Included observations: 21 after adjustments
Variable
Coefficient Std. Error t-Statistic
C
-0.166723 0.353366 -0.471815
DY2
0.978658 0.037784 25.90108
DX2
0.000669 0.002305 0.290148
P=0.0283<0.05 显著，y1是y的格兰杰原因 P=0.0443<0.05 显著，y2是y的格兰杰原因 P=0.0011<0.05 显著，x1是y的格兰杰原因 P=0.0048<0.05 显著，x2是y的格兰杰原因
经过格兰杰检验，4个解释变量均为y的格兰 杰原因，可以作为解释变量
②普通最小二乘法
居民消费价格指数是反映一定时期内居民消费价 格变动趋势和变动程度的相对数。居民消费价格指数 分为食品、衣着、家庭设备及用品、医疗保健、交通 和通讯、娱乐教育和文化用品、居住、服务项目等八 个大类。国家规定325种必报商品和服务项目，其中， 一般商品273种，餐饮业食品16种，服务项目36种。 该指数是综合了城市居民消费价格指数和农民消费价 格指数计算取得。利用居民消费价格指数，可以观察 和分析消费品的零售价格和服务人格变动对城乡居民 实际生活费支出的影响程度。下面主要介绍一下城镇 居民消费价格指数、农村居民消费价格指数、城镇居 民人均消费价格支出、农村居民人均消费支出对其的 影响
686
DY1 0.17870802800206 86 0.00344522510536 7541
1
0.93081050355414 23
DY2
0.18461435804714 24
0.01800200416621 686
0.93081050355414 23
1
由相关系数矩阵可知：个解释变量相互之间的先关 系数较高，证实存在一定多重共线性，可用逐步回归法 消除。
改革开放初期，我国居民消费价格指数的变动 比较激烈，1988、1989年达到高峰。
进入21世纪以来，我国居民消费价格指数比以 前的变动小了很多。
五、结论 居民消费价格指数十分重要，而且具有启示性，必须谨慎
把握，因为，消费价格指数表明消费者的购买能力，也反映经 济的景气状况，如果该指数下跌，则反映经济衰退必然对货币 汇率走势不利。
计量经济学分析报告
——关于居民消费价格指数影响因素的分析
居民消费价格指数（CPI）
CPI是英文“Consumer Price Index”的缩写，直译 为“消费者价格指数”，在我国通常被称为“居民消费价 格指数”。CPI的定义决定了其所包含的统计内容，那就 是居民日常消费的全部商品和服务项目。日常生活中，我 国城乡居民消费的商品和服务项目种类繁多，小到针头线 脑，大到彩电汽车，有数百万种之多，由于人力和财力的 限制，不可能也没有必要采用普查方式调查全部商品和服 务项目的价格，世界各国都采用抽样调查方法进行调查。 作为学经济的本科阶段的学生，我们所理解的并不彻底， 我们所能涉及的范围也很小，所以借由国家统计数据做以 下分析，促使我们更好的掌握专业知识，了解国情，提高 我们实际操作水平和理论联系实际、发现问题、分析问题、 解决问题的能力。
Included observations: 21 after adjustments
Variable
Coefficient Std. Error t-Statistic
C
0.005813 0.022495 0.258417
DY2
0.571384 0.010372 55.08713
DY1
0.426599 0.010118 42.16349
Dependent Variable: Y
Method: Least Squares
Sample: 1985 2006
Included observations: 22
Weighting series: W
Weight type: Inverse standard deviation (EViews default scaling)
收入水平和消费水平的不同导致了对价格指数感受的不同。 改革开放以来，我国的国民经济有了巨大发展，人民生活水平 也有了极大提高，但高收入者毕竟只是少数，绝大多数城乡居 民收入水平和消费水平还不高。一般来说，收入水平和消费水 平的高低会造成对价格指数感受的差异。高收入者消费水平高 消费内容广，对价格上涨的承受能力强；反之，低收入者消费 水平低、消费面窄，收入主要用于吃、穿、医疗和子女的教育 等方面上，对价格上涨的承受能力低。而城镇居民和农村居民 就是因此而产生差距，从而使城镇居民消费价格指数比农村居 民消费价格指数对我国居民消费价格指数的影响程度大。
Coefficient 0.004360 0.425938 0.572954 -9.20E-05
Std. Error 0.045369 0.010577 0.011062 0.000170
t-Statistic 0.096098 40.27064 51.79573 -0.540527
DX2 F-statistic
0.8540
Obs*R-squared
11.2936 Prob. Chi-Square(14) 0.6628
3
由S于caleOdbesxp*lRai-nesdqSuSared=11.269.63864938>卡方Pro0b..0C5hi（-Sq5ua）re(=114)1.00.974，62 所以 存在异方差，用加权最小9二乘法消除异方差 Ⅱ、加权最小二乘法消除异方差
Y=0.005813+0.571384dy2+0.426599dy1 当a=0.05时，Ta/2（18）=2.101，参数dy1的T检验结果显著， 不予剔除
加入dx1
Dependent Variable: DY
Method: Least Squares
Sample (adjusted): 1986 2006
④多重共线性检验 计算各解释变量的相关系数：
DX1
DX2
DX 1 1
0.85670227386303 88
DX 0.8567022738630 1 2 388
DY 0.1787080280020 0.00344522510536
1 686
7541
DY 0.1846143580471 -
2 424
0.01800200416621
近几年来，一些生活必需品不断涨价，因此低收入者居民 反映敏感，感觉实际消费价格上涨的幅度应该比公布的CPI数据 高。
15751.09
0.000367 0.000500 0.733528
Durbin-Watson stat
2.05844
由上表的统计结果可知：DW=2.05844，查表得DL=0.93 DU=1.81， DU<DW<4-DU，所以解释变量之间无自相关 从上表中看得出：dx1的t统计结果是-0.540527，其绝对值 小于T0.025（16）=2.120，且其系数符号与预期相反，这 表明可能存在严重的多重共线性。
Y=-0.166723+0.978658dy2+0.000669dx2 当a=0.05时，Ta/2（18）=2.101，参数dx2的T检验结果不显著， 予以剔除
因为，R2=0.999737 F=34194.74 DW= 2.381670 Dy2、dy1的T检验结果显著，且拟合程度也好，消除多 重共线性
因此，我们确定最终的模型为： y=0.005813+0.571384dy2+0.426599dy1
结果与分析
根据上述分析，可以得出居民消费价格指数，城镇 居民消费价格指数和农村居民消费价格指数三者之 间的关系：
dy=0.005813+0.571384dy2+0.426599dy1+u 即：y=0.005813+0.571384y2+0.426599y1+u
建立模型
1、本文模型数据样本从1985—2006年： Y 居民消费价格指数 Y1 城镇居民消费价格指数 Y2 农村居民消费价格指数 X1 城镇居民人均消费支出 X2 农村居民人均消费支出
2、基于以上数据，建立一下模型：
Y=β1+β2y1+β3y2+β4x1+β5x2+u
①检验各变量是否为y的格兰杰原因
变量
Dy1
Dy2
DX1
DX2
R2
0.955376
0.973749
0.34607
0.000045
R2由大到小排序为：dy2、dy1、dx1、dx2
以dy2为基础，顺次加入其它变量逐步回归：
首先加入dy1
Dependent Variable: DY
Method: Least Squares
Sample (adjusted): 1986 2006
由此可以看出，城镇居民人均消费支出和农村 居民人均生活消费支出对居民消费价格指数的影响 较小，在方程中予以剔除，而城镇居民消费价格指 数和农村居民消费价格指数对居民消费价格指数的 影响较大，城镇居民的影响力比农村居民的影响力 显著。
改革开放30年来，中国社会经济的各方面都发 生了巨大变化，有些甚至是根本性的变化。
Included observations: 21 after adjustments
Variable
Coefficient Std. Error t-Statistic
C
-0.124385 0.425416 -0.292383
DY2
0.977731 0.038518 25.38402
DX1
8.090895 0.000788 0.102708
F-statistic 384834.4
Durbin-Watson stat
0.860182
从上表（加权最小二乘法）的统计结果中可知，DW=0.860182 查表得
DL=0.96 DU=1.80 0<DW<DL，所以，存在一介正自相关
差分—消除
Dependent Variable: DY Method: Least Squares Sample (adjusted): 1986 2006 Included observations: 21 after adjustments Variable C DY1 DY2 DX1
Y=-0.124385+0.977731dy2+8.090895dx1 当a=0.05时，Ta/2（18）=2.101，参数dx1的T检验 结果不显著，予以剔除
加入dx2
Dependent Variable: DY
Method: Least Squares
Sample (adjusted): 1986 2006
Dependent Variable: Y Method: Least Squares Sample: 1985 2006 Included observations: 22 Variable C Y1 Y2 X1 X2
Coefficient Std. Error t-Statistic -0.039682 0.405396 -0.097885 0.432584 0.010802 40.04835 0.567086 0.010740 52.80087 -9.56E-05 0.000104 -0.915566 0.000357 0.000414 0.863621
由以上分析，初步建立模型为： Y=-0.039682+0.432584*y1+0.567086*y2-9.56*x1+0.000357*x2
③异方差的检验
Ⅰ、whiຫໍສະໝຸດ Baidue检验
Heteroskedasticity Test: White
F-statistic
0.52742 6
Prob. F(14,7)
