《计量经济学》课程论文城镇居民消费主要影响因素的实证分析小组成员：何志滔李学贤吴晓天指导教师：张子昱日期：2010年12月23日城镇居民消费主要影响因素的实证分析摘要中国经济的快速增长，城镇化步伐加快。
城镇居民的消费在国民经济中占有极其重要的比重，城镇居民的消费水平对整个国名经济的的发展有重大的作用。
面对这个巨大的消费，如何提高消费水平就成了扩大内需、拉动经济所面对的问题。
本文运用计量经济学的方法，就城镇居民的消费水平的主要影响因素进行了简单的分析。
关键词：城镇居民；消费水平；影响因素一问题的提出经济危机以来，中国遭遇增长上的瓶颈。
一直以来中国经济的增长主要依赖于投资、出口和消费三架马车，而又以投资和出口的拉动作用最大。
虽然我国一直在强调要扩大内需，但经济危机中由于出口减少而引起经济的下滑还是说明国内经济对出口的依赖还是很大的。
西方经济学中有很多关于需求、消费的理论。
微观经济学中供求和均衡价格理论中的需求定理阐述了需求的定义和影响因素。
需求是指某一特定时期内，在各种可能的价格水平下，消费者愿意而且能够买到的某种商品的数量。
影响需求的主要因素包括商品本身的价格、其他商品的价格、消费者的偏好、消费者收入及人们对未来的期望等。
由于数据的可获得性及影响的重要性，对于城镇居民的消费水平主要选取了以下两个影响因素;城镇居民家庭可支配纯收入及商品零售价格指数。
二1991年到2008年城镇居民消费水平及其影响因素的统计数据（表1）三建立模型由数据分析，初步建立模型Y=b0+b1*X1+b2*X2+ui b0表示在没有任何影响因素下城镇居民的消费水平；b1表示城镇家庭可支配纯收入对城镇居民消费水平的影响；b2表示商品零售价格指数对城镇居民的消费水平的影响；ui为随机扰动项四模型的检验与修正（一）模型的参数估计及经济意义和统计意义上的检验利用Eviews软件，做Y对X1 X2的回归。
回归结果如下表1：Dependent Variable: YMethod: Least SquaresDate: 12/22/10 Time: 12:48Sample: 1991 2008Included observations: 18Variable Coefficient Std. Errort-StatisticProb.C 3435.487 1604.745 2.140831 0.0491 X1 0.782495 0.024778 31.58077 0.0000X2 -20.24790 14.85835 -1.362728 0.1931R-squared 0.986696 Meandependent var 6826.167Adjusted R-squared 0.984922 S.D.dependent var 3180.842 S.E. of regression 390.5890 Akaike info 14.92420criterionSum squared resid 2288397. Schwarzcriterion 15.07260Log likelihood -131.3178 F-statistic 556.2194Durbin-Watson stat 0.346363 Prob(F-statistic) 0.000000参数估计：由上表可知回归系数估计值b。
=3435.487 b1=0.782495 b3=-20.24790（二）经济意义上的检验该模型可以初步估计经济意义上的检验，系数符号均符合经济意义。
城镇居民人均纯收入及零售商品价格指数均能在数量上增加居民消费。
统计意义上的检验当n=18 a=0.10时 t=1.341由数表可以看出C X1 X2的t统计量绝对值都大于1.341 符合t检验当n=18 a=0.05时，查表得Fa=6.63 有F=556.2194则符合。
R-squared=0.986696 Adjusted R-squared=0.984922 模型的拟合优度比较好。
因此这些因素对城镇居民消费水平有较大影响。
（三）计量经济学检验异方差检验样本容量为18 且模型为二元线性回归模型利用怀特检验对异方差进行检验。
利用OLS课上的残差ei 求残差的平方和ei的平方并将其X1 X2 X2的平方 X1的平方和X1*X2 进行回归可得到如下表2 且Xii为X1的平方 Xi为XjWhite Heteroskedasticity Test:F-statistic 9.554524 Probability 0.000788Obs*R-squared 13.43130 Probability 0.009350Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/22/10 Time: 21:53Sample: 1991 2008Included observations: 18Variable Coefficient Std. Errort-StatisticProb.C -5784096. 7392893. -0.782386 0.4480X1 -133.9330 33.41135 -4.008609 0.0015X1^2 0.006014 0.001953 3.078579 0.0088 X2 131397.1 135226.4 0.971683 0.3489X2^2 -663.1973 619.4676 -1.070592 0.3038R-squared 0.746183 Meandependent var 127133.2Adjusted R-squared 0.668086 S.D.dependent var 178382.8S.E. of regression 102769.8 Akaike infocriterion 26.14850Sum squared resid 1.37E+11 Schwarzcriterion 26.39583Log likelihood -230.3365 F-statistic 9.554524Durbin-Watson stat 1.614357 Prob(F-statistic) 0.000788由表可知 R-squared=0.746183 查表得样本数为18 自由度为7的χ2=14.07 nR2=13.5＜14.07 所以接受原假设，表明残差是同方差的。
不存在异方差性。
（四）序列相关检验Dubin-wolson state=0.3464 查表dl=1.16 du=1.39 而DW值小于dl，存在正序列相关利用秩代法序列相关进行处理一次秩代结果（表3）Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 00:03Sample (adjusted): 1992 2008Included observations: 17 after adjustmentsConvergence achieved after 18 iterationsVariable Coefficient Std. Errort-StatisticProb.C 2846.687 1363.509 2.087766 0.0571 X1 0.729693 0.035606 20.49341 0.0000X2 -8.363091 15.08058 -0.554560 0.5886AR(1) 0.712252 0.160164 4.447033 0.0007R-squared 0.997387 Meandependent var 7119.471Adjusted R-squared 0.996784 S.D.dependent var 3017.423S.E. of regression 171.1210 Akaike infocriterion 13.32494Sum squared resid 380671.3 Schwarzcriterion 13.52099Log likelihood -109.2620 F-statistic 1653.972Durbin-Watson stat 1.945502 Prob(F-statistic) 0.000000Inverted AR Roots .71经过一次秩代，DW值1.945所以其大于du而小于4-du 所以模型的序列不相关。
所以模型所选变量比较好。
（五）多重共线性检验利用Frish综合分析法做检验，让Y对X1 X2做回归首先让Y对X1做回归，得下表Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 09:39Sample: 1991 2008Included observations: 18Variable Coefficient Std. Errort-StatisticProb.C 1264.137 195.6462 6.461341 0.0000 X1 0.792040 0.024395 32.46719 0.0000R-squared 0.985048 Meandependent var 6826.167Adjusted R-squared 0.984114 S.D.dependent var 3180.842S.E. of regression 400.9134 Akaike infocriterion 14.92981Sum squared resid 2571705. Schwarzcriterion 15.02874 Log likelihood -132.368F-statistic 1054.1193Durbin-Watson stat 0.274278 Prob(F-statistic) 0.000000 将Y与X2回归得如下结果Dependent Variable: YMethod: Least SquaresDate: 12/23/10 Time: 09:41Sample: 1991 2008Included observations: 18Variable Coefficient Std. Errort-StatisticProb.C 22716.79 11804.76 1.924376 0.0723X2 -152.9007 113.3674 -1.348718 0.1962R-squared 0.102084 Meandependent var 6826.167Adjusted R-squared 0.045964 S.D.dependent var 3180.842S.E. of regression 3106.879 Akaike infocriterion 19.02506Sum squared resid 1.54E+08 Schwarzcriterion 19.12399Log likelihood -169.2256 F-statistic 1.819041Durbin-Watson stat 0.140831 Prob(F-statistic) 0.196209由上两表可知Y与X1的拟合度比较好 Y与X2的拟合度不那么好。