計(jì)量經(jīng)濟(jì)學(xué)第八章虛擬變量回歸

1、計(jì)量經(jīng)濟(jì)學(xué)第八章虛擬變量回歸計(jì)量經(jīng)濟(jì)學(xué)第八章-虛擬變量回歸 引子引子: 對(duì)在校生的對(duì)在校生的消費(fèi)行為消費(fèi)行為進(jìn)行調(diào)查進(jìn)行調(diào)查, ,發(fā)現(xiàn)在校生的消費(fèi)行為呈發(fā)現(xiàn)在校生的消費(fèi)行為呈現(xiàn)現(xiàn)多元化的結(jié)構(gòu)多元化的結(jié)構(gòu)。人際交往消費(fèi)、手機(jī)類(lèi)消費(fèi)、衣著類(lèi)消費(fèi)、。人際交往消費(fèi)、手機(jī)類(lèi)消費(fèi)、衣著類(lèi)消費(fèi)、化妝品類(lèi)消費(fèi)、電腦類(lèi)消費(fèi)、旅游類(lèi)消費(fèi)占有較大的比例；化妝品類(lèi)消費(fèi)、電腦類(lèi)消費(fèi)、旅游類(lèi)消費(fèi)占有較大的比例；而食品類(lèi)消費(fèi)、學(xué)習(xí)用品類(lèi)消費(fèi)不突顯。為了了解男、女生而食品類(lèi)消費(fèi)、學(xué)習(xí)用品類(lèi)消費(fèi)不突顯。為了了解男、女生在在消費(fèi)支出結(jié)構(gòu)上消費(fèi)支出結(jié)構(gòu)上的差異，應(yīng)當(dāng)如何建立模型？的差異，應(yīng)當(dāng)如何建立模型？ 面臨的問(wèn)題：面臨的問(wèn)題：

2、如何把性別（男、女生）這樣的非數(shù)量變量引入如何把性別（男、女生）這樣的非數(shù)量變量引入方程？方程？ 問(wèn)題的一般性描述問(wèn)題的一般性描述 前面討論的回歸模型中，所遇的變量均為定量變量（可直接測(cè)度、數(shù)值性）。前面討論的回歸模型中，所遇的變量均為定量變量（可直接測(cè)度、數(shù)值性）。 例如：例如：GDPGDP，工資，收入、受教育年數(shù)，銷(xiāo)售額等，工資，收入、受教育年數(shù)，銷(xiāo)售額等. . 在實(shí)際建模時(shí)，一些定性變量具有不可忽視的重要影響。在實(shí)際建模時(shí)，一些定性變量具有不可忽視的重要影響。 例如：研究某個(gè)企業(yè)的銷(xiāo)售水平，產(chǎn)業(yè)屬性（制造業(yè)、零售業(yè)）、所例如：研究某個(gè)企業(yè)的銷(xiāo)售水平，產(chǎn)業(yè)屬性（制造業(yè)、零售業(yè)）、所有制（私

3、營(yíng)、非私營(yíng)）、地理位置（東、中、西部）、管理者的素質(zhì)、不有制（私營(yíng)、非私營(yíng)）、地理位置（東、中、西部）、管理者的素質(zhì)、不同的收入水平等是值得考慮的重要影響因素，但這些因素共同的特征是定同的收入水平等是值得考慮的重要影響因素，但這些因素共同的特征是定性描述的。性描述的。 面臨的面臨的問(wèn)題：在同時(shí)考慮定量和定性因素的條件下，依據(jù)現(xiàn)有的回歸分析知問(wèn)題：在同時(shí)考慮定量和定性因素的條件下，依據(jù)現(xiàn)有的回歸分析知識(shí)，如何對(duì)非定量因素進(jìn)行回歸分析？識(shí)，如何對(duì)非定量因素進(jìn)行回歸分析？ 一、基本概念一、基本概念 1 1、定量因素、定性因素定量因素、定性因素 定量因素：可直接測(cè)度、數(shù)值性的因素。定量因素：可直接測(cè)度

4、、數(shù)值性的因素。 定性（屬性）因素定性（屬性）因素：表示某種屬性存在與否的非數(shù)值性因素：表示某種屬性存在與否的非數(shù)值性因素. 2 2、虛擬變量的定義、虛擬變量的定義 虛擬變量：取值為虛擬變量：取值為0、1的人工（特殊）變量的人工（特殊）變量 。 注：虛擬變量的同位語(yǔ)有：?jiǎn)≡兞?、定性變量等等。通常用字母注：虛擬變量的同位語(yǔ)有：?jiǎn)≡兞?、定性變量等等。通常用字?D 或或DUM加以表示（英文中虛擬或者啞元加以表示（英文中虛擬或者啞元Dummy的縮寫(xiě)）。的縮寫(xiě)）。 第一節(jié)第一節(jié) 虛擬變量虛擬變量 問(wèn)題：直接在回歸模型中加入定性因素存在諸多的困難，能否采用問(wèn)題：直接在回歸模型中加入定性因素存在諸多的

5、困難，能否采用“虛擬變量虛擬變量”對(duì)定性變量進(jìn)行量化，以達(dá)到定性因素能與定量因素有著相對(duì)定性變量進(jìn)行量化，以達(dá)到定性因素能與定量因素有著相同作用之目的？同作用之目的？ 虛擬變量的設(shè)置規(guī)則是在回答虛擬變量的設(shè)置規(guī)則是在回答“如何如何”問(wèn)題。其規(guī)則涉及到以問(wèn)題。其規(guī)則涉及到以下的三個(gè)方面下的三個(gè)方面: : 1 1、“0”0”和和“1”1”的選取原則的選取原則; ; 2 2、屬性、屬性（狀態(tài)、水平）（狀態(tài)、水平）因素與設(shè)置虛擬變量數(shù)量的關(guān)系因素與設(shè)置虛擬變量數(shù)量的關(guān)系; ; 3 3、虛擬變量在回歸分析中的角色及作用等方面的問(wèn)題、虛擬變量在回歸分析中的角色及作用等方面的問(wèn)題. . 具體說(shuō)明如下：具體說(shuō)

6、明如下：二、虛擬變量的設(shè)置規(guī)則（原則）二、虛擬變量的設(shè)置規(guī)則（原則） 1 1、虛擬變量的、虛擬變量的“0”0”和和“1”1”選取原則選取原則 取取“0”或或“1”應(yīng)從分析問(wèn)題的目的出發(fā)予以界定。應(yīng)從分析問(wèn)題的目的出發(fā)予以界定。 “0”0”代表基期（比較的基礎(chǔ)，參照物）代表基期（比較的基礎(chǔ)，參照物） “1”1”代表報(bào)告期（被比較的效應(yīng)）。代表報(bào)告期（被比較的效應(yīng)）。 例如，比較收入時(shí)欲考察例如，比較收入時(shí)欲考察性別（定性變量）的作用（性別（定性變量）的作用（差異）差異）. . 當(dāng)研究男性收入是否高于女性時(shí)，當(dāng)研究男性收入是否高于女性時(shí)，是將女性作為比較的基礎(chǔ)（參照是將女性作為比較的基礎(chǔ)（參照物）

7、，故設(shè)物），故設(shè)男性為男性為“1”1”，女性為，女性為“0”0”。 定性因素的屬性既可能為兩種狀態(tài)，也可能為多種狀態(tài)。定性因素的屬性既可能為兩種狀態(tài)，也可能為多種狀態(tài)。 例如，性別（男、女兩種）、季節(jié)（例如，性別（男、女兩種）、季節(jié)（4 4種狀態(tài)），地理位置（東、種狀態(tài)），地理位置（東、中、西部），行業(yè)歸屬，所有制，收入的分組等中、西部），行業(yè)歸屬，所有制，收入的分組等。 2 2、屬性因素屬性因素（狀態(tài)、水平）（狀態(tài)、水平）與虛擬變量數(shù)量的關(guān)系與虛擬變量數(shù)量的關(guān)系 定性因素定性因素D如何選??？其設(shè)置規(guī)則為：如何選?。科湓O(shè)置規(guī)則為： 1）定性因素有）定性因素有m (m=2,3,4,)個(gè)相互排斥類(lèi)

8、型（或特征、水平）個(gè)相互排斥類(lèi)型（或特征、水平） ，當(dāng)回，當(dāng)回歸模型有截距項(xiàng)時(shí)，模型中只能引入（歸模型有截距項(xiàng)時(shí)，模型中只能引入（ m-1）個(gè)虛擬變量，否則會(huì)陷入）個(gè)虛擬變量，否則會(huì)陷入“虛虛擬變量陷阱擬變量陷阱”（產(chǎn)生完全共線）。（產(chǎn)生完全共線）。（為什么？）（為什么？） 2）回歸模型無(wú)截距項(xiàng)時(shí)，則引入）回歸模型無(wú)截距項(xiàng)時(shí)，則引入m個(gè)虛擬變量。個(gè)虛擬變量。 注：注：“虛擬變量陷阱虛擬變量陷阱”的實(shí)質(zhì)：完全多重共線性。的實(shí)質(zhì)：完全多重共線性。 例（例（一個(gè)陷入一個(gè)陷入“虛擬變量陷阱虛擬變量陷阱”實(shí)例）研究實(shí)例）研究居民住房消費(fèi)支出居民住房消費(fèi)支出Y Yi i 、居、居民可支配收入民可支配收入X

9、 Xi i之間的數(shù)量關(guān)系，回歸模型設(shè)定之間的數(shù)量關(guān)系，回歸模型設(shè)定為：為：現(xiàn)在要考慮城鎮(zhèn)居民和農(nóng)村居民之間的差異，如何辦？現(xiàn)在要考慮城鎮(zhèn)居民和農(nóng)村居民之間的差異，如何辦？ 為了對(duì)為了對(duì) “城鎮(zhèn)居民城鎮(zhèn)居民”、“農(nóng)村居民農(nóng)村居民”進(jìn)行區(qū)分，分析各自在住房消費(fèi)支進(jìn)行區(qū)分，分析各自在住房消費(fèi)支出出 Y Yi i 上的差異，設(shè)上的差異，設(shè) 只設(shè)定一個(gè)虛擬變量原因：模型有截距，只設(shè)定一個(gè)虛擬變量原因：模型有截距，“居民屬性居民屬性”定性變量只定性變量只有兩個(gè)相互排斥的屬性狀態(tài)（有兩個(gè)相互排斥的屬性狀態(tài)（m=2），故只設(shè)定一個(gè)虛擬變量。），故只設(shè)定一個(gè)虛擬變量。則模型為則模型為 若在量化只有兩個(gè)相互排斥屬

10、性的若在量化只有兩個(gè)相互排斥屬性的“居民屬性居民屬性”定性變量時(shí)，引入定性變量時(shí)，引入 m=2 個(gè)虛擬變量。個(gè)虛擬變量。模型為模型為 任一家庭都有：任一家庭都有：D1+D2=1，即，即 D1+D2-1=0（完全共線），就（完全共線），就陷入了陷入了“虛擬變量陷阱虛擬變量陷阱”，產(chǎn)生完全共線。，產(chǎn)生完全共線。城鎮(zhèn)城鎮(zhèn)農(nóng)村農(nóng)村 第二節(jié)第二節(jié) 虛擬解釋變量的回歸虛擬解釋變量的回歸 在計(jì)量經(jīng)濟(jì)學(xué)中，通常引入虛擬變量的方式分為：加法方式和乘法在計(jì)量經(jīng)濟(jì)學(xué)中，通常引入虛擬變量的方式分為：加法方式和乘法方式兩種：即方式兩種：即實(shí)質(zhì)實(shí)質(zhì): : 加法方式引入虛擬變量改變的是截距；加法方式引入虛擬變量改變的是截距

11、； 乘法方式引入虛擬變量改變的是斜率。乘法方式引入虛擬變量改變的是斜率。 虛擬變量模型：含有虛擬變量的模型稱(chēng)為虛擬變量模型。虛擬變量模型：含有虛擬變量的模型稱(chēng)為虛擬變量模型。 以加法方式引入虛擬變量時(shí)，主要考慮的問(wèn)題是定性因素的屬以加法方式引入虛擬變量時(shí)，主要考慮的問(wèn)題是定性因素的屬性和引入虛擬變量的個(gè)數(shù)。性和引入虛擬變量的個(gè)數(shù)。 分為四種情形討論：分為四種情形討論： （1 1）解釋變量只有一個(gè)定性變量而無(wú)定量變量，而且定性變量）解釋變量只有一個(gè)定性變量而無(wú)定量變量，而且定性變量為兩種相互排斥的屬性；為兩種相互排斥的屬性； （2 2）解釋變量分別為一個(gè)定性變量（兩種屬性）和一個(gè)定量解）解釋變量

12、分別為一個(gè)定性變量（兩種屬性）和一個(gè)定量解釋變量；釋變量； （3 3）解釋變量分別為一個(gè)定性變量（兩種以上屬性）和一個(gè)定）解釋變量分別為一個(gè)定性變量（兩種以上屬性）和一個(gè)定量解釋變量；量解釋變量； （4 4）解釋變量分別為兩個(gè)定性變量（各自分別是兩種屬性）和）解釋變量分別為兩個(gè)定性變量（各自分別是兩種屬性）和一個(gè)定量解釋變量。一個(gè)定量解釋變量。一、加法類(lèi)型一、加法類(lèi)型 1、一個(gè)兩種屬性定性解釋變量而無(wú)定量變量的情形一個(gè)兩種屬性定性解釋變量而無(wú)定量變量的情形 2 2、一個(gè)定性解釋變量（兩種屬性）和一個(gè)定量解釋變量的情、一個(gè)定性解釋變量（兩種屬性）和一個(gè)定量解釋變量的情形形XY共同的共同的特征：截

13、距發(fā)生改變特征：截距發(fā)生改變 3 3、一個(gè)定性解釋變量（兩種以上屬性）和一個(gè)定量解釋變量的、一個(gè)定性解釋變量（兩種以上屬性）和一個(gè)定量解釋變量的情形情形 4 4、兩個(gè)定性解釋變量（均為兩種屬性）和一個(gè)定量解釋、兩個(gè)定性解釋變量（均為兩種屬性）和一個(gè)定量解釋變量的情形變量的情形XYD1=0,D2=0D1=1,D2=0D1=1,D2=0D1=1,D2=1加法方式引入虛擬變量的一般表達(dá)式加法方式引入虛擬變量的一般表達(dá)式: :基本分析方法基本分析方法: : 條件期望。條件期望。 運(yùn)用用OLSOLS得到回歸結(jié)果，再用得到回歸結(jié)果，再用t-t-檢驗(yàn)討論因素是否對(duì)模型有影響檢驗(yàn)討論因素是否對(duì)模型有影響. .

14、 基本思想基本思想: : 以乘法方式引入虛擬變量時(shí)，是在所設(shè)立的模型以乘法方式引入虛擬變量時(shí)，是在所設(shè)立的模型中，將虛擬解釋變量與其它解釋變量（中，將虛擬解釋變量與其它解釋變量（X Xi i 或?yàn)榛驗(yàn)镈 Di i）的乘積，作為新）的乘積，作為新的解釋變量出現(xiàn)在模型中，以達(dá)到其調(diào)整設(shè)定模型斜率系數(shù)的目的解釋變量出現(xiàn)在模型中，以達(dá)到其調(diào)整設(shè)定模型斜率系數(shù)的目的（以下僅討論虛擬解釋變量的（以下僅討論虛擬解釋變量D Di i與與X Xi i乘積作為新變量的情況）。乘積作為新變量的情況）。二、乘法類(lèi)型二、乘法類(lèi)型 目的：調(diào)整設(shè)定模型的斜率系數(shù)。目的：調(diào)整設(shè)定模型的斜率系數(shù)。乘法引入方式可分為兩種情形討論

15、乘法引入方式可分為兩種情形討論 （1 1）截距不變；）截距不變； （2 2）截距和斜率均發(fā)生變化；）截距和斜率均發(fā)生變化；分析手段：仍然是條件期望。分析手段：仍然是條件期望。（1 1）截距不變的情形）截距不變的情形模型形式：模型形式： 例：研究消費(fèi)支出例：研究消費(fèi)支出Y Y 受到收入受到收入X X、年份狀況、年份狀況D D 的影響。的影響。 （2 2）截距和斜率均發(fā)生變化）截距和斜率均發(fā)生變化模型形式：模型形式： 例：研究消費(fèi)支出例：研究消費(fèi)支出Y Y 、收入收入X X、年份狀況、年份狀況D D 間的影響關(guān)系。間的影響關(guān)系。比較：發(fā)生了那些變化？比較：發(fā)生了那些變化？例：改革開(kāi)放前、后（平均）

16、例：改革開(kāi)放前、后（平均）“儲(chǔ)蓄儲(chǔ)蓄收入收入”模型：模型： 加法方式引入加法方式引入D：為了區(qū)別改革開(kāi)放前、后儲(chǔ)蓄起點(diǎn)的情況（即兩：為了區(qū)別改革開(kāi)放前、后儲(chǔ)蓄起點(diǎn)的情況（即兩 模模型的截距變化）型的截距變化） 乘法方式引入乘法方式引入D：為了區(qū)別改革開(kāi)放前、后：為了區(qū)別改革開(kāi)放前、后“儲(chǔ)蓄儲(chǔ)蓄“關(guān)于關(guān)于”收入收入”的相對(duì)的相對(duì)變化情況（即兩模型的斜率系數(shù)變化）變化情況（即兩模型的斜率系數(shù)變化）三、虛擬解釋變量綜合應(yīng)用三、虛擬解釋變量綜合應(yīng)用 所謂綜合應(yīng)用是指將引入虛擬解釋變量的加法方式、所謂綜合應(yīng)用是指將引入虛擬解釋變量的加法方式、乘法方式進(jìn)行綜合使用。乘法方式進(jìn)行綜合使用。 可以討論：可以討

17、論： 結(jié)構(gòu)變化分析（結(jié)構(gòu)變化分析（ 關(guān)于兩個(gè)回歸模型的比較關(guān)于兩個(gè)回歸模型的比較）；）； 因素間的因素間的交互效應(yīng)分析；交互效應(yīng)分析； 分段回歸分析分段回歸分析以下僅對(duì)以下僅對(duì)結(jié)構(gòu)變化分析、分段回歸分析結(jié)構(gòu)變化分析、分段回歸分析進(jìn)行討論：進(jìn)行討論：1、結(jié)構(gòu)變化分析（回歸模型的比較）、結(jié)構(gòu)變化分析（回歸模型的比較） 通過(guò)對(duì)模型的參數(shù)檢驗(yàn)，可以檢驗(yàn)?zāi)Ｐ褪欠裼胁煌慕Y(jié)構(gòu)。即通過(guò)對(duì)模型的參數(shù)檢驗(yàn)，可以檢驗(yàn)?zāi)Ｐ褪欠裼胁煌慕Y(jié)構(gòu)。即定性變量定性變量D的引入，是否影響不同類(lèi)型（屬性）模型的的引入，是否影響不同類(lèi)型（屬性）模型的 1）平均水平（截距項(xiàng)）？）平均水平（截距項(xiàng)）？ 2）相對(duì)變化（斜率系數(shù)）？）相對(duì)

18、變化（斜率系數(shù)）？ 3 3）平均水平（截距項(xiàng)）和相對(duì)變化（斜率系數(shù)）？）平均水平（截距項(xiàng)）和相對(duì)變化（斜率系數(shù)）？ 其中: Yi為第 i 個(gè)家庭的消費(fèi)水平； Xi為第 i 個(gè)家庭的收入水平。則D=1：則D=0： 例如：城鎮(zhèn)居民家庭與農(nóng)村居民家庭的消費(fèi)函數(shù)不僅在截距上例如：城鎮(zhèn)居民家庭與農(nóng)村居民家庭的消費(fèi)函數(shù)不僅在截距上有差異，邊際消費(fèi)傾向可能也會(huì)有所不同。模型可以記為有差異，邊際消費(fèi)傾向可能也會(huì)有所不同。模型可以記為 1 1）城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)行為完全一樣（截距和斜率系城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)行為完全一樣（截距和斜率系數(shù)相等）數(shù)相等） 2 2）城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)函數(shù)是截距變動(dòng)模型（

19、截距城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)函數(shù)是截距變動(dòng)模型（截距不相等）不相等） 3 3）城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)函數(shù)是斜率變動(dòng)模型（斜城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)函數(shù)是斜率變動(dòng)模型（斜率系數(shù)不相等）率系數(shù)不相等） 4）城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)函數(shù)是截距和斜率變動(dòng)模型（截）城鎮(zhèn)、農(nóng)村居民家庭的消費(fèi)函數(shù)是截距和斜率變動(dòng)模型（截距、斜率不等）距、斜率不等） 通過(guò)對(duì)上述兩個(gè)模型的截距、斜率系數(shù)檢驗(yàn)通過(guò)對(duì)上述兩個(gè)模型的截距、斜率系數(shù)檢驗(yàn)（比較），（比較），可以判可以判斷我們討論的模型屬于以下何種類(lèi)型：斷我們討論的模型屬于以下何種類(lèi)型：一般：一般：分別回歸，有以下四種情況：分別回歸，有以下四種情況：不同截距、斜率的組合

20、圖形不同截距、斜率的組合圖形重合回歸：截距斜率均相同重合回歸：截距斜率均相同平行回歸：截距不同斜率相同平行回歸：截距不同斜率相同共點(diǎn)回歸：截距相同斜率不同共點(diǎn)回歸：截距相同斜率不同 交叉（不同）回歸：截距斜率均不同交叉（不同）回歸：截距斜率均不同 3、分段回歸分析（提高模型的描述精度）、分段回歸分析（提高模型的描述精度）虛擬變量也可以用來(lái)代表數(shù)量因素的不同階段。分段線性回歸就是虛擬變量也可以用來(lái)代表數(shù)量因素的不同階段。分段線性回歸就是類(lèi)似情形中常見(jiàn)的一種。類(lèi)似情形中常見(jiàn)的一種。 例例: 設(shè)設(shè)Y表示獎(jiǎng)金、表示獎(jiǎng)金、X表示銷(xiāo)售額。當(dāng)銷(xiāo)售額低于表示銷(xiāo)售額。當(dāng)銷(xiāo)售額低于X*時(shí)，獎(jiǎng)金與時(shí)，獎(jiǎng)金與銷(xiāo)售額呈

21、某種線性關(guān)系；當(dāng)銷(xiāo)售額高于銷(xiāo)售額呈某種線性關(guān)系；當(dāng)銷(xiāo)售額高于X*時(shí)，獎(jiǎng)金與銷(xiāo)售額呈更加時(shí)，獎(jiǎng)金與銷(xiāo)售額呈更加陡峭的線性關(guān)系。如圖：陡峭的線性關(guān)系。如圖：.X* X Y 例例1：中國(guó)城鎮(zhèn)居民家庭的儲(chǔ)蓄函數(shù)：中國(guó)城鎮(zhèn)居民家庭的儲(chǔ)蓄函數(shù) 根據(jù)我國(guó)城鎮(zhèn)居民家庭1955202X年人均收入 和人均儲(chǔ)蓄 的數(shù)據(jù)資料（以1955年的物價(jià)水平為100），建立儲(chǔ)蓄模型：第四節(jié)第四節(jié) 案例分析案例分析用最小二乘法得估計(jì)結(jié)果為：用最小二乘法得估計(jì)結(jié)果為： 模型隱含著一個(gè)重要假定，我國(guó)城鎮(zhèn)居民家庭的儲(chǔ)蓄行為在1955年至202X年期間是不變的。 假定未必能夠成立，因?yàn)榕c居民儲(chǔ)蓄有關(guān)的許多重要因素在1979年以后發(fā)生了明

22、顯變化，主要表現(xiàn)為： 1)在經(jīng)濟(jì)體制改革之前，我國(guó)居民的收入一直在低水平上徘徊，大多在經(jīng)濟(jì)體制改革之前，我國(guó)居民的收入一直在低水平上徘徊，大多數(shù)居民家庭的收入僅能維持溫飽，因而平均儲(chǔ)蓄傾向很低，積蓄很少；數(shù)居民家庭的收入僅能維持溫飽，因而平均儲(chǔ)蓄傾向很低，積蓄很少； 1979年后，我國(guó)居民的收入水平迅速提高，與此同時(shí)，居民儲(chǔ)蓄也年后，我國(guó)居民的收入水平迅速提高，與此同時(shí)，居民儲(chǔ)蓄也在大幅增長(zhǎng)在大幅增長(zhǎng)（由此看來(lái)前、后兩時(shí)期，居民的儲(chǔ)蓄行為有顯著差異）；（由此看來(lái)前、后兩時(shí)期，居民的儲(chǔ)蓄行為有顯著差異）； 2)在改革開(kāi)放前的大多數(shù)年份，我國(guó)的消費(fèi)品市場(chǎng)存在嚴(yán)重短缺的在改革開(kāi)放前的大多數(shù)年份，我國(guó)的消費(fèi)品市場(chǎng)存在嚴(yán)重短缺的現(xiàn)象。消費(fèi)者既使有錢(qián)也難以買(mǎi)到所需的商品，而不得不把錢(qián)暫時(shí)存起現(xiàn)象。消費(fèi)者既使有錢(qián)也難以買(mǎi)到所需的商品，而不得不把錢(qián)暫時(shí)存起來(lái)。因此