1、企业管理对居民消费率影响因素的探究-以湖北省为例改革开放以来, 我国经济 始终保持着高速增长的趋势, 三十多年间综合国力得到显著增强, 但我国居民消 费率一直偏低, 甚至一直有下降的 趋势。居民消费率的偏低必然会导致我国内需的不足,进而会影响我国经济的长期健康发展。本模型以湖北省1995年-2010 年数据为例,探究各因素对居民消费率的影响及多元关系。(注:计算我国居民的消费率,用居民的人均消费除以人均GDP, 得到居民的消费率)。通常来说,影响居民消费率的因素是多方面的,如:居民总收入,人均GDP ,人口结构状况 1(儿童抚养系数,老年抚养系数),居民消费价格指数增长率等因素。(注:数据来自
2、湖北省统计年鉴)1.人口年龄结构一种比较精准的描述是:儿童抚养系数(0-14岁人口与 15-64岁人口的比值)、老年抚养系数(65岁及以上人口与15-64岁人口的比值或总抚养系数(儿童和老年抚养系数之和)。0-14岁人口比例与65岁及以上人口比例可由湖北省统计年鉴查得。总消费(C:亿元) 总GDP(亿元) 消费率(%)1995 1095.97 2109.38 51.96 1997 1438.12 2856.47 50.35 2000 1594.08 3545.39 44.96 2001 1767.38 3880.53 45.54 2002 1951.54 4212.82 46.32 2003
3、2188.05 4757.45 45.99 2004 2452.62 5633.24 43.54 2005 2785.42 6590.19 42.27 2006 3124.37 7617.47 41.02 2007 3709.69 9333.4 39.75 2008 4225.38 11328.92 37.30 2009 4456.31 12961.1 34.38 2010 5136.78 15806.09 32.50 一、计量经济模型分析(一)、数据搜集根据以上分析,本模型在影响居民消费率因素中引入6个解释变量。X1:居民总收入(亿元),X2:人口增长率(),X3:居民消费价格指数增长率,X
4、4:少儿抚养系数,X5:老年抚养系数,X6:居民消费占收入比重(%)。Y:消费率(%)X1:总收入(亿元)X2:人口增长率()X3:居民消费价格指数增长率X4:少儿抚养系数X5:老年抚养系数X6:居民消费比重(%)1995 51.96 1590.75 9.27 17.1 45.3 9.42 68.91997 50.35 2033.68 8.12 2.8 41.1 9.44 70.722000 44.96 2247.25 3.7 0.4 39 9.57 70.932001 45.54 2139.71 2.44 0.7 37.83 9.72 82.62002 46.32 2406.55 2.21
5、-0.4 36.18 9.81 81.092003 45.99 2594.61 2.32 2.2 34.43 9.87 84.332004 43.54 2660.11 2.4 4.9 32.69 9.8 92.22005 42.27 3172.41 3.05 2.9 31.09 9.73 87.82006 41.02 3538.4 3.13 1.6 30.17 9.9 88.32007 39.75 4168.52 3.23 4.8 29.46 10.04 88.992008 37.3 4852.58 2.71 6.3 28.62 10.1 87.072009 34.38 5335.54 3.4
6、8 -0.4 28.05 10.25 83.522010 32.5 6248.75 4.34 2.9 27.83 10.41 82.2(二)、计量经济学模型建立假定各个影响因素与Y 的关系是线性的,则多元线性回归模型为: 6543210 xxxxxyt利用spss统计分析软件输出分析结果如下:Descriptive Statistics表1 表2Variables Entered/RemovedbModelVariables EnteredVariables Removed Method1X4, X3, X2, X6, X1, X5a . Entera. All requested varia
7、bles entered.b. Dependent Variable: Y这部分被结果说明在对模型进行回归分析时所采用的方法是全部引入法Enter。表3CorrelationsY X1 X2 X3 X6 X5 X4Y 1.000 -.965 .480 .354 -.566 -.960 .927X1 -.965 1.000 -.288 -.215 .451 .932 -.877X2 .480 -.288 1.000 .656 -.767 -.577 .623X3 .354 -.215 .656 1.000 -.293 -.365 .392X6 -.566 .451 -.767 -.293 1.0
8、00 .722 -.795X5 -.960 .932 -.577 -.365 .722 1.000 -.982Pearson CorrelationX4 .927 -.877 .623 .392 -.795 -.982 1.000Y . .000 .049 .118 .022 .000 .000X1 .000 . .170 .240 .061 .000 .000X2 .049 .170 . .007 .001 .020 .011X3 .118 .240 .007 . .166 .110 .093X6 .022 .061 .001 .166 . .003 .001X5 .000 .000 .02
9、0 .110 .003 . .000Sig. (1-tailed)X4 .000 .000 .011 .093 .001 .000 .N Y 13 13 13 13 13 13 13Mean Std. Deviation NY 42.7600 5.74574 13X1 3.3068E3 1436.45490 13X2 3.8769 2.23538 13X3 3.5231 4.57186 13X6 82.2038 7.53744 13X5 6.8638 .43785 13X4 23.5254 2.93752 13X1 13 13 13 13 13 13 13X2 13 13 13 13 13 1
10、3 13X3 13 13 13 13 13 13 13X6 13 13 13 13 13 13 13X5 13 13 13 13 13 13 13X4 13 13 13 13 13 13 13这部分列出了各变量之间的相关性,从表格可以看出 Y 与 X1的相关性最大。且自变量之间也存在相关性,如 X1与 X5,X1与 X4,相关系数分别为0.932和0.877,表明他们之间也存在相关性。表4这部分结果得到的是常用统计量,相关系数 R=0.991,判定系数 =0.982,调整的判定系数 =0.964,回归估计的标准误差 S=1.09150。说明样本的回归效果比较好。表5ANOVAbModel Su
11、m of Squares df Mean Square F Sig.Regression 389.015 6 64.836 54.421 .000aResidual 7.148 6 1.1911Total 396.163 12a. Predictors: (Constant), X4, X3, X2, X6, X1, X5b. Dependent Variable: YModel SummarybModel R R SquareAdjusted R SquareStd. Error of the Estimate Durbin-Watson1 .991a .982 .964 1.09150 2
12、.710a. Predictors: (Constant), X4, X3, X2, X6, X1, X5b. Dependent Variable: Y该表格是方差分析表,从这部分结果看出:统计量 F=54.421,显著性水平的值P值为0,说明因变量与自变量的线性关系明显。Sum of Squares 一栏中分别代表回归平方和为389.015,、残差平方和7.148、总平方和为396.163.表6CoefficientsaUnstandardized CoefficientsStandardized CoefficientsModel B Std. Error Beta t Sig.(Con
13、stant) -33.364 66.059 -.505 .632X1 -.006 .002 -1.475 -2.663 .037X2 .861 .391 .335 2.201 .070X3 .036 .121 .029 .301 .774X6 -.091 .198 -.120 -.460 .662X5 12.715 9.581 .969 1.327 .2331X4 .527 .818 .269 .644 .543a. Dependent Variable: Y该表格为回归系数分析,其中 Unstandardized Coefficients为非标准化系数,Standardized Coeffi
14、cients为标准化系数,t 为回归系数检验统计量,Sig.为相伴概率值。从表格中可以看出该多元线性回归方程:Y=-33.364-0.006X1+0.861X2+0.036X3+0.527X4+12.715X5-0.091X6二、计量经济学检验(一)、多重共线性的检验及修正、检验多重共 线性从“表3 相关系数矩阵”中可以看出,个个解释变量之间的相关程度较高,所以应该存在多重共线性。、多重共线 性的修正逐步迭代法运用spss软件中的剔除变量法,选择stepwise逐步回归。输出表7:进入与剔除变量表。Variables Entered/RemovedaModelVariables Entered
15、Variables Removed Method1 X1 . Stepwise (Criteria: Probability-of-F-to-enter = .100).2 X2 . Stepwise (Criteria: Probability-of-F-to-enter = .100).a. Dependent Variable: Y可以看到进入变量为X1与 X2.表8:Model SummarycModel R R SquareAdjusted R SquareStd. Error of the Estimate Durbin-Watson1 .965a .932 .925 1.5701
16、62 .988b .976 .971 .97673 1.983a. Predictors: (Constant), X1b. Predictors: (Constant), X1, X2c. Dependent Variable: Y表8是模型的概况,我们看到下图中标出来的五个参数,分别是负相关系数、决定系数、校正决定系数、随机误差的估计值和D-W值,这些值(除了随机误差的估计值,D-W越接近2越好)都是越大表明模型的效果越好,根据比较,第二个模型应该是最好的。表9:方差分析表ANOVAcModel Sum of Squares df Mean Square F Sig.Regression
17、369.043 1 369.043 149.689 .000aResidual 27.119 11 2.4651Total 396.163 12Regression 386.623 2 193.311 202.632 .000bResidual 9.540 10 .9542Total 396.163 12a. Predictors: (Constant), X1b. Predictors: (Constant), X1, X2c. Dependent Variable: Y方差分析表,四个模型都给出了方差分析的结果,这个表格可以检验是否所有偏回归系数全为0,sig 值小于0.05可以证明模型的
18、偏回归系数至少有一个不为零。表10 : 参数检验CoefficientsaUnstandardized CoefficientsStandardized CoefficientsModel B Std. Error Beta t Sig.(Constant) 55.526 1.131 49.109 .0001X1 -.004 .000 -.965 -12.235 .000(Constant) 52.497 .996 52.686 .000X1 -.004 .000 -.902 -17.599 .0002X2 .565 .132 .220 4.293 .001a. Dependent Varia
19、ble: Y参数的检验,这个表格给出了对偏回归系数和标准偏回归系数的检验,偏回归系数用于不同模型的比较,标准偏回归系数用于同一个模型的不同系数的检验,其值越大表明对因变量的影响越大。综上可得:模型2为最优模型。得出回归方程Y=52.497-0.004X1+0.056X2+(二)、异方差的检验输出残差图:如图1从图1看出, e2并不随x的增大而变化,表明模型不存在异方差。(3)、自相关 检验-用D-W 检验由输出结果表8 得:DW= 1.983,查表得DL=0.861 ,DU=1.562 ,4-DU=2.438所以DUDW4-D U=2.438,因此误差项之间不 存在自相关性。(四) 、统计检验
20、1.拟合优度检验:由表8 相关系数 R=0.988,判定系数 =0.976,调整的判定系数 =0.971,回归估计的标准误差S=0。9673。说明样本的回归效果比较好。2.F值检验:由表 9F=202.632。查表得,置信度为95%,自由度为1,12的F临界值为4.474,F值远远大于临界值,则说明模型显著。3.t检验由表10,0,1,2的t 值分别问52.686,-17.599,4.293 。查表得,t检验的临界值为 1.771。说明回归方程对各个变量均有显著影响。(五)、模型结果因为最终进入模型的两个变量间不存在共线问题,各解释变量无异方差,D-W检验显示各误差项之间不存在自相关性。Y =52.497-0.004X1+0.056X2+三、经济意义检验模型估计结果表明:在假定其他解释变量不变的情况下,湖北居民总收入每增加1亿元其居民消费率降低0.004;在假定其他解释变量不变的情况下, 人口增长率每提高1个千分点,居民消费率将增加0.056;: