安徽省城乡居民消费水平差距及预测分析*

周素伟

(亳州职业技术学院，安徽 亳州 236800)

供给侧结构性改革的实质是通过对供给端的结构性调整实现资源优化配置与解放生产力。从2016—2018年，供给侧改革实施三年以来对安徽省城乡居民消费产生了一定影响，安徽省城乡居民消费持续提高，且农村居民消费增速要远大于城镇居民。但由于安徽省城乡收入差距的存在，农村人口不断涌入城市就业，在一定程度上提高了农村居民收入及消费水平，有效缩小了城乡差距。随着居民收入水平上升，消费结构的变化，“供给侧”提供更多资源的流入，以满足旺盛的消费需求。消费领域的供给侧改革，意味着根据当前城镇、农村居民的消费特征，不断调整消费品市场的供给结构，以便更好地满足城乡居民需求[1]。不少学者对全国城乡居民消费差距问题进行研究。李心婳[2]在对我国城乡居民消费差距进行分析的基础上，通过绝对收敛模型对城乡消费的绝对差距进行预测，认为我国城乡居民消费绝对差距依然有扩大的趋势。田垠[3]使用LASSO模型分析影响城乡居民消费差距的主要因素，然后采用灰色-神经网络模型对2018—2019年全国城乡消费差距进行预测，认为收入的绝对差距会继续扩大，并提出强化政府服务，增强就业及完善社会保障等提高农村居民收入、促进社会公平的相关办法。乔美华[4]结合宏观经济数据，通过建立门槛效应面板模型，分析影响城乡居民收入差距的因素，结果表明人均固定资产投资、人口素质、教育投入等因素对缩小城乡消费差距具有显著影响。本文以安徽省城乡居民消费差距为研究对象，根据历史数据对未来消费差距进行预测。

1 安徽城乡居民消费现状

2000—2018年，安徽省城镇居民的现期价格消费支出从4233元提高到21523元，年均提高9.4%；安徽农村居民的消费支出从1322元提高到12748元，年均提高13.4%，特别是实施供给侧改革后，农村居民消费支出突破万元大关。安徽省城乡居民消费的绝对差距经历了先扩大后缩小的趋势，但相对差距从2000年的3.203缩小到2018年的1.688，缩小趋势显著。安徽省城乡居民消费相对差小于全国平均水平，说明安徽省虽然总体收入与消费水平在全国处于中等偏下水平，但是其城乡差距略小于全国均值。

同时，为了剔除物价因素对研究的干扰，以2000年物价水平为基期，分别以安徽城镇居民消费物价指数及农村居民消费物价指数进行指数平减，得到定基城乡居民消费数据并进行消费差距分析。

由表1可知，定基的城乡居民消费数据的年均增长速度要慢于现价水平，城镇和农村居民消费支出的年均增速7.1%和10.4%，农村居民消费支出增长速度依然大于城镇居民消费。从消费支出的相对差来看，定基城镇农村居民消费之比大于现价之比(见图1)。说明剔除物价因素后，城乡居民消费差距有所扩大，农村居民消费价格指数要大于城镇居民。因此提出物价因素的城乡居民消费之比作为消费相对差进行分析，并采用适当的方法预测2019—2025年城乡居民消费差距。

图1 2000—2018年安徽省城居民消费支出相对差

注：数据来源于安徽统计年鉴及2018年安徽省经济与社会发展统计公报。

2 安徽省城乡居民消费差距预测

2.1 GM(1,1)模型预测

2.1.1 GM(1,1)模型介绍

目前使用最广泛的灰色预测模型就是关于数列预测的单个变量、一阶微分的GM(1,1)模型。它是基于随机的原始时间序列，经按累加后形成新序列呈现的规律可用一阶线性微分方程的解来逼近[5]。经证明，经一阶线性微分方程的解逼近所揭示的原始序列呈指数变化规律。模型的主要步骤如下：

第一步，对原始序列X(0)依据灰色系统理论，经过一次 AGO 累加生成得到X(1),并得到X(1)的灰倒数d(k)，然后求其均值序列z(k)，在此基础上定义GM(1,1)模型为

d(k)+a(1)z(k)=b

(1)

式中：a为发展系数，b为灰作用量。

2.1.2 GM(1,1)模型实证分析

将2000—2018年定基安徽省城乡居民消费比代入建立GM(1,1)模型，首先计算等级比值λ(k)：

(2)

其次，进行参数估计，根据

(3)

将相关程序及数据输入R软件， 计算可得

将其代入GM(1,1)的公式得到

(4)

则由式(4)得到模型预测解，并将其还原为模型还原解：

(5)

表2 基于GM(1，1)法的2000—2025年安徽省城乡居民消费之比估计结果

最后，对GM(1,1)模型估计结果的精度进行检验，此处使用后验差比CV对估计效果进行检验，由于：

2.2 时间序列趋势模型预测

同时如图1所示，定基城乡居民消费相对差存在明显的时间趋势，不是平稳序列，因此可以考虑时间序列的趋势模型。趋势模型是序列随着时间变化而呈现一定的规律，主要线性模型的表达形式如下：

y=c+bk，(k=1，2，…，n)

(6)

式中：定基安徽城乡居民收入之比y作为因变量，k为时间序列，c为截距项。将上述数据代入式(6)中建立趋势模型，用最小二乘法进行参数估计，具体结果如表3所示。

表3 2000—2018年安徽城乡居民消费差距趋势模型

由表3可知，主要参数通过了参数估计的t检验，且模型整体通过了F检验。但由于原始模型的DW值为0.879，小于1.18，说明模型残差存在正相关。因此，该模型应该继续修正，将原始模型式(6)中引入模型残差的滞后一期r(-1)，则修正模型为

y=c+b1k+b2r(-1)，(k=1，2，…，n)

(7)

将数据代入式7，使用最小二乘法进行参数估计，具体结果如表4所示。

表4 2000—2018年安徽城乡居民消费差距趋势修正模型

由上表可知，变量k、r(-1)及截距项c的P值小于0.05，都通过了显著性检验，而且残差的DW值表明模型残差不存在显著一阶自相关。调整后的R2由原模型的78.8%提高到85%，说明该修正模型能解释因变量85%的变化，具有较高的拟合度，且修正模型的解释力较原始模型有所提高。AIC统计量与SC统计量值较原模型值有所降低，说明模型的估计效果有显著的提高，因此修正趋势模型更适合。

为了验证修正模型残差的高阶相关性，文章对模型的残差序列进行LM检验，主要结果如表5所示。由表5可知，F检验及Chi-Square统计量的P值都大于0.05，不拒绝残差不存在序列相关的原假设，该模型的残差通过了序列相关检验。因此，合格的预测模型为

表5 LM统计量检验结果统计量值F统计量0.471Chi-Square统计量3.433统计量值F统计量P值0.790Chi-Square统计量P值0.634

y=3.671-0.091k+0.542r(-1)

(8)

将k及r(-1)代入式(8)对2019—2025年城乡居民消费差距进行预测，具体结果如表6所示。由上表结果可知，从2019—2025年安徽省城乡居民消费差距进一步缩小，且缩小幅度大于GM(1,1)模型。虽然GM(1,1)模型及趋势模型的预测结果都是城乡居民消费差距在进一步缩小，但由于上述两种模型预测结果略有差距，因此采用相关检验对上述模型的准确度进行检验，以选择更合适的预测效果。

表6 2019—2025年安徽省城乡居民消费差距预测结果2019年2020年2021年2022年2023年2024年2025年1.7871.6961.6051.5141.4231.3321.241

2.3 模型比较

选择平均绝对百分比误差MAPE指标对上述方法拟合优度进行评价，MAPE指标主要反映了预测相对偏差百分比的平均数，如果MAPE指标数值越小则表示模型拟合程度越高。该指标计算公式如下：

(9)

将GM(1,1)模型及趋势模型估计结果及原始数据代入MAPE公式，分别得到上述模型的MAPE数值，GM(1,1)模型的MAPE指数为8.83%，趋势模型为14.94%，因此，GM(1,1)模型的估计结果更准确。

2.4 模型分析

从上述分析得出以下结论：

(1)近年来安徽省农村居民消费增速高于城镇居民，存在收入相对差距缩小的可能，通过GM(1,1)模型及趋势模型的实证研究共同证实了安徽省城乡居民收入相对差距存在继续缩小的趋势的预测。

(2)GM(1,1)模型的估计误差更小，整体拟合效果更为可信。GM(1,1)模型测算具有不拘于样本大小，即便以较小样本也可以进行测算的特征，选择2000—2018年间的数据进行测算样本已经足够。

(3)城乡居民消费结构发生了巨大变化。恩格尔系数大幅下降，人们消费升级步伐加快，百姓在消费时对商品的品质要求不断提高，消费方式由实物消费更多地转向服务消费。2018年全国居民恩格尔系数为28.4%，比上年下降0.9个百分点。

3 建议

(1)从模型比较和分析中得知，近些年来安徽省农村居民消费增速高于城镇居民，因此城乡居民收入相对差存在继续缩小的可能，城乡居民消费差距主要受到收入的影响。因此，要有效缩小城乡消费差距，提高农村居民收入，促进农民增收是关键。在支持安徽农民进城就业的同时，应从农业本身做文章，大力发展农村经济，并在金融与政策上给予农民诸多支持，扶持农民就地创业。

(2)继续扶持农业产业化联合体及农民专业合作社等机构，推进农业规模化发展。同时，扩宽农民增收渠道，支持休闲农业和乡村旅游发展，拉动乡村旅游经济发展，提高农民收入。

(3)从供给侧可以看出，农村居民消费较城镇居民来说具有更高的弹性，但物流水平及价格是影响农村居民消费提高的障碍之一。由于城乡二元结构导致农村地区流通设施供给水平较低、供给能力相对较差，难以满足农村消费者需求。尤其是消费进入多样化、多层次的发展阶段，更突显出农村流通设施供给质量与居民消费需求之间的不匹配问题。

因此，加强农村流通基础设施建设的同时，培育多元化、多层次农村现代流通主体也是提高农村居民消费的重要方面。