计量经济学-我国居民储蓄影响因素的实证分析(共17页).docx

精选优质文档-倾情为你奉上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。据统计，我国近年来的实际平均每年增长左右，而资本的净边际产量即，约为0.9%。我国的资本收益每年.，大大低于经济的平均增长率（）。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)199529662.20 59810.50 9.00 114.80 396.90 3474.4 199638520.80 70142.50 8.33 106.10 429.90 9842.4 199746279.80 78060.80 5.67 100.80 441.90 17529.2 199853407.50 83024.30 4.59 97.40 438.40 19505.7 199959621.80 88479.20 2.25 97.00 432.20 26471.0 200064332.38 98000.50 2.25 98.50 434.00 48091.0 200173762.43 .20 2.25 99.20 437.00 43522.0 200286910.65 .70 1.98 98.70 433.50 38329.0 2003.65 .00 1.98 99.90 438.70 42458.0 2004.39 .70 2.25 102.80 455.80 37056.0 2005.99 .60 2.39 100.80 464.00 32430.0 2006.30 .70 2.52 101.00 471.00 89404.0 2007.19 .70 3.47 103.80 493.60 .0 2008.35 .80 3.22 105.90 522.70 .0 2009.66 .70 2.63 98.80 519.00 .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.所建立模型也可以表示为:SAV =C+ 1 GDP+ 2 Rate+ 3 RPI+ 4 CPI+ 5 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: SAVMethod: Least SquaresDate: 12/07/11 Time: 19:47Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C.6.44.0.0017GDP1.0.14.465380.0000RATE1802.8411148.6911.0.1510RPI-2191.498568.8353-3.0.0039CPI-696.7002167.9047-4.0.0025SMV-0.0.-4.0.0011R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression4404.908 Akaike info criterion19.90800Sum squared resid1.75E+08 Schwarz criterion20.19122Log likelihood-143.3100 F-statistic691.9768Durbin-Watson stat1. Prob(F-statistic)0.将回归结果整理如下：SAV =.6 +1.GDP +1802.841Rate -2191.498RPI -696.7002CPI -0.SMV+Ut（.4） （0.） （1148.691） （568.8353） （167.9047） （0.）t =(4.) (14.46538) (1.) (-3.) (-4.) （-4.）R2=0. F=691.9768 DW=1.（1）相关性检验：R2=0.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 1=1.，2=1802.841，3=-2191.498，4=-696.7002 5=-0.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：GDPRATERPICPISMVGDP 1.-0.-0. 0. 0.RATE-0. 1. 0.-0.-0.RPI-0. 0. 1.-0.-0.CPI 0.-0.-0. 1. 0.SMV 0.-0.-0. 0. 1.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。 SAV对GDP的一元回归Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:13Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-7710.3884807.492-1.0.1328GDP0.0.27.867850.0000R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression9232.588 Akaike info criterion21.22243Sum squared resid1.11E+09 Schwarz criterion21.31684Log likelihood-157.1682 F-statistic776.6169Durbin-Watson stat1. Prob(F-statistic)0. SAV对RATE的一元回归Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:17Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C.031779.975.0.0002RATE-14159.007448.175-1.0.0797R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression63649.80 Akaike info criterion25.08375Sum squared resid5.27E+10 Schwarz criterion25.17815Log likelihood-186.1281 F-statistic3.Durbin-Watson stat0. Prob(F-statistic)0.SAV对RPI的一元回归Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:20Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C.4.50.0.5616RPI-1422.5574177.473-0.0.7389R-squared0. Mean dependent var.3Adjusted R-squared-0. S.D. dependent var69337.42S.E. of regression71636.05 Akaike info criterion25.32015Sum squared resid6.67E+10 Schwarz criterion25.41456Log likelihood-187.9011 F-statistic0.Durbin-Watson stat0. Prob(F-statistic)0.SAV对CPI的一元回归Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:23Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-.079407.69-9.0.0000CPI1890.552174.464910.836290.0000R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression22716.99 Akaike info criterion23.02318Sum squared resid6.71E+09 Schwarz criterion23.11759Log likelihood-170.6738 F-statistic117.4253Durbin-Watson stat1. Prob(F-statistic)0.SAV对SMV的一元回归Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:24Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C66814.1715599.264.0.0009SMV0.0.4.0.0010R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression46702.81 Akaike info criterion24.46456Sum squared resid2.84E+10 Schwarz criterion24.55897Log likelihood-181.4842 F-statistic17.85869Durbin-Watson stat1. Prob(F-statistic)0.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。Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:42Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C4183.6796892.7800.0.5552GDP0.0.28.026010.0000RATE-2276.1301041.210-2.0.0494R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression8126.713 Akaike info criterion21.02056Sum squared resid7.93E+08 Schwarz criterion21.16217Log likelihood-154.6542 F-statistic503.5696Durbin-Watson stat1. Prob(F-statistic)0.Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:43Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C89407.2049997.991.0.0990GDP0.0.30.648340.0000RPI-952.6625488.5801-1.0.0749R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression8374.131 Akaike info criterion21.08054Sum squared resid8.42E+08 Schwarz criterion21.22215Log likelihood-155.1040 F-statistic473.9034Durbin-Watson stat1. Prob(F-statistic)0.Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:44Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C75610.52.20.0.4973GDP0.0.8.0.0000CPI-209.8054271.7363-0.0.4550R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression9379.435 Akaike info criterion21.30728Sum squared resid1.06E+09 Schwarz criterion21.44889Log likelihood-156.8046 F-statistic376.5429Durbin-Watson stat1. Prob(F-statistic)0.Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:45Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-12370.744718.833-2.0.0223GDP0.0.20.486670.0000SMV-0.0.-2.0.0475R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression8104.419 Akaike info criterion21.01506Sum squared resid7.88E+08 Schwarz criterion21.15667Log likelihood-154.6130 F-statistic506.3770Durbin-Watson stat1. Prob(F-statistic)0.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Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:51Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-1427.5526553.071-0.0.8315GDP0.0.21.032750.0000SMV-0.0.-2.0.0526RATE-1979.967919.9040-2.0.0544R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression7100.615 Akaike info criterion20.79693Sum squared resid5.55E+08 Schwarz criterion20.98574Log likelihood-151.9770 F-statistic441.3232Durbin-Watson stat1. Prob(F-statistic)0.Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:53Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C84761.0141147.802.0.0639GDP0.0.24.066360.0000SMV-0.0.-2.0.0248RPI-952.8072401.7162-2.0.0370R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression6885.309 Akaike info criterion20.73535Sum squared resid5.21E+08 Schwarz criterion20.92416Log likelihood-151.5151 F-statistic469.5884Durbin-Watson stat1. Prob(F-statistic)0.Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 14:54Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C90069.5492690.260.0.3521GDP0.0.9.0.0000SMV-0.0.-2.0.0407CPI-258.4749233.5761-1.0.2921R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression8029.637 Akaike info criterion21.04284Sum squared resid7.09E+08 Schwarz criterion21.23166Log likelihood-153.8213 F-statistic344.3102Durbin-Watson stat1. Prob(F-statistic)0.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。Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 15:00Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C60096.6565099.210.0.3777GDP0.0.19.402050.0000SMV-0.0.-2.0.0437RPI-668.4038703.6183-0.0.3645RATE-783.16111562.384-0.0.6270R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression7132.325 Akaike info criterion20.84386Sum squared resid5.09E+08 Schwarz criterion21.07988Log likelihood-151.3290 F-statistic328.2815Durbin-Watson stat1. Prob(F-statistic)0.Dependent Variable: SAVMethod: Least SquaresDate: 12/09/11 Time: 15:01Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C.178022.004.0.0011GDP1.0.16.718020.0000SMV-0.0.-4.0.0020RPI-1416.955302.8799-4.0.0009CPI-553.7253151.0105-3.0.0043R-squared0. Mean dependent var.3Adjusted R-squared0. S.D. dependent var69337.42S.E. of regression4716.183 Akaike info criterion20.01659Sum squared resid2.22E+08 Schwarz criterion20.25261Log likelihood-145.1244 F-statistic754.0229Durbin-Watson stat1. Prob(F-statistic)0.通过观察可知加入CPI的调整后可决系数上升至0.9954，F统计量也很大，可以作为第四个解释变量，而加入RATE的调整后可决系数由0.下降至0.，F统计量也没有那么大，t值也很小，显示出RATE对因变量的解释作用不是特别明显，因而产生了轻微的多重共线性。 从实际情况出发，结合数据分析结果，应该还是可以保留RATE这一解释变量的。（5）异方差性检验：进行WHITE检验White Heteroskedasticity Test:F-statistic54.56052 Probability0.Obs*R-squared14.02083 Probability0.Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/07/11 Time: 23:08Sample: 1995 2009Included observations: 15VariableCoefficientStd. Errort-StatisticProb. C-2.67E+084.40E+09-0.0.9546GDP-92.641501032.704-0.0.9328GDP20.0.0.0.7753RATE.0.0.7345RATE2-.-0.0.6528RPI2.27E+082.0.0632RPI2-.6-2.0.0615CPI-3.0.0369CPI253657.6117485.323.0.0373SMV-321.1577475.5241-0.0.5365SMV20.0.