新时期中国城市化与消费水平关系

　　内容摘要：为了研究不同省域居民消费的差异性和依赖性，本文通过引入空间权重矩阵，建立空间计量经济学模型，分析了2006-2010年城市化与居民消费的空间关系。居民消费的Moran`I指数表明样本期间我国省域的居民消费存在显著的正相关关系，表现为居民消费在相对较高或者相对较低的省域在空间上趋于集群，并且绝大部分的省域及其邻近的省域居民消费水平存在高度的空间稳定性，政策需向更有助于突破行政区域界线的城镇体系建设方向引导。空间误差模型的建立优化了普通最小二乘法估计模型，更精确地估计了城市化与居民消费之间的关系。
　　关键词：消费城市化Moran`I指数空间误差模型空间滞后模型
　　引言
　　消费、投资、出口常常被喻为拉动经济快速增长的“三驾马车”，但目前我国的消费拉动经济增长的支柱作用不显著，内需不足一直困扰着我国经济的健康发展，为了稳步地推动居民消费的快速增长，消费理论的研究也成为很多国内外学者研究的重点。在实证方面，国内研究消费理论的文章较多，大量地使用了计量方法，田雪原（2000）使用统计指标研究了我国改革开放以来人口城市化驱动消费需求效应，谢晶晶等（2004）使用协整检验和向量误差修正模型研究了城市化对投资和消费需求的拉动效应；李通屏等（2005）使用横截面数据对比分析了我国人口城市化的投资效应和消费效应；王建军（2006）研究了城市化、第三产业发展与消费需求扩张之间的关系；何海鹰等（2006）使用向量自回归模型分析了城市化与消费需求的相互拉动效应，刘艺容（2007）也使用向量自回归方法研究了我国1978-2005年城市化率与消费率的相互变动关系，于淑波（2010）使用向量自回归方法提出了提高人口城市化率、增加我国消费的根本途径。
　　但是这些对城市化和居民消费的研究一般都集中于传统的分析方法和计量模型，没有考虑到区域居民消费需求的空间依赖性、消费强度和区域之间的空间关系，隔断了整体样本的空间依赖性，难以得出真正反映居民消费与城市化之间关系的实证结论。因此，在处理省域截面数据模型的时候，需要适当地引入空间计量的分析方法（Anselin，1988），以期弥补现存研究中存在的不足之处。
　　空间计量模型
　　空间滞后模型（SpatialLagModel，SLM）主要探讨各变量在一地区是否存在溢出效应，反映了被解释变量不仅受本区域解释变量的影响，还受到邻近区域被解释变量对其的影响，具体表达式如下：
　　y=ρWy+Xβ+ε
　　其中，y为被解释变量，X为N*K的外生解释变量矩阵，W为空间权重矩阵，ρ为空间自回归系数。
　　空间误差模型（SpatialErrorModel，SEM）空间相关作用存在于随机误差项向量中，度量了邻近地区关于解释变量的误差冲击对被解释变量的影响程度，其数学表达式如下：
　　ε=λWε+η
　　其中，ε为随机误差项向量，λ为N*1阶的截面因变量向量的空间误差系数，η为正态分布的随机误差向量，I为单位矩阵。
　　鉴于空间回归模型由于自变量的内生性，为保证模型估计结果的无偏性和有效性，Anselin（1988）建议采用极大似然法去估计SLM和SEM。同时，为判断区域变量的空间溢出性是否存在，以及SLM、SEM两者中更为恰当的模型选取，一般通过Moran`I指数检验、两个拉格朗日乘数（LagrangeMultiplier）形式LMLAG、LMLAG及其稳健的R-LMLAG、R-LMLAG等形式实现。Anselin等（1996）提出以下判别标准来决定SLM和SEM模型哪种更加符合客观实际：如果在空间依赖性的检验中发现，LMLAG较之LMERR在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以断定适合的模型是空间滞后模型；相反，则可以断定空间误差模型是恰当的模型。