[摘要] 正因为消费水平的提高能推动经济的发展，发展经济就应该紧紧抓住消费。不论从宏观的角度或微观的角度，居民消费水平都直接影响着我国国民经济的发展。在宏观经济学中凯恩斯对消费的分析可知消费水平受到很多因素的影响，在这众多的因素当中哪些是主要影响因素呢为了理清影响居民消费水平的主要因素，本文采用定性分析和定量分析相结合的研究方法，通过收集1978年至2012年35年间的数据，在定性论述的基础上，运用Eviews软件，建立计量经济模型进行定量分析，对影响居民消费水平的因素进行分析和研究。
一、 模型的建立
1 数据收集与变量选取
通过研究以前学者对影响因素的选取并且根据西方经济学理论，居民的最终消费支出主要受可支配收入、商品价格水平、价格预期、消费者财产、消费者偏好等因素的影响。杜森贝利提出的相对收入假说认为，居民用于消费的支出受消费者以前以及目前的收入影响； 居民储蓄直接影响着居民的最终消费，当居民可支配收入增加时，居民的储蓄会随之上升，但同时也是为日后的消费做准备，居民可支配收入是影响居民储蓄水平的一个主要因素应选入模型当中。消费品价格对消费者的消费倾向会有影响，由于消费者收入水平有限，若居民的收入不变，物价水平越高，则消费支出越多；反之则消费支出越少。 居民消费价格指数能全面反映物价水平的变动，可选入模型当中。税收是国家取得财政收入的一种形式，起着调节微观经济主体活动的作用，税收可以通过对市场价格的影响来影响消费者的行为。税收作为重要的宏观调控手段，在扩大内需尤其是引导居民消费方面，具有十分重要的作用。消费者的可支配收入会受税收的影响，可支配收入的改变会影响商品的购买量，从而消费水平也会发生改变，GDP 即国内生产总值，消费水平的高低影响着 GDP 的大小，反之要 GDP 的大小也影响着消费水平的高低。
从以上分析可以看出，影响居民消费因素比较多，考虑到样本数据的可收集性和我国经1
济的实际情况， 选取了1918～2012 年人均国内生产总值（x1）、城镇居民人均可支配收入(x2)、农村居民人均可支配收入(x3)三个因素，分析其对居民消费的影响。其中，为了增加数据的平稳性，对模型的被解释变量人均居民消费水平Y和解释变量x1、x2和x3均用价格指数进行平减(1978=100)并取自然对数，然后进行回归分析。 2
模型初步提出
根据eviews分析得出，取对数后的变量lnx1、lnx2、lnx3分别与lny成线性相关关系。故而得出关于影响居民消费水平的线性回归模型Y=C+β1X1+β2X2+β3X3+β4X4+μi。其中Y 代表居民消费水平（单位：元），X1人均国内生产总值（单位：元），X2代表城镇人均可支配收入（单位：元），X3代表农村居民家庭可支配收入（单位：元），μi 代表随机干扰项。我们通过对该模型的回归分析，得出各个变量与我国居民消费水平的变动关系。 3
模型的估计与检验 3.1 参数估计
利用eviews软件对变量进行分析，得出下面的回归结果：
Lny=+++
F= DW= R= R=
但是lnx2的P值为>，未通过显著性检验。通过对各个变量的相关系数分析可知，各个变量之间的相关系数都很大，可能存在多重共线性。利用逐步回归的方法通过eviews软件对各变量进行简单回归，剔除lnx2之后的回归方程为：
Lny=++
F= DW= R= R2=
2
各个变量都能够通过显著性检验。 3.2 自相关检验
通过LM检验和对残差序列分析可知，模型存在一阶自相关，通过在模型加入ar(1)项，修正一阶自相关。但模型中常数项并未通过显著性检验，将其剔除后模型的各个变量都能够通过显著性检验，并且不存在自相关。
3.3 异方差检验
利用怀特检验进行异方差检验，发现不存在异方差。 2
二、 结论分析
综上所述，经过自相关、异方差的检验及多重共线性的修正，将方程lny=+作为本研究对象的最终模型。
利用计量经济学的基本方法，通过对初始线性回归模型中变量的筛选和剔除，最后选出模型中的变量分别是人均国内生产总值、农村人均可支配收入。预测模型lny=+可决系数R2 达到水平，该模型在理论上符合实际，对我国1978 年2012 年居民消费水平的变化有很好的解释能力。其经济含义如下：人均国内生产总值系数β1=，表示当模型中其它变量不变的情况下，人均国内生产总值每增加一个百分点，将带动全国居民消费水平增长元。农村居民人均可支配收入系数β2=，表示在模型中其它变量不变的情况下，农村居民人均可支配收入增加一个百分点，全国居民消费水平将会增加元。
三、 提升居民消费水平的政策建议
当前制约我国经济增长的因素很多，靠扩大投资拉动经济增长不是长久之计，靠扩大出口拉动经济增长也面临居多难题，因此，扩大内需、提升居民消费水平来拉动经济增长应是长久之策，根据以上分析，提升居民消费水平可从以下几方面着手：
大力发展生产力。增加科技投入，把国民经济蛋糕做大做强，提升国内生产总值整体水平。当前，要发展低碳与生态经济，增加国内生产总值的绿色含量，提高居民整体收入水平，特别是农村居民收入水平。中国是一个农业大国，农村居民收入水平低是居民消费水平难以提高的重要原因。切实提高农民收入，不仅是农民由温饱进入小康、改善农民生活质量的关键，也是刺激消费、促进经济健康快速协调发展的重要着力点。调整农业结构，大力发展优质高效农业。当前要对传统农业结构模式进行优化和调整。大力发展“两高一优”农业。调整重点是进行农产品的品种改良和换代，提升品质，提高效益。
大力发展农村合作经济组织，服务农民。当前要大力发展农村合作经济组织，架起种植基地与市场供应的桥梁，为农民提供有效信息，同时畅通购销渠道。为农民的产前、产中、产后提供全方位的服务，促进农民增产增收。针对提高城镇居民的可支配收入方面，税收政
3
策尤其是个人所得税方面需尽快进行调整。现行的个人所得税制度采取分类制征收，极不公平。当前，要在提高个人所得税费用扣除额的同时，尽快实行个人所得税征收模式由分类制向综合制转变。最好以家庭为单位，这样既可以增加居民的税后可支配收入，又能贯彻公平课税的原则。
4
附录： 1. 原始数据：
居民消费水平（剔除价格变动因素）（元）居民消费水居民消费时间 水平(元) (1978=100) 居民消费水平定基指数*100） 1978年 1979年 1980年 1981年 1982年 184 208 238 264 284 100 107 184 382 420 464 493 529 100 113 平指数水平绝对值/(元) （1978=100） 总值/人均国内生产总值定基指数*100） 382 405 100 127 （=居民消费生产总值总值指数人均国内生产入(元) (1978=100) 居民人均收入绝对数/定基指数*100） 100 139 人均国内人均国内生产（元）（等于人均可支配收入指数（元）（=城镇入(元) 数(1978=100) 人均收入绝对数/定基指数*100） 人均国内生产总值（剔除价格变动因素）城镇居民家庭人均可支配收变动因素）庭人均纯收人均纯收入指（=农村居民城镇居民家庭城镇居民家庭人均可支配收入（剔除价格农村居民家农村居民家庭动因素）(元)农村居民家庭人均纯收入（剔除价格变5
1983年 1984年 1985年 1986年 1987年 1988年 1989年 1990年 1991年 1992年 1993年 1994年 1995年 1996年 1997年 315 356 440 496 558 684 785 831 916 1,057 1,332 1,799 2,330 2,765 2,978 584 697 860 966 1,116 1,371 1,528 1,654 1,903 2,324 3,015 4,066 5,074 5,878 6,457 1, 1, 1, 1, 1, 2, 2, 3, 4, 4, 5, 784 1, 1, 1, 2, 292 6
1998年 1999年 2000年 2001年 2002年 2003年 2004年 2005年 2006年 2007年 2008年 2009年 2010年 2011年 2012年 3,126 3,346 3,721 3,987 4,301 4,606 5,138 5,771 6,416 7,572 8,707 9,514 10,919 13,134 14,699 600 643 765 1, 1, 1, 1, 27636 6,835 7,199 7,902 8,670 9,450 10,600 12,400 14,259 16,602 20,337 23,912 25,963 30,567 36,018 39,544 673 1, 1, 1, 1, 1, 1, 295911 5, 5, 6, 6, 7, 8, 9, 10, 11, 13, 15, 17, 19, 21, 24, 1, 1, 2, 2, 2, 2, 2, 2, 2, 3, 3, 4, 4, 5, 5, 6, 7, 588 1, 1, 7
图表 1以上数据来源于国家统计局经计算得出
8
2. Eviews软件结果
x1、x2、x3分别与y之间关系的散点图：
240,000240,000200,000200,000160,000160,00080,000Y120,000120,000Y80,00040,00040,00000200,000400,000X1600,000800,00000100,000X2200,000300,000240,000200,000160,000120,000Y80,00040,0000020,00040,000X360,00080,000100,000 取对数后x1、x2、x3分别与y之间关系的散点图：
1313121211111010LNYLNY987655678910111213149876556789LNX210111213LNX113121110LNY9876545678LNX39101112 9
变量取对数后的回归模型
Dependent Variable: LOG(Y) Method: Least Squares Date: 06/21/15 Time: 16:56 Sample: 1978 2012
Included observations: 35
Variable Coefficient Std. Error t-Statistic Prob.
C LNX1 LNX2 LNX3
Mean dependent
R-squared
Adjusted R-squared
var
. dependent var Akaike info
. of regression Sum squared resid
criterion
Schwarz criterion Hannan-Quinn
Log likelihood
criter.
Durbin-Watson
F-statistic Prob(F-statistic)
stat
剔除lnx2的回归模型
10
Dependent Variable: LOG(Y) Method: Least Squares Date: 06/21/15 Time: 18:41 Sample: 1978 2012
Included observations: 35
Variable Coefficient Std. Error t-Statistic Prob.
C LNX1 LNX3
R-squared
Adjusted R-squared
Mean dependent var . dependent var Akaike info
. of regression Sum squared resid
criterion
Schwarz criterion Hannan-Quinn
Log likelihood F-statistic Prob(F-statistic)
对残差列的检验
Dependent Variable: RES Method: Least Squares Date: 06/21/15 Time: 18:38 Sample (adjusted): 1979 2012
criter.
Durbin-Watson stat
11
Included observations: 34 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RES(-1)
R-squared
Adjusted R-squared
Mean dependent var . dependent var Akaike info
. of regression Sum squared resid
criterion
Schwarz criterion Hannan-Quinn
Log likelihood Durbin-Watson stat
criter.
Dependent Variable: RES Method: Least Squares Date: 06/21/15 Time: 18:38 Sample (adjusted): 1980 2012
Included observations: 33 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
RES(-1) RES(-2)
R-squared
Adjusted R-squared
Mean dependent var . dependent var
12
Akaike info
. of regression Sum squared resid
criterion
Schwarz criterion Hannan-Quinn
Log likelihood Durbin-Watson stat
criter.
加入AR（1）项后的回归模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/21/15 Time: 18:41 Sample (adjusted): 1979 2012
Included observations: 34 after adjustments Convergence achieved after 6 iterations
Variable Coefficient Std. Error t-Statistic Prob.
C LNX1 LNX3 AR(1)
R-squared
Adjusted R-squared
Mean dependent var . dependent var Akaike info
. of regression Sum squared resid Log likelihood
criterion
Schwarz criterion Hannan-Quinn
13
criter.
F-statistic Prob(F-statistic)
Durbin-Watson stat
Inverted AR Roots .67
剔除常数项的回归模型 Dependent Variable: LOG(Y) Method: Least Squares Date: 06/21/15 Time: 18:41 Sample (adjusted): 1979 2012
Included observations: 34 after adjustments Convergence achieved after 9 iterations
Variable Coefficient Std. Error t-Statistic Prob.
LNX1 LNX3 AR(1)
R-squared
Adjusted R-squared
Mean dependent var . dependent var Akaike info
. of regression Sum squared resid
criterion
Schwarz criterion Hannan-Quinn
Log likelihood Durbin-Watson stat
criter.
14
Inverted AR Roots .72
15
因篇幅问题不能全部显示，请点此查看更多更全内容