企业管理对居民消费率影响因素的探究---以湖北省为例改革开放以来，我国经济始终保持着高速增长的趋势，三十多年间综合国力得到 显著增强，但我国居民消费率一直偏低，甚至一直有下降的趋势居民消费率的偏 低必然会导致我国内需的不足，进而会影响我国经济的长期健康发展本模型以湖北省1995年-2010年数据为例，探究各因素对居民消费率的影响及 多元关系注：计算我国居民的消费率，用居民的人均消费除以人均GDP,得到居 民的消费率）通常来说，影响居民消费率的因素是多方面的，如:居民总收入， 人均GDP，人口结构状况1 （儿童抚养系数，老年抚养系数），居民消费价格指数增 长率等因素总消费（C:亿元）总GDP （亿元）消费率（%）19951095.972109.3851.9619971438.122856.4750.3520001594.083545.3944.9620011767.383880.5345.5420021951.544212.8246.3220032188.054757.4545.991. 人口年龄结构一种比较精准的描述是：儿童抚养系数（0-14岁人口与15-64岁 人 口的比值）、老年抚养系数（65岁及以上人口与15-64岁人口的比值〉或总抚养系 数（儿童和老年抚养系数之和）。
0-14岁人口比例与65岁及以上人口比例可由《湖北省统计年鉴》查得20042452.625633.2443.5420052785.426590.1942.2720063124.377617.4741.0220073709.699333.439.7520084225.3811328.9237.3020094456.3112961.134.382010、/ 1 ■ 一 已、5136.78 z — 〃、出 FI -44k?15806.09顷、* \32.50一、计量经济模型分析（一）、数据搜集根据以上分析，本模型在影响居民消费率因素中引入6个解释变量X1:居 民总收入（亿元），X2：人口增长率（％o）, X3:居民消费价格指数增长率，X4:少 儿抚养系数，X5:老年抚养系数，X6 :居民消费占收入比重（%）X2：人口Y：消费率X1:总收入X3：居民消费价 X6：居民格 X4：少儿X5：老年消费比重(%)（亿元）(%o)199551.961590.759.27199750.352033.688.12200044.962247.253.7增长率指数增 长抚养系数抚养系数(%)率17.145.39.4268.92.841.19.4470.720.4399.5770.93200145.542139.712.440.737.839.7282.6200246.322406.552.21-0.436.189.8181.09200345.992594.612.322.234.439.8784.33200443.542660.112.44.932.699.892.2200542.273172.413.052.931.099.7387.8200641.023538.43.131.630.179.988.3200739.754168.523.234.829.4610.0488.99200837.34852.582.716.328.6210.187.07200934.385335.543.48-0.428.0510.2583.52201032.56248.754.342.927.8310.4182.2（二）、计量经济学模型建立假定各个影响因素与Y的关系是线性的，则多元线性回归模型为y x x xo x, x xJt 0 1 1 2 2 3 3 4 4 5 5 6%利用spss统计分析软件输出分析结果如下：Descriptive StatisticsMeanStd. DeviationNY42.76005.7457413X13.3068E31436.4549013Variables Entered/Removed bModelVariablesEnteredVariablesRemovedMethod1X4, X3, X2, X6,X1, X5aEntera. All requested variables entered.b. Dependent Variable: YX23.8769表 2.223 53813X33.52314.5718613X682.20387.5374413X56.8638.4378513X423.52542.9375213这部分被结果说明在对模型进行回归分析时所采用的方法是全部引入法Enter。
CorrelationsYX1X2X3X6X5X4Pearson CorrelationY1.000-.965.480.354-.566-.960.927X1-.9651.000-.288-.215.451.932-.877X2.480-.2881.000.656-.767-.577.623X3.354-.215.6561.000-.293-.365.392X6-.566.451-.767-.2931.000.722-.795X5-.960.932-.577-.365.7221.000-.982X4.927-.877.623.392-.795-.9821.000Sig. (1-tailed)Y.000.049.118.022.000.000X1.000.170.240.061.000.000X2.049.170.007.001.020.011X3.118.240.007.166.110.093X6.022.061.001.166.003.001X5.000.000.020.110.003.000X4.000.000.011.093.001.000NY13131313131313X113131313131313X213131313131313X313131313131313X613131313131313X513131313131313X413131313131313这部分列出了各变量之间的相关性，从表格可以看出Y与X1的相关性最大。
且自变量 之间也存在相关性，如X1与X5，X1与X4，相关系数分别为0・932和0.877，表明他们之间也存在相关性表4Model Summary bModelRR SquareAdjusted RSquareStd. Error of theEstimateDurbin-Watson1.991a.982.9641.091502.710a. Predictors: (Constant), X4, X3, X2, X6, X1, X5b. Dependent Variable: Y这部分结果得到的是常用统计量，相关系数R=0.991，判定系数二0.982，调整的判定系 数二0.964，回归估计的标准误差S=1.09150说明样本的回归效 果比较好表5ANOVA bModelSum of SquaresdfMean SquareFSig.1Regression389.015664.83654.421.000aResidual7.14861.191Total 396.16312a. Predictors: (Constant), X4, X3, X2, X6, X1, X5b. Dependent Variable: Y该表格是方差分析表，从这部分结果看出：统计量F=54.421，显著性水平的值P值为0，说明因变量与自变量的线性关系明显。
Sum of Squares 一栏中分别代表回归平方和 为389.015,、残差平方和7.148、总平方和为396.163.Coefficients aModelUnstandardized CoefficientsStandardizedCoefficientstSig.BStd. ErrorBeta1(Constant)-33.36466.059-.505.632X1-.006.002-1.475-2.663.037X2.861.391.3352.201.070X3.036.121.029.301.774X6-.091.198-.120-.460.662X512.7159.581.9691.327.233X4.527.818.269.644.543a.Dependent Variable:Y该表格为回归系数分析，其中Unstandardized Coefficients为非标准化系数，Standardized Coefficients为标准化系数，t为回归系数检验统计量，Sig.为相 伴概率值从表格中可以看出该多元线性回归方程：Y=-33.364-0.006X 1+0.861X 2+0.036X 3+0.527X 4+12.715X 5-0.091X 6+e、计量经济学检验（一）、多重共线性的检验及修正①、检验多重共线性从“表3相关系数矩阵”中可以看出，个个解释变量之间的相关程度较高所以应 该存在多重共线性 ②、多重共线性的修正一一逐步迭代法 运用spss软件中的剔除变量 法，选择stepwise逐步回归 输出表7：进入与剔除变量表Variables Entered/Removed aModel。