APP下载

基于多元线性回归模型的居民消费水平影响因素分析

2019-08-16刘欣悦

智富时代 2019年7期

刘欣悦

【摘 要】居民消费水平是指一个国家一定时期内人们在消费过程中对物质和文化生活需要的满足程度。为研究影响居民消费水平的因素,本文结合居民消费水平的影响因素和居民消费水平的历史及现状列出了四个相关因素(国内生产总值GDP、城镇就业人数、人口自然增长率、居民消费价格指数CPI),对其进行计量分析,通过建立以居民消费水平为被解释变量,以其他可量化因素为解释变量的多元线性回归模型来进行量化分析,并研究了模型中主要变量对模型的影响程度。

【关键词】居民消费水平;GDP;CPI;城镇就业人数;人口自然增长率

一、引言

进入新世纪以来,中国经济飞速发展,人们的生活水平和文化程度不断提高,对物质的需求与消费也在不断增加。消费是人类社会经济生活中不可缺少的一部分,要刺激消费、扩大内需,必须找出影响我国居民消费水平的关键因素,才能对症下药。

二、研究方法及过程

2.1假设影响居民消费水平的因素

(1)国内生产总值GDP(亿元)

(2)城镇就业人数(万人)

(3)人口自然增长率(‰)

(4)居民消费价格指数CPI(上年=100)

2.2模型的设定

设定原模型为:

y=+++++

y=居民消费水平(元)

x2=国内生产总值GDP(亿元)

x3=城镇就业人数(万人)

x4=人口自然增长率(‰)

x5=居民消费价格指数CPI(上年=100)

2.3多元线性回归模型

为初步分析居民消费水平(Y)与各个解释变量的关系,可以做一个以解释变量为横坐标,被解释变量为纵坐标的散点图(如图1-1所示)。

从散点图可以看出解释变量与被解释变量并不是简单线性关系,因此我们继续下面的研究。

利用Eviews9作出序列线性图(如图1-2)。

图1-2

从线性图中可以看出,居民消费水平及各影响因素的差异明显,其变动方向基本相同,相互间可能具有一定的相关性,我们将模型设定为线性回归模型形式:=++++。

对被解释变量居民消费水平与各解释变量的总体回归得到如图1-3结果。

根据图1-3中的数据,模型估计的结果为

=-102.0683+0.0180X2+0.8964X3+(-1.1536)X4+7.0632X5

(699.6752) (0.0011) (0.1279) (6.2960) (15.81851)

t=(-0.145880) (16.1853) (7.0609) (-0.1832) (0.446517)

=0.999118,=0.998977,F=7083.828,n=30,k=5

由以上回归结果可以得出的拟合值为99.91%,较大,所以拟合结果较好。F=7083.828=2.76,应拒绝原假设:====0,说明回归方程显著,即“国内生产总值”、“城镇就业人数”、“居民消费价格指数”、“人口自然增长率”等变量联合起来确实对“居民消费水平”有显著影响。

模型估计结果说明,再假定其他变量不变的情况下,国内生产总值GDP每增長1亿元,平均来说居民消费水平增长0.0180元;城镇就业人数每增长1万人,平均来说居民消费水平增长0.8964元;人口自然增长率每增长1‰,平均来说居民消费水平减少1.1536元;居民消费价格指数CPI每增加1个点,平均来说居民消费水平增长7.0632元。

2.4异方差的检验与修正

这里我们用White检验来检验模型是否有异方差。

设异方差与,,,的一般关系为

=+++++++++++++++

式中为随机误差项。

经估计White检验结果,n=23.12947。由White检验知,在=0.05下,查分布表,得临界值(4)=9.48773,因为的t检验值并不显著,所以模型不存在异方差。

三、结论

我们用科克伦-奥克特法作广义差分回归,得到如下结论:由居民消费水平的广义差分法模型可知,国内生产总值GDP每增长1亿元,平均来说居民消费水平增长0.0180元;城镇就业人数每增长1万人,平均来说居民消费水平增长0.8964元;人口自然增长率每增长1‰,平均来说居民消费水平减少1.1536元;居民消费价格指数CPI每增加1个点,平均来说居民消费水平增长7.0632元。

【参考文献】

[1]郝卉.居民消费水平影响因素的计量分析.才智期刊.2011-03-15

[2]刘慧敏.我国居民消费水平影响因素的实证分析.经济视角(上旬刊).2014-03-10

[3]刘大成;李朝洪.影响居民消费水平的因素分析——以哈尔滨为例.经济论坛期刊.2011-01-15

[4]孟芷汀.影响居民消费水平的因素分析.中国市场期刊.2015-01-18

[5]王吉恒;李敏;孟菲.论我国居民消费水平的影响因素.开放导报期刊.2012-04-08

[6]黄梨.影响居民消费水平相关因素分析.农村经济与科技期刊.2014-07-15