我國城鎮居民消費支出結構性差異研究

曾 光，王選華，王玲玲

（1.遼寧工程技術大學工商管理學院，遼寧 葫蘆島 125105；2.中國人事科學研究院，北京 100101；3.安得膜分離技術工程(北京)有限公司，北京 101312）

0 序言

當前，由于美國金融危機、歐洲債務危機以及日本大地震等諸多因素共同影響，全球經濟的復蘇趨勢正面臨大量的不確定性，歐美等發達地區失業率居高不下，只有新興經濟體和發展中國家的經濟仍然維持較高速度的增長。按照國際貨幣基金組織（IMF）的預測，2012年世界經濟增速將達到4.5%，但是，由于經濟復蘇的不確定性增加，對未來經濟增長的前景普遍并不看好。對于我國來講，在全球金融危機的沖擊、出口大量萎縮的條件下，政府及時出臺以刺激內需為主的宏觀經濟政策，近年來宏觀經濟保持了平穩較快發展。據國家統計局最新發布數據，2011年我國GDP同比增長9.2%，總量達到47.1564萬億元，其中，最終消費對GDP增長的貢獻率達到了51.6%，社會消費品零售總額實際增長了11.6%，說明我國近年的刺激內需政策發揮了一定效應。如何進一步擴大內需，維持國內消費需求尤其是居民消費的穩定增長，一直是國內學者長期關注的熱點。本文在對國內居民消費文獻研究的基礎上，使用2010年度城鎮家庭人均消費支出數據，通過因子分析方法來討論城鄉居民消費支出的結構與區域性特征，以期能為未來時期政府制定消費需求政策提供參考。

1 研究設計

1.1 研究方法

本文使用因子分析法來考察我國城鎮居民的消費結構變化，其基本思想是，將影響城鎮居民消費支出的八項指標綜合為少數幾個公共因子，并利用原始指標與公因子之間的關系來再現消費支出的結構特征。在具體處理上，以相關矩陣的內部關系研究為基礎，找出影響居民消費結構的綜合指標，這就是公共因子。公因子與原始指標之間的關系即構成如下因子模型：

其中，z1，z2，…，zp稱為原始變量，F1,F2,…,Fm為公因子，e1,e2,…,ep是特殊因子，已經包含了隨機誤差項，ei僅與第i個變量zi有關，lij稱為第i個原始變量zi在第j個因子Fj上的因子載荷，由其構成的矩陣L稱為因子載荷矩陣。本文使用軟件SPSS19.0從四個方面開展因子分析：（1）構建原始指標矩陣Z，并將其標準化為矩陣Z′，并計算出相關系數矩陣R；（2）求解相關系數矩陣的特征方程 R-λI=0，得到特征值 λi，并按照 λ1＞λ2...＞λn＞0的條件，以方差累計貢獻率一般在85%以上為原則確定公因子的個數；（3）計算特征向量以及因子載荷，并提取特征值大于1的因子作為進一步分析使用的公因子；（4）分別計算所提取的公因子得分和綜合分數，以此為依據對31個地區進行分類比較。

1.2 數據來源及指標選取

本文選用的樣本數據來源于《中國統計年鑒2011》分地區城鎮居民消費支出結構數據，共涉及31個地區、八項消費支出：食品（z1）、衣著（z2）、居住（z3）、家庭設備用品及服務（z4）、醫療保健（z5）、交通和通信（z6）、教育文化娛樂服務（z7）、其它商品和服務（z8），由于所有數據均是2010年度的截面數據，地區之間具有可比性。

2 研究過程

2.1 因子提取過程

為了準確確定因子載荷，消除原始變量的方差過大對其產生影響，我們先對原始指標矩陣Z進行標準化處理，得到標準矩陣Z′（過程及結果略），并求出標準化矩陣的相關系數矩陣R（過程及結果略），并對其結果進行KMO檢驗和Bartlett球形檢驗，結果見表1。

表1 我國城鎮居民消費支出結構數據的KMO and Bartlett檢驗結果

按照Kaiser給出的使用KMO取值來選取原始指標作因子分析的判斷標準，當KMO＞0.8，Bartlett檢驗值中，sig.＜0.05時，原始指標相關性較強，適合作因子分析。從本文的檢驗結果來看，2010年度我國城鎮居民消費支持結構數據適合用于因子分析。也可以根據相關矩陣系數矩陣中的取值來判斷，本文相關系數矩陣中絕大多數系數值都在0.3以上，說明原始指標之間具有較強的相關性，適合用作因子分析。此外，還可以根據逆像顯示的相關矩陣主對角線上元素的值來判斷，本文的逆像顯示的相關矩陣主對角線上的數值分別為 0.859，0.733，0.861，0.880，0.785，0.862，0.903，0.909，這些數值相對于非對角線上的數值大得多，說明八項原始指標適合用于因子分析。從得到的公因子共同方差來看，八個變量的方差均在0.8以上，說明原始變量所丟失的信息較少，幾乎都包含在共同因子中，原始數據使用因子分析的效果較好。

根據相關系數矩陣R計算出特征值及對應的方差貢獻率，其結果見表2。

表2 相關系數矩陣特征值與方差貢獻率

依據表2，我們依據特征根λi≥1，且累積方差貢獻率大于或等于85%的變量作為公因子，故特征根λ1和λ2符合要求，它們所對應的方差貢獻率分別為72.286%和15.045%，二者累積方差貢獻率達到87.331%，說明前兩個公因子可以解釋原始變量的信息量超過了87%，從8個公因子中提取前兩個公因子是比較科學的，而公因子的碎石圖如圖1所示。

從圖1來看，僅有前兩個公因子的特征值大于1，從第三個公因子起，其特征值逐漸遞減，選擇前兩個公因子來滿足分析的需要。

圖1 我國31個地區城鎮居民消費支出公因子特征值碎石圖

2.2 因子載荷分析

在提取公因子后，我們將確定變量在所提取公因子上的載荷。從最初公因子載荷來看，八個變量在第一個公因子（F1）上的載荷都很高，表明這些變量同第一個公因子高度相關；變量在第二個公因子（F2）上的載荷相對較小，如表3所示。

表3 變量在公因子上的初始載荷（旋轉前）

一般情況下，要求所提取的公因子之間的相關性較低，或者不具有相關性，從而使公因子之間相互獨立，這樣才能對每個公共因子賦予清晰的含義。因此，我們對因子負荷矩陣進行最大方差正交旋轉，因子負荷矩陣旋轉后，可以使在一個公因子上的高載荷變量數量降到最低，從而增強了公因子的解釋性。從表3來看，這兩個公因子的實際含義比較模糊，無法對其進行清晰的命名，對公因子進行旋轉后得到的矩陣如表4所示。

表4 變量在公因子上的初始載荷（旋轉后）

從表4來看，旋轉后得到的因子負荷矩陣，公因子的含義比較明確，據正交負荷矩陣中的高載荷分布特征，兩個公因子的經濟含義可以命名如表5。

表5 公因子名稱

從表5來看，食品、居住、家庭設備用品及服務、交通和通信、教育文化娛樂服務、其他商品和服務這六項指標在第一個公因子F1上的載荷很高，說明第一個公因子既反映了我國各地區居民一般生活必須品的消費支出，如食品、居住、家庭設備與服務、交通通信以及教育支出等，同時也反映了享受型的生活支出，如接受娛樂服務；衣著、醫療保健等指標在第二個公因子上的載荷很高，表明第二個公因子反映了氣候型因子，因為各地區的氣候不同，將導致不同的消費支出。

2.3 公因子得分計算

為了討論消費支出的結構性特征，我們需要通過計算公因子的得分來對地區之間進行比較。公因子的得分系數矩陣如表6所示。

表6 公因子得分系數矩陣

根據表6給出的公因子系數，再結合原始變量標準化后的矩陣來計算兩個公因子的得分，并根據公因子的得分結果來對地區之間進行比較分析，以便發現不同地區居民消費支出的結構性特征。因此，公因子得分函數為：

其中，SF1、SF2分別為全國31個地區在公因子F1、F2上的得分；z1*～z8*是原始矩陣Z標準化后的數值。

為了進行綜合比較，還需要將這兩個公因子以各自的方差貢獻率占累積方差貢獻率的比重為權重來加權計算綜合得分，綜合得分函數為：SF=（72.286 SF1+15.045 SF2）/87.331。計算結果如表7所示。

表7 全國31個地區消費支出因子得分及排序

2.4 因子結果分析

表7分別按照兩個公因子及綜合得分進行排名，從結果來看，對于第一個公因子來講，東部地區的得分普遍較高，東北和中部地區得分一般，而西部地區較低；第二個公因子得分，北方地區普遍偏高，南方地區相對較低，這主要是受天氣的影響，氣候較為嚴寒的地區用于衣著、醫療保健方面的支出占消費支出總額的比重較高，而氣候較為溫和的南方地區則相反。我們將31個地區按照F1和F2的得分為標準作散點圖，如圖2、3所示。圖2反映了一般生活支出占總支出的比重，圖3反映了受氣候影響的消費支出比重。

圖2表明，上海、廣東和北京用于一般生活性支出占總支出比重較高，而這個公因子包含了6項指標，占總消費支出的比重較大，所以可以反映各地區的綜合性消費支出。因此，綜合性消費支出占比較高的還有浙江、福建、天津和安徽。黑龍江在最下邊，說明該地區的城鎮居民綜合性消費支出較低。如果按照F1得分的標準進行分類，可以將用日常生活和享

圖2 全國31個地區一般消費支出散點圖（按照F1得分）

受娛樂的消費支出的地區分為三個集團。將F1得分在0以上的地區視為第一集團，共有10個地區，分別是上海、廣東、北京、浙江、福建、天津、江蘇、海南、廣西和四川，在得分較高的地區中，除了廣西和四川屬于西部地區經濟水平較低的地區以外，其他8個地區都是經濟比較發達的東部沿海地區；將F1得分在-0.05～0之間的地區以上的地區視為第二集團，也有10個地區，分別是湖南、江西、山東、安徽、重慶、遼寧、湖北、云南、貴州和內蒙古，位于這一集團的大部分地區都是中部地區，也有部分西部地區和少量的東部地區；將F1得分低于-0.05的地區視為第三集團，共有11個地區，分別是陜西、西藏、寧夏、河北、山西、河南、青海、吉林、新疆、甘肅和黑龍江，第三集團的特征是，大部分地區都屬于經濟發展相對落后的地區，其中西部和東北地區占主要部分，也有少部分中部地區。

從圖3來看，內蒙古和北京最靠上邊，說明這兩個地區用于御寒的消費支出占總支出比重較高；海南省在最下邊，受氣候影響的消費支出占比較低。我們以公因子F2得分區間為標

圖3 全國31個地區受氣候影響的消費支出散點圖（按照F2得分）

準來對消費地區進行分類，將F2得分大于0的地區列為第一集團，這些地區分別是內蒙古、北京、吉林、天津、遼寧、重慶、黑龍江、山東、河南、浙江、上海、陜西、寧夏、河北和新疆等15個地區。從這些地區來看，由于受氣候影響消費支出比重較高的地區絕大部分都是北方地區和西部氣候寒冷地區，如用于購買衣服和醫療保健方面的支出占比較大。此外，這一集團中也有部分南方地區，如上海、浙江、重慶等，如果僅僅使用氣候條件來解釋這三個地區的消費支出，我們認為未必客觀，因為三個地區的一年中的氣候相對來講比較溫和，但是在受氣候影響的消費支出中，醫療保健是也變量之一；此外，部分衣著支出增加不一定是因為氣候原因，而是地區時尚或者其他原因引起。因此我們認為部分南方地區主要因為時尚因素或醫療保健支出較多，從而導致該部分支出比重較大，而并不是為了御寒購買衣服的支出增加。

我們以表7中綜合因子得分為標準來將全國31個地區的消費支出進行分類。將綜合因子F得分大于0的地區列為第一集團，分別是上海、廣東、北京、浙江、天津、福建和江蘇等7個沿海經濟發達地區；綜合因子得分大于-0.05小于0的地區是第二集團，主要有15個地區，分別是內蒙古、重慶、四川、山東、遼寧、廣西、湖南、海南、安徽、湖北、江西、陜西、寧夏、吉林和云南。在這綜合消費支出的第二集團中，大部分地區都位于中部地區和西部地區，只有山東省來自東部地區；綜合得分小于-0.05的地區有9個，這些地區是河南、貴州、河北、山西、西藏、新疆、黑龍江、青海和甘肅，消費綜合支出落后的地區幾乎都是經濟水平不發達地區，這一集團的部分地區雖然由于受氣候影響而增加消費支出的比重較大，但是用于一般生活消費、娛樂支出較少，從而導致綜合消費支出費用較低。

3 結論與政策建議

本文使用因子分析技術研究了我國31個地區城鎮居民消費支出的結構特征，得出以下結論：一是我國城鎮居民消費支出的規模主要受地區經濟發展水平和氣候等兩個因素影響。對于經濟發展水平較高的沿海地區，用于一般生活支出、娛樂支出的比重較高；氣候寒冷的北方地區，城鎮居民用于衣著、醫療保健支出的比重較高。二是部分西部地區近年消費支出水平位居前列，如廣西和四川兩個地區的一般消費支出和娛樂支出占總消費支出的比重位于全國第一集團，而在綜合消費支出中，除了四川和廣西以外，還有內蒙古、重慶、陜西、寧夏和云南等地區近年的消費支出較高，高于大部分中部地區。三是個別地區消費支出的特殊性。比如，在討論受氣候影響的地區中，衣著和醫療支出受到影響最大的15個地區中，有12個地區都屬于北方，而還有上海、浙江和重慶三個南方地區。因此，衣著支出增加在個別地區也并不一定就是氣候原因，還可能是時尚等元素導致。

因此，我國政府在制定刺激內需的消費政策時，要針對不同地區的特征有的放矢出臺相關政策。對于經濟發達地區，在刺激一般性消費支出時，還要為當地居民提供較多的文化、休閑、娛樂等特殊性消費品，進一步擴大發達地區的消費規模；對于西部地區而言，可以通過減少消費稅收的形式刺激一般消費需求，以此進一步提高經濟落后地區城鎮居民的消費水平；對于上海、北京、重慶以及經濟發達的其他地區具有較強的時尚消費需求意愿，政府可以有重點地引導具有地方特色的時尚產業發展來刺激消費需求。

[1]吳棟,李樂夫,李陽子.近年居民消費結構統計分析的研究綜述——關于因子分析和聚類分析的應用[J].數理統計與管理,2007,(9).

[2]王學民.我國各地區城鎮居民消費性支出的分析研究[J].財經研究,2002,(1).

[3]孫冰,王其元.我國居民家庭消費支出結構的對比分析[J].哈爾濱工業大學學報,2002,(8).

[4]寧自軍.因子分析在居民消費結構的變動分析中的應用[J].數理統計與管理,2004,(11).

[5]孫艷玲.我國農村居民生活消費實證研究[J].農村經濟,2003,（12）.

[6]王芳,王景東.我國城鎮消費結構的因子分析[J],商業研究,2004,(21).

[7]紀榮芳.城市居民消費結構的因子分析模型及應用[J].山東農業大學學報(自然科學版),2007,(2).

[8]莊燕君.區域產業結構與消費結構關聯分析[J].統計與決策,2005,(1).

[9]申秋紅.基于層次分析法的農村居民消費結構研究[J].財貿研究,2007,(5).

[10]殷玲.我國居民消費行為的實證分析[J].商業研究,2004,（20）.

[11]孔祥利,馬麗霞.基于面板數據的陜西省農村居民消費結構分析[J].統計與信息論壇,2011,(10).