《地区同期居民储蓄计量模型分析》由会员分享，可在线阅读，更多相关《地区同期居民储蓄计量模型分析（9页珍藏版）》请在金锄头文库上搜索。
1、-地区同期居民储蓄计量模型分析财经大学经济学院摘要：本文通过建立有关居民储蓄额的多元回归模型，得出不同地区居民储蓄量与地区生产总值、支出、投资等影响因素的关系，探讨了社会经济对居民储蓄的影响，提出其内在可能的经济解释，并为进一步合理指导居民储蓄提出相关建议。关键词：居民储蓄 地区生产总值 支出 投资一、引言我国储蓄一般分为三种：政府储蓄、企业储蓄和居民储蓄。其中，居民储蓄是指居民收入扣除消费后的余额，它是居民保存了节制或延缓现期消费而持有的可支配收入的余额并使之增值的行为。本文所探讨的居民储蓄指居民人均收入扣除消费支出、手持现金、居民投资之后的余额。也就是指居民在银行、信用社等金融机构的储蓄存
2、款。关于储蓄方面的理论，西方经济学界比较著名的有：凯恩斯的绝对收入理论、托森贝利的相对收入理论、弗里德曼的持久收入理论和莫迪利安尼的生命周期理论。在我国，也有很多关于储蓄问题的研究，如卢君生、康荔的居民储蓄的影响因素分析与实证研究 ，汪小亚的七次降息对储蓄、贷款及货币供应量影响的实证分析等等。此外，施建淮(2004)认为中国城市居民确实存在预防性储蓄动机,未来收入的不确定性会对当前消费产生负面影响。孙大莹(2005)得出了可支配收入对储蓄的影响量相对较小,但绝对量最大 ,利率对储蓄的影响是高弹性的。储蓄作为投资的源泉，对经济的发展有着重要的影响。随着我国居民收入的大幅增加，居民储蓄已经成为储蓄
3、的重要组成部分。居民储蓄的一大特征是主体广，主体差异也大。20 多年来的中国经济改革无疑已经取得了重大成功，与改革所取得的巨大成就相伴的，是中国居民个人收入分布的显著变化，以及省区间的经济差异不断拉大。在研究我国居民储蓄时自然不能忽略我国地区间经济发展水平不同引起的对居民储蓄情况的影响。本文主要站在地区经济发展水平差异的角度，分析不同经济水平下的居民储蓄影响因素的差异。二、解释变量的选择影响居民储蓄的因素很多，由于本文的分析侧重比较同一时期内不同地区之间的储蓄结构差异，其所受利率、通货膨胀率，证券指数等因素的影响相同，故这类影响不纳入比较分析。所选择的解释变量主要考虑一下几个方面。1、 地区生
4、产总值根据研究表明，人均收入较低的地区，储蓄率一般较低，部分原因就是生存需要限制了储蓄能力。从世界范围来看，中等收入的国家，特别是亚洲新兴的工业化国家,随着收入的增长，储蓄率有大幅度上升的趋势。而一些人均收入水平较高的国家，如加拿大、英国和美国。储蓄率平稳，甚至有所下降。在我国，经济发展水平的差异，导致个人可支配收入增长速度有显著差异，由此影响居民储蓄。本文选择地区人均生产总值（GDP）作为收入的数量衡量标准。2、政府公共财政支出除勤俭节约这一传统美德的惯性影响以外，居民储蓄的目的，大部分是预防性动机，为保-持预期生活水平做准备。预期支出具有刚性，其高低直接影响居民储蓄量的选择。例如：子女教育
5、费用、医疗制度、养老制度。本文以各地区政府公共支出（G）来量化预防性动机。数据处理上，将财政支出中的教育事业费、卫生经费和社会保障支出加总，再除以该地区年末人口总数。3、其他投资支出该变量主要考虑了居民储蓄的替代性投资，可以说是储蓄的分流。同时，投资产生的收入效应也会对储蓄额有影响，且此作用同替代的分流作用相反。本文关于替代品的量化主要基于日渐完善的保险市场和炙手可热的房地产市场。现代的商业保险已经大量发展储蓄性保险，大多数居民选择的也是该大类险种。日渐升温的房地产市场也同样形成一股投资风，房地产已经成为居民一种资产保值升值的主要选择之一。由于证券市场的强变化性和地区差异不明显，本文忽略证券市
6、场的分流作用。在数据处理上，将使用投资替代率（Ie）Ie =各地区人均保费/全国平均人均保费+各地区住宅销售价格/全国平均住宅销售价格三、数据收集及模型设定本文获取了我国 2002 年 30 个省市自治区（不包括西藏自治区）的同类数据，如下表所示。按各地区人均 GDP 升序排列，得下表：地区 人均储蓄余额 差（Y） 人均生产总值 （GDP） 人均财政三大 支出（G） 人均其他投资支 出（Ie）青 海 2036.622883 7110.508123 2221.586588 32.3899141宁 夏 3911.964295 8946.045061 1906.882831 70.06361053安
7、 徽 1491.895097 9466.482939 849.7827837 31.50347493四 川 1760.686868 10165.46168 849.9557632 37.23514184广 西 1206.90922 10229.59107 997.8302976 39.16073581重 庆 1335.571793 10507.0567 821.448376 32.1933477陕 西 2778.080347 10561.66413 1069.620405 40.06416842贵 州 1992.426882 11570.40175 2399.836343 31.9614292
8、2甘 肃 1647.130451 11674.51415 1087.847686 31.92148291山 西 3276.888252 11773.1004 1288.708117 38.94562265江 西 2168.988366 11857.32508 1327.845101 25.48918927河 南 2496.435132 12468.8139 1231.784576 41.839205湖 北 1892.806854 14766.88013 773.9783229 35.4256588内蒙古 4065.548901 15373.2492 1563.986549 35.4149670
9、8湖 南 2840.226914 15389.60272 1292.376508 34.87875742海 南 7668.470692 17504.16042 2312.243279 62.59932377河 北 2555.638108 18568.15871 1500.778722 39.13644711云 南 3848.729643 18660.10332 2835.170424 35.71506629吉 林 2117.08243 18778.17576 1342.431617 38.85535328山 东 1982.756557 19451.0546 888.2523125 45.690
10、03141黑龙江 1350.015631 19879.81547 1268.25429 43.74028184辽 宁 4755.043913 22332.53323 1286.389468 63.34870201天 津 6488.943247 24185.80583 1015.475732 73.17584289江 苏 3501.295869 24579.87187 1112.688759 65.78412634-福 建 3067.372446 24677.47528 1335.067876 56.47305534新 疆 4132.448917 26434.45156 4549.008844
11、70.95683078浙 江 6161.292134 27018.34316 1399.772428 66.38579501北 京 8328.628866 29283.15276 523.656045 85.77146995广 东 8456.890213 38368.37917 1376.051351 100上 海 6358.111193 42089.3546 1281.930689 139.7396827数据来源：中国统计年鉴等本文将模型形式设定为：多元线性回归模型lnY =C1+C2lnX2+C3lnX3+C4lnX4+uX2：2002 年各地区人均生产总值 (GDP)。X3：2002 年
12、各地区财政支出中的教育事业费、卫生经费和社会保障支出除以该地区年末总人口数(G)。X4：其他投资支出 (Ie)。四、模型的估计与调整本文按照 30 个地区的人均生产总值分为高低两组，并分别回归，比较其不同。为减小数值上的差异性，设定回归模型 lnY=C1+C2lnX2+C3lnX3+C4lnX4+u（1）对于人均生产总值较低的（前）15 个地区，使用 Eviews 做 OLS 回归得以下结果：Dependent Variable: LOG(Y)Method: Least SquaresDate: 12/09/07 Time: 13:06Sample: 1 15Included observat
13、ions: 15Variable Coefficient Std. Error t-Statistic Prob. C -7.436291 3.861366 -1.925819 0.0804LOG(X2) 0.887044 0.331089 2.679172 0.0214LOG(X3) 0.555166 0.192905 2.877926 0.0150LOG(X4) 0.807228 0.309819 2.605485 0.0245R-squared 0.647399 Mean dependent var 7.687033Adjusted R-squared 0.551235 S.D. dep
14、endent var 0.371672S.E. of regression 0.248983 Akaike info criterion 0.280311Sum squared resid 0.681916 Schwarz criterion 0.469125Log likelihood 1.897665 F-statistic 6.732242Durbin-Watson stat 2.219662 Prob(F-statistic) 0.007646由以上回归结果可以看出，模型 F 值较小，怀疑存在多重共线性。下面使用“简单相关系数检验法”对模型进行检验，得到相关系数矩阵如下。LOG(X2)
15、 LOG(X3) LOG(X4)LOG(X2) 1.000000 -0.219821 -0.182885LOG(X3) -0.219821 1.000000 0.175185LOG(X4) -0.182885 0.175185 1.000000可见，模型不存在严重多重共线性。下面使用“DW 检验法 ”验证模型有无自相关。-在 0.05 的显著性水平上，n=15，k=3 时，有 dl0.814， du1.750DW=2.219662，有 duDW4du，误差项无自相关。下面使用 “White 检验法”检验模型是否存在异方差性。White Heteroskedasticity Test:F-sta
16、tistic 0.946716 Probability 0.512791Obs*R-squared 6.228259 Probability 0.398112Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 12/16/07 Time: 15:17Sample: 1 15Included observations: 15Variable Coefficient Std. Error t-Statistic Prob. C -57.55003 28.66853 -2.007428 0.0796LOG(X2) 11.47597 5.984854 1.917502 0.0915(LOG(X2)2 -0.616998 0.321234 -
