计量经济学分析报告.doc

摘要：本文利用我国1985年以来的统计数字建立了可以通过各种检验的居民消费价格的模型，对我国居民消费价格指数进行实证分析。通过对该模型的经济含义分析得出各主要因素对我国居民消费价格指数的影响程度，并针对现状提出自己的一些建议。关键词：居民消费价格指数 城镇居民 农村居民一、引言 CPI是英文“Consumer Price Index”的缩写，直译为“消费者价格指数”，在我国通常被称为“居民消费价格指数”。CPI的定义决定了其所包含的统计内容，那就是居民日常消费的全部商品和服务项目。日常生活中，我国城乡居民消费的商品和服务项目种类繁多，小到针头线脑，大到彩电汽车，有数百万种之多，由于人力和财力的限制，不可能也没有必要采用普查方式调查全部商品和服务项目的价格，世界各国都采用抽样调查方法进行调查。作为学经济的本科阶段的学生，我们所理解的并不彻底，我们所能涉及的范围也很小，所以借由国家统计数据做以下分析，促使我们更好的掌握专业知识，了解国情，提高我们实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。二、影响因素的分析 居民消费价格指数是反映一定时期内居民消费价格变动趋势和变动程度的相对数。居民消费价格指数分为食品、衣着、家庭设备及用品、医疗保健、交通和通讯、娱乐教育和文化用品、居住、服务项目等八个大类。国家规定325种必报商品和服务项目，其中，一般商品273种，餐饮业食品16种，服务项目36种。该指数是综合了城市居民消费价格指数和农民消费价格指数计算取得。利用居民消费价格指数，可以观察和分析消费品的零售价格和服务人格变动对城乡居民实际生活费支出的影响程度。下面主要介绍一下城镇居民消费价格指数、农村居民消费价格指数、城镇居民人均消费价格支出、农村居民人均消费支出的影响：1、 城镇居民消费价格指数（y1）2、 农村居民消费价格指数（y2）3、 城镇居民人均消费支出（x1）4、 农村居民人均消费支出（x2）5、 其他因素（用随机变量u来处理）三、模型：1、本文模型数据样本从19852006年：Y 居民消费价格指数Y1 城镇居民消费价格指数Y2 农村居民消费价格指数X1 城镇居民人均消费支出X2 农村居民人均消费支出年 份居民消费价格指数城镇居民消费价格指数农村居民消费价格指数城镇居民人均消费支出农村居民人均生活消费支出1985109.3111.9107.67653491986106.5107106.18723781987107.3108.8106.29984211988118.8120.7117.513115091989118116.3119.314665491990103.1101.3104.515965601991103.4105.1102.318406021992106.4108.6104.722626881993114.7116.1113.729248051994124.1125123.4385210381995117.1116.8117.5493113131996108.3108.8107.9553216261997102.8103.1102.558231722199899.299.49961091730199998.698.798.5640517662000100.4100.899.9685018602001100.7100.7100.871131969200299.29999.6738720622003101.2100.9101.6790121032004103.9103.3104.8867923012005101.8101.6102.2941025602006101.5101.5101.51035928482、基于以上数据，建立一下模型：Y=1+2y1+3y2+4x1+5x2+u检验各变量是否为y的格兰杰原因Y y1Pairwise Granger Causality TestsDate: 12/22/10 Time: 12:13Sample: 1985 2006Lags: 2 Null Hypothesis:ObsF-StatisticProb.  Y1 does not Granger Cause Y 20 4.561200.0283 Y does not Granger Cause Y1 3.373640.0617P=0.0283<0.05 显著，y1是y的格兰杰原因Y y2Pairwise Granger Causality TestsDate: 12/22/10 Time: 12:13Sample: 1985 2006Lags: 2 Null Hypothesis:ObsF-StatisticProb.  Y2 does not Granger Cause Y 20 3.864840.0443 Y does not Granger Cause Y2 5.070540.0208P=0.0443<0.05 显著，y2是y的格兰杰原因Y x1Pairwise Granger Causality TestsDate: 12/22/10 Time: 12:13Sample: 1985 2006Lags: 2 Null Hypothesis:ObsF-StatisticProb.  X1 does not Granger Cause Y 20 11.17810.0011 Y does not Granger Cause X1 2.808210.0921P=0.0011<0.05 显著，x1是y的格兰杰原因Y x2Pairwise Granger Causality TestsDate: 12/22/10 Time: 12:13Sample: 1985 2006Lags: 2 Null Hypothesis:ObsF-StatisticProb.  X2 does not Granger Cause Y 20 7.787390.0048 Y does not Granger Cause X2 1.286020.3052P=0.0048<0.05 显著，x2是y的格兰杰原因经过格兰杰检验，4个解释变量均为y的格兰杰原因，可以作为解释变量普通最小二乘法Dependent Variable: YMethod: Least SquaresDate: 12/22/10 Time: 12:25Sample: 1985 2006Included observations: 22VariableCoefficientStd. Errort-StatisticProb.  C-0.0396820.405396-0.0978850.9232Y10.4325840.01080240.048350.0000Y20.5670860.01074052.800870.0000X1-9.56E-050.000104-0.9155660.3727X20.0003570.0004140.8636210.3998R-squared0.999884    Mean dependent var106.6500Adjusted R-squared0.999856    S.D. dependent var7.370388S.E. of regression0.088378    Akaike info criterion-1.817677Sum squared resid0.132781    Schwarz criterion-1.569713Log likelihood24.99445    Hannan-Quinn criter.-1.759264F-statistic36509.31    Durbin-Watson stat1.420561Prob(F-statistic)0.000000由以上分析，初步建立模型为：Y=-0.039682+0.432584*y1+0.567086*y2-9.56*x1+0.000357*x2R2的拟合程度为0.999884 F=36509.31异方差的检验、white检验Heteroskedasticity Test: WhiteF-statistic0.527426    Prob. F(14,7)0.8540Obs*R-squared11.29363    Prob. Chi-Square(14)0.6628Scaled explained SS6.684989    Prob. Chi-Square(14)0.9462Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/22/10 Time: 12:30Sample: 1985 2006Included observations: 22VariableCoefficientStd. Errort-StatisticProb.  C-0.7935161.975576-0.4016630.6999Y10.0106650.0243870.4373000.6751Y120.0009500.0008311.1440120.2902Y1*Y2-0.0019600.001686-1.1620060.2833Y1*X19.39E-061.67E-050.5621840.5915Y1*X2-3.22E-056.65E-05-0.4842290.6430Y2-0.0001720.035384-0.0048570.9963Y220.0009720.0008521.1412930.2913Y2*X1-4.95E-061.69E-05-0.2933410.7778Y2*X21.47E-056.91E-050.2129090.8375X1-0.0006290.000692-0.9090630.3935X12-4.47E-091.25E-07-0.0357820.9725X1*X21.39E-079.85E-070.1410530.8918X20.0025330.0028390.8920480.4020X22-4.71E-071.95E-06-0.2409810.8165R-squared0.513347    Mean dependent var0.006035Adjusted R-squared-0.459959    S.D. dependent var0.008698S.E. of regression0.010510    Akaike info criterion-6.054459Sum squared resid0.000773    Schwarz criterion-5.310566Log likelihood81.59905    Hannan-Quinn criter.-5.879220F-statistic0.527426    Durbin-Watson stat3.341695Prob(F-statistic)0.853973由于Obs*R-squared=11.29363>卡方0.05（5）=11.07，所以存在异方差，用加权最小二乘法消除异方差、加权最小二乘法消除异方差Dependent Variable: YMethod: Least SquaresDate: 12/22/10 Time: 12:37Sample: 1985 2006Included observations: 22Weighting series: WWeight type: Inverse standard deviation (EViews default scaling)VariableCoefficientStd. Errort-StatisticProb.  C-0.1312440.136038-0.9647570.3482Y10.4299470.002008214.11690.0000Y20.5703750.002160264.06220.0000X1-0.0001373.91E-05-3.4997210.0027X20.0005170.0001573.2961810.0043Weighted StatisticsR-squared0.999989    Mean dependent var106.6536Adjusted R-squared0.999986    S.D. dependent var129.1117S.E. of regression0.027333    Akaike info criterion-4.164758Sum squared resid0.012700    Schwarz criterion-3.916794Log likelihood50.81234    Hannan-Quinn criter.-4.106345F-statistic384834.4    Durbin-Watson stat0.860182Prob(F-statistic)0.000000    Weighted mean dep.106.0005Unweighted StatisticsR-squared0.999882    Mean dependent var106.6500Adjusted R-squared0.999854    S.D. dependent var7.370388S.E. of regression0.089116    Sum squared resid0.135010Durbin-Watson stat1.385850分析各变量是否存在相关性，并予以消除从上表（加权最小二乘法）的统计结果中可知，DW=0.860182 查表得DL=0.96 DU=1.80 0<DW<DL，所以，存在一介正自相关差分消除Dependent Variable: DYMethod: Least SquaresDate: 12/22/10 Time: 12:50Sample (adjusted): 1986 2006Included observations: 21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C0.0043600.0453690.0960980.9246DY10.4259380.01057740.270640.0000DY20.5729540.01106251.795730.0000DX1-9.20E-050.000170-0.5405270.5963DX20.0003670.0005000.7335280.4738R-squared0.999746    Mean dependent var-0.371429Adjusted R-squared0.999683    S.D. dependent var5.992507S.E. of regression0.106754    Akaike info criterion-1.432327Sum squared resid0.182342    Schwarz criterion-1.183631Log likelihood20.03943    Hannan-Quinn criter.-1.378354F-statistic15751.09    Durbin-Watson stat2.05844Prob(F-statistic)0.000000由上表的统计结果可知：DW=2.05844，查表得DL=0.93 DU=1.81， DU<DW<4-DU，所以解释变量之间无自相关从上表中看得出：dx1的T统计结果是-0.540527，其绝对值小于T0.025（16）=2.120，且其系数符号与预期相反，这表明可能存在严重的多重共线性。多重共线性检验计算各解释变量的相关系数：DX1DX2DY1DY2DX110.85670227386303880.17870802800206860.1846143580471424DX20.856702273863038810.003445225105367541-0.01800200416621686DY10.17870802800206860.00344522510536754110.9308105035541423DY20.1846143580471424-0.018002004166216860.93081050355414231由相关系数矩阵可知：个解释变量相互之间的先关系数较高，证实存在一定多重共线性，可用逐步回归法消除。变量Dy1Dy2DX1DX2R20.9553760.9737490.346070.000045R2由大到小排序为：dy2、dy1、dx1、dx2以dy2为基础，顺次加入其它变量逐步回归：首先加入dy1Dependent Variable: DYMethod: Least SquaresDate: 12/22/10 Time: 14:03Sample (adjusted): 1986 2006Included observations: 21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C0.0058130.0224950.2584170.7990DY20.5713840.01037255.087130.0000DY10.4265990.01011842.163490.0000R-squared0.999737    Mean dependent var-0.371429Adjusted R-squared0.999708    S.D. dependent var5.992507S.E. of regression0.102464    Akaike info criterion-1.587045Sum squared resid0.188980    Schwarz criterion-1.437827Log likelihood19.66397    Hannan-Quinn criter.-1.554661F-statistic34194.74    Durbin-Watson stat2.381670Prob(F-statistic)0.000000Y=0.005813+0.571384dy2+0.426599dy1当a=0.05时，Ta/2（18）=2.101，参数dy1的T检验结果显著，不予剔除R2=0.999737 F=34194.74 DW= 2.381670Dy2、dy1的T检验结果显著，且拟合程度也好，消除多重共线性加入dx1Dependent Variable: DYMethod: Least SquaresDate: 12/22/10 Time: 14:17Sample (adjusted): 1986 2006Included observations: 21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C-0.1243850.425416-0.2923830.7733DY20.9777310.03851825.384020.0000DX18.0908950.0007880.1027080.9193R-squared0.973764    Mean dependent var-0.371429Adjusted R-squared0.970849    S.D. dependent var5.992507S.E. of regression1.023134    Akaike info criterion3.015181Sum squared resid18.84245    Schwarz criterion3.164399Log likelihood-28.65940    Hannan-Quinn criter.3.047565F-statistic334.0460    Durbin-Watson stat2.053324Prob(F-statistic)0.000000Y=-0.124385+0.977731dy2+8.090895dx1当a=0.05时，Ta/2（18）=2.101，参数dx1的T检验结果不显著，予以剔除加入dx2Dependent Variable: DYMethod: Least SquaresDate: 12/22/10 Time: 14:21Sample (adjusted): 1986 2006Included observations: 21 after adjustmentsVariableCoefficientStd. Errort-StatisticProb.  C-0.1667230.353366-0.4718150.6427DY20.9786580.03778425.901080.0000DX20.0006690.0023050.2901480.7750R-squared0.973871    Mean dependent var-0.371429Adjusted R-squared0.970968    S.D. dependent var5.992507S.E. of regression1.021049    Akaike info criterion3.011101Sum squared resid18.76572    Schwarz criterion3.160318Log likelihood-28.61656    Hannan-Quinn criter.3.043485F-statistic335.4485    Durbin-Watson stat2.038920Prob(F-statistic)0.000000Y=-0.166723+0.978658dy2+0.000669dx2当a=0.05时，Ta/2（18）=2.101，参数dx2的T检验结果不显著，予以剔除因此，我们确定最终的模型为：y=0.005813+0.571384dy2+0.426599dy1四、结果与分析根据上述分析，可以得出居民消费价格指数，城镇居民消费价格指数和农村居民消费价格指数三者之间的关系： dy=0.005813+0.571384dy2+0.426599dy1+u 即：y=0.005813+0.571384y2+0.426599y1+u由此可以看出，城镇居民人均消费支出和农村居民人均生活消费支出对居民消费价格指数的影响较小，在方程中予以剔除，而城镇居民消费价格指数和农村居民消费价格指数对居民消费价格指数的影响较大，城镇居民的影响力比农村居民的影响力显著。改革开放30年来，中国社会经济的各方面都发生了巨大变化，有些甚至是根本性的变化。改革开放初期，我国居民消费价格指数的变动比较激烈，1988、1989年达到高峰。进入21世纪以来，我国居民消费价格指数比以前的变动小了个很多。五、结论居民消费价格指数十分重要，而且具有启示性，必须谨慎把握，因为，消费价格指数表明消费者的购买能力，也反映经济的景气状况，如果该指数下跌，则反映经济衰退必然对货币汇率走势不利。收入水平和消费水平的不同导致了对价格指数感受的不同。改革开放以来，我国的国民经济有了巨大发展，人民生活水平也有了极大提高，但高收入者毕竟只是少数，绝大多数城乡居民收入水平和消费水平还不高。一般来说，收入水平和消费水平的高低会造成对价格指数感受的差异。高收入者消费水平高消费内容广，对价格上涨的承受能力强；反之，低收入者消费水平低、消费面窄，收入主要用于吃、穿、医疗和子女的教育等方面上，对价格上涨的承受能力低。而城镇居民和农村居民就是因此而产生差距，从而使城镇居民消费价格指数比农村居民消费价格指数对我国居民消费价格指数的影响程度大。近几年来，一些生活必需品不断涨价，因此低收入者居民反映敏感，感觉实际消费价格上涨的幅度应该比公布的CPI数据高。