计量经济学论文——农村居民消费水平影响因素分析

农村居民消费水平影响因素分析摘要中国是一个农业大国，农民占总人口的大部分，农村居民的消费在国民消费总量中占有很大比重，农村居民的消费水平对整个国名经济的发展有重大的作用。随着改革开放的深入及各项支农惠农政策的实施，农村居民的生活水平有了很大提高，面对农村这个巨大的消费市场，如何提高农村居民的消费水平就成了扩大内需、拉动经济所面对的重大问题。本文运用计量经济学的方法，就农村居民的消费水平的主要影响因素进行了简单的分析。关键词：农村居民消费水平计量思考对策一、研究目的要求经济危机以来，中国经济遭遇增长上的瓶颈。一直以来中国经济的增长主要靠投资、出口和消费三驾马车的拉动，而其中又以投资和出口的拉动作用最为巨大。虽然我国一直在强调要扩大内需，但经济危机中由于出口减少而引起的经济下滑还是说明国内经济对出口的依赖性还是很大的。中国幅员辽阔，是一个巨大的市场，但是为什么这么多年来中国的市场都没有完全开发出来，可以认为是方向没有选择准确。中国是一个农业大国，农民占总人口的大部分，由此可见中国巨大的消费市场隐藏在农村中，那么如何挖掘农村的消费潜力就成了至关重要的问题。而作为农民人口数占总人口数大部分的农业大国，中国农村居民的消费在国民消费总量中占很大比重，农村居民的消费水平对整个国民经济的发展有重大的作用。随着改革开放的深入及各项支农惠农政策的实施，农村居民的生活水平有了很大的提高，面对农村这个巨大的消费市场，如何提高农村居民的消费水平就成了扩大内需、拉动经济所面对重大问题。因此研究农村居民消费水平的主要影响因素，对于提高农村居民消费水平，进而促进整个国民经济的发展有重要意义。二、模型设定1、理论综述从根本上说，居民消费取决于收入水平。凯恩斯（Keynesian）在《通论》中提出了绝对收入假说，认为在短期中，收入与消费是相关的，即消费取决于收入，消费与收入之间的关系也就是消费倾向。同时，随着收入的增加消费也将增加，但消费的增长低于收入的增长，消费增量在收入增量中所占的比重是递减的，也就是我们所说的边际消费倾向递减。J·杜森贝利（Dusenberry1949）提出相对收入假说，以及后来的生命收入假说、流动性结束假说等等，都间接的说明了消费对于经济周期稳定的作用。当然，不同理论对理性人的支出安排做出了不同的假设。我国农村居民消费需求也基本上遵循了上述各种假说。在影响居民消费的各种因素中，农村居民收入起着决定性作用。近年来我国学术界对居民消费尤其是农村居民的消费问题也做了大量研究。朱信凯（2000）在对农村居民收入与消费进行函数检验后，认为我国农村居民消费存在“棘轮效应”。韩倩、王健（2005）主张认为农民收入不稳定性的增加也在一定程度上制约了农村消费。郭亚军、郑少锋、李桦（2007）非收入因素以也影响农民消费。综上所述，国内外学者基本都认为收入是影响居民消费支出的主要因素，这些研究成果的理论借鉴及最终结论为消费需求理论向纵深拓展提供了有利的支撑。但是，具体到我国农村经济的实际情况，不难发现这些研究没有考虑农民收入变动具有时效性，同时没有深入分析农村居民消费行为与收入的变动关系。启动农村居民的消费水平，必须首先要提高他们的收入水平。但并非是每一部分收入水平的边际消费倾向都高，这就需要掌握农村居民消费需求函数的影响因素和消费需求结构的变动。考虑到数据来源问题，文内数据均来自《中国统计年鉴》，希望能够通过对农村居民家庭人均纯收入和商品零售价格指数的研究，得到我国更为具体的农村居民消费水平影响因素，这将有助于提高提高农村居民消费水平，进而促进整个国民经济的发展。2、变量选取为了分析各个因素对农村居民消费水平的影响，选择“中国农村居民消费水平”为被解释变量（用Y表示），选择“农村居民家庭人均纯收入”和“商品零售价格指数”为解释变量（分别用X1，X2表示）。表1为由《中国统计年鉴》得到的1989—2008年的有关数据。1989年到2008年农村居民的消费水平及其影响因素的统计数据（表1）年份农村居民消费水平Y农村居民家庭人均纯收入X1商品零售价格指数X21989549601.5118.81990560686.3102.11991602708.6102.91992688784105.41993805921.6113.2199410381221121.7199513131577.7114.8199616261926.1106.1199717222090.1100.819981730216297.4199917662210.397200018602253.498.5200119692366.499.2200220622475.698.7200321032622.299.9200423014039.6102.8200525604631.2100.8200628475025.1101200732655791.1103.8200837566700.7106.73、模型数学形式的确定为分析“农村居民消费水平”Y与“农村居民家庭人均纯收入”X1和“商品零售价格指数”X2之间的关系，做如下散点图：0100020003000400002000400060008000X1Y0100020003000400090100110120130X2Y4、建立模型从散点图可以看出，农村居民消费水平（Y）和农村居民家庭人均纯收入（X1）大体呈现为线性关系，农村居民消费水平（Y）和商品零售价格指数（X2）大体呈现为线性关系。为分析为分析农村居民消费水平与农村居民家庭人均纯收入和商品零售价格指数之间的关系，可以初步建立线性回归模型：Y=β0+β1X1+β2X2+uiβ0表示在没有任何因素影响下的农村居民消费水平；β1表示农村居民家庭人均纯收入对农村居民消费水平的影响；β2表示商品零售价格指数对农村居民的消费水平的影响；ui为随机扰动项。5、确定参数估计值范围因为农村居民收入一部分将用于储蓄，并不会全部用于消费，且当价格指数上升的时候，居民会缩减自己的消费，所以农村居民消费水平与农村居民家庭人均纯收入应为正相关的关系，农村居民消费水平与商品零售价格指数应为负相关的关系，即0＜β1＜1,β2＜0。三、参数估计利用Eviews软件，做Y对X1、X2的回归，回归结果如下（表2）：DependentVariable:YMethod:LeastSquaresDate:12/22/10Time:21:34Sample:19892008Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C2020.904738.13512.7378510.0140X10.4775980.02725117.525640.0000X2-14.130536.818890-2.0722630.0538R-squared0.955580Meandependentvar1756.100AdjustedR-squared0.950354S.D.dependentvar908.3138S.E.ofregression202.3845Akaikeinfocriterion13.59570Sumsquaredresid696311.6Schwarzcriterion13.74506Loglikelihood-132.9570F-statistic182.8554Durbin-Watsonstat0.569439Prob(F-statistic)0.000000Y^=2020.904+0.477598X1－14.13053X2（738.1351）（0.027251）（6.818890）t=（2.737851）（17.52564）（-2.072263）R2=0.955580F=182.8554n=20四、模型检验及修正（一）经济意义检验所估计的参数β^1=0.477598，β^2=-14.13053，且0＜β1＜1，β2＜0，符合变量参数中确定的参数范围。说明农村居民家庭人均纯收入每增加1单位，平均说来可导致农村居民消费水平增加0.477598单位；商品零售价格指数每减少1单位，平均说来可导致农村居民消费水平增加14.13053单位。这与经济学中边际消费倾向的意义相符。（二）统计意义检验1、拟合优度检验（R2检验）可绝系数R2=0.955580，R—2=0.950354，这说明所建模型整体上对样本数据拟合较好，即解释变量“农村居民家庭人均纯收入”和“商品零售价格指数”对被解释变量“农村居民消费水平”的绝大部分差异作了解释。2、F检验针对H0：β1=β2=0，给定显著性水平α=0.05，在F分布表中查出自由度为k－1＝2和n－k＝17的临界值Fα（2,17）＝19.4，由表2中得到F＝0.955580＞Fα（2，17）＝19.4，应拒绝原假设H0：β1=β2=0，说明回归方程显著，即“农村居民家庭人均纯收入”和“商品零售价格指数”等变量联合起来确实对“农村居民消费水平”有显著影响。3、t检验分别针对H0：βj＝0（j＝1,2），给定显著性水平α＝0.05，查t分布表的自由度为n－k＝17的临界值tα/2（n－k）＝1.740。由表2中的数据可得，与β^1、β^2对应的t统计量分别为17.52564、-2.072263，其绝对值均大于tα/2（n－k）＝1.740，这说明在显著水平α＝0.05下，分别都应拒绝H0：βj＝0（j＝1,2），也就是说，当在其他解释变量不变的情况下，解释变量“农村居民家庭人均纯收入”（X1）“商品零售价格指数”（X2）分别对被解释变量“农村居民消费水平”Y都有显著的影响。（三）计量经济意义检验1、多重共线性检验让Y分别对X1、X2做回归。首先将Y与X1做回归得到结果如表3：DependentVariable:YMethod:LeastSquaresDate:12/24/10Time:12:38Sample:19892008Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C500.320487.090075.7448610.0000X10.4944550.02828917.478690.0000R-squared0.944359Meandependentvar1756.100AdjustedR-squared0.941268S.D.dependentvar908.3138S.E.ofregression220.1266Akaikeinfocriterion13.72092Sumsquaredresid872202.8Schwarzcriterion13.82050Loglikelihood-135.2092F-statistic305.5045Durbin-Watsonstat0.367926Prob(F-statistic)0.000000将Y与X2做回归得到结果如表4：DependentVariable:YMethod:LeastSquaresDate:12/24/10Time:12:40Sample:19892008Includedobservations:20VariableCoefficientStd.Errort-StatisticProb.C6964.5382894.6092.4060380.0271X2-49.8033927.61744-1.8033310.0881R-squared0.153021Meandependentvar1756.100AdjustedR-squared0.105967S.D.dependentvar908.3138S.E.ofregression858.8410Akaikeinfocriterion16.44368Sumsquaredresid13276940Schwarzcriterion16.54326Loglikelihood-162.4368F-statistic3.252004Durbin-Wat