1、我国储蓄总额的影响因素分析我国储蓄总额的影响因素分析2004级物流管理刘莹 40420024一、选题背景分析经济学家谢国忠认为5月份的CPI将会达到3.5%以上，将肯定会激发央行进一步加息对市场进行调控。谢国忠表示，“加息是必然的事”。但是，他认为，即使央行再次加息，对于国内过热的经济仍然起不到一个有效的作用。他解释道，因为国内的利息水平相对来说是相当低的，如果央行此次加息还是按照原来的小步走的方式，对于国内的通货膨胀、经济过热的作用是微乎其微的。世界银行近日发布的经济运行报告亦指出，中国的物价存在由消费价格向普遍价格上涨蔓延的风险。5月份，居民消费价格总水平同比上涨3.4%。其中城市上涨3.
2、1%，农村上涨3.9%；食品价格上涨8.3%，非食品价格上涨1.0%；消费品价格上涨3.9%，服务项目价格上涨1.7%。从月环比看，居民消费价格总水平比上月上涨0.3%。前五月累计，中国CPI同比上涨百分之二点九。在股市大涨达落之际，坊间对今天的CPI数据，均十分关注央行是否会加息，以及幅度多大。在前一星期，央行行长周小川曾表示，是否加息，要在国家统计局公布五月份CPI统计数据之后才能决定。目前，经济数据已出，周小川6月5日明确表示，央行正在关注5月份的数据，以决定是否再次加息。有专家指出，CPI虽稍高，但还在可以容忍的限度，是否加息还有待观察。中国经济长久保持的高增长低通胀的良好局面正受到各
3、种因素的挑战。进一步紧缩的预期在市场再度蔓延。流动性长期过剩本身就会加大通货膨胀的风险，而目前供给因素导致CPI上行动力增强，这让央行货币政策的压力增大。如果中国经济的步伐跟随他们的预期，加息将成为必然，问题只在于时间点的选择。又有专家认为，如果中国的经济结构、经济增长方式及加速要素价格正常化没有根本的转变，汇率和利率将只能取得事倍功半的效果。 新华网在CPI快速上升的现在，央行加息被越来越多的人关注，不由得让人想到，存款利息的增加对我国的存款储蓄量和人民的消费量将起到怎样的推动或抑制作用。基于此，对我国历年储蓄量的变化进行了计量分析。二、计量经济学分析研究（一）数据获取与处理选取解释变量：1
4、、恩格尔系数：居民“吃”方面的花费占总收入的比例决定着居民出去一部份必须花费所剩的收入多少，应该说对于存款储蓄量有着一定的影响，由于统计局网站上只有农村和城市居民分别的恩格尔系数，故通过农村和城市的人口对该解释变量进行了加权，以全国人民为研究对象对问题进行了简化。2、人均可支配年收入：决定着可供储蓄的资金基数的多少，如恩格尔系数的处理方法对该解释变量的历年数据进行了加权汇总。3、存款率：存款率高低对居民存款量的多少应该是有着重要的影响作用。因为存款率调整日期不定，故依照调整日期和每月的日数对其进行加权。4、居民价格消费指数：消费指数决定居民消费，消费与储蓄又构成了居民总收入，故该解释变量对存款
5、总额应该有着一定影响。（二）计量分析E-加权恩格尔系数M-加权人均可支配年收入P-加权调整后的存款率X-居民价格消费指数Y-全国储蓄存款年末余额OLS回归在Eviews中输入相应数据如下 表1obsEMPXY198556.73592.782.881001622.6198655.42674.132.88106.52237.6198755.22741.822.88114.33073.3198853.33887.242.88135.83801.5198954.721005.742.88160.25146.9199057.591127.682.682165.27034.2199156.581222.4
6、21.941170.89110.3199256.341394.621.8181.711545.4199355.921681.92.377208.415203.5199456.3622763.15258.621518.8199556.132902.763.15302.829662.3199654.013426.132.681327.938520.8199752.393688.811.93337.146279.8199850.53805.761.575334.453407.5199948.953984.421.19329.759621.8200045.594281.260.9933164332.4
7、200144.124644.850.99333.373762.4200242.885111.570.78330.686910.6200342.155564.260.72334.6103617.3200443.236287.120.72347.7119555.4200541.727151.210.72353.9141051用Eviews作OLS回归，结果如下： 表2Dependent Variable: YMethod: Least SquaresDate: 06/19/07 Time: 15:11Sample: 1985 2005Included observations: 21Variabl
8、eCoefficientStd. Errort-StatisticProb. C-1974.41910615.97-0.1859860.8548E211.7280212.72370.9953190.3344M27.938650.82001034.071090.0000P-2141.045886.4744-2.4152360.0281X-179.601810.76499-16.683880.0000R-squared0.998887 Mean dependent var42715.02Adjusted R-squared0.998608 S.D. dependent var42233.31S.E
9、. of regression1575.456 Akaike info criterion17.76673Sum squared resid39712967 Schwarz criterion18.01543Log likelihood-181.5507 F-statistic3589.088Durbin-Watson stat1.675391 Prob(F-statistic)0.000000平稳性检验因为所研究的数据属于时间序列数据，因此应该先进行平稳性检验，以避免出现伪回归。令et=resid，对et序列进行单位根检验。检验结果如下表： 表3ADF Test Statistic-3.76
10、6630 1% Critical Value*-2.6889 5% Critical Value-1.9592 10% Critical Value-1.6246*MacKinnon critical values for rejection of hypothesis of a unit root.Augmented Dickey-Fuller Test EquationDependent Variable: D(ET)Method: Least SquaresDate: 06/28/07 Time: 10:17Sample(adjusted): 1986 2005Included obse
11、rvations: 20 after adjusting endpointsVariableCoefficientStd. Errort-StatisticProb. ET(-1)-0.8489800.225395-3.7666300.0013R-squared0.427443 Mean dependent var17.44954Adjusted R-squared0.427443 S.D. dependent var1871.232S.E. of regression1415.915 Akaike info criterion17.39765Sum squared resid38091464
12、 Schwarz criterion17.44743Log likelihood-172.9765 Durbin-Watson stat1.840179由表可知，t检验统计量的值为-3.766630，小于相应的临界值，从而拒绝H0，表明残差序列不存在单位根，是平稳序列，说明各个变量之间存在协整关系。因此可以进行以下回归、检验和修正。 根据其结果，我们可以看出在=0.05的情况下，t=2.776，E、P的系数均不显著，同时E（加权恩格尔系数）和P（加权调整后的存款率）的系数的符号均与预期的相反，因此表明，可能存在严重的多重共线性。多重共线性检验及修正（1）、检验计算各解释变量的相关系数：表4EM
13、PXE1-0.9082633472180.899415601375-0.731273209553M-0.9082633472181-0.8406661839360.910125337506P0.899415601375-0.8406661839361-0.702567700126X-0.7312732095530.910125337506-0.7025677001261由相关系数矩阵可知，各个解释变量相互之间的相关系数很高，证实确实存在严重的多重共线性。（2）、修正采用逐步回归的办法，去检验和解决多重共线性的问题，分别做Y对E、M、P、X的一元回归，结果如下表所示：表5变量EMPX参数估计值-
14、6918.66820.55420-39638.40368.2644t统计量-11.4439324.95023-7.4507006.414613R0.8733020.9703830.7450110.684109修正R0.8666340.9688240.7315900.667483其中，加入M的方程的修正R=0.968824为最大，以其为基础，顺次加入其他变量逐步回归，结果如表所示：表6 变量变量EMPX修正RM，E-1682.993（-2.813445）16.24613（9.636453）0.977143M，P18.45988（12.74524）-5483.097（-1.720043）0.971
15、737M，X28.23535（60.78668）-180.0914（-18.16938）0.998298经比较，新加入X的方程修正R=0.998298，改进最大，而且该解释变量的系数的t检验值显著，选择保留，再加入其它新变量逐步回归。结果如下表：表7 变量变量EMPX修正RM，X，E-74.18291（-0.370362）27.93976（30.06544）-177.6132（-14.60158）0.998213M，X，P27.35652（47.60989）-1650.042（-2.240899）-174.2631（-18.67577）0.998609 由表可见，加入E后可决系数没有改进，而且
16、E的t检验不显著。加入P后，可决系数有所改进，但是P的t检验不显著。故最后修正严重多重共线性影响的回归结果如下：Yt=3892.326+28.23535Mt-180.0914XtSe=(1406.775) (0.464499) (9.911809) t = (2.766843)(60.78668) (-18.16938) R=0.998469 修正R=0.998298 DW=1.291035异方差性的检验与修正（1）、检验A、图形法生成e2=(resid)2，分别绘制e2对各解释变量的散点图对E图1对M图2对P图3对X图4 依图可见，e2均随解释变量的变化而变化，因此，模型很可能存在异方差，根
17、据实际情况，进一步用White检验方法进行检验B、white检验在表2的基础上进行检验，结果如下表： 表8White Heteroskedasticity Test:F-statistic3.915967 Probability0.051175Obs*R-squared18.92843 Probability0.167702Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 06/19/07 Time: 17:20Sample: 1985 2005Included observations: 21Variable
18、CoefficientStd. Errort-StatisticProb. C-2.35E+096.15E+08-3.8199970.0088E86645757246683863.5124210.0126E2-791065.1261685.7-3.0229580.0233E*M-6898.3682101.094-3.2832280.0168E*P119624.91849581.0.0646770.9505E*X49269.6529149.271.6902530.1419M346089.572959.944.7435540.0032M2-10.434423.773429-2.7652360.03
19、26M*P2550.46414292.330.1784500.8642M*X184.7908201.07180.9190290.3935P-2147916592648832-0.2318340.8244P22062093.3864946.0.5335370.6128P*X13862.99181404.30.0764200.9416X-2561499.871051.6-2.9406970.0259X2-515.25761986.250-0.2594120.8040R-squared0.901354 Mean dependent var1891094.Adjusted R-squared0.671
20、180 S.D. dependent var2092142.S.E. of regression1199693. Akaike info criterion31.00884Sum squared resid8.64E+12 Schwarz criterion31.75493Log likelihood-310.5928 F-statistic3.915967Durbin-Watson stat1.926603 Prob(F-statistic)0.051175由表可知nR=18.92843。因为自由度为14，在=0.05的情况下，查表得0.05(14)=23.6848。因为nR=18.9284
21、323.6848,所以不能拒绝原假设，表明模型不存在异方差。自相关的检验与补救（1）、检验A、图示检验法绘制e(-1)和e的散点图图5绘制回归残差项et的图形如下图6由图可知，随机误差项ut存在负自相关。B、DW检验法由表2可知DW=1.675391，对此样本为21，四个解释变量的模型，在5%的显著水平下，查DW统计表可知，dL=0.927 ,dU=1.812，dL DW1.828，故说明广义差分模型中已无自相关，不必再进行迭代，同时可见，可决系数R、t、F统计量也均达到了理想水平。为保证样本数不减少，可以使用普莱斯-温斯腾变换补充第一个观测值，即E1*=E11-，M1*=M11-，P1*=P11-,X1*=X11-，Y1*=Y11-。计算可得E1*=54.95936827,M1*=574.2784121,P1*=2.79011071,X1*=96.87884411,Y1*=1571.956125生成新变量Y*, E*, M*, P*, X*（分别用t,g,r,f,a代替） （见图8）补充第一个观测值（见图9）后作回归： 图8 图9 表11Dependent Va
