刘智焕

内容摘要：本文基于2009-2016年的商贸流通业发展与居民消费水平的省级面板数据，在离差系数基础上构建匹配度模型对商贸流通业发展指数与居民消费水平进行实证分析。研究发现，全国层面受社会零售品总额的极端变化影响， 2012年的第二、四季度，2015的第二季度和2016年的第一季度均出现不匹配现象；省级层面大部分样本数据属于中级或优质匹配，个别省份受商贸流通业选取指标体系差异及消费指数异常影响，甘肃、青海的2011年第四季度、河南的2012年第二季度及黑龙江的2014年第一季度等出现不匹配数据。研究结论指出了匹配度异常的时间节点和地区截面，以期为商贸流通业与居民消费的协同发展研究提供参考。

关键词：商贸流通业 居民消费水平 匹配度 离差系数

现代商贸流通业与居民消费的协调发展机制

近年来，国家对商贸流通业发展通过多种促进政策完善城乡流通体系建设来刺激居民消费，通过实施“家电下乡”、“万村千乡工程”及“农超对接”等政策，从基础设施建设到财政补贴多个层面促进了城乡商贸流通体系的发展，再加上近年来支持电商发展政策的密集出台，商贸流通业发展在优化居民消费结构和提高居民消费水平上发挥了显著的作用。

首先，商贸流通行业是劳动和资本密集型行业，行业发展可以通过提高居民收入带动居民消费结构的升级和消费水平的提升。第一，商贸流通业在第三产业中解决了大量的社会就业，物流配送、交通运输及邮政仓储等多个环节创造了大量的社会价值。第二，商贸流通发展可以提高产品的附加值并扩大消费范围。例如运输中的冷链技术和仓储中的保鲜技术，可以高效地把优质生鲜农产品流通到各大城市的消费市场，在农村消费市场上扩大了消费覆盖范围，为农产品深加工产业带来良好的市场发展前景，提升了农业产品的附加值。农业产品附加值的提高和消费范围的扩大提高了农民的收入，促进了农村消费水平的提高。

其次，商贸流通发展满足城乡居民的各类消费，创造良好的消费环境。第一，随着全球商贸流通体系的完善，世界各国商品进入统一的消费平台，在现代化的商贸流通体系下满足了多层次结构的消费市场需求，从国际大品牌到农业农产品均可实现消费市场的强化。第二，商贸流通发展在消费环境上通过优化供应链各节点绩效提高商品周转效率，在交易中间成本和仓储配送成本不断降低中减少社会消费成本，提高城乡消费者购买力，创造良好的消费环境。第三，电子商务的飞速发展和流通体系的完善极大地促进了城乡消费者的网络消费水平。据统计，电子商务的交易额2016年已经超过20万亿，在全社会消费总额中的比例不断增加，电商消费已经成为社会消费结构中的重要组成，且具有巨大的市场发展前景。

全国层面的匹配度分析

（一）模型构建与变量说明

苏俊华等对商贸流通业发展指数构建了包含三个基准层的综合指标评价体系，本文在此基础上，对商贸流通业发展指数（CDL）和居民消费水平（PCR）的匹配度进行实证分析。离差系数表示如下：

（二）测算结果及解释

根据式（1）和式（2）计算出的CDL与PCR匹配度结果如表1所示。从表1的计算结果可以看出，我国CDL指数与PCR指数在2009--2016范围内总体上呈现出平稳的态势，指数的增速匹配程度除个别年份外均保持在0.5--1之间，匹配值普遍较高。其中，2009年第二、三季度，2012年第二、四季度，2015第二季度和2016年第一季度出现了商贸流通发展与居民消费的匹配负值，分别为-0.1981、-0.8657、-0.2272、-0.5382、-0.614、-0.8243和-0.7891，CDL与PCR指标之间存在顯著的不匹配，分析其原因是国内经济在2008年金融危机后明显下滑，进而带动国内CPI指数在2008年-2009年期间直线下降，并出现了十分罕见的负值（见图1），通货紧缩下导致居民消费水平的显著降低，因此与商贸流通业发展指数匹配上呈现出不协调现象；而2012年第二、四季度，2015第二季度和2016年第一季度出现的不匹配是由于该季度的社会零售品总额出现了极端的增大或减小现象（见图2），该指标与商贸流通业发展指数中的仓储、配送及运输等密切相关，导致了数据上的不匹配。

地区截面分析

（一）面板模型构建

鉴于样本数据涉及到的地区和样本跨度较大，且不同省份之间的经济发展水平差异较大，构建的面板数据模型假设如下：不同省份的CDL受到PCR的影响机制和结果存在差异性；各省份的CDL指数存在翘尾因素的影响，滞后期在模型中根据季度数据设定为4。在假设条件下构建的面板数据模型为：

CDLi=α+β1i PCRi+β3iCDL（-4）+ε

其中，i=1，2……N，通过Hausman检验方法得到结果如表2表示。根据Hausman检验结果，统计量为36.69的检验概率为0.0001，证明该模型检验结果拒绝随机效应模型的假设条件，故剔除且建立固定效应面板数据模型。

（二）实证分析

平稳性检验。本文通过LLC、IPS、ADF和PP四种单位根检验方法，软件由Eviews6.0实现，检验结果（见表3）均在5%的显著性水平下拒绝单位根的原假设，故不存在单位根，可以对CDL和PCR的面板数据进行模拟分析。

实证分析。根据设定的模型，以季度CDL为被解释变量，PCR以及上年同期的CDL数据为解释变量，采用面板分析最小二乘法进行估计。估计结果如表4所示。由表4可知，各回归系数都通过了检验，说明各解释变量具有显著性。回归模型的R2值为0.70，说明PCR、CDL（-4）对CDL的解释能力达到了70%，模型的拟合优度较高，说明所建立的固定效应变系数模型是合适的。

（三）诊断结果及解释

在数据协调性判断上采用方法如下：首先对各省份的CDL和PCR序列进行模拟估计，并将实际数值与拟合结果进行比对，比对结果直接反映了各变量之间的匹配性关系。假设：Di=|Xi`-Xi|/Xi，i=1，2，……T，则Di表示拟合值与实际值之间的差异程度，取值范围是大于等于0，差异程度存在一定的合理区间，将这种差异程度用定性的方式进行转化，得到如表5的假定。

根据以上定性假设，2009-2016年度内的全国各省份面板数据模型估计值与实际值的差异度如图3所示。根据差异分布结果可以得出：全国大部分省份在样本时间内的Di<0.3，属于中级匹配和优质匹配；个别省份的Di>0.6，属于不匹配，例如甘肃、青海等在2011年第四季度，青海在2012年第一季度，云南在2011年第四季度，河南在2012年第二季度，黑龙江在2014年第一季度出现模拟结果与真实值的不匹配数据，分析其原因可能是部分省份在CDL和PCR等数据测算中的抽样方法存在一定的差异，在异常时间节点的社会零售总额或CPI出现异常，或样本量大小和样本规格存在差异等结果所导致。

结论

商贸流通业发展已经成为我国居民消费供给侧改革的重要方面。通过对商贸流通业发展与居民消费协调机制研究发现，商贸流通业发展通过提高居民收入带动居民消费水平的提高；商贸流通业发展提高产品的附加值并扩大消费范围。对商贸流通业发展与居民消费的匹配度研究发现，全国层面上的数据测算总体上呈现出平稳，指数增速匹配度除个别年份外均保持较高水平，其中异常节点是由于金融危机导致的通货紧缩和社会零售品总额异常所致；分地区来看，部分省份属于中级匹配和优质匹配，个别省份如甘肃、青海等在特定季度等出现不匹配，异常节点是由于CDL和PCR等数据测算中的抽样方法存在了一定的差异导致社会零售总额或CPI出现异常，或样本量大小和样本规格存在差异等结果导致。

参考文献：

1.乔焱宁.我国物流业发展对农村居民消费结构的影响研究[J].商业经济研究，2016（24）

2.吴学品，李骏阳.流通业发展对农村消费影响的动态演化[J].财贸经济，2012（12）

3.李志刚.农村流通业发展对农村居民消费的影响机理及实证分析——以江西省为例[J].农村经济，2013（2）

4.侯层.城乡流通协调发展与扩大消费问题探讨[J].商业经济研究，2017（2）

5.黄燕.基于经典计量模型的统计数据质量评估方法[J].统计研究，2014（8）endprint