《计量经济学》课程^论文
四川省居民消费水平影响因素的分析
小组成员（工商管理专业02级）：
王丹 应婷 吴志刚 李睿 李治海
指导教师：黎实
日期：2004年3月－6月
【摘要】
消费水平关系着每位消费者实际生活水平的状况，是消费经济研究的基本问题。一国消费水平的高与低，有一系列的国际的衡量和评价指标。消费水平变动受多种因素的影响，并有客观的数量界限。总结历史的经验和教训，采取各种措施在建设现代化的工业及国民经济体系中，使人们的消费水平稳步提高，是我国的一项长期战略任务。
本文旨在对近二十年我国四川省的居民消费水平及其影响因素进行实证分析来探索提高居民消费水平的方法，用以为政府制定各项政策做参考。首先，我们根据消费经济学的知识找出了一些影响居民消费水平的因素；进而我们建立了关于四川省居民消费水平的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并提高居民消费水平提出一些建议。
【关键词】
消费水平 人口总数 国民生产总值 消费价格指数 EVIEWS软件 计量经济学 检验
一 引言
改革开放以来，我国居民收入与消费水平不断提高，居民消费结构转换和消费需求扩张成为我国经济高速增长的主要动力，特别是进入90年代以来，居民消费需求对国民经济发展的影响不断增大。
但是，对国民经济总体需求变化和居民消费变化的考察使人们发现：一方面，随着市场经济逐步建立和买方市场的出现，消费需求增长对经济增长的影响逐渐增强；另一方面，我国居民消费领域已经出现了一些可能影响国民经济发展全局的隐忧。其中最为突出的隐忧，一是最终消费率和居民消费率明显偏低。居民消费率过低而居民储蓄率过高将可能导致我国经济增长在今后一段时期受到严重的国内市场需求约束。
因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长的速度和质量都有十分重要的意义。
二 经济理论陈述
所谓消费水平，从宏观角度考察是指社会全体消费者的物质文化需要得到满足的程度；或者说是社会提供给众多消费者用于生活的消费的产品和服务的数量和质量。也就是说，消费水平的含义既包括了消费品，又包括了消费服务，而且从消费水平的发展趋势看，消费服务将越来越占有重要的地位；既包括了数量也包括了质量。质量的因素不仅是消费水平不可忽视的重要内容，而且也成为消费水平高低的越来越重要的衡量标志。
消费水平从微观上考察，就是消费者及其家庭生活需要的满足程度，或者讲是消费者及其得到或可支配的消费品和服务的数量和质量以及金融资产的状况。
我们对消费水平的考察着重于宏观方面，即对消费水平的研究还要结合物质和精神文化需要的满足程度。
下面我们着重说明影响消费水平的主要因素：
影响消费水平的主要因素可以分为两大类，即自然因素和社会经济因素。前者包括资源状况：水文、气候情况、地形地貌、农作物生长条件等。后者包括生产力状况、国民生产总值规模、人口总量、价格水平、交通条件、教育状况、进出口、就业、市场等。
此外，社会的生产关系、消费关系的完善程度，消费政策的调整，居民消费方式的选择、消费储蓄的变动情况，社会消费信贷宽紧情况，对外贸易的规模及进出口产品的结构，社会的交通、教育的发达程度及基础设施的情况，经济组织的效率及市场的供应情况，以及人们消费习俗的沿袭和变迁等也都在不同范围和不同程度上影响居民的实际消费水平。
我们主要对社会经济因素中比较容易量化的几个因素具体进行分析：
（一）国民生产总值的总规模
国民生产总值是按市场价格计算的一国所有常住单位在报告期内原始收入的初次分配的结果。显然，国民生产总值总规模越大，在支出分配比例不变的条件下，总消费就越大，如人口为一定，则人均消费水平就会提高。
（二）消费品价格水平
消费品价格水平与消费水平呈逆向变动。表现为：一是在货币收入为一定时，实际消费水平高低与物价水平高低成反比，物价水平越高，实际消费水平就越低，反之则越高。
（三）人口总量
一般地说，人口总量与消费水平成反比。在国民生产总值一定的情况下，社会平均消费水平与人口数量成反比。
三 计量经济模型的建立
Y=C+β1x1+β2X2+β3x3+Ui
其中Y 表示四川省居民消费总水平，x1表示四川省人口数，x2表示四川省国民生产总值，x3表示四川省居民消费价格总指数（以上一年为100），单位分别为元、人、亿元、。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。
四 相关数据收集
数据来源说明：本文数据摘自《四川统计年鉴》（1989-2003）（因1992年以前居民劳务消费较少，数据未单独列出来，所以是用居民商品零售价格指数代替居民消费价格总指数，1992年以后采用居民消费价格指数）
数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。
五 模型的参数估计、检验及修正
1.模型的参数估计及其经济意义、统计推断的检验
我们用EVIEWS软件和最小二乘法对数据进行回归分析（见附表二），
可得方程如下：
Y = -11202226 + 1407.173X1 + 4354.767X2 + 12942.69X3
(3240461) (508.1876) (153.4726) (14041.93)
t=（-3.4570） （2.7690 ） （28.3749） （0.921717）
R^2 =0.9972 F=2466.307
由F=2466.307>F0.05(3,22)=3.05(显著性水平a=0.05),表明模型从整体上看四川省居民消费总水平与解释变量之间线性关系显著。但截距项系数与经济意义相悖，X3变量的T值也不显著。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。
2.计量经济学检验
（1）多重共线性检验
用EVIEWS软件，得相关系数矩阵表
X1 X2 X3
X1 1.000000 0.906253 0.064030
X2 0.906253 1.000000 -0.165819
X3 0.064030 -0.165819 1.000000
由上表可以看出，解释变量X1与X2之间的相关系数较大，而X3与X2、X1之间关联并不紧密。但根据经济意义，居民消费价格指数对居民消费水平的影响重大。当国民生产总值一定时，居民消费价格指数越高，居民的消费水平越低。此变量不可轻易舍去。我们采用数据结合的方式，用X2/X3表示当年实际国民生产总值X4来回避原模型的多重共线性，那么
Y=C+β1x1+β2X4+Ui
用EVIEWS软件和最小二乘法对数据进行回归分析（见附表三），
可得方程如下：
Y= -21931720.+ 3087.033x4 + 391459 X1
(-4.1806) (4.3532) (18.3189)
R^2=0.9908 F=1190.43
从上式可以看出，经过数据处理后，模型的统计检验效果更为显著。
（2）异方差检验
运用goldfeld－quandt 检验
先取1978－1987，然后由ols得
∑e1^2=1.40e+10
然后取1993－2002，同样由ols得
∑e2^2=3.45e+12
所以，F＝∑e1^2/∑e2^2=246.4286
而在给定a＝0.05条件下，F(8，8)＝2.59<246.4286，则拒绝原假设，表明存在异方差。
然后，采用对数变换法修正(见附表四)，修正后得：
Lny=-34.44693 + 5.408532l Lx1 +0.652440l Lx4
（-2.9325） (4.0724) (9.1154)
R^2=0.996658 R^2=0.996354 F=3280.586
此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。
3）自相关检验
由附表四可知：d=0.654338。在显著水平=0.05下，查表 n=25，k’=2时，DL =1.206，du=1.550，由于d=0.654338<DL=1.206，表明该模型中的误差序列存在一阶自相关。
下面用广义差分法进行修正，由d=0.654338，计算出，构造差分模型并估计得： DLY=-26.51033+11.25021DLX1-0.183533DLX4
(8.088471) (2.578296) (0.070776)
=0.965518 F=294.0034 DW=0.824029
仍不行，再用科克兰内-奥克特(Cochrane-orcutt)迭代法（见附表五）
DY=-22.93613+10.06849DX1-0.196976DLX4 + 0.61087AR(1)
(-1.7926) (2.4535) (-1.8301) (3.1560)
=0.9706 F=243.4806 DW=1.5464
经过这样修正后，DW值有所提高，d＝1.546389，不再存在自相关。
六 结论
影响消费水平的因素众多，我们从中挑选了国民生产总值，人口和居民消费价格指数进行分析，本意是想通过模型得出的数据应用于实践可以对一个地区的居民消费水平进行粗略估计。因为此三项数据从理论上分析是影响消费水平的主要因素之三，且获取途径多，又为大众理解，如能应用于实践，则为一般投资者和政府决策时节省了时间、精力和金钱。
但实际分析的结果并不理想，从上述模型中可看出：DX5不符合经济意义的检验（参数的大小及符号）。因为从经济意义上讲，居民消费水平因随着国民生产总值（剔除了物价影响之后）的增加而提高，DLX4的系数应为正值。其他变量相应的系数的T值也并不是太显著。
究其原因，我们认为，主要是影响消费水平的因素实在太多，我们从中挑选了三个变量实在是太“身单体薄”、“寡不敌众”，如果真要使模型优化，必须增加多个变量，尽可能把影响因素量化后加入模型，比如国民生产总值在总消费、总投资、净出口之间的支出分配比例，总消费内部的比例（居民消费和社会消费），人口增长速度及人口的社会构成等。收集此类数据较为困难，有些不能直接得到，须自己计算整理，而且时间数据最大的一个问题在于其不同年份的数据可能口径不一致，这也会导致统计偏差。总的来说要改进的确还要很多的时间和精力。假期如有可能，我们会朝这方面努力。
但即便如此，我们也不敢保证模型一定成功。因为影响因素还有一大部分是无法量化的，如消费者的心理、偏好，消费政策的调整，银行消费信贷的宽紧状况变化等。经济的东西存在太多的不确定性。
我们在决策上不能选择最优，只能尽可能满意。
八 参考文献及附表
范剑平主编： 《居民消费与中国经济发展》 中国计划出版社 2000年版
苏志平、徐淳厚编著： 《消费经济学》 中国财政经济出版社 1997年版
附表一：
年份 居民消费总水平（元） 人口（万人） 国民生产总值（亿元） 居民消费价格总指数（以上一年为100）
1978 1060289.967 7071.9 184.61 99.6
1979 1174740.09 7120.5 205.81 105.4
1980 1325283.604 7154.8 229.44 108.1
1981 1427389.992 7215.6 242.68 101.9
1982 1591925.224 7300.4 275.71 102.3
1983 1777437.394 7336.9 311.85 100.7
1984 2034967.76 7364 359 102.3
1985 2377440.492 7419.3 422.3 106.8
1986 2565914.802 7511.9 459.79 103.9
1987 2922326.82 7613.2 532.79 107.5
1988 3613435.792 7716.4 661.81 120
1989 4221765.296 7803.2 747.37 118.3
1990 5160274.35 7892.5 894.21 103.1
1991 5726946.246 7947.8 1020.88 102.3
1992 6395198.596 7992.2 1182.96 106.4
1993 8020280.338 8037.4 1492.84 113.9
1994 10772809.75 8098.7 2009.7 124.6
1995 13140184.9 8161.2 2516.56 118.5
1996 15480688.99 8215.4 2998.79 109.3
1997 16944535.88 8264.7 3335.78 105.1
1998 17636435.5 8315.7 3596.81 99.6
1999 18316952.45 8358.6 3728.96 98.5
2000 20050374.15 8407.5 4028.46 100.1
2001 20803896.31 8436.6 4445.88 102.1
2002 22212596.7 8474.5 4911.33 99.7
附表二
Variable Coefficient Std. Error t-Statistic Prob.
C -11202226 3240461. -3.456986 0.0024
X1 1407.173 508.1876 2.769003 0.0115
X2 4354.767 153.4726 28.37488 0.0000
X3 12942.69 14041.93 0.921717 0.3671
R-squared 0.997170 Mean dependent var 8270164.
Adjusted R-squared 0.996765 S.D. dependent var 7395971.
S.E. of regression 420630.9 Akaike info criterion 28.88255
Sum squared resid 3.72E+12 Schwarz criterion 29.07757
Log likelihood -357.0318 F-statistic 2466.307
Durbin-Watson stat 0.665779 Prob(F-statistic) 0.000000
附表三
Dependent Variable: Y
Method: Least Squares
Date: 06/03/04 Time: 11:18
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -21931720 5246125. -4.180556 0.0004
X1 391459.0 21369.14 18.31889 0.0000
X4 3087.033 709.1374 4.353222 0.0003
R-squared 0.990844 Mean dependent var 8270164.
Adjusted R-squared 0.990012 S.D. dependent var 7395971.
S.E. of regression 739156.8 Akaike info criterion 29.97657
Sum squared resid 1.20E+13 Schwarz criterion 30.12284
Log likelihood -371.7072 F-statistic 1190.430
Durbin-Watson stat 0.504862 Prob(F-statistic) 0.000000
附表四
Dependent Variable: LY
Method: Least Squares
Date: 06/04/04 Time: 19:50
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -34.44693 11.74645 -2.932540 0.0077
LX1 5.408532 1.328105 4.072368 0.0005
LX4 0.652440 0.071575 9.115418 0.0000
R-squared 0.996658 Mean dependent var 15.45435
Adjusted R-squared 0.996354 S.D. dependent var 1.050335
S.E. of regression 0.063419 Akaike info criterion -2.565955
Sum squared resid 0.088482 Schwarz criterion -2.419690
Log likelihood 35.07444 F-statistic 3280.586
Durbin-Watson stat 0.654338 Prob(F-statistic) 0.000000
附表五
Dependent Variable: DY
Method: Least Squares
Date: 06/04/04 Time: 20:14
Sample(adjusted): 1980 2002
Included observations: 23 after adjusting endpoints
Convergence achieved after 8 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -22.93613 12.79508 -1.792574 0.0890
DX1 10.06849 4.103653 2.453544 0.0240
DX4 -0.196976 0.107628 -1.830146 0.0830
AR(1) 0.610870 0.193557 3.156026 0.0052
R-squared 0.974648 Mean dependent var 5.185680
Adjusted R-squared 0.970645 S.D. dependent var 0.320107
S.E. of regression 0.054845 Akaike info criterion -2.811841
Sum squared resid 0.057152 Schwarz criterion -2.614363
Log likelihood 36.33617 F-statistic 243.4806
Durbin-Watson stat 1.546389 Prob(F-statistic) 0.000000
Inverted AR Roots .61
《计量经济学》课程^论文
四川省居民消费水平影响因素的分析
（初稿）
小组成员（工商管理专业02级）：
王丹 应婷 吴志刚 李睿 李治海
指导教师：黎实
【摘要】
消费水平关系着每位消费者实际生活水平的状况，因而是消费经济研究的基本问题。一国消费水平的高与低，有一系列的国际的衡量和评价指标。消费水平变动受多种因素的影响，并有客观的数量界限。总结历史的经验和教训，采取各种措施在建设现代化的工业及国民经济体系中，使人们的消费水平稳步提高，是我国的一项长期战略任务。
本文旨在对近二十年我国四川省的居民消费水平及其影响因素进行实证分析来探索提高居民消费水平的方法，用以为政府制定各项政策做参考。首先，我们根据消费经济学的知识找出了一些影响居民消费水平的因素；进而我们建立了关于四川省居民消费水平的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并提高居民消费水平提出一些建议。
【关键词】
消费水平 人口总数 国民生产总值 消费价格指数 EVIEWS软件 计量经济学 检验
一 引言
改革开放以来，我国居民收入与消费水平不断提高，居民消费结构转换和消费需求扩张成为我国经济高速增长的主要动力，特别是进入90年代以来，居民消费需求对国民经济发展的影响不断增大。
但是，对国民经济总体需求变化和居民消费变化的考察使人们发现：一方面，随着市场经济逐步建立和买方市场的出现，消费需求增长对经济增长的影响逐渐增强；另一方面，我国居民消费领域已经出现了一些可能影响国民经济发展全局的隐忧。其中最为突出的隐忧，一是最终消费率和居民消费率明显偏低。居民消费率过低而居民储蓄率过高将可能导致我国经济增长在今后一段时期受到严重的国内市场需求约束。
因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长的速度和质量都有十分重要的意义。
二 经济理论陈述
所谓消费水平，从宏观角度考察是指社会全体消费者的物质文化需要得到满足的程度；或者说是社会提供给众多消费者用于生活的消费的产品和服务的数量和质量。也就是说，消费水平的含义既包括了消费品，又包括了消费服务，而且从消费水平的发展趋势看，消费服务将越来越占有重要的地位；既包括了数量也包括了质量。质量的因素不仅是消费水平不可忽视的重要内容，而且也成为消费水平高低的越来越重要的衡量标志。
消费水平从微观上考察，就是消费者及其家庭生活需要的满足程度，或者讲是消费者及其得到或可支配的消费品和服务的数量和质量以及金融资产的状况。
我们对消费水平的考察着重于宏观方面，即对消费水平的研究还要结合物质和精神文化需要的满足程度。
下面我们着重说明影响消费水平的主要因素：
影响消费水平的主要因素可以分为两大类，即自然因素和社会经济因素。前者包括资源状况：水文、气候情况、地形地貌、农作物生长条件等。后者包括生产力状况、国民生产总值规模、人口总量、价格水平、交通条件、教育状况、进出口、就业、市场等。
此外，社会的生产关系、消费关系的完善程度，消费政策的调整，居民消费方式的选择、消费储蓄的变动情况，社会消费信贷宽紧情况，对外贸易的规模及进出口产品的结构，社会的交通、教育的发达程度及基础设施的情况，经济组织的效率及市场的供应情况，以及人们消费习俗的沿袭和变迁等也都在不同范围和不同程度上影响居民的实际消费水平。
我们主要对社会经济因素中比较容易量化的几个因素具体进行分析：
（一）国民生产总值的总规模
国民生产总值是按市场价格计算的一国所有常住单位在报告期内原始收入的初次分配的结果。显然，国民生产总值总规模越大，在支出分配比例不变的条件下，总消费就越大，如人口为一定，则人均消费水平就会提高。
（二）消费品价格水平
消费品价格水平与消费水平呈逆向变动。表现为：一是在货币收入为一定时，实际消费水平高低与物价水平高低成反比，物价水平越高，实际消费水平就越低，反之则越高。
（三）人口总量、人口增长速度及人口的社会结构
一般地说，人口总量与消费水平成反比。在国民生产总值一定的情况下，社会平均消费水平与人口数量成反比。
三 计量经济模型的建立
Y=C+β1x1+β2X2+β3x3+Ui
其中Y 表示四川省居民消费总水平，x1表示四川省人口数，x2表示四川省国民生产总值，x3表示四川省居民消费价格总指数（以上一年为100），单位分别为元、人、亿元、。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。
四 相关数据收集
数据来源说明：本文数据摘自《四川统计年鉴》（1989-2003）（因1992年以前居民劳务消费较少，数据未单独列出来，所以是用居民商品零售价格指数代替居民消费价格总指数，1992年以后采用居民消费价格指数）
2，数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。
五 模型的参数估计、检验及修正
1.模型的参数估计及其经济意义、统计推断的检验
我们用EVIEWS软件和最小二乘法对数据进行回归分析（见附表二），
可得方程如下：
Y = -11202226 + 1407.173X1 + 4354.767X2 + 12942.69X3
(3240461) (508.1876) (153.4726) (14041.93)
t=（-3.4570） （2.7690 ） （28.3749） （0.921717）
R^2 =0.9972 F=2466.307
由F=2466.307>F0.05(3,22)=3.05(显著性水平a=0.05),表明模型从整体上看四川省居民消费总水平与解释变量之间线性关系显著。但截距项系数与经济意义相悖，X3变量的T值也不显著。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。
2.计量经济学检验
（1）多重共线性检验
用EVIEWS软件，得相关系数矩阵表
X1 X2 X3
X1 1.000000 0.906253 0.064030
X2 0.906253 1.000000 -0.165819
X3 0.064030 -0.165819 1.000000
由上表可以看出，解释变量X1与X2之间的相关系数较大，而X3与X2、X1之间关联并不紧密。但根据经济意义，居民消费价格指数对居民消费水平的影响重大。当国民生产总值一定时，居民消费价格指数越高，居民的消费水平越低。此变量不可轻易舍去。我们采用数据结合的方式，用X2/X3表示当年实际国民生产总值X2来回避原模型的多重共线性，那么
Y=C+β1x1+β2X4+Ui
用EVIEWS软件和最小二乘法对数据进行回归分析（见附表三），
可得方程如下：
Y= -21931720.+ 3087.033x1 + 391459 X4
(-4.1806) (4.3532) (18.3189)
R^2=0.9908 F=1190.43
从上式可以看出，经过数据处理后，模型的统计检验效果更为显著。
（2）异方差检验
运用goldfeld－quandt 检验
先取1978－1987，然后由ols得
∑e1^2=1.40e+10
然后取1993－2002，同样由ols得
∑e2^2=3.45e+12
所以，F＝∑e1^2/∑e2^2=246.4286
而在给定a＝0.05条件下，F(8，8)＝2.59<246.4286，则拒绝原假设，表明存在异方差。
然后，采用对数变换法修正(见附表四)，修正后得：
Ly=-34.44693+5.408532lx1+0.652440lx4
（11.74645） (1.328105) (0.071575)
R^2=0.996658 R^2=0.996354 F=3280.586
此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。
3）自相关检验
由附表七可知：d=0.654338。在显著水平=0.05下，查表 n=25，k’=2时，DL =1.206，du=1.550，由于d=0.654338<DL=1.206，表明该模型中的误差序列存在一阶自相关。
下面用广义差分法进行修正，由d=0.654338，计算出=1-=0.672831，构造差分模型并估计得： DLY=-26.51033+11.25021DLX1-0.183533DLX4
(8.088471) (2.578296) (0.070776)
=0.965518 F=294.0034 DW=0.824029
仍不行，再用Cochrane-orcutt迭代法（见附表五）
经过这样修正后，DW值有所提高，d＝1.546389，不再存在自相关。
六 结论
七 建议
八 参考文献及附表
范剑平主编： 《居民消费与中国经济发展》 中国计划出版社 2000年版
苏志平、徐淳厚编著： 《消费经济学》 中国财政经济出版社 1997年版
附表一：
年份 居民消费总水平（元） 人口（万人） 国民生产总值（亿元） 居民消费价格总指数（以上一年为100）
1978 1060289.967 7071.9 184.61 99.6
1979 1174740.09 7120.5 205.81 105.4
1980 1325283.604 7154.8 229.44 108.1
1981 1427389.992 7215.6 242.68 101.9
1982 1591925.224 7300.4 275.71 102.3
1983 1777437.394 7336.9 311.85 100.7
1984 2034967.76 7364 359 102.3
1985 2377440.492 7419.3 422.3 106.8
1986 2565914.802 7511.9 459.79 103.9
1987 2922326.82 7613.2 532.79 107.5
1988 3613435.792 7716.4 661.81 120
1989 4221765.296 7803.2 747.37 118.3
1990 5160274.35 7892.5 894.21 103.1
1991 5726946.246 7947.8 1020.88 102.3
1992 6395198.596 7992.2 1182.96 106.4
1993 8020280.338 8037.4 1492.84 113.9
1994 10772809.75 8098.7 2009.7 124.6
1995 13140184.9 8161.2 2516.56 118.5
1996 15480688.99 8215.4 2998.79 109.3
1997 16944535.88 8264.7 3335.78 105.1
1998 17636435.5 8315.7 3596.81 99.6
1999 18316952.45 8358.6 3728.96 98.5
2000 20050374.15 8407.5 4028.46 100.1
2001 20803896.31 8436.6 4445.88 102.1
2002 22212596.7 8474.5 4911.33 99.7
附表二
Variable Coefficient Std. Error t-Statistic Prob.
C -11202226 3240461. -3.456986 0.0024
X1 1407.173 508.1876 2.769003 0.0115
X2 4354.767 153.4726 28.37488 0.0000
X3 12942.69 14041.93 0.921717 0.3671
R-squared 0.997170 Mean dependent var 8270164.
Adjusted R-squared 0.996765 S.D. dependent var 7395971.
S.E. of regression 420630.9 Akaike info criterion 28.88255
Sum squared resid 3.72E+12 Schwarz criterion 29.07757
Log likelihood -357.0318 F-statistic 2466.307
Durbin-Watson stat 0.665779 Prob(F-statistic) 0.000000
附表三
Dependent Variable: Y
Method: Least Squares
Date: 06/03/04 Time: 11:18
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -21931720 5246125. -4.180556 0.0004
X1 391459.0 21369.14 18.31889 0.0000
X4 3087.033 709.1374 4.353222 0.0003
R-squared 0.990844 Mean dependent var 8270164.
Adjusted R-squared 0.990012 S.D. dependent var 7395971.
S.E. of regression 739156.8 Akaike info criterion 29.97657
Sum squared resid 1.20E+13 Schwarz criterion 30.12284
Log likelihood -371.7072 F-statistic 1190.430
Durbin-Watson stat 0.504862 Prob(F-statistic) 0.000000
附表四
Dependent Variable: LY
Method: Least Squares
Date: 06/04/04 Time: 19:50
Sample: 1978 2002
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -34.44693 11.74645 -2.932540 0.0077
LX1 5.408532 1.328105 4.072368 0.0005
LX4 0.652440 0.071575 9.115418 0.0000
R-squared 0.996658 Mean dependent var 15.45435
Adjusted R-squared 0.996354 S.D. dependent var 1.050335
S.E. of regression 0.063419 Akaike info criterion -2.565955
Sum squared resid 0.088482 Schwarz criterion -2.419690
Log likelihood 35.07444 F-statistic 3280.586
Durbin-Watson stat 0.654338 Prob(F-statistic) 0.000000
附表五
Dependent Variable: DY
Method: Least Squares
Date: 06/04/04 Time: 20:14
Sample(adjusted): 1980 2002
Included observations: 23 after adjusting endpoints
Convergence achieved after 8 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -22.93613 12.79508 -1.792574 0.0890
DX1 10.06849 4.103653 2.453544 0.0240
DX4 -0.196976 0.107628 -1.830146 0.0830
AR(1) 0.610870 0.193557 3.156026 0.0052
R-squared 0.974648 Mean dependent var 5.185680
Adjusted R-squared 0.970645 S.D. dependent var 0.320107
S.E. of regression 0.054845 Akaike info criterion -2.811841
Sum squared resid 0.057152 Schwarz criterion -2.614363
Log likelihood 36.33617 F-statistic 243.4806
Durbin-Watson stat 1.546389 Prob(F-statistic) 0.000000
Inverted AR Roots .61
计量经济学》课程^论文
四川省居民消费水平影响因素的分析
（^论文理论综述及结构雏形）
【摘要】
消费水平关系着每位消费者实际生活水平的状况，因而是消费经济研究的基本问题。一国消费水平的高与低，有一系列的国际的衡量和评价指标。消费水平变动受多种因素的影响，并有客观的数量界限。总结历史的经验和教训，采取各种措施在建设现代化的工业及国民经济体系中，使人们的消费水平稳步提高，是我国的一项长期战略任务。
本文旨在对近二十年我国四川省的居民消费水平及其影响因素进行实证分析来探索提高居民消费水平的方法，用以为政府制定各项政策做参考。首先，我们根据消费经济学的知识找出了一些影响居民消费水平的因素；进而我们建立了关于四川省居民消费水平的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并提高居民消费水平提出一些建议。
【关键词】
消费水平 人口总数 国民生产总值 消费价格指数 EVIEWS软件 计量经济学 检验
一 引言
改革开放以来，我国居民收入与消费水平不断提高，居民消费结构转换和消费需求扩张成为我国经济高速增长的主要动力，特别是进入90年代以来，居民消费需求对国民经济发展的影响不断增大。
但是，对国民经济总体需求变化和居民消费变化的考察使人们发现：一方面，随着市场经济逐步建立和买方市场的出现，消费需求增长对经济增长的影响逐渐增强；令一方面，我国居民消费领域已经出现了一些可能影响国民经济发展全局的隐忧。其中最为突出的隐忧，一是最终消费率和居民消费率明显偏低。居民消费率过低而居民储蓄率过高将可能导致我国经济增长在今后一段时期受到严重的国内市场需求约束。二是城乡居民消费结构升级受阻。一方面，受制度急剧变化和消费预期影响，城镇居民边际消费倾向快速下降，出现“有钱不敢花”的谨慎消费现象；另一方面，城乡收入差距重新拉大，农民出现“想买没钱买”的现象。城乡居民消费结构升级受阻，使消费结构升级对国民经济发展的支撑作用减弱。
因此，及时把握国民经济发展格局中居民消费需求变动趋势，制定符合我国现阶段情况的国民消费政策，对于提高我国经济增长的速度和质量都有十分重要的意义。
二 经济理论陈述
所谓消费水平，从宏观角度考察是指社会全体消费者的物质文化需要得到满足的程度；或者说是社会提供给众多消费者用于生活的消费的产品和服务的数量和质量。也就是说，消费水平的含义既包括了消费品，又包括了消费服务，而且从消费水平的发展趋势看，消费服务将越来越占有重要的地位；既包括了数量也包括了质量。质量的因素不仅是消费水平不可忽视的重要内容，而且也成为消费水平高低的越来越重要的衡量标志。
消费水平从微观上考察，就是消费者及其家庭生活需要的满足程度，或者讲是消费者及其得到或可支配的消费品和服务的数量和质量以及金融资产的状况。我们对消费水平的考察着重于宏观方面，即对消费水平的研究还要结合物质和精神文化需要的满足程度。
下面我们着重说明影响消费水平的主要因素：
影响消费水平的主要因素可以分为两大类，即自然因素和社会经济因素。前者包括资源状况：水文、气候情况、地形地貌、农作物生长条件等。后者包括生产力状况、国民生产总值规模、人口总量、价格水平、交通条件、教育状况、进出口、就业、市场等。我们具体进行分析：
（一）社会的劳动生产率及其增长速度
任何社会，其劳动生产率的高低总是决定着消费水平的状况。只有通过发展生产，在提高社会劳动生产率的基础上才能从根本上提高人们的消费水平。舍此，消费水平的增长就失去了基础，可能一时上去了但总要掉下来。在其他条件不变的情况下，一国消费水平的高低与该国劳动生产率及其增长成正比。在市场经济条件下，必须强调劳动生产率的增长应该是集约的而不是粗放的，因而应是有效率的而不是乱铺摊子、高投入的结果。
（二）国民生产总值的总规模及其在总消费、总投资、净出口之间的支出分配
国民生产总值是按市场价格计算的一国所有常住单位在报告期内原始收入的初次分配的结果。显然，国民生产总值总规模越大，在支出分配比例不变的条件下，总消费就越大，如人口为一定，则人均消费水平就会提高。
在国民生产总值总规模一定的情况下，消费水平又主要取决于总消费、总投资及净出口之间的支出或分配比例。此比例关系中，如总消费占的比例越大，消费总量实际就越大，因而消费水平就越高，反之就越低。而总投资特别是生产性投资及净出口占的比例越大，当前的消费水平就越低，反之就越高。应当看到，总消费与总投资即是消费与投资建设的关系，又是即期消费与远期消费之间的关系。应为消费水平的长期稳定提高奠定和创造坚实的基础，而不应“分光吃净”。
（三）总消费内部的比例也直接影响消费水平及其实现
根据新的统计口径，总消费分为两个方面，即居民消费和社会消费。前者指常住居民在一定时期内对货物和服务的全部最终消费。包括居民以货币直接购买的各种消费品和支付的房租、交通、医疗、文教等服务支出，居民本期的自产自用的消费品及自有住房的虚拟消费；居民以实物工资的形式获得的各种生活消费品等，后者指社会公共服务部门将其生产活动总成果提供给政府、由政府部门购买并提供给社会享用的社会消费支出。两者的关系，居民消费是关系消费者消费水平的直接因素，而社会消费是消费者进行消费活动不可缺少的条件。但社会消费并不能使任何一位消费者都能直接得到或进行此项消费，因此它对消费者的消费水平是间接的影响因素。
（四）消费品价格水平及其内部比价
消费品价格水平与消费水平呈逆向变动。表现为：一是在货币收入为一定时，实际消费水平高低与物价水平高低成反比，物价水平越高，实际消费水平就越低，反之则越高。二是各类消费品价格对比关系，也影响人们的实际消费水平。特别是对收入水平不同的消费者会有不同的影响。如基本消费品价格上涨而非必需品价格下降，可带来低收入消费者的消费水平下降和高收入消费者的消费水平提高。
（五）产品结构及产品质量
产品结构的变动通过引起消费结构的良性变动或逆向变动而影响消费水平的高低。此外，工业产品的质量与消费水平也密切相关。在其它条件相同的情况下，提高产品质量可延长消费品的使用寿命，减少消费者的频繁购买，从而使其实际消费水平提高，反之，消费者的实际消费水平就会下降。
（六）人口总量、人口增长速度及人口的社会结构
一般地说，人口总量与消费水平成反比。在国民生产总值一定的情况下，社会平均消费水平与人口数量成反比。在国民生产总值一定，总消费与总投资的比例一定的情况下，社会平均消费增长速度与人口增长速度成反比。通常一国人口增长过快会引起人口结构的年轻化，青年人占社会总人口的比重上升，未达到劳动年龄的人口增加，可能影响近期消费水平提高的速度，但可能未来发展比较有后劲。
此外，社会的生产关系、消费关系的完善程度，消费政策的调整，居民消费方式的选择、消费储蓄的变动情况，社会消费信贷宽紧情况，对外贸易的规模及进出口产品的结构，社会的交通、教育的发达程度及基础设施的情况，经济组织的效率及市场的供应情况，以及人们消费习俗的沿袭和变迁等也都在不同范围和不同程度上影响居民的实际消费水平。
由以上的分析可以看出，影响消费水平的因素很多，主要的有社会劳动生产率、国民生产总值的总规模、总消费、消费品价格水平、产品结构及产品质量、人口总量、人口增长速度及人口的社会结构等。我们依此理论对四川省的居民消费水平利用最小二乘法进行多因素分析。
三 计量经济模型的建立
四 相关数据收集
五 模型的参数估计、检验及修
六 结论
七 建
八 参考文献及附表
范剑平主编： 《居民消费与中国经济发展》 中国计划出版社 2000年版
苏志平、徐淳厚编著： 《消费经济学》 中国财政经济出版社 1997年版
计量经济学》课程^论文
餐饮业区域市场潜力的影响因素分析
（修正稿）
小组成员（工商管理专业02级）：
指导教师：黎实
【摘要】
众所周知，在我国“西部大开发”发展战略当中，成都和四川的开发占有举足轻重的地位。对于一个企业来说，如果考虑对一个地区进行投资，那么该地区的区域市场潜力将是首要考虑的因素之一。本文旨在对近二十年我国四川省的餐饮业销售额及其影响因素进行实证分析来探索评估区域市场潜力的方法以为公司投资决策做参考。首先，我们综合了几种关于市场需求调查与预测的主要理论观点；进而我们建立了关于四川省餐饮业销售额的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并相应提出一些建议。
。
【关键词】
餐饮业零售额 居民消费水平 社会消费品零售总额 人口总数 EVIEWS软件 市场需求
一 引言
我国提出西部开发已经有好几年了，现在，大多数行业在发展的同时都会特别提到西部地区的发展情况。西部大开发战略意义重大，其成功与否将直接关系到我国的国际竞争力。而在实施西部大开发战略中，一个非常重要的因素就是发展经济，提高居民购买力，扩大市场需求量。
市场需求量的测量是企业制定正确营销战略的前提条件。在激烈市场竞争中，如果哪家企业能正确估计当前的市场需求并把握未来需求的态势，那么该企业就能掌握市场变化的主动权，从而在竞争中求得生存和发展。
在企业的具体实践中，可以依据测量对象在发生时间上的不同，把居民购买力水平分为两大类型，即对目前需求的估量和对未来需求的预测。而我们建模的目的就是通过对四川省某行业（餐饮业）的消费进行调查和预测以便于任何一家四川省的该行业企业或打算对四川该行业进行投资的企业做决策。
另外，就某一行业分析，近几年四川省餐饮业市场红火。今年以来,四川省政府各级有关部门切实做好了禽流感的预防、监测和控制工作，能够保证让市民放心消费，禽流感对餐饮市场影响不大。城乡居民生活水平不断提高和生活节奏的加快，外出休闲就餐的居民不断增加，同时，一些餐饮业企业进一步增强创新经营观念，突出个性经营和品牌理念，提高服务质量，从而吸引大量的消费者，促进了四川省餐饮业的进一步发展。
因此，我们选择四川省的餐饮业进行建模。
二 经济理论陈述
本次建模我们主要运用《市场营销学》中的市场需求理论，下面进行具体陈述：
（1） 市场需求的层次
在市场营销活动中常谈到一个产品是否“有市场”。营销中有四个市场名词：潜在市场、有效市场、服务市场和渗透市场。这四个不同的市场名词各代表不同的含义及大小。依市场需求量的大小，其关系可表示为：
潜在市场>=有效市场>=服务市场>=渗透市场
对于市场的层次来说，各类市场的层次是不尽相同的，它们各自在总体市场上占有不同的比例。
（2） 市场需求调查中的“需求”的含义
某产品的市场需求，通常是指在特定的地理区域、特定的时间、特定的营销环境中，由特定的消费者购买的总量。
（3） 市场需求的基本内容
市场需求测量，可以根据测量所要达到的目的及所需的条件从多层次多侧面进行。
在企业实践中，可以根据测量对象在发生时间上的不同，把需求测量分为两大类型，即对目前需求的估量和对未来需求的预测。
通常情况下，对未来需求的预测比对目前需求的估量要复杂和困难的多，而且预测的时距越长越困难。
三 计量经济模型的建立
根据上述需求理论中的基本概念，我们分析影响区域市场潜量的主要因素有区域社会消费品零售总额，区域人均消费水平和区域总人口数。由此建立了如下的计量经济学模型：
Y=C+β1x1+β2X2+β3x3+Ui
其中Y 表示四川省餐饮业零售额，x1表示四川省人均消费水平，x2表示社会消费品零售总额，x3表示四川省人口数，单位分别为万元、元/人、万元和万人。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。
四 相关数据收集
1 数据来源说明：本文数据除1986年外均摘自《1998年四川统计年（因1986年数据缺失，而采用了《1991年四川统计年鉴》的86年数据进行换算），数据口径基本一致。
2 数据的收集情况：采用时间序列数据（1978——1997），具体情况见附表1。
五 模型的参数估计、检验及修正
1. 模型的参数估计及其经济意义、统计推断的检验
我们用EVIEWS软件和最小二乘法对数据进行回归分析(见附表二)，
可得方程如下：
Y = 1861350 - 437.6427X1 + 0.1921X2 – 265.5488X3 + Ui
(391927.4) (321.9169) (0.053366) (54.17442)
t=（4.749222） （-1.35949 ） （3.599652） （-4.901738）
R^2 =0.986064 F=377.3720
由F=377.372>F0.05(3,16)=3.24(显著性水平a=0.05),表明模型从整体上看四川省餐饮销售量与解释变量之间线性关系显著。但X1，X3系数的符号与经济意义相悖，从经济意义上讲，餐饮业区域销售量应随着区域总人口和区域人均消费水平的增加而增加。我们对上述模型进行计量经济学的检验，并进行修正，看是否能使模型方程得到改进。
2. 计量经济学检验
（1）多重共线性检验
用EVIEWS软件，得相关系数矩阵表
X1 X2 X3
X1 1.000000 0.998618 0.892967
X2 0.998618 1.000000 0.886325
X3 0.892967 0.886325 1.000000
由上表可以看出，解释变量X1与X2 、X1与X3 、 X2与X3之间的相关系数都较大，可见存在严重的多重共线性。在经济意义上，人均消费水平，区域社会消费品零售总额，人口多寡都与经济的发展密切相关，这使得他们之间的相关性很强。
下面我们利用逐步回归法（变量剔除法）进行修正（见附表三、四、五）：
Y=2025316.+ 0.119993x2-289.3563x3
t＝ (5.3005) (19.8602) (-5.5085)
R^2=0.9845 F=538.2767
Y=-58298.9 +0.251898x2-947.7207x1
(-2.4730) (3.1598) (-2.0274)
R^2=0.9651 F=235.3099
Y=--77977.08 +0.0905x2
(-3.3515) (19.9442)
R^2=0.9567 F=397.7711
此时，修正可决系数开始下降，但所有参数的t值都已经比较显著，故不再删除变量，选择此模型为修正后的模型。
（2） 异方差检验（Goldfeld-Quandt检验，具体数据见附表六，七）
在procs中选定sort series,键入x2.。在sample中定义时间为1978－1985，然后用ols法求得：
Y=22801.01+0.038768x2
(8733.607) (0.007029)
R^2=0.835241 ∑e1^2=3.36e+08
Y＝-277572.8+0.113425x2
(75883.50) (0.009234)
R^2=0.967922 ∑e2^2=2.65e+10
求F统计量： F＝∑e2^2/∑e1^2＝78.86905
在给定显著性水平a＝0.05时，比较得F＝78.86905>4.28，则表明存在异方差。
下面我们用对数变换法进行修正（见附表八）
修正后的方程为：
Y ＝-4.159209+1.091890x2
（0.707612） （0.047738）
R^2＝0.966738 F＝523.1632
此时，异方差性得到削弱，参数估计精度有所提高，修正可决系数及F值也稍有提高。
（3）自相关检验
由附表八得d＝0.400126，在显著水平=0.05下，查表 n=20，k’=1时，DL =1.201，du=1.411，由于d=0.400126<DL=1.201，表明该模型中的误差序列存在一阶自相关。
下面用广义差分法进行修正，由d=0.400126，计算出=1-d/2=0.799937，构造差分模型并估计，得
DLY=-1.746574+1.387530DLX2
t=(-4.347077) (10.72852)
=0.863741 F=115.1101 DW=1.996049
发现经过广义差分法修正后，DW值有所提高，不存在自相关
六 结论
可见，由模型得出，尽管从经济背景分析来看，居民人均消费水平和区域人口总数会影响区域餐饮业销售额，但实证分析表明，四川省餐饮业销售额主要取决于四川省社会消费品零售总额。
附表1
obs Y(万元) X1（元/人） X2（万元） X3（万人）
1978 41245 149.93 615837 7071.9
1979 60989 163.28 774058 7120.5
1980 51175 184.86 879090 7154.8
1981 69097 201.57 1191331 7215.6
1982 73262 213.93 1263139 7300.4
1983 80374 239.12 1385766 7336.9
1984 94153 272.26 1623342 7364.0
1985 79348 320.44 1740025 7419.3
1986 96034 342.92 2017754 7511.9
1987 117778 395.98 2318403 7613.2
1988 151113 491.53 3005535 7716.4
1989 170102 555.77 3284198 7803.2
1990 195884 654.20 3398651 7892.5
1991 220437 712.99 3877233 7947.8
1992 259679 800.18 4534259 7992.2
1993 342233 997.87 5548467 8037.4
1994 476264 1330.19 7247408 8098.7
1995 698435 1610.08 9363651 8161.2
1996 942513 1859.92 10914485 8215.4
1997 1198065 2050.00 12123699 8264.7
附表2
Dependent Variable: Y
Method: Least Squares
Date: 05/20/04 Time: 22:44
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 1861350. 391927.4 4.749222 0.0002
X1 -437.6427 321.9169 -1.359490 0.1928
X2 0.192100 0.053366 3.599652 0.0024
X3 -265.5488 54.17442 -4.901738 0.0002
R-squared 0.986064 Mean dependent var 270909.0
Adjusted R-squared 0.983451 S.D. dependent var 320910.0
S.E. of regression 41282.61 Akaike info criterion 24.27113
Sum squared resid 2.73E+10 Schwarz criterion 24.47027
Log likelihood -238.7113 F-statistic 377.3720
Durbin-Watson stat 1.165475 Prob(F-statistic) 0.000000
附表3
Dependent Variable: Y
Method: Least Squares
Date: 05/21/04 Time: 09:43
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 2025316. 382098.2 5.300512 0.0001
X2 0.119993 0.006042 19.86015 0.0000
X3 -289.3563 52.52932 -5.508472 0.0000
R-squared 0.984454 Mean dependent var 270909.0
Adjusted R-squared 0.982625 S.D. dependent var 320910.0
S.E. of regression 42299.97 Akaike info criterion 24.28044
Sum squared resid 3.04E+10 Schwarz criterion 24.42980
Log likelihood -239.8044 F-statistic 538.2767
Durbin-Watson stat 0.947258 Prob(F-statistic) 0.000000
附表4
Dependent Variable: Y
Method: Least Squares
Date: 05/21/04 Time: 13:30
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -58298.90 23574.56 -2.472958 0.0243
X1 -947.7207 467.4451 -2.027448 0.0586
X2 0.251898 0.079719 3.159814 0.0057
R-squared 0.965137 Mean dependent var 270909.0
Adjusted R-squared 0.961035 S.D. dependent var 320910.0
S.E. of regression 63346.03 Akaike info criterion 25.08809
Sum squared resid 6.82E+10 Schwarz criterion 25.23745
Log likelihood -247.8809 F-statistic 235.3099
Durbin-Watson stat 0.671669 Prob(F-statistic) 0.000000
附表5
Dependent Variable: Y
Method: Least Squares
Date: 05/21/04 Time: 09:52
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -77977.08 23266.21 -3.351516 0.0036
X2 0.090495 0.004537 19.94420 0.0000
R-squared 0.956707 Mean dependent var 270909.0
Adjusted R-squared 0.954302 S.D. dependent var 320910.0
S.E. of regression 68601.39 Akaike info criterion 25.20465
Sum squared resid 8.47E+10 Schwarz criterion 25.30423
Log likelihood -250.0465 F-statistic 397.7711
Durbin-Watson stat 0.433612 Prob(F-statistic) 0.000000
附表6
Method: Least Squares
Date: 05/21/04 Time: 22:31
Sample: 1978 1985
Included observations: 8
Variable Coefficient Std. Error t-Statistic Prob.
C 22801.01 8733.607 2.610721 0.0401
X2 0.038768 0.007029 5.515153 0.0015
R-squared 0.835241 Mean dependent var 68705.38
Adjusted R-squared 0.807782 S.D. dependent var 17066.46
S.E. of regression 7482.401 Akaike info criterion 20.89081
Sum squared resid 3.36E+08 Schwarz criterion 20.91067
Log likelihood -81.5633 F-statistic 30.41691
Durbin-Watson stat 2.422685 Prob(F-statistic) 0.001494
附表七
Dependent Variable: LY
Method: Least Squares
Date: 05/21/04 Time: 22:10
Sample(adjusted): 1993 1997
Included observations: 5 after adjusting endpoints
Convergence achieved after 11 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C -11.1815 9.763849 -1.14519 0.3707
LX2 1.53898 0.610742 2.519854 0.128
AR(2) -0.20765 2.81146 -0.07386 0.9478
R-squared 0.987795 Mean dependent var 13.40522
Adjusted R-squared 0.97559 S.D. dependent var 0.505785
S.E. of regression 0.079023 Akaike info criterion -1.95445
Sum squared resid 0.012489 Schwarz criterion -2.18878
Log likelihood 7.886116 F-statistic 80.93232
Durbin-Watson stat 1.413427 Prob(F-statistic) 0.012205
附表八
Dependent Variable: LY
Method: Least Squares
Date: 05/21/04 Time: 22:46
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C -4.15921 0.707612 -5.87781 0
LX2 1.09189 0.047738 22.87276 0
R-squared 0.966738 Mean dependent var 11.99817
Adjusted R-squared 0.96489 S.D. dependent var 0.986819
S.E. of regression 0.184906 Akaike info criterion -0.4433
Sum squared resid 0.615422 Schwarz criterion -0.34373
Log likelihood 6.43302 F-statistic 523.1632
Durbin-Watson stat 0.400126 Prob(F-statistic) 0
附表九
Method: Least Squares
Date: 05/21/04 Time: 23:06
Sample(adjusted): 1979 1997
Included observations: 19 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -1.74657 0.401781 -4.34708 0.0004
DX2 1.38753 0.129331 10.72852 0
R-squared 0.871311 Mean dependent var 2.556664
Adjusted R-squared 0.863741 S.D. dependent var 0.275586
S.E. of regression 0.101728 Akaike info criterion -1.63373
Sum squared resid 0.175926 Schwarz criterion -1.53431
Log likelihood 17.52041 F-statistic 115.1011
Durbin-Watson stat 1.996049 Prob(F-statistic) 0
《计量经济学》课程^论文
影响餐饮业因素的实证分析
（初稿）
小组成员（工商管理专业02级）：
王丹 应婷 吴志刚 李睿 李治海
指导教师：黎实
日期：2004年3月－5月
【摘要】
众所周知，在我国“西部大开发”发展战略当中，成都和四川的开发占有举足轻重的地位。对于一个企业来说，如果考虑对一个城市进行投资，那么该地区的居民购买力水平将是首要考虑的因素之一。而居民购买力水平主要用于估量消费品的区域市场潜力，是市场需求量的一个重要决定因素。本文旨在对近几年我国四川省的餐饮业销售额及其影响因素进行实证分析来说明成都市的居民购买力水平。首先，我们综合了几种关于市场需求调查与预测的主要理论观点；进而我们建立了关于四川省餐饮业销售额的理论模型；然后，收集了相关的数据，利用EVIEWS软件对此模型进行了参数估计和检验，并加以修正；最后，我们对所得的分析结果作了经济意义的分析，得出一些结论，并相应提出一些建议。
本模型对估量一个地区的居民购买力有较强的实用性和普遍性(特别是针对某一行业)，具有现实指导意义。
【关键词】
餐饮业零售额 居民平均消费水平 社会消费品零售总额 人口数 EVIEWS软件 市场需求 市场预测
一 引言
我国提出西部开发已经有好几年了，现在，几乎大多数行业在发展的同时都会特别提到西部地区的发展情况。西部大开发战略意义重大，其成功与否将直接关系到我国的国际竞争力。而在实施西部大开发战略中，一个非常重要的因素就是发展经济，提高居民购买力，扩大市场需求量。
市场需求量的测量是企业制定正确营销战略的前提条件。在激烈市场竞争中，如果哪家企业能正确估计当前的市场需求并把握未来需求的态势，那么该企业就能掌握市场变化的主动权，从而在竞争中求得生存和发展。
在企业的具体实践中，可以依据测量对象在发生时间上的不同，把居民购买力水平分为两大类型，即对目前需求的估量和对未来需求的预测。而我们建模的目的就是通过对四川省餐饮业的分析，对居民购买力进行调查和预测。这便于任何一家四川省的企业或打算对四川进行投资的企业做决策。
另外，就某一行业分析，近几年四川省餐饮业市场红火。今年以来,四川省政府各级有关部门切实做好了禽流感的预防、监测和控制工作，能够保证让市民放心消费，禽流感对餐饮市场影响不大。城乡居民生活水平不断提高和生活节奏的加快，外出休闲就餐的居民不断增加，同时，一些餐饮业企业进一步增强创新经营观念，突出个性经营和品牌理念，提高服务质量，从而吸引大量的消费者，促进了四川省餐饮业的进一步发展。
中国加入WTO后至 2005年，中国零售业市场完全放开，市场的竞争将极为残酷；中国零售业者必须提高企业的竞争力，来适应自身发展.但可喜的是：2003年四川省社会消费品零售总额2091.1亿元，首次突破2000亿元大关，增长10.8%。 势头良好。
因此，我们选择四川省的餐饮业进行建模。
二 经济理论陈述
本次建模我们主要运用《市场营销学》中的市场需求理论，下面进行具体陈述：
（1） 市场需求的层次
在市场营销活动中常谈到一个产品是否“有市场”。营销中有四个市场名词：潜在市场、有效市场、服务市场和渗透市场。这四个不同的市场名词各代表不同的含义及大小。依市场需求量的大小，其关系可表示为：
潜在市场>=有效市场>=服务市场>=渗透市场
对于市场的层次来说，各类市场的层次是不尽相同的，它们各自在总体市场上占有不同的比例。
（2） 市场需求测量中“需求”的含义
“需求”的定义比较广泛，在不同场合必须加以区分。这里从“需求”的角度对需求作出相应的规定。
1 市场需求
某产品的市场需求，通常是指在特定的地理区域、特定的时间、特定的营销环境中，由特定的消费者购买的总量。
2 市场潜量
市场潜量通常是指在特定营销环境下，随着行业营销活动的强化及不懈努力，某类产品的市场需求所能达到的最大极限（或者称为最高市场需求）。
3 企业需求
企业需求通常是指某企业在市场需求中所占的份额。
4 企业潜量
企业潜量通常是指某企业需求所能达到的最大极限。在特殊情况下，企业需求的最大极限可能与市场潜量等同；但在绝大多数情况下，企业潜量是低于市场潜量的。
（3） 市场需求的基本内容
市场需求测量，可以根据测量所要达到的目的及所需的条件从多层次多侧面进行。
在企业实践中，可以根据测量对象在发生时间上的不同，把需求测量分为两大类型，即对目前需求的估量和对未来需求的预测。
通常情况下，对未来需求的预测比对目前需求的估量要复杂和困难的多，而且预测的时距越长越困难。
（4） 目前需求的估量方法
1 总市场潜量的估量方法
总市场潜量可用下面的公式估算： Q＝nqp 其中：Q表示总市场潜量，n表示假定条件下，市场上的购买者数量，p表示每个购买者的平均购买量，q表示单位产品的平均价格。
2 区域市场潜量的估量方法
每个企业都希望选择教理想的区域，同时亦有一个在区域间有效地分配营销预算的要求，因而必须估量不同地区的市场潜量。对此，美国有效的使用了两种方法：
A 市场建立法：主要用来估量生产资料的区域市场潜量。具体方法是采用美国普查局的“标准行业分类系统”来确定每个区域市场上所有潜在的生产资料的购买者数量及其购买量。
B 购买力指数法：主要用于估量消费品的区域市场潜量。用公式表示为：Bi=0.5yi+0.3ri+0.2pi 其中Bi表示i地区占全国购买力的百分率，yi表示i地区个人可支配收入占全国的百分率，ri表示i地区占全国零售总额的百分率，pi表示i地区占全国人口的百分率。
实践中，情况会复杂些，有时需要相应地加入其他一些因素，如竞争因素、季节因素、地区特征等，对预测值作出必要调整。
（5） 未来需求的预测方法
企业对未来需求进行预测，一般需要经过“环境预测－行业预测－企业销售预测”这样的过程。
1 用于环境预测的主要方法
A 专家意见法
由专家们对未来可能出现的趋势作出评价的方法。
B 趋势延伸法
利用过去的时间序列资料，导出最佳曲线进行外推的方法。
C 交叉影响分析法
找出那些重要性和可能性较高的趋势，然后分析并判断它们可能对其他方面产生影响的方式。
2 用于行业预测和企业销售预测的主要方法
A 购买者意向调查法
对购买者的意向进行周期性的调查，从中获得信息，通过综合分析，预测出消费者购买意向的主要变动方向。
B 销售人员意见综合法
因某些原因不宜向购买者直接调查时，可依据销售人员作出的估计加以汇总。
C 指数平滑法
指数平滑法是指仅依据过去和目前的原始数据，解释时间序列的波动并作出预测的方法。
D 回归分析法
这是一种因果分析预测方法（计量经济学中有详尽陈述）。
三 计量经济模型的建立
根据上述目前需求理论中的区域市场潜量的估量方法，我们将购买力指数法做以改进，建立了如下的计量经济学模型：
Y=C+β1x1+β2X2+β3x3+Ui
其中Y 表示四川省餐饮业零售额，x1表示四川省人均消费水平，x2表示社会消费品零售总额，x3表示四川省人口数，单位分别为万元、元/人、万元和万人。C、β1、β2、β3表示要估计的参数，Ui表示随机扰动向扰动项，代表了影响Y的其他因素。
四 相关数据收集
据模型，收集数据如下：
obs Y(万元) X1（元/人） X2（万元） X3（万人）
1978 41245 149.93 615837 7071.9
1979 60989 163.28 774058 7120.5
1980 51175 184.86 879090 7154.8
1981 69097 201.57 1191331 7215.6
1982 73262 213.93 1263139 7300.4
1983 80374 239.12 1385766 7336.9
1984 94153 272.26 1623342 7364.0
1985 79348 320.44 1740025 7419.3
1986 96034 342.92 2017754 7511.9
1987 117778 395.98 2318403 7613.2
1988 151113 491.53 3005535 7716.4
1989 170102 555.77 3284198 7803.2
1990 195884 654.20 3398651 7892.5
1991 220437 712.99 3877233 7947.8
1992 259679 800.18 4534259 7992.2
1993 342233 997.87 5548467 8037.4
1994 476264 1330.19 7247408 8098.7
1995 698435 1610.08 9363651 8161.2
1996 942513 1859.92 10914485 8215.4
1997 1198065 2050.00 12123699 8264.7
五 模型求解和检验
我们用EVIEWS软件和最小二乘法对数据进行回归分析，分析结果如下：
Dependent Variable: Y
Method: Least Squares
Date: 05/18/04 Time: 20:28
Sample: 1978 1997
Included observations: 20
Variable Coefficient Std. Error t-Statistic Prob.
C 1861350 391927.4 4.749222 0.0002
X1 -437.6427 321.9169 -1.35949 0.1928
X2 0.1921 0.053366 3.599652 0.0024
X3 -265.5488 54.17442 -4.901738 0.0002
R-squared 0.986064 Mean dependent var 270909.0
Adjusted R-squared 0.983451 S.D. dependent var 320910.0
S.E. of regression 41282.61 Akaike info criterion 24.27113
Sum squared resid 2.73E+10 Schwarz criterion 24.47027
Log likelihood -238.7113 F-statistic 377.3720
Durbin-Watson stat 1.165475 Prob(F-statistic) 0.000000
可得方程如下：
Y = 1861350 - 437.6427X1 + 0.1921X2 – 265.5488X3 + Ui
(391927.4) (321.9169) (0.053366) (54.17442)
t=4.749222 -1.35949 3.599652 -4.901738
R^2 =0.986064 F=377.3720
