基于Ｐａｎｅｌ Ｄａｔａ模型的我國城鎮居民收支研究

[摘 要] 本文以面板數據模型為基礎，利用1999年～2004年我國城鎮居民收入與消費數據，分析我國城鎮居民的收入消費關系和近年來我國城鎮居民收入消費的變化情況。

[關鍵詞] Panel Data Panel Data模型 城鎮居民收支

一、Panel Data簡介

1.Panel Data 的含義

Panel Data（或者Longitudinal Data）可譯成“面板數據”、“縱向數據”，是用來描述一個總體中給定樣本在一段時間的情況，并對樣本中每一個樣本單位都進行多重觀察。這種多重觀察既包括對樣本單位在某一時期（時點）上多個特性進行觀察，也包括對該樣本單位的這些特性在一段時間的連續觀察，連續觀察將得到數據集稱為面板數據。Panel Data 研究成為近十年來經濟計量學的一個熱點。大量關于Panel Data的分析方法、研究文章如雨后春筍般出現在經濟學、管理學、社會學、心理學等眾多領域。

2.Panel Data的作用

(1)控制個體行為差異。Panel Data數據庫顯示個體（包括個人、企業、地區或國家）之間存在差異，而單獨的時間序列和橫截面不能有效反映這種差異。如果只是簡單使用時間序列或橫截面分析就可能獲得有偏結果。此外，Panel Data分析能夠控制在時間序列和橫截面研究中不能控制的涉及地區和時間為常數的情況。也就是說，當個體在時間或地區分布中存在著常數的變量（例如受教育程度、電視廣告等）時，如果在模型中不考慮這些變量，有可能會得到有偏結果。Panel Data分析能夠控制時間或地區分布中的恒變量，而普通時間序列和橫截面研究中則不能。

(2)Panel Data能夠提供更多信息、更多變化性、更少共線性、更多自由度和更高效率。反觀時間序列經常受多重共線性的困擾。

(3)Panel Data能夠更好地研究動態調節，橫截面分布看上去相對穩定但卻隱藏了許多變化，Panel Data由于包含較長時間，能夠弄清諸如經濟政策變化對失業狀況的影響等問題。

(4)Panel Data能更好地識別和度量純時間序列和純橫截面數據所不能發現的影響因素。

(5)相對于純橫截面和純時間序列數據而言，Panel Data能夠構造和檢驗更復雜的行為模型。

(6)通常，Panel Data可以收集到更準確的微觀單位（個人、企業、家庭）的情況。由此得到的總體數據可以消去測量誤差的影響。

二、研究方法描述及變量選取

1.研究方法及模型設計

面板數據是對不同時期的橫截面個體做連續觀測所得到的二維時間序列數據，即時間序列與橫截面數據相結合的數據。模型的一般形式為:

模型(1)可表達為，即截距系數αi和斜率系數βi隨著個體的不同而改變，稱為“變系數模型”。

模型(2)，即斜率系數β為常數，而截距系數αi隨著個體的不同而改變，稱為“變截距模型”。

模型(3)可表達為，即對α和;β都不產生影響，相當于將所有時期的橫截面數據融合成一個總體，稱為“混合回歸模型”。

面板數據模型最早是由Cheng Hsiao(1986)提出，并將該類模型應用于經濟分析。平行數據模型相對于純橫截面數據模型和純時間序列模型的優點在于：樣本容量大大增加，使參數估計值更加可靠；可深入到“省市”層次、“地市”層次、“收入差距”層次研究消費，有利于對比分析，從而體現地區差異和收入差距；能夠識別一些純橫截面數據模型和純時間序列模型所不能識別的因素；提高了模型參數估計精度，同時大大降低了多重共線性的影響。

在滿足古典回歸模型假設的情況下，利用普通最小二乘法對平行數據模型進行可以得到無偏一致估計。建立平行數據模型時首先運用協方差分析方法來識別模型，可以假設成立的情況下：

其中、S1，S2、S3 分別是“變系數模型”、“變截距模型”和“混合回歸模型”的殘差平方和。在零假設H2和H1下，F1和F2服從特定自由度的F分布。若F1<臨界值，則接受H2，表明運用“混合回歸模型”估計樣本，否則再運用F1統計量檢驗H1。若Fi<則運用“變截距模型”估計樣本，否則運用“變系數模型”估計樣本。

通常可以從以下兩個方面運用平行數據模型進行居民消費結構變動的影響分析:(1)收入差異對居民消費結構變動的影響分析，可以利用各年按收入分組的抽樣調查資料建立平行數據模型。對應的“變系數模型”表示各收入層次邊際消費傾向和消費水平存在層次差異；“變截距模型”表示各收入層次邊際消費傾向無顯著差異，而消費水平存在層次差異；而“混合回歸模型”表示消費水平和邊際消費傾向都不存在差異。(2)地區差異對居民消費結構變動的影響分析，可以利用各年按地區分組的抽樣調查資料建立平行數據模型。對應的“變系數模型”表示各地區之間居民消費的邊際消費傾向和消費水平存在較大差異；“變截距模型”表示各地區之間居民消費的邊際消費傾向無顯著差異，而消費水平存在地區差異；而“混合回歸模型”表示消費水平和邊際消費傾向都不存在地區差異。

2.數據說明

本文所采用的數據是根據1999年～2004年《中國統計年鑒》的相關數據整理得來的。本文采用了33個省市1999年～2004年共198個數據，包括全國各省市自治區城鎮居民年人均可支配收入（INC）和消費性支出（CONS），二者都經過相應地區居民消費價格指數(P)平減（以1999年為基期）。

部分樣本數據如下：

三、實證分析與結果

本文主要根據《數據分析與Eviews應用》（易丹輝，2002）第210頁～214頁有關說明，為了對比1994年～1999年時期與1999年～2004年時期變化情況，本文采用書中方法，也未對樣本數據進行F檢驗，直接采用變截距模型。即

2.D-W值為1.7，表明殘差項無序列相關。從整體上看，該模型效果不錯。

3.對比1994年～1999年時期與1999年～2004年時期，可以看出，β2系數由0.5524提高到0.7915， 這說明隨著人們生活水平的提高，可支配收入越來越多，人們不再把大部分收入存入銀行，而是選擇了消費和投資。這也從另一側面反映了人們的消費意識和水平大大提高，人們為未來的顧慮已經降低，選擇了即期消費。

參考文獻：

[1]易丹輝:數據分析與EVIEWS應用[M].中國統計出版社，2002

[2]李子奈 葉阿忠:高等計量經濟學[M].清華大學出版社，2000

“本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文”