【正文】 CSSC = + *YDSC 山 東 SD CSSD = + *YDSD 上 海 SH CSSH = + *YDSH 陜 西 SHX CSSHX = + *YDSHX 山 西 SX CSSX = + *YDSX 天 津 TJ CSTJ = + *YDTJ 新 疆 XJ CSXJ = + *YDXJ 云 南 YN CSYN = + *YDYN 浙 江 ZJ CSZJ = + *YDZJ 表 ， 回歸系數(shù)顯著不為 0， F統(tǒng)計(jì)量較大 （ p值顯著 ） ， 調(diào)整后的樣本決定系數(shù)達(dá) ， 說明模型的擬合優(yōu)度較高 。 從估計(jì)結(jié)果可以看出 ， 29個(gè)省級地區(qū)的居民家庭消費(fèi)需求結(jié)構(gòu)具有明顯的差異 。 在 29個(gè)省市中 ， 邊際消費(fèi)傾向最高是陜西 ， 其次是四川 、 寧夏 、 湖南 ， 而邊際消費(fèi)傾向較低的是江西 ， 最低的是河南 。 以上建立了無個(gè)體影響的不變系數(shù)模型 、 變截距模型和變系數(shù)模型 ， 樣本數(shù)據(jù)究竟屬于哪一種面板數(shù)據(jù)模型形式 ， 需要通過 F檢驗(yàn)來完成 。 型擬合樣本 。 6. 固定影響變系數(shù)模型 （ GLS法 ） 以上建立的消費(fèi)函數(shù)模型使用的是普通最小二乘法 ， 由于各省市的城鎮(zhèn)居民消費(fèi)結(jié)構(gòu)存在一定程度上的差異 ， 所以可以使用廣義最小二乘法 GLS(Cross section weights)， 即以橫截面模型殘差的方差為權(quán)數(shù)對模型進(jìn)行估計(jì) 。 EViews估計(jì)方法：在 Cross section specific coefficients（ 截面系數(shù)不同 ） 選擇窗填入 YD?， 在 Intercept（ 截距項(xiàng) ） 選擇窗中選 Fixed effects， 在 Weighting（ 權(quán)數(shù) ） 選擇窗選擇 Cross section weights（ 按截面取權(quán)數(shù) ） ， 其余選項(xiàng)同上 。 固定影響變系數(shù)模型 （ GLS法 ） 輸出結(jié)果如表 。 表 我國城鎮(zhèn)居民消費(fèi)函數(shù)估計(jì)結(jié)果（固定影響變系數(shù)模型 GLS法） 輸出結(jié)果的方程形式見表 。 表 我國城鎮(zhèn)居民消費(fèi)函數(shù)（固定影響變系數(shù)模型GLS法） 地 區(qū) 代號 居民消費(fèi)函數(shù) 安 徽 AH CSAH=+*YDAH 北 京 BJ CSBJ = + *YDBJ 福 建 FJ CSFJ = + *YDFJ 廣 東 GD CSGD = + *YDGD 甘 肅 GS CSGS = + *YDGS 廣 西 GX CSGX = + *YDGX 貴 州 GZ CSGZ = + *YDGZ 地 區(qū) 代號 居民消費(fèi)函數(shù) 河 北 HB CSHB = + *YDHB 河 南 HEN CSHEN = + *YDHEN 黑龍江 HLJ CSHLJ = + *YDHLJ 海 南 HN CSHN = + *YDHN 湖 北 HUB CSHUB = + *YDHUB 湖 南 HUN CSHUN = + *YDHUN 吉 林 JL CSJL = + *YDJL 江 蘇 JS CSJS = + *YDJS 江 西 JX CSJX = + *YDJX 遼 寧 LN CSLN = + *YDLN 內(nèi)蒙古 NMG CSNMG = + *YDNMG 寧 夏 NX CSNX = + *YDNX 青 海 QH CSQH = + *YDQH 四 川 SC CSSC = + *YDSC 山 東 SD CSSD = + *YDSD 上 海 SH CSSH = + *YDSH 陜 西 SHX CSSHX = + *YDSHX 山 西 SX CSSX = + *YDSX 天 津 TJ CSTJ = + *YDTJ 新 疆 XJ CSXJ = + *YDXJ 云 南 YN CSYN = + *YDYN 浙 江 ZJ CSZJ = + *YDZJ 在輸出結(jié)果的下方給出了評價(jià)總體估計(jì)效果的統(tǒng)計(jì)量， 由于估計(jì)方法選擇的是 Cross section weights的 GLS估計(jì) ， 所以結(jié)果中給出了加權(quán)和未加權(quán)兩種情況下的評價(jià)統(tǒng)計(jì)量 。 從這部分結(jié)果可以看出 ， 與 OLS法相比 ， 利用 GLS法建立的消費(fèi)函數(shù)模型 ， 其 R F、 DW等有較大提高 ， 所建的模型是比較合適的 。 （ 7） 固定影響變系數(shù)模型 （ 帶有 AR(1)參數(shù)的模型 ） 美國經(jīng)濟(jì)學(xué)家杜森貝利認(rèn)為人們的消費(fèi)具有慣性 ， 前期消費(fèi)水平高 ， 會(huì)影響下一期的消費(fèi)水平 ， 可見 ， 除了當(dāng)期收入外 ， 前期消費(fèi)也很可能是建立消費(fèi)函數(shù)時(shí)應(yīng)該考慮的因素 。 可以考慮建立如下模型形式： 這種既考慮到當(dāng)期解釋變量的作用 ， 也考慮到因變量之間的動(dòng)態(tài)相關(guān)性的固定影響模型也稱為固定影響動(dòng)態(tài)模型 。 由于該模型的解釋變量中含有被解釋變量的一期滯后 ， 從而導(dǎo)致模型中的隨機(jī)誤差項(xiàng)存在自相關(guān) ， 因此對上式進(jìn)行差分變換 ， 利用廣義差分法建立模型 。 EViews估計(jì)方法：在 Common coefficients選擇窗填入 AR(1)項(xiàng) 。 在 Cross section specific coefficients（ 截面系數(shù)不同 ） 選擇窗填入 YD?、 CS?(1)， 在Intercept（ 截距項(xiàng) ） 選擇窗中選 Fixed effects， 在 Weighting（ 權(quán)數(shù) ） 選擇窗選擇Cross section weights（ 按截面取權(quán)數(shù) ） ， 其余選項(xiàng)同上 。 帶有 AR(1)參數(shù)的固定影響變系數(shù)模型 （ GLS法 ） 輸出結(jié)果如表 。 表 我國城鎮(zhèn)居民消費(fèi)函數(shù)估計(jì)結(jié)果 （帶有 AR(1)參數(shù)的固定影響變系數(shù)模型） 輸出結(jié)果的方程形式見表 。 我國城鎮(zhèn)居民消費(fèi)函數(shù) （ 帶有 AR(1)參數(shù)的變系數(shù)模型） 地 區(qū) 代號 居民消費(fèi)函數(shù) 安 徽 AH CSAH = + *YDAH + *CSAH(1) + [AR(1)=] 北 京 BJ CSBJ = + *YDBJ + *CSBJ(1)+[AR(1)=] 福 建 FJ CSFJ = + *YDFJ + *CSFJ(1)+[AR(1)=] 廣 東 GD CSGD = + *YDGD + *CSGD(1) + [AR(1)=] 甘 肅 GS CSGS = + *YDGS + *CSGS(1) + [AR(1)=] 廣 西 GX CSGX = + *YDGX + *CSGX(1) + [AR(1)=] 貴 州 GZ CSGZ = + *YDGZ + *CSGZ(1) + [AR(1)=] 河 北 HB CSHB = + *YDHB+ *CSHB(1) + [AR(1)=] 河 南 HEN CSHEN = + *YDHEN + *CSHEN(1) + [AR(1)=] 黑龍江 HLJ CSHLJ = + *YDHLJ +*CSHLJ(1) + [AR(1)=] 海 南 HN CSHN = + *YDHN +*CSHN(1) + [AR(1)=] 湖 北 HUB CSHUB = + *YDHUB + *CSHUB(1) + [AR(1)=] 湖 南 HUN CSHUN = + *YDHUN + *CSHUN(1) + [AR(1)=] 吉 林 JL CSJL = + *YDJL + *CSJL(1) + [AR(1)=] 江 蘇 JS CSJS = + *YDJS + *CSJS(1) + [AR(1)=] 地 區(qū) 代號 居民消費(fèi)函數(shù) 江 西 JX CSJX = + *YDJX + *CSJX(1) + [AR(1)=] 遼 寧 LN CSLN = + *YDLN +*CSLN(1) + [AR(1)=] 內(nèi)蒙古 NMG CSNMG = + *YDNMG + *CSNMG(1) + [AR(1)=] 寧 夏 NX CSNX = + *YDNX + *CSNX(1) + [AR(1)=] 青 海 QH CSQH = + *YDQH + *CSQH(1) + [AR(1)=] 四 川 SC CSSC = + *YDSC + *CSSC(1) + [AR(1)=] 山 東 SD CSSD = + *YDSD + *CSSD(1) + [AR(1)=] 上 海 SH CSSH = + *YDSH + *CSSH(1) + [AR(1)=] 陜 西 SHX CSSHX = + *YDSHX + *CSSHX(1) + [AR(1)=] 山 西 SX CSSX = + *YDSX + *CSSX(1) + [AR(1)=] 天 津 TJ CSTJ = + *YDTJ +*CSTJ(1) + [AR(1)=] 新 疆 XJ CSXJ = + *YDXJ+ *CSXJ(1) + [AR(1)=] 云 南 YN CSYN = + *YDYN + *CSYN(1) + [AR(1)=] 浙 江 ZJ CSZJ = + *YDZJ + *CSZJ(1) + [AR(1)=]