计量经济学-我国居民储蓄影响因素的实证分析

计量经济学期末课程设计

南 京 审 计 学 院 2009 级 金融 院

题目：我国居民储蓄影响因素的实证分析_

学生姓名_ _ 学号 专 业 班级___ _ __

2011年 12 月 12 日

摘要：自经济体制改革以后，我国国民收入分配的格局发生巨大变化。变化之一是居民收入在国民收入中

的比重迅速提高。自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。这使居民的消费和储蓄行为对于经济发展有越来越重要的意义。探讨中国居民储蓄行为的规律，找出主要决定因素，并在此基础上对储蓄的变化趋势做初步预测，成为确定本论文研究题目的宗旨之一。

关键字：居民储蓄 CPI GDP 存款利率 股票市值 物价指数 一，文献综述

居民储蓄的快速增长，成为我国经济发展的主要资金来源，但过高的储蓄，必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析，才能在制定宏观政策上采取适当的措施，使储蓄率保持在一个适当的水平，促进经济增长。

据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即ＭＰＫ－δ，约为0.9%。我国的资本收益ＭＰＫ－δ＝每年０.９％，大大低于经济的平均增长率（ｎ＋ｇ＝９％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。

居民储蓄存款的变动直接受到可支配收入和储蓄率的影响，而储蓄率的变化受到以下因素的影响：通货膨胀率以及通货膨胀预期造成实际利率的变化，居民消费支出、房地产投资、金融投资收益及渠道的变化。我国居民的平均边际消费倾向是缓慢下降的，所以，个人可支配收入越大，储蓄存款增加越多；反之也成立。实际利率。我国居民存款对名义利率下调的利率弹性小，而对名义利率上调的弹性大；而样本期间的绝大多数时间里，我国名义利率是下降的且在调整以前名义利率是不变的，所以从实际情况来看，我国居民存款变化受到名义利率变化的影响很小，主要受到通货膨胀引起的实际利率变化的影响。居民消费支出。居民消费支出对储蓄存款的影响比较微妙：当居民的收入不变时，消费支出增加了，可以用来储蓄的资金自然会减少；另一方面，居民消费支出也受到收入的影响，所以，把可支配收入和居民消费支出同时引进回归方程时，会引起复共线性；最后，居民消费支出还受到通货膨胀及其预期的影响。总而言之，把居民消费支出引进方程时，要十分谨慎。鉴于数据的可得性，本文用社会消费品零售总额表示居民消费支出。关于金融投资渠道及收益，一方面，我国居民的金融投资意识越来越强；另一方面，随着我国证券市场的发展，可供居民选择的投资渠道越来越多，如股票、国债以及多种多样的基金等金融资产不断进入居民的资产组合之中。本文选取相应期间股票指数来反映金融投资对储蓄存款的影响。

居民储蓄存款总额是我国评价经济运行情况的一个重要总量指标，它与许多宏观经济指标之间都存在着密切联系。为了解释居民储蓄变动的原因，有必要引进居民储蓄函数，从数量上分析相关变量对居民储蓄变动的影响。 二，经济理论陈述

1.收入水平：收入水平是影响储蓄的主要因素之一，由于居民可支配收入数据的不可获得性，本文将国内生产总值（GDP）作为衡量居民收入水平的指标。只有收入达到一定水平之后才能进行储蓄，而且根据凯恩斯的理论，边际消费倾向是递减的，收入水平越高，边际消费倾向越低，消费越少，储蓄越多。

2.利率水平：利率作为消费的机会成本也会对储蓄产生影响 ，从理论上说利率水平越高，消费的机会成本就越大，居民就会压缩当前消费，增加储蓄。反之，利率水平越低，消费的机会成本就越小，当前

—1—

消费就会增加，储蓄就会减少。本文采用一年期存款利率水平作为指标。

3.物价水平：物价水平也可以影响储蓄和消费，物价水平越高，相同消费水平所支出的货币就越多，在货币收入一定的情况下，能供储蓄的货币就越少。同时，物价水平决定了实际利率，既定的名义利率下，物价水平与实际利率负相关。

4.通货膨胀率：是货币超发部分与实际需要的货币量之比,用以反映通货膨胀、货币贬值的程度;而价格指数则是反映价格变动趋势和程度的相对数。在实际中,一般不直接、也不可能计算通货膨胀,而是通过价格指数的增长率来间接表示。由于消费者价格是反映商品经过流通各环节形成的最终价格,它最全面地反映了商品流通对货币的需要量,因此,消费者价格指数是最能充分、全面反映通货膨胀率的价格指数。目前,世界各国基本上均用消费者价格指数(我国称居民消费价格指数),也即CPI来反映通货膨胀的程度。

5.其他投资渠道：储蓄是一种投资行为，而除了银行储蓄外还有其他投资渠道，由于数据原因，本文只将股票市值作为其他投资渠道发达程度的衡量指标。 三，数据收集 年份 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 居民储蓄 （SAV） 29662.20 38520.80 46279.80 53407.50 59621.80 64332.38 73762.43 86910.65 103617.65 119555.39 141050.99 161587.30 172534.19 217885.35 260771.66 国内生产 总值 （GDP） 59810.50 70142.50 78060.80 83024.30 88479.20 98000.50 108068.20 119095.70 135174.00 159586.70 185808.60 217522.70 267763.70 316228.80 343464.70 零售价格期存款指数 Rate（%） (RPI) 一年期定消费物价指数 （CPI） 396.90 429.90 441.90 438.40 432.20 434.00 437.00 433.50 438.70 455.80 464.00 471.00 493.60 522.70 519.00 股票市价总市值 (SMV) 3474.4 9842.4 17529.2 19505.7 26471.0 48091.0 43522.0 38329.0 42458.0 37056.0 32430.0 89404.0 327141.0 121366.0 243939.0 9.00 8.33 5.67 4.59 2.25 2.25 2.25 1.98 1.98 2.25 2.39 2.52 3.47 3.22 2.63 114.80 106.10 100.80 97.40 97.00 98.50 99.20 98.70 99.90 102.80 100.80 101.00 103.80 105.90 98.80 本文采用的是1995年-2009年的数据，所有数据来源于国家统计局。虽然现在已经2011年底，但是国家统计局网站上的数据大多只更新到2009年，所以只截取到09年。介于中国的股市是20世纪90年代初才刚刚起步，上海证券交易所是1990年成立，深圳证券交易所是1991年成立，成立初期的股票市值未必能够真实反映实际的情况，因而选取1995年以后的数据。 四，计量经济模型的建立

—2—

结合我国近几年的经济发展特征，我国居民储蓄函数可以表示为：

SAV = f (GDP ,Rate, RPI, CPI ,SMV , Ut )

其中, SAV为居民储蓄总额, GDP为国内生产总值, Rate为一年期存款利率,RPI为零售物价指数,CPI 为消费物价指数， SMV为各期股市市值, U为随机扰动项, t表示时期. 所建立模型也可以表示为:

SAV =C+ β1 GDP+ β2 Rate+ β3 RPI+ β4 CPI+ β5 SMV+ Ut

五、模型的求解和检验

本人利用EVIEWS软件，用最小二乘法进行回归分析及统计检验，并对模型进行了自相关和异方差检验。

Dependent Variable: SAV Method: Least Squares Date: 12/07/11 Time: 19:47 Sample: 1995 2009 Included observations: 15

Variable

C GDP RATE RPI CPI SMV

R-squared

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

Coefficient 477192.6 1.106747 1802.841 -2191.498 -696.7002 -0.108527

Std. Error 108262.4 0.076510 1148.691 568.8353 167.9047 0.023094

t-Statistic 4.407741 14.46538 1.569474 -3.852605 -4.149378 -4.699316

Prob. 0.0017 0.0000 0.1510 0.0039 0.0025 0.0011 108633.3 69337.42 19.90800 20.19122 691.9768 0.000000

0.997406 Mean dependent var 0.995964 S.D. dependent var 4404.908 Akaike info criterion 1.75E+08 Schwarz criterion -143.3100 F-statistic 1.707178 Prob(F-statistic)

将回归结果整理如下： SAV =477192.6 +1.106747GDP +1802.841Rate -2191.498RPI -696.7002CPI -0.108527SMV+Ut

（108262.4） （0.076510） （1148.691） （568.8353） （167.9047） （0.023094）

t =(4.407741) (14.46538) (1.569474) (-3.852605) (-4.149378) （-4.699316）

R2=0.997406 F=691.9768 DW=1.707178

（1）相关性检验：R2=0.997406表明方程拟和度很高，F统计量也明显显著表明模型，总体是显著的。 （2）经济意义上的检验：由 β1=1.106747，β2=1802.841，β3=-2191.498，β4=-696.7002 β5=-0.108527可以看出，模型符合经济意义。

（3）显著性检验：根据查询t分布表得：t0.025（13）=2.160， 可见GDP，RPI，CPI，SMV的t统计量绝对值均大于2.160，但是Rate的t 统计量绝对值小于2.160。所以推断模型中解释变量可能存在多重共线性。

—3—

（4）多重共线性检验：

利用简单相关系数检验法，通过Eviews构建简单相关系数矩阵，如下：

GDP RATE RPI CPI SMV GDP 1.000000 -0.407213 -0.031380 0.964225 0.808037 RATE -0.407213 1.000000 0.740752 -0.406719 -0.249296 RPI -0.031380 0.740752 1.000000 -0.140537 -0.025438 CPI 0.964225 -0.406719 -0.140537 1.000000 0.765092 SMV 0.808037 -0.249296 -0.025438 0.765092 1.000000 由表易见，除了GDP和CPI之间的相关系数较高，其他参数之间的相关程度并不是很高，可以推定多重共线性并不严重。

运用逐步回归法对模型进行修正

第一步：分别求SAV对GDP、RATE、RPI、CPI、SMV的一元回归。 ① SAV对GDP的一元回归

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:13 Sample: 1995 2009 Included observations: 15

Variable C GDP

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

Coefficient -7710.388 0.748920

Std. Error 4807.492 0.026874

t-Statistic -1.603827 27.86785

Prob. 0.1328 0.0000 108633.3 69337.42 21.22243 21.31684 776.6169 0.000000

0.983536 Mean dependent var 0.982270 S.D. dependent var 9232.588 Akaike info criterion 1.11E+09 Schwarz criterion -157.1682 F-statistic 1.258600 Prob(F-statistic)

② SAV对RATE的一元回归

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:17 Sample: 1995 2009 Included observations: 15

Variable C

Coefficient 160342.0

—4—

Std. Error 31779.97

t-Statistic 5.045380

Prob. 0.0002

RATE

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

-14159.00 7448.175 -1.901003 0.0797 108633.3 69337.42 25.08375 25.17815 3.613813 0.079700

0.217519 Mean dependent var 0.157328 S.D. dependent var 63649.80 Akaike info criterion 5.27E+10 Schwarz criterion -186.1281 F-statistic 0.135596 Prob(F-statistic)

③SAV对RPI的一元回归

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:20 Sample: 1995 2009 Included observations: 15

Variable C RPI

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

Coefficient 253307.4 -1422.557

Std. Error 425251.5 4177.473

t-Statistic 0.595665 -0.340531

Prob. 0.5616 0.7389 108633.3 69337.42 25.32015 25.41456 0.115961 0.738897

0.008841 Mean dependent var -0.067402 S.D. dependent var 71636.05 Akaike info criterion 6.67E+10 Schwarz criterion -187.9011 F-statistic 0.082701 Prob(F-statistic)

④SAV对CPI的一元回归

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:23 Sample: 1995 2009 Included observations: 15

Variable

C CPI

R-squared

Adjusted R-squared S.E. of regression Sum squared resid

Coefficient -749501.0 1890.552

Std. Error 79407.69 174.4649

t-Statistic -9.438645 10.83629

Prob. 0.0000 0.0000 108633.3 69337.42 23.02318 23.11759

0.900326 Mean dependent var 0.892659 S.D. dependent var 22716.99 Akaike info criterion 6.71E+09 Schwarz criterion

—5—

Log likelihood Durbin-Watson stat

-170.6738 F-statistic 1.192764 Prob(F-statistic)

117.4253 0.000000

⑤SAV对SMV的一元回归

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:24 Sample: 1995 2009 Included observations: 15

Variable C SMV

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

Coefficient 66814.17 0.569972

Std. Error 15599.26 0.134874

t-Statistic 4.283163 4.225954

Prob. 0.0009 0.0010 108633.3 69337.42 24.46456 24.55897 17.85869 0.000991

0.578725 Mean dependent var 0.546319 S.D. dependent var 46702.81 Akaike info criterion 2.84E+10 Schwarz criterion -181.4842 F-statistic 1.570359 Prob(F-statistic)

通过比较各个调整可决系数，选择GDP作为第一个解释变量，形成一元回归模型。 第二步：逐步回归。将剩余解释变量分别加入模型。 ①

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:42 Sample: 1995 2009 Included observations: 15

Variable C GDP RATE

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

Coefficient 4183.679 0.725864 -2276.130

Std. Error 6892.780 0.025900 1041.210

t-Statistic 0.606965 28.02601 -2.186042

Prob. 0.5552 0.0000 0.0494 108633.3 69337.42 21.02056 21.16217 503.5696

0.988225 Mean dependent var 0.986263 S.D. dependent var 8126.713 Akaike info criterion 7.93E+08 Schwarz criterion -154.6542 F-statistic

—6—

Durbin-Watson stat 1.524263 Prob(F-statistic) 0.000000

②

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:43 Sample: 1995 2009 Included observations: 15

Variable C GDP RPI

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

Coefficient 89407.20 0.747428 -952.6625

Std. Error 49997.99 0.024387 488.5801

t-Statistic 1.788216 30.64834 -1.949860

Prob. 0.0990 0.0000 0.0749 108633.3 69337.42 21.08054 21.22215 473.9034 0.000000

0.987497 Mean dependent var 0.985414 S.D. dependent var 8374.131 Akaike info criterion 8.42E+08 Schwarz criterion -155.1040 F-statistic 1.283649 Prob(F-statistic)

③

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:44 Sample: 1995 2009 Included observations: 15

Variable C GDP CPI

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

Coefficient 75610.52 0.825593 -209.8054

Std. Error 108026.2 0.102991 271.7363

t-Statistic 0.699927 8.016178 -0.772092

Prob. 0.4973 0.0000 0.4550 108633.3 69337.42 21.30728 21.44889 376.5429 0.000000

0.984315 Mean dependent var 0.981701 S.D. dependent var 9379.435 Akaike info criterion 1.06E+09 Schwarz criterion -156.8046 F-statistic 1.246291 Prob(F-statistic)

—7—

④

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:45 Sample: 1995 2009 Included observations: 15

Variable C GDP SMV

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

Coefficient -12370.74 0.820331 -0.087683

Std. Error 4718.833 0.040042 0.039728

t-Statistic -2.621568 20.48667 -2.207085

Prob. 0.0223 0.0000 0.0475 108633.3 69337.42 21.01506 21.15667 506.3770 0.000000

0.988290 Mean dependent var 0.986338 S.D. dependent var 8104.419 Akaike info criterion 7.88E+08 Schwarz criterion -154.6130 F-statistic 1.643177 Prob(F-statistic)

观察得知SMV获得的调整后可决系数最大，作为第二个解释变量。 第三步：在保留GDP，SMV的基础上继续进行逐步回归分析 ①

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:51 Sample: 1995 2009 Included observations: 15

Variable C GDP SMV RATE

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

Coefficient -1427.552 0.791132 -0.076455 -1979.967

Std. Error 6553.071 0.037614 0.035196 919.9040

t-Statistic -0.217845 21.03275 -2.172278 -2.152363

Prob. 0.8315 0.0000 0.0526 0.0544 108633.3 69337.42 20.79693 20.98574 441.3232

0.991760 Mean dependent var 0.989513 S.D. dependent var 7100.615 Akaike info criterion 5.55E+08 Schwarz criterion -151.9770 F-statistic

—8—

Durbin-Watson stat 1.974429 Prob(F-statistic) 0.000000

②

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:53 Sample: 1995 2009 Included observations: 15

Variable C GDP SMV RPI

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

Coefficient 84761.01 0.818848 -0.087694 -952.8072

Std. Error 41147.80 0.034025 0.033752 401.7162

t-Statistic 2.059916 24.06636 -2.598199 -2.371842

Prob. 0.0639 0.0000 0.0248 0.0370 108633.3 69337.42 20.73535 20.92416 469.5884 0.000000

0.992252 Mean dependent var 0.990139 S.D. dependent var 6885.309 Akaike info criterion 5.21E+08 Schwarz criterion -151.5151 F-statistic 1.667134 Prob(F-statistic)

③

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:54 Sample: 1995 2009 Included observations: 15

Variable C GDP SMV CPI

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

Coefficient 90069.54 0.917993 -0.091614 -258.4749

Std. Error 92690.26 0.096761 0.039521 233.5761

t-Statistic 0.971726 9.487224 -2.318091 -1.106598

Prob. 0.3521 0.0000 0.0407 0.2921 108633.3 69337.42 21.04284 21.23166 344.3102 0.000000

0.989463 Mean dependent var 0.986589 S.D. dependent var 8029.637 Akaike info criterion 7.09E+08 Schwarz criterion -153.8213 F-statistic 1.525700 Prob(F-statistic)

第四步：通过观察发现RATE，RPI，CPI的调整后可决系数均有提升，但是RPI的最高，所以作为第三个

—9—

解释变量保留，并继续逐步回归分析。 ①

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 15:00 Sample: 1995 2009 Included observations: 15

Variable C GDP SMV RPI RATE

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

Coefficient 60096.65 0.807741 -0.083250 -668.4038 -783.1611

Std. Error 65099.21 0.041632 0.036069 703.6183 1562.384

t-Statistic 0.923155 19.40205 -2.308045 -0.949952 -0.501260

Prob. 0.3777 0.0000 0.0437 0.3645 0.6270 108633.3 69337.42 20.84386 21.07988 328.2815 0.000000

0.992442 Mean dependent var 0.989419 S.D. dependent var 7132.325 Akaike info criterion 5.09E+08 Schwarz criterion -151.3290 F-statistic 1.769654 Prob(F-statistic)

②

Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 15:01 Sample: 1995 2009 Included observations: 15

Variable C GDP SMV RPI CPI

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

Coefficient 351533.1 1.027344 -0.096121 -1416.955 -553.7253

Std. Error 78022.00 0.061451 0.023233 302.8799 151.0105

t-Statistic 4.505564 16.71802 -4.137313 -4.678272 -3.666801

Prob. 0.0011 0.0000 0.0020 0.0009 0.0043 108633.3 69337.42 20.01659 20.25261 754.0229 0.000000

0.996695 Mean dependent var 0.995374 S.D. dependent var 4716.183 Akaike info criterion 2.22E+08 Schwarz criterion -145.1244 F-statistic 1.621632 Prob(F-statistic)

通过观察可知加入CPI的调整后可决系数上升至0.9954，F统计量也很大，可以作为第四个解释变量，而加入RATE的调整后可决系数由0.990139下降至0.989419，F统计量也没有那么大，t值也很小，显示出

—10—

RATE对因变量的解释作用不是特别明显，因而产生了轻微的多重共线性。

从实际情况出发，结合数据分析结果，应该还是可以保留RATE这一解释变量的。 （5）异方差性检验： 进行WHITE检验

White Heteroskedasticity Test: F-statistic Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/07/11 Time: 23:08 Sample: 1995 2009 Included observations: 15

Variable C GDP GDP^2 RATE RATE^2 RPI RPI^2 CPI CPI^2 SMV SMV^2

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

Coefficient -2.67E+08 -92.64150 0.000989 9305867. -1347150. 2.27E+08 -1107043. -49344985 53657.61 -321.1577 0.000274

Std. Error 4.40E+09 1032.704 0.003239 25591616 2775160. 88850180 429435.6 16020776 17485.32 475.5241 0.001143

t-Statistic -0.060574 -0.089708 0.305424 0.363630 -0.485431 2.550938 -2.577901 -3.080062 3.068723 -0.675376 0.239777

Prob. 0.9546 0.9328 0.7753 0.7345 0.6528 0.0632 0.0615 0.0369 0.0373 0.5365 0.8223 36773201 75566626 35.59370 36.11293 54.56052 0.000779

54.56052 Probability 14.02083 Probability

0.000779 0.136093

0.992722 Mean dependent var 0.974527 S.D. dependent var 12060592 Akaike info criterion 5.82E+14 Schwarz criterion -255.9527 F-statistic 2.748851 Prob(F-statistic)

由分析表可知：nR2=14.02083，由White检验知，在α=0.05下，X20.05（6）=14.0671，因此不存在异方差性

（6）自相关检验

H0：ρ＝0，即Ut不存在一阶自回归;H1：ρ≠0,即Ut 存在一阶自回归。因为

DW＝1.707178查表得，当n＝15，k＝5时dL＝0.562，dU＝2.220，4－dU＝1.78，4－dL=3.438,

可见dU

—11—

（7）因果关系检验

Pairwise Granger Causality Tests Date: 12/12/11 Time: 12:52 Sample: 1995 2009 Lags: 2

Null Hypothesis: GDP does not Granger Cause SAV SAV does not Granger Cause GDP RATE does not Granger Cause SAV SAV does not Granger Cause RATE RPI does not Granger Cause SAV SAV does not Granger Cause RPI CPI does not Granger Cause SAV SAV does not Granger Cause CPI SMV does not Granger Cause SAV SAV does not Granger Cause SMV RATE does not Granger Cause GDP GDP does not Granger Cause RATE RPI does not Granger Cause GDP GDP does not Granger Cause RPI CPI does not Granger Cause GDP GDP does not Granger Cause CPI SMV does not Granger Cause GDP GDP does not Granger Cause SMV RPI does not Granger Cause RATE RATE does not Granger Cause RPI CPI does not Granger Cause RATE RATE does not Granger Cause CPI SMV does not Granger Cause RATE RATE does not Granger Cause SMV CPI does not Granger Cause RPI RPI does not Granger Cause CPI SMV does not Granger Cause RPI RPI does not Granger Cause SMV SMV does not Granger Cause CPI CPI does not Granger Cause SMV

13 13 13 13 13 13 13 13 13 13 13 13 13 13 Obs 13

F-Statistic 3.92653 14.7736 0.59890 0.93979 2.02642 5.56661 1.96255 17.1073 6.62901 3.31105 1.62320 1.37817 1.58087 3.31128 7.10216 20.7711 42.8347 4.92122 1.32753 1.61451 0.94475 1.61028 0.31692 0.13058 0.35638 0.85292 6.87610 0.02037 5.95194 3.38260

Probability 0.06485 0.00206 0.57230 0.42994 0.19409 0.03056 0.20254 0.00129 0.02006 0.08960 0.25604 0.30599 0.26390 0.08959 0.01685 0.00068 5.3E-05 0.04042 0.31779 0.25763 0.42822 0.25840 0.73713 0.87941 0.71079 0.46156 0.01830 0.97988 0.02610 0.08618

由该检验结果表明，在α=0.05的水平下，F(5,9)=3.48，而

F11=3.9265> F(5,9)=3.48，所以拒绝原假设，认为GDP变量对SAV有显著性影响；F12=14.7736>F(5,9)=3.48,所以拒绝原假设，认为SAV变量对GDP有显著性影响；

F21=0.5989

—12—

所以接受原假设，认为SAV变量对RATE影响不显著；

F31=2.0264F(5,9)=3.48,所以拒绝原假设，认为SAV变量对RPI有显著性影响；

F41=1.9626< F(5,9)=3.48，所以接受原假设，认为CPI变量对SAV有显著性影响；F42=17.1073>F(5,9)=3.48,所以拒绝原假设，认为SAV变量对CPI有显著性影响；

F51=6.6290> F(5,9)=3.48，所以拒绝原假设，认为SMV变量对SAV有显著性影响；F52=3.3111

F61=1.6232

F71=1.5809

F81=0.9448F(5,9)=3.48,所以拒绝原假设，认为GDP变量对CPI有显著影响；

F91=42.8347>F(5,9)=3.48,所以拒绝原假设，认为SMV变量对GDP有显著影响；F92=4.9212>F(5,9)=3.48,所以拒绝原假设，认为GDP变量对SMV有显著影响；

F101=1.3275

F111=0.9448>F(5,9)=3.48,所以拒绝原假设，认为CPI变量对RATE有显著影响；F112=1.6103>F(5,9)=3.48,所以拒绝原假设，认为RATE变量对CPI有显著影响；

F121=0.3169

F131=0.3564

F141=6.8761>F(5,9)=3.48,所以拒绝原假设，认为SMV变量对RPI有显著影响；F142=0.0204

F151=5.9519>F(5,9)=3.48,所以拒绝原假设，认为SMV变量对CPI有显著影响；F152=3.3826

SAV =477192.6 +1.106747GDP +1802.841Rate -2191.498RPI -696.7002CPI -0.108527SMV+Ut （108262.4） （0.076510） （1148.691） （568.8353） （167.9047） （0.023094）

t =(4.407741) (14.46538) (1.569474) (-3.852605) (-4.149378) （-4.699316）

R2=0.997406 F=691.9768 DW=1.707178 模型拟合情况图如下：

—13—

3000002500002000001500001000050000-5000-10000959697989900010203040506070809Residual六，模型实证分析结论

1，收入水平对居民储蓄有明显作用，收入水平越高，居民储蓄也相对越高，两者之间是正相关关系，这与一般理论一致。1994年以来，我国居民储蓄迅速增长的根本原因就是收入水平的提高。随着中国经济的发展，居民收入还会持续增长，如果其他因素不变的话，居民储蓄仍然会有相应的增长。要抑制储蓄，刺激消费，提高居民的边际消费倾向是关键。

2，与收入相比利率对储蓄额的影响则较为微弱，但利率对储蓄结构的变动具有决定性作用。从上面的分析中，我们可以看出，名义利率对储蓄的影响要小于实际利率对储蓄的影响，这是由于通胀率的存在，在一定程度上起了抵消的作用。CPI超过3％属于物价温和上涨，可以肯定的是，今年不会出现恶性通货膨胀。但3.1％对于普通银行储户来说，意味着实际存款负利率。自1999年开始，CPI就高于一年期存款利率，并且这种差距呈现出越来越大的趋势。

3，物价水平对居民储蓄有负面影响。物价水平提高导致居民消费支出的增加，在一定收入条件下，储蓄必然会减少。居民对未来物价上涨预期依然强烈，担心明天的货币会不断贬值，因而倾向于提前购买商品，造成供不应求，加剧导致了物价上涨。同时物价上涨造成了居民消费能力的下降，能够用于储蓄的资金和进行储蓄的意愿也明显减少。

4，CPI的不断升高，意味着通货膨胀率的不断升高。当CPI大于银行存款名义利率的时候，表明居民的实际利率是负的，因为居民会选择讲资金投入回报更高的项目，例如分红型保险，股市等，或者将现金兑换成例如黄金一类的硬通货或者固定资产，以期保值。因此愿意储蓄的人越来越少，储蓄资金也相对越来越少。

5，股市市值与居民储蓄有正相关关系：这个结论表面上看起来不符合逻辑.因为在收入水平一定的前提下,股票投资的增加势必导致银行储蓄的下降,两者之间应该是负相关,而不是正相关,出现这种结论的原因是:中国的股票市场还很年轻,制度不健全,市场不规范,炒作成分很大,投机气氛相当浓厚。这是中国

—14—

100000500000ActualFitted

股票市场的具体情况所决定的。 七．政策建议

目前居民储蓄居高不下，带来了诸多方面的负面影响。

基于托宾的货币增长理论，在货币经济中总储蓄的增长并不意味着对经济增长的作用大，储蓄对经济增长的作用在很大程度上取决于现金储蓄与实物储蓄的比重。由于现金储蓄不能转化为实际投资，因此，真正对经济增长有促进作用的只是实物储蓄，总储蓄中只有减去现金储蓄的部分才能转化为投资。正因如此，在货币经济中能转变为实际投资的人均储蓄要比纯粹的实物经济低，相应的，人均投资也低于纯粹的实物经济中的人均投资。因此基于货币增长理论以及实证检验结果给出如下政策建议：

首先，在货币政策方面政府当局要保证国民收入的稳步增长，因为收入是财富积累的源泉，是资本形成的前提条件，是影响储蓄的决定性因素，同时在理论上储蓄率的提升更加会作用于实体经济的增长。但要促进经济增长，从我国的实际情况可以看出，仅仅依靠储蓄的积累并不够，其关键环节在于提高实物储蓄在总储蓄中的比重。由于现金储蓄只是财产的一种，利率对其有重要的调节作用。因此，中央银行可以通过价格型工具调节利率来提高 在总储蓄中的比重，以此促进经济增长。例如，在当下由于受金融危机拖累，我国实际经济增长率小于自然增长率 ，此时中央银行就可以通过利率杠杆维持当前实施的扩张性货币政策，利用通货膨胀来降低现金货币的贮藏价值，迫使居民提高实物储蓄在总储蓄中的比重，增加实际投资，从而实现拉动经济增长。

其次为加强居民存款的利率效应，要继续深化利率市场化。让利率的变动来调节储蓄的增减，充分发挥利率对储蓄的正面引导作用，实现社会资金的有效配置与应用。现阶段，我国的居民存款的利率效应综合利率的替代效应和收入效应的效果，两者相互抵消，收入效应效果更强，因此居民存款的利率弹性是负向的，但同时也是微弱的。我国货币政策的制定可以考虑居民存款与利率的负相关，但不能依靠改变利率来调节储蓄，而应多配合合其他政策调节储蓄。居民进行储蓄一方面因为没有更好的投资对象，另一方面是为养老或其他某一特定用途。所以配合其他措施如，拓宽居民的投资渠道，完善社会保障制度。来合理我过的居民储蓄结构，调节宏观经济效果更佳。

最后，在支持金融机构在规范化的前提下，开展金融创新，积极发展多样化金融工具，让居民的储蓄渠道通过市场多渠道回流企业。与此同时，协调好货币市场与资本市场之间的关系，引导居民储蓄适当向资本市场转移。尽快完善社会保障体系，增强居民即期消费行为。应当看到，社会保障制度的完善是改善人们消费趋向的关键。在积极提升城镇居民收入的同时，研究如何提高消费者在未来生活方方面面的安全感，以提高居民即期消费水平。调整产业结构和供给结构，转化高收入群体的长期储蓄为有效购买力。应该明白这样一层道理：如何成功启动高收入群体的高额购买力，成为消费需求主体，对经济增长的拉动作用至关重要。因此，要从满足更高层次的消费需求入手，加快调整和升级供给结构，增加高档商品、创新商品和投资品的供给，特别是增加服务性商品的供给，最大限度地满足高收入群体的消费需求。 【参考文献】

【1】《中国统计年鉴》

【2】庞皓，《经济计量学》，西南财经大学出版社

【3】中国人民银行研究局课题组.《中国国民储蓄和居民储蓄的影响因素》.《经济研究》1999年第5期. 【4】高鸿业.宏观经济学第四版[M]中国人民大学出版社，2007.3

—15—

计量经济学期末课程设计成绩评定表 总 分（100%） 评分项目与评分标准 选题有新意，与专业联系紧密，具有鲜明特色 11－15％ 6－10％ 0－5％ 11－15％ 6－10％ 0－5％ 11－15％ 6－10％ 0－5％ 11－15％ 6－10％ 0－5％ 11－15％ 6－10％ 0－5％ 11－15％ 6－10％ 0－5％ 7－10％ 4－6％ 0－3％ 得分 选题得分（15%） 选题有一定新意，与专业有关，有一定特色 选题落入俗套，老调重弹，无新意 覆盖面广，重点突出，形成论文写作的重要铺垫 文献综述得分（15%） 覆盖面较广，重点较突出，形成论文写作基础 内容相关，基本能形成论文写作前提 符合计量经济学规范，理论基础严密而充分 模型设定得分（15%） 符合计量经济学规范，有一定的理论基础 基本符合计量经济学规范 数据来源权威而真实，说服力强，后期处理恰当 数据来源及处理得分（15%） 数据来源较权威，真实性有保障 数据来源基本可靠 参数估计与模型检验完整而规范，修正过程合理 参数估计与检验得分（15%） 参数估计与模型检验较完整，修正较合理 参数估计与模型检验较完整 结论提炼合理，视角独到，现实指导意义显著 模型的结论及评价得结论提炼较合理，有现一定的实意义 分（15%） 结论提炼较合理 格式完全符合规范，字数在4500字以上 总体格式规范得分（10%） 格式比较规范 格式不规范或字数严重不足 实 得 总 分： 评阅人签名： 年 月 日

—16—

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