居民消费水平的影响因素分析

《居民消费水平的影响因素分析》由会员分享，可在线阅读，更多相关《居民消费水平的影响因素分析（12页珍藏版）》请在装配图网上搜索。

1、居民消费水平的影响因素分析摘要 正因为消费水平的提高能推动经济的发展，发展经济就应该紧紧抓住消费。不 论从宏观的角度或微观的角度，居民消费水平都直接影响着我国国民经济的发展。在宏观经 济学中凯恩斯对消费的分析可知消费水平受到很多因素的影响，在这众多的因素当中哪些是 主要影响因素呢?为了理清影响居民消费水平的主要因素，本文采用定性分析和定量分析相 结合的研究方法，通过收集1978年至2012年 35年间的数据，在定性论述的基础上，运用 Eviews 软件，建立计量经济模型进行定量分析，对影响居民消费水平的因素进行分析和研 究。一、模型的建立1 数据收集与变量选取通过研究以前学者对影响因素的选取并

2、且根据西方经济学理论，居民的最终消费支出主 要受可支配收入、商品价格水平、价格预期、消费者财产、消费者偏好等因素的影响。杜森 贝利提出的相对收入假说认为，居民用于消费的支出受消费者以前以及目前的收入影响； 居民储蓄直接影响着居民的最终消费，当居民可支配收入增加时，居民的储蓄会随之上升， 但同时也是为日后的消费做准备，居民可支配收入是影响居民储蓄水平的一个主要因素应选 入模型当中。消费品价格对消费者的消费倾向会有影响，由于消费者收入水平有限，若居民 的收入不变，物价水平越高，则消费支出越多；反之则消费支出越少。 居民消费价格指数 能全面反映物价水平的变动，可选入模型当中。税收是国家取得财政收入的

3、一种形式，起着 调节微观经济主体活动的作用，税收可以通过对市场价格的影响来影响消费者的行为。税收 作为重要的宏观调控手段，在扩大内需尤其是引导居民消费方面，具有十分重要的作用。消 费者的可支配收入会受税收的影响，可支配收入的改变会影响商品的购买量，从而消费水平 也会发生改变，GDP即国内生产总值，消费水平的高低影响着GDP的大小，反之要GDP 的大小也影响着消费水平的高低。从以上分析可以看出，影响居民消费因素比较多，考虑到样本数据的可收集性和我国经 济的实际情况，选取了 19182012年人均国内生产总值(xl)、城镇居民人均可支配收入 (x2)、农村居民人均可支配收入(x3)三个因素，分析其

4、对居民消费的影响。其中，为了增加 数据的平稳性，对模型的被解释变量人均居民消费水平Y和解释变量xl、x2和x3均用价 格指数进行平减(1978=100)并取自然对数，然后进行回归分析。2 模型初步提出根据eviews分析得出，取对数后的变量lnxl、lnx2、lnx3分别与lny成线性相关关系。 故而得出关于影响居民消费水平的线性回归模型Y=C+B 1X1+B2X2+B3X3+B4X4+H。 其中Y代表居民消费水平（单位：元），X1人均国内生产总值（单位：元），X2代表城镇 人均可支配收入（单位：元），X3代表农村居民家庭可支配收入（单位：元），ui代表随机 干扰项。我们通过对该模型的回归分析

5、，得出各个变量与我国居民消费水平的变动关系。3 模型的估计与检验3.1 参数估计利用eviews软件对变量进行分析，得出下面的回归结果：Lny=-0.35+0.62lnx1+0.14lnx2+0.21lnx3F=25547.89DW=0.6569R=0.999596R2=0.999557但是 lnx2 的 P 值为 0.2020.05，未通过显著性检验。通过对各个变量的相关系数分析 可知，各个变量之间的相关系数都很大，可能存在多重共线性。利用逐步回归的方法通过 eviews软件对各变量进行简单回归，剔除lnx2之后的回归方程为：Lny=-0.23+0.74lnx1+0.21x3F=37501.

6、66DW=0.6594R=0.999576R2=0.999547各个变量都能够通过显著性检验。3.2 自相关检验通过LM检验和对残差序列分析可知，模型存在一阶自相关，通过在模型加入ar（1）项， 修正一阶自相关。但模型中常数项并未通过显著性检验，将其剔除后模型的各个变量都能够 通过显著性检验，并且不存在自相关。3.3 异方差检验利用怀特检验进行异方差检验，发现不存在异方差。二、结论分析综上所述， 经过 自 相 关 、异方 差 的 检 验 及多重共线 性 的 修正， 将方 程 lny=0.796lnx1+0.127lnx3 作为本研究对象的最终模型。利用计量经济学的基本方法，通过对初始线性回归模

7、型中变量的筛选和剔除，最后选出 模型 中 的 变量 分 别是人 均 国 内 生 产 总 值、农 村人 均 可 支 配 收入 。 预测模 型 lny=0.7961nx1+0.1271nx3可决系数R2达到0.9997水平，该模型在理论上符合实际，对我国 1978 年 2012 年居民消费水平的变化有很好的解释能力。其经济含义如下：人均国内生产 总值系数B 1=0.796,表示当模型中其它变量不变的情况下，人均国内生产总值每增加一个 百分点，将带动全国居民消费水平增长0.796元。农村居民人均可支配收入系数B2=0.127, 表示在模型中其它变量不变的情况下，农村居民人均可支配收入增加一个百分点，

8、全国居民 消费水平将会增加 0.127元。三、提升居民消费水平的政策建议当前制约我国经济增长的因素很多，靠扩大投资拉动经济增长不是长久之计，靠扩大出 口拉动经济增长也面临居多难题，因此，扩大内需、提升居民消费水平来拉动经济增长应是 长久之策，根据以上分析，提升居民消费水平可从以下几方面着手：大力发展生产力。增加科技投入，把国民经济蛋糕做大做强，提升国内生产总值整体水 平。当前，要发展低碳与生态经济，增加国内生产总值的绿色含量，提高居民整体收入水平， 特别是农村居民收入水平。中国是一个农业大国，农村居民收入水平低是居民消费水平难以 提高的重要原因。切实提高农民收入，不仅是农民由温饱进入小康、改善

9、农民生活质量的关 键，也是刺激消费、促进经济健康快速协调发展的重要着力点。调整农业结构，大力发展优 质高效农业。当前要对传统农业结构模式进行优化和调整。大力发展“两高一优”农业。调 整重点是进行农产品的品种改良和换代，提升品质，提高效益。大力发展农村合作经济组织，服务农民。当前要大力发展农村合作经济组织，架起种植 基地与市场供应的桥梁，为农民提供有效信息，同时畅通购销渠道。为农民的产前、产中、 产后提供全方位的服务，促进农民增产增收。针对提高城镇居民的可支配收入方面，税收政 策尤其是个人所得税方面需尽快进行调整。现行的个人所得税制度采取分类制征收，极不公 平。当前，要在提高个人所得税费用扣除额

10、的同时，尽快实行个人所得税征收模式由分类制 向综合制转变。最好以家庭为单位，这样既可以增加居民的税后可支配收入，又能贯彻公平 课税的原则。附录：1. 原始数据时间居民消费水平（元）居民消费水 平指数 （1978=100）居民消费水平 （剔除价格变 动因素） （元）（=居民消费水平绝 对值/居民消 费水平定基指数*100）人均国内生产总值（元）人均国内生产 总值指数 （1978=100）人均国内生产 总值（剔除价 格变动因素）（元）（等于 人均国内生产 总值/人均国 内生产总值定 基指数*100）城镇居民家庭人均可支配收入（元）城镇居民家庭 人均可支配收入指数 （1978=100）1978 年1

11、84100184382100382343.41001979 年208107222.56420106.1445.62405115.71980 年238116.8277.984464113524.32477.61271981 年264126.1332.904493117.3578.289500.4129.91982 年284133.1378. 004529126.1667.069535.3136.31983 年315145.3457.695584137.6803.584564.6141.51984 年356160.9572.804697156.51090.805652.1158.71985 年44

12、0181.3797.72860175.31507.58739.1160.41986 年496191.6950.336966188.11817.046900.9182.71987 年558203.11133.2981,116206.82307.8881,002.10186.81988 年684212.61454.1841,371226.63106.6861,180.20182.31989 年785221.31737.2051,528232.53552.61,373.90182.51990 年831227.51890.5251,654238.13938.1741,510.20198.11991 年

13、916242.22218.5521,903256.74885.0011,700.60212.41992 年1,057265.82809.5062,324289.76732.6282,026.60232.9城镇居民 人均可支 入（剔除变动因素（元）（ 镇居民人 入绝对数 基指数*146860（650.729.7981034.1185.1645.1871.2151.2507.2991.3612.4719.1993 年1,332293.83913.4163,015326.39837.9452,577.40255.11994 年1,799313.85645.2624,066364.914836.834

14、3,496.20276.81995 年2,330339.87917.345,074400.620326.4444,283.00290.31996 年2,765372.510299.6255,878435.825616.3244,838.90301.61997 年2,978389.611602.2886,457471.130418. 9275,160.30311.91998 年3,126411.512863.496,835503.334400.5555,425.10329.91999 年3,346445.914919.8147,199536.938651.4315,854.00360.62000

15、 年3,721493.118348. 2517,902577.645641.9526,280.00383.72001 年3,987523.220859.9848,670621.153849.376,859.60416.32002 年4,301567.324399.5739,45067363598.57,702.80472.12003 年4,6066002763610,600735.877994.88,472.20514.62004 年5,13864333037.3412,400805.299844.89,421.60554.22005 年5,771705.440708.63414,259891

16、.3127090.46710,493.00607.42006 年6,41676549082.416,602998.8165820.77611,759.50670.72007 年7,572862.665316.07220,3371,134.70230763.93913,785.80752.52008 年& 707934.381349.50123,9121,237.5029591115,780.80815.72009 年9,5141,026.1097623.15425,9631,345.10349228.31317,174.70895.42010 年10,9191,124.50122784.155

17、30,5671,480.90452666.70319,109.40965.22011 年13,1341,248.60163991.12436,0181,613.60581186.44821,809.801,046.302012 年14,6991,362.00200200.3839,5441,730.20684190.28824,564.701,146.7065749677 12433145941609417897211092409285563636443597522146373478870103738128723153782.184443228195281683图表 1 以上数据来源于国家统计

18、局经计算得出2.Eviews软件结果13121110取对数后xl、x2、x3分别与y之间关系的散点图:8765567891011121314LNX1变量取对数后的回归模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/21/15 Time: 16:56 Sample: 1978 2012 Included observations: 35VariabIeCoefficientStd. Errort-StatisticProb.C-0.3491330.105803-3.2998310.0024LNX10.6197120.098

19、3076.3038490.0000LNX20.1403710.1076871.3035040.2020LNX30.2141290.0335986.3732340.0000R-squared0.999596Mean dependent var8.693085Adjusted R-squared0.999557S.D. dependent var2.103196S.E. of regression0.044289Akaike info criterion-3.288962Sum squared resid0.060806Schwarz criterion-3.111208Log IikeIihoo

20、d61.55684Hannan-Quinn criter.-3.227601F-statistic25547.89Durbin-Watson stat0.686901Prob(F-statistic)0.000000剔除Inx2的回归模型Dependent Variable: LOG(Y) Method: Least SquaresDate: 06/21/15 Time: 18:41SampIe: 1978 2012IncIuded observations: 35VariabIeCoefficientStd. Error t-StatisticProb.C-0.2286300.052020

21、-4.3950530.0001LNX10.7434810.025744 28.879440.0000LNX30.2114170.033898 6.2368480.0000R-squared0.999574Mean dependent var8.693085Adjusted R-squared0.999547S.D. dependent var2.103196S.E. of regression0.044770Akaike info criterion-3.292744Sum squared resid0.064139Schwarz criterion-3.159428Log IikeIihoo

22、d60.62302Hannan-Quinn criter.-3.246723F-statistic37501.66Durbin-Watson stat0.659370Prob(F-statistic)0.000000对残差列的检验Dependent Variable: RESMethod: Least SquaresDate: 06/21/15 Time: 18:38Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsVariableCoefficientStd. Error t-StatisticPro

23、b.RES(-1)0.6712460.130151 5.1574210.0000R-squared0.446265Mean dependent var0.000341Adjusted R-squared0.446265S.D. dependent var0.044039S.E. of regression0.032771Akaike info criterion-3.969591Sum squared resid0.035439Schwarz criterion-3.924698Log likelihood68.48305Hannan-Quinn criter.-3.954282Durbin-

24、Watson stat1.736550Dependent Variable: RESMethod: Least SquaresDate: 06/21/15 Time: 18:38Sample (adjusted): 1980 2012Included observations: 33 after adjustmentsVariableCoefficientStd. Error t-StatisticProb.RES(-1)0.7940060.178749 4.4420040.0001RES(-2)-0.1831500.178571 -1.0256470.3130R-squared0.46344

25、7Mean dependent var0.000696Adjusted R-squared0.446139S.D. dependent var0.044672S.E. of regression0.033246Akaike info criterion-3.911087Sum squared resid0.034264Schwarz criterion-3.820390Log likelihood66.53294Hannan-Quinn criter.-3.880571Durbin-Watson stat2.017294加入AR (1)项后的回归模型Dependent Variable: LO

26、G(Y)Method: Least SquaresDate: 06/21/15 Time: 18:41Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsConvergence achieved after 6 iterationsVariableCoefficientStd. Error t-StatisticProb.C-0.2419900.178868 -1.3528920.1862LNX10.7358930.063135 11.655800.0000LNX30.2218510.089009 2.4

27、924530.0184AR0.6740030.136946 4.9216560.0000R-squared0.999743Mean dependent var8.795383Adjusted R-squared0.999718S.D. dependent var2.044530S.E. of regression0.034349Akaike info criterion-3.794342Sum squared resid0.035396Schwarz criterion-3.614770Log likelihood68.50382Hannan-Quinn criter.-3.733103F-s

28、tatistic38961.34Durbin-Watson stat1.752642Prob(F-statistic)0.000000Inverted AR Roots.67剔除常数项的回归模型Dependent Variable: LOG(Y) Method: Least SquaresDate: 06/21/15 Time: 18:41Sample (adjusted): 1979 2012Included observations: 34 after adjustmentsConvergence achieved after 9 iterationsVariableCoefficient

29、Std. Error t-StatisticProb.LNX10.7961770.043475 18.313290.0000LNX30.1268200.050281 2.5222520.0170AR0.7224660.120938 5.9738530.0000R-squared0.999729Mean dependent var8.795383Adjusted R-squared0.999711S.D. dependent var2.044530S.E. of regression0.034749Akaike info criterion-3.797255Sum squared resid0.037432Schwarz criterion-3.662576Log likelihood67.55334Hannan-Quinn criter.-3.751326Durbin-Watson stat1.658788Inverted AR Roots.72