Informe final del experimento
Nombre del experimento: Análisis del gasto de consumo per cápita de los residentes urbanos en ciudades grandes y medianas y sus factores que influyen.
Apellido:
Número de estudiante:
Nivel de clase:
Instructor:
Hora: p >
Gasto de consumo per cápita de los residentes urbanos en 23 ciudades
Análisis de sus factores influyentes
1 Contexto teórico económico
En los últimos años, La economía de mi país ha mantenido un rápido desarrollo. El impulso, la inversión, las exportaciones y el consumo han formado la "troika" que impulsa el desarrollo económico y han sido reconocidos por todos los ámbitos de la vida. Al establecer un modelo econométrico y utilizar métodos de análisis econométrico, analizamos los factores que afectan el gasto de consumo per cápita de los residentes urbanos, descubrimos los factores clave que influyen y proporcionamos alguna referencia para los responsables de políticas, promoviendo en última instancia el "transporte" de la demanda de los consumidores. para convertirse en la salud de la economía de mi país, la piedra angular de un desarrollo rápido y sostenible.
2. Teoría del gasto de consumo per cápita y sus factores que influyen
Analizamos principalmente los factores que influyen en el gasto de consumo de los residentes chinos desde los siguientes aspectos:
( 1) El aumento esperado en el gasto futuro de los residentes afecta el crecimiento del consumo actual de los residentes.
Los ahorros pasivos de los residentes conducen directamente a una enorme desviación del poder adquisitivo, debilitando así la demanda inmediata de bienes de consumo, afectando gravemente el crecimiento del consumo inmediato de los residentes, provocando una demanda efectiva insuficiente y, en última instancia, un crecimiento económico débil. . Desde finales de la década de 1990, se han introducido una tras otra una serie de medidas de reforma en la atención médica, las pensiones, el seguro de desempleo, la educación, etc. El sistema original se ha desmantelado, pero el nuevo sistema aún no se ha establecido ni mejorado. Por lo tanto, los sistemas actuales de atención médica, pensiones, seguro de desempleo y educación ejercen una gran presión sobre los gastos personales de los residentes. Son gastos básicamente rígidos y la incertidumbre de los gastos también es grande, lo que lleva a un aumento en las expectativas de los residentes sobre gastos futuros. .
② La contradicción estructural entre la oferta y la demanda de materias primas sigue siendo prominente.
Desde la perspectiva de la estructura del consumo, el mercado de bienes de consumo de mi país ha experimentado nuevos cambios fundamentales: el consumo de bajo nivel de los residentes está casi saturado, mientras que el consumo de alto nivel aún no ha alcanzado la saturación. Después de más de 20 años de reforma y apertura, los residentes urbanos y rurales han superado la etapa de popularización de los bienes de consumo duraderos de gama media. En la actualidad, el consumo de ingresos de la gente corriente no es suficiente para formar nuevos focos de consumo líderes con productos de alta gama como contenido, como automóviles, casas, etc., que están lejos de estar incluidos en el consumo general de la mayoría de la gente. El poder adquisitivo existente de los residentes tampoco puede constituir una fuerza impulsora para los principales bienes de consumo.
(3). El nivel general de precios continúa siendo bajo y la presión deflacionaria es mayor, lo que no favorece el crecimiento del consumo.
Después de unirse a la OMC, con la reducción de aranceles y la expansión de la escala de importaciones, el impacto de los productos extranjeros en el mercado de nuestro país aumentará aún más, y el ajuste de los precios internacionales tendrá un impacto negativo en cambios en los precios internos. La continua caída de los precios no favorece el crecimiento del consumo de los residentes. Porque desde la psicología del consumo de los residentes, la psicología habitual de los residentes es comprar y no comprar menos. Como los residentes esperan que los precios sigan cayendo, tienden a posponer el consumo, lo que no favorece el crecimiento del consumo de los hogares. Además, estadísticamente hablando, debido a la caída de los precios, el crecimiento del consumo nominal suele ser inferior al crecimiento del consumo real, lo que no favorece hasta cierto punto una mejora del crecimiento del consumo.
④ En la actualidad, no existen puntos críticos de consumo importantes en China, lo que dificulta impulsar un rápido crecimiento del consumo.
Después del cultivo y desarrollo en los últimos años, nuestro país ha formado algunos puntos destacados del consumo, como el consumo de vivienda, el consumo de automóviles de los residentes, el consumo de productos electrónicos y de comunicaciones, el consumo de vacaciones y el consumo de turismo, que pueden promover la estabilidad. crecimiento del consumo, pero nunca ha habido un gran punto de consumo, por lo que no puede impulsar un rápido crecimiento del consumo.
Tres.
Recopilación de datos relevantes
Los datos relevantes provienen todos del Anuario Estadístico de China de 2006:
Situación básica de los hogares urbanos en 23 ciudades grandes y medianas
El promedio número de personas empleadas por hogar en la región (persona) carga promedio de población ocupada por hogar (persona) ingreso real mensual promedio por persona (yuanes) ingreso disponible per cápita (yuanes) gasto de consumo per cápita (yuanes)
Pekín 1,6 1,8 1865,1 1633,2 1187,9
p>Tianjin 1,4 2,0 2010,6 1889,8 939,8
Shijiazhuang 1,4 2,0 1061,3 1010,0 722,9
Taiyuan 1,3 .2 1256,9 1159,9 789,5 p>
Hohhot 1.5 1.9 1354.2 1279.8 772.7
Shenyang 1.3 2.1 1148.5 1048.7 812.5438 0
Dalian 1.6 1.8 1269.8 1133.1.946 . 1.8 1,7 1156,1 1016,1 690,2
Harbin 1,4 2,0 992,8 942,5 727,4
Shanghái 1,6 1,9 1884,0 1686,1 1505,3
Nanjing 1,4 2,0 1536,4 .0 920.6
Hangzhou 1,5 1,9 1695,0 14 64,9 1264,2
Ningbo 1,5 1,8 1759,4 1543,2 1271,4
Hefei 1,6 1,8 1042,5 950,1 686,9
Fuzhou 1,7 1,9 2,5 1059,4 942,8
Xiamen 1,5 1,9 1631,7 1394,3 998,7
Nanchang 1,4 1,8 1405,0 1321.1.665
Jinan 1,7 1,7 1491,3 1356,8 1071,4
Qingdao 1,6 1. 8 1495,6 1378,5 1020,7 p>Zhengzhou 1,4 2,1. 1012,2 954,2 750,3Wuhan 1,5 2,0 1052,5 972,2 853,438 0
Changsha 1, 42, 1 1256,9 1148,9 986,8
Guangzhou 1,7 1. 8 1898,6 1591. 1 1215.1
Cuarto, establecimiento del modelo
De acuerdo con los datos, establecemos el modelo general de la ecuación de regresión lineal múltiple de la siguiente manera:
Esto incluye:
-Gasto en consumo per cápita
-Término constante
-Parámetros de la ecuación de regresión
-Número promedio de ocupados personas por hogar
-Número medio de ocupados por hogar Número de personas.
-Renta mensual real per cápita
-Renta disponible per cápita
-Término de error aleatorio
Verbo (abreviatura de verbo) experimental proceso
(1) Estimación de parámetros del modelo de regresión
Establezca una ecuación de regresión lineal múltiple basada en los datos;
Primero, use el software Eviews para realizar la estimación OLS en el modelo para obtener la ecuación de regresión muestral.
Utilizando Eviews, los resultados de salida son los siguientes:
Variable dependiente: Y
Método: método de mínimos cuadrados
Fecha: 12 /117 tiempo :16:08
Muestras: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c-1682.180 1311.506-1.282633 0.2159
x 1 564.3490 395.2332 1.427889 0.1704
X2 569.1209 379.7866 1.498528 0. 13
X3 1.552510 0.629371 2.466766 0.0239
x4-1.180652 0.742107-1.590947 0.1290
r cuadrado 0.721234 media var dependiente 945.2913
El valor de R cuadrado ajustado es 0.659286 desviación estándar, y el la variable dependiente es 224,1711
Desviación estándar de la regresión 130,8502 Criterio de información de Akaike 12,77564
Suma residual de cuadrados 308191,9 Criterio de Schwartz 13,02249
Logaritmo de probabilidad - 141,9199 Estadístico F Cantidad 11.64259
Estadística de Durbin-Watson 2.047936 Proband (estadística F) 0.000076
Según los resultados de salida de la regresión lineal múltiple de Eviews, los valores estimados de los parámetros se pueden obtener de la siguiente manera : ,,,,
Por lo tanto, la ecuación de regresión obtenida inicialmente es:
se =(1311.506)(395.2332)(379.7866)(0.629371)(0.742107)
t =(-1.282633)(1.427889)(1.498528)(2.466766)(-1.590947)
f = 11.64259 gl = 18
Prueba del modelo: debido a las variables explicativas, y Los valores de p de la prueba son todos mayores que 0,05 y las variables no son significativas, lo que indica que puede haber múltiples * * * linealidades en el modelo, y luego se corrige el modelo.
(2) Manejo de linealidad * * * múltiple
Utilizamos el método de regresión por pasos para probar y manejar la linealidad múltiple del modelo:
X1 :
Variable dependiente: Y
Método: mínimos cuadrados
Fecha: 11/12/07 Hora: 16:28
Muestra : 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c 153.8238 518.6688 0.296574 0.7697
x 1 523.0964 341.4840 1.531833 0.1405
r al cuadrado 0.100508 media var dependiente 945.2913
R ajustada al cuadrado valor es 0.057675 desviación estándar, y la variable dependiente es 224.1711
La desviación estándar de la regresión es 217.6105 Criterio de información de Akaike 13.68623
La suma de cuadrados residual es 994441.2 Criterio de Schwartz 13.78497 p>
Logaritmo de probabilidad -155,3917 Estadístico F 2,346511
Estadístico de Durbin-Watson 1,770750 Probabilidad (estadístico F) 0,140491
X2:
Variable dependiente : Y
Método: Mínimos Cuadrados
Fecha: 11/12/07 Hora: 16:29
Muestra: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c 1756.641 667.2658 2.63296 0.0156
R cuadrado 0.021597 Desviación estándar Valor de riesgo de dependencia 224.1711
Desviación estándar de regresión 221.7371 Estándar de información de Akaike 13.72380
Suma residual de cuadrados 1032515. Criterio de Schwartz 13,82254
Logaritmo de probabilidad -155,8237 Estadístico F 1,485623
Estadístico de Durbin-Watson 1,887292 Probabilidad (estadístico F) 0,236412
X3:
Variable dependiente: Y
Método: método de mínimos cuadrados
Fecha: 11/12/07 Hora: 16:29
Muestras: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c 182.8827 137.8342 1.326831.1988
El valor al cuadrado es 0.585888 desviación estándar y la variable dependiente es 224.1711
La desviación estándar de la regresión es 144.2575 Akaike criterio de información 12.86402
La suma residual de cuadrados 437014.5 Criterio de Schwartz 12.96276
Logaritmo de probabilidad -145.9362 Estadístico F 32.12577
Estadístico de Durbin-Watson 2.064743 Proband (F- estadística) 0.000013
X4:
Variable dependiente: Y
Método: método de mínimos cuadrados
Fecha: 12/117 Hora: 16 :30
Muestra: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c 184.7094 161.8178 1.141465 0.2665
x4 0.596476 0.124231 4.801338 0.0001
r cuadrado 0.523300 variable dependiente promedio 945.2913
R cuadrado 0.500600 Estándar valor de riesgo dependiente de la desviación 224.1711
Desviación estándar de la regresión 158.4178 Criterio de información de Akaike 13.05129
Suma residual de cuadrados 527020.1 Criterio de Schwartz 13.15003
Similitud logarítmica Sin embargo -148.0898 F- estadística 23.05284
Estadística de Durbin-Watson 2.037087 probando (estadística F) 0.000096
Se puede ver en los datos obtenidos que la decisión de ajustar El coeficiente es el más grande, así que primero introduzca la ecuación de ajuste, y luego introduce las variables , y MCO respectivamente obtiene:
X1, X3
Variable dependiente: Y
Método: Método de Mínimos Cuadrados.
Fecha: 11/12/07 Hora: 16:32
Muestras: 1 23
Comentarios incluidos: 23
Coeficiente variable estándar. Problema de estadístico t de error.
c-222.8991 345.9081-0.644388 0.5266
x 1 289.8101 227.2070 1.275533 0.2167
X3 0.517213 0.095693 5.404899 00. 00
r al cuadrado 0.634449 promedio La variable dependiente 945.2913
El valor R cuadrado ajustado es 0.597894 desviación estándar, la variable dependiente es 224.1711
La desviación estándar de la regresión es 142.1510 Información estándar de Akaike 12.87276 p>
La suma residual de cuadrados 404138.2 Criterio de Schwartz 13.02087
Logaritmo de verosimilitud -145.0368 Estadístico F 17.35596
Estadístico de Durbin-Watson 2.032110 Probabilidad (estadístico F) 0.000043
X2, p>
Muestras: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c 239.5536 531.1435 0.451015 0.6568
X2-27.00981 244.0392-0.110678 0.9130
000
r al cuadrado 0.604954 factor promedio Variable 945.2913 p>
El valor de R cuadrado ajustado es 0,565449 desviación estándar y la variable dependiente es 224,1711
La desviación estándar de la regresión es 147,7747 Estándar de información de Akaike 12,95036
El valor residual cuadrado y 436747.0 Criterio de Schwartz 13.09847
Logaritmo de verosimilitud - 145.9292 Estadístico F 15.31348
Estadístico de Durbin-Watson 2.063247 Proband (estadístico F) 0.000093
X3, /p>
Muestras: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
C 331.7015 142.5882 2.326290 0.0306
x3 1.766892 0.553402 3.192782 0.0046
363
R cuadrado 0.684240 Variable promedio de factor 945.2913
R cuadrado ajustado 0,652664 Desviación estándar Valor de riesgo dependiente 224,1711
Desviación estándar de la regresión 132,1157 Estándar de información de Akaike 12,72634
Suma residual de cuadrados 349091,0 Criterio de Shi Watts 12,87445
Logaritmo de probabilidad - 143.3529 Estadístico F 21.66965
Estadístico de Durbin-Watson 2.111635 Probabilidad (estadístico F) 0.000010
De los resultados de los datos se puede ver que el coeficiente ajustado de determinación de la ecuación es mayor cuando se introduce X4 y todas las variables explicativas pasan la prueba de significancia. Luego se introducen X1 y X2 para el análisis.
X1, X3, X4
Variable dependiente: Y
Método: método de mínimos cuadrados
Fecha: 12/117 Hora: 16 : 37
Muestras: 1 23
Comentarios incluidos: 23
Estándares de coeficientes variables. Problema de estadístico t de error.
c 193.6693 403.8464 0.479562 0.6370
x 1 89.29944 243.6512 0.366505 0.7180
X3 1.652622 0.646003 2.558228 01. 92
x4-1.345001. 757634- 1.775265 0.0919
r cuadrado 0.686457 variable dependiente promedio 945.2913
El valor de R cuadrado ajustado es 0.636950 desviación estándar y la variable dependiente es 224.1711
La desviación estándar la desviación de la regresión es 135.0712 Criterio de información de Akaike 12.80625
Suma residual de cuadrados 346640.3 Criterio de Schwartz 13.00373
Logaritmo de probabilidad - 143.2719 Estadístico F 13.6691
Durbin-Waugh Estadístico Sen 2.082104 Probabilidad (estadístico F) 0.000050
X2, X3, X4
Variable dependiente: Y
Método: método de mínimos cuadrados
Fecha: 11/12/07 Hora: 16:38
Muestras: 1 23
Comentarios incluidos: 23
Coeficiente estándar variable. Problema de estadístico t de error.
c 62.60939 489.2088 0.127981 0.8995
X2 134.1557 232.9303
X3 1.886588 0.600027 3.144175 0.0053
x4-1.59 4 0,701018-2,277251 0,0345< / p>
r-cuadrado 0.689658 Media de la variable dependiente 945.2913
El valor de R cuadrado ajustado es 0.640657 desviación estándar y la variable dependiente es 224.1711
La desviación estándar de la regresión es 134.3798 Estándar de información de Akaike 12.79599
Suma residual de cuadrados 343100.8 Criterio de Schwartz 12.99347
Logaritmo de probabilidad-143.1539 Estadístico F 14.07429
Estadístico de Durbin-Watson 2.143110 Prob. (Estadísticas F) 0.000046
Se puede ver en los resultados de salida que, a nivel, los valores p de las variables explicativas y la prueba son mayores que 0.05. prueba de significancia, por lo que se puede concluir que sólo se pueden introducir en el modelo dos variables, X3 y X4. La ecuación de regresión lineal múltiple ajustada es:
se =(142.5882)(0.553402)(0.656624)
t =(2.326290)(3.192782)(-2.244390)
F=21.66965 gl=20
(3).
Prueba de heterocedasticidad
Prueba de White en el modelo:
Prueba de heterocedasticidad de White:
Estadístico f 1,071659 probabilidad 0,399378
Obs* R cuadrado 4,423847 Probabilidad 0.351673
Ecuación de prueba:
Variable dependiente: RESID^2
Método: mínimos cuadrados
Fecha: 11/12/07 Hora : 16:53
Muestras: 1 23
Comentarios incluidos: 23 copias
Coeficiente estándar variable. Problema de estadístico t de error.
c 34247.50 128527.9 0.266460 0.7929
X3 247.9623 628.1924 0.394723 0.6977
.7080
x4-333.6779 714.3390-0.46 7114 0,6460 >
x4^2 0,121138 0,22933 0,526846538 0 0,6047
r cuadrado 0,192341 variable dependiente media 15177,87
R cuadrado ajustado 0,012861 variable de factor de desviación estándar 23242,54
Estándar desviación de regresión 23092.59 Criterio de información de Akaike 23.12207
Suma residual de cuadrados 9.60E 09 Criterio de Schwartz 23.36892
Logaritmo de probabilidad -260.9038 F -Estadístico 1.071659
Durbin-Watson valor estadístico 1.968939 Probabilidad (valor estadístico F) 0.399378
A partir de los resultados de la prueba, podemos saber que a partir de la prueba de White, cuando, verifique la tabla de distribución para obtener el valor crítico (20) = 30.1435, porque