三大产业的发展与居民消费

计量经济学课程论文三大产业的发展与城镇居民家庭消费支出保险学院2002 级一班王维（40205005）傅立立（40205027）三大产业的发展与城镇居民家庭消费支出保险学院 2002级一班王维（40205005） 傅立立（40205027）【提要】本文通过对三大产业发展与城镇居民家庭消费支出增长的关系进行分析，从定量的 角度探求三大产业分别对城镇居民家庭消费支出入的影响程度。【关键词】经济计量模型 第一产业 第二产业 第三产业 可决系数 城镇居民家庭消费支出 城镇居民家庭消费支出的增长与国内生产总值的增长密切相关。然而国内生产总值是由 第一产业（农业）、第二产业（工业、建筑业）、第三产业（服务性行业）组成的，但是对城 镇居民家庭人均可支配收入的增长影响各不相同。而对三者影响程度进行数量分析，以期用 函数关系精确表达三者各自的影响，就是我们研究的主要内容。具体数据如下：YX1X2X31987884.43204.35251.63506.619881103.9838316587.24510.119891210.95422872785403.219901278.8950177717.45813.519911453.815288.69102.2722719921671.73580011699.59138.619932110.816882.116428.511323.819942851.349457.222372.21493019953537.571199328537.917947.219963919.4713844.233612.920427.519974185.6414211.237222.723028.719984331.614552.438619.325173.519994615.91447240557.827037.72000499814628.244935.329904.62001530915411.8487503315320026029.8816117.352980.236074.820036510.9417092.161274.138885.7Y：城镇居民家庭消费支出（平均每人全年）（单位：元）XI：第一产业增加值（单位：亿元）X2：第二产业增加值（单位：亿元）X3： 第三产业增加值 （单位：亿元）我们可以得到Y与X1 X2 X3的散点图:8000Y v s. X16000400020005000100001500020000X1X2 v s. YY3X40000300002000010000Y由图我们可以发现Y与XI X2 X3都有比较明显的线形关系，从而建立数学模型:Y =a +p X +p X +p X + ut 0 1 1t2 2 t3 3t该模型的样本残差的正态性检验一JB test .其结果为:从图表和JB值我们可以认为残差是成正态分布的。并对模型有如下假设:Series : Res idualsSample 1987 2003Obs erv ations17Mean-3.30E-13Median-0.749036Max imum175.1225Minimum-131.1175Std. Dev.77.65831Skew nes s0.621318Kurtos is3.363583Jarque-Bera1.187406Probability0.5522791.零均值：E (ui) = 0 i = 1,2,3,n2. 同方差无自相关:一 Eu )kCOV (u , u ) = E (u 一 Eu )(ui kii k= E(u , u ) =ikb 2,0,i=ki丰k3随机扰动项与解释变量不相关：Cov(X., u.) = 0 j = 2,3,k4. 无多重共线性5. 残差的正态性：卩N(0,b 2)i显然这些假设是不可能完全成立的，所以我们必须对其进行检验。残差的正态性检验已完成。 主要需要检验的有：一、多重共线性检验。二、异方差性检验。三、自相关性检验。如果有检验无法通过，则必须对模型进行修正。我们将基于以上数据进行分析。 具体程序如下：建立数学 模型利用 Eviews3.0 作OLS估计根据检验结果进行模型的修正* * * *其中利用 Eviews3.0 作 OLS 估计的结果为Dependent Variable: YMethod: Least SquaresDate: 05/09/05 Time: 11:15Sample: 1987 2003Included observations: 17VariableCoefficie ntStd. Errort-StatisticProb.C304.942781.086103.7607270.0024X10.0523710.0215512.4300600.0303X20.0565380.0194232.9109400.0122X30.0474110.0255711.8540900.0865R-squared0.998261Mean dependent var3294.348Adjusted R-squared0.997860S.D. dependent var1862.177S.E. of regression86.15416Akaike info criterion11.95248Sum squared resid96493.00Schwarz criterion12.14853Log likelihood-97.59606F-statistic2487.323Durb in-Wats on stat 1.923939Prob(F-statistic)0.000000所以我们得到以下的结果：Y=304.9427+0.052371Xl+0.056538X2+0.047411X3(81.08610)(0.021551)(0.019423) (0.025571)(t=3.760727)(2.430060)(2.910940) (1.854090)R-Squared=0.998261 df=l6从上面的估计的结果可以看出：可决系数R-Squared=0.998261，表明模型在整体的拟和非 常好。系数显著性检验：对于C、XI、X2的系数，t的统计量的绝对值都2.120,都通过了 检验，而X3的系数的t统计量为1.854090，在df=16、a =0.05的情况下，t统计量应大于 2.120,显然X3的系数不能通过检验。根据经验判断Y二a +p X +p X +p X + u无法通过第一步检验的原因很可能是t 01 1t2 2 t3 3t解释变量之间存在多重共线性。我们对 X1 X2 X2 进行多重共线性检验，得到：X1X2X3X11.0000000.9763180.966700X20.9763181.0000000.996989X30.9667000.9969891.000000可以发现XI X2 X3之间存在高度的线性相关关系。运用逐步回归法进行修正：模型Y二a +p X + u的回归结果为:t 0 1 1tDependent Variable: YMethod: Least SquaresDate: 05/31/05 Time: 17:39Sample: 1987 2003Included observations: 17VariableCoefficie ntStd. Error t-StatisticProb.C-456.8039219.4897 -2.0812090.0550X10.3622650.01917118.896950.0000R-squared0.959688Mean dependent var3294.348Adjusted R-squared0.957000S.D. dependent var1862.177S.E. of regression386.1484Akaike info criterion14.86045Sum squared resid2236659.Schwarz criterion14.95848Log likelihood-124.3138F-statistic357.0947Durbin-Watson stat0.307799Prob(F-statistic)0.000000模型：Y =a +p X + u的回归结果为: t 0 2 2 tDependent Variable: YMethod: Least SquaresDate: 05/29/05 Time: 10:38Sample: 1987 2003Included observations: 17VariableCoefficie ntStd. Errort-StatisticProb.C488.722744.4298210.999880.0000X20.1008520.00134375.076930.0000R-squared0.997346Mean dependent var3294.348Adjusted R-squared0.997169S.D. dependent var1862.177S.E. of regression99.08259Akaike info criterion12.13992Sum squared resid147260.4Schwarz criterion12.23794Log likelihood-101.1893F-statistic5636.545Durb in-Wats on stat1.996814Prob(F-statistic)0.000000模型Y二a +p X + u的回归结果为:t 0 3 3 tDependent Variable: YMethod: Least SquaresDate: 05/31/05 Time: 17:41Sample: 1987 2003Included observations: 17VariableCoefficie ntStd. Errort-StatisticProb.C404.208773.413025.5059530.0001X30.1567290.00337946.381410.0000R-squared0.993076Mean dependent var3294.348Adjusted R-squared0.992614S.D. dependent var1862.177Sum squared resid384191.2 Schwarz criterionLog likelihood-109.3403 F-statisticDurbin-Watson stat0.703505 Prob(F-statistic)13.196882151.2360.000000显然模型Y二a +B X +u更加优秀。t 0 2 2 t在模型Y二a +B X + u的基础上增加解释变量,t 0 2 2 t模型Y二a +p X +p X + u的回归结果为：t 0 2 2 t3 3tDependent Variable: YMethod: Least SquaresDate: 05/31/05 Time: 17:45Sample: 1987 2003In eluded observatio ns: 17Variable Coefficient Std. Error t-Statistic Prob.C474.405448.079329.8671410.0000X20.0863360.0175034.9325720.0002X30.0226760.0272590.8318550.4195R-squared0.997471Mean dependent var3294.348Adjusted R-squared0.997110S.D. dependent var1862.177S.E. of regression100.1158Akaike info criterion12.20932Sum squared resid140324.5Schwarz criterion12.35636Log likelihood-100.7792F-statistic2760.747Durb in-Wats on stat1.813878Prob(F-statistic)0.000000模型Y二a +p X +p X + u的回归结果为:t 0 1 1t2 2 tDependent Variable: YMethod: Least SquaresDate: 05/31/05 Time: 17:46Sample: 1987 2003Included observations: 17VariableCoefficie ntStd. Errort-StatisticProb.C381.602575.581715.0488740.0002X10.0364650.0214231.7021970.1108X20.0911300.00585015.577120.0000R-squared0.997801Mean dependent var3294.348Adjusted R-squared0.997487S.D. dependent var1862.177S.E. of regression93.35382Akaike info criterion12.06946Sum squared resid122009.1Schwarz criterion12.21649Log likelihood-99.59037F-statistic3176.228S.E. of regression160.0398 Akaike info criterion 13.09885Durbi n-Wats on stat2.125759 Prob(F-statistic) 0.000000这些模型都不理想，可见修正后的模型应为：Y二a +p X +ut 0 2 2 t我们针对这一模型进行检验：(1)由于解释变量只剩下X2,于是不可能存在多重共线形。( 2 )对异方差性检验进行检验， 运用图示法可得：从图中不能判断是否存在异方差。我们选择 ARCH 检验方式。设 P=3 求得辅助回归函数：a 2 人 人 人2人 人2人 人2e =a+a e +a e +a et1 t-12 t - 23 t3利用 Eviews3.0 我们可以得到：Dependent Variable: E2Method: Least SquaresDate: 06/06/05 Time: 09:21Sample(adjusted): 1990 2003In eluded observatio ns: 14 after adjust ing en dpo intsVariableCoefficie ntStd. Errort-StatisticProb.C8693.8884942.3321.7590660.1091E2(-1)0.4488270.3116951.4399560.1804E2(-2)-0.3461210.468270-0.7391490.4768E2(-3)-0.2454910.430583-0.5701350.5812R-squared0.254036Mean dependent var9054.919Adjusted R-squared0.030247S.D. dependent var12696.28S.E. of regression12502.79Akaike info criterion21.94025Sum squared resid1.56E+09Schwarz criterion22.12284其中 Obs*R-squared=3.55650 而在 P=3 a =0.05 的情况下， 样(p)二 7.815。显然，(n - p) R 2 z 2( p) , ARCH检验表明，不存在异方差。a(3)对自相关性进行检验。运用图示法，可得：E从图中可以发现，自相关性不显著。运用DW检验DW=1.996814在给定的显著性水平a =0.05 n=17 k=1的情况下，=1.133dj二1.381 dj d 4 J 故可以认为不存在自相关性。可见模型Y二a +B X + u是可以通过预定的检验程序，并被认可的。t 0 2 2 t经济意义解释：由以上过程可知，三大产业中，第二产业（工业、建筑业）增加值对城镇居民家庭消费 支出的影响是最显著的，而第一产业（农业）增加值对城镇居民家庭消费支出的影响是最不 显著的，第三产业（服务业）增加值对城镇居民家庭消费支出的影响介于两者之间。选择第 二产业（工业、建筑业）增加值为解释变量构件模型是最合适的。这一结果说明，第一产业（农业）在我国已经发展到相当程度了，其作用已更多的体现 为基础作用。另一方面，虽然我国正在大力发展第三产业（服务业），但是第二产业（工业、 建筑业）对于城镇居民家庭消费支出的贡献是巨大的，不可忽视的，而城镇居民家庭消费支 出相当程度上体现了一个国家的居民生活水平。我国现在还是一个发展中国家，还处于工业 化阶段，在这种情况下，如果盲目发展第三产业（服务业）而忽视第二产业（工业、建筑业） 对提高居民生活水平，深化发展小康社会是没有好处的。另外0 = 0.100852说明当第二产业（工业、建筑业）增加值每增长一亿元人民币时城2镇居民家庭消费支出将增长0.100852 元。我们的小组分工为： 王维：根据数据完成模型建立，回归分析，检验等数据分析工作 傅立立：负责采集数据，经济意义分析、以及文字纂写工作。