对外经济贸易大学University of International Business and Economics 计量经济学期中作业影响城镇居民消费水平的多因素分析姓名班级课序号小组成员影响城镇居民消费水平的多因素分析摘要城镇居民消费水平是以货币计量表现的城镇居民生活富足程度的一个重要标志，也是城镇居民某个时期的生活消费需要获得满足的程度。
本文通过对城镇居民消费水平的变动进行多因素分析，建立以城镇居民消费水平为因变量，以其他可量化影响因素为自变量的多元线性回归模型，从而确定其主要影响因素，并提出提高我国城镇居民消费水平的几点建议。
关键词城镇居民消费水平城镇居民家庭人均可支配收入人口自然增长率城镇居民储蓄存款年末余额居民消费价格指数一、问题来源2008年以来，美国次贷危机席卷全球，我国出口贸易也因此受挫，出口总额从2008年的100394.9亿元下跌到2009年的82029.7亿元，跌幅达18.29%。
同年11月，政府启动4万亿投资拉动内需。
如何刺激国内消费以拉动经济一时间成为全国热点话题，这引起我们对影响城镇居民消费水平因素的思考。
二、理论来源根据传统凯恩斯消费理论，消费需求是个人可支配收入的函数，收入水平的高低直接影响居民的消费水平。
所以我们选择了城镇居民家庭人均可支配收入作为解释变量X1。
根据凯恩斯模型的乘数理论，投资的增加会引起实际GDP的增加。
实际GDP的增加使得可支配收入增加，可支配收入的增加导致的消费支出增加。
投资的增长拉动消费增长，又收到消费制约，消费增长促进了投资，投资与消费相互促进，共同拉动经济增长，因而我们选择社会固定资产投资作为解释变量X2。
一国的进出口总额反映了本国与外国的贸易活跃程度。
近年进口商品关税不断下调，对我国的居民消费产生了相当影响。
考虑到同时引入出口和进口两个又显著关系的变量将导致模型的多重共线性。
因此，我们选择进出口总额作为解释变量X3。
居民消费价格指数反映城镇居民购买并用于消费的消费品价格水平的变动情况，以反映通货膨胀程度。
也是影响居民消费的重要因素，因而我们选择居民消费价格指数作为解释变量X4。
随着我国住房制度、教育制度和医疗保健制度改革的不断完善，居民所面临的系统风险与个体风险提高，造成居民未来收入与支出的不确定性大大增加，居民预防性储蓄动机增加。
由于居民可支配收入的用途一是消费，一是储蓄，所以居民的储蓄增加将直接影响消费支出。
因此，我们选择了年底存款余额作为解释变量X5。
三、模型建立模型设定为Y=β0+β1X1+β2X2+β3X3+uiY——城镇居民家庭消费支出总计（元）X1——城镇居民家庭人均可支配收入（元）X2——全社会固定资产投资（亿元）X3——进出口贸易总和（亿元）X4——城镇居民消费价格指数（1978=100）X5——城乡居民储蓄存款年末余额（亿元）四、相关数据数据来源：《中国统计年鉴2010》五、模型的参数估计，建言和修正1.对被解释变量城镇居民消费支出与个解释变量的总体回归得Dependent Variable: YMethod: Least Squar esDate: 06/06/11 Time: 23:33Sample: 1992 2008Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C -48.61545 77.86274 -0.624374 0.5451X10.711800 0.044125 16.13132 0.0000X2-0.011765 0.001546 -7.610799 0.0000X30.004716 0.001409 3.346958 0.0065X4 1.273222 0.377949 3.368770 0.0063X50.002348 0.001965 1.194467 0.2574R-squared 0.999864 Mean dependent var 5596.102 Adjusted R-squared 0.999802 S.D. dependent var 2704.603 S.E. of regression 38.04330 Akaike info cr iter ion 10.38589 Sum squared resid 15920.22 Schwarz criterion 10.67997 Log likelihood -82.28008 F-statistic 16171.18 Durbin-Watson stat 2.972187 Prob(F-statistic) 0.000000有回归函数Y=-48.61545+0.711800* X1-0.011765* X2+0.004716*X3+1.273222*X4+0.002348*X5 T=(-6.24374) (16.1312) (-7.610779) (3.346958) （3.368770）（1.194467）R2=0.998864 Adjusted R2=0.999802 F=16171.18由表可见，该模型R2=0.998864拟合优度很高，F检验值为16171.18，明显显著，但是X5的T检验值不显著，结合经济现实分析可能存在多重共线性。
计算各解释变量的相关系数：由相关系数矩阵可以看出，各解释变量相互之间的相关系数高，确实存在严重多重共线性。
下面，我们采用对各个变量逐个回归、剔除的方法来解决问题：1.分别对Y做X1、X2、X3、X4、X5的一元回归，结果如下表所示：由表可以看出，X1的拟合优度最高，而且T检验也很显著，所以以X1为基础，顺次加入其它变量逐步回归：加入X2：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 00:07Sample: 1992 2008Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C 122.4736 50.96665 2.403014 0.0307X1 0.835461 0.015608 53.52918 0.0000X2 -0.011750 0.001280 -9.179174 0.0000R-squared 0.999664 Mean dependent var 5596.102 Adjusted R-squared 0.999615 S.D. dependent var 2704.603 S.E. of regression 53.03560 Akaike info criterion 10.93859 Sum squared resid 39378.85 Schwarz criterion 11.08563 Log likelihood -89.97801 F-statistic 20797.74 Durbin-Watson stat 1.473957 Prob(F-statistic) 0.000000加入X3：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 00:08Sample: 1992 2008Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C 254.1681 111.9379 2.270618 0.0395X1 0.788004 0.034497 22.84263 0.0000X3 -0.006574 0.002400 -2.738683 0.0160R-squared 0.998462 Mean dependent var 5596.102 Adjusted R-squared 0.998243 S.D. dependent var 2704.603 S.E. of regression 113.3774 Akaike info criterion 12.45811 Sum squared resid 179962.2 Schwarz criterion 12.60514 Log likelihood -102.8939 F-statistic 4545.437 Durbin-Watson stat 0.866518 Prob(F-statistic) 0.000000加入X4：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 00:10Sample: 1992 2008Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C -185.9735 163.6462 -1.136436 0.2749X1 0.661219 0.009657 68.46960 0.0000X4 2.081743 0.466193 4.465412 0.0005R-squared 0.999026 Mean dependent var 5596.102 Adjusted R-squared 0.998887 S.D. dependent var 2704.603S.E. of regression 90.23904 Akaike info criterion 12.00159Sum squared resid 114003.2 Schwarz criterion 12.14862Log likelihood -99.01349 F-statistic 7179.347Durbin-Watson stat 0.796682 Prob(F-statistic) 0.000000加入X5：Dependent Variable: YMethod: Least SquaresDate: 06/07/11 Time: 00:10Sample: 1992 2008Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C 355.6569 187.2495 1.899374 0.0783X1 0.776329 0.089017 8.721131 0.0000X5 -0.005183 0.005692 -0.910599 0.3779R-squared 0.997771 Mean dependent var 5596.102Adjusted R-squared 0.997452 S.D. dependent var 2704.603S.E. of regression 136.5184 Akaike info criterion 12.82958Sum squared resid 260921.7 Schwarz criterion 12.97662Log likelihood -106.0514 F-statistic 3132.895Durbin-Watson stat 0.472532 Prob(F-statistic) 0.000000加入X2、X3、X4、X5后R2都增大，但加入X5后T值不显著，故将X5剔除。