企业管理
对居民消费率影响因素的探究
---以湖北省为例改革开放以来,我国经济始终保持着高速增长的趋势,三十多年间综合国力得到显著增强,但我国居民消费率一直偏低,甚至一直有下降的趋势。居民消费率的偏低必然会导致我国内需的不足,进而会影响我国经济的长期健康发展。
本模型以湖北省1995年-2010年数据为例，探究各因素对居民消费率的影响及多元关系。（注：计算我国居民的消费率,用居民的人均消费除以人均GDP,得到居民的消费率）。通常来说，影响居民消费率的因素是多方面的，如:居民总收入，人均GDP，人口结构状况1（儿童抚养系数，老年抚养系数），居民消费价格指数增长率等因素。
1.人口年龄结构一种比较精准的描述是：儿童抚养系数(0-14岁人口与 15-64岁人口的比值)、老年抚养系数(65岁及以上人口与15-64岁人口的比值〉或总抚养系数(儿童和老年抚养系数之和)。0-14岁人口比例与65岁及以上人口比例可由《湖北省统计年鉴》查得。
（注：数据来自《湖北省统计年鉴》）
一、计量经济模型分析
(一)、数据搜集
根据以上分析，本模型在影响居民消费率因素中引入6个解释变量。X1:居民总收入（亿元），X2：人口增长率(‰），X3：居民消费价格指数增长率，X4：少儿抚养系数，X5：老年抚养系数，X6：居民消费占收入比重（%）。
Y：消费率(%) X1:总收入
（亿元）
X2：人口
增长率
(‰）
X3：居民
消费价格
指数增长
率
X4：少儿
抚养系数
X5：老年
抚养系数
X6：居民
消费比重
（%）
1995 51.96 1590.75 9.27 17.1 45.3 9.42 68.9 1997 50.35 2033.68 8.12 2.8 41.1 9.44 70.72 2000 44.96 2247.25 3.7 0.4 39 9.57 70.93
2001 45.54 2139.71 2.44 0.7 37.83 9.72 82.6 2002 46.32 2406.55 2.21 -0.4 36.18 9.81 81.09 2003 45.99 2594.61 2.32 2.2 34.43 9.87 84.33 2004 43.54 2660.11 2.4 4.9 32.69 9.8 92.2 2005 42.27 3172.41 3.05 2.9 31.09 9.73 87.8 2006 41.02 3538.4 3.13 1.6 30.17 9.9
88.3
2007 39.75 4168.52 3.23 4.8 29.46 10.04 88.99 2008 37.3 4852.58 2.71 6.3 28.62 10.1
87.07
2009 34.38 5335.54 3.48 -0.4 28.05 10.25 83.52 2010 32.5
6248.75
4.34
2.9
27.83
10.41 82.2
(二)、计量经济学模型建立
假定各个影响因素与Y 的关系是线性的，则多元线性回归模型为：
ε
βββββββ++++++=+6655443322110x x x x x x y t 利用spss 统计分析软件输出分析结果如下：
表1
这部分被结果说明在对模型进行回归分析时所采用的方法是全部引入法Enter 。
表3
X1 13 13 13 13 13 13 13 X2 13 13 13 13 13 13 13 X3 13 13 13 13 13 13 13 X6 13 13 13 13 13 13 13 X5 13 13 13 13 13 13 13 X4
13
13
13
13
13
13
13
这部分列出了各变量之间的相关性，从表格可以看出Y 与X1的相关性最大。且自变量之间也存在相关性，如X1与X5，X1与X4，相关系数分别为0.932和0.877，表明他们之间也存在相关性。
表4
这部分结果得到的是常用统计量，相关系数R=0.991，判定系数=0.982，调
整的判定系数=0.964，回归估计的标准误差S=1.09150。说明样本的回归效
果比较好。
表5
ANOVA b
Model Sum of Squares
df
Mean Square
F Sig. 1
Regression 389.015 6 64.836 54.421
.000a
Residual
7.148
6
1.191
Model Summary b Model R R Square
Adjusted R
Square
Std. Error of the
Estimate
Durbin-Watson
1
.991a
.982
.964
1.09150
2.710
a. Predictors: (Constant), X4, X3, X2, X6, X1, X5
b. Dependent Variable: Y
该表格是方差分析表，从这部分结果看出：统计量F=54.421，显著性水平的值P值为0，说明因变量与自变量的线性关系明显。Sum of Squares一栏中分别代表回归平方和为389.015,、残差平方和7.148、总平方和为396.163.
表6
该表格为回归系数分析，其中Unstandardized Coefficients为非标准化系数，Standardized Coefficients为标准化系数，t为回归系数检验统计量，Sig.为相伴概率值。从表格中可以看出该多元线性回归方程：
