居民人均消费价格

居民人均消费价格（共6篇）

居民人均消费价格 篇1

1 问题的提出

我国人均消费受到哪些因素的影响?如何把各个因素对人均消费的影响从定性化转化为定量化?就个消费而言, 个人消费主要受到个人收入、商品价格、个人消费偏好的影响。其中个人消费的影响因素个人收入和商品价格是很容易数量化的, 至于个人消费偏好可以考虑前期消费量, 因为前期消费可以反映个人消费偏好。那么, 我国人均消费的主要影响因素可以确定为人均收入、商品价格、前期消费, 上述分析符合相关的经济学理论。基于人均消费受到人均收入、商品价格、前期消费因素的影响。从中国统计年鉴找到了从1989-2004年人均消费以及人均国内生产总值、商品物价指数的官方数据。想借此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。

2 数据的分析

数据涉及四个变量:人均居民消费、人均国内生产总值、前期人均居民消费、居民消费价格指数。人均国内生产总值可以看成是人均收入, 根据宏观经济学理论, 消费和收入之间是存在一定的关系。收入是影响消费的, 另外当年的消费和前期的消费之间也存在一定的关系。因为前期消费反映消费者偏好, 而消费偏好又影响当年的消费。一般说来, 一个国家人均消费去年消费1000元, 那么今年消费不大可能是10000或者100, 多半会在1000左右。当商品价格总体上升时, 消费者为了维持原有水平的消费, 那么支出就会增加。

根据上面的分析今年的消费受到今年收入、去年消费水平和居民消费价格指数的影响。

那么如何数量化三者之间的关系呢?

在数学中, 比较简单和常见的数量的关系是线性关系。设人均消费水平为y, 人均国内生产总值为x1, 前期人均居民消费为x2, 居民消费价格指数为x3。

可以根据样本数据作出 y与x1、y与x2、y与x3 的散点图来看y、x1 、x2之间是否存在线性关系。y与x1 、y与x2 、y与x3 的散点图如下:

从散点图可以看出y与x1、y与x2、y与x3之间存在直接的线性关系。那么就可以在y与x1、x2、x3之间建立线性回归模型了。

3 消费模型的建立与分析

3.1 消费模型的建立

由数据和2.1数据的分析以及线性回归理论, 可以知道y与x1、x2、x3存在线性关系, 可以建立模型

y=β0+β1x1+β2x2+β3x3+μ (3-1)

运用最小二乘法得到的回归结果

= 0.212419 +0.370297 +2.018759 -220.6946 (3-2)

3.2 消费模型的统计检验

对多元线性回归模型进行统计检验。

拟和优度检验:由R2=0.999211知, 可以说这是很好的拟和结果了。

方程显著性检验:由F=6330.419, 给定一个显著性水平a=0.01, 查F分布表, 得到一个临界值, 显然有F=6330.419>F0.01 (3, 12) =3.49 在99%的水平下显著成立, 即模型的线性关系在99%的水平下显著成立。

变量的显著性检验:

对于x1 t=11.44541 对于x2 t=7.131840

对于x3 t =8.298938 对于C t=-4.115839

给定一个显著性水平a=0.01, 查 分布表中自由度为12、a=0.01的临界值, 得到undefined, 可见undefined, 所以包括常数项在内的4个解释变量都在99%的水平下显著成立, 都通过了变量显著性检验。

3.3 消费模型基本假设的检验

先来检验共线性, 检验共线性的方法之一有判定系数检验法, 即使模型中每一个解释变量分别以其余解释变量为解释变量进行回归计算, 并计算相应拟和优度, 也称判定系数法。如果存在xj=a1x1+a2x2+…ajxj中判定系数较大, 则说明 可以用xj, x1, x2, …xj 的线性组合代替, 即xj与x1, x2, …xj 之间存在共线性。分别以模型中x1, x2, x3 为被解释变量, 以x2与x3、x1与x3、x1与x2为解释变量, 利用统计软件可以得到下列表格。

以x1为被解释变量, 以x1与x3为解释变量来线性表示 得到的一些统计数据。

通过该表可以知道:用x2与x3来线性表示x1时, 判决系数R2=0.972480, 且自变量x2对解释变量x1的影响显著。给定显著性水平undefined, 即自变量x2对解释变量 的显著性水平达99%。

以x2为被解释变量, 以x1与x3为解释变量来线性表示得到的一些统计数据。

通过该表可以知道:用x1与x3来线性表示x2时, 判决系数R2 =0.974980, 且自变量x1、x3对解释变量 的影响显著。其中自变量x1对解释变量x2的显著性水平达99%, 自变量x3对解释变量x2的显著性水平达80%。

以x3为被解释变量, 以x1与x2为解释变量来线性表示x3得到的一些统计数据。

通过该表可以知道:用x1与x2来线性表示x3时, 判决系数R2=0.275844, 拟和度很低。

综合上述分析, 当把前期消费和商品价格指数、人均收入一起考虑到影响当年人均消费的模型中, 会产生共线性, 所以把当期消费这个影响因素去掉, 即只考虑人均收入和商品价格指数对当年人均消费的影响。

通过统计软件, 可以得到只考虑人均收入和商品价格指数对当年人均消费的影响的统计数据。

从上面的分析知道, 该模型已经不存在共线性。下面对该模型进行异方差检验和系列相关性检验。

进行异方差检验, 可以进行怀特 ( white) 检验。

在显著水平为0.05时, Obs*R-squared的伴随概率大于0.05, 因而落在接受域, 说明模型不存在异方差。

对于n=16, k=4查D.W.表得到5%的上下届为di=0.86, du=1.73, 而0<0.610583<0.83

说明模型存在严重的一阶自相关, 下面消除自相关。通过统计软件可得下列统计数据。

所以模型的最终形式为:

y =0.320731 + 3.106185 -384.5336 + 1.350156 -0.730421

(7.641607) (2.054917) (-1.105101) (4.437119) (-1.1976200)

R2 =0.998047 DW=2.002097 F=1661.690

3.4 消费模型预测值的置信区间

下面求模型预测值的置信区间。

(X1X) -1

undefined

查询2006年中国统计年鉴, 可以查得2005年的人均GDP=14040, 居民消费价格指数为464, 取X0= (1, 14040, 464) 则Y个值预测的标准差为:

undefined

于是, Y个值的95%预测区间为5559.799±2.160×62.63171 或 (5424.5145, 5695.0835) 。

可以在中国统计年鉴上查得2005年人均消费为5439, 说明预测效果较好。

4 总结

应用线性回归模型, 首先要选择解释变量和被解释变量, 选择变量时, 还要考虑变量数据的可得性和连续性。后判断这些变量之间是否存在线性关系, 实际中可以通过直接置换法、对数对换、级数展开等把非线性关系转化为线性关系。于线性关系的判断, 可以通过统计软件来作散点图, 结合散点图来选取变量关系的模型。确定变量的线性关系或把非线性关系转化为线性关系后, 就可以建立线性回归模型。

通过统计软件求解出线性模型后, 可以先对模型进行统计检验, 包括拟和度检验、方程的显著性检验、变量的显著性检验。后对模型的基本假设检验, 检验自变量之间是否存在共线性、异方差检验、系列相关检验。在模型满足统计检验和假设检验后, 还要比较预测值和实际值之间, 如果相对误差较大, 那么还需要对模型进行修正。

参考文献

[1]李子奈.计量经济学[M].北京:高等教育出版社, 2001.

[2]国家统计局.中国统计年鉴[M].北京:中国统计出版社, 2005.

[3]国家统计局.中国统计年鉴[M].北京:中国统计出版社, 2006.

居民人均消费价格 篇2

2、统计范围：全国居民消费价格指数(CPI)涵盖全国城乡居民生活消费的食品、烟酒、衣着、家庭设备用品及维修服务、医疗保健和个人用品、交通和通信、娱乐教育文化用品及服务、居住等八大类、262个基本分类的商品与服务价格。数据来源于全国31个省(区、市)500个市县、6.3万家价格调查点，包括食杂店、百货店、超市、便利店、专业市场、专卖店、购物中心以及农贸市场与服务消费单位等。

3、调查方法：居民消费价格原始数据采用“定人、定点、定时”直接派人到调查网点采集。

4、从2011年1月起，我国居民消费价格指数开始计算以2010年为对比基期的价格指数序列。这是自2001年计算定基价格指数以来，第二次进行例行基期更换，首轮基期为2000年，每五年更换一次，第二轮基期为2005年。

居民人均消费价格 篇3

1月份，全国居民消费价格总水平比去年同月上涨0.4％。其中，城市上涨0.4％，农村上涨0.3％。其主要原因一是去年春节是2月12日，故有一定的不可比因素；二是今年气候较去年寒冷。

分地区看，全国31个省（区、市）中有22个省(区、市)的居民消费价格总水平比去年同月上涨。其中涨幅较大的地区是：内蒙上涨3.0％，天津上涨2.4％，青海上涨2.0％，吉林上涨1.6％，湖南、宁夏均上涨1.5％。7个省（区、市）居民消费价格比去年同月下降。其中：上海下降1.1％，新疆下降0.9％，浙江、安徽、贵州和西藏均下降0.4％；江苏、海南居民消费价格与去年同月持平。

分类别看，消费品价格与去年同月持平，服务项目价格上涨1.6％。

食品价格比去年同月上涨2.4％。其中粮食价格下降0.5％，鲜菜、鲜果价格分别上涨24.2％和3.9％。

烟酒及用品价格下降0.5％，烟草价格下降0.4％，酒类价格下降0.5％。

衣着类价格下降2.9％，其中服装价格下降3.2％。

家庭设备和家具价格分别下降5.5％和2.3％，但家庭服务价格上涨4.4％。

医疗保健和个人用品类价格比去年同月下降1.2％，西药价格下降5.7％，而医疗保健服务价格上涨7.6％。

交通和通信类价格下降1.3％，通信工具价格下降16.6％；但柴油、汽油价格分别上涨31.9％和30.6％。

娱乐教育文化用品及服务类价格比去年同月上涨0.9％，其中文化娱乐用品及服务价格上涨1％，但文娱用耐用消费品类价格下降7.5％。

居民人均消费价格 篇4

消费、投资、净出口是拉动经济增长的三驾马车,其中消费是GDP 增长的主导因素。当前,由于出口受阻,投资增长趋缓,使得进一步拉动消费扩大内需成为当务之急。随着农民生活水平的提高,农村消费市场有着巨大的发展潜力,如何启动和扩大农村消费市场已成为当前研究的热点。福建省农村居民人均生活消费支出增长较快,由2000年的2 409.69元增加到2008年的4 661.94元,平均年增加281.53元[1]。研究福建省农村居民消费,及时把握农村居民消费的变化情况,对了解福建省消费现状和发展趋势、建立具有福建省特色的消费结构、制定合理的消费战略和政策、优化农村居民消费结构,推动福建经济的发展都具有重要的意义。本文通过对1993—2008年农村居民人均实际消费进行分析的基础上利用灰色预测法对福建省农村居民消费项目未来趋势进行预测。

1 灰色预测法介绍

1982年,华中理工大学邓聚龙教授首先提出了灰色系统的概念,并建立了灰色系统理论,引起了国内外很多学者、科技人员的重视,并广泛应用于预测、决策、聚类分析等方面[2]。

灰色预测(grey forecast)是指关于灰色动态模型(grey dynamic model,简记为GM)的预测,是对既含有已知信息又含有不确定信息的系统进行预测, 就是在一定范围内变化的、与时间有关的灰色过程进行预测。尽管灰色过程中所显示的现象是随机的,但毕竟是有序的,因此这一数据集合具备潜在的规律。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,声称有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测未来的发展趋势的状况[3]。灰色预测方法需要的原始数据少,只要四五个数据就可以做累加,建立模型进行预测;不但可以做短期预测,也可以用于中长期预测;

在建立灰色预测模型之前,为了弱化原始时间序列的随机性,需先对原始时间序列进行数据处理,使之变为较为有规律的生成数列。灰色系统常用的数据处理方式有累加、累减和映射生成三种。下面以累加生成为例介绍灰色预测建模的步骤。GM(1,1)模型是各类预测中最常用的一种灰色模型,具有要求样本数据少、原理简单、运算方便、短期预测精度高、可检验等优点。

2 GM(1,1)模型的建立

GM(1,1)模型建立的步骤为[4,5]

第一步:建立GM(1,1)模型只需要一个数列X(0)。设时间序列X(0)有n个观察值,记

$X{}^{(0)}=\left\{x{}^{(0)}(1),x{}^{(0)}(2),\cdots ,x{}^{(0)}(i),\cdots .,x{}^{(0)}(n)\right\}$

第二步:对原始数据x(0)(k)做累加生成新数据x(1)(i),构成新序列记

$X{}^{(1)}=\left\{x{}^{(1)}(1),x{}^{(1)}(2),\cdots ,x{}^{(1)}(i),\cdots ,x{}^{(1)}(n)\right\}$

其中,$x{}^{(1)}(i)={\displaystyle \sum _{i=1}^{i}x}{}^{(0)}(i)$

则GM(1,1)模型的白化形式方程为:

$\frac{dX{}^{(1)}}{dt}+aX{}^{(1)}=\mu$

其中:α称为发展灰数;μ称为内生控制灰数。

第三步:令新序列构成矩阵B,记

$B=\left(\begin{array}{cc}-\frac{1}{2}(x{}^{(1)}(1)+x{}^{(1)}(2))& 1\\ -\frac{1}{2}(x{}^{(1)}(2)+x{}^{(1)}(3))& 1\\ ⋮& ⋮\\ -\frac{1}{2}(x{}^{(1)}(i-1)+x{}^{(1)}(i))& 1\\ ⋮& ⋮\\ -\frac{1}{2}(x{}^{(1)}(n-1)+x{}^{(1)}(n))& 1)\end{array}\right)$

令原始序列构成矩阵Y,记

Y=(x(0)(2),…,x(0)(i),…,x(0)(n))T

第四步:设$\widehat{\alpha }$为待估参数向量,$\widehat{\alpha }=(a$

u),可利用最小二乘法求得参数a和u。

$\widehat{\alpha }=(B{}^{{\rm T}}B){}^{-1}B{}^{{\rm T}}Y$

第五步:把参数a和u代入白化形式方程,求解微分方程,即可得预测模型:

$\widehat{X}{}^{(1)}(k+1)=\left[X{}^{(0)}(1)-\frac{u}{a}\right]e{}^{-ak}+\frac{u}{a}$

第六步:求出X(1)的模拟值

$\widehat{X}{}^{(1)}=\{\widehat{x}{}^{(1)}(1),\widehat{x}{}^{(1)}(2),\cdots ,\widehat{x}{}^{(1)}(i),\cdots ,\widehat{x}{}^{(1)}(n),\widehat{x}{}^{(1)}(n+1),\cdots .\widehat{x}{}^{(1)}(n+k)\}$

第七步:还原出X(1)的模拟值

$\widehat{X}{}^{(0)}=\{\widehat{x}{}^{(0)}(1),\widehat{x}{}^{(0)}(2),\cdots ,\widehat{x}{}^{(0)}(i),\cdots ,\widehat{x}{}^{(0)}(n),\widehat{x}{}^{(0)}(n+1),\cdots ,\widehat{x}{}^{(0)}(n+k)\}$

其中,$\widehat{x}{}^{(0)}(i)=\widehat{x}{}^{(1)}(i)-\widehat{x}{}^{(1)}(i-1)$

第八步:模型检验:灰色预测检验一般有残差检验和后验差检验。

残差$\epsilon (i)=x{}^{(0)}(i)-\widehat{x}{}^{(0)}(i)$相对误差绝对值$\ell (i)=\left|\frac{\epsilon (i)}{x{}^{(0)}(i)}\right|$

残差均值$\overline{\epsilon }={\displaystyle \sum _{i=1}^n\epsilon }(i)$原始数据均值$\overline{x}={\displaystyle \sum _{i=1}^{n}x}(i)$

残差标准差$s{}_{\epsilon }=\sqrt{\frac{1}{n}\left[\epsilon (i)-\overline{\epsilon }\right]{}^2}$原始数据标准差$s{}_x=\sqrt{\frac{1}{n}\left[x(i)-\overline{x}\right]{}^2}$

相对误差绝对值的平均值$AARE=\frac{1}{n}{\displaystyle \sum _{i=1}^n\ell }(i)$

第一后验指标:方差比$C=\frac{S{}_{\epsilon }}{S{}_x}$

第二后验指标:小误差概率${\rm P}=p\left\{\left|\epsilon (i)-\overline{\epsilon }\right|<0.6745S{}_x\right\}$

其中,P=m/n(m为符合上述条件的误差个数)

根据经验,一般精度等级的划分,见表1

通过以上检验,如果相对误差绝对值的平均值AARE、方差比C和小误差概率P都在允许范围内时,则可以用模型进行预测,否则应进行残差修正。

3 于灰色预测法的福建农村居民人均总消费预测

3.1 福建农村居民人均实际总消费支出预测

通过对福建省统计年鉴1993—2008年农村居民人均实际消费支出数据的拟合,检验误差,并对第一后验指标及第二后验指标进行检验,以判别模型的准确度[2]。进而对福建农村居民人均实际消费支出进行预测。

原始数据列:

X(0)=(1628.1,1745.6,1901.3,1926.5,1976.2,2187.5,2265.2,2392.6,

2503.1,2588.3,2696.4,2868.0,3046.6,3313.1,3547.8,3900.9)

一次累加生成数据列:

X(1)=(1628.1,3373.7,5275.0,7201.5,9177.6,11365.1,13630.3,16022.9,19526.0,

21114.3,23810.7,26678.7,29725.3,33038.4,36586.2,40487.1)

根据X(1)生成矩阵B,根据x(0)建立数据矩阵Y。求得

$B=\left(\begin{array}{cc}-2500.9& 1\\ -4324.3& 1\\ -6238.2& 1\\ -8189.5& 1\\ -10271.3& 1\\ -12497.7& 1\\ -14826.6& 1\\ -17274.4& 1\\ -19820.1& 1\\ -22462.5& 1\\ -25244.7& 1\\ -28202.0& 1\\ -31381.8& 1\\ -34812.3& 1\\ -38536.6& 1\end{array}\right)Y=\left(\begin{array}{l}1745.6\\ 1901.3\\ 1926.5\\ 1976.2\\ 2187.5\\ 2265.2\\ 2392.6\\ 2503.1\\ 2588.3\\ 2696.4\\ 2868.0\\ 3046.6\\ 3313.1\\ 3547.8\\ 3900.9\end{array}\right)$

解得:

$\widehat{\alpha }=(B{}^{{\rm T}}B){}^{-1}B{}^{{\rm T}}Y=(\alpha u)=(-0.0558261561.240072)$

由$\frac{dX{}^{(1)}}{dt}+aX{}^{(1)}=\mu$得GM(1,1)预测模型:

$\widehat{X}{}^{(1)}(k+1)=\left[X{}^{(0)}(1)-\frac{u}{a}\right]e{}^{-ak}+\frac{u}{a}=(1628.1+27966.4)e{}^{0.055826k}-27966.4$

由$\widehat{x}{}^{(0)}(i)=\widehat{x}{}^{(1)}(i)-\widehat{x}{}^{(1)}(i-1)$,得到预测序列;并由残差$\epsilon (i)=x{}^{(0)}(i)-\widehat{x}{}^{(0)}(i)$和相对误差绝对值$\ell (i)=\left|\frac{\epsilon (i)}{x{}^{(0)}(i)}\right|$,得到结果,见表2。

进行模型精度检验。从残差的相对误差来看,平均相对误差为2.21%,预测精度达到97.79%。

由表2,得:$s{}_{\epsilon }=\sqrt{\frac{1}{n}\left[\epsilon (i)-\overline{\epsilon }\right]{}^2}=303.65$;$s{}_x=\sqrt{\frac{1}{n}\left[x(i)-\overline{x}\right]{}^2}=2577.34$

算得:第一后验指标:方差比$C=\frac{S{}_{\epsilon }}{S{}_x}=0.12$

第二后验指标:小误差概率${\rm P}=p\left\{\left|\epsilon (i)-\overline{\epsilon }\right|<0.6745S{}_x\right\}=1.0$

预测效果表明模型的预测精度等级为一级,可以用该模型进行预测,见表3。

利用该模型预测2009—2013年福建农村居民人均实际总消费支出值,见表4。

从预测结果看,2013年的福建农村居民人均实际总消费是4 907.6元,是2008年的1.26倍。

3.2 福建农村居民人均名义总消费支出预测

通过对福建省统计年鉴1993—2008年农村居民人均名义消费支出数据的拟合,预测效果表明模型的预测精度等级为一级,可以用该模型进行预测,见表5。

利用该模型预测2009—2013年福建农村居民人均名义总消费支出值,见表6。

从预测结果看,2013年的福建农村居民人均名义总消费是6 202.6元,是2008年的1.33倍。

4 福建农村居民各项人均消费支出和结构比例预测

4.1 福建农村居民各项人均实际消费支出和结构比例预测

通过对福建省统计年鉴1993—2008年农村居民人均各项实际消费支出数据的拟合,预测效果,见表7。除了其他商品和服务消费的残差的绝对误差效果不合格外,其他预测精度指标全都在三级以上。考虑到其他商品和服务消费实际的物价指数是由总物价指数替代,在消费比重中份额比较小,而且其他两个精度指标都是一级,决定也采用此方法预测,以达到预测方法的统一性。

利用该模型预测2009—2013年福建农村居民人均各项实际消费支出值,见表8。

从预测结果看,2013年的福建农村居民人均实际食品消费支出是1 603.5元,是2008年的1.13倍;人均实际衣着消费支出是462.3元,是2008年的1.48倍;人均实际居住消费支出是700.4元,是2008年的1.17倍;人均实际家庭设备用品及服务消费支出是313.9元,是2008年的1.44倍;人均实际医疗保健消费支出是336.7元,是2008年的1.73倍;人均实际交通和通讯消费支出是1 360.3元,是2008年的2.39倍;人均实际文教娱乐用品及服务消费支出是470.5元,是2008年的1.26倍;人均实际其它商品和服务消费支出是136.8元,是2008年的1.45倍。

根据表7预测2009—2013年福建农村居民人均各项实际消费的结构比例,见表9。

从预测结果看,2013年的福建农村居民人均实际食品消费支出比例是32.7个百分点,比2008年下降3.6个百分点;人均实际衣着消费支出比例是8.0个百分点,比2008年上升1.4个百分点;人均实际居住消费支出比例是15.3个百分点,比2008年下降1.0个百分点;人均实际家庭设备用品及服务消费支出比例是5.6个百分点,比2008年上升0.8个百分点;人均实际医疗保健消费支出比例是6.9个百分点,比2008年上升1.9个百分点;人均实际交通和通讯消费支出比例是27.7个百分点,比2008年提高13.1个百分点;人均实际文教娱乐用品及服务消费支出比例是6.6个百分点,与2008年的相对不变;人均实际其它商品和服务消费支出比例是2.8个百分点,比2008年上升0.4个百分点。

4.2 福建农村居民各项人均名义消费支出和结构比例预测

通过对福建省统计年鉴1993—2008年农村居民人均各项名义消费支出数据的拟合,预测效果等级全部通过检验,见表10。

利用该模型预测2009—2013年福建农村居民人均各项名义消费支出值,见表11。

从预测结果看,2013年的福建农村居民人均名义食品消费支出是2 451.4元,是2008年的1.13倍;人均名义衣着消费支出是373.6元,是2008年的1.42倍;人均名义居住消费支出是1 105.8元,是2008年的1.42倍;人均名义家庭设备用品及服务消费支出是297.1元,是2008年的1.33倍;人均名义医疗保健消费支出是369.1元,是2008年的1.87倍;人均名义交通和通讯消费支出是1 118.1元,是2008年的2.09倍;人均名义文教娱乐用品及服务消费支出是573.5元,是2008年的1.47倍;人均名义其它商品和服务消费支出是163.1元,是2008年的1.44倍。

根据表10预测2009—2013年福建农村居民人均各项名义消费的结构比例,见表12。

从预测结果看,2013年的福建农村居民人均名义食品消费支出比例是46.4个百分点,比2008年下降6.9个百分点;人均名义衣着消费支出比例是6.0个百分点,比2008年上升0.4个百分点;人均名义居住消费支出比例是17.8个百分点,比2008年上升1.2个百分点;人均名义家庭设备用品及服务消费支出比例是4.8个百分点,与2008年的相对不变;人均名义医疗保健消费支出比例是6.0个百分点,比2008年上升1.7个百分点;人均名义交通和通讯消费支出比例是18.0个百分点,比2008年提高6.6个百分点;人均名义文教娱乐用品及服务消费支出比例是9.2个百分点,比2008年提高0.9个百分点;人均名义其它商品和服务消费支出比例是2.6个百分点,比2008年上升0.2个百分点。

5 总结

从消费支出预测来看:不管是实际支出预测,还是名义支出预测,福建农村居民的各项目的消费支出都显著增加,但是两种预测项目的倍数却相差比较大。以2013年的预测值同2008年的数据相比较为例,不难发现名义预测的总消费、居住消费、医疗保健消费和文教娱乐用品及服务消费的倍数大于实际预测的倍数,说明了未来总消费,居住消费,医疗保健消费和文教娱乐用品及服务消费的物价水平将会上涨,分别上涨了5.8%、21.3%、8.1%和16.5%;居住消费的物价水平上涨幅度最高,文教娱乐用品及服务次之。反之,衣着消费,家庭设备消费、用品及服务消费,交通和通讯消费的物价水平将会下降;分别下降了4.2%、7.1%和12.4;其中,交通和通讯消费的物价下降幅度最大,家庭设备消费、用品及服务消费次之。而食品消费同其他商品和服务消费的物价水平相对稳定。见表13。

从消费结构预测来看:两种预测项目共同的趋势是,未来5年,食品消费,文教娱乐用品及服务,其他商品和服务消费的比重将会下降;衣着消费,医疗保健,交通和通讯消费的比重将会上升。不同的趋势是:实际预测项目中,居住消费的比重将会下降,而家庭设备用品及服务消费的比重将上升;名义预测项目中,显示的趋势正好相反,居住消费的比重将会上升,而家庭设备用品及服务消费的比重将下降。造成这种预测差异主要是由于物价水平的变动引起的,居住消费的物价水平大幅度上涨,而家庭设备用品及服务的物价水平下降幅度比较大;而其他项目的消费结构比重变化同物价水平变化的方向不一致,说明了该项目的结构比例变动幅度超过物价水平变动的比例幅度。

福建农村居民的交通和通讯消费支出的迅速上升很大程度上得利于其相对消费成本下降。文化娱乐用品及服务比重的下降很大一部分要归功于九年义务教育的落实。住房支出占生活总消费支出的比重在各不同国家其表现不同:低收入国家、中下等收入国家约占10%以下、中上等收入国家约在11%以上,高收入国家接近20%。历史进程表明:居住消费支出随着收入的提高而提高。而现阶段本该较大幅度增长的居住消费被大幅度增长的物价水平抑制了,影响了农村居民消费结构的优化和升级。

参考文献

[1]福建省统计局.福建统计年鉴[M].北京:中国统计出版社,2009:178.

[2]张江凌.灰色预测法在经济预测中的应用[J].广西商业高等专科学校学报,2000,17(4):49-51.

[3]聂晶,张春雷.灰色预测法在经济预测中的应用[J].中国高新技术企业,2008(10):4-5.

[4]邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社,2002:71-74.

居民人均消费价格 篇5

凯恩斯国民收入理论认为, 消费作为总需求的重要组成部分, 是宏观经济调控的基本变量, 而收入是决定消费的基本因素。对于消费和收入关系的研究, 出现了不同的消费理论假设。根据相对收入假设理论, 在一定时期, 人们的当期消费水平不仅与当期的可支配收入相关, 而且受前期的消费水平的影响, 具有一定的消费理性, 这就是消费的棘轮效应;同时根据生命周期假设理论, 消费者的消费不仅与当期收入相关, 同时也受过去各项的收入以及对将来预期收入的限制和影响。我们可以把相对收入假设理论与生命周期假设理论联系起来, 推出如下的结果:当期的消费水平不仅与当期的可支配收入有关, 而且还与前期的可支配收入、前两期的消费水平有关。

一、所用数据说明

本文以1980-2009年河南省城镇家庭平均每人可支配收入与城镇家庭平均每人全年消费性支出为研究对象 (数据来源:河南统计年鉴2010) , 分别用变量income和expend来表示。为了降低序列的波动性, 对income和expend分别取对数, 用LNincome和LNexpend表示。样本数量为30。

二、研究思路和方法

(一) 人均可支配收入与消费性支出的描述性分析

图1中实线表示人均可支配收入, 虚线表示人均消费性支出。从图中可以看出, 两变量序列具有大致相同的趋势, 且增加的速度也呈现递增趋势, 但收入增加的速度比消费稍快, 特别是2002年之后。说明河南省城市居民的收入分配结构日趋多样化, 其收入不仅用于日常消费支出, 除消费性支出以外的其他支出和投资储蓄所占的比例逐渐增加。1980-1992年, 河南省城市居民的可支配收入和消费性支出几乎相等或收入稍稍大于消费, 可见此期间河南省城市居民的收入几乎全部用于日常生活的消费支出, 并无多余的资金移作它用;自1993年以来, 由于市场经济体制的进一步完善, 经济快速发展, 居民收入急速增长, 促使居民消费也快速增加。

(二) 人均可支配收入与消费性支出的协整关系分析

1、序列平稳性检验及单整检验

在分析是否具有协整关系之前, 先进行时间序列的单位根检验。利用Eviews6.0的ADF方法来检验, 结果如表1所示。

从检验结果看, LNexpend和LNincome在5%的显著性水平下, 不能拒绝存在单位根的假设, 表明LNexpend和LNincome是非平稳的。因此不可能是I (0) 序列。而对其一阶差分序列进行单位根检验, 结果显示在5%的显著性水平下, ΔLNexpend和ΔLNincome拒绝了非平稳的原假设, 因此可以认为该序列是一阶单整的, 即I (1) 序列。

注:检验形式 (c, t, k) 分别表示带有常数项、趋势项和滞后介数, Δlnx与Δlny分别表示lnx和lny序列的一阶差分

2、协整检验并拟合协整回归模型

通过Engle和Granger提出的EG两步检验法, 对序列{LNexpend}和{LNincome}进行协整检验, 并求得长期均衡方程。利用最小二乘估计方法, 构造回归模型如下:

代入LNexpend和LNincome的实际观察值, 求出残差序列并检验, 得出记该回归模型的残差为ecm, 对ecm进行ADF检验, 检验结果如表2所示。

可见, 在5%的显著性水平下, 残差序列拒绝了存在单位根的原假设, 表明残差序列是平稳的, 即LNexpend和LNincome存在 (1, 1) 阶协整关系。既然两个变量协整, 说明残差序列平稳, 那就不会产生虚假回归问题了。

那么便可以将模型作为长期均衡方程, 即初步可以认为模型反映的是LNexpendt和LNincomet的长期稳定关系。

模型的残差:

对残差进行2阶自相关单位根检验, 结果显示, 残差序列显著平稳。因此, 模型是描述长期均衡的关系, 表明人均可支配收入与人均消费性支出存在长期关系。

3、拟合误差修正模型

由协整模型度量了序列之间的长期均衡关系, 再运用ECM模型 (errorcorrectionmodel误差修正模型) 来解释序列的短期波动关系。响应序列的当期波动 (LNexpendt) , 主要会受到三方面的短期波动的影响:输入序列的当期波动LNincomet;上一期的误差ECMt-1;纯随机波动εt。

为了定量抵测量这三方面影响的大小, 尤其是为了测定上期误差对当期波动的影响, 可以构建ECM模型, 得到ECM模型口径为:

结果显示, 在0.05的显著水平下, 收入的当期波动和上期误差对消费性支出的当期波动有显著性影响 (β0和β3显著) , 但上期收入和上期支出对当期波动的影响不显著 (β1和β2不显著) 。方程检验结果显示, F统计量对应的P值非常小, 整个模型通过显著性检验;D.W.的值为2.26, 在du

4、模型的经济意义解释

协整回归模型 (即模型 (1) ) 揭示了河南省城市居民家庭人均可支配收入与人均消费支出之间的长期均衡关系, 同时, 从回归系数的绝对值大小可以看出可支配收入的当期波动对消费性支出的当期波动调整幅度很大, 长期每增加1%的平均可支配收入会增加0.63937%的平均消费性支出。

误差修正模型 (即模型 (2) ) 揭示了河南省城市居民消费性支出的短期波动特征。本期消费主要受本期收入的影响, 本期可支配收入变化1%, 引起本期消费性支出变化0.75898%, 上期收入变化1%, 引起本期支出变化-0.08755%, 但收入和消费反方向变化;同时, 我们可以发现, 上期支出和本期支出同方向变化, 上期支出每变化1%, 引起本期消费变化0.35196%;从回归系数的绝对值大小可以看出上期误差对居民消费支出的当期波动调整幅度很大, 单位协整比例为-0.88126, 同时表明居民收入的增长对消费性支出的短期调整影响大。

三、结果分析

总体来说, 河南省人均可支配收入和消费性支出均呈现出长期递增的趋势, 说明居民的生活水平在逐步提高。虽然目前居民收入仍主要用于日常消费, 但除日常消费以外的闲散资金有逐渐增加的趋势, 居民有更多的资金挪作他用。

从以上的分析可以看出, 居民的消费水平的最主要的影响因素是居民的收入水平, 其他影响因素则相对小许多。因此, 要提高我国城乡居民的消费水平, 必须首先增加居民的收入。收入是消费的前提, 要扩大消费需求就必须适当提高居民收入增长率, 才能最大限度发挥消费对经济的拉动效应。因此, 要启动消费市场以拉动经济的增长, 必须研究如何提高居民的收入。

参考文献

[1]、王微.中国城乡居民收入与消费水平、结构与趋势[J].文事.动态, 2003 (81) .

[2]、施祖辉.收入水平的变化对消费增长的影响分析——上海城乡居民收入与消费变动关系的实证研究[J].财经研究, 1999 (211) .

[3]、杨汇道等.安徽省城镇居民消费情况进行实证分析[J].合肥工业大学学报 (社会科学版) , 2001 (3) .

[4]、王燕.应用时间序列分析[M].中国人民大学出版社, 2005.

[5]、庞浩.计量经济学[M].科学出版社, 2006.

居民人均消费价格 篇6

依据西方经济学理论, 人均消费和人均可支配收入成正相关关系。这一关系是否在中国也成立呢, 为此, 我们收集相关数据, 假设在中国人均可支配收入与人均消费支出存在正相关关系, 并进行相关的实证分析。这可以帮助我们了解中国居民的消费倾向, 并且对指导相关政策有一定的意义。

二、样本及研究方法

为了深入分析研究中国的城镇居民的生活费支出与可支配收入的具体数量关系, 收集了中国城镇居民月人均可支配收入 (SR) 和生活费支出 (SC) 2007~2009年各月度数据序列 (数据来源:中经网统计数据库)

因时间序列数据的特殊性, 其平稳性需要进行检验, 此时可以使用EG两步法确认是否存在协整, 并且对模型进行一定的误差修正。

三、实证与分析

根据EG两步法的理论, 首先考察生活费支出和人均可支配收入的单整阶数.通过软件Eviews中的具体操作过程如下:

首先检验序列 (SR) 的平稳性, 选带截距项, 在滞后差分项下选2阶, 通过估计结果来说, 单位根检验的临界值分别为-3.577723, -2.925169, -2.600658, 分别对应着在1%, 5%, 10%三个显著性水平检验, t检验的值为-3.438827大于1%临界值, 因此无法拒绝H0, 这说明人均可支配收入 (SR) 为非平稳序列, 因存在单位根.

在单位根检验中, 为了确定人均可支配收入 (SR) 序列的单整阶数, 选择确定对一阶差分序列进行单位根检验并且带有截距项, 选择2阶滞后差分项, 通过估计的结果来说, 单位根检验的临界值分别为-3.581152, -2.926622, -2.601424, 分别对应在1%, 5%, 10%三个显著性水平检验, t检验的值为-9.361364小于临界值, 因此拒绝H0, 可判断人均可支配收入 (SR) 的差分序列是平稳的, 因不存在单位根, 也就是说, (SR) 序列是一阶单整的, SR~I (1) 。

通过以上的理论方法同样可以可检验生活费支出 (SC) 序列也是一阶单整的, 即SC~I (1) 。

为了分析可支配收入 (SR) 和生活费用 (SC) 序列数据之间是否协整, 理论上应先对两个变量进行回归检验, 然后通过对回归残差的平稳性的检验来判断。

将以上的生活费支出 (SC) 变量作为被解释变量, 而人均可支配收入 (SR) 为解释变量, 估计的回归模型为

为了得出回归残差是否平稳的特性, 设et=Resid, 从而可以将et进行单位根检验。另外可以看到, 因残差的均值是零, 因此做截距项为零的DF检验, 检验的估计结论为:, 在5%的显著新水平下, t检验的值为-4.141953, 小于临界值, 因此可以拒绝原假设, 这说明残差序列是平稳序列不存在单位根, (SR) 与 (SC) 之间存在协整关系。

生活费支出 (sc) 与可支配收入 (SR) 之间存在协整关系, 说明它们之间保持有长期的均衡关系。可是在短期内出现失衡的状况是可能的., 为了提高回归模型的判断精度, 把误差项et在回归模型中作为均衡误差看待, 因此下一步可以通过建立误差修正模型将SC与SR的之间的短期行为与长期变化联系起来。

误差修正模型的结构如下:

将作为 (35) SCt被解释变量, 以 (35) SRt和et-1作为解释变量, 估计回归模型, 最终得到误差修正模型的估计结果为:

四、结论

通过以上的分析可以看到, 城镇居民月人均生活费用支出的变化食欲可支配收入的变化紧密联系的它不仅仅根据可支配收入的变化而变化, 更重要的是它还因上一期生活支出对均衡水平的不同而有所偏离, 即消费支出是有惯性特征的, 误差项et (-1) 估计的系数-0.541695说明了模型对偏离的修正, 这进一步说明如果上一期对均衡水平的偏离如果越远, 那么本期对模型的修正的量就会越大, 也就是说, 此模型系统是存在误差修正机制的。

参考文献

[1]庞皓.《计量经济学》.北京, 科学出版社, 2006.

[2]易丹辉.《数据分析与Eviews应用》.中国人民大学出版社, 2009.

[3]William H.Green, Econometric Analysis, , Prentice-Hall International Inc., 1997.