影响我国居民消费因素分析共18页

中国居民消费水平模型及分析

摘要

消费作为社会再生产的终点和起点，对于实现社会再生产的良性循环促进国民经济的持续发展具有决定性作用。要刺激消费、扩大内需，必须找出影响居民消费水平的关键因素，才能对症下药。文章采取经验回归法，根据经验实验性的给出影响居民消费水平的关键因素，然后采用经济计量学计算出各个解释变量系数。建立了中国居民消费水平计量模型对此进行分析。

【关键词】居民消费水平 居民可支配收入 恩格尔系数 消费物价指数

一、文献综述

宏观经济学中对居民消费行为的研究主要传统理论有凯恩斯的绝对收入假说，杜森贝利相对收入假说，莫迪里安尼的生命周期假说等。这些消费理论从不同角度论证了收入对消费的影响。我赞同收入的确是影响消费水平的最重要因素这个观点，但是其他因素（比如物价水平、收入分配的公平性、利率、人口结构等）也从不同的方面影响着居民消费水平。

陈长华（湖南，2004）对我国城镇居民消费计量模型的建立与分析，也采用了计量经济学方法来探讨决定城镇居民消费的关键因素。他的指标选择是人均消费 人均国内生产总值 人均可支配收入 人均储蓄 前期消费。他的不足之处在于没有考虑除了收入以外的其他因素对居民消费的影响。当今社会影响消费的不确定因素很多，虽然不可否认收入确实是影响消费的最重要因素，但是，仅仅用收入和储蓄作为变量，是否能够很好地拟合现实中的消费函数值得怀疑。

刘丽秋 （西南大学经济管理学院，2008）在影响居民消费水平相关因素的计量分析一文中结合居民消费水平的影响因素和国务院所确定的十项措施列出了六个相关因素 (国内生产总值、 职工平均工资指数、 城镇居民消费价格指数、 普通中学及高等学校在校生数、 卫生机构数、 基本设施铁路公路货运量)进行计量分析,但是她的结论中Y = 27. 12140495 + 0. 03092905302 3 X1 + 0. 001453569285 3 X5 +0. 85006329843 X3 （X1——国内生产总值 X3——城镇居民消费价格指数 X5——卫生机构数） X1——国内生产总值 系数为0. 03092905302 3，明显比实际偏小。而且夸大了价格因素的作用。与理论和实际不符合。

国内研究过于侧重于城镇居民收入水平的研究 我认为这样有失偏颇的。 而且我发现国内研究论文着重于城镇居民收入对居民消费水平的影响而忽视了

1

农村居民收入对其影响。并且很少考虑除收入和储蓄以外的因素对消费的影响。所以本文在构建居民消费水平模型时除选取常规因素外还综合考虑了农村居民收入和物价水平对居民消费水平的影响。

二、模型设定和影响因素分析

在现实生活中,影响消费的因素很多,如收入水平、 商品价格水平、 利率水平、 收入分配状况、 消费者偏好、 家庭财产状况、 消费信贷状况、 消费者年龄构成、 制度、 风俗习惯等等。但考虑到样本数据的可收集性和我国经济的实际情况,选择以下因素决定消费。

日常观察和统计研究都表明,当前可支配收入水平是决定一个国家消费的核心因素,因此人均可支配收入的入选毫无疑问;人均 GDP 是衡量一个国家经济实力,也是世界银行划分高收入、 中等收入、低收入国家的主要标志,一般来说,人均 GDP 高的国家,表明该国经济实力强,人民消费水平高, ,由此选择了人均 GDP。恩格尔系数是食品支出占消费的百分比，其值越小说明人们越富裕。物价水平当全社会的消费品和劳务的价格水平上升或下降，消费者可以将其收入在物品和劳务上用得多些或少些，来对物价水平的变动做出反应。

由以上论述可得出中国居民消费水平与国内生产总值、城镇居民家庭人均可支配收入、城镇居民家庭恩格尔系数、农村居民家庭人均可支配收入、农村居民家庭恩格尔系数、消费物价水平指数这7个指标有关,故以下工作主要从这几方面入手。并初步建立多元线性回归模型，

Y=?0??1X1??2X2??3X3??4X4??5X5??6X6?? ，其中： Y: 居民消费水平(元)

X1: 国内生产总值(亿元) X2: 城镇居民家庭人均可支配收入(元) X3: 城镇居民家庭恩格尔系数(%) X4: 农村居民家庭人均可支配收入(元) X5: 农村居民家庭恩格尔系数(%) X6: 物价水平指数

表1：数据

年份 居民消费水平(元) 184 国内生产总值(亿元) 3645 城镇居民家庭人均可支配收入(元) 343.4 2

城镇居民家庭恩格尔系数(%) 57.5 农村居

农村居物价水民家庭

民家庭平指数人均可

恩格尔（1978支配收

系数（%） 年=100） 入(元) 133.6 67.7 100.0 1978年

1979年 208 4063 405 57.2 1980年 238 4546 477.6 56.9 1981年 264 4892 500.4 56.7 1982年 288 5323 535.3 58.6 1983年 316 5963 564.6 59.2 1984年 361 7208 652.1 58 1985年 446 9016 739.1 53.3 1986年 497 10275 900.9 52.4 1987年 565 12059 1002.1 53.5 1988年 714 15043 1180.2 51.4 1989年 788 16992 1373.9 54.5 1990年 833 18668 1510.2 54.2 1991年 932 21781 1700.6 53.8 1992年 1116 26923 2026.6 53 1993年 1393 35334 2577.4 50.3 1994年 1833 48198 3496.2 50 1995年 2355 60794 4283 50.1 1996年 2789 71177 4838.9 48.8 1997年 3002 78973 5160.3 46.6 1998年 3159 84402 5425.1 44.7 1999年 3346 89677 5854 42.1 2000年 3632 99215 6280 39.4 2001年 3869 109655 6859.6 38.2 2002年 4106 120333 7702.8 37.7 2003年 4411 135823 8472.2 37.1 2004年 4925 159878 9421.6 37.7 2005年 5463 183217 10493 36.7 2006年 6138 211923 11759.45 35.8 2007年 7081 257305.56 13785.81 36.3

三、数据的搜集

物价水平指数来自于中国统计年鉴。

四、模型的初步建立

3

160.2 64 101.0 191.3 61.8 106.7 223.4 59.8 108.3 270.1 60.6 109.2 309.8 59.4 109.7 355.3 59.3 113.0 397.6 57.8 123.7 423.8 56.5 132.5 462.6 55.8 144.7 544.9 54 176.3 601.5 54.8 206.5 686.3 58.8 213.1 708.6 57.6 223.5 784 57.5 238.3 921.6 58.1 281.7 1221 58.9 347.0 1577.7 58.6 401.8 1926.1 56.3 439.2 2090.1 55.1 446.7 2162 53.4 444.0 2210.3 52.6 438.2 2253.4 49.1 438.7 2366.4 47.7 442.2 2475.6 46.2 438.6 2622.2 45.6 443.0 2936.4 47.2 461.2 3254.9 45.5 470.9 3587 43 478.4 4140.36 43.0848 499.0

300000250000200000150000100000500000020004000Y60008000X1X2X3X4X5X6由散点图可以看出因变量与各个自变量呈线性关系。尝试做回归分析得：

Dependent Variable: Y Method: Least Squares Date: 06/10/10 Time: 16:03 Sample: 1978 2007 Included observations: 30

Variable C X1 X2 X3 X4 X5 X6

R-squared

Coefficient

680.8381 0.003438 0.205660 -18.13698 0.761371 5.073329 -0.035519

Std. Error

227.5986 0.003460 0.064924 4.482378 0.117293 3.556287 0.435044

t-Statistic

2.991398 0.993755 3.167734 -4.046286 6.491203 1.426580 -0.081645

Prob.

0.0065 0.3307 0.0043 0.0005 0.0000 0.1671 0.9356

2175.067 2021.413 10.27275 10.59970 14249.30 0.000000

0.999731 Mean dependent var 0.999661 S.D. dependent var 37.22402 Akaike info criterion 31869.44 Schwarz criterion -147.0912 F-statistic 1.261468 Prob(F-statistic)

Adjusted R-squared S.E. of regression Sum squared resid Log likelihood Durbin-Watson stat

用最小二乘法估计结果模型为

Y= ?0??1X1??2X2??3X3??4X4??5X5??6X6??

4

五、模型的检验

1． 经济意义检验:

模型初步估计结果显示,居民消费水平(Y) 受国内生产总值(X1)、城镇居民家庭人均可支配收入(X2)、农村居民家庭人均可支配收入(X4)的正向影响，与经济意义相符。农村居民家庭恩格尔系数((X5)的系数估计结果为正,不符合经济意义。并且因变量受国内生产总值(X1)、农村居民家庭恩格尔系数((X5)、物价水平指数（X6）的影响不显著，可能是多重共线影响所致,因而有待进一步分析和检验.

2． 统计检验:

从估计的结果可以看出，模型的可决系数为0.999731，模型拟合情况 看起来很理想，但是很可能是由于多重共线性导致。在给定显著水平α=0.05的情况下，解释变量X2、X3和 X4的t统计量的值分别为大于t统计量的临界值，说明X2、X3和 X4对应变量的影响是显著的.其他变量均未通过t 检验,分析可能是由于变量之间的多重共线性所致,有待进一步分析.模型F统计量的值为14249.30非常显著，说明回归方程非常显著,整体模型效果比较好。 3. 模型修正:

多重共线性检验

表3：相关系数矩阵

X1 X2 X3 X4 X5 X6

X1 1.000000 0.996145 -0.922902 0.981157 -0.891613 0.861195

X2 0.996145 1.000000 -0.945080 0.992144 -0.900108 0.898474

X3 -0.922902 -0.945080 1.000000 -0.953054 0.930388 -0.914637

X4 0.981157 0.992144 -0.953054 1.000000 -0.895529 0.938958

X5 -0.891613 -0.900108 0.930388 -0.895529 1.000000 -0.797809

X6 0.861195 0.898474 -0.914637 0.938958 -0.797809 1.000000

由表3相关系数矩阵可以看出，解释变量相互之间的相关系数较高，证实解释变量之间存在多重共线性。

多重共线性模型的修正

运用OLS方法分别求Y对个解释变量X1、X2、X3、X4、X5、X6进行一元回归。6个方程的回归结果详见表4—表9，再结合经济意义和统计检验拟合效果最好的一元线性回归方程。

5

本文来源：https://www.bwwdw.com/article/guw2.html