计量经济学论文摘要万能模板

知识经济条件下计量问题研究关键词： 基础 问题 成本 核算 中国论文 职称论文摘要：知识经济条件下，人力资源已成为决定企业兴衰的主要因素，人力资源会计在现代企业管理中的重要地位毋庸置疑，在我国实施人力资源会计是必然的趋势。实施人力资源会计要解决的关键问题是人力资源的确认和计量。关键词：知识经济 人力资源会计 确认和计量人力资源会计这一概念的提出已经40多年了，但由于人力资源核算的复杂性，如何确认人力资源会计仍是当今会计界的难题之一。知识经济条件下，人力资源已成为决定企业兴衰的主要因素，人力资源会计在现代企业管理中的重要地位也毋庸置疑，作为一门会计学领域的新分支，其产生和发展具有一定的科学性，它不是纯抽象的理论，应是实践性非常强的一项工作，在我国实施人力资源会计是必然的趋势。笔者在此就人力资源会计的确认和计量问题进行一些浅薄的探讨，还望各位专家批评指正。一、进行人力资源会计核算的基础和原则 （一）在探讨人力资源会计核算之前，首先要弄清以下三个基础性问题：1. 人力资源是企业的一项资产（随后还有阐述）。2. 人力资源是通过负债的方式取得的。3. 在核算人力资源的时候，既要核算其取得、开发与使用成本，又要核算其原有价值。其中取得和开发成本属于资本性支出，应将其资本化，作为资产处理；使用成本属于收益性支出，应将其费用化，计入当期损益。人力资产原有价值应作为资产的一部分进行核算，同时作为“租用人力”增加一项负债。 （二）人力资源会计核算的确认本论文由无忧论文网整理提供原则 1. 重要性原则。人力资源是企业的重要经济资源，应重点加以体现，尤其是那些不可替代人力资源的信息、数额巨大的培训项目等。 2. 配比性原则。当人力资源数额较大，涉及多个会计期间时，应遵循配比原则对其价值进行合理摊销。 3. 历史成本原则。将招聘、培训和开发人才等一切人力资源方面的支出均作为人力资产和成本，其数据是根据原始发生时的金额归集的。 4. 相关性原则。企业人事管理部门，它对于职工的管理不仅是看其工资发生额的大小，而且重要的是如何合理配置人力资源，所以要求人力资源会计提供的信息应体现相关性原则。 5. 效益成本原则。人力资源会计在很多方面发挥了较大的作用，但在核算时还应考虑对那些核算成本较高，对决策意义不大的核算项目可不予揭示。 6. 划分资本性支出与收益性支出原则。将递延资产中的职工培训费、费用中的职工教育经费、数额较大的培训费、招聘广告费、稀有人才离职损失费予以资本化，将工资福利费等各期发生额均衡的支出计入费用，作为收益性支出。二、人力资源会计核算的内容和方法的确认 人力资源会计核算内容包括如下几点： （一）人力资产的核算。人力资本论文由无忧论文网整理提供产就是企业所拥有的人力资源的总价值，包括人力资产原有价值、人力资产取得和开发成本，以及进知识经济下人力资源会计确认和计量问题研究马雅丽 河南省三门峡市市政工程处 472000行人力资产评估时的增值部分（减值时冲减）。 1. 人力资产原有价值。在企业取得前由于劳动者已经具备一定的知识、技能而具有一定的价值。它被企业拥有后，原有价值依然存在，因此它应作为人力资产的重要组成部分。不过对其进行计量有一定难度，这可以由会计学会等权威部门研讨制定统一标准，由国家颁布实施。2. 人力资产附带成本。企业在取得或开发人力资源时，总要发生一定的费用。如付给招聘人员薪金和津贴，招聘广告费、测验费，如教育培训人员的工资津贴、教材费及学费等。这些都应作为人力资产附带成本，记入人力资产价值，平均分摊在劳动合同期内。 3. 人力资产评估增值（或减值）部分。人力资产价值除了受劳动者的知识技术水平影响外，还受劳动者的职位、年龄、身体健康状况及敬业程度等多种因素的影响。所以，定期对人力资产进行评估很有必要。评估增值增加人力资产价值，评估减值则冲减人力资产价值。它可由权威的人力资产评估机构，结合每个人的情况，采用科学的方法统一评估确定。 4. 租用人力的核算。企业一开始拥有人力资源，就负有合同到期时无条件地把这部分人力资源归还给劳动者的义务，从而形成负债——租用本论文由无忧论文网整理提供人力。它在数值上应等于人力资产原有价值加上人力资产评估增值（或减去人力资产评估减值）。 5. 人力资产使用成本的核算。企业在使用人力资源时，要支付工资、福利费等，并发生其他相关支出；此外还有与各期收益相配比而摊销的资本性支出（人力资产附带成本摊销）。这些都构成了人力资产使用成本。（二）人力资源会计账户设置的确认 为了进行人力资源会计核算，应设置以下账户： 1. “人力资产”账户。该账户根据其内容构成，下设三个明细账户： （1）人力资产原值。本账户核算具有不同标准的劳动者在进入企业前就拥有的价值量。企业在取得人力资源时记借方，在劳动合同到期劳动者离开企业时记贷方。期末余额在借方，表示期末人力资产原值结余额。 （2）人力资产附带成本。本账户核算企业在取得或开发人力资源时所发生的必要支出。支出发生时记借方，在合同期内分期平均摊销时记贷方，直接冲减“人力资产”价值。期末余额在借方，表示尚未摊销的附带成本。 （3）人力资产评估增值。本账户核算在对人力资产进行评估时的评估增加额或减少额。评估增值时记借方，评估减值时记贷方。当劳动者离开企业时全额冲减该项人力资产的增值额。期末余额在借方，表示增值量；期末余额在贷方，表示减值量。 “人力资本产”账户属于长期资产类账户，根据劳动者在企业的重要程度、贡献大小，可按部门或个人设置明细账，以反映人力资产的分布情况。2. “租用人力”账户。该账户属于长期负债类账户，核算企业在劳动合同到期时需要偿还给劳动者的那部分价值，包括人力资产原值和评估增值部分（减值时冲减）。当企业取得人力资源及评估增值时记贷方，当劳动者离开企业及评估减值时记借方。期末余额在贷方，表示企业还需偿付给劳动者的价值量。 3. “人力资产成本费用”账户。该账户属损益类账户，核算人力资产的收益性支出如工资、奖金、劳保福利费等，以及应与本期收益相配比而摊销的资本性支出（人力资产附带成本）。它应属于管理费用、销售费用、制造费用、生产成本、营业外支出等账户的二级账户。当费用发生时和附带成本摊销时记借方，期末结转损益时记贷方，结转后无余额。（三）人力资源会计报告的确认1. 人力资源要素在会计报表中的披露方式。通过对人力资源的核算、计量及账务处理，使得人力资源价值能在财务报表上客观地列示。在资产负债表中，“人力资产”在“无形资产及递延资产”项后列示，“租用人力”在“长期应付款”项后列示。损益表中，“人力资产成本费用”包含在管理费用、销售费用等项中，并不直接列示出来。 2. 人力资源会计报表与传统会计报表的关系：人力资源会计报表与传统会计报表的框架是一样的，只是在传统会计报表里加入了人力资源的本论文由无忧论文网整理提供增减变动、使用情况，从而使得包括了人力资源的资产负债表，其资产总额比传统会计报表的资产总额要大；在两种损益表里，包含了人力资源的损益表对人力资源的成本、费用处理是当期的人力资产摊销额，而在传统的损益表里，当期有关人力资源方面的支出全部作为当期费用，这就造成了两种损益表计算出的损益也不同。但是人力资源有别于物质资源，其内容比较复杂，仅仅靠财务报表来揭示人力资源会计信息远远满足不了信息使用者的需要。所以还应附加以下报告： 3. 人力资产投资报告。主要用来提供企业人力资产管理所应耗费或已耗费的成本信息。通过把人力资产实际投资额和计划投资额相比较，分析投资目标是否达到等。 4. 人力资源结构及变动情况报告。主要用来反映人力资源的结构；并通过人力资产期初期末余额及人员数量的比较，反映人力资源变动情况，从而给企业决策者提供有用信息，以决定人力资源投资方向，使人力资源结构趋于合理化。 5. 人力资源效能报告。用来反映人力资源的使用状况；通过分析，了解人力资源是否得到充分利用，是否每个劳动者都发挥了自己的潜能，以便决策者及时采取有效措施，提高人力资源利用效益。三、人力资源会计的确认与计量问题 （一） 人力资源会计的确认 人力资源能否作为企业资产，这一点是会计学者争论的焦点。因为这一问题是关系到人力资源会计能否存在的关键，所以，须加以详解：所谓资产须具有以下三个要素：1. 必须是一项经济资源，未本论文由无忧论文网整理提供来可提供收益；2. 为企业所拥有或控制；3. 可以用货币计量其价值。首先，人力资源以人为载体，通过生产活动可以体现其价值，人力资源可为企业创造经济价值，提供未来收益。其次，人力资源能够用货币进行计量。人力资源作为一种经济资源，就需要企业进行取得、开发与使用，而取得与开发需发生相应的成本支出，使用要形成资源耗费，这种成本支出与资源耗费都是能以货币计量的。 最后，人力资源也是企业可以实际控制的。一些学者认为：人力资源是劳动者的劳动能力，其所有权归劳动者所有，而企业无法拥有对劳动者的所有权，从而也就无法拥有和控制人力资源。人力资源的所有权属于劳动者个人，劳动者具有流动性，但是，一旦劳动者被聘用为企业员工，企业即取得了对职工受聘期间的劳动能力资源的使用权。所以，人力资源是可以为企业所拥有和控制的。 综上所述，人力资源是可以定义为资产的。 （二） 人力资源会计的计量 人力资源计量是对人力资源上的投资进行计量，对人的劳动技能已经创造或可能创造的价值加以计量，是为了把握人力资源的现状和变化情况，从而为账务处理、价值管理以及最终提供完整的会计信息奠定基础。而人力资源会计的计量问题是决定人力资源会计是否可行、是否具有可操作性的关键，因此要努力抓好人力资源会计的计量工作。将人力资源资本化，就涉及到人力资产的计价问题，而对人力资产的计价主要有两种观点：第一种观点认为，对人力资本论文由无忧论文网整理提供产应按照其获得、维持、开发过程中的全部实际耗费支出作为人力资产的价值入账，这种方法称为成本法；另一种方法认为，对人力资产应按其实际价值入账，而不应按其耗费支出入账，因为企业获得、维持、开发人力资源的过程中的支出往往与人力资产的实际价值不符，对人力资产应按其实际价值入账，该方法称为价值法。这就成就了人力资源会计的两大分支——人力资源成本会计和人力资源价值会计： 1. 人力资源成本会计 常见有三种方法： （1）历史成本法 该法是以人力资源的取得、开发、安置、遣散等实际成本支出为依据，并将其资本化的计价方法，历史成本法操作简便，数据确凿，具有客观性和可验证性。此法运用于一般企业。 （2）重置成本法 该法是指在当前的物价条件下，对重置目前正在使用的人员所需成本进行计量的计价方法。它包括两个部分：一个是由于现有雇员离去导致的离职成本；另一个是取得、开发其替代者的成本。（3）机会成本法 该法是以企业员工离职使企业蒙受的经济损失为依据进行计量的计价方法。这种计价方法接近于人力资源的实际经济价值，但与传统会计模式相距较远，导致核算工作量繁重。适用于雇员素质较高、流动性较大且机会成本易于获得的企业，如会计师事务所等。 2. 人力资源价值会计 每个员工的个人价值，在一定程度上决定着人力资源群体价值的大小，但又不是人力资源个人价值的简单相加。为满足管理需要，人力资源会计既要对外披露企业人力资源的群体价值，又要提供企业内部管理决策所需的人力资源的个人价值，所以，人力资源价值的计量，既要反映群体的经济价值，又要提供个人的经济价值，两本论文由无忧论文网整理提供者互为补充，这就是人力资源价值的主要特点。人力资源价值会计的计量方法主要有以下几种：（1）工资报酬折现法。该法是将一个职工从录用到退出企业为止预计支付的全部薪金，按一定的折现率折成现值，作为人力资源的价值。这种方法以职工的工资支付额为基础，有一定的合理成份。但它只把补偿价值作为人力资源价值，在实际应用中会高估或低估个人的预期工作年限，人力资源创造的价值也可能会高于或低于其工资，这都影响到人力资源价值的准确性。（2）未来收益折现法。该法是将企业未来收益中由投资于人力资源所得的那部分视为人力资源的价值。计算方法是在人力资源的预计有效使用期限内，企业各年预计净收益之和乘以人力资源的投资额占企业总投资额的比例。该法适用于群体人力资源价值的计量。不足之处是没有反映人力资源的交换价值，低估了人力资源价值，且由于未来净收益、人力资源使用年限均含有不确定性，故不可避免地带有较强的主观性。（3）随机报酬价值法。该法是通过人力资源为组织提供的服务、所创造的价值来计算人力资源的价值，其价值取决于人在组织内目前或未来所担任的角色和实际担任该角色的可能性。而这种可能性是随机的，通过综合考虑人力资源对组织的预计服务年限、服务状态的价值及其概率来估计人力资源价值。该方法在计算过程中所考虑的因素比较系统全面，数据比较客观，用其估算的人力资源价值更容易被接受。但这种方法忽略了其他资产对组织收益的影响，因本论文由无忧论文网整理提供此有可能高估人力资源的价值。人力资源会计是一门会计学领域的新分支，其产生和发展具有一定的科学性，它不是纯抽象的理论，应是实践性非常强的一项工作。从目前来看，人力资源会计操作实用性还比较差，但这也正是会计学人所努力研究探索的方向。基于此，笔者对人力资源会计确认问题进行了非常浅薄的探讨，可能其中还有许多偏颇甚至是错误的观点，还望各位专家批评指正。参考文献：[1] 张文贤《人力资源会计》大连东北财经大学出版社2001. [2] 王彦：《人力资源会计确认与计量》，合作经济与科技，2006.[3] 董芳：《人力资源会计浅析》，财会研究，2005.[4] 刘微《知识经济时代下人力资源会计理论研究与应用》2006.[5] 张洪峰《知识经济下人力资源会计确认问题研究》2007.

关于我国城镇居民储蓄存款模型的计量经济分析 （我的姓名等信息就省略了啊 呵呵） 内容摘要：本文利用我国1978年以来的统计数字建立了可以通过各种检验的城镇居民储蓄率的模型，对我国城镇居民储蓄存款情况进行实证分析。通过对该模型的经济含义分析得出各种主要因素对我国城镇居民储蓄存款数量的影响程度，并针对我国城镇居民存款储蓄现状提出自己的一些建议。 关键词：居民储蓄存款 实证分析 主要因素 一、问题的提出 1978年以来,随着我国国民经济的飞速发展,我国的居民储蓄也出现高速增长的态势。进入90年代以后．我国居民储蓄存款余额始终保持在两位数的增长速度。我国居民储蓄存款持续增长这一经济现象引起国内理论界的广泛关注。这对我国经济的进一步增长有着有利的一面,但也会带来一定程度的负面影响。所以国家相继出台了一系列积极的财政和货币政策,以刺激国内消费和投资需求,分流储蓄,但是居民储蓄依然持续增加。由于居民的储蓄存款直接影响着居民的消费行为，影响着货币的供给量，进而间接影响着国家经济的发展，宏观调控的力度和效果，因此，对我国居民存款储蓄问题的深入研究就显得尤为重要，这有助于帮助大家认清现状，做出合理的决策。虽然我们作为本科阶段的学生对这个问题的理解和研究还不够深入和透彻，但对此问题的探索有利于我们更好的掌握专业知识，了解国情，提高实际操作水平和理论联系实际、发现问题、分析问题、解决问题的能力。 二、文献综述 我国有很多学者建立了许多的储蓄模型来分析各因素对居民储蓄的影响程度,但分析结论的差异很大。整理以前的研究成果,一个社会的储蓄总量受很多因数的影响，根据经典西方宏观经济学理论，储蓄水平主要受收入因数、利息率、物价水平、收入分配等因数的影响： 1.收入因数 收入是决定储蓄的重要因数，收入的变化会直接决定着储蓄的变化。在其他条件不变的情况下，储蓄与可支配收入之间存在着正方向的变化关系，即居民的可支配收入增加，储蓄量增加；个人可支配收入减少，储蓄量减少。可支配收入是指居民户在支付个人所得税之后，余下的全部实际现金收入。 2.利息率 传统经济学认为，在收入即定的条件下，较高的利息率会使储蓄增加。在本文中，我们选用的利息率是根据当年变动月份加权平均后的一年期储蓄存款加权利率。 3.物价水平 物价水平会导致居民户的消费倾向的改变，从而也就会改变居民户的储蓄倾向。本文用通货膨胀率来考察物价水平对储蓄率的影响。 4.收入分配 凯恩斯认为，收入分配的均等化程度越高，社会的平均消费倾向就会越高，社会的储蓄倾向就会越低。在国际上，衡量收入分配平均状况最常用的指数是基尼系数。 三、变量的选取及分析 目前我国正处于改革时期，各种不确定性因素很多。因而，要分析各种因素对中国居民储蓄行为的影响，必须立足于中国的国情。1998年后，中国经济运行进入了一种新的体制约束状态，出现了明显的供给过剩，需求对经济增长的约束与拉动作用明显增强，投资、消费膨胀的内在动力明显不足；同时，由于我国市场机制尚不健全，市场经济发育不成熟，市场体制的控制力还有限，从而不能形成一种有效地传导机制。市场化的改革对人们的经济行为、心理行为带来了很大影响，银行开始考虑贷款风险，投资者开始考虑投资回报，而消费者也开始考虑最佳的消费时机和预期收入。这说明，我们的微观经济层面已生长出一种内在的约束机制，然而社会各个方面对这些积极的因素还很不适应，微观主体内在约束机制较强与宏观经济市场传导机制不畅之间的矛盾，导致了投资行为受阻、消费行为审慎和储蓄持续稳定增长。当前影响我国居民储蓄的因素有很多，概括起来有以下几点：居民对社会经济形势的预期、可选择的投资渠道、信贷消费的发展、利率因素的影响、"假性"存款的影响、消费领域的信用等级、高收入阶层消费状况、就业形势压力、体制改革、居民收入水平等。 由于我现在的时间和能力有限，只能综合考虑，选取一部分变量进行研究，而且为了方便查找数据，只建立我国城镇居民储蓄存款模型进行研究。本文选用当年的收入增长率来考察收入因数对储蓄率的影响。用城镇居民的储蓄率作为被解释变量。另外还选取了中国1979年到2002年的各年的城镇居民收入的基尼系数、一年期储蓄利率和通货膨胀率作为解释变量。 四、数据及处理 本文模型数据样本为从1979-2002年。 年份 城镇居民储蓄率 城镇居民收入增长率 一年期储蓄利率 通货膨胀率 城镇居民基尼系数 1979 0.06368087 0.264869934 3.78 0.02 0.16 1980 0.08740586 0.220385089 5.04 0.059804 0.15 1981 0.07093626 0.104176446 5.4 0.024052 0.15 1982 0.08105586 0.139165412 5.67 0.01897 0.15 1983 0.09963501 0.093723563 5.76 0.015071 0.16 1984 0.13025584 0.245357008 5.76 0.027948 0.19 1985 0.15161502 0.184241122 6.72 0.08836 0.19 1986 0.17454542 0.280700971 7.2 0.060109 0.2 1987 0.2175453 0.167515864 7.2 0.072901 0.23 1988 0.17862152 0.219728929 7.68 0.185312 0.23 1989 0.2721202 0.199827095 11.12 0.177765 0.23 1990 0.32760614 0.123579703 9.92 0.021141 0.24 1991 0.31032443 0.163667824 7.92 0.028888 0.25 1992 0.3016907 0.228819425 7.56 0.053814 0.27 1993 0.3199061 0.311233327 9.26 0.131883 0.3 1994 0.42486435 0.397210898 10.98 0.216948 0.28 1995 0.44898036 0.261076104 10.98 0.147969 0.28 1996 0.40903477 0.198208003 9.21 0.060938 0.29 1997 0.30935015 0.127739779 7.17 0.007941 0.3 1998 0.25777978 0.108852141 5.02 -0.026 0.295 1999 0.21234608 0.134557035 2.89 -0.02993 0.3 2000 0.1239205 0.125688358 2.25 -0.01501 0.32 2001 0.24155306 0.14364071 2.25 -0.0079 0.33 2002 0.29897822 0.173106495 2.03 -0.01308 0.319 数据来源：各年份的《中国统计年鉴》 注：Y代表城镇居民储蓄率 X1代表城镇居民收入增长率 X2代表一年期储蓄利率 X3代表通货膨胀率 X4代表城镇居民基尼系数 五、模型及处理 基于以上数据，建立的模型是： Y=β1+β2X1+β3X2+β4X3+β5X4+u β1度量了截距项，它表示在没有收入的时候人们也要花钱消费，储蓄率为负。 β2度量了当城镇个人可支配收入率变动1%时，储蓄增长率的变动。 β3度量了当利率变动一个单位，其实也就是1%时，储蓄的增量的变动。 β4度量了当通货膨胀率变动一个单位，储蓄增量的变动。 β5度量了基尼系数对储蓄率的影响。这也是本文的重点变量。 u是随机误差项。 对Y做回归 利用eviews最小二乘估计结果如下 Variable Coefficient Std. Error t-Statistic Prob. C -0.264646 0.045525 -5.813154 0.0000 X1 0.317426 0.175678 1.806864 0.0875 X2 0.024054 0.003688 6.523093 0.0000 X3 0.024476 0.205508 0.119099 0.9065 X4 1.127523 0.149318 7.551127 0.0000 R-squared 0.897971 Mean dependent var 0.234065 Adjusted R-squared 0.875298 S.D. dependent var 0.116109 S.E. of regression 0.041002 Akaike info criterion -3.360748 Sum squared resid 0.030260 Schwarz criterion -3.113901 Log likelihood 43.64860 F-statistic 39.60525 Durbin-Watson stat 1.541473 Prob(F-statistic) 0.000000 根据以上结果，初步得出的模型为 Y=-0.264646+0.317426X1+0.024054X2 +0.024476X3+1.127523X4. 1.经济意义的检验 该模型可以通过初步的经济意义的检验，系数的符号符合经济理论。 2.统计检验 从表中可以看出，显然通货膨胀率的系数通不过T检验，R2=0.897971， 2值为0.875298，模型的拟合情况较好。F检验的值为39.60525，整个模型对储蓄率的增长影响是显著的。 3.多重共线性的检验 从F值可知此模型整体显著，但是分析各个变量后发现X1和X3不显著，可能存在多重共线性，运用消除多重共线性的逐步回归方法我们可以得到要放弃X3 这个变量，重新做回归分析得到： Y=β1+β2X1+β3X2+β5X4+u Variable Coefficient Std. Error t-Statistic Prob. C -0.271487 0.041322 -6.570056 0.0000 X1 0.314787 0.113799 2.766177 0.0119 X2 0.024487 0.003178 7.704986 0.0000 X4 1.145280 0.137886 8.305987 0.0000 R-squared 0.897094 Mean dependent var 0.229740 Adjusted R-squared 0.881658 S.D. dependent var 0.115517 S.E. of regression 0.039739 Akaike info criterion -3.461967 Sum squared resid 0.031583 Schwarz criterion -3.265624 Log likelihood 45.54360 F-statistic 58.11739 Durbin-Watson stat 1.556309 Prob(F-statistic) 0.000000 从新模型的整体效果来看，R值和F值都很好，而且各个变量的t统计量也表明各个变量对储蓄率的增长都有显著影响。 因此模型可设为Y= -0.271487+0.314787X1+0.024487X2+1.145280X4 4.异方差性检验 对新模型进行异方差性的检验，运用white检验，得到如下结果： White Heteroskedasticity Test: F-statistic 2.669433 Probability 0.054505 Obs*R-squared 11.50596 Probability 0.073942 Obs*R-squared的计算结果是11.50596，，由于选用的没有交叉乘积项的方式，所以自由度为7，在0.05的显著水平下，查表得 （7）=12.59〉11.50596，所以接受原假设，即该模型不存在异方差性。 5.自相关性的检验 从上表可知DW值为1.556309，且样本容量n=24，有三个解释变量的条件下，给定显著性水平 =0.01，查D-W表得，d =0.882,d =1.407,这时有d

计量经济学论文可以研究的问题有多种，期中比较简单的就是根据数据，建立方程，研究变量之间的关系，主要运用的工具就是计量经济学的初等知识和Eviews软件，思路、要求和注意事项我觉得这么说对你的帮助不大，所以给你一篇我的论文做参考，也许对你有帮助，如果你觉得看的不是很明白的话，可以再留言给我，我把什么思路等告诉你。计量经济学期末实验报告实验名称：大中城市城镇居民人均消费支出与其影响因素的分析姓 名：学 号：班 级： （）级统计学系（）班指导教师：时 间：（上面是论文封皮）23个城市城镇居民人均消费支出与其影响因素的分析（题目）一、 经济理论背景近几年来，中国经济保持了快速发展势头，投资、出口、消费形成了拉动经济发展的“三架马车”，这已为各界所取得共识。通过建立计量模型，运用计量分析方法对影响城镇居民人均消费支出的各因素进行相关分析，找出其中关键影响因素，以为政策制定者提供一定参考，最终促使消费需求这架“马车”能成为引领中国经济健康、快速、持续发展的基石。二、 有关人均消费支出及其影响因素的理论我们主要从以下几个方面分析我国居民消费支出的影响因素：①、居民未来支出预期上升，影响了居民即期消费的增长居民的被动储蓄直接导致购买力的巨大分流, 从而减弱对消费品的即期需求，严重地影响了居民即期消费的增长，进而导致有效需求的不足，最终导致经济增长的乏力。90年代末期以来，我国的医疗、养老、失业保险、教育等一系列改革措施集中出台，原有的体制被打破，而新的体制尚未建立健全，因此目前的医疗、养老、失业保险、教育体制对居民个人支出的压力较大，而且基本上都是硬性支出，支出的不确定性也很大，导致居民目前对未来支出预期的上升。②、商品供求结构性矛盾依然突出从消费结构上看，我国消费品市场已发生了新的根本性变化：居民低层次消费已近饱和，而更高水平的消费又未达到。改革开放20多年来，城乡居民经过了一个中档耐用消费品的普及阶段后，目前老百姓的收入消费还不足以形成一个新的、以高档产品为内容的主导性消费热点，如轿车、住房等还远不能纳入大多数人的消费主流，居民现有的购买力不能形成推动主导消费品升级的动力。③、物价总水平持续在低水平运行，通货紧缩的压力较大，不利于消费的增长加入WTO之后，随着关税的降低和进口规模的扩大，国外产品对我国市场的冲击将进一步加大，国际价格紧缩对国内价格变化将产生负面影响。物价的持续下降，不利于居民的消费增长。因为从居民的消费心理上看，买涨不买降是居民购物的习惯心理。由于居民对物价有进一步下降的预期，因此往往推迟消费，不利于居民消费的增长。另外，从统计上分析，由于物价的下降，名义消费增长往往低于实际消费的增长，这在一定程度上也不利于消费增长幅度的提高。④、我国现阶段没有形成大的消费热点，难以带动消费的快速增长经过近几年的培育和发展，我国目前已经形成了住房消费、居民汽车消费、通信及电子产品的消费、节假日消费及旅游消费等一些消费亮点，可以促进消费的稳定增长，但始终未能形成大的消费热点，因此不能带动消费的高速增长。三、 相关数据收集相关数据均来源于2006年《中国统计年鉴》：23个大中城市城镇居民家庭基本情况（表格）地区 平均每户就业人口（人） 平均每一就业者负担人数（人） 平均每人实际月收入（元） 人均可支配收入（元） 人均消费支出（元）北京 1.6 1.8 1865.1 1633.2 1187.9天津 1.4 2.0 2010.6 1889.8 939.8石家庄 1.4 2.0 1061.3 1010.0 722.9太原 1.3 2.2 1256.9 1159.9 789.5呼和浩特 1.5 1.9 1354.2 1279.8 772.7沈阳 1.3 2.1 1148.5 1048.7 812.1大连 1.6 1.8 1269.8 1133.1 946.5长春 1.8 1.7 1156.1 1016.1 690.2哈尔滨 1.4 2.0 992.8 942.5 727.4上海 1.6 1.9 1884.0 1686.1 1505.3南京 1.4 2.0 1536.4 1394.0 920.6杭州 1.5 1.9 1695.0 1464.9 1264.2宁波 1.5 1.8 1759.4 1543.2 1271.4合肥 1.6 1.8 1042.5 950.1 686.9福州 1.7 1.9 1172.5 1059.4 942.8厦门 1.5 1.9 1631.7 1394.3 998.7南昌 1.4 1.8 1405.0 1321.1 665.4济南 1.7 1.7 1491.3 1356.8 1071.4青岛 1.6 1.8 1495.6 1378.5 1020.7郑州 1.4 2.1 1012.2 954.2 750.3武汉 1.5 2.0 1052.5 972.2 853.1长沙 1.4 2.1 1256.9 1148.9 986.8广州 1.7 1.8 1898.6 1591.1 1215.1四、 模型的建立根据数据，我们建立多元线性回归方程的一般模型为：其中：——人均消费支出——常数项——回归方程的参数——平均每户就业人口数——平均每一就业者负担人口数——平均每人实际月收入——人均可支配收入——随即误差项五、实验过程（一）回归模型参数估计根据数据建立多元线性回归方程：首先利用Eviews软件对模型进行OLS估计，得样本回归方程。利用Eviews输出结果如下：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:08Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C -1682.180 1311.506 -1.282633 0.2159X1 564.3490 395.2332 1.427889 0.1704X2 569.1209 379.7866 1.498528 0.1513X3 1.552510 0.629371 2.466766 0.0239X4 -1.180652 0.742107 -1.590947 0.1290R-squared 0.721234 Mean dependent var 945.2913Adjusted R-squared 0.659286 S.D. dependent var 224.1711S.E. of regression 130.8502 Akaike info criterion 12.77564Sum squared resid 308191.9 Schwarz criterion 13.02249Log likelihood -141.9199 F-statistic 11.64259Durbin-Watson stat 2.047936 Prob(F-statistic) 0.000076根据多元线性回归关于Eviews输出结果可以得到参数的估计值为： , , ， ，从而初步得到的回归方程为：Se= (1311.506) (395.2332) (379.7866) (0.629371) (0.742107)T= (-1.282633) (1.427889) (1.498528) (2.466766) (-1.590947)F=11.64259 df=18模型检验：由于在 的水平下，解释变量 、 、 的检验的P值都大于0.05，所以变量不显著，说明模型中可能存在多重共线性等问题，进而对模型进行修正。（二）处理多重共线性我们采用逐步回归法对模型的多重共线性进行检验和处理：X1：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:28Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 153.8238 518.6688 0.296574 0.7697X1 523.0964 341.4840 1.531833 0.1405R-squared 0.100508 Mean dependent var 945.2913Adjusted R-squared 0.057675 S.D. dependent var 224.1711S.E. of regression 217.6105 Akaike info criterion 13.68623Sum squared resid 994441.2 Schwarz criterion 13.78497Log likelihood -155.3917 F-statistic 2.346511Durbin-Watson stat 1.770750 Prob(F-statistic) 0.140491X2：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:29Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 1756.641 667.2658 2.632596 0.0156X2 -424.1146 347.9597 -1.218861 0.2364R-squared 0.066070 Mean dependent var 945.2913Adjusted R-squared 0.021597 S.D. dependent var 224.1711S.E. of regression 221.7371 Akaike info criterion 13.72380Sum squared resid 1032515. Schwarz criterion 13.82254Log likelihood -155.8237 F-statistic 1.485623Durbin-Watson stat 1.887292 Prob(F-statistic) 0.236412X3：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:29Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 182.8827 137.8342 1.326831 0.1988X3 0.540400 0.095343 5.667960 0.0000R-squared 0.604712 Mean dependent var 945.2913Adjusted R-squared 0.585888 S.D. dependent var 224.1711S.E. of regression 144.2575 Akaike info criterion 12.86402Sum squared resid 437014.5 Schwarz criterion 12.96276Log likelihood -145.9362 F-statistic 32.12577Durbin-Watson stat 2.064743 Prob(F-statistic) 0.000013X4：Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:30Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 184.7094 161.8178 1.141465 0.2665X4 0.596476 0.124231 4.801338 0.0001R-squared 0.523300 Mean dependent var 945.2913Adjusted R-squared 0.500600 S.D. dependent var 224.1711S.E. of regression 158.4178 Akaike info criterion 13.05129Sum squared resid 527020.1 Schwarz criterion 13.15003Log likelihood -148.0898 F-statistic 23.05284Durbin-Watson stat 2.037087 Prob(F-statistic) 0.000096由得出的数据可以看出， 的调整的判定系数最大，因此首先把 引入调整的方程中，然后在分别引入变量 、 、 进行OLS得：X1、X3Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:32Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C -222.8991 345.9081 -0.644388 0.5266X1 289.8101 227.2070 1.275533 0.2167X3 0.517213 0.095693 5.404899 0.0000R-squared 0.634449 Mean dependent var 945.2913Adjusted R-squared 0.597894 S.D. dependent var 224.1711S.E. of regression 142.1510 Akaike info criterion 12.87276Sum squared resid 404138.2 Schwarz criterion 13.02087Log likelihood -145.0368 F-statistic 17.35596Durbin-Watson stat 2.032110 Prob(F-statistic) 0.000043X2、X3Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:33Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 239.5536 531.1435 0.451015 0.6568X2 -27.00981 244.0392 -0.110678 0.9130X3 0.536856 0.102783 5.223221 0.0000R-squared 0.604954 Mean dependent var 945.2913Adjusted R-squared 0.565449 S.D. dependent var 224.1711S.E. of regression 147.7747 Akaike info criterion 12.95036Sum squared resid 436747.0 Schwarz criterion 13.09847Log likelihood -145.9292 F-statistic 15.31348Durbin-Watson stat 2.063247 Prob(F-statistic) 0.000093X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:34Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 331.7015 142.5882 2.326290 0.0306X3 1.766892 0.553402 3.192782 0.0046X4 -1.473721 0.656624 -2.244390 0.0363R-squared 0.684240 Mean dependent var 945.2913Adjusted R-squared 0.652664 S.D. dependent var 224.1711S.E. of regression 132.1157 Akaike info criterion 12.72634Sum squared resid 349091.0 Schwarz criterion 12.87445Log likelihood -143.3529 F-statistic 21.66965Durbin-Watson stat 2.111635 Prob(F-statistic) 0.000010由数据结果可以看出，引入X4时方程的调整判定系数最大，且解释变量均通过了显著性检验，再分别引入X1、X2进行分析。X1、X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:37Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 193.6693 403.8464 0.479562 0.6370X1 89.29944 243.6512 0.366505 0.7180X3 1.652622 0.646003 2.558228 0.0192X4 -1.345001 0.757634 -1.775265 0.0919R-squared 0.686457 Mean dependent var 945.2913Adjusted R-squared 0.636950 S.D. dependent var 224.1711S.E. of regression 135.0712 Akaike info criterion 12.80625Sum squared resid 346640.3 Schwarz criterion 13.00373Log likelihood -143.2719 F-statistic 13.86591Durbin-Watson stat 2.082104 Prob(F-statistic) 0.000050X2、X3、X4Dependent Variable: YMethod: Least SquaresDate: 12/11/07 Time: 16:38Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 62.60939 489.2088 0.127981 0.8995X2 134.1557 232.9303 0.575948 0.5714X3 1.886588 0.600027 3.144175 0.0053X4 -1.596394 0.701018 -2.277251 0.0345R-squared 0.689658 Mean dependent var 945.2913Adjusted R-squared 0.640657 S.D. dependent var 224.1711S.E. of regression 134.3798 Akaike info criterion 12.79599Sum squared resid 343100.8 Schwarz criterion 12.99347Log likelihood -143.1539 F-statistic 14.07429Durbin-Watson stat 2.143110 Prob(F-statistic) 0.000046由输出结果可以看出，在 的水平下，解释变量 、 的检验的P值都大于0.05，解释变量不能通过显著性检验，因此可以得出结论模型中只能引入X3、X4两个变量。则调整后的多元线性回归方程为：Se= (142.5882) (0.553402) (0.656624)T= (2.326290) (3.192782) (-2.244390)F=21.66965 df=20（三）.异方差性的检验对模型 进行怀特检验：White Heteroskedasticity Test:F-statistic 1.071659 Probability 0.399378Obs*R-squared 4.423847 Probability 0.351673Test Equation:Dependent Variable: RESID^2Method: Least SquaresDate: 12/11/07 Time: 16:53Sample: 1 23Included observations: 23Variable Coefficient Std. Error t-Statistic Prob.C 34247.50 128527.9 0.266460 0.7929X3 247.9623 628.1924 0.394723 0.6977X3^2 -0.071268 0.187278 -0.380548 0.7080X4 -333.6779 714.3390 -0.467114 0.6460X4^2 0.121138 0.229933 0.526841 0.6047R-squared 0.192341 Mean dependent var 15177.87Adjusted R-squared 0.012861 S.D. dependent var 23242.54S.E. of regression 23092.59 Akaike info criterion 23.12207Sum squared resid 9.60E+09 Schwarz criterion 23.36892Log likelihood -260.9038 F-statistic 1.071659Durbin-Watson stat 1.968939 Prob(F-statistic) 0.399378由检验结果可知， ，由White检验知，在 时，查 分布表，得临界值 (20)=30.1435，因为 < (5)= 30.1435,所以模型中不存在异方差。（四）.自相关的检验由模型的输出结果可知，估计结果都比较满意，无论是回归方程检验，还是参数显著性检验的检验概率，都显著小于0.05，D-W值为2.111635，显著性水平 =0.05下查Durbin-Watson表，其中n=23，解释变量的个数为2，得到下限临界值 ，上限临界值 ， =1.543