我国居民消费增长与流通业发展

1我国居民消费增长与流通业发展——基于东、中、西部paneldata的实证研究内容提要：本文利用1990-2007年我国东中西部地区省份的居民消费增长水平和代表流通业发展水平的数据，采用PanelData的Granger因果关系检验和以此检验结果为基础的PanelData模型进行实证分析。结果表明，东中西部地区流通业发展是居民消费增长的原因，但是流通业发展对居民消费增长的影响存在较大的差异。东中西部地区流通业每增长1个百分点，居民消费分别增长1.3019、1.0127、0.6238个百分点。最后，本文提出促进东中西部地区流通业发展的建议。关键词：流通业发展居民消费增长面板数据中图分类号：F724文献标识码：A文章编号：1002-8102一、引言居民消费是拉动经济增长的重要力量。然而我国近年来出现了消费不足的现象。因此，研究我国目前居民消费增长的影响因素，对于我国当前应对国际金融危机，扩大我国消费和刺激内需，具有重要的理论和现实意义。现有研究主要从居民收入增长缓慢、居民收入分配差距增大、预期的不确定性、消费环境的不完善等方面，解释制约我国居民消费增长的因素。然而对于流通业增长能否促进和能在多大程度上促进居民消费增长方面，研究的相关文章不多，尤其是关于两者关系实证分析研究得更少。本文首先将现有学术界关于流通业发展与居民消费增长的研究进行梳理，然后进一步运用计量模型对两者关系进行实证分析。二、文献回顾①（一）流通业促进居民消费增长的研究从理论上说，流通业发展是能够促进消费增长的。马克思早在100多年前就在《资本论》第二卷用了大量的篇幅论述了商品和资本的流通、交换形式，详尽阐述了流通环节、流通时间、流通费用对产品转化成商品（即对消费）的重要作用。贺珍瑞[1]认为，农村流通体系与农村消费需求存在着明显的相关关系，农村流通体系的落后，在一定程度上制约了农村经济的发展和农村消费需求的扩大。商务部研究院学者赵萍[2]对流通体制促进消费的潜力进行了分析，并在借鉴相关国际先进经验的基础上提出了改革流通体制促进消费增长的对策建议（二）居民消费增长促进流通业发展的研究王惠[3]认为，消费无论是在商业流通发展的历史演进中，还是对新兴商业业态的崛起都起着非常重要的作用。商业流通要在消费导向型经济时代获得更大发展，则必须适应消费、推动消费、发展消费。消费的变化是零售业不断创新的直接因素。（三）居民消费增长与流通业相互促进的理论研究湖州市统计局财贸处的研究人员认为，流通业增长和居民消费增长相互促进。比如，他们提出“加快流通业发展促进消费市场繁荣”的建议，在文中提出湖州市居民消费的增长促进了流通业的发展。另一方面，他们提出进一步整顿和规范市场流通秩序，改善消费环境；湖州市政府要重点扶持汽车流通与服务基金资助：西南财经大学“211”三期特色项目（项目编号：211D3T10）和西南财经大学创新人才基金资助感谢：导师周殿昆教授给予本文提出的宝贵的修改意见①对流通问题的研究有宏观和微观两个视角。宏观视角的研究，所关注的是从国家的角度研究全社会的商品如何完成从生产领域到消费领域的转移；微观视角的研究，所关注的是从企业组织的角度研究如何有效地实现商品从供应地到使用地的转移。西方主要是从微观的角度进行研究，在英语中表示为“distribution”，因此文献回顾中没有居民消费支出与流通业发展二者关系研究的外文文献。本文是从宏观视角进行流通业的研究。2业、电子信息产品流通业等新兴行业的发展。通过流通业的发展以改善消费环境，拓宽消费领域，引导消费观念更新，促进消费结构升级，培育新的消费热点。（四）流通业发展与居民消费增长实证关系的研究王新利[4]等通过对2003年我国31个省(市、自治区)的截面数据进行分析，结果表明，农村流通体系是除了收入因素以外，对农村消费有较大影响的因素之一。同时，他们还运用经济学原理分析了不完善的农村流通体系对农民利益、农民消费和消费方式的影响。胡愈[5]对2005年我国31个省(市、自治区)的截面数据进行分析，也得出与王新利类似的结论。冉净斐[6]选用1908—2005年相关数据，建立流通和消费增长的线性模型，运用时间序列分析中VAR模型进行分析，结果表明当期的社会消费品零售总额②每增加1%，会引起当期的居民消费、农村居民消费、城镇居民消费、政府消费分别增加0.80%、0.87%、0.85%、0.80%，即认为流通业的发展会引起消费的增长。关于二者关系的实证分析研究的主要有王新利、胡愈和冉净斐等学者，他们进行实证方面的探讨对我们进一步深入研究提供了一个好的思路，颇具借鉴意义。但是，他们的分析尚存在一些问题，在此提出与之商榷。由于胡愈和王新利的分析方法和思路基本相同，在此以王新利文章为例进行讨论。首先，该文对于居民消费水平和农村流通发展选用的数据指标不是很合理。该文以农村从事批零贸易及餐饮业的人数近似代表农村流通体系的发展状况。其次，该文对1989—2003年的相关数据，运用一元回归方程结果来考察农村的流通体系对农民消费的作用程度。笔者认为，这样的分析方法和结果有待商榷。一方面，现实生活中越来越多的经验证据表明，经济分析中所涉及的大多数时间序列是非平稳的，非平稳序列往往会出现伪回归[7]。因此，序列平稳性检验是非常必要的，而该文没有对时间序列数据进行平稳性检验。另一方面，由于我国幅员辽阔，居民消费水平和流通业发展水平因地区而异，仅用时间序列数据或截面数据来分析有可能会忽略不同截面个体的影响，进而导致模型估计方面的系统性偏误，若改用PanelData建立计量模型则可以克服上述问题。冉净斐运用VAR模型分析流通业发展和消费增长关系的思路值得借鉴，但其在文中以社会消费品零售总额作为商品流通业发展的指标，以居民消费支出额作为消费增长的指标进行二者关系分析，笔者认为指标的选取有待商榷。笔者认为社会消费品零售总额和居民消费支出两个指标具有很强的相关性，社会消费品零售总额中很大一部分就是消费支出，因此运用二者数据进行分析所得出的结论似乎缺乏足够的说服力。目前，尚无学者就居民消费增长与流通业发展关系进行基于面板数据的实证分析。本文将以1990—2007年我国东中西部各省份的相关数据为基础，分析论证我国东中西部居民消费增长与流通业发展之间究竟存在什么样的因果关系？这种关系在我国的东部、中部和西部地区是否有差异？本文期望通过实证分析来回答这些这些问题，为各区域的政府制定相关发展政策提供实证分析的参考依据。三、计量方法、数据说明和研究思路（一）计量方法1.面板数据单位根检验面板单位根检验是对时间序列单位根检验理论的继续和发展，它综合了时间序列和横截面的特征，能够更加直接、更加精确地推断单位根的存在(汪涛等，2002)。对面板数据考虑下面的AR(1)过程：itiititiityyx1,2,,...iN1,2,,...itT（1），其中：itx表示模型中的外生变量，包括各个截面的固定影响和时间趋势。N代表个体截面成员的个数，iT表示第i个截面成员的观测时期数，参数i为自回归的系数。对于式（1）所表示的AR(1)过程,如果1i，则相应的序列iy为平稳序列；如果②冉净斐在其文中用社会消费品零售总额作为衡量商品流通业发展的指标。3i1，则相应的序列iy为非平稳序列。根据对式（1）中参数i的不同限制，可以将面板数据的单位根检验方法划分为两大类。一类为相同单位根情形下的单位根检验，这类检验方法假设面板数据中的各截面序列具有相同的单位根过程（commonunitrootprocess）；另一类为不同情形下的单位根检验，这类检验方法允许面板数据中的各截面序列具有不同的单位根（individualunitrootprocess）。相同单位根情形下的检验有LLC检验、Breitung检验，Hadri检验；不同单位根情形下的单位根检验有Im-Pesaran-skin检验、Fisher-ADF检验和Fisher-PP检验[8]。2.面板数据granger因果关系检验Hurlin和Venet[9]（2001）提出了面板数据格兰杰因果检验。本文采用马兹晖对Hurlin和Venet（2001）模型的一个变形[10]，其数据生成过程如下：()(),,11ppkkititkitkitkkyyxt，其中零假设H0:对任意k，()k=0，备择假设为H1:对任意k，()k0，如果拒绝零假设，则x是y的格兰杰原因；反之，则x不是y的格兰杰原因。可以用以下统计量检验零假设：211()(21)hncRSSRSSpFRSSTNNP,其中2RSS和1RSS分别为带约束（即()0k）和不带约束的OLS估计残差平方和，N为面板数据截面单位，T为时间长度，P为滞后项阶数。根据Hurlin和Venet(2001)已知，hncF服从F(P,TN-N-2P-1)分布。3.面板数据模型的设定及选择面板数据模型的一般形式为：,1,2,;1,2,,ititititityxintT（2）。其中：n是截面单位的个数，T是时间段的个数。ity表示被解释变量；12(,,,)kititititxxxx为1k维变量向量，1,2'(,,)kitititit为1k维变量向量，it为随机扰动项，满足零均值、等方差、服从正态分布。根据模型中参数的假设不同，面板数据模型（2）常用的有如下三种类型：类型1：变系数模型,ijij，itiitiityx（3）；类型2：变截距模型,ijij，itititityx（4）；类型3：固定系数模型,ijij，ititityx（5）；估计面板数据模型的第一步就是要选择合适的模型，因为如果模型选择不正确，将会影响所估计的参数的结果。本文采用协方差分析检验（AnalysisofCovariance），主要检验如下两个假设：假设1(或：H1)：斜率在不同的横截面样本点上和时间上都相同，但截距不相同，即,ijij；假设2(或：H2)：截距和斜率在不同的横截面样本点和时间上都相同，即,ijij。在协方差分析检验中采用的是F统计量。21)11([(1)][(1),(1)][(1)]SSnKFFnKnTnKSnTnK43121()[(1)(1)][(1)(1),(1)][(1)]SSnKFFnKnTnKSnTnK,2F统计量用来检验假设2，1F统计量用来检验假设1，其中：采用OLS分别估计变系数模型、变截距模型和固定系数（经典融合数据）模型，得到残差平方和分别记为：S1、S2、S3。如果2F小于给定显著水平下的临界值，则接受假设2，采用固定系数（融合数据）模型，没有必要进行进一步的检验。如果2F大于给定显著水平下的临界值，则应该拒绝假设2，继续检验假设1，判断斜率是否都相等，如果拒绝假设1，则应该采用变系数模型。估计面板数据的第二步就是判断采用固定效应模型还是随机效应模型。如果经过上述协方差分析检验，采用的是固定系数（融合数据）模型，则不需要再判断采用固定效应模型还是随机效应模型；如果采用的是变截距或者变系数模型，则需要判断采用固定效应模型还是随机效应模型，因为不同的效应模型对应不同的参数估计方法。本文主要采用Hausman检验。Hausman检验的原假设：H0:ˆˆFERE,其中ˆFE为相应的固定效应的系数估计，ˆRE为随机效应的系数估计。如果随机效应与解释变量无关，那么二者应该相等，此时所采用的统计量为：.2'12ˆˆˆˆˆˆ()()()()asymFEREFEREFERExVk，其中k表示自变量的个数。当原假设被拒绝时，随机效应产生有偏估计量，违背了高斯—马尔科夫假设，则采用固定效应模型。（二）模型选用指标及数据说明由于我国区域之间的流通业和居民消费支出水平有一定的差异，为了分析区域之间的差异情况，本文按照地理位置