计量经济学论文 关于影响我国社会商品零售总额因素的计量分析.docx

计量经济学论文 关于影响我国社会商品零售总额因素的计量分析.docx

《计量经济学论文 关于影响我国社会商品零售总额因素的计量分析.docx》由会员分享，可在线阅读，更多相关《计量经济学论文 关于影响我国社会商品零售总额因素的计量分析.docx（11页珍藏版）》请在冰豆网上搜索。

计量经济学论文关于影响我国社会商品零售总额因素的计量分析

计量经济学论文关于影响我国社会商品零售总额因素的计量分析

关于影响我国社会商品零售总额因素的计量分析

摘要：

面对金融海啸的强大冲击，我国社会商品零售总额逆流而上，取得了骄人的成绩。

为更加好地研究我国经济发展运行状况，加深对我国社会商品零售总额的了解，本文主要运用最小二乘法分析我国社会商品零售总额的影响因素并得出结论。

关键词：

社会商品零售总额，影响因素，计量分析

刚刚过去的2009年，是进入新世纪以来我国经济社会发展最为困难的一年，也是我国商务事业经受严峻考验的一年，面对历史罕见的国际金融危机的严重冲击和外部市场萎缩，我国采取了积极有效的宏观经济政策，国内消费和对外经济都取得了最新的发展，2009年社会商品零售总额增速达24年来最高水平，为我国成功抵御国际金融危机冲击起到了重要的支撑作用。

一、研究意义

社会商品零售总额指各种经济类型的批发零售贸易业、餐饮业、制造业和其他行业对城乡居民和社会集团的消费品零售额和农民对非农业居民零售额的总和。

一定时期内国民经济各部门向消费者出售消费品和向农村出售农业生产资料以及农民对非农业居民直接零售的总额。

社会消费品零售总额所计量的是各种经济类型的商业由于经济的发展和社会的进步，特别是社会主义市场经济的建立，随着商品生产和商品交换的领域进一步扩大，用以确立和描述各类消费品市场对居民和社会集团出售商品总和的商品零售额指标的口径范围也作了相应的调整。

社会商品零售总额反映了一定时期内人民物质文化生活水平的提高情况，反映了社会商品购买力的实现程度，以及零售，市场的规模状况。

也正是因为社会商品零售总额由社会商品供给和有支付能力的商品需求的规模所决定，所以是研究人民生活水平、社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要资料。

对于金融海啸下研究中国经济运行情况具有极大的现实意义。

二、样本数据选取及模型设定：

1）寻找变量：

根据大一所学的宏观经济学和及对现实中国经济发展情况的理解，我觉得影响我国社会商品零售总额y（亿元）的主要因素有：

x1人均GDP（元），

x2居民消费价格指数（上年=100），

x3城镇居民人均消费支出（元），

x4商品零售物价指数（上年=100）

2）建立模型：

根据因果关系及相互间的联系找出因变量，影响问题的主要因素作为自变量，非主要因素作随机误差变量。

设模型的函数形式为

y=c1+c2*x1+c3*x2+c4*x3+c5*x4+u

3）寻找数据：

以下1980—2006年的数据主要是从中国统计年鉴和计量经济学数据库网站上找到的。

数据详见表1-1.

表1-1

年份

y

x1

x2

x3

x4

1980

2140

460.00

107.5

489

106

1981

2350

489.00

102.5

521

102.4

1982

2570

526.00

102

536

101.9

1983

2849

582.00

102

558

101.5

1984

3376

695.00

102.7

618

102.8

1985

4305

855.00

109.3

765

108.8

1986

4950

956.00

106.5

872

106

1987

5820

1103.00

107.3

998

107.3

1988

7440

1355.00

118.8

1311

118.5

1989

8101.4

1512.00

118

1466

117.8

1990

8300.1

1634.00

103.1

1596

102.1

1991

9415.6

1879.00

103.4

1840

102.9

1992

10993.7

2287.00

106.4

2262

105.4

1993

14270.4

2939.00

114.7

2924

113.2

1994

18622.9

3923.00

124.1

3852

121.7

1995

23613.8

4854.00

117.1

4931

114.8

1996

28360.2

5576.00

108.3

5532

106.1

1997

31252.9

6054.00

102.8

5823

100.8

1998

33378.1

6307.00

99.2

6109

97.4

1999

35647.9

6547.00

98.6

6405

97

2000

39105.7

7084.00

100.4

6850

98.5

2001

43055.4

8621.71

100.7

7113

99.2

2002

48135.9

9398.05

99.2

7387

98.7

2003

52516.3

10541.97

101.2

7901

99.9059

2004

59501

12335.58

103.9

8679

102.8062

2005

67176.6

14103.33

101.8

9410

100.7774

2006

76410

16084.00

101.5

10359

101.0282

三．模型参数估计及修正

1、参数估计：

假设模型中随机误差项Ui满足古典假设，运用OLS方法估计模型的参数，利用计量经济计算机软件Eviews计算可得如下结果：

DependentVariable:

Y

Method:

LeastSquares

Date:

01/22/10Time:

23:

43

Sample:

19802006

Includedobservations:

27

Coefficient

Std.Error

t-Statistic

Prob.  

C

4447.568

2389.348

1.861415

0.0761

X1

3.199387

0.196880

16.25040

0.0000

X2

-1120.207

302.1084

-3.707964

0.0012

X3

2.455890

0.305791

8.031275

0.0000

X4

1077.804

311.8118

3.456585

0.0022

R-squared

0.999295

    Meandependentvar

23839.18

AdjustedR-squared

0.999167

    S.D.dependentvar

22180.93

S.E.ofregression

640.2927

    Akaikeinfocriterion

15.92730

Sumsquaredresid

9019445.

    Schwarzcriterion

16.16727

Loglikelihood

-210.0186

    Hannan-Quinncriter.

15.99866

F-statistic

7794.877

    Durbin-Watsonstat

1.633619

Prob（F-statistic）

0.000000

表1-2回归结果

2、模型相关系数分析

计算解释变量之间的简单相关系数。

CorrelationMatrix

X1

X2

X3

X4

X1

1.000

0.355

0.976

0.393

X2

0.355

1.000

0.341

0.994

X3

0.976

0.341

1.000

0.397

X4

0.393

0.994

0.397

1.000

表1-3相关系数矩阵

由表1-3可以看出，某部分解释变量之间存在高度线性相关。

同时由表1-2也可以看出，尽管整体上线性回归拟合较好，但部分的参数t值并不显著，系数的符号与经济意义相悖。

需要进行相应的修正。

3、模型修正

（1）运用OLS方法求y对各个解释变量的回归。

结合经济意义和统计检验选出拟合效果最好的一元线性回归方程。

经分析，在4个一元回归模型中社会商品零售总额y（亿元）对人均GDPx1的线性关系强，拟合程度好。

回归结果如表1-4所示。

DependentVariable:

Y

Method:

LeastSquares

Date:

01/23/10Time:

02:

01

Sample:

19802006

Includedobservations:

27

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

4.865172

0.062717

77.57319

0.0000

C

648.2345

409.6092

1.582568

0.1261

R-squared

0.995863

Meandependentvar

23839.18

AdjustedR-squared

0.995697

S.D.dependentvar

22180.93

S.E.ofregression

1454.971

Akaikeinfocriterion

17.47455

Sumsquaredresid

52923532

Schwarzcriterion

17.57053

Loglikelihood

-233.9064

F-statistic

6017.600

Durbin-Watsonstat

0.475802

Prob（F-statistic）

0.000000

表1-4回归结果

y=648.2345+4.865172*x1

t=（1.582568）（77.57319）

R2=0.995863S.E.=1454.971

图一描述应变量y与解析变量x3的散点图

对方程逐步回归。

将其余解释变量逐一代入式中得到如下模型：

DependentVariable:

Y

Method:

LeastSquares

Date:

01/23/10Time:

01:

53

Sample:

19802006

Includedobservations:

27

Variable

Coefficient

Std.Error

t-Statistic

Prob.

X1

3.774223

0.180540

20.90523

0.0000

X3

1.578573

0.254840

6.194380

0.0000

C

-413.5952

310.8627

-1.330476

0.1959

R-squared

0.998408

Meandependentvar

23839.18

AdjustedR-squared

0.998275

S.D.dependentvar

22180.93

S.E.ofregression

921.1606

Akaikeinfocriterion

16.59358

Sumsquaredresid

20364882

Schwarz