中国城镇居民消费动态Panel data模型.docVIP

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。西藏自治区的数据残缺，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，???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=βi△Yi,t+γi△CSi,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