我国城镇居民收入结构对消费的影响.

我国城镇居民收入结构对消费的影响
——以我国1997年~2012年城镇居民消费变化为例
苗豪杰*
2014年6月
摘要本文旨在研究我国城镇居民收入结构对消费的影响。

采用了1997年~2012年政府公布的城镇居民消费水平、城镇居民家庭人均收入及恩格尔系数以及城镇居民平均每人全年家庭收入来源的数据，应用计量经济学模型分析城镇居民收入结构的波动对消费的影响，进一步的分析凯恩斯消费函数中的“收入”分类，并验证它们对城镇居民消费的影响幅度。

本文详细的分析了收入的种类和对消费的影响，对政府出台拉动内需的政策，以及如何带动居民的何种收入更能促进经济发展有一定的提示作用，同时本文的一些论证分析方法对后续研究提供了一定的参考。

关键词消费函数城镇居民收入结构OLS普通最小二乘法
*河北工业大学经济管理学院学号：118573
E-mail：599262388@
1.序言
众所周知的，消费对国民经济的发展具有重大的推动作用，在08年世界性金融危机爆发时，我国政府也是通过了扩大内需、刺激消费等措施来应对金融危机对我国的影响。

由此可见，消费尤其是本国居民的消费以及居民消费需求的扩张极大地促进了我国的国民经济发展。

而“投资”、“出口”与“消费”也一直被认为是拉动国民经济增长的“三驾马车”，所以居民消费支出的增长幅度渐渐成为了影响国民经济增长的主要因素。

消费函数是指反映消费支出与影响消费支出的因素之间的关系，其中凯恩斯理论假定，在众多影响消费支出的因素中，收入具有决定性因素。

收入对消费有着决定性影响，而消费又对国民经济的发展有着极大地影响，所以最终通过消费来影响国民经济发展的其实还是居民的收入。

而对我国的城镇居民来说，收入的来源大致上可分为工资性收入、经营性收入、财产性收入以及转移性收入等四种，这四种收入占据总收入的比重就构成了城镇居民收入结构。

通过分析证明这四种收入分别对消费的影响程度可以有助于政府以及家庭调整收入结构，提高对消费影响大的收入，从而更好的促进消费的增长，拉动内需，继而更好的推动国民经济的发展。

本文逻辑结构如图1所示。

图1
2.文献综述
改革开放以来，我国经济迅速发展，居民收入迅速上升，同时消费渐渐的成为影响国民经济发展的重要因素，国内越来越多的学者关注凯恩斯的消费理论，开始研究收入对消费的影响，以及对凯恩斯理论的实际证明，并取得了很多的成果。

其中，根据凯恩斯绝对收入假说我们知道，在短期中，收入对消费支出有着决定性的影响，所以努力的提高居民的当期收入可以在短期内提高居民的消费需求，从而刺激消费供给，带动国民经济的发展（骆祚炎，2010）。

但是就我国目前来看，农村的收入的增长相较缓慢，制约着消费的增长（杜长乐，2002），城镇居民的收入增长也因为农村人口进城务工的用工竞争而增长缓慢，也制约着消费支出的增长和国民经济的发展。

我国城镇居民收入和消费关系间存在着长期稳定的关系，所以在长期要刺激城镇居民消费拉动经济增长，必须增加城镇居民的可支配收入（蒋满霖、周国侠，2006）。

而收入的构成是由多种收入组成的，常规上来讲，大致的分为工资性收入、经营性收入、财产性收入以及转移性收入等四种。

这四种收入代表着四种收入来源，也代表着收入的难易程度，从常识上我们不难看出，转移性收入是成本最低的，但这属于政策性补助，门槛比较高一般很少以之作为主要收入来源的，是没有或者丧失工作能力，抑或失业的社会人员赖于维持基本生活的收入，是属于社会保障体系的。

工资性收入是指通过提供劳务，经由薪酬体系发放的收入，是付出劳动后获得的收入；经营性收入是指商业买卖收入等经营性的收入，这两种收入都是劳动者或者经营者付出一定的劳作成本而获得的。

而财产性收入类似于资本收益，是拥有的财富要素获得的收入，相对于工资性收入和经营性收入来说较为轻松一些，所以如果居民的财产性收入增加的话，会更倾向于消费。

但是我国目前工薪收入和转移性收入在全部年收入中占据主导地位,财产性收入自身数额很小且来源渠道广泛（杨博，2013），而且不同收入阶层城镇居民的财产性收入存在较大差异，在一定程度上加剧了城镇居民收入的不平等（陈建东、晋盛武、侯文轩、陈焱，2009）会对十七大报告中指出的“创造条件让更多群众拥有财产性收入”有一定的影响。

同时，影响消费的除了收入以外，还有社会保障体系的完善程度。

因为预防性储蓄理论认为，收未来收支不确定性的影响，消费者会减少当期消费而增加当期的预防性储蓄
（Leland，1968）。

而可支配收入因而受之影响而下降，继而减少消费，抑制国民经济的发展。

所以完善社会保障制度，尤其是完善失业保险制度能最大限度的减少城镇失业人员致贫现象的发生（王轶群，2006），从而减少居民的预防性储蓄来扩展消费（龙志和，2000；杜海韬，2005）。

3.模型、变量与数据
3.1模型设定
本文利用1997年~2012年城镇居民消费水平、城镇居民家庭人均收入及恩格尔系数以及城镇居民平均每人全年家庭收入来源的数据进行分析，研究过程中考虑建立了关于居民消费支出与工资性收入、经营性收入、财产性收入以及转移性收入的回归模型。

经过数据分析找出这四种收入对消费支出的影响系数，从而认定出这四种收入分别对消费支出的影响程度。

基于凯恩斯绝对收入假说，建立了如下形式的消费支出回归模型：
Yi=α0+β1*X1+β2*X2+β3*X3+β4*X4+μi
其中，Yi为城镇居民人均消费支出，X1代表城镇居民人均工资性收入，X2代表城镇居民人均经营性收入，X3代表城镇居民人均财产性收入，X4代表城镇居民人均转移性收入，μi为随机误差项，α0为常数项表示自发性消费。

本次模型的设定是根据凯恩斯绝对收入假说，亦即所谓的绝对收入假设消费函数模型。

凯恩斯认为，在短期中，收入与消费是相关的，即消费取决于收入。

凯恩斯构建的模式如下所示：
C=α+β*Yt
这个模型中，C为现期消费，α为自发性消费亦即必须要有的基本生活消费，β为边际消费性倾向，Yt为即期收入，所以β*Yt就是引致消费。

模型的含义就是消费是自发消费和引致消费之和，消费者的消费主要取决于即期收入。

3.2变量的定义
α0为自发性消费，亦即是必须要有的基本生活消费，是指总消费中由于外生变量决定的那部分支出，在收入-支出模型中，亦即本文所用的模型中指不是由于收入水平发生变动所引起的那部分消费。

是属于消费者自发性组成的一个部分，主要取决于消费者嗜好、价格水平、社会风尚等因素。

X1表示我国城镇居民的工资性收入，所谓工资性收入指的是由工资科目开支的，以及由工资科目以外的其他经费开支的当做由单位分配给职工的都应计入为工资性收入。

X2表示我国城镇居民的经营性收入，所谓经营性收入指的是纳税人通过经常性的生产经营活动而取得的收益，即企业在销售货物、提供劳务以及让渡资产使用权等日常活动中所产生的收入，通常表现为现金流入、其他资产的增加或负债的减少。

X3表示我国城镇居民的财产性收入，所谓的财产性收入指的是通过资本、技术和管理等要素与社会生产和生活活动所产生的收入，即家庭拥有的动产和不动产所获得的收入。

X4表示我国城镇居民的转移性收入，所谓的转移性收入指的是国家、单位、社会团体对居民家庭间的收入转移，包括政府对个人收入转移的离退休金、失业救济金、赔偿等，以及单位对个人收入转移的辞退金、保险索赔、住房公积金、家庭间的增速和赡养等。

根据凯恩斯绝对收入假设，消费者的消费支出与消费者的收入有着线性关系，而消费者的收入又由工资性收入、经营性收入、财产性收入以及转移性收入构成，所以这四种收入的每一种发生变化都会是消费者收入受到影响，而消费者的消费支出继而也受到影响。

所以我们构造出了这样的一个计量经济学模型：
Yi=α0+β1*X1+β2*X2+β3*X3+β4*X4+μi
其中μi表示的随机误差项，也就是除了这四种收入以外的各种可能影响到我国城镇居民消费支出的因素，可能会包括价格水平等各种因素。

3.3数据说明
本文使用的原始数据来自于1997年到2012年《中国统计年鉴》和中经网统计数据库，以及中国居民家庭收入调查（CHIPs）以及中国家庭动态调查（CFPS）。

之所以选取从1997
年开始，主要是因为1997年之前的很多指标数据缺失比较严重。

而由于现在官方公布的统计年鉴上还没有发布2013年底的年度数据，因此本文研究的时间也就截止到2012年。

其中，工资性收入、经营性收入、财产性收入以及转移性收入的数据在2001年缺失，因此采用相邻两年（2000年和2002年）的平均值来代替。

综上，代入上述样本数据进行回归，再逐步筛选。

最终得出以下解释变量：
表1：变量定义
3.4样本数据
所得样本数据如表2所示：
表2：样本数据
4.回归分析
4.1估计回归方程
利用eviews软件，根据上述数据，采用普通最小二乘法（OLS）对模型进行初步估计。

得到结果如表3所示：
Dependent Variable: Y 表3：消费函数的估计
Method: Least Squares
Date: 06/28/14 Time: 15:30
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
X1 0.162451 0.087616 1.854127 0.0907
X2 1.365901 0.480911 2.840235 0.0161
X3 6.147796 1.140080 5.392425 0.0002
X4 1.094091 0.282488 3.873055 0.0026
C 3331.089 185.6008 17.94760 0.0000
R-squared 0.999496 Mean dependent var 10904.88
Adjusted R-squared 0.999313 S.D. dependent var 4855.229
S.E. of regression 127.2595 Akaike info criterion 12.78064
Sum squared resid 178144.7 Schwarz criterion 13.02207
Log likelihood -97.24512 Hannan-Quinn criter. 12.79300
F-statistic 5455.713 Durbin-Watson stat 1.473251
Prob(F-statistic) 0.000000
Y=3331.09+0.162451x1+1.1365901x2+6.147796x3+1.094091x4
(185.60) (0.087616) (0.480911) (1.140080) (0.282488)
N=17 F=5455.713 R^2=0.999
4.1.1经济意义
由上述回归结果表示，我国城镇居民自发性消费为3331.09元，意味着即使是没有收入，平均每人每年也要消费3331.09元来满足自己的基本生活要求。

而β1=0.162451，β2=1.1365901，β3=6.147796，β4=1.094091，其符号与预期的相一致。

而其代表的经济意义分别为：
（1）β1=0.162451，表示每增加一元的工资性收入，消费者会增加0.162451元的消费支出；
（2）β2=1.1365901，表示每增加一元的经营性收入，消费者会增加1.1365901元的消费支出；
（3）β3=6.147796，表示每增加一元的财产性收入，消费者会增加 6.147796
元的消费支出；
（4）β4=1.094091，表示每增加一元的转移性收入，消费者会增加 1.094091元的消费支出。

这个结果和文中开始时预测的较为吻合。

首先，这四种收入来源的难易程度反映出这四种收入对消费支出影响的大小程度，工资性收入是劳动者出卖体力或者脑力劳动为别人工作所赚取的收入，在四种收入中最为困难，所以当工资性收入增长的时候对消费支出的影响程度是较小的。

这是因为由于收入不容易，所以会是消费者舍不得动用工作赚取的工资，所以β1在四个系数中是最小的；其次，由于转移性收入是一种特殊的社会转移支付，是用来弥补低收入、低劳动能力者的一种财政手段，所以接受这部分收入的大多数为收入偏低的家庭或个人。

所以，虽然转移性收入的获得是最为轻松的，但是其带来的对消费支出的影响比财产性收入低了很多，甚至都不如经营性收入对消费支出的影响。

4.1.2参数显著性检验
上述统计结果表明，R^2=0.999,也就是说消费支出的变化中的99.9%是可以由这四种收入解释的，因此，能够由变量解释的部分基本上已经是全部了。

当然，也有着极少部分的影响因素放在了随机误差项中。

在上述的回归结果中表明，X1的系数是0.162451，标准差为0.087616，t1统计量的值为1.854127，P值为0.0907，因此在10%的显著性水平上，我们可以拒绝β1=0的原假设，因此可以认为在统计上来说，X1即工资性收入对消费支出有显著性的影响。

同理，由于P2=0.0161＜0.1，P3=0.0002＜0.1，P4=0.0026＜0.1，所以在10%的显著性水平上，我们可以拒绝β2、β3、β4=0的原假设，所以在统计上来说，经营性收入、财产性收入、转移性收入对消费支出有显著性的影响。

4.1.3整体性检验
在上述的回归结果中表明，F统计量为5455.713，其对应的P值为0.000000。

由于F=5455.713＞Fa（1，n-2）=1.53。

所以回归方程在统计上是显著的，即：工资性收入、经营性收入、财产性收入以及转移性收入这四个解释变量对于消费支出有显著性影响。

4.2多重共线性检验与消除
多重共线性的本质是解释变量之间存在某种线性关系，所以我们可以通过让每一个解释变量对其他的解释变量和常数项回归，来检验解释变量之间是否存在着某种线性关系，从而来验证是否存在严重的多重共线性。

结果如表4所示：
表4：解释变量对其他的解释变量和回归的结果
Dependent Variable: X1
Method: Least Squares
Date: 06/28/14 Time: 16:17
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
X2 -0.583735 1.575510 -0.370506 0.7175
X3 0.763772 3.749837 0.203681 0.8420
X4 2.781894 0.470485 5.912819 0.0001
C 541.3880 591.2057 0.915735 0.3778
R-squared 0.992938 Mean dependent var 8492.375
Adjusted R-squared 0.991172 S.D. dependent var 4462.588
S.E. of regression 419.2920 Akaike info criterion 15.12733
Sum squared resid 2109669. Schwarz criterion 15.32048
Log likelihood -117.0186 Hannan-Quinn criter. 15.13722
F-statistic 562.3834 Durbin-Watson stat 0.655174
Prob(F-statistic) 0.000000
Dependent Variable: X2
Method: Least Squares
Date: 06/28/14 Time: 16:23
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
X1 -0.019375 0.052295 -0.370506 0.7175
X3 1.823180 0.437424 4.167991 0.0013
X4 0.289849 0.147487 1.965252 0.0730
C -323.6779 60.67612 -5.334520 0.0002
R-squared 0.992181 Mean dependent var 886.8125 Adjusted R-squared 0.990226 S.D. dependent var 772.6906 S.E. of regression 76.38969 Akaike info criterion 11.72189 Sum squared resid 70024.61 Schwarz criterion 11.91504 Log likelihood -89.77512 Hannan-Quinn criter. 11.73178 F-statistic 507.5780 Durbin-Watson stat 2.664948 Prob(F-statistic) 0.000000
Dependent Variable: X3
Method: Least Squares
Date: 06/28/14 Time: 16:23
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
X1 0.004511 0.022147 0.203681 0.8420
X2 0.324406 0.077833 4.167991 0.0013
X4 -0.042473 0.070469 -0.602720 0.5579
C 82.56919 40.50202 2.038644 0.0641
R-squared 0.979439 Mean dependent var 282.5625 Adjusted R-squared 0.974299 S.D. dependent var 200.9955 S.E. of regression 32.22286 Akaike info criterion 9.995547 Sum squared resid 12459.75 Schwarz criterion 10.18869 Log likelihood -75.96438 Hannan-Quinn criter. 10.00544 F-statistic 190.5425 Durbin-Watson stat 2.005607 Prob(F-statistic) 0.000000
Dependent Variable: X4
Method: Least Squares
Date: 06/28/14 Time: 16:23
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
X1 0.267613 0.045260 5.912819 0.0001
X2 0.840043 0.427448 1.965252 0.0730
X3 -0.691806 1.147807 -0.602720 0.5579
C 144.4729 185.0239 0.780834 0.4500
R-squared 0.995347 Mean dependent var 2966.625
Adjusted R-squared 0.994184 S.D. dependent var 1705.195
S.E. of regression 130.0469 Akaike info criterion 12.78598
Sum squared resid 202946.2 Schwarz criterion 12.97913
Log likelihood -98.28788 Hannan-Quinn criter. 12.79588
F-statistic 855.6436 Durbin-Watson stat 1.054574
Prob(F-statistic) 0.000000
从这几个回归结果来看，回归模型的拟合优度都很大，所以解释变量之间存在着很大的多重共线性。

从中不难看出对于X1亦即工资性收入来说是多余变量，所以我们进行删除。

修正后得出结果如表5所示：
Dependent Variable: Y
Method: Least Squares
Date: 06/28/14 Time: 17:02
Sample (adjusted): 1 16
Included observations: 16 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
X2 1.271072 0.524511 2.423348 0.0321
X3 6.271872 1.248377 5.024022 0.0003
X4 1.546012 0.156632 9.870375 0.0000
C 3419.038 196.8212 17.37129 0.0000
R-squared 0.999339 Mean dependent var 10904.88
Adjusted R-squared 0.999173 S.D. dependent var 4855.229
S.E. of regression 139.5886 Akaike info criterion 12.92759
Sum squared resid 233819.6 Schwarz criterion 13.12074
Log likelihood -99.42075 Hannan-Quinn criter. 12.93748
F-statistic 6045.086 Durbin-Watson stat 1.348968
Prob(F-statistic) 0.000000
Y=3419.038+1.271.72X2+6.271872X3+1.546012X4
（196.8212）（0.524511）（1.248377）（0.156632）
N=16 F=6045.086 R^2=0.999339
4.3异方差检验
本文中使用的是怀特（White）检验法，其结果如表6所示：
表6：White异方差检验的结果
Heteroskedasticity Test: White
F-statistic 1.112256 Prob. F(9,6) 0.4653
Obs*R-squared 10.00386 Prob. Chi-Square(9) 0.3502
Scaled explained SS 4.612788 Prob. Chi-Square(9) 0.8667
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/28/14 Time: 17:07
Sample: 1 16
Included observations: 16
Variable Coefficient Std. Error t-Statistic Prob.
C 114479.1 224318.1 0.510343 0.6280
X2^2 0.135130 0.897691 0.150530 0.8853
X2*X3 16.43767 8.275386 1.986333 0.0942
X2*X4 -1.896126 1.113123 -1.703429 0.1394
X2 548.2305 940.4308 0.582957 0.5812
X3^2 -29.50742 13.71040 -2.152193 0.0749
X3*X4 -0.831670 1.165725 -0.713436 0.5024
X3 4944.253 2664.840 1.855366 0.1129
X4^2 0.453432 0.259112 1.749947 0.1307
X4 -720.9184 481.6006 -1.496922 0.1851
R-squared 0.625241 Mean dependent var 14613.72
Adjusted R-squared 0.063103 S.D. dependent var 19325.33
S.E. of regression 18705.65 Akaike info criterion 22.78021
Sum squared resid 2.10E+09 Schwarz criterion 23.26308
Log likelihood -172.2417 Hannan-Quinn criter. 22.80494
F-statistic 1.112256 Durbin-Watson stat 2.772059
Prob(F-statistic) 0.465350
从White检验的结果来看，Obs*R-squared的值为10.00386，P值为0.3502，因此，模型的随机误差项并不具有异方差性。

4.4序列相关检验
本文使用的是D.W.（Durbin和Watson）检验法，根据表所得，Durbin-Watson统计量的值为1.348968。

当α+0.05，n=13，k=1时，d1=1.10,dU=1.37。

D.W.=1.348968＞d1=1.10，所以随机误差项不存在一阶正自相关。

4.5最终模型
根据上述的各种检验所示，该模型在参数显著性检验以及整体显著性检验中都具有显著性，而在多重性检验中证明随机误差项具有严重的多重共线性，我们通过删除了一个变量因素来消除这种严重的多重共线性。

在异方差检验以及序列相关检验中证实，该模型并不具备异方差性和自相关。

所以该模型已经构成了一个成熟的可以使用的模型，所以称为本文中的最终模型：
Y=3419.038+1.27172X2+6.271872X3+1.546012X4
（196.8212）（0.524511）（1.248377）（0.156632）
N=16 F=6045.086 R^2=0.999339
5.结构分析及政策建议
从最初始的模型方程我们可以看到，工资性收入的增加对消费支出的影响是非常小的，而之后为了消除多重共线性的影响，本文删除了X1以及工资性收入。

所以在我们制定拉动内需的政策的时候是不用过多考虑工资性收入这个因素的，因为每提高一元的收入后被用作于消费的才只有0.162451元。

现在看最后的最终模型，每提高一元的经营性收入会使消费支出增加1.27172元，而每提高一元的财产性收入会使消费支出增加6.271872元，每提高一元的转移性收入会使消费支出增加1.546012元。

通过对比，我们发现对消费影响最大的是财产性收入，所以提高财产性收入占据居民收入的比重对消费增长会起到极大的促进作用。

然而在我国当前的收入结构之中，财产性收入所占比重又恰恰是是份额最少的，而工资性收入所占比重却是份额最多的。

所以如果想促进国民经济的发展，拉动国内消费水平，我
们可以通过改变现有的收入结构入手。

努力的提高财产性收入在居民收入中占据的比重，和带动的提高经营性收入和转移性收入才能更好的促进消费水平的提高，继而促进我国国民经济的快速发展。

具体的政策落实可以在以下几点：
（1）、完善社会保障体系，使我国城镇居民不再担心失业、生病、年老以及遭遇突发状况后难以保证基本生活的问题，从而使转移性收入增加，减少保障性储蓄，使消费支出提高；
（2）、鼓励大学生创业而非就业。

我们不难发现，由于工资性收入的种种原因导致对消费支出的影响较小，更本无法保证有效的促进消费，而经营性收入的提高就会对消费支出的提高有着较为显著的影响；
（3）、创造条件让群众拥有财产性收入。

从上述结果中表明，对消费支出影响最大的就是财产性的收入，我国城镇居民只有拥有了大量的财产性收入后才会大幅度的增加消费，从而使消费支出大幅上涨，起到对国民经济的大力推动作用。