城镇居民消费水平影响因素浅析 摘要：改革开放以后的十几年来，居民消费水平逐年攀升，与收入增长趋势基本一致，消费水平是以货币计量表现的居民生活富足程度的一个重要标志，是反映居民物质文化需求已经达到的水平和满足的程度，同时也是居民消费行为最终结果的一个量的体现。本文将就我国城镇居民消费水平与其影响因素的关系进行分析，从而确定其主要影响因素，并提出提高我国城镇居民消费水平的几点建议。 关键词： 消费水平 边际消费倾向 凯恩斯—拉姆齐规则 绝对收入假说 持久收入假说
一．模型的概况
（一）．模型的背景及目的 在现代国际社会中，发展经济是每个国家的首要大事，对于基础较差的中国，发展经济更是义不容辞的事。一国的经济增长主要靠消费需求、投资需求与出口需求来推动,作为总需求构成因素之一的消费需求对经济稳定增长具有持久的推动力。在目前国际经济增速放缓的情况下,扩大内需、增加居民消费是拉动经济增长的主要动因和最终力量。在影响GDP的因素中, 消费对GDP的贡献率是最高的, 这点从我国的历年资料中可以看出, 一般在60% 以上,而其它因素都在50%以下，但是, 在1992 年以后, 消费贡献率逐步下降, 在1998 年降到30%多, 成为历史最低点, 这在一定程度上成为制约我国经济增长的关键所在。所以，我国为了发展经济就必须要抓住消费这个着眼点，这也是我们研究影响城镇居民水平消费影响因素的意义所在。 （二）．变量的选择 根据传统的凯恩斯消费理论,消费需求是个人可支配收入的函数,收入水平的高低直接影响居民的消费水平。居民的收入根据与价格水平的关系可以分为名义收入与实际收入,实际收入是名义收入通过价格调整以后得到的,它直接关系到居民的实际购买力水平。从1995 年以来,我国总体物价水平大幅下降,一度出现通货紧缩,在2000 年才有所回升。1995 年至1998 年,我国物价水平持续下跌,城镇居民的名义收入增长率在下降,此时居民消费的增长率也随之降低,且下降幅度与名义收入增长率的下降幅度几乎一致,在此期间居民实际收入增长率只是略有下降,并且在1998 年居民实际收入增长率还高于1997 年,因此影响居民消费的是名义收入,而不是实际收入。所以我们选择了名义收入作为解释变量X2。 全国城镇从业人员年末人数反映了我国城镇居民的就业情况。对于全社会而言，高的就业率代表着经济发展水平，也代表着一种更高的消费能力。因此，我们选择了全国城镇从业人员人数作为解释变量X3。 随着我国住房制度、教育制度和医疗保健制度改革的不断深化,以及国有企业大批职工下岗分流,居民所面临的系统风险与个体风险提高,造成居民未来收入与支出的不确定性大大增加,居民对未来的信心指数下降，居民预防性储蓄动机增加。由于居民的收入的最终用途一是消费，另一个是储蓄，所以居民的储蓄增加将直接影响消费支出。因此，我们选择了年底存款余额作为解释变量X4。 一国的进出口总额反映了这个国家与外国的贸易活跃的程度，对于开放的国家，这个因素是比较重要的。在开放后的中国，人们普遍有一种外国货比中国货好的思想概念，好像只要经济水平允许，人们就会买外国货，所以似乎国人都有一种媚外之嫌，从某种意义上来讲，进口商品对我们的居民消费应该还是有很大的影响的。实际上，进出口本身反映的就是一种国际社会贸易对中国社会的影响，所以我们相信进出口对我们所研究的居民消费水平是有影响的，但同时我们也考虑到同时引入进口和出口两个有显著关系的变量将导致模型的多重共线性。因此，我们选择了我国进出口总额作为解释变量X5。 现代化的中国，相信广告对人们消费的影响是不言而喻的，我们只要想一想为什么商家会把大笔的资金投到广告中就会明白广告会那么明显地影响人们购物的倾向。我们算一算，中央电视台黄金时间的一个不到十秒钟的广告可能就是中国好多普通家庭好多年的总收入了，这说明什么，商家不会做亏本的生意，可见他们多么看重广告，也可见广告对居民的消费也是有很大的影响的，基于此，我们很想将广告普及率也作为一个影响居民消费水平的因素放到我们的模型当中，可是我们在短期之类很难找到这个资料，如果去调查也没有时间，所以我们只好暂时放弃这个因素，而且我们这次放入模型的因素也是较多的，以后如果有需要再将广告这个因素放进来。 根据凯恩斯—拉姆齐规则, 当资本的边际产量大于时间偏好率时, 消费水平上升。总之, 利率只有通过与时间偏好率的比较, 才能影响消费。而从我国的实例来看，为了刺激居民消费的增加, 国家已经采取了一系列关于调整利率的措施, 如从1996 年5 月1 日起, 先后7 次降低银行存款利率, 使1 年期和5 年定期存款利率从10198%、13196% 分别降到2125% 和2188%。但是, 其结果并不太理想。所以虽然开始我们准备将利率列为我们的变量，但从理论和实例来看，利率对消费的影响并不显著，所以我们排除了这个变量。 二．模型的数据
我们选择了时间序列数据而没有采用横截面数据是为了避免各个不同地区发展水平的差异。我们从2000年的《中国社会统计资料》中收集到1985—1999年的全部城镇居民人均可支配收入，全国从业人员年末人数，存款年底余额的数据，从《对外贸易年鉴》和《新中国五十年统计资料汇编》上收集到1985—1999进出口商品总额的数据，1999年后的数据均在“中华人民共和国国家统计局”网站上查到。但只有1985年到2002年的，共18个。作为小样本，给检验和解释都提供了难度，因此我们加倍小心。
三．模型的建立和检验
我们建立的模型为： Yi=β1+β2*X2i+β3*X3i+β4*X4i+β5*X5i+Ui 其中，Y=居民消费水平； (元) X2=为城镇居民人均可支配收入；(元) X3=为全国做从业人员年末人数；(人) X4=为存款年底余额； (亿元) X5=为进出口商品总额。 (亿元) 由此得出回归模型（模型一<附表>）： Yi=-901.1850+1.339855X2+0.056512X3-0.006020X4-0.037916X5 (737.3551) (0.157469) (0.055771) (0.010798) (0.021101) t =(-1.222186) (8.508709) (1.013293) (-0.557513) (-1.796876) R²=0.996135 =0.994946 S.E=183.5005 DW=1.514467 F=837.6256 可见，从总体来看，该模型的可决系数较大，F值也较大，但除了β2以外其它参数的t检验均不显著，所以该模型可能存在多重共线性。也就是说虽然各解释变量联合对Y的影响力显著，但由于它们的共线性使得不能分解出各解释变量对Y的独立影响。 计算X1，X2，X3，X4之间的简单相关系数，得系数相关矩阵：
X2 X3 X4 X5 X2 1 0.973650225952 0.986642040436 0.987671855809 X3 0.973650225952 1 0.958931615966 0.970825271995 X4 0.986642040436 0.958931615966 1 0.984573208913 X5 0.987671855809 0.970825271995 0.984573208913 1 可见，它们的相关性都较强，相关系数均大于0.9，最高竟达到了0.98767，所以可以说它们存在严重的多重共线性，故用逐个回归法进行修正（模型2—9<附表>）。 对比分析，依据调整后可决系数最大原则，选取X2作为进入回归模型的第一个解释变量，形成一元回归模型；将其它解释变量分别加入模型中，得到二元回归模型，可是Y对X2X3的模型的调整可决系数小于只有X2的模型的修正可决系数0.994107，Y对X2X4，Y和X2X5的模型中X4，X5的t检验均不显著，所以回归模型只有X2一个解释变量。又Y对X2的模型中，β1的t值不显著，所以我们的模型中去掉常数项，再次做X2的回归模型: =1.119701X2 （0.011054） t =（101.2957） R²= 0.994283 =0.994283 S.E= 195.1577 DW= 1.218639 F= 1500255. 对模型进行异方差检验，用White检验法（结果见模型10<附表>）。Obs*R-squared= 11.44844，而(2)=5.99147，所以存在异方差，需对模型进行修正，用WLS法进行修正（结果见模型10<附表>）。 在修正后的模型中，β1，β2均很显著，F统计量的值也充分大，DW=2.215363,基本不存在自相关。 因此，我们建立的最终模型为： =30。90480+1.115864X2 （3.974122） (0.000911) t =（ 7.776509） (1224.849) R²= 0.999999 =0.999999 S.E= 11.57184 DW= 2.215363 F=1500255. 四．经济意义检验
从我们所建立的模型可看出，影响城镇居民消费的最主要原因是居民的可支配收入。 事实上，我们一开始选定的变量有收入，利率，物价水平，失业社保，储蓄，广告的普及率和进出口商品总额，虽然在我们最后选定的模型中没有出现，但事实上它们已经包括到了我们所做的模型当中，因为X2的系数项边际消费是受居民收入差距，物价水平波动，消费信贷发展等因素影响的。 对于一个一般的城镇居民而言，他们收入大多数来自于工资，而在我国，由于地区发展的不一致性，导致了东部沿海地区和中西部内陆的收入差异较大，而由此引发的是各地区的人们的消费能力和消费理念的不同，而高收入人们的边际消费倾向较低，低收入人们的边际消费倾向较高，而高收入人们毕竟不是社会的主体，所以他们的购买力占社会总消费购买力的比例较低，所以居民的收入差距会影响边际消费倾向。 大家会觉得，当物价水平较高的时候，人们对消费的热情肯定会降低，也就是人们不愿意去用同样多的钱干更少的事；相反，当物价水平较低的时候，人们就更愿意去消费，但是在实际中,由于存在着货币幻觉,当总体物价水平下降时,居民往往认为其收入水平的增长也在下降,从而减少当期消费的增加幅度,因此,边际消费倾向进一步下降,同时由于物价水平的持续下跌,使得一部分有购买愿望的人“持币待购”,又由于货币幻觉的作用,使得人们一方面产生未来收入增长减缓的预期,影响人们的消费信心,另一方面产生价格水平仍将进一步下跌的预期,造成货币收入停滞在消费者手中的现象。 发展消费信贷有利于稳定和提高人们的边际消费倾向，由于在我国现阶段，大部分居民都是工薪阶层，也不会有很高的实际消费能力。所以总体上来说消费是滞后的，而消费在西方国家，人们普遍有一种消费理念就是用明天的钱。事实上，这也是他们的一种刺激消费的手段。我们国家的消费水平可以说并不高，我们为什么不能以此为借鉴来提高人们的边际消费倾向呢？或许就是因为在我国没有好好利用这点来刺激消费，所以我们的模型中的这个变量显得不显著。 现代社会可以说是高风险社会，特别是在中国这个比较保守的国家，在伴随着大量外商的溶入之后，人们对未来收入和支出的不确定性大大增加，所以说就算是现在利率低人们也愿意进行预防性的储蓄，而随着人们边际储蓄倾向的增加，边际消费倾向是减少的。
五．结论
从以上对我国城镇居民消费水平影响因素的分析可以看出，居民的收入无疑是影响其的最重要因素。从实际来看，收入就是消费的来源和基础，肯定应该是影响消费的最重要因素。我们根据绝对收入假说和持久收入假说，我们最后得到的模型是有很强的可信性的。我们虽然之前也对影响居民消费倾向的因素考虑得很全面，但由于各因素存在了多重共线性而最后只留下了居民的收人作为变量。不过，并不是因为这样就是说那些因素是没有影响的，只是因为它们的影响已被包含到边际消费倾向中，所以，我们不否定影响我们居民消费的众多因素。消费倾向反映了消费者的消费心理和意愿，是消费者收入预期、支出预期和自主偏好的一种集中体现。在收入一定的情况下，居民消费支出取决于消费倾向。消费倾向越高，居民越愿意消费，消费支出越多，消费增长越快。 事实上，虽然我们没有将广告普及率作为 一个因素放到模型当中，然而，我们很容易想到，商家打广告，到头来影响的不就是影响的就是居民的边际消费倾向的吗？也就是说，就算我们一开始就把广告普及率这个因素考虑进来我们最后得到的结果也不会有差别，它和除收入以外的其它因素是一样的，虽然被排除，但并不是否定它们的影响，只是它们影响的是边际消费倾向而已。 总的来说，我们这次模型还是做的比较成功的，我们考虑的因素均是有意义的，我们最后得到的结果也是比较让人满意的。针对结论，基于我们做这个模型的目的，我们组成员觉得有必要为增加居民的水平，从而拉动我国的经济发展作出一些思考，经讨论我们有些想法。
六．对策
提高居民收入！ 我们的目的是要发展经济，而由前面的分析可知，我们的着眼点是消费，尤其由于92年后的消费比重的下降。从上面的模型可以看出，收入是影响我们的消费的最重要的因素，也就是说，我们要发展经济就要刺激消费，而刺激消费就要在居民的收入上做文章。所以我们的建议是着力提高居民收入，而由于我们的模型因素是城镇居民收入，那么我们应根据城乡不同收入群体的具体情况，分别采取不同的措施：对低收入群体要保证其最基本的生活需求。重点要进一步建立和完善城镇社会保障体系，使所有失业、下岗和收入在基本生活保障线以下的各类人员都能及时、足额领到基本生活费，并根据经济发展和各级财政承受能力，逐步提高社会保障水平。中等收入群体要扩面，逐步培育和扩大中等收入阶层。对于处于中等收入阶层的公务人员来说，应逐步将其职务消费货币化，逐步提高其持久收入水平。对于高收入群体应加强保护，增强其安全感。
七．附表及相关文献
理论支持： 凯恩斯的绝对收入假说：凯恩斯认为，在短期内，消费者的消费主要取决于收入的多少，随着收入的增加，人们的消费也会增加，消费是“完全可逆”的，但消费的增长低于收入增长，边际消费倾向逐渐递减。 弗里德曼的持久收入假说：弗里德曼将个人的收入分为持久性收入和暂时性收入。持久性收入是稳定的、正常的收入，暂时性收入则是不稳定的、意外的收入。弗里德曼认为，决定人们消费支出的是他们持久的、长期的收入，而不是短期的可支配收入。因为短期可支配收入会受许多偶然因素的影响经常变动，人们消费与短期经常变动的收入没有稳定函数关系。为了实现效用最大化，人们实际上是根据他们在长期中能保持的收入水平来进行消费的。 凯恩斯—拉姆齐规则：消费增加保持不变或减少, 取决于资本的边际产量(人口净增长) 是否超过、等于或小于时间偏好率。资本的边际产量相对于时间偏好率越高, 降低目前的消费水平以在未享受更高的消费则越合算。
模型的数据： 年 份 城镇居民消费水平(元) 城镇居民家庭人均可支配收入(元) 城镇从业人员(万人) 全国进出口贸易总额(亿美元) 全国城镇居民储蓄 存款余额(1000亿元) 1985 802 739.1 12808 2066.7 1622.6 1986 920 899.6 13292 2580.4 2238.5 1987 1089 1002.2 13783 3084.2 3081.4 1988 1431 1181.4 14267 3821.8 3822.2 1989 1568 1375.7 14390 4155.9 5198.4 1990 1686 1510.2 16616 5560.1 7119.8 1991 1925 1700.6 16977 7225.8 9241.6 1992 2356 2026.6 17241 9119.6 11759.4 1993 3027 2577.4 17589 11271.0 15203.5 1994 3891 3496.2 18413 20381.9 21518.8 1995 4874 4283.0 19093 23499.9 29662.3 1996 5430 4838.9 19815 24133.8 38520.8 1997 5796 5160.3 20207 26967.2 46279.8 1998 6182 5425.1 20678 26854.1 53407.5 1999 6651 5854.0 21014 29896.2 59621.8 2000 7402 6280.0 23151 39273.2 64332.4 2001 7761 6859.6 23940 42183.6 73762.4 2002 7972 7702.8 24780 51378.2 86910.6 模型1（Y对X2 X3 X4 X5的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:41 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C -901.1850 737.3551 -1.222186 0.2433 X2 1.339855 0.157469 8.508709 0.0000 X3 0.056512 0.055771 1.013293 0.3294 X4 -0.006020 0.010798 -0.557513 0.5866 X5 -0.037916 0.021101 -1.796876 0.0956 R-squared 0.996135 Mean dependent var 3931.278 Adjusted R-squared 0.994946 S.D. dependent var 2581.123 S.E. of regression 183.5005 Akaike info criterion 13.49244 Sum squared resid 437741.6 Schwarz criterion 13.73977 Log likelihood -116.4320 F-statistic 837.6256 Durbin-Watson stat 1.514467 Prob(F-statistic) 0.000000 模型2（逐个回归中Y对X2的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:48 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 60.27465 86.05229 0.700442 0.4937 X2 1.107536 0.020679 53.55914 0.0000 R-squared 0.994453 Mean dependent var Adjusted R-squared 0.994107 S.D. dependent var S.E. of regression 198.1489 Akaike info criterion Sum squared resid 628207.8 Schwarz criterion Log likelihood -119.6832 F-statistic Durbin-Watson stat 1.888800 Prob(F-statistic) 0.000000
模型3（（逐个回归中Y对X3的回归）） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:49 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C -8537.906 751.0822 -11.36747 0.0000 X3 0.683984 0.040432 16.91677 R-squared 0.947051 Mean dependent var Adjusted R-squared 0.943742 S.D. dependent var S.E. of regression 612.2127 Akaike info criterion Sum squared resid 5996871. Schwarz criterion
模型4（逐个回归中Y对X4的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:51 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 1249.788 185.8164 6.725929 0.0000 X4 0.090506 0.004624 19.57492 0.0000 R-squared 0.959918 Mean dependent var Adjusted R-squared 0.957412 S.D. dependent var S.E. of regression 532.6599 Akaike info criterion Sum squared resid 4539625. Schwarz criterion Log likelihood -137.4827 F-statistic Durbin-Watson stat 0.433421 Prob(F-statistic)
模型5（逐个回归中Y对X5的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:54 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 886.4866 201.2987 4.403836 0.0004 X5 0.164359 0.008456 19.43597 0.0000 R-squared 0.959366 Mean dependent var Adjusted R-squared 0.956826 S.D. dependent var S.E. of regression 536.3139 Akaike info criterion Sum squared resid 4602121. Schwarz criterion Log likelihood -137.6058 F-statistic Durbin-Watson stat 0.765662 Prob(F-statistic)
模型6（逐个回归中，增加变量X3，Y对X2，X3的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:56 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C -325.2132 760.3312 -0.427726 0.6749 X2 1.061391 0.092849 11.43141 0.0000 X3 0.029993 0.058758 0.510439 0.6172 R-squared 0.994548 Mean dependent var 3931.278 Adjusted R-squared 0.993821 S.D. dependent var 2581.123 S.E. of regression 202.8928 Akaike info criterion 13.61424 Sum squared resid 617482.3 Schwarz criterion 13.76264 Log likelihood -119.5282 F-statistic 1368.134 Durbin-Watson stat 1.188209 Prob(F-statistic) 0.000000
模型7（逐个回归中，增加变量X4，Y对X2，X4的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:57 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C -110.5767 147.2307 -0.751044 0.4642 X2 1.278818 0.123201 10.37992 0.0000 X4 -0.014439 0.010247 -1.409085 R-squared 0.995102 Mean dependent var Adjusted R-squared 0.994449 S.D. dependent var S.E. of regression 192.3146 Akaike info criterion Sum squared resid 554773.5 Schwarz criterion 模型8（逐个回归中，增加变量X5，Y对X2，X5的回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 13:58 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C -101.2423 111.2124 -0.910351 0.3770 X2 1.351802 0.120566 11.21215 0.0000 X5 -0.037367 0.018216 -2.051290 0.0581 R-squared 0.995668 Mean dependent var 3931.278 Adjusted R-squared 0.995091 S.D. dependent var 2581.123 S.E. of regression 180.8477 Akaike info criterion 13.38420 Sum squared resid 490588.3 Schwarz criterion 13.53259 Log likelihood -117.4578 F-statistic 1723.951 Durbin-Watson stat 1.622986 Prob(F-statistic) 0.000000
模型9（由于Y对X2的模型中，常数项C不显著，去掉C，Y对X2回归） Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 14:00 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. X2 1.119701 0.011054 101.2957 0.0000 R-squared 0.994283 Mean dependent var 3931.278 Adjusted R-squared 0.994283 S.D. dependent var 2581.123 S.E. of regression 195.1577 Akaike info criterion 13.43945 Sum squared resid 647471.0 Schwarz criterion 13.48891 Log likelihood -119.9550 Durbin-Watson stat 1.218639
模型10（对模型进行White检验） White Heteroskedasticity Test: F-statistic 13.10577 Probability 0.000511 Obs*R-squared 11.44844 Probability 0.003266 Test Equation: Dependent Variable: RESID^2 Method: Least Squares Date: 11/10/04 Time: 14:38 Sample: 1985 2002 Included observations: 18 Variable Coefficient Std. Error t-Statistic Prob. C 104231.1 48870.83 2.132788 0.0499 X2 -96.23286 32.28681 -2.980563 0.0093 X2^2 0.015481 0.004077 3.796997 0.0018 R-squared 0.636024 Mean dependent var 35970.61 Adjusted R-squared 0.587494 S.D. dependent var 102353.4 S.E. of regression 65738.14 Akaike info criterion 25.17576 Sum squared resid 6.48E+10 Schwarz criterion 25.32415 Log likelihood -223.5818 F-statistic 13.10577 Durbin-Watson stat 2.264212 Prob(F-statistic) 0.000511 模型11(用WLS法对模型进行修正) Dependent Variable: Y Method: Least Squares Date: 11/10/04 Time: 15:00 Sample: 1985 2002 Included observations: 18 Weighting series: W Variable Coefficient Std. Error t-Statistic Prob. C 30.90480 3.974122 7.776509 0.0000 X2 1.115864 0.000911 1224.849 0.0000 Weighted Statistics R-squared 0.999999 Mean dependent var 3958.603 Adjusted R-squared 0.999999 S.D. dependent var 10106.47 S.E. of regression 11.57184 Akaike info criterion 7.839466 Sum squared resid 2142.522 Schwarz criterion 7.938396 Log likelihood -68.55520 F-statistic 1500255. Durbin-Watson stat 2.215363 Prob(F-statistic) 0.000000 Unweighted Statistics R-squared 0.994397 Mean dependent var 3931.278 Adjusted R-squared 0.994047 S.D. dependent var 2581.123 S.E. of regression 199.1510 Sum squared resid 634577.7 Durbin-Watson stat 1.235031
参考文献与数据来源：
《中国社会统计资料》 《对外贸易年鉴》 《新中国五十年统计资料汇编》 《中国统计年鉴》 《经济学原理》 （美）曼昆/著 梁小民/译 《计量经济学》 庞皓 李南成 中华人民共和国国家统计局网
