中国城镇居民信息消费水平估计与收敛性分析

张　肃

(1.同济大学 经济与管理学院， 上海 200092； 2.中原工学院 经济管理学院， 河南 郑州 450007)



【统计应用研究】

中国城镇居民信息消费水平估计与收敛性分析

张肃1,2

(1.同济大学 经济与管理学院， 上海 200092； 2.中原工学院 经济管理学院， 河南 郑州 450007)

基于面板数据对2002—2013年中国城镇居民信息消费水平进行了估计，并进一步研究了其收敛性。结果表明：城镇居民信息消费水平存在较显著的地区差异，最高收入省份的消费水平与最低收入省份的消费水平差距呈扩大趋势；信息消费水平不具有σ收敛性，也不存在绝对β收敛的情况；但是存在不可观测的个体异质性变量能促进收敛，存在条件β收敛性；引入空间相关性后，收敛速度加快，并且其相邻近地区信息消费水平增长率的误差冲击产生正向作用。

信息消费水平；主成分分析；聚类分析；收敛；空间面板误差模型

一、引　言

随着全球范围内信息技术创新不断加快，信息领域新产品、新服务、新业态大量涌现，不断激发新的消费需求，居民消费意愿在不断增强，信息消费成为日益增长的消费热点[1]1-14。但是中国各个省份之间城镇居民信息消费水平的热度是一样的吗？如果地区之间存在显著的差异，那么是否存在收敛趋势？对于这些问题的回答需要首先在考虑其影响因素的基础上，给出居民信息消费水平的估计结果。然后深入分析收敛的内在规律及影响因素，给出收敛性评价结果。

目前学术界的研究成果集中于基本概念、理论的研究，对信息消费内涵的界定尚不统一。朱红分析了信息消费的内涵，对信息消费者水平进行了测度[2]197-283。杨京英等对信息消费系数测算方法进行了研究[3]。马哲明探讨了信息消费的起源、概念、影响因素及环境等的研究现状[4]。郑英隆综述了2006—2011年居民信息消费差异问题研究现状[5]。沈小玲系统研究了信息消费的相关理论[6]220-298。任兴洲对新型信息消费内涵进行了分析[7]175-219。杭斌等对1990年之后城镇居民长期边际消费倾向和长期平均消费倾向的规律进行了研究[8]。谢子远等基于状态空间模型对城乡居民消费倾向进行了变参数估计[9]。肖婷婷研究了2000—2007年中国城乡居民信息消费的变动特点[10]。朱琛等基于1992—2008年的数据，对城乡居民信息消费水平进行了比较[11]。田凤平等基于半参数回归对城乡居民信息消费行为进行了研究[12]。

大量文献集中于研究经济增长的收敛性，而关于消费行为收敛的研究相对较少。吴玉鸣等运用空间截面数据研究了居民消费水平的空间相关性与地区收敛性[13]。万广华对中国农村居民地区消费的收敛性进行了研究[14]。

通过以上的文献分析，可以发现目前的研究存在以下问题：尚没有研究给出居民消费水平估计结果，多以消费支出作为替代；多从城乡差异的视角展开研究，而缺乏空间差异性的研究，一般主要采用传统东部、中部、西部地区的划分方法分开研究，在各区域内部对空间相关性未做考虑；多采用时间序列数据或截面数据，而缺乏面板数据的应用。

二、数据与研究思路说明

(一)信息消费水平影响因素分析

本文遵循指标数据的客观性和可收集性原则，选取共性的指标，力争指标的科学性、真实性。考虑到2002年以来居民信息水平的迅猛发展，同时由于统计年鉴中2014年以后居民收入与消费数据的统计口径发生变化，城镇居民选取中国大陆31个省份2002—2013年的样本数据。所有数据均来源于历年的《中国统计年鉴》、《中国信息年鉴》和各省(区、市)的统计年鉴。为了剔除物价因素的影响，利用以2002年为基期的分省城镇居民消费价格指数对相关数据进行了平减。

1.信息消费支出(CZXF)。关于信息消费的内涵，一种观点认为居民所有用于信息类商品和服务的支出均属于信息消费；另一种观点认为信息消费是基于互联网的新型信息产品和新型信息服务的消费，新型信息产品包括功能手机、智能手机、平板电脑、微型计算机、智能电视、IPTV终端等网络化终端产品。信息服务主要包括语音服务、互联网接入服务、信息内容服务以及软件应用服务。可以看出，后一种观点认为的新型信息消费包括在第一种观点中。鉴于目前信息消费统计数据获取的难度，参照大多数学者的做法，将中国城镇居民人均消费性支出中的交通通讯、娱乐文化教育、医疗保健三项消费支出总额加总作为居民信息消费支出的替代。

2.物价指数(CZJG)。由于目前统计年鉴中没有提供信息消费价格指数，选用城镇居民消费价格指数(2002为基期)作为替代，以反映整体物价水平对居民信息消费支出的影响。

3.受教育程度(SJYSR)。选用6岁以上高中以上人口数之和作为替代，用来反映居民受教育程度提高对居民信息消费支出的影响。

4.信息消费基础设施(CTGL)。选用长途光缆长度作为替代，用来反映信息消费基础设施水平的改善对居民信息消费支出的影响。

5.网民人数(WMRS)。表示居民中使用新技术消费信息的广度，用来反映其对居民信息消费支出的影响。

6.城镇居民收入水平(CZSR)。用来反映居民消费能力提高对信息消费支出的影响。

(二)空间权重矩阵的构建

(三)研究思路

对中国城镇居民信息消费差异性进行分析，在此基础上，进行绝对收敛检验和条件β收敛检验，主要采用数据描述性分析、普通面板回归模型、空间面板回归模型进行研究。具体研究思路如图1所示。

图1　论文研究思路

三、城镇居民信息消费水平估计

用主成分分析方法作综合评价，比较流行的方法是取多个主成分或全部主成分的加权平均值进行评价，所用权系数是各成主分的方差贡献率[15]354-359[16]152-172[17]。理由是第一主成分的方差贡献率往往不足，只用第一主成分进行评价会损失太多的信息。但是主成分分析方法作为数据降维方法，其每一个主成分均是有特定经济含义的，可以用于揭示原始样本中的基本性质。第一主成分说明了原始数据的总规模，而其余各主成分则说明样本内部各方面的特征，但从综合评价角度来说，不是所有的主成分均具有评价价值的，只有第一主成分才能用于综合评价。第一主成分总是与各指标大小有关的，人们通常称之为“大小因子”，它所揭示的信息全部属于评价信息。第二及后面的主成分都是一些“形状因子”，所反映的是各评价对象的“好坏”或“高低”。所以将其它主成分也纳入综合评价是不合理的。

基于以上分析，本文采用主成分分析方法计算得到的各省份第一主成分的得分作为城镇居民信息消费水平的估计值，具体计算步骤如下：

Step1:记各原始面板数据为xij(t)(i=1,2,…,31;j=1,2,…,6;t=2002,2003,…，2013);

Step2:分时间截面，将原始面板数据标准化：

(1)

Step3:计算各个时间截面的各标准化矩阵的相关系数矩阵。

Step4:计算该相关系数矩阵对应的特征值与特征向量。

Step5:计算各个时间截面的第一主成分得分矩阵，为单指标的面板数据，记为zi(t)(i=1,2,…,31;t=2002,2003,…，2013)。

限于篇幅，本文略去城镇居民信息消费水平的估计值，但以各省份历年城镇居民信息消费水平估计平均值为纵坐标，各省份序列为横坐标，绘制相应的得分平均值散点图如图2。从图中可以看出，从平均意义上看，北京、上海、广东、浙江四省市的消费水平位于第一序列，而广东最高；江苏、山东的消费水平处于第二序列；天津、辽宁、福建消费水平处于第三序列；其余省份处于第四序列，其中青海最低。

图2　第一主成分得分平均值散点图

如果将历年城镇居民最高收入省份的消费水平与最低收入省份的消费水平差距作比较，可见2002年以来它们之间的差距有扩大的趋势，具体情形如图3所示。

图3　最高与最低收入省份的消费水平差距变化图

四、省域之间城镇居民信息消费水平的差异性分析

虽然从平均意义上能大致看出2002年来以来中国城镇居民的信息消费水平的差异， 但却无法对各个地区的消费水平状况作出准确判断和区分，因而有必要对其作聚类分析。在得到各时间截面城镇居民信息消费水平的估计值的基础上，通过聚类分析的方法对省域之间的信息消费水平进行分类，进而可以对各类之间的差异性进行分析。但是一般的聚类方法是针对单时间截面的多指标聚类分析方法，这里针对上面得到的单指标面板数据，采用以下最短距离法聚类，具体计算步骤如下：

(2)

Step3:计算新类Gm与任意其余类Gi之间的距离为：

(3)

对距离矩阵D0进行修正，将Gp和Gq所在行和列合成一个新行和新列，对应Gm，其余值不变，这样得到一个新的距离矩阵记为记D1。

Step4:从D1出发，重复上述操作，得到D2；如此下去，直至所有元素合并为一类为止。

如此得到聚类结果，并绘制聚类图如图4所示。从中可以看出，在2.255 6的水平上，城镇居民信息消费水平可以分为三个等级，第一等级：北京、上海、浙江、广东；第二等级：江苏、山东；第三等级：其余各省份。

图4　城镇居民信息消费水平聚类图

五、城镇居民信息消费水平的收敛性分析

通过以上分析，可以得出结论：城镇居民信息消费水平在各地区之间存在显著差异，那么是否存在收敛趋势？回答此问题，需要首先从“收敛”一词说起，最初用于研究地区或国家之间的收入差距是否会随时间的推移而逐步减少，理论上存在三种收敛概念，分别是σ收敛、绝对β收敛、条件β收敛。σ收敛是指各地区间的差异随着时间的推移而趋于减少，一般用样本标准差来衡量；绝对β收敛是指所有地区最终将收敛于同一个稳态；条件β收敛放弃了各个地区具有完全相同的经济特征的假定，考虑了各个地区不同的特征和条件，也就是地区差异，认为不同的地区具有不同的稳态。下面从绝对收敛和条件收敛两方面进行分析。

(一)绝对σ收敛检验

假设σt表示年份t时的对数城镇居民信息消费支出的标准差，即：

(4)

参数σt表示变量的离散程度，如果在年份t+T时满足σt+T<σt，则称具有T阶段σ收敛性，如果对任意年份s>t都有σs<σt，则称具有一致σ收敛性。

2002—2013年中国城镇居民信息消费标准差发展趋势整体上呈发散态势，不具有σ收敛性，结果如图5所示。

图5　中国城镇居民信息消费水平标准差趋势图

(二)绝对β收敛检验

如果收敛方程采用如下形式：

lnzi(t)-lnzi(t-1)=α+βlnzi(t-1)+ξit

(5)

当系数β<0时，表明存在绝对β收敛。

表1给出了2002—2013年中国31个省份城镇居民信息消费水面板数据绝对收敛的估计结果，从中可以看出：估计出的β值不显著，R2也极小。因此，城镇居民信息消费水平不存在绝对β收敛的情况。

表1　城镇居民信息消费水平绝对β收敛估计结果

注：括号内的数据为相应检验统计量的P值。下同。

(三)引入个体固定效应的条件β收敛检验

本文检验条件β收敛的做法是在方程(5)的基础上，首先依次引入个体效应、时间效应、个体和时间固定效应，即考虑方程(6)，如果系数β<0时，表明中国城镇居民信息消费水平存在条件β收敛。结果如表2所示，个体固定效应的LR检验在1%显著性水平上显著，而时间固定效应的LR检验在1%显著性水平上不显著。这表明模型中应包含个体固定效应，而且其R2和LogL均为最大。从估计结果来看，β值为-0.411 362，表明存在条件收敛。

lnzi(t)-lnzi(t-1)=βlnzi(t-1)+ui+λt+ξit

(6)

从估计结果可以看出，当引入个体固定效应后存在收敛性，说明存在不可观测的个体异质性变量能促进收敛，最终达到各自的稳态。

(四)引入空间效应、个体固定效应的条件β收敛检验

方程(6)存在的缺点是没有考虑空间相关因素，但是在引入空间效应之前，需要进行LM检验及相应的robust LM检验，以确定使用哪种空间计量经济学模型。表2中个体固定效应模型的LM检验结果显示，虽然lmlag_robust 、lmerror及lmerror_robust 统计显著，但是lmlag统计上不显著，所以应选择空间误差模型(SEM)，而不是空间滞后模型(SLM)[18]95-117[19]25-41。

基于此，在方程(6)的基础上，进一步将空间因素添加到模型(2)中，得到空间误差模型(SEM)，用以比较估算出的收敛结果。

lnzi(t)-lnzi(t-1)=βlnzi(t-1)+ui+ξit

(7)

结果如表3所示，通过Hausman检验结果可知，在1%显著性水平上拒绝原假设，接受“固定效应模型有效”的备择假设，因此，我们选择面板固定效应模型。综合以上分析，采用空间误差面板固定效应模型可以更好地反映中国31个省份的城镇居民信息消费水平条件收敛情况。

表3　基于空间误差面板固定效应模型的

从估计结果来看，β值为-0.456 666，表明存在条件收敛，且比不考虑空间效应的条件收敛速度提高，说明一个地区信息消费水平增长率与当初的消费水平负相关，并且和其相邻近地区信息消费水平增长率的误差冲击正相关。但是邻近地区的信息消费水平增长率加快，并不意味着本地区的增长率也加快。空间误差模型还表明，忽略掉的一些因素，如城镇居民家庭负担、制度、市场、环境等变量也可能会对地区信息消费行为产生作用。

六、结　论

本文基于空间面板数据对2002—2013年中国城镇居民信息消费水平进行了估计，并进一步研究了其收敛性，结果表明：

1.城镇居民信息消费水平存在较显著的地区差异，城镇居民信息消费水平可以分为三个等级，并且最高与最低收入省份的消费水平差距呈扩大趋势。

2.城镇居民信息消费标准从发展趋势整体上看呈发散态势，不具有σ收敛性。

3.经混合面板数据模型检验，城镇居民信息消费水平也不存在绝对β收敛的情况。

4.通过引入个体固定效应，对参数估计结果产生了重大影响，存在条件β收敛性。说明存在不可观测的个体异质性变量能促进收敛，最终达到各自的稳态。

5.通过LM检验及相应的robust LM检验、Hausman检验，表明空间误差面板固定效应模型用于分析条件β收敛性最为恰当，结果表明，存在条件β收敛性，引入空间相关性后，收敛速度加快，并且其相邻近地区信息消费水平增长率的误差冲击产生正向作用。

6.由于采用空间误差模型进行估计，说明忽略掉的一些因素，如城镇居民家庭负担、制度、市场、环境等变量也可能会对地区信息消费行为产生作用。这些因素产生何种影响也是下一步研究的重点。

[1]中华人民共和国国务院.关于促进信息消费扩大内需的若干意见[M].北京:人民出版社,2013.

[2]朱红.信息消费:理论、方法及水平测度[M].北京:社会科学文献出版社,2005.

[3]杨京英,吴钢华,阎海琪.信息消费系数初探[J].数据,2006(7).

[4]马哲明,靖继鹏.国内信息消费研究综述[J].情报科学,2007(3).

[5]郑英隆.基于发展方式转变的中国城乡居民信息消费差异研究述评[J].图书馆论坛,2013(2).

[6]沈小玲.中国城镇居民信息消费问题研究[M].北京:人民出版社,2013.

[7]任兴洲,王微,王青.新时期中国消费新增长点研究[M].北京:中国发展出版社,2014.

[8]杭斌,申春兰.经济转型中消费与收入的长期均衡关系和短期动态关系——中国城镇居民消费行为的实证分析[J].管理世界,2004(5).

[9]谢子远,王合军,杨义群.农村居民消费倾向的变参数估计及其演化机理分析[J].数量经济技术经济研究,2007(5).

[10]肖婷婷.中国城乡居民信息消费比较——基于2000—2007年的实证[J].经济问题,2010(2).

[11]朱琛,孙虹乔.中国城乡居民信息消费的比较分析:基于1992—2008年的实证[J].图书情报工作网刊,2010(12).

[12]田凤平,周先波,林健.中国城乡居民信息消费的半参数估计分析[J].统计与信息论坛,2013(1).

[13]吴玉鸣,陈志建.居民消费水平的空间相关性与地区收敛分析[J].世界经济文汇,2009(5).

[14]万广华.中国农村地区消费收敛的证据:家庭调查数据[J].世界经济文汇,2005(1).

[15]谢中华.MATLAB统计分析与应用:40个案例分析[M].北京:北京航空航天大学出版社,2010.

[16]何晓群.多元统计分析[M].北京:中国人民大学出版社,2004.

[17]阎慈琳.关于主成分分析作综合评价的若干问题[J].数理统计与管理,1998(2).

[18]Elhorst J P. Spatial Econometrics from Cross-section Data Tospatial Panels[M]. Berlin:Springer-Verlag Berlin and Heidelberg GmbH&Co.K, 2014.

[19]LeSage J P, Pace R K.Introduction t jo Spatial Econometrics[M].Boca Raton:CRC Press Taylor&Francis Group, 2009.

(责任编辑：张治国)

Study on Information Consumption Level Estimation and Convergence of Urban Residents in China

ZHANG Su1,2

(1. School of Economics and Management,Tongji University,Shanghai 200092,China;2. School of Economics and Management, Zhongyuan University of Technology, Zhengzhou 450007, China)

Based on the Chinese provincial data of information consumption from 2002 to 2013, the information consumption level of urban residents in China is estimated. Its convergenceare studied.The result show that there have notable district difference of information consumption level, and the gap between highest level province and lowest level province is extending. The information consumption level havenoσconvergence and no absoluteβconvergence. The results of having conditionalβconvergence are obtained by introducing the individual heterogeneous variable. The conclusion of convergence speed is quickened after introducing the spatial dependence. The adjoiningprovince error shocks of information consumption level growth rate increasing exist notablepositive effect.

information consumption level; principal component analysis; cluster analysis; convergence; spatial panel error model

2016-03-11；修复日期：2016-06-06

国家社会科学基金项目《信息消费的统计测度与评价方法研究》(14CTJ002)

张肃，男，河南巩义人，经济学博士，博士后，研究方向：决策分析，计量经济学。

F126.1

A

1007-3116(2016)09-0078-06