针对我国人均居民消费的调查.docx

关于我国人均居民消费的调查
2008042031 经济学 王小琴

一 引言
改革开放三十年来，我国经济迅速增长，居民消费水平有很大提高；与此同时，居民消费差距日益扩大，社会不公平现象凸现。而这种不公平尤其体现在城乡之间和区域之间。2008年，占全国人口总数54.32%的农村居民消费总额只占全国消费总额的24.93% ①。消费差距过大不仅影响经济效率，更影响社会稳定，带来一系列社会严峻问题，影响了我国建设和谐社会的进程。本文对我国消费差距进行探究，旨在更清楚的分析我国消费差距及其影响因素。
在此，我引用了消费者物价指数（CPI , Consumer Price Index）这一指标。消费者物价指数是世界各国普遍编制的一种指数，它可以用于分析市场价格的基本动态，是政府制定物价政策和工资政策的重要依据。我国称之为居民消费价格指数，是反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。
此外，本文收集了中宏数据库我国09年全国部分地区城乡消费价格指数和我国05年至08年部分地区居民消费价格指数进行描述性统计。从中经网找到了09年3月至10年3月的人均居民消费以及人均国内生产总值、商品物价指数的官方数据，运用SPSS，借此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。
(①源于《中国统计年鉴》（2009）并经计算得到）

二 关于消费价格指数的分析
（一）我国区域间居民消费价格指数分析
以下收集的是我国09年全年部分地区城乡消费价格指数，主要选取了全国，北京，山西（代表中部地区），吉林（代表东北地区），上海（代表东部沿海），福建（代表东南地区），四川（代表西南地区），甘肃（代表西北地区）的城市农村消费价格指数 (表一)

2009年1月
2009年2月
2009年3月
2009年4月
2009年5月
2009年6月
2009年7月
2009年8月
2009年9月
2009年10月
2009年11月
2009年12月
全国城市
100.70
98.10
98.60
98.30
98.50
98.20
98.10
98.70
99.10
99.30
100.40
101.80
全国农村
101.50
99.20
99.30
99.00
99.00
98.60
98.40
99.00
99.40
99.90
100.90
102.10
北京城市
100.70
98.90
99.00
98.60
98.30
98.20
97.60
97.20
97.50
97.70
98.70
99.40
山西城市
99.90
97.20
97.60
97.90
98.80
98.50
98.70
98.90
98.90
98.80
100.90
102.70
山西农村
102.20
101.00
100.30
100.80
101.20
100.70
100.30
100.60
101.00
100.00
100.80
101.90
吉林城市
100.50
98.90
98.70
98.70
98.70
98.90
99.00
99.30
99.90
100.50
102.10
104.10
吉林农村
101.80
100.60
100.20
100.10
100.00
99.40
99.30
99.60
100.40
101.30
102.20
103.20
上海城市
101.70
99.90
99.60
98.60
98.80
98.50
98.10
99.40
99.50
99.70
100.20
101.20
福建城市
99.50
96.50
97.30
97.40
97.60
97.40
97.30
97.90
98.40
99.10
99.80
101.60
福建农村
99.20
95.50
97.10
97.30
96.90
96.40
96.30
97.40
98.10
99.00
100.50
101.80
四川城市
102.20
99.80
100.10
100.00
100.30
100.30
100.40
101.00
101.00
100.80
100.80
101.30
四川农村
103.30
101.60
101.10
100.40
100.40
100.30
100.30
100.40
100.40
100.70
101.10
101.70
甘肃城市
102.70
100.50
101.00
100.20
101.40
101.50
99.90
100.20
99.80
100.10
100.40
102.60
甘肃农村
104.60
102.00
102.70
102.20
103.20
102.00
101.70
101.60
101.10
101.00
101.70
102.40

对该数据进行描述性统计得：

中位数
平均数
平均差
标准差
偏态系数
峰态系数
全国城市
98.65
99.一五
0.933333
1.197346
1.269199
0.689997
全国农村
99.25
99.69
0.938889
1.一八1262
1.125302
0.一三0268
北京城市
98.45
98.48
0.733333
0.971253
0.907395
1.207004
北京农村　
0.00
0.00
0
0
#DIV/0!
#DIV/0!
山西城市
98.80
99.07
1.05
1.50474
1.382541
2.261429
山西农村
100.80
100.90
0.466667
0.638179
0.851194
0.516736
吉林城市
99.一五
99.94
1.238889
1.669762
1.7一五388
2.683206
吉林农村
100.30
100.68
0.966667
1.210653
0.908195
0.0551一八
上海城市
99.55
99.60
0.783333
1.069409
0.657748
0.072298
上海农村
0.00
0.00
0
0
#DIV/0!
#DIV/0!
福建城市
97.75
98.32
1.一三6111
1.437696
1.127706
1.061166
福建农村
97.35
97.96
1.468056
1.851023
0.87一八31
0.19702
四川城市
100.60
100.67
0.516667
0.665一五
0.997612
1.295923
四川农村
100.55
100.98
0.654167
0.887412
1.842一五8
3.7一八533
甘肃城市
100.45
100.86
0.8一八056
0.998598
0.957589
-0.25773
甘肃农村
102.00
102.一八
0.697222
0.983346
1.370757
2.508123
注：设偏态系数G1，峰态系数G2.正态分布的G1和G2都为0.若G1＞0，则称X的分布右偏；若G1＜0，则称X的分布左偏；若G2＞0，说明随机变量X分布的尾部比正态分布的尾部粗，且G2值越大，尾部越粗；若G2＜0，说明随机变量X分布的尾部比正态分布的尾部细，且G2值越小，尾部越细

由以上数据知，
⑴我国居民消费价格分布基本上呈右偏粗尾（甘肃城市除外）
⑵北京，上海，福建的消费价格指数的均值较低，低于全国平均水平（上海除外，其略高于全国水平）。而四川和甘肃相对较高，都超出全国平均水平，这反应了我国东西部经济差异；
⑶以山西和福建为例，相比较，可知，山西整体消费价格水平高于福建，且城乡消费价格差距大。故相对于福建而言，山西经济较低，且城乡差距大，这一定也反应了我国南北经济生活差距，反应成柱形图如下:

以下是收集的我国05年至08年部分地区居民消费价格指数（表二）

居民消费价格指数（上年=100）

2005年
2006年
2007年
2008年
北京
101.5
100.9
102.4
105.1
山西
102.3
102.0
104.6
107.2
吉林
101.5
101.4
104.8
105.1
上海
101.0
101.2
103.2
105.8
福建
102.2
100.8
105.2
104.6
四川
101.7
102.3
105.9
105.1
甘肃
101.7
101.3
105.5
108.2

由以上数据发现，我国05年至08年居民消费价格指数总体呈上升趋势，在06年略有下降；北京，上海，福建这几年消费价格指数相对较低，而山西，甘肃相对较高，一定程度反应了我国东部沿海经济发展水平较高，而中西部地区相对落后，反应成折线图如下

（二）我国城乡居民消费价格指数分析
援引表一数据，由以上数据可看出，全国农村消费价格指数略高于城市消费价格指数，且在春节前后的两三个月（即1月，11月，12月）消费价格指数明显高于其他月份，这主要是受春节影响，1月份受“春节错月”影响，11、12月份涨幅明显上升，这两个月涨势明显主要是受上年11、12月份连续两个月价格回落较快导致同期对比基数低的影响
反应成柱状图如下

其中，⑴北京，上海属于直辖市，未找到农村消费价格指数的相关数据，且北京消费价格指数同比于我国其他地区相对较低
⑵山西城乡消费价格指数相差偏大，尤其在09年1月至9月间农村消费价格指数远高于城市，在年底两个月出现逆反，城市消费价格指数略高于农村。可见，山西城乡经济差距较大
⑶与全国其它地区不同，福建城市消费价格指数略大于农村，仅在年底两个月出现逆反情况；且福建城乡消费价格指数差距较小，由此反应了福建城乡差距小，发展平衡； 另外，福建消费指数处于表一所选地区的最低水平，一定程度反应了福建经济水平较高

三 我国居民人均消费影响因素分析
（一） 提出问题
就个人消费而言，个人消费主要受到个人收入、商品价格、个人消费偏好的影响。其中个人消费的影响因素个人收入和商品价格是很容易数量化的，至于个人消费偏好可以考虑前期消费量，因为前期消费可以反映个人消费偏好。那么，我国人均消费的主要影响因素可以确定为人均收入、商品价格、前期消费，上述分析符合相关的经济学理论。基于人均消费受到人均收入、商品价格、前期消费因素的影响。从中经网找到了09年3月至10年3月的人均居民消费以及人均国内生产总值、商品物价指数的官方数据。想借此来分析我国人均消费的影响因素以及它们具体是如何对消费产生影响的。

（二） 数据的分析

　　数据涉及四个变量：人均居民消费、人均国内生产总值、前期人均居民消费、居民消费价格指数。在此，人均居民消费水平用人均居民消费性支出表示，人均国内生产总值可以看成是人均收入，根据宏观经济学理论，消费和收入之间是存在一定的关系。收入是影响消费的，另外当年的消费和前期的消费之间也存在一定的关系。因为前期消费反映消费者偏好，而消费偏好又影响当年的消费。当商品价格总体上升时，消费者为了维持原有水平的消费，那么支出就会增加。
　　根据上面的分析可知今年的消费受到今年收入、去年消费水平和居民消费价格指数的影响。
　　在数学中，比较简单和常见的数量的关系是线性关系。设人均消费水平为y，人均国内生产总值为x1， 前期人均居民消费为x2，居民消费价格指数为x3。

在此, 采用的数据分别是： y表示09年三月至10年三月的城镇家庭人均消费性支出，x 1表示城镇家庭实际人均月收入，x 2表示去年同期城镇家庭人均消费性支出，x 3表示城市居民消费价格指数，数据整理如下：

时间
y
x 1
x 2
x 3
9-Mar
3一三0.11
5233.87
2998.16
98.6
9-Apr

98.3
9-May

98.5
9-Jun
5979.28
9666.55
5490.29
98.2
9-Jul

98.1
9-Aug

98.7
9-Sep
9093.7
142一三.1
8345.47
99.1
9-Oct

99.3
9-Nov

100.4
9-Dec
12264.55
一八858.09
11242.8
101.8
10-Jan

101.4
10-Feb

102.6
10-Mar
3474.71
5786.17
3一三0.11
102.3

画成散点图如下：

由散点图知，y与x 1，x 2都呈正线性相关，与x 3呈一定线性关系，但不密切，故人均消费水平与人均国内生产总值，前期人均居民消费呈正线性关系，与居民消费价格指数呈一定线性关系

（三）消费模型的建立与分析

　　3.1消费模型的建立
　　由数据分析以及线性回归理论，可以知道y与x1、x2、ｘ　３存在线性关系，可以建立模型


　　借助ＳＰＳＳ，运用最小二乘法得到的回归结果

系数a
模型
非标准化系数
标准系数
t
Sig.
B 的 95.0% 置信区间
相关性
B
标准 误差
试用版
下限
上限
零阶
偏
部分
1
(常量)
-2一三5.987
389.035

-5.490
.1一五
-7079.142
2807.169

城镇家庭实际人均月收入x1
.379
.050
.564
7.572
.084
-.257
1.014
1.000
.991
.014
去年同期城镇家庭人均消费性支出x2
.476
.082
.434
5.830
.108
-.561
1.512
1.000
.986
.011
城市居民消费价格指数x3
一八.863
3.955
.009
4.770
.一三2
-31.384
69.111
.228
.979
.009
a. 因变量: 城镇家庭人均消费性支出y

得到多元回归方程为　
ｙ＝－２１３５．９８７　＋　０．３７９ｘ１　＋　０.．４７６ｘ２　＋　１８．８６３ｘ３

3.2 消费模型的统计检验
　　对多元线性回归模型进行统计检验。
（１）描述性统计结果如下

描述性统计量

均值
标准 偏差
N
城镇家庭人均消费性支出y
6788.4700
3883.32748
5
城镇家庭实际人均月收入x1
10751.5560
5787.38575
5
去年同期城镇家庭人均消费性支出x2
6241.3660
3542.73940
5
城市居民消费价格指数x3
100.0000
1.90657
5

（２）显著性检验

相关性

城镇家庭人均消费性支出y
城镇家庭实际人均月收入x1
去年同期城镇家庭人均消费性支出x2
城市居民消费价格指数x3
Pearson 相关性
城镇家庭人均消费性支出y
1.000
1.000
1.000
.228
城镇家庭实际人均月收入x1
1.000
1.000
1.000
.221
去年同期城镇家庭人均消费性支出x2
1.000
1.000
1.000
.216
城市居民消费价格指数x3
.228
.221
.216
1.000
Sig. （单侧）
城镇家庭人均消费性支出y
.
.000
.000
.356
城镇家庭实际人均月收入x1
.000
.
.000
.361
去年同期城镇家庭人均消费性支出x2
.000
.000
.
.363
城市居民消费价格指数x3
.356
.361
.363
.
N
城镇家庭人均消费性支出y
5
5
5
5
城镇家庭实际人均月收入x1
5
5
5
5
去年同期城镇家庭人均消费性支出x2
5
5
5
5
城市居民消费价格指数x3
5
5
5
5

输入／移去的变量b
模型
输入的变量
移去的变量
方法
1
城市居民消费价格指数x3, 去年同期城镇家庭人均消费性支出x2, 城镇家庭实际人均月收入x1a
.
输入
a. 已输入所有请求的变量。
b. 因变量: 城镇家庭人均消费性支出y

模型汇总b
模型
R
R 方
调整 R 方
标准 估计的误差
更改统计量
R 方更改
F 更改
df1
df2
Sig. F 更改
1
1.000a
1.000
1.000
14.50449
1.000
95574.120
3
1
.002
a. 预测变量: (常量), 城市居民消费价格指数x3, 去年同期城镇家庭人均消费性支出x2, 城镇家庭实际人均月收入x1。
b. 因变量: 城镇家庭人均消费性支出y

附：R代表相关系数，若0<R<1，表明X与Y之间存在正线性相关；若-1<R<0，表明X与Y存在负线性相关；IRl→1说明两个变量之间关系越强，lRl→0说明两个变量之间线性关系越弱
R方称为判定系数，是回归平方和占总平方和的比例，其取值范围是【0,1】,R方越接近于1，表示回归平方和占总平方和的比例越大，回归直线与各观测点越接近，回归直线的拟合度越好；反之，R方越接近于0，回归直线的拟合度越差

由以上结果知，相关系数R为1说明因变量与自变量之间存在正线性相关；判定系数R方为1，可知该回归直线与各观测点接近，回归直线拟合度好

Anovab
模型
平方和
df
均方
F
Sig.
1
回归
6.032E7
3
2.011E7
95574.120
.002a
残差
210.380
1
210.380

总计
6.032E7
4

a. 预测变量: (常量), 城市居民消费价格指数x3, 去年同期城镇家庭人均消费性支出x2, 城镇家庭实际人均月收入x1。
b. 因变量: 城镇家庭人均消费性支出y

由F检验，Sig值为0.002≤0.05,可知拒绝原假设（H0：线性关系不显著），所以该回归方程线性关系显著；且F=95574.120，由F值越大，回归方程线性关系越显著这一规律，也可知该方程线性关系显著

3.3消费模型基本假设的检验
 对多重共线性的检验：当回归模型中两个或两个以上的自变量彼此相关时，则称回归模型存在多重共线性。
在此采用SPSS的逐步回归法，逐步回归法是向前选择和向后剔除的结合，逐步回归过程就是按此方法不停的增加变量并考虑剔除以前增加的变量的可能性，直至增加变量已经不能导致SSE显著减少，这个过程可通过F统计量来统计。一下是采用逐步回归的分析结果

输入／移去的变量a
模型
输入的变量
移去的变量
方法
1
城镇家庭实际人均月收入x1
.
步进（准则: F-to-enter 的概率 <= .050，F-to-remove 的概率 >= .100）。
a. 因变量: 城镇家庭人均消费性支出y

模型汇总b
模型
R
R 方
调整 R 方
标准 估计的误差
更改统计量
R 方更改
F 更改
df1
df2
Sig. F 更改
1
1.000a
1.000
1.000
59.一三390
1.000
17247.232
1
3
.000
a. 预测变量: (常量), 城镇家庭实际人均月收入x1。
b. 因变量: 城镇家庭人均消费性支出y

Anovab
模型
平方和
df
均方
F
Sig.
1
回归
6.031E7
1
6.031E7
17247.232
.000a
残差
10490.455
3
3496.8一八

总计
6.032E7
4

a. 预测变量: (常量), 城镇家庭实际人均月收入x1。
b. 因变量: 城镇家庭人均消费性支出y

系数a
模型
非标准化系数
标准系数
t
Sig.
B 的 95.0% 置信区间
相关性
B
标准 误差
试用版
下限
上限
零阶
偏
部分
1
(常量)
-425.一八1
60.963

-6.974
.006
-619.192
-231.170

城镇家庭实际人均月收入x1
.671
.005
1.000
一三1.329
.000
.655
.687
1.000
1.000
1.000
a. 因变量: 城镇家庭人均消费性支出y

已排除的变量b
模型
Beta In
t
Sig.
偏相关
共线性统计量
容差
1
去年同期城镇家庭人均消费性支出x2
.375a
1.483
.276
.724
.001
城市居民消费价格指数x3
.007a
.922
.454
.546
.951
a. 模型中的预测变量: (常量), 城镇家庭实际人均月收入x1。
b. 因变量: 城镇家庭人均消费性支出y

由逐步回归的结果可知，最后得到的模型为：y = - 425.一八1 + 0.671 x 1
判定系数R=1，可知是完全正线性相关关系，R方=1知回归直线拟合度很好， 显著性检验中sig=0.00知回归方程线性关系显著。
以下是回归标准化残差的标准P-P图

以下是采用指数分布模型的曲线估计

模型汇总和参数估计值
因变量:城镇家庭人均消费性支出y
方程
模型汇总
参数估计值
R 方
F
df1
df2
Sig.
常数
b1
线性
1.000
8932.478
1
3
.000
-51.773
1.096
增长
.968
90.982
1
3
.002
7.658
.000
指数
.968
90.982
1
3
.002
21一八.一八0
.000
自变量为 去年同期城镇家庭人均消费性支出x2。

参考文献
1 段景辉 陈建宝，2010，《基于家庭收入分配的地区基尼系数的测算及其城乡分解》，《世界经济》总第377期
2 张冬辉 孙华臣，2010，《中国物价波动与经济增长关系研究》，《经济评论》2010年第二期
3中国宏观数据库2009年
4 李子奈. 计量学［M］. 北京：高等出版社，2001. 
5 国家统计局.统计年鉴［M］. 北京：中国统计出版社，2005.
6 国家统计局. 中国统计年鉴［M］. 北京：中国统计出版社，2006.

3.5.202504:1304:13:3525.3.54时13分4时13分35秒3月. 5, 255 三月 20254:13:35 上午04:13:35
2025年3月5日星期三04:13:35