收入分布、厂商定价与耐用品的消费扩张
主要内容： 本文考察了收入差距对耐用消费品消费的影响。我们从厂商的定价理论出发，说明了收入差距对耐用消费品消费呈现出倒U型的影响：随着收入差距扩大，耐用消费品的消费量增加，但是，收入差距继续扩大则会减少耐用消费品的消费。这说明，适当的收入差距有利于社会消费水平提高和经济的发展，过大和过小的收入差距都无助于经济的起飞。我们最后运用城镇居民和农村居民彩电、洗衣机和冰箱的拥有量对该理论进行了实证检验，实证检验结果基本上支持了我们的理论分析。
关键词：收入分布， 厂商定价， 耐用品， 消费扩张
Income Distribution, Pricing of Firms, and the Expansion of the Consumption of Durable goods
Abstract: This paper analyzed the impact of income inequality on the consumption of durable goods. We found that income inequality affect the consumption of durable goods in a inverse U way, that means a suitable extent of income inequality does good to the improvement of consumption level and the economic growth, neither too large extent of income inequality nor too small extent of income inequality will benefit economic growth. We tested this theory conclusion with the consumption of color TV, fridge and wash machine both in urban and rural China. The empirical evidence supported our theory.
Key Words: income distribution, pricing of firms, durable goods, expansion of consumption
作者简介：贺振华，复旦大学中国经济研究中心硕士生，湖南衡阳人，1981年生。
联系方式：复旦大学中国经济研究中心，200433
电话：021－55075163
Email: 032015006@
收入分布、厂商定价与耐用品的消费扩张
一、引言
一个基本的事实是，与城镇居民相比，农村居民拥有的彩电、冰箱、洗衣机、热水器、空调等耐用消费品比例都非常低，因此，具有极大的发展空间。与此同时，我国很多耐用品在拓展国际市场上面临非常大的困难，不得不将更多的注意力转向国内市场。对于耐用品生产厂商而言，如何打开国内市场具有非常重要的意义。同样，对于国家而言，如果耐用品厂商能够打开国内市场，相关产业就能够再发展很长时间，这对于扩大就业，保持和促进经济发展，提高人民收入水平更是具有十分重要的意义。
因此，如何开拓国内市场，尤其是农村市场，不仅仅是诸多生产厂商关注的问题，也是政府关注的问题。如果农村市场得到发展，使其耐用消费品拥有量接近城镇居民，那么，中国很多产业，包括日益陷入困境和价格战麻烦的彩电、冰箱洗衣机、DVD等行业将还能维持长时间的发展。并且，市场的扩大将进一步降低这些行业的生产成本并且提高其生产技术，从而推进新产品的开发，促使本国技术水平的提高。并最终遵循一个“geese pattern”带动更高层次的产业的发展，达到一个大众消费（mass consumption）时代（Matsuyama，2000）。
我们考虑到离散的收入分布的情况，居民分为富裕、中上、中下和贫穷四个收入层次。产品也分为不同档次，另外，产品之间具有单向替代性，即高端产品价格下降时，对低端产品的需求不会上升，但是当低端产品价格下降时，对高端产品的需求会上升。另外，在每一阶段，每一居民对任何产品都只具有单位需求，因此，收入上升以后，居民在消费了1单位低端产品后，对其的需求不再变化，而是转而消费1单位档次更高的产品。比如，产品分为0、1、2、3四个档次，富裕居民首先购买1档次的产品，由于干中学效应，1档次产品的生产成本、进而价格下降，于是中上收入的居民也能够购买1档次的产品，从而该产品价格进一步下降，中下收入居民也能够购买该产品，最后贫穷居民也能够购买该产品，随着该档次产品价格的下降，富裕居民的实际收入上升了，从而能够购买2档次的产品。依次类推，最终达到“大众消费”。
那么，如何开拓国内和农村市场呢？怎么使得市场扩大或者消费扩张？本文试图说明的是，改善收入分配是最重要的一种方式之一。在既定的收入水平下，适当的收入分配可以增加人们的购买力，进而扩大市场。我们将从理论和经验上说明收入分配对耐用品消费扩张的影响。适当的收入分布是消费扩张的关键。收入差距过大会使得产品在没有成熟之前就不再成长了；收入差距过小则会使得产品根本就不会生产。
与以往的类似研究不同的是，我们试图从厂商角度来讨论收入分布与消费扩张之间的关系。这是因为：第一，厂商的定价策略往往影响了消费者的消费，而厂商的定价又是依赖于居民收入和收入分布的；第二，一定程度上，收入差距的大小是相对于产品定价而言的，比如在一个两阶段模型中，只要两阶段产品价格的落差大于两层收入的落差，则收入差距不能算大。事实上，在考虑消费扩张的问题时，厂商的定价策略几乎是不可回避的，它是收入与消费两者之间联系的桥梁。
另外， 我们还考虑了收入连续分布的情况。事实上，如果收入分布是连续的，任何一个产品迟早会成熟，大众消费时代也迟早会来，只是时间的长短而已。因此，我们能够考虑具有不同收入分布的社会，产品的生产周期是怎样的。比如橄榄型的社会与金字塔型或者倒金字塔型的社会有什么区别。
本文其余部分的结构安排如下：第二部分我们提供了一个简单的模型，分析了二层收入下厂商的定价以及消费者的购买策略；第三部分中我们对第二部分中的模型进行了扩展，考虑了收入连续分布的情况；第四部分和第五部分中，我们对中国经验进行实证检验并报告了检验结果。最后是本文的结论与含义。
二、二层收入分布下的厂商定价与消费
我们首先从二层收入分布入手，通过一个简单的模型展示收入分布对厂商定价，进而对消费扩张有什么影响。
（一）、干中学效应
大部分耐用消费品的生产都存在规模效应。规模效应的重要来源之一就是所谓的“干中学效应”，由于厂商能够从生产中学习，因此，前期生产量越大，学到的东西就越多，生产效率提高就越多，第二期的生产成本就越低。假如厂商的生产分为两期，考虑到干中学效应，厂商会愿意在第一期多生产，降低价格，从而降低在第二期生产的成本，扩大第二期的市场需求。首先考虑不存收入分布限制的简单情况。在这种情况下，我们能够着重分析“干中学效应”在生产过程中的作用。
考虑一个两阶段的模型：厂商的利润函数如下：
………………………………………（1）
其中，，表示第一期的生产经验能够降低第二期的生产成本，同时，经验积累随着第一期产量的增加而增加。p表示价格，C表示成本函数，表示需求，下标i表示时间。假定成本函数满足凸性假定，需求函数满足凹性假定，则上述厂商利润函数存在最大解。令，则。首先考虑第一期的价格选择，厂商最优化的一阶条件为：
………………………………………（2）
从（2）可以看出，与一阶段静态模型相比，在二阶段模型中，第一期的厂商定价更低。第一期的边际收益小于第一期的边际成本，从表面上看起来，厂商生产了过多的产品。不过，事实上，这是为了有效降低第二期的生产成本，从而扩大第二期的消费。考虑第二期的价格选择，厂商最优化的一阶条件为：
………………………………………………………（3）
从式（3）中可以看出，由于，与一阶段静态模型相比，在二阶段模型中，第二期的厂商定价也更低，产量更高。
由于厂商第二阶段的最优策略满足：，显然，的大小对于厂商的定价策略十分重要。越大，第二阶段价格越高，产量越小。由于，因此，第一阶段产量越大，越小，第二阶段厂商定价越低，产量越大。因此，在既定的函数形式下，的大小取决于，取决于和，如果厂商具有定价能力（即不是完全竞争的），也应该取决于。因此，收入水平和收入分布决定了厂商的定价，并最终决定了需求。
（二）、收入分布对消费扩张的影响
我们看到，在没有收入水平限制的时候，厂商总能够通过策略性定价 充分利用“干中学效应”，从而使得消费顺利实现扩张。但是，在现实中，即使那些规模效应非常明显的部门，消费扩张也不是能够顺利实现的。比如在我国，彩电行业应该是具有非常明显的干中学效应的（这个从剧烈下降的价格就可以看出），但是，农村的彩电拥有率还是非常低。其中的重要原因就在于农民的收入水平太低。因此，我们应该着重分析加入了收入分布以后的结果。
现在我们加入收入分布的限制，看看情况是否会发生变化。我们假定，居民收入分为两层次：高收入阶层的人均收入为，低收入阶层的人均收入为， EMBED 。消费者对产品具有单位需求，因此，市场规模，或者说产品的需求量就等于人口规模，我们进一步假定：高收入人群的规模为，低收入人群的规模为。居民对消费品的评价是其收入的函数：=，下标j=1，2，表示消费者1和消费者2，，即随着收入的提高，消费者对消费品的评价越高。消费者1购买产品的条件是；消费者2购买的条件是，这两个条件说明，消费者购买某一消费品的条件是该产品提供的价值比它的价格要高。高收入居民在第一期购买，低收入消费者在第二期购买。
值得注意的是，厂商在第一期的定价行为取决于厂商对第二期的预期。如果预期第二期的消费会扩张，那么，在第一期采取策略性定价就是可行的。否则，厂商就不应该采取策略性定价。对于这个问题的分析，我们可以采用逆向分析的方法。
1，首先考虑第二期。
如果，则厂商在第二期应该将价格设定在，此时，厂商面临的需求；如果，由于没有第三期，则厂商在第二期应该将价格设定在，此时，厂商面临的需求等于低收入阶层的总人数，即低收入阶层的人口规模。
因此，如果第二期的结果是，厂商在第一阶段就不应该采取任何策略性定价。相反，如果第二期的结果是，那么，厂商就可能需要在第一期采取策略性定价。接下来我们考虑第一期。
根据我们前文的设定，在财富总量和人口总量既定的情况下，越大，意味着高收入人口规模越小（越小），低收入群体的收入水平越低，低收入人口规模越大（越大），从而收入差距太大。在单位需求的特征下，这就意味着第一期的需求量越小，但是价格可以定得更高。同时，由于在产品的需求量很小，第二期的厂商生产成本不能有效降低，从而第二期的价格会比较高。此时，如果很小，第二期的就没有需求。因此，如果能够把第二期的生产成本降低到处（而这又取决于的大小），第二期就存在需求并且需求等于低收入群体的规模。
2，对第一期的生产，考虑两种情况。
（1），当时，生产厂商第一期的定价为，如果这样能够刺激第二期的需求，然后通过降低第二期的生产成本来获取更高的收益。如果不能有效降低第二期的生产成本生产，厂商第一期的定价应该为，即最大化第一期的利润。
（2），当时，生产厂商应该定价，因为单位需求下，第一期生产厂商的需求最多只有。
显然，我们只需要分析第（1）种情况。当时，生产厂商第一期的定价是否应该为（即策略性定价）？其决定因素是什么？前文的分析告诉我们，这取决于：1，策略性定价对扩大第一期需求的作用，即比大多少；2，降低第二期的生产成本的程度，而这又取决于的形式。由于，因此，越大，第一期价格的降低对第二期生产成本降低的作用就越小，反之反是。
那么，当时，厂商在第一期应该怎么定价呢？定价在不一定合适，因为如果不能有效扩张第二期的需求（或者说降低第二期的生产成本），这会导致亏损。同样，如果能够降低第二期的生产成本，将价格定在又不合适了，因为没有达到利润最大化。
根据前文的设定，第一期成本为，高收入群体的收入为，高收入人群的规模为，第二期成本为，低收入群体的收入为，低收入人群的规模为，则第一期定价在时，第一期的损失为，第二期的收益为，策略性定价的充要条件是第二期的收益大于第一期的损失：
…………………………………………………………（4）
必要条件为在第一期的损失大于0的前提下，第二期的收益必须也大于0：， …………………………………………………………（5）
化简式（5）得到：
……………………………………………………………………（6）
先考虑必要条件。当式（6）成立时，厂商第一期定价。当式（6）不成立时，厂商第一期应该定价。此时，需求为0，也就是说厂商根本就不生产该产品。
从式（6）我们还可以知道。如果成本降低的程度大于收入的差距，消费会顺利实现扩张。相反，如果收入差距过大，消费会难以扩张。
必要条件指的是消费扩张顺利实现必须满足该条件，但是，即使满足了该条件，消费也未必能顺利扩张。即使收入分配足够平均（即满足），消费也未必能够实现扩张，因为满足式（6）却不满足式（4）。事实上，当时，哪怕收入差距很小，产品也根本不会生产，毫无疑问，这比收入差距扩大的后果更严重。
如果的同时，，这意味着，由于收入水平太低，第一期厂商会产生亏损（），但是如果试图强行降价，又不能有效降低第二期的生产成本（），厂商根本就不会生产产品。不能有效降低成本意味着：1，第一期的损失太大，即第一期的收入水平太低，而最初的生产成本又太高，2，生产成本不能有效降低，这可能是生产技术本身的原因，也可能时由于高收入群体的人口规模太小所致。在这种情况下，对于一个平均收入水平很低的国家或者地区而言，收入过于平均会阻碍消费扩张。
因此，我们有必要接下来考虑充分条件：。
与必要条件相比，充分条件加入了人口规模的因素。第二期的人口规模越大，充分条件成立的可能性越大，即厂商越有可能采取策略性定价。
总结起来，我们发现，在既定的收入水平下，收入分布过于不平均会阻碍厂商降价，从而阻碍消费扩张。但是，在平均收入水平比较低的情况下，收入分布过于平均同样会阻碍厂商降价和消费扩张。也就是，根据我们的分析，收入分布与消费扩张呈现倒U型的影响。
若我们定义一个收入差距标准，则：1、当消费者的收入差距大于，同时，厂商第二阶段价格降低的程度小于，第二阶段将没用消费者购买产品，我们称此时收入差距过大。产品市场受到限制，产品在没有成熟之间就退出了市场。2、若消费者的收入差距小于，而厂商第二阶段价格降低的程度又大于，此时我们称收入差距合适。产品会得到完全的发展。进一步地，我们可以想象，若两个收入阶层的消费者的构成情况是，高收入阶层所占的比例远大于低收入阶层所占的比例，那么，厂商第二阶段降低价格的程度就越大；高收入阶层的总量越大，厂商第二阶段降低价格的程度就越大。
三、连续收入分布下的厂商定价与消费
在上文中，我们只考虑了收入离散分布的情况，但是，更接近现实的情况应该是，收入分布是连续的。基于前文的理论分析，我们接下来在本文中粗略地考虑三种不同的连续收入分布的情况下厂商的定价与消费。
第一种情况是，大部分人很贫穷，他们只占有社会的少量财富，很小一部分人占有了大部分社会财富，社会财富分配高度集中。如图1所示。在图1中，纵轴f表示收入分布密度，I表示收入水平，越远离原点表示收入水平越高，下同。此时，由于高收入阶层数量很少，而耐用消费品具有单位需求，市场的大小完全取决于人数的多少而不是财富的多少，这意味着耐用消费品在第一阶段的市场很小，产量很小导致生产厂商不能有效降低第二阶段的生产成本。耐用消费品市场经历了初期的发展之后就陷入了停顿，发展异常缓慢。
I
图1，富裕群体拥有社会大部分财富，穷人众多而财富很少
第二种情况是，收入分布呈所谓的“橄榄型”，中产阶层占据了社会的主流。富裕阶层和贫穷阶层的规模都不大，如图2所示。在这种情况下，工业品的市场规模在最初以越来越快的速度扩大，过了一定的阶段后，市场规模逐渐缩小。此时的产品周期遵循了“引入、成长、成熟、衰落、退出”的五阶段论。产品市场最终会得到完全的发展。
I
图2，橄榄型的社会，大量中间收入阶层，富裕阶层和穷人都不多
第三种情况是，大部分人都很富有，穷人很少，如图3所示，这种社会类似所谓的大众消费社会，即进入了发达国家。在这种情况下，由于在最初的阶段，耐用消费品就能够以很高的价格卖出，并且存在巨大的市场，这有效地降低了后续阶段产品的生产成本，而且降低的速度非常快。在这种情况下，工业品在很短的时间了经历了从引入到成长再到成熟的过程，但是也会迅速衰落，被新的产业代替，不断有新的耐用消费品被引入。同时，相对贫穷的阶层也能够迅速得到工业品，因为成本降低的速度非常快。
I
图3，大部分人都很富有，穷人很少
四、中国经验
Murphy，shleifer & vishny（1989）讨论了工业品的消费如何兴起的，即为什么工业品生产会开始扩张。他们认为这是由于一个领导部门（leading sector）的兴起，比如农业和外贸出口的兴旺，会增加相关产业从业人员的收入水平，进而增加对工业产品的需求。随着工业产品市场的扩大，由于生产的规模经济效应（其原因可能是干中学效应的存在等），工业品的生产成本会迅速随之降低，价格也因此降低，这又会进一步扩大对工业品的需求量。如此循环，最终会通过Matsuyama（2000）所说的"geese pattern"使得所有工业品都变成大众消费品。经济通过这样一种方式发展。一个很好的经验例证是台湾。1960年代以后台湾的农业生产获得了高速发展，随之而来的是农户收入迅速提高，大幅度增加了对工业产品的需求，最终促使台湾经济起飞。但是，领导部门的兴起并不一定促带动对工业品的需求，另外一个必要的条件是领导部门兴起所带来的收益必须被足够平均的分配，而不能被高度集中。作者以哥伦比亚的发展为例说明了这一点。另外，人口规模、平均收入水平也会影响对工业品的需求。
不过，中国的情况有很大不同。中国的农业部门非但不是领导部门，反而是经济发展最落后的部门，农户收入远低于城镇居民收入（见图1）。改革开放以来，尽管农村居民对这些工业产品的需求大幅度上升了，却依然远远落后于城镇居民，比如，城镇居民彩电和洗衣机每百人拥有量是农村居民的4倍以上；而冰箱的拥有量更是达到了8倍以上。
图1，城镇居民与农民收入比较
我们看到，在我国，工业生产部门从业人员（城镇居民）消费了大部分工业产品，并带动了工业品价格的迅速下降。但是很明显，整个过程在农村受阻了。原因可能有这么几个：一个是农村居民收入太低；另外一个是农村居民收入分配过于集中了；还有一个可能的原因是城市居民对工业品的消费量太小，以至于工业品的成本不能有效降低，从而工业品价格依然过高。不过，值得注意的是，很多工业品的平均成本不会一直降低，降低到一定程度后就不会降低了，因为边际成本不变，甚至会逐渐上升。
根据Murphy，shleifer & vishny（1989）的分析，工业品的拥有量取决于人口规模、平均收入和收入分布（收入差距）。我们进一步认为，对于农村居民而言，其耐用品消费量还取决于城市居民的消费量及人口规模。各个因素的影响方向如下： 并且，。
其中，表示最优收入差距，当收入差距小于最优差距时，太过平均的收入会阻碍工业生产的发展和经济的起飞；当收入差距大于最优差距时，工业生产的发展会相当迟缓，换言之，收入差距与耐用消费品的拥有量呈现倒U型的关系。另外，如我们前文所述，平均收入水平的增加并不一定带动消费增加，还依赖于收入的分配。如果平均收入水平提高的同时收入分配比较平均，则消费增加，反之则不会。因此，平均收入水平能够通过收入差距之间对消费产生影响，为此，我们有必要引入平均收入水平与收入差距的交叉项。
基于上述分析，我们构筑基本计量模型如下：
（8）
其中，y表示耐用消费品的消费量，在本文中，我们分别计算了彩电，洗衣机和冰箱这三种最重要的耐用消费品每百人拥有量。
p表示人口规模，I表示平均收入水平，农村使用的是农民纯收入，城市使用的城市居民人均可支配收入。d表示收入差距，我们采用了基尼系数来衡量，为了说明收入差距对耐用品消费量的非线性影响，我们引入收入差距的平方项。T表示时间，表示随机变量。
我们所采用的耐用消费品拥有量、收入水平、人口规模都来自《中国统计年鉴》（历年）。基尼系数转引自曾国安（2002）。人口与平均收入的数据全部取自然对数值。其它值是水平值。基尼系数的按照原始数据采用，即直接取小数，没有进行处理，这一点我们需要给予特别注意。
图2 中国基尼系数变化趋势
注：图中的纵轴表示年份，从1981－1999年
五、检验结果
模型使用最小二乘估计方法（OLS），我们分别检验了各个模型是否异方差现象，由于篇幅限制，我们仅列出第一组估计中有关彩电的估计模型的残差图（见图3），残差分布散乱无章，说明没有异方差现象。检验结果基本支持了我们的理论分析。
图3，城镇彩电消费估计的残差图
（一）、我们首先考察城市耐用消费品拥有量的估计结果。考虑到平均收入会经由收入分布对消费产生影响，我们加入了平均收入与收入差距的交叉项。估计结果见表1。
检验结果表明：基尼系数一次项对彩电、洗衣机和冰箱的拥有量都具有显著的正影响，平方项的系数则都为负，表明了显著的倒U型关系。
收入对三类耐用品消费量均有显著正影响。这与我们的预期是一致的。
平均收入与收入差距的交叉项对三类产品拥有量均有显著的负影响，这说明，收入增长通过不平均的分配方式减少了产品的消费量。因此，尽管收入项对三类商品消费量的影响为正，但是，考虑到收入通过收入差距的负影响，收入水平对耐用消费品的作用小了很多。
人口规模对彩电和冰箱有显著的负影响，与我们的预期不符合。可能的解释是，由于城市化的速度过快，大量的农村劳动力进入城市，但是他们的收入水平并没有跟进，而且，也没有住房等设施，对于他们来说，购买这些消费品是没有必要的，可能也是没有购买力的。人口规模对洗衣机影响为正可能是由于洗衣机比彩电和冰箱的使用寿命更短（对于那些整个家庭都迁移到城市的农民而言，洗衣机的使用量会非常大，而彩电和冰箱则不会）。当然，这个解释的可靠性值得怀疑，需要我们进一步的分析和检验。
时间趋势非常显著，但是，洗衣机呈现出负的时间趋势，这与图2所示是一致的。这可能是由于洗衣机的初始拥有量很高所致。
（二）、接下来我们考察农村耐用消费品拥有量的估计结果。我们估计的模型包括两个城镇变量：城镇上期拥有量与城镇人口，这是为了衡量城镇消费对农村消费的影响。根据我们的理论，前期的消费对后期的消费是有影响的。在中国，城镇居民比农民具有更强的消费能力，他们更早的消费了各种耐用消费品，并由此带动农村的耐用品消费。我们一共估计了包含和不包含交叉项的两个模型，但是，包含交叉项的模型估计结果不理想，我们在此只报告不包含交叉项的估计结果。估计结果见表2。
首先分析彩电。从表2可以看到，收入差距一次项对彩电的影响为显著正，二次项的系数显著为负。说明，收入差距的扩大首先促进了彩电消费，这时由于一部分人先富起来的结果，但是，随着收入差距持续扩大，彩电的消费减少。收入差距与彩电消费之间呈现倒U型的关系。
收入对彩电消费的影响不显著。可能的原因是彩电的价格与居民的收入相比以及足够低了，彩电已经成了生活必需品。
农村人口规模对彩电消费的影响显著为负，这与我们的预期不一致。可能的原因是人口规模扩大了，而家庭数量并没有增加，即每一个家庭的规模扩大了。而耐用消费品的消费基本上是以家庭为单位的。
城市上期彩电消费量对农村消费量的影响为正，并且在10％左右的水平上显著。这与我们的预期一致。而城市人口则对农村消费的影响显著为负，这再一次说明城市人口的大规模扩张没有相应的收入基础。
时间趋势非常显著。这说明随着时间推移，彩电拥有量有一个显著的增长趋势。
接下来考察冰箱。收入差距以及收入差距平方项的影响都不显著，导致这个结果的原因可能是农村的冰箱拥有量太低，冰箱的价格偏高，尤其是维护成本很高。冰箱需要一直使用，这需要大量的电费支出，而农村地区的电费偏高，农村居民基本承受不起高消耗的冰箱。即便是高收入群体消费量也很少，由此导致收入差距的影响不显著。
收入对冰箱的影响显著为正。这与我们的预期一致。农村人口规模对冰箱消费的影响显著为负，于对彩电的估计结果是相同的。
城市上期彩电消费量对农村消费量的影响显著为正。这与我们的预期一致。而城市人口则对农村消费的影响显著为负，这再一次说明城市人口的大规模扩张没有相应的收入基础。时间趋势非常显著。这说明随着时间推移，耐用消费品拥有量有一个显著的增长趋势。
最后考察洗衣机。洗衣机与冰箱的检验结果基本一致。不同的地方是收入差距对洗衣机拥有量的影响更加显著，在接近10%的水平上显著。
表1，城市耐用消费品拥有量估计结果
彩电
洗衣机
冰箱
解释变量
系数
系数
系数
D
()
()
()
d2
()
()
()
I
（）
()
()
D*I
（）
()
()
P
()
()
()
T
（）
()
()
C
（）
()
()
Adj R-sq
DW
Schwarz
F-statistic
注：括弧内的是p值。
表2，农村耐用消费品拥有量估计结果1
彩电
冰箱
洗衣机
解释变量
系数
系数
系数
D
（）
（）
（）
D2
（）
（）
（）
I
（）
（）
（）
P
（）
（）
（）
CITI(-1)
*
（）
（）
（）
CitiP
（）
（）
（）
T
（）
（）
（）
C
（）
（）
（）
Adj R-sq
DW
Schwarz
F-statistic
注：1，*冰箱的估计中，使用的是滞后两期的数据，滞后一期的数据通不过检验。这意味着冰箱的学习效应更加缓慢，以至于价格降低很慢。
2，括弧内的是p值。
六、结论与含义
本文着重考察了收入差距对耐用消费品消费的影响。实证检验结果基本上支持了我们的理论分析。收入差距对耐用消费品消费呈现出倒U型的影响：随着收入差距扩大，耐用消费品的消费量增加，但是，收入差距继续扩大则会减少耐用消费品的消费。这说明，适当的收入差距有利于社会消费水平提高和经济的发展，过大和过小的收入差距都无助于经济的起飞。从这个角度看，“鼓励一部分人先富起来”的政策是积极的，改革开放以来逐渐扩大的收入差距也是积极的。但是，我们必须注意到，如果收入差距进一步扩大，将会削弱整个社会的购买力，尤其是对一般工业品的购买力。特别富裕的阶层将把财富用于购买奢侈品，贫困阶层则无力购买一般工业品，这会导致一般工业品，比如耐用消费品行业没有发展的机会。
我国的收入差距从1978年以来经历了迅速的上升。基尼系数显著上升（见图4）。尤其是城乡收入差距显著，这直接导致了农村消费能力低下。尽管农村有高达8亿左右的人口，但是庞大的人口没有转化成庞大的市场。农村居民的耐用消费量还很低。与此同时，我国很多耐用消费品行业，比如彩电，空调，微波炉、DVD等却在为如何打开国内和国际市场烦恼。如何打开国内农村市场不仅仅是这些行业，以及相关企业所关心的，它更会影响到我国经济发展的可持续性。如果农村市场得到开发，我国的经济发展将能够有效降低对国际市场的依赖，从而降低潜在的国际市场风险；同事农村市场得到开发意味着又能够增加巨大的消费群体，我国经济将因此受益数十年甚至更长时间。
那么，如何拓展国内市场？对于城市市场而言，增加收入是一个重要的手段，但是，一个更加平均的收入分配也应该得到重视。另外，我们的实证研究表明，快速的城市化并不一定能力增加消费能力和扩大市场，对于刺激消费发展经济的作用并不明显。
至于打开农村消费品市场，情况稍有不同。从本文的分析看，增加农户收入仍然具有最重要的作用。由于收入水平普遍比较低，收入差距的对耐用消费品消费的影响尚不明显。我们认为，对于农村市场而言，更高的收入，而不是更平均的收入分配是更重要的政策目标。
参考文献：
1，Kiminori Matsuyama，2000，A Ricardian Model with a Continuum of Goods under Nonhomothetic Prefernce: Demand Complementarities, Income Distribution, and North-South Trade, Journal of political economy, 2000,,: 1093-1120
2，Kiminori Matsuyama，2002, The Rise of Consumption societies, Journal of political economy, 2002,,: 1035-1070
3，Kiminori Matsuyama，1992,Agricultural Productivity, Comparative Advantage, and Economic Growth, Journal of economic Theory 58(December 1992):317-34
4，Kiminori Matsuyama，1991,Increacing Returns Industrialization ,and Inderterminacy of Equilibium, Quarterly Journal of (May 1991):617-650
5，Murphy，shleifer & vishny，1989,Income Distribution, Market Size, and Industrialization, Quarterly Journal of (August 1989):537-64
6，Stokey, Nancy L. Learning by Doing and the Introduction of New Goods, Journal of political economy, 96 (August 1988),701-17
7，曾国安，《20世纪70年代末以来中国居民收入差距的演变趋势、现状评价和调节政策选择》，《经济评论》，2002年第5期
在本文中，策略性定价指的是厂商为了在第二期获得更大的利润，在第一期强行降价（ EMBED ）的行为。
图表2
总基尼系数
城市基尼系数
农村基尼系数
Sheet1
随机效应 固定效应 随机效应 固定效应
newpatterna Coef. P>|z| Coef. P>|t| Coef. P>|z| Coef.. P>|t|
fdi
fdisq
protect
stper
stexp
pgdp
_cons
Wald chi2(6) F(6,284)= Wald chi2(6)= F(7,283)=
R-sq: within
hausman
总基尼系数
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995 784
1996
1997 1221
1998
1999
2162
总基尼系数
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
彩电
洗衣机
冰箱
基尼系数
收入
Sheet4
总基尼系数 农村基尼系数 城市基尼系数 城镇收入比 农户收入 城市收入 总人口 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 农村彩电 农村洗衣机 农村冰箱 农村照相机
1981 100072 20171
1982 101654 21480
1983 103088 22274
1984 104357 24017
1985 105851 25094 0
1986 107507 26366
1987 1, 109300 27674 1987
1988 1, 111026 28661 1988
1989 1, 112704 29540 1989
1990 1, 114333 30191 1990
1991 1, 115823 30543 1991
1992 784 2, 117171 32372 1 1992 1
1993 2, 118517 33351 1993
1994 1221 3, 119850 34301 4 1994 4
1995 4, 121121 35174 1995
1996 4, 122389 35950 1996
1997 5, 123626 36989 1997
1998 2162 5, 124810 37942 1998
1999 5, 125909 38892 1999
Sheet4
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
农村冰箱拥有量
城镇冰箱拥有量
农村照相机拥有量
城镇照相机拥有量
部分耐用品拥有量的城镇－农村比较
城镇，照相机
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
农民人均纯收入
城镇居民人均可支配收入
城镇居民与农民收入比较
城镇，冰箱
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 18
方差分析
df SS MS F Significance F
回归分析 5 0
残差 12
总计 17
系数
CON
T
GINI
INCOME
POPU
GINI SQ
F
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 残差 标准残差 百分比排位
1
2
3
4
5 25
6
7
8
9
10
11
12
13
14 75
15
16
17
18
城镇，冰箱
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1981
残差
1981 Residual Plot
城镇，洗衣机
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
城镇,彩电
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
Sheet3
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
Sheet2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
农村基尼系数
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
1981
1981 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Normal Probability Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 18
方差分析
df SS MS F Significance F
回归分析 5
残差 12
总计 17
Coefficients P-value
CON
T
GINI
INCOME
POPU
GINISQU
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 残差 标准残差 百分比排位
1
2
3
4
5 25
6
7
8
9
10
11
12
13
14 75
15
16
17
18
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
1981
残差
1981 Residual Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
残差
Residual Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
1981
1981 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
预测
Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Normal Probability Plot
Dependent Variable: Y
Method: Least Squares
Date: 05/21/05 Time: 14:48
Sample: 1 19
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
T
GINI
INCOME
POPU
GINISQ
C
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic) 0
Dependent Variable: TV
Method: Least Squares
Date: 05/21/05 Time: 15:12
Sample: 1 19
Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
GINI
GINISQ
INCOME
C 0
R-squared Mean dependent var
Adjusted R-squared . dependent var
. of regression Akaike info criterion
Sum squared resid Schwarz criterion
Log likelihood F-statistic
Durbin-Watson stat Prob(F-statistic) 0
1
1981
残差
1981 Residual Plot
1
残差
Residual Plot
1
残差
Residual Plot
1
残差
Residual Plot
1
残差
Residual Plot
城市基尼系数 城市收入 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 总人口 总基尼系数 城市基尼系数 城市收入 农村人口 农户收入 农村基尼系数 农村彩电 农村洗衣机 农村冰箱 农村照相机
1981 20171 100072 79,901
1982 21480 101654 80,174
1983 22274 103088 80,814
1984 24017 104357 80,340
1985 25094 105851 80,757 0
1986 26366 107507 81,141
1987 27674 109300 81,626
1988 28661 111026 82,365
1989 29540 112704 83,164
1990 30191 114333 84,142
1991 30543 115823 85,280
1992 32372 117171 84,799 784 1
1993 33351 118517 85,166
1994 34301 119850 85,549 1221 4
1995 35174 121121 85,947
1996 35950 122389 86,439
1997 36989 123626 86,637
1998 37942 124810 86,868 2162
1999 38892 125909 87,017
1981 年份 城市基尼平方系数 城市收入 城镇人口 城市基尼系数 农村基尼系数 农村人口 农村收入 农村基尼系数平方
1982 1981
1983 1982
1984 1983
1985 1984
1986 1985 0
1987 1986
1988 1987
1989 1988
1990 1989
1991 1990
1992 1991
1993 1992
1994 1993
1995 1994
1996 1995
1997 1996
1998 1997
1999 1998
1999
1981 0 0
1982 0 0
1983 总基尼系数 城市基尼系数 农村基尼系数
1984
1985 0 0
1986
1987
1988 0 0
1989 0 0
1990
1991
1992
1993
1994
1995 0 0
1996
1997
1998
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
总基尼系数
城市基尼系数
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
0 0 0
总基尼系数
城市基尼系数
农村基尼系数
总基尼系数 农村基尼系数 城市基尼系数 城镇收入比 农户收入 城市收入 总人口 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 农村彩电 农村洗衣机 农村冰箱 农村照相机
1981 100072 20171
1982 101654 21480
1983 103088 22274
1984 104357 24017
1985 105851 25094 0
1986 107507 26366
1987 1, 109300 27674 1987
1988 1, 111026 28661 1988
1989 1, 112704 29540 1989
1990 1, 114333 30191 1990
1991 1, 115823 30543 1991
1992 784 2, 117171 32372 1 1992
1993 2, 118517 33351 1993
1994 1221 3, 119850 34301 4 1994
1995 4, 121121 35174 1995
1996 4, 122389 35950 1996
1997 5, 123626 36989 1997
1998 2162 5, 124810 37942 1998
1999 5, 125909 38892 1999
总基尼系数 农村基尼系数 城市基尼系数 城镇收入比 农户收入 城市收入 总人口 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 农村彩电 农村洗衣机 农村冰箱 农村照相机 音响 摩托 电话 空调
1981 100072 20171
1982 101654 21480
1983 103088 22274
1984 104357 24017
1985 105851 25094 0
1986 107507 26366
1987 1, 109300 27674
1988 1, 111026 28661
1989 1, 112704 29540
1990 1, 114333 30191
1991 1, 115823 30543
1992 784 2, 117171 32372 1
1993 2, 118517 33351
1994 1221 3, 119850 34301 4
1995 4, 121121 35174
1996 4, 122389 35950
1997 5, 123626 36989
1998 2162 5, 124810 37942
1999 5, 125909 38892
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
彩电
洗衣机
冰箱
基尼系数
0 1 1 1 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0
收入变化
彩电
洗衣机
冰箱
基尼系数
图表1
预测值
残差
Sheet1
随机效应 固定效应 随机效应 固定效应
newpatterna Coef. P>|z| Coef. P>|t| Coef. P>|z| Coef.. P>|t|
fdi
fdisq
protect
stper
stexp
pgdp
_cons
Wald chi2(6) F(6,284)= Wald chi2(6)= F(7,283)=
R-sq: within
hausman
总基尼系数
1981
1982
1983
1984
1985
1986
1987
1988
1989
1990
1991
1992
1993
1994
1995 784
1996
1997 1221
1998
1999
2162
总基尼系数
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
彩电
洗衣机
冰箱
基尼系数
收入
Sheet4
总基尼系数 农村基尼系数 城市基尼系数 城镇收入比 农户收入 城市收入 总人口 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 农村彩电 农村洗衣机 农村冰箱 农村照相机
1981 100072 20171
1982 101654 21480
1983 103088 22274
1984 104357 24017
1985 105851 25094 0
1986 107507 26366
1987 1, 109300 27674 1987
1988 1, 111026 28661 1988
1989 1, 112704 29540 1989
1990 1, 114333 30191 1990
1991 1, 115823 30543 1991
1992 784 2, 117171 32372 1 1992 1
1993 2, 118517 33351 1993
1994 1221 3, 119850 34301 4 1994 4
1995 4, 121121 35174 1995
1996 4, 122389 35950 1996
1997 5, 123626 36989 1997
1998 2162 5, 124810 37942 1998
1999 5, 125909 38892 1999
Sheet4
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
农村冰箱拥有量
城镇冰箱拥有量
农村照相机拥有量
城镇照相机拥有量
部分耐用品拥有量的城镇－农村比较
城镇
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
农民人均纯收入
城镇居民人均可支配收入
城镇居民与农民收入比较
农村,有城镇
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 19
方差分析
df SS MS F Significance F
回归分析 5 0
残差 13
总计 18
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7
8
9
10 50
11
12
13
14
15
16
17
18
19
农村,有城镇
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
农村,吴城镇
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
农村,冰箱
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
城镇,冰箱
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
城镇,洗衣机2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
农村,洗衣机,无城镇
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
农村,冰箱,无城镇
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 9
残差 3
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
X Variable 6
X Variable 7
X Variable 8
X Variable 9
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8
9
10
11
12
13
农村,冰箱,无城镇
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
农村,照相机,无城镇
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
农村,照相机,有城镇
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
农村,冰箱,有城镇
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
农村,洗衣机,有城镇
1 0
1988 0
1989 0
1990 0
1991 0
1992 0
1993 0
1994 0
1995 0
1996 0
1997 0
1998 0
1999 0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
农村,彩电,有城镇
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 6
Y
X Variable 6 Line Fit Plot
城镇,彩电
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 7
Y
X Variable 7 Line Fit Plot
Sheet3
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 8
Y
X Variable 8 Line Fit Plot
Sheet2
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 9
Y
X Variable 9 Line Fit Plot
农村基尼系数
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 5
残差 7
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8
9
10
11
12
13
1 0
1988 0
1989 0
1990 0
1991 0
1992 0
1993 0
1994 0
1995 0
1996 0
1997 0
1998 0
1999 0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 19
方差分析
df SS MS F Significance F
回归分析 5 0
残差 13
总计 18
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7
8
9
10 50
11
12
13
14
15
16
17
18
19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 19
方差分析
df SS MS F Significance F
回归分析 5 0
残差 13
总计 18
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7
8
9
10 50
11
12
13
14
15
16
17
18
19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 19
方差分析
df SS MS F Significance F
回归分析 5 0
残差 13
总计 18
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7
8
9
10 50
11
12
13
14
15
16
17
18
19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 5
残差 7
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8
9
10
11
12
13
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 5
残差 7
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8 4
9
10
11
12
13
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 5
残差 7
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50 1
8
9
10
11
12
13
1 0
1988 0
1989 0
1990 0
1991 0
1992 0
1993 0
1994 0
1995 0
1996 0
1997 0
1998 0
1999 0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 9
残差 3
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
X Variable 6
X Variable 7
X Variable 8
X Variable 9
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50 1
8
9
10
11
12
13
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
1 0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
1 0
1988 0
1989 0
1990 0
1991 0
1992 0
1993 0
1994 0
1995 0
1996 0
1997 0
1998 0
1999 0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
1 0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 6
Y
X Variable 6 Line Fit Plot
0
0
0
0
0
1 0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 7
Y
X Variable 7 Line Fit Plot
0
0
0
0
0
1 0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 8
Y
X Variable 8 Line Fit Plot
0
0
0
0
0
1 0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 9
Y
X Variable 9 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 9
残差 3
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
X Variable 6
X Variable 7
X Variable 8
X Variable 9
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8 4
9
10
11
12
13
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 6
Y
X Variable 6 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 7
Y
X Variable 7 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 8
Y
X Variable 8 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 9
Y
X Variable 9 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 9
残差 3
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
X Variable 6
X Variable 7
X Variable 8
X Variable 9
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8
9
10
11
12
13
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 6
Y
X Variable 6 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 7
Y
X Variable 7 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 8
Y
X Variable 8 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 9
Y
X Variable 9 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
预测值
残差
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 13
方差分析
df SS MS F Significance F
回归分析 9
残差 3
总计 12
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
X Variable 6
X Variable 7
X Variable 8
X Variable 9
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7 50
8
9
10
11
12
13
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 6
Y
X Variable 6 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 7
Y
X Variable 7 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 8
Y
X Variable 8 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 9
Y
X Variable 9 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
SUMMARY OUTPUT
回归统计
Multiple R
R Square
Adjusted R Square
标准误差
观测值 19
方差分析
df SS MS F Significance F
回归分析 5 0
残差 13
总计 18
Coefficients 标准误差 t Stat P-value Lower 95% Upper 95% 下限 % 上限 %
Intercept
X Variable 1
X Variable 2
X Variable 3
X Variable 4
X Variable 5
RESIDUAL OUTPUT PROBABILITY OUTPUT
观测值 预测 Y 残差 百分比排位 Y
1
2
3
4
5
6
7
8
9
10 50
11
12
13
14
15
16
17
18
19
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 1
Y
X Variable 1 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 2
Y
X Variable 2 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 3
Y
X Variable 3 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 4
Y
X Variable 4 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Y
预测 Y
X Variable 5
Y
X Variable 5 Line Fit Plot
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Sample Percentile
Y
Normal Probability Plot
城市基尼系数 城市收入 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 总人口 总基尼系数 城市基尼系数 城市收入 农村人口 农户收入 农村基尼系数 农村彩电 农村洗衣机 农村冰箱 农村照相机
1981 20171 100072 79,901
1982 21480 101654 80,174
1983 22274 103088 80,814
1984 24017 104357 80,340
1985 25094 105851 80,757 0
1986 26366 107507 81,141
1987 27674 109300 81,626
1988 28661 111026 82,365
1989 29540 112704 83,164
1990 30191 114333 84,142
1991 30543 115823 85,280
1992 32372 117171 84,799 784 1
1993 33351 118517 85,166
1994 34301 119850 85,549 1221 4
1995 35174 121121 85,947
1996 35950 122389 86,439
1997 36989 123626 86,637
1998 37942 124810 86,868 2162
1999 38892 125909 87,017
1981
1982 1981
1983 1982
1984 1983
1985 1984
1986 1985 0
1987 1986
1988 1987
1989 1988
1990 1989
1991 1990
1992 1991
1993 1992
1994 1993
1995 1994
1996 1995
1997 1996
1998 1997
1999 1998
1999
总基尼系数 农村基尼系数 城市基尼系数 城镇收入比 农户收入 城市收入 总人口 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 农村彩电 农村洗衣机 农村冰箱 农村照相机
1981 100072 20171
1982 101654 21480
1983 103088 22274
1984 104357 24017
1985 105851 25094 0
1986 107507 26366
1987 1, 109300 27674 1987
1988 1, 111026 28661 1988
1989 1, 112704 29540 1989
1990 1, 114333 30191 1990
1991 1, 115823 30543 1991
1992 784 2, 117171 32372 1 1992
1993 2, 118517 33351 1993
1994 1221 3, 119850 34301 4 1994
1995 4, 121121 35174 1995
1996 4, 122389 35950 1996
1997 5, 123626 36989 1997
1998 2162 5, 124810 37942 1998
1999 5, 125909 38892 1999
总基尼系数 农村基尼系数 城市基尼系数 城镇收入比 农户收入 城市收入 总人口 城镇人口 城镇彩电 城镇洗衣机 冰箱 城镇照相机 农村彩电 农村洗衣机 农村冰箱 农村照相机 音响 摩托 电话 空调
1981 100072 20171
1982 101654 21480
1983 103088 22274
1984 104357 24017
1985 105851 25094 0
1986 107507 26366
1987 1, 109300 27674
1988 1, 111026 28661
1989 1, 112704 29540
1990 1, 114333 30191
1991 1, 115823 30543
1992 784 2, 117171 32372 1
1993 2, 118517 33351
1994 1221 3, 119850 34301 4
1995 4, 121121 35174
1996 4, 122389 35950
1997 5, 123626 36989
1998 2162 5, 124810 37942
1999 5, 125909 38892
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
0 0 0 0
彩电
洗衣机
冰箱
基尼系数
0 1 1 1 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0 0
0
收入变化
彩电
洗衣机
冰箱
基尼系数
