昆明学院大学生消费分析计量经济学论文.doc

昆 明 学 院数理统计论文论文题目 昆明学院大学生消费分析 摘要大学生是当代青年中的特殊消费群体，把握大学生消费行为的特点，研究其消费趋势，对指导大学生进行理性消费有着重要的意义。本着对昆明学院大学群体做整体分析的心，针对昆明学院大学生的日常消费进行亲身调查而收集数据。调查了昆明学院大学生每月的衣着消费、学习消费、娱乐消费、通讯消费、日常需品、饮食消费、情感投资、每月总消费等方面，利用软件Eviews6.0根据所得数据(即样本)估计昆明学院大学生消费结构(即总体分布)，对昆明学院大学生每月的衣着消费、学习消费、娱乐消费、通讯消费、日常需品、饮食消费、情感投资、每月总消费这几方面进行一系列计算和数据整理并分析。进一步建立模型，参数估计，模型检验，回归分析，得出昆明学院大学生消费总体结构初步结论。关键词：消费者行为 精神消费 线性回归 回归分析 回归模型Abstract College students is a special consumer group in contemporary youth, grasp the characteristics of college students' consumption behavior, study the trend of consumption, is of great significance to guide the rational consumption of college students.In line with the institute of kunming university group do the overall analysis of the heart, according to the college students' daily consumption kunming first-hand investigation and data collection.Investigated kunming institute of college students' clothing consumption per month, learning, entertainment, consumption, communication, daily necessities, food consumption, emotional investment, monthly total consumption, etc., using Eviews6.0 software according to the obtained data (samples) estimate the kunming institute of college students' consumption structure (that is, the population distribution), the college students in kunming monthly clothing consumption, learning, entertainment, consumption, communication, daily necessities, food consumption, emotional investment, monthly total consumption of this a few aspects of a series of calculation and data sorting and analysis.Further model, parameter estimation, model test, regression analysis, kunming institute of college students' consumption overall structure preliminary conclusions.Keywords:consumer behavior mental consumption linear regression regression analysis regression model multiple regression目录第一章 绪论4第二章 数据收集52.1 数据来源52.2 数据资料6第三章 数据初步分析63.1 直方图和统计量63.2 分组统计量11第四章 回归分析134.1 问题假设134.2 问题分析134.3 散点统计图144.4 协方差分析144.4.1 协方差144.4.2 样本相关分析154.5 回归模型建立16第五章 回归模型检验185.1 经济意义检验185.2 回归残差检验185.3 F检验225.4 T检验235.5 模型评价与总结23参考文献25附录26谢辞38第一章 绪论大学阶段是青年学生社会化的重要时期，而消费行为和活动既是社会化的媒介，又是社会化的表现形式。大学生作为一个特殊的消费群体，其消费观念、消费行为、消费模式对整个社会青年消费群体的趋向影响很大。同时，也对他们在消费过程中的社会化起着至关重要的作用。然而，在社会转型期，随着社会经济的变革，大学生的消费行为发生了很大的变化，从传统的单一生存逐渐变得多元化、社会化，出现了许多不合理的消费行为，使他们一些人在消费社会化的过程中出现了迷失现象。本文从大学生群体消费行为这一点入手，通过对大学生群体消费行为的分析，以及通过消费与认同、消费与情感、消费与文化的理论分析，可以看出大学生在消费行为上的确出现了对消费需求、消费认同、消费情感、消费选择、消费文化上出现了不同程度的错位现象，不能为自己找到一个适合自身的消费认同群体，一个适合自身消费水平的良好的生活方式，以及一个恰当的情感释放和宣泄渠道，从而使一部分大学生在消费过程中出现了社会化的迷失。最后，给出一种适合大学生群体的合理消费观，即主张在消费行为中理性消费和感性消费有机的结合统一，在物质和精神的消费上获得最大的收益。消费是由行为而起，行为由心理而支配，行为是心理动态的一种表示方法，所以，从消费者的行为着手，以消费者的行为来检测其心理动态，了解学生的价值观。故此，利用调查表的形式来探究消费者的行为和心理。说夸张一点，社会的可持续发展和可持续消费问题，事关国家的命运和社会的前途。深入分析研究昆明学院大学生的消费行为，认清现状与发展趋势，了解合理行为与不良行为的表现，才可以指导大学生理性消费，丰富了大学生消费理论，为高校管理同时也将有益于促进昆明学院经济发展和社会进步。价值观与消费者行为有着密切的关系，价值观在消费者行为学研究领域的重要作用得到了众多专家和学者的认可。美国消费者行为学家亨利·阿塞尔(HenryAssael)认为一个社会的价值观会影响其成员的购买和消费模式。宋思根、冯林燕（2008）分析了中国大学生消费决策形态和消费价值观的多维性，指出在经济实惠型、粗心冲动型和信息利用型三个方面与其他国家大学生呈现明显差异。张志祥则从早熟消费、畸型消费、豪华型消费、炫耀消费、悬空消费、情绪化消费等方面分析了大学生消费行为的负面倾向。此外，还有朱丽叶对大学生感性消费和理性消费倾向的研究，杨传忠对当代大学生消费观的研究、宋绍成分析了大众传播对大学生价值观影响、李光南等对大学生价值观与消费者行为模式的研究以及刘世雄对大学生消费存在聚群现象的研究等。关注消费者本身决策过程中的心理，是这些研究的共性。本文根据调查表调查情况，进行一系列计算和数据整理并分析。进一步建立模型，参数估计，模型检验，回归分析，总结得出昆明学院大学生消费总体结构初步结论，从而更清楚的了解昆明学院学生的总体消费情况。第二章 数据收集2.1 数据来源在本文统计分析数据来源于对昆明学院部分大学生的调查所得数据，利用调查表的方式进行访问，统计所需时间在一周内，调查人数230人，回收200份（回收份数为200纯属巧合）。230份调查表分作5调查。第一次发出20份回收到18份，达到90%的回收率；第二次发出38份回收到27份，71.05%的回收率；第三次发出102份回收到100份，回收率高达98.04%；第四次发出50份回收到38份，76%的回收率；第五次发出20份回收到17份，85%的回收率。整体回收率达到86.96%。调查表一份两页，打印费46元。调查目的：了解昆明学院大学生目前消费情况。所以，所得数据是可认为是一批发生在同一时间截面上的调查数据(即截面数据)。利用所得数据(即样本)估计昆明学院大学生消费结构(即总体分布)。利用软件Eviews6.0。2.2 数据资料1. 昆明学院大学生消费情况调查调查表每一调查问题每一选项人数分布表(附表1)2. 昆明学院大学生消费情况调查调查表每一调查问题每一选项人数分布比率表(附表2)3. 昆明学院大学生每月的衣着消费、学习消费、娱乐消费、通讯消费、日常需品、饮食消费、情感投资这几方面的消费，及总消费调查数据如下： （单位：元）(附表3)第三章 数据初步分析3.1 直方图和统计量昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)这几方面的消费及月总消费(y)的直方图和统计量。从各图表可以看出，直方图反映了序列在格区间的分布频率，其中横坐标单位元。下图右边的框里列出了根据当前各方面200个样本值测算的描述统计量值：均值（Mean）、中位数（Median）、最大值（Maximum）、最小值（Minimum）、标准差（Std.Dev）、偏度（Skewness）和峰度（Kurtosis）。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=119.425、中位数（Median）=100、最大值（Maximum）=1400、最小值（Minimum）=0、标准差（Std.Dev）=145.7265、偏度（Skewness）=4.881760、峰度（Kurtosis）=37.85907。JB=10920.68,其概率p接近与零，所以，不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=68.165、中位数（Median）=50、最大值（Maximum）=300、最小值（Minimum）=0、标准差（Std.Dev）=59.25609、偏度（Skewness）=1.454655、峰度（Kurtosis）=5.202631。JB=110.9639,其概率p接近与零，所以，也不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=114.275、中位数（Median）=100、最大值（Maximum）=1000、最小值（Minimum）=0、标准差（Std.Dev）=131.1233、偏度（Skewness）=3.627175、峰度（Kurtosis）=22.57674。JB=3632.287,其概率p接近与零，所以，也不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=89.25、中位数（Median）=100、最大值（Maximum）=400、最小值（Minimum）=10、标准差（Std.Dev）=48.93784、偏度（Skewness）=2.269360、峰度（Kurtosis）=12.16635。JB=871.85,其概率p接近与零，所以，也不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=82.95、中位数（Median）=50、最大值（Maximum）=800、最小值（Minimum）=5、标准差（Std.Dev）=92.81633、偏度（Skewness）=3.950539、峰度（Kurtosis）=24.38828。JB=4332.379,其概率p接近与零，所以，也不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=391.875、中位数（Median）=380、最大值（Maximum）=1500、最小值（Minimum）=30、标准差（Std.Dev）=186.9569、偏度（Skewness）=1.866653、峰度（Kurtosis）=9.867465。JB=509.1637,其概率p接近与零，所以，也不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=93.725、中位数（Median）=100、最大值（Maximum）=1000、最小值（Minimum）=0、标准差（Std.Dev）=116.2511、偏度（Skewness）=3.908638、峰度（Kurtosis）=25.8534。JB=4861.565,其概率p接近与零，所以，也不能认为样本来自于正太分布。分析:上图右边的框里列出了根据当前200个样本值测算的描述统计量值：均值（Mean）=1030.915、中位数（Median）=950、最大值（Maximum）=3375、最小值（Minimum）=330、标准差（Std.Dev）=490.6012、偏度（Skewness）=1.913417、峰度（Kurtosis）=7.880079。JB=320.5496,其概率p接近与零，所以，也不能认为样本来自于正太分布。3.2 分组统计量X1X2X3X4X5X6X7Y Mean 119.4250 68.16500 114.2750 89.25000 82.95000 391.8750 93.72500 1030.915Median 100.0000 50.00000 100.0000100.0000 50.00000 380.0000 100.0000 950.0000 Maximum1400.000 300.00001000.000 400.0000 800.0000 1500.0001000.000 3375.000Minimum 0.000000 0.000000 0.00000010.00000 5.00000030.00000 0.000000 330.0000 Std. Dev. 145.7265 59.25609 131.1233 48.93784 92.81633 186.9569 116.2511 490.6012 Skewness 4.881760 1.454655 3.627175 2.269360 3.950539 1.8666533.9086381.913817 Kurtosis 37.85907 5.202631 22.5767412.16635 24.38828 9.86746525.853407.880079 Jarque-Bera 10920.68110.96393632.287871.8500 4332.379509.16374861.565320.5496 Probability0.0000000.000000 0.000000 0.0000000.0000000.000000 0.000000 0.000000 Sum 23885.00 13633.0022855.0017850.0016590.00 78375.0018745.00 206183.0 Sum Sq. Dev. 4226009.698745.6 3421470.476587.51714359.6955622. 2689350. 47897212 Observations200200 200 200 200 200 200 200分析：上表的框里列出了根据昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)这几方面的消费及月总消费(y)的当前200个样本值测算的描述统计量值：均值（Mean）、中位数（Median）、最大值（Maximum）、最小值（Minimum）、标准差（Std.Dev）、偏度（Skewness）和峰度（Kurtosis）。其中，标准差、偏度、峰度的计算公式为：式中，n表示样本量。由上图表知，X1:偏度S=4.881760>0,峰度K=37.85907>3;X2:偏度S=1.454655>0,峰度K=5.202631>3;X3:偏度S=3.627175>0,峰度K=22.57674>3;X4:偏度S=2.269360>0,峰度K=12.16635>3;X5:偏度S=3.950539>0,峰度K=24.38828>3;X6:偏度S=1.866653>0,峰度K=9.867465>3;X7:偏度S=3.908638>0,峰度K=25.85340>3;y:偏度S=1.913817>0,峰度K=7.880079>3;所以,与标准正态分布(S=0,K=3)相比，昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)、其他消费(x8)、月总消费(y)皆呈现右偏、尖峰分布形态。由上图表还知，Jarque-Bera检验结果，该检验的零假设是样本服从正态分布。检验统计量为式中，S和K是样本序列的偏度与峰度;m是产生样本序列时用到的估计系数的个数。在零假设下，JB统计量服从x2（2）。根据EViews给出的拒绝零假设。这个概率值是检验的相伴概率简称P值。由上图表知，P皆值皆接近0，表明至少在99%的置信水平下拒绝零假设，即序列不服从正态分布。第四章 回归分析4.1 问题假设为了问题的简洁明了，现在对变量进行假设。假设：月总消费为y、衣着消费为x1、学习消费为x2、娱乐消费为x3、通讯消费为x4、日常需品为x5、饮食消费为x6、情感投资为x7（单位：元）。假设月总消费y受衣着消费x1、学习消费x2、娱乐消费x3、通讯消费x4、日常需品x5、饮食消费x6、情感投资x7的影响，建立线性方程。显然，月总消费y的影响因素不只这些。4.2 问题分析因变量月总消费y的影响因素不只是衣着消费x1、学习消费x2、娱乐消费x3、通讯消费x4、日常需品x5、饮食消费x6、情感投资x7，但是，与多个自变量衣着消费x1、学习消费x2、娱乐消费x3、通讯消费x4、日常需品x5、饮食消费x6、情感投资x7有关。所以，就可以采用多元线性回归进行问题分析。昆明学院大学生每月的衣着消费(x1)、学习消费(x2)、娱乐消费(x3)、通讯消费(x4)、日常需品(x5)、饮食消费(x6)、情感投资(x7)与月总消费(y)的回归分析。设多元线性回归方程的基本形式为：设随机变量y与一般变量x1，x2，x3，x4，x5，x6，x7 的线性回归模型为：其中，为未知参数，为回归常数，为回归系数。Y称为被解释向量（因变量），而是称为解释变量（自变量）。4.3 散点统计图 分析：从曲线统计图上我们可以大致的来看，每个变量和因变量看不出有何关系。只能看出与y的点大致落在250,3500×0,1000的矩形域中.4.4 协方差分析4.4.1 协方差分析：cov(x2，x6)=-472.1594<0,即负相关,x2与x6负相关,等价于x2增加而x6减少的倾向,或x2减少而x6增加的倾向.其它协方差皆为正,即正相关,也就是同时增加或者同时减少.也就是饮食消费和学习消费呈负相关.饮食消费增加,则学习消费减少,若学习消费增加则饮食消费减少.4.4.2 样本相关分析分析：从样本的相关系数表来看，各变量的相关系数都不等于0，除x2与x6负相关外,其它变量皆成正相关.与协方差同符号的.可以做与7个自变量的多元线性回归。（说明：本表格是由EViews软件计算得出，但由于不能导出，所以通过保存成图片后经截图工具截得。）4.5 回归模型建立在eviews主窗口菜单单击quick/estimate equation弹出方程估计窗口，再在弹出的窗口清单内填入回归方程的书写形式：y=c(1)+c(2)*x1+c(3)*x2+c(4)*x3+c(5)*x4+c(6)*x5+c(7)*x6+c(8)*x7化简形式; y c x1 x2 x3 x4 x5 x6 x7 得出：Dependent Variable: YMethod: Least SquaresDate: 11/23/13 Time: 20:55Sample: 1 200Included observations: 200VariableCoefficientStd. Errort-StatisticProb.  C40.8780917.590012.3239380.0212X11.0287630.04485922.933180.0000X20.9659870.1027419.4021360.0000X30.9790830.04982519.650250.0000X41.1614550.1392598.3402400.0000X50.9789400.06755114.491910.0000X60.9999690.03594927.815940.0000X71.2026680.06174619.477790.0000R-squared0.974115Mean dependent var1030.915Adjusted R-squared0.973171  S.D. dependent var490.6012S.E. of regression80.35767  Akaike info criterion11.65003Sum squared resid1239812.  Schwarz criterion11.78196Log likelihood-1157.003    Hannan-Quinn criter.11.70342F-statistic1032.209    Durbin-Watson stat1.632283Prob(F-statistic)0.000000分析:从模型汇总表中可以看出,=0.974115接近于1,由决定系数看回归模型高度显著，表示该回归拟合得不错。估计值显著性概率p皆小于5%，所以，解释变量系数值在统计上是显著的。从模型整体的显著性来F=1032.209,P=0.000000,可以拒绝模型整体解释变量系数为零的原假设,表明7个自变量整体对应变量y产生显著性影响的判断所犯错误的概率仅为0.0000.说明模型的整体拟合情况良好；从模型整体的拟合度来看，R方和调整R方都在97%以上，说明该模型整体上拟合得非常好：从模型拟合的残差序列相关性来看，D-W=1.632283，显然小于序列无自相关的标准值2，判断回归残差存在序列自相关。因此最小估计统计量任然是线性和无偏的。由表中第二列的回归方程参数估计值，即可得到y对7个自变量的线性回归方程为：t=（2.323938） （22.93318） （9.402136） （ 19.65025） （8.340240） （14.49191） （27.81594） （19.47779） R2 =0.974115 第五章 回归模型检验  5.1 经济意义检验经济意义检验主要是检验模型参数估计量在经济意义上的合理性。从符号上看都为正，从文中所设来看，基本合理。即使其他消费因素都为0，任然还有消费，这消费为除此等消费因素外的其他因素的集合。可认为，初步通过经济意义检验。 5.2 回归残差检验分析：从上图可以看到一直滞后到36阶，Q统计量的p值在滞后1至16阶的概率p值都小于5%，所以，可以拒绝原假设，认为模型回归的残差序列存在自相关。从检验的稳健性考虑，需要进一步做LM检验。LM检验Breusch-Godfrey Serial Correlation LM Test:F-statistic3.282914 Prob. F(2,190)0.0397Obs*R-squared6.680539  Prob. Chi-Square(2)0.0354Test Equation:Dependent Variable: RESIDMethod: Least SquaresDate: 12/09/13 Time: 22:09Sample: 1 200Included observations: 200Presample missing value lagged residuals set to zero.VariableCoefficientStd. Errort-StatisticProb.  C-6.58652717.58014-0.3746570.7083X10.0013910.0443430.0313620.9750X20.0187310.1022270.1832290.8548X30.0078660.0493820.1592820.8736X40.0354690.1383380.2563910.7979X50.0084060.0668710.1257060.9001X60.0033680.0355680.0946980.9247X7-0.0108170.061235-0.1766420.8600RESID(-1)0.1851760.0738852.5062600.0130RESID(-2)0.0092860.0733410.1266150.8994R-squared0.033403 Mean dependent var8.88E-14Adjusted R-squared-0.012383  S.D. dependent var78.93169S.E. of regression79.41891 Akaike info criterion11.63606Sum squared resid1198399.  Schwarz criterion11.80097Log likelihood-1153.606  Hannan-Quinn criter.11.70280F-statistic0.729536 Durbin-Watson stat1.986425Prob(F-statistic)0.681486分析：从图中可以看出该检验的F值的概率p值为0.0397<0.05,LM值的概率p值为0.0354，显著拒绝原假设，认为模型回归残差序列存在自相关因此需要对模型进行修正。然后，依次选择view/residual Diagnostics/histogram-normality Test即得：分析;skewness(偏度)为1.722089>0,所以，模型回归的残差序列分布是不对称的，为右偏分布形态。Kurtosis（峰度）9.486831>3模型回归的残差分布成高瘦状态.JB检验的p值为0.0000小于5%的显著水平。因而在5%的显著性水平下拒绝了零假设，即序列不服从于正态分布。Heteroskedasticity Test: WhiteF-statistic1.817566   Prob. F(28,171)0.0112Obs*R-squared45.87087    Prob. Chi-Square(28)0.0180Scaled explained SS185.1219    Prob. Chi-Square(28)0.0000Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/09/13 Time: 22:49Sample: 1 200Included observations: 200VariableCoefficientStd. Errort-StatisticProb.  C3275.3392362.2441.3865370.1674X12-0.0076230.055131-0.1382740.8902X1*X20.2205760.2824920.7808230.4360X1*X30.0185930.0610950.3043350.7612X1*X40.11630.5189230.2247490.8224X1*X5-0.0826780.233507-0.3540730.7237X1*X6-0.0655230.089176-0.7347560.4635X1*X70.0863680.1731230.4988840.6185X220.1106730.2880850.3841670.7013X2*X30.0853440.3533300.2415420.8094X2*X4-0.5829240.780030-0.7473090.4559X2*X5-0.0011140.304007-0.0036660.9971X2*X60.0233090.1474610.1580710.8746X2*X7-0.306960.293126-1.0471980.2965X32-0.0027880.063139-0.0441510.9648X3*X4-0.2763430.377580-0.7318800.4652X3*X5-0.4025500.344257-1.1693290.2439X3*X60.1408130.0933701.5081140.1334X3*X70.0418910.1844500.2271160.8206X420.0671080.2462710.2724980.7856X4*X50.3533720.4324120.8172110.4149X4*X60.0104200.1728540.0602830.9520X4*X70.1551300.5343300.2903270.7719X520.0209840.0759000.2764730.7825X5*X60.0055140.0926350.0595290.9526X5*X70.1296970.2984280.4346010.6644X620.0030090.0153300.1962940.8446X6*X7-0.0748050.097027-0.7709700.4418X720.0906710.1413190.6416010.5220R-squared0.229354 Mean dependent var6373.432Adjusted R-squared0.103167S.D. dependent var18810.91S.E. of regression17814.18Akaike info criterion22.54672Sum squared resid5.43E+10Schwarz criterion23.02498Log likelihood-2225.672 Hannan-Quinn criter.22.74027F-statistic1.817566Durbin-Watson stat1.983469Prob(F-statistic)0.011212分析：从上图可知，该检验F的值的概率p值为0.0112和LM的概率p值为0.0180拒绝原假设，认为模型回归残差序列存在异方差.5.3 F检验F-stat