中國城鎮(zhèn)居民消費支出結構研究：基于2010年省際截面數(shù)據的因子分析

曾 光

(遼寧工程技術大學工商管理學院，遼寧葫蘆島 125105)

因國際金融危機持續(xù)深入影響，導致歐洲債務危機日益加劇，加之去年日本海嘯嚴重破壞，當前世界經濟正面臨增長乏力、復蘇動力不足的難題，特別是歐美等發(fā)達經濟體，近年失業(yè)率長期居高不下，拉動世界經濟增長的主要力量來自發(fā)展中國家及新興經濟體。據IMF預測，2012年全球經濟的增速可能維持在4.5%左右，但全球經濟增長依然存在較大的不確定性，對其前景并不看好［1］10。

對于中國來講，因受全球金融危機沖擊，對外出口規(guī)模急劇萎縮，政府將長期依賴出口拉動國內經濟增長轉向依靠內需拉動，特別是刺激國內居民消費需求為主的宏觀經濟政策。由于經濟政策及時轉向，推動了近年來宏觀經濟的平穩(wěn)較快發(fā)展。據中國統(tǒng)計部門相關數(shù)據表明，2011年GDP總量超過47萬億元，同比增長9.2%。其中，最終消費對GDP增長的貢獻率超過一半，達到51.6%，而社會消費品零售總額實際增長11.6%，這些都充分表明，中國新的宏觀經濟政策在刺激居民消費需求方面發(fā)揮了一定效應。近年來，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(wěn)定增長，長期以來受到國內學者的關注。

文章通過對國內消費文獻研究，使用2010年全國城鎮(zhèn)居民人均消費支出數(shù)據，利用因子分析工具來研究和發(fā)現(xiàn)城鎮(zhèn)居民消費支出的結構性特征與區(qū)域性特征，以此為基礎，力爭為政府決策層在制定內需政策方面提供有益參考。

一、相關研究

消費研究的基礎主要取決于總量和結構兩個方面，對于消費結構的研究相對復雜，因為其涉及的變量較多，要處理的數(shù)據量較大(吳棟等［2］776－781)。近年來，隨著多元統(tǒng)計工具的廣泛應用，簡化了數(shù)據處理過程，且得到的結論相對可靠。國內部分學者將其引入經濟研究領域，如分別將主成分分析(王學民［3］64－69)、因子分析(孫 冰、王 其 元［4］545－547; 寧 自 軍［5］11－14; 孫 艷玲［6］11－14;王芳、王景東［7］9－11;紀榮芳［8］273－276)、聚類分析(田萍、廖靖宇［9］18－21;莊燕君［10］77－79)和層次分析(申秋紅［11］36－40)等統(tǒng)計工具應用于消費結構的研究就是典型案例。另外一些學者綜合使用多種方法來對消費結構進行比較研究，以期用不同的方法來對研究結論進行比較分析，如柯?。?2］36－39、葛虹與逄守艷［13］18－19將聚類分析與因子分析相結合討論了城鎮(zhèn)居民消費的結構變化，殷玲［14］10－12在協(xié)整檢驗的基礎上，結合因子分析法考察了我國城鎮(zhèn)消費者的行為模式;還有一部分學者，如孔祥利與馬麗霞［15］64－69使用回歸分析方法研究了部分地區(qū)居民消費支出結構，目的是討論影響居民消費的主要誘因;廖上勝與王選華［16］44－48使用 Markov模型模擬了1980－2010年期間我國城鄉(xiāng)居民消費的周期波動，在國內率先從動態(tài)視角考察了我國居民消費的周期特征。

已有的消費結構研究文獻從方法上彌補了過去僅僅簡單定量分析范式的不足，特別是將因子模型用于消費結構研究，這不但簡化了變量處理的難度，而且比較科學地刻畫了我國居民消費結構的變化趨勢，為其他經濟研究領域提供了經驗借鑒。但是從學者們的研究過程來看，在方法的應用上還存在諸多不足，主要表現(xiàn)在:一是對因子分析模型的使用前提沒有進行可行性檢驗。使用因子分析方法要具備嚴格的前提，即所選擇的指標之間需要具有高度相關性，而這種相關程度可以通過兩種方法進行檢驗，相關矩陣判斷，或者使用KMO和Bartlett球形檢驗。二是在應用因子模型時不規(guī)范，特別是對公因子的經濟內涵解釋不清，從而無法使用公因子來科學分析消費結構變化趨勢。本文與以往研究的不同之處在于:將因子分析法規(guī)范應用于我國城鎮(zhèn)居民消費結構研究，特別是通過因子模型的檢驗結果，充分利用公因子的經濟內涵來解釋最新的消費結構和區(qū)域性特征。

二、研究設計

(一)研究方法

文章使用因子分析法來考察我國城鎮(zhèn)居民的消費結構變化，其基本思想是，將影響城鎮(zhèn)居民消費支出的八項指標綜合為少數(shù)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(xiàn)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，F(xiàn)1，F(xiàn)2，…，F(xiàn)m為公因子，ε1，ε2，…，εp是特殊因子，已經包含了隨機誤差項，εi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。文章使用軟件SPSS 19.0從四個方面開展因子分析:(1)構建原始指標矩陣Z，將其標準化為矩陣 Z'，并計算出相關系數(shù)矩陣 R;(2)求解相關系數(shù)矩陣的特征方程0，得到特征值 λi，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(shù);(3)計算特征向量以及因子載荷，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(shù)，以此為依據對31個地區(qū)進行分類比較。

(二)數(shù)據來源及指標選取

本文選用的樣本數(shù)據來源于《中國統(tǒng)計年鑒2011》分地區(qū)城鎮(zhèn)居民消費支出結構數(shù)據，共涉及31個地區(qū)、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(yī)療保健(z5)、交通和通信(z6)、教育文化娛樂服務(z7)、其他商品和服務(z8)，因所有數(shù)據均是2010年度的截面數(shù)據，地區(qū)之間具有可比性，人均消費支出數(shù)據見表1。

表1 2010年中國各地區(qū)城鎮(zhèn)居民家庭平均每人全年消費性支出 單位:元

據表1原始數(shù)據，本文對其進行描述性統(tǒng)計，以發(fā)現(xiàn)中國城鎮(zhèn)居民消費支出的結構特征，并對這種特征進行深入研究，描述性統(tǒng)計結果見表2。

在表2中，從各項指標分布看，2010年中國城鎮(zhèn)居民人均消費支出結構性差異顯著，主要表現(xiàn)為人均支出項目的差異性、人均支出地區(qū)差異性兩個層面。人均支出項目之間的結構性差異明顯，比如31個地區(qū)人均食品支出達到4637.55元，屬于8項指標中最高的，用于醫(yī)療保健和其他商品和服務的支出分別為843.00元和485.26元，在所有指標中相對較低，人均最高支出是最低支出的近10倍;從人均支出地區(qū)性差異看，各項指標的最大值與最小值的差異明顯，倍數(shù)最小的是食品消費支出，人均支出最高的上海市約是人均支出最低的山西省的2.5倍;地區(qū)差距最大的是教育文化娛樂服務，人均教育文化娛樂服務支出最高的是上海，它是最低的西藏的近7倍，其他六項指標的差距都在3倍以上。這充分說明，中國城鎮(zhèn)居民消費支出存在顯著的結構性差異，對其展開深入研究具有一定的價值。

表2 2010年中國城鎮(zhèn)居民人均消費支出描述性統(tǒng)計

三、研究過程

(一)因子提取過程

為了準確確定因子載荷，消除因原始變量的方差過大對其產生的影響，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(shù)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3。

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，在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。從文章的檢驗結果來看，2010年度我國城鎮(zhèn)居民消費支出結構數(shù)據適合用于因子分析。也可以根據相關系數(shù)矩陣中的取值來判斷。根據SPSS 19.0檢驗結果，2010年中國人均消費支出的相關系數(shù)矩陣中絕大多數(shù)系數(shù)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，系數(shù)矩陣詳見表4。

表3 我國城鎮(zhèn)居民消費支出結構數(shù)據的KMO and Bartlett檢驗結果

表4 2010年中國人均消費支出相關系數(shù)矩陣

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，相關元素值見表5。逆像顯示的相關矩陣主對角線上的數(shù)值分別為0.859，0.733，0.861，0.880，0.785，0.862，0.903，0.909，這些數(shù)值相對于非對角線上的數(shù)值大得多，說明八項原始指標適合用于因子分析(戴魁早)［17］197－20。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(shù)據使用因子分析的效果較好。

表5 2010年中國人均消費支出逆像顯示相關矩陣

根據相關系數(shù)矩陣R計算出特征值及對應的方差貢獻率，其結果見表6。

表6 相關系數(shù)矩陣特征值與方差貢獻率

依據表6，我們根據特征根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。

(二)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7所示。

表7 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(shù)量降到最低，從而增強了公因子的解釋性。從表7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8所示。

從表8來看，旋轉后得到的因子負荷矩陣，公因子的含義比較明確，根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9。

表8 變量在公因子上的初始載荷(旋轉后)

表9 公因子名稱

從表9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(qū)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(yī)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①，因為各地區(qū)的氣候不同，將導致不同的消費支出，在相關研究中，有學者作過類似處理，如王學民(2002)，在對這一問題的進一步解釋中，我們在后面對其進行了擴展。

(三)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(qū)之間進行比較。公因子的得分系數(shù)矩陣如表10所示。

表10 公因子得分系數(shù)矩陣

根據表10給出的公因子系數(shù)，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(qū)之間進行比較分析，以便發(fā)現(xiàn)不同地區(qū)居民消費支出的結構性特征。因此，公因子得分函數(shù)為:

其中，SF1、SF2分別為全國31個地區(qū)在公因子F1、F2上的得分;z1* ～z8*是原始矩陣Z標準化后的數(shù)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(shù)為:SF=(72.286 SF1+15.045 SF2)/87.331，計算結果如表11所示。

(四)因子結果分析

表11分別按照兩個公因子及綜合得分進行排名，從結果來看，對第一個公因子來講，東部地區(qū)的得分普遍較高，東北和中部地區(qū)得分一般，而西部地區(qū)較低;第二個公因子得分，北方地區(qū)普遍偏高，南方地區(qū)相對較低，這主要是受天氣的影響，氣候較為嚴寒的地區(qū)用于衣著、醫(yī)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(qū)則相反。我們將31個地區(qū)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，可以反映各地區(qū)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。

表11 全國31個地區(qū)消費支出因子得分及排序

黑龍江在最下邊，說明該地區(qū)的城鎮(zhèn)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，可以將日常生活和享受娛樂的消費支出的地區(qū)分為三個集團。將F1得分在0以上的地區(qū)視為第一集團，共有10個地區(qū)，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(qū)中，除了廣西和四川屬于西部不發(fā)達地區(qū)以外，其他8個地區(qū)都是經濟比較發(fā)達的東部沿海地區(qū);將F1得分在－0.05～0之間的地區(qū)視為第二集團，也有10個地區(qū)，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(qū)都是中部地區(qū)，也有部分西部地區(qū)和少量的東部地區(qū);將F1得分低于－0.05的地區(qū)視為第三集團，共有11個地區(qū)，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(qū)都屬于經濟發(fā)展相對落后的地區(qū)，其中西部和東北地區(qū)占主要部分，也有少部分中部地區(qū)。

從圖3來看，內蒙古和北京最靠上邊，說明這兩個地區(qū)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(qū)間為標準來對消費地區(qū)進行分類，將F2得分大于0的地區(qū)列為第一集團，這些地區(qū)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15個地區(qū)。從這些地區(qū)來看，由于受氣候影響消費支出比重較高的地區(qū)絕大部分都是北方地區(qū)和西部氣候寒冷地區(qū)，如用于購買衣服和醫(yī)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(qū)，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(qū)的消費支出，我們認為未必客觀，因為三個地區(qū)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(yī)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(qū)時尚或者其他原因引起。因此我們認為部分南方地區(qū)主要因為時尚因素或醫(yī)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，這與王學明(2002)的解釋存在一定的差異性。

我們以表11中綜合因子得分為標準來將全國31個地區(qū)的消費支出進行分類。將綜合因子F得分大于0的地區(qū)列為第一集團，分別是上海、廣東、北京、浙江、天津、福建和江蘇7個沿海經濟發(fā)達地區(qū);綜合因子得分大于－0.05小于0的地區(qū)是第二集團，主要有15個地區(qū)，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(qū)都位于中部地區(qū)和西部地區(qū)，只有山東省來自東部地區(qū);綜合得分小于－0.05的地區(qū)有9個，這些地區(qū)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(qū)幾乎都是經濟水平不發(fā)達地區(qū)，這一集團的部分地區(qū)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。

四、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(qū)城鎮(zhèn)居民消費支出的結構特征，得出以下結論:一是我國城鎮(zhèn)居民消費支出的規(guī)模主要受地區(qū)經濟發(fā)展水平和氣候等兩個因素影響。對于經濟發(fā)展水平較高的沿海地區(qū)，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(qū)，城鎮(zhèn)居民用于衣著、醫(yī)療保健支出的比重較高。二是部分西部地區(qū)近年消費支出水平位居前列，如廣西和四川兩個地區(qū)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(qū)近年的消費支出較高，高于大部分中部地區(qū)。三是個別地區(qū)消費支出的特殊性，比如，在討論受氣候影響的地區(qū)中，衣著和醫(yī)療支出受到影響最大的15個地區(qū)中，有12個地區(qū)都屬于北方，還有上海、浙江和重慶三個南方地區(qū)。因此，衣著支出增加在個別地區(qū)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(qū)的特征“有的放矢”出臺相關政策。對于經濟發(fā)達地區(qū)，在刺激一般性消費支出時，還要為當?shù)鼐用裉峁┹^多的文化、休閑、娛樂等特殊性消費品，進一步擴大發(fā)達地區(qū)的消費規(guī)模;對于西部地區(qū)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(qū)城鎮(zhèn)居民的消費水平;對于上海、北京、重慶以及經濟發(fā)達的其他地區(qū)，由于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(yè)發(fā)展來刺激當?shù)氐南M需求。

［1］World Economic Forum.The Global Competitiveness Report(2011－2012).

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

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

［4］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(yè)大學學報，2002，(8).

［5］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(shù)理統(tǒng)計與管理，2004，(11).

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

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

［8］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(yè)大學學報(自然科學版)，2007，(2).

［9］田萍，廖靖宇.河南省城市居民消費結構比較研究［J］.數(shù)理統(tǒng)計與管理，2003，(5).

［10］莊燕君.區(qū)域產業(yè)結構與消費結構關聯(lián)分析［J］.統(tǒng)計與決策，2005，(1).

［11］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).

［12］柯健.中國各地區(qū)城鎮(zhèn)居民消費結構比較研究［J］.經濟問題探索，2004，(10).

［13］葛虹，逄守艷.我國城鎮(zhèn)居民消費實證分析［J］.中國統(tǒng)計，2003，(3).

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

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

［16］廖上勝，王選華.基于Markov模型的居民消費周期波動研究［J］.蘭州學刊，2012，(1).

［17］戴魁早.因子分析在我國鋼鐵業(yè)市場績效分析中的應用［J］.數(shù)理統(tǒng)計與管理，2008，(3).