中国城镇居民消费结构的面版数据分析

中国城镇居民消费结构的面版数据分析姓名:周丽晖指导教师:黎实谢小燕统计学院统计学专业99级摘要:本文基于扩展线性支出系统模型（ExtendLinearExpenditureSystem,ELES）思路，运用面版数据（PanelData）分析手段，对中国近几年城镇居民的消费结构进行实证分析，并提出几点建议。关键词:扩展线性支出系统模型;消费结构;平行数据;固定效应;ApaneldateanalysisoftheconsumingstructureforChineseurbancitizenAbstract:ApaneldateanalysisbasedonExtendLinearExpenditureSystemoftheChineseurbancitizenhasshownthecurrentsituationofConsumingstructureofChineseurbancitizen,thenmakessomeproposals.Keywords:ExtendLinearExpenditureSystem;Consumingstructure;PanelData;FixedEffects一．引言人们的消费，总要以一定的消费资料（包括劳动）为对象，人们要满足自身存在和发展的需要，满足物质和文化生活的需要，就是消费各种不同类型的消费资料。任何社会中,消费都是生产的最终目的。在每年新创造的国民收入中,主要都是用于消费,剩余的部分才用于储蓄和投资。消费是社会需求的主体,是宏观经济统计分析的重要研究对象。在一定的社会经济条件下，人们在消费过程中的各种不同类型的消费资料的比例关系，就是消费结构。消费结构反映人们消费的具体内容，反映消费水平和消费质量，反映人们消费需要的满足状况。随着社会注意市场经济的发展，要实现全面建设小康社会的目标，必需了解小康社会的定义以及研究有关小康社会的衡量标准。在这些衡量标准中，研究消费结构，探讨影响消费结果的各种因素，结实消费结果的发展趋势和规律性，寻求合理的消费结构，对于促进国民经济的良性循环，不断满足人们日益增长的物质文化需求，具有重要的意义。现在对我国消费问题的研究中，主要有两类。一类是利用横断面资料的因果关系回归预测模型，主要有：爱迪生（接近理想状态的需求系统）模型、LES（线性支出系统）模型和ELES（扩展线性支出系统）模型等；另一类则是纯粹利用时间序列数据的时间序列预测模型。现在，人们在具体应用时，一般多采用某一单一模型进行分析,没能将两类模型有机结合起来，只能从单一的层面说明问题，所以结论存在很大的局限性。我国的城镇居民的消费结构问题,它既受到各地区城镇居民的消费结构的影响,也受到国家在各个时期的宏观政策的影响.只利用截面数据,即选择同一时间上不同省市的数据作为样本观测值,可以分析各省市城镇居民的不同消费结构对全国城镇居民消费结构的影响,但是不能分析国家不同时期的宏观政策对全国城镇居民消费结构的影响;只利用时间序列数据,即选择同一省市或者全国在不同时间上的数据作为样本观测值,可以分析国家不同时期的宏观政策对全国城镇居民消费结构的的影响,但是不能分析不同省市的城镇居民的消费结构对全国城镇居民消费结构的影响。二（一）面板数据回归的思想及优越性所谓“平行数据”（paneldata），也被翻译成“面板数据”，指在时间序列上取多个截面,在这些截面上同时选取样本观测值所构成的样本数据,也就是把截面和时间序列数据融合在一起的数据.平行数据模型是一类线性经济模型。在经济分析中,平行数据模型比起只利用截面数据或只利用时间序列数据模型具有不可替代的作用,它具有很高的应用价值.平行数据模型的相对只利用截面数据或只利用时间序列数据进行经济分析而言,平行数据模型具有许多优点.首先,它通常提供给研究者大量的数据点,这样就增加了自由度并减少了解释变量之间的共线性,从而改进了计量经济估计的有效性;第二,也是比较重要的一点就是,平行数据模型可以从多层面分析经济问题。就我国的城镇居民的消费结构问题而言,它既受到各地区城镇居民的消费结构的影响,也受到国家在各个时期的宏观政策的影响.如果采用平行数据模型,即在不同的时间上选择不同省市的数据作为样本观测值,无疑可以分析不同省市的城镇居民消费结构对全国城镇居民的消费结构的影响,也可以分析国家不同时期的宏观政策对全国城镇居民的消费结构的影响。第三,截面变量和时间变量的结合信息能够显著地减少缺省变量所带来的问题.（二）样本数据选择本文选择的样本数据来自于《中国统计年鉴》(1993、1995、1996、2000、2001、2002)提供的六年全国29个省、直辖市和自治区(港、澳、台不在其中；西藏缺少1995年的统计数据，利用线性回归模型进行预测不具有实际意义，因而舍去西藏；重庆市是1999年才从四川省中划出，只有三年的数据，时间太短，因而也舍去重庆市)。原始数据见附表1。选择数据年限时，本文主要考虑到1992年前后的指标体系相差很大，不能进行有效的调整，使其基本一致。因此，选择1992年以后的数据。同时，考虑到国家的“八五”、“九五”计划，选择了这些计划的起始年份和结束年份，这些年份具有一定的代表性，能够说明我国经济发展的过程及取得的主要经济成就。并且这样做还可以简化数据的搜集、整理工作。选择《中国统计年鉴2001》、《中国统计年鉴2002》，是为了和现实相联结，使文章具有现实意义。三、实证研究(一)扩展线性支出系统模型影响消费结构的因素很多，其中主要的经济因素有：产业结构、居民收入、价格的变化和人口数量。在这些主要的经济因素中价格对消费结构的影响比较大，而收入水平是影响消费结构最重要、最基本的因素。收入水平的高低，反映居民购买力的大小。收入水平提高了，是消费可能在外延上和内涵上扩大，过去没有消费的，现在可以消费了；过去消费质量差的产品，现在可以去消费质量好的。这样必然使消费结构发生变化。由于ELES模型能够反映价格和收入水平对居民消费的影响。本文将ELES模型加以改进，运用平行数据对参数进行估计，进而对近几年的中国城镇居民消费结构进行实证分析。扩展线性支出系统模型(ExtendLinearExpenditureSystem,ELES)是经济学家Luch(1973)在美国英国经济计量经济学家Stone(1954)的线性支出系统模型的基础上推出的一种需求函数系统。由于城镇居民用于消费的支出来源于可支配收入，消费支出额在支出总额中占有重大比例，消费水平依赖于可支配收入水平。该系统假定某一时期人们对各种商品(服务)的需求量取决于人们的收入和各种商品的价格,而且人们对各种商品的需求分为基本需求和超过基本需求之外的需求两部分,并且认为基本需求与收入水平无关,居民在基本需求得到满足之后才将剩余收入按照某种边际消费倾向安排各种非基本消费支出。扩展线性支出系统的模型为Vi=PiXi+Bi(Y-∑PiXi),i=1,2,3,…n(1)式中Pi为第i种商品的价格,Vi为消费者对第i种商品的消费支出,Y表示居民实际收入,Xi为消费者对第i种商品的基本需求量,PiXi是对第i种商品的基本需求支出,Bi表示满足基本消费需求后剩下的收入(Y-∑PiXi)对第i种商品的边际消费倾向或投向需求系数,它应该满足0Bi1,∑Bi1;Xi和Bi为参数。本文在进行参数估计时借助最小二乘法，利用EViews进行参数估计。具体方法如下：对于截面资料,模型(1)中的（PiXi-Bi∑PiXi）中的价格Pi在同一截面上是不变的，可以作为已知数，所以它是一项只与i有关的常数，设为Ai，则有：Ai=PiXi-Bi∑PiXi(2)则模型(1)变为简化模型:Vi=Ai+BiY(3)若要进一步求基本需求支出,将(2)式两边同时求和,得到:PiXi=Ai/(1-Bi)(4)代入(2)式得到:PiXi=Ai+Bi∑Ai/(1-Bi)(5)（二）指标选择按居民消费结构程度进行的系统归类我国城市住户调查将城镇居民家庭平均每个人全年消费性支出作为食品、衣着、家庭设备用品及服务、医疗保健、交通和通讯、娱乐教育文化服务、居住、杂项商品和服务8项主要指标以及平均每人全年可支配收入总共9项指标(单位:元)。指标代码和指标名称列于表1。（原始数据列于附表1）表1指标代码和指标名称指标代码指标名称指标代码指标名称Y平均每人全年可支配收入X1食品X5交通和通讯X2衣着X6娱乐教育文化服务X3家庭设备用品及服务X7居住X4医疗保健X8杂项商品和服务（三）数据分析利用EViews3.1对参数进行估计可以得到固定效应和随机效应两种模型。对这两种模型的斜率Bi的估价效果，我们可以看表2：表2：X1食品类X2衣着类X3家庭设备类X4医疗保健类X5交通通讯类X6娱乐教育类X7居住类X8杂项类Bi之和Bi(固定效应）0.2290460.044540.0726390.065880.0832150.1185250.0903820.0474790.751706Bi'（随机效应）0.2418650.0437130.0727460.0620960.081960.1155550.088980.046630.753545从上表，Bi(I=1、2…8)0Bi1∑Bi1,明显符合模型参数估计量的经济意义.有关利用以上两种效应模型对方程的回归效果对比见表3：表3：统计量X1对Y的参数估计量B1X2对Y的参数估计量B2X3对Y的参数估计量B3X4对Y的参数估计量B4X5对Y的参数估计量B5X6对Y的参数估计量B6X7对Y的参数估计量B7X8对Y的参数估计量B8可决系数固定效应0.9506750.7072740.8228810.900710.9309740.937280.908840.850884随机效应0.9297480.6512660.7896660.857670.9168130.922480.889570.821995调整可决系数固定效应0.9407410.6483220.7872110.880720.9170730.924650.890480.820854随机效应0.929340.6492390.7884430.856850.916330.922020.888930.82096DW统计量固定效应1.4931031.7268311.4239621.344341.1644741.928091.003681.364548随机效应1.0438841.4511241.1990660.911240.9573961.547960.82721.14155从表3可以看出每一个指标变量用固定效应模拟的方程的可决系数和调整可决系数及用随机效应模拟的方程的可决系数和调整可决系数都比较大，说明用固定效应模拟的方程及用随机效应模拟的方程效果都比较好。而且DW统计量大多数在2的附近，自相关的存在性很小。同时,可以明显看出本模型对于模型参数估计量Bi（即：斜率）的估计全部通过了t检验，显著性水平很高。所以，总体而言，用这两种模型对方程的回归效果良好。一般而言，为了能够分析任一截面数据单位，因变量与整个截面均值的差异程度，大多选择用固定效应模拟的方程进行分析。四．分析与结论（一）.基本需求分析利用ＥＬＥＳ模型计算得出的为居民基本需求支出。所谓居民基本需求支出,是指在一定社会经济水平下,为保证劳动力的正常再生产,居民对商品和劳务所需要的基本消费量的支付能力,它反映了居民的基本消费需求。利用上述参数估计结果计算29个省市的8大类的基本需求支出。结果见附表3。（1）对于模型中基本需求支出的估计结果中，本文先选取了X1食品类基本需求支出进行简单的统计分析。因为，X1食品类的消费边际倾向最高代表近几年来的一般水平，这是否意味着富裕地区的食品类基本支出和贫困地区的食品类基本支出没有较大的区别？我国东中西部地区的食品类基本支出是否存在显著的差异？对于衣着类的消费边际倾向是最后一位的情况是否在不同省市之间也会有所不同呢？本文对29个省市的X1食品类的基本需求支出进行进行东中西部的划分并进行排序，排序结果见表4：表4：东