基于平行數據的中國區域消費差異實證研究

陳芳 楊煉 譚理

【摘要】根據1993～2011年間我國城鎮居民家庭人均可支配收入與消費支出統計數據，提出我國區域消費的平行數據模型，利用EVIEWS軟件對計量模型進行參數估計，發現我國不同區域間的消費呈現較大差異，主要體現在自發性消費、邊際消費傾向及受上期消費影響三方面。

【關鍵詞】平行數據 區域消費 實證分析

一、引言

消費在推動國民經濟高速發展中扮演重要角色，然而與西方發達國家相比，我國居民消費的增長一直停留在較低水平，消費偏低已成為國民經濟發展的不利因素[1]。本文從實證的角度分析我國不同區域的城鎮居民消費差異，揭示我國不同區域的消費特點，為我國居民消費的增長提供政策性建議。

二、平行數據消費模型

平行數據（panel data）又稱面板數據，指在時間序列的不同橫截面上，同時選取樣本觀測值所得到的樣本數據，它是橫截面數據與時間序列數據的有效結合[2]。平行數據計量模型是當前計量經濟學理論和方法的一個重要發展方向，其主要優勢為個體異質性的描述與控制，被廣泛地應用于國內居民消費結構的實證分析中。

平行數據模型的一般形式為：

■ （1）

其中，系數αi為截距項，系數βi為斜率項，解釋變量Xit為1×K向量，參數βi為K×1向量，K為解釋變量的個數，n為截面樣本總數，T為每個截面樣本下的時期總數。平行數據模型中的系數隨個體差異和時間不同而變化，主要有基本模型、變系數模型或變截距模型三種形式[3]。

建立平行數據計量模型時，首先要確定模型的具體形式，檢驗模型是基本模型、變系數模型還是變截距模型，當前主要使用的檢驗方法是協方差分析檢驗[4]。筆者經過檢驗，確定平行數據消費模型為固定效應變系數模型，模型表達式為：

■ （2）

其中，ω表示平均自發性消費，αi為自發性消費，γi表示上期對本期的影響，βi表示邊際消費傾向。

本文選取我國城鎮居民家庭人均可支配收入與上期平均每人全年消費性支出作為解釋變量，選取我國城鎮居民家庭平均每人全年消費性支出作為被解釋變量。選取1993至2011年《中國統計年鑒》中的30個主要省市（不含重慶）的城鎮居民家庭人均可支配收入和平均每人全年消費性支出構成統計數據。為了消除價格因素的影響，取1978年的居民消費者價格指數為100，對統計數據進行處理。

三、平行數據消費模型估計

利用Eviews軟件，計算出我國城鎮居民消費的平行數據模型如下，模型參數估計結果如表1所示。

■ （3）

回歸結果顯示相關系數為0.996，表明回歸擬合效果較好。考慮到樣本數據之間可能存在相關性與異方差性，而這會影響回歸模型的有效性。為此在平行數據模型（3）的基礎上，進一步引入一階自回歸模型并用廣義最小二乘法進行估計，修正后的模型見表達式（4），修正后的模型估計結果如表2所示。修正后的估計結果顯示達到了0.998，說明修正模型（4）的估計效果好于修正前。

■ （4）

四、區域間消費差異分析

表2中的自發性消費系數αi表明我國自發性消費具有明顯的區域分布特點，沿海地區自發性消費明顯高于內陸地區，東部地區高于西部并且由東向西逐步降低。自發性消費較低的是新疆、黑龍江和內蒙古等地，而浙江、江蘇和北京的自發消費較高[5]。

從表2中的邊際消費傾向βi可知，新疆的邊際消費傾向最高，黑龍江最低。在表2中計算邊際消費傾向βi的均值得到全國邊際消費傾向均值0.642。這意味著每增加1%的收入，將增加0.642%的消費。

通過表2中的滯后一期系數γi可以看出，黑龍江受上期消費的影響最重，內蒙古次之，而江蘇影響最輕。結合前述自發性消費分析可以發現，黑龍江和內蒙古不僅自發性消費低而且受上一期消費影響嚴重，揭示出兩地的消費主要是生活剛性消費。

五、政策建議

根據本文的研究結論，針對我國不同區域消費差異特點，提出如下建議：

一是針對自發性消費偏低的地區，大力改善居民的生活水平，促進自發性消費的提高；二是針對邊際消費傾向較低的地區，著力均衡居民收入水平，以此提高居民消費水平；三是針對受上期消費影響較重的地區，努力提高居民收入，消弱上期消費的影響。

參考文獻

[1]曹文.中國總需求與經濟運行穩定性關系[D].南開大學，2005.

[2]龍瑩.動態面板數據模型的理論和應用研究綜述[J].科技與管理，2010，（2）.

[3]余臻勝.Panel Data模型及其在居民消費結構研究中的應用[J].現代商貿工業，2007，（1）.

[4]祝偉.中國城鎮居民消費結構的平行數據分析[J].數理統計與管理，2006，（6）.

[5]高樂.城鎮居民消費影響因素及區域間差異分析[D].中南大學，2013.

基金項目：湖南人文科技學院教學改革研究項目（RKJGY1715）、（RKJGZ1708）、（RKJGY1714）。

作者簡介：陳芳（1988-），女，漢族，湖南益陽人，任職于湖南人文科技學院，研究方向：金融數據挖掘。