计量期末论文范文1

上海市城镇居民消费支出相关因素的实

证分析

姓名： 班级： 学号：

目录

一、引言……………………………………………………………1 二、实证分析………………………………………………………1

（一）变量选取…………………………………………………………1 （二）数据取得…………………………………………………………2 （三）模型的建立与构造………………………………………………3 （四）模型检验…………………………………………………………5

1.模型经济意义检验…………………………………………………………5 2.统计检验……………………………………………………………………5 3.计量检验……………………………………………………………………5 3.1. 多重共线性检验…………………………………………………… 5 3.2.邹氏检验………………………………………………………………8 3.3.异方差检验……………………………………………………………11 3.4. 自相关检验……………………………………………………………

（五）模型修正…………………………………………………………16

三、实证分析结论…………………………………………………18 四、政策建议………………………………………………………19

参考文献…………………………………………………… 19

上海市城镇居民最终消费支出总额相关因素的实证分析

【摘要】 本文旨在对1980-2010年上海市城镇居民人均可支配收入、上海市商品零售价格指数以及上海市城镇居民常住人口数对上海城镇居民最终消费支出总额变动的影响进行实证分析。首先利用EVIEWS软件建立了理论模型，进而利用其对计量模型进行了参数估计和检验，并且对模型进行了修正。最后，对所得的分析结果作出了经济意义的分析，得出结论，并提出一些政策建议。

【关键词】最终消费支出总额 相关因素 模型 计量经济学 参数估计 检验

一、引言

针对当下国内所存在的宏观经济问题来看，要解决中国经济的又好又快以及可持续发展，首当其冲的就是需要拉动内需，我国进一步重视扩大消费的作用，把增加居民消费作为扩大消费需求的重点，不断拓宽消费领域和改善消费环境。改革开放以来，人们的收入水平尤其人均可支配收入在不断增加，同时消费品的种类和层次也在不断更新提升。对于始终走在发展前沿的上海更是如此，这个作为未来世界金融中心、航运中心以及贸易中心的国际都会，它的居民尤其是在上海占绝大部分比重的城镇居民，他们的最终消费支出总额在这些年来发生着什么样的变化，引起这些变化的相关因素又是什么，研究好这些问题，对于我国接下来的发展导向的制定和改变是有着积极的作用和影响的。

居民最终消费支出是指常住居民在一定时期内的全部消费性货物和服务支出，居民指的是从事消费活动的住户和个人，不包括从事生产活动的企业、事业、行政等各种类型单位。它是研究居民生活水平、消费购买力等的重要经济指标。为了把它的增长变化原因弄清楚，我们引入它的相关因素变量，从多方面逐一进行剖析，再加以判断。

二、实证分析

（一）变量选取

（1）上海市城镇居民人均可支配收入。由于城市的发展，居民的收入在逐年递增，消费结构以及消费观念也在发生着改变。从早期购买耐用品到如今各类款式商品以及部分高档奢侈品。人均可支配收入与消费支出总额必然存在关系，且收入越高，相应的消费支出也会增加，预计两者呈现正相关的关系。 （2）上海市商品零售价格指数。通过此变量来说明价格的变动对于消费的影响，价格水平越高，相应的消费支出就会减少，预计两者应呈现负相关的关系。由于指数是一个相对量的经济指标，这里均以1978年基期100。

（3）上海市城镇常住人口数。针对此文研究的目标是最终消费支出总额的相关影响因素，则由于我国是一个人口大国，上海每年的人口都是逐年递增，故人口与消费支出总额必然存在关系。人口越多，消费支出也越多，预计两者应呈现正

相关的关系。

Y—上海市城镇居民最终消费支出总额（亿元） X1—上海市城镇居民人均可支配收入（元）

X2—上海市商品零售价格指数（以1978年为基期100） X3—上海市城镇居民常住人口数（万人）

（二）数据取得

表1 以上数据来自《2011年上海统计年鉴》

（三）模型的建立与构造

在EVIEWS软件中输入数据，观察Y与三个解释变量X1、X2、X3之间的散点

图1 y与x1的散点图

图2 y与x2的散点图

图3 y与x3的散点图

发现存在较强的线性关系，故此选择建立线性模型。 建立模型：Y01X12X23X3

利用EVIEWS软件对数据进行普通最小二乘回归，得到如下结果：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:37 Sample: 1980 2010 Included observations: 31

Variable C X1 X2 X3

R-squared

Coefficient

888.5900 0.236646 -2.543733 -0.905329

Std. Error

865.5490 0.017851 0.543711 1.181137

t-Statistic

1.026620 13.25682 -4.678466 -0.766490

Prob.

0.3137 0.0000 0.0001 0.4500

1509.068 1854.239 13.58585 13.77089 823.9566 0.000000

0.989195 Mean dependent var 0.987995 S.D. dependent var 203.1677 Akaike info criterion 1114482. Schwarz criterion -206.5807 F-statistic 0.755904 Prob(F-statistic)

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

Y = 888.5900229 + 0.2366456885*X1 - 2.543733397*X2 - 0.9053293021*X3

（四）模型检验

1.模型的经济意义检验

除X3外，X1与X2的估计系数符号均符合预期以及经济意义。

2.统计检验

模型的可决系数为0.989195，表明模型的拟合度较好，被解释变量对解释变量的解释能力较强。F统计量等于823.9566大于5%显著性水平下F（3，31-3-1）的临界值3.35，表明模型整体的显著性较高。除X3外，X1与X2的t检验值均大于5%显著性水平下自由度为31-3-1=27的临界值2.052，通过了变量的显著性检验。故还须对模型进行计量经济学检验并作出修正。

3.计量检验

3.1. 多重共线性检验

（1）对各解释变量进行多重共线性检验

从系数矩阵表中看出，X3与X1之间的相关系数较高，可能存在多重共线性。

（2）修正多重共线性

①利用EVIEWS分别对Y与各解释变量X1、X2、X3做最小二乘回归，回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:48 Sample: 1980 2010 Included observations: 31

Variable C X1

R-squared

Coefficient

-343.9055 0.196758

Std. Error

80.61173 0.006142

t-Statistic

-4.266197 32.03644

Prob.

0.0002 0.0000

1509.068 1854.239 14.39026 14.48278 1026.334 0.000000

0.972521 Mean dependent var 0.971573 S.D. dependent var 312.6306 Akaike info criterion 2834399. Schwarz criterion -221.0491 F-statistic 0.346919 Prob(F-statistic)

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

Y = -343.9054935 + 0.1967584335*X1

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:51 Sample: 1980 2010 Included observations: 31

Variable C X2

R-squared

Coefficient

-1277.062 9.402464

Std. Error

694.9926 2.169763

t-Statistic

-1.837519 4.333407

Prob.

0.0764 0.0002

1509.068 1854.239 17.48530 17.57782 18.77842 0.000161

0.393031 Mean dependent var 0.372101 S.D. dependent var 1469.300 Akaike info criterion 62606447 Schwarz criterion -269.0222 F-statistic 0.072711 Prob(F-statistic)

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

Y = -1277.061938 + 9.402464436*X2

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:52 Sample: 1980 2010 Included observations: 31

Variable C X3

R-squared

Coefficient

-8575.827 10.68633

Std. Error

717.1970 0.749317

t-Statistic

-11.95742 14.26143

Prob.

0.0000 0.0000

1509.068 1854.239 15.90347 15.99598 203.3884 0.000000

0.875209 Mean dependent var 0.870906 S.D. dependent var 666.2224 Akaike info criterion 12871716 Schwarz criterion -244.5037 F-statistic 0.190966 Prob(F-statistic)

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

Y = -8575.827025 + 10.68632524*X3

可见，最终消费支出总额与人均可支配收入的影响最大，与经验相符合，因此选择X1与Y的模型作为初始的回归模型。

②对模型进行逐步回归，在初始模型的基础上加入解释变量X2与X3，得到如下回归结果 加入X2：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:54 Sample: 1980 2010 Included observations: 31

Variable C X1 X2

R-squared

Coefficient

229.9373 0.223705 -2.792969

Std. Error

102.9650 0.005754 0.432541

t-Statistic

2.233160 38.87691 -6.457114

Prob.

0.0337 0.0000 0.0000

1509.068 1854.239 13.54286 13.68164 1254.117 0.000000

0.988960 Mean dependent var 0.988171 S.D. dependent var 201.6656 Akaike info criterion 1138732. Schwarz criterion -206.9144 F-statistic 0.757159 Prob(F-statistic)

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

Y = 229.9373152 + 0.2237047768*X1 - 2.792968875*X2

加入X3：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:56 Sample: 1980 2010 Included observations: 31

Variable C X1 X3

R-squared

Coefficient

2957.184 0.268120 -4.210084

Std. Error

983.2193 0.021848 1.250849

t-Statistic

3.007654 12.27194 -3.365781

Prob.

0.0055 0.0000 0.0022

1509.068 1854.239 14.11503 14.25381 701.5978 0.000000

0.980436 Mean dependent var 0.979039 S.D. dependent var 268.4583 Akaike info criterion 2017957. Schwarz criterion -215.7830 F-statistic 0.462125 Prob(F-statistic)

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

Y = 2957.183726 + 0.2681202171*X1 - 4.210084196*X3

初始模型加入X2后可决系数上升，且各变量的t检验值上升，表明变量的显著性提高；加入X3后可决系数虽仍上升，但是各变量的t检验值下降，表明变量的显著性下降。这说明X3对模型的解释能力不强，因此决定剔除X3，保留X1和X2。

修正后的模型为：Y = 229.9373152 + 0.2237047768*X1 - 2.792968875*X2

由于剔除了变量X3，故模型已不存在多重共线性，且各解释变量前得系数均符合经济意义，模型拟合度上升，各变量t检验值上升。在其他因素保持不变的情况下，人均可支配收入每增加1元，价格指数每上升1%，则最终消费支出总额 会增加0.2237亿元，减少2.793亿元。

3.2.邹氏检验

（1）对参数进行邹氏检验

考虑到1980-2010年时间跨度较大，居民的消费观念以及商品种类、价格均发生了较大的改变，因此有必要对模型进行参数的稳定性检验。

将数据分为1980-1994年和1996-2010年两组分别进行普通最小二乘回归结果如下：

1980-1994年：

Dependent Variable: Y Method: Least Squares Date: 12/14/11 Time: 23:23 Sample: 1980 1994 Included observations: 15

Variable C X1 X2

R-squared

Coefficient

-23.57143 0.108880 -0.031200

Std. Error

11.68572 0.007695 0.136626

t-Statistic

-2.017113 14.14927 -0.228360

Prob.

0.0666 0.0000 0.8232

179.5160 161.4286 7.414260 7.555870 2234.625 0.000000

0.997322 Mean dependent var 0.996876 S.D. dependent var 9.022875 Akaike info criterion 976.9473 Schwarz criterion -52.60695 F-statistic 1.784714 Prob(F-statistic)

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

记此时的残差平方和为RSS1=976.9473 1996-2010年：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 23:05 Sample: 1996 2010

Included observations: 15

Variable C X1 X2

R-squared

Coefficient

-3614.980 0.239963 6.050175

Std. Error

932.6004 0.006379 2.269112

t-Statistic

-3.876237 37.61496 2.666318

Prob.

0.0022 0.0000 0.0206

2887.649 1836.485 13.40302 13.54463 720.9383 0.000000

0.991746 Mean dependent var 0.990371 S.D. dependent var 180.2137 Akaike info criterion 389723.5 Schwarz criterion -97.52265 F-statistic 1.872683 Prob(F-statistic)

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

记此时的残差平方和为RSS2=389723.5

结合首次回归的结果中残差平方和RSSR=1138732，根据邹氏参数稳定性检验的方法构造F统计量：

F

(RSSRRSS1RSS2)/(k1)

~F(k1,n1n22k2)

(RSS1RSS2)/(n1n22k2)

186925.075

10.517＞F（4，22）=4.31

17774.168

F统计量超出了5%显著性水平下的临界值，拒绝参数稳定的前提假设条件，因此未通过邹氏参数结构稳定性检验，此数据存在结构性差异。

（2）对参数存在结构性变化进行修正

由于未通过邹氏检验，参数存在结构性差异，故此引入虚拟变量D1，在截距项和斜率项分别影响模型。说明在1980-1994年与1996-2010两个时间段内，居民的消费观念与结构发生了改变，因此以1995年作为临界年份，修改后的模型为：

Y=0+1X1+2X2+3D1X1+4D1X2+5D1+ 其中D1=0（1995年以前） D1=1（1995年以后）

对上述模型作普通最小二乘回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 23:14 Sample: 1980 2010 Included observations: 31

Variable C D1 X1 X2 D1*X1 D1*X2

R-squared

Coefficient

-23.57143 -3674.672 0.108880 -0.031200 0.130072 6.350488

Std. Error

164.3544 670.0097 0.108228 1.921588 0.108315 2.479456

t-Statistic

-0.143418 -5.484506 1.006024 -0.016237 1.200874 2.561242

Prob.

0.8871 0.0000 0.3240 0.9872 0.2411 0.0168

1509.068 1854.239 12.69670 12.97425 1275.978 0.000000

0.996097 Mean dependent var 0.995316 S.D. dependent var 126.9026 Akaike info criterion 402607.0 Schwarz criterion -190.7989 F-statistic 1.979337 Prob(F-statistic)

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

Y = -23.57142636 - 3674.672072*D1 + 0.1088797451*X1 - 0.[1**********]*X2 + 0.1300721433*D1*X1 + 6.350487647*D1*X2

模型的拟合度上升，且其中D1与D1*X2两个解释变量的t检验值大于5%显著性水平下自由度为25的临界值，说明这两个变量具有较强的解释能力，因此保留D1与D1*X2，剔除D1*X1。

则模型修正为：Y=0+1X1+2X2+3D1X2+4D1+ 再次对上述模型作普通最小二乘回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/09/11 Time: 11:35 Sample: 1980 2010 Included observations: 31

Variable C D1 X1 X2 X2*D1

R-squared

Coefficient

147.6843 -3834.322 0.238743 -2.286355 8.585163

Std. Error

82.39216 662.2472 0.004369 0.410741 1.652424

t-Statistic

1.792456 -5.789865 54.64840 -5.566415 5.195498

Prob.

0.0847 0.0000 0.0000 0.0000 0.0000

1509.068 1854.239 12.68827 12.91956 1567.950

0.995872 Mean dependent var 0.995236 S.D. dependent var 127.9770 Akaike info criterion 425830.9 Schwarz criterion -191.6682 F-statistic

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

Durbin-Watson stat

1.966144 Prob(F-statistic)

0.000000

Y = 147.6842822 - 3834.321875*D1 + 0.2387434908*X1 - 2.286354563*X2 +

8.585162965*X2*D1

此时模型的拟合度再次提高，同时各变量的t检验值均通过了显著性检验，模型F值上升，表明整个模型的解释能力增强，显著性增强。并且通过引入虚拟变量D1修正了参数的结构性差异。

3.3.异方差检验 （1）异方差检验

首先利用EVIEWS做出残差平方项e与X1、X2的散点图4、图5所示：

2

图4

与X1的散点图

图5 e与X2的散点图

2

再利用EVIEWS进行怀特检验，结果如下： ①有交叉项：

White Heteroskedasticity Test: F-statistic

36.26392 Probability 29.37967 Probability

Std. Error

67752.52 1598058. 53.66990 7645.556 51.44397 0.000139 0.190234 0.194456 1162.145 3.689461 9.680494

t-Statistic

-0.354449 3.219794 -1.284554 -2.911655 -0.327044 5.533049 0.264557 0.508534 0.358048 -0.313694 2.581958

Coefficient

-24014.84 5145418. -68.94188 -22261.22 -16.82445 0.000769 0.050328 0.098888 416.1038 -1.157362 24.99463

0.000000 0.001081

Prob.

0.7267 0.0043 0.2136 0.0086 0.7470 0.0000 0.7941 0.6166 0.7241 0.7570 0.0178

13736.48 36417.07 21.56899 22.07782 36.26392 0.000000

2

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/11 Time: 12:58 Sample: 1980 2010 Included observations: 31

Variable C D1 D1*X1 D1*X2 X1 X1^2 X1*X2 X1*(X2*D1)

X2 X2^2 X2*(X2*D1) R-squared

0.947731 Mean dependent var 0.921597 S.D. dependent var 10196.96 Akaike info criterion 2.08E+09 Schwarz criterion -323.3193 F-statistic 2.099187 Prob(F-statistic)

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

2nR29.38大于5%显著性水平下自由度为10的分布临界值18.31，因 此时

此存在异方差。

②无交叉项：

White Heteroskedasticity Test: F-statistic

33.54974 Probability 28.23481 Probability

Std. Error

22393.11 1653884. 5.474862 0.000142 229.7584 0.532694 7952.597 9.583957

t-Statistic

0.154972 1.243447 -6.140756 6.961126 0.436426 1.731638 -1.010301 0.792948

Coefficient

3470.306 2056518. -33.61979 0.000986 100.2725 0.922433 -8034.515 7.599582

0.000000 0.000199

Prob.

0.8782 0.2262 0.0000 0.0000 0.6666 0.0967 0.3229 0.4359

13736.48 36417.07 21.90993 22.27999 33.54974 0.000000

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/11 Time: 13:04 Sample: 1980 2010 Included observations: 31

Variable C D1 X1 X1^2 X2 X2^2 X2*D1 (X2*D1)^2 R-squared

0.910800 Mean dependent var 0.883652 S.D. dependent var 12421.77 Akaike info criterion 3.55E+09 Schwarz criterion -331.6038 F-statistic 2.314129 Prob(F-statistic)

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

此时nR228.234大于5%显著性水平下自由度为7的2分布临界值6.35，因 此存在异方差。

（2）模型异方差的修正

令z^2等于e^2，定义w1=1/sqr(z^2)作为权数，对模型进行加权最小二乘回 归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/09/11 Time: 11:47 Sample: 1980 2010 Included observations: 31

Weighting series: W1

Variable C D1 X1 X2 D1*X2

R-squared

Coefficient

148.0073 -3904.358 0.239154 -2.289150 8.754422

Std. Error

1.134763 74.21755 0.000626 0.012391 0.181990

t-Statistic

130.4301 -52.60695 382.3288 -184.7442 48.10397

Prob.

0.0000 0.0000 0.0000 0.0000 0.0000

1721.721 7450.192 4.948352 5.179640 12118677 0.000000

1509.068 1854.239 426292.3

Weighted Statistics

1.000000 Mean dependent var 1.000000 S.D. dependent var 2.669503 Akaike info criterion 185.2824 Schwarz criterion -71.69945 F-statistic 1.680378 Prob(F-statistic)

Unweighted Statistics

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

R-squared

0.995867 Mean dependent var 0.995231 S.D. dependent var 128.0463 Sum squared resid 1.968072

Adjusted R-squared S.E. of regression Durbin-Watson stat

Y = 148.0072628 - 3904.358476*D1 + 0.2391537329*X1 - 2.289149579*X2 + 8.754421628*D1*X2

进行加权最小二乘修正后的模型拟合度达到百分之百，同时各解释变量的t 检验值均显著提高，表面解释能力增强，整个模型的解释能力再次提高。

再对修正后的模型进行怀特检验结果如下：

①有交叉项：

White Heteroskedasticity Test: F-statistic

0.419673 Probability 5.376703 Probability

0.920428 0.864636

Obs*R-squared

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/11/11 Time: 13:16 Sample: 1980 2010

Included observations: 31

Variable C D1 D1*X1 D1*X2 X1 X1^2 X1*X2 X1*(D1*X2)

X2 X2^2 X2*(D1*X2) R-squared

Coefficient

-14.50991 -353.7725 0.011256 1.530325 -0.011778 9.52E-09 5.65E-05 -5.61E-05 0.354807 -0.001200 -0.001150

Std. Error

19.46344 459.0784 0.015418 2.196359 0.014778 3.99E-08 5.46E-05 5.59E-05 0.333852 0.001060 0.002781

t-Statistic

-0.745496 -0.770615 0.730048 0.696756 -0.796942 0.238439 1.033643 -1.004213 1.062765 -1.132281 -0.413440

Prob.

0.4646 0.4499 0.4738 0.4940 0.4348 0.8140 0.3136 0.3273 0.3006 0.2709 0.6837

5.976852 2.630769 5.258832 5.767666 0.419673 0.920428

0.173442 Mean dependent var -0.239837 S.D. dependent var 2.929308 Akaike info criterion 171.6169 Schwarz criterion -70.51190 F-statistic 2.282676 Prob(F-statistic)

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

此时nR25.3767小于5%显著性水平下自由度为10的2分布临界值18.31，因 此不存在异方差。

②无交叉项：

White Heteroskedasticity Test: F-statistic

0.445943 Probability 3.704580 Probability

Std. Error

5.082464 375.3748

0.862685 0.813106

Prob.

0.2575 0.3028

Obs*R-squared

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/11/11 Time: 13:18 Sample: 1980 2010 Included observations: 31

Variable C D1

Coefficient

5.901203 -395.6681

t-Statistic

1.161091 -1.054062

X1 X1^2 X2 X2^2 D1*X2 (D1*X2)^2 R-squared

-0.000297 7.81E-09 0.009434 -2.45E-05 1.970475 -0.002431

0.001243 3.21E-08 0.052147 0.000121 1.804965 0.002175

-0.238750 0.242915 0.180902 -0.202431 1.091697 -1.117772

0.8134 0.8102 0.8580 0.8414 0.2863 0.2752

5.976852 2.630769 5.128501 5.498562 0.445943 0.862685

2

0.119503 Mean dependent var -0.148475 S.D. dependent var 2.819315 Akaike info criterion 182.8163 Schwarz criterion -71.49176 F-statistic 2.328660 Prob(F-statistic)

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

2

此时nR3.7046小于5%显著性水平下自由度为7的分布临界值6.35，因此

不存在异方差。

通过对模型进行加权最小二乘回归，修正了异方差，使模型通过了怀特检验。并且再次提高了拟合优度以及各解释变量的t检验值。使整个模型的解释能力明显提高。

3.4. 自相关检验

首先利用EVIEWS软件作出残差序列与时间以及滞后一期的残差散点图，如图6和图7所示：

图6 残差序列与时间残差散点图

图7 残差序列与滞后一期的残差散点图

其次进行D.W．检验和LM检验

①D.W．检验：模型D.W.值等于1.68，临界值上下限分别为1.30和1.57，

dU＜DW..＜4dL，因此不存在自相关。

②LM检验：利用EVIEWS软件对模型进行LM检验，得到结果如下：

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares Date: 12/11/11 Time: 13:30

Presample missing value lagged residuals set to zero.

Variable

0.049935

Prob.

3.843634 Probability

Coefficient

Std. Error

t-Statistic

C D1 X1 X2 D1*X2 RESID(-1) R-squared

-26.25192 614.6457 -0.005551 0.213321 -1.520290 -0.592958

79.87834 695.8503 0.004992 0.407949 1.734523 0.316198

-0.328649 0.883302 -1.112039 0.522910 -0.876489 -1.875276

0.7452 0.3855 0.2767 0.6056 0.3891 0.0725

-2.096659 119.1856 12.62117 12.89872 0.707686 0.623177

2

0.123988 Mean dependent var -0.051214 S.D. dependent var 122.1995 Akaike info criterion 373317.7 Schwarz criterion -189.6282 F-statistic 1.931978 Prob(F-statistic)

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

2

此时虽nR3.8436稍大于5%显著性水平下自由度为1的分布临界值

3.84，但是滞后一阶残差项前的系数未通过显著性检验，因此不存在自相关性。

（五）模型修正

经过对原模型进行的统计检验和计量检验，现模型修正如下：

Y = 148.0072628 - 3904.358476*D1 + 0.2391537329*X1 - 2.289149579*X2 +

8.754421628*D1*X2

其中D1=0（1995年以前）

D1=1（1995年以后）

模型的拟合优度为100%，且各变量前系数符合均符合经济意义，人均可支配 收入与最终消费支出总额呈正相关；1995年前商品零售价格指数与最终消费支出总额呈负相关，1995年后呈正相关。同时，各变量的t检验值均通过显著性检验，模型的F检验值通过显著性检验。且已修正了多重共线性、异方差以及自相关性。

三、实证分析结论

1.模型最终修正了多重共线性、异方差以及参数结构不稳定的问题，同时提高了模型的精度，并且使得模型整体以及各变量的显著性提高，拟合度增强。

2.常住人口数的变化对与最终消费支出总额的影响是不显著的。可能由于新增人口的消费额在整个消费总额中所占的比重较小。同时常住人口数与人均可支配收入存在高度线性关系，故此将其剔除。

3. 商品的价格对与最终消费支出总额的影响是显著的，由于每年货币的购买力都有所变化，因此这里以商品零售价格指数作为解释变量。由于引入了虚拟变量D1可以发现1995年前后价格与支出的相关性是相反的，1995年前价格与支出为负相关，1995年后为正相关，有理由得出居民的消费观念发生了改变。

4.人均可支配收入对于消费支出总额的影响相对最为明显，这些变量中X1的t检验值是最高的。根据凯恩斯的消费函数，收入是决定消费的唯一因素在这里得到了验证。居民的收入尤其是可支配收入的提高，能够最明显地提升消费总额。

5.由于模型整体未通过邹氏参数稳定性检验，因此引入虚拟变量D1以1995年为临界年份。这说明在1995年前后的时间里，人们的消费观念包括商品的种类价格等均发生了明显的改变。

四、政策建议

1.准确把握好居民消费的变化发展，并且制定出有效的促进措施。了解消费的动态，掌握不同社会群体的消费特点和规律，有针对性地提出调控建议，有效引导商品生产企业提供满足居民消费需求的商品和服务

2.尽力维持好商品的零售价格，是其在合理的区间内上下浮动，考虑到商品的零售价格对于消费支出总额的影响非常显著，做好物价的稳定工作是非常重要的。可以组织企业与厂商对接，减少流通环节，从而减少成本，降低价格。

3.鼓励居民消费，首先应当大力建设社会福利事业，使居民没有后顾之忧，降低货币的预防需求，增加用于消费的支出。同时可以在推动餐饮、住宿、洗浴等传统服务业升级的同时，加快家政、看护、快递、保洁等新型生活性服务业的发展。完善汽车、建材家居、新型家电等消费热点产品的流通体系，推动信贷消费、租赁消费和循环消费，促进消费升级。

【参考文献】

[1]李子奈.计量经济学.北京：高等教育出版社，2000. [2]叶德磊.宏观经济学.上海：高等教育出版社，2009

[3]G.G.Judge，等.计量经济学理论与实践引论.周逸江，等译. 北京：中国统计出版社，1993.

[4]上海统计局 http://www.stats-sh.gov.cn/

上海市城镇居民消费支出相关因素的实

证分析

姓名： 班级： 学号：

目录

一、引言……………………………………………………………1 二、实证分析………………………………………………………1

（一）变量选取…………………………………………………………1 （二）数据取得…………………………………………………………2 （三）模型的建立与构造………………………………………………3 （四）模型检验…………………………………………………………5

1.模型经济意义检验…………………………………………………………5 2.统计检验……………………………………………………………………5 3.计量检验……………………………………………………………………5 3.1. 多重共线性检验…………………………………………………… 5 3.2.邹氏检验………………………………………………………………8 3.3.异方差检验……………………………………………………………11 3.4. 自相关检验……………………………………………………………

（五）模型修正…………………………………………………………16

三、实证分析结论…………………………………………………18 四、政策建议………………………………………………………19

参考文献…………………………………………………… 19

上海市城镇居民最终消费支出总额相关因素的实证分析

【摘要】 本文旨在对1980-2010年上海市城镇居民人均可支配收入、上海市商品零售价格指数以及上海市城镇居民常住人口数对上海城镇居民最终消费支出总额变动的影响进行实证分析。首先利用EVIEWS软件建立了理论模型，进而利用其对计量模型进行了参数估计和检验，并且对模型进行了修正。最后，对所得的分析结果作出了经济意义的分析，得出结论，并提出一些政策建议。

【关键词】最终消费支出总额 相关因素 模型 计量经济学 参数估计 检验

一、引言

针对当下国内所存在的宏观经济问题来看，要解决中国经济的又好又快以及可持续发展，首当其冲的就是需要拉动内需，我国进一步重视扩大消费的作用，把增加居民消费作为扩大消费需求的重点，不断拓宽消费领域和改善消费环境。改革开放以来，人们的收入水平尤其人均可支配收入在不断增加，同时消费品的种类和层次也在不断更新提升。对于始终走在发展前沿的上海更是如此，这个作为未来世界金融中心、航运中心以及贸易中心的国际都会，它的居民尤其是在上海占绝大部分比重的城镇居民，他们的最终消费支出总额在这些年来发生着什么样的变化，引起这些变化的相关因素又是什么，研究好这些问题，对于我国接下来的发展导向的制定和改变是有着积极的作用和影响的。

居民最终消费支出是指常住居民在一定时期内的全部消费性货物和服务支出，居民指的是从事消费活动的住户和个人，不包括从事生产活动的企业、事业、行政等各种类型单位。它是研究居民生活水平、消费购买力等的重要经济指标。为了把它的增长变化原因弄清楚，我们引入它的相关因素变量，从多方面逐一进行剖析，再加以判断。

二、实证分析

（一）变量选取

（1）上海市城镇居民人均可支配收入。由于城市的发展，居民的收入在逐年递增，消费结构以及消费观念也在发生着改变。从早期购买耐用品到如今各类款式商品以及部分高档奢侈品。人均可支配收入与消费支出总额必然存在关系，且收入越高，相应的消费支出也会增加，预计两者呈现正相关的关系。 （2）上海市商品零售价格指数。通过此变量来说明价格的变动对于消费的影响，价格水平越高，相应的消费支出就会减少，预计两者应呈现负相关的关系。由于指数是一个相对量的经济指标，这里均以1978年基期100。

（3）上海市城镇常住人口数。针对此文研究的目标是最终消费支出总额的相关影响因素，则由于我国是一个人口大国，上海每年的人口都是逐年递增，故人口与消费支出总额必然存在关系。人口越多，消费支出也越多，预计两者应呈现正

相关的关系。

Y—上海市城镇居民最终消费支出总额（亿元） X1—上海市城镇居民人均可支配收入（元）

X2—上海市商品零售价格指数（以1978年为基期100） X3—上海市城镇居民常住人口数（万人）

（二）数据取得

表1 以上数据来自《2011年上海统计年鉴》

（三）模型的建立与构造

在EVIEWS软件中输入数据，观察Y与三个解释变量X1、X2、X3之间的散点

图1 y与x1的散点图

图2 y与x2的散点图

图3 y与x3的散点图

发现存在较强的线性关系，故此选择建立线性模型。 建立模型：Y01X12X23X3

利用EVIEWS软件对数据进行普通最小二乘回归，得到如下结果：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:37 Sample: 1980 2010 Included observations: 31

Variable C X1 X2 X3

R-squared

Coefficient

888.5900 0.236646 -2.543733 -0.905329

Std. Error

865.5490 0.017851 0.543711 1.181137

t-Statistic

1.026620 13.25682 -4.678466 -0.766490

Prob.

0.3137 0.0000 0.0001 0.4500

1509.068 1854.239 13.58585 13.77089 823.9566 0.000000

0.989195 Mean dependent var 0.987995 S.D. dependent var 203.1677 Akaike info criterion 1114482. Schwarz criterion -206.5807 F-statistic 0.755904 Prob(F-statistic)

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

Y = 888.5900229 + 0.2366456885*X1 - 2.543733397*X2 - 0.9053293021*X3

（四）模型检验

1.模型的经济意义检验

除X3外，X1与X2的估计系数符号均符合预期以及经济意义。

2.统计检验

模型的可决系数为0.989195，表明模型的拟合度较好，被解释变量对解释变量的解释能力较强。F统计量等于823.9566大于5%显著性水平下F（3，31-3-1）的临界值3.35，表明模型整体的显著性较高。除X3外，X1与X2的t检验值均大于5%显著性水平下自由度为31-3-1=27的临界值2.052，通过了变量的显著性检验。故还须对模型进行计量经济学检验并作出修正。

3.计量检验

3.1. 多重共线性检验

（1）对各解释变量进行多重共线性检验

从系数矩阵表中看出，X3与X1之间的相关系数较高，可能存在多重共线性。

（2）修正多重共线性

①利用EVIEWS分别对Y与各解释变量X1、X2、X3做最小二乘回归，回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:48 Sample: 1980 2010 Included observations: 31

Variable C X1

R-squared

Coefficient

-343.9055 0.196758

Std. Error

80.61173 0.006142

t-Statistic

-4.266197 32.03644

Prob.

0.0002 0.0000

1509.068 1854.239 14.39026 14.48278 1026.334 0.000000

0.972521 Mean dependent var 0.971573 S.D. dependent var 312.6306 Akaike info criterion 2834399. Schwarz criterion -221.0491 F-statistic 0.346919 Prob(F-statistic)

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

Y = -343.9054935 + 0.1967584335*X1

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:51 Sample: 1980 2010 Included observations: 31

Variable C X2

R-squared

Coefficient

-1277.062 9.402464

Std. Error

694.9926 2.169763

t-Statistic

-1.837519 4.333407

Prob.

0.0764 0.0002

1509.068 1854.239 17.48530 17.57782 18.77842 0.000161

0.393031 Mean dependent var 0.372101 S.D. dependent var 1469.300 Akaike info criterion 62606447 Schwarz criterion -269.0222 F-statistic 0.072711 Prob(F-statistic)

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

Y = -1277.061938 + 9.402464436*X2

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:52 Sample: 1980 2010 Included observations: 31

Variable C X3

R-squared

Coefficient

-8575.827 10.68633

Std. Error

717.1970 0.749317

t-Statistic

-11.95742 14.26143

Prob.

0.0000 0.0000

1509.068 1854.239 15.90347 15.99598 203.3884 0.000000

0.875209 Mean dependent var 0.870906 S.D. dependent var 666.2224 Akaike info criterion 12871716 Schwarz criterion -244.5037 F-statistic 0.190966 Prob(F-statistic)

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

Y = -8575.827025 + 10.68632524*X3

可见，最终消费支出总额与人均可支配收入的影响最大，与经验相符合，因此选择X1与Y的模型作为初始的回归模型。

②对模型进行逐步回归，在初始模型的基础上加入解释变量X2与X3，得到如下回归结果 加入X2：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:54 Sample: 1980 2010 Included observations: 31

Variable C X1 X2

R-squared

Coefficient

229.9373 0.223705 -2.792969

Std. Error

102.9650 0.005754 0.432541

t-Statistic

2.233160 38.87691 -6.457114

Prob.

0.0337 0.0000 0.0000

1509.068 1854.239 13.54286 13.68164 1254.117 0.000000

0.988960 Mean dependent var 0.988171 S.D. dependent var 201.6656 Akaike info criterion 1138732. Schwarz criterion -206.9144 F-statistic 0.757159 Prob(F-statistic)

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

Y = 229.9373152 + 0.2237047768*X1 - 2.792968875*X2

加入X3：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 22:56 Sample: 1980 2010 Included observations: 31

Variable C X1 X3

R-squared

Coefficient

2957.184 0.268120 -4.210084

Std. Error

983.2193 0.021848 1.250849

t-Statistic

3.007654 12.27194 -3.365781

Prob.

0.0055 0.0000 0.0022

1509.068 1854.239 14.11503 14.25381 701.5978 0.000000

0.980436 Mean dependent var 0.979039 S.D. dependent var 268.4583 Akaike info criterion 2017957. Schwarz criterion -215.7830 F-statistic 0.462125 Prob(F-statistic)

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

Y = 2957.183726 + 0.2681202171*X1 - 4.210084196*X3

初始模型加入X2后可决系数上升，且各变量的t检验值上升，表明变量的显著性提高；加入X3后可决系数虽仍上升，但是各变量的t检验值下降，表明变量的显著性下降。这说明X3对模型的解释能力不强，因此决定剔除X3，保留X1和X2。

修正后的模型为：Y = 229.9373152 + 0.2237047768*X1 - 2.792968875*X2

由于剔除了变量X3，故模型已不存在多重共线性，且各解释变量前得系数均符合经济意义，模型拟合度上升，各变量t检验值上升。在其他因素保持不变的情况下，人均可支配收入每增加1元，价格指数每上升1%，则最终消费支出总额 会增加0.2237亿元，减少2.793亿元。

3.2.邹氏检验

（1）对参数进行邹氏检验

考虑到1980-2010年时间跨度较大，居民的消费观念以及商品种类、价格均发生了较大的改变，因此有必要对模型进行参数的稳定性检验。

将数据分为1980-1994年和1996-2010年两组分别进行普通最小二乘回归结果如下：

1980-1994年：

Dependent Variable: Y Method: Least Squares Date: 12/14/11 Time: 23:23 Sample: 1980 1994 Included observations: 15

Variable C X1 X2

R-squared

Coefficient

-23.57143 0.108880 -0.031200

Std. Error

11.68572 0.007695 0.136626

t-Statistic

-2.017113 14.14927 -0.228360

Prob.

0.0666 0.0000 0.8232

179.5160 161.4286 7.414260 7.555870 2234.625 0.000000

0.997322 Mean dependent var 0.996876 S.D. dependent var 9.022875 Akaike info criterion 976.9473 Schwarz criterion -52.60695 F-statistic 1.784714 Prob(F-statistic)

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

记此时的残差平方和为RSS1=976.9473 1996-2010年：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 23:05 Sample: 1996 2010

Included observations: 15

Variable C X1 X2

R-squared

Coefficient

-3614.980 0.239963 6.050175

Std. Error

932.6004 0.006379 2.269112

t-Statistic

-3.876237 37.61496 2.666318

Prob.

0.0022 0.0000 0.0206

2887.649 1836.485 13.40302 13.54463 720.9383 0.000000

0.991746 Mean dependent var 0.990371 S.D. dependent var 180.2137 Akaike info criterion 389723.5 Schwarz criterion -97.52265 F-statistic 1.872683 Prob(F-statistic)

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

记此时的残差平方和为RSS2=389723.5

结合首次回归的结果中残差平方和RSSR=1138732，根据邹氏参数稳定性检验的方法构造F统计量：

F

(RSSRRSS1RSS2)/(k1)

~F(k1,n1n22k2)

(RSS1RSS2)/(n1n22k2)

186925.075

10.517＞F（4，22）=4.31

17774.168

F统计量超出了5%显著性水平下的临界值，拒绝参数稳定的前提假设条件，因此未通过邹氏参数结构稳定性检验，此数据存在结构性差异。

（2）对参数存在结构性变化进行修正

由于未通过邹氏检验，参数存在结构性差异，故此引入虚拟变量D1，在截距项和斜率项分别影响模型。说明在1980-1994年与1996-2010两个时间段内，居民的消费观念与结构发生了改变，因此以1995年作为临界年份，修改后的模型为：

Y=0+1X1+2X2+3D1X1+4D1X2+5D1+ 其中D1=0（1995年以前） D1=1（1995年以后）

对上述模型作普通最小二乘回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/08/11 Time: 23:14 Sample: 1980 2010 Included observations: 31

Variable C D1 X1 X2 D1*X1 D1*X2

R-squared

Coefficient

-23.57143 -3674.672 0.108880 -0.031200 0.130072 6.350488

Std. Error

164.3544 670.0097 0.108228 1.921588 0.108315 2.479456

t-Statistic

-0.143418 -5.484506 1.006024 -0.016237 1.200874 2.561242

Prob.

0.8871 0.0000 0.3240 0.9872 0.2411 0.0168

1509.068 1854.239 12.69670 12.97425 1275.978 0.000000

0.996097 Mean dependent var 0.995316 S.D. dependent var 126.9026 Akaike info criterion 402607.0 Schwarz criterion -190.7989 F-statistic 1.979337 Prob(F-statistic)

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

Y = -23.57142636 - 3674.672072*D1 + 0.1088797451*X1 - 0.[1**********]*X2 + 0.1300721433*D1*X1 + 6.350487647*D1*X2

模型的拟合度上升，且其中D1与D1*X2两个解释变量的t检验值大于5%显著性水平下自由度为25的临界值，说明这两个变量具有较强的解释能力，因此保留D1与D1*X2，剔除D1*X1。

则模型修正为：Y=0+1X1+2X2+3D1X2+4D1+ 再次对上述模型作普通最小二乘回归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/09/11 Time: 11:35 Sample: 1980 2010 Included observations: 31

Variable C D1 X1 X2 X2*D1

R-squared

Coefficient

147.6843 -3834.322 0.238743 -2.286355 8.585163

Std. Error

82.39216 662.2472 0.004369 0.410741 1.652424

t-Statistic

1.792456 -5.789865 54.64840 -5.566415 5.195498

Prob.

0.0847 0.0000 0.0000 0.0000 0.0000

1509.068 1854.239 12.68827 12.91956 1567.950

0.995872 Mean dependent var 0.995236 S.D. dependent var 127.9770 Akaike info criterion 425830.9 Schwarz criterion -191.6682 F-statistic

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

Durbin-Watson stat

1.966144 Prob(F-statistic)

0.000000

Y = 147.6842822 - 3834.321875*D1 + 0.2387434908*X1 - 2.286354563*X2 +

8.585162965*X2*D1

此时模型的拟合度再次提高，同时各变量的t检验值均通过了显著性检验，模型F值上升，表明整个模型的解释能力增强，显著性增强。并且通过引入虚拟变量D1修正了参数的结构性差异。

3.3.异方差检验 （1）异方差检验

首先利用EVIEWS做出残差平方项e与X1、X2的散点图4、图5所示：

2

图4

与X1的散点图

图5 e与X2的散点图

2

再利用EVIEWS进行怀特检验，结果如下： ①有交叉项：

White Heteroskedasticity Test: F-statistic

36.26392 Probability 29.37967 Probability

Std. Error

67752.52 1598058. 53.66990 7645.556 51.44397 0.000139 0.190234 0.194456 1162.145 3.689461 9.680494

t-Statistic

-0.354449 3.219794 -1.284554 -2.911655 -0.327044 5.533049 0.264557 0.508534 0.358048 -0.313694 2.581958

Coefficient

-24014.84 5145418. -68.94188 -22261.22 -16.82445 0.000769 0.050328 0.098888 416.1038 -1.157362 24.99463

0.000000 0.001081

Prob.

0.7267 0.0043 0.2136 0.0086 0.7470 0.0000 0.7941 0.6166 0.7241 0.7570 0.0178

13736.48 36417.07 21.56899 22.07782 36.26392 0.000000

2

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/11 Time: 12:58 Sample: 1980 2010 Included observations: 31

Variable C D1 D1*X1 D1*X2 X1 X1^2 X1*X2 X1*(X2*D1)

X2 X2^2 X2*(X2*D1) R-squared

0.947731 Mean dependent var 0.921597 S.D. dependent var 10196.96 Akaike info criterion 2.08E+09 Schwarz criterion -323.3193 F-statistic 2.099187 Prob(F-statistic)

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

2nR29.38大于5%显著性水平下自由度为10的分布临界值18.31，因 此时

此存在异方差。

②无交叉项：

White Heteroskedasticity Test: F-statistic

33.54974 Probability 28.23481 Probability

Std. Error

22393.11 1653884. 5.474862 0.000142 229.7584 0.532694 7952.597 9.583957

t-Statistic

0.154972 1.243447 -6.140756 6.961126 0.436426 1.731638 -1.010301 0.792948

Coefficient

3470.306 2056518. -33.61979 0.000986 100.2725 0.922433 -8034.515 7.599582

0.000000 0.000199

Prob.

0.8782 0.2262 0.0000 0.0000 0.6666 0.0967 0.3229 0.4359

13736.48 36417.07 21.90993 22.27999 33.54974 0.000000

Obs*R-squared

Test Equation:

Dependent Variable: RESID^2 Method: Least Squares Date: 12/11/11 Time: 13:04 Sample: 1980 2010 Included observations: 31

Variable C D1 X1 X1^2 X2 X2^2 X2*D1 (X2*D1)^2 R-squared

0.910800 Mean dependent var 0.883652 S.D. dependent var 12421.77 Akaike info criterion 3.55E+09 Schwarz criterion -331.6038 F-statistic 2.314129 Prob(F-statistic)

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

此时nR228.234大于5%显著性水平下自由度为7的2分布临界值6.35，因 此存在异方差。

（2）模型异方差的修正

令z^2等于e^2，定义w1=1/sqr(z^2)作为权数，对模型进行加权最小二乘回 归结果如下：

Dependent Variable: Y Method: Least Squares Date: 12/09/11 Time: 11:47 Sample: 1980 2010 Included observations: 31

Weighting series: W1

Variable C D1 X1 X2 D1*X2

R-squared

Coefficient

148.0073 -3904.358 0.239154 -2.289150 8.754422

Std. Error

1.134763 74.21755 0.000626 0.012391 0.181990

t-Statistic

130.4301 -52.60695 382.3288 -184.7442 48.10397

Prob.

0.0000 0.0000 0.0000 0.0000 0.0000

1721.721 7450.192 4.948352 5.179640 12118677 0.000000

1509.068 1854.239 426292.3

Weighted Statistics

1.000000 Mean dependent var 1.000000 S.D. dependent var 2.669503 Akaike info criterion 185.2824 Schwarz criterion -71.69945 F-statistic 1.680378 Prob(F-statistic)

Unweighted Statistics

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

R-squared

0.995867 Mean dependent var 0.995231 S.D. dependent var 128.0463 Sum squared resid 1.968072

Adjusted R-squared S.E. of regression Durbin-Watson stat

Y = 148.0072628 - 3904.358476*D1 + 0.2391537329*X1 - 2.289149579*X2 + 8.754421628*D1*X2

进行加权最小二乘修正后的模型拟合度达到百分之百，同时各解释变量的t 检验值均显著提高，表面解释能力增强，整个模型的解释能力再次提高。

再对修正后的模型进行怀特检验结果如下：

①有交叉项：

White Heteroskedasticity Test: F-statistic

0.419673 Probability 5.376703 Probability

0.920428 0.864636

Obs*R-squared

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/11/11 Time: 13:16 Sample: 1980 2010

Included observations: 31

Variable C D1 D1*X1 D1*X2 X1 X1^2 X1*X2 X1*(D1*X2)

X2 X2^2 X2*(D1*X2) R-squared

Coefficient

-14.50991 -353.7725 0.011256 1.530325 -0.011778 9.52E-09 5.65E-05 -5.61E-05 0.354807 -0.001200 -0.001150

Std. Error

19.46344 459.0784 0.015418 2.196359 0.014778 3.99E-08 5.46E-05 5.59E-05 0.333852 0.001060 0.002781

t-Statistic

-0.745496 -0.770615 0.730048 0.696756 -0.796942 0.238439 1.033643 -1.004213 1.062765 -1.132281 -0.413440

Prob.

0.4646 0.4499 0.4738 0.4940 0.4348 0.8140 0.3136 0.3273 0.3006 0.2709 0.6837

5.976852 2.630769 5.258832 5.767666 0.419673 0.920428

0.173442 Mean dependent var -0.239837 S.D. dependent var 2.929308 Akaike info criterion 171.6169 Schwarz criterion -70.51190 F-statistic 2.282676 Prob(F-statistic)

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

此时nR25.3767小于5%显著性水平下自由度为10的2分布临界值18.31，因 此不存在异方差。

②无交叉项：

White Heteroskedasticity Test: F-statistic

0.445943 Probability 3.704580 Probability

Std. Error

5.082464 375.3748

0.862685 0.813106

Prob.

0.2575 0.3028

Obs*R-squared

Test Equation:

Dependent Variable: STD_RESID^2 Method: Least Squares Date: 12/11/11 Time: 13:18 Sample: 1980 2010 Included observations: 31

Variable C D1

Coefficient

5.901203 -395.6681

t-Statistic

1.161091 -1.054062

X1 X1^2 X2 X2^2 D1*X2 (D1*X2)^2 R-squared

-0.000297 7.81E-09 0.009434 -2.45E-05 1.970475 -0.002431

0.001243 3.21E-08 0.052147 0.000121 1.804965 0.002175

-0.238750 0.242915 0.180902 -0.202431 1.091697 -1.117772

0.8134 0.8102 0.8580 0.8414 0.2863 0.2752

5.976852 2.630769 5.128501 5.498562 0.445943 0.862685

2

0.119503 Mean dependent var -0.148475 S.D. dependent var 2.819315 Akaike info criterion 182.8163 Schwarz criterion -71.49176 F-statistic 2.328660 Prob(F-statistic)

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

2

此时nR3.7046小于5%显著性水平下自由度为7的分布临界值6.35，因此

不存在异方差。

通过对模型进行加权最小二乘回归，修正了异方差，使模型通过了怀特检验。并且再次提高了拟合优度以及各解释变量的t检验值。使整个模型的解释能力明显提高。

3.4. 自相关检验

首先利用EVIEWS软件作出残差序列与时间以及滞后一期的残差散点图，如图6和图7所示：

图6 残差序列与时间残差散点图

图7 残差序列与滞后一期的残差散点图

其次进行D.W．检验和LM检验

①D.W．检验：模型D.W.值等于1.68，临界值上下限分别为1.30和1.57，

dU＜DW..＜4dL，因此不存在自相关。

②LM检验：利用EVIEWS软件对模型进行LM检验，得到结果如下：

Breusch-Godfrey Serial Correlation LM Test:

Obs*R-squared

Test Equation:

Dependent Variable: RESID Method: Least Squares Date: 12/11/11 Time: 13:30

Presample missing value lagged residuals set to zero.

Variable

0.049935

Prob.

3.843634 Probability

Coefficient

Std. Error

t-Statistic

C D1 X1 X2 D1*X2 RESID(-1) R-squared

-26.25192 614.6457 -0.005551 0.213321 -1.520290 -0.592958

79.87834 695.8503 0.004992 0.407949 1.734523 0.316198

-0.328649 0.883302 -1.112039 0.522910 -0.876489 -1.875276

0.7452 0.3855 0.2767 0.6056 0.3891 0.0725

-2.096659 119.1856 12.62117 12.89872 0.707686 0.623177

2

0.123988 Mean dependent var -0.051214 S.D. dependent var 122.1995 Akaike info criterion 373317.7 Schwarz criterion -189.6282 F-statistic 1.931978 Prob(F-statistic)

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

2

此时虽nR3.8436稍大于5%显著性水平下自由度为1的分布临界值

3.84，但是滞后一阶残差项前的系数未通过显著性检验，因此不存在自相关性。

（五）模型修正

经过对原模型进行的统计检验和计量检验，现模型修正如下：

Y = 148.0072628 - 3904.358476*D1 + 0.2391537329*X1 - 2.289149579*X2 +

8.754421628*D1*X2

其中D1=0（1995年以前）

D1=1（1995年以后）

模型的拟合优度为100%，且各变量前系数符合均符合经济意义，人均可支配 收入与最终消费支出总额呈正相关；1995年前商品零售价格指数与最终消费支出总额呈负相关，1995年后呈正相关。同时，各变量的t检验值均通过显著性检验，模型的F检验值通过显著性检验。且已修正了多重共线性、异方差以及自相关性。

三、实证分析结论

1.模型最终修正了多重共线性、异方差以及参数结构不稳定的问题，同时提高了模型的精度，并且使得模型整体以及各变量的显著性提高，拟合度增强。

2.常住人口数的变化对与最终消费支出总额的影响是不显著的。可能由于新增人口的消费额在整个消费总额中所占的比重较小。同时常住人口数与人均可支配收入存在高度线性关系，故此将其剔除。

3. 商品的价格对与最终消费支出总额的影响是显著的，由于每年货币的购买力都有所变化，因此这里以商品零售价格指数作为解释变量。由于引入了虚拟变量D1可以发现1995年前后价格与支出的相关性是相反的，1995年前价格与支出为负相关，1995年后为正相关，有理由得出居民的消费观念发生了改变。

4.人均可支配收入对于消费支出总额的影响相对最为明显，这些变量中X1的t检验值是最高的。根据凯恩斯的消费函数，收入是决定消费的唯一因素在这里得到了验证。居民的收入尤其是可支配收入的提高，能够最明显地提升消费总额。

5.由于模型整体未通过邹氏参数稳定性检验，因此引入虚拟变量D1以1995年为临界年份。这说明在1995年前后的时间里，人们的消费观念包括商品的种类价格等均发生了明显的改变。

四、政策建议

1.准确把握好居民消费的变化发展，并且制定出有效的促进措施。了解消费的动态，掌握不同社会群体的消费特点和规律，有针对性地提出调控建议，有效引导商品生产企业提供满足居民消费需求的商品和服务

2.尽力维持好商品的零售价格，是其在合理的区间内上下浮动，考虑到商品的零售价格对于消费支出总额的影响非常显著，做好物价的稳定工作是非常重要的。可以组织企业与厂商对接，减少流通环节，从而减少成本，降低价格。

3.鼓励居民消费，首先应当大力建设社会福利事业，使居民没有后顾之忧，降低货币的预防需求，增加用于消费的支出。同时可以在推动餐饮、住宿、洗浴等传统服务业升级的同时，加快家政、看护、快递、保洁等新型生活性服务业的发展。完善汽车、建材家居、新型家电等消费热点产品的流通体系，推动信贷消费、租赁消费和循环消费，促进消费升级。

【参考文献】

[1]李子奈.计量经济学.北京：高等教育出版社，2000. [2]叶德磊.宏观经济学.上海：高等教育出版社，2009

[3]G.G.Judge，等.计量经济学理论与实践引论.周逸江，等译. 北京：中国统计出版社，1993.

[4]上海统计局 http://www.stats-sh.gov.cn/