中国的收入分布与私家车保有量.docVIP

中国的收入分布与私家车保有量 　　摘 要：文章在解释了人均私家车保有量与收入分布（以人均GDP水平为均值，城乡收入差距为方差）关系的基础之上，首次以新型市场的代表国家――中国为对象，对中国各省区近20年面板数据进行分析，得到如下实证结果：此模型中包含的所有我们认为对人均私家车保有量有着不可忽视影响的合理变量都被证实其影响显著，其中以衡量收入分布的两个指标和二者的交互项最为突出。 　　关键词：私家车保有量 收入分布 GDP 城乡收入差距 　　中图分类号：F014.4 文献标识码：A 　　文章编号：1004-4914（2014）04-059-02 　　一、引言 　　在中国，关于研究私家车拥有量的高质量论文是十分罕见的，然而它却是一个不可忽视的重要经济指标。因此，在这篇文章中，我们以收入分布的相关衡量指标为研究重点，在囊括尽可能多的影响因素的同时，基于省级面板数据建立模型来探究中国私家车保有量的省际差别。 　　因为私家车拥有量大到影响一国的支出，小到影响家庭的消费，所以早在18世纪初，全球许多学者都对于收入水平对私家车保有量的影响进行过很多统计学分析，其中不乏世界银行等的国际性权威金融机构。Button，K Jand Fowkes， A S在他Car Ownership Modeling And Forecasting（1982）一书中描述了英国在国家、地区和乡镇三个层面上的私家车保有量的建模以及预测情况。并且深入讨论了一些主要的社会―经济领域的相关变量，包括：收入水平、家庭结构、汽油价格以及促进形成因时间和地理而异的私家车拥有趋势的难易程度。 　　而后来的很多学者则专门研究收入水平与私家车拥有量的关系。比如，Marcos Chamon et.al在Mass Car Ownership in the Emerging Market Giants（2008）一文中得出结论：随着人们变得更富裕，汽车的使用会增加，全球的汽车数目将会由2005年的6亿增长到2050年的29亿。而M.J.H.Mogridge（1967）则打破之前研究二者线性关系的传统，在他的论文中使用函数计算在不同的收入水平下购买汽车的平均支出。TOyce M. Dargayet.al（1999）也曾对于动态交通需求模型的估计提出了基于面板数据的新方法，这也将会是本文主要探讨和借鉴的方法。除此之外，Gerard De Jong（2004）提出了对不同私家车保有量模型的比较，采用了一系列的标准，包括：是否考虑汽车市场供求、聚集程度和汽车使用情况，用于长期还是短期的预测，基于的理论背景如何，以及数据处理方法如何等等。 　　二、模型的建立 　　1.理论模型。基于之前研究结果，人均收入水平是很大的影响因素，但是如图1所示，二者并非线性关系，因此宜建立非线性模型。通过对数据的观察和对前人方法的总结，我们所用方法中的一个重点正是表明了人均收入在各省内部的分布是如何决定着私家车的拥有量。回顾1990-1997年Storchmann（2005）对90个国家面板数据的实证结果，他发现人均收入与贫富差距的交互项在其中起着很重要的作用，也就是说在不同收入水平下，贫富差距对因变量的影响是变化的，这也是我们模型的研究方向。此外，我们借鉴了Dollar and Kraay（2002）的方法：假设的重要变量是收入分布的自然对数，包括两个衡量变量分别是分布的均值：以人均GDP来表示；以及分布的方差：由于数据收集的限制以城乡收入差距来代替Gini系数表示（见Dollar and Kraay（2002）的理论，他们用Gini系数代表收入分布的方差。因为中国不同省区近20年的Gini系数没有公布数据，所以我们用城乡收入差距代替。）此外，我们还会加入其他因省而异的因子来增强模型的解释力度。其中，对收入和私家车保有量取对数后，已经十分接近线性，如图2所示。 　　2.变量选择与实际模型。 　　人均GDP和贫富差距（以城乡收入比来衡量）分别代表收入水平的均值和方差。前者的影响显然是正方向的，而后者的影响则是不确定的，需要我们进一步探究。这也是基于Dollar and Kraay（2002）的理论。然而，在中国要找到各省区的Gini系数几乎是不可能的，仅有的数据是个人独自计算出来的，不可信，所以我们决定用城乡收入之比来表示收入分布的方差（见章元、刘时菁等在经济研究（2011）中的应用），且我们模型中采用它倒数形式。（尽管此前的研究都是用inequality来表示城乡收入差距（比值），我们这是为了使变量更加适合模型，方便与其他变量比较采用equality来表示城乡收入比的倒数。其经济以及统计学意义是不变的。） 　　然后我们为增强模型的解释力又加入了其他重要的解释变量：我们有理由相信人均公路长度的