社会消费品零售总额影响因素简析A simple analysis of factors which influence the total retail sales of consumer goods【摘要】：社会消费品零售总额是一项重要的统计数据本文主要通过计量经济 学软件，以1993至2008年的数据为样本，对影响社会消费品零售总额的主要因 素进行了多无线性回归分析和判断，并得出了结论关键词】:社会消费品零售总额(total retail sales of consumer goods), 人口总量(population),商品零售价格指数(retail sales index)，职工工 资总额(gross payroll),线性回归(linear regression)目录引言 2正文 3一、 明确现实经济生活中的影响因素，选取变量 3二、 数据的整理和模型的设定 4三、 参数估计 5四、 计量经济学检验 74. 1.多重共线性 74. 2异方差 94.3日相关 11五、 结论 11六、 政策建议 12结语 13参考文献 13附录(原始数据) 13【引言】:在金融危机的冲击下，一些企业（特别是进出口企业）受到了不小的 影响，同时就业压力依然严峻，但总体来看，政府及时有力的一系列措施使我国 经济始终处在一个较平稳的运行状态。
我国消费品市场发展面临较为有利的环境 和条件第一，国家越来越重视消费的作用，近年来积极扩大内需，经济工作的 重点突出进一步扩大城乡居民消费，不断拓宽消费领域和改善消费环境第二， 2009年GDP“保8”，居民收入水平随着经济增长而稳步提高第三，不断改革 完善社会保障体系，使居民可支配收入提高，改善消费预期，提高消费能力第 四，国家进一步重视流通对经济发展的推动作用，促进流通业改革和发展的一系 列政策措施的积极作用逐步显现，为完善消费设施、改善消费环境、拓宽消费领 域、开拓农村市场创造了有利条件第五，随着国家对市场秩序整顿和监管力度 的加大，有利于居民消费信心的提升；第六中国经济己率先开始回暖，国内经 济形势进一步好转社会消费品零售总额”是一项重要、敏感的政府统计定期发布的消费 品零售统计资料，常常引起国内外的强烈关注，间或还会引发一些疑义和争议 为了有利于把问题搞清楚，需要对“社会消费品零售总额”从多方面逐一进行 剖析，找出影响其增长变化的各种因素，然后再加以判断目前对于这一指标 的研究，虽然综合考虑了各种因素，但重点不够突出，稍显杂乱因此本文运用 计量经济经济学方法，突出重点因素建立模型，进行定量分析。
正文】一、明确现实经济生活中的影响因素，选取变量有很多因素会对社会消费品总额产生影响，但从直接影响角度来说，主要包 括两个层面——销售方和购买方，以及三个主体——零售部门、居民和社会集团 我选取了人口数量，商品零售价格指数和工资三个因素进行分析1、 人口因素我国社会消费品零售总量每年新增的部分中，平均约有6%是由于人口因素 形成的我国是一个人口大国虽然80年代末期以来，我国的人口自然增长率 虽然逐年递减，但由于人口基数大，平均每年仍有1000多万人出生这些新生 人口的衣食住行，必然要与零售市场发生关系预计为正相关关系2、 商品零售价格指数借此来说明价格变动对消费的影响，价格水平越高，相应的消费支出就会减 少，它们应该是负相关的关系这里均以上一年为基期3、 工资水平我国自改革开放以来，城乡居民总的收入和支出均为正增长居民生活质量 改善，人们的消费档次和消费数量都大幅提高，从过去的只购买生活必需品到今 天各种种类和款式的商品以及一些高档奢侈品同时H收入的变化也使得消费者 使用在其他领域的消费增多，必然会对商品零售市场产生影响新增社会消费品 零售总额中，约6. 8%是由于居民购买消费品数量增加而带动的，预计也应该是 呈正相关的关系。
Y——社会消费品零售总额（亿元）XI——人口（万人）X2 商品零售价格指数（%）X3——工资水平（亿元）此外，在城乡居民消费品购买中，常常会受到各种偶然性因素的影响，比如 新设立的旅游黄金周，气候的突然变化，不规律的调资，各种改革措施的出台， 购物券卡的发放和商家新的促销手段等等这些因素，一般常在发生之初，引起 短期剧烈的波动但半这些因素如果一直沿续下去，就会转入到长期影响中在 我们对居民生活质量改善的平均估计中，事实上已经包括了这些因素的影响二、数据的整理和模型的设定年份社会消费品零售总额（亿元）Y人口数量（万 人）XI商品零售价格 指数X2工资X3199314270. 4118517113.24916. 2199418622. 9119850121.76656. 4199523613.8121121114.88100199628360. 2122389106. 19080199731252.9123626100.89405. 3199833378. 112476197.49296. 5199935647. 9125786979875. 5200039105. 712674398.510656. 2200143055. 412762799.211830.9200248135.912845398.713161. 1200352516.312922799.914743. 5200459501129988102.816900. 2200567176.6130756100.819789.920067641013144810123265. 9200789210132129103.8282442008108487.7132802105.933713.8数据来源：中华人民共和国国家统计局http ://www. stats, 统计数据库 http://219. 235. 129. 58/welcome. do使用Eviews3.1,输入数据，作出Y与各解释变量XI, X2, X3之间的散点图和趋势图: 120000,100000<80000-60000-40000-20000-120000-100000-80000-60000-40000-20000-0-MMOO 120000 125000 130000 135M090 100 110 120 130由上图容易看出，Y与三个解释变量间存在较强的线性相关性。
所以选择建立线性模型Y=a*Xl+b*X2+c*X3+d三、参数估计运用OLS进行参数估计E-views输出结果如下:Dependent Variable: YMethod: Least SquaresDate: 01/07/10 Time: 20:51Sample: 1993 2008Included observations: 16VariableCoefficientStd. Errort-StatisticProb.c-121947.033693.64-3.6192890.0035X11.1065530.2259054.8983060.0004X2-80.7485272.28876-1.1170270.2858X32.6696710.10359925.769190.0000R-squared0.998664Mean dependent var48046.55Adjusted R-squared0.998331S.D.dependent var26351.54S.E. of regression1076.698Akaike info criterion17.01350Sum squared resid13911352Schwarz criterion17.20665Log likelihood-132.1080F-statistic2990.980Durbin-Watson stat1.707019Prob(F-statistic)0.000000回归方程：Y=1.106553Xi-80.74852X2+2.669671X3-121947t=(4.898306) (-1.117027) (25.76919) (-3.619289) R2=0.998664 adjusted R2=0.998331首先，R2=0.998664，所以方程具有很好的拟合优度，表明模型中解释变量 对被解释变量的解释程度较高。
其次，对于给定显著性水平0.05来说，解释变量除XI、X3的t统计量都比 较显著，说明XI、X3对于Y的影响是显著的，而X2的t统计量不太显著，可能 存在多重共线性问题，因此需要对模型进行修正最后，对于给定的显著性水平0.05, 0.0000<0.05,所以对•于F检验是满足的, 总体来看求出的回归方程具有很好的经济含义，并且是显著的1CJ0000-80000-600003000--400002000 ・-200001000-•00-1000-•2000「-300094 96 98 00 02 04 06 08ResidualFittedActual120000上图为模型拟合图和残差图四、计量经济学检验4.1多重共线性用相关系数矩阵进一步分析: Correlation MatrixX1X2X3X11.000000-0.5929680.873393| X2-0.5929681.000000-0.229693X30.873393-0.2296931.000000由上图可以看出，解释变量XI与X3相关系数较高，表明可能存在多重共线 性，同时并不否认其他要素间存在多重共线性的可能4.1.2修正（逐步消除多重共线性）运用OLS方法逐一求Y对各个解释变量的回归。
结合经济意义和统计检验选 出拟合效果最好的一无线性回归方程Dependent Variable: YMethod: Least SquaresDate: 01/07/10 Time: 21:38Sample: 1993 2008Included observations: 16VariableCoefficientStd. Error t-StatisticProb.c-633942.877243.21 -8.2071000.0000X15.3879640.609888 8.8343550.0000R-squared0.847902Mean dependent var48046.55Adjusted R-squared0.837038S.D.dependent var26351.54S.E. of regression10637.75Akaike info criterion21.49867Sum 。