PAGEPAGEI我國居民儲蓄影響因素的實證分析摘要居民儲蓄的增長，是國家經濟實力不斷增強的具體體現。隨著我國經濟的快速增長，居民生活水平不斷提高一直處于高增長態(tài)勢，居民儲蓄在國民經濟中的地位不斷上升。盡管國家采取了多種措施來鼓勵居民消費.完善社會福利制度等措施.但是成效均不明顯。雖然高儲蓄率總是會導致更高的收入及較高的經濟增長率，但并非儲蓄率越高越好，必然會存在一個最優(yōu)的儲蓄率。這使居民的消費和儲蓄行為對于經濟發(fā)展有越來越重要的意義。探討中國居民儲蓄行為的規(guī)律，找出主要決定因素，并在此基礎上對儲蓄的變化趨勢做初步預測，成為確定本論文研究題目的宗旨之一。關鍵詞：居民儲蓄；影響因素；實證分析

目錄摘要 I1前言 12文獻綜述 12.1國外研究綜述 12.2國內研究綜述 23數據說明和模型設定 33.1變量選取 33.1.1收入水平 33.1.2利率水平 33.1.3物價水平 33.1.4通貨膨脹率 33.2數據收集 33.3計量經濟模型的建立 44實證結果分析 54.1模型的求解和檢驗 54.2模型實證分析結論 175相關建議 18參考文獻 20PAGE191前言居民儲蓄是社會總儲蓄的重要組成部分，一國經濟循環(huán)過程中投資資金的重要來源。一個國家的經濟增長過程中，資金是一個重要因素，而居民儲蓄是其中數額最大、來源最穩(wěn)定的一部分。居民儲蓄可以轉化為投資，直接拉動經濟增長；居民儲蓄通過影響居民消費影響到總需求，從而影響到經濟增長。改革開放以來，隨著我國經濟的快速增長，居民生活水平不斷提高，中國經濟的飛速發(fā)展得到了世界各國的矚目，但與此同時，也伴隨著很多問題，特別是結構性矛盾問題。隨著近年來全球經濟的萎靡不振，我國居民高儲蓄率的現象一直受到國內外政治層面的高度關注。因此，對我國居民儲蓄率的影響因素進行分析，進而找到我國居民儲蓄率居高不下的原因對我國經濟發(fā)展具有重要意義。2文獻綜述2.1國外研究綜述Carroll（1994）和Deaton（1992）提出了緩沖存貨儲蓄理論。該理論將預防性儲蓄理論與流動性約束理論考慮進來，認為儲蓄類似于一種緩沖存貨，消費者在境況艱難時，可以利用之前的儲蓄來進行消費，而在境況好轉時可以增加儲蓄。對于消費者對未來收入的不確定性，儲蓄可以起到很好的調節(jié)作用。理論表示儲蓄與持久收入之間存在一個合理的比率，當大于合理比率時，消費者對于儲蓄缺乏耐心從而減少儲蓄增加消費；當小于合理比率時，消費者對儲蓄表現的更有耐心，從而增加預防性儲蓄減少當期消費。Lu和McDonald（2005）運用模型通過對中國在1998-2050年期間居民儲蓄和生活水平的最優(yōu)水平進行模擬來判斷中國儲蓄率是否較高。研究得出如果現在的居民儲蓄率處于社會最優(yōu)水平的話，那么這段期間內的時間偏好率就為負值，這表明中國居民當期儲蓄過高，而對未來的儲備量過高，即中國當前的居民儲蓄率是過高的。最后，文章嘗試分析了中國儲蓄結構和儲蓄-投資的轉化渠道，結果表明這種嘗試是非常有效的。CharlesYujiHoriokaandJunminWan（2005）研究結果得出滯后儲蓄率、利息率、通貨膨脹率是導致中國居民儲蓄率居高不下的主要因素，而人口結構的變遷對中國居民儲蓄率影響是微弱的，二者之間不存在明顯的相關性。Terada-Hagiwara（2012）對亞洲發(fā)展中國家在1966年-2007年間的數據進行研究，分析什么是影響國內儲蓄率的主要因素。研究結果表明人口結構變遷（特別是老年撫養(yǎng)比率）、居民收入水平、金融業(yè)發(fā)展和收入水平是導致亞洲發(fā)展中國家居民儲蓄率居高不下的主要因素。本文對亞洲發(fā)展中國家2011年-2030年間居民儲蓄率進行預測，結果表明雖然有些國家在近些年將步入老齡化社會，但由于還有一些亞洲發(fā)展中國家步入老齡化社會的時間比較晚，所以綜合考慮整個亞洲的儲蓄率將不會發(fā)生太大變化。2.2國內研究綜述賀菊煌（2006）運用世代交疊模型研究人口結構變遷對我國居民儲蓄率的影響，模型選取幼兒撫養(yǎng)比率和老年撫養(yǎng)比率兩個變量代表人口結構，研究得出計劃生育政策導致的新生兒童的減少對居民儲蓄率影響微弱，二者只存在微弱的正相關性。我國新生兒童數量的大量減少雖然導致經濟增長緩慢，但是同時也促使居民人均消費永久性提高。研究還得出我國幼兒撫養(yǎng)比變動對居民儲蓄率的影響程度遠不及老年人口撫養(yǎng)比率的變動對居民儲蓄率的影響。喬為國（2005）從邊際消費傾向的角度對我國居民儲蓄率居高不下的原因做出解釋。研究收入分配制度對居民消費傾向的影響，研究得出我國居民消費傾向下降，居民儲蓄率居高不下的重要原因是由于我國收入差距的不斷擴大。所以要想降低居民儲蓄率，增加居民消費量，需要通過完善收入分配制度，縮小收入差距這一渠道。董麗霞，趙文哲（2011）通過面板向量自回歸模型對中國1982年-2008年省際面板數據進行實證研究，模型選取幼兒撫養(yǎng)比、老年撫養(yǎng)比、人均GDP作為變量，分析我國幼兒撫養(yǎng)比、老年撫養(yǎng)比和人均GDP對居民儲蓄率的影響。研究得出幼兒撫養(yǎng)比和老年撫養(yǎng)比與居民儲蓄率都存在負相關性；隨著經濟的增長，幼兒撫養(yǎng)比呈下降趨勢，而老年撫養(yǎng)比呈上升趨勢，但是老年撫養(yǎng)比的上升幅度要遠高于幼兒撫養(yǎng)比的下降幅度，所以總撫養(yǎng)比呈現上升趨勢，導致居民儲蓄率提高；另外，隨著我國老齡化程度的加劇，人均收入水平將呈現下降趨勢。3數據說明和模型設定3.1變量選取3.1.1收入水平收入水平是影響儲蓄的主要因素之一，由于居民可支配收入數據的不可獲得性，本文將國內生產總值（GDP）作為衡量居民收入水平的指標。只有收入達到一定水平之后才能進行儲蓄，而且根據凱恩斯的理論，邊際消費傾向是遞減的，收入水平越高，邊際消費傾向越低，消費越少，儲蓄越多。3.1.2利率水平利率作為消費的機會成本也會對儲蓄產生影響，從理論上說利率水平越高，消費的機會成本就越大，居民就會壓縮當前消費，增加儲蓄。反之，利率水平越低，消費的機會成本就越小，當前消費就會增加，儲蓄就會減少。本文采用一年期存款利率水平作為指標。3.1.3物價水平物價水平也可以影響儲蓄和消費，物價水平越高，相同消費水平所支出的貨幣就越多，在貨幣收入一定的情況下，能供儲蓄的貨幣就越少。同時，物價水平決定了實際利率，既定的名義利率下，物價水平與實際利率負相關。3.1.4通貨膨脹率通貨膨脹率是貨幣超發(fā)部分與實際需要的貨幣量之比,用以反映通貨膨脹、貨幣貶值的程度;而價格指數則是反映價格變動趨勢和程度的相對數。在實際中,一般不直接、也不可能計算通貨膨脹,而是通過價格指數的增長率來間接表示。由于消費者價格是反映商品經過流通各環(huán)節(jié)形成的最終價格,它最全面地反映了商品流通對貨幣的需要量,因此,消費者價格指數是最能充分、全面反映通貨膨脹率的價格指數。目前,世界各國基本上均用消費者價格指數(我國稱居民消費價格指數),也即CPI來反映通貨膨脹的程度。3.2數據收集年份居民儲蓄（SAV）國內生產總值（GDP）一年期定期存款Rate（%）零售價格指數(RPI)消費物價指數（CPI）股票市價總市值(SMV)200029662.2059810.509.00114.80396.903474.4200138520.8070142.508.33106.10429.909842.4200246279.8078060.805.67100.80441.9017529.2200353407.5083024.304.5997.40438.4019505.7200459621.8088479.202.2597.00432.2026471.0200564332.3898000.502.2598.50434.0048091.0200673762.43108068.202.2599.20437.0043522.0200786910.65119095.701.9898.70433.5038329.02008103617.65135174.001.9899.90438.7042458.02009119555.39159586.702.25102.80455.8037056.02010141050.99185808.602.39100.80464.0032430.02011161587.30217522.702.52101.00471.0089404.02012172534.19267763.703.47103.80493.60327141.02013217885.35316228.803.22105.90522.70121366.02014260771.66343464.702.6398.80519.00243939.0本文采用的是2000年-2014年的數據，所有數據來源于國家統計局。雖然現在已經2016年底，但是國家統計局網站上的數據大多只更新到2014年，所以只截取到14年。3.3計量經濟模型的建立結合我國近幾年的經濟發(fā)展特征，我國居民儲蓄函數可以表示為：SAV=f(GDP,Rate,RPI,CPI,SMV,Ut)其中,SAV為居民儲蓄總額,GDP為國內生產總值,Rate為一年期存款利率,RPI為零售物價指數,CPI為消費物價指數，SMV為各期股市市值,U為隨機擾動項,t表示時期.所建立模型也可以表示為:SAV=C+β1GDP+β2Rate+β3RPI+β4CPI+β5SMV+Ut4實證結果分析4.1模型的求解和檢驗利用EVIEWS軟件，用最小二乘法進行回歸分析及統計檢驗，并對模型進行了自相關和異方差檢驗。表3.1自相關和異方差檢驗VariableCoefficientStd.Errort-StatisticProb.C477192.6108262.44.4077410.0017GDP1.1067470.07651014.465380.0000RATE1802.8411148.6911.5694740.1510RPI-2191.498568.8353-3.8526050.0039CPI-696.7002167.9047-4.1493780.0025SMV-0.1085270.023094-4.6993160.0011R-squared0.997406Meandependentvar108633.3AdjustedR-squared0.995964S.D.dependentvar69337.42S.E.ofregression4404.908Akaikeinfocriterion19.90800Sumsquaredresid1.75E+08Schwarzcriterion20.19122Loglikelihood-143.3100F-statistic691.9768Durbin-Watsonstat1.707178Prob(F-statistic)0.000000將回歸結果整理如下：SAV=477192.6+1.106747GDP+1802.841Rate-2191.498RPI-696.7002CPI-0.108527SMV+Ut（108262.4）（0.076510）（1148.691）（568.8353）（167.9047）（0.023094）t=(4.407741)(14.46538)(1.569474)(-3.852605)(-4.149378)（-4.699316）R2=0.997406F=691.9768DW=1.707178（1）相關性檢驗：R2=0.997406表明方程擬和度很高，F統計量也明顯顯著表明模型，總體是顯著的。（2）經濟意義上的檢驗：由β1=1.106747，β2=1802.841，β3=-2191.498，β4=-696.7002β5=-0.108527可以看出，模型符合經濟意義。（3）顯著性檢驗：根據查詢t分布表得：t0.025（13）=2.160，可見GDP，RPI，CPI，SMV的t統計量絕對值均大于2.160，但是Rate的t統計量絕對值小于2.160。所以推斷模型中解釋變量可能存在多重共線性。（4）多重共線性檢驗：利用簡單相關系數檢驗法，通過Eviews構建簡單相關系數矩陣，如下：表3.2相關系數矩陣表GDPRATERPICPISMVGDP1.000000-0.407213-0.0313800.9642250.808037RATE-0.4072131.0000000.740752-0.406719-0.249296RPI-0.0313800.7407521.000000-0.140537-0.025438CPI0.964225-0.406719-0.1405371.0000000.765092SMV0.808037-0.249296-0.0254380.7650921.000000由表易見，除了GDP和CPI之間的相關系數較高，其他參數之間的相關程度并不是很高，可以推定多重共線性并不嚴重。運用逐步回歸法對模型進行修正第一步：分別求SAV對GDP、RATE、RPI、CPI、SMV的一元回歸。=1\*GB3①SAV對GDP的一元回歸表3.3SAV對GDP的一元回歸表VariableCoefficientStd.Errort-StatisticProb.C-7710.3884807.492-1.6038270.1328GDP0.7489200.02687427.867850.0000R-squared0.983536Meandependentvar108633.3AdjustedR-squared0.982270S.D.dependentvar69337.42S.E.ofregression9232.588Akaikeinfocriterion21.22243Sumsquaredresid1.11E+09Schwarzcriterion21.31684Loglikelihood-157.1682F-statistic776.6169Durbin-Watsonstat1.258600Prob(F-statistic)0.000000②SAV對RATE的一元回歸表3.4SAV對RATE的一元回歸表VariableCoefficientStd.Errort-StatisticProb.C160342.031779.975.0453800.0002RATE-14159.007448.175-1.9010030.0797R-squared0.217519Meandependentvar108633.3AdjustedR-squared0.157328S.D.dependentvar69337.42S.E.ofregression63649.80Akaikeinfocriterion25.08375Sumsquaredresid5.27E+10Schwarzcriterion25.17815Loglikelihood-186.1281F-statistic3.613813Durbin-Watsonstat0.135596Prob(F-statistic)0.079700③SAV對RPI的一元回歸表3.5SAV對RPI的一元回歸VariableCoefficientStd.Errort-StatisticProb.C253307.4425251.50.5956650.5616RPI-1422.5574177.473-0.3405310.7389R-squared0.008841Meandependentvar108633.3AdjustedR-squared-0.067402S.D.dependentvar69337.42S.E.ofregression71636.05Akaikeinfocriterion25.32015Sumsquaredresid6.67E+10Schwarzcriterion25.41456Loglikelihood-187.9011F-statistic0.115961Durbin-Watsonstat0.082701Prob(F-statistic)0.738897④SAV對CPI的一元回歸表3.6SAV對CPI的一元回歸VariableCoefficientStd.Errort-StatisticProb.C-749501.079407.69-9.4386450.0000CPI1890.552174.464910.836290.0000R-squared0.900326Meandependentvar108633.3AdjustedR-squared0.892659S.D.dependentvar69337.42S.E.ofregression22716.99Akaikeinfocriterion23.02318Sumsquaredresid6.71E+09Schwarzcriterion23.11759Loglikelihood-170.6738F-statistic117.4253Durbin-Watsonstat1.192764Prob(F-statistic)0.000000⑤SAV對SMV的一元回歸表3.7SAV對SMV的一元回歸VariableCoefficientStd.Errort-StatisticProb.C66814.1715599.264.2831630.0009SMV0.5699720.1348744.2259540.0010R-squared0.578725Meandependentvar108633.3AdjustedR-squared0.546319S.D.dependentvar69337.42S.E.ofregression46702.81Akaikeinfocriterion24.46456Sumsquaredresid2.84E+10Schwarzcriterion24.55897Loglikelihood-181.4842F-statistic17.85869Durbin-Watsonstat1.570359Prob(F-statistic)0.000991通過比較各個調整可決系數，選擇GDP作為第一個解釋變量，形成一元回歸模型。第二步：逐步回歸。將剩余解釋變量分別加入模型。①表3.8逐步回歸（1）C4183.6796892.7800.6069650.5552GDP0.7258640.02590028.026010.0000RATE-2276.1301041.210-2.1860420.0494R-squared0.988225Meandependentvar108633.3AdjustedR-squared0.986263S.D.dependentvar69337.42S.E.ofregression8126.713Akaikeinfocriterion21.02056Sumsquaredresid7.93E+08Schwarzcriterion21.16217Loglikelihood-154.6542F-statistic503.5696Durbin-Watsonstat1.524263Prob(F-statistic)0.000000②表3.9逐步回歸（2）VariableCoefficientStd.Errort-StatisticProb.C89407.2049997.991.7882160.0990GDP0.7474280.02438730.648340.0000RPI-952.6625488.5801-1.9498600.0749R-squared0.987497Meandependentvar108633.3AdjustedR-squared0.985414S.D.dependentvar69337.42S.E.ofregression8374.131Akaikeinfocriterion21.08054Sumsquaredresid8.42E+08Schwarzcriterion21.22215Loglikelihood-155.1040F-statistic473.9034Durbin-Watsonstat1.283649Prob(F-statistic)0.000000③表3.10逐步回歸（3）VariableCoefficientStd.Errort-StatisticProb.C75610.52108026.20.6999270.4973GDP0.8255930.1029918.0161780.0000CPI-209.8054271.7363-0.7720920.4550R-squared0.984315Meandependentvar108633.3AdjustedR-squared0.981701S.D.dependentvar69337.42S.E.ofregression9379.435Akaikeinfocriterion21.30728Sumsquaredresid1.06E+09Schwarzcriterion21.44889Loglikelihood-156.8046F-statistic376.5429Durbin-Watsonstat1.246291Prob(F-statistic)0.000000④表3.11逐步回歸（4）VariableCoefficientStd.Errort-StatisticProb.C-12370.744718.833-2.6215680.0223GDP0.8203310.04004220.486670.0000SMV-0.0876830.039728-2.2070850.0475R-squared0.988290Meandependentvar108633.3AdjustedR-squared0.986338S.D.dependentvar69337.42S.E.ofregression8104.419Akaikeinfocriterion21.01506Sumsquaredresid7.88E+08Schwarzcriterion21.15667Loglikelihood-154.6130F-statistic506.3770Durbin-Watsonstat1.643177Prob(F-statistic)0.000000觀察得知SMV獲得的調整后可決系數最大，作為第二個解釋變量。第三步：在保留GDP，SMV的基礎上繼續(xù)進行逐步回歸分析①表3.12逐步回歸（5）VariableCoefficientStd.Errort-StatisticProb.C-1427.5526553.071-0.2178450.8315GDP0.7911320.03761421.032750.0000SMV-0.0764550.035196-2.1722780.0526RATE-1979.967919.9040-2.1523630.0544R-squared0.991760Meandependentvar108633.3AdjustedR-squared0.989513S.D.dependentvar69337.42S.E.ofregression7100.615Akaikeinfocriterion20.79693Sumsquaredresid5.55E+08Schwarzcriterion20.98574Loglikelihood-151.9770F-statistic441.3232Durbin-Watsonstat1.974429Prob(F-statistic)0.000000②表3.13逐步回歸（6）VariableCoefficientStd.Errort-StatisticProb.C84761.0141147.802.0599160.0639GDP0.8188480.03402524.066360.0000SMV-0.0876940.033752-2.5981990.0248RPI-952.8072401.7162-2.3718420.0370R-squared0.992252Meandependentvar108633.3AdjustedR-squared0.990139S.D.dependentvar69337.42S.E.ofregression6885.309Akaikeinfocriterion20.73535Sumsquaredresid5.21E+08Schwarzcriterion20.92416Loglikelihood-151.5151F-statistic469.5884Durbin-Watsonstat1.667134Prob(F-statistic)0.000000③表3.14逐步回歸（7）VariableCoefficientStd.Errort-StatisticProb.C90069.5492690.260.9717260.3521GDP0.9179930.0967619.4872240.0000SMV-0.0916140.039521-2.3180910.0407CPI-258.4749233.5761-1.1065980.2921R-squared0.989463Meandependentvar108633.3AdjustedR-squared0.986589S.D.dependentvar69337.42S.E.ofregression8029.637Akaikeinfocriterion21.04284Sumsquaredresid7.09E+08Schwarzcriterion21.23166Loglikelihood-153.8213F-statistic344.3102Durbin-Watsonstat1.525700Prob(F-statistic)0.000000第四步：通過觀察發(fā)現RATE，RPI，CPI的調整后可決系數均有提升，但是RPI的最高，所以作為第三個解釋變量保留，并繼續(xù)逐步回歸分析。①表3.15逐步回歸（8）VariableCoefficientStd.Errort-StatisticProb.C60096.6565099.210.9231550.3777GDP0.8077410.04163219.402050.0000SMV-0.0832500.036069-2.3080450.0437RPI-668.4038703.6183-0.9499520.3645RATE-783.16111562.384-0.5012600.6270R-squared0.992442Meandependentvar108633.3AdjustedR-squared0.989419S.D.dependentvar69337.42S.E.ofregression7132.325Akaikeinfocriterion20.84386Sumsquaredresid5.09E+08Schwarzcriterion21.07988Loglikelihood-151.3290F-statistic328.2815Durbin-Watsonstat1.769654Prob(F-statistic)0.000000②表3.16逐步回歸（9）VariableCoefficientStd.Errort-StatisticProb.C351533.178022.004.5055640.0011GDP1.0273440.06145116.718020.0000SMV-0.0961210.023233-4.1373130.0020RPI-1416.955302.8799-4.6782720.0009CPI-553.7253151.0105-3.6668010.0043R-squared0.996695Meandependentvar108633.3AdjustedR-squared0.995374S.D.dependentvar69337.42S.E.ofregression4716.183Akaikeinfocriterion20.01659Sumsquaredresid2.22E+08Schwarzcriterion20.25261Loglikelihood-145.1244F-statistic754.0229Durbin-Watsonstat1.621632Prob(F-statistic)0.000000通過觀察可知加入CPI的調整后可決系數上升至0.9954，F統計量也很大，可以作為第四個解釋變量，而加入RATE的調整后可決系數由0.990139下降至0.989419，F統計量也沒有那么大，t值也很小，顯示出RATE對因變量的解釋作用不是特別明顯，因而產生了輕微的多重共線性。從實際情況出發(fā)，結合數據分析結果，應該還是可以保留RATE這一解釋變量的。（5）異方差性檢驗：進行WHITE檢驗表3.17逐步回歸（10）F-statistic54.56052Probability0.000779Obs*R-squared14.02083Probability0.136093VariableCoefficientStd.Errort-StatisticProb.C-2.67E+084.40E+09-0.0605740.9546GDP-92.641501032.704-0.0897080.9328GDP^20.0009890.0032390.3054240.7753RATE9305867.255916160.3636300.7345RATE^2-1347150.2775160.-0.4854310.6528RPI2.27E+08888501802.5509380.0632RPI^2-1107043.429435.6-2.5779010.0615CPI-4934498516020776-3.0800620.0369CPI^253657.6117485.323.0687230.0373SMV-321.1577475.5241-0.6753760.5365SMV^20.0002740.0011430.2397770.8223R-squared0.992722Meandependentvar36773201AdjustedR-squared0.974527S.D.dependentvar75566626S.E.ofregression12060592Akaikeinfocriterion35.59370Sumsquaredresid5.82E+14Schwarzcriterion36.11293Loglikelihood-255.9527F-statistic54.56052Durbin-Watsonstat2.748851Prob(F-statistic)0.000779由分析表可知：nR2=14.02083，由White檢驗知，在α=0.05下，X20.05（6）=14.0671，因此不存在異方差性（6）自相關檢驗H0：ρ＝0，即Ut不存在一階自回歸;H1：ρ≠0,即Ut存在一階自回歸。因為DW＝1.707178查表得，當n＝15，k＝5時dL＝0.562，dU＝2.220，4－dU＝1.78，4－dL=3.438,可見dU<DW<4-dU,表明不存在一階自相關。（7）因果關系檢驗表18因果關系檢驗NullHypothesis:ObsF-StatisticProbabilityGDPdoesnotGrangerCauseSAV133.926530.06485SAVdoesnotGrangerCauseGDP14.77360.00206RATEdoesnotGrangerCauseSAV130.598900.57230SAVdoesnotGrangerCauseRATE0.939790.42994RPIdoesnotGrangerCauseSAV132.026420.19409SAVdoesnotGrangerCauseRPI5.566610.03056CPIdoesnotGrangerCauseSAV131.962550.20254SAVdoesnotGrangerCauseCPI17.10730.00129SMVdoesnotGrangerCauseSAV136.629010.02006SAVdoesnotGrangerCauseSMV3.311050.08960RATEdoesnotGrangerCauseGDP131.623200.25604GDPdoesnotGrangerCauseRATE1.378170.30599RPIdoesnotGrangerCauseGDP131.580870.26390GDPdoesnotGrangerCauseRPI3.311280.08959CPIdoesnotGrangerCauseGDP137.102160.01685GDPdoesnotGrangerCauseCPI20.77110.00068SMVdoesnotGrangerCauseGDP1342.83475.3E-05GDPdoesnotGrangerCauseSMV4.921220.04042RPIdoesnotGrangerCauseRATE131.327530.31779RATEdoesnotGrangerCauseRPI1.614510.25763CPIdoesnotGrangerCauseRATE130.944750.42822RATEdoesnotGrangerCauseCPI1.610280.25840SMVdoesnotGrangerCauseRATE130.316920.73713RATEdoesnotGrangerCauseSMV0.130580.87941CPIdoesnotGrangerCauseRPI130.356380.71079RPIdoesnotGrangerCauseCPI0.852920.46156SMVdoesnotGrangerCauseRPI136.876100.01830RPIdoesnotGrangerCauseSMV0.020370.97988SMVdoesnotGrangerCauseCPI135.951940.02610CPIdoesnotGrangerCauseSMV3.382600.08618由該檢驗結果表明，在α=0.05的水平下，F(5,9)=3.48，而F11=3.9265>F(5,9)=3.48，所以拒絕原假設，認為GDP變量對SAV有顯著性影響；F12=14.7736>F(5,9)=3.48,所以拒絕原假設，認為SAV變量對GDP有顯著性影響；F21=0.5989<F(5,9)=3.48，所以接受原假設，認為RATE變量對SAV影響不顯著；F22=0.9398<F(5,9)=3.48，所以接受原假設，認為SAV變量對RATE影響不顯著；F31=2.0264<F(5,9)=3.48，所以接受原假設，認為RPI變量對SAV有影響不顯著；F32=5.5666>F(5,9)=3.48,所以拒絕原假設，認為SAV變量對RPI有顯著性影響；F41=1.9626<F(5,9)=3.48，所以接受原假設，認為CPI變量對SAV有顯著性影響；F42=17.1073>F(5,9)=3.48,所以拒絕原假設，認為SAV變量對CPI有顯著性影響；F51=6.6290>F(5,9)=3.48，所以拒絕原假設，認為SMV變量對SAV有顯著性影響；F52=3.3111<F(5,9)=3.48,所以接受原假設，認為SAV變量對SMV影響不顯著；F61=1.6232<F(5,9)=3.48,所以接受原假設，認為RATE變量對GDP影響不顯著；F62=1.3782<F(5,9)=3.48,所以接受原假設，認為GDP變量對RATE影響不顯著；F71=1.5809<F(5,9)=3.48,所以接受原假設，認為RPI變量對GDP影響不顯著；F72=3.3113<F(5,9)=3.48,所以接受原假設，認為GDP變量對RPI影響不顯著；F81=0.9448<F(5,9)=3.48,所以接受原假設，認為CPI變量對GDP影響不顯著；F82=20.7711>F(5,9)=3.48,所以拒絕原假設，認為GDP變量對CPI有顯著影響；F91=42.8347>F(5,9)=3.48,所以拒絕原假設，認為SMV變量對GDP有顯著影響；F92=4.9212>F(5,9)=3.48,所以拒絕原假設，認為GDP變量對SMV有顯著影響；F101=1.3275<F(5,9)=3.48,所以接受原假設，認為RPI變量對RATE影響不顯著；F102=1.6145<F(5,9)=3.48,所以接受原假設，認為RATE變量對RPI有顯著影響；F111=0.9448>F(5,9)=3.48,所以拒絕原假設，認為CPI變量對RATE有顯著影響；F112=1.6103>F(5,9)=3.48,所以拒絕原假設，認為RATE變量對CPI有顯著影響；F121=0.3169<F(5,9)=3.48,所以接受原假設，認為SMV變量對RATE影響不顯著；F122=0.1306<F(5,9)=3.48,所以接受原假設，認為RATE變量對SMV影響不顯著；F131=0.3564<F(5,9)=3.48,所以接受原假設，認為CPI變量對RPI影響不顯著；F132=0.8529<F(5,9)=3.48,所以接受原假設，認為RPI變量對CPI影響不顯著；F141=6.8761>F(5,9)=3.48,所以拒絕原假設，認為SMV變量對RPI有顯著影響；F142=0.0204<F(5,9)=3.48,所以接受原假設，認為RPI變量對SMV有顯著影響；F151=5.9519>F(5,9)=3.48,所以拒絕原假設，認為SMV變量對CPI有顯著影響；F152=3.3826<F(5,9)=3.48,所以接受原假設，認為CPI變量對SMV影響不顯著。（8）綜上所述,我們最終得到居民儲蓄的模型:此時的回歸結果整理如下：SAV=477192.6+1.106747GDP+1802.841Rate-2191.498RPI-696.7002CPI-0.108527SMV+Ut（108262.4）（0.076510）（1148.691）（568.8353）（167.9047）（0.023094）t=(4.407741)(14.46538)(1.569474)(-3.852605)(-4.149378)（-4.699316）R2=0.997406F=691.9768DW=1.707178 模型擬合情況圖如下：圖3.1模型擬合情況圖4.2模型實證分