三大产业的发展与城镇居民家庭消费支出

三大产业的发展与城镇居民家庭消费支出摘要：本文通过对我国三大产业发展与城镇居民家庭消费支出进行分析，从而得出影响城镇居民家庭消费支出的现状，进而提出相应的政策。关键词：计量经济学、城镇居民家庭消费支出、三大产业一、文献综述（一）三大产业与城镇居民家庭消费支出的定义通常的三大产业是联合国使用的分类方法：第一产业包括农业、林业、牧业和渔业；第二产业包括制造业、采掘业、建筑业和公共工程、上下水道、煤气、卫生部门；第三产业包括商业、金融、保险、不动产业、运输、通讯业、服务业及其他非物质生产部门。（二）三大产业的关系三大产业的关系——相互依赖，相互制约：①第一产业为第二三产业奠定基础；②第一二产业为第三产业创造条件；③第三产业发展促进第一二产业的进步；④第二三产业对第一产业有带动作用。（三）消费的挤出效应消费的挤出效应，就是指在消费收入一定的情况下，某项消费支出的增加必然会导致其他消费支出下降。居民的家庭消费结构是指居民用于消费的各个组成部分，如住房消费支出、子女教育消费支出、家庭人口医疗消费支出、日常生活用品消费支出、旅游娱乐消费支出、交通消费支出，等等。住户调查资料显示，在八大类消费支出中，城乡居民用于教育、医疗、住房，交通通信等项目的支出增长很快，而用于衣着、家庭设备、杂项商品等轻纺工业品的支出大幅度下降。（四）提出问题改革开放以来，中国经济高涨，,对城镇居民消费支出影响最大的当属我国三大产业的发展。随着人们生活水平的日渐提高以及各项交通通信技术的进步，城镇居民的消费重点已从基本生活消费品转向了以住、行为代表的新型消费领域。这样的变化可以说都归功于我国三大产业的发展。由此，我们认为在我国经济飞速发展的过程中，三大产业的发展，对城镇居民家庭消费支出的影响尤为显著。所以，在这里，我们收集了1978年至2009年城镇居民家庭消费支出结构的数据，以及我国三大产业发展的数据来进行简单分析比较。—1—二、数据收集与模型的建立具体数据如下：表1三大产业与城镇居民家庭消费支出模型的时间序列表年份YX1X2X31978666.71027.51745.2872.51979758.61270.21913.5878.91980920.21371.62192.0982.019811024.11559.52255.51076.619821115.41777.42383.01163.019831220.61978.42646.21338.119841429.92316.13105.71786.319851877.82564.43866.62585.019862242.92788.74492.72993.819872697.23233.05251.63574.019883694.13865.46587.24590.319894266.94265.97278.05448.419904767.85062.07717.45888.419915648.65342.29102.27337.119927166.65866.611699.59357.419939554.16963.816454.411915.7199412968.99572.722445.416179.8199517098.112135.828679.519978.5199620048.814015.433835.023326.2199722345.714441.937543.026988.1199824757.314817.639004.230580.5199927336.314770.041033.633873.4200030707.214944.745555.938714.0200133644.915781.349512.344361.6200236784.916537.053896.849898.9200341344.117381.762436.356004.7—2—200447528.621412.773904.364561.3200553280.822420.087598.174919.3200660842.224040.0103719.588554.9200771487.828627.0125831.4111351.9200883099.533702.0149003.4131340.0200992296.335226.0157638.8147642.1Y：城镇居民家庭消费支出（平均每人全年）（单位：元）X1：第一产业增加值（单位：亿元）X2：第二产业增加值（单位：亿元）X3：第三产业增加值（单位：亿元）数据来源：此数据中城镇居民家庭消费支出（Y）、第一产业增加值（X1）、第二产业增加值（X2）、第三产业增加值（X3）均来自《2010中国统计年鉴》。（一）模型的初步建立为了具体分析我国三大产业对我国城镇居民家庭消费支出的影响，我们手机了从1978年至2009年的数据，根据上表数据，通过Eviews软件做了初步回归，得到下图：从图中可以看出，Y、X1、X2、X3都是随年份增长的，但增长速率有所变动。由此，我们可以将其设定为以下对数模型：uXXXYtttt3322110lnlnlnln04000080000120000160000808590950005YX1X2X3—3—其中，lntY为城镇居民家庭消费支出，tX1ln为第一产业增加值，tX2ln为第二产业增加值，tX3ln为第三产业增加值。我们通过对该模型的回归分析，得出各个变量与我国城镇居民家庭消费支出之间的变动关系。（二）模型的检验首先，我们运用EViews生成对数变量，我们可以得到如下回归分析结果如下：DependentVariable:LNYMethod:LeastSquaresDate:06/04/11Time:17:16Sample:19782009Includedobservations:32VariableCoefficientStd.Errort-StatisticProb.C-1.4206810.317944-4.4683390.0001LNX10.4504400.1080494.1688650.0003LNX20.2122530.1149911.8458220.0755LNX30.4787140.1080374.4310180.0001R-squared0.998787Meandependentvar9.097859AdjustedR-squared0.998657S.D.dependentvar1.591064S.E.ofregression0.058307Akaikeinfocriterion-2.729737Sumsquaredresid0.095190Schwarzcriterion-2.546520Loglikelihood47.67578F-statistic7685.185Durbin-Watsonstat0.415877Prob(F-statistic)0.000000根据表中数据，我们可以得出模型估计的结果为：uXXXYtttt321ln478714.0ln212253.0ln450440.0420681.1ln（-4.468339）（4.168865）（1.845822）（4.431018）R2=0.998787AdjustedR-squared=0.998657F-statistic=7685.185模型估计结果说明，在假定其他变量不变的情况下，当年第一产业增加量每增加1%，则城镇居民家庭消费支出会增长0.45044%；在假定其他变量不变的情况下，当年第二产业增加量每增加1%，城镇居民家庭消费支出会增长0.212253%；在假定其他变量不变的情况下，当年第三产业增加量每增加1%，城镇居民家庭消费支出会增长0.478714%。这与理论分析和经验判断相一致。—4—（1）多重共线性检验我们用EViews分析软件来得到LNX1、LNX2、LNX3的相关系数矩阵，如下图：LNX1LNX2LNX3LNX11.0000000.9950810.995692LNX20.9950811.0000000.997938LNX30.9956920.9979381.000000从图中，我们可以看出，它的每两个变量的简单相关系数都大于0.8，我们可以认为其存在着较严重的多重共线性。对于这样的问题，我们运用逐步回归法来单独对其进行检验。先来看LNX1：DependentVariable:LNYMethod:LeastSquaresDate:06/04/11Time:19:09Sample:19782009Includedobservations:32VariableCoefficientStd.Errort-StatisticProb.C-3.9510460.172369-22.922000.0000LNX11.4729530.01931976.243660.0000R-squared0.994866Meandependentvar9.097859AdjustedR-squared0.994695S.D.dependentvar1.591064S.E.ofregression0.115890Akaikeinfocriterion-1.411884Sumsquaredresid0.402917Schwarzcriterion-1.320275Loglikelihood24.59014F-statistic5813.096Durbin-Watsonstat0.608925Prob(F-statistic)0.000000其中，LNX1的t值为76.24366。DependentVariable:LNYMethod:LeastSquaresDate:06/04/11Time:19:13Sample:19782009Includedobservations:32VariableCoefficientStd.Errort-StatisticProb.—5—C-1.4161530.122533-11.557350.0000LNX21.0857600.01251686.748600.0000R-squared0.996029Meandependentvar9.097859AdjustedR-squared0.995897S.D.dependentvar1.591064S.E.ofregression0.101916Akaikeinfocriterion-1.668875Sumsquaredresid0.311606Schwarzcriterion-1.577267Loglikelihood28.70200F-statistic7525.319Durbin-Watsonstat0.166855Prob(F-statistic)0.000000其中，LNX2的t值为86.74860。DependentVariable:LNYMethod:LeastSquaresDate:06/04/11Time:19:13Sample:19782009Includedobservations:32VariableCoefficientStd.Errort-StatisticProb.C0.1704570.0801582.1265050.0418LNX30.9554950.008451113.06860.0000R-squared0.997659Meandependentvar9.097859AdjustedR-squared0.997581S.D.dependentvar1.591064S.E.ofregression0.078256Akaikeinfocriterion-2.197202Sumsquaredresid0.183720Schwarzcriterion-2.105593Loglikelihood37.15523F-statistic12784.51Durbin-Watsonstat0.400389Prob(F