi-Square(5)0.0431Scaled explained SS2.874847Prob. Ch

37、i-Square(5)0.7193Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 01/17/13 Time: 11:16Sample: 1990 2021Included observations: 21VariableCoefficientStd. Errort-StatisticProb.C73231.2120974.563.4914300.0033X26.03804616.228410.3720660.7150X22-2.88E-050.002154-0.0133550.9895X2*X1-0.0002090.018232-0.0114660.9910X1-41.2307565.96896-0.6250020.5414X120.0025550.0387670.0659110.9483R-squared0.545445Mean dependent var30605.21Adjusted R-squared0.393927S.D. dependent var25922.32S.E. of regression20210.70Akaike info criterion22.89780