计量经济学实验报告
关于广东省全体居民
人均消费额
及其相关因素的研究
一、研究问题的目的与意义
现在的中国市场已完全消除了日用品和食物短缺的现象。居民消费结构亦发生很大变化.在居民全部消费支出中，反映基本生存需要的食品、衣着和基本生活用品支出所占的比重大幅度下降，而体现发展与享受需求的住房、交通通信、医疗保健、文教娱乐、休闲旅游等项支出的比重则迅速上升，生活质量进一步提高。
中国经过二十多年工业革命式的发展，工业制造和生产能力相当巨大,几乎能满足全世界一半人口的需求。过去中国的生产能力主要外部需求即中国的出口来维持，因此中国的许多投资也都是针对产品出口进行的。但在当前全球经济危机下，出口大幅下滑，各国贸易保护主义抬头,外部需求已经不能吸收经过连年扩张的生产能力。政府曾提出启动内需来补充出口减弱的缺口，要求各地、各行业刺激居民消费.但是，依靠内需和消费不仅仅是一句口号那么简单,启动内需，刺激消费需要一个各方面相互配合的系统来共同推动，所面临的问题和受到的制约相当多，绝非两年三年能实现的目标.
针对我国近况，我特此研究广东省全体居民人居消费金额的增长情况,并且研究影响其变化的主要因素，而我找出的相关变量为广东省城镇居民人均可支配收入、广东省人均生产总值、广东省财政支出以及广东省个人贷款与广东省全体居民人均消费金额的相关关系。
二、理论来源
凯恩斯宏观经济学理论,宏观经济学的最终目标是寻找保持国民收入稳定增长的对策,所谓稳定的增长系指既无失业、有无通货膨胀的增长。而国民收入与消费存在着重大关系,随着中国改革开放以来，国民收入日益增长，而居民消费也与之上升，居民消费对GDP起到了重要作用。21世纪以来,我国以夸大内需、促进消费，刺激消费为目标,从而增加需求反过来影响国民收入稳定增长。
另外国民生产总值，凯恩斯经济学理论中，核算国民经济活动的核心指标是国内生产总值GDP。GDP增长与居民消费影响也起到重要作用.21世纪以来,随着外国很多文化、经济冲击，中国一向以勤俭节约、多存钱的消费观念慢慢改变，出现了许多贷款消费,居民个人贷款也可能成为促进消费的另一个重要部分。最后引入凯恩斯宏观经济学中，IS-LM模型对政府的支出是否存在“挤出”效应通过建立模型进行深入研究。
因此，影响广东省居民人均消费额的因素可能有（1）从宏观经济学上,人均可支配收入DPI，是刺激消费的根源;（2）广东省人均生产总值，一个衡量广东省经济情况的核心指标，对整个经济体运行的衡量有重要意义；（3）广东省财政支出，政府的财政政策对个人消费与投资起着关键作用，但究竟是促进作用还是反作用一直以来都是倍受关注的热点话题；（4）个人贷款，个人贷款的增加是否有助于消费，而对消费起着如何重要作用还需进一步验证。
三、数据来源
来自中宏数据库,是国内目前对我国宏观经济、中观经济完整描述的大型经济数据库，数据区间取自1999年到2009年.
Y=广东全体居民人均消费金额(元） X1=广东城镇居民人均可支配收入（元） X2=广东省人均生产总值 （元) X3=广东省财政支出 (亿元）
X4=广东省个人贷款总额 （百万元）
为了更好地反映表中数据的关系，我通过eviews软件作出其折线图和散点图,更加直观地看出数据各方面的关系。
折线图
散点图
四、模型设定
为了全面反映广东省居民人均消费增长的全貌,选择包括广东省全体居民人均消费金额
作为被解释变量，以反映消费的增长；选择“广东城镇居民人均可支配收入\"作为解释变量,以反映居民的收入水平；选择“广东省人均生产总值”作为经济整体增长水平的代表；选择“广东省财政支出”作为公共财政需求的代表；选择“广东省个人贷款总额”作为个人贷款的代表。因此，我选择1999年到2009年这最近10年来广东省消费的关系,所以解释变量设定为可观测的“广东城镇居民人均可支配收入\"、“广东省人均生产总值”、“广东省个人贷款总额”、“广东省财政支出”等变量。
通过以上散点图，设定线性回归模型：
五、对数据进行最小二乘回归
Dependent Variable: Y Method: Least Squares Date: 06/03/11 Time: 09:48 Sample: 1999 2009 Included observations: 11
C X1 X2 X3 X4
R-squared
Coefficient
-1266.363 0。531589 0.327317 -2.017173 0。004204
0.998071 0.996785 210.9356
Std. Error
1374。902 0.226465 0。111429 0。955675 0.004784
t—Statistic
-0。921057 2.347338 2。937454 —2。110731
0.878857
Prob.
0。3925 0.0573 0.0260 0.0793 0.4133
9191。818 3720.042 13.84394 14.02480 13.72993 2.109377
Mean dependent var S。D。 dependent var Akaike info criterion
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F-statistic
Prob(F—statistic）
266962。9 Schwarz criterion —71.14166 Hannan—Quinn criter. 776。0638 Durbin—Watson stat 0.000000
回归结果得到如下回归方程
-1266。363+0.531589017173
+0.004204
+0。327317-2。
(1374.902) （0.226465) (0。111429） （0.955675)
（0.004784）
t= （-0.921057） 878857）
p=（0。3925） （0.0573） （0.0260） (0.0793） （0.4133)
(2。347338) （2.937454) （—2。110731） (0。
=0.998071
=0。996785 D.F=10 F =776。
0638
回归结果的解释
广东全体居民人均消费金额与广东城镇居民人均可支配收入、广东省人均生产总值、广东省财政支出、广东省个人贷款总额存在正相关关系。斜率0.531589表示，在其他变量保持不变的条件下,广东城镇居民人均可支配收入每增加1元，广东全体居民人均消费金额将平均上升0.531589元。斜率0。327317表示，在其他变量保持不变的条件下，广东人均生产总值每增加1元,广东省全体居民人均消费金额将平均上升0.327317元。斜率—2。017173表示,在其他变量不变的条件下，广东财政支出每增加1亿元，广东城镇居民人均消费金额将下降—2.017173。斜率0.004204表示，在其他变量不变的情况下,广东省个人贷款每增加1百万元,广东人均消费金额将上升0.004204元,由OLS估计可以看出,t值为0。878857，P值为0.4133，并不能有效地解释Y。而截距-1266。363，表示当X1,X2,X3,X4为0时，人均消费总量为-1266.363，截距没有经济意义。
以下分别是对各变量的描述统计以及对所选模型的拟合效果图
Mean为均值，sd为方差
从上回归结果可以看出，拟合优度很高，R^2值很大，整体效果F检验通过，但变量X1的T统计量不显著,可能存在多重共线性。
六、检验模型是否存在多种共线性
X1 ，X2，X3，X4之间存在多重共线性，各解释变量之间的相关系数很高，证实解释变量之间存较严重的多重共线性。
第一步:运用OLS法分别求Y对各解释变量X1、X2、X3、X4进行一元回归
(1)Y对X1进行一元回归
Dependent Variable： Y Method: Least Squares
Date： 06/02/11 Time： 23:19 Sample: 1999 2009 Included observations： 11
C X1
R—squared
Coefficient
-3449。191 0。889981
Std. Error
341.9863 0.023187
t-Statistic
—10。08576
38.38249
Prob。
0。0000 0.0000
9191。818 3720.042 14.44512 14.51746 14.39951 1。292476
0.993928 Mean dependent var 0。993253 S.D。 dependent var 305.5570 Akaike info criterion 840285.5 Schwarz criterion -77.44813 Hannan—Quinn criter. 1473。215 Durbin-Watson stat 0。000000
Adjusted R-squared S.E。 of regression Sum squared resid Log likelihood F—statistic Prob(F-statistic）
Estimation Equation:
========================= Y = C（1) + C(2）*X1
Substituted Coefficients： =========================
Y = -3449.19136783 + 0。889981183151*X1
（2)Y对X2进行一元回归
Dependent Variable： Y Method: Least Squares
Date: 06/02/11 Time： 23：52 Sample： 1999 2009 Included observations: 11
C X2
R—squared
Coefficient
1716.406 0。346311
Std。 Error
195。8388 0。008200
t-Statistic
8。764384 42。23057
Prob。
0.0000 0。0000
9191.818 3720。042 14.25509 14.32743 14。20948 1.024585
0.994979 Mean dependent var 0。994421 S。D。 dependent var 277。8611 Akaike info criterion 694861。3 Schwarz criterion
Adjusted R-squared S。E。 of regression Sum squared resid Log likelihood F—statistic Prob(F—statistic)
-76.40297 Hannan—Quinn criter。 1783。421 Durbin—Watson stat 0.000000
Estimation Equation：
========================= Y = C(1) + C(2)＊X2
Substituted Coefficients： =========================
Y = 1716.40648741 + 0。346310754927＊X2
（3)Y对X3进行一元线性回归
Dependent Variable： Y Method: Least Squares Date: 06/02/11 Time： 23:17 Sample： 1999 2009 Included observations: 11
Coefficient
Std。 Error
t-Statistic
Prob.
C X3
R-squared
1842。021 3。292897
0。977406 0.974895 589。4231 3126776。 389。3286 0。000000
412.7155 0。166886
4.463174 19.73141
0。0016 0.0000
9191。818 3720.042 15.75913 15。83148 15.71353 0。905028
Mean dependent var S。D. dependent var Akaike info criterion Schwarz criterion Durbin-Watson stat
Adjusted R—squared S.E。 of regression Sum squared resid Log likelihood F-statistic Prob(F-statistic）
Estimation Equation：
========================= Y = C（1) + C（2）*X3
Substituted Coefficients: =========================
-84。67522 Hannan-Quinn criter.
Y = 1842。02090084 + 3。29289712847*X3
（4)Y对X4进行一元线性回归
Dependent Variable： Y Method: Least Squares
Date： 06/02/11 Time： 23：46 Sample: 1999 2009 Included observations： 11
C X4
R-squared
Coefficient
4706.005 0.054725
Std。 Error
871.0862 0.008647
t-Statistic
5。402456 6.329085
Prob。
0.0004 0。0001
9191.818 3720.042 17。85342 17.92576 17。80782 0。863801
0.816541 Mean dependent var 0.796157 S。D. dependent var 1679.562 Akaike info criterion 25388346 Schwarz criterion —96。19380 Hannan—Quinn criter. 40。05732 Durbin-Watson stat 0.000136
Adjusted R—squared S.E。 of regression Sum squared resid Log likelihood F—statistic Prob(F-statistic）
Estimation Equation:
========================= Y = C(1) + C(2）*X4
Substituted Coefficients: =========================
Y = 4706.00457112 + 0。0547251260914＊X4
变量 t 统计量 X1 38.38249 0。993928 X2 42。23057 0.994979 X3 19。73141 0。974895 X4 6.329085 0.816541 R2
2按R的大小排序为:X2、X1、X3、X4
第二步，进行那个逐步回归
以X2为基础，顺次加入X1 X3 X4变量逐步回归的拟合 （1）Y对X1 X2进行回归
Dependent Variable： Y Method： Least Squares Date: 06/03/11 Time： 00：10 Sample： 1999 2009 Included observations: 11
C X2 X1
R—squared
Coefficient
—464.1648 0.201468 0。373645
Std. Error
1434.505 0.094820 0.243805
t—Statistic
—0.323571 2.124751 2。532557
Prob.
0.7546 0。0663 0。0639
9191。818 3720。042 14。17948 14。28800 14.11108 1。221365
0.996118 Mean dependent var 0。995148 S。D。 dependent var 259。1227 Akaike info criterion 537156。7 Schwarz criterion -74.98715 Hannan-Quinn criter. 1026.516 Durbin-Watson stat 0.000000
Adjusted R-squared S。E. of regression Sum squared resid Log likelihood F-statistic
Prob（F-statistic）
Estimation Equation:
========================= Y = C(1） + C（2)*X2 + C(3）*X1
Substituted Coefficients: =========================
Y = —464。164784217 + 0.201467853118*X2 + 0.373644549343*X1
(2)Y对X2 X3进行回归
Dependent Variable: Y Method: Least Squares Date: 06/03/11 Time: 00:11 Sample: 1999 2009 Included observations: 11
C X2 X3
R-squared
Coefficient
1713.657 0。418566 —0。697553
Std. Error
196。1022 0。073537 0.705482
t—Statistic
8.738596 5.691934 2。988760
Prob。
0.0000 0。0005 0。0617
9191。818 3720。042 14。32161 14。43012 14.25320 1.143429
0.995526 Mean dependent var 0。994407 S。D. dependent var 278。2069 Akaike info criterion 619192。4 Schwarz criterion —75。76884 Hannan—Quinn criter.
889.9847 Durbin—Watson stat 0.000000
Adjusted R—squared S.E. of regression Sum squared resid Log likelihood F—statistic Prob（F-statistic）
Estimation Equation:
========================= Y = C(1） + C(2）＊X2 + C（3）*X3
Substituted Coefficients： =========================
Y = 1713。65749719 + 0.418566303055＊X2 - 0。697552682481＊X3
(3）Y对X2 X4进行回归
Dependent Variable： Y Method: Least Squares Date: 06/03/11 Time: 00：12 Sample： 1999 2009 Included observations: 11
C X2 X4
Coefficient
1699.840 0。349153 —0。000546
Std. Error
234。5004 0。020677 0.003607
t-Statistic
7.248769 16.88598 -0.151443
Prob.
0。0001 0。0000 0。8834
R—squared
Adjusted R—squared S.E。 of regression Sum squared resid Log likelihood F—statistic Prob（F-statistic)
0.994993 Mean dependent var 0。993742 S.D。 dependent var 294。2947 Akaike info criterion 692874。9 Schwarz criterion -76.38723 Hannan-Quinn criter. 794。9155 Durbin-Watson stat 0。000000
9191。818 3720。042 14.43404 14.54256 14.36564 1.055756
Estimation Equation:
========================= Y = C（1） + C（2)＊X2 + C（3)＊X4
Substituted Coefficients： =========================
Y = 1699。83960901 + 0。349152503831＊X2 - 0。000546233186016＊X4
从以上分析可以说明，Y对X1 X2的拟合比较好，因此，我选择以Y对X1 X2对其他变量进行回归.
第三步,消除有关变量，确定模型 （1)Y对X1 X2 X4进行回归
Dependent Variable： Y Method： Least Squares Date： 06/13/11 Time: 00:14 Sample: 1999 2009 Included observations： 11
C X2 X1 X4
R-squared
Coefficient
—1384.435 0。167392 0。511854 -0.003748
Std。 Error
1678。916 0。099854 0。276533 0.003602
t—Statistic
—0.824601 1。676374 1。850969 —1.040628
Prob。
0.4368 0.1376 0.1066 0。3327
9191。818 3720.042 14。21746 14.36215 14。12625 1.442809
0。996638 Mean dependent var 0。995198 S。D。 dependent var 257.7904 Akaike info criterion 465191.2 Schwarz criterion —74。19602 Hannan-Quinn criter. 691。7970 Durbin-Watson stat 0。000000
Adjusted R-squared S.E. of regression Sum squared resid Log likelihood F—statistic
Prob（F—statistic）
Estimation Equation：
=========================
Y = C(1) + C（2)*X2 + C(3）＊X1 + C(4)*X4
Substituted Coefficients: =========================
Y = —1384.43538098 + 0。167392232947*X2 + 0。511853879796*X1 - 0。00374844337421*X4
由分析可知道，虽然方程的R比较高，但是每个变量都不是统计显著的，因而存在影响方程变量的多重共线性。所以,面对多重共线性问题，我采用最简单的解决办法，删除一个共线性变量，因此而舍去X4广东省个人贷款此变量。
(2)Y对X1 X2 X3进行线性回归 Dependent Variable： Y Method： Least Squares
Date： 06/13/11 Time： 00：13 Sample： 1999 2009 Included observations: 11
C X2 X1 X3
R—squared
Coefficient
—1696.926 0.260361 0.583965 -1。355643
Std. Error
1263.598 0.079982 0。214901 0.579189
t-Statistic
—3.342932 3。255233 2.717366 —2.340589
Prob。
0.2212 0。0140 0。0299 0。0518
9191。818 3720.042 13。78321 13.92790 13。69201 1。781538
2 0.997823 Mean dependent var 0。996889 S.D。 dependent var 207。4779 Akaike info criterion 301329.5 -71。80768 0。000000
Schwarz criterion Hannan—Quinn criter。
Adjusted R—squared S。E。 of regression Sum squared resid Log likelihood F—statistic Prob(F-statistic）
1069.262 Durbin-Watson stat
Estimation Equation：
=========================
Y = C（1) + C(2)*X2 + C（3)*X1 + C(4）*X3
Substituted Coefficients： =========================
Y = -1696。9258467 + 0.26036090394＊X2 + 0。583964787328*X1 — 1.35564347423＊X3
由以上分析结果可以知道,X1 X2 X3三个自变量的统计还算是显
著的，而且R拟合得很好，比Y对X1 X2 X3的回归有更高的R，而在此我们研究的目的为了可靠地估计模型的一组系数,即广东省全体居民消费额与广东省城镇居民人均可支配收入、广东省人均生产总量、广东省财政支出的关系系数，那么即使存在多重共线性也无妨。此外，虽然标准误夸大了,效应依然显示出来，统计依然是显著的。
最后，我们将采用三变量含X1 X2 X3的方程
Estimation Equation:
========================= Y = C(1) + C(2)*X2 + C(3)*X1 + C(4)＊X3
Substituted Coefficients： =========================
22Y = —1696.9258467 + 0。26036090394*X2 + 0.583964787328*X1 — 1。35564347423＊X3
综上所述，我们得到一下的回归方程
—1696.9258467++0.26036090394
（1263.598） (0.260361) （0.079982） （0。955675) t= (—3.342932） （0.214901) (2.937454) (—1。355643） p=(0。0212) (0。0140) (0.0299) (0.0518)
=0。997823
=0.996889 D。F=10 F
=1069.262
回归方程的解释
广东全体居民人均消费金额与广东城镇居民人均可支配收入、广东省人均生产总值、广东省财政支出存在关系。斜率
表示，在其他变量保
持不变的条件下，广东城镇居民人均可支配收入每增加1元,广东全体居民人均消费金额将平均上升
元。斜率0.26036090394表示，在其他变
量保持不变的条件下，广东人均生产总值每增加1元，广东省全体居民人均消费金额将平均上升0.26036090394元。斜率— 1.35564347423表示,在其他变量不变的条件下,广东财政支出每增加1亿元，广东城镇居民人均消费金额将下降- 1。35564347423。斜率0。004204表示,在其他变量不变的情况下,广东省个人贷款每增加1百万元,广东人均消费金额将上升0。004204元,由OLS估计可以看出，t值为0。878857，P值为0.4133，并不能有效地解释Y。而截距—1696。9258467，表示当X1，X2，X3为0时,人均消费总量为—1696.9258467，截距没有经济意义.
七、检验异方差
由于本例中使用的数据为广东省的截面数据,而方差一般存在于截面数据当中，但为稳妥起见，利用图形法对本例中数据进行简单的检验。
生成x-e^2关系图
综上所诉，由图像可知，残差点很分散,e^2没有随X的增大而增大或减少,分布分散，因此不存在异方差.
八、检验自相关 首先，本例中模型为
-1696.9258467++0.26036090394
(1263.598） (0.260361) （0。079982) (0。955675） t= （-3。342932) (0。214901） （2.937454） （—1。355643） p=(0。0212) (0.0140) （0.0299） （0.0518）
=0.997823
=0.996889 D。F=10 F
=1069.262
对其OLS估计为:
Dependent Variable： Y Method： Least Squares Date: 07/03/11 Time： 00：13 Sample： 1999 2009 Included observations： 11
C X2 X1 X3
R-squared
Coefficient
-1696。926 0.260361 0。583965 —1.355643
Std. Error
1263。598 0.079982 0.214901 0。579189
t-Statistic
-3.342932 3.255233 2.717366 -2。340589
Prob。
0.0212 0。0140 0。0299 0.0518
9191.818 3720。042
0.997823 Mean dependent var 0。996889 S.D。 dependent var
Adjusted R-squared
S.E。 of regression Sum squared resid Log likelihood F-statistic
Prob（F-statistic）
207。4779 Akaike info criterion 301329。5 Schwarz criterion —71.80768 Hannan-Quinn criter。 1069。262 Durbin—Watson stat 0。000000
13.78321 13.92790 13。69201 1。781538
该回归方程的可决系数较高，回归可决系数较高，回归系数均显著，对样本量为10，两个解释变量的模型，5％的显著水平,dL=0。525，dU=2。016， 由上表可知,DW=1。781538，为
与其间，所以不能判断是否存在自相关。
由图像可知,数据并不存在明显的相关关系，因此不需要进行自相关修正,模型设定适合。
八、结论
拉动广东省经济增长的因素当中，消费是其中重要的因素之一.从理论就能够知道消费与经济增长呈现正相关的关系，然而消费对生产有促进作用，广东省的经济增长对人们的消费支出到底有多大的影响,在这里粗略地进行了统计分析.从模型中能够看出广东省的经济增长确实能够促进消费,彼此产生相互影响。因此,广东人均生产总量对广东全体居民消费总额有正相关关系，并且从模型可知道，X2广东人均生产总值对模型解释为最好的，由此可知广东省经济增长对居民消费的密切影响。从斜率0.26036090394表示，在其他变量保持不变的条件下,广东人均生产总值每增加1元，广东省全体居民人均消费金额将平均上升0.26036090394元.
至于广东省城镇居民人均可支配收入X1对广东消费的影响无疑也是成正相关关系，斜率表示,在其他变量保持不变的条件下，广东城镇居民人均可支配收入每增加1元，广东全体居民人均消费金额将平均上升元。
对于本次模型分析中,我重点在于探讨广东财政支出与消费的相关关系，在我预先预测中，广东省财政支出应该与消费成正相关关系。但是，在模型研究当中结果并不如此，斜率- 1。35564347423表示，在其他变量不变的条件下,广东财政支出每增加1亿元,广东城镇居民人均消费金额将下降- 1.35564347423。很明显,模型统计量可以看出，广东省的财政支出与消费成负相关关系。结果表明：从动态效应来看，1999年一2009年政府支出对居民消费产生了挤出效应.而由凯恩斯的宏观经济学理论可以得出，由于广东省在这10年间出现经济快速增长，需求高于供给导致由需求增加、生产成本上升的通货膨胀，而在IS-LM曲线上可知，近几年的广东经济发展迅速，导致投资的利率系数d反应较为敏感，一项扩张性财政政策使私人消费下降得较多,因而“挤出效应”较大.而IS曲线变得平坦，实行扩张性财政政策时被挤出的私人消费就越多，在经济高速发展阶段，扩张性财政政策无利于私人消费与投资。
综上所述，广东省要更好地发挥居民消费对促进经济增长的作用，必须为居民提供恰当的保障,缩小贫富差距,努力提升整体的消费能力,而这方面则需要公平的收入分配。居民提高了个人可支配收入，并且达到一定程度,就能产生消费需求，从而乐于去消费。此外，广东省也要大力发展经济,提高广东省的人均生产总量。所以，要广东省的经济可持续发展，必须充分发挥宏观调控因素，综合运用适当的财政支出和其他措施，提高居民可支配收入，引起居民消费需求,从而拉动经济增长，这是一个长期的过程.
因篇幅问题不能全部显示，请点此查看更多更全内容