©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
1、 计量经济学期末课程设计 南 京 审 计 学 院 2009 级 金融 院 题目：我国居民储蓄影响因素的实证分析_ 学生姓名_ _ 学号 专 业 班级___ _ __ 2011年 12 月 12 日 摘要：自经济体制改革以后，我国国民收入分配的格局发生巨大变化。变化之一是居民收入在国民收入中的比重迅速提高。自1949年以来，中国储蓄率随着经济增长和收入水平提高呈不断上升趋势，因而高储蓄率也被认为是解释中国经济高速增长的一个主要
2、因素。虽然高储蓄率总是会导致更高的收入及较高的经济增长率，但并非储蓄率越高越好，必然会存在一个最优的储蓄率。这使居民的消费和储蓄行为对于经济发展有越来越重要的意义。探讨中国居民储蓄行为的规律，找出主要决定因素，并在此基础上对储蓄的变化趋势做初步预测，成为确定本论文研究题目的宗旨之一。 关键字：居民储蓄 CPI GDP 存款利率 股票市值 物价指数 一，文献综述 居民储蓄的快速增长，成为我国经济发展的主要资金来源，但过高的储蓄，必然伴随着投资或消费的不足。所以对影响居民储蓄的主要因素进行分析，才能在制定宏观政策上采取适当的措施，使储蓄率保持在一个适当的水平，促进经济增长。
3、据统计，我国近年来的实际ＧＤＰ平均每年增长９％左右，而资本的净边际产量即ＭＰＫ－δ，约为0.9%。我国的资本收益ＭＰＫ－δ＝每年０.９％，大大低于经济的平均增长率（ｎ＋ｇ＝９％）。可见，我国的资本存量已经远远超过了黄金律水平。也就是说，当前我国的储蓄率和投资水平已经偏高，而消费率则偏低。所以我们应该降低储蓄率，减少投资，把收入的更大份额用于消费，这样就会立即提高消费水平，并最终达到更高消费水平的稳定状态。 居民储蓄存款的变动直接受到可支配收入和储蓄率的影响，而储蓄率的变化受到以下因素的影响：通货膨胀率以及通货膨胀预期造成实际利率的变化，居民消费支出、房地产投资、金融投资收益及渠道的变化。我国
4、居民的平均边际消费倾向是缓慢下降的，所以，个人可支配收入越大，储蓄存款增加越多；反之也成立。实际利率。我国居民存款对名义利率下调的利率弹性小，而对名义利率上调的弹性大；而样本期间的绝大多数时间里，我国名义利率是下降的且在调整以前名义利率是不变的，所以从实际情况来看，我国居民存款变化受到名义利率变化的影响很小，主要受到通货膨胀引起的实际利率变化的影响。居民消费支出。居民消费支出对储蓄存款的影响比较微妙：当居民的收入不变时，消费支出增加了，可以用来储蓄的资金自然会减少；另一方面，居民消费支出也受到收入的影响，所以，把可支配收入和居民消费支出同时引进回归方程时，会引起复共线性；最后，居民消费支出还受
5、到通货膨胀及其预期的影响。总而言之，把居民消费支出引进方程时，要十分谨慎。鉴于数据的可得性，本文用社会消费品零售总额表示居民消费支出。关于金融投资渠道及收益，一方面，我国居民的金融投资意识越来越强；另一方面，随着我国证券市场的发展，可供居民选择的投资渠道越来越多，如股票、国债以及多种多样的基金等金融资产不断进入居民的资产组合之中。本文选取相应期间股票指数来反映金融投资对储蓄存款的影响。 居民储蓄存款总额是我国评价经济运行情况的一个重要总量指标，它与许多宏观经济指标之间都存在着密切联系。为了解释居民储蓄变动的原因，有必要引进居民储蓄函数，从数量上分析相关变量对居民储蓄变动的影响。 二，经济理
6、论陈述 1.收入水平：收入水平是影响储蓄的主要因素之一，由于居民可支配收入数据的不可获得性，本文将国内生产总值（GDP）作为衡量居民收入水平的指标。只有收入达到一定水平之后才能进行储蓄，而且根据凯恩斯的理论，边际消费倾向是递减的，收入水平越高，边际消费倾向越低，消费越少，储蓄越多。 2.利率水平：利率作为消费的机会成本也会对储蓄产生影响 ，从理论上说利率水平越高，消费的机会成本就越大，居民就会压缩当前消费，增加储蓄。反之，利率水平越低，消费的机会成本就越小，当前消费就会增加，储蓄就会减少。本文采用一年期存款利率水平作为指标。 3.物价水平：物价水平也可以影响储蓄和消费，物价水平越高，相同
7、消费水平所支出的货币就越多，在货币收入一定的情况下，能供储蓄的货币就越少。同时，物价水平决定了实际利率，既定的名义利率下，物价水平与实际利率负相关。 4.通货膨胀率：是货币超发部分与实际需要的货币量之比,用以反映通货膨胀、货币贬值的程度;而价格指数则是反映价格变动趋势和程度的相对数。在实际中,一般不直接、也不可能计算通货膨胀,而是通过价格指数的增长率来间接表示。由于消费者价格是反映商品经过流通各环节形成的最终价格,它最全面地反映了商品流通对货币的需要量,因此,消费者价格指数是最能充分、全面反映通货膨胀率的价格指数。目前,世界各国基本上均用消费者价格指数(我国称居民消费价格指数),也即CPI来
8、反映通货膨胀的程度。 5.其他投资渠道：储蓄是一种投资行为，而除了银行储蓄外还有其他投资渠道，由于数据原因，本文只将股票市值作为其他投资渠道发达程度的衡量指标。 三，数据收集 年份 居民储蓄 （SAV） 国内生产 总值 （GDP） 一年期定期存款Rate（%） 零售价格指数 (RPI) 消费物价指数 （CPI） 股票市价总市值 (SMV) 1995 29662.20 59810.50 9.00 114.80 396.90 3474.4 1996 38520.80 70142.50 8.33 106.10 429.90
9、 9842.4 1997 46279.80 78060.80 5.67 100.80 441.90 17529.2 1998 53407.50 83024.30 4.59 97.40 438.40 19505.7 1999 59621.80 88479.20 2.25 97.00 432.20 26471.0 2000 64332.38 98000.50 2.25 98.50 434.00 48091.0 2001 73762.43 108068.20 2.25 99.2
10、0 437.00 43522.0 2002 86910.65 119095.70 1.98 98.70 433.50 38329.0 2003 103617.65 135174.00 1.98 99.90 438.70 42458.0 2004 119555.39 159586.70 2.25 102.80 455.80 37056.0 2005 141050.99 185808.60 2.39 100.80 464.00 32430.0 2006 161587.30 21
11、7522.70 2.52 101.00 471.00 89404.0 2007 172534.19 267763.70 3.47 103.80 493.60 327141.0 2008 217885.35 316228.80 3.22 105.90 522.70 121366.0 2009 260771.66 343464.70 2.63 98.80 519.00 243939.0 本文采用的是1995年-2009年的数据，所有数据来源于国家统计局。虽然现在已经2011年底，但是国家统计局网站上的
12、数据大多只更新到2009年，所以只截取到09年。介于中国的股市是20世纪90年代初才刚刚起步，上海证券交易所是1990年成立，深圳证券交易所是1991年成立，成立初期的股票市值未必能够真实反映实际的情况，因而选取1995年以后的数据。 四，计量经济模型的建立 结合我国近几年的经济发展特征，我国居民储蓄函数可以表示为： SAV = f (GDP ,Rate, RPI, CPI ,SMV , Ut ) 其中, SAV为居民储蓄总额, GDP为国内生产总值, Rate为一年期存款利率,RPI为零售物价指数,CPI 为消费物价指数， SMV为各期股市市值, U为随机扰动项, t表示时期. 所
13、建立模型也可以表示为: SAV =C+ β1 GDP+ β2 Rate+ β3 RPI+ β4 CPI+ β5 SMV+ Ut 五、模型的求解和检验 本人利用EVIEWS软件，用最小二乘法进行回归分析及统计检验，并对模型进行了自相关和异方差检验。 Dependent Variable: SAV Method: Least Squares Date: 12/07/11 Time: 19:47 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic
14、Prob. C 477192.6 108262.4 4.407741 0.0017 GDP 1.106747 0.076510 14.46538 0.0000 RATE 1802.841 1148.691 1.569474 0.1510 RPI -2191.498 568.8353 -3.852605 0.0039 CPI -696.7002 167.9047 -4.149378 0.0025 SMV -0.108527 0.023094 -4.699316 0.0011 R-squared 0.997406 Mea
15、n dependent var 108633.3 Adjusted R-squared 0.995964 S.D. dependent var 69337.42 S.E. of regression 4404.908 Akaike info criterion 19.90800 Sum squared resid 1.75E+08 Schwarz criterion 20.19122 Log likelihood -143.3100 F-statistic 691.9768 Durbin-Watson stat 1.7071
16、78 Prob(F-statistic) 0.000000 将回归结果整理如下： SAV =477192.6 +1.106747GDP +1802.841Rate -2191.498RPI -696.7002CPI -0.108527SMV+Ut （108262.4） （0.076510） （1148.691） （568.8353） （167.9047） （0.023094） t =(4.407741) (14.46538) (1.569474) (-3.852605) (-4.149378) （-4.699316） R2=0.997
17、406 F=691.9768 DW=1.707178 （1）相关性检验：R2=0.997406表明方程拟和度很高，F统计量也明显显著表明模型，总体是显著的。 （2）经济意义上的检验：由 β1=1.106747，β2=1802.841，β3=-2191.498，β4=-696.7002 β5=-0.108527可以看出，模型符合经济意义。 （3）显著性检验：根据查询t分布表得：t0.025（13）=2.160， 可见GDP，RPI，CPI，SMV的t统计量绝对值均大于2.160，但是Rate的t 统计量绝对值小于2.160。所以推断模
18、型中解释变量可能存在多重共线性。 （4）多重共线性检验： 利用简单相关系数检验法，通过Eviews构建简单相关系数矩阵，如下： GDP RATE RPI CPI SMV GDP 1.000000 -0.407213 -0.031380 0.964225 0.808037 RATE -0.407213 1.000000 0.740752 -0.406719 -0.249296 RPI -0.031380 0.740752 1.000000 -0.140537 -0.025438 CPI 0.964225 -0.40671
19、9 -0.140537 1.000000 0.765092 SMV 0.808037 -0.249296 -0.025438 0.765092 1.000000 由表易见，除了GDP和CPI之间的相关系数较高，其他参数之间的相关程度并不是很高，可以推定多重共线性并不严重。 运用逐步回归法对模型进行修正 第一步：分别求SAV对GDP、RATE、RPI、CPI、SMV的一元回归。 ① SAV对GDP的一元回归 Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:13
20、 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C -7710.388 4807.492 -1.603827 0.1328 GDP 0.748920 0.026874 27.86785 0.0000 R-squared 0.983536 Mean dependent var 108633.3 Adjusted R-squared 0.982270 S.D. dependent var
21、69337.42 S.E. of regression 9232.588 Akaike info criterion 21.22243 Sum squared resid 1.11E+09 Schwarz criterion 21.31684 Log likelihood -157.1682 F-statistic 776.6169 Durbin-Watson stat 1.258600 Prob(F-statistic) 0.000000 ② SAV对RATE的一元回归 Dependent Variable: SAV Me
22、thod: Least Squares Date: 12/09/11 Time: 14:17 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 160342.0 31779.97 5.045380 0.0002 RATE -14159.00 7448.175 -1.901003 0.0797 R-squared 0.217519 Mean dependent var 108633.3 Adju
23、sted R-squared 0.157328 S.D. dependent var 69337.42 S.E. of regression 63649.80 Akaike info criterion 25.08375 Sum squared resid 5.27E+10 Schwarz criterion 25.17815 Log likelihood -186.1281 F-statistic 3.613813 Durbin-Watson stat 0.135596 Prob(F-statistic) 0.07
24、9700 ③SAV对RPI的一元回归 Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:20 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 253307.4 425251.5 0.595665 0.5616 RPI -1422.557 4177.473 -0.340531 0.7389 R-squared 0
25、008841 Mean dependent var 108633.3 Adjusted R-squared -0.067402 S.D. dependent var 69337.42 S.E. of regression 71636.05 Akaike info criterion 25.32015 Sum squared resid 6.67E+10 Schwarz criterion 25.41456 Log likelihood -187.9011 F-statistic 0.115961 Durbin-Wa
26、tson stat 0.082701 Prob(F-statistic) 0.738897 ④SAV对CPI的一元回归 Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:23 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C -749501.0 79407.69 -9.438645 0.0000 CPI 18
27、90.552 174.4649 10.83629 0.0000 R-squared 0.900326 Mean dependent var 108633.3 Adjusted R-squared 0.892659 S.D. dependent var 69337.42 S.E. of regression 22716.99 Akaike info criterion 23.02318 Sum squared resid 6.71E+09 Schwarz criterion 23.11759 Log likelihood
28、170.6738 F-statistic 117.4253 Durbin-Watson stat 1.192764 Prob(F-statistic) 0.000000 ⑤SAV对SMV的一元回归 Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:24 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C
29、66814.17 15599.26 4.283163 0.0009 SMV 0.569972 0.134874 4.225954 0.0010 R-squared 0.578725 Mean dependent var 108633.3 Adjusted R-squared 0.546319 S.D. dependent var 69337.42 S.E. of regression 46702.81 Akaike info criterion 24.46456 Sum squared resid 2.84E+10
30、Schwarz criterion 24.55897 Log likelihood -181.4842 F-statistic 17.85869 Durbin-Watson stat 1.570359 Prob(F-statistic) 0.000991 通过比较各个调整可决系数，选择GDP作为第一个解释变量，形成一元回归模型。 第二步：逐步回归。将剩余解释变量分别加入模型。 ① Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:42 Sample: 1
31、995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 4183.679 6892.780 0.606965 0.5552 GDP 0.725864 0.025900 28.02601 0.0000 RATE -2276.130 1041.210 -2.186042 0.0494 R-squared 0.988225 Mean dependent var 108633.3 Adjusted R-squared 0
32、986263 S.D. dependent var 69337.42 S.E. of regression 8126.713 Akaike info criterion 21.02056 Sum squared resid 7.93E+08 Schwarz criterion 21.16217 Log likelihood -154.6542 F-statistic 503.5696 Durbin-Watson stat 1.524263 Prob(F-statistic) 0.000000 ② Dependen
33、t Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:43 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 89407.20 49997.99 1.788216 0.0990 GDP 0.747428 0.024387 30.64834 0.0000 RPI -952.6625 488.5801 -1.949860 0.0749
34、 R-squared 0.987497 Mean dependent var 108633.3 Adjusted R-squared 0.985414 S.D. dependent var 69337.42 S.E. of regression 8374.131 Akaike info criterion 21.08054 Sum squared resid 8.42E+08 Schwarz criterion 21.22215 Log likelihood -155.1040 F-statistic 473.90
35、34 Durbin-Watson stat 1.283649 Prob(F-statistic) 0.000000 ③ Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:44 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 75610.52 108026.2 0.699927 0.4973 GDP 0.8
36、25593 0.102991 8.016178 0.0000 CPI -209.8054 271.7363 -0.772092 0.4550 R-squared 0.984315 Mean dependent var 108633.3 Adjusted R-squared 0.981701 S.D. dependent var 69337.42 S.E. of regression 9379.435 Akaike info criterion 21.30728 Sum squared resid 1.06E+09 S
37、chwarz criterion 21.44889 Log likelihood -156.8046 F-statistic 376.5429 Durbin-Watson stat 1.246291 Prob(F-statistic) 0.000000 ④ Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:45 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std.
38、Error t-Statistic Prob. C -12370.74 4718.833 -2.621568 0.0223 GDP 0.820331 0.040042 20.48667 0.0000 SMV -0.087683 0.039728 -2.207085 0.0475 R-squared 0.988290 Mean dependent var 108633.3 Adjusted R-squared 0.986338 S.D. dependent var 69337.42 S.E. of regression 8
39、104.419 Akaike info criterion 21.01506 Sum squared resid 7.88E+08 Schwarz criterion 21.15667 Log likelihood -154.6130 F-statistic 506.3770 Durbin-Watson stat 1.643177 Prob(F-statistic) 0.000000 观察得知SMV获得的调整后可决系数最大，作为第二个解释变量。 第三步：在保留GDP，SMV的基础上继续进行逐步回归分析 ① Dependent
40、Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:51 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C -1427.552 6553.071 -0.217845 0.8315 GDP 0.791132 0.037614 21.03275 0.0000 SMV -0.076455 0.035196 -2.172278 0.0526
41、 RATE -1979.967 919.9040 -2.152363 0.0544 R-squared 0.991760 Mean dependent var 108633.3 Adjusted R-squared 0.989513 S.D. dependent var 69337.42 S.E. of regression 7100.615 Akaike info criterion 20.79693 Sum squared resid 5.55E+08 Schwarz criterion 20.98574 Log
42、likelihood -151.9770 F-statistic 441.3232 Durbin-Watson stat 1.974429 Prob(F-statistic) 0.000000 ② Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 14:53 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C
43、84761.01 41147.80 2.059916 0.0639 GDP 0.818848 0.034025 24.06636 0.0000 SMV -0.087694 0.033752 -2.598199 0.0248 RPI -952.8072 401.7162 -2.371842 0.0370 R-squared 0.992252 Mean dependent var 108633.3 Adjusted R-squared 0.990139 S.D. dependent var 69337.42 S.E. of re
44、gression 6885.309 Akaike info criterion 20.73535 Sum squared resid 5.21E+08 Schwarz criterion 20.92416 Log likelihood -151.5151 F-statistic 469.5884 Durbin-Watson stat 1.667134 Prob(F-statistic) 0.000000 ③ Dependent Variable: SAV Method: Least Squares Date: 12/09/1
45、1 Time: 14:54 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 90069.54 92690.26 0.971726 0.3521 GDP 0.917993 0.096761 9.487224 0.0000 SMV -0.091614 0.039521 -2.318091 0.0407 CPI -258.4749 233.5761 -1.106598 0.2921 R-squa
46、red 0.989463 Mean dependent var 108633.3 Adjusted R-squared 0.986589 S.D. dependent var 69337.42 S.E. of regression 8029.637 Akaike info criterion 21.04284 Sum squared resid 7.09E+08 Schwarz criterion 21.23166 Log likelihood -153.8213 F-statistic 344.3102 Durb
47、in-Watson stat 1.525700 Prob(F-statistic) 0.000000 第四步：通过观察发现RATE，RPI，CPI的调整后可决系数均有提升，但是RPI的最高，所以作为第三个解释变量保留，并继续逐步回归分析。 ① Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 15:00 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statist
48、ic Prob. C 60096.65 65099.21 0.923155 0.3777 GDP 0.807741 0.041632 19.40205 0.0000 SMV -0.083250 0.036069 -2.308045 0.0437 RPI -668.4038 703.6183 -0.949952 0.3645 RATE -783.1611 1562.384 -0.501260 0.6270 R-squared 0.992442 Mean dependent var 108633.3 Adjusted R-s
49、quared 0.989419 S.D. dependent var 69337.42 S.E. of regression 7132.325 Akaike info criterion 20.84386 Sum squared resid 5.09E+08 Schwarz criterion 21.07988 Log likelihood -151.3290 F-statistic 328.2815 Durbin-Watson stat 1.769654 Prob(F-statistic) 0.000000 ②
50、 Dependent Variable: SAV Method: Least Squares Date: 12/09/11 Time: 15:01 Sample: 1995 2009 Included observations: 15 Variable Coefficient Std. Error t-Statistic Prob. C 351533.1 78022.00 4.505564 0.0011 GDP 1.027344 0.061451 16.71802 0.0000 SMV -0.096121 0.023233 -4.13731
©2010-2026 宁波自信网络信息技术有限公司 版权所有
客服电话：0574-28810668 投诉电话：18658249818
浙ICP备2021020529号-1 | 浙B2-20240490
关注我们 ：
