影响我国居民消费相关因素的OLS回归分析毕业论文
青岛理工大学毕业设计(数学091班——刘永辉)
摘 要
在中国经济发展进程中，消费是伴随其发展的一个重要内容，伴随着经济增长的加快，消费形式的变化也越来越快。自进入21世纪以来，内需成为经济学领域一个比较热点的名词。扩大内需，增加居民消费成为了拉动经济增长的“三驾马车”之一。 居民的消费与一个国家的经济发展息息相关，对经济的增长影响惯性最大，是拉 动经济增长最重要、最稳定的因素。我国经济正逐渐由投资拉动型增长向消费拉动型增长转变，如何促进居民消费以扩大内需已成为人们关注的重点和热点。消费作为我国经济增长的三驾马车之一，起着不可替代的作用，只有把经济增长转变为依靠内需的增加上来，才能真正实现惠国惠民国策。
本文通过对我国居民消费水平的统计数据资料分析，建立居民消费的计量经济学模型。然后，使用EVIEWS 6.0对模型的参数进行估计，运用普通最小二乘法（Ordinary Least Squares,OLS）对数据进行单因素、多因素的回归分析，并引入递归的逐步回归分析模型，研究模型中各个变量对居民消费水平的影响程度，使我们对相关影响因素从定性认识转换到定量认识，并在此基础上提出提高居民消费水平的对策。
关键字：居民消费水平，扩大内需，普通最小二乘法
II
青岛理工大学毕业设计(数学091班——刘永辉)
ABSTRACT
In China's economic development process, the consumer is accompanied by the development of an important content, along with the accelerating pace of economic growth, consumption patterns of change is faster and faster. Since entering in the 21st century, domestic demand becomes a more popular term in the field of economics. Expanding domestic demand[1] to increase the residents’ consumption has become one of three major power driving economic growth.
The residents' consumption is the most important and stable factor stimulating economic growth, which is closely related to a country's economic development. China's economy is gradually shifting from investment-led growth to consumption-led growth transformation.How to promote consumption in order to expand domestic demand has become a focus of attention and hot for our country.Consumption as China's economic growth is one of the troika, plays an irreplaceable role, only economic growth into relying on domestic demand increases up to truly achieve benefit citizen and country national policy.
Firstly,this paper establishes a econometric model of the residents' consumption through analyzing statistics of our residents’ consumption level. Then, in order to let us recognize the relevant factors from qualitative understanding to quantitative understanding[2], I study the degree of the influence of each variable on the residents’ consumption in the model by using EVIEWS 6.0 to estimate the parameters of the model, applying ordinary least squares method for data’s univariate and multivariate regression analysis[3], and introducing recursive stepwise regression analysis model . And on this basis I put forward measures to improve the level of the residents’ consumption level. KEY
WORDS：Residents' Consumption Level;Expanding Domestic
Demand;Ordinary Least Squares
III
青岛理工大学毕业设计(数学091班——刘永辉)
目 录
第一章 绪论...............................................................1 1.1 选题的背景和意义 .................................................1 1.2 本文的结构内容简介 ...............................................2 第二章 居民消费现状及影响因素 ............................................3 2.1居民消费的现状 ...................................................3 2.2居民消费影响因素简介..............................................6 第三章 实证分析 .........................................................8 3.1 EVIEWS简介.......................................................8 3.2 Ordinary Least Squares ..........................................8 3.3 数据处理 ........................................................8 3.4变量的设计与选择..................................................9 3.5 模型的建立及参数估计.............................................10 第四章 模型的结论与政策建议..............................................23 4.1 模型的结论.......................................................23 4.2 政策建议.........................................................23 致 谢 .................................................................25 参考文献 ...............................................................26
IV
青岛理工大学毕业设计(数学091班——刘永辉)
第一章 绪 论
1.1 选题的背景和意义
居民消费水平是指居民在物质产品和劳务的消费过程中，对满足人们生存、发展和享受需要方面所达到的程度。通过消费的物质产品和劳务的数量和质量反映出来。
居民消费水平，是以国内生产总值为口径，即包括劳务消费在内的总消费进行计算的。计算公式[4]为：
居民消费水平（元/人）=报告期国内生产总值中的居民消费总额报告期年平均人口 居民的消费水平在很大程度上受整体经济状况的影响。国内生产总值(GDP）是用于衡量一国总收入的一种整体经济指标，经济扩张时期，居民收入稳定，GDP也高，居民用于消费的支出较多，消费水平较高；反之，经济收缩时，收入下降，GDP也低，用于消费的支出较少，消费水平随之下降。
改革开放以来，我国居民收入与消费水平不断提高，居民消费结构升级和消费需求扩张成为我国经济高速增长的主要动力，特别是进入21世纪代以来，居民消费需求对国民经济发展的影响不断增大，对国民经济产生的拉动作用越来越大。我国经济渐渐由短缺经济走向过剩经济、由卖方市场转向买方市场、由投资拉动经济增长到消费拉动经济增长，其中社会消费需求不足，居民消费问题显得更加突出。尤其是对于如何启动我国内需，扩大居民的消费变得越来越重要。
内需促增长的潜力非常巨大，近10年来，我国消费增长十分迅猛，内需特别是消费需求已经成为拉动经济增长的重要动力。统计数据显示，2002年我国社会消费品零售总额为4.8万亿元，2008年突破10万亿元，2010突破15万亿元大关，2011年达到18.4万亿元，居世界第二位，是2002年的3.8倍，年均增长16.1%。2011年最终消费对经济的贡献率达51.6%，比2002年提高7.7个百分点。所以现阶段我们应该突出扩大消费的战略地位，着力创新和完善消费促进政策，推动消费业态和商业模式创新，大力促进便民消费、实惠消费、热点消费、循环消费、安全消费和信用消费。发挥城市的消费中心功能，大力开拓农村市场，进一步释放居民消费潜力。充分发挥国内贸易保障
0
青岛理工大学毕业设计(数学091班——刘永辉)
消费、引导消费、创造消费的功能，使之进一步促进经济的发展。
中国社会科学院金融研究所研究员易宪容表示，就目前中国的经济情况来看，中国的内需与美国相比相差较远。美国3亿多人口，年消费达到11万亿美元，而中国只有4万亿美元。中国人均消费不足美国1/15。也就是说，如果中国内需增加到美国人均水平的1/10，中国GDP总量上升到80万亿元以上，潜力巨大。此外，中国居民消费存在严重三大不平衡：城乡之间、中小城市与大城市之间、东部沿海与中西部地区之间差距很大。因此，对于欧美疲弱的需求来说，中国潜在需求是巨大的
因而，及时准确的把握国民经济发展格局中居民消费需求的变动趋势，从量化的层面分析其相关影响因素，制定出符合我国现阶段具体情况的国民消费政策，对于提高我国的经济增长速度和质量都具有重要的意义。
1.2 本文的结构内容简介
本文正文部分共分为四个章节，首先开章就介绍了本文写作的意义所在，突出居民消费对经济发展的重要性；第二章紧接着介绍当前居民消费的现状和相关影响因素简介，为后文选择解释变量作一个铺垫；而第三章则是本文的重点部分，这一章也是篇幅最长，开头就简要介绍了本文所用到的软件和其主要的分析方法，接下来的实证分析部分囊括了模型的建立、参数的估计、模型的检验直到最终模型建立的全过程，并且对最终模型的变量进行了再次调整，提出了改进的最终模型，其结构安排也是从简单的单因素分析到多因素分析，进而在一般逐步回归分析[5]的基础上引入递归逐步回归模型进行分析，这也是本文的一个创新之处，这一部分呈现出从简单到复杂，从局部到整体的分析思路；第四章则主要是本文的结束部分，对模型回归结果的分析以及对模型的评价，并且在前面分析基础上结合全文提出相关政策建议。
1
青岛理工大学毕业设计(数学091班——刘永辉)
第二章 居民消费现状及影响因素
2.1居民消费现状
20世纪80年代初期，我国民众消费重点是以吃、穿等基本生存需求为主；90年代，食品、衣着消费支出比重下降，家用设备支出比重增加；到新的世纪，像洗衣机、电冰箱这样的传统家用设备支出比重也已大大下降.
消费是拉动经济增长的主要动力之一，我国城镇居民消费状况如何？其结构变动有何特点？搞清这些问题，对宏观经济决策、企业生产经营决策有着重要意义。本文利用近几年统计资料对这一问题进行分析。
1.食品支出比重下降，恩格尔系数逐年走低
众所周知，吃是人类生存的第一需要，在收入水平较低时，其在消费支出中必然占有重要地位。随着收入的增加，在食物需求基本满足的情况下，消费的重心才会开始向穿、用等其他方面转移。恩格尔系数所反映的就是食品支出占家庭或个人消费总支出的比例，所以恩格尔系数在国际上常常用来衡量一个国家和地区人民生活水平的状况，同时也成为反映一国居民家庭消费结构变化的重要标志。
近年来，我国城镇居民的恩格尔系数逐年下降， 1980年城市居民消费的恩格尔系数为56.9%，1995年为49.9%，1999年下降到41．9％，2000年，我国城镇居民恩格尔系数达到39.2%,首次低于40%；2001年我国城镇居民的恩格尔系数为37.9%，意味着总体水平达到了小康，2005年为36.7%，2010年，我国城镇居民恩格尔系数进一步降为35.7%,这说明食品支出在城镇居民的消费总支出的比重正呈下降的趋势。
世界主要国家和地区的经济发展历程和居民消费结构演变的历史经验表明，恩格尔系数水平低于40%时是启动以居民住房消费和交通通讯消费为标志的居民消费结构升级的临界点。因此，以恩格尔系数作为重要的参考标准的话，我国新一轮的消费结构升级已经来到。
2. 住房，汽车消费成为新的消费重点
2
青岛理工大学毕业设计(数学091班——刘永辉)
2. 1 住房消费
从住房需求来看，越来越多的城市居民有能力购买商品房和经济适用房。2003年商品房销售面积已经达到了32247万平方米，比1991年增长了近10倍，增长是非常快的。从未来的发展看，城市化和人均居住条件的改善，以及房屋的自然折旧还将带来对住房的巨大市场需求。中国确实已经进入到住房的需求大幅度增长的时期。特别是随着城市化的快速推进，对住房的需求会进一步加大。1998-2003年，我国城市率提高了9个百分点，到2003年已达到40.5%。在\"十一五\"期间，专家预计城市化率仍将以每年一个百分点的速度推进。毫无疑问，城市化率的发展直接带动的是房地产业的发展，有大量的人口要进入到城市，城市居民的居住条件也要改善，还有大量的房屋自然折旧。从这些情况考虑，未来住房的需求潜力是非常大的。房地产业也仍将保持较快的发展势头。以长沙为例,根据一项问卷调查结果表明，长沙住房消费走势呈以下的主要特征： 近半数的被调查者具有购房意向;51.96%的被调查者看好经济适用房;理想面积为80—120平方米;价格仍是制约居民消费的主要因素。 这说明随着人们对物质生活，居住环境要求的提高，使住房消费在今后的一段时间内，仍然会是消费的重点和增长点。并且住房消费必将带动相关行业的发展，家装成了生活时尚。 2. 2 汽车消费
从各个国家的发展经验来看，当一个国家人均GDP达到3000-10000美元的时候将进入汽车消费快速发展的时期，我国的一些大城市，人均GDP已经接近或超过3000美元，因此，汽车消费出现较快增长的时期。 中国已经发展成为一个极具潜力的汽车消费市场。估计我国有购车能力的家庭2005年将达到4200万户。到2010年，中国有可能成为全球仅次于美国和日本的第三大汽车市场。从汽车的实际购买来看，随着居民收入水平的不断提高和中国政府鼓励轿车进入居民家庭政策的出台，特别是2001年5月放松对生产企业的价格管制，加之制约需求的各种不合理费用逐步取消和汽车贷款正在被越来越多人所接受，汽车正在快速进入普通家庭，开始取代家电成为新一代领航消费品。
3. 教育、信息、通信消费不断升温
随着科学技术的进步和社会生产力的发展，知识更新的速度越来越快，经济的发展要求人们不断提高自身的文化素质，人们对知识需求日益增强，居民越来越重视教育的投入，不断提高个人文化素质，除了对子女的教育消费支出不断增长以外，成人的教育费用也不断提高。教育消费已成为人们消费中经常性的较长期的重点，这是发展的必然
3
青岛理工大学毕业设计(数学091班——刘永辉)
趋势。未来居民储蓄将更多地用于教育消费。这不但可以满足人民群众日益增长的教育消费需求，而且促进与教育相关的行业发展，还进一步带动图书出版业，计算机教学软件业、信息服务业等相关行业的发展，使教育产业成为扩大内需、拉动经济增长的重要途径。 近日，中国社科院在京发布《2005年社会蓝皮书》，提醒人们注意教育消费不断攀高现象。近年来，我国城乡居民教育费用持续攀升，大大强化了居民的储蓄意愿，子女教育费用在居民总消费中排在首位，超过养老和住房消费。
从\"九五\"后期开始，通信、信息消费成为我国居民新的消费热点，产销均呈现快速增长势头。根据预测，国内的电子信息产品的市场总规模到2005年将达到20000亿元的水平。目前，中国是全球最大的手机市场。截止到2004年的2月底，中国的手机用户已达到了2.8亿户。今后五年，中国信息产业还将继续保持20%以上的增长速度，而且还将进一步成为消费的热点。专家认为，通信消费水平的高低很大程度上反映出一个国家的信息化水平。增加通信消费，无论是对扩大社会需求、促进经济增长，还是对改善人民生活质量，都具有重要意义。
4. 旅游等休闲服务消费成为新的消费亮点
\"十一五\"期间乃至更长的时间内，中国都将是一个旅游的消费大国。按照国际经验，人均GDP达到800-1000美元的时候，旅游消费就进入到快速增长时期。我国显然已经进入到了这样的时期，当然，它也要求有制度性的安排来与其配合。我国从20世纪90年代中期实行假日消费后，旅游消费大幅度增长，开始是\"周休两日制\"促进了旅游消费，现在又有了\"七天黄金周\"，大大地带动了国内旅游消费的增长。据统计，2004年国内旅游人数达到了9.3亿人，将近10亿人，国内旅游收入达到了4万亿元的水平。旅游业将是今后拉动经济增长的一个非常重要的力量。由于城市化进程的加快，空气和水污染日益严重，垃圾、噪声使城市居民的生存环境日趋恶化，因此，人们对清洁空气的享受，对良好生态环境的追求已越来越迫切。近年来兴起的生态旅游业能够满足人们日益增长的生态需要，所以，生态旅游已成为旅游业中增长最快的部分。
随着以人为本的生活观念日益突出。居民能够享受到的社会公共服务和公共设施越来越多，这一范畴的消费也随之增加。快节奏的都市工作与生活，使人们更重视消费的时间成本和精力成本，消费省时间甚至出钱买时间的情况在都市消费中屡见不鲜。相对于消费的效益性需求而言，消费的效率性需求将上升，即消费者在关注消费的效用和质量的同时，更关注消费的便捷性和快速性。其典型表现是服务性消费的快速发展。例如：快餐业尤其是送餐业的快速发展，家庭劳务社会化成为一种广泛的需求。随着经济的发
4
青岛理工大学毕业设计(数学091班——刘永辉)
展，社会分工越来越细，家政服务、家庭医生、家庭病房等开始走进千家万户
通过上述分析，可以看出我国目前居民消费增长点在居住、交通、通信、医疗以及娱乐教育和旅游服务等方面。而20世纪80年代初期以吃、穿等基本生存需求为主的消费结构已经被取代了，因此我们有必要研究影响居民消费的相关因素，进而提出切实可行的经济政策，以达到促进经济发展的目的。
2.2 居民消费的影响因素简介
居民消费受很多因素的影响，其中主要是国民收入、通货膨胀率、利率、居民的收入和物价水平。当期消费是基于上一期的国民收入而发生的；通货膨胀率则会通过影响一国居民实际购买能力影响实际的消费水平；利率对消费的影响主要是通过影响居民用于储蓄的货币量来间接影响消费水平；收入是消费的基础和前提。在其他条件不变的情况下，人们的可支配收入越多，对各种商品和服务的消费量就越大。收入增长较快的时期，消费增长也较快；反之，当收入增长速度下降时，消费增幅也下降。居民消费水平不仅取决于当前的收入，而且受未来收入预期的影响。对于未来收入，如果人们有非常乐观的预期，那么预支将来收入的可能性就会加大；反之，预期未来有减少收入或者失业的风险时，人们就会节制当前的消费，以备不时之需。因此，要提高居民消费水平，必须完善社会保障制度。社会总体消费水平的高低与人们收入差距的大小有密切关系。人们的收入差距过达，总体消费水平会降低，反之，收入差距缩小，会使总体消费水平提高。因此，要提高居民消费水平，必须缩小各行业及城乡居民的收入差距，初次分配和再分配都要处理好效率和公平的关系，再分配更加注重公平。物价的变动会影响人们的购买能力。一般说来，物价上涨，人们的购买力普遍降低，会减少对商品的消费量；物价下跌，则购买力普遍提高，会增加对商品的消费量。因此，要提高居民消费水平，就要稳定物价，控制物价上涨。此外，当前物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长 ，同时与国外相比较，我国现阶段没有形成大的消费热点，难以带动消费的快速增长
综上，结合以前学者对影响因素[5]的选取，可知居民消费主要受居民储蓄存款、居
5
青岛理工大学毕业设计(数学091班——刘永辉)
民人均可支配收入、物价水平、收入分配、旅游人均花费；而根据前述的消费现状，初略可选取国内生产总值、职工平均工资指数、城镇居民消费价格指数、卫生机构数、基本设施（铁路、公路、水运、民航、管道）货运量作为影响因素。
通过两者比较可知，上述两类影响因素由于选择的标准不一样，因此导致了影响因素的差异，但是其中仍有相似的因素，比如物价指数和城镇居民消费价格指数，职工工资指数和可支配收入等，于是我们有差异的抽选以下的影响因素。1、国内生产总值，可想而知，国内生产总值的多少对于居民消费水平的影响是正相关的；2、居民储蓄是影响居民最终消费的直接因素，居民储蓄越多，最终消费就越少，储蓄越少，最终消费支出就越多；3、居民人均可支配收入是决定储蓄水平的一个因子，居民可支配收入增加，直接性的居民储蓄会随之上升，当可支配收入增加的同时就是增加自己的银行储蓄为以后的购房、养老、医疗保健做准备，这对居民的消费支出有很大的影响。所以可支配收入这一因素必须选取为模型的解释变量；4、物价水平对消费者的消费倾向会有影响，即影响到居民的消费支出，当居民的收入不变时，若物价上涨，则消费支出增加；反之，居民收入不变，若物价下跌，则消费支出减少。对于物价水平，我们可以选择价格指数来反映，即居民消费价格指数。5、测定收入分配差异程度在经济学中可以用基尼系数来表示，国际上用来综合考察居民内部收入分配差异状况的一个重要分析指标，0.2到0.4之间都定义为分配合理[7]，0.4作为收入分配差距的警戒线，超过的话表示收入分配差距较大，基尼系数越大表示收入分配差距越大，但是由于基尼系数的数据无法完整的找到，所以只好放弃。6、而随着第三产业的发展，旅游业成为发展最快的新型产业，对家庭消费支出来说占的比重越来越大，作用越来越明显，在作居民消费支出的计量分析时，也是要考虑的一个因素，但为了计算简便，我们仅考虑国内人均旅游花费。
6
青岛理工大学毕业设计(数学091班——刘永辉)
第三章 实证分析
3.1 EVIEWS简要介绍
Eviews是Econometrics Views的缩写，直译为计量经济学观察，通常称为计量
经济学软件包。它的本意是对社会经济关系与经济活动的数量规律，采用计量经济学方法与技术进行“观察”。计量经济学研究的核心是设计模型、收集资料、估计模型、检验模型、应用模型（结构分析、经济预测、政策评价）。而本文主要用到单因素回归分析、多因素回归分析以及模型的检验修正等功能。
3.2 Ordinary Least Squares
最小二乘法（又称最小平方法）是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。简而言之，最小二乘法可以用来处理一组数据, 可以从一组测定的数据中寻求变量之间的依赖关系。
3.3 数据处理
在建立计量经济学模型之前，我们所要做的就是数据的搜集与整理了，在此我们选取了1978-2011年的时间序列数据作为样本，因为国家统计局网站上面2012年中国统计年鉴数据关于国内旅游情况的记载数据仅到1994年，其他的都可以到1978年，再结合网上可以搜寻到的1990统计年鉴旅游数据，因此初步确定样本数据的起始时间统一
7
青岛理工大学毕业设计(数学091班——刘永辉)
为1990-2011年。但是在数据的整理过程中又发现国家统计年鉴关于卫生医疗机构数量的的统计指标相同的缺少1991-1994年（如下表），而查阅前期统计年鉴后发现两者统计参照指标不同，因而不能够作为同一组时间序列数据使用，正好搜集到的人均旅游花费也从1994年（如下表）开始都在国家统计年鉴上有记载，所以综上所述选择数据的范围为1995-2011年。数据基本来源于国家统计局2012年的统计年鉴，少部分是其他年份的统计年鉴，本处只列出整理后的数据，如下表所示：
表3.1 整理出来的原始数据 时Y X1 间 198318690 3 91 2 19932171911269X2 X3 X4 X5 X6 X7 X8 71191511014.1012970 0.2 3.1 39 690 602 1701012. 0.6 3.4 98 6.6 6.4 60 2571111. 3491211. 985 793 104 5899 1115 902 1180396 195.3 92467.8 .6 81.5 4.9 11752021011. 92 16 23.5 7.3 1913353191848115221593 93 33.9 03.5 7.4 4.7 45 94 33 97.9 18.8 6.2 4.1 21 19236072964281110.9944123218.7 4938 95 55 93.7 62.3 3.0 7.1 55 09 8
青岛理工大学毕业设计(数学091班——刘永辉)
1927711738596 89 6.6 19307894831010.1078129156.2 1 20.8 8.9 8.3 42 131 8424625161010.1048127328.1 8 97 02 73.0 79.8 0.3 2.8 06 657 821193184453454299.9.11042126345.0 4 885 7427 193389659658598.8.11017129394.0 8 673 3008 2036992643628107.51034135426.6 229 8682 20381092 20411207 2044135
98 59 02.3 07.5 5.1 2 99 46 77.1 21.8 4.0 6 00 32 14.6 32.4 0.0 0.4 8 737685106.91029140449.5 314 1786 01 87 655.62.4 9.6 0.7 5 86977099.6.41005148441.8 5 004 3447 02 44 332.10.7 2.8 2 103847106.08062156395.7 9
青岛理工大学毕业设计(数学091班——刘永辉)
03 75 822.617.2.7 1.2 1 8 20501593 20551844 20622164 20732653 20843144 20923408 20104011410 1613 1722 2174 2607 30305 96 937.051.93.1.8 9 0 7 43 4492 1195942105.88491170427.5 40 6412 104105.88822186436.1 06 2066 97 7060 63 5822 80 5937 7 71 5222 27 18004 32 878.55.4 1.6 3.9 7 117105.29180203446.9 5 06 99 314.587.59.1.5 8 137105.19122227482.6 8 07 10 810.534.85.4.8 7 157105.08914258511.0 8 08 30 045.885.80.5.9 8 17199.4.89165282535.4 7 09 83 902.771.74.3 191104.79369324598.2 10 52512.302.09.3.3 9
10
青岛理工大学毕业设计(数学091班——刘永辉)
2 8 5 3439 4 89 7 6961 20124727
218104.79543369731.0 8 11 72881.635.09.5.3 9 6 3.4 变量的设计与选择
综合了2.2节两类标准的影响因素，包括相同的和不同的，最终确定了以居民最终消费支出为被解释变量，而引入国内生产总值、居民储蓄存款、居民人均可支配收入、居民消费价格指数、人口自然增长率、卫生机构数、和基本设施（铁路、公路、水运、民航、管道）货运量、国内人均旅游花费作为解释变量：
对变量作如下定义[9]： Y-----居民消费水平（元） X1-----国内生产总值（亿元） X2-----居民储蓄存款（亿元） X3-----居民人均可支配收入（元） X4-----居民消费价格指数（上年=100） X5-----人口自然增长率（1‰） X6-----卫生机构数（个）
X7-----基本设施（铁路、公路、水运、民航、管道）货运量（万吨） X8-----国内人均旅游花费（元）
3.5 模型的建立及参数估计
由上述变量的选取可发现，本文的一处创新在于对变量的选取不采取同一标准[8]或者按照同一类型选取，而是在大范围中选取不同的影响因素，然后借助最小二乘（OLS）回归这个方法来实现变量的保留和排除。
11
青岛理工大学毕业设计(数学091班——刘永辉)
根据上面的变量定义，可以设定一般的计量经济学模型如下：
Y01X12X23X34X45X56X67X78X8
其中各变量对应如上，表示随机误差项。
其中 k为解释变量的数目，i（i=1,2,…,8)称为回归系数（regression coefficient)。上式也被称为总体回归函数的随机表达式。
为了准确的对各个解释变量进行保留或者剔除，下面对被解释变量居民消费水平和所有的解释变量分别作OLS回归，首先进行的当然是数据（1995-2011）的录入，如下表3.2：
表 3.2 1995年-2011年的样本数据
obs Y 1992355 5 1992789 6 1993002 7 1993159 8 1993346 9 2003632 0 2003887 1 2004144 2 2004475 3 2005032 4 2005596 5 2006299 6 2007310 7 2008430 8
X1 X2 X3 X4 60793.7 29662.3 4283 117.1 71176.6 38520.8 4838.9 108.3 78973 46279.8 5160.3 102.8 84402.3 53407.5 5425.1 99.2 89677.1 59621.8 99214.6 64332.4 109655.2 120332.7 135822.8 159878.3 184937.4 216314.4 265810.3 314045.4 5854 6280 X5 10.55 10.42 10.06 9.14 98.6 8.18 100.7.58 4 100.6.95 7 99.2 6.45 101.2 103.9 101.8 101.5 104.8 105.9 6.01 5.87 5.89 5.28 5.17 5.08 73762.4 6859.6 86910.7 7702.8 103617.8472.7 7 119555.9421.6 4 141051 10493 161587.11759.3 5 172534.13785.2 8 217885.15780.4 8 12
X6 X7 X8 994409 123493218.8 7 107813129842156.1 1 2 104865127821328.7 8 1 104288126742345 5 7 101767129300394 3 8 103422135868426.9 2 6 102931140178449.4 6 5 100500148344441.4 7 8 806243 156449395.2 7 849140 170641427.2 5 882206 186206436.6 1 918097 203706446.0 9 912263 227582482.2 6 891480 258593511 7 青岛理工大学毕业设计(数学091班——刘永辉)
2009 2010 2011 9283 340902.260771.17174.8 7 7 1052401512.303302.19109.2 8 5 4 1272472881.343635.21809.7 6 9 8 99.3 4.87 916571 103.4.79 936927 3 105.4.79 954389 3 2825222 3241807 3696961 535.4 598.2 731 对于居民消费水平与各个解释变量的回归分析，我们假设均拟建立如下一元回归模型：
Y01X,为随机误差项
并且假定模型中的随机误差项
满足古典假设，借助Eviews
[10]
,运用OLS法，分别将
居民消费与各个相关解释变量做最小二乘回归分析，已达到参数估计的目的，然后通过比较，选出最优解释变量，具体操作如下： 1、国内生产总值对居民消费水平的影响
国内生产总值通常作为一国经济发展水平的代表性指标，在此我们通过它来研究居民消费水平与国民经济发展水平的关系。由经济理论分析可知，经济发展水平与居民消费水平有密切关系。通过OLS法回归得：
表 3.3 Y--X1的回归分析结果
由上述回归结果可估计得一元回归方程如下：
Y = 1146.06725612 + 0.0238605610731*X1 (17.35074) (81.33493) R2=0.997738
从回归结果可以看出，模型的拟合度非常好，可决系数R2很高，参数的T检验值
13
青岛理工大学毕业设计(数学091班——刘永辉)
也很显著，这表明国内生产总值对居民消费水平有显著的影响。其中GDP每增长1亿元，居民消费水平则平均增加0.024元。
按照同样的回归方法我们对剩下的7个变量分别作最小二乘回归，并估计其参数，得到相应一元回归方程，并对其中部分统计量作出解释说明，我们在用OLS法作模型拟合与参数估计的时候，本模型主要参照的3个解释统计量的标准主要是：T-statistic(T检验统计量)绝对值大于2时刻粗略判断系数通过t检验；可决系数R定义为回归平方和与总离差平方和之比
[11]
2，即R=ESS/TSS或者1-RSS/TSS，其中TSS=RSS+ESS,回归平
2方和反映了总离差平方和中可由样本回归线解释的部分，它越大，残差平方和越小，表明样本回归线与样本观测值的拟合程度越高。但是有公式定义可知可决系数的最大值不超过1，因此越接近1越好。而调整的可决系数则是为了剔除变量个数的多少对拟合优度的影响而对R调整而来，分别将分子和分母除以其自由度即可，衡量指标也是越接近1越好。因此把以上回归结果的主要统计量均计入下表3.4：
表 3.4 对各个变量单因素分析的结果统计
2变量 X1 X2 X3 X4 X5 X6 X7 估计23831253014773.值 61 05 8 8 39 X8 参数0.00.00.5-32.-110.010.0020.74139483534 51 35 T检81.45.47.-0.1-5.1-1.945.17.5验值 3344279498562776062689 18793 92 33 38 R-squared4 98 49 0.90.90.90.000.638 84 18 2 49 14
0.200.990.75 02 9779279352293674002688 903
青岛理工大学毕业设计(数学091班——刘永辉)
Adjusted R-squared0.90.90.9-0.00.60.150.920.723 975923930642125093201 76387 03 86 22 32 9
由上表3.4中的各统计量的数据，根据前述三个解释统计量的判断标准[12]可知，变量X2（居民储蓄存款）T检验值远远超过一般标准，且其可决系数也很大，说明其拟合得很好，对居民消费水平的影响显著；变量X3（居民人均可支配收入）虽然T检验值不如变量X2的大，但其可决系数相比之下稍大，同样也是拟合的很好，对居民消费水平有显著影响的，即可理解为居民人均可支配收入每增加一元，居民消费水平就增加0.55元，这看起来倒是挺可观的，但是我们知道这是在居民消费水平仅仅与居民可支配收入相关的前提下才成立的；而变量X4（居民消费价格指数）的数据相比之前一看就有很明显的差异，其T检验值为负数，且其绝对值小于一般标准2，并且它的可决系数非常小，接近于0，根据可决系数的定义来看，它越小残差平方和越大，表明样本回归线与样本观测值的拟合程度越低，但是从经济背景看，物价指数应该会对居民消费水平产生影响，但是现在的回归结果却显示出可决系数很小，趋近于0.T统计量检验也不显著，这就与经济学理论相悖，可能是统计数据的搜集上面有误差，或者估计的方法有待改善。同样道理，变量X7（基本设施货运量）对被解释变量有显著影响，变量X6（卫生机构数）则影响不显著，按理来说卫生机构数应该是可以和居民消费水平有一定关系的但是此处回归结果不太一致，结论颇似变量X4的回归结果，不过我们暂且不追究其原因，且等到下一阶段多因素分析时再验证是否可能改变，而X5（人口增长率）与X8（国内人均旅游花费）的T检验值均超过一般标准，同时其可决系数与0相比也都较靠近1，所以也对居民消费水平有显著的影响，并且人口自然增长率每增长1‰，居民消费水平就要下降1173.39元这样一个程度，可见人口的增长对居民消费水平的影响
[12]
也是很大的。同时对于X8（国内人均旅游花费），从表中我们看到，人均旅游花费每增加一元，居民消费水平则正向增加了20.3535元，这个数字也解释了改革开放以来我国居民消费水平的提高和旅游业发展越来越好的局面，并且从定性层面具体到定量层面考察了他们之间的相关性。但其影响都次于前述几个可决系数更接近于1的变量，如X1、X2等。
15
青岛理工大学毕业设计(数学091班——刘永辉)
我们借助EVIEWS软件，运用OLS法分别将居民消费水平与上述解释变量进行回归分析，得到的结果根据参照标准初步挑选后发现，X1、X2、X3、X7四个变量对被解释变量居民消费水平有显著的影响，且其可决系数都非常的接近于1；变量X5和X8对居民消费水平也有显著影响，但其可决系数相对前面四个变量较低；而变量X4和X6的回归结果显示都对居民消费水平没有显著影响，这个结果确实让我们稍有吃惊，毕竟与一般的经历理论有悖，但是原因到底是什么，我们不得而知，所以我们在这里要再次从多因素分析的角度来对其整体做OLS回归分析，但是同时我们也要参照前面单因素分析的结果进行。
这里我们暂且先做一次针对全部8个解释变量的最小二乘回归分析，结果如下表3.5：
表 3.5 对全部变量的回归分析结果
从上表3.5我们可以得到回归方程如下，这里我们引入F统计量，F检验是对存在多个解释变量(至少2个)才有用，是研究被解释变量是否存在线性关系的指标，F是检验方程显著性的统计量，是平均的回归平方和与平均剩余平方和之比,越大越好。
Y=1549.87115667+0.000268653000798*X1-0.0146204976056*X2+0.154158191102*X3-
31.365502777*X4-41.5628672173*X5-0.000942545999032*X6+0.00431099151478*X7+
1.46338186767*X8
16
青岛理工大学毕业设计(数学091班——刘永辉)
（0.695562） （0.022158） （-2.000205） （0.618480）
（-2.269689） （-0.513087） （-1.266521） （2.984627）
2（1.800321） R=0.999482 R=0.998964 F=1929.835
2有图可见，该计量模型的可决系数高达0.999482，整体效果的F检验值为1929.835，明显显著，但是X1、X3、X5、X6和X8的T检验值低于一般标准，都不太显著，结合经济现实分析有可能存在多重共线性。因此我们首先要对各个变量作相关分析，得到各解释变量的相关系数矩阵如下表3.6：
表 3.6 各变量间的相关系数
变量 X1 X1 X2 X3 X4 X5 X6 X7 X8 X2 X3 1 0.996030.997688 5 0.996031 0.996558 5 0.997680.996551 5 5 -0.0228-0.0657-0.05175 9 8 -0.7913-0.8115-0.82674 3 5 -0.4550-0.4830-0.49997 4 3 0.997370.99369 0.991573 2 0.874900.882270.880701 1 3 X4 -0.02285 -0.06579 -0.05178 1 X5 X6 -0.7913-0.45504 7 -0.8115-0.48303 4 -0.8267-0.49995 3 0.35770.0337232 5 0.357731 0.721932 7 0.033720.72191 5 37 0.01454-0.7544-0.4227 4 6 -0.3460-0.8589-0.42105 2 5 X7 X8 0.997370.874903 1 0.99369 0.882271 0.991570.880702 3 0.01454-0.34604 5 -0.7544-0.85896 2 -0.4227 -0.42105 1 0.85649 0.85649 1 由表3.6中的系数相关矩阵可以看出，上述解释变量之间相关系数较高，确实存在多重共线性，比如说X1与X2、X1与X3、X2与X3等等。
接下来我们利用前面对模型单因素分析的初步保留的变量再做一次总体的回归，然后与表3.5中对全部变量的回归相比，看看有什么样的变化，如表3.4中的数据显示一样，这里我们直接把变量X4与X6予以暂且剔除，我们且看回归结果是否有明显变化，如下表 3.7：
表 3.7 单因素分析初步保留变量回归分析结果
17
青岛理工大学毕业设计(数学091班——刘永辉)
Y = -1557.32623645 +0.0025855113669*X1 - 0.00239648679321*X2 + 0.20438318495*X3
+ 8.47555674283*X5 + 0.00206778573663*X7 + 2.18579464378*X8
（-0.819748） （0.187678） （-0.426426） （0.724475） （0.095928） （1.702969） （2.599331） R=0.999143 从表 3.7的结果和所估计出的回归方程我们可以看到，表中除了F值有所增加之外，其他主要解释统计量包括可决系数，调整可决绝系数，各变量对应的T 检验值绝对值基本都有所减小，因此初步认为不能就这么把X4和X6两个变量直接剔除，还需要进一步的检验。我们必须要回避其多重共线性，因此我们采用对各个解释变量逐个回归、逐个引进或者剔除的方法来解决多重共线性这一问题，这时候我们就可借助前面已经对模型对各个变量所做的的单因素OLS分析结论，通过比较可选出最优选的一个影响因素，这个变量的可决系数要最大，T检验要显著，通过比较我们选择X1，其对应T检验值为81.33493，
可决系数为0.997738，与其他变量的对应统计量值相比同时达到最大，因此将其首选为回归变量，下一步我们依次加入其他变量进行模型的多因素OLS回归分析，通过观察其可决系数和T检验值的变化来决定下一引入变量是保留或者剔除，具体步骤如下: 1、加入X2，进行回归分析得下表3.8 X1+X2：
表 3.8 X1+X2回归分析结果
2 18
青岛理工大学毕业设计(数学091班——刘永辉)
Y = 1200.84623815 + 0.0194232547356*X1 + 0.00584080282404*X2
（15.96914） （6.06932） （1.392072） R2=0.998013
2、按照相同的做法，在X1的基础上分别单次加入X3、X4、X5、X6、X7、X8进行多因素OLS回归分析得到对应的回归结果，将主要比较指标作如下表3.9：
表 3.9 X1基础上分别加各个变量的回归结果统计 变量X1的原始数值 =0.997738 =0.997587 T=81.33493 变量 +X2 +X3 +X4 +X5 +X6 +X7 +X8 T检1.390.22-2.31-1.00.250.10验值 207
3.239109758 01819
5135 1585 9701 青岛理工大学毕业设计(数学091班——刘永辉)
2 R-squared8 7746 7424 4705 6 0.998366 7889 00.92 47.58132 7587 7623 3965 7426 974198526 7748 7739 8707 0.990.990.990.990.990.998013 Adjusted R-squared 0.990.990.990.990.9900.97729 加变60.65.1292.348.970.25.59量后932X1的T检验值 4810 3052 0305 0 表中加入X2后虽然可决系数稍微变大，但是X2的T检验值却不显著，因此予以剔除；加入X3后也是与X2同意情况，予以剔除；加入X4后T检验值显著，且可决系数有明显增加，予以保留；加入X5后，T检验值不显著，可决西环素增大也不明显，予以剔除；加入X6、X7后结果都类似X5，同样都予以剔除；加入X8后可决系数明显增大，且T检验值显著，予以保留。综上可得到初步结论是：保留变量X1、X4、X8，剔除变量为X2、X3、X5、X6、X7几个变量，这个结果可以说是有比较解释得通的地方，也有出乎意料的地方，如前面做的相关系数矩阵中就可以看出X1与X2、X3的相关系数都比较大，接近于1，因此在此处给予剔除也在情理之中；X6则同样被排除，与单因素分析时候的结果一致；而上一阶段单因素OLS回归分析中被排除的X4现在入选解释变量范围；同时X5（人口自然增长率）这一变量的剔除则是与一般理解有出入；X8的入选则是对上一阶段单单因素分析中的进一步说明。
20
青岛理工大学毕业设计(数学091班——刘永辉)
但是我们还没有得到最终的结果，所以我们要再次的进行多因素OLS回归分析，本文所采用的逐步回归分析法也是一个创新之处，采用的是递归的逐步回归分析——在大范围变量范围类实现变量的最优选，具体可定义如下：
最优选变量 → 次优选变量 →…→最后优选变量 （*） 递归逐步回归模型
一个变量→ 两个变量 →…→N个变量 按照上诉逐步回归模型，下一步我们则要在保留的个变量中选择出次优选变量直到没有可选变量了终止，在这里我选择标准仍然是比较其可决系数的大小来决定，于是通过比较我们选择了X8（国内人均旅游花费），接下来我们就在最优选变量和次优选变量的基础上，逐一加入其他模型进行分析，但限于篇幅问题，此处仅列出其综合比较指标表3.10如下：
表 3.10 运用递归逐步回归模型的回归结果1 变量X1和X8的原始数值 =0.998707 =0.998522 X1的T47.5030值 值 1 5 X8的T3.23970变量 +X2 +X3 +X4 +X5 +X6 验值 6855 R-squared+X7 0 T检0.93-0.46-0.560.640.495602.016327593 2253 2197 8728 8738 87421
5 0.990.990.990.990.998730.999018781 5
青岛理工大学毕业设计(数学091班——刘永辉)
9 Adjusted R-squared 7 8435 8446 8458 1 8 8 8 0.990.990.990.990.998430.998788509 加变7.726.8936.845.945.39464.53786量后634 9734 3990 939X1的T检验值 加变2.883.161.952.983.173084.10334量后605X8的T检验值 通过表3.10中的数据分析可知，我们可以看出加入变量X7后T检验值显著，同时可决系数也有明显增加，说明拟合程度更好了，而加入其他变量后的虽然可决系数都有小幅增加，但是其T检验值都不显著，因此我们在这一步仅有X7一个备选变量，将其加入到模型之中，于是现在加入模型的变量就有X1、X8、X7共三个变量了，因此我们进入下一步的递归的多因素逐步回归分析，同样也只是列出综合比较指标数据如下表3.11：
表 3.11 运用递归逐步回归模型的回归结果2 8 8933 7045 2890 7 3 2 变量
=0.999015 22
X1的T4.53786 青岛理工大学毕业设计(数学091班——刘永辉)
X1和X8的原始数值 变量 +X2 +X3 =0.998788 值 8 X8的T4.10334值 X7的T2.01632值 0 +X6 3 +X4 +X5 T检0.6661.2347-1.3832-1.0432-0.5457验值 682 R-squared38 26 35 03 56 50 67 88 09 7 6 7 79 9 9 7 0.9990.99910.9991050 0.9980.99880.9988734 0.999090.999030.998790.99871Adjusted R-squared 加变3.6780.79874027552.379013.44564量后818 X1的T检验值 加变3.6194.31712.6833
23
3.446874.01432 青岛理工大学毕业设计(数学091班——刘永辉)
量后872 X8的T检验值 95 41 7 2 加变1.8172.33672.4147量后439 X7的T检验值 2.157111.960731 3 74 43 到此，从表中数据显示可知，这一轮回归到了终点，因为再X1、X8、X7的基础上再加入以上变量的时候虽然部分变量的可决系数有所增加，但是所有的T检验值都不显著，因此剩余所有变量都被剔除，递归的逐步回归到此结束。但是考虑到表中最为明显的变量X4，只有T检验值稍微低于一般显著标准值2，而其又在第一轮递归中加入后对被解释变量优显著影响，因此此处我们再多加一次尝试的检验，因X4是在第二轮循环时候被剔除的，所以我们把变量X4加入X1中，再加入X8，在此基础上直接加X7进行回归分析，然后用其结果与X1、X8、X7三个解释变量的模型对比，若有改进则就加入X4估计得最终的计量经济学最小二乘回归模型；若没有明显的改进，则我们就得到关于X1、X8、X7的回归模型并列出。因此，按照X1、X4、X8、X7的顺序做模型的回归分析得如下表3.12结果：
表3.12 加入变量X4的回归结果
24
青岛理工大学毕业设计(数学091班——刘永辉)
Y = 898.628560547 + 0.0145896602591*X1 - 11.1373032016*X4 + 1.46698595467*X8 + 0.00131787024657*X7
（0.987943） （4.275588） （-1.383256） （2.683341）
（2.414743） R2=0.999150
由上表和回归方程可知，尽管可决系数有明显的增大，但是变量X4的T检验值依然较小，不显著，所以最终还是要剔除掉变量X4（居民消费价格指数），因此我们通过一系列的单因素、多因素回归分析，并引入递归的逐步回归分析模型，最终经过不断的最优选，经过检验知道最后的模型中包含变量X1、X8、X7是最优的，多重共线性经过修正后的最终回归方程如下：
Y = -180.831093991 + 0.0156274223507*X1 + 1.90084394359*X8 + 0.0010808776486*X7
（-0.374045） （4.537868） （4.103343） （2.016320） （1）
R2=0.999015
=0.998788
F-statistic=4395.200
从结果可以看出各解释变量通过了T检验，R2=0.999015 说明拟合的效果非常好。 根据上面多因素OLS回归分析得出的最终计量模型可知：
25
青岛理工大学毕业设计(数学091班——刘永辉)
拟合优度：由R2=0.999015可知，回归方程的拟合的程度很好。
T检验：在显著条件为0.05的情况下,查自由度为n-2=15的t分布表可知，t0.05（15）
=1.753，可见，各变量都通过T检验，对被解释变量优显著影响。
F检验：在显著水平为0.05上，在F分布表上查自由度为n=17,k=3,n-k-1=13的临界值F0.05（3，13）=3.41，很明显F=4395.200大于3.41，所以所有变量联合起来对模型有显著影响[13]。
从模型回归方程来看，在保持其他变量不变的条件下，国内生产总值X1每增加一个单位，居民消费水平增加约0.02个单位；国内人均旅游消费X8每增加一个单位，居民消费水平增加1.90个单位；基础设施的货运量X7每增加一个单位，居民消费水品可以增加0.001个单位。结合上述模型的分析，再联系现实的经济背景，从上述各变量对居民消费水平的影响来看，首先旅游业对居民消费水平的影响最大，可以看出，我国人民的费结构已经开始转型，家庭消费不完全是以食品支出为主，旅游等精神消费已经开始蔓延到整个社会，这也正是我国追求发展方向，是正确的道路，且我国改革开放30多年来旅游业的高速发展也验证了这一方向的正确性。基础设施货运量这一变量在模型中对居民消费水平的影响比例虽然不是很明显，但是却对其有显著影响，这说明了基础设施对提高居民消费水平的重要性，进一步提升为对国家经济发展的重要性，这可以从现实的经济发展中得到相应的验证，比如我们现在说的信息高速公路就是这样，所以可以看出这些基础设施对我国居民消费水平的影响非常重要的；国内生产总值这一变量，按照一般经济学的理解来说，其对居民消费的影响比例应该说是相当大的，从收集的统计年鉴中就可以看出，从1995年以来，我国的国内生产总值也算是高速的增长，其对居民消费水平的提高应该说是影响很大的，但是模型估计出来的参数却不是如此，这就使得我们重新思考这个模型，首先就得从最初多因素分析时候第一个最优选变量的选择开始，当时我们从三个备选变量中根据可决系数最大的原则选择了国内生产总值，但是现在却发现其与其他变量综合到一个模型中时候影响虽然显著，但是其影响比例确实有点小，所以在此处再添加一次改进后的多因素分析，主要改变就在于最优选变量的选取上，考虑到国内生产总值囊括了多数影响因素，可以说是宏观角度度量的变量，并且其与X2和X3都是高度相关的，因此本次选择从相对微观角度度量的X2和X3中可决系数较大的X3（居民人均可支配收入）作为初始最优选变量，其他的变量保持不变，估计如下表3.13：
26
青岛理工大学毕业设计(数学091班——刘永辉)
表 3.13 改进变量后的模型回归结果
Y = -1557.95735746 + 0.195586022026*X3 + 2.11036715037*X8 + 0.00225051641756*X7
（-8.441689） （4.790512） （4.99.930） （8.410320） （2） R2=0.999080
=0.998867
F-statistic=4703.862
而上一次回归分析的主要比较统计量为： R2=0.999015
=0.998788
F-statistic=4395.200
通过这样简单的改进我们发现模型整体都改进了，无论是可决系数、T检验值还是F统计量，相比之前模型的相应统计值都有所增加，拟合得更加好，更加体现现实经济意义，并且各个变量的估计参数所体现的对居民消费水平的影响比例都比较合乎常理。在这一个改进的模型之中，影响最大的变量X8，说明旅游业的发展对居民消费水平促进作用很大，其次为居民可支配收入，而基础设施货运量这一变量的参数估计值也有所增加，但是还是停留在小数点后第三位的水平，所以可以看出对于目前的经济大环境来说，这一块的影响虽然比较显著，但是总体的影响比例不是很大，我们对这一块的改进需要有新的模式或者改变其构成结构。
27
青岛理工大学毕业设计(数学091班——刘永辉)
第四章 模型的结论与政策建议
4.1 模型结论
本文选取1995-2011年国家统计局的统计年鉴为样本原始时间序列数据，借助EIVEWS软件，运用其中的最小二乘回归分析方法分别对模型进行而来单因素、多因素和逐步回归分析，并且引入了递归的最小二乘回归模型，通过不断的改进和分析，得到了最终的计量经济学线性回归模型，继而分析模型结果，并结合现实经济学原理对最终模型进行再次改进，得到改进后的回归模型，其拟合度更是优于最终回归模型；进而我
28
青岛理工大学毕业设计(数学091班——刘永辉)
们将模型应用到现实的经济生活中，采取综合全篇分析的方法，根据主要影响变量提出相应的对策建议或经济分析，这也是任何模型的建立目的之所在，最终都要回到现实生活中并得以应用；本文的计量经济学虽然仅限于对数据的OLS回归分析，但是对于全文结构的安排确是非常紧密的，由简单到复杂，由数据的搜集到数据录入到最终的应用，由单因素到多因素，最后结合逐步回归分析，并且在其中引入了递归的逐步回归分析模型，经过数据的整理和回归方程的分析一步步确定了最终回归方程，并且成功解释了一些经济发展现象和作出了相应的对策建议。但是模型也有很多不足之处，如在整个过程中某些分析确实与一般经济学理解相悖，如在我们看来的卫生机构数应该是与居民消费水平呈正相关的一个变量却直接被剔除模型之中，储蓄存款这一变量按理说应是与居民消费水平反向变化的，但是结论也不是如此，其中原因不得而知，我们只能是猜测是否还有其他的原因导致了这一现象；其次在原始数据的选择上面也存在一定问题，比如说在居民可支配收入这一变量上选择的仅是城镇居民家庭人均可支配收入，忽略了农村这一块，可能这也是造成这一变量对居民消费水平影响比例不是很大的原因，因为相对于城镇来说，收入对农村居民消费的影响通常更大。而在旅游人均花费这一块又只是选取了国内的数据，众所周知，近些年来出国游[14]这一快越来越受到人们的欢迎，尤其是经济收入较高的家庭，因此这也可以说是居民消费水平的一块损失。
4.2 政策建议
本文对提高居民消费水平的对策建议采用主要借助最终模型，辅以综合全篇分析的方法：包括单因素OLS回归分析，多因素OLS回归分析以及递归的OLS逐步回归分析，并且结合改进后的最终模型（表3.13下回归方程（2）），可以通过以下方面的对策建议提高居民消费水平：
1.我们从单因素回归分析可决系数的比较中发现，国内生产总值的可决系数最大，这也是我们起初将其列为首选最优选变量加入模型进行多因素回归分析的原因，但是我们忽略了其是一个宏观因素，其本身就涵盖了其他的部分因素，在做相关分析时候发现其与相应因素的相关系数很高，因此在此处提出政策建议时我们只能笼统的说提高国内生产总值，但是我们知道对于这一宏观概念则比较不好把握，因此只能放弃，也正是这个原因我们在最终模型的基础上面又做了改进，得到了改进后的最终模型，并且更好的
29
青岛理工大学毕业设计(数学091班——刘永辉)
拟合了模型。所以我们只能转向相对微观的角度来说明相应的对策建议。
2.结合改进后的最终模型可以看出，旅游花费成为影响居民消费水平的重要因素，呈正相关关系，所以要想增加居民消费，就必须大力提倡发展旅游业，将旅游业放在重要位置，促进旅游业和相关产业的发展。
3.基础设施货运量这一因素对居民消费水平的影响虽然显著，但是影响的幅度却不是很大，可能是由于改革开放以来我国在基础设施这一块的大力投资建设，使其得以高速发展和不断完善，到现阶段对居民消费水品的影响不是很大，因此我们需要抱着促进居民消费，拉动内需的目的去探求这一因素内部结构的改进，寻找到真正可以提高居民消费水平的措施。
4.居民可支配收入这一变量对居民消费水平的影响是显著的，居民可支配收入每增加一单位，居民消费水品就增加约0.20个单位。居民可支配收入主要受向政府缴纳的个人所得税和赠与税、不动产税、人头税、汽车使用税以及交给政府的非商业性费用等的影响。所以国家的政策对居民的可支配收入影响很大，因此，国家应该合理的调解这些因素，控制消费水平，以防消费过热或过冷。
5.从居民消费水平的的定义中可以看到，分母项的报告期平均人口，这一项必定与人口增长率有密切关系，但是我们在OLS回归分析中予以剔除，可能是由于我们选取的一组变量的原因，变量之间可能还有其他的关系或者还有某些变量没有选入备选范围，但是我们暂且搁置最终模型的结论，仅从之前的单因素分析和定义来说就可知道报告期的平均人口不宜过大，因为分母大了自然居民消费水平就低了，所以控制人口的增长--计划生育仍然是一个需要长期坚持的基本国策。
30
青岛理工大学毕业设计(数学091班——刘永辉)
致 谢
通过这短时间的努力，我的毕业论文《影响我国居民消费水平相关因素的OLS回归分析》终于完成了，这意味着我的大学生活即将结束。在大学四年中，我在学习上、生活上和思想上都受益匪浅，这除了自身的努力外，与各位老师、同学和朋友的关心、支持和鼓励是分不开的。
在本论文的写作过程中，我的指导老师王丽丽老师倾注了大量的心血，从选题到任务指导书，从写作提纲到一遍又一遍地指出每次稿件中的不足，并且提出了有效的建议，严格把关，循循善诱，耐心指导和不断督促，让我能在规定的时间里面顺利完成本文，在此我表示衷心的感谢。同时我还要感谢在我学习期间给我极大关心和支持的各位老师以及关心我的同学和朋友，尤其特别感谢我宿舍全体成员共同营造的论文写作环境，让我在这种学习的环境中能够快速、准确，最终顺利的完成本文。
毕业论文写作是一次再系统学习的过程，毕业论文的完成，也意味着我大学生涯的结束和新的生活的开始。我将铭记自己曾是青岛理工大学的一名学子，在今后的工作中努力成为青岛理工大学的骄傲。
31
参考文献
[1] Optimal Consumption and Investment Policies Allowing Consumption
Constraints and Bankruptcy J．Lehoczky, S．Sethi，S．Shreve Mathematics of Operations Research， Vol．8，No．4 (Nov．，1983)，pp．613-636. [2] Estimating the Continuous-Time Consumption-Based Asset-Pricing Model
S．J．Grossman， A．Melino，R. J. Shiller Journal of Business & Economic Statistics， Vo．l5，No．3 (Jul．，1987)，pp．315-327.
[3] Individual Income，Incomplete Information，and Aggregate Consumption
Jorn-Steffen Pischke Econometrica, Vol. 63, No. 4 (Jul., 1995), pp. 805-840.
[4] 李子奈，计量经济学，高等教育出版社，2010 [
5[6] 范剑平.中国城乡居民消费结构的变化趋势.北京:人民出版社，2001 ][7] 张茜， 我国人均居民消费影响因素探析，现代商贸工业，2008.7
[8] 石瑶，我国城镇居民消费结构影响因素的实证分析，首都经济贸易大学，2010 [9] 沈卉卉， 转变点在经济、金融、计量经济学中的数学建模，华中科技大学，2006 易
[11] 君海燕 Eviews .对我国居民消费的再认识.辽宁经济，2002（200211）：59-60 《数据分析与应用》[M]．北京：中国统计出版社，． [10] 张晓峒，计量经济学软件Eviews使用指南，南开大学出版社，2004 [1[
2[14] 王映,李晓慧,胡超. 四川省城镇居民消费水平和消费结构的实证分析[J];2010 1
] 年第9卷第3期 3 ]
49－51 页．
程
《中国城镇居民家庭经济结构分析》[M].北京： 中国经济出版社，2005．第 林
《中国消费结构学》[M]．北京：经济科学出版社，1987，26-27．
32
因篇幅问题不能全部显示，请点此查看更多更全内容