中国城镇居民信息消费的空间相关性与影响因素分析*

消费理论是经济学研究的核心课题, 通过构建消费函数, 研究消费支出与其影响因素之间的关系, 可为制定合理有效的消费政策提供理论依据。2013年8月, 《国务院关于促进信息消费扩大内需的若干意见》白皮书向社会公布, 信息消费已成为日益增长的消费热点, 发展潜力巨大, 不但可以促进消费升级、释放市场潜力, 又能够带动有效投资。因此有必要对信息消费的影响因素进行研究[1]。首先需要明确以下三点问题:

(1) 由于忽略空间维度存在的跨区相关效应, 会得到有偏的结论。那么省域之间城镇居民信息消费是否存在空间溢出效应?

(2) 目前在消费领域研究中常用的习惯形成理论, 是否适用于中国城镇居民信息消费需要进行论证。信息消费支出包括购买信息类产品和服务, 并且由于信息消费的独特特性, 是否导致居民信息消费存在内、外部习惯形成效应?

(3) 针对以上两点分析结论, 动态非空间面板模型或是空间非动态面板模型是否适用于研究此问题?

本文针对这些问题进行研究, 分析中国城镇居民信息消费的影响因素。

习惯形成理论可以分为内部习惯形成和外部习惯形成, 前者主要强调消费者自身过去的消费水平对现期消费的影响, 而后者主要研究具有示范作用群体的消费行为对消费的影响。Naik等基于生命周期假说, 通过效用最大化模型构建消费习惯的理论模型[2]。Dynan基于消费者跨期效用最大化模型, 研究了消费习惯对当期消费的影响[3]。Guarigliad等研究消费习惯、持久收入、劳动收入风险对当期消费的影响[4]。Angelini研究消费习惯、预防性储蓄、财富、收入对当期消费的影响[5]。Alessie等研究习惯形成和收入不确定性对当期消费的影响[6]。

在研究中国居民消费影响因素方面, 考虑内、外部习惯形成因素以及当期消费的空间溢出效应, 代表性的文献主要有: 艾春荣等运用动态非空间面板模型, 发现在总消费增长率变动上中国城镇与农村表现出一定程度的耐久性, 在非耐用消费支出上农村居民表现出一定的习惯, 但城镇居民的消费习惯几乎不存在[7]。杭斌等运用动态非空间面板模型, 分别研究习惯形成下的农户缓冲储备行为和中国城镇居民的习惯形成效应[8-9]。闫新华等运用动态非空间面板模型, 将内部习惯形成、外部习惯形成与消费结构相结合, 对中国农村居民消费行为进行实证分析[10]。贾男等运用动态非空间面板模型对农村家庭食品消费进行研究, 发现其具有显著的内部习惯形成效应, 但总消费不存在消费习惯[11]。崔海燕等运用动态非空间面板模型, 基于习惯形成理论对城乡居民的消费行为进行研究[12-14]。苏方林等运用非动态空间杜宾模型研究城镇居民消费问题, 发现当期人均消费支出具有正向空间溢出效应[15]。焦志伦运用非动态空间杜宾模型研究中国城市消费问题, 发现城市空间消费市场结构更多地表现为区隔效应而非集聚效应[16]。曹景林等运用非动态空间面板模型对农村居民的内部和外部示范效应进行研究[17]。陈燕武运用空间面板模型, 发现城乡居民信息消费具有内部习惯效应和当期消费支出的正向空间溢出效应[18]。

通过以上分析, 发现对消费支出影响因素的研究存在以下不足:

(1) 多数仅考虑内部或外部习惯形成因素, 或是当期消费的空间效应一种因素, 很少同时考虑这三种影响因素, 而对外部习惯较少考虑或以平均值进行替代;

(2) 在研究信息消费影响因素时, 分析其空间相关性的文献较少;

(3) 尚没有明确居民在信息消费领域是否具有习惯形成效应。

针对以上问题, 本文分析了中国城镇居民信息消费的空间相关性, 以及当期信息消费会受到的三种内、外部影响, 进一步采用动态空间杜宾面板模型实证分析中国城镇居民信息消费的影响因素。

消费理论一直是经济学研究的核心课题, 通过构建消费函数, 从而研究消费支出与其影响因素之间的关系。考虑到数据的可获得性, 信息消费的影响因素选用物价指数、受教育水平、信息基础设施、网民人数和收入这5个因素进行分析[19]。

考虑到2002年以来居民信息消费水平的迅猛发展, 同时由于统计年鉴中2014年以后城镇居民收入与消费数据的统计口径发生变化, 故选取中国大陆31个省(市、自治区), 2002年-2013年的样本数据。该期间正是信息消费快速发展的时期, 因此分析这一时期影响信息消费的主要因素, 对于促进信息消费持续增长具有重要意义。所有数据均来源于历年的中国统计年鉴、中国信息年鉴、中国人口和就业统计年鉴(2006年之前为中国人口统计年鉴)和各省(市、自治区)的统计年鉴。为剔除物价因素的影响, 利用以2002年为基期的分省(市、自治区)城镇居民消费价格指数对相关数据进行平减。

(1) 信息消费支出(CZXF)

关于信息消费的内涵, 一种观点认为信息消费是居民所有用于信息类产品和服务的支出; 另一种观点认为信息消费是对基于互联网的新型信息产品和新型信息服务的消费, 新型信息产品包括功能手机、智能手机、平板电脑、微型计算机、智能电视、IPTV终端等网络化终端产品; 信息服务主要包括语音服务、互联网接入服务、信息内容服务以及软件应用服务[20]。可以看出, 后一种观点认为的新型信息消费包括在前一种观点中。鉴于目前信息消费统计数据获取的难度, 参照大多数学者的做法, 将中国城镇居民人均消费性支出的交通通讯、娱乐文化教育、医疗保健三项消费支出总额加总作为居民信息消费支出的替代[21]。

(2) 物价指数(CZJG)

由于目前统计年鉴中没有提供信息消费价格指数, 本文选用城镇居民消费价格指数(2002年为基期)作为替代, 以反映整体物价水平对居民信息消费支出的影响。

(3) 受教育水平(SJYSR)

用城镇居民平均受教育年限来替代, 用来反映城镇居民受教育水平提高对居民信息消费支出的影响。具体测算方法为: 将未上过学、小学、初中、高中、大专及以上以1年、6年、9年、12年、16年为权重, 计算每一种受教育水平人数所占比重, 再计算加权和便得到人均受教育水平。

(4) 信息基础设施(CTGL)

选用长途光缆长度作为替代, 来反映信息基础设施对信息消费支出的影响。

(5) 网民人数(WMRS)

因缺乏单独的分省域城镇居民网民数据, 这里选用网民总人数来替代, 表示居民中使用新技术消费信息的广度, 以反映其对居民信息消费支出的影响。

(6) 城镇居民收入水平(CZSR)

用城镇居民人均可支配收入来表示, 用来反映居民消费能力提高对信息消费支出的影响。

2002年-2013年城镇居民人均信息消费支出的变化趋势如图1所示, 可以看出2002年-2013年人均信息消费支出呈持续增长态势。2002年城镇居民人均信息消费支出为1 958.4元, 到2013年, 城镇居民人均信息消费支出为4 569.092元, 增加2 610.692元, 平均每年增加8.06%。

显示原图| 下载原图ZIP| 生成PPT

图1   2002年-2013年城镇居民信息消费支出变化趋势

信息消费系数是信息消费统计的重要指标, 它反映居民信息消费支出占其总消费支出的比重, 是表征信息社会和信息化发展阶段的一个新维度。信息消费系数值越大, 说明居民信息消费支出占其总消费支出的比重越高, 即居民的消费水平和质量也相应达到更高层级。2002年-2013年城镇居民信息消费系数的变化趋势如图2所示, 可以看出城镇居民信息消费系数在样本期内有一定波动, 但总体呈上升趋势。由2002年的0.3248上升到2013年的0.3412, 平均每年增加0.48%。

显示原图| 下载原图ZIP| 生成PPT

图2   2002年-2013年城镇居民信息消费系数变化趋势

信息消费倾向衡量的是居民收入中用于信息消费支出的份额, 信息消费倾向的高低直接反映居民信息消费需求的意愿及程度。2002年-2013年城镇居民信息消费倾向的变化趋势如图3所示, 可以看出, 城镇居民信息消费倾向在样本期内有一定波动, 但总体上呈下降趋势。城镇居民信息消费倾向由2002年的0.2543下降到2013年的0.2281, 平均每年下降0.94%。

显示原图| 下载原图ZIP| 生成PPT

图3   2002年-2013年城镇居民信息消费倾向趋势图

先后采用k-nearest(k=4)空间权重矩阵和各省份的地理距离空间权重矩阵$\left( {{w}_{ij}}=\left\{ \begin{matrix} \frac{1}{{{d}^{2}}},i\ne j \\ 0,i=j \\\end{matrix} \right. \right)$进行模拟实证, 结果发现空间联系主要发生在有共同边界的地区之间, 而且空间相关性随距离的增大而减弱, 所以最终采用基于rook规则的一阶权值矩阵(选取广东、广西两个省作为海南的相邻区域)[22-23]。

首先统计中国城镇居民信息消费的空间Moran’s I及其显著性, 如表1所示。可以看出, 2002年以来, 其Moran’s I都很显著, 表现出较强的正空间相关性。进一步, 绘制了Moran’s I变化趋势图, 如图4所示, 虽然在2010年略有起伏, 但总体处于上升趋势。

表1   中国城镇居民信息消费的空间Moran’s I及其显著性

(注: 括号内为相应的p值。)

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图4   2002年-2013年Moran’s I变化趋势图

本文绘制了2013年中国城镇居民信息消费的Moran’s I散点图, 如图5所示。其Moran’s I值为0.341, 表明存在较高的空间自相关性。其中第一象限共有6个省份, 表现出高信息消费水平、高空间滞后特征(HH), 这些省份依次是北京、上海、天津、江苏、福建、浙江。第二象限共有6个省份, 表现出低信息消费水平、高空间滞后特征(LH), 这些省份依次是海南、江西、河北、黑龙江、安徽、广西。第三象限有14个省份, 表现出低信息消费水平、低空间滞后特征(LL), 这些省份依次是湖南、山西、宁夏、陕西、甘肃、贵州、河南、湖北、重庆、四川、云南、西藏、青海、新疆。第四象限共有2个省份, 表现出高信息消费水平、低空间滞后特征(HL), 这些省份依次是广东、内蒙古。此外还有3个省份表现出非典型的空间特征, 依次是: 吉林、山东、辽宁。

显示原图| 下载原图ZIP| 生成PPT

图5   2013年中国城镇居民信息消费的Moran’s I散点图

为进一步理解中国城镇居民信息消费的空间相关性, 本文绘制了2002年-2013年中国城镇居民信息消费均值的Moran’s I散点图, 如图6所示。其Moran’s I为0.285, 表明存在较高的空间自相关性。其中第一象限共有6个省份, 表现出高信息消费水平、高空间滞后特征(HH), 这些省份依次是福建、江苏、天津、上海、浙江、北京。第二象限有5个省份, 表现出低信息消费水平、高空间滞后特征(LH), 这些省份依次是海南、江西、河北、安徽、广西。第三象限有16个省份, 表现出低信息消费水平、低空间滞后特征(LL), 这些省份依次是黑龙江、湖南、吉林、贵州、宁夏、山西、河南、甘肃、湖北、西藏、青海、新疆、四川、云南、重庆、陕西。第四象限有1个省份: 广东, 表现出高信息消费水平、低空间滞后特征(HL)。此外还有3个省份表现出非典型的空间特征, 依次是: 辽宁、山东、内蒙古。

显示原图| 下载原图ZIP| 生成PPT

图6   2002年-2013年中国城镇居民信息消费均值的Moran’s I散点图

从以上分析可以看出, 城镇居民信息消费支出虽然呈快速增长态势, 消费意愿呈下降态势, 但是地区间的空间相关性却呈上升态势。

由于信息消费存在空间相关性, 所以必须考虑存在的空间因素, 否则估计结果可能是有偏的。实际上正是因为存在空间因素, 才可以引入信息消费支出的滞后项及其空间滞后项来反映信息消费的内、外部影响, 具体当期信息消费会受到三种影响:

(1) 前期信息消费产生的内部影响;

(2) 前期信息消费的空间滞后项表示的外部影响;

(3) 当期信息消费的空间滞后项表示的外部影响。

从而需要将三种内、外部影响纳入效用函数中, 构建存在三种内、外部影响的消费函数模型。习惯形成下的效用函数在时间上是不可分的, 即: ${{U}_{t}}=U({{C}_{t}}-\gamma {{H}_{t}})$, 其中${{H}_{t}}$表示习惯存量, 具有公式(1)所示的时间演化形式。

${{H}_{t}}=(1-{{\theta }_{1}}){{H}_{t-1}}+{{\theta }_{2}}{{C}_{t-1}}+{{\theta }_{3}}{{{C}'}_{t-1}}+{{\theta }_{4}}{{{C}'}_{t}}$ (1)

其中, $0