EViews计量经济学实验论文-凯恩斯消费理论的实证分析-分析我国人均居民消费的影响因素分析

凯恩斯消费理论的实证分析—分析我国居民人均消费的影响因素我国居民人均消费影响因素分析一、问题的提出改革开放以来，我国经济取得了突飞猛进的发展，国民生产总值快速增长，人民生活水平迅速提高。

根据统计数据，我国居民的人均收入绝对数逐年增长，农村居民的家庭人均纯收入由1978年的133.6元增长到2008年的4760.6元，增长了33.63倍；城镇居民的家庭人均可支配收入由1978年的343.4元增长到2008年的15780.8元，增长了44.95倍。

从1997年开始，我国的GDP年平均环比增长率保持在12.8%左右，而同期我国农村居民实际家庭人均纯收入的年平均增长率为2.26%，城镇居民的实际家庭人均可支配收入的年平均增长率为1.59%。

根据相关经济理论与实践，投资、出口和消费一向被认为是拉动国民经济增长的“三架马车”。

温总理在2010年政府工作报告中指出，逐步提高居民收入在国民收入分配中的比重，提高劳动报酬在初次分配中的比重，积极扩大居民消费需求。

扩大居民消费成为拉动我国经济增长的重要力量，国家的经济政策也反映了这一点，“增加消费，扩大需求，启动市场”已经成为我国经济政策的基本目标。

因此,对于消费的研究就显得极为迫切且具有重要意义。

著名的凯恩斯消费理论中，影响消费的因素很多，如收入、消费品价格、消费者偏好、消费者预期、消费信贷、利率水平等等。

随着2008年金融危机的爆发，消费受到了怎样的影响？在我国居民消费还存在着两个几乎完全不同的消费群体：农村居民和城市居民。

对于两个不同的消费群体，他们各自的消费对我国的经济增长孰轻孰重呢？即我国政府应该将经济的增长点着重放在刺激哪个消费群体上呢？是农村居民呢还是城市居民呢？对此我们展开了关于我国人均居民消费的研究分析。

二、模型设定（1）影响消费的因素很多，如收入、消费品价格、消费者偏好、消费者预期、消费信贷、利率水平等等。

其中最重要的是个人收入。

因此《宏观西方经济学》中假定消费与收入水平存在着稳定函数关系，即凯恩斯消费函数：随着收入增加，消费也会增加；但是消费的增加不及收入增加的多。

我国人均居民消费受到哪些因素的影响?就个人消费而言, 个人消费主要受到个人收入、商品价格、个人消费偏好的影响。

其中个人消费的影响因素个人收入和商品价格是很容易数量化的, 至于个人消费偏好可以考虑前期消费量,因为前期消费可以反映个人消费偏好。

（2）变量的选择。

我国人均消费的主要影响因素可以确定为人均收入、商品价格、前期消费, 上述分析符合相关的经济学理论。

基于人均消费受到人均收入、商品价格、前期消费因素的影响。

人均国内生产总值可以看成是人均收入,前期人均居民消费可以反映消费者偏好,居民消费价格指数反映商品价格变动的影响。

（3）先从整体分析，涉及四个变量: 人均居民消费、人均国内生产总值、前期人均居民消费、居民消费价格指数。

再从城镇和农村两方面具体分析，消费与收入差异的影响。

三、数据收集从《国家统计数据库》找到了自1978—2008年我国人均居民消费、人均国内生产总值、居民消费价格指数、前期人均居民消费、城镇居民人均可支配收入以及农村居民人均纯收入的官方数据。

以此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。

来自《国家统计数据库》设定如下形式的计量经济模型1：i Y =1β+2β2X +3β3X +4β4X +i μ其中，Y 为人均居民消费 , X2为人均国内生产总值 , X3为居民消费价格指数 , X4为前期人均消费。

计量经济模型2 i Y =1β+2β5X +3β6X +i μ其中，Y 为人均居民消费 , 此处的X2为城镇居民人均可支配收入 ，X3为农村居民人均纯收入。

四、模型的估计与调整1、人均居民消费对人均国内生产总值、前期人均居民消费、居民消费价格指数的回归双击“Eviews ”，进入主页。

输入数据：点击主菜单中的File/Open /EV Workfile —Excel —数据1.xls ； 在EV 主页界面的窗口，输入“ls y c x2 x3 x4”，按“Enter ”。

出现OLS 回归结果。

OLS 回归结果Dependent Variable: Y Method: Least Squares Date: 11/02/10 Time: 12:09 Sample: 1978 2008 Included observations: 31Variable Coefficient Std. Error t-Statistic Prob. C -1213.832 216.2804 -5.612307 0.0000 X2 0.082339 0.012332 6.677012 0.0000 X3 11.90468 1.985325 5.996340 0.0000 X40.8853290.03741823.660750.0000R-squared 0.999407 Mean dependent var 2394.516 Adjusted R-squared 0.999341 S.D. dependent var 2306.954 S.E. of regression 59.23121 Akaike info criterion 11.12069 Sum squared resid 94725.09 Schwarz criterion 11.30572 Log likelihood -168.3707 F-statistic 15160.69 Durbin-Watson stat1.484189 Prob(F-statistic)0.000000回归结果为iY ˆ= -1213.832 + 0.0823392X + 11.904683X + 0.8853294X （-5.612307） （6.677012） （5.996340） （23.66075）2R = 0.999407 2R = 0.999341 F= 15160.69（1）经济意义检验。

这说明在其他因素不变的情况下，人均GDP增加1元，人均消费平均增加0.082339元；在其他因素不变的情况下，居民消费价格指数增加1%，人均消费平均增加11.90468元；在其他因素不变的情况下，前期人均消费增加1元，人均消费平均增加0.885329元；（2）统计推断检验。

由上可知，该模型的可决系数为0.999407，修正的可决系数为0.999341，模型拟和很好，F值为15160.69，回归方程整体上显著。

除了截距项，其余各参数的t值都通过检验，表明解释变量X2（人均GDP）, X3（居民消费价格指数）,X4（前期人均消费）对被解释变量Y（人均消费）有显著影响。

多重共线性的诊断与修正计算各解释变量的相关系数：在Workfile窗口，选择X2、X3、X4数据，点击“Quick”—Group Statistics —Correlations—OK,出现相关系数矩阵，结果为：由相关系数矩阵可以看出，各解释变量相互之间的相关系数有的较高，有的为负值，这表明模型可能存在着多重共线性。

由上已知，人均国内生产总值、前期人均居民消费、居民消费价格指数对人均居民消费都有显著影响。

考虑到论文研究消费与收入的关系，在此重点对人均居民消费和人均国内生产总值进行回归。

2、人均居民消费对人均国内生产总值的回归Dependent Variable: YMethod: Least SquaresDate: 11/02/10 Time: 12:09Sample: 1978 2008Included observations: 31Variable Coefficient Std. Error t-Statistic Prob.C 283.5919 66.43553 4.268678 0.0002X2 0.372484 0.008013 46.48704 0.0000R-squared0.986758 Mean dependent var 2394.516 Adjusted R-squared 0.986302 S.D. dependent var 2306.954 S.E. of regression 270.0058 Akaike info criterion 14.09710 Sum squared resid 2114191. Schwarz criterion 14.18962 Log likelihood -216.5051 F-statistic 2161.045 Durbin-Watson stat0.169607 Prob(F-statistic)0.000000对人均消费Y 和人均GDP 进行回归结果为：iY ˆ=283.5919 + 0.3724842X （66.43553） （0.008013） t =（4.268678） （46.48704）2R = 0.986758 2R = 0.986302 F= 2161.045（1）经济意义检验。

这说明在其他因素不变的情况下，人均GDP 增加1元，人均消费平均增加0.372484元。

这符合经济理论。

（2）统计推断检验。

由上可知，该模型的可决系数为0.986758，模型拟和很好。

F 值为2161.045，回归方程整体上显著。

当α=0.05时，)(2/k n t -α=)29(025.0t =2.045，t ﹥)29(025.0t ，各参数的t 值都通过检验，表明人均GDP 对人均消费有显著影响。

异方差的诊断与修正※（1）图形法1、在“Workfile ”页面：选中x,y 序列，点击鼠标右键，点击Open —as Group —Yes2、在“Group ”页面：点击View －Graph —Scatter —Simple Scatter, 得到X,Y 的散点图（如图所示）：※（2）Goldfeld-Quandt 法a.将样本X 按递增顺序排序，去掉中间1/4的样本，再将剩下的样本分为两个部分，每部分样本的个数n1=n2=13。

b.提出假设。

0H ：两部分数据的方差相等； 1H ：两部分数据的方差不相等。

c.构造F 统计量。

分别对两个部分的样本求最小二乘估计，得到两个部分的残差平方和，即21∑ei= 13.95923 ，22∑ei= 23.02960求F 统计量为 F=∑∑⎥⎦⎤⎢⎣⎡--⎥⎦⎤⎢⎣⎡--k cn e k c n ei i 2/2/2122 = 1.649776给定0.05α=，查F 分布表，得临界值为⎪⎭⎫⎝⎛----k c n k c n 22F ，）（α = 2.82 d.比较临界值与F 统计量值，有F = 1.649776 ﹤ )(αF = 2.82 ，接受原假设，说明该模型的随机误差项不存在异方差。