中国居民消费水平与经济发展的数量关系分析

摘 要：本文利用我国1978年-2013年的时间序列数据对我国居民消费水平与经济发展的数量关系进行统计分析，选取国内生产总值作为衡量经济发展水平的指标，通过建立数学模型及分析，居民消费水平与国内生产总值之间存在正相关关系，且国内生产总之对居民消费水平存在显著影响。本文最后还对维持两者的平稳增长提出了相应的政策建议。

关键词：中国居民消费水平；数量关系分析；统计预测

一、研究背景

改革开放以来，随着我国经济的迅速发展，人民的生活水平也日益提高，同时，居民的消费水平也在不断提升。要想维持持续稳定增长的居民消费水平，研究居民消费水平的规律性以及预测其变化发展趋势就变得尤为重要，这就需要研究居民消费水平与经济发展之间的数量关系。

二、理论综述

分析居民消费水平的影响因素，可以从多个角度分析，影响其水平高低的因素也有多种，然而根据理论及经验，首要应考虑的因素为经济发展，经济发展对居民消费水平有着最主要的影响。理论上，经济增长越多，居民消费水平越高。

三、指标的选取和数据的说明

1.指标（变量）的选取。选择居民消费水平作为被解释变量Y，国内生产总值作为解释变量X。衡量一国经济发展水平的指标可以有多种选择，但是人均国民收入，即国内生产总值GDP是用来衡量一国或地区经济发展水平的通用的指标，故这里选择GDP作为解释变量X。

2.数据的收集与说明。数据来源于中国统计局数据库，数据范围的选择为1978年-2013年该36年间的中国全体居民消费水平以及国内生产总值的数据。数据选择自1978年开始，是考虑到我国的国情状况，改革开放前经济波动较大，所以选择改革开放前的数据没有较强的现实意义，所以这里选择改革开放后的数据，来反映经济增长对居民消费的影响及两者之间的数量关系。

四、模型的设定与估计

1.模型设定。为了分析居民消费水平Y和人均GDP的关系，做散点图，如下：

通过散点图可以看出，居民消费水平Y和人均GDP之间的关系大致呈线性关系，为了接下来研究居民消费水平与国内生产总值之间的数量关系的规律性，建立以下简单线性回归模型：

2.参数估计。用Eviews作一元线性回归得到估计方程为：

Y=623.2472+0.02532X

（138.1485）（0.000675）

t=（4.511429）（37.53213）

五、模型检验

1.经济意义检验。方程中估计的变量X前的参数为0.02532，说明国内生产总值GDP每增加一亿元，居民消费水平平均增加0.02532元，这与经济学理论相符合，通过经济意义检验。

2.拟合优度和统计检验。R2=0.976432，说明模型整体上对样本数据的拟合程度较好。此外，由t=37.53213，大于临界值，通过t检验，说明国内生产总值对居民消费水平有显著的影响。且nR2=35.151552，大于临界值，说明该模型存在异方差。

3.自相关检验。运用DW检验法，DW=1.0901723

4.异方差检验。对调整后的模型进行异方差检验，模型中不存在异方差。调整后的方程为：

Y=894.834+0.023783X

（320.9484）（0.001338）

t=（2.788093）（17.77463）

六、结论与政策建议

1.结论。①居民消费水平与国内生产总值之间存在正相关关系，表现为：国内生产总值每增加一亿元，居民消费水平平均增加0.023783元。②国内生产总值对居民消费水平存在显著影响，国内生产总值常被公认为衡量国家经济状况的最佳指标，它可以反映一个国家的经济发展水平。国民收入提高，在其他因素不变的情况下，居民购买力提高，从而消费水平增加。

2.推论及政策建议。①改善收入分配制度，提高居民收入水平。居民收入水平和消费倾向是决定居民消费需求的两个重要因素，而消费倾向在很大程度上与收入分配的状况有关，因此要扩大居民消费需求，应目力提高城乡居民收入水平。②调整消费政策，改善消费环境，继续整顿和规范市场经济秩序，加快生活基础设施建设，尤其是要加快改造农村电网、广播电视网、邮政通讯网、信息网等消费环境，扩大农民的消费需求。③培育消费热点，促进消费节后和产业结构升级，扩大居民教育消费，在知识经济时代，增加居民教育消费，是提高居民消费层次和质量的关键，增加居民信息消费，对着国民经济和社会信息化快速推进，信息消费渐已成为居民消费的热点之一，要加快信息产业信息服务业发展，扩大信息产品及网络的共给，促进信息服务的社会化和市场化。④加强宣传教育，转变居民消费观念，大力倡导信用消费，建立信用消费与保险、担保相结合，分散和降低消费信贷风险。扩大消费信贷范围，加快信用消费体系建设，制定和完善与信用消费有关的法律法规，为开展消费信贷清除障碍。

参考文献：

[1]国家统计局.2010年中国统计年鉴[M].北京：中国统计出版社，2010.

[2]王燕.应用时间序列分析[M].北京：中国人民大学出版社，2005：82-88.

[3]易丹辉.数据分析与Eviews使用指南[M].天津：南开大学出版社.2003：96-101.

[4]周纪芗.实用回归分析方法[M].南京：南京科学技术出版社，1990：56-69.

作者简介：张镱潆（1994.03- ），女，汉族，山东省淄博市，大学本科，统计学，学生，东北林业大学经济管理学院