中国城镇居民消费的动态Panel data模型

摘 要：文章利用中宏数据库（MCDB）的我国内地29个省级行政单位1986―2004年的“家庭平均每人全年可支配收入”、“居民家庭平均每人全年消费性支出”数据，建立固定影响的动态Panel Data的消费模型，对地区间城镇居民消费结构进行对比分析，结果发现，东北地区的边际消费倾向最高，中部地区的自发性消费最高；各个地区的消费惯性的影响都不大。

关键词：中国 城镇居民消费结构 动态Panel Data模型

中图分类号：F014.5 文献标识码：A

文章编号：1004-4914（2011）06-058-02

在研究消费与收入的关系时，我们一般根据凯恩斯的绝对收入假设，建立Yi=d+Xiβ+μi的形式的计量经济学模型。美国经济学家杜森贝利认为人们的消费具有惯性，前期消费水平高，会影响下一期的消费水平。根据这种观点，除了当期收入外，前期消费也很可能是建立消费函数时应该考虑的因素。本文利用中国内地省、直辖市、自治区的城镇居民可支配收入、消费数据，建立固定影响的动态Panel Data的消费模型，对城镇居民消费结构进行对比分析。

一、统计数据和模型设定

1.统计数据。本文使用的我国内地29个省级行政单位1986―2004年的“城镇居民家庭平均每人全年可支配收入”、“城镇居民家庭平均每人全年消费性支出”数据，取自中宏数据库（MCDB）。其中海南省虽然在1988年才建省，但是由于其独具的地理位置，其统计数据是可得的。重庆市的数据自1996年开始，我们把它归入四川省。自治区的数据残缺，缺少1993、1995、1997、1998四个年份的数据，并且该自治区和其他各省收入和消费习惯不同，因此对这个行政单位没作统计。

本文把以上29个省级行政单位分成四个地区：东部地区、中部六省、西部地区、东北地区。东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东，中部六省包括山西、安徽、江西、湖南、河南、湖北，西部地区包括四川（含重庆市）、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古，东北地区包括黑龙江、吉林、辽宁。此外，在各省数据合并上，我们不能把各省的家庭平均数据简单相加再平均，但根据《中国统计年鉴》、《中国人口统计年鉴》和一些数据库，我们也没能找到历年分地区的城镇人口数，于是只能削足适履，用MCDB数据库中历年分地区“城镇从业人员”的数据作为平均权重。此外，“城镇从业人员”数据中新疆和湖南均缺少1986―1992年的数据，我们再参照“非农业人口数”，采取在Excel中添加趋势线的办法，估计了缺少的数据。

2.模型设定。在模型的设定上，依据消费惯性的假设，建立固定影响的动态Panel Data模型（根据经验方法，当T很大而N有限时，固定影响和随机影响的估计结果差异不大）。模型的一般形式如下：

CSi,t=αi+βiYi,t+γiCSi,t-1+μi,t

i=1,2,3,4 t=1986,1987,…,2004

其中αi，βi，Yi是待估参数，其中│Yi│＜1，并且1代表东部地区，2代表中部六省，3代表西部地区，4代表东北地区。

首先对模型的设定进行F检验。

S1=355841.28877

S2=530058.0096

S3=725225.6427

由此，我们拒绝接受假设1和假设2，说明模型除了存在个体影响外，在横截面上还存在变化的经济结构。我们得到模型设定的形式为：

CSi,t=αi+βiYi,t+γiCSi,t-1+μi,t

i=1,2,3,4 t=1986,1987,…,2004

二、模型的估计和检验

对我们设定的模型进行差分，得到：

CSi,t=βiYi,t+γiCSi,t-1+（μi,t-μi,t-1）

利用Eviews5.0软件，采用工具变量法（在软件中选择TSLS方法）对该模型进行估计，分别以CSi,t-2和CSi,t-2作为CSi,t-1的工具变量。根据多次估计结果的比较，我们均假定出现截面异方差，选择“Cross section weight”；同时均采用一阶广义差分克服序列相关性，得到的结果如表1和表2如下。

对比两表，我们发现，两表的估计结果相差不大，说明选用这两个工具变量的效果相当。但是表2中的拟合效果更好，并且更有利于拒绝接受Yi=0的原假设，我们因此以CSi1t-2为工具变量对模型进行估计。首先对表2进行一些说明。在表2的上部分，Eviews给出了估计的因变量、估计方法和样本的信息。根据在第一部分对模型设定的判断，我们认定模型在不同的截面个体上具有不同的系数，且是固定影响。在Eviews5.0下，我们选择了“Cross-Section weight”和一阶广义差分，用来克服会出现的截面异方差和序列相关性。

在表2的下部分，Eviews给出了选择加权与否的结果比较，我们看到：加权前后，D.W.统计量都比较接近2，说明一阶差分有效地克服了自相关；而加权后模型的拟和效果要好一些。

在表2的中部，我们得到了各截面个体的系数和相应的t统计量。我们看到，Yi显著性都比较差。我们把显著性水平提高到50%以上的水平，才能拒绝接受Yi=0,i=1,2,3的原假设。这其实说明，消费惯性假设在本模型中并不显著成立，直接采取凯恩斯的绝对收入假设可能会得到更理想的估计结果。但本文不再进一步探讨。

我们在50%的显著性水平下，接受│Y4│=0的假设。在此基础上计算出αi的值，利用公式：αi=ｃˉｓˉi-γˉiｃˉｓˉi,-1-βˉiＹˉi。把结果整理，得到表3（小括号里的数字表示该系数的t统计量）：

三、对估计结果的经济分析

根据模型的结果，我们发现东北地区的边际消费倾向最高，而东部地区排第三；中部地区的自发性消费最高；各个地区的消费惯性的影响都不大。之所以会得到这样的结果，是由于在地区划分时每个地区内的省级行政单位的状况各有不同，在一定程度上影响了结论，比如在西部地区，重庆、四川、云南（人口大省）显然提高了整体的经济状况；在东部地区，河北、江苏（人口大省）显然降低了整体的经济状况。

（第一、二作者单位：云南农业大学 云南昆明；第三作者单位：郑州大学 河南郑州）

（责编：若佳）

注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文