線性回歸在經(jīng)濟學(xué)中的應(yīng)用

線性回歸在經(jīng)濟學(xué)中的應(yīng)用[摘要]線性回歸分析是當(dāng)代統(tǒng)計關(guān)系學(xué)的分支之一，也是用于經(jīng)濟領(lǐng)域開展具體的經(jīng)濟問題預(yù)測的應(yīng)用比較頻繁的一種數(shù)學(xué)方法。本文通過對城鎮(zhèn)居民儲蓄的影響因素和農(nóng)村居民收入增長影響因素，探討了線性回歸的相關(guān)應(yīng)用。在線性回歸在城鎮(zhèn)居民儲蓄中的應(yīng)用中，首先選取了收入水平、利率水平、物價水平以及通貨膨脹率等作為分析變量，然后通過EVIEWS軟件建立了計量經(jīng)濟模型，并逐步進行模型的求解和檢驗以及模型實證分析得出結(jié)論。在線性回歸在農(nóng)村居民收入增長中的應(yīng)用中，首先建立模型，并進行樣本數(shù)據(jù)收集，再通過EVIEWS軟件對數(shù)據(jù)進行求解檢驗，得出結(jié)論。[關(guān)鍵詞]線性回歸經(jīng)濟學(xué)城鎮(zhèn)居民儲蓄農(nóng)村居民收入

Abstract:linearregressionanalysisisoneofthebranchesofcontemporarystatisticalrelations,anditisalsoakindofmathematicalmethodwhichisusedfrequentlyinthefieldofeconomicforecasting.Thispaperdiscussestheinfluencefactorsofurbanresidents'savingsandthefactorsthataffecttheincomegrowthofruralresidents.Intheapplicationoflinearregressioninthesavingsofurbanresidentsinthefirstselectthelevelofincome,interestrate,pricelevelandtheinflationrateasvariables,andthenthroughtheEVIEWSsoftwaretoestablishaneconometricmodel,andgraduallyanalyzesthesolutionofthemodelandtestmodelandempiricalconclusion.Intheapplicationoflinearregressionintheincomegrowthofruralresidents,thefirstmodelwasestablished,andthesampledatawerecollected,andthenthedataweretestedbyEVIEWSsoftware.Keywords:linearregressioneconomics,urbanresidents,ruralresidents'income

目錄第1章緒論 11.1研究背景與意義 11.2研究內(nèi)容 11.3研究現(xiàn)狀 1第2章線性回歸概述 32.1線性回歸的內(nèi)涵 32.2多元線性回歸 3第3章線性回歸在城鎮(zhèn)居民儲蓄中的應(yīng)用 53.1變量選取 53.1.1收入水平 53.1.2利率水平 53.1.3物價水平 53.1.4通貨膨脹率 53.2數(shù)據(jù)收集 63.3計量經(jīng)濟模型的建立 73.4模型的求解和檢驗 73.5模型實證分析結(jié)論 17第4章結(jié)論 19致謝語 20參考文獻 21PAGE17第1章緒論1.1研究背景與意義現(xiàn)實世界中，任何事物或現(xiàn)象都不是孤立存在的，而是相互聯(lián)系、相互制約、相互依存的。當(dāng)某些現(xiàn)象發(fā)生變化時，另一現(xiàn)象也會隨之發(fā)生變化。如商品價格的變化會刺激或抑制商品銷售量的變化；勞動力素質(zhì)的高低會影響企業(yè)的效益；直接材料、直接人工的價格變化會對產(chǎn)品銷售成本有直接的影響；居民收入的高低會影響對該企業(yè)產(chǎn)品的需求量等等。研究這些現(xiàn)象之間的依存關(guān)系，找出它們之間的變化規(guī)律，是對經(jīng)搜集、整理過的統(tǒng)計數(shù)據(jù)進行數(shù)據(jù)分析，為客觀、科學(xué)地統(tǒng)計提供依據(jù)?，F(xiàn)象間的依存關(guān)系大致可以分成兩種類型：一類是函數(shù)關(guān)系，另一類是相關(guān)關(guān)系。相關(guān)關(guān)系是指客觀現(xiàn)象之間確實存在的，但數(shù)量上不是嚴格對應(yīng)的依存關(guān)系。在這種關(guān)系中，對于某一現(xiàn)象的每一數(shù)值，可以有另一現(xiàn)象的若干數(shù)值與之相對應(yīng)。例如成本的高低與利潤的多少有密切關(guān)系，但某一確定的成本與相對應(yīng)的利潤的數(shù)量關(guān)系卻是不確定的。這是因為影響利潤的因素除了成本外，還有價格、供求平衡、消費嗜好等因素以及其他偶然因素的影響。計算相關(guān)系數(shù)只能說明現(xiàn)象間相關(guān)關(guān)系的方向和程度，關(guān)系密切與否，但不能說明一個現(xiàn)象發(fā)生一定量的變化，另一個現(xiàn)象一般也會發(fā)生多大的變化。為了測定現(xiàn)象之間數(shù)量變化上的一般關(guān)系要使用數(shù)學(xué)方法，這類數(shù)學(xué)方法稱為回歸分析?！盎貧w”這個詞的意思，就是指的變量之間的一般數(shù)量關(guān)系。根據(jù)現(xiàn)象之間相關(guān)關(guān)系的表現(xiàn)形式，配合一條直線或曲線，用這條直線或曲線來代表自變量和因變量相隨變動的一般數(shù)量關(guān)系。也就是要建立并求解直線或曲線的數(shù)學(xué)方程式得變量間的一般關(guān)系值。1.2研究內(nèi)容本文通過對城鎮(zhèn)居民儲蓄的影響因素和農(nóng)村居民收入增長影響因素，探討了線性回歸的先關(guān)應(yīng)用。在線性回歸在城鎮(zhèn)居民儲蓄中的應(yīng)用中，首先選取了收入水平、利率水平、物價水平以及通貨膨脹率等作為分析變量，然后通過EVIEWS軟件建立了計量經(jīng)濟模型，并逐步進行模型的求解和檢驗以及模型實證分析得出結(jié)論。1.3研究現(xiàn)狀Smith(Douglas,2000)指出:對儲蓄變化的決定性因素的考慮明顯多于對效用最大化規(guī)模的考慮。正因為基于這方面的考慮，最近的學(xué)者對于居民儲蓄行為的研究沒有拘泥于具體的某一個消費(儲蓄)函數(shù)，而是綜合考慮不同的消費函數(shù)強調(diào)了各個變量。萬廣華、史清華、湯樹梅(2003)引入了包括生命周期理論、預(yù)防性儲蓄理論中各種類型的自變量，分析農(nóng)戶儲蓄行為。張學(xué)鵬(2003)認為中國居民儲蓄存款從收入時序看，主要受當(dāng)年收入和下年收入影響;從收入穩(wěn)定性看，主要受短暫收入影響;從利率看，主要受名義利率影響，而與實際利率的關(guān)系在1990年前后發(fā)生了明顯的結(jié)構(gòu)變動。同時，城鎮(zhèn)居民與農(nóng)村居民儲蓄對收入和利率變動的反映表現(xiàn)出極大的差異性。羅楚亮(2004)引入持久性收入、暫時性收入、收入不確定性的代理變量、醫(yī)療和教育支出的不確定性變量來分析城鎮(zhèn)居民的儲蓄行為。樊綱、王小魯(2004)利用收入水平、城市化水平、交通運輸和通訊設(shè)備條件、銀行卡普及率、養(yǎng)老保險的普及、基尼系數(shù)等變量綜合分析城市居民的消費水平。李成(2007)利用2001-2007年8月的數(shù)據(jù)對居民儲蓄與股票市場之間聯(lián)動關(guān)系進行的實證分析，發(fā)現(xiàn)我國股市交易與居民儲蓄存在聯(lián)動效應(yīng)，居民主動投資股票市場的積極性在增強，但兩者之間的影響幅度還相對較小，這與我國居民儲蓄存款的低利率彈性、股票市場的高風(fēng)險特征以及股票市場的風(fēng)險溢價波幅較大等有關(guān)。張文玉(2008)采用1980-2007年的年度數(shù)據(jù)，運用ARMA模型實證分析了持久收入、不確定性、通貨膨脹、利率等因素對江蘇城鎮(zhèn)居民儲蓄的影響，認為近年來居民收入不斷增長是儲蓄攀升的關(guān)鍵因素，但用收入波動衡量的個人風(fēng)險是迫使居民提高儲蓄傾向的重要原因。

第2章線性回歸概述2.1線性回歸的內(nèi)涵回歸分析即對于兩個不同變量x,y之間存在的關(guān)系進行處理的統(tǒng)計手段。也就是無法通過既定的x值進行y值的確定，而僅能用一種的概率分布將其大小進行描述出來的情況。這種力法在數(shù)學(xué)領(lǐng)域內(nèi)元、多元線性以及曲線三種力式，其中常用于經(jīng)濟學(xué)領(lǐng)域進行預(yù)測的是線性回歸手段，即通過一些統(tǒng)計數(shù)據(jù)來找出不同變量間所存在的線性函數(shù)關(guān)系，在此基礎(chǔ)上進行經(jīng)濟形勢以及問題走向的預(yù)測。2.2多元線性回歸多元線性回歸模型，（multivariablelinearregressionmodel）在實際經(jīng)濟問題中，一個變量往往受到多個變量的影響。例如，家庭消費支出，除了受家庭可支配收入的影響外，還受諸如家庭所有的財富、物價水平、金融機構(gòu)存款利息等多種因素的影響。一元線性回歸是一個主要影響因素作為自變量來解釋因變量的變化，在現(xiàn)實問題研究中，因變量的變化往往受幾個重要因素的影響，此時就需要用兩個或兩個以上的影響因素作為自變量來解釋因變量的變化，這就是多元回歸亦稱多重回歸。當(dāng)多個自變量與因變量之間是線性關(guān)系時，所進行的回歸分析就是多元性回歸。設(shè)y為因變量，…為自變量，并且自變量與因變量之間為線性關(guān)系時，則多元線性回歸模型為：其中，為常數(shù)項，，…為回歸系數(shù)，為，…固定時，每增加一個單位對Y的效應(yīng)，即對Y的偏回歸系數(shù)；同理為，…固定時，每增加一個單位對Y的效應(yīng)，即，對Y的偏回歸系數(shù)，等等。如果兩個自變量，同一個因變量Y呈線相關(guān)時，可用二元線性回歸模型描述為：建立多元線性回歸模型時，為了保證回歸模型具有優(yōu)良的解釋能力和預(yù)測效果，應(yīng)首先注意自變量的選擇，其準(zhǔn)則是：（1）自變量對因變量必須有顯著的影響，并呈密切的線性相關(guān)；（2）自變量與因變量之間的線性相關(guān)必須是真實的，而不是形式上的；（3）自變量之間應(yīng)具有一定的互斥性，即自變量之間的相關(guān)程度不應(yīng)高于自變量與因變量之因的相關(guān)程度；（4）自變量應(yīng)具有完整的統(tǒng)計數(shù)據(jù)，其預(yù)測值容易確定。多元性回歸模型的參數(shù)估計，同一元線性回歸方程一樣，也是在要求誤差平方和（Σe）為最小的前提下，用最小二乘法求解參數(shù)。

第3章線性回歸在城鎮(zhèn)居民儲蓄中的應(yīng)用居民合理地儲蓄能避免盲目消費，提高生活質(zhì)量，同時也促使企業(yè)更注重產(chǎn)品質(zhì)量、服務(wù)質(zhì)量的不斷創(chuàng)新，在競爭中實現(xiàn)結(jié)構(gòu)調(diào)整，防止一哄而上而造成經(jīng)濟過熱。目前我國消費品生產(chǎn)的主要矛盾是產(chǎn)品結(jié)構(gòu)與消費結(jié)構(gòu)之間的錯位，一方面產(chǎn)業(yè)結(jié)構(gòu)調(diào)整過慢，另一方面消費結(jié)構(gòu)變化過快。產(chǎn)業(yè)結(jié)構(gòu)調(diào)整過慢的一個重要原因是企業(yè)積累不多，資金有限，缺乏及時的投入。消費結(jié)構(gòu)變化快主要是由于收入差距擴大化引起消費的多樣化。而儲蓄能在兩者之間形成調(diào)節(jié)，一方面儲蓄吸收了居民手中多余的貨幣，從而使消費結(jié)構(gòu)合理進行調(diào)整，減少盲目消費；另一方面儲蓄通過轉(zhuǎn)化為貸款給社會急需產(chǎn)品的生產(chǎn)，促進產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，縮小了消費結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)的差異，從而不斷為居民進一步消費創(chuàng)造了條件。本章將采用線性回歸分析對城鎮(zhèn)居民儲蓄進行相關(guān)分析，探討出城鎮(zhèn)居民儲蓄的影響因素。3.1變量選取3.1.1收入水平收入水平是影響儲蓄的主要因素之一，本文將國內(nèi)生產(chǎn)總值（GDP）作為衡量居民收入水平的指標(biāo)。只有收入達到一定水平之后才能進行儲蓄，而且根據(jù)凱恩斯的理論，邊際消費傾向是遞減的，收入水平越高，邊際消費傾向越低，消費越少，儲蓄越多。3.1.2利率水平利率作為消費的機會成本也會對儲蓄產(chǎn)生影響，從理論上說利率水平越高，消費的機會成本就越大，居民就會壓縮當(dāng)前消費，增加儲蓄。反之，利率水平越低，消費的機會成本就越小，當(dāng)前消費就會增加，儲蓄就會減少。本文采用一年期存款利率水平作為指標(biāo)。3.1.3物價水平物價水平也可以影響儲蓄和消費，物價水平越高，相同消費水平所支出的貨幣就越多，在貨幣收入一定的情況下，能供儲蓄的貨幣就越少。同時，物價水平?jīng)Q定了實際利率，既定的名義利率下，物價水平與實際利率負相關(guān)。3.1.4通貨膨脹率通貨膨脹率是貨幣超發(fā)部分與實際需要的貨幣量之比，用以反映通貨膨脹、貨幣貶值的程度；而價格指數(shù)則是反映價格變動趨勢和程度的相對數(shù)。在實際中，一般不直接、也不可能計算通貨膨脹，而是通過價格指數(shù)的增長率來間接表示。由于消費者價格是反映商品經(jīng)過流通各環(huán)節(jié)形成的最終價格，它最全面地反映了商品流通對貨幣的需要量，因此，消費者價格指數(shù)是最能充分、全面反映通貨膨脹率的價格指數(shù)。目前，世界各國基本上均用消費者價格指數(shù)（我國稱居民消費價格指數(shù)），也即CPI來反映通貨膨脹的程度。3.2數(shù)據(jù)收集表2.12001年-2015年中國居民儲蓄相關(guān)數(shù)據(jù)表年份居民儲蓄（SAV）國內(nèi)生產(chǎn)總值（GDP）一年期定期存款Rate（%）零售價格指數(shù)（RPI）消費物價指數(shù)（CPI）股票市價總市值（SMV）200129662.2059810.509.00114.80396.903474.4200238520.8070142.508.33106.10429.909842.4200346279.8078060.805.67100.80441.9017529.2200453407.5083024.304.5997.40438.4019505.7200559621.8088479.202.2597.00432.2026471.0200664332.3898000.502.2598.50434.0048091.0200773762.43108068.202.2599.20437.0043522.0200886910.65119095.701.9898.70433.5038329.02009103617.65135174.001.9899.90438.7042458.02010119555.39159586.702.25102.80455.8037056.02011141050.99185808.602.39100.80464.0032430.02012161587.30217522.702.52101.00471.0089404.02013172534.19267763.703.47103.80493.60327141.02014217885.35316228.803.22105.90522.70121366.02015260771.66343464.702.6398.80519.00243939.0數(shù)據(jù)來源：中國年鑒（2016年）本文采用的是2001年-2015年的數(shù)據(jù)，如表2.1所示，所有數(shù)據(jù)來源于國家統(tǒng)計局。3.3計量經(jīng)濟模型的建立結(jié)合我國近幾年的經(jīng)濟發(fā)展特征，我國居民儲蓄函數(shù)可以表示為：其中，SAV為居民儲蓄總額，GDP為國內(nèi)生產(chǎn)總值，Rate為一年期存款利率，RPI為零售物價指數(shù)，CPI為消費物價指數(shù)，SMV為各期股市市值，U為隨機擾動項，t表示時期.所建立模型也可以表示為：3.4模型的求解和檢驗利用EVIEWS軟件，用最小二乘法進行回歸分析及統(tǒng)計檢驗，并對模型進行了自相關(guān)和異方差檢驗。表2.2自相關(guān)和異方差檢驗VariableCoefficientStd.Errort-StatisticProb.C477192.6108262.44.4077410.0017GDP1.1067470.07651014.465380.0000RATE1802.8411148.6911.5694740.1510RPI-2191.498568.8353-3.8526050.0039CPI-696.7002167.9047-4.1493780.0025SMV-0.1085270.023094-4.6993160.0011R-squared0.997406Meandependentvar108633.3AdjustedR-squared0.995964S.D.dependentvar69337.42S.E.ofregression4404.908Akaikeinfocriterion19.90800Sumsquaredresid1.75E+08Schwarzcriterion20.19122Loglikelihood-143.3100F-statistic691.9768Durbin-Watsonstat1.707178Prob（F-statistic）0.000000將回歸結(jié)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=0.997406F=691.9768>>F0.05(13)=3.18DW=1.707178dL=0.69dU=1.97（1）相關(guān)性檢驗：R2=0.997406表明方程擬和度很高，F(xiàn)統(tǒng)計量也明顯顯著,表明模型總體是顯著的。（2）經(jīng)濟意義上的檢驗：由β1=1.106747，β2=1802.841，β3=-2191.498，β4=-696.7002β5=-0.108527可以看出，模型符合經(jīng)濟意義。（3）顯著性檢驗：根據(jù)查詢t分布表得：t0.025（13）=2.160，可見GDP，RPI，CPI，SMV的t統(tǒng)計量絕對值均大于2.160，但是Rate的t統(tǒng)計量絕對值小于2.160。所以推斷模型中解釋變量可能存在多重共線性。（4）多重共線性檢驗：利用簡單相關(guān)系數(shù)檢驗法，通過Eviews構(gòu)建簡單相關(guān)系數(shù)矩陣，如下表2.3所示：表2.3相關(guān)系數(shù)矩陣表GDPRATERPICPISMVGDP1.000000-0.407213-0.0313800.9642250.808037RATE-0.4072131.0000000.740752-0.406719-0.249296RPI-0.0313800.7407521.000000-0.140537-0.025438CPI0.964225-0.406719-0.1405371.0000000.765092SMV0.808037-0.249296-0.0254380.7650921.000000由表易見，除了GDP和CPI之間的相關(guān)系數(shù)較高，其他參數(shù)之間的相關(guān)程度并不是很高，可以推定多重共線性并不嚴重。運用逐步回歸法對模型進行修正第一步：分別求SAV對GDP、RATE、RPI、CPI、SMV的一元線性回歸。=1\*GB3①SAV對GDP的一元線性回歸表2.4SAV對GDP的一元線性回歸表VariableCoefficientStd.Errort-StatisticProb.C-7710.3884807.492-1.6038270.1328GDP0.7489200.02687427.867850.0000R-squared0.983536Meandependentvar108633.3AdjustedR-squared0.982270S.D.dependentvar69337.42S.E.ofregression9232.588Akaikeinfocriterion21.22243Sumsquaredresid1.11E+09Schwarzcriterion21.31684Loglikelihood-157.1682F-statistic776.6169Durbin-Watsonstat1.258600Prob（F-statistic）0.000000②SAV對RATE的一元線性回歸表2.5SAV對RATE的一元線性回歸表VariableCoefficientStd.Errort-StatisticProb.C160342.031779.975.0453800.0002RATE-14159.007448.175-1.9010030.0797R-squared0.217519Meandependentvar108633.3AdjustedR-squared0.157328S.D.dependentvar69337.42S.E.ofregression63649.80Akaikeinfocriterion25.08375Sumsquaredresid5.27E+10Schwarzcriterion25.17815Loglikelihood-186.1281F-statistic3.613813Durbin-Watsonstat0.135596Prob（F-statistic）0.079700③SAV對RPI的一元線性回歸表2.6SAV對RPI的一元線性回歸VariableCoefficientStd.Errort-StatisticProb.C253307.4425251.50.5956650.5616RPI-1422.5574177.473-0.3405310.7389R-squared0.008841Meandependentvar108633.3AdjustedR-squared-0.067402S.D.dependentvar69337.42S.E.ofregression71636.05Akaikeinfocriterion25.32015Sumsquaredresid6.67E+10Schwarzcriterion25.41456Loglikelihood-187.9011F-statistic0.115961Durbin-Watsonstat0.082701Prob（F-statistic）0.738897④SAV對CPI的一元線性回歸表2.7SAV對CPI的一元線性回歸VariableCoefficientStd.Errort-StatisticProb.C-749501.079407.69-9.4386450.0000CPI1890.552174.464910.836290.0000R-squared0.900326Meandependentvar108633.3AdjustedR-squared0.892659S.D.dependentvar69337.42S.E.ofregression22716.99Akaikeinfocriterion23.02318Sumsquaredresid6.71E+09Schwarzcriterion23.11759Loglikelihood-170.6738F-statistic117.4253Durbin-Watsonstat1.192764Prob（F-statistic）0.000000⑤SAV對SMV的一元線性回歸表2.8SAV對SMV的一元線性回歸VariableCoefficientStd.Errort-StatisticProb.C66814.1715599.264.2831630.0009SMV0.5699720.1348744.2259540.0010R-squared0.578725Meandependentvar108633.3AdjustedR-squared0.546319S.D.dependentvar69337.42S.E.ofregression46702.81Akaikeinfocriterion24.46456Sumsquaredresid2.84E+10Schwarzcriterion24.55897Loglikelihood-181.4842F-statistic17.85869Durbin-Watsonstat1.570359Prob（F-statistic）0.000991通過比較各個調(diào)整可決系數(shù)，選擇GDP作為第一個解釋變量，形成一元線性回歸模型。第二步：逐步回歸。將剩余解釋變量分別加入模型。①表2.9逐步回歸（1）C4183.6796892.7800.6069650.5552GDP0.7258640.02590028.026010.0000RATE-2276.1301041.210-2.1860420.0494R-squared0.988225Meandependentvar108633.3AdjustedR-squared0.986263S.D.dependentvar69337.42S.E.ofregression8126.713Akaikeinfocriterion21.02056Sumsquaredresid7.93E+08Schwarzcriterion21.16217Loglikelihood-154.6542F-statistic503.5696Durbin-Watsonstat1.524263Prob（F-statistic）0.000000②表2.10逐步回歸（2）VariableCoefficientStd.Errort-StatisticProb.C89407.2049997.991.7882160.0990GDP0.7474280.02438730.648340.0000RPI-952.6625488.5801-1.9498600.0749R-squared0.987497Meandependentvar108633.3AdjustedR-squared0.985414S.D.dependentvar69337.42S.E.ofregression8374.131Akaikeinfocriterion21.08054Sumsquaredresid8.42E+08Schwarzcriterion21.22215Loglikelihood-155.1040F-statistic473.9034Durbin-Watsonstat1.283649Prob（F-statistic）0.000000觀察得知SMV獲得的調(diào)整后可決系數(shù)最大，作為第二個解釋變量。第三步：在保留GDP，SMV的基礎(chǔ)上繼續(xù)進行逐步回歸分析表2.11逐步回歸（5）VariableCoefficientStd.Errort-StatisticProb.C-1427.5526553.071-0.2178450.8315GDP0.7911320.03761421.032750.0000SMV-0.0764550.035196-2.1722780.0526RATE-1979.967919.9040-2.1523630.0544R-squared0.991760Meandependentvar108633.3AdjustedR-squared0.989513S.D.dependentvar69337.42S.E.ofregression7100.615Akaikeinfocriterion20.79693Sumsquaredresid5.55E+08Schwarzcriterion20.98574Loglikelihood-151.9770F-statistic441.3232Durbin-Watsonstat1.974429Prob（F-statistic）0.000000表2.12逐步回歸（6）VariableCoefficientStd.Errort-StatisticProb.C84761.0141147.802.0599160.0639GDP0.8188480.03402524.066360.0000SMV-0.0876940.033752-2.5981990.0248RPI-952.8072401.7162-2.3718420.0370R-squared0.992252Meandependentvar108633.3AdjustedR-squared0.990139S.D.dependentvar69337.42S.E.ofregression6885.309Akaikeinfocriterion20.73535Sumsquaredresid5.21E+08Schwarzcriterion20.92416Loglikelihood-151.5151F-statistic469.5884Durbin-Watsonstat1.667134Prob（F-statistic）0.000000第四步：通過觀察發(fā)現(xiàn)RATE，RPI，CPI的調(diào)整后可決系數(shù)均有提升，但是RPI的最高，所以作為第三個解釋變量保留，并繼續(xù)逐步回歸分析。表2.13逐步回歸（8）VariableCoefficientStd.Errort-StatisticProb.C60096.6565099.210.9231550.3777GDP0.8077410.04163219.402050.0000SMV-0.0832500.036069-2.3080450.0437RPI-668.4038703.6183-0.9499520.3645RATE-783.16111562.384-0.5012600.6270R-squared0.992442Meandependentvar108633.3AdjustedR-squared0.989419S.D.dependentvar69337.42S.E.ofregression7132.325Akaikeinfocriterion20.84386Sumsquaredresid5.09E+08Schwarzcriterion21.07988Loglikelihood-151.3290F-statistic328.2815Durbin-Watsonstat1.769654Prob（F-statistic）0.000000通過觀察可知加入CPI的調(diào)整后可決系數(shù)上升至0.9954，F(xiàn)統(tǒng)計量也很大，可以作為第四個解釋變量，而加入RATE的調(diào)整后可決系數(shù)由0.990139下降至0.989419，F(xiàn)統(tǒng)計量也沒有那么大，t值也很小，顯示出RATE對因變量的解釋作用不是特別明顯，因而產(chǎn)生了輕微的多重共線性。從實際情況出發(fā)，結(jié)合數(shù)據(jù)分析結(jié)果，應(yīng)該還是可以保留RATE這一解釋變量的。（5）異方差性檢驗：進行WHITE檢驗表2.14逐步回歸（10）F-statistic54.56052Probability0.000779Obs*R-squared14.02083Probability0.136093VariableCoefficientStd.Errort-StatisticProb.C-2.67E+084.40E+09-0.0605740.9546GDP-92.641501032.704-0.0897080.9328GDP^20.0009890.0032390.3054240.7753RATE9305867.255916160.3636300.7345RATE^2-1347150.2775160.-0.4854310.6528RPI2.27E+08888501802.5509380.0632RPI^2-1107043.429435.6-2.5779010.0615CPI-4934498516020776-3.0800620.0369CPI^253657.6117485.323.0687230.0373SMV-321.1577475.5241-0.6753760.5365SMV^20.0002740.0011430.2397770.8223R-squared0.992722Meandependentvar36773201AdjustedR-squared0.974527S.D.dependentvar75566626S.E.ofregression12060592Akaikeinfocriterion35.59370Sumsquaredresid5.82E+14Schwarzcriterion36.11293Loglikelihood-255.9527F-statistic54.56052Durbin-Watsonstat2.748851Prob（F-statistic）0.000779由分析表可知：nR2=14.02083，由White檢驗知，在α=0.05下，X20.05（6）=14.0671，因此不存在異方差性（6）自相關(guān)檢驗H0：ρ＝0，即Ut不存在一階自回歸；H1：ρ≠0，即Ut存在一階自回歸。因為DW＝1.707178查表得，當(dāng)n＝15，k＝5時dL＝0.69，dU＝1.97，4－dU＝2.03，4－dL=3.31，可見dU<DW<4-dU,表明不存在一階自相關(guān)。（7）因果關(guān)系檢驗表2.15因果關(guān)系檢驗NullHypothesis:ObsF-StatisticProbabilityGDPdoesnotGrangerCauseSAV133.926530.06485SAVdoesnotGrangerCauseGDP14.77360.00206RATEdoesnotGrangerCauseSAV130.598900.57230SAVdoesnotGrangerCauseRATE0.939790.42994RPIdoesnotGrangerCauseSAV132.026420.19409SAVdoesnotGrangerCauseRPI5.566610.03056CPIdoesnotGrangerCauseSAV131.962550.20254SAVdoesnotGrangerCauseCPI17.10730.00129SMVdoesnotGrangerCauseSAV136.629010.02006SAVdoesnotGrangerCauseSMV3.311050.08960RATEdoesnotGrangerCauseGDP131.623200.25604GDPdoesnotGrangerCauseRATE1.378170.30599RPIdoesnotGrangerCauseGDP131.580870.26390GDPdoesnotGrangerCauseRPI3.311280.08959CPIdoesnotGrangerCauseGDP137.102160.01685GDPdoesnotGrangerCauseCPI20.77110.00068SMVdoesnotGrangerCauseGDP1342.83475.3E-05GDPdoesnotGrangerCauseSMV4.921220.04042RPIdoesnotGrangerCauseRATE131.327530.31779RATEdoesnotGrangerCauseRPI1.614510.25763CPIdoesnotGrangerCauseRATE130.944750.42822RATEdoesnotGrangerCauseCPI1.610280.25840SMVdoesnotGrangerCauseRATE130.316920.73713RATEdoesnotGrangerCauseSMV0.130580.87941CPIdoesnotGrangerCauseRPI130.356380.71079RPIdoesnotGrangerCauseCPI0.852920.46156SMVdoesnotGrangerCauseRPI136.876100.01830RPIdoesnotGrangerCauseSMV0.020370.97988SMVdoesnotGrangerCauseCPI135.951940.02610CPIdoesnotGrangerCauseSMV3.382600.08618由該檢驗結(jié)果表明，在α=0.05的水平下，F(xiàn)0.05(k，n-k-1)=F（5，9）=3.48，而F=3.9265>F（5，9）=3.48，所以拒絕原假設(shè)，認為GDP變量對SAV有顯著性影響；F=14.7736>F（5，9）=3.48，所以拒絕原假設(shè)，認為SAV變量對GDP有顯著性影響；F=0.5989<F（5，9）=3.48，所以接受原假設(shè)，認為RATE變量對SAV影響不顯著；F=0.9398<F（5，9）=3.48，所以接受原假設(shè)，認為SAV變量對RATE影響不顯著；F=2.0264<F（5，9）=3.48，所以接受原假設(shè)，認為RPI變量對SAV有影響不顯著；F=5.5666>F（5，9）=3.48，所以拒絕原假設(shè)，認為SAV變量對RPI有顯著性影響；F=1.9626<F（5，9）=3.48，所以接受原假設(shè)，認為CPI變量對SAV有顯著性影響；F=17.1073>F（5，9）=3.48，所以拒絕原假設(shè)，認為SAV變量對CPI有顯著性影響；F=6.6290>F（5，9）=3.48，所以拒絕原假設(shè)，認為SMV變量對SAV有顯著性影響；F=3.3111<F（5，9）=3.48，所以接受原假設(shè)，認為SAV變量對SMV影響不顯著；F=1.6232<F（5，9）=3.48，所以接受原假設(shè)，認為RATE變量對GDP影響不顯著；F=1.3782<F（5，9）=3.48，所以接受原假設(shè)，認為GDP變量對RATE影響不顯著；F=1.5809<F（5，9）=3.48，所以接受原假設(shè)，認為RPI變量對GDP影響不顯著；F=3.3113<F（5，9）=3.48，所以接受原假設(shè)，認為GDP變量對RPI影響不顯著；F=0.9448<F（5，9）=3.48，所以接受原假設(shè)，認為CPI變量對GDP影響不顯著；F=20.7711>F（5，9）=3.48，所以拒絕原假設(shè)，認為GDP變量對CPI有顯著影響；F=42.8347>F（5，9）=3.48，所以拒絕原假設(shè)，認為SMV變量對GDP有顯著影響；F=4.9212>F（5，9）=3.48，所以拒絕原假設(shè)，認為GDP變量對SMV有顯著影響；F=1.3275<F（5，9）=3.48，所以接受原假設(shè)，認為RPI變量對RATE影響不顯著；F=1.6145<F（5，9）=3.48，所以接受原假設(shè)，認為RATE變量對RPI有顯著影響；F=0.9448>F（5，9）=3.48，所以拒絕原假設(shè)，認為CPI變量對RATE有顯著影響；F=1.6103>F（5，9）=3.48，所以拒絕原假設(shè)，認為RATE變量對CPI有顯著影響；F=0.3169<F（5，9）=3.48，所以接受原假設(shè)，認為SMV變量對RATE影響不顯著；F=0.1306<F（5，9）=3.48，所以接受原假設(shè)，認為RATE變量對SMV影響不顯著；F=0.3564<F（5，9）=3.48，所以接受原假設(shè)，認為CPI變量對RPI影響不顯著；F=0.8529<F（5，9）=3.48，所以接受原假設(shè)，認為RPI變量對CPI影響不顯著；F=6.8761>F（5，9）=3.48，所以拒絕原假設(shè)，認為SMV變量對RPI有顯著影響；F=0.0204<F（5，9）=3.48，所以接受原假設(shè)，認為RPI變量對SMV有顯著影響；F=5.9519>F（5，9）=3.48，所以拒絕原假設(shè)，認為SMV變量對CPI有顯著影響；F=3.3826<F（5，9）=3.48，所以接受原假設(shè)，認為CPI變量對SMV影響不顯著。（8）綜上所述，我們最終得到居民儲蓄的模型：此時的回歸結(jié)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=0.997406F=691.9768DW=1.707178 模型擬合情況圖如下：圖2.1模型擬合情況圖3.5模型實證分析結(jié)論1.收入水平對居民儲蓄有明顯作用，收入水平越高，居民儲蓄也相對越高，兩者之間是正相關(guān)關(guān)系，這與一般理論一致。1994年以來，我國居民儲蓄迅速增長的根本原因就是收入水平的提高。隨著中國經(jīng)濟的發(fā)展，居民收入還會持續(xù)增長，如果其他因素不變的話，居民儲蓄仍然會有相應(yīng)的增長。要抑制儲蓄，刺激消費，提高居民的邊際消費傾向是關(guān)鍵。2.與收入相比利率對儲蓄額的影響則較為微弱，但利率對儲蓄結(jié)構(gòu)的變動具有決定性作用。從上面的分析中，我們可以看出，名義利率對儲蓄的影響要小于實際利率對儲蓄的影響，這是由于通脹率的存在，在一定程度上起了抵消的作用。CPI超過3%屬于物價溫和上漲，可以肯定的是，今年不會出現(xiàn)惡性通貨膨脹。但3.1%對于普通銀行儲戶來說，意味著實際存款負利率。自1999年開始，CPI就高于一年期存款利率，并且這種差距呈現(xiàn)出越來越大的趨勢。3.物價水平對居民儲蓄有負面影響。物價水平提高導(dǎo)致居民消費支出的增加，在一定收入條件下，儲蓄必然會減少。居民對未來物價上漲預(yù)期依然強烈，擔(dān)心明天的貨幣會不斷貶值，因而傾向于提前購買商品，造成供不應(yīng)求，加劇導(dǎo)致了物價上漲。同時物價上漲造成了居民消費能力的下降，能夠用于儲蓄的資金和進行儲蓄的意愿也明顯減少。4.CPI的不斷升高，意味著通貨膨脹率的不斷升高。當(dāng)CPI大于銀行存款名義利率的時候，表明居民的實際利率是負的，因為居民會選擇講資金投入回報更高的項目，例如分紅型保險，股市等，或者將現(xiàn)金兌換成例如黃金一類的硬通貨或者固定資產(chǎn)，以期保值。因此愿意儲蓄的人越來越少，儲蓄資金也相對越來越少。5.股市市值與居民儲蓄有正相關(guān)關(guān)系：這個結(jié)論表面上看起來不符合邏輯.因為在收入水平一定的前提下，股票投資的增加勢必導(dǎo)致銀行儲蓄的下降，兩者之間應(yīng)該是負相關(guān)，而不是正相關(guān)，出現(xiàn)這種結(jié)論的原因是：中國的股票市場還很年輕，制度不健全，市場不規(guī)范，炒作成分很大，投機氣氛相當(dāng)濃厚。這是中國股票市場的具體情況所決定的。

第4章結(jié)論目前居民儲蓄居高不下，帶來了諸多方面的負面影響?；谕匈e的貨幣增長理論，在貨幣經(jīng)濟中總儲蓄的增長并不意味著對經(jīng)濟增長的作用大，儲蓄對經(jīng)濟增長的作用在很大程度上取決于現(xiàn)金儲蓄與實物儲蓄的比重。由于現(xiàn)金儲蓄不能轉(zhuǎn)化為實際投資，因此，真正對經(jīng)濟增長有促進作用的只是實物儲蓄，總儲蓄中只有減去現(xiàn)金儲蓄的部分才能轉(zhuǎn)化為投資。正因如此，在貨幣經(jīng)濟中能轉(zhuǎn)變?yōu)閷嶋H投資的人均儲蓄要比純粹的實物經(jīng)濟低，相應(yīng)的，人均投資也低于純粹的實物經(jīng)濟中的人均投資。因此基于貨幣增長理論以及實證檢驗結(jié)果給出如下政策建議：首先，在貨幣政策方面政府當(dāng)局要保證國民收入的穩(wěn)步增長，因為收入是財富積累的源泉，是資本形成的前提條件，是影響儲蓄的決定性因素，同時在理論上儲蓄率的提升更加會作用于實體經(jīng)濟的增長。但要促進經(jīng)濟增長，從我國的實際情況可以看出，僅僅依靠儲蓄的積累并不夠，其關(guān)鍵環(huán)節(jié)在于提高實物儲蓄在總儲蓄中的比重。由于現(xiàn)金儲蓄只是財產(chǎn)的一種，利率對其有重要的調(diào)節(jié)作用。因此，中央銀行可以通過價格型工具調(diào)節(jié)利率來提高在總儲蓄中的比重，以此促進經(jīng)濟增長。例如，在當(dāng)下由于受金融危機拖累，我國實際經(jīng)濟增長率小于自然增長率，此時中央銀行就可以通過利率杠桿維持當(dāng)前實施的擴張性貨幣政策，利用通貨膨脹來降低現(xiàn)金貨幣的貯藏價值，迫使居民提高實物儲蓄在總儲蓄中的比