中國低保標準研究

涂家銘 李嘉胤

摘要：文章基于ELES模型、相關性分析、空間自相關分析、主成分分析等方法，對現行低保標準的合理性進行了解釋，同時分析現行各地低保標準的相關性，構建的指標并建立多元回歸模型，最后進行適應性檢驗以評價模型的有效性。

關鍵詞：ELES模型;相關性分析;空間自相關分析;主成分回歸

一、問題的提出

“低保”作為我國對低收入者的社會保障制度和“扶貧攻堅”戰略的重要手段之一，隨著覆蓋人群和地區范圍的不斷擴大，正面臨著各地區制定標準不統一、不科學等問題。另外，由于各個地區的經濟發展水平和特點不同，各地都需要根據自身實際來制定合適的低保標準。于是，各地如何選取合適的宏觀指標作為衡量標準，以及如何構建出科學的數學模型來計算出理論的低保標準，對于政府制定各地各年實際的低保標準具有重要的參考和指導意義。

二、低保標準微觀需求分析——ELES模型

（一）數據的收集與分析

“低保標準”由地方政府制定，因此不同地方會有不同的“低保標準”。以上海市為例，收集上海市2010～2014年的城鎮居民最低生活保障標準數據，如表1所示。

通過數據可以看出，上海市城鎮居民最低生活保障標準逐年上漲，一方面，說明了政府對民生問題越來越重視，另一方面，也說明了“低保標準”并不是一成不變的，它可能受到多種因素的影響，從而隨著時間的變化而變化。

（二）ELES模型的介紹

擴展線性支出系統模型（ExtendLinear Expenditure System，ELES）是美國經濟學家C.Liuch于1973年在線性支出模型的基礎上建立的一個需求函數模型。

為合理運用該模型，現作出以下假設：某一時期人們對各種商品或服務的需求量取決于人們的收入和各種商品或服務的價格;人們對各種商品的需求分為基本需求和超過基本需求之外的需求兩部分，并且認為基本需求與收入水平無關;居民在基本需求得到滿足之后才將剩余收入按照某種邊際消費傾向安排各種非基本消費支出。

ELES模型將人們的消費支出具體劃分為類，則各類商品或服務的消費支出用模型的函數形式表示為：

（三）參數的估計

根據ELES模型的假定，對任何人而言，維持最低生活標準的基本需求是相同的。因此，我們使用ELES模型測算人們基本需求消費的支出。

通過以上的分析可知，要計算基本生活消費支出，需要估計出α和βi，而要估計這兩個參數，就涉及到（5）式中的兩個變量，即第i類商品或服務的消費支出Zi和居民人均可支配收入Y。

通常情況下，生活消費支出可分為食品、衣著、住房、交通通信、醫療保健、家庭生活用品、文教娛樂、其他商品與服務八類指標。根據馬斯洛需求層次理論，人們的需求像階梯一樣從低到高按層次分為五種，分別是：生理需求、安全需求、社交需求、尊重需求和自我實現需求在此，當人們實現了較低一層次的需求時，才會考慮較高一層次的需求。在此，本文認為，生理需求和安全需求是滿足現代人生活的基本需求，因此取前六項指標作為衡量基本生活消費支出的指標，分別是食品、衣著、住房、交通通信、醫療保健、生活用品及服務。

根據上海統計年鑒，可以把城鎮居民家庭按收入水平升序分為五個層次，分別為低收入戶、中等偏下收入戶、中等收入戶、中等偏上收入戶、高收入戶，本文收集了2010～2014年五個層次的居民收入水平下的人均可支配收入明細指標數據和人均消費支出數據，依據（5）式，運用SPSS 22分別用所選取的六項消費支出指標對不同的人均可支配收入分組數據求一元線性回歸，得出相應的參數估計值，如表2所示。

根據表2可知，R2的值均在0.96以上，說明該模型的擬合優度高，絕大部分的αi和βi都通過了顯著性檢驗，所以通過該模型計算出來的回歸方程的可信度和有效度都較高。

（四）“低保標準”的測算

根據表2中和的估計數據，結合（8）式運算可得表3。

由表3可知，ELES模型所測算的“低保標準”理論值與實際值均比較接近，二者變化趨勢都是逐年增長。為了充分反映理論值與實際值的偏差程度，解釋“低保標準”實際值的合理性，測算了實際值偏離理論值的程度以及理論值和實際值的增長率，得到表4。

表4更加直觀地比較了“低保標準”的理論值與實際值，從增長率可以看出，“低保標準”的實際增長率始終高于理論增長率，這符合我國以習近平為核心的黨中央加大民生保障、“打好脫貧攻堅戰”等國家政策和戰略舉措，也反映人們的基本需求發生了變化，前六項基本需求消費指標已經不能滿足條件，因此“低保標準”實際值的這種變化具有一定的合理性。從“低保標準”實際值的增長率看，它的變化都比較穩定，這符合社會調控漸變的規律，具有一定的合理性。從具體的數值看，“低保標準”實際值偏離理論值的程度均維持在較低范圍內，最大值沒有超過17%，因此，可以認為“低保標準”的理論值與實際值比較接近，“低保標準”實際值具有一定合理性。

綜上，我們認為2010～2014年上海市的城鎮居民最低生活保障標準的制定是合理的。

三、低保標準的解釋——計量經濟學模型

（一）指標的選取

目前我國確立低保標準的方法可歸納為兩大類，一是收入的角度，二是消費的角度。從收入的角度考慮則選取的指標包括人均GDP、人均可支配收入、最低工資標準、職工平均工資等，而從消費的角度則選取的指標包括最低消費水平、人均消費水平和消費價格指數等。

另外，由于低保的標準關系到地方財政收支，因此在選取指標時還應該考慮各地財政的狀況，可選取的指標包括人均財政預算內收入、人均財政預算內支出等。

為了更具有科學性、全面性以及客觀性，指標的選取應使指標之間具有可比性以及可行性，本文最終選取出了6個主要的指標作為低保標準的衡量指標，如圖1。

收集以上6個指標在全國各省份的數據和各省份的低保標準，樣本年份為2014年，通過SPSS得出散點矩陣分布圖如圖2，分析其相關性，發現6個指標與低保標準在一定程度上呈現正相關，且接近線性，因此，指標的選取是合理的。

（二）低保標準相關性分析

1. 相關性的可視化

由圖3可得，對于各個城市來說，他們的最低生活保障標準都是明顯的上升的趨勢，在相對低標準的地區存在一定程度的聚集，同時也存在幾條明顯超出平均的曲線。

2. 協方差矩陣的分析

為了量化的研究城市的相關性，作出31個地區的相關性矩陣（31x31）。

協方差矩陣過大，對其中數據分析，相關系數均大于0.857，雙尾顯著性均小于0.10，至少有90%的把握認為各個地區低保標準是兩兩相關的。

3. 結果分析

類似的本文用同樣的方法分析了各個選取的指標的時間序列相關性，相關系數很大。各地變量序列上有很強的相關性，于是考慮用建立的指標體系來解釋低保標準，即可以建立各地區的標準是這些指標的多元函數。利用這些變量的多元函數消除時間序列的相關性，能夠得到時間不相關的隨機變量。

（三）低保標準的空間自相關檢驗

1. 構建鄰接矩陣

空間權重矩陣為了揭示地理對象之間的空間聯系，首先需要定義空間對象的相互鄰接關系。空間自相關分析的關鍵步驟之一是構建n×n歸一化空間權重矩陣W，以表示n個對象的區位或者所屬區域的鄰近關系，其基本形式為：

其中：wij表示區域與的鄰接程度。

常用的空間權重矩陣構建方法主要有以下兩種：

（1）鄰接權重矩陣。當區域與相鄰接時，wij設為1，否則為0。

（2）距離權重矩陣。當區域i與j的距離小于閾值d時，wij設為1，否則為0：

（3）K-nearest權重矩陣。K-nearest 矩陣保證每個觀測對象都有K個鄰居，當區域j屬于區域i的最近K個鄰居之一時，wij設為1，否則為0。

由于各省空間形態和大小有著顯著的區別，若使用鄰接權重矩陣則忽略了省間的實際距離，無法突出空間上局部的特點。

本文獲得的數據是以各省的坐標質心的坐標數據，對于點狀數據的分析，通常采用距離權重矩陣或者K-nearest矩陣方法。從圖5可知省區數據點的整體空間分布均勻，采用距離權重矩陣也是合意的。

所以，以距離權重矩陣作為空間權重矩陣。并且令閾值d等于平均Arc距離1034.209947km。

2. 全局空間自相關

全局空間自相關用于探測整個研究區域空間自相關程度，常用的測度指標為Morans I指數，計算公式如下：

Morans I指數反映空間鄰接或鄰近區域單元屬性值的相似程度，取值范圍在[-1，1]之間，I 小于0 表示負相關，等于0 表示不相關;大于0 表示正相關。

3. 局部空間自相關

局部空間自相關可以反映每一局部單元與鄰近單元的相關程度，用于識別局部空間位置的高值集聚和低值集聚。常用LISA （Local Index of Spatial Autocorrelation）

指標進行測度，計算公式如下。

4. 結果分析

采用GeoDa軟計算多年Morans I 指數，繪制莫蘭散點圖。

如圖6所示，Morans I 散點圖將平面空間分為四個象限，一、三象限體現出正的空間自相關性;二、四象限體現出負的空間自相關性。Morans I指數從時間趨勢上看越來越小，說明區域間低保標準的空間相關程度隨時間變化有所降低，這可能是由于地方低保政策的溢出效應有所減弱。地方低保保準的制定有一定的“獨立性”，而不互相攀比模仿。最后甚至呈現出微小負相關，但絕對值均在0.15以內可以認為不存在總體空間上的聯系，所以最低保障水平在總體上缺乏地理上的相互滲透和影響。

圖7的點顏色越深，越顯著與周圍相關。0.01的顯著性水平下，有27個地區是不顯著與周圍地區相關，4個地區是顯著相關的。所以，局部來看大部分省區也不會受到周圍地區低保標準的溢出影響，即低保標準的制定也是相對獨立客觀的。

（四）多元線性回歸——主成分回歸

有前述分析可知各地制定低保標準在地理上是相對獨立的，不存在地理上的接近造成的養老標準的過低或過高，不必考慮地理影響因素，也從另一方面反映低保標準是客觀合意的。從時間上看，低保標準和各因素的時間序列都是相關的，他們存在一定的共性。因此利用截面數據的經典多元線性回歸。

通過第一問的分析結果，本文選取六個指標衡量低保標準，將它們變量化，作為經典多元線性回歸的自變量，設為x1，x2，x3，x4，x5，x6分別表示年人均消費支出、年職工平均工資、年最低工資標準、人均國內生產總值、消費價格指數、人均財政收入。最低生活保障標準作為因變量，設為y。根據收集的數據，運用SPSS，得出表5的結果。經典多元線性回歸方程為：

y=-6119.532+0.024x1+0.032x2+0.11x3+0.021x4+61.473x5+0.021x6

回歸方程的擬合優度為0.810，F 統計值也能通過5%顯著性水平的F 檢驗，說明模型總體上是顯著的，總離差中有81%可由解釋變量來解釋，各解釋變量的聯合線性作用顯著。但各解釋變量的t 統計值大多不顯著，各解釋變量對Y 的獨立影響無法分辨，這說明模型存在多重共線性。

1. 數據標準化處理

共有6個指標，分別為x1 x2 x3 x4 x5 x6 x7，用如下公式對樣本矩陣進行標準化處理。i代表各個省份，j代表指標的序號。

2. 相關系數矩陣及特征值

利用相關系數計算式計算各個變量間的相關系數，并組成矩陣R。并且計算其特征值及其特征向量。

3. 累積貢獻率

累積貢獻率（contributionrate）反映了信息的保留程度。

選擇前三個主成分即可解釋92%。

4. 回歸結果

主成分回歸避免了樣本的冗余信息，盡可能保留了樣本信息。以下是回歸結果。

y=968.387657+0.050966x1+x10.030196x2

+0.120272x3+0.013605x4-9.354305x5+0.024152x6

5. 模型適應性分析

模型是基于2014年的截面回歸，為了檢驗模型的適應性，將2015，2016年的截面數據帶入模型，結果如圖8所示。

對于2015年的模型帶入結果明顯接近與實際數值，

對于2016年則出現了偏差，局部效果不顯著，但總體來看，對解釋數值和實際數值的差求均值得=-61.5124，總體上有很強解釋力。

參考文獻：

[1]姜啟源.數學模型[M].高等教育出版社，2007.

[2]司守奎.數學建模算法與應用[M].國防工業出版社，2011.

[3]何曉群.多元統計分析[M].中國人民大學出版社，2009.

[4]林志偉.我國城市居民最低生活保障標準實證研究[J].人口與經濟，2006（06）.

[5]邊恕.城市居民最低生活保障標準多層次量化與調整機制研究[J].人口與發展，2014（03）.

[6]王倩，畢紅霞.我國農村低保標準的評估——基于ELES模型[J].新疆農墾經濟，2016（09）.

（作者單位：吉林大學經濟學院。李嘉胤為通訊作者）