课程论文题目分析我国城镇居民消费支出对GDP的影响学院数学与统计学院专业经济统计学班级2013级经济统计一班学生姓名指导教师孙荣职称副教授2015 年12 月24 日重庆工商大学课程论文成绩评定表指导教师评定成绩：指导教师签名：年月日分析城镇居民消费支出对GDP的影响[摘要]：为了更深入地研究居民消费对GDP的影响，而不是仅仅笼统的了解居民消费对GDP有影响,本文从居民消费用途分类对GDP影响进行分析，。

文章指出应该从消费用途方面分析居民消费对GDP的影响。

政府可以根据此分析结果对居民消费结构进行调整，提高GDP，促进经济发展。

[关键字]：GDP 消费用途城镇居民消费支出引言（一）研究背景拉动经济发展的“三驾马车”是：消费，投资，进出口。

在中国，存在其他国家都不能相比的巨大的消费市场。

大家都知道，因为人多。

大多数研究在分析居民消费对GDP的影响时，仅仅分析表面，并没有对消费进行彻底的分析。

内需才是提高GDP切实可行之路，所以本文将居民消费按照用途分类，更深入的研究消费中各种用途对GDP的影响。

这样能够更加清晰的理解居民消费对GDP的具体影响，给政府提高国内生产总值提供参考性建议。

同时还可以根据本文分析结果对居民消费结构进行适当的调整，了解居民消费需求，实现供求平衡，拉动经济的增长。

（二）理论依据根据支出法计算国内生产总值，GDP=最终消费支出+资本形成总额+货物净出口，其中的最终消费支出=居民个人消费支出+社会公共消费支出，本文将居民消费支出按照户口分为城镇居民消费支出与农村居民消费支出，进而再继续分类，按照用途分类，将居民消费支出分为八大类，分别是食品、衣着、家庭设备用品及维修服务、医疗保健、交通通信、文娱教育及服务、居住、其他商品和服务。

本文根据这八类居民消费分类对GDP的影响进行深入研究。

（三）研究意义将消费按照用途分类，能够深入的了解到每一类型的消费需求对GDP的影响，用Eviews 软件进行定量分析之后，我们就能够更具体的了解到居民消费对GDP的影响，对政府进行消费结构调整能够提供有价值的建议，或者对于提高内需，拉动经济增长，能够提供可靠性的依据，不在只是依赖定性分析进行决策，而是利用更加科学可靠的定量分析进行相关决策。

一、居民消费对国内生产总值的影响居民消费支出可以看做是消费需求一部分，消费需求的增长对经济增长的拉动作用，可以从两方面进行分析：（1）消费需求弹性分析。

消费需求弹性系数是一个较为具体的地反应需求对经济增长的影响或制约性分析指标。

它是经济增长率与消费需求增长率之比，说明需求没增长1个百分点能够带动经济增长比例关系。

（2）消费需求贡献分析。

从市场消费需求增长变化对经济增长的实际效果来分析，消费需求在多大的程度上推动了经济增长。

二、深入分析居民消费对国内生产总值的影响本文利用Eviews软件深入分析居民消费对国内生产总值的影响。

将居民消费按照八个分类进行分析，这样的分析可以更好地挖掘居民消费市场的潜在空间，能够更清晰地了解到居民消费怎么对国内生产总值产生影响。

1.数据收集数据来源于国家统计局网站，是1997-2012年的相关数据。

如下表：图（1）3.Eviews 建立模型，定量分析居民消费对GDP 的影响研究居民消费对对GDP 的影响，本文着重研究居民消费按照用途分类，深入研究每一类消费用途对GDP 的影响。

建立消费用途与GDP 的回归模型，定量分析两者之间的变动关系。

因此被解释变量为：Y(GDP).解释变量为：X1(食品消费总额(亿元)),X2(衣着消费总额(亿元))，X3(居住消费总额(亿元)) ,X4(家庭设备及用品消费总额(亿元)) ,X5(医疗保健消费总额(亿元)),X6(交通和通信消费支出(亿元)),X7(文教娱乐服务消费支出(亿元)),X8(其他消费支出(亿元)).假定模型的随机误差项)σ,～N(0μ2t.建立多元线性回归模型： t 87654321μ8β7β6β5β4β3β2βX1β+++++++++=X X X X X X X C Y利用Eviews 做初步回归，结果如下：（-2.39） （1.67） （2.04） （0.28） （2.58） （1.44）（-2.62） （6.06） （-5.49）从初步回归结果可以看出，模型可决系数999799.02=R ，近似为1，说明模型的拟合优度相当高。

F 统计量的值=4348.235，在α=0.05，查表得到临界值为3.73<F=4348.235，拒绝原假设，模型整体显著。

当显著性水平α=0.05时，检验t 值的临界值=2.365，可以看出x1,x2,x3,x5,de 的t 值均小于临界值，不拒绝原假设，说明多被解释变量的影响不显著。

从回归系数的符号进行经济意义的检验，截距项为负数，说明当其他消费总额都为0时，国国内生产总值为负数，显然不符合实际生活。

变量X5的回归系数为负数，表明x5与GDP 的变动是呈负相关关系，在其他解释变量保持不变的情况下，说明医疗保健消费总额增长一亿元，GDP 相应的减少54159.46，这也是与实际生活不符合。

同理，x6,x8回归系数也是不符合实际生活。

综上所述，说明模型中解释变量之间可能存在多重共线性。

（1）模型的多重共线性检验x1，x2,，x3， x4 ，x5 ，x6，x7，x8的相关系数如下表：量之间存在严重的多重共线性，如果采用全部的解释变量在模型中去解释被解释变量，而解释变量之间存在的信息重叠严重，且相互之间的交互影响显著，肯定会影响建立的模型，导致在进行经济意义分析时不符合经济意义，与实际生活不符。

因此需要对模型进行修正，下面采用逐步回归法进行修正：①找出初步拟合优度最高且通过显著性检验的回归形式：(-4.10) (41.22)(-1.28) (67.98)(-1.84) (20.24)(-2.35) (37.03)(-0.52) (17.65)(10.37) (23.04)(6.85) (25.59)(5.4) (16.02)由以上的8个回归方程可知，在通过显著性检验的回归模型中，拟合优度最高的是X1(食品消费总额(亿元))对Y（GDP）回归方程，说明当食品消费总额每增长1亿元，相应综上所述，根据拟合优度显著性检验两个评价标准，确定最终的模型为Y=f(x1,x4)为，多元线性回归模型如下：（-4.61）（4.16）（3.39）（2）模型的异方差性检验（ARCH检验）在建立模型之前，计量经济学对模型做出很多假定。

本文在这里主要检验模型的随机误差项是否同方差，即是否存在异方差现象。

其中，将样本回归模型中的残差项作为随机误差项的估计值，利用ARCH检验，得到滞后一阶有结果：Heteroskedasticity Test: ARCHF-statistic 1.347486 Prob. F(1,13) 0.2666Obs*R-squared 1.408769 Prob. Chi-Square(1) 0.2353由上述检验结果结果可以看出，统计量Obs*R-squared对应的检验p值=0.2354，大于α=0.05的显著性水平，即接受原假设，说明随机误差项不存在异方差，符合同方差假定。

（3）自相关性的检验在实际经济问题中，大多数经济时间数据都有一个明显的特点，那就是惯性，表现在时间序列数据不同时间的前后关联上。

即不同年份的消费额，由于消费习惯等因素的惯性，他们对消费的影响也是具有内在联系的。

不同的样本点之间，随机干扰项出现相关，从而产生序列相关性。

或者在进行模型回归时，遗漏了重要解释变量，出现模型设定偏误。

一般经验表明，对于时序列数据坐样本的尽量经济学问题，由于不同样本点上解释变量以外的其他因素在时间上的连续性，所以往往存在序列相关性。

这样影响参数估计量的有效性，变量的显著性检失去意义，甚至模型下进行预测时会失效，这将给经济生活带来严重的后果。

因此，采用拉格朗日乘数法对模型进行序列相关性的检验。

拉格朗日乘数（LM）检验Breusch-Godfrey Serial Correlation LM Test:F-statistic 3.150730 Prob. F(1,12) 0.1012Obs*R-squared 3.327344 Prob. Chi-Square(1) 0.0681可以看出，检验p值=0.0681，在给定的显著性水平α=0.05下，检验p值大于0.05，即接受原假设，认为该模型不存在自相关性。

综上所述，城镇居民消费总额与国内生产总值的回归模型中解释变量为X1(食品消费总额)，X4(家庭设备及用品消费总额),说明这两个变量包含的其他变量的信息较多，应该保留在模型中，能够较好的解释被解释变量。

其他变量之间存在多重共线性，就不能保留在模型中，否则对建立的消费模型在进行经济意义分析时，经济意义会与显示不符合，在进行模型预测时，会对信息使用者或者决策者造成严重的后果。

所以消费与国内生产总值之间的多元线性回归模型为：4.模型经济意义该模型的解释变量城镇居民食品消费总额，家庭设备及用品消费总额，被解释变量是国内生产总值。

从模型参数可以看出，解释变量与被解释变量之间的关系呈正相关。

当解释变量均为0时，国内生产总值为125437.34元。

显然不符合经济意义。

但是在现实生活中，全社会的居民食品消费是生活的基本保障，其次，家庭设备及用品也也是生活之所需。

所以不可能两个变量的值均为0.截距项为负数并不影响模型的建立。

从回归系数分析，当城镇居民食品消费额每增长1亿元，其他解释变量不变的情况下，国内生产总值就会相应地增长26131.94亿元。

当城镇居民家庭设备消费额每增长1亿元，其他变量以及社会因素保持不变的情况下，国内生产总值就会增长115657.54亿元.从以上分析以及回归系数大小可以看出，对城镇居民而言，接听设备消费是主要的市场需求，在国内生产总值中占较大的比重，对国内生产总值的影响大于其他用途消费。

说明家庭设备及用品消费能够从一定的程度上反映城镇居民其他用途消费情况。

其次，食品消费总额也是占了比较大的市场。

从两者结合分析，城镇居民的消费大部分集中在家庭设备和食品消费。

三、政策建议本文旨在研究城镇居民消费不同的用途对国内生产总值的影响，进而根据模型经济经济意义分析，也可以为相关部门在决策提供可靠的依据。

根据多元线性回归模型本文得出如下建议：1、提高医疗保健消费总额，同时加强建设公共基础设施，加大对健身公共场所的投入现在很多人都在掀起一股健身热潮，很多软件都出现每天健身步数排名，也有相当一部分热爱健身的老年人没有固定的健身场所，以及前不久因为健身场所不安全引起危险事故。

所以加大对健身场所的投入刻不容缓。

同时，在人们对健身重视的同时，也反映了人们担心自己的身体健康，国家应该加大对医疗设备，基础设施的建立，真正切实做到方便利民，让人民的生活质量得到质的提高。