【文章內(nèi)容簡介】 RsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionSum squared residDurbinWatson stat得 () () () () () () () () () ， ，.= ,F= ,RSS=2． 經(jīng)濟意義檢驗：模型的擬合優(yōu)度很好，但是居民消費價格指數(shù)（X3），沒能通過t檢驗。從經(jīng)濟意義來看，也沒能通過檢驗，因為居民消費價格指數(shù)的系數(shù)是負(fù)數(shù)，按一般經(jīng)濟原理，它應(yīng)該是正數(shù)。因而，可以剔除這一變量。在剔除居民消費價格指數(shù)（X3）對模型的影響后，再用加權(quán)最小二乘法進行參數(shù)估計。Dependent Variable: LOG(Y)Method: Least SquaresDate: 08/02/99 Time: 07:23Sample: 1 31Included observations: 31Weighting series: 1/ABS(RESID)VariableCoefficientStd. ErrortStatisticProb.CLOG(X1)LOG(X2)LOG(X4)LOG(X5)LOG(X6)LOG(X7)LOG(X8)Weighted StatisticsRsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionAkaike info criterionSum squared residSchwarz criterionLog likelihoodFstatistic1345618.DurbinWatson statProb(Fstatistic)Unweighted StatisticsRsquaredMean dependent varAdjusted Rsquared. dependent var. of regressionSum squared residDurbinWatson stat () () () () () () () () ， ，.= ,F=1345618 ,RSS=四、模型的檢驗及修正1．序列相關(guān)性檢驗BreuschGodfrey Serial Correlation LM Test:Obs*RsquaredProbability知LM＝,該值小于顯著性水平為5％，自由度為2的分布的臨界值，則說明原模型不存在序列相關(guān)性。2．多重共線性檢驗（1）檢驗簡單相關(guān)系數(shù)、、的相關(guān)系數(shù)表如下：LOG(X1)LOG(X2)LOG(X4)LOG(X5)LOG(X6)LOG(X7)LOG(X8)LOG(X1)LOG(X2)LOG(X4)LOG(X5)LOG(X6)LOG(X7)LOG(X8)由表中數(shù)據(jù)可以發(fā)現(xiàn)與，與，與，與間存在高度相關(guān)性。（2）使用SPSS軟件進行逐步回歸，剔除某些引起多重共線性的變量，結(jié)果見下表：剔除掉的變量為： 、。最終的模型及模擬結(jié)果： () () () () ， ，.= ,F= ,RSS=方程總體線性高度顯著，變量高度顯著，擬合優(yōu)度很高。判定系數(shù)，%的變動，模型解釋能力很強。雙對數(shù)方程的各解釋變量系數(shù)：1）：在保持商品零售價格指數(shù)與限額以上批發(fā)和零售業(yè)、住宿和餐飲業(yè)產(chǎn)業(yè)活動單位數(shù)不變的前提下，居民儲蓄 (2004年底余額)每上升1%，%。2）：在保持居民儲蓄 (2004年底余額)與限額以上批發(fā)和零售業(yè)、住宿和餐飲業(yè)產(chǎn)業(yè)活動單位數(shù)不變的前提下，商品零售價格指數(shù)每上升1%，%。3）：在保持居民儲蓄 (2004年底余額)與商品零售價格指數(shù)不變的前提下，限額以上批發(fā)和零售業(yè)、住宿和餐飲業(yè)產(chǎn)業(yè)活動單位數(shù)每上升1%，%。該三元回歸模型說明，2005年人均消費水平的變動顯著的受到居民儲蓄 (2004年底余額)、商品零售價格指數(shù)和限額以上批發(fā)和零售業(yè)、住宿和餐飲業(yè)產(chǎn)業(yè)活動單位數(shù)的影響。3．模型設(shè)定偏誤問題采用RESET檢驗，檢驗上邊模型中是否有相關(guān)變量的遺漏。首先，用原回歸模型估計出居民消費支出的自然對數(shù)序列。其次，在原回歸模型中加入新的解釋變量，后重新進行估計，得： （） （） （） （） （） （）原回歸模型的可決系數(shù)為，由式計算F統(tǒng)計量： ＝該值大于5％顯著性水平下自由度為（2，25），表明此模型存在遺漏相關(guān)變量的設(shè)定偏誤。 實際上，影響居民消費的因素，除了我們所選的八個指標(biāo)變量外還有很多其他的影響因素，例如：居民的消費觀念，家庭人口數(shù)，社會物價水平，對未來收入的預(yù)期，對未來支出的預(yù)期，政府政策引導(dǎo)，社會生產(chǎn)產(chǎn)品的豐富程度，居民受教育程度等等，其中某些因素不可“量化”，或者某些因素的數(shù)據(jù)難以收集，為了避免這樣的情況我們在作此模型時僅選擇了可以“量化”的指標(biāo)變量：經(jīng)過實證分析， 較其他兩個因素而言，商品零售價格指數(shù)對消費產(chǎn)生的影響最大，隨著商品零售價格指數(shù)的增加，消費者的消費也會增加，它們存在正相關(guān)的關(guān)系。居民消費價格指數(shù)在最初模型的經(jīng)濟意義檢驗時沒有通過而被剔除。實際上，新品產(chǎn)值率、居民家庭人均純收入、地區(qū)財政收入、人均地區(qū)生產(chǎn)總值與當(dāng)期消費也存在正相關(guān)，但在變量間的多重共線性檢驗時，它們與其他變量間高度相關(guān)，所以在最終的模型里這些變量被剔除了，但不是說它對當(dāng)期消費沒有影響。3．2聚類分析聚類分析分類的方法很多，本論文中運用SPSS分析時用的是K－Means聚類分析，它是聚類分析中應(yīng)用廣泛的一種方法。而本文用到的是對各地區(qū)消費情況的聚類分析，因而屬于樣本聚類（Q型聚類）。用SPSS的術(shù)語來說就是對事件（Cass）進行聚類，或是說對觀察測量進行聚類，是根據(jù)被觀測的對象的各種特征，即反映被觀測對象的特征的各變量值進行分類。我國從地區(qū)上可分為東、中、西部，下面的消費結(jié)構(gòu)分析和相關(guān)分析中用到這種劃分方法。而此處的聚類分析是根據(jù)2005年我國各地區(qū)居民消費的相關(guān)數(shù)據(jù)，所進行的聚類分析，是用數(shù)據(jù)說話，對我國各地區(qū)進行分類。一、先進行因子分析為了進行聚類分析，首先進行因子分析得出各因子（解釋變量）的得分?jǐn)?shù)，再利用因子得分進行聚類。在SPSS中錄入2005年我國各地區(qū)居民消費的數(shù)據(jù)(附：數(shù)據(jù)表 1)，提取兩個因子進行因子分析，得出各地區(qū)的因子得分（如表1所示）。其中FAC1_1為分析1的第一個回歸因子分?jǐn)?shù)，F(xiàn)AC2_1為分析1的第二個回歸因子分?jǐn)?shù)變量。運行結(jié)果如下：因子得分系數(shù)矩陣實行方差最大旋轉(zhuǎn)旋轉(zhuǎn)后的因子載荷矩陣從上結(jié)果可知：FAC1_1主要表示了變量XXXXX1； FAC21主要表示了變量XXX5。 表1 各地區(qū)因子得分變量值地區(qū)FAC1_1FAC2_1QCL_1北 京1天 津2河 北4山 西4內(nèi)蒙古4遼 寧4吉 林4黑龍江4上 海1江 蘇3浙 江1安 徽4福 建4江 西4山 東3河 南3湖 北3湖 南3廣 東3廣 西4海 南4重 慶2四 川4貴 州4云 南4西 藏4陜 西4甘 肅4青 海2寧 夏4新 疆2二、聚類分析有了觀測量的因子得分變量的值，我們可以進一步對觀測量估計因子得分變量進行聚類分析。經(jīng)分別對比分3個、4個、5個類別的結(jié)果，最后選用分成4類，分析結(jié)果略。進行4個類別的聚類分析，結(jié)果如上表（表1）QCL_1列所示。于是我國各地區(qū)可分為4類。整理得：1北 京 上 海 浙 江 2天 津 重 慶 青 海 新 疆 3江 蘇 山 東 河 南 湖 北 湖 南 廣 東 4河 北 山 西 內(nèi)蒙古 遼 寧 吉 林 黑龍江 福 建 江 西 廣 西 海 南