广东城镇居民消费水平的地区差异研究

王克林

（广东商学院 经济贸易与统计学院，广州 510320）

广东城镇居民消费水平的地区差异研究

王克林

（广东商学院 经济贸易与统计学院，广州 510320）

文章运用多阶模型方法研究了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。

消费水平差异；多阶模型；场景变量

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 （intercept-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：

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)。

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。

表1 2007年广东城镇住户调查各调查点样本量分布

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，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。

表2 消费水平地区差异估计结果

表3 模型2的固定效应参数估计结果

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。

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：

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，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。

[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:Applications and Data Analysis Methods(2ndEdition)[M].Newbury Park,CA:Sage.2002.

[8]Snijders,T.A.B.,Bosker,R.J.Modeled Variance in Two-level Models[J].Sociological Methods&Research,1994,(22).

F222

A

1002－6487（2010）21－0095-03

国家社科基金资助项目（09BJL005）

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。

（责任编辑/易永生）