居民消费水平的影响因素分析精品资料.docx
- 文档编号:11110097
- 上传时间:2023-02-25
- 格式:DOCX
- 页数:17
- 大小:36.57KB
居民消费水平的影响因素分析精品资料.docx
《居民消费水平的影响因素分析精品资料.docx》由会员分享,可在线阅读,更多相关《居民消费水平的影响因素分析精品资料.docx(17页珍藏版)》请在冰豆网上搜索。
居民消费水平的影响因素分析精品资料
居民消费水平的影响因素分析
[摘要]正因为消费水平的提高能推动经济的发展,发展经济就应该紧紧抓住消费。
不论从宏观的角度或微观的角度,居民消费水平都直接影响着我国国民经济的发展。
在宏观经济学中凯恩斯对消费的分析可知消费水平受到很多因素的影响,在这众多的因素当中哪些是主要影响因素呢?
为了理清影响居民消费水平的主要因素,本文采用定性分析和定量分析相结合的研究方法,通过收集1978年至2012年35年间的数据,在定性论述的基础上,运用Eviews软件,建立计量经济模型进行定量分析,对影响居民消费水平的因素进行分析和研究。
一、模型的建立
1数据收集与变量选取
通过研究以前学者对影响因素的选取并且根据西方经济学理论,居民的最终消费支出主要受可支配收入、商品价格水平、价格预期、消费者财产、消费者偏好等因素的影响。
杜森贝利提出的相对收入假说认为,居民用于消费的支出受消费者以前以及目前的收入影响;居民储蓄直接影响着居民的最终消费,当居民可支配收入增加时,居民的储蓄会随之上升,但同时也是为日后的消费做准备,居民可支配收入是影响居民储蓄水平的一个主要因素应选入模型当中。
消费品价格对消费者的消费倾向会有影响,由于消费者收入水平有限,若居民的收入不变,物价水平越高,则消费支出越多;反之则消费支出越少。
居民消费价格指数能全面反映物价水平的变动,可选入模型当中。
税收是国家取得财政收入的一种形式,起着调节微观经济主体活动的作用,税收可以通过对市场价格的影响来影响消费者的行为。
税收作为重要的宏观调控手段,在扩大内需尤其是引导居民消费方面,具有十分重要的作用。
消费者的可支配收入会受税收的影响,可支配收入的改变会影响商品的购买量,从而消费水平也会发生改变,GDP即国内生产总值,消费水平的高低影响着GDP的大小,反之要GDP的大小也影响着消费水平的高低。
从以上分析可以看出,影响居民消费因素比较多,考虑到样本数据的可收集性和我国经济的实际情况,选取了1918~2012年人均国内生产总值(x1)、城镇居民人均可支配收入(x2)、农村居民人均可支配收入(x3)三个因素,分析其对居民消费的影响。
其中,为了增加数据的平稳性,对模型的被解释变量人均居民消费水平Y和解释变量x1、x2和x3均用价格指数进行平减(1978=100)并取自然对数,然后进行回归分析。
2模型初步提出
根据eviews分析得出,取对数后的变量lnx1、lnx2、lnx3分别与lny成线性相关关系
。
故而得出关于影响居民消费水平的线性回归模型Y=C+β1X1+β2X2+β3X3+β4X4+μi。
其中Y代表居民消费水平(单位:
元),X1人均国内生产总值(单位:
元),X2代表城镇人均可支配收入(单位:
元),X3代表农村居民家庭可支配收入(单位:
元),μi代表随机干扰项。
我们通过对该模型的回归分析,得出各个变量与我国居民消费水平的变动关系。
3模型的估计与检验
3.1参数估计
利用eviews软件对变量进行分析,得出下面的回归结果:
Lny=-0.35+0.62lnx1+0.14lnx2+0.21lnx3
F=25547.89DW=0.6569R=0.999596R2=0.999557
但是lnx2的P值为0.202>0.05,未通过显著性检验。
通过对各个变量的相关系数分析可知,各个变量之间的相关系数都很大,可能存在多重共线性。
利用逐步回归的方法通过eviews软件对各变量进行简单回归,剔除lnx2之后的回归方程为:
Lny=-0.23+0.74lnx1+0.21x3
F=37501.66DW=0.6594R=0.999576R2=0.999547
各个变量都能够通过显著性检验。
3.2自相关检验
通过LM检验和对残差序列分析可知,模型存在一阶自相关,通过在模型加入ar
(1)项,修正一阶自相关。
但模型中常数项并未通过显著性检验,将其剔除后模型的各个变量都能够通过显著性检验,并且不存在自相关。
3.3异方差检验
利用怀特检验进行异方差检验,发现不存在异方差。
二、结论分析
综上所述,经过自相关、异方差的检验及多重共线性的修正,将方程lny=0.796lnx1+0.127lnx3作为本研究对象的最终模型。
利用计量经济学的基本方法,通过对初始线性回归模型中变量的筛选和剔除,最后选出模型中的变量分别是人均国内生产总值、农村人均可支配收入。
预测模型lny=0.796lnx1+0.127lnx3可决系数R2达到0.9997水平,该模型在理论上符合实际,对我国1978年2012年居民消费水平的变化有很好的解释能力。
其经济含义如下:
人均国内生产总值系数β1=0.796,表示当模型中其它变量不变的情况下,人均国内生产总值每增加一个百分点,将带动全国居民消费水平增长0.796元。
农村居民人均可支配收入系数β2=0.127,表示在模型中其它变量不变的情况下,农村居民人均可支配收入增加一个百分点,全国居民消费水平将会增加0.127元。
三、提升居民消费水平的政策建议
当前制约我国经济增长的因素很多,靠扩大投资拉动经济增长不是长久之计,靠扩大出口拉动经济增长也面临居多难题,因此,扩大内需、提升居民消费水平来拉动经济增长应是长久之策,根据以上分析,提升居民消费水平可从以下几方面着手:
大力发展生产力。
增加科技投入,把国民经济蛋糕做大做强,提升国内生产总值整体水平。
当前,要发展低碳与生态经济,增加国内生产总值的绿色含量,提高居民整体收入水平,特别是农村居民收入水平。
中国是一个农业大国,农村居民收入水平低是居民消费水平难以提高的重要原因。
切实提高农民收入,不仅是农民由温饱进入小康、改善农民生活质量的关键,也是刺激消费、促进经济健康快速协调发展的重要着力点。
调整农业结构,大力发展优质高效农业。
当前要对传统农业结构模式进行优化和调整。
大力发展“两高一优”农业。
调整重点是进行农产品的品种改良和换代,提升品质,提高效益。
大力发展农村合作经济组织,服务农民。
当前要大力发展农村合作经济组织,架起种植基地与市场供应的桥梁,为农民提供有效信息,同时畅通购销渠道。
为农民的产前、产中、产后提供全方位的服务,促进农民增产增收。
针对提高城镇居民的可支配收入方面,税收政策尤其是个人所得税方面需尽快进行调整。
现行的个人所得税制度采取分类制征收,极不公平。
当前,要在提高个人所得税费用扣除额的同时,尽快实行个人所得税征收模式由分类制向综合制转变。
最好以家庭为单位,这样既可以增加居民的税后可支配收入,又能贯彻公平课税的原则。
附录:
1.原始数据:
时间
居民消费水平(元)
居民消费水平指数(1978=100)
居民消费水平(剔除价格变动因素)(元)(=居民消费水平绝对值/居民消费水平定基指数*100)
人均国内生产总值(元)
人均国内生产总值指数(1978=100)
人均国内生产总值(剔除价格变动因素)(元)(等于人均国内生产总值/人均国内生产总值定基指数*100)
城镇居民家庭人均可支配收入(元)
城镇居民家庭人均可支配收入指数(1978=100)
城镇居民家庭人均可支配收入(剔除价格变动因素)(元)(=城镇居民人均收入绝对数/定基指数*100)
农村居民家庭人均纯收入(元)
农村居民家庭人均纯收入指数(1978=100)
农村居民家庭人均纯收入(剔除价格变动因素)(元)(=农村居民人均收入绝对数/定基指数*100)
1978年
184
100
184
382
100
382
343.4
100
343.4
133.6
100
133.6
1979年
208
107
222.56
420
106.1
445.62
405
115.7
468.585
160.2
119.2
190.9584
1980年
238
116.8
277.984
464
113
524.32
477.6
127
606.552
191.3
139
265.907
1981年
264
126.1
332.904
493
117.3
578.289
500.4
129.9
650.0196
223.4
160.4
358.3336
1982年
284
133.1
378.004
529
126.1
667.069
535.3
136.3
729.6139
270.1
192.3
519.4023
1983年
315
145.3
457.695
584
137.6
803.584
564.6
141.5
798.909
309.8
219.6
680.3208
1984年
356
160.9
572.804
697
156.5
1090.805
652.1
158.7
1034.8827
355.3
249.5
886.4735
1985年
440
181.3
797.72
860
175.3
1507.58
739.1
160.4
1185.5164
397.6
268.9
1069.1464
1986年
496
191.6
950.336
966
188.1
1817.046
900.9
182.7
1645.9443
423.8
277.6
1176.4688
1987年
558
203.1
1133.298
1,116
206.8
2307.888
1,002.10
186.8
1871.9228
462.6
292
1350.792
1988年
684
212.6
1454.184
1,371
226.6
3106.686
1,180.20
182.3
2151.5046
544.9
310.7
1693.0043
1989年
785
221.3
1737.205
1,528
232.5
3552.6
1,373.90
182.5
2507.3675
601.5
305.7
1838.7855
1990年
831
227.5
1890.525
1,654
238.1
3938.174
1,510.20
198.1
2991.7062
686.3
311.2
2135.7656
1991年
916
242.2
2218.552
1,903
256.7
4885.001
1,700.60
212.4
3612.0744
708.6
317.4
2249.0964
1992年
1,057
265.8
2809.506
2,324
289.7
6732.628
2,026.60
232.9
4719.9514
784
336.2
2635.808
1993年
1,332
293.8
3913.416
3,015
326.3
9837.945
2,577.40
255.1
6574.9474
921.6
346.9
3197.0304
1994年
1,799
313.8
5645.262
4,066
364.9
14836.834
3,496.20
276.8
9677.4816
1,221.00
364.3
4448.103
1995年
2,330
339.8
7917.34
5,074
400.6
20326.444
4,283.00
290.3
12433.549
1,577.70
383.6
6052.0572
1996年
2,765
372.5
10299.625
5,878
435.8
25616.324
4,838.90
301.6
14594.1224
1,926.10
418.1
8053.0241
1997年
2,978
389.6
11602.288
6,457
471.1
30418.927
5,160.30
311.9
16094.9757
2,090.10
437.3
9140.0073
1998年
3,126
411.5
12863.49
6,835
503.3
34400.555
5,425.10
329.9
17897.4049
2,162.00
456.1
9860.882
1999年
3,346
445.9
14919.814
7,199
536.9
38651.431
5,854.00
360.6
21109.524
2,210.30
473.5
10465.7705
2000年
3,721
493.1
18348.251
7,902
577.6
45641.952
6,280.00
383.7
24096.36
2,253.40
483.4
10892.9356
2001年
3,987
523.2
20859.984
8,670
621.1
53849.37
6,859.60
416.3
28556.5148
2,366.40
503.7
11919.5568
2002年
4,301
567.3
24399.573
9,450
673
63598.5
7,702.80
472.1
36364.9188
2,475.60
527.9
13068.6924
2003年
4,606
600
27636
10,600
735.8
77994.8
8,472.20
514.6
43597.9412
2,622.20
550.6
14437.8332
2004年
5,138
643
33037.34
12,400
805.2
99844.8
9,421.60
554.2
52214.5072
2,936.40
588
17266.032
2005年
5,771
705.4
40708.634
14,259
891.3
127090.467
10,493.00
607.4
63734.482
3,254.90
624.5
20326.8505
2006年
6,416
765
49082.4
16,602
998.8
165820.776
11,759.50
670.7
78870.9665
3,587.00
670.7
24058.009
2007年
7,572
862.6
65316.072
20,337
1,134.70
230763.939
13,785.80
752.5
103738.145
4,140.40
734.4
30407.0976
2008年
8,707
934.3
81349.501
23,912
1,237.50
295911
15,780.80
815.7
128723.9856
4,760.60
793.2
37761.0792
2009年
9,514
1,026.10
97623.154
25,963
1,345.10
349228.313
17,174.70
895.4
153782.2638
5,153.20
860.6
44348.4392
2010年
10,919
1,124.50
122784.155
30,567
1,480.90
452666.703
19,109.40
965.2
184443.9288
5,919.00
954.4
56490.936
2011年
13,134
1,248.60
163991.124
36,018
1,613.60
581186.448
21,809.80
1,046.30
228195.9374
6,977.30
1,063.20
74182.6536
2012年
14,699
1,362.00
200200.38
39,544
1,730.20
684190.288
24,564.70
1,146.70
281683.4149
7,916.60
1,176.90
93170.4654
图表1以上数据来源于国家统计局经计算得出
2.Eviews软件结果
x1、x2、x3分别与y之间关系的散点图:
取对数后x1、x2、x3分别与y之间关系的散点图:
变量取对数后的回归模型
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
06/21/15Time:
16:
56
Sample:
19782012
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-0.349133
0.105803
-3.299831
0.0024
LNX1
0.619712
0.098307
6.303849
0.0000
LNX2
0.140371
0.107687
1.303504
0.2020
LNX3
0.214129
0.033598
6.373234
0.0000
R-squared
0.999596
Meandependentvar
8.693085
AdjustedR-squared
0.999557
S.D.dependentvar
2.103196
S.E.ofregression
0.044289
Akaikeinfocriterion
-3.288962
Sumsquaredresid
0.060806
Schwarzcriterion
-3.111208
Loglikelihood
61.55684
Hannan-Quinncriter.
-3.227601
F-statistic
25547.89
Durbin-Watsonstat
0.686901
Prob(F-statistic)
0.000000
剔除lnx2的回归模型
DependentVariable:
LOG(Y)
Method:
LeastSquares
Date:
06/21/15Time:
18:
41
Sample:
19782012
Includedobservations:
35
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
-0.228630
0.052020
-4.395053
0.0001
LNX1
0.743481
0.025744
28.87944
0.0000
LNX3
0.211417
0.033898
6.236848
0.0000
R-squared
0.999574
Meandependentvar
8.693085
AdjustedR-squared
0.999547
S.D.dependentvar
2.103196
S.E.ofregression
0.044770
Akaikeinfocriterion
-3.292744
Sumsquaredresid
0.064139
Schwarzcriterion
-3.159428
Loglikelihood
60.62302
Hannan-Quinncriter.
-3.246723
F-statistic
37501.66
Durbin-Watsonstat
0.659370
Prob(F-statistic)
0.000000
对残差列的检验
DependentVariable:
RES
Method:
LeastSquares
Date:
06/21/15Time:
18:
38
Sample(adjusted):
19792012
Includedobservations:
34afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
RES(-1)
0.671246
0.130151
5.157421
0.0000
R-squared
0.446265
Meandependentvar
0.000341
AdjustedR-squared
0.446265
S.D.dependentvar
0.044039
S.E.ofregression
0.032771
Akaikeinfocriterion
-3.969591
Sumsquaredresid
0.035439
Schwarzcriterion
-3.924698
Loglikelihood
68.48305
Hannan-Quinncriter.
-3.954282
Durbin-Watsonstat
1.736550
DependentVariable:
RES
Method:
LeastSquares
Date:
06/21/15Time:
18:
38
Sample(adjusted):
19802012
Includedobservations:
33afteradjustments
Variable
Coefficient
Std.Error
t-Statistic
Prob.
RES(-1)
0.794006
0.178749
4.442004
0.0001
RES(-2)
-0.183150
0.178571
-1.025647
0.3130
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 居民消费 水平 影响 因素 分析 精品 资料