社会消费品零售总额影响因素分析摘要：本文旨在对1989-2005年我国人口总数，商品零售价格指数，职工工资对我国社会消费品零售额变动的影响进行实证分析。
首先针对这种经济现象建立了理论模型。
然后，收集了相关的数据，进而利用EVIEWS软件对计量模型进行了参数估计和检验，并加以修正。
最后，对所得的分析结果作了经济意义的分析，得出结论，并相应提出一些政策建议。
关键词：社会消费品零售总额多因素分析模型计量经济学检验一．引言2006 年是我国实施“十一五”规划的第一年。
总体看，消费品市场发展面临较为有利的环境和条件。
一是2006 年继续实施稳健的宏观经济政策，人民币汇率保持基本稳定，国民经济将保持平稳较快的发展，经济发展的内在需求仍然较强，为消费品市场的稳定增长奠定了良好基础；二是国家进一步重视扩大消费的作用。
把增加居民消费特别是农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,经济工作的重点将突出进一步扩大城乡居民消费；三是居民收入水平将随着经济增长而稳步提高，特别是中央确定要扎实推进社会主义新农村建设，农民收入有望保持快速增长。
提高最低生活保障、严格执行企业最低工资制度、失业人员补贴、提高个人所得税起征点、增加公务员工资、全面取消农业税、增加农业直接补贴、增加义务教育投入等政策措施，将促进城乡居民增加收入，改善消费预期，提高消费能力；四是国家进一步重视流通对经济发展的推动作用，促进流通业改革和发展的一系列政策措施的积极作用将逐步显现，为完善消费设施、改善消费环境、拓宽消费领域、开拓农村市场创造了有利条件；五是随着国家对市场秩序整顿和监管力度的加大，商品质量特别是食品安全状况有所好转，有利于居民消费信心的提升；六是世界经济发展仍处于平稳增长周期，国际市场需求旺盛，据国际货币基金组织预测，2006 年世界经济将保持4.3%的快速增长，世界贸易也将增长7.3%；跨国投资开始回升；原油等原材料价格将呈稳中下降趋势，有利于国内市场的平衡。
社会消费品零售总额指各种经济类型的批发零售贸易业、餐饮业、制造业和其他行业对城乡居民和社会集团的消费品零售额和农民对非农业居民零售额的总和。
这个指标反映通过各种商品流通渠道向居民和社会集团供应生活消费品来满足他们生活需要的情况，是研究人民生活、社会消费品购买力、货币流通等问题的重要指标。
包括售给城乡居民用于生活消费的商品(不包括住房)和售给机关、团体、部队、学校、企业、事业单位和城市街道居民委员会、农村村民委员会用公款购买的用作非生产、非经营使用的消费品。
社会消费品零售总额”是一项重要、敏感的政府统计。
定期发布的消费品零售统计资料，常常引起国内外的强烈关注，间或还会引发一些疑义和争议。
为了有利于把问题搞清楚，需要对“社会消费品零售总额”从多方面逐一进行剖析，找出影响其增长变化的各种因素，然后再加以判断。
二．变量的选取及分析1．人口数量。
我国是一个人口大国。
八十年代末期以来，我国的人口自然增长率虽然逐年递减，但平均每年仍有1000多万人出生。
这些新生人口要吃、要穿、要用，这就必然要与零售市场发生关系。
人口越多，消费支出也越多，预计应该为正相关的关系。
2．商品零售价格指数。
借此来说明价格变动对消费的影响，价格水平越高，相应的消费支出就会减少，它们应该是负相关的关系。
这里均以上一年为基期。
这一列数据基本上也是稳步上升的。
3．职工工资总额。
随着人们收入水平的提高，人们购买商品的数量和种类逐年发生变化。
从过去的只购买耐用品到今日各种种类和款式的商品以及一些高档奢侈品，同时，收入的变化也使得消费者使用在其他领域的消费增多，必然会对商品零售市场产生影响。
它们应该也是呈正相关的关系。
Y-社会消费品零售总额（亿元）X1-人口数量（万人）X2-商品零售价格指数（％）X3-职工工资（亿元）三．数据及处理1989－2005社会消费品零售总额及其相关影响因素统计表时间社会消费品人口数价格指职工工零售总额Y 量X1 数X2 资X31989 8101.4 112704 117.8 2618.51990 8300.1 114333 102.1 2951.11991 9415.6 115823 102.9 3323.91992 10993.7 117171 105.4 3939.21993 14270.4 118517 113.2 4916.21994 18622.9 119850 121.7 6656.41995 23613.8 121121 114.8 81001996 28360.2 122389 106.1 90801997 31252.9 123626 100.8 9405.31998 33378.1 124761 97.4 9296.51999 35647.9 125786 97 9875.52000 39105.7 126743 98.5 10656.22001 43055.4 127627 99.2 11830.92002 48135.9 128453 98.7 13161.12003 52516.3 129227 99.9 14743.52004 59501 129988 102.8 16900.22005 67176.6 130756 100.8 19789.9数据来源：中华人民共和国国家统计局/在Eviews中输入数据，观察Y与各解释变量X1,X2,X3之间的散点图，明显存在较强的线性关系。
故我们选择建立线性模型。
建立模型：Y=β0+β1X1+β2X2+β3X3模型的参数估计、检验及修正1．模型的参数估计。
利用Eviews软件，输入数据，对模型进行OLS回归，得到结果：Dependent Variable: YMethod: Least SquaresDate: 12/08/07 Time: 21:24Sample: 1989 2005Included observations: 17Variable Coefficient Std. Error t-Statistic Prob.C -26784.34 33851.96 -0.791220 0.4430 X1 0.366644 0.262253 1.398054 0.1855X2 -157.2319 67.20144 -2.339711 0.0359X3 3.183830 0.278282 11.44102 0.0000R-squared 0.994229 Mean dependent var 31261.64Adjusted R-squared 0.992897 S.D. dependent var 18566.10S.E. of regression 1564.696 Akaike info criterion 17.75109Sum squared resid 31827544 Schwarz criterion 17.94714Log likelihood -146.8843 F-statistic 746.5639Durbin-Watson stat 0.846162 Prob(F-statistic) 0.000000Y=-26784.34+0.366644X1-157.2319X2+3.183830X2t=(-0.791220) (1.398054) (-2.339711) (11.44102)R²=0.994229 R²=0.992897 F=746.5639可见，模型拟合得较好，可决系数较高，表明模型中解释变量对被解释变量的解释程度较高。
只有X1的t统计值不显著，其余两个解释变量都通过F检验和T检验。
故我们需对上述模型进行计量经济学方法检验，并且进行修正。
2．计量经济学检验(1)多重共线性检验利用Eviews软件，得相关系数矩阵表：X1 X2 X3X1 1.000000 -0.584892 0.954544X2 -0.584892 1.000000 -0.479630X3 0.954544 -0.479630 1.000000从系数矩阵可以看出，解释变量X1与X3相关系数较高，表明可能存在多重共线性。
（2）修正多重共线性1)利用OLS方法分别求Y对各解释变量X1,X2,X3进行一元回归，回归结果为：选取X3作为回归模型的第一个解释变量，形成一元回归模型。
2）逐步回归。
将剩余变量X1,X2分别加入模型，得到回归结果：加入变量X2的二元回归方程R²最大，并且各参数的t检验显著，加入X1后R²值有所下降，并且t检验值不显著，表明变量对模型的解释能力不强，因此选择保留X2,剔除X1.相应的回归结果为：Y i=19635.79-202.8748X2+3.552267X3t=(2.880917) (-3.341833) (38.45188)R²=0.993361 R²=0.992413 F=1047.451 DW=1.003252 由综合判断法知，上述回归结果基本上消除了多重共线性，并且，在其他因素不变的情况下，价格指数X2每增加1％，职工工资总额X3每上升1亿元，社会商品零售总额Y将分别减少202.87亿元，增加3.55亿元。
（3）异方差检验1）图形法检验。
绘制e²t对X t的散点图：由图可以看出，残差平方对解释变量的散点图主要分布在图形的下三角部分，并且残差平方随X i的变动有逐渐增大的趋势，因此模型可能存在异方差。
通过进一步检验看是否存在。
2）White检验从表中可以看出，nR2=8.915963,由White检验可知道＝，在α＝0.05下，查χ2分布表，得临界值χ20.05(5)=11.0705,因为nR2<χ20.05(5)，所以接受原假设，即模型不存在异方差。
不用进行修正。
（4）自相关检验用普通最小二乘法得到的估计模型为：Y i=19635.79-202.8748X2+3.552267X3t=(2.880917) (-3.341833) (38.45188)R²=0.993361 R²=0.992413 F=1047.451 df=14 DW=1.003252 该回归方程可决系数较高，回归系数均显著。
对样本量为17，两个解释变量的模型，5％显著水平，查DW统计表可知，d L=1.015, d U=1.536.模型中DW<d L,显然模型存在自相关。
残差图为：如图所示，残差的变动随t的变化不断的改变着符号，表明随机误差项存在负自相关，模型中的t统计量和F统计量的结论不可信，需要采取补救措施。
（5）自相关修正用科克伦－奥克特迭代法解决自相关问题：1）由模型得到残差序列e t,并对e t进行滞后一期的自回归，得到回归方程：e t=0.350065e t-12）由方程可知ρ＝0.350065，对模型进行广义差分，得到广义差分方程：Y t-0.350065Y t-1=β1(1-0.350065)+β2(X2t-0.350065X2t-1)+β3(X3t-0.350065X3t-1)+u t-0 .350065u t-13）对广义差分方程进行回归，得结果：Dependent Variable: Y-0.350065*Y(-1)Method: Least SquaresDate: 12/09/07 Time: 18:29Sample (adjusted): 1990 2005Included observations: 16 after adjustmentsVariable Coefficient Std. Error t-Statistic Prob.C 11534.02 4408.755 2.616162 0.0213X2-0.350065*X2(-1) -192.0570 62.34481 -3.080562 0.0088X3-0.350065*X3(-1) 3.591332 0.103859 34.57878 0.0000R-squared 0.990295 Mean dependent var 22551.34Adjusted R-squared 0.988802 S.D. dependent var 12362.55S.E. of regression 1308.215 Akaike info criterion 17.35808Sum squared resid 22248543 Schwarz criterion 17.50294Log likelihood -135.8646 F-statistic 663.2598Durbin-Watson stat 1.954995 Prob(F-statistic) 0.000000由回归结果可得新的回归方程为：Y*=11534.2-192.0570X2*+3.591332X3*t=(2.616162) (-3.080562) (34.57878)R2=0.990295 R2=0.988802 F=663.2598 df=13 DW=1.954995 其中，Y＝Y t-0.350065Y t-1，X2*＝X2t-0.350065X2t-1，X3*＝X3t-0.350065X3t-1对样本量为16，两个解释变量的模型，5％显著水平，查DW统计表可知，d L=0.982, d U=1.539.模型中DW>d L,说明广义差分模型已无自相关，不必再进行迭带，同时可见，可决系数R2，,t,F统计量也均达到理想水平。