论文部分内容阅读
【摘要】与传统贸易方式相比，网络购物近年来因其具有商品广泛，价格便宜，购买方便等优点而迅速在市场上占据举足轻重的地位，受到越来越多人的青睐。本文选取2005年至2012年相关数据通过建立一个计量模型对影响网络购物交易规模的因素进行分析，进而从宏观的角度解释网络购物交易规模的影响因素并提出适当建议。
【关键词】网络购物 影响因素 计量模型
一、选择模型及数据来源
随着互联网的迅速崛起，网络购物作为传统零售业的补充掀起了一场划时代的革命。网络购物渐渐得到大众的认同，现已经成为人们尤其是年轻人士日常生活中津津乐道的重要组成部分。由于网购观念的普及以及电子商务平台的进一步完善，网络购物成为一股不可忽视的新兴经济势力在中国商品交换市场占据举足轻重的地位。本文选取2005年至2012年的数据分别来自于《中国统计年鉴》、中国互联网网络信息中心（CNNIC）、艾瑞网以及中国电子商务研究中心，进行多元线性回归模型分析。
二、模型检验和确定
（一）设定线性函数模型
对于影响网络购物交易规模的宏观因素将从以下四个方面把握：①货币供应量（M2）②网民数量③居民消费水平④电子商务交易规模，建立多元线性回归模型为：
Y1=C+β1X1i+β2X2i+β3X3i+β4X4i+ε
其中，C为常数，Y为网络购物交易额（单位：亿元），X1为货币供应量，X2网民数量（单位：亿人），X3居民消费水平（单位：元），X4电子商务交易总额（单位：万亿元），β1、β2、β3和β4分别为X1、X2、X3、X4的系数，ε为随机变量，根据搜集到的数据利用Eviews软件建立多元线性回归模型，回归分析输出结果为：
Y1=-4539.503+0.018254X1-1542.577X2+0.08276X3+282.3835X4
t=（-1.149595）（3.181707） （-3.970259） （0.083186） （0.279075）
（二）对回归模型进行统计检验
1.模型拟合优度检验。可决系数R2=0.995015，修正可决系数R2=0.988369，表明模型的拟合优度很好。
2.模型显著性检验—F检验。由回归结果得统计量F=149.7053，n=8，k=4.对于给定显著性水平α=0.05，查F分布表得临界值F0.05（4，3）=9.12，因为149.7053>9.12，故拒绝原假设，模型的线性关系在在概率为95%的条件下显著成立，即网络购物交易规模与货币供应量、网民数量、居民消费水平、电子商务交易规模存在显著的线性关系。
3.解释变量的显著性检验-t检验与修正。提出原假设H0：βi=0（i=1，2），n=8，k=4由回归结果得所有t统计量值分别为：t1=3.181707，t2=-3.970259，t3=0.083186，t4=0.27907。给定显著性水平α=0.05，从t分布表中查出自由度为3的双侧分位数t0.05/2（3）=2.35。|t1|>|t2|>t和|t3|<|t4| Yi=-4852.684+0.021627X1i-1503.717X2i
t=（9424924） （-4.50745） （-14.26002）
（三）对修正后的模型进行检验
1.模型拟合优度检验。可决系数R2=0.993615，修正可决系数R2=0.99106，表明模型的拟合优度非常好。
2.模型显著性检验——F检验。提出原假设H0：β1=β2=0。由回归结果得统计量F=389.0151，n=8，k=2。对于给定显著性水平α=0.05，查F分布表得临界值F0.05（2，5）=5.79，因为389.0151>5.79，故拒绝原假设，模型的线性关系在在概率为95%的条件下显著成立，即网络购物交易规模与货币供应量、网民数量存在显著的线性关系。
3.解释变量的显著性检验-t检验。提出原假设H0：βi=0（i=1，2），n=8k=2。由回归结果得所有t统计量值分别为：t1=9.424924，t2=-4.570745。给定显著性水平α=0.05，从t分布表中查出自由度为5的双侧分位数t0.051/2（5）=2.57。因为|t1|>t，|t2|>t，所以否定原假设，β1，β2都显著不等于零，即认为货币供应量、网民数量对网络购物交易规模有显著的影响。
4.自相关性检验。（1）图示法。
从显示的残差分布图可知，可能存在自相关，故进行进一步详细的LM检验。
（2）LM检验法。由于样本容量较小，故无法采取DW（Durbin-Watson）检验法，采取LM检验法。
在估计窗口中选择Serial Correlation LM Test，设定滞后期Lag=1，得到LM检验结果。因为X20.05（1）=3.84，LM=nR2=8*0.146574=1.172592<3.84，接受原假设，不存在一阶自相关。
5.异方差检验。本文主要采取怀特检验进行异方差检验的功能。由eviews的输出结果知，WT=nR2=8*0.799184=6.393472，通过查表得X20.05（5）=11.071>6.393472，故接受原假设，此模型不存在异方差。
综上所述，通过修正后的模型通过了各方面的检验，故网络交易规模的样本回归函数为：
Yi=-4852.684+0.021627X1i-1503.717X2i
三、结论及建议
（一）模型结论
Yi=-4852.684+0.021627X1i-1503.717X2i
t=（9424924） （-4.50745） （-14.26002）
R2=0.99106 S.E.=268.5782 F=389.0151
（二）建议
当网络购物交易规模需要扩大时，在保持网民数量不变的条件下，中央银行可以考虑通过增加货币供应量来刺激网络购物的消费，增加网购消费。虽然模型得出的结论是网民数量与网络购物规模呈反方向变动与实际经济情况不符，原因很可能是因为由于样本数据获取不足所导致的误差。通过完善和改进网上购物的规范性和安全性，建立针对特定消费人群的网络购物模式，提高消费支付方式的安全性。
作者简介：刘柳秀（1992-），女，汉族，重庆人，就读于云南大学经济学院，研究方向：金融学。
【关键词】网络购物 影响因素 计量模型
一、选择模型及数据来源
随着互联网的迅速崛起，网络购物作为传统零售业的补充掀起了一场划时代的革命。网络购物渐渐得到大众的认同，现已经成为人们尤其是年轻人士日常生活中津津乐道的重要组成部分。由于网购观念的普及以及电子商务平台的进一步完善，网络购物成为一股不可忽视的新兴经济势力在中国商品交换市场占据举足轻重的地位。本文选取2005年至2012年的数据分别来自于《中国统计年鉴》、中国互联网网络信息中心（CNNIC）、艾瑞网以及中国电子商务研究中心，进行多元线性回归模型分析。
二、模型检验和确定
（一）设定线性函数模型
对于影响网络购物交易规模的宏观因素将从以下四个方面把握：①货币供应量（M2）②网民数量③居民消费水平④电子商务交易规模，建立多元线性回归模型为：
Y1=C+β1X1i+β2X2i+β3X3i+β4X4i+ε
其中，C为常数，Y为网络购物交易额（单位：亿元），X1为货币供应量，X2网民数量（单位：亿人），X3居民消费水平（单位：元），X4电子商务交易总额（单位：万亿元），β1、β2、β3和β4分别为X1、X2、X3、X4的系数，ε为随机变量，根据搜集到的数据利用Eviews软件建立多元线性回归模型，回归分析输出结果为：
Y1=-4539.503+0.018254X1-1542.577X2+0.08276X3+282.3835X4
t=（-1.149595）（3.181707） （-3.970259） （0.083186） （0.279075）
（二）对回归模型进行统计检验
1.模型拟合优度检验。可决系数R2=0.995015，修正可决系数R2=0.988369，表明模型的拟合优度很好。
2.模型显著性检验—F检验。由回归结果得统计量F=149.7053，n=8，k=4.对于给定显著性水平α=0.05，查F分布表得临界值F0.05（4，3）=9.12，因为149.7053>9.12，故拒绝原假设，模型的线性关系在在概率为95%的条件下显著成立，即网络购物交易规模与货币供应量、网民数量、居民消费水平、电子商务交易规模存在显著的线性关系。
3.解释变量的显著性检验-t检验与修正。提出原假设H0：βi=0（i=1，2），n=8，k=4由回归结果得所有t统计量值分别为：t1=3.181707，t2=-3.970259，t3=0.083186，t4=0.27907。给定显著性水平α=0.05，从t分布表中查出自由度为3的双侧分位数t0.05/2（3）=2.35。|t1|>|t2|>t和|t3|<|t4|
t=（9424924） （-4.50745） （-14.26002）
（三）对修正后的模型进行检验
1.模型拟合优度检验。可决系数R2=0.993615，修正可决系数R2=0.99106，表明模型的拟合优度非常好。
2.模型显著性检验——F检验。提出原假设H0：β1=β2=0。由回归结果得统计量F=389.0151，n=8，k=2。对于给定显著性水平α=0.05，查F分布表得临界值F0.05（2，5）=5.79，因为389.0151>5.79，故拒绝原假设，模型的线性关系在在概率为95%的条件下显著成立，即网络购物交易规模与货币供应量、网民数量存在显著的线性关系。
3.解释变量的显著性检验-t检验。提出原假设H0：βi=0（i=1，2），n=8k=2。由回归结果得所有t统计量值分别为：t1=9.424924，t2=-4.570745。给定显著性水平α=0.05，从t分布表中查出自由度为5的双侧分位数t0.051/2（5）=2.57。因为|t1|>t，|t2|>t，所以否定原假设，β1，β2都显著不等于零，即认为货币供应量、网民数量对网络购物交易规模有显著的影响。
4.自相关性检验。（1）图示法。
从显示的残差分布图可知，可能存在自相关，故进行进一步详细的LM检验。
（2）LM检验法。由于样本容量较小，故无法采取DW（Durbin-Watson）检验法，采取LM检验法。
在估计窗口中选择Serial Correlation LM Test，设定滞后期Lag=1，得到LM检验结果。因为X20.05（1）=3.84，LM=nR2=8*0.146574=1.172592<3.84，接受原假设，不存在一阶自相关。
5.异方差检验。本文主要采取怀特检验进行异方差检验的功能。由eviews的输出结果知，WT=nR2=8*0.799184=6.393472，通过查表得X20.05（5）=11.071>6.393472，故接受原假设，此模型不存在异方差。
综上所述，通过修正后的模型通过了各方面的检验，故网络交易规模的样本回归函数为：
Yi=-4852.684+0.021627X1i-1503.717X2i
三、结论及建议
（一）模型结论
Yi=-4852.684+0.021627X1i-1503.717X2i
t=（9424924） （-4.50745） （-14.26002）
R2=0.99106 S.E.=268.5782 F=389.0151
（二）建议
当网络购物交易规模需要扩大时，在保持网民数量不变的条件下，中央银行可以考虑通过增加货币供应量来刺激网络购物的消费，增加网购消费。虽然模型得出的结论是网民数量与网络购物规模呈反方向变动与实际经济情况不符，原因很可能是因为由于样本数据获取不足所导致的误差。通过完善和改进网上购物的规范性和安全性，建立针对特定消费人群的网络购物模式，提高消费支付方式的安全性。
作者简介：刘柳秀（1992-），女，汉族，重庆人，就读于云南大学经济学院，研究方向：金融学。