计量经济学模型上课不讲话.doc

个人收集整理 勿做商业用途
影响居民储蓄额的因素分析
上课不讲话
摘 要
本文采用1978年到2010年的数据,建立了关于储蓄的计量经济学模型，对影响我国城镇居民存款储蓄的因素进行分析,得出通过检验的模型。再通过对该模型的经济含义分析得出各种因素对我国城镇居民存款储蓄额的影响程度，并针对分析结果提出建议。

【关键词】 居民储蓄 影响因素 分析 建议

序言
自经济体制改革以后，我国人民的生活发生了巨大的变化。居民储蓄也出现高速增长的态势。自90年代以后,我国居民储蓄存款余额始终保持增长.我国居民储蓄存款持续增长这一经济现象引起国内理论界的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响.所以国家相继出台了一系列积极的财政和货币政策,以刺激国内消费和投资需求,分流储蓄,但是居民储蓄依然持续增加。由于居民的储蓄存款直接影响着居民的消费行为，影响着货币的供给量，进而间接影响着国家经济的发展，宏观调控的力度和效果，因此,对我国居民存款储蓄问题的深入研究就显得尤为重要，这有助于帮助大家认清现状,做出合理的决策.本文通过建立适当的模型来分析影响我国居民储蓄额的因素，根据检验的结果和分析提出建议并作出决策。

一、 指标体系的建立
1、变量的选取
目前，我国正处于改革时期,各种不确定性因素很多.因而,要分析各种因素对居民储蓄行为的影响，必须立足于我国的国情.1998年后,我国经济运行进入了一种新的体制约束状态，出现了明显的供给过剩，需求对经济增长的约束与拉动作用明显增强，投资、消费膨胀的内在动力明显不足；同时，由于我国市场机制尚不健全，市场经济发育不成熟，市场体制的控制力还有限,从而不能形成一种有效地传导机制。市场化改革对人们的经济行为、心理行为带来了很大影响,银行开始考虑贷款风险，投资者开始考虑投资回报，而消费者也开始考虑最佳的消费时机和预期收入。这说明，我们的微观经济层面已生长出一种内在的约束机制，然而社会各个方面对这些积极的因素还很不适应,微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾，导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。当前影响我国居民储蓄的因素有很多，概括起来有以下几点：居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、“假性”存款的影响、消费领域的信用等级、通货膨胀率的影响、高收入阶层消费状况、就业形势压力、物价水平、体制改革、居民收入水平等。
通过对以上因素的分析以及为了数据查找的方便,本文选取一部分变量进行研究，建立我国居民储蓄存款模型进行研究。用居民的锗蓄总额作为被解释变量，用我国1978年到2010年各年的国民总收入、居民消费价格指数和税收作为解释变量.

2、数据的选取
年份
储蓄存款(亿元）
国民总收入(亿元）
居民消费价格指数（100)
税收(亿元）
1978
210.6
3645。217474
100。6
519。28
1979
281
4062。579191
101.8
537。82
1980
395。8
4545。623973
106
571.7
1981
523。7
4889.461062
101.3
629。89
1982
675.4
5330。450965
101。8
700。02
1983
892。5
5985。551568
100。5
775.59
1984
1214.7
7243.751718
102.2
947.35
1985
1622.6
9040。736581
117。6
2040.36
1986
2238.5
10274.37922
106.8
2090.73
1987
3081.4
12050.61513
108.6
2140.36
1988
3822.2
15036。82301
120。4
2390.47
1989
5196。4
17000.91911
117.2
2727.4
1990
7119.6
18718。32238
105.4
2821。86
1991
9244.9
21826。19941
111。9
2990.17
1992
11757.3
26937。27645
109.9
3296。91
1993
15203.5
35260.02471
119
4255。3
1994
21518.8
48108.45644
124.9
5126.88
1995
29662.3
59810。52921
117。3
6038.04
1996
38520.8
70142.49165
111.6
6909。82
1997
46279.8
78060。85276
105.3
8234。04
1998
53407。47
83024.27977
102。4
9262。8
1999
59621.83
88479。15475
100。6
10682。58
2000
64332。38
98000。45431
103。5
12581.51
2001
73762。43
108068.2206
103。1
15301.38
2002
86910。65
119095。6893
98。2
17636.45
2003
103617。65
135173.9761
100.2
20017.31
2004
119555.39
159586。7736
101
24165。68
2005
141050。99
183618.5053
101。5
28778。54
2006
161587。3
215883.9487
100。9
34804。35
2007
172534。19
266411.0218
102.4
45621.97
2008
217885.35
315274。7098
105。1
54223.79
2009
260771.66
341401。4756
98.5
59521.59
2010
303302.5
403259.9564
102.4
73210.79
数据来源：中国统计年鉴-2011 http://www.stats.gov。cn/tjsj/ndsj/2011/indexch。htm

二、 实证分析
1、 模型建立
Y :储蓄存款 X1：国民总收入
X2:居民消费价格指数 X3：税收
：随机误差项

利用eviews估计结果如下:
Variable
Coefficient
Std。 Error
t-Statistic
Prob。
C
44362。76
17018。09
2.606799
0。0143
X1
0。604434
0。087178
6。933307
0.0000
X2
-456.9625
155。9013
—2.931101
0.0065
X3
0。778635
0。494486
1.574636
0。1262
R-squared
0。995312
Mean dependent var
61145。50
Adjusted R-squared
0。994827
S。D。 dependent var
81771.23
S.E。 of regression
5881。010
Akaike info criterion
20.31006
Sum squared resid
1.00E+09
Schwarz criterion
20.49145
Log likelihood
-331.1159
F-statistic
2052。510
Durbin—Watson stat
1。476377
Prob（F-statistic)
0.000000
根据以上结果，初步得出的模型为：
44362。76+0.60X1-456。96X2+0。78X3
，表明模型在整体上拟合得非常好，5%显著性水平下自由度为n-2=31的临界值t（31）=2.04,只有t=1。57<2.04 没能通过检验。
2、计量检验
(1）多重共线性检验
Correlation matrix：

Y
X1
X2
X3
Y
1。000000
0.996774
—0.398542
0.992809
X1
0.996774
1.000000
—0.365472
0。993907
X2
—0.398542
-0.365472
1.000000
-0.360779
X3
0.992809
0。993907
—0。360779
1。000000
由解释变量X1和X3的相关系数可以看出该模型存在多重共线性
多重共线性的修正（逐步回归）：
将变量逐一代入式可得如下表的三个模型：
Dependent Variable: Y
Method: Least Squares
Date: 12/13/12 Time： 12：50
Sample： 1978 2010
Included observations: 33
Variable
Coefficient
Std。 Error
t-Statistic
Prob.
C
—6621。743
1519。212
—4。358668
0。0001
X1
0.751641
0.010871
69。14465
0。0000
R—squared
0。993558
Mean dependent var
61145.50
Adjusted R-squared
0。993350
S。D。 dependent var
81771.23
S.E. of regression
6668.274
Akaike info criterion
20.50680
Sum squared resid
1。38E+09
Schwarz criterion
20。59750
Log likelihood
-336。3622
F-statistic
4780。983
Durbin-Watson stat
1。083393
Prob（F-statistic）
0。000000

Dependent Variable： Y
Method： Least Squares
Date: 12/13/12 Time: 12：51
Sample： 1978 2010
Included observations： 33
Variable
Coefficient
Std。 Error
t—Statistic
Prob.
C
544838。7
200358.9
2。719314
0.0106
X2
-4547。673
1879.637
-2.419441
0.0216
R-squared
0。158836
Mean dependent var
61145.50
Adjusted R-squared
0。131702
S。D。 dependent var
81771。23
S.E。 of regression
76196。49
Akaike info criterion
25.37871
Sum squared resid
1.80E+11
Schwarz criterion
25.46941
Log likelihood
-416。7487
F-statistic
5.853697
Durbin-Watson stat
0.164515
Prob(F—statistic）
0。021603

Dependent Variable: Y
Method: Least Squares
Date: 12/13/12 Time: 12:52
Sample: 1978 2010
Included observations: 33
Variable
Coefficient
Std. Error
t—Statistic
Prob。
C
1636.242
2158.278
0。758124
0。4541
X3
4.254781
0.092142
46。17623
0。0000
R—squared
0.985670
Mean dependent var
61145。50
Adjusted R-squared
0。985207
S.D. dependent var
81771.23
S。E。 of regression
9945.411
Akaike info criterion
21.30630
Sum squared resid
3。07E+09
Schwarz criterion
21.39700
Log likelihood
—349。5540
F-statistic
2132。244
Durbin—Watson stat
0.704015
Prob（F—statistic）
0。000000
根据表格和理论分析，选取相关性最强的解释变量X1建立最基本的一元回归模型为：

在一元模型中分别引入第二个变量，建立二元回归模型，如下表:

Dependent Variable: Y
Method: Least Squares
Date: 12/13/12 Time： 13:42
Sample: 1978 2010
Included observations: 33
Variable
Coefficient
Std. Error
t—Statistic
Prob.
C
42335.51
17382。72
2.435494
0。0210
X1
0。740747
0.010551
70.20906
0.0000
X2
-451。0604
159.6531
—2.825253
0。0083
R-squared
0.994912
Mean dependent var
61145。50
Adjusted R-squared
0。994572
S。D. dependent var
81771.23
S.E. of regression
6024.279
Akaike info criterion
20.33149
Sum squared resid
1。09E+09
Schwarz criterion
20.46754
Log likelihood
-332。4696
F—statistic
2932。887
Durbin-Watson stat
1.308508
Prob（F—statistic）
0。000000

Dependent Variable: Y
Method: Least Squares
Date: 12/13/12 Time: 13：43
Sample: 1978 2010
Included observations: 33
Variable
Coefficient
Std. Error
t—Statistic
Prob.
C
—5297.156
1794.608
-2.951706
0。0061
X1
0.621565
0.097367
6。383702
0.0000
X3
0。743788
0。553365
1。344120
0。1890
R-squared
0.993924
Mean dependent var
61145.50
Adjusted R—squared
0.993519
S.D. dependent var
81771。23
S。E. of regression
6583。173
Akaike info criterion
20。50893
Sum squared resid
1.30E+09
Schwarz criterion
20。64498
Log likelihood
—335.3973
F—statistic
2453。598
Durbin-Watson stat
1.201007
Prob(F-statistic）
0。000000
这个模型中每个解释变量影响显著，参数符号正确，有所提高，所以该模型较优，删除变量X3。
最终模型为:
（2）异方差性检验(G—Q检验）
33组数据去掉9组剩下24组，分成两个子样本，每个子样本12组数据，进行
OLS回归如下：
子样本1：
Dependent Variable： Y
Method: Least Squares
Date： 12/13/12 Time： 14：18
Sample: 1978 1989
Included observations: 12
Variable
Coefficient
Std。 Error
t-Statistic
Prob.
C
287782。8
130134.7
2。211423
0。0543
X1
0.753393
0.024397
30.88032
0。0000
X2
—2893。389
1288。865
-2.244913
0。0514
R—squared
0.990705
Mean dependent var
147077.7
Adjusted R—squared
0.988639
S.D。 dependent var
79417.13
S。E. of regression
8464.929
Akaike info criterion
21。13757
Sum squared resid
6.45E+08
Schwarz criterion
21。25880
Log likelihood
-123.8254
F-statistic
479.6104
Durbin-Watson stat
1。766815
Prob（F-statistic)
0.000000
子样本2：
Dependent Variable： Y
Method: Least Squares
Date： 12/13/12 Time： 14:20
Sample: 1999 2010
Included observations: 12
Variable
Coefficient
Std。 Error
t-Statistic
Prob。
C
1131。116
1375。817
0.822141
0。4322
X1
0.389246
0。023489
16。57125
0.0000
X2
-24。90288
14。32257
-1。738716
0。1161
R-squared
0。988523
Mean dependent var
1679.567
Adjusted R—squared
0。985972
S。D。 dependent var
1600。615
S.E。 of regression
189.5751
Akaike info criterion
13.53977
Sum squared resid
323448.3
Schwarz criterion
13.66099
Log likelihood
-78。23859
F-statistic
387.5793
Durbin-Watson stat
1.244724
Prob（F—statistic)
0。000000
构造统计量 F=/=1994.14
在显著性水平为5％下,临界值（9,9)=3。18 F>3。18,存在异方差性。
异方差性的修正（加权最小二乘法)
用eviews得出加权最小二乘法输出结果为下表：

Dependent Variable： Y
Method: Least Squares
Date： 12/13/12 Time： 14:39
Sample： 1978 2010
Included observations: 33
Weighting series： 1/ABS(E1）
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
—551。8702
1915。209
—0。288151
0.7752
X1
0.747001
0。005788
129。0498
0。0000
X2
—58。18031
16.36560
-3.555037
0。0013
Weighted Statistics

R—squared
0。999297
Mean dependent var
15959.98
Adjusted R-squared
0.999251
S。D. dependent var
26086.08
S。E. of regression
714。1435
Akaike info criterion
16。06655
Sum squared resid
15300030
Schwarz criterion
16.20260
Log likelihood
-262。0981
F-statistic
11811。19
Durbin—Watson stat
0.569079
Prob（F-statistic）
0.000000
Unweighted Statistics

R-squared
0。993822
Mean dependent var
61145。50
Adjusted R—squared
0。993410
S。D. dependent var
81771.23
S.E. of regression
6638。205
Sum squared resid
1。32E+09
Durbin—Watson stat
1。100914

修正后的模型为
(3）自相关性检验（D—W）

在5%显著性水平下,样本容量为n=33，解释变量和常数项k=3,D。W.的临界值d=1.32,d=1.58,因为D。W.=0。57<d，所以该模型存在正自相关。
自相关性修正(杜宾两步法）
Dependent Variable: Y
Method: Least Squares
Date: 12/13/12 Time: 15:25
Sample(adjusted）: 1979 2010
Included observations: 32 after adjusting endpoints
Variable
Coefficient
Std. Error
t-Statistic
Prob。
C
—7100.964
14956.51
-0。474774
0。6389
X1
—0。068707
0。127130
—0。540444
0。5935
X2
98.06293
142.1209
0。689996
0.4963
X1（—1）
0.427207
0.137717
3.102067
0。0046
X2（—1)
—57.38105
136。4513
—0.420524
0。6776
Y(-1）
0。706573
0。131652
5。366970
0.0000
R-squared
0。998276
Mean dependent var
63049。72
Adjusted R—squared
0.997944
S.D. dependent var
82332。92
S。E. of regression
3732。951
Akaike info criterion
19。45515
Sum squared resid
3.62E+08
Schwarz criterion
19.72997
Log likelihood
-305.2823
F-statistic
3010。820
Durbin-Watson stat
1.957675
Prob(F-statistic)
0.000000

OLS法的输出结果如下：
Dependent Variable： Y1
Method： Least Squares
Date： 12/13/12 Time： 15:35
Sample（adjusted）： 1979 2010
Included observations: 32 after adjusting endpoints
Variable
Coefficient
Std。 Error
t-Statistic
Prob.
C
7800.179
6712.971
1。161956
0。2547
X11
0。748217
0。026071
28。69904
0.0000
X22
—306.6206
205.2521
-1。493874
0。1460
R-squared
0。967221
Mean dependent var
25191。44
Adjusted R-squared
0。964961
S.D。 dependent var
32813。96
S.E. of regression
6142.385
Akaike info criterion
20。37287
Sum squared resid
1。09E+09
Schwarz criterion
20。51029
Log likelihood
—322。9660
F—statistic
427.8591
Durbin-Watson stat
1。955386
Prob(F-statistic）
0.000000
d=1.58 4—d=2.42 修正后的d<D。W。=1。96〈4—d 无自相关
最终模型为
经济意义检验：由模型可以看出居民存款和国民总收入正相关,国民总收入每增加1亿元,居民存款增加0。75亿元;居民储蓄和消费价格指数负相关，消费价格指数每增加1单位，居民储蓄减少306。62亿元，符合经济理论。
统计意义检验：该模型=0。96，拟合程度较好。截距参数的t统计量为=1。16，小于5％显著性水平下的临界值2。04，因此不显著;=28.70〉2。04，较显著;=1.49<2。04，不显著。F=427。86,5%显著性水平下自由度分别为k=2和n—k—1=30的F分布临界值为（2,30）=3.32,说明模型在总体上是高度显著的。
三、 结论建议
随着经济的发展，国民收入的增加，储蓄总额也将不断增大。从模型中可以看到，影响储蓄总额变化的因素主要是国民收入,而且他们之间正相关.另外还有很多因素会引发储蓄增加，如：(1）经济转轨带来的不确定性，提高了人们的边际储蓄倾向。这种不确定性主要就是就业压力的增大，工作稳定性的降低，而与此同时社会保险保障体系尚未建立完全.(2）股市低迷,国债发行数量有限,居民更愿选择储蓄作为理财方式，从而使储蓄增加。因此，要想改变储蓄的多少，可以从建全社会保障体系，规范股市入手.
居民消费价格指数对于居民储蓄的影响不显著.这可能是由于城乡居民对于消费价格指数的反应有滞后效应或是不明显引起的。
此外,受当前社会形态影响,后代教育、买房、养老、防病和防失业已经成为大多数居民储蓄的主要原因，而这些事项需要普通居民消费数额庞大，基于对未来的考虑,他们积攒收入.而且目前投资渠道不够广泛、居民的理财意识较匮乏,有些居民厌恶风险,所以他们选择储蓄.由此可知，近几年虽然我国物价持续上涨，尤其是食品类价格涨幅相当大，但我国居民储蓄存款没有下降的趋势，且上升幅度有所降低.
建议：适当增加农村居民收入。居民收入水平是影响居民储蓄率的重要因素,其对于居民储蓄有着明显的正影响作用。从储蓄转化成投资的角度看,我国居民储蓄的持续快速增长将成为我国经济增长的重要源泉，使我国的经济增长呈现出较强的“储蓄推进”态势。相对而言，农村人民的纯收入虽然有所增长,但是总量和增长幅度都明显低于城市居民,因而对城乡储蓄额增长影响不大。另外，还可以通过完善我国养老保险体系来适当减少储蓄，保险制度完善了，人们就不需要过多的储蓄保证自己的将来，从而多出来的钱可以用于消费,刺激经济增长。其他手段：稳定股市等。

参考文献
［1］李焰.《关于利率与我国居民储蓄关系的探讨》［J].《经济研究》1999年第11期。
［2］张晓峒。计量经济学软件Eviews使用指南［M］.天津：南开大学出版社，2004。
[3］李卫东：《计量经济学》。机械工业出版社。2011.8
［4]李柰子:计量经济学应用研究的总体回归模型设定《经济研究》2008第8期

9