摘 要

中国经济程度的进步增进了居民收入和消费程度的进步。如果收入和消费能够协调地共同增长，那么将有利于经济水平的稳定提高。本文用统计分析和计量经济学方法，发现年度人均消费支出与居民人均可支配收入的影响关系。研究了从1997到2017年上海，湖北，广东，重庆和新疆居民年人均消费支出和城镇居民人均可支配收入的面板数据。 主要工作包括：

（1）基本统计分析；在对各地城镇及农村的收入和支出的数据进行走势图分析和基本描述性分析的基础上，对城镇及农村的收入和支出数据进行了正态性检验，得到数据非正态性走势的结果；接着对居民的可支配收入和消费性支出两变量进行相关性检验，结果显示城镇及农村的收入和支出都具有强相关性。

（2）收入和消费的长期关系分析；构建面板数据模型；对两个序列的数据应用单位根检验，结果表明五个地区的数据都一阶平稳；运用协整分析，结果表明城市居民消费和收入间协整；农村居民的收入与消费间不协整。

（3）收入和消费的短期关系分析；构建面板数据模型和误差修正模型，计算出收入与消费之间的短期效应。最后，通过granger检验来验证家庭可支配收入与消费者支出之间的因果关系。

本文得到的主要结论是：在经济发展的过程中，城市居民收入与消费水平之间存在着长期的均衡关系。短期内收入提高1%，意味着消费将提高0.65213%。 误差校正系数是一个负数，所以它与相反的校正机制是一致的。 估计的系数是-0.22。

关键词：面板修正误差模型；单位根检验；协整检验；格兰杰检验

Abstract

The progress of China's economy has increased the income and consumption of its residents. If income and consumption grow together in a coordinated way, it will contribute to a steady rise in economic levels. By means of statistical analysis and econometrics, this paper finds out the relationship between annual per capita consumption expenditure and per capita disposable income of residents. The panel data of annual per capita consumption expenditure and per capita disposable income of urban residents in Shanghai, Hubei, Guangdong, Chongqing and Xinjiang from 1997 to 2017 were studied. Main tasks include:

(1) Basic statistical analysis; Throughout the urban and rural income and spending data graph analysis and basic descriptive analysis, on the basis of the urban and rural income and spending data to carry on the normality test, data of normality movements results; Then, the correlation test was conducted for the two variables of disposable income and consumption expenditure of residents, and the results showed that both urban and rural income and expenditure were strongly correlated.

(2) Analysis of the long-term relationship between income and consumption; Build panel data; The unit root test was applied to the data of two sequences. Using co-integration analysis, the results show that the co-integration between urban residents' consumption and income. The income and consumption of rural residents are not coordinated.

(3) Analysis of the short-term relationship between income and consumption; The panel data model and error correction model are built to calculate the short-term effect between income and consumption. Finally, the granger test is used to verify the causal relationship between household disposable income and consumer spending.

The main conclusion of this paper is that there is a long-term equilibrium relationship between urban residents' income and consumption level in the process of economic development. A 1% increase in income in the short term means a 0.65213% increase in consumption. The error correction factor is a negative number, so it is consistent with the opposite correction mechanism. The estimated coefficient is minus 0.22.

Key words: panel correction error model; Unit root test; Co-integration test; Granger test

目录

第一章 绪论 1

1.1 选题背景 1

1.2 国内外研究现状 1

第二章 理论概述 3

2.1 面板数据相关知识 3

2.2协整与误差修正模型的相关理论 3

2.2.1时间序列的平稳性及协整检验 4

2.2.2误差修正模型 5

2.2.3格兰杰因果检验 5

第三章 收入与消费的基本统计分析 7

3.1样本选择和变量选取 7

3.2描述性统计分析 8

3.2.1 数据整体描述 8

3.2.2 变量相关性分析 11

第四章 模型的实证分析 14

4.1单位根检验 14

4.1.1消费性支出的单位根检验 14

4.1.2可支配收入的单位根检验 16

4.2协整检验 19

4.2.1城镇居民收入与消费的协整检验 19

4.2.2农村居民协整检验结果 20

4.3城镇居民收入与消费的面板数据模型 21

4.4误差修正模型 24

4.5格兰杰因果检验 25

第五章 结论及展望 27

5.1研究结论 27

5.2政策启示 27

5.3研究展望 28

参考文献 29

附录 31

致谢 35

第一章 绪论

下面介绍一下关于《基于面板误差修正模型的居民收入对消费的影响分析》该课题的选题背景及目前国内外的研究现状。

1.1 选题背景

根据中国国家统计局网站上的数据显示，上海城镇居民人均可支配收入从1997年开始持续增长，从8438.39元增加到62595.74元，城市居民人均消费支出从6819.94元增加到42304.3元。

消费作为钻研工具在宏观经济统计分析起着关键作用。在社会生产中，人们的最终目标就是提高消费水平。在人民每年的收入中，一大部分都会用来作为消费性支出，只有剩下的一部分才会用作投资和储蓄。因此我们将寻找各种影响消费的因素，判断和解释消费水平的发展状况和规律。 同时探索和研究合理的、符合我国目前国情的消费方式，对于促进我国经济持续稳定的提高，起着非常重要的作用。

自改革开放以来，扩大人民内部消费需求渐渐变成国民经济一大重要发展方向，所以研究居民的消费情况能帮助认识国内目前的内部消费需求，从而对填补国内的市场需求空缺产生积极的推进作用。同时，研究消费变动情况的规律，预测宏观经济的走向，对于制定货币政策以及财政政策都是起着非常重要的作用。增加消费额不仅可以推动我国经济水平的增长，还可以帮助解决因为长时间依赖投资和出口的方式促进经济发展而导致的一些矛盾，在实现国家经济的长期发展和稳定持续时起着不可否认的重要意义。

在消费需求的组成结构中，收入占有一席之地。在此背景下，研究居民收入消费关系对于贯彻落实扩大内需、拉动消费，帮助政府调整经济结构、制定合适的发展政策、改善和提高我国居民消费水平，都能起到积极作用。

1.2 国内外研究现状

到目前为止，国外对居民的消费和收入间的关系研究可以说是浩如烟海，同时，近几十年来，国内对这方面的研究也慢慢重视起来。从这些研究分析时所采用的工具来看，基本可以划分成三个主要阶段：

第一阶段为线性回归模型阶段。国内的学者开始应用最小二乘法回归的普通形式、序列的相关性分析、自回归移动平均法等这些方法来寻求家庭消费与收入之间的关系，如误差处理和多项式分布滞后模型。 其中代表性研究成果不乏，如李以宁1992年出版的《中国宏观经济实证分析》^[1]、李子奈在1992年发表的《计量经济学：方法与应用》^[2]，许旭衡1994年发表的《中国消费函数分析》^[3]等。时间序列的非平稳问题在这个阶段没有得到解决。假如两个序列都是非平稳的，并且它们之间没有协整，那么就存在伪回归问题。

第二阶段是简单的时间分析阶段。学者们运用协整模型和误差修正模型来处理不平稳的时间序列数据。这个阶段的研究成果也非常多，例如秦朵^[4]、韩立岩^[5]、孙凤^{[ 6]}、杭斌^[7]、孙慧钧^[8]等。这些研究有效的处理了伪回归缺陷。这些研究中采用的数据单纯是时间序列数据，在做单位根检验和协整检验时，结果不一定可靠和稳定。 我们需要借助更加新型计量分析工具来克服这个缺陷。

第三阶段是面板数据分析。面板数据的协整分析正成为一个热点问题。例如Pedroni^[9][10]、McCoskey and Kao^[11]、Mark and sul^[12]、Breitung^[13]、Westerlund^[14] 等都有着研究成果上的进步。面板数据将时间序列信息和横截面信息相结合，能更直接和准确地推导出单位根检验和协整的过程，推动了对时间序列的研究。提供更好的测量通用性来处理非固定面板数据。我们可以添加不同部分的信息，采纳面板数据单位根和协整检验理论，有效地解决时间序列分析中的问题。例如，我们可以利用多重共线性问题来提供更多的自由度，而不仅仅是通过简单的时间序列模型来寻找简单的影响横截面模型的因素，这样可以得到更好的研究结论。有关面板数据的最新理论发展，参见张霞伟，丁姝(2015)^[15]、Ke Li， BoqiangLin(2016)^[16]和尹燕等(2013)^[17]。

线性回归模型没有考虑序列不平稳而潜在的伪回归隐患；虽然单纯时间序列分析解决了伪回归问题，但是用于单位根检验和协整检验时，难以保证结果的稳定性。所以，本文通过面板数据模型来分析考虑消费支出和可支配收入的影响^[18]。

本文运用国内特征的五个省份的面板数据，对居民消费与收入的有效关系进行了分析和研究。实际上是将各个省份的总量数据分别看作是一个典型的家庭所产生的数据，将国内的具有代表性的地区的消费和收入数据作为研究对象，虽然这种处理办法也有一定的近似性，但是这种处理方法是更贴近于中国的实际情况，具有一定的创新意义。

第二章 理论概述

2.1 面板数据相关知识

面板数据具有两种分类特点：（1）个体数目少，时间长；（2）个体数量大，时间短。我们一般所研究的面板数据大多具有后一种特点。我们用带有下标的变量表示面板数据，比如：用，来表示不同样本的面板数据，是指面板数据包含个横截面，表示面板数据所包含的时间点，是时间序列中时间上的最大长度。如果是固定不变的，那么是同一时间上个截面变量的不同数值；如果是固定不变的，那么是同一个截面变量在不同时间上的数值。

对于面板数据而言，我们把这个面板数据称为平衡面板数据，当每个截面变量在相同时间内具有完整的观测值时；相反，如果面板数据中截面变量在相同时间内缺少一部分观测值，没有完整的数据时，我们称它为非平衡面板数据。

利用面板数据建立模型的优点是：（1）由于采用了不同截面上的观测值，所以数量的增加能提高估计量的准确度；（2）对于固定效应模型，可以获得变量的一致估计量，甚至是有效的估计量。

2.2协整与误差修正模型的相关理论

平稳的时间序列在运用计量经济学模型做统计推断时，由于某些变量的分布形式不符合标准分布，因而依据变量之间的统计关系的经济模式很难推断。推测结果是总是与实际情况不太符合,也就是“伪回归”问题。因此，变量的非平稳性引发了人们的关注与研究^[19]。

1978年，engle-granger发表了一篇论文，名为“协整和纠错”，正式提出了“协整”的概念，可以反映不稳定的单整型变量之间的长期稳定关系。事实上，两个不平稳的变量序列或许可以通过一些线性组合来使得它们之间的关系保持平稳。收入和消费本身是不稳定的，但随着时间的推移，它们会增加，并且趋向于大致相同。如果收入和消费之间的差距变得更大，那么现实生活中的经济理论将把他们拉回到稳定的状态，也就是说，一对经济变量有着相似的长期稳定趋势。协整理论能够挖掘两个或多个不平稳的变量之间的可能存在的平衡关系，在平稳的基础上后期就可以构建动态模型。

两个时间序列变量存在协整关系的前提是它们具有相同的平稳阶数。协整分析的步骤是，首先运用平稳性检验法来测试两个序列变量的平稳性，判断它们是不是用有相同的平稳阶数。满足前提条件时则实行第二步协整检验。

有两种常见的协整测试方法:

(1)基于最大似然原理的JJ最大似然试验方法主要用于多个变量之间的协整检验，提供了一种用给定观测数据来评价模型参数的方法。通过几个实验，利用测试结果得到了样本最大概率的参数。

(2)基于最小二乘法原理的engle-granger测试主要用于两个变量之间的协整。首先，构建两个变量的回归模型；然后检验残差序列的稳定性。

2.2.1时间序列的平稳性及协整检验

从图像上来看，一个平稳的时间序列的图像应该是在均值上下移动的曲线。计量经济学中定义了平稳时间序列：假定从概率分布中随机收集一些数值构成时间序列，如果符合以下条件：

1. 均值，是一个常数，与时间无关；
2. 方差，是常数，和时间无关；
3. 协方差，为常数，只与时间间隔有关。

这个随机序列是平稳的。

我们称时间序列是阶单整的，假设它经过阶差分后的序列不平稳，而经过阶差分后的序列平稳。这里记作，是单整阶数。特别的，当时，即原始序列是平稳的。