居民消费水平主导因素非线性计量研究

曹丽萍

摘 要：当前扩大内需作为经济结构调整的重要手段，对实现经济顺利转型、提高资金利用效率具有重要意义。拟选用物价指数（以上年为100）和人均工资水平作为主导因素变量，采用stata软件利用非均值图、单变量变系数模型、多元回归方法对两自变量对东部地区居民消费水平的贡献作用进行非线性计量测度，并用hausman和B-P法分别对固定和随机效应进行了检验，以此确定最终模型形式，并得出相关结论和建议。

关键词：物价指数；人均工资水平；非线性计量；面板数据；居民消费水平

文章编号：2095-5960（2014）06-0029-05；中图分类号：F121；文献标识码：A

长期以来，我国快速的经济增长依赖于投资拉动，这可能是前几十年我国实行苏联模型计划经济的产物，而同投资一样作为拉动经济的消费，其比重却长期处于低水平，党的十七届五中全会提出要扩大内需，在很大程度上激发城乡居民的消费潜力，逐步改变我国投资占比过大、整体资金利用效率不高的局面。按照边际理论，经济增长的要素可以被视为投资和消费的组合，一种要素过多必然引起效率低下，从而存在资金利用的帕累托改进可能。笔者根据相关资料进行测算，2008—2010年三年间东部十二个省份及直辖市人均工资水平为37701.2元，人均消费支出为14063元，消费—收入比重仅为37.3%，而根据一些国际对比资料，在全球一百三十多个国家中，我国属于消费比例最低的七个国家之一。[1]引起这样消费不足的原因众多，但主要原因是我国产业结构的相对不合理，造成不同行业、地区间的居民收入水平存在很大差距，并且当前的医疗、卫生、教育、养老使民众的消费心理萎缩。笔者认为：在众多的因素条件下，应归纳出主要分析指标，其中采用平均工资（wage）代表可支配收入，居民物价指数（CPI）作为购买力成本指标和预期指标，考虑到不同地区的情况存在差异，故应用时间序列/截面数据方法对不同研究个体的因素贡献作用进行非线性差别计量，探讨了固定效应模型和随机效应模型在该问题中的适用性，最后确定合理模型进行定量分析，从而得出了相关结论。

一、数据来源及变量描述

本文数据来自于国家统计局网站（http：//www.stats.gov.cn/），选取的研究指标为人均支出（averwage）、居民物价指数（CPI）、平均工资（wage），时间序列为3年（2008—2010），截面数据为东部十二个省份及直辖市，分别是北京、天津、河北、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、山东、广东，整个分析数据面板共有12×3×3=108个。

面板数据是一种能够描述观测指标跨时段的样本行为的数据结构，在stata11.0分析中，pooldata需要一种特殊的存储结构。第一列为样本截面，第二列为以第一列样本为单位的时间排序，后面几列按照前面结构填入数据。下面将通过各种角度的指标描述和相应的stata输入命令来对不同地区跨时段的人均消费支出进行描述。

1.定义截面和时间变量。命令：xtset place year。这里所定义的place变量一定要为数值，比如：北京——1，天津——2，以此类推。

2.样本和时段角度的非均质描述。如以横轴为样本考察不同个体在三年间的分布状态，命令：

回车后得到图1（跨年份的非均质图）。可以看出北京（A）、天津（B）上海（G）在三年内的人均消费支出波动区间较大，而吉林（E）、黑龙江（F）的三点区间较小，体现了三年内该地区的人均消费支出增长缓慢，从红线表达的各地三年均值来看，上海、北京、江苏和天津名列前四甲，最低的为河北。Stata中的非均质图比以往spss和EVIEWS中单纯的均值、方差描述更能从动态角度刻画变量的均值和波动情况。图2同理，是跨样本的年份非均值图，发现三年中每年不同地区的消费支出差异情况相对一致，均为两个地区（上海、北京）遥遥领先，处于均值之上且与均值距离大致相同，每年均有六个地区在平均值以上，但其中两个处于平均值附近。说明近年来东部各地区的人均消费支出具有共线性，即不同省份存在共同增长趋势。[2]

二、东部地区居民消费水平影响因素的面板stata检验

（一）单自变量固定截距变系数模型

（1）居民物价指数的上涨对居民消费的贡献作用迥然不同，除上海以外的其他东部地区如天津、河北、辽宁、黑龙江等CPI较上期上涨指数对消费支出具有明显负向作用，说明上海居民的消费思想中价格预期的作用发挥较大，根据消费假说理论，上海居民能够在CPI上涨的同时有一种更长远的通胀预期，在未来价格大可能上涨、货币面临进一步贬值的情况下，增大现期消费是一种明智的选择。而在其他地区，普遍存在物价上扬和消费抑制的双重压抑局面，这比较适合当今我国居民的消费习惯，当前房价高涨、医疗及教育成本逐年攀升的大背景下居民收入的增幅没有跟上，造成储蓄动机增强。从表1中的贡献系数绝对值可以看出，河北、黑龙江和吉林的CPI对消费负面影响最大，分别达到了CPI每上涨1个点，引起-15150.1、14475.8、-14010.8程度的消费减少。北京的CPI贡献系数不显著，说明北京居民消费支出的影响因素中通胀因素可以忽略不计。有趣的是东部地区共同具有的原始消费为30762.21，普遍高于各地区的实际消费值，这个说明当今我国的通货膨胀是造成内需不足的重要原因。

（2）居民平均工资收入在大多数地区对消费支出的贡献作用不显著，体现为t值过小，其中比较合理的解释仅体现为北京，可支配收入增长1元将增加0.338元的消费。这种现象主要是两点原因引起的，一是工资性收入在当今社会占个人收入的比重越来越低，而财产性收入比重越来越大，所以消费支出与工资性收入不敏感。本文的计量结果与田青（2008）年的结论完全一致，她将原因归结为“量入未出”的传统消费思想。其次， 吕宗耀（2010）通过国民收入核算公式推导了收入分配与总收入之间的关系，认为高收入群体中收入每增加一个单位将会引起总收入1个单位的减少[3]，在当前收入贫富差距日益增大的情况下，在有限的社会资源下所生产出的财富随着贫富差距的拉大和通胀加剧的情况下使得低收入人群的消费能力急剧下滑，很多居民仅仅依靠工资来维持基本生活支出，这种支出的非常缺乏弹性的。（二）多元面板回归

这里将居民物价指数和平均工资收入一起纳入pooldata模型，具体模型是[5]：

表2的结果显示在三种回归方法（不变系数面板回归，混合回归和虚拟变量回归）得到结果相同，即我国东部地区整体上居民物价指数是带动了居民消费上涨的，即东部地区CPI平均指数较上年上涨一个单位，将会引起29.2元的消费支出，而收入所引起的消费支出较少，可以将0.343视为东部地区的收入消费弹性数值。

（三）随机效应及固定效应检验

对于面板模型，检验方法有Hausman法，我们可以运行该检验以检测原假设：服从随机效用模型，比如对CPI指标的运行结果如表3。一般而言，chi2（1）<0.5采用固定效用模型，所以从表3和表4的结果可以看出，物价指数CPI和人均工资收入averwage对居民支出的面板贡献计量所采取的方法是不同的，前者适用固定效应模型，后者适用随机效应模型。

各项统计指标均通过检验，说明将物价指数和平均工资收入指标结合在一起进行随机效应面板检验后，平均工资每增加1元将会给东部地区带来0.37元的消费增加，可以视为工资收入支出弹性。而居民物价指数指标显示物价指数每较上期上升一个百分比，将会引起37.1元的消费增加，但检验系数不显著，呈弱相关性。

三、结论及对策

本文通过stata软件对居民消费物价指数、人均工资以及消费支出的关系进行了面板非线性计量，得出了以下结论：

1.CPI和人均工资存在很强的交互作用，体现为采用单独指标对消费支出面板回归与采用多变量回归的结论不同。说明当前人均工资水平上涨的同时由于通货膨胀造成工资收入的作用从不显著转为显著。在拉动内需的过程中应采取不同的混合政策兼顾两者间的影响，才能使扩大内需的政策发挥效果。

2.在摒弃工资收入指标的前提下，通货膨胀在东部各地区普遍造成了对消费支出的负面影响。可以认为当前财产性收入比重的大幅上升是弥补工资收入不足从而维持消费支出增加的主要因素，一旦房地产业和其他类似行业发生衰退，居民的消费支出水平会有一个很大的滑坡。这一现象同样可以解释在排除物价原因的前提下，工资收入对消费支出贡献力不显著的现实，因为财产性收入的增加在非通胀的前提下会降低工资收入的实际效应，使生命周期消费假说中的财富消费增加而工资消费减少，但前者由于边际递减效应和流动性较差原因的存在，会产生对收入水平上涨引起消费增加的抵消作用。

3.根据Hausman检验确定了两变量同时进行面板时应采用固定效应模型的不可行性，可以理解为当前通胀加剧、全球流动性泛滥的前提下，人们预期通胀会进一步扩大，所以必然会将占总收入比例连年下滑的工资收入更多地用于消费，从而体现出了通胀背景下工资上涨会在东部地区的消费弹性为0.37。岳龙华（2011）根据柯布道格拉斯函数对未来的劳动力转移趋势进行了分析，认为第三产业是第一产业劳动力转移的主要渠道。这意味着未来东部地区的人均工资水平将进一步上升，如果通胀形势仍然保持当前的势头，必然还会存在工资收入对消费支出具有显著贡献效应的事实，并且工资收入消费弹性还会进一步上升。

参考文献：

[1]岳龙华.中国劳动力产业转移与经济增长[J].贵州财经学院学报，2011（5）：53-58.

[2]田青，马健，高铁梅. 我国城镇居民消费影响因素的区域差异分析[J] .管理世界，2008（7）：27-33.

[3]吕宗耀.餍足性假设下财富分配对国民收入的影响[J].贵州财经学院学报，2010（4）：58-64.

[4]王天夫. STATA实用教程[M].北京：中国人民大学出版社，2008：127.

[5]曼纽尔·阿雷拉诺.面板数据计量经济学[M].上海：上海财经大学出版社，2008：213.

责任编辑：萧敏娜