关于中国居民消费的计量经济学试验报告

 

1.引言

居民消费在社会经济的持续发展中有着重要的作用。居民合理的消费模式和居民适度的消费规模有利于经济持续健康的增长，而且这也是人民生活水平的具体体现。改革开放以来随着中国经济的快速发展，人民生活水平不断提高，居民的消费水平也不断增长。但是在看到这个整体趋势的同时，还应看到全国各地区经济发展速度不同，居民消费水平也有明显差异。例如，2005年全国城镇居民家庭平均每人全年消费支出为7942.88元, 最低的海南省仅为人均5928.79元，最高的上海市达人均13773.41元，上海是海南的2.32倍。为了研究全国居民消费水平及其变动的原因，需要作具体的分析。影响各地区居民消费支出有明显差异的因素可能很多，例如，居民的收入水平、就业状况、零售物价指数、利率、居民财产、购物环境等等都可能对居民消费有影响。为了分析什么是影响各地区居民消费支出有明显差异的最主要因素，并分析影响因素与消费水平的数量关系，可以建立相应的计量经济模型去研究。

2.模型设定

    我们研究的对象是各地区居民消费的差异。居民消费可分为城镇居民消费和农村居民消费，由于各地区的城镇与农村人口比例及经济结构有较大差异，最具有直接对比可比性的是城镇居民消费。而且，由于各地区人口和经济总量不同，只能用“城镇居民每人每年的平均消费支出”来比较，而这正是可从统计年鉴中获得数据的变量。所以模型的被解释变量Y选定为“城镇居民每人每年的平均消费支出”。

    因为研究的目的是各地区城镇居民消费的差异，并不是城镇居民消费在不同时间的变动，所以应选择同一时期各地区城镇居民的消费支出来建立模型。因此建立的是2005年截面数据模型。

    影响各地区城镇居民人均消费支出有明显差异的因素有多种，但从理论和经验分析，最主要的影响因素应是居民收入，其他因素虽然对居民消费也有影响，但有的不易取得数据，如“居民财产”和“购物环境”；有的与居民收入可能高度相关，如“就业状况”、“居民财产”；还有的因素在运用截面数据时在地区间的差异并不大，如“零售物价指数”、“利率”。因此这些其他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随即扰动项中。为了与“城镇居民人均消费支出”相对应，选择在统计年鉴中可以获得的“城镇居民每人每年可支配收入”作为解释变量X。

    从2006年《中国统计年鉴》中得到表1的数据:

表1        2005年中国各地区城市居民人均年消费支出和可支配收入

地区

城镇居民家庭平均每人每年消费支出(元)

                Y

城市居民人均年可支配收入(元)

              X

全国

7942.88

10493.03

 

 北  京

13244.20

17652.95

 天  津

9653.26

12638.55

 河  北

6699.67

9107.09

 山  西

6342.63

8913.91

 内蒙古

6928.60

9136.79

 

 辽  宁

7369.27

9107.55

 吉  林

6794.71

8690.62

 黑龙江

6178.01

8272.51

 

 上  海

13773.41

18645.03

 江  苏

8621.82

12318.57

 浙  江

12253.74

16293.77

 安  徽

6367.67

8470.68

 福  建

8794.41

12321.31

 江  西

6109.39

8619.66

 山  东

7457.31

10744.79

 

 河  南

6038.02

8667.97

 湖  北

6736.56

8785.94

 湖  南

7504.99

9523.97

 广  东

11809.87

14769.94

 广  西

7032.80

9286.70

 海  南

5928.79

8123.94

 

 重  庆

8623.29

10243.46

 四  川

6891.27

8385.96

 贵  州

6159.29

8151.13

 云  南

6996.90

9265.90

 西  藏

8617.11

9431.18

 

 陕  西

6656.46

8272.02

 甘  肃

6529.20

8086.82

 青  海

6245.26

8057.85

 宁  夏

6404.31

8093.64

 新  疆

6207.52

7990.15

 

    作城镇居民家庭平均每人每年消费支出(Y)和城镇居民人均年可支配收入(X)的散点图，如图2：

    从散点图可以看出城镇居民家庭平均每人每年消费支出(Y)和城镇居民人均年可支配收入(X)大体呈现为线性关系，所以建立的计量经济模型为如下线性模型：

                         

3.估计参数

    假定所建模型及随机扰动项 满足古典假定，可以用OLS法估计其参数。运用计算机软件EViews作计量经济分析十分方便。

    利用EViews作简单线性回归分析的步骤如下：

    Create u 31\data y x\ls y c x.

    随着出现回归结果表3：

表3

Dependent Variable: Y

Method: Least Squares

Date: 11/24/07   Time: 23:20

Sample: 1 31

Included observations: 31

Variable

Coefficient

Std. Error

t-Statistic

Prob. 

C

346.0459

305.7770

1.131693

0.2670

X

0.728453

0.028858

25.24223

0.0000

R-squared

0.956468

    Mean dependent var

7773.217

Adjusted R-squared

0.954966

    S.D. dependent var

2183.308

S.E. of regression

463.3222

    Akaike info criterion

15.17706

Sum squared resid

6225356.

    Schwarz criterion

15.26958

Log likelihood

-233.2445

    F-statistic

637.1699

Durbin-Watson stat

1.372727

    Prob(F-statistic)

0.000000

   参数估计的结果为：

            ˆYi=346.046+0.7285Xi                  

               （1.13） (25.24)

       R²=0.9565,  ‾R² =0.9550,  D.W.=1.37,  F=637.17

4.模型检验

Ⅰ、经济意义检验

所估计的参数ˆβ2=0.7285，说明城镇居民人均年可支配收入每相差1元，可导致居民消费支出相差0.7285元。这与经济学中边际消费倾向的意义相符。

Ⅱ、拟合优度和统计检验

用EViews得出回归模型参数估计结果的同时，已经给出了用于模型检验的相关数据。

拟合优度的度量：由表3中可以看出，可决系数为0.9565，说明所建模型整体上对样本数据拟合较好，即解释变量“城镇居民人均年可支配收入”对被解释变量“城镇居民人均年消费支出”的绝大部分差异作出了解释。

对回归系数的t检验：针对 和 ，由表3中还可以看出，估计的回归系数 的标准误差和t值分别为：SE(ˆβ1)=305.7770，t(ˆβ1)=1.13； 的标准误差和t值分别为：SE(ˆβ2)=0.028858，t(ˆβ2）=25.24。取 ，查t分布表得自由度为 临界值 。因为t(ˆβ1)=1.13<2.045，所以不能拒绝 ；因为t(ˆβ2)=25.24>2.045，所以应拒绝 。这表明，城镇人均年可支配收入对人均年消费支出有显著影响。

5.回归预测

    由表1中可看出，2005年中国西部地区城镇居民人均年可支配收入除了西藏外均在9000元以下，人均消费支出也都在7000元以下。在西部大开发的推动下，如果西部地区的城镇居民人均年可支配收入第一步争取达到1500美元(按现有汇率即人民币11115元)，第二步再争取达到2000美元(即人民币14820元)，利用所估计的模型可预测这时城镇居民可能达到的人均年消费支出水平。可以注意到，这里的预测是利用截面数据模型对被解释变量在不同空间状况的空间预测。

    用EViews作回归预测，ˆσ=463.32

                         ˆYf1=8443.32,ˆYf2=11142.42

                         Σxi²=σ²(n-1)=2183.308²×30＝143005014.7

                         (Xf1-‾X)²=(11115-10493.03)²=386846.68

                         (Xf2-‾X)²=(14820-10493.03)²=18722669.38

取 , 平均值置信度95%的预测区间为：

                   

    当Xf1=11115元时， 平均值置信度95%的预测区间为8443.32m177.17元。当Xf2=14820元时， 平均值置信度95%的预测区间为11142.42m382.74元。

个别值置信度95%的预测区间为：

              

当Xf1=11115时， 个别值置信度95%的预测区间为8443.32m963.91元。当Xf2=14820时， 个别值置信度95%的预测区间为8443.32m1021.88元。