省域城镇居民消费的空间效应研究——基于空间面板数据模型

（上海师范大学 商学院，上海 200234）

省域城镇居民消费的空间效应研究
——基于空间面板数据模型

刘伟伟

（上海师范大学 商学院，上海 200234）

居民消费一直是宏观经济研究的热点话题，本文考虑到居民消费的空间相关性，基于2002～2014年我国31个省、市的面板数据，构建空间面板数据模型分析省域城镇居民消费的空间效应。实证研究发现：城镇居民消费具有空间集聚的特征，对城镇居民收入和消费价格指数存在明显的空间依赖性；相邻省份间的城镇居民消费存在空间相关性。最后，在分析研究结论的基础上，提出拉动城镇居民消费的政策建议。

城镇居民消费；空间相关性；空间面板模型

一、引言

消费是拉动经济增长的动力之一，消费的提高不仅能拉动经济增长而且还能发挥提高投资水平和改善投资结构的作用。国家统计局相关数据显示2015年我国最终消费支出对GDP增长贡献率达到59.9%，拉动GDP增长4.1%。中国是发展中的大国，同时也是人口大国，拥有非常广阔的消费市场。经济和科技飞速发展的同时，居民的消费需求也随之不断增长，省域各种生产要素的流动越来越频繁，这提高了省域经济联系的密切程度，那么相邻省域居民消费水平必然会影响本省域的消费行为。本文将重点关注中国城镇居民消费，从空间角度实证分析省域城镇居民消费水平的空间相关性及其差异化特点。研究结果不仅有助于我们了解不同地区城镇居民消费的特征规律，还有利于管理者制定相应的政策措施推动经济发展和提升人民生活水平。本文将构建空间自回归模型和空间误差模型，运用MATLAB软件和Geoda软件对我国城镇居民消费问题进行研究分析，探索我国城镇居民消费的特征和影响因素。

二、理论分析与模型设定

1、空间相关性

图1 城镇居民消费情况空间分布

为了更直观了解城镇居民消费状况空间分布信息，使用地图对其分布状况进行展示，这里选择的消费指标为城镇居民人均消费（单位：元）。以2014年数据为例，将中国大陆31个省、市、自治区根据居民消费数据分为8组，按自然断点分割构造的城镇居民消费水平的空间分布图如图1所示。由图1可以看出，一些相邻省市城镇居民消费水平比较接近，上海市、江苏省、浙江省以及广东省等东部发达省市的居民消费水平普遍较高，新疆、西藏等西部地区的城镇居民消费水平相对较低，中部地区中既包含有较高消费水平的省市也包含有较低消费水平的省市。

全域空间自相关检验是基于区域空间的整体角度来研究说明省域城镇居民消费的空间分布情况。在实际研究中，空间相关性的检验方法依赖于Moran’s I指数，其取值的大小直接反应空间相关的程度。Moran’s I计算过程如下：

2、空间计量经济模型设定及估计方法

与传统计量模型相比，空间计量模型的优点在于考虑了变量中普遍存在的空间相关性。空间计量模型包括两种基本模型，一种是含有空间滞后项的空间间自回归模型（Spatial Autoregressive Model简记为SAR），另一种是含有空间误差项的空间误差模型（Spatial Error Model简记为SEM）。

（1）空间自回归模型

用空间自回归模型（SAR）研究相邻省域的城镇居民消费水平对本省域的城镇居民消费水平产生的影响。SAR模型的表达式为：

式（3）中，yit为因变量，表示第i省域第t年的城镇居民人均消费水平；mit、sit、lit、pit为外生解释变量，分别表示第i省域第t年的城镇居民人均可支配收入水平、少儿儿童抚养比、老年人口抚养比和消费价格指数；Wij为空间权重矩阵中的元素；为空间滞后被解释变量；ρ为空间回归系数，反映相邻省域的居民消费对本省域的居民消费的影响，可以说明城镇居民消费在空间上是否有溢出效应；βi=（i=1，2，3，4）为各解释变量的回归系数；εit为随机误差项。

（2）空间误差模型

当地区间由于分布的相对位置不同而导致其居民消费的空间相互作用产生差异时，则需要选用空间误差模型。SEM的表达式为：

式（4）λ为N×1阶的截面因变量向量的空间误差系数，衡量了扰动误差项之中的空间依赖作用，即相邻省域城镇居民消费的误差冲击对本省域城镇居民消费的影响程度；为空间滞后误差变量，μit为正态分布的残差扰动项，其他参数的含义与式（4）相同。

（3）SAR、SEM的选择和估计方法

一般可以运用Moran’s I检验、极大似然LM（Error）检验及极大似然LM（Lag）检验等方法来判断省域间的城镇居民消费是否存在空间相关性。同时，除了拟合优度R2检验以外，这些检验方法也可以在选择最适合的空间计量模型时发挥作用。具体判断方法为：如果在统计上LM（lag）较之LM（error）更加显著，且检验结果显示Robust LM（lag）显著而Robust LM（error）不显著，则应该选用空间自回归模型SAR；反之，则应该运用空间误差模型SEM。

由于空间滞后变量违背了传统计量模型中自变量必须外生的假设，空间滞后误差变量违背了传统计量模型中残差扰动项独立同分布的假设，所以不能用最小二乘法（OLS）进行估计。空间面板数据模型需要通过工具变量法（IV）、极大似然法（MLE）等方法来进行估计。因为在实际分析中很难找到合适的工具变量，本文采用MLE方法来实现对空间面板数据模型的估计。

三、实证研究结果与分析

1、数据来源

由经济学原理可知，收入和价格是影响消费的主要因素，同时考虑到家庭中儿童和老人的数量会影响消费水平，建立的空间面板数据模型以城镇居民的人均消费y（单位：万元）为被解释变量，以城镇居民可支配收入水平m（单位：万元）、消费价格指数p、少儿儿童抚养比s和老年人口抚养比l为解释变量。本文分析的数据为2002—2014年我国除港、澳、台以外31个省市的消费面板数据，这些数据来源于中国统计局。

2、空间相关性分析

根据Moran’s I的计算方法，计算出2002—2014年的城镇居民消费水平空间相关系数如表1所示。这些Moran’s I指数都大于0并且逐年增加，另外检验结果显示城镇居民消费无空间相关性假设成立的概率小于0.05，这说明相邻省域的城镇居民消费水平存在显著正向空间相关性。

表1 2002—2014年省域城镇居民消费的Moran’s I指数

全域Moran's I有一定的局限性，不仅不能说明城镇居民消费的个体空间分布特征，而且不能体现各地区居民消费的空间关联模式。因此，本文还进行了局域的Moran's I散点分析，具体分析2014年的情况。图2是2014年我国31个省域城镇居民人均消费的Moran’s I指数。从图2中可以看出，城镇居民消费水平具有显著的局部空间相关性，即城镇居民消费存在空间聚集现象，呈现出消费水平较高的省域与其他高消费水平的省域相相邻近的趋势。

图2 2014年省域城镇居民人均消费的Moran's I 指数散点图

图2被分为四个象限，象限按照逆时针从右上角依次为第一、第二、第三和第四象限。位于第一和第三象限的省域符合整体正向空间自相关消费趋势，分别表示高-高（HH）和低-低正向空间效应的省域集群（LL）。位于第二和第四象限的省域偏离全域正向空间自相关消费趋势，分别表示低-高（LH）和高-低负向空间效应的省域集群（HL）。表2为城镇居民消费空间自相关模式。

表2 2015年城镇居民消费空间自相关模式

由表2中可知，我国多数省域分布于第一和第三象限，说明我国省域城镇居民消费存在显著的空间相关性，应运用空间计量模型进行分析。

3、空间计量模型回归分析

OLS估计忽略了变量间的空间相关性不适用于估计空间计量模型。为了更准确地检验空间自相关性的存在，对空间计量模型进行拉格朗日乘数检验，两个拉格朗日乘数的空间依赖性检验结果如表3所示。为了选出合适的模型进行估计，由表3看出：LM（error）在0%水平上比LM（lag）更有显著性，从稳健性检验来看，Robust LM（lag）在0%水平上比Robust LM（error）更有显著性。从表4中的估计结果发现，SEM的拟合优度和SAR的拟合优度且超过了0.9。因此两类模型相比，SEM模型是相对较优的模型。本文借鉴Baltagi的研究，如果某样本回归分析仅仅用来研究某些个体，且不必通过某一个个体的特质来推断总体特质时，相对较好的模型为固定效应模型。综合上面的分析，适合分析省域城镇居民消费的空间计量模型为固定效应SEM。

表3 空间相关性检验结果

SAR模型的空间滞后项参数ρ的估计结果表明，城镇居民消费在省域之间存在空间溢出效应，表现为城镇居民消费的空间依赖现象。由表4的SEM得出：空间误差项参数λ的估计结果意味着相邻地区关于因变量的误差冲击对本地区观察值有影响；人均可支配收入（M）在显著性水平5%和1%上都显著，说明收入对消费的影响较大，人均可支配收入每增加一单位引起人均消费增加0.8393单位；少年儿童抚养比、老年人口抚养比和消费价格指数的p值都大于10%，说明这三个变量不显著，对消费的影响较小；参数λ的估计结果说明相邻地区关于居民消费的误差冲击对本地区居民消费的影响较大。

表4 省域城镇居民消费的固定效应空间自回归和空间误差模型估计结果

四、结论与建议

本文运用空间数据分析方法，构建了SAR和SEM模型对我国城镇民消费问题进行研究，得到如下基本结论：第一，我国城镇居民的消费水平整体上呈现出东高西低的特征，但局部区域又有所不同。第二，我国31个省域的城镇居民消费存在显著的空间自相关性。Moran’s I指数检验说明城镇居民消费确实存在空间溢出效应。拉格腊日乘数检验结果显示，固定效应SEM模型更适合来研究省域城镇居民消费的空间。第三，城镇居民收入对省域消费有显著的正向促进作用。

目前，在我国经济“新常态”的背景下要依靠13亿人民的内需来拉动我国经济增长。综合以上分析结果提出以下几点建议：第一，转变居民消费观念。我国居民一直以来重视储蓄而轻视消费，且西部地区居民的消费意识弱于东部沿海地区居民的。所以，政府应采取措施增强西部地区居民消费意识，鼓励居民进行消费。第二，完善社会保障制度。我国应完善社会保障体系，加大对社会保险的财政投入力度，降低居民对未来的不确定预期，从而提高居民消费水平。第三，消费政策的制定需要考虑空间依赖性的作用。促进居民消费要根据各省域具体情况制定相应政策，同时要考虑相邻省域消费政策变化对本地区居民消费的影响。第四，提高居民收入水平。政府应尽快建立居民收入稳定增长的长效机制，加大政府转移支付力度，增加居民收入进而促进居民消费。

[1] 孙爱军：中国省域农民消费的空间计量分析[J]．农村经济，2009（08）

[2] 赵景男：中国居民消费区域差异化研究：1997—2009年——基于PanelData的实证分析[J]．上海商学院学报，2011（02）．

[3] 杨瑞琼：我国城镇居民消费的空间计量分析[D]．山西财经大学，2012．

[4] 吴银芳：西部地区信息消费影响因素的空间计量分析[D]．西南财经大学，2014．

[5] 刘明：中国居民消费空间效应问题研究——基于消费理论的检验[J]．经济问题探索，2015（10）．

[6] 陈晓毅：“老龄化”和“少子化”是否影响了农村居民消费？——基于静态和动态空间面板模型的实证研究[J]．北京工商大学学报（社会科学版），2015（03）．

[7] 雷斐：“新常态”下我国居民消费对经济增长的空间相关性分析[J]．山西财政税务专科学校学报，2015（02）．

[8] 李晓嘉、蒋承、吴老二：地方财政支出对居民消费的空间效应研究[J]．世界经济文汇，2016（01）．

[9] 郭亚帆、曹景林：农村居民消费内外部示范效应研究[J]．财贸研究，2015（03）．

（责任编辑：占雨秀）