我国消费水平影响因素的计量分析

2021-06-15张彩虹

商场现代化 2021年7期

摘要：本论文选取了1990年-2015年中国消费水平、国民总收入、税收、物价指数、人口增长率等相关数据，运用统计学和计量经济学原理从时间序列分析出发，探索我国消费水平的主要影响因素，并利用Eviews软件，分析我国消费水平、国民总收入、税收以及物价指数等之间的相关性等，在建立多元线性回归模型的基础上对模型进行分析，根据时间序列数据的特性来具体分析避免伪回归，也从相关性等角度对影响因素进行最终的甄别选取。结果表明，可支配收入、税收、CPI、人口自然增长率、第三产业占比人数对我国消费水平有着显著的影响。这对于我国刺激消费、促进GDP稳步增长都有重要意义，为制定相关政策提供了理论依据。

关键词：消费水平;异方差;计量经济分析

一、引言

近年来，随着经济全球化程度提高，我国社会取得飞跃式的进步，国民人均收入逐步提升，相对应我国国民的生活水平有了质的变化。无论从宏观还是微观的层面来分析，我国国民的消费支出会直接影响国家的发展以及经济的运行情况。就目前来说，我国面临两个方面的难题，分别为产业的结构升级以及经济结构的调整，而我国国民的消费水平到底处于怎样的层次，对其造成影响的因素具体是哪些，这些因素对经济具有什么样的影响，都是非常值得关注的问题。

通过分析以往学者对经济问题的研究文献来看，最初的研究中在实证部分，学者更多地使用统计、数理等模型进行研究;在20世纪后半叶，随着计量学科的不断丰富，在经济问题的研究中，学者也逐渐在研究中更多地使用计量模型，也发现计量模型在某些经济问题研究中其实更有效，这也使得学者对经济问题的研究角度更为丰富、贴切，也相辅相成地促进了计量这门学科的快速发展。

对比国内和国外学者对于消费问题的研究发现，尽管国内在这方面的研究取得了飞跃性的进步，但其实存在一定的不足和欠缺。比如首先，国内学者对于国民消费问题的研究，主要是从整体居民、城镇或者农村居民来作为研究对象，对于居民个体的消费问题关注度较少。其次，目前来看国内的研究对国民消费行为问题研究较少，尚未形成完善的理论体系以及实证分析，更多的是集中关注于国民的消费层次、消费构成等方面，对于消费的影响因素关注度较少。最后，通过对以往文献分析得出，国民消费行为不仅会与社会发展等具有相关关系，并且与个体也具有很显著的影响，如果想要研究国民消费行为的影响因素，可能需要通过大量数据来实际地分析各指标的影响，但是结合实际情况来看，大量的实际数据可能是研究的较大难点，因此在研究中需要忽略个体对消费行为的影响，从整体具有共性的角度出发，通过建立统计等相关模型来进行实证分析。而以往在对国民消费问题的研究中，运用计量模型的研究较少，更多的是使用统计或者数学模型来进行实证，并且通过对其他经济方面文献的研究分析已知，在经济问题的研究中运用计量模型可以比较有效解释问题。因此本文将从计量的角度，利用统计年鉴上的数据，对我国居民的消费行为影响建模，对其进行各种计量角度的分析，从而对消费的影响因素有一个全方面且定量的了解。

二、实证分析

1.模型的初步建立

经过理论的分析，可能影响居民消费水平的相关量化指标主要包括：国民总收入、居民消费价格指数、人口自然增长率、税收、第三产业就业人员占比、国内游客总量等。为了确保数据的准确性，从中国统计年鉴上收集了1990年-2015年上述指标的统计数据。

拟建立以居民消费水平为被解释变量，以國民总收入、居民消费价格指数、人口自然增长率、第三产业就业人员占比、游客总量和税收为解释变量的线性回归模型：

其中，Y-居民消费水平、X1-国民总收入、X2-居民消费价格指数、X3-人口自然增长率、X4-税收、X5-第三产业就业人员占比、X6-国内游客总量。

2.平稳性检验

对于时间序列数据，为了避免伪回归，有必要先对模型进行平稳性检验。直接对原序列、一阶差分进行平稳性检验，结果均为非平稳，对序列进行二阶差分，结果表明，P<0.05，可以拒绝ρ=0的原假设，即序列的二阶差分序列不存在单位根，是平稳序列，为二阶单整I（2）序列，二阶差分结果如下所示。

由检验结果可知，在0.05的置信水平下，所有变量都是非平稳序列，但都是二阶单整序列。

3.协整检验

当且仅当多个非平稳变量构成的回归协整时，回归的模型在长期来看才是平稳的，模型才有意义，也即是由这些变量构成的回归不是伪回归。由这些变量构成的平稳序列就可以描述这些变量的长期均衡关系。

我们选择的是基于回归残差的单位根检验，在检验时，需要利用到计算判断是否协整的临界值的公式：

4.参数估计

根据上述数据，用Eviews对模型进行OLS估计，从OLS估计结果中得出，当α=0.05时，F统计量远大于其临界值，则拒绝原假设，表明在5%的显著性水平下，从总体来看，回归方程是显著的。R2=0.999401，证明模型拟合优度比较好，除tourists外其余变量均显著。较大的R2和tourists较小的t值让笔者怀疑模型存在多重共线。

5.多重共线性检验

由上面的OLS回归结果图发现变量TOURISTS系数并不显著，考虑是否有多重共线性，计算自变量的相关系数，如表2：

相关系数图中有些变量之间的相关性还是较强的，为了进一步验证多重共线性，采用方差扩大因子来判断，结果发现，绝大部分变量的VIF远大于10，证明变量间存在着严重的多重共线性，为了剔除自变量之间的交互影响，采用逐步回归试图剔除这种自变量。经过逐步回归的修正，剔除了tourist变量，此时的模型R2和F统计量都很大，证明模型拟合良好且显著，各变量在0.05的显著性水平下也都显著了。

6.异方差检验

将CON01与残差平方的散点图画出，以图形角度观察是否存在异方差现象，结果如下：

由图形可以看出，残差并非是一个常数，所以猜测模型存在异方差现象。下面为了得出更精确的结果，我们采用White检验，由White检验结果得出，辅助回归方程全部斜率系数的P值均大于0.05，也就不能拒绝各个系数为零的原假设，另外White检验的检验统计量的P值为0.7467，表明不能拒绝原假设，只好认为模型并不存在异方差现象。

由于我们的数据为时间序列数据，所以也可以采用ARCH 检验，由ARCH检验结果得出，滞后两期，仍不能拒绝原假设（因为P值为0.9546），也即只能接受原假设，认为模型同方差。进行滞后三期、四期的ARCH检验。滞后三期、四期的ARCH检验仍不显著，综合以上可知，该模型的确没有异方差现象。

7.自相关检验

（1）图形检验法

从图2、图3可以看出，E1和E两者大致呈线性关系，也即说明可能存在自相关。

将残差-时间的图形画出，如下：

由于样本数较少，并不能从图3看出什么规律。所以为了进一步检验观点是否正确，接下来应该采用DW检验，也即检验ρ是否为零。

（2）DW检验

由于建立回归模型时回归结果中就有DW统计值，图4为我们的自变量和因变量的回归结果，从中可以得到DW值。Eviews计算得出DW值为1.255798，查表可得dL=0.979，dU=1.873，故DW统计值落入DW检验的无结论区域，并不能判断模型是否有自相关。

（3）BG检验

下面用BG检验来检验序列有无自相关情况。滞后两期的BG检验结果如下图所示：

从结果可以看出，P值为0.1646，不能拒绝原假设，认为并不存在自相关。

三、结论