我国城镇居民信息消费支出的收敛性研究——基于空间面板模型的实证分析

张　肃

1(同济大学，上海　200092)　2(中原工学院，郑州　450007)



我国城镇居民信息消费支出的收敛性研究——基于空间面板模型的实证分析

张肃1，2

1(同济大学，上海200092)2(中原工学院，郑州450007)

〔摘要〕本文运用面板数据对2002～2013年我国城镇居民信息消费支出的收敛性进行了研究。首先，通过东、中、西部地区的对比，分析了城镇居民信息消费的差异性。然后，通过分析城镇居民信息消费支出的σ收敛、绝对β收敛、条件β收敛性，得出以下结论：城镇居民信息消费支出具有阶段σ收敛性；不存在绝对β收敛的情况；通过包含空间和时间固定效应的空间面板杜宾模型，得出存在条件β收敛的结论；信息消费增长自身的空间溢出效应虽为正值但并不显着，控制变量中仅有收入存在显着的负向空间溢出效应。

〔关键词〕城镇居民信息消费支出收敛空间面板杜宾模型

引言

信息消费已成为日益增长的消费热点[1]，但是我国省区之间城镇居民信息消费支出的热度是否相同？地区之间如果存在显着的差异，那么是否存在收敛趋势？对于这些问题的回答需从“收敛”一词说起，最初用于研究地区或国家之间的收入差距是否会随时间的推移而逐步减少，理论上存在3种收敛概念，分别是σ收敛、绝对β收敛、条件β收敛。σ收敛是指各地区间的差异随着时间的推移而趋于减少，一般用样本标准差来衡量；绝对β收敛是指所有地区最终将收敛于同一个稳态；条件β收敛放弃了各个地区具有完全相同的经济特征的假定，考虑了各个地区不同的特征和条件，也就是地区差异，认为不同的地区具有不同的稳态。本文基于2002～2013的省际面板数据，引入空间相关性，测度了城镇居民信息消费支出的收敛性。

1文献回顾

学术界的研究成果集中于基本概念、理论的

研究，对信息消费内涵的界定尚不统一。朱红(2005)分析了信息消费的内涵，对信息产品、服务及信息市场、信息消费者行为和信息消费者权利及其保护等内容进行了阐述[2]。杨京英(2006)对信息消费系数测算方法进行了研究[3]。马哲明(2007)探讨信息消费的起源、概念、消费监督评价及权益保护、影响因素及环境等内容的研究现状[4]。郑英隆(2013)综述了2006～2011年居民信息消费差异问题研究现状，指出已有研究成果存在相似性较高、不够深入的问题[5]。沈小玲(2013)系统研究了信息消费的相关理论[6]。任兴洲(2014)对新型信息消费内涵进行了分析[7]。

实证研究方面，文献多集中于探讨城乡居民消费差异性，对信息消费差异性的研究相对较少，并且缺乏量化研究结论。杭斌(2004)利用1978～2002年的有关数据和状态空间模型进行了实证分析，得出1990年之后城镇居民长期边际消费倾向和长期平均消费倾向为持续下降趋势的结论[8]。谢子远(2007)基于状态空间模型对城乡居民消

费倾向进行了变参数估计，得出了城乡居民边际消费倾向的高低处于动态演变过程的结论[9]。郭永建(2010)通过系统GMM方法，通过对样本数据的滚动估计，也得出农村居民边际消费倾向高于城镇居民的结论[10]。肖婷婷(2010)研究了2000～2007年，中国城乡居民信息消费的变动特点，得出城乡居民信息消费增长迅速、农村居民边际信息消费倾向高于城镇居民、在信息消费水平上农村居民与城镇居民差距较大等结论[11]。朱琛(2010)基于1992～2008年的数据，对城乡居民信息消费水平进行了比较，得出中国城乡居民在信息消费水平、信息消费系数、平均信息消费倾向方面存在着较大的差距[12]。

大量文献集中于研究经济增长的收敛性。而关于消费行为收敛的研究相对较少。吴玉鸣(2009)运用空间截面数据研究了居民消费水平的空间相关性与地区收敛性[13]。万广华(2005)对中国农村居民信息消费的收敛性进行了研究[14]。

通过以上的文献分析，可以发现目前的研究存在以下问题：多从城乡差异的视角展开研究，而缺乏空间差异性的研究，一般主要采用传统东部、中部、西部地区的划分方法分开研究，在各区域内部对空间相关性未做考虑；多采用时间序列数据或截面数据，而缺乏面板数据的应用。

2数据与研究思路说明

2.1信息消费及其影响因素

考虑到2002年以来居民信息水平的迅猛发展，选取我国大陆31个省，2002～2013年的样本数据作为研究对象。所有数据均来源于历年的中国统计年鉴、中国信息年鉴和各省(区、市)的统计年鉴。为了剔除物价因素的影响，利用以2002年为基期的分省城镇居民消费价格指数对相关数据进行了平减。对本文用到的数据说明如下。

2.1.1信息消费支出(CZXF)

关于信息消费的内涵，一种观点认为包括居民所有用于信息类商品和服务的支出；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。可以看出，后一种观点认为的新型信息消费包括在第一种观点中。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，本文将中国城乡居民人均消费性支出的交通通讯、娱乐文化教育、医疗保健3项消费支出总额加总作为居民信息消费支出。

2.1.2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为基期)反映整体物价水平对居民信息消费支出的影响。

2.1.3受教育水平(SJYSR)

本文选用6岁及6岁以上高中以上学历人口数之和反映居民受教育水平提高对居民信息消费支出的影响。

2.1.4信息消费基础设施(CTGL)

本文选用长途光缆长度反映信息消费基础设施水平的改善对居民信息消费支出的影响。

2.1.5网民人数(WMRS)

表示居民中使用新技术消费信息的广度，用来反映其对居民信息消费支出的影响。

2.1.6城镇居民收入水平(CZSR)

用来反映居民消费能力提高对信息消费支出的影响。

2.2空间权重矩阵的构建

2.3研究思路

本文将首先对我国城镇居民信息消费差异性进行分析，在此基础上，进行绝对收敛检验和条件β收敛检验，主要采用数据描述性分析、普通面板回归模型、空间面板回归模型进行研究。具体研究思路如图1所示。

图1　论文研究思路

3信息消费差异性分析

为了全面评估我国城镇居民信息消费的差异性，按照常规的区域划分方法，将中国31个省区划分为东部、中部和西部3个区域①，并从信息消费支出、信息消费系数、信息消费倾向3个方面进行分析如下。

3.1我国城镇居民信息消费支出的差异性分析

2002～2013年我国城镇居民信息消费支出趋势如图2所示。可以看出，东部地区的信息消费支出不但领先于中、西部地区，也高于全国平均水平，而中、西部地区的平均水平差别不大。

图2　2002～2013年我国城镇居民信息消费支出趋势图

3.2我国城镇居民信息消费系数的差异性分析

信息消费系数是信息消费统计的重要指标，它反映了居民信息消费支出占其总消费支出的比重，它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了更高层级。2002～2013年我国城镇居民信息消费系数如图3所示，可以看出，东部地区的信息消费系数不但领先于中、西部地区，也高于全国平均水平。

图3　2002～2013年我国城镇居民信息消费系数趋势图

3.3我国城镇居民信息消费倾向的差异性分析

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了居民信息消费需求的意愿及程度。2002～2013年我国城镇居民信息消费倾向如图4所示，可以看出，东、中、西部和全国平均信息消费倾向呈先减弱到2008年回升的趋势，而且东部地区的信息消费倾向最高。

图4　2002～2013年我国城镇居民信息消费倾向趋势图

4绝对收敛检验

4.1绝对σ收敛检验

假设σt表示年份t时的对数城镇居民信息消费支出的标准差，即：

参数σt表示变量的离散程度，如果在年份t+T时满足σt+Tt都有σs<σt，则称具有一致σ收敛性。

结果如图5所示，2002～2013年我国城镇居民信息消费标准差发展趋势分为两个阶段：第一阶段为2002～2008年，标准差先上升，在2006年到达到峰值，然后下降；第二阶段：2009年后逐渐呈下降趋势，具有阶段σ收敛性。

图5　2002～2013年我国城镇居民信息消费标准差趋势图

4.2绝对β收敛检验

如果收敛方程采用如下形式：

lnCZXFit-lnCZXFi，t-1=α+βlnCZXFi，t-1+ξit

(1)

当系数β<0时，表明存在绝对β收敛。

表1给出了2002～2013年我国31个省、市、自治区城镇居民信息消费支出面板数据绝对收敛的估计结果，从中可以看出：估计出的β值不显着，R2也极小。因此，城镇居民信息消费支出不存在绝对β收敛的情况。

表1　我国城镇居民信息消费支出绝对β收敛估计结果

注：括号内的数据为相应检验统计量的P值。(下文相同)

5条件β收敛检验

5.1引入空间效应、时间效应的非空间面板数据模型

本文检验条件β收敛的做法是在方程(1)的基础上，首先依次引入空间效应、时间效应、空间和时间固定效应，即考虑模型(2)，如果系数β<0时，表明我国城镇居民信息消费支出存在条件β收敛。结果如表2所示，空间和时间固定效应的LR检验在1%显着性水平上均显着，表明模型中应同时包含空间和时间双固定效应，而且其R2和LogL均为最大。从估计结果来看，β值为-0.288447，表明存在条件收敛。

lnCZXFit-lnCZXFi，t-1=βlnCZXFi，t-1+ui+λt+ξit

(2)

表2　引入空间效应、时间效应的条件β收敛系数估计结果

5.2引入空间效应、时间效应及控制变量的非空间面板数据模型

在模型(2)的基础上，进一步将外生变量添加到模型(2)中，得到模型(3)，用以比较估算出的收敛结果，并进行了LM统计量检验。结果如表3所示，空间和时间固定效应的LR检验在1%显着性水平上均显着，表明模型中应同时包含空间和时间双固定效应，而且其R2和LogL均为最大。从估计结果来看，加入控制变量后，收敛速度明显提高，β值为-0.585238，表明存在条件β收敛。

lnCZXFit-lnCZXFi，t-1=βlnCZXFi，t-1+χlnXit+ui+λt+ξit

(3)

各控制变量对信息消费增长率的影响也不一样。物价水平的上升，没有使增长率减弱，反到增强，产生了显着的正影响(0.765164)。而受教育人数对信息消费增长率的影响并不显着。信息消费的基础设施产生了显着的负影响(-0.063054)，说明基础设施的改善，会使人们的信息费用降低。网民人数的增加，产生了显着的正影响(0.036065)，说明使用新技术消费信息的广度增加，会使人们的信息费用的投入增加。城镇居民的收入提升，产生了显着的正影响(1.130465)，说明当收入提升时，会增加用于获取信息的支出。

表3　引入空间效应、时间效应及控制变量的条件β收敛系数估计及LM检验结果

5.3引入空间和时间效应的空间杜宾模型

另外，表3中空间和时间固定效应模型的LM检验结果显示，虽然lmlag和lmerror检验不能拒绝没有空间滞后被解释变量或空间自相关误差项的原假设，但当使用稳健的LM检验时，不能拒绝没有空间滞后被解释变量或空间自相关误差项的原假设，说明SAR和SEM模型应同时成立。而且空间、时间固定效应模型的LM检验结果虽不相同，但都说明应考虑空间因素的影响。基于此，在模型(3)的基础上，进一步将空间因素添加到模型(3)中，得到空间面板杜宾模型SDM(4)，用以比较估算出的收敛结果[16]。

(4)

运用Baltagi(2005)提出的中心化方法，结果如表4第2列所示，Lee和Yu(2010)认为运用这种直接估计方法将会使得其参数估计值产生偏误，并对其进行了偏差修正，结果如表4第3列所示[17]。结果表明，空间滞后被解释变量和解释变量的系数估计值对偏差修正相当敏感，由于偏差修正的R2略小于直接估计结果，所以下文分析采用直接估计结果。从表4第2列和第3列的Wald检验和LR检验结果可知，均通过了5%的显着性水平检验，必须拒绝模型(4)可以简化为空间滞后或空间误差模型，因此选取比SAR和SEM模型更广义形式的SDM模型进行实证分析是合适的。如果ui被视为一随机变量，而不是固定效应，相应的估计结果如表4第4列所示，但是通过Hausman检验可知，其估计值为46.3428，自由度为13，对应的p=0.0000，表明必须拒绝随机效应模型。

表4　具有空间和时间效应空间杜宾模型的条件β收敛系数估计结果

从表4中可以看出，考虑空间因素后，我国城镇居民信息消费支出仍然存在条件β收敛情况。空间滞后被解释变量的系数估计值虽然为正但没有通过显着性检验，说明地区之间的信息消费增长并没有产生空间溢出效应。而各控制变量中，只有收入产生明显的负向空间溢出效应。

LeSage和Pace(2009)指出利用空间回归模型的点估计方法来检验空间变量是否存在溢出效应而得到的结论是有偏误的，即解释变量的系数估计值并不代表真实的偏回归系数，并提出需要将其系数估计值分解为直接效应和间接效应[18]。在表4参数估计结果的基础上，得到各变量对信息消费增长率的直接效应和间接效应估计结果如表5所示。

表5　各变量对信息消费增长率的直接效应和间接效应估计结果

从表5可以看出，初始水平对本地区信息消费增长率的直接效应为-0.594039，且通过了1%显着性水平检验，这说明在空间面板杜宾模型SDM下，仍然存在条件β收敛，且收敛速度较模型(3)略有提升。而初始水平对相邻地区信息消费增长率的间接效应为0.244542，且通过1%显着性水平检验。各控制变量对本地区信息消费增长率的影响也不一样，但总体表现与前面一致。而控制变量中，除收入的间接效应为负且显着外，其余间接效应并不显着，说明这些控制变量的影响还局限于本地区。

6结论

本文基于空间面板数据对2002～2013年我国城镇居民信息消费支出的空间特征和收敛性进行了分析，结果表明：

(1)我国城镇居民信息消费存在较显着的地区差异性。

(2)2009年后标准差呈逐渐下降趋势，具有阶段σ收敛性。

(3)城镇居民信息消费支出不存在绝对β收敛的情况。

(4)通过逐步引入空间固定效应、时间固定效应、空间和时间固定效应，对参数估计结果产生了重大影响，存在条件β收敛性。在此基础上，引入控制变量后，也存在条件β收敛性，并且收敛速度较之前明显增强。

(5)通过LM检验、Wald检验、LR检验、Hausman检验，表明具有空间和时间效应的空间面板杜宾模型用于分析条件β收敛性最为恰当，结果表明，存在条件β收敛性，并且引入空间相关性后，收敛速度略有提升，但是信息消费增长自身的空间溢出效应虽为正值并不显着。

(6)控制变量中，收入仍是影响居民信息消费支出增长的重要因素，同时表现出了较强的负向空间溢出效应。物价水平、信息消费的基础设施、网民人数的影响还局限于本地区，而教育水平对信息消费支出增长的影响不显着。

注释：

①东部：北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部：山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆。

参考文献

[1]国务院关于促进信息消费扩大内需的若干意见[M].北京:人民出版社，2013

[2]朱红.信息消费:理论、方法及水平测度[M].北京:社会科学文献出版社,2005

[3]杨京英,吴钢华,阎海琪.拥抱信息消费时代——信息消费系数初探[J].数据,2006，(7)：13～15

[4]马哲明,靖继鹏.国内信息消费研究综述[J].情报科学,2007，(3)：471～475

[5]郑英隆.基于发展方式转变的我国城乡居民信息消费差异研究述评[J].图书馆论坛,2013，(2)：17～25

[6]沈小玲.我国城镇居民信息消费问题研究[M].北京:人民出版社,2013

[7]任兴洲,王微,王青.新时期我国消费新增长点研究[M].北京:中国发展出版社,2014

[8]杭斌,申春兰.经济转型中消费与收入的长期均衡关系和短期动态关系——中国城镇居民消费行为的实证分析[J].管理世界,2004，(5)：25～31

[9]谢子远,王合军,杨义群.农村居民消费倾向的变参数估计及其演化机理分析[J].数量经济技术经济研究,2007，(5)：43～52

[10]郭永建,王津港.中国城乡居民边际消费倾向比较分析[J].统计与决策,2010，(3)：108～110

[11]肖婷婷.我国城乡居民信息消费比较——基于2000～2007年的实证[J].经济问题,2010，(2)：46～48

[12]朱琛,孙虹乔.我国城乡居民信息消费的比较分析:基于1992～2008年的实证[J].图书情报工作网刊,2010，(12)：37～41

[13]吴玉鸣,陈志建.居民消费水平的空间相关性与地区收敛分析[J].世界经济文汇,2009，(5)：76～89

[14]万广华.中国农村地区消费收敛的证据:家庭调查数据[J].世界经济文汇,2005，(1)：1～10

[15]刘晓红，江可申．最终消费与经济增长的协整分析——基于1978～2012年数据的实证研究[J]．工业技术经济，2014，(12)：66～72

[16]Elhorst J P.Spatial Econometrics from Cross-section Data Tospatial Panels[M].Berlin:Springer-Verlag Berlin and Heidelberg GmbH & Co.K,2014

[17]Lee LF,Yu J.Some Recent Developments in Spatial Panel Data Models[J].Regional Science and Urban Econmics,2010，(5)：255～271

[18]LeSage JP,Pace RK.Introduction to Spatial Econometrics[M].Boca Raton:CRC Press Taylor & Francis Group,2009

(责任编辑：史琳)

收稿日期：2016—03—15

基金项目：国家社科基金青年项目(项目编号：14CTJ002)的阶段性成果。

作者简介：张肃，同济大学经济与管理学院博士后，中原工学院经济管理学院副教授。研究方向：决策分析、计量经济学。

DOI：10．3969/j．issn．1004-910X．2016．07．014

〔中图分类号〕F063.5

〔文献标识码〕A

Study on the Information Consumption Convergence of Urban Residents in China——Based on Spatial Panel Model

Zhang Su1，2

(1．Tongji University，Shanghai 200092，China；2．Zhongyuan University of Technology，Zhengzhou 450007，China)

〔Abstract〕Based on the Chinese provincial data of information consumption from 2002 to 2013,the information consumption convergence of urban residents in China are studied.Firstly,the information consumption differences of urban residents are analyzed among east,middle and west region.Then the σ convergence,absolute β convergence and conditional β convergence are studied.The results show that information consumption has stage σ convergence and no absolute β convergence.By the spatial panel durbin model with fixed and time effects,the results of having conditional β convergence are obtained.The spatial of information consumption increasing is positive but not notable.Only the control variable of income exists notable negative spillover effect.

〔Key words〕urban residents;information consumption;convergence;spatial panel Durbin model