案例三中国各城居民消费分析-上海财经大学.docVIP

案例三：中国各城市居民消费分析 （一）案例目标 生产，收入、分配与使用，体现了社会经济运动的循环过程。收入分配是这个过程的中间环节，承前启后。收入分配核算构成了国民经济核算的最重要组成部分中之一，涉及多个账户，核算内容包括国民收入的初次分配、再分配、可支配收入和使用核算。本案例以收入使用中的居民消费结构为目标，分析不同时期我国城镇居民消费构成的差异及其发展变化过程。 （二）案例背景 我国从确立市场经济体制以后，社会经济迅速发展，居民的收入水平和消费水平有了显著的提高。然而消费需求不足仍是我国制约经济进一步发展的重要原因之一。地区差距及时间的变迁，使得居民在消费行为上存在很大的差异。因此研究地区差异和时间变化对居民消费行为的影响，对有效制定地区消费政策、促进地区乃至全国经济增长有着经济的意义。 （三）分析方法 Panel-Data就是“平行数据”或“面板数据”。它是指在时间序列上取多个截面，在这些截面上同时选取样本观测值所构成的样本数据。因此，平行数据模型相较于只利用截面数据或只利用时间序列数据的模型而言，有着不可替代的作用。它可以从多层面分析经济问题，具有很高的应用价值。本文需要对收入差距较大的各城市居民消费行为进行分析，同时又要考虑到不同年份收入对消费的不同影响，因此，该模型适合分析的需要。 1．Panel Data模型 截面数据是选择同一时间上不同区域的数据作为样本观测值，而时间序列数据是选择同一区域在不同时间上的数据作为样本观测值，二者在实际应用中都有一定的局限性。相对只利用截面数据或只利用时间序列数据进行经济分析而言，Panel Data模型具有许多优点。 首先，Panel Data模型通过对不同截面单元不同时间观察值的结合，成为“更多信息、更可变、变量之间更少共线性、更多自由度、更有效”的数据。它通常提供给研究者大量的数据点，这样就增加了自由度并减少了解释变量之间的共线性，改进了计量经济估计的有效性； 第二，Panel Data是对同一截面单元集进行重复观察，能更好地研究经济行为变化的动态性。例如，利用Panel Data能够更好地进行动态研究，诸如工作的调换、劳动力的流动等； 第三，Panel Data模型能对更复杂的行为模型进行研究。例如，研究我国各省（区）居民收入结构问题，各省（区）居民的收入结构是不相同的，除了价格水平影响因素之外，地区差异如地理位置、气候条件、传统文化等方面的差异也是一个重要原因。然而仅用时间序列数据或者仅用某一截面数据都无法估计出地区差异的影响，因为形成地区差异的诸多因素是难以度量或不可观测的。如果用Panel Data建立模型，则由于资料中既有个体特征之间的差异，又包含个体特征随时间变化而发生的变化，上述提到的因素的作用是可以估计的。 第四，截面变量和时间变量的结合信息能显著地减少缺省变量所带来的问题。如某研究者认为享受技术进步的企业有能力在生产中增加实际资金的使用。若使用截面数据分析，由于数据本身没有包含技术进步的信息，则不能准确地估计增加的资金量对企业盈利能力的影响。然而，若用Panel Data分析，其时间序列部分就包含技术进步对盈利能力的作用，因此可能的缺省变量问题就会不再出现。 2.Panel Data模型的基本类型： (1)静态Panel Data模型 静态Panel Data模型（通常简称为Panel Data模型）的一般形式为： 其中，，k为解释变量的个数，误差项的均值为0，方差为。 按模型中的参数变化情况将Panel Data模型分为三类： 模型1：,；。在截面上无个体影响、无结构变化，相当于将多个时期的截面数据放在一起作为样本数据。 模型2：,；。由于在横截面上个体影响的不同，称为变截距模型。个体影响表现为模型中被忽略的反映个体差异的变量的影响，又分为固定和随机影响两种情况。 模型3：,；。此模型称为变系数模型，对应数据除了存在个体影响外，在横截面上还表现为经济结构的变化。 (2)动态Panel Data模型 这里的动态模型，是指包含滞后被解释变量作为解释变量的模型。当采用Panel Data作为观测值时，变截距模型写为： 也就是说，滞后因变量出现在模型的右边。比如由于消费的惯性，前一期的消费对当期消费有显著的影响。动态模型也分为固定影响模型和随机影响模型两种。近年来动态模型在Panel Data模型中比较流行，这些动态模型的估计通常利用工具变量，建立在矩条件的基础上，如广义矩估计和有限信息极大似然法等。 由于居民的消费，既取决于可支配收入水平，也和居民的前期消费习惯有着密切的联系，因此，本文将利用1995－2004年我国29个地区城镇居民的人均可支配性收入和人均消费性支出数据，采用动态Panel Da