全国城镇居民消费支出影响因素的实证分析(1)
- 格式:docx
- 大小:46.60 KB
- 文档页数:6
1 / 6 全国城镇居民消费支出影响因素的实证分析
【摘要】消费是社会再生产的重要环节,涉及到社会经济诸多方面,研究影响消费的因素,对认识社会经济有着重要的作用。本文考察城镇居民家庭人均可支配收入、人均GDP、收入差距、物价水平、老年人口抚养比、社会保障和恩格尔系数几个因素对全国城镇居民消费支出的影响。为了避免了多重共线性问题,利用SPSS通过主成分分析方法,构造出与原始变量的相关性很强,而他们相互之间相关性很低的新变量,然后采用回归分析方法,最终得出城镇居民家庭人均可支配收入、人均GDP、收入差距、社会保障和消费支出成正比,物价水平、恩格尔系数与消费支出成反比。
【关键词】消费支出 影响因素 主成分分析 回归分析
根据经典的消费决定理论,收入是消费的来源和基础,是影响消费的最重要因素,提高可支配收入就可提高消费支出,从而促进实体经济的发展。据藏旭恒(1994年)的研究,从1952年到1978年,城镇居民的平均消费倾向高达0.95以上。这是由于当时的收入水平是非常低的,所以大部分的收入用于维持基本生活消费,很显然储蓄动机是不足的。本文研究1995年以后全国城镇居民消费支出,1995年以后,我国经济已经发生了重大的变化,居民的消费水平逐渐提高,消费方式趋于多元化,消费结构也发生了重大的变化。如何有效的刺激消费需求,成了政府部门和学者关心的问题。然而只有对影响消费的因素有深刻的了解,才能制定相应的刺激政策。
一、 变量的选取,数据来源和模型选择
1,人均GDP。人均国内生产总值。是衡量各国人民生活水平的一个标准。人均GDP越高,表示消费支出水平越高;人均GDP越低,表示消费支出水平越低。
2,城镇居民家庭人均可支配收入。一般而言,居民可支配收入与消费支出呈密切的正相关关系。随着收入的增加,消费水平会逐步提高。根据国民经济恒等式,收入主要用于收费和储蓄,因此,收入水平是影响消费的重要因素。我们小组选取1995年以后全国城镇居民消费支出的序时数据来量化城镇居民家庭人均可支配收入的这一影响因素。
3,收入差距。城市居民人均可支配收入较高,高收入者的平均消费倾向较低;农村的人均可支配收入较低,而低收入者的平均消费倾向较高 。因而,均衡的消费有助于消费者水平提高。该研究的收入差距用全国的城市居民人均可支配收入与农村居民人均可支配收入的比值来表示,比值越大,收入差距越大。
4,老年人口抚养比。理论上,抚养比会与消费支出会呈现负相关的关系。因为老年人口需要其他家庭成员创造的财富(用于生存、接受教育和培养劳动技能)。老年人虽然丧失了劳动能力,但同样需要消费其他家庭成员创造的财富。
5,恩格尔系数。当食物支出金额不变的条件下,总支出金额与恩格尔系数成反比。所以,恩格尔系数增加,即消费支出减少;恩格尔系数减少,即消费支出增加。
6,居民消费价格指数。一般的,消费支出与居民消费价格指数呈负相关关系。物价的相助变动会引起消费者购买量的显著变动(这种商品的需求弹性正常)。并且,人们对价格的变动会做出自己的预期,根据自己的预期改变消费支出决策。如果预期价格水平上涨,消费者为避免将来消费支出损失,会增加当期的消费支出;如果预期价格水平下降,消费者为会减少当期的消费支出,增加储蓄。
7,社会保障业城镇固定资产投资建设总规模。健全的社会养老保险和失业保险等神会保障制度是社会的稳定器,能增强居民生活的安全感,减少由于预防性动机的货币需求,从而增加居民消费。由于农村的社会的社会保障制度不完善,选用人均医疗支出来反映这方面对消费需求的影响。 2 / 6 建立该模型所选用的因变量是全国人均消费支出水平(Y),自变量分别是:人均GDP()、城镇居民家庭人均可支配收入()、收入差距()、老年人口抚养比()、恩格尔系数()、居民消费价格指数()、社会保障业城镇固定资产投资建设总规模()。
二、 数据来源
数据来源于全国统计年鉴里1995-2010年的样本数据,并利用计算机在网络上搜索了一些相关资料。
三、 模型选择——主成分分析
主成分分析法是一种降维的统计方法,它借助于一个正交变换,将其分量相关的原随机向量转化成其分量不相关的新随机向量,这在代数上表现为将原随机向量的协方差阵变换成对角形阵,在几何上表现为将原坐标系变换成新的正交坐标系,使之指向样本点散布最开的p 个正交方向,然后对多维变量系统进行降维处理,使之能以一个较高的精度转换成低维变量系统,再通过构造适当的价值函数,进一步把低维系统转化成一维系统。
在实际分析中,希望对因子变量的含义有比较清楚地认识。这时,可以通过因子矩阵的旋转来进行。最后一步是计算因子得分因子变量确定后,对每一样本数据,希望得到它们在不同因子上的具体数据值,这些数值就是因子得分,它和原变量的得分相对应。有了因子得分,在以后的研究中,就可以针对维数少的因子得分来进行分析
四、 结果与分析
运用SPSS统计软件进行因子分析。软件执行结果见表1。
由表1相关矩阵可以看出,各变量的相关系数大部分都大于0.3,适合做因子分析。
相关矩阵
人均GDP(元) 城镇居民家庭人均可支配收入(元) 收入差距(城市居民人均可支配收入(元)
/农居人均纯收入(元)
老年人口抚养比(%) 恩格尔系数 居民消费价格指数 社会保障业城镇固定资产投资建设总规模(亿元)
相关 人均GDP(元) 1.000 .998 .850 .944 -.555 -.088 .996
城镇居民家庭人均可支配收入(元) .998 1.000 .868 .960 -.602 -.117 .993
收入差距(城市居民人均可支配收入(元)
/农居人均纯收入(元)
.850 .868 1.000 .855 -.701 -.128 .845
老年人口抚养比(%) .944 .960 .855 1.000 -.740 -.319 .941
恩格尔系数 -.555 -.602 -.701 -.740 1.000 .491 -.539
居民消费价格指数 -.088 -.117 -.128 -.319 .491 1.000 -.112 3 / 6 相关矩阵
人均GDP(元) 城镇居民家庭人均可支配收入(元) 收入差距(城市居民人均可支配收入(元)
/农居人均纯收入(元)
老年人口抚养比(%) 恩格尔系数 居民消费价格指数 社会保障业城镇固定资产投资建设总规模(亿元)
相关 人均GDP(元) 1.000 .998 .850 .944 -.555 -.088 .996
城镇居民家庭人均可支配收入(元) .998 1.000 .868 .960 -.602 -.117 .993
收入差距(城市居民人均可支配收入(元)
/农居人均纯收入(元)
.850 .868 1.000 .855 -.701 -.128 .845
老年人口抚养比(%) .944 .960 .855 1.000 -.740 -.319 .941
恩格尔系数 -.555 -.602 -.701 -.740 1.000 .491 -.539
居民消费价格指数 -.088 -.117 -.128 -.319 .491 1.000 -.112
社会保障业城镇固定资产投资建设总规模(亿元) .996 .993 .845 .941 -.539 -.112 1.000
表 1
解释的总方差
成份 初始特征值 提取平方和载入 旋转平方和载入
合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 %
1 5.229 74.704 74.704 5.229 74.704 74.704 4.889 69.840 69.840
2 1.200 17.144 91.848 1.200 17.144 91.848 1.541 22.007 91.848
3 .404 5.776 97.623
4 .142 2.031 99.655
5 .020 .284 99.938
6 .004 .056 99.994
7 .000 .006 100.000 4 / 6 解释的总方差
成份 初始特征值 提取平方和载入 旋转平方和载入
合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 %
1 5.229 74.704 74.704 5.229 74.704 74.704 4.889 69.840 69.840
2 1.200 17.144 91.848 1.200 17.144 91.848 1.541 22.007 91.848
3 .404 5.776 97.623
4 .142 2.031 99.655
5 .020 .284 99.938
6 .004 .056 99.994
7 .000 .006 100.000
表 2
由表2可以看出,前2个因子包含了91.848%的信息,根据累计贡献率≥85%的原则和本软件默认系统的提取原则,即提取特征值大于1的因子,应该提取前两个因子作为主成分来代替7个原原始变量。
公因子方差
初始 提取
人均GDP(元) 1.000 .976
城镇居民家庭人均可支配收入(元) 1.000 .986
收入差距(城市居民人均可支配收入(元)
/农居人均纯收入(元)
1.000 .844
老年人口抚养比(%) 1.000 .973
恩格尔系数 1.000 .785
居民消费价格指数 1.000 .901
社会保障业城镇固定资产投资建设总规模(亿元) 1.000 .964
表 3
由表3可知指定提取两个因子对所有变量的共同度均比较,各变量的信息丢失都较少。所以因子提取的总效果比较理想。 5 / 6 表 4
根据上表,可知两个主成分表达式为:
F1=0.985X1+0.977X2+0.963X3+0.959X4+0.916X5-0.742X6-0.261X7
F2=-0.057X1+0.179X2+0.221X3+0.208X4+0.072X5+0.484X6+0.913X7
由表4可知,前6个变量在第一个因子上的载荷都比较高,意味着它们与第一个因子的相关程度高,第一因子很重要,第二因子与原有变量的相关性不高,但与居民消费价格指数的相关程度较高。因此对因子载荷矩阵实施正交旋转。
表 5