收入与居民消费关系的计量分析

对外经济贸易大学

2014 — 2015 学年第一学期

论文题目城镇居民消费支出的多因素实证分析

课程名称计量经济学

学号 201201170

姓名杨雅琴

学院（系）国际经济贸易学院

专业金融专业

目录

摘要、关键词 (2)

一、引言 (2)

二、变量选择与模型设计 (2)

1、变量选择 (2)

2、模型预设 (3)

三、数据来源与描述性分析 (3)

1、数据来源 (3)

2、数据的描述性分析 (6)

四、实证分析 (7)

1、OLS回归分析 (7)

2、斜率系数检验 (9)

3、固定效应模型 (10)

五、结论与建议 (11)

六、参考文献 (12)

影响我国城镇居民消费支出的相关因素计量分析

【摘要】本文针对2005—2012年八年间中国30个省、直辖市、自治区的数据，对我国城镇居民现金消费支出的变化及其影响因素进行分析，通过计量经济方法建立了我国城镇居民消费支出的理论模型，选取了城镇人均可支配收入，城镇居民消费价格指数，城镇人均GDP、城镇失业率以及地方财政个人所得税收入等多个可能影响城镇居民消费支出的因素。结果显示人均可支配收入和人均GDP与居民消费水平存在正向关系，失业率与个人所得税收入与居民消费水平存在负相关系，而居民消费价格指数与消费水平的关系并不显著。

【关键词】城镇居民消费支出计量经济模型影响因素多重共线

一、引言

消费、投资和净出口是拉动我国经济发展的三驾马车，其中消费是最重要的因素。随着我国经济的高速发展和人民生活水平的不断提高，我国的人均消费支出不断增加，尤其是城镇居民消费支出。一个国家居民的消费状况从侧面反映了该国的整体经济水平以及社会福利的大小，体现着一个国家的质量。现实中有许多因素影响着居民的消费水平，如收入水平、商品价格水平、消费者偏好、价格水平、GDP等等。但由于样本数据的可收集性及我国现在的经济状况，本文仅从以下几个因素着手分析。从居民角度来看，个人可支配收入与个人所得税显著影响着其消费性支出的高低；而从整个社会经济环境来看，消费价格指数、GDP 和失业率同样影响着居民的消费支出。经过分析本文将对如何进一步提高居民消费水平提出建议。

二、变量选择与模型设计

1、变量选择

(1) 城镇居民现金消费支出。居民消费水平是本文的重点分析对象。本文选取城镇居民现金消费支出作为居民消费水平的代表，并作为被解释变量。

(2) 城镇居民人均可支配收入。居民收入水平决定着其消费支出。在现实生活中，影响各个家户消费的因素很多。凯恩斯认为，这些因素中有决定意义的是家户收人。根据凯恩斯提出的消费理论，关于收入和消费的关系，存在一条基本心理规律：随着收入的增加，消费也会增加，但是消费的增加不及收入增加的多，即边际消费倾向递减。

(3) 城镇居民消费价格指数。即CPI，是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标，通常作为观察通货膨胀水平的重要指标。一般来说，CPI越高意味着越高的通货膨胀，会造成消费支出的增加。

(4) 人均地区生产总值。是指一个地区在核算期内实现的生产总值与所属范围内的常住人口的比值。一个地区的人均生产总值越高，所在地的人民消费水平往往越高。

(5)城镇失业率。一个地区的失业率往往反映着经济稳定程度。一般来说，失业率越高，消费水平越低。

(6)地方财政个人所得税收入。一个地区个人所得税收入高低反映着一个地区的工资水平，笔者预测，个人所得税较高意味着收入水平较高，从而导致较高的居民消费水平。

2、模型预设

Y=β0+β1X1+β2X2+β3X3+β4X4+β5X5+μ

其中Y代表城镇居民现金消费支出，X1为城镇居民人均可支配收入，X2为城镇居民消费价格指数，X3为人均地区生产总值，X4为城镇失业率,X5为地方财政个人所得税收入。β1，β2，β3，β4，β5分别为五个解释变量的系数。β0代表其他综合因素，μ代表随机误差项。

三、数据来源与描述性分析

1、数据来源

本模型采用面板数据形式，搜集2005—2012八年间中国30个省、市、自治区包括城镇居民消费支出、城镇消费价格指数、城镇居民人均可支配收入、人均地区生产总值、城镇失业率以及地方财政个人所得税收入六个变量的数据。

数据来源：中国国家统计局(/ )

具体数据表见附件1

2、数据的描述性分析

(1)各个解释变量与被解释变量关系的散点图

以下是运用STATA软件进行分析做出的各个解释变量与被解释变量的散点图

城镇居民消费支出与人均可支配收入

城镇居民消费支出与CPI

城镇居民消费支出与人均GDP

城镇居民消费支出与城镇失业率

城镇居民消费支出与地方财政个人所得税收入

通过以上五张散点图，我们可以观察到被解释变量与其中一些解释变量具有较为明显的正向或负向关系，比如X1与Y，X3与Y和X5与Y就有着明显的正向关系。同时也有一些解释变量与被解释变量看不出明显的线性关系，如X2和X4。之后我们将进一步对其进行回归分析，以找出其内在联系。

(2) 综合各个变量指标的统计表

各个变量指标描述统计表

四、实证分析

1、OLS回归分析

运用STATA软件对数据进行OLS回归分析，通过逐步增加或剔除变量，作出如下表四个回归模型，注意，四个模型采用的都是异方差回归结果，并且都进行了多重共线性检验，结果如下：

结果分析：

（1）首先只将城镇居民可支配收入引入模型，回归结果显示，变量系数为正，t 检验与F检验结果都很显著，R2值很大，契合度较高，说明居民可支配收入与城镇居民消费支出存在正相关的关系，但是此模型存在明显的遗漏变量偏差。（2）在第二个模型中我们将五个解释变量同时考虑，由表中数据可以看出，五个变量系数都为正，F检验结果很显著，R2较大，但是可明显观察到X2即CPI 变量的T检验结果并不显著，P值远大于0.05，说明X2与Y不存在明显的相关性，在下一个回归中，我们将剔除X2变量。

（3）第三个模型中我们剔除X2变量即不考虑CPI因素，只引入其他四个变量，得到的回归结果显示，四个变量系数都为正，T检验与F检验结果显著，R2值很大，契合度较高，且经过多重共线性分析，证明不存在严重多重共线性。说明这是一个较好的模型，四个被解释变量可以比较好的解释因变量的变化情况。（4）第四个模型中我们依然剔除X2变量，但将X4变量替换为X42，回归结果反映良好，说明此模型也可较好的契合实际情况。

经过对比与分析，笔者选定第三个模型为最终模型，即：

Y = 810.7637+ 0.5719731 X1 + 0.0169238 X3 + 198.5479 X4 + 2.78 X5 Adj-R2=0.9710 (377.288) (.0193743) (.005686) (72.8169) (1.577305)

其中Y代表城镇居民现金消费支出，X1为城镇居民人均可支配收入，X3为人均地区生产总值，X4为城镇失业率,X5为地方财政个人所得税收入。