重庆市城乡居民消费倾向分析

重庆经济２００２・３　热点探讨　

抓住消费结构转型新契机　

促进重庆市消费需求稳定增长　

口　互粗动　

消费、投资及出口三驾驱动经济增长的马车中，消费（包括居民消费和社会消费，本文主要指居民消费）　

是经济增长的最终动力。然而，“九五”末期，我市消费增长呈逐年减缓之势，这一定程度上制约了投资对经　

济增长拉动效能的发挥。“十五”期间，我市经济是否能进入新的增长周期，在很大程度上取决于是否有新的　

主导型消费热点支撑。因此，把握居民消费结构升级的时机，保持消费需求稳定增长，培育新的消费热点，对　

扩大内需，促进产业升级，具有重要意义。　

一、我市城乡居民消费结构转型的静态分析　

（一）城镇居民消费从实物消费型向物质和服务并重型转变　用于吃、穿的比重下降，而住、行消费比重上升。据调查，近几年城镇居民食品消费比重（恩格尔系数）呈　

逐年下降态势，从１９９５年的４８．７％下降到２０００年的４０．４％，下降了８．３个百分点（详见表１）。衣着消费比重　

从１９９５年的１４％下降到２０００年的１０．１％，减少了３．９个百分点。　

在吃、穿比重下降的同时，住与行在居民消费中的份额不断加大。一方面，随着城市住房制度的改革，住　

房货币化、商品化建设步伐的加快，居民购房的比重增加，居住消费显著增长，城镇居民购房和居住支出成为　

居民家庭主要的一次性大笔支出。２０００年，城镇居民人均购房支出比１９９５年增长２３０．３％，居住消费比重从　

１９９５年的５．５％上升到９％，增加３　５个百分点，交通和通讯支出占消费支出的比重也由１９９５年的５．６％上　

升到２０ＯＯ年的７．４％。　

城镇居民在基本生活需要满足后，逐渐追求教育、文化、保健等消费。生活水平的提高，人们的保健意识　

增强，各类医疗保健器材及医疗服务开始进入居民家庭。同时，医疗制度改革的深入，医疗费中个人负担的　

比重加大。２０００年医疗保健支出消费比重由１９９５年的２　９％上升为２０００年的５．４％，人均娱乐、教育、文化服　

理论探讨　

■　凌　星　兀　摘要：重庆作为中国西部地区唯一的　直辖市．对其居民消费行为进行研究．具　有特别重要的价值　根据持久收入理论模　型和生命周期理论模型．文章主要对重庆　居民自１９９８￣２０１４年的消费变化进行分　析．从而得出居民收入与消费之问呈现一　定的关系。　关键词：重庆市：居民消费：消费函数　一、引言　改革开放以来．重庆市居民的生活　水平有了很大改变．正处于从温饱型向　小康型转变的关键时期。但是，作为中国　西部地区唯一的直辖市．重庆在经济发　展的过程中同样出现了居民消费支出逐　步下降的情况。因此，对重庆的居民消费　进行研究就有着很重要的意义。因此，根　据持久收入模型和生命周期模型．本文　对重庆居民自改革开放以来的的消费变　化进行分析　二、数据的选取　本文的数据选取１９９８年到２０１４年的　人均纯收入和人均消费支出，如表１所示。　三、重庆市居民消费函数分析　（一）建立生命周期理论模型及其　分析　莫迪利安尼认为．消费者的现期消费　主要和现期收入相关．同时还和消费者最　初的资产、以后各期收入的期望值等相　关，建立基本模型如下：　Ｃ＝ａＹ＋ｌｇＡ　（１）　其中，式（１）中ｃ表示消费；Ｙ表示　５６　２０１５年１８期（６月）　表１　重庆居民家庭人均收支状况　人均纯收入　人均消费支出　人均纯收入　人均消费支出　年份　年份　（单位：元）　（单位：元）　（单位：元）　（单位：元）　１９９８　２５６２．４５　２２１７．６８　２００７　６２７５．４５　５６８８．４６　１９９９　２６９５．７５　２３３１．６４　２００８　７３５２．９　６４９３．８８　２０００　２８２９．４１　２４５８．０９　２００９　８１５９．９７　７２２６．４１　２００１　３０２９．１３　２６３９．０７　２０１０　９９０９．１５　８４５２．７９　２００２　３２８８．９　２８２８．８６　２０１１　１　１７６３．５２　１０３１０．８９　２００３　３６３１．０２　３２Ｏ８．７８　２Ｏ１２　１３４５１．４９　１２０１３．１４　２００４　４１８７．２６　３６９７．６３　２０１３　１５５４３．５９　１３６５２．４１　２ｏｏ５　４７２６．３８　４２１８．６６　２０１４　１７６２４．２６　１５９５４．１７　２００６　５１７２．２７　４７４６．８９　收入；Ａ表示非人力资产净值．用公式表　示如下：　Ａ＝Ａｏ＋Ｙｏ－Ｃｏ　（２）　即上期储蓄与上期初资产净值之和　即为期初的资产净值。另外。由于：　ｃ０＝ｔｘＹｎ＋Ｂ　（３）　将式（３）代入式（２），得到　Ｃ＝ｅｔＹ＋（ｐ—ｏＬ）Ｙ０＋（１一ｐ）Ｃ０　（４）　上式中．ｃ为当期消费：Ｙ为当期收　入；ｃ。为上期消费；Ｙ。为上期收入。　重庆居民的人均消费支出和人均纯　收入如表１所示。此时．另Ｙ为纯收入．ｃ　为消费支出．利用软件Ｅｖｉｅｗｓ按照式（４）　进行回归计算，结果如下：　Ｃ＝０．８９２Ｙ－１．３５４Ｙ０＋１．５２６Ｃ０　（５）　从回归结果得出。Ｒ。＝０．９９３，　＝　Ｏ．８９２，Ｂ＝一０．３２４，代入式（１）得　Ｃ＝０．８９２Ｙ一０．３２４Ａ　（６）　从以上结果可以看出．回归方程的拟　合度比较好，被解释变量受到解释变量的　明显影响．进一步较好地验证了生命周期　理论。对回归模型的结果进行分析．从而　可以得出如下结论　１．重庆居民的消费与收入表现出正　比关系．即重庆居民的消费支出随着收　入的提高而不断增加。从结果看出，重庆　居民收入的边际消费倾向相对较高．达　到Ｏ．８９２，进而说明居民开始资产积累．　用作生命周期消费的资产积累还不足．　因此．居民比较多的收入增量主要用于　消费　２．重庆居民的当期消费与期初非人　力资产净值表现出反比关系．即重庆居　民的消费支出随着年初资产的增加而　不断减少。从结果看出，重庆居民的资　产存量的边际消费倾向是一０．３２４．也就　是说年初资产存量每增加１元．当年消　费支出就会减少Ｏ．３２４元。因此，重庆居　民在一定的收入水平下用于生活消费　的支出由于储蓄和投资增加而不断下　降。　３．重庆居民的现期消费与滞后消费　表现出正比关系。从结果看出，滞后消费　系数是１．５２６．说明重庆居民的当前消费在　一定程度上会受到过去消费的影响。　４．从结果来看．重庆居民的本期收入　是影响消费的一个最主要因素　如果要提　高居民的消费水平．关键是增加居民的收　入。　（二）建立持久收入理论模型及分析　弗里德曼的持久收入理论认为．人们　在计划自己的消费水平时主要是根据长　期的持久收入，而不是根据短期的可支配　收入，即持久消费ｃ　表示为持久收入Ｙ　的函数，具体如下：　ＣＰ＝ｋＹＰ　（７）　其中．ｋ用来表示持久消费占持久收　入的比例。由于持久收入和暂时收入很难　准确区分．弗里德曼认为持久收入可以用　过去收入的递减的无穷加权级数来衡量。　在建模过程中，弗里德曼认为当期的实际　收入和过去的持久收入共同影响一定时　间内的持久收入．表示如下：　ＹＰ＝ｅＹ＋（１—０）Ｙｐｏ　（８）　其中，Ｙ　表示当期持久收入；Ｙ表示　

石家庄市大学生精神消费倾向调查问卷

尊敬的先生/女士：

您好，我们是河北经贸大学的学生，为了深入了解当前大学生的消费心理、消费习惯以及大学生对精神消费的认识，现就大学生精神消费倾向状况进行抽样问卷调查。本问卷无需填写姓名，我们也绝对保证对您的信息保密。您的答案将为我们提供极大的帮助，您的支持和帮助是我们成长的动力！在此由衷感谢您参与我们的调查，谢谢您的配合！

Q1：您的性别？（单选）

男

女

Q2：您的年龄？（单选）

≤19岁

20~30岁

Q3：您的年级？（单选）

大一

大二

大三

大四

Q4：您的月生活费是？（单选）

500以下

500~1000

1000~1500

1500以上

Q5：您的生活费来源是？ （可多选） 父母给予的

日常、假期兼职所得

政府补助（包括奖学金等）

投资盈利（开网店等）

其他

Q6：您平均每个月的消费支出是多少？（单选）

≤500

501~800

801~1100

1101~1400

≥1400

Q7：您每个月的收支状况如何？（单选）

支出小于收入 剩余较多

剩余较少

收支平衡

入不敷出（钱不够花）

Q8：您觉得自己的精神消费情况如何？（单选）

高（奢侈）

比较高

不多不少比较适当

比较低

很低（非常节约） Q9：您的消费支出主要在哪方面？ （可多选）

基本消费（包括日常饮食、生活必需品等）

交通费用

电话、手机费

报纸等阅读类

文化娱乐

烟酒

化妆美容

其他

Q10：您每月在精神消费方面的花费占总生活费的比例大概为多少？（单选）

10%以下

10%—20%

20%—30%

30%—40%

40%—50%

50%以上

Q13：您消费时最注重？（单选）

价格

质量

外观

品牌 其他

Q14：您最主要的消费方式是？（单选）

事先做好消费计划然后有目的消费

没有计划、看到喜欢的就买

Ｓｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ　Ｖｉｓｉｏｎ　科技视界　科技・探索・争鸣　重庆市农村居民家庭人均消费支出趋势分析　王保玲　（重庆交通大学管理学院，中国重庆４０００７４）　【摘要】以重庆市１９８５年到２０１２年的农村居民家庭人均消费支出的资料为依据，利用回归分析中的非线性回归模型得到初步预测值．　其中的随机干扰项部分结合自回归移动平均（ＡＲＭＡ）进行预测。随机干扰项作为系统外影响因素的综合代表．对它的进一步诠释可以保证模　拟值更贴近实际。本文得出的结果表明该方法是合理有效的．对政府公布政策研究具有一定推动作用　【关键词】非线性回归；随机干扰；ＡＲＭＡ；最小二乘法　【Ａｂｓｔｒａｃｔ］Ｔｈｅ　ｐａｐｅｒ　ｉｓ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｄａｔａ　ｏｆ　ｐｅｒ　ｒｕｒａｌ　ｒｅｓｉｄｅｎｔ’Ｓ　ｃｏｎｓｕｍｐｔｉｏｎ　ｅｘｐｅｎｄｉｔｕｒｅ　ｆｒｏｍ　ｔｈｅ　ｙｅａｒ　ｏｆ　１９８５　ｔｏ　２０１２　ｉｎ　ｔｈｅ　ｃｉｔｙ　ｏｆ　Ｃｈｏｕｇｑｉｎｇ．Ｕｓｉｎｇ　ｔｈｅ　ｎｏｎｌｉｎｅａｒ　ｒｅｇｒｅｓｓｉｏｎ　ｍｏｄｅｌ　ｏｆ　ｒｅｇｒｅｓｓｉｏｎ　ａｎａｌｙｓｉｏｎ　ｇｅｔ　ｔｈｅ　ｐｒｅｌｉｍｉｎａｒｙ　ｆｏｒｅｃａｓｔｓ　ａｎｄ　ｉｔｓ　ｓｔｏｃｈａｓｔｉｃ　ｄｉｓｔｕｒｂａｎｅｅｐａｒｔ　ｃｏｍｂｉｎｅｓ　ａｕｔｏｇｒｅｓｓｉｖｅ　ｍｏｖｉｎｇ　ａｖｅｒａｇｅ（ＡＲＭＡ）ｔｏ　ｆｏｒｅｃａｓｔ．Ｔｈｅ　ｓｔｏｃｈａｓｔｉｃ　ｄｉｓｔｕｒｂａｎｃｅ　ｉｓ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｒｅｐｒｅｓｅｎｔａｔｉｖｅ　ｏｆ　ｏｕｔｓｉｄｅ—ｓｙｓｔｅｍ　ｉｎｆｌｕｅｎｅｉｎｇ　ｆａｃｔｏｒｓ．Ｔｏ　ｆｕｒｔｈｅｒ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ　ａｂｏｕｔ　ｉｔ　ｃａｎ　ｅｎｓｕｒｅ　ｔｈｅ　ｓｉｍｕｌａｔｉｏｎ　ｍｏｒｅ　ｃｌｏｓｅｄ　ｔｏ　ｔｈｅ　ａｃｔｕａ１．Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗ　ｔｈａｔ　ｔｈｅ　ｍｅｔｈｏｄ　ｉｓ　ｒｅａｓｏｎａｂｌｅ　ａｎｄ　ｅｆｆｅｃｔｉｖｅ，ａｎｄ　ｉｔ　ｈａｓ　ａ　ｃｅｒｔａｉｎ　ｐｒｏｍｏｔｉｎｇ　ｒｏｌｅ　ｉｎ　ａｎｎｏｕｎｃｉｎｇ　ａｐｏｌｉｃｙ　ｒｅｓｅａｒｃｈ　ａｂｏｕｔ　ｔｈｅ　ｇｏｖｅｒｎｍｅｎｔ．　【Ｋｅｙ　ｗｏｒｄｓ　ｌＮｏｎｌｉｎｅａｒ　ｒｅｇｒｅｓｓｉｏｎ；Ｒａｎｄｏｍ　ｎｏｉｓｅ；ＡＲＭＡ：Ｌｅａｓｔ　ｓｑｕａｒｅ　ｍｅｔｈｏｄ　０引言　目前．解决消费问题主要是要解决农村居民的消费问题　我国城　乡差距扩大的不均衡发展的趋势仍未扭转．农村居民的消费水平仍然　较低。农村居民消费需求增加，对于推动经济增长，加快产业结构优　化。消除城乡二元结构等意义重大。即使目前的现状不是很乐观，但改　革开放以来。农村居民收入、消费和生活水平不断提高．综合素质有较　大提升．为我国的“三化”打下了坚实基础。作出了巨大贡献。重庆市直　辖后．积极响应国家提出的“三农”政策．如火如荼的社会主义新农村　建设正在进行中．随着这一工作的推进，农村居民的明天将会更加美　好。因此，简单、准确的模拟出农村居民消费支出对国家政府制定方针　政策有着积极的意义　国内外关于经济变量预测及趋势的研究可以分为以下几类：１）灰　色预测系统进行鉴别系统因素之间的关联分析．然后建立相应的微分　方程模型。从而预测事物未来发展趋势的状况；２）线性回归分析是通　过确定两种或两种以上变数间相互依赖的定量关系进行预测：３）ＢＰ　神经网络能学习和存贮大量的输入一输出模式映射关系．通过反向传　播来不断调整网络的权值和阈值，使网络的误差平方和最小；４）自回　归移动平均（ＡＲＭＡ）是研究时间序列的重要方法．将预测指标随时间　推移而形成的数据序列看作是可以延续的一个随机序列：５）马尔科夫　过程中时间和状态都是离散的，运用条件概率创建预测序列。　由于预测变量受到相当多的因素影响．预测方法应运用多种模型　相结合．取多模型精华。而以上提到的几种方法都带有主观性和局限　性　本文运用非线性回归与自回归移动平均（ＡＲＭＡ）相结合的方法．　创新性的对随机干扰项进行处理．综合预测出重庆市农村居民家庭人　均消费支出的趋势　１　ＡＲＭＡ预测方法　ＡＲＭＡ模型是研究时间序列的重要方法　自回归模型（简称ＡＲ　模型）和滑动平均模型（简称ＭＡ模型）的组合．便构成了用于描述平　稳随机过程的自回归滑动平均模型ＡＲＭＡ　在市场研究中常用于长期　追踪资料的研究以及市场规模的预测等。将预测指标随时间推移而形　成的数据序列看作是一个随机序列．这组随机变量所具有的依存关系　体现着原始数据在时间上的延续性。　ＡＲＭＡ模型建立步骤：１）序列的预处理，判断已给出的序列是否　平稳．若不平稳．对其进行差分处理使其平稳；２）根据已得出观察值序　列的ＡＤＦ检验结果的ｔ统计量值：３）计算出ＡＤＦ的ｔ统计量值。并结　合ＡＩＣ准则和ｓｃ准则来选取模型中Ｐ和ｑ的值：４）估计ＡＲＭＡ模型　的未知参数　２非线性回归分析与自回归移动平均预测模型　假设对象的被解释变量（样本观察值）为Ｙｉ（ｉ－１　２…一，Ｕ），解释　变量是Ｘｊ（ｊ＝Ｉ，２，３，……），随机干扰项　其中，ｎ为已知样本的年份期　限。　２．１化非线性为线性回归的模型　由样本散点图选取适当的方法．化解释变量的非线性问题为线性　问题。目前较为常用的转换模型有如下几种：　直接置换法：１）倒数模型：　１＝叶　＋　，ｌ，＝寺，　＝　１；２）多项式　ｆ，　ｎ　，Ｊ　ｎ　模型：Ｙ＝ａ＋ｂｒ＋ｃｒ％ｌ￣，　１＝ｒ，　２＝ｒ２。　函数变换法：１）幂函数模型及指数函数模型：Ｑ　，两边取　对数，Ｙ＝ｌｎＱ，Ｘｌ＝ＩｎＫ，Ｘ２＝ｌｎＬ。　级数展开法：复杂函数模型，Ｑ＝Ａ（占　Ｋ　）　，（　＋６２＝１），两边　取对数后有ｌｎＱ＝ｌｎＡ一÷ｌｎ（８ｔＫ　＋占正　）＋　，将式中的ｌｎ（占　正　）在　ｐ＝Ｏ处展开Ｔａｙｌｏｒ级数，即可得一个线性近似式。　２．２线性回归模拟　假设原样本非线性回归经过２．１中转化方法ｓ后．新变量为解释　变量　、被解释变量ｌ，　和随机干扰项　。函数映射ｓ：ｙ—ｙ　，　—　，　‘　，线性回归形式如下：　Ｙ　＝ａ＋ｂＸ　“　２．３　ＡＲＭＡ模型下的随机干扰项　假设胁　是平稳时间序列，是以回归分析的准确性为依据，则　｝　是一个ＡＲＭＡ（ｐ，ｑ）过程，其一般表达式为：　胁　＝∑　一∑　￡　蜀　２．４综合预测模型　基于上述的思考可知，综合模型须运用倒推法　结合２．３和２．２中　的方法，得到关于线性回归表达式如下：　ｌ，　，＿叶６　，＋∑　肫　一∑　￡　＋￡　利用反函数，结合上式与２．４式得综合预测模型如下：　５（　）＝【　＋　（∑ＯｉＩｄａ　一∑　８　）】＋　－（五）＋　－（８　）　２．５综合预测模型评价　对模型结果进行评价．可以避免预测方法应用不当或错误的解释　了预测结果这一现象。所选择的预测误差的指标要满足以下条件：反　映预测的精确度，衡量预测模型的无偏性。因此，本文选用平均误差　（ＭＡＤ）和平均预测误差（ＭＦＥ）。　平均误差是评价精确度、计算预测误差的重要指标．用来检验预　测与历史数据的吻合情况，也是判断预测模型能否继续使用的重要标　准之一。平均误差用公式表示：