计量经济学论文完整稿.docx
- 文档编号:23563126
- 上传时间:2023-05-18
- 格式:DOCX
- 页数:45
- 大小:266.14KB
计量经济学论文完整稿.docx
《计量经济学论文完整稿.docx》由会员分享,可在线阅读,更多相关《计量经济学论文完整稿.docx(45页珍藏版)》请在冰豆网上搜索。
计量经济学论文完整稿
昆明学院
2015届数理统计论文
论文题目昆明学院大学生消费分析
姓名XXX
学号XXXXXXXXXXXX
所属系数学系
专业年级2011级数学与应用数学金融1班
指导教师XXX
2013年12月
摘要
大学生是当代青年中的特殊消费群体,把握大学生消费行为的特点,研究其消费趋势,对指导大学生进行理性消费有着重要的意义。
本着对昆明学院大学群体做整体分析的心,针对昆明学院大学生的日常消费进行亲身调查而收集数据。
调查了昆明学院大学生每月的衣着消费、学习消费、娱乐消费、通讯消费、日常需品、饮食消费、情感投资、每月总消费等方面,利用软件Eviews6.0根据所得数据(即样本)估计昆明学院大学生消费结构(即总体分布),对昆明学院大学生每月的衣着消费、学习消费、娱乐消费、通讯消费、日常需品、饮食消费、情感投资、每月总消费这几方面进行一系列计算和数据整理并分析。
进一步建立模型,参数估计,模型检验,回归分析,得出昆明学院大学生消费总体结构初步结论。
关键词:
消费者行为精神消费线性回归回归分析回归模型
Abstract
Collegestudentsisaspecialconsumergroupincontemporaryyouth,graspthecharacteristicsofcollegestudents'consumptionbehavior,studythetrendofconsumption,isofgreatsignificancetoguidetherationalconsumptionofcollegestudents.Inlinewiththeinstituteofkunminguniversitygroupdotheoverallanalysisoftheheart,accordingtothecollegestudents'dailyconsumptionkunmingfirst-handinvestigationanddatacollection.Investigatedkunminginstituteofcollegestudents'clothingconsumptionpermonth,learning,entertainment,consumption,communication,dailynecessities,foodconsumption,emotionalinvestment,monthlytotalconsumption,etc.,usingEviews6.0softwareaccordingtotheobtaineddata(samples)estimatethekunminginstituteofcollegestudents'consumptionstructure(thatis,thepopulationdistribution),thecollegestudentsinkunmingmonthlyclothingconsumption,learning,entertainment,consumption,communication,dailynecessities,foodconsumption,emotionalinvestment,monthlytotalconsumptionofthisafewaspectsofaseriesofcalculationanddatasortingandanalysis.Furthermodel,parameterestimation,modeltest,regressionanalysis,kunminginstituteofcollegestudents'consumptionoverallstructurepreliminaryconclusions.
Keywords:
consumerbehaviormentalconsumptionlinearregression
regressionanalysisregressionmodelmultipleregression
第一章绪论
大学阶段是青年学生社会化的重要时期,而消费行为和活动既是社会化的媒介,又是社会化的表现形式。
大学生作为一个特殊的消费群体,其消费观念、消费行为、消费模式对整个社会青年消费群体的趋向影响很大。
同时,也对他们在消费过程中的社会化起着至关重要的作用。
然而,在社会转型期,随着社会经济的变革,大学生的消费行为发生了很大的变化,从传统的单一生存逐渐变得多元化、社会化,出现了许多不合理的消费行为,使他们一些人在消费社会化的过程中出现了迷失现象。
本文从大学生群体消费行为这一点入手,通过对大学生群体消费行为的分析,以及通过消费与认同、消费与情感、消费与文化的理论分析,可以看出大学生在消费行为上的确出现了对消费需求、消费认同、消费情感、消费选择、消费文化上出现了不同程度的错位现象,不能为自己找到一个适合自身的消费认同群体,一个适合自身消费水平的良好的生活方式,以及一个恰当的情感释放和宣泄渠道,从而使一部分大学生在消费过程中出现了社会化的迷失。
最后,给出一种适合大学生群体的合理消费观,即主张在消费行为中理性消费和感性消费有机的结合统一,在物质和精神的消费上获得最大的收益。
消费是由行为而起,行为由心理而支配,行为是心理动态的一种表示方法,所以,从消费者的行为着手,以消费者的行为来检测其心理动态,了解学生的价值观。
故此,利用调查表的形式来探究消费者的行为和心理。
说夸张一点,社会的可持续发展和可持续消费问题,事关国家的命运和社会的前途。
深入分析研究昆明学院大学生的消费行为,认清现状与发展趋势,了解合理行为与不良行为的表现,才可以指导大学生理性消费,丰富了大学生消费理论,为高校管理同时也将有益于促进昆明学院经济发展和社会进步。
价值观与消费者行为有着密切的关系,价值观在消费者行为学研究领域的重要作用得到了众多专家和学者的认可。
美国消费者行为学家亨利·阿塞尔(HenryAssael)认为一个社会的价值观会影响其成员的购买和消费模式。
宋思根、冯林燕(2008)分析了中国大学生消费决策形态和消费价值观的多维性,指出在经济实惠型、粗心冲动型和信息利用型三个方面与其他国家大学生呈现明显差异。
张志祥则从早熟消费、畸型消费、豪华型消费、炫耀消费、悬空消费、情绪化消费等方面分析了大学生消费行为的负面倾向。
此外,还有朱丽叶对大学生感性消费和理性消费倾向的研究,杨传忠对当代大学生消费观的研究、宋绍成分析了大众传播对大学生价值观影响、李光南等对大学生价值观与消费者行为模式的研究以及刘世雄对大学生消费存在聚群现象的研究等。
关注消费者本身决策过程中的心理,是这些研究的共性。
本文根据调查表调查情况,进行一系列计算和数据整理并分析。
进一步建立模型,参数估计,模型检验,回归分析,总结得出昆明学院大学生消费总体结构初步结论,从而更清楚的了解昆明学院学生的总体消费情况。
第二章数据收集
2.1数据来源
在本文统计分析数据来源于对昆明学院部分大学生的调查所得数据,利用调查表的方式进行访问,统计所需时间在一周内,调查人数230人,回收200份(回收份数为200纯属巧合)。
230份调查表分作5调查。
第一次发出20份回收到18份,达到90%的回收率;第二次发出38份回收到27份,71.05%的回收率;第三次发出102份回收到100份,回收率高达98.04%;第四次发出50份回收到38份,76%的回收率;第五次发出20份回收到17份,85%的回收率。
整体回收率达到86.96%。
调查表一份两页,打印费46元。
调查目的:
了解昆明学院大学生目前消费情况。
所以,所得数据是可认为是一批发生在同一时间截面上的调查数据(即截面数据)。
利用所得数据(即样本)估计昆明学院大学生消费结构(即总体分布)。
利用软件Eviews6.0。
2.2数据资料
1.昆明学院大学生消费情况调查调查表每一调查问题每一选项人数分布表(附表1)
2.昆明学院大学生消费情况调查调查表每一调查问题每一选项人数分布比率表(附表2)
3.昆明学院大学生每月的衣着消费、学习消费、娱乐消费、通讯消费、日常需品、饮食消费、情感投资这几方面的消费,及总消费调查数据如下:
(单位:
元)(附表3)
第三章数据初步分析
3.1直方图和统计量
昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)这几方面的消费及月总消费(y)的直方图和统计量。
从各图表可以看出,直方图反映了序列在格区间的分布频率,其中横坐标单位元。
下图右边的框里列出了根据当前各方面200个样本值测算的描述统计量值:
均值(Mean)、中位数(Median)、最大值(Maximum)、最小值(Minimum)、标准差(Std.Dev)、偏度(Skewness)和峰度(Kurtosis)。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=119.425、中位数(Median)=100、最大值(Maximum)=1400、最小值(Minimum)=0、标准差(Std.Dev)=145.7265、偏度(Skewness)=4.881760、峰度(Kurtosis)=37.85907。
JB=10920.68,其概率p接近与零,所以,不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=68.165、中位数(Median)=50、最大值(Maximum)=300、最小值(Minimum)=0、标准差(Std.Dev)=59.25609、偏度(Skewness)=1.454655、峰度(Kurtosis)=5.202631。
JB=110.9639,其概率p接近与零,所以,也不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=114.275、中位数(Median)=100、最大值(Maximum)=1000、最小值(Minimum)=0、标准差(Std.Dev)=131.1233、偏度(Skewness)=3.627175、峰度(Kurtosis)=22.57674。
JB=3632.287,其概率p接近与零,所以,也不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=89.25、中位数(Median)=100、最大值(Maximum)=400、最小值(Minimum)=10、标准差(Std.Dev)=48.93784、偏度(Skewness)=2.269360、峰度(Kurtosis)=12.16635。
JB=871.85,其概率p接近与零,所以,也不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=82.95、中位数(Median)=50、最大值(Maximum)=800、最小值(Minimum)=5、标准差(Std.Dev)=92.81633、偏度(Skewness)=3.950539、峰度(Kurtosis)=24.38828。
JB=4332.379,其概率p接近与零,所以,也不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=391.875、中位数(Median)=380、最大值(Maximum)=1500、最小值(Minimum)=30、标准差(Std.Dev)=186.9569、偏度(Skewness)=1.866653、峰度(Kurtosis)=9.867465。
JB=509.1637,其概率p接近与零,所以,也不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=93.725、中位数(Median)=100、最大值(Maximum)=1000、最小值(Minimum)=0、标准差(Std.Dev)=116.2511、偏度(Skewness)=3.908638、峰度(Kurtosis)=25.8534。
JB=4861.565,其概率p接近与零,所以,也不能认为样本来自于正太分布。
分析:
上图右边的框里列出了根据当前200个样本值测算的描述统计量值:
均值(Mean)=1030.915、中位数(Median)=950、最大值(Maximum)=3375、最小值(Minimum)=330、标准差(Std.Dev)=490.6012、偏度(Skewness)=1.913417、峰度(Kurtosis)=7.880079。
JB=320.5496,其概率p接近与零,所以,也不能认为样本来自于正太分布。
3.2分组统计量
X1
X2
X3
X4
X5
X6
X7
Y
Mean
119.4250
68.16500
114.2750
89.25000
82.95000
391.8750
93.72500
1030.915
Median
100.0000
50.00000
100.0000
100.0000
50.00000
380.0000
100.0000
950.0000
Maximum
1400.000
300.0000
1000.000
400.0000
800.0000
1500.000
1000.000
3375.000
Minimum
0.000000
0.000000
0.000000
10.00000
5.000000
30.00000
0.000000
330.0000
Std.Dev.
145.7265
59.25609
131.1233
48.93784
92.81633
186.9569
116.2511
490.6012
Skewness
4.881760
1.454655
3.627175
2.269360
3.950539
1.866653
3.908638
1.913817
Kurtosis
37.85907
5.202631
22.57674
12.16635
24.38828
9.867465
25.85340
7.880079
Jarque-Bera
10920.68
110.9639
3632.287
871.8500
4332.379
509.1637
4861.565
320.5496
Probability
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
0.000000
Sum
23885.00
13633.00
22855.00
17850.00
16590.00
78375.00
18745.00
206183.0
SumSq.Dev.
4226009.
698745.6
3421470.
476587.5
1714359.
6955622.
2689350.
47897212
Observations
200
200
200
200
200
200
200
200
分析:
上表的框里列出了根据昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)这几方面的消费及月总消费(y)的当前200个样本值测算的描述统计量值:
均值(Mean)、中位数(Median)、最大值(Maximum)、最小值(Minimum)、标准差(Std.Dev)、偏度(Skewness)和峰度(Kurtosis)。
其中,标准差、偏度、峰度的计算公式为:
式中,n表示样本量。
由上图表知,
X1:
偏度S=4.881760>0,峰度K=37.85907>3;
X2:
偏度S=1.454655>0,峰度K=5.202631>3;
X3:
偏度S=3.627175>0,峰度K=22.57674>3;
X4:
偏度S=2.269360>0,峰度K=12.16635>3;
X5:
偏度S=3.950539>0,峰度K=24.38828>3;
X6:
偏度S=1.866653>0,峰度K=9.867465>3;
X7:
偏度S=3.908638>0,峰度K=25.85340>3;
y:
偏度S=1.913817>0,峰度K=7.880079>3;
所以,与标准正态分布(S=0,K=3)相比,昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)、其他消费(x8)、月总消费(y)皆呈现右偏、尖峰分布形态。
由上图表还知,
Jarque-Bera检验结果,该检验的零假设是样本服从正态分布。
检验统计量为
式中,S和K是样本序列的偏度与峰度;m是产生样本序列时用到的估计系数的个数。
在零假设下,JB统计量服从x2
(2)。
根据EViews给出的拒绝零假设。
这个概率值是检验的相伴概率简称P值。
由上图表知,P皆值皆接近0,表明至少在99%的置信水平下拒绝零假设,即序列不服从正态分布。
第四章回归分析
4.1问题假设
为了问题的简洁明了,现在对变量进行假设。
假设:
月总消费为y、衣着消费为x1、学习消费为x2、娱乐消费为x3、通讯消费为x4、日常需品为x5、饮食消费为x6、情感投资为x7(单位:
元)。
假设月总消费y受衣着消费x1、学习消费x2、娱乐消费x3、通讯消费x4、日常需品x5、饮食消费x6、情感投资x7的影响,建立线性方程。
显然,月总消费y的影响因素不只这些。
4.2问题分析
因变量月总消费y的影响因素不只是衣着消费x1、学习消费x2、娱乐消费x3、通讯消费x4、日常需品x5、饮食消费x6、情感投资x7,但是,与多个自变量衣着消费x1、学习消费x2、娱乐消费x3、通讯消费x4、日常需品x5、饮食消费x6、情感投资x7有关。
所以,就可以采用多元线性回归进行问题分析。
昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)与月总消费(y)的回归分析。
设多元线性回归方程的基本形式为:
设随机变量y与一般变量x1,x2,x3,x4,x5,x6,x7的线性回归模型为:
其中,
为未知参数,
为回归常数,
为回归系数。
Y称为被解释向量(因变量),而
是称为解释变量(自变量)。
4.3散点统计图
分析:
从曲线统计图上我们可以大致的来看,每个变量
和因变量
看不出有何关系。
只能看出
与y的点大致落在[250,3500]×[0,1000]的矩形域中.
4.4协方差分析
4.4.1协方差
分析:
cov(x2,x6)=-472.1594<0,即负相关,x2与x6负相关,等价于x2增加而x6减少的倾向,或x2减少而x6增加的倾向.其它协方差皆为正,即正相关,也就是同时增加或者同时减少.也就是饮食消费和学习消费呈负相关.饮食消费增加,则学习消费减少,若学习消费增加则饮食消费减少.
4.4.2样本相关分析
分析:
从样本的相关系数表来看,各变量的相关系数都不等于0,除x2与x6负相关外,其它变量皆成正相关.与协方差同符号的.可以做
与7个自变量的多元线性回归。
(说明:
本表格是由EViews软件计算得出,但由于不能导出,所以通过保存成图片后经截图工具截得。
)
4.5回归模型建立
在eviews主窗口菜单单击quick/estimateequation弹出方程估计窗口,再在弹出的窗口清单内填入回归方程的书写形式:
y=c
(1)+c
(2)*x1+c(3)*x2+c(4)*x3+c(5)*x4+c(6)*x5+c(7)*x6+c(8)*x7
化简形式;
ycx1x2x3x4x5x6x7
得出:
DependentVariable:
Y
Method:
LeastSquares
Date:
11/23/13Time:
20:
55
Sample:
1200
Includedobservations:
200
Variable
Coefficient
Std.Error
t-Statistic
Prob.
C
40.87809
17.59001
2.323938
0.0212
X1
1.028763
0.044859
22.93318
0.0000
X2
0.965987
0.102741
9.402136
0.0000
X3
0.979083
0.049825
19.65025
0.0000
X4
1.161455
0.139259
8.340240
0.0000
X5
0.978940
0.067551
14.49191
0.0000
X6
0.999969
0.035949
27.81594
0.0000
X7
1.202668
0.061746
19.47779
0.0000
R-squared
0.974115
Meandependentvar
1030.915
AdjustedR-squared
0.973171
S.D.dependentvar
490.6012
S.E.ofregression
80.35767
Akaikeinfocriterion
11.65003
Sumsquaredresid
1239812.
Schwarzcriterion
11.78196
Loglikelihood
-1157.003
Hannan-Quinncriter.
11.70342
F-statistic
1032.209
Durbin-Watsonstat
1.632283
Prob(F-statistic)
0.000000
分析:
从模型汇总表中可以看出,
=0.974115接近于1,由决定系数看回归模型高度显著,表示该回归拟合得不错。
估计值显著性概率p皆小于5%,所以,解释变量系数值在统计上是显著的。
从模型整体的显著性来F=
- 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:
- 计量 经济学论文 完整
![提示](https://static.bdocx.com/images/bang_tan.gif)