我国居民消费水平与区域经济增长的实证研究——基于东部地区的面板数据分析

暨南大学产业经济研究院 郗笃鹏

经济增长不仅真实地反映了国民经济的运行状况，还体现着国家的经济发展水平。居民消费水平除了反映了居民的购买力水平，还反映了经济发展走势，为国家制定消费、价格、工资、货币政策及进行国民经济核算提供依据。研究数据显示居民消费增长是改革开放以来我国总需求增长最主要、最稳定和最安全的推动力，消费增量占经济增量的比重一般在60%左右波动，处于主导地位，因此研究居民消费水平对我国区域经济增长的关系具有十分重要的现实意义与理论意义。

1 文献综述

目前文献中关于居民消费和区域经济增长的研究都仅限于对时间序列进行分析，反映国家的总体经济情况和人民消费水平。比如对全国国内生产总值指数时间序列数据进行ADF单位根检验，序列不存在单位根，是平稳的；而对全国居民消费价格指数时间序列数据检验，在5%显著性水平下序列存在单位根，是非平稳的。一个平稳序列与一个非平稳序列间是不可能存在协整关系的，所以在该模型中，国内生产总值指数和居民消费价格指数不存在协整关系。我国各地区发展水平不平衡，改革开放力度不一致，各地区间的经济水平和居民消费情况明显存在很大差异。按照宏观经济理论，经济增长和居民消费在一定时期内应存在一种共同的变化趋势与均衡关系。影响检验结果与实际不一致的原因是由于时间序列分析的低势问题，即样本信息量不足。

面板数据分析是近几十年发展起来的新的计量方法，能更多地挖掘样本信息量，很好地体现时空间的统计特性。因此本文采用面板数据的单位根检验和协整检验研究居民消费水平和区域经济增长之间的关系，该模型的具有有点如下:首先，面板数据分析能克服时间序列数据的缺陷；其次，面板单位根检验能够克服短期数据的缺陷和小样本造成的影响；最后，面板协整检验比传统方法增加了自由度，完全修正普通最小二乘法，也能够修正由于内生和回归关联导致的标准OLS偏差。

2 研究方法与指标数据说明

2.1 研究方法

Engle和Granger指出，变量间协整的前提是各变量是同阶单整。因此在进行面板数据协整检验前，首先要对面板数据进行单位根检验。从而确定二者之间的关系。下面分别介绍本研究所用的面板单位根检验、协整检验等方法。

2.1.1 面板单位根检验

所谓面板单位根检验是指将面板数据中的变量各横截面序列作为一个整体进行单位根检验，由于面板数据的单位根检验到目前为止还没有完全统一，为了检验的稳健性，本文采用了五种单位根检验方法，主要有LLC检验、Breitung检验、IPS检验、Fisher检验和Hadri检验。

2.1.2 面板协整检验

迄今在面板数据中关于协整的检验，主要有两种途径:一种是原假设为不存在协整关系，使用类似Engle和Granger(1987)平稳回归方程，从面板数据中得到残差构造统计量进行检验，如Pedroni(1999)、Kao(1999)就属于类似的分析；另一种是原假设存在协整关系的，如McCoskey和Kao(1998)中的LM检验。面板协整方程估计方法即完全修正普通最小二乘法估计(FMOLS ESITMATE)。在得出变量之间具有协整关系后，如果直接用OLS来估计参数则是有偏的，因此有必要对其进行修正。

本文将应用Pedroni(1999)中提出的面板协整的方法来分析中国东部地区的居民消费水平与区域经济增长是否存在协整关系，选用PCSEOLS估计方法。

2.2 指标数据说明

对居民消费和经济增长进行定量分析时，根据其经济含义和统计特性，选用反映经济增长情况的数据选用国内生产总值指数GDPI和反映居民消费水平的数据选用居民消费价格指数CPI。

本文选取我国东部l0个省市自治区、直辖市的国内生产总值指数GDPI与居民消费价格指数CPI为研究对象，研究他们之间的面板协整关系，这l0个地区包括:北京、天津、辽宁、山东、上海、江苏、浙江、福建、广东和海南。数据样本区间为1990～2010年共20年的数据，数据来源于《中国统计年鉴》。为平稳的。

表1 东部地区GDPI和CPI水平值及一阶差分面板单位根检验结果

3 实证结果及分析

3.1 面板数据单位根检验

我们用前文所提到的五种方法对经济增长GDPI和居民生活消费CPI的水平值及其一阶差分进行单位根检验，检验结果由表1知，在5%的显著性水平下，当对GDPI和CPI的面板数据进行单位根检验时，除Breitung检验外，LLC检验、IPS检验、Fisher-ADF与Fisher-PP检验，无论是检验回归式中包括常数项还是同时包括常数项和趋势项，检验结果都表明强烈拒绝“存在单位根”的零假设；而Hadri检验对GDPI和CPI的包含常数项的回归式检验时接受零假设“不存在单位根”，即为平稳的，对同时包括常数项和趋势项的回归式检验时拒绝原假设，即为不平稳的。由此，综合地判定GDPI和CPI面板数据为零阶协整的。由于面板数据的不稳定性，应用最小二乘法可能导致伪回归，所以必须要分析相关变量的协整关系，进而分析理论模型的长期关系。

3.2 面板协整检验

检验二者同阶单整后，本文接着进行面板协整检验。其中除Panel v-stat为右尾检验之外，其余的统计量均为左尾检验；对于大于100的样本来说，所有的7个统计量的检验效力都很好并且很稳定。但是对于小样本(T<20)来说，Group ADF统计量是最有效力的，接下来是Panel-V统计量和Panel-Rho统计量，本文研究的是小样本数据，因此主要看这三个统计量。

通过本文的协整结果，可以看出东部地区的这三个统计量在5%的显著性水平下拒绝“不存在协整关系”的原假设。由此可知，东部地区GDPI和CPI存在长期均衡关系。

3.3 回归模型的确定

3.3.1 确定回归模型影响形式

面板数据回归模型影响形式有两种:固定效应模型和随机效应模型。本文利用Hausman检验方法确定模型的具体形式。经过检验，东部地区模型的Hausman统计量是0.008，P值是0.926大于0.05，接受原假设，即选取随机效应模型。

3.3.2 确定回归模型形式

(2)根据F检验确定上述三种形式。首先，确定模型形式的F检验。原假设:两个如下:

判定规则:接受假设 H2 则为不变参数模型(模型三)，检验结束。拒绝假设H2，则检验假设H1。如接受H1，则模型为变截距模型(模型二)。

其次，假设检验的 F 统计量的计算方法。第一，构建变参数模型得残差平方和S1 并考虑其自由度；第二，构建变截距模型得残差平方和S2并考虑其自由度；第三，构建不变参数模型得残差平方和S3并考虑其自由度。计算 F2 统计量与F1统计量:

获得S1，S2，S3后手工计算F2，F1，并查找临界值做出判定。

3.3.3 计算结果

根据公式计算F统计量，其中N=10、k=1、T=17，计算得到的两个F统计量分别为:

F2=2.69；F1=3.3394。查F分布表，在给定5%的显著性水平下，得到相应的临界值为:

Fa2(22,180)=1.47,Fa1(11,180)=1.78。由于 F2>1.47，所以拒绝H2；又由于 F1>1.78，所以也拒绝H1。因此，本文的模型应采用变系数的形式。

3.4 回归结果

表3 东部地区面板协整PCSEOLS估计结果

由PCSEOLS估计结果知，R2=0.955，说明模型拟合得很好；在5%的显著性水平下，CPI系数全部统计显著，故东部地区经济增长与居民消费水平之间存在长期稳定的协整关系。其中CPI的系数排前三的是:北京、上海和广东。北京市CPI每增长1个百分点，GDPI增长1.79个百分点。福建省CPI系数最低，为0.798。说明居民消费促进了我国的经济增长，而且是众多发展因素中重要的一个原因，其作用明显。

4 结语

本文应用面板数据回归分析模型，研究我国东部地区居民消费水平和区域经济增长的关系，研究发现二者存在长期协整关系，说明居民消费情况对经济增长具有持续的影响作用，且经济增长的幅度会一直随着消费的水平高低而变化。同时近几年国内提出的“扩大消费，促进经济增长”的政策，也彰显了居民消费在促使经济增长上的持久影响，故今后地区在大力发展经济时，应注重增加居民的消费水平来有效促进地区经济增长。

[1]陈海燕,张世英.我国经济增长与居民消费的面板协整检验[J].统计观察,2006.

[2]李全喜,金凤花等.区域物流能力与区域经济发展的典型相关分析-基于全国面板数据[J].软科学,2010.

[3]魏峰,曹中.我国服务业发展与经济增长的因果关系研究-基于基于东、中、西部面板数据的实证研究[J].统计研究,2007.