《我国城乡居民消费差异理论研究.doc》由会员分享，可在线阅读，更多相关《我国城乡居民消费差异理论研究.doc（16页珍藏版）》请在金锄头文库上搜索。
1、我国城乡居民消费差异理论研究北京师范大学珠海分校 范佩朕、何晨东、王媛摘要：本文首先利用灰色关联分析和相关性分析，对我国城乡居民1991到2007年间的有关数据进行初步分析，研究各因素对于消费支出的影响程度及显著性大小；然后，建立消费支出和各因素之间的回归方程，利用软件对我国城乡居民的消费模型进行了参数估计和检验，并对所得的结果做了经济意义的解释。同时，通过建立城乡居民的消费模型，对城乡消费差异性进行了对比，得出了我国农村居民基本消费水平低于城镇居民,而且其样本期平均边际消费倾向亦低于城镇居民,城乡居民对于物价的变动所作出的反应有显著的差异等结论，而引起城乡消费差异的最主要因素是城乡收入的差距
2、愈来愈大的结果。关键词：消费差异 消费方程 最小二乘回归 关联度分析目录一、引言1二、理论及方法介绍11消费理论介绍12模型方法介绍1三、研究思路与数据收集31研究的思路与方法32数据的来源3四、分析过程31基于灰色关联度方法的初步分析32回归模型分析6五、城乡居民消费行为的对比分析12六、参考文献14一、 引言 改革开放以来，随着社会和国民经济的发展，我国城乡居民收入和消费水平不断提高，消费领域不断扩大，消费结构逐步改善。但由于我国城乡在劳动生产率、经济市场化程度和社会福利制度等方面的存在较大的差异，城乡居民消费水平的提高和消费结构的改善并不同步。因此正确分析我国城乡消费的差异，对促进社会经
3、济的发展有重大的意义。 二、理论及方法介绍 1消费理论介绍在现实生活中，影响各个家户消费的因素很多，如收入水平、商品价格水平、利率水平、收入分配状况、消费者偏好、家庭财产状况、消费信贷状况、以及制度、风俗等等，西方消费经济学者们认为，在众多影响因素中收入是影响消费的主要因素。关于收入和消费的关系，凯恩斯认为，存在一条基本心理规律：随着收入的增加，消费也会随着增加，但消费增加的不及收入增加的多，消费和收入的这种关系称作消费倾向，公式表示为：，消费和收入的这种函数关系始于凯恩斯的绝对收入理论；除了凯恩斯的绝对收入理论外，之后还有美国经济学家杜森贝利提出的相对收入消费理论、弗里德曼的持久收入消费理论
4、和莫迪里安尼的生命周期消费理论。到了1970 年代,又产生了由霍尔提出的理性预期生命周期消费函数,1980 年代,戴维森以误差修正模型解释收入与消费的关系,为消费函数注入了新的生命力。近年来,国外学者对消费函数的理论研究主要集中在预防性储蓄理论和流动性约束假说上。2模型方法介绍 2.1. 关于关联度分析方法的说明关联度分析方法可以定量描述事物或因素之间相互变化的情况，包括变化的大小、方向与速度等的相对性。如果事物或因素的变化态势基本一致，则可以认为它们之间的关联度大，反之，关联度小。灰色关联度分析所需数据较少，对数据要求较低，原理简单易于掌握，关于关联度的计算可以分为以下几个步骤： 原始数据的
5、处理：用同一数列的第一个数据去除后面的所有数据，得到一个各个数据相对于第一个数据的倍数数列，即初值化数列。 计算关联系数数据处理后的参考序列：计算数据处理后的比较序列各期的数值与数据处理后的参考序列对应期的差值绝对值：找出每个比较序列与参考序列对应期的差值绝对值的最大、最小者，分别记为、，从P个中找出最大者记为，从P个中找出最小者记为计算公式： 计算关联度用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度，其计算公式为：。2.2.回归模型的建立根据前人的消费理论分析和对影响消费因素的了解，我们选取了四个主要影响指标建立多元线性回归模型如下：其中：为人均消费支出、为人均
6、国内生产总值、为人均可支配收入、为消费物价指数、为前一年人均消费量。人均国内生产总值：把国内生产总值作为经济发展水平的代表性指标，可研究城乡居民消费水平和经济发展水平的关系。人均可支配收入：根据以往消费理论，收入被视为在影响消费的众多因素中的主要因素。消费物价指数：按经济理论分析，物价越高，越会抑制人们的消费，消费水平会越低。前一年人均消费量：居民消费水平具有一定的惯性，居民当年的消费支出在一定程度上受上一年已经实现了的消费支出的影响。三、研究思路与数据收集1研究的思路与方法首先利用灰色关联分析和相关性分析，对我国城乡居民1991到2007年间的有关数据进行初步分析，研究各因素对于消费支出的影
7、响程度及显著性大小；然后，建立消费支出和各因素之间的回归方程，利用软件对回归模型进行最小二乘估计回归，分别估计出城乡居民消费函数的参数值。然后利用软件的相关功能对模型参数进行经济意义的检验、统计检验和计量经济学检验。最后确定城乡居民的消费函数，根据消费函数模型进行对比分析。2数据的来源 城乡居民1991到2007年的人均消费支出、人均可支配收入、人均国内生产总值、消费物价指数的数据均来自于2008年中国统计年鉴。四、分析过程 1基于灰色关联度方法的初步分析 根据1991到2007年间的有关数据，以人均消费支出为参考序列，以人均可支配收入、人均国内生产总值、消费物价指数的数据为比较序列，计算它们
8、与人均消费支出的关联度。以下过程在Excel中进行，计算过程以城镇居民数据为例。第一步：进行数据处理用每列的第一个数据去除该列的每一个数据，所得到的初值化序列如下：人均消费支出人均GDP人均可支配收入消费物价指数前一年人均消费量111111.2293478261.2210151.1916970481.0333016181.1528822061.5891304351.5841231.5155827361.1046622261.4172932332.0934782612.1365652.0558626371.1893434821.8320802012.6798913042.6658062.5185
9、228741.111322552.4135338353.0065217393.0885522.8454075031.0352045673.0895989973.1646739133.3919683.0343996240.9809705043.4661654143.3201086963.5905413.1901093730.9457659373.6484962413.4809782613.7820453.4423262380.9391056143.8276942363.7228260874.1514393.6928143010.9590865844.0131578953.865760874.55
10、50984.0336351880.9581351094.291979954.0146739134.9652664.5294601910.9419600384.4567669174.2940217395.569634.9818887450.9600380594.6284461154.7168478266.5172455.5401622960.9828734544.9505012535.1141304357.4246096.1701752320.9666983825.4379699255.6646739138.540446.9149123840.9657469085.8959899756.4429
11、3478310.003388.1064330240.9942911516.530701754表一 初值化处理数据列表第二步：计算各个比较序列同参考序列在同一时期的绝对差人均GDP人均可支配收入消费物价指数前一年人均消费量00000.0083330.0376507780.1960462090.0764656210.0050070.0735476990.4844682080.1718372020.0430870.0376156240.9041347780.261398060.0140850.161368431.5685687540.266357470.082030.1611142361.97131
12、71720.0830772580.2272940.1302742892.1837034090.30149150.2704320.1299993222.3743427580.3283875450.3010660.0386520232.5418726470.3467159750.4286130.0300117862.7637395030.2903318080.6893370.1678743182.907625760.426219080.9505920.5147862773.0727138750.4420930041.2756080.6878670063.333983680.3344243761.8
13、003970.823314473.7339743720.2336534272.3104781.0560447974.1474320520.323839492.8757661.2502384714.6989270050.2313160623.5604481.6634982415.4486436310.087766972表二 绝对差数据列表从中找出最大值与最小值分别为：，第三步：计算各个比较序列同参考序列的关联度取分辨系数，则计算公式为：人均GDP人均可支配收入消费物价指数前一年人均消费量11110.9969510.9863680.9328690.9726990.9981650.9737130.8
14、490180.9406670.9844310.9863810.7508210.9124510.9948560.944080.6346120.9109370.970770.9441630.5801810.9704080.9229930.9543630.5550750.900360.9096980.9544550.5343210.8924280.9004870.9860110.5173230.8871010.8640590.9891040.4964090.9036930.7980650.9419560.4837260.8647160.7413290.8410720.4699510.8603810.6810920.7984090.4496840.8906660.6020980.7679260.4218330.9210090.5410980.720650.3964520.8937590.4864780.685440.3669990.9217370.433480.6208830.3333330.96
