形式上持续（又四）——城市化对扩大消费的作用

评论
9 views

城市化对扩大消费的作用
——基于脉冲响应函数分析
詹志方11-16
写本博客，还是形式上做到持续而已。希望21天的写作，形成写作的习惯。特别重要的是，借助本文，深深感谢我的硕导——经济学家尹世杰教授。本文主要内容来源于2006年帮朋友的朋友处理的数据。2006年，自学完《计量经济学》，有一朋友正好要请懂《计量经济学》EVIES操作的人帮忙处理数据，抱着“既以为人己愈有，既以予人己愈多”的态度，我接受了这个任务。感谢这个朋友，使得我的计量经济学还能留下些东西。申明，虽然我处理了相关数据，但这篇文章是属于这位朋友的，我只是借用来持续我的博客。
一、引言和假设
《中共中央关于制定国民经济和社会发展第十二个五年规划的建议》高屋建瓴的提出“坚持扩大内需战略，保持经济平稳较快发展”。确实，在当前，对外贸易摩擦加剧的情况下，尤其有必要启动内需。众所周知，内需分为投资和消费，我国投资率是较高的，而消费率较低。从某种意义上说，较低的消费率并不利于经济平稳较快的发展。因此，我们有必要采取种种方法来提高居民消费增长率。
理论探索表明，提高居民消费增长率的方法颇多，如提高居民收入、改善消费环境、搞好消费信贷等等。本文感兴趣的是，提高城市化水平是否有利于提高居民消费率？
从感性认识角度来说，农村人口变成城市人口，原来的自给消费（如吃的粮食）都要进行购买消费，这样城市化水平的提高，应该能增加社会的消费支出，从而提高居民消费率。然而，从科学的角度来说，这只是一个假设而已，需要验证。所以，必须用一些数据来验证假设：H 城市水平提高对我国居民消费率提高有显著的正向影响。下面，用相关数据来揭示城市化水平对消费率水平的真正关系。
 
 
二、实证分析
1、数据来源：中经网和中国统计年鉴2006。城市化水平操作性定义为城市化率（城市人口占总人口的比重），在研究中对城市化率进行了以1978年为100的指数化操作；消费增长以居民消费指数（1978=100）来操作化；gdp以人均国内生产总值指数（1978=100）操作化。所选数据为1978年－2005年相关时间序列数据。
2、分析软件包eviews3.1
3、相关分析
城市化指数（nnch）与居民消费指数（xf）相关系数为0.985

 
NNCH
XF
NNCH
1
0.985
XF
0.985136
1

相关分析表明，城市化和消费增长有紧密相关性。然而我们知道，有相关性，并不一定是因果关系。所以我们用回归分析
4、回归分析。
分析的目的是看城市化对消费是否有显著的作用，按照经典消费理论，消费主要为收入的函数，但考虑到中国的转轨特征和本研究的目的，我们参考了樊纲、王小鲁（2004）的研究（消费条件模型和各地区消费条件指数，经济研究），从时间序列来研究消费与收入、城市化率的关系。在本研究中，收入以GDP替代。
    我们的回归模型为xf=c+a*gdp+b*nnch，其中xf为居民消费指数（1978=100），gdp为人均国内生产总值指数（1978=100），nnch为城市化率指数（1978=100），c为常数项，a和b为待估计参数。我们认为：如果经过分析，nnch前面的系数b显著不为零，则表明城市化对消费有显著的影响。
我们用普通最小二乘法进行回归分析，结果如下：
1）用1978－2005年的数据进行分析的结果

Dependent Variable: XF
Method: Least Squares
Sample: 1978— 2005
Included observations: 28
Variable
Coefficient
Std. Error
t-Statistic
Prob. 
C
-35.40098
21.55035
-1.642710
0.1130
GDP
0.605028
0.037266
16.23553
0.0000
NNCH
0.839873
0.217136
3.867949
0.0007
R-squared
0.997439
    Mean dependent var
312.7893
Adjusted R-squared
0.997234
    S.D. dependent var
172.2932
S.E. of regression
9.062016
    Akaike info criterion
7.347017
Sum squared resid
2053.003
    Schwarz criterion
7.489753
Log likelihood
-99.85824
    F-statistic
4867.506
Durbin-Watson stat
0.472118
    Prob(F-statistic)
0.000000

   上表的分析结果表明，可决系数R-squared以及Adjusted R-squared分别达到了0.99以上，模型拟合效果良好。Nnch前面的系数为0.839873，t统计量为3.867949，系数在1％水平上显著，这表明城市化对消费有显著的影响。城市化率指数每提高一个百分点可对消费指数率提高产生约0.84个百分点的影响。只是上述指标中Durbin-Watson统计量偏低，还有待进一步分析。考虑到1978年以来，我国经济经历了市场化改革以及1998年后的扩大内需的宏观调控政策的影响。我们下面分阶段对模型进行分析，分三阶段进行：一、1978－1992；1992－1998；1998－2005。
2）分阶段分析
a、1978－1992的结果

Dependent Variable: XF
 
Method: Least Squares
 
Sample: 1978 1992
 
Included observations: 15
 
Variable
Coefficient
Std. Error
t-Statistic
Prob. 
C
-38.87101
23.19549
-1.675801
0.1196
GDP
0.726474
0.083281
8.723145
0.0000
NNCH
0.682553
0.288253
2.367893
0.0355
R-squared
0.994882
    Mean dependent var
178.7200
Adjusted R-squared
0.994030
    S.D. dependent var
56.06299
S.E. of regression
4.331908
    Akaike info criterion
5.946750
Sum squared resid
225.1851
    Schwarz criterion
6.088360
Log likelihood
-41.60062
    F-statistic
1166.444
Durbin-Watson stat
0.935584
    Prob(F-statistic)
0.000000

b、1992－1998的结果

Dependent Variable: XF
 
Method: Least Squares
 
Sample: 1992 1998
 
Included observations: 7
 
Variable
Coefficient
Std. Error
t-Statistic
Prob. 
C
835.1275
886.8233
0.941707
0.3997
GDP
1.032843
0.467437
2.209590
0.0917
NNCH
-5.535327
6.620769
-0.836055
0.4502
R-squared
0.992922
    Mean dependent var
348.9857
Adjusted R-squared
0.989383
    S.D. dependent var
49.73632
S.E. of regression
5.124767
    Akaike info criterion
6.403574
Sum squared resid
105.0530
    Schwarz criterion
6.380393
Log likelihood
-19.41251
    F-statistic
280.5662
Durbin-Watson stat
1.807881
    Prob(F-statistic)
0.000050

C、1998－2005的结果
 

Dependent Variable: XF
Method: Least Squares
Sample: 1998 2005
Included observations: 8
Variable
Coefficient
Std. Error
t-Statistic
Prob. 
C
32.48895
19.69935
1.649239
0.1600
GDP
0.540293
0.040142
13.45940
0.0000
NNCH
0.719443
0.202232
3.557507
0.0163
R-squared
0.997850
    Mean dependent var
541.7750
Adjusted R-squared
0.996991
    S.D. dependent var
89.72828
S.E. of regression
4.922340
    Akaike info criterion
6.305442
Sum squared resid
121.1472
    Schwarz criterion
6.335232
Log likelihood
-22.22177
    F-statistic
1160.510
Durbin-Watson stat
2.085377
    Prob(F-statistic)
0.000000

   从以上三表的分析结果来看，1992－1998的结果最不理想，gdp和nnch前面的系数在5％的水平上均不显著，这表明gdp和城市化对消费的影响在5％的显著性水平上没有通过。1998－2005的分析结果是比较理想的。可决系数R-squared，Adjusted R-squared都高到0.99以上，特别是在总体数据（1978－2005）回归分析中不理想Durbin-Watson统计量得到了显著的改善（由0.47变成了2.09）。1998－2005的数据回归结果表明城市化在0.0163的水平上对消费有显著的影响。具体为城市化率指数提高一个百分点对消费指数可产生0.72个百分点的影响。
5、向量自回归分析
为了综合利用信息，避免时间序列数据非平稳性对我们研究结论的影响，下面我们进行向量自回归模型(VAR)来纯粹研究城市化与消费之间的关系。
VAR模型的数学表达式为：
 
 
其中，Yt是为内生变量向量，A0为常数向量，Ai(i=1，2...为系数矩阵，Et为m维误差向量，其协方差矩阵为Ω，且。

在实际应用中，通常希望滞后期足够大，从而能够完整地反映所构造模型的动态特征；但另一方面，滞后期越长，模型中待估计的参数就越多，自由度就越少。因此，为了在滞后期与自由度之间寻求一种均衡状态，一般根据和信息量取值最小的原则或LR法确定模型的滞后阶数。
由于VAR模型的参数估计量只具有一致性，单个参数估计值的经济意义并不明确，这个时候需要借助脉冲响应函数分析。脉冲响应函数（Impulse Response Functions，IRF）是确定每个内生变量对它自己及所有其它内生变量的变化是如何反应的。它可用来分析来自随机扰动项的一个标准差冲击对内生变量当前值和未来值的影响，并且扰动项对某一变量的冲击影响通过VAR模型的动态结构传递给其他所有的变量，从而可进行变量之间的动态分析。
考察一个简单的双变量一阶向量自回归模型VAR：
其中，和是VAR中的内生变量，是随机扰动项或新息（Innovation）。在VAR中，发生变化，不仅会立刻改变的当前值，同时也会通过当前的值影响到变量和今后的取值，因为的滞后项在两个方程中都是解释变量。脉冲响应函数就是试图描述这些影响的轨迹，显示任意一个变量的扰动如何通过模型影响所有其他变量，最终又反馈到自身的过程。
将脉冲响应函数绘制成脉冲响应曲线图，则可以更直观地分析冲击对每个内生变量的动态影响。如果脉冲响应曲线趋于0，说明一变量暂时变化对另一变量没有持久影响；如果趋于某一数值，则说明一变量暂时变化对另一变量有持久影响；如果脉冲响应曲线位于零坐标线上方，即显示一变量暂时变化可引起另一变量同向变化；若曲线位于零坐标线下方，则表示一变量暂时变化可引起另一变量反向变化。
由于城市化和消费增长之间的单纯的关系在这里没有很明确的理论指导，另外向量自回归模型比较适合时间序列的数据分析，本研究决定用向量自回归模型和脉冲响应函数来进行进一步分析。通过建立城市化指数和消费增长之间变量VAR模型，让数据本身来确定模型的动态结构 ，在建立VAR模型后，绘制其脉冲响应曲线图，来勾画城市化对消费的扰动传递情况。
在分析之前我们进行了数据对数化处理，以减少数据的异方差，用lch代表城市化率指数的对数处理，用lxf代表居民消费指数的对数化处理。接着我们对lch和lxf进行了平稳性检验，检验结果如下：

变量
ADF检验值
各显著水平下的临界值
检验结果
1％
5％
10％
Lxf
-0.886609
-3.7204
-2.9850
-2.6318
存在单位根，非平稳
Lch
0.054612
-3.7204
-2.9850
-2.6318
存在单位根，非平稳
Lxf一阶差分
-2.699551
-3.7343
-2.9907
-2.6348
存在单位根，非平稳
Lch一阶差分
-2.376294
-3.7343
-2.9907
-2.6348
存在单位根，非平稳
Lxf二阶差分
-4.029958
-3.7497
-2.9969
-2.6381
不存在单位根，平稳
Lch二阶差分
-5.654857
-3.7497
-2.9969
-2.6381
不存在单位根，平稳

从上表可见，经过二阶差分后，lxf和lch的数据变得平稳，适合进行分析。利用计量分析软件Eviews3.1建立lxf、 lch的向量自回归模型。结果如表1－3。
表1 VAR模型参数估计值

 
LXF
LCH
LXF(-1)
 1.210570
 0.298114
 
 (0.21937)
 (0.23409)
 
 (5.51832)
 (1.27352)
LXF(-2)
-0.222268
-0.223204
 
 (0.22394)
 (0.23896)
 
(-0.99252)
(-0.93405)
LCH(-1)
-0.054251
 0.890801
 
 (0.20218)
 (0.21574)
 
(-0.26834)
 (4.12913)
LCH(-2)
 0.063852
-0.058229
 
 (0.21131)
 (0.22548)
 
 (0.30218)
(-0.25825)
C
 0.074648
 0.437350
 
 (0.39078)
 (0.41699)
 
 (0.19102)
 (1.04883)

表2       VAR⑴模型各方程检验结果

R-squared
 0.997617
 0.984958
 Adj. R-squared
 0.997163
 0.982093
 Sum sq. resids
 0.016746
 0.019068
 S.E. equation
 0.028239
 0.030133
 F-statistic
 2197.789
 343.7769
 Log likelihood
 58.62731
 56.93945
 Akaike AIC
-4.125178
-3.995342
 Schwarz SC
-3.883236
-3.753401
 Mean dependent
 5.665119
 5.064246
 S.D. dependent
 0.530178
 0.225182

表3     VAR⑴模型整体检验结果

Determinant Residual Covariance
 4.47E-07
 Log Likelihood
 116.2756
 Akaike Information Criteria
-8.175046
 Schwarz Criteria
-7.691162

从T统计量表看，有些变量不显著，这是由于滞后变量常常存在多层共线性，但我们不剔除(这在模型里是很常见的做法)。根据结果我们可得出城市化和消费之间的动态方程，如下
LCH=0.298*LXF(-1)- 0.223*LXF(-2) + 0.891*LCH(-1)-0.058*LCH(-2) + 0.437
为了更直观地展示消费和城市化之间地动态关系，我们在下面给出了脉冲响应曲线图，如图1：
上图清晰地显示了lxf和lch之间的关系，虽然在刚开始滞后的2、3期，lch对lxf有负向的影响（这个可能是由于城市化首先带动投资上升而迫使消费有所下降所至），但在5期之后，影响转正，而且随着时间的推移，正向影响越来越大，这表明从长期看来，城市化对消费将带来长期的正向影响。
三、结论
从上面的1978-2005年数据分析来看，我们的假设基本得到验证。城市化水平提高确实有利于增加居民消费率，但是这个影响并非简单线性的，立竿见影的，因为短期内，城市化水平的提高，并没有立即增加居民消费率，而是首先使其降低，这可能是城市化水平提高，必须增加投资，而增加的投资挤出了消费。毕竟国民经济的需求基本上由出口、投资、消费组成。假定出口不变，那么投资的增加，必然会使得消费下降。虽然，城市化短期内会挤出消费，但是长期内对消费率水平的提高有显著的正向影响，因此，总体来说，我国城市化有利于扩大消费率，从而有利于经济平稳较快的发展。（完）

詹志方 经济学硕士， 企业管理博士，香港城市大学市场营销系博士后。研究方向：商业模式、战略管理、市场营销。服务过的组织有：湖南省人民政府综合调研室，长沙市国家公务员培训中心、长沙老百姓大药房，海南航空集团战略规划部、江西格力销售公司等。联系方式 13767029869；[email protected]，qq 563721088