政府支出对居民消费的影响研究——基于空间动态面板模型的分析

邓光耀，李 霞，张忠杰

(1.兰州财经大学统计学院，甘肃 兰州 730020；2.上海财经大学公共经济与管理学院，上海 200433)



政府支出对居民消费的影响研究
——基于空间动态面板模型的分析

邓光耀1，李 霞2，张忠杰1

(1.兰州财经大学统计学院，甘肃 兰州 730020；2.上海财经大学公共经济与管理学院，上海 200433)

本文在居民消费效用最大化的理论背景下，结合统计年鉴相关数据，利用空间动态面板模型，研究了1997-2013年中国的政府支出对全体居民、城镇居民以及农村居民消费的影响。研究结果表明：居民消费存在显著的习惯效应，政府支出和居民收入增加会促进居民消费，各省份之间居民消费既可能存在相互促进的关系，也可能存在相互竞争的关系。因此为了促进居民消费，需要适当地保持较好的消费习惯，改变不良的消费习惯，注意省份之间的密切合作，现阶段可以增加政府支出，来刺激居民消费，特别是农村居民消费，另外还需要提高城镇居民可支配收入和农村居民纯收入。

空间相关；政府支出；居民消费

一、引 言

政府支出对居民消费的影响究竟存在挤入效应(正向影响)还是挤出效应(负向影响)，不同的研究者存在不同的看法。(1)一些研究者指出政府支出对居民消费存在挤出效应。Bailey(1971)[1]最早进行了政府支出对居民消费影响的研究，认为政府支出与居民消费存在一定的替代性；Barro(1981)[2]进一步拓展了Bailey(1971)的研究，理论和实证研究表明政府支出对居民消费存在挤出效应；Ho(2001)[3]利用OECD(Organization for Economic Cooperation and Development)国家的数据的研究表明政府支出和居民消费也存在替代关系；蔡伟贤等(2011)[4]的研究结果表明中国的政府支出对居民消费存在挤出效应；方福前和孙文凯(2014)[5]也指出中国政府消费对居民消费和社会总消费存在一定的挤出效应。(2)还有研究者指出政府支出对居民消费存在挤入效应。Karras(1994)[6]指出政府支出的增加将提高居民消费的边际效用水平，从而促进居民消费；李树培和白战伟(2009)[7]利用时变参数模型，研究了改革开放以来中国政府支出对居民消费的影响，指出政府支出对居民消费一直都存在着促进效应，对城市居民消费的促进效应强于对农村消费的促进效应，且两者差距还在不断扩大；胡永刚和郭新强(2012)[8]指出中国居民消费与政府生产性支出表现出稳健的正相关关系；(3)还有研究者指出政府支出对居民消费的影响可能存在挤入效应，也可能存在挤出效应。谢建国和陈漓高(2002)[9]认为在短期内，中国政府可能通过增加政府支出的方式增加总需求，但在长期均衡时政府支出完全挤占了消费支出。虽然已经有较多的文献对政府支出对居民消费的影响进行了研究，但是研究结论并不一致，并且也未考虑中国各省居民消费的习惯效应和空间相关性。

中国各省居民消费会存在习惯效应和空间相关性。Duesenberry(1949)[10]认为居民消费受到其过去的消费水平及其周围人群的消费的影响，即居民消费存在“棘轮效应”和“示范效应”；国内对中国居民消费的习惯效应也做了大量的实证研究[11][12]。由于中国邻近省份的消费习惯更为接近，经济交流也更为密切，因此众多的研究者在研究居民消费时还考虑中国各省居民消费的空间相关性13][14]。

与以上文献不同的是，本文在考虑中国各省居民消费的习惯效应和空间相关性的情况下，研究政府支出对居民消费的影响。本文接下来的安排如下：第二部分是模型构建与估计方法，第三部分是实证分析，第四部分是结论与启示。

二、模型构建与估计方法

(一)模型构建

假定居民的效应函数为常数相对风险厌恶效用函数(CRRA)：

(1)

(2)

其中，α为人均居民消费支出和政府支出之间的关系乘数。公式(2)假定了居民消费支出和政府支出具有完全替代性，谢建国和陈漓高(2002)[9]认为，居民消费支出和政府支出存在不完全替代性，即公式(2)可以改写为：

(3)

居民消费效用最大化及约束条件如下：

s.t.At+1=(1+r)(At+Yt-Ct-Gt)

(4)

其中，E0为基于第0期的期望，β为贴现因子，At+1为第t+1期期初的金融资产，r为利率，Yt为第t期的居民收入。参考Ho(2001)[3]、谢建国和陈漓高(2002)[9]，利用拉格朗日乘数法，可以求解带约束条件的居民消费效用最大化问题，即：

(5)

(6)

E0[β(1+r)λt+1]=λt

(7)

根据公式(6)可得：

(8)

公式(8)代入公式(7)，化简可得：

(9)

其中，ut为随机扰动项*为了去掉公式(7)中的期望，引入了均值为0的随机扰动项。。需要注意的是，公式(9)中没有考虑居民的人均可支配收入(城镇居民)或者人均纯收入(农村居民)对消费的影响，但是实际上居民收入是影响居民消费的重要因素，因此本文引入代表人均可支配收入或者人均纯收入的变量Yd。另外，已有研究表明[10][15][13][14]，各省居民消费会受到上一期消费的影响(存在习惯效应)，也会受到邻近省份消费的影响(可能存在正向的示范效应，也可以存在负向的竞争关系)。综合以上各因素，可得：

(10)

其中，δ、τ分别为居民消费的空间滞后项系数和时空滞后项系数，η1和η2是对应变量的回归系数，下标i代表不同的省份，W为空间权重矩阵，本文取标准化的0-1权重矩阵。如果回归系数η1>0，表明政府支出会挤入居民消费，如果回归系数η1<0，表明政府支出会挤出居民消费。参考Elhorst(2014)[16]，公式(10)所对应的计量模型实际上是空间动态面板模型(Spatial Dynamic Panel Data Model)。作为对比，本文还考虑以下形式的回归模型：

(11)

(12)

(13)

其中，公式(11)是Ho(2001)[3]、谢建国和陈漓高(2002)[9]所采用的静态面板模型，公式(12)则为动态面板模型，公式(13)是空间静态面板模型。

(二)估计方法

Elhorst(2014)[16]对空间面板模型的估计方法进行了系统的总结，类似于普通的面板模型，空间面板模型也分为静态和动态两种类型，估计方法也有一定的区别。目前对空间静态面板模型的估计方法主要有两种：一是极大似然法(MLE)(Elhorst，2003)[17]，二是广义矩法(GMM)(Kapoor等，2007)[18]，本文采用极大似然法来估计空间静态面板模型。对于空间动态面板模型，本文参考Yu等(2008)[19]，采用拟极大似然法来估计。

公式(10)所示的空间动态面板模型的估计方法如下：

记SN=SN(δ)=IN-δWN，λ=(γ,τ,η′)′，θ=(λ′,δ,σ2)′，ξ=(λ′,δ,u′)′，则公式(10)的极大似然函数为：

(14)

三、实证分析

(一)数据来源及描述性统计量

由于统计年鉴中缺乏全体居民的人均收入情况，本文用人均GDP来度量全体居民的人均收入情况。本文中居民消费和收入数据、政府支出(财政支出)数据均来自于对应年度的《中国统计年鉴》。考虑到数据的可比性，本文中涉及到价格的数据均以1997年为基期进行平减处理。在空间权重矩阵的设置中，本文假定海南省与广东省和广西省相邻。另外，限于数据的可得性，本文不考虑西藏和港澳台地区，只考虑中国其他30个省份1997-2013年的政府支出与居民消费之间的关系。

表1是本文中所采用的各变量的描述性统计量。

表1 变量的描述性统计量(对数值)

注：全体居民、城镇居民和农村居民的人均财政支出对应的数据是一样的，因此描述性统计量也是一样；各变量取对数之前的单位均为元。

(二)空间相关性检验

Moran I检验是检验空间相关性存在与否的最常用方法。本文参考Moran(1950)[20]、Cliff和Ord(1972)[21]等文献所提出的方法对全体居民(城镇居民、农村居民)人均消费量的空间相关性进行Moran I检验，具体结果如表2所示。

表2 Moran I检验结果

注:列出的是Moran I指数值，采用的是双边检验；“*** ”、“** ”、“* ”分别表示P=0.01、0.05、0.1的显著性水平。

从表2可以看到：(1)从Moran I指数值的大小来说，在1997-2013年，中国30个省份农村居民人均消费量所对应的Moran I指数值最大，全体居民次之，城镇居民最小，这说明在1997-2013年，中国30个省份农村居民人均消费量的空间相关性比全体居民和城镇居民所对应的值更大。(2)从Moran I指数值的显著性来说，除城镇居民外，在1997-2013年，全体居民和农村居民人均消费量所对应的Moran I指数值均在P=0.01的显著性水平下显著。另外，即使是城镇居民，在1997-2013年期间，其人均消费量也在P=0.1的显著性水平下显著。这说明在1997-2013年，中国30个省份的全体居民、城镇居民和农村居民人均消费量均存在显著的空间相关性，因此在研究政府支出对居民消费的影响时，考虑空间相关性是必要的。

(三)Moran I散点图

Moran I散点图中横坐标代表所考虑的变量Y(全体居民、城镇居民和农村居民人均消费量)，纵坐标代表变量的空间滞后项WY。Moran I散点图用来说明一个地区与邻近地区的关系。本文以2013年为例，画出全体居民、城镇居民和农村居民人均消消费量的Moran I散点图，如图1-图3所示。

图1 2013年人均消费量的Moran I散点图(标准化的数据)

在图1中，北京、天津、上海、江苏、浙江和福建等省份处于第一象限(HH)，表明这些省份2013年全体居民的人均消费量比较高，并且数据有正的自相关性，也就是说这些高消费量省份的邻近省份消费量也很高。河北、吉林、黑龙江、安徽、江西和海南等省份处于第二象限(LH)，表明这些省份2013年全体居民的人均消费量比较低，并且数据有负的自相关性，也就是说这些低消费量的省份的邻近省份消费量较高。山西、河南、湖北、湖南、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆等省份处于第三象限(LL)，表明这些省份2013年全体居民的人均消费量比较低，并且数据具有正的自相关性，也就是说这些低消费量省份的邻近省份消费量也很低。内蒙古、辽宁、山东、广东和重庆等省份处于第四象限(HL)，表明这些省份2013年全体居民的人均消费量比较高，并且数据有负的自相关性，也就是说这些高消费量省份的邻近省份消费量比较低。

在图2中，北京、天津、上海、江苏、浙江和福建等省份处于第一象限(HH)，表明这些省份2013年城镇居民的人均消费量比较高，并且数据有正的自相关性，也就是说这些高消费量省份的邻近省份消费量也很高。河北、吉林、黑龙江、安徽、江西和海南等省份处于第二象限(LH)，表明这些省份2013年城镇居民的人均消费量比较低，并且数据有负的自相关性，也就是说这些低消费量的省份的邻近省份消费量较高。山西、河南、湖北、湖南、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆等省份处于第三象限(LL)，表明这些省份2013年城镇居民的人均消费量比较低，并且数据具有正的自相关性，也就是说这些低消费量省份的邻近省份消费量也很低。内蒙古、辽宁、山东、广东和重庆等省份处于第四象限(HL)，表明这些省份2013年城镇居民的人均消费量比较高，并且数据有负的自相关性，也就是说这些高消费量省份的邻近省份消费量比较低。比较图1和图2的结果，各省份全体居民和城镇居民人均消费量所处的象限完全一样。

在图3中，北京、天津、上海、江苏、浙江和福建等省份处于第一象限(HH)，表明这些省份2013年农村居民的人均消费量比较高，并且数据有正的自相关性，也就是说这些高消费量省份的邻近省份消费量也很高。河北、吉林、黑龙江、安徽和江西等省份处于第二象限(LH)，表明这些省份2013年农村居民的人均消费量比较低，并且数据有负的自相关性，也就是说这些低消费量的省份的邻近省份消费量较高。山西、内蒙古、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏和新疆等省份处于第三象限(LL)，表明这些省份2013年农村居民的人均消费量比较低，并且数据具有正的自相关性，也就是说这些低消费量省份的邻近省份消费量也很低。辽宁、山东和广东等省份处于第四象限(HL)，表明这些省份2013年农村居民的人均消费量比较高，并且数据有负的自相关性，也就是说这些高消费量省份的邻近省份消费量比较低。

(四)全体居民的回归结果分析

根据第二部分的估计方法，本文采用极大似然法来估计空间静态面板模型，采用拟极大似然法来估计空间动态面板模型。本文首先以全体居民的人均消费情况为研究对象，估计公式(10)-(13)所对应的实证模型，估计结果如表3所示。

1.静态模型

根据Pace和Lesage(2008)[22]、Multi和Pfaffermayr(2011)[23]的研究，普通的Hausman检验对判定空间情况下的固定效应与随机效应失效，正确的做法是做空间Hausman检验，因此本文在考虑空间相关时的模型中，采用空间Hausman检验。根据Hausman检验结果，无论是未考虑空间相关的普通静态面板模型，还是考虑空间相关的空间静态面板模型，与随机效应相比，考虑固定效应的回归结果更好。未考虑空间相关时的模型即公式(10)所对应的回归模型，也就是Ho(2001)[3]、谢建国和陈漓高(2002)[9]中的实证模型，根据回归系数η1显著为负，可以判定政府支出对全体居民的消费存在挤出效应，根据回归系数η2显著为正，可知人均GDP对全体居民的人均消费支出存在正向影响，这与人均收入越高，人均消费支出越高的理论是吻合的。公式(11)所对应的空间静态面板模型的回归结果与普通的静态面板模型的回归结果基本一致，同样说明了政府支出对全体居民的消费存在挤出效应，人均GDP对全体居民的人均消费支出存在正向影响。

表3 全体居民的回归结果

注：静态面板模型列出的是个体和时间双向固定效应的回归结果；括号内对应的是t统计量或者z统计量的值，“*** ”、“** ”、“* ”分别表示P=0.01、0.05、0.1的显著性水平。下同。

2.动态模型

对于普通的动态面板模型，残差的一阶与二阶自相关检验表明存在一阶自相关，但是不存在二阶自相关，Sargan检验表明所有工具变量均有效，因此系统GMM估计结果是可信的；根据时间滞后项系数γ显著为正可知，居民消费存在显著的习惯效应，即前一期消费对当期的消费存在显著的正向影响；由于回归系数η1为负，但是不显著，可以认为在考虑居民消费的习惯效应后，政府支出对全体居民的消费存在挤出效应，但是不显著；根据回归系数η2显著为正可知，人均GDP对全体居民的人均消费支出存在正向影响。对于空间动态面板模型，时间滞后项系数γ显著为正，空间滞后项系数δ显著为正，时空滞后项系数τ显著为负，这说明中国1997-2013年30个省份全体居民人均消费的习惯效应、空间相关性均是存在的，不过，空间滞后项系数δ显著为正、时空滞后项系数τ显著为负，这说明各省之间的居民消费即存在相互促进的关系，也存在相互竞争的关系；虽然回归系数η1不显著，但是在考虑居民消费的习惯效应和空间相关性之后，已经是正值，这说明政府支出对居民消费也可能存在挤入效应；根据回归系数η2显著为正可知，在考虑居民消费的习惯效应和空间相关性之后，人均GDP对全体居民的人均消费支出仍存在正向影响。

(五)城镇和农村居民的回归结果分析

类似于全体居民的回归模型的估计方法，在研究政府支出对城镇和农村居民消费的影响时，仍采用极大似然法来估计空间静态面板模型，采用拟极大似然法来估计空间动态面板模型，估计结如表4和表5所示：

表4 城镇居民的回归结果

表5 农村居民的回归结果

1.静态模型

根据Huasman检验结果，对城镇居民和农村居民来说，无论是未考虑空间相关的普通静态面板模型，还是考虑空间相关的空间静态面板模型，与随机效应相比，考虑固定效应的回归结果更好。根据回归系数η1显著为正，可知对城镇居民和农村居民来说，无论是未考虑空间相关的普通静态面板模型，还是考虑空间相关的空间静态面板模型，在考虑双向固定效应时，政府支出对居民消费存在挤入效应，另外，与城镇居民相比，政府支出对农村居民消费的挤入效应更大，这可能是由于政府支出有很大一部分用于补贴农村居民消费。根据回归系数η2显著为正，可知城镇居民可支配收入的增加对城镇居民消费存在促进作用，农村居民纯收入的增加也会提升农村居民的消费。

2.动态模型

根据表4和表5中的结果，对城镇居民和农村居民来说，对普通的动态面板模型，残差的自相关检验表明存在一阶自相关，但是不存在二阶自相关，Sargan检验表明所有工具变量均有效，因此系统GMM估计结果是可信的；时间滞后项系数γ显著为正，表明城镇或者农村居民消费存在显著的习惯效应；对城镇居民来说，回归系数η1为正，但是不显著，这说明政府支出对城镇居民消费存在挤入效应，对农村居民来说，回归系数η1显著为正，这说明政府支出对农村居民消费也存在挤入效应，即促进了农村居民消费；对城镇和农村居民来说，回归系数η2均显著为正，这与收入增加，消费支出增加的理论是相符的。根据空间动态面板模型的估计结果，城镇和农村居民消费均存在显著的习惯效应(时间滞后项系数γ显著为正)，政府支出和居民收入增加会促进居民消费(回归系数η1和η2显著为正)，各省份之间居民消费既存在相互促进的关系(空间滞后项系数δ为正)，也可能存在相互竞争的关系(时空滞后项系数τ显著为负)。

四、结论与启示

本文在居民消费效用最大化的理论背景下，结合统计年鉴相关数据，利用空间动态面板模型，研究了1997-2013年中国的政府支出对全体居民、城镇居民以及农村居民消费的影响。研究结果表明：居民消费存在显著的习惯效应，政府支出和居民收入增加会促进居民消费，各省份之间居民消费既存在相互促进的关系，也可能存在相互竞争的关系。

根据以上研究结果，可得到以下政策启示：(1)由于居民消费存在显著的习惯效应，因此为了促进居民消费，适当地保持较好的消费习惯，改变不良的消费习惯是必要的；(2)各省份之间居民消费既可能存在相互促进的关系，也可能存在相互竞争的关系，因此为了提高居民消费，需要注意省份之间的密切合作；(3)现阶段政府支出对居民消费存在挤入效应，会促进居民消费，因此现阶段可以增加政府支出，尤其是对居民的转移支付来刺激居民消费，特别是农村居民消费；(4)由于居民收入的提升会促进居民消费，因此努力发展经济，提高城镇居民可支配收入和农村居民的纯收入，也是增加中国居民消费的重要途径。

[1]Bailey M. J. National Income and Price Level [M]. Mcgraw-Hill, New York, 1971.

[2]Barro R. J. Output effects of government purchases [J]. Journal of Political Economy, 1981, 89(6): 1086-1121.

[3]Ho T. W. The government spending and private consumption: A panel cointegration analysis [J]. International Review of Economics & Finance, 2001, 10(1): 95-108.

[4]蔡伟贤, 蔚建国, 郭连珠. 政府公共支出对居民消费需求的影响研究[J]. 财政研究, 2011, (6): 26-29.

[5]方福前, 孙文凯. 政府支出结构、居民消费与社会总消费——基于中国2007-2012年省级面板数据分析[J]. 经济学家, 2014, (10): 35-44.

[6]Karras G. Government spending and private consumption: Some international evidence [J]. Journal of Money Credit & Banking, 1994, 26(1): 9-22.

[7]李树培,白战伟.改革开放三十年政府支出与居民消费关系的动态演变——基于时变参数模型的考察[J].财经科学,2009,(9):49-57.

[8]胡永刚,郭新强.内生增长、政府生产性支出与中国居民消费[J].经济研究,2012,(9):57-71.

[9]谢建国,陈漓高.政府支出与居民消费——一个基于跨期替代模型的中国经验分析[J].当代经济科学,2002,(6):34-40.

[10]Duesenberry J. S. Income, Saving and the Theory of Consumer Behavior [M]. Harvard University Press, 1949.

[11]娄峰,李雪松.中国城镇居民消费需求的动态实证分析[J].中国社会科学,2009,(3):109-115.

[12]杭斌.城镇居民的平均消费倾向为何持续下降——基于消费习惯形成的实证分析[J].数量经济技术经济研究,2010,(6):126-138.

[13]吴玉鸣,陈志建.居民消费水平的空间相关性与地区收敛分析[J].世界经济文汇,2010,(5):76-89.

[14]刘红梅,邓光耀,王克强.中国农产品虚拟水消费的影响因素分析——基于省级数据的动态空间面板STIRPAT模型[J].中国农村经济,2013,(8):15-28.

[15]Dynan K. E. Habit formation in consumer preferences: Evidence from panel data [J]. The American Economic Review, 2000, 90 (3): 391-406.

[16]Elhorst J. P. Spatial panel data models In Handbook of Applied Spatial Analysis Econometrics [M]. Springer Berlin Heidelberg, 2014.

[17]Elhorst J. P. Specification and estimation of spatial panel data models [J]. International Regional Science Review, 2003, 26(3): 244-268.

[18]Kapoor M., Kelejian H. H., Prucha I. R. Panel data models with spatially correlated error components [J]. Journal of Econometrics, 2007, 140(1): 97-130.

[19]Yu J. H., Jong R. D., Lee L. F. Qusasi-maximum likelihood estimators for spatial dynamic panel data with fixed effects when both N and T are large [J]. Journal of Econometrics, 2008, 146(1): 118-134.

[20]Moran P. A. P. A test for the serial independence of residuals [J]. Biometrika, 1950, 37(1-2): 178-181.

[21]Cliff A D, Ord J K. Testing for spatial autocorrelation among regression residuals [J]. Geographical Analysis, 1972, 4(3): 267-284.

[22]Pace R K, Lesage J P. A spatial hausman test [J]. Economics Letters, 2008, 101(3): 282-284.

[23]Multi J, Pfaffermayr M. The hausman test in a Cliff and Ord panel model [J]. Econometrics Journal, 2011, 14(1): 48-76.

(责任编辑:风 云)

The Effects of Government Expenditure on Household Consumption——Based on Spatial Dynamic Panel Model Analysis

DENG Guang-yao1, LI Xia2, ZHANG Zhong-jie1

(1. School of Statistics, Lanzhou University of Finance and Economics, Lanzhou 730020, China; 2. School of Public Economics and Management, Shanghai University of Finance and Economics, Shanghai 200433, China)

Based on the theory of maximizing consumer utility, this paper uses the relevant data from the statistical yearbook in China and the space dynamic panel model to study the effects of government expenditures on all residents’, urban residents’ and rural residents’ consumption in 1997-2013. The results are as follows: There is a significant consumer habits effect; Increased government spending and income will promote household consumption; Residents’ consumption in different provinces may not only mutually promote, but also compete with each other. Therefore, in order to promote consumer spending, we need to properly maintain good spending habits, change bad spending habits and pay attention to the close cooperation among the provinces. At this stage we can increase government spending to stimulate consumption, especially rural residents’ consumption, and we also need to improve urban residents’ disposable income and the net income of rural residents.

spatial correlation; government expenditure; household consumption

2016-01-21

甘肃省高等学校科学研究项目(2015B-070)；甘肃省科技厅软科学项目(1504ZKCA013-9)

邓光耀(1985-)，男，湖南邵阳人，兰州财经大学统计学院讲师；李霞(1979-)，女，河南周口人，上海财经大学公共经济与管理学院博士生；张忠杰(1979-)，男，河南柘城人，兰州财经大学统计学院副教授。

F810.45

A

1004-4892(2016)06-0019-10