我国东西部消费差异的实证研
摘要：本文选取的是2003年全国31个省市的城镇居民的人均全年可支配收入和人均全年消费支出，以及各地区的失业率。
关键词：消费支出 可支配收入 失业率(%)
（由于造成消费支出因素很多，笔者只是找到几个关键因素进行分析）
具体数据如下：
消费支出
(元/每人全年)
y 可支配收入
(元/每人全年)
X1 失业率(%)
X2
北京 11123.84 13882.62 1.4
天津 7867.53 10312.91 3.8
河北 5439.77 7239.06 3.9
山西 5105.38 7005.03 3
内蒙 5419.14 7012.9 4.5
辽林 6077.92 7240.58 6.5
吉林 5492.1 7005.17 4.3
黑龙江 5015.19 6678.9 4.2
上海 11040.34 14867.49 4.9
江苏 6708.58 9262.46 4.1
浙江 9712.89 13179.53 4.2
安徽 5064.34 6778.03 4.1
福建 7356.26 9999.54 4.1
江西 4914.55 6901.42 3.6
山东 6069.35 8399.91 3.6
河南 4941.6 6926.21 3.1
湖北 5963.25 7321.98 4.3
湖南 6082.62 7674.2 3.8
广东 9636.27 12380.43 2.9
广西 5763.5 7785.04 3.6
海南 5502.43 7259.25 3.4
重庆 7118.06 8093.67 4.1
四川 5759.21 7041.87 4.4
贵州 4948.98 6569.23 4
云南 6023.56 7643.57 4.1
西藏 8045.34 8765.45
陕西 5666.54 6806.35 3.5
甘肃 5298.91 6657.24 3.4
青海 5400.24 6745.32 3.8
宁夏 5330.34 6530.48 4.4
新疆 5540.61 7173.54 3.5
数据来源于《中国统计年鉴（2004）》
一、建立模型并回归
建立回归方程：
Y=a0+a1*X1+a2*X2 +U
Y消费支出(元/每人全年) X1 可支配收入 (元/每人全年) X2失业率(%)
运用OLS估计方法对式1中的参数进行估计，得回归分析结果：（表2）
Dependent Variable: Y
Method: Least Squares
Date: 12/14/10 Time: 12:07
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 99.66845 512.5545 0.194454 0.8472
X1 0.749028 0.033317 22.48216 0.0000
X2 30.99029 95.80441 0.323475 0.7487
R-squared 0.949335 Mean dependent var 6433.182
Adjusted R-squared 0.945716 S.D. dependent var 1761.376
S.E. of regression 410.3820 Akaike info criterion 14.96382
Sum squared resid 4715575. Schwarz criterion 15.10259
Log likelihood -228.9392 F-statistic 262.3240
Durbin-Watson stat 1.179608 Prob(F-statistic) 0.000000
从表2中可以看出F检验显著，但有几项t检验不过关，说明变量之间存在多重线性。
为此我们进行如下操作：表2可以看出x2的t检验的p值最大，因此将x2因素剔除再进行回归分析。运用OLS估计方法剔除x2的方程进行估计，得回归分析结果：（表3）
Dependent Variable: Y
Method: Least Squares
Date: 12/14/10 Time: 12:08
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C 238.4694 275.9784 0.864087 0.3946
X1 0.746817 0.032101 23.26488 0.0000
R-squared 0.949146 Mean dependent var 6433.182
Adjusted R-squared 0.947392 S.D. dependent var 1761.376
S.E. of regression 403.9972 Akaike info criterion 14.90303
Sum squared resid 4733197. Schwarz criterion 14.99555
Log likelihood -228.9970 F-statistic 541.2545
Durbin-Watson stat 1.220823 Prob(F-statistic) 0.000000
检验到上一步可得到x1 与y的线性关系显著，f检验和t检验合格。
得到回归方程
Y = 238.4694336 + 0.7468171058*X1
R-squared 0.949146
Prob(F-statistic) 0.000000
二、经济意义检验
回归方程为Y = 238.4694336 + 0.7468171058*X1
说明 a：当x1=0时即可支配收入为0时，消费支出约为238.5元
b: 当x1每增加一个单位，消费支出增加0.75个单位。
此经济意义检验符合经济常识，所以经济意义检验合格
三、经济计量学检验
（一）异方差检验
怀特检验
对Y = 238.4694336 + 0.7468171058*X1 进行怀特检验，结果如下
White Heteroskedasticity Test:
F-statistic 1.691798 Probability 0.202476
Obs*R-squared 3.342240 Probability 0.188036
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/14/10 Time: 12:12
Sample: 1 31
Included observations: 31
Variable Coefficient Std. Error t-Statistic Prob.
C -1872177. 1113291. -1.681660 0.1038
X1 422.7464 235.3746 1.796058 0.0833
X1^2 -0.020047 0.011468 -1.748146 0.0914
R-squared 0.107814 Mean dependent var 152683.8
Adjusted R-squared 0.044087 S.D. dependent var 298716.6
S.E. of regression 292057.7 Akaike info criterion 28.09906
Sum squared resid 2.39E+12 Schwarz criterion 28.23783
Log likelihood
-432.5354 F-statistic 1.691798
Durbin-Watson stat 2.182169 Prob(F-statistic) 0.202476
Obs*R-squared 3.342240 Probability 0.188036
P值=0.188036》0.05
表明不存在异方差
（二）自相关检验
1 、DW检验
Durbin-Watson stat 2.182169
Durbin-Watson stat的值较接近2，说明回归方程不存在一阶自相关。
2、 LM检验，检验结果如表
ARCH Test:
F-statistic 0.359846 Probability 0.701205
Obs*R-squared 0.781111 Probability 0.676681
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/14/10 Time: 12:18
Sample (adjusted): 3 31
Included observations: 29 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 191418.6 73910.86 2.589858 0.0155
RESID^2(-1) -0.093533 0.194319 -0.481337 0.6343
RESID^2(-2) -0.143846 0.194330 -0.740212 0.4658
R-squared 0.026935 Mean dependent var 153793.0
Adjusted R-squared -0.047916 S.D. dependent var 307171.2
S.E. of regression 314444.3 Akaike info criterion 28.25270
Sum squared resid 2.57E+12 Schwarz criterion 28.39414
Log likelihood -406.6641 F-statistic 0.359846