下载文档原格式
中国城乡居民消费状况比较研究：1978-2010薛鹏;徐康宁;王倩【摘要】The consumption demand plays a very important part in the operation and management of national economy. It is also one of the current hotspots in macro-economics research field. Based on statistical data and using empirical analysis methods, this paper studies and compares Chinese urban and rural residents＇ consumption status just from aspects of consumption tendency, consumption expenditure and consumption structure since 1978 China＇s reform and opening up. The paper expresses and draws some significant views and conclusions.%消费需求是国民经济运行管理中一个很重要的环节,也是当下宏观经济调控的着重所在。
文章以统计资料为依据,采用实证分析方法,从消费倾向、消费支出和消费结构三个方面,全面研究和比较了1978‐2010年我国城乡居民的消费状况;并得出了一些有意义的观点与结论。
【期刊名称】《西安电子科技大学学报（社会科学版）》【年(卷),期】2012(000)001【总页数】11页(P55-65)【关键词】城乡居民;消费倾向;消费支出;消费结构;ELES模型【作者】薛鹏;徐康宁;王倩【作者单位】东南大学经济管理学院,江苏南京211189;东南大学经济管理学院,江苏南京211189;淮阴师范学院经济与管理学院,江苏淮安223301【正文语种】中文【中图分类】F713.552007年至今，受美国金融危机、欧洲债务危机和美国主权信用评级下调等爆发影响，中国经济的外需层面频频遭受严重冲击！另一方面，近些年在中央科学发展观的指引和实践下，我国政府屡出重拳直击民生和发展问题，既狠抓“三农”、关注弱势群体，又严格要求并认真落实节能减排、转变经济发展方式和调整经济结构等。
中国城乡居民生活消费碳排放变化的比较研究范建双;周琳【摘要】基于碳排放系数法估算了1997～2015年中国城镇、农村和整体(包含城镇和农村)居民生活消费引起的直接碳排放量,进一步采用Dagum基尼系数和Kernel密度函数估计方法对中国城镇和农村居民生活消费碳排放的地区差距及分布动态进行实证研究.同时,采用乘积式对数平均迪式指数模型(M-LMDI)分析了直接能源消费强度、居民人均消费水平和单位能源碳排放强度3大因素对居民消费碳排放变化的影响,并重点考察了各省份相关变量对生活消费碳排放影响的城乡差异.结果表明:(1)中国城镇和农村居民人均生活消费碳排放量在研究期内呈现逐年递增的趋势,在空间上均存在显著非均衡特征.(2)中国居民人均生活消费碳排放的地区总差异呈现波动下降的趋势,从1997年的0.379下降到201 5年的0.244.1997～1999年城镇和农村居民生活消费碳排放的组间差距是城乡差距的主要来源,其贡献率超过50％.2000年后组内差距成为城乡差距的主要来源,其贡献率均大于40％并超过了组间差距.(3)城镇和农村居民人均生活消费碳排放均在增加,地区差异均在扩大.(4)对全国居民生活消费碳排放变动贡献最大的省区是内蒙古,累计贡献值达0.1005.贡献最小的省区是云南,累计贡献值为0.0125.(5)农村的能源消费强度和人均消费水平的贡献程度在研究期内均大于城镇,单位能源碳排放强度在两个地区的贡献水平表现出了波动性.【期刊名称】《中国环境科学》【年(卷),期】2018(038)011【总页数】15页(P4369-4383)【关键词】城镇居民;农村居民;生活消费;碳排放;Dagum基尼系数;LMDI【作者】范建双;周琳【作者单位】浙江工业大学经贸管理学院,浙江杭州310023;浙江工业大学技术创新与企业国际化研究中心,浙江杭州310023;浙江工业大学经贸管理学院,浙江杭州310023;浙江工业大学技术创新与企业国际化研究中心,浙江杭州310023【正文语种】中文【中图分类】X24随着科技进步和城镇化进程的加速,人们的生产和生活方式发生了改变,能源消耗结构也发生改变,消耗数量不断增加,给全球碳减排带来了巨大压力.随着家庭能源需求的不断上升,人们开始意识到居民生活消费所引起的直接和间接碳排放,已经或者即将成为新的碳排放增长点.在一些城镇化水平较高的发达国家,家庭能源消费已经超过工业部门,成为重要的碳源[1].随着中国刺激消费和拉动内需政策的进一步实施,我国未来居民消费模式变化引起的能源消耗数量和结构变化必将对碳排放产生越来越重要的影响[2].同时,城镇和农村作为承载人类生活和生产的两种不同空间载体,二者之间在诸多方面存在较大差异.而作为在城镇和农村从事生产和生活的主体,居民的消费行为和消费方式也截然不同,从而导致能源消耗结构和数量存在较大差异.随着城镇化进程的加速,不断有农村居民向城镇转移和集聚,这在导致能源消耗结构和数量发生变化的同时,也引起了碳排放的变化.中国的城镇化率已经由1978年的17.92%增加到2015年的56.10%,期间增长了3倍多.城镇人口增加的同时农村人口在不断减少,相应的城镇居民和农村居民生活消费也发生了巨大变化,势必导致生活消费碳排放发生重要变化.同时考虑到我国不同区域之间的经济发展水平差异较大,碳排放与区域经济发展之间存在长期均衡关系[3].因此,从城乡差异的视角考察居民消费碳排放的规模和结构特征,并基于历史数据测算各省区相关变量与全国城乡居民消费碳排放之间的数量关系,并对城乡差异进行比较,对于综合权衡城乡和区域间的碳减排目标具有重要的现实意义.由于发达国家基本完成了城镇化建设,家庭部门是仅次于工业部门的第二大能源消耗主体.因此,早期对于居民消费碳排放的研究更多集中在这些发达经济体,如美国[4]、英国[5]、丹麦[6-7]、西班牙[8]和希腊[9].这些文献均认为不同的家庭消费模式和消费水平均会对其碳排放产生影响.近年来,针对中国居民生活消费碳排放的相关研究逐渐增多.目前相关的研究主要集中在以下四个方面:一是将城镇和农村作为整体进行研究.如冯蕊等[10]、查建平等[11]、顾鹏等[12]采用碳排放系数法分别估算了天津市和全国城乡整体居民生活消费碳排放量.在对居民生活消费碳排放进行测度的基础上,有学者开始关注其驱动机制,如Feng等[13]采用灰关联方法检验了中国城乡整体居民消费对碳排放的影响.李艳梅等[1]采用面板数据模型重点考察了城镇化对家庭直接和间接碳排放的影响,并考虑了省际间的区域差异.更多的学者采用因素分解方法对城乡整体居民生活消费碳排放的驱动因素进行分析,主要采用指数分解模型[14-17]和结构分解模型 [18-20]两类方法.二是重点关注城镇居民生活消费碳排放.如张艳等[21]测算了我国287个地级市的城市居民消费碳排放及其空间分布,并探索其影响因素.万文玉等[2]对我国各省城市居民生活消费碳排放的时空演变特征进行分析,并利用面板数据模型分析了影响城市居民生活能源碳排放的主要因素.三是将研究视角聚焦到农村地区.如田宜水等 [22]则采用LEAP模型对2020年中国农村居民生活用能需求和碳排放情况进行了情景模拟.Chen等 [23]对中国农村居民消费的可再生能源产生的碳排放进行了测算.Wu等[24]采用问卷调查和多元线性回归方法对丽江农村居民生活消费碳排放的驱动因素进行了研究.四是对城乡差异进行比较.如李艳梅等[25]发现,城镇的户均直接能源消费和碳排放一直高于农村,但差距正在缩小,原因在于城镇直接能源消费强度下降、直接能源消费结构优化、家庭规模缩小所产生的节能减排效应逐步增大,抵消了人均消费水平提高所产生的增能增排效应.彭水军等[26]采用投入产出和结构分解方法进行研究,发现居民消费碳排放绝大部分都来自城镇居民的消费活动.除了城乡之间碳排放量的差异,进一步的有学者开始关注城乡间碳排放驱动因素的差异.如Zha等[27]通过对比研究,发现人口效应是城镇居民消费碳排放的主要促增因素,但却是农村居民消费碳排放的主要促减因素.张馨等[28]通过比较分析发现,在不考虑其他因素的前提下,农村居民转化为城镇居民会导致碳排放量的增加.这种变化反映了城乡居民生活水平的差异,发展趋势上表现为居民的消费行为由生存型向发展型转变.张友国[29]发现人口规模差异和人均消费水平差异是缩小城乡居民碳排放差异的重要因素.Zhang[30]进一步发现城镇间接生活消费碳排放的增加源于消费支出的增长,而农村地区的增长不显著.城镇直接生活消费碳排放的下降源于能源结构的变化,而农村地区的下降不显著.上述研究对中国城镇和农村居民生活消费碳排放进行了系统的测算、比较和驱动因素分析,并得出了有价值的结论.但是仍然存在两点不足:一是对中国城乡差异的比较研究均是以全国层面数据为研究样本,目前还缺乏基于省域层面的城乡比较;二是对城镇、农村居民生活消费碳排放的因素分解过程中未考虑分省贡献. 因此,本文基于中国30个省区1997~2015年的面板数据,采用Dagum基尼系数和Kernel密度函数估计方法对中国城镇和农村居民生活消费碳排放的空间差距及分布动态进行实证测度,将有助于我们掌握生活消费碳排放城乡差距的大小和演进趋势.并且进一步系统识别各省区相关变量对中国城镇、农村和整体居民生活消费直接碳排放的影响机制,并对三者之间的差异进行比较分析,这是现有文献鲜有涉及的.本研究发现中国居民人均生活消费碳排放的城乡差距总体上呈现下降趋势,但是农村居民人均生活消费碳排放的增长率要远高于城镇.该研究发现不仅是对现有文献的有益补充,而且能够更好的为环境政策制定和实施提供借鉴和参考.居民生活消费引起的碳排放包括直接碳排放和间接碳排放两部分.本文仅分析居民生活消费直接碳排放,并根据《中国能源统计年鉴》地区能源平衡表中城镇、农村和整体生活消费的20种能源消费量进行计算.由于20种能源包括了原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品和其他能源18种化石能源以及电力、热力的二次能源消费两部分.因此,借鉴已有文献的思路,本文采用如下公式对城镇和农村居民生活消费碳排放量进行测算:式中:Ck表示第k省区的城镇/农村/整体居民生活直接消费碳排放总量;Cjk表示第k省区的城镇/农村/整体第j种化石能源消费碳排放量;j=1,2,…,18 指18类化石能源类型;Cek和Chk分别表示第k省区的城镇/农村/整体居民生活电力和热力的二次能源消费产生的碳排放量;Ejk表示第k省区的城镇/农村/整体居民生活第j类化石能源终端消耗量;Ojk表示第j类化石能源的碳氧化率;CFjk表示第j类化石能源的碳排放因子;LCVjk表示第j类化石能源的平均低位热值;Eek表示第k省区的城镇/农村/整体居民生活电力消费量;Ehk表示热力消费量;δek表示第k省区电力消费的碳排放系数;δhk表示第k省区热力消费的碳排放系数.1.2.1 Dagum基尼系数及其分解方法在对城镇和农村居民生活直接消费碳排放量进行有效测度的基础上,本文进一步采用Dagum 基尼系数来分析城镇和农村之间以及地区之间的差距.不同于传统的基尼系数,Dagum基尼系数不仅能够有效识别地区间差距的来源,而且能够描述子样本的分布情况,并有效解释子样本之间交叉项的问题[31].Dagum基尼系数[30]的表达式如下:式中:G为基尼系数,表示总体差距;表示基尼系数总的平均差;yji (yhr) 是j(h) 地区内任意一个省份的居民人均生活直接消费碳排放量;表示全国城乡居民人均生活直接消费碳排放量的平均值;n表示全部省份的数量;k表示地区个数;nj(nh)表示j(h)地区内省份的个数.在进行基尼系数分解的过程中,首先要根据地区内居民人均生活直接消费碳排放量的均值进行排序,形式如下:按照Dagum基尼系数的分解方法,可以将基尼系数分解为3个部分:地区内差距的贡献(Gw)、地区间差距的贡献(Gnb)和超变密度的贡献(Gt).其中,超变密度是划分子样本时交叉项对总体差距(G)的影响,四者之间关系为:G= Gw+ Gnb+ Gt.各部分的计算公式如下:式中:pj=nj/n表示地区份额;表示j地区碳排放份额,j=1,2…,k;Gjj表示j地区的基尼系数;表示j地区的基尼系数平均差;Gjh表示j、h地区的地区间基尼系数;表示j、h 地区间的基尼系数平均差.Djh表示j和h地区间居民人均生活直接消费碳排放量的相对影响,其定义如公式(9)所示,根据Dagum[32]引理1和引理2可知,根据引理3可知=djh+pjh,因此Gnb、Gt也可表示为:根据以上方法,测算和分解了全国30个省区之间以及城镇和农村之间1997~2015年居民人均生活直接消费碳排放量空间分布的基尼系数并进行了地区分解.1.2.2 Kernel密度估计本文进一步将各省份的居民人均生活直接消费碳排放量的空间特征引入到时间坐标轴上进行动态评价,并采用Kernel密度估计来分析时间特征.Kernel密度估计方法能够对全国居民人均生活直接消费碳排放量的整体空间差异进行分析,并且通过观测核密度函数曲线峰值和宽度的变化,能够对全国、城镇和农村居民人均生活直接消费碳排放量的总体差异的分阶段动态变化进行可视化表达.假设随机变量X的密度函数为f(x) ,则在点x的概率密度可以由下式进行估计:式中:N为观测值的数量;h表示窗宽, , ;K(·)是核密度函数,它是一种加权函数或平滑转换函数;Xi为独立同分布的观测值,x为均值.本文采用高斯核函数进行估计,其表达式为:结合核密度函数图,就可以对居民人均生活直接消费碳排放量的取值在不同观察期的变化进行有效判断,进而刻画其动态特征.目前对碳排放进行因素分解的指数分解方法主要有算术平均 Divisia 指数分解法(AMDI)和对数平均 Divisia指数分解法(LMDI).AMDI 取两个端点值的算术平均数为权数,简单易行,但分解结果存在残差.LMDI方法分解无残差,对零值与负值数据能进行有效的技术处理,并且对于乘法和加法的分解结果具有总和一致性的优点.同时,考虑到加法模型更适合排放数量指标,而乘法模型更适合排放效率指标(如碳排放强度、人均碳排放量等).由于本文采用居民人均生活消费碳排放量(以下简称CP)作为分解指标,即排放效率指标,因此采用乘积式LMDI(M-LMDI)方法进行分析,首先将中国城镇、农村和整体CP分解为30个省区3个变量的乘积之和的形式:式中:CP(t)表示全国城镇/农村/整体居民t时期的人均生活直接消费碳排放量;C(t)和Ck(t)分别表示全国和第k省区城镇/农村/整体居民生活直接消费碳排放总量;p(t)和Pk(t)分别表示全国和第k省区城镇/农村/整体人口数量;k=1,2,…,30指30个省区;Ek(t)表示第k省区城镇/农村/整体居民生活直接能源消费总量;Tk(t)表示第k省区城镇/农村/整体居民生活消费支出总额.式(14)可以进一步表达为:式中:CEk(t)=Ck(t)/Ek(t)表示单位能源碳排放强度; ETk(t)=Ek(t)/Tk(t)表示能源直接消费强度,即单位消费支出的直接生活能源消费量;TPk(t)=Tk(t)/ Pk(t)表示人均消费支出,表征人均消费水平.根据M-LMDI方法对式(3)进一步分解,则可以得到相邻2个时段(t期~t+1期)居民人均生活直接消费碳排放量的变化可以表达为:用来表示全国城镇/农村/整体CP值从t时期到t+1时期的变动情况,并且分解为30个省区的3种因素变动的加权平均值之和.是权重函数在时刻的函数值.本文采用Sato-Vartia 指数来测度,即:可以运用下列的对数平均函数求取:基于上述理论模型,本文选取中国30个省区1997~2015年的面板数据为研究样本.主要搜集4组数据:30个省区城镇、农村和整体的居民生活直接能源消费数据、生活消费支出数据、人口数据和居民生活直接消费碳排放数据.其中,城镇、农村和整体的居民生活能源消费数据来源于1998~2016年《中国能源统计年鉴》中各省区的地区能源平衡表.平衡表中的20类能源的统计单位不统一,本文按照《中国能源统计年鉴》2016中所附的各类能源的折标准煤参考系数将20类能源的单位统一转化成万t标准煤;城镇、农村和整体人口数据来源于1998~2016年《中国统计年鉴》;城镇、农村和整体居民生活消费支出总额数据来源于1998~2016年《中国统计年鉴》,由于年鉴中仅公布了各省区城镇和农村的人均生活消费支出数据,本文结合该数据和人口数据推算出城镇和农村地区的居民生活消费支出总额数据,二者加总后得到整体居民生活消费支出总额数据,并进一步将数据以1997年为基期进行了平减.平减采用的国内生产总值价格指数来自历年《中国统计年鉴》;城镇、农村和整体居民生活直接消费碳排放数据采用碳排放系数法进行间接测算(具体测算过程参见1.1节);18种化石能源的碳排放系数来自IPCC;各省电力的碳排放系数来自于《关于公布2009年中国区域电网基准线排放因子的公告》;热力的碳排放系数参考了李艳梅等[1]的数据.1997~2015年期间中国城乡CP值均呈现逐年递增的趋势,且城镇CP值明显高于农村,为了进一步分析地区差异,本文利用ArcGIS的自然点断法绘制了1997年、2015年中国城镇和农村CP值变化的空间分布图,如图1所示,城镇和农村CP值在空间上均存在显著非均衡特征.1997年城镇CP值东部和西部差异较大,中部地区较为集聚,山东、江苏、安徽、湖南和贵州一带城镇CP值最低;2015年北部地区城镇CP值增加较快,呈现向东北地区集聚的趋势,各碳排放水平的集聚区域明显,总体看来东北和西部地区大于中部地区和东部地区.1997年中部地区农村CP值较高且较为集聚,东部地区相对最低;2015年农村CP值逐渐呈现出较大的东西集聚差异,东部地区农村CP值明显高于北部地区,并呈现向东南地区集聚的趋势.2.2.1 城镇和农村居民两组人群之间差距及其来源分解根据Dagum基尼系数分解方法,对城镇和农村CP进行测算和分解,结果如表1所示.1997~2015年期间中国整体CP的城乡差距总体上呈现波动下降趋势,具体而言,1998~2005年城乡差距缩小速度较快,2006~2011年城乡差距缩小速度较为缓慢, 2012年以后城乡差距缩小速度又开始加快,2015年达到最小值0.235.从组内差距(指城镇或者农村居民人群内部区域之间的差距)来看,研究期间内城镇居民组内差距变动呈现波动状态, 1998~2004年呈现“U”型态势,2005年之后呈现出缓慢的增长趋势.农村地区组内差距在1997~2015年呈现逐年缩小的发展态势.相比较而言, 1997~2011年农村地区的组内差距总是大于城镇地区,2012年以后则出现了反转,城镇地区组内差距大于农村地区.从组间差距(指城镇居民和农村居民两组人群之间的差距)来看,1997~2015年其变动趋势与总体差距类似,均呈现波动下降趋势,CP差距在缩小.从两组人群差距的来源看,1997~2015年CP的组内差距和超变密度的贡献率呈现上升趋势,而组间差距的贡献率则呈现下降趋势.具体来说,1997~ 1999年期间,城镇和农村CP的组间差距贡献率最大,是城乡差距的主要来源;2000年后,组内差距的贡献率超过了组间差距,成为城乡差距的主要来源.从基尼系数分解结果来看(图2),1997~2015年组内差距呈现轻微波动状态,总体有轻微的下降趋势,从1997年的0.139下降到2015年的0.117,说明研究期内的组内差距变动不明显;组间差距呈现波动下降趋势,从1997年的0.202下降到2015年的0.064,这说明组间差距对城镇与农村CP差距的影响在逐渐变弱,并且以2002年为分界线,之前年份组间差距为总体差距的主导因素,而之后年份主导因素则变为组内差距;超变密度在研究期内呈现出波动上升的发展态势,从1997年的0.038上升到2015年的0.062.除了2011和2013年之外,其取值始终低于组内差距和组间差距,不难得出,组内差距和组间差距的交互作用使得总体差距呈现出波动下降的趋势,从1997年的0.379下降到2015年的0.244.即组内差距和组间差距的同时下降是导致总体差距下降的主要原因.即城镇和农村之间的总体CP差距呈现出缩小的发展态势,这与李艳梅等[23]的研究结论保持一致.但是城乡差距缩小的原因并不在于城镇地区CP值的下降,而是农村CP值的增长速度远高于城镇地区导致的. 2.2.2 地区差距及其来源分解本文进一步依次对全国整体、城镇和农村CP的地区差异分别按东部、中部和西部地区进行测算和分解,其中东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南;中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南;西部地区包括四川、重庆、贵州、云南、陕西、甘肃、宁夏、新疆、广西、内蒙古.结果如表2、表3和表4所示.从表2可知,东部地区的地区内差距最大(均值0.257),其次是西部地区(均值0.253),中部的地区内差距最小(均值0.206);东部和中部地区整体CP值的地区间差距最大(均值0.276),其次是东部和西部地区(均值0.275),中部和西部的地区间差距最小(均值0.248).从发展趋势来看,东部地区的地区内差距呈现出明显的下降趋势,从1997年的0.308下降到2015年的0.164,说明东部地区内部的各省区之间的差距在不断缩小;中部地区的地区内差距在研究期内表现出了波动状态,但是波动幅度不大,基本稳定在0.2左右波动,并呈现轻微的下降趋势,从1997年的0.202下降到2015年的0.179,这说明中部地区内部各省区之间的差距变化不大;西部地区的地区内差距同样呈现出了波动中下降的发展趋势,但是波动的幅度要明显高于中部地区,从1997年的0.262下降到2015年的0.224.从中国城乡整体东部、中部和西部地区差距的来源和贡献率来看,研究期内超变密度的贡献率取值均最高,研究期内保持在40%左右波动,说明CP的地区内差距和地区间差距的交互作用是总体差距的主要来源;贡献率次之的是地区内差距,研究期内维持在30%以上的区间内小幅波动;贡献率最低的是地区间差距,并且在研究期内呈现出剧烈波动,总体上呈现出一定的上升趋势.表3展示的是城镇CP的基尼系数及其分解结果.从基尼系数可知,西部地区城镇CP 的地区内差距最大(均值0.269),其次是东部地区(均值0.254),中部的地区内差距最小(均值0.222);东部地区和西部地区城镇CP的地区间差距最大(均值0.279),其次是中部地区和西部地区(均值0.270),东部和中部的地区间差距最小(均值0.262).从发展趋势来看,中部地区和西部地区城镇CP的地区内差距在研究期内呈现出波动中上升的发展态势,分别从1997年的0.135和0.200上升到2015年的0.260和0.279;东部地区则呈现出波动中下降的发展态势,从1997年的0.241下降到2015年的0.208;三大区域城镇CP的地区间差距均表现出波动中上升的发展趋势.从城镇CP地区差距的来源和贡献率来看,除了2004年以外,研究期内超变密度的贡献率取值均最高,并在2007年达到最高值(63.06%),并在研究期内呈现出波动上升的发展态势,这说明超变密度是总体差距的主要来源;贡献率次之的是地区内差距,其取值在研究期内始终保持在30%以上,波动幅度较低,基本维持在32%~34%的区间内波动;贡献率最低的是地区间差距,在研究期内波动剧烈,2007年的最低值(3.16%)和2004年的最高值(33.90%)之间差距较大,并且从时间趋势上呈现出了明显的波动下降态势.表4展示的是农村CP的基尼系数及其分解结果.从基尼系数可知,东部地区农村CP 的地区内差距最大(均值0.340),其次是西部地区(均值0.251),中部的地区内差距最小(均值0.224);东部地区和中部地区农村CP地区间差距最大(均值0.399),其次是东部地区和西部地区(均值0.369),中部地区和西部地区的地区间差距最小(均值0.263).从发展趋势来看,东部、中部和西部地区农村CP的地区内差距均呈现出了波动降的态势,分别从1997年的0.511、0.352和0.299下降到2015年的0.172、0.092和0.133;从地区间差距来看,东部与中部、东部与西部、中部与西部在研究期内均呈现下降趋势,分别从1997年的0.509、0.447和0.366下降到2015年的0.258、0.283和0.119,降幅明显,说明中国农村CP的地区间差距有明显的缩小.从中国农村东部、中部和西部地区差距的来源和贡献率来看,研究期内地区间差距的贡献率最高(均值为45.81%),说明地区间差距是总体差距的主要来源;贡献率次之。
多元线性回归分析
取1996-2015年中国城镇居民人均消费支出及价格指数如下表所示（单位：元）
注：以上数据来源于《中国统计年鉴》（1996-2015）。
从2013年起，国家统计局开展了城乡一体化住户收支与生活状况调查，2013年及以后数据来源于此项调查。
与2013年前的分城镇和农村住户调查的调查范围、调查方法、指标口径有所不同。
1、回归分析结果
从回归结果分析，虽然模型的拟合优度很高，且整体通过F检验，但是p1、p0参数估计值没有通过t检验，并且拒绝原假设犯错的概率极高，且可以判断变量之间存在自相关性。
因此，可以得出结论：该模型不显著。
检验序列多重共线性：
从简单相关系数矩阵可以看出P0与P1之间的相关系数在0.808之上，可以判断P0与P1之间存在多重共线性。
利用逐步回归法修正多重共线性：
分别将X、P1、P0对Q进行回归，从以上回归结果可以看出Q受X的影响最大，因此选择第一个式子作为初始的回归模型。
将其他解释变量分别导入上述初始回归模型，寻求最佳回归方程。
回归估计方程如下：
Q = -2208.0065 + 0.2743*X + 29.0911*P1
（24.9825）（2.4202）
R 2
09780F=378.0763 DW=1.1995。
·ＣｏｎｓｕｍｅＧｕｉｄｅ·ＡｃａｄｅｍｅＥｌｉｔｅ１２■王力南东北财经大学中国城乡居民消费函数之比较分析［摘要］［关键词］本文利用近十五年的统计资料，建立了我国城乡居民消费函数模型，对城乡居民的消费行为进行了比较分析，从中找出城乡居民的消费差别，发现农村居民消费的潜力，为开拓农村消费市场，促进经济增长提供理论和数据参考。
城市农村消费函数比较分析作者简介：王力南，女，博士在读，东北财经大学津桥商学院讲师，研究方向：西方经济学。
一、消费函数理论综述二、我国城市居民消费函数模型的建立和分析三、我国农村居民消费函数模型的建立和分析在西方经济学中，消费函数理论一直处于学科前沿。
简要回顾西方主要的消费函数理论有：（一）凯恩斯的绝对收入假设消费函数凯恩斯认为，在短期内，影响个人消费的主观因素是比较稳定的，消费者的消费主要取决于收入的多少，随着收入的增加，人们的消费也在增加，消费是“完全可逆”的，但消费的增长低于收入的增长，即著名的“边际消费倾向递减规律”。
在这一理论假设下，可得到如下的个人消费函数：Ｃｔ＝ｂ０＋ｂ１Ｙｔ＋ｕｔ其中，Ｃｔ为第ｔ期的消费支出，Ｙｔ为第ｔ期的绝对收入，ｂ０表示自发性消费，ｂ０＜０，ｂ１为边际消费倾向，０＜ｂ＜１。
（二）杜森贝利的相对收入假设消费函数杜森贝利认为，一方面，消费者的消费支出不仅受其自身收入的影响，而且也受周围人的消费行为及收入与消费相互关系的影响，即消费具有“示范性”或“攀附性”；另一方面，消费者的消费支出不仅受自己目前收入的影响，而且也受自己过去收入和消费水平的影响，即消费又具有“不可逆性”。
根据这一理论假设，杜森贝利的相对收入假设消费函数可近似地简化为下式：Ｃｔ＝ｂ０＋ｂ１Ｙｔ＋ｂ２Ｃｔ－１＋ｕｔ其中，Ｃｔ－１为第ｔ－１期的消费支出。
（三）莫迪利安尼的生命周期假设消费函数莫迪利安尼认为，消费者是理性的，他只是根据效用最大化原则来使用一生的收入，安排其一生的消费，使一生中的收入等于一生的消费。
中国城乡居民消费函数之比较分析作者：王力南来源：《消费导刊·理论版》2008年第12期[摘要]本文利用近十五年的统计资料，建立了我国城乡居民消费函数模型，对城乡居民的消费行为进行了比较分析，从中找出城乡居民的消费差别，发现农村居民消费的潜力，为开拓农村消费市场，促进经济增长提供理论和数据参考。
[关键词]城市农村消费函数比较分析作者简介：王力南，女，博士在读，东北财经大学津桥商学院讲师，研究方向：西方经济学。
一、消费函数理论综述在西方经济学中，消费函数理论一直处于学科前沿。
简要回顾西方主要的消费函数理论有：（一）凯恩斯的绝对收入假设消费函数凯恩斯认为，在短期内，影响个人消费的主观因素是比较稳定的，消费者的消费主要取决于收入的多少，随着收入的增加，人们的消费也在增加，消费是“完全可逆”的，但消费的增长低于收入的增长，即著名的“边际消费倾向递减规律”。
在这一理论假设下，可得到如下的个人消费函数:Ｃｔ=ｂ0+ｂ1Ｙｔ+ｕｔ其中，Ｃｔ为第ｔ期的消费支出，Ｙｔ为第ｔ期的绝对收入，ｂ0表示自发性消费，ｂ0 （二）杜森贝利的相对收入假设消费函数杜森贝利认为，一方面，消费者的消费支出不仅受其自身收入的影响，而且也受周围人的消费行为及收入与消费相互关系的影响，即消费具有“示范性”或“攀附性”;另一方面，消费者的消费支出不仅受自己目前收入的影响，而且也受自己过去收入和消费水平的影响，即消费又具有“不可逆性”。
根据这一理论假设，杜森贝利的相对收入假设消费函数可近似地简化为下式:Ｃｔ=ｂ0+ｂ1Ｙｔ+ｂ2Ｃｔ-1+ｕｔ其中，Ｃｔ-1为第ｔ-1期的消费支出。
（三）莫迪利安尼的生命周期假设消费函数莫迪利安尼认为，消费者是理性的，他只是根据效用最大化原则来使用一生的收入，安排其一生的消费，使一生中的收入等于一生的消费。
因此，消费者现期消费不仅与现期收入有关，而且与消费者以后各期收入的期望值、开始时的资产和个人年龄大小有关。
消费者一生中各期消费支出流量的现值要等于一生中各期期望收入流量的现值，这种行为可称作“前瞻行为”，用简单的线性模型来描述这一假设的消费函数可得下式:Ｃｔ=ｂ1Ｙｔ+ｂ2Ａｔ+ｕｔ其中，Ａｔ为第ｔ期消费者所拥有的资产。
（四）弗里德曼持久收入假设消费函数弗里德曼认为，消费者的消费支出主要不是由他现期收入决定的，而是由他的持久收入决定的。
所谓“持久收入”是指消费者可以预计到的长期收入，即他一生中可得到的收入的平均值。
弗里德曼假定，持久消费与持久收入之间存在一个固定比例，而暂时消费与暂时收入是不相关的，在此基础上的消费函数的形式为:Ｃｐｔ=ｋ(ｒ，ｗｕ)Ｙｐｔ+ｕｔ其中，Ｃｐｔ为第ｔ期的持久消费，ｋ为比例系数，是持久的消费和收入之间的边际消费倾向，它受到利率ｒ、非人力财产与持久收入的比率ｗ及其他因素ｕ的影响，Ｙｐｔ为第ｔ期的持久收入，弗里德曼用实际收入Ｙｔ的几何级数来对其进行测定。
上述建立在不同的消费者行为假设基础之上的消费函数，从建立计量经济模型的角度考察，消费函数无外乎这么两大类：一类不考虑滞后因素的影响；另一类考虑滞后因素的影响。
二、我国城市居民消费函数模型的建立和分析（一）模型的建立假定我国城镇居民个人消费支出受本期及上期个人可支配收入的影响。
由于我国利率相对很稳定，因此，利率对消费的影响予以忽略。
设Xt 表示第t 年城镇居民家庭人均可支配收入(单位: 元)Yt 表示第t 年城镇居民家庭人均消费支出(单位:元)Yt = 31. 30+ 0. 9 94※Xt- 0. 1 29※Xt- 1(2. 23) (18. 9) (- 2. 14)R2= 0. 998D·W = 2. 11F= 10807. 3（二）模型的解释设△Xt 表示城镇居民家庭人均可支配收入本期相对上期的增量，△Xt= Xt- Xt- 1，将城镇居民家庭人均可支配收入模型作变换得:Yt= 31. 30+ 0. 865※Xt+ 0. 129※△Xt该模型说明，城镇居民在决定个人消费支出大小时，主要考虑本期可支配收入及可支配收入的增量，当可支配收入增量为零时，城镇居民消费支出只取决于本期的居民可支配收入。
一般情况下，0≤△Xt< Xt，所以0≤△Xt?X t< 1，又因为31. 30?X t 非常小，可以忽略，因而有0. 865≤Yt?X t≤0. 994，即城市居民平均消费倾向在0. 865～ 0. 994 之间。
由食品消费支出模型可以得出: 食品边际消费支出倾向为0. 427。
1997年，城市居民消费支出Yt= 3963. 7 元，由此推测， 1997 年我国城市居民恩格尔系数为48. 9% ，这说明我国城市居民生活水平初步达到小康水平。
在未来5 年内，随着城市居民消费水平的不断提高，恩格尔系数会进一步下降，但恩格尔系数不太可能低于45%。
三、我国农村居民消费函数模型的建立和分析（一）ELES模型农村居民是一个庞大的消费群体，而农村居民的消费水平能否提高关系到我国21 世纪能否全面进人小康社会。
因此，对农村居民的消费行为和消费结构进行定量分析具有重要的现实意义。
在对居民消费结构进行定量研究中，扩展线性支出系统(Extended Linear Expenditure Sys2tem)模型，即ELES模型被广泛采用。
本文采用《中国统计年鉴》中19942004年中国农村居民人均纯收入和各项消费支出的时间序列数据。
利用ELES，以我国农村居民消费结构的各支出项目如食品等分别作为因变量，以农村居民人均纯收入作为自变量进行线性回归。
选取19942004不变价格计算的各项消费支出和人均纯收入数据作为模型估计的时间序列数据。
计算结果见表1。
表1中国农村居民各种消费支出参数估计值（二）数据分析1．需求的收入弹性。
需求的收入弹性简称收入弹性，它表示一种商品的需求量对于消费者收入变动的反应程度。
从表1可以看出，八项消费支出的需求收入弹性均为正值，说明随着收入水平的提高，需求量会随之增加，即中国的农村居民收入的增加会刺激各类商品的消费支出。
交通通讯需求收入弹性系数大于1，说明消费者收入增加时，对这种商品需求量的增加率高于收入的增加率，其消费支出占总消费的比重会上升。
其他七项消费支出的需求收入弹性均小于1，这说明中国的农村居民的纯收入增加时，对这些商品需求量的增长率低于纯收入的增长率。
其中居住和家庭设备的需求收入弹性最高分别为0.953371和0.903829，其次是其他商品及服务和文教娱乐的需求收入弹性分别为0.879347和0.747417，这说明广大农村居民对居住和家庭设备、其他商品及服务和文教娱乐的需求增长率是相对较高的，这些项目的消费有较大的市场增长潜力。
此外，医疗保健及衣着的需求收入弹性分别为0.691175和0.690895，这说明这些项目的消费也具有较大的市场增长潜力。
食品的需求收入弹性为0.439011，是最低的需求收入弹性，这就证明了恩格尔的结论:在一个家庭或一个国家中，食物支出在收入中所占的比例随着收入的增加而减少。
2．需求的价格弹性。
需求价格弹性包括自价格弹性和互价格弹性两个方面。
前者反映某类消费品需求量关于其自身价格变动的反应程度，后者反映某类消费品需求量关于另一类消费品价格变动的反应程度。
表1列出的价格弹性中，主对角线上的数字为各类商品或服务的自价格弹性，每一行数字反映的是其它各类商品价格变动对该类商品需求的影响，而每一列数字描述了某类商品价格变动对其他各类商品需求的影响，表示该列所示商品或服务价格上升1%引起其他各类商品或服务需求量变化的百分比) 。
从表1可以看出，价格弹性都是负数，这说明在其他条件(比如收入等)不变的情况下，价格的上涨将降低消费者对所有各类商品或者服务的需求量。
表1计算结果还表明，从各行数字来看，各类商品的自价格弹性最大，而互价格弹性相对较小，这说明目前中国农村居民对各类消费商品的需求量受其自身价格变动的影响最大，而受其他各类商品价格变动的影响相对较小。
也说明中国农村居民消费支出有所增加，生活水平有所提高。
从各列数字来看， (除自身价格弹性以外)第一列(即食品)的价格弹性最大，这表明在所有消费品中，食品价格上涨将会导致其他各类商品需求的大幅度下降，这与目前中国农村居民消费结构中生存资料(尤其是食品支出)占较大比重密切相关。
此外，自身价格弹性中，交通通讯最大，为- 0.57853，反映出这类产品对自身价格的变化反映最敏感，此类商品降价，可以较大幅度地提高其消费需求。
居住的需求弹性非常高，仅次于交通通讯，这说明广大农村居民越来越注重居住环境的改善，需要投入大量的资金用来购建房屋。
四、结论及对策通过上述分析可以看出，城乡居民的收入水平、消费水平、消费结构都存在着较大差异。
城镇居民的消费水平比较高，消费结构也相对完善，是目前拉动经济增长的主流消费群体，但其消费倾向较低，消费需求不足；农村居民的消费水平远远低于城镇居民，消费结构也有待改善，虽然农村居民的消费倾向较高，但由于其收入水平较低，消费需求不能满足。
这种显著差别的原因可以分为：（一）收入因素城镇居民收入比较稳定，还可以得到各种补贴，因此收入中较大部分用于消费，而农民的收入是“看天吃饭”，视农业收成而定，而且农产品变化大，因此，农民的消费行为极为接近“生命周期假设”中的设定条件。
因此边际消费倾向较小。
（二）非收入因素城镇居民有劳保、退休金、公费医疗、福利住房，为防意外事故而进行储蓄的较少（近年来情况有所变化）。
而农村居民享受不到这些福利，预防动机的储蓄较多。
从长期边际消费倾向来看，城市居民与农村居民相差不多。
这一结果与我们感觉有出入，印象中农民远比城市居民恪守勤俭之道。
但是这一结果是合理的。
针对以上原因，本文从城镇和农村两个方面来给出相应的政策建议。
（一）城镇方面。
通过提高经济发展的总体效益，增强企业活力，加强政府财力，加大收入政策改革力度，改善居民收入。
加快税制改革，加大税收调节力度。
提高个税起征点，同时实行累进税，以及政府财税转移支付力度，直接增加低收入者的收入。
由于低收入家庭的消费倾向很高，因此增加低收入家庭的收入对于弥补消费断层、扩大消费需求有着重要的意义。
健全和完善社会保障体制，降低人们对未来支出预期的不确定性，从而降低居民的强制性储蓄倾向。
失业保险制度、医疗保险制度、养老保险制度的完善，必将使人们的储蓄存款从为应付“失业”、“治病”、“养老”等方面解放出来，而较多的投向消费市场。
采取得力措施，改善居民支出预期，增强消费信心，增加即期消费，积极培育和扩大新的消费增长点，诸如住宅、教育、旅游等，进一步提高城镇居民的边际消费倾向。
（二）农村方面。
积极开拓农村市场，减轻农民负担，切实增加农民收入，提高农民的购买力。
