基于半?yún)?shù)法的成都城鎮(zhèn)居民交通與通信消費(fèi)結(jié)構(gòu)研究

基于半?yún)?shù)法的成都城鎮(zhèn)居民交通與通信消費(fèi)結(jié)構(gòu)研究

0交通通信消費(fèi)與居民收入的關(guān)系一般來(lái)說(shuō)，居民收入與食物（如日常必需品，如日用品）之間的依賴關(guān)系符合恩格爾定律。換句話說(shuō)，在達(dá)到一定的收入基礎(chǔ)和消費(fèi)者偏好后，需求的比例隨著收入的增加而降低，彈性需求也隨著收入的增加而逐漸降低。然而,對(duì)于交通方面的消費(fèi),并不一定滿足恩格爾定律:交通(如公路、鐵路、航空等)消費(fèi)并不一定屬于生活必需消費(fèi),即隨著收入的增加,消費(fèi)者可能僅僅選擇更新原有的一般代步工具,也有可能購(gòu)買奢侈代步工具,如超過(guò)200萬(wàn)的跑車或者機(jī)車、價(jià)值千萬(wàn)的豪華游艇;通信消費(fèi)同樣也不一定屬于生活必需消費(fèi)。從而,研究交通通信消費(fèi)與居民收入之間的關(guān)系和趨勢(shì)就顯得尤其有意義。對(duì)于其研究方法,一般的采用參數(shù)回歸方法,其最大優(yōu)點(diǎn)是回歸結(jié)果可以外延,但其缺點(diǎn)也不可忽視,就是回歸形式一旦固定,擬合效果往往較差;而對(duì)于另一種回歸,即非參數(shù)回歸,則與參數(shù)回歸正好相反:它的回歸函數(shù)形式不確定,其結(jié)果外延困難,但擬合效果卻比較好。從而采取半?yún)?shù)回歸模型,即將參數(shù)與非參數(shù)模型結(jié)合,更能反映出真實(shí)的數(shù)據(jù)情況。由此,采用半?yún)?shù)回歸模型來(lái)構(gòu)建交通與通信消費(fèi)的恩格爾曲線,來(lái)考察交通與通信消費(fèi)與居民收入之間的相依關(guān)系和變化趨勢(shì);這有利于對(duì)當(dāng)前城鎮(zhèn)人民生活水平交通與通信消費(fèi)的認(rèn)識(shí),對(duì)于改善人民消費(fèi)結(jié)構(gòu)有一定的借鑒之處。1南加爾的定義:增加在食品的消費(fèi)恩格爾定律是19世紀(jì)世界著名的德國(guó)統(tǒng)計(jì)學(xué)家和經(jīng)濟(jì)學(xué)家EmstEngel(1821-1896)在研究英法德比等國(guó)家有關(guān)數(shù)據(jù)資料的基礎(chǔ)上對(duì)消費(fèi)結(jié)構(gòu)的變化提出的觀點(diǎn),即在給定的偏好下,隨著收入的增加,食品消費(fèi)所占收入的比例也會(huì)下降,即便是現(xiàn)實(shí)的食品消費(fèi)支出增加。恩格爾定律并不意味著隨著收入的增加食品的消費(fèi)支出保持不變,而是指消費(fèi)者增加食品消費(fèi)的百分比少于收入增加的百分比。換句話說(shuō),食品消費(fèi)支出的彈性需求的總比隨著收入的增加下降至零。恩格爾定律提出后,西方經(jīng)濟(jì)學(xué)界廣泛接受和確認(rèn)了這一定律,并對(duì)恩格爾系數(shù)進(jìn)行了補(bǔ)充、修正和引申,如薩氏恩格爾系數(shù)。一般認(rèn)為,恩格爾定律在以下三個(gè)前提下是普遍適用的:(1)恩格爾定律是假定在其它變量(如物價(jià)、消費(fèi)者個(gè)人偏好和商品質(zhì)量等)不變的前提之上而適用的;(2)計(jì)算恩格爾系數(shù)的食品支出與生活消費(fèi)總支出應(yīng)有統(tǒng)一的含義;(3)恩格爾定律一般是反映溫飽問(wèn)題基本解決以后的居民消費(fèi)結(jié)構(gòu)變化規(guī)律;當(dāng)居民生活處在貧困狀態(tài),往往居民收入水平提高,食品支出的比重不僅不會(huì)下降,反而會(huì)提高。此外,西方經(jīng)濟(jì)學(xué)家發(fā)現(xiàn),不僅食品,而且衣著、住房等必需品消費(fèi)也同樣存在上述規(guī)律。2數(shù)學(xué)模型和假設(shè)2.1模型1:線性主部變量模型對(duì)于參數(shù)和非參數(shù)回歸方法各自的優(yōu)點(diǎn),Stone(1977)首先考慮將其結(jié)合起來(lái),這樣就是通常意義下的半?yún)?shù)回歸模型:其中φ(·)未知,ui為擾動(dòng)項(xiàng);E(ui|Xi,Si)=0,Var(ui|Xi,Si)=σ2。該模型有線性主部XiTβ,把握被解釋變量的大勢(shì)走向;還有非參數(shù)部分φ(Si),可以對(duì)被解釋變量作局部調(diào)整,使得模型更好地?cái)M合樣本觀測(cè)值。若單獨(dú)考慮常數(shù)項(xiàng),模型不可識(shí)別,不能唯一估計(jì)出常數(shù)項(xiàng)和未知函數(shù)φ(?);從而將常數(shù)項(xiàng)并到未知函數(shù)φ(?),這樣可以唯一估計(jì)出常數(shù)項(xiàng)和未知函數(shù)φ(?)。半?yún)?shù)回歸模型式(1)常用的估計(jì)方法有許多種,如最小二乘核估計(jì)、最小二乘近鄰估計(jì)、最小二乘局部線性估計(jì)、最小二乘正交序列估計(jì)和最小二乘樣條估計(jì)等。2.2化為i型非參數(shù)模型估計(jì)對(duì)于估計(jì)恩格爾曲線的半?yún)?shù)模型,我們考慮Si=Xi;從而式(1)轉(zhuǎn)化為其中φ(?)未知,ui為擾動(dòng)項(xiàng);E(ui|Xi)=0,Var(ui|Xi)=σ2第一步:設(shè)vi=φ(Xi)+ui,從而將式(2)化為線性等式Y(jié)i=βXi+vi,i=1,?,n,運(yùn)用最小二乘法得到β的估計(jì)值;第二步:將代回(2)式并移項(xiàng),得記,則式(3)化為即化為非參數(shù)模型估計(jì)。對(duì)于式(4)的非參數(shù)模型,這里的回歸變量與殘差是獨(dú)立,因而回歸模型可以通過(guò)條件期望來(lái)表示:其中f(X,Y),fX,fY|X分別表示(X,Y)的聯(lián)合密度函數(shù),給定時(shí)Y的條件密度,以及X的邊際密度。對(duì)非參數(shù)回歸函數(shù)估計(jì)有多種方法,如N-W核估計(jì)、k近鄰權(quán)/k-NN權(quán)函數(shù)估計(jì)、局部加權(quán)描點(diǎn)光滑技術(shù)(LOWESS)、局部多項(xiàng)式估計(jì)(LPE)、樣條光滑估計(jì)等。3返回一半?yún)?shù)3.1非參數(shù)估計(jì)估計(jì)就線性主部Yi=βXi+vi,i=1,?,n的參數(shù)估計(jì)采用廣義最小二乘法,對(duì)其進(jìn)行參數(shù)估計(jì),得到估計(jì)值β?;再將其回代入式(2),剩下部分主要就是對(duì)Y?i=φ(Xi)+ui,i=1,?n進(jìn)行非參數(shù)估計(jì)。主要采用以下兩種技術(shù):局部加權(quán)描點(diǎn)光滑技術(shù)(LOWESS)和局部多項(xiàng)式估計(jì)(LPE)。3.1.1穩(wěn)健權(quán)函數(shù)的估計(jì)該方法于1979年由Cleveland提出,其基本思想是基于給定階數(shù)p之下,對(duì)未知參數(shù)α=(α1,α2,?,αp)T求局部最小二乘加權(quán)回歸函數(shù)的最小值,其中hk是|Xi-Xj|,j=1,2,?n中第r個(gè)最小的數(shù)。選取r使得其滿足r=[nd]為離nd最近的整數(shù),0<due08d1,可得到擬合值殘差記|R1|,|R2|,…,|Rn|的中位數(shù)為M=med{|R1|,|R2|,?,|Rn|},則一個(gè)穩(wěn)健權(quán)函數(shù)可定義為,i=1,2,?,n,其中B為二次核函數(shù)。有新的權(quán)數(shù)替換原有的權(quán)數(shù)得到Y(jié)k新的擬合值。重復(fù)上面步驟,最后第N步得到的擬合值產(chǎn)生函數(shù)的擬合曲線。3.1.2局部廣義擬合該方法是用局部廣義最小二乘的思想,依靠局部多項(xiàng)式逼近。設(shè)φ(x)在X=t處的p+1階倒數(shù)存在,x為t鄰域內(nèi)的任意點(diǎn),則φ(x)的局部多項(xiàng)式估計(jì)可以表示為可以視φ(t),φ′(t),?,為帶估參數(shù)。若令φ(j)(t)=j!αj(j=0,1,?p),則局部多項(xiàng)式(8)可以表為即是一多項(xiàng)式回歸,由廣義最小二乘法可以解出,從而當(dāng)t取遍X的樣本點(diǎn)時(shí),可以得到整個(gè)曲線估計(jì)。3.2示范分析3.2.1收入分布的偏態(tài)性檢驗(yàn)本文所采用的數(shù)據(jù)均來(lái)自成都居民家庭住戶“十五”期間某年的抽樣結(jié)果,抽樣總戶數(shù)為300戶,分布在成都市市區(qū),屬橫截面資料;其采用的是軟件R對(duì)數(shù)據(jù)進(jìn)行分析處理。表1是由調(diào)查數(shù)據(jù)得到成都市城市居民家庭收入—消費(fèi)的基本統(tǒng)計(jì)量。在300個(gè)抽樣用戶中,最低年可支配收入為5720元,最高達(dá)283280元,最高收入是最低收入的49.5倍,這表明成都市城市居民家庭住戶的最低收入與最高收入的收入水平差異極大。且該年300個(gè)抽樣戶的平均收入為31625.2元,而收入的中位數(shù)僅為24926.15元,平均收入是中位數(shù)的1.27倍,收入呈現(xiàn)較嚴(yán)重的偏態(tài)分布狀況。而計(jì)算實(shí)際偏度系數(shù)為4.931442,右側(cè)更分散,顯示平均收入受調(diào)查戶中的離群值(奇異值)影響較大,這也表明調(diào)查住戶的收入分布差異較大。顯然僅用平均數(shù)來(lái)代表成都市城市居民住戶的收入水平是不可行的,會(huì)產(chǎn)生較大偏差,這也是政府公布居民收入平均數(shù)指針引起人們質(zhì)疑的一個(gè)重要原因。對(duì)于交通與通信消費(fèi),年最低為4元,最高達(dá)到325145元,平均消費(fèi)達(dá)到4805.132元,其中交通與通信消費(fèi)的中位數(shù)僅為1413.9元,同樣呈現(xiàn)嚴(yán)重的偏態(tài)分布狀況。如直接使用該數(shù)據(jù),將可能呈現(xiàn)很強(qiáng)的異方差性。下圖1是利用統(tǒng)計(jì)軟件R,通過(guò)半?yún)?shù)多項(xiàng)式回歸擬合所得到的成都居民收入—交通與通信消費(fèi)結(jié)構(gòu)。圖1中初步可判斷:隨著收入開(kāi)始增加,成都城市居民通信與交通消費(fèi)逐漸增加;然而對(duì)于中高收入的居民,交通與通信消費(fèi)卻出現(xiàn)了稍稍下降的趨勢(shì),即在抽樣的300戶居民家庭中,出現(xiàn)了交通與通信消費(fèi)不隨收入的增加而顯著增加的趨勢(shì)。那就是說(shuō),交通與通信消費(fèi)的傾向隨收入增加而下滑。在所使用的300戶居民家庭中,實(shí)際開(kāi)始減緩的是在家庭年收入超過(guò)60000元以后。為了進(jìn)一步考慮成都居民收入—交通與通信消費(fèi)結(jié)構(gòu)的分布,我們需要考慮殘差的特征。由圖2可知,通過(guò)大體觀察可以得出該樣本存在5個(gè)異常值:其5個(gè)值皆分布在[-30000,30000]之外且大大遠(yuǎn)離這個(gè)區(qū)間。再通過(guò)統(tǒng)計(jì)軟件R中非常數(shù)方差檢驗(yàn)(Breusch-Pagan),檢驗(yàn)P值為0,即表明同方差假設(shè)不適用。上述分析結(jié)果可以推斷抽樣居民家庭的收入—交通與通信消費(fèi)一般分布不是直線相依關(guān)系,可以在線性回歸的基礎(chǔ)上利用非參數(shù)回歸(即半?yún)?shù)回歸)估計(jì)得到一個(gè)大致的趨勢(shì),還可以觀察到消費(fèi)傾向減緩的大致臨界,推斷收入人群對(duì)交通與通信消費(fèi)支出的變化趨勢(shì)。為保證分析結(jié)果滿足實(shí)際的情況,下面我們考慮去掉那5個(gè)異常值再進(jìn)行分析。3.2.2交通與通信消費(fèi)恩格爾分析利用半?yún)?shù)回歸模型和上節(jié)提到的成都市城市居民的295戶抽樣資料(剔除5個(gè)異常值),現(xiàn)嘗試用半?yún)?shù)回歸模型來(lái)直接估計(jì)交通通信消費(fèi)的恩格爾曲線,做進(jìn)一步推斷分析的。這里,解釋變量是成都居民年居民家庭收入數(shù)目,被解釋變量為居民家庭交通與通信消費(fèi)量。圖3是我們通過(guò)半?yún)?shù)LPE方法得到的成都居民收入—交通與通信消費(fèi)的恩格爾曲線。由圖3可知,當(dāng)居民家庭年收入在120000元以下的時(shí)候,居民的交通與通信消費(fèi)隨著收入的增加而逐步遞增,呈現(xiàn)出明顯的線性遞增的趨勢(shì)。從其觀測(cè)點(diǎn)以及估計(jì)曲線可以推斷:成都市抽樣戶中絕大多數(shù)的食物消費(fèi)在可支配收入中仍然占有相當(dāng)大的比例,增加幅度隨可支配收入的增加而加大。如果計(jì)算本次抽樣資料的交通與通信消費(fèi)的恩格爾系數(shù)(交通與通信消費(fèi)支出占總消費(fèi)支出的比例),成都市居民295戶抽樣的交通與通信恩格爾系數(shù)為18.77%,同一截面的食品恩格爾系數(shù)為35.68%。同時(shí),當(dāng)居民年收入高于120000元時(shí),恩格爾曲線增長(zhǎng)趨于平緩,即交通與通信消費(fèi)隨收入增加的趨勢(shì)有所放緩,即對(duì)于高收入居民來(lái)講,隨著收入的增加其交通通信消費(fèi)的增加減慢。圖4呈現(xiàn)出右喇叭形狀,存在很強(qiáng)的異方差性。3.3交通與通信消費(fèi)的恩格爾分析為盡量消除數(shù)據(jù)之間的差異性及異方差性,將居民家庭收入及其居民家庭交通與通信消費(fèi)數(shù)據(jù)取對(duì)數(shù),得到相應(yīng)的描點(diǎn)(圖5)。由圖可知,取對(duì)數(shù)后的消費(fèi)情況有明顯的趨勢(shì)情況,即隨著居民家庭收入的增加,居民家庭交通與通信消費(fèi)可能呈現(xiàn)增長(zhǎng)的情況。通過(guò)初步的處理,利用統(tǒng)計(jì)軟件R,通過(guò)半?yún)?shù)多項(xiàng)式回歸所得到的擬合結(jié)果如圖6,光滑參數(shù)選取利用直接插入法DPI。圖6大體得到:隨著收入開(kāi)始增加,即居民家庭收入由最低到8000元左右,成都城市居民通信與交通消費(fèi)處于恒定不變,維持在400元左右;然而對(duì)于中高收入的居民家庭,即年居民家庭收入位于8000元至60000元左右,交通與通信消費(fèi)呈現(xiàn)明顯的增加趨勢(shì),即收入和交通與通信消費(fèi)有明顯的線性關(guān)系;對(duì)于較高收入的居民家庭,即超過(guò)60000萬(wàn)元收入的居民家庭,其交通與通信消費(fèi)呈現(xiàn)了一定的波動(dòng)性,有可能是因?yàn)榉植计鋮^(qū)間的樣本個(gè)數(shù)較少,但消費(fèi)總體上還是隨收入增加而增加。通過(guò)殘差的判斷,很明顯的發(fā)現(xiàn)3個(gè)異常值;踢掉異常值之后,重新進(jìn)行半?yún)?shù)回歸分析。圖8至圖11分別是通過(guò)半?yún)?shù)LPE方法與半?yún)?shù)LOWESS方法得到的恩格爾曲線擬合結(jié)果及其殘差圖。我們通過(guò)半?yún)?shù)LPE方法和半?yún)?shù)LOWESS方法得到的成都居民收入—交通與通信消費(fèi)的恩格爾曲線。由其殘差分布,可以得出其擬合結(jié)果比較客觀。由圖可知,兩種半?yún)?shù)方法所得到成都居民交通與通信消費(fèi)的恩格爾曲線皆有下凸性。從其觀測(cè)點(diǎn)以及估計(jì)曲線可以推斷:成都市抽樣戶中交通與通信消費(fèi)在居民家庭可支配收入中占有一定的份額,增加幅度隨可支配收入的增加而加大。其兩種擬合曲線的差異也同其兩者方法的原理差異相關(guān)。4方法的誤差分析由回歸圖形的分析來(lái)看,其考慮去掉那些異常值,在很大程度上會(huì)降低極大值形成所產(chǎn)生的異方差性,使得回歸結(jié)果具有更好的可信度;再通過(guò)對(duì)數(shù)據(jù)進(jìn)行對(duì)數(shù)處理,雖然異方差性仍然存在,但得到了良好的控制。為比較擬合效果,將最小二乘法回歸方法的結(jié)果納入比較分析。表2中分別是半?yún)?shù)LPE、半?yún)?shù)LOWESS和最小二乘法這三種方法的均方誤差(MSE),R-square統(tǒng)計(jì)量的值(其采用的數(shù)據(jù)都是經(jīng)過(guò)對(duì)數(shù)標(biāo)準(zhǔn)化處理)。該表中,采用半?yún)?shù)LPE回歸方法得到的是最小MSE值。由于半?yún)?shù)估計(jì)是有偏估計(jì),通常意義下選取MSE值作為比較;從而半?yún)?shù)LOWESS估計(jì)方法與半?yún)?shù)LPE估計(jì)方法皆優(yōu)于最小二乘法。這里我們選取半?yún)?shù)LPE方法得到的擬合曲線作為成都“十五”期間某年的交通與通信消費(fèi)的恩格爾曲線。同時(shí)還給出了,交通與通信消費(fèi)曲線的最小二乘回歸擬合、半?yún)?shù)LOWESS回歸方法和半?yún)?shù)LPE回歸方法的核密度估計(jì)(見(jiàn)圖12、圖13):可以看到其結(jié)果比較客觀,具有較強(qiáng)的適用性,可以作為當(dāng)年成都交通與通信消費(fèi)恩格爾曲線。5非高收入的居民家庭交通與通信消費(fèi)的恩格爾曲線本文緊扣近幾年大力發(fā)展的交通建設(shè)以及通信工程建設(shè)情況,以探究居民家庭收入與交通通信消費(fèi)之間的關(guān)系為目的,通過(guò)對(duì)“