中国城镇居民消费结构分析

中国城镇居民消费结构 1. 居民消费结构 消费结构分析主要是考察食品、衣着、家庭设备、医疗保健、交通、娱乐、居住和其他消费占总消费支出的比重关系。一个国家的居民消费结构与其收入水平、人口结构、自然资源、风俗文化、教育水平甚至社会等众多因素密切相关。这其中，收入水平对消费结构有着决定性的影响。一般来说，收入水平越低，食品等生活必需品所占比重越高，而娱乐等高档消费或奢侈品所占比重越低；收入水平越高，则刚好相反。 分析消费结构问通常有下列两种： （1）利用各类消费品支出占消费品总支出的比重关系来说明问题； （2）通过估计各类消费品支出的收入弹性来考察居民对各类消费品“想要消费”的程度，利用各类消费品支出的收入弹性结构来进行分析。 在本案例中，我们主要采取第二种方法。 2. 扩展线性支出系统模型 1954年英国计量经济学家Stone首先提出线性支出系统（LES）用以描述消费者对各种消费品的需求规律，随后美国经济学家Luch于1973年对其进行了扩展，并最终形成扩展线性支出系统(Extend Linear Expenditure System, ELES)。目前，ELES是经济学界研究居民消费的最重要工具之一。 该系统假定某一时期人们对各种商品(服务)的需求量取决于人们的收入和各种商品的价格,而且人们对各种商品的需求分为基本需求和超过基本需求之外的需求两部分,并且认为基本需求与收入水平无关,居民在基本需求得到满足之后才将剩余收入按照某种边际消费倾向安排各种非基本消费支出。扩展线性支出系统的模型为 i=1,2,3,…n (1) 式（1）中Pi为第i种商品的价格，Vi为消费者对第i种商品的消费支出，Y表示居民实际收入，Xi为消费者对第i种商品的基本需求量，PiXi是对第i种商品的基本需求支出， 表示满足基本消费需求后剩下的收入 对第i种商品的边际消费倾向或投向需求系数，它应该满足0< <1， <1。 对于横截面数据，价格Pi在同一时点上是不变的，又因为模型假定对第i种商品的基本需求与消费者收入水平无关，因此式(1)中的 是一项只与i有关的常数，设为 。即： (2) 则模型(1)可化简为：　　　　　　　　　　　　　　　　 (3) 将(3)式改写为计量模型形式： (4) 其中，i表示第i种商品，j表示第j个（类）消费者。用最小二乘法可求出(4)式中参数 和 的估计值。然后利用 和 的估计值可以求得商品i的基本需求支出PiXi： (5) 同时可求出对商品i需求的收入弹性： (6) 3.模型回归 从《中国统计年鉴》获得我国31个省、自治区、直辖市2003年城镇居民家庭消费性支出和可支配收入数据。由于城市住户调查将城镇居民家庭消费性支出分为食品（food）、衣着（cloth）、家庭设备用品及服务（equip）、医疗保健（med）、交通通讯（tran）、娱乐教育文化服务（edu）、居住（housing）、杂项商品与服务（service）八种类型，因而在回归模型中，i=1，2，……8，j＝1，……31。 考虑到横截面数据可能带来的异方差问题，在回归中，我们一致采用怀特异方差相一致的差（White Heteroskedasticity-Consistent Standard Errors）。结果见下表： Dependent Variable: FOOD Variable Coefficient Std. Error t-Statistic Prob. C 257.6396 138.6209 1.858591 0.0733 YD 0.259649 0.015949 16.28029 0.0000 R-squared 0.816284 Mean dependent var 2411.382 Adjusted R-squared 0.809948 S.D. dependent var 660.3453 S.E. of regression 287.8768 Akaike info criterion 14.22528 Sum squared resid 2403319. Schwarz criterion 14.31780 Log likelihood -218.4919 F-statistic 128.8519 Durbin-Watson stat 1.417727 Prob(F-statistic) 0.000000 Dependent Variable: CLOTH Variable Coefficient Std. Error t-Statistic Prob. C 449.4065 74.75719 6.011549 0.0000 YD 0.023522 0.008744 2.690037 0.0117 R-squared 0.118937 Mean dependent var 644.5132 Adjusted R-squared 0.088556 S.D. dependent var 156.7151 S.E. of regression 149.6152 Akaike info criterion 12.91635 Sum squared resid 649156.6 Schwarz criterion 13.00887 Log likelihood -198.2034 F-statistic 3.914801 Durbin-Watson stat 1.735987 Prob(F-statistic) 0.057430 Dependent Variable: EQUIP Variable Coefficient Std. Error t-Statistic Prob. C -56.26597 34.03287 -1.653283 0.1091 YD 0.054561 0.003705 14.72528 0.0000 R-squared 0.844120 Mean dependent var 396.3106 Adjusted R-squared 0.838745 S.D. dependent var 136.4544 S.E. of regression 54.79537 Akaike info criterion 10.90743 Sum squared resid 87073.43 Schwarz criterion 10.99994 Log likelihood -167.0652 F-statistic 157.0411 Durbin-Watson stat 1.282697 Prob(F-statistic) 0.000000 Dependent Variable: MED Variable Coefficient Std. Error t-Statistic Prob. C 84.79658 99.10852 0.855593 0.3992 YD 0.046181 0.012955 3.564749 0.0013 R-squared 0.512499 Mean dependent var 467.8594 Adjusted R-squared 0.495689 S.D. dependent var 148.2248 S.E. of regression 105.2616 Akaike info criterion 12.21312 Sum squared resid 321320.4 Schwarz criterion 12.30563 Log likelihood -187.3033 F-statistic 30.48712 Durbin-Watson stat 1.390077 Prob(F-statistic) 0.000006 Dependent Variable: TRAN Variable Coefficient Std. Error t-Statistic Prob. C -240.0378 117.8246 -2.037246 0.0508 YD 0.115765 0.015868 7.295395 0.0000 R-squared 0.816870 Mean dependent var 720.2119 Adjusted R-squared 0.810555 S.D. dependent var 294.3104 S.E. of regression 128.0995 Akaike info criterion 12.60583 Sum squared resid 475874.7 Schwarz criterion 12.69835 Log likelihood -193.3904 F-statistic 129.3572 Durbin-Watson stat 1.639677 Prob(F-statistic) 0.000000 Dependent Variable: EDU Variable Coefficient Std. Error t-Statistic Prob. C -241.8829 96.74287 -2.500266 0.0183 YD 0.137558 0.012286 11.19623 0.0000 R-squared 0.849375 Mean dependent var 899.1374 Adjusted R-squared 0.844181 S.D. dependent var 342.9585 S.E. of regression 135.3793 Akaike info criterion 12.71638 Sum squared resid 531498.9 Schwarz criterion 12.80889 Log likelihood -195.1039 F-statistic 163.5307 Durbin-Watson stat 1.803172 Prob(F-statistic) 0.000000 Dependent Variable: HOUSING Variable Coefficient Std. Error t-Statistic Prob. C -8.423337 77.64261 -0.108489 0.9144 YD 0.082333 0.010374 7.936216 0.0000 R-squared 0.755060 Mean dependent var 674.5129 Adjusted R-squared 0.746613 S.D. dependent var 217.7145 S.E. of regression 109.5920 Akaike info criterion 12.29375 Sum squared resid 348302.1 Schwarz criterion 12.38626 Log likelihood -188.5531 F-statistic 89.39620 Durbin-Watson stat 1.678722 Prob(F-statistic) 0.000000 Dependent Variable: SERVICE Variable Coefficient Std. Error t-Statistic Prob. C -6.650858 17.04755 -0.390136 0.6993 YD 0.027239 0.001853 14.70241 0.0000 R-squared 0.744132 Mean dependent var 219.2932 Adjusted R-squared 0.735309 S.D. dependent var 72.55605 S.E. of regression 37.32871 Akaike info criterion 10.13974 Sum squared resid 40409.54 Schwarz criterion 10.23226 Log likelihood -155.1660 F-statistic 84.33985 Durbin-Watson stat 1.663964 Prob(F-statistic) 0.000000 4 .结果分析 利用上述回归结果可以计算各种商品的收入弹性： 公式中的Y和Vi我们用它们的样本均值来代替。 商品 收入弹性 食品（food） 0.893156 衣着（cloth） 0.302726 家庭设备（equip） 1.141966 医疗保健（med） 0.818757 交通通讯（tran） 1.333287 娱乐文教（edu） 1.269014 居住（housing） 1.012489 杂项（service） 1.030321 从上述结果我们可以看出：食品、衣着及医疗保健的收入弹性显著小于1；居住、杂项的收入弹性接近于1；家庭设备、交通通讯及娱乐文教的收入弹性大于1。因此，食品、衣着及医疗保健是必需品，它们的消费需求受可支配收入的影响比较小；家庭设备、交通通讯及娱乐文教是奢侈品，它们的消费需求受可支配收入的影响比较大；居住、杂项的情况介于两者之间。 5.进一步思考的问题 如果利用改革初期的数据分析中国城镇居民消费结构会和2003年的结果一致吗？ 能否利用纵列数据研究中国城镇居民消费结构？ 中国城镇居民消费结构与发达国家比较起来有何异同？