彭加加，刘九强

(贵州财经大学 大数据统计学院，贵州 贵阳 550025)

1 引言

居民消费与产业结构之间的关系是经济学领域中的热点研究。目前我国经济正处于由高速发展向高质量发展的关键期。消费对推动经济高质量发展较为重要。研究消费对产业结构的影响有非常重要的意义。

对居民消费和产业结构之间的关系的研究已有许多文献。张宇[1]通过PanelData模型，从整体和分区的角度分析了我国居民消费能力对产业结构升级的影响。张喜峥等[2]通过建立随机效应回归，对31个省的居民消费升级对产业结构优化进行分析研究，得出消费升级会推动产业结构的不断优化。杨丽君等[3]探讨了云南省居民消费结构是如何作用于产业结构。苗莎莎[4]探讨应如何准确利用消费结构的变动来实现产业结构的变动。张欣蕾等[5]分析了河北省消费结构和产业结构之间的关联度，得出其消费结构与产业结构的变化是一致的。曾苑[6]基于PVAR模型分析了广东省居民消费、产业结构升级以及经济增长之间的互动关系。王云航等[7]运用联立方程模型检验了产业结构变迁和消费升级两者之间的互动关系。曾炬[8]分析了中国第二、三产业对GDP的贡献率和居民消费水平之间的相互关系。董建博等[9]从公共服务的角度研究了居民消费对产业结构升级的影响。除了研究居民消费对产业结构的影响，也有学者研究产业结构对居民消费的影响。Wang Liping等[10]研究了中国产业结构升级对居民消费结构的影响。肖必燕[11]在研究我国产业结构变迁对居民消费升级的影响得出结论：产业结构变迁对产业结构升级有正向促进作用。金科[12]将金融业划分为银行业、保险业、证券业，分析了3个行业的金融集聚与产业结构升级的融合作用对居民消费的影响。

本文以贵州省为例，选取2000～2020年相关数据，构建了VAR模型，基于Stata14.0软件，研究了贵州省居民消费与产业结构升级的关系。

2 模型设定与变量选取

2.1 数据来源

本文选取了2000～2020年的贵州省城镇居民消费数据以及贵州省国内生产总值，来源于《中国统计年鉴》和《贵州省统计年鉴》。

2.2 模型设定

采用向量自回归模型(VAR模型)来分析贵州省居民消费和产业结构之间的关系，模型设定为：

Yt=C+A1Yt-1+A2Yt-2+…+ApYt-p+εt

(1)

式(1)中，Yt为时间序列变量向量，C为常数项序列向量，p为滞后期，εt为随机扰动项序列向量。

2.3 变量选取

本文选取的变量有以下：①产业结构升级系数(IS)；②消费规模的升级(consump)；③消费结构(structure)。

2.3.1 产业结构升级指数(IS)

已有不少学者用不同的指标来度量产业结构升级，本文借鉴刘敏等[13]对产业结构升级的度量方法，具体公式为：

(2)

式(2)中，y1、y2、y3分别表示第一、二、三产业占贵州省GDP的比重，IS的取值范围为[1,3]，值越大，说明贵州省产业结构升级水平越高。

根据上述公式计算了2000～2020年贵州省产业结构升级系数，结果如表 1所示。

表1 2000～2020年产业结构升级系数

2.3.2 消费规模的升级

借鉴李灿等[14]的方法，使用居民人均支出增长率表示消费规模的升级(consump)。具体情况如图 1所示。

图1 2000～2020年贵州省消费规模升级情况

从图 1中可以看到，贵州省居民消费规模整体呈现增长的趋势，但也有个别年份呈现的是负增长。

2.3.3 消费结构

根据扩展线性支出系统模型(ELES)计算收入需求弹性，将居民的消费类型划分成两类：基本消费和高端消费，借鉴黄隽[15]的方法，将高端消费占人均消费支出的比重表示消费结构(structure)。扩展线性支出模型为：

Ci=αi+βiy+εi

(3)

式(3)中，αi和βi为待估参数，αi为常数项，βi为边际消费倾向，εi为随机扰动项，Ci表示的是第i类商品的支出，y表示的是人均可支配收入。用EM表示需求收入弹性，则第i类商品的需求收入弹性为：

(4)

式(4)中，pi表示的是第i类商品的价格，qi表示的是第i类商品的需求量，EMi值大于1说明此项商品的支出大于收入的变化，也表明随着收入的增加，居民更愿意在这类商品上进行消费，反之，居民不愿意在EMi值小于1的商品上进行消费。据此将EMi>1的商品划分为高端消费品，EMi<1的商品划分为基本消费品。

利用Stata14.0软件估计参数αi和βi的值，并得到判决系数R2和βi的T检验值，结果如表 2所示。

表2 2000～2020年贵州省居民各项消费支出ELES模型参数估计结果

根据表 2计算得Σβi=0.6，说明居民可支配收入每增加1元，其中0.6元会用于消费。其中食品烟酒的边际消费倾向最高，其次是居住，接着是交通通信，然后依次是教育文化娱乐、生活用品及服务、衣着、医疗保健、其他用品及服务。

可根据表2计算贵州省居民各项消费的需求收入弹性，结果如表 3所示。从表3可以看出，需求收入弹性排在前三的分别是居住、交通通信和医疗保健，且居住和交通通行的EM值大于1，因此将居住和交通通信划分为高端消费品，食品烟酒、衣着、生活用品及服务、医疗保健、教育文化娱乐、其他用品与服务划分为基本消费品。

根据图2可以看出，贵州省城镇居民高端消费的占比不断提高，从2000年的15.58%提高到了2020年的32.04%，2002～2010年的增幅较小，甚至出现了下降，但总的来看是增加的。这也体现了贵州省城镇居民的消费结构以及消费类型在转变。

表3 2000～2020年贵州居民各项消费支出的需求收入弹性

图2 高端消费占比情况

3 基于VAR模型的实证分析

3.1 单位根检验

在使用VAR模型进行分析前，需要对时间序列数据进行平稳性检验，这也是为了避免后续进行回归可能会出现的伪回归问题。其单位根检验结果如表 4所示。

由表4可知，原序列是不平稳的，经过一阶差分之后序列平稳。

表4 单位根检验结果

3.2 模型定阶

根据LR准则，本文选择的滞后阶数为3阶(表5)。

表5 VAR滞后期检验

3.3 VAR回归

根据Stata14.0软件的VAR回归结果，本文模型的估计方程为：

(5)

3.4 VAR系统稳定性及Johansen协整检验

对VAR系统检验是否稳定，结果如图 3所示。根据图 3显示，所有特征值均在单位圆内，因此VAR系统是稳定的。再进行协整检验，结果如表 6所示。

根据表 6中的结果，应拒绝不存在协整关系的原假设，可认为变量之间是存在协整关系的。也可以说明贵州省居民消费结构和消费规模的升级和产业结构升级之间存在长期均衡的关系。

3.5 格兰杰因果检验

进一步验证变量之间是否存在因果关系，进行格兰杰因果检验，结果如表7所示。

根据格兰杰因果检验的结果可以看出：在以产业结构为被解释变量的方程中，消费结构对应的p值为

Roots of the companion matrix

图3 VAR系统稳定性的判别

表6 Johansen协整检验结果

表7 Granger因果检验结果

0.000，小于0.05，因此可以认为消费结构是产业结构的格兰杰原因，消费规模的升级对应的p值为0.018，小于0.05，因此消费规模的升级是产业结构的格兰杰原因。同理，在以消费结构为被解释变量的方程中，产业结构是消费结构的格兰杰原因，消费规模的升级不是消费结构的格兰杰原因；在以消费规模的升级为被解释变量的方程中，产业结构和消费结构都不是消费规模的升级的格兰杰原因。

3.6 脉冲响应和方差分解

在使用VAR模型分析时，是通过脉冲响应和方差分解来分析模型中一个变量如何应对其他变量的冲击，从而分析模型的动态反应。本文选取产业结构IS为响应变量，利用Stata14.0软件绘制相应的脉冲响应图，如图 4所示。

从图 4可以看出，产业结构升级对于来自消费规模的升级的一个单位的标准差的冲击表现出正向效应，但是随着期数的增加，这种影响在逐渐减弱。产业结构升级对于来自自身的众多单位的标准差的冲击表现是：由正向效应减弱至负向效应，又逐渐增强，表现出正向效应。产业结构升级对于来自消费结构的一个单位的标准差的冲击的表现从长期来看，表现出较强的正向效应。

图4 以IS为响应变量的脉冲响应

为了更清楚地了解消费结构和消费规模的升级对产业结构升级的影响程度，使用方差分解将产业结构升级的方差分解到其他扰动项上，以便分析其他因素对产业结构升级的影响程度(表8)。

根据表 8的结果，对产业结构升级作1期的预测，其预测方差完全来自自身，说明此时产业升级自身的影响是最大的，但随着期数的增加，产业结构升级的影响逐渐减弱，消费结构和消费规模的升级对产业结构的影响逐渐增大，其中，消费结构的影响是到第4期的时候达到最大，然后又减弱，消费规模的升级时到第8期的时候达到最大。到第10期的时候，仅有22%的预测方差来自产业结构升级自身，有37.4%来自消费结构，有40.6%来自消费规模的升级。

表8 产业结构升级方差分解结果

4 结论

通过建立VAR模型，分析贵州省城镇居民2000～2020年消费规模的升级和消费结构与产业结构之间的关系，得出以下结论：

(1)贵州省产业结构升级受自身影响较大，但随着时间会逐渐减弱。

(2)格兰杰检验的结果表明：消费结构和消费规模的升级都是产业结构升级的格兰杰原因。方差分解的结果显示：消费规模的升级对产业结构升级的影响随着时间的推进逐渐增大，自身的影响在逐渐减弱。

实证分析结果表明，贵州省消费结构和消费规模的升级都影响产业结构升级，因此建议在贵州省内发展新的消费热点，促进产业结构的优化。比如，可以发挥贵州省环境优势，发展旅游业，优化产业结构，促进消费。