计量经济学论文 我国城镇居民消费的分析

计量经济学论文

我国城镇居民消费的分析

班级： 学号： 姓名：

成绩

1 数据选取（20分） 模型建立与数据分析 （40分） Eviews应用（10分） 结论陈述（10分） 整体行文（20分） 2 3 4 5 6 总 分

【摘要】

改革开放以来，我国的经济迅速增长，但由于分配机制和收入水平的变化，城镇居民的生活水平也随之变化，消费结构和消费水平也出现了一些新的特点。本文根据相关的数据统计资料，运用Eviews的研究方法，对影响消费的一些因素进行分析，并找到影响居民消费的主要因素。 一、 建立模型，选取数据

本文对国内城镇居民消费进行分析和预测，根据我国居民的实际情况，假设一般模型为：y?ax1?bx2?cx3?C，其中，y为当期城镇人均消费支出，x1为当期人均可支配收入，x2为当期价格指数，x3为前期城镇人均消费支出，C为常数项。分析数据选取1998年至2008年，如表所示：

二．数据录入Eviews，使用OLS法进行数据分析 利用Eviews软件对数据进行OLS分析，结果如下：

由输出结果可知，

y?0.537783x1?12.53123x2?0.24715x3?1711.318

? （4.048160） （-0.441819） （1.06766） （0.622598）

R2?0.99888 R?0.9984 F=2081.28 DW=1.702831

2再用Eiews对Y ,X1,X2,X3进行相关系数检验，可以得到

根据结果，可以知道，三个变量之间都高度相关，因此，变量之间存在高度共线性。说明人均可支配收入、当期价格指数以及前期城镇人均消费支出三者两两都存在高度线性相关。而由表可知，X1的拟合优度最好，因此，分别对X1与X2, X1与X3,进行相关辅助回归分析，从而找出存在较为严重的多重共线性的解释变量。

X1与X2的辅助回归分析结果如下：

由此可得X1与X2的回归模型为： X1=1360.218X2-128742.6 (5.822318) (-5.43055)

R21-2=0.790207 R21-2=0.766896 F=33.89939 DW=1.861266

X1与X3的辅助回归分析结果如下：

由此可得X1与X3的回归模型为： X1=1.761389X3-1919.14 (46.24946) (-7.63033)

R21-3=0.99581 R21-3=0.995345 F=2139.013 DW=2.049373

根据回归模型可知：X1与X3的相关程度最大，线性关系最显著。鉴于上述的各

变量的情况，为了找到拟合优度最高的变量，运用OLS方法逐一求Y 对X1,X2,X3的回归。

Y与X1的一元回归：

y?0.670244x1?782.1175 （81.90291） （9.747333）

2y?1R2y?1=0.99866 R=0.998511 F=6708.086 DW=0.933279

Y与X2的一元回归：

Y=908.7936X2-85214.22 (5.718212) (-5.283742)

2y?2R2y?2=0.784162 R=0.76018 F=32.69795 DW=1.832712

Y与X3的一元回归

Y=1.181614X3-510.8555 (48.90096) (-3.201293)

2y?3R2y?3=0.99625 R=0.995834 F=2391.304 DW=3.01082

再分别对Y与X1、X2，Y与X1，X3进行回归分析： Y与X1、X2回归分析结果：

Y=0.678232X1-13.74984X2+2103.152 (36.30401) (-0.48099) (0.765402)

2y?1?2R2y?1?2=0.998698 R F=3067.705 DW=0.934588 ?0.998372Y与X1、X3回归分析结果：

Y=0.528176X1+0.251291X3+402.7872 (4.249616) (1.145463) (1.961719)

R2y?1?3=0.998849 R2y?1?3=0.998561 F=3471.004 DW=1.695322

综合回归分析的相关系数，如下：

R2?0.99888 R21-2=0.790207 R2y?2=0.784162 R2y?1?2=0.998698

R2y?1=0.99866 R21-3=0.99581 R2y?3=0.99625 R2y?1?3=0.998849 对相关系数分析后，可知：X1与X2、Y与X2的相关程度都相对较低，即拟合优度较低。在Y与X2的相关回归模型中引入变量X1或X3都能大幅度的提高拟合优度，说明X1，X3与Y的相关程度较高，因此，去除变量X2。 去除变量X2得：

Y=0.528176X1+0.251291X3+402.7872

本文来源：https://www.bwwdw.com/article/h0wg.html