广东城镇居民消费水平的地区差异研究

统计与决策 2010年第 21期（总第 321期） 广东城镇居民消费水平的地区差异研究 摘 要： 文章运用多阶模型 方法 快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载 研究了 2007 年广东省 11 市 7 县的 1600 户城镇居民家庭消费 数据。 结果 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 明，不同城市之间居民消费水平存在显著差异。 为了解释这些差异，文章纳入地区平均 收入水平（GMI）和住房价格（HP）两个场景变量。 实证研究表明，这两个场景变量对城镇居民消费水 平跨地区变异的解释程度可达 95％以上。 关键词：消费水平差异；多阶模型；场景变量 中图分类号：F222 文献标识码：A 文章编号：1002－6487（2010）21－0095-03 王克林 （广东商学院 经济贸易与统计学院，广州 510320） 1 研究背景与方法 自上世纪 90 年代以来，伴随着广东省经济的迅速崛起， 广东省各地区之间经济增长速度的差异也日渐凸显。经济增 长的不平衡引起了地区经济发展的不平衡。消费水平的地区 差异正是在这个过程中被不断拉大的。对消费水平地区差异 性的研究不仅涉及到如何制定消费政策以扩大消费需求从 而拉动经济增长， 而且直接关系到区域经济的协调发展，关 系到收入分配 制度 关于办公室下班关闭电源制度矿山事故隐患举报和奖励制度制度下载人事管理制度doc盘点制度下载 在“公平”与“效率”之间的选择。 因此，对 消费水平地区差异问题的研究就具有十分重要的理论与实 际意义。 研究方法与所研究的实际问题的切合程度直接关系到 研究结论的可靠性。目前我国政府统计部门常规的统计调查 大多都采用多阶段统计调查方式。例如城镇住户调查按照省 抽市、市抽县（区）、县（区）抽街道（居委会）等方式进行，由此 产生的调查数据就具有多阶特征。 但是，传统的统计 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 技 术（如 ANOVA）将各阶段数据“压缩”到以个体为单位的总体 进行分析， 难以正确反映和充分利用多阶数据各阶段的信 息，并且对估计结果会造成严重影响 [1]。 因而，具有多阶特征 的统计数据应该用多阶模型来分析。 多阶模型方法是 21 世 纪才被引入我国的。 近几年来，国内已有学者开始尝试运用 这种方法研究中国的实际问题。如杨菊华（2006）介绍了多阶 模型的基本原理，并用 2000 年“中国健康和营养调查”数据 展示了多阶模型在社会科学领域的应用 [2]；郭志刚等（2006） 应用多阶模型分析了 2001 年全国计划生育 /生殖健康调查 数据，考察了宏观的社会经济环境及计划生育氛围与微观的 妇女个人特征如何共同影响二孩生育间隔 [3]。 已有的研究都 表明，多阶模型非常适合于多阶数据的分析，尤其是由多阶 段调查方式获得的数据的分析。对多阶模型的恰当应用往往 能获得传统的统计分析方法难以获得结论。下面首先介绍多 阶线性模型的基本形式，然后将其应用于广东城镇居民消费 水平差异性研究。 2 多阶模型的基本形式 2.1 空模型（empty model） 多阶模型分析通常是从空模型， 又称截距模型 （inter- cept-only model）， 或无条件均值模型 （unconditional means model）开始的。 空模型的基本格式如下： yij=β0j+eij （1） β0j=γ00+u0j （2） yij=γ00+u0j+eij （3） 该模型的微观层（水平 1）和宏观层（水平 2）公式中均没 有解释变量。 式（1）即表示微观层面的变量关系，β0j 和 eij 分 别代表第 j 组因变量均值和围绕该均值的个体随机差异。 式 （2）表示宏观层面的变量关系，总截距 γ00 代表的是 yij 的总 （平）均值；u0j 代表组均值之间的差异，即第 j 组的因变量均 值与总均值的差异。式（3）是式（1）和式（2）的组合，包括了固 定效应（γ00）和随机效应（u0j和 eij）两部分。 2.2 两阶模型的公式表述 式（4）~（5）是一个两阶模型，包括两个水平 1 解释变量 （level 1 explanatory variable）和一个水平 2 解释变量( level 2 explanatory variable)。 yij=β0j+α1x1ij+β1jz1ij+eij （4） β0j=γ00+γ01w1j+u0j （5） 其中，yij 是第 j 个水平 2 单位中的第 i 个个体的水平 1 观测值，是因变量；其中 i＝1，2，……，N（N 是样本总量 ），j＝ 1，2，……，J（J 是水平 2 的单位数）。式（4）是分析 yij差异的水 平 1 方程。 水平 1 截距 β0j 下标 j 表示水平 1 截距跨水平 2 单位变化。水平 1 固定斜率 α1说明水平 1 变量 x1ij对 yij的效 应不跨水平 2 单位变化， 随机斜率 β1j则说明水平 1 变量 z1ij 基金项目：国家社科基金资助项目（09BJL005） 作者简介：王克林（1980-），男，河南登封人，博士研究生，讲师，研究方向：社会经济调查与分析。 统 计 观 察 95 统计与决策 2010年第 21期（总第 321期） 对 yij的效应随水平 2 单位变化。 式（5）是水平 1 随机截距 β0j 对应的水平 2 方程。 Goldstein (1988)介绍了多阶模型的一般 形式。 [4] 3 消费水平地区差异的实证研究 3.1 数据来源及指标选择 本文采用 2007 年国家统计局广东调查总队组织实施的 广东城镇住户调查的部分结果进行分析。调查在广州、深圳、 珠海、汕头、佛山、韶关、梅州、惠州、东莞、湛江、肇庆等 11 个 市和顺德、鹤山、廉江、电白、兴宁、普宁、连州等 7 个县进行， 共调查了 1600 个家庭，样本分布如表 1 所示。 本文研究调查 结果中的消费及相关数据。 从经济学理论角度来看，影响一个家庭消费行为的因素 有很多，如收入水平、物价水平、利率水平、风险因素、消费习 惯、居住地点、宗教信仰等等，因而家庭消费行为是一个综合 的表象。 如果我们把单个家庭看作是微观个体，那么家庭属 于某个街道（居委会），而后者又属于某一市（县），这就具有 了多阶特征。一个家庭的消费行为不可避免的要受到其所在 地区，如市（县）相应因素的影响，而后者又受到更大环境如 省的影响。 从这个角度来说，研究家庭消费行为就不应该仅 单纯研究家庭这个微观层面，还应该考虑家庭所处环境对家 庭消费的影响。 就广东来说，同一个市（县）以下更小的行政 单位如社区之间差异一般很小， 对家庭的影响也可以忽略， 而市（县）之间的差异则比较明显，对家庭会造成一定的影 响。 为简化分析，本文只研究市（县）相关因素对家庭消费行 为的影响，即把市（县）看作宏观层进行两阶模型分析。 本文 采用指标包括微观层面的家庭人均消费性支出（pce）、家庭 人均可支配收入（PDI）和宏观层面的组平均收入水平（GMI） 和住房价格（HP）。这里，GMI 和 HP 即为场景变量或协变量。 家庭人均消费性支出（pce）。 在城镇住户调查中，每年住 户支出调查指标有 100 多个，本文不分析消费结构，仅关注 住户支出中的消费性支出。用家庭消费性支出除以家庭人口 数得到家庭人均消费性支出（pce），用以衡量家庭消费水平。 影响 pce 的因素包括微观层面的 PDI 和宏观层面的 GMI 和 HP。 家庭人均可支配收入（PDI）。 从凯恩斯的收入决定消费 理论到杜森贝利的相对收入假说，再到莫迪利安尼等的生命 周期消费理论，再到弗里德曼的持久收入假说，说的都是收 入是影响消费的最重要的因素，差异只在于收入的度量方式 和对消费的影响形式，这一点无需再做解释。 本文采用家庭 “人均可支配收入”（PDI，即家庭年可支配收入除以家庭人口 数）来衡量家庭人均可支配收入情况。 组平均收入水平（GMI）。 应该看到，用绝对收入水平衡 量消费行为是不充分的 。 美国著名经济学家杜森贝利 （J. Dusenberry）提出的相对收入假说，就是为了说明消费水平并 不仅仅由绝对收入决定，而应该从相对收入角度考虑。 一个 人、一个家庭所处的环境会直接影响到个人和家庭的消费行 为。例如，要解释处于不同城市的居民消费水平差异，除了考 虑个体的绝对收入差异外， 还要与当地的平均收入水平、物 价水平等因素结合起来。 这里的组平均收入水平（GMI）指的 就是不同市（县）的家庭“人均可支配收入”的平均值，它是影 响地区居民消费的场景变量。 住房价格（HP）。 随着二元结构背景下的城市化进程不 断加快和户籍改革的不断推进，我国主要城市，特别是大中 城市急剧膨胀：城市规模迅速扩大，人口也越来越多。再加上 其它非市场因素的影响，近几年，我国多数城市的商品房市 场都呈现出需求大于供给，价格快速上涨的态势。 高涨的房 价增加了城市中购房群体（处于还贷中的已购房群体和有购 房意向的群体）的生活压力，直接影响了他们的消费行为。一 般来讲，房价高的城市，买房压力大，这就会挤占家庭在其它 方面的消费支出；反之，房价低的城市，居民可以分配更多的 资金用于其它方面的消费。因而不同城市的住房价格成了影 响本地区居民消费的“公共因子”。本文研究中用到的住房价 格数据是笔者用《广东统计年鉴 2008》中“商品房屋销售额?” 除以“商品房屋销售面积?”得到的[5]。 3.2 消费水平地区差异估计结果 本文运用 SAS9.1 中的 SAS PROC MIXED 模块对 2007 年广东省 11 市 7 县的 1600 户城镇居民消费数据进行处理。 我们从空模型（模型 1）开始分析。 模型 1 固定效应和随机效 应参数估计结果如表 2 所示。 模型 1 的固定效应估计部分 ， 即总截距估计值 γ赞 00 （13609）是各市（县）消费水平总均值。 模型 1 的随机效应估 计是式（2）中 u0j的估计，u0j 的正负表示第 j 个调查市（县）的 平均消费水平大于或小于全省消费水平总均值。 例如，2007 年广州市居民的家庭人均消费性支出为 19107.6 元（γ赞 00+u赞 01＝ 13609+5498.6＝19107.6 元），余可类推。 这里，除了汕头、鹤山 和连州之外，其余 15 个市（县）的随机效应估计都统计显著， 地区 广州 深圳 珠海 汕头 佛山 韶关 样本量 300 100 100 100 100 100 地区 梅州 惠州 东莞 湛江 肇庆 顺德 样本量 100 100 50 100 100 50 地区 鹤山 廉江 电白 兴宁 普宁 连州 样本量 50 50 50 50 50 50 表 1 2007 年广东城镇住户调查各调查点样本量分布 注： 该表所列 18 个国家城镇住户调查样本点目前也是广东城镇住户调 查的样本点，各样本点独立上报数据，没有交叉现象。 估计值 13609 t 值 9.03 P值 <0.0001截距(γ赞 00) 固定效应参数估计 表 2 消费水平地区差异估计结果 随机效应参数估计 地区 广州 深圳 珠海 汕头 佛山 韶关 梅州 惠州 东莞 残差( ) 5498.6 11433 5562.11 -2581.02 4647.82 -3616.15 -3160.3 3164.39 10763 t 值 3.35 6.11 2.98 -1.38 2.48 -1.93 -1.69 1.69 4.98 P值 0.0008 <0.0001 0.0029 0.1666 0.0132 0.0539 0.092 0.0915 <0.0001 地区 湛江 肇庆 顺德 鹤山 廉江 电白 兴宁 普宁 连州 残差( ) -4336.92 -4486.45 7519.95 -3476.38 -7183.88 -5456.45 -5461.23 -5321.44 -3508.58 t 值 -2.31 -2.41 3.54 -1.61 -3.32 -2.52 -2.53 -2.46 -1.62 P值 0.0208 0.0161 0.0004 0.108 0.0009 0.0117 0.0116 0.0139 0.1048 u赞 0j u赞 0j 注：模型 1到收敛为止共迭代 3次。 统 计 观 察 96 统计与决策 2010年第 21期（总第 321期） 截距项 PDI GMI HP 系数 14508 0.6310 0.3002 -0.3540 t值 42.92 28.70 3.17 -1.67 P值 <0.0001 <0.0001 0.0064 0.1165 变量 模型 2 表 3 模型 2的固定效应参数估计结果 注：模型 2到收敛为止共迭代 2次。 为使截距项估计有意义，模型 2对解 释变量进行了总均值中心化处理，具体方法参考文献[6]。 这说明这些地区的平均消费水平都与总平均消费水之间存 在显著差异。 3.3 消费水平地区差异原因探析 前文实证表明，所研究 18 个市（县）城镇居民消费水平 之间存在显著差异。那么，是什么因素造成了这些差异呢？本 文通过引入 GMI和 HP 两个场景变量对此进行解释。根据式 （4）和式（5）可将场景变量 GMI 和 HP 引入多阶模型，记为模 型 2。 模型 2 的具体形式如式（6）所示。 PCEij=γ00+γ01GMIj+γ02HPj+u0j+β1j(PDIij-PDI..)+eij （6） 模型 2 的 SAS9.1 估计结果如表 3 所示。 模型 2 的估计结果表明，地区平均收入水平与家庭消费 水平正相关，而地区住房价格与消费水平负相关。 模型 2 经 过 2 次迭代就收敛了， 说明模型拟合良好。 截距项估计值 14508 表明，当家庭人均可支配收入 PDI 达到所调查样本的 总平均收入水平 18136.34 元，且其所在市（县）的 GMI 也达 到该水平，HP 达到总平均水平 4433.93 元时，该家庭的人均 消费为 14508 元。由估计结果还可以看到：平均来说，家庭个 人可支配收入 PDI 高于平均收入 18136.34 元后的边际消费 倾向为 0.6310；在个人可支配收入 PDI 和住房价格 HP 都不 变时，地区平均收入水平 GMI 的（平均）每增加 1 块钱，能引 起该地区人均消费支出增加 0.3002 元； 在个人可支配收入 PDI和地区平均收入 GMI 都不变时， 住房价格 HP 每上升 1 元，能引起该地区人均消费支出减少 0.3540 元；这说明 GMI 和 HP 确实能显著影响不同地区家庭的消费行为。 那么场景变量 GMI 和 HP 可以在多大程度上解释广东 城镇居民消费水平跨地区的变异呢？ 在多阶模型分析中，通 常用一个类似于判定系数的指标， 即方差缩减比例指数，来 测量估计中方差被解释的程度，这需要将模型 2 与不含任何 解释变量的模型 1 作比较。模型 2 中截距项方差由模型 1 的 38880089 下降为 804667， 残差项方差由 1.45E+08 下降为 95854916，说明模型 2 中引入家庭层解释变量 PDI 和市（县） 层场景变量 GMI 和 HP 后，模型更好地解释了家庭消费的组 间差异和组内差异。模型 2 能够解释的消费水平组间差异可 用 Raudenbush＆Bryk（简称 RB）方法或者 Snijders＆Bosker（简 称 SB）方法进行估计[7][8]。 两种方法估计的模型水平 2 可解释 方差分别为： RB可解释性变异％＝1－ σ 赞 u0 2(设定模型) σ赞 u02(空模型) ＝1－ 80466738880089 ＝0.9793 SB 可 解 释 性 差 异 ％ ＝1 － σ 赞 2 水平 2-总(设定模型) σ赞 2 水平 2-总(空模型) ＝1 － 804667+95854916/90 38880089+1.45E+08/90 ＝0.9538 其中，90 是组平均样本量。 RB 和 SB 水平 2 可解释性差 异比重近似，说明消费水平跨地区变异的 95％以上可以由模 型 2 解释。 4 结束语 多阶模型方法灵活，使用面广。在本文的应用中，它很好 地展示了广东城镇居民家庭消费水平跨地区的差异，并在一 定程度上探讨了出现这些差异的原因，结论具有一定的实际 意义。场景变量 GMI和 HP 能够解释家庭消费行为跨地区变 异的 95％以上。这是因为多阶模型将家庭消费水平变异分解 为“组内差异”和“组间差异”，然后就可以单独应用宏观层面 的场景变量解释家庭消费行为跨地区的差异。 对解释变量的中心化处理使估计结果的涵义更加丰富。 本文在模型 2 中，对人均可支配收入 PDI 进行了总均值中心 化处理。 中心化处理后的解释变量有了有意义的零值，因而 截距项的估计结果就可以得到有意义的解释。 同时，估计结 果还显示了非常有意思的结论： 地区 GMI 对消费行为的影 响小于 PDI的影响，因为模型 2 的估计结果中后者所对应的 边际消费倾向更大；当一个城市的住房价格高于总平均价格 后仍继续上涨的话，消费将会被挤占。 因此，如果将家庭 PDI 高于和低于总平均收入（本文为 18136.34 元）作为区分高收 入家庭和低收入家庭的 标准 excel标准偏差excel标准偏差函数exl标准差函数国标检验抽样标准表免费下载红头文件格式标准下载 ，那么增加低收入家庭的收入将 会比增加低收入地区的平均收入对消费产生更大的拉动作 用。适当控制住房价格已经高于总平均价格的城市的住房价 格将有助于拉动当地家庭的消费及其他支出。 当然，要提高 政策的执行效果，还需要结合其他因素综合考虑。 参考文献： [1]Muthen,B.0.Multilevel Covariance Structure Analysis[J].Sociological Methods & Research,1994,22. [2]杨菊华.多层模型在社会科学领域的应用[J].中国人口科学 ,2006, （6）. [3]郭志刚,李剑钊.农村二孩生育间隔的分层模型研究[J].人口研究 , 2006,7(4). [4]Goldstein,H.A General Model for the Analysis of Multilevel Data [J].Psychometrika,53,1988,(4). [5]广东统计年鉴 2008[M].北京：中国统计出版社,2009. [6]王济川等.多层统计分析模型———方法与应用.高等教育出版社 , 2008. [7]Raudenbush, S.W., Bryk, A. S. Hierarchical Linear Models: Ap- plications and Data Analysis Methods (2nd Edition) [M].Newbury Park,CA:Sage.2002. [8]Snijders,T.A.B., Bosker,R.J. Modeled Variance in Two-level Mod- els[J].Sociological Methods & Research,1994,(22). （责任编辑/易永生） 统 计 观 察 97