王 超 張 雨 滕 嬋 馮鈺雯

（安陽師范學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，河南 安陽 455000）

一、引言

邊際消費(fèi)傾向研究的核心問題之一是消費(fèi)函數(shù)的設(shè)定。多數(shù)研究設(shè)定采用線性回歸的設(shè)定形式（胡靜嫻，2010；陳訓(xùn)波和周偉，2013）[1][2]。線性回歸模型通常以誤差項(xiàng)服從正態(tài)分布為假定前提，也就意味著消費(fèi)水平服從正態(tài)分布。而現(xiàn)實(shí)情況是，居民消費(fèi)水平可能并不服從正態(tài)分布。金春雨和程浩等繪制了中國(guó)各省農(nóng)村居民人均消費(fèi)核密度圖，發(fā)現(xiàn)中國(guó)各省農(nóng)村居民人均消費(fèi)呈現(xiàn)典型的右偏特征[3]。這就意味著，如果采用默認(rèn)的正態(tài)分布進(jìn)行參數(shù)擬合勢(shì)必會(huì)與現(xiàn)實(shí)情況產(chǎn)生較大不適。為此，學(xué)術(shù)界嘗試改變傳統(tǒng)的模型設(shè)定形式以適應(yīng)這種情形。

部分研究將非參數(shù)回歸技術(shù)引入居民消費(fèi)邊際傾向研究之中（龍健顏和盧素等，2011；黃金波和李仲飛，2014；錢明輝和胡日東等，2018；趙衛(wèi)亞，2005）[4][5][6][7]。非參數(shù)回歸不需要模型滿足線性的假設(shè)前提，即不需要事先假定消費(fèi)水平服從正態(tài)分布，因而可以靈活地探測(cè)數(shù)據(jù)間的復(fù)雜關(guān)系。但該模型設(shè)定有一種天然不足，就是當(dāng)模型中自變量數(shù)目較多時(shí)，模型的估計(jì)方差會(huì)加大，導(dǎo)致回歸系數(shù)的估計(jì)準(zhǔn)確度很差。另外，非參數(shù)回歸中自變量與因變量間關(guān)系的解釋也有難度。所以，多數(shù)使用非參數(shù)回歸技術(shù)的研究?jī)H僅是將居民收入作為影響居民消費(fèi)水平的唯一因素。

為了解決這一問題，部分研究采用了半?yún)?shù)回歸技術(shù)研究居民邊際消費(fèi)傾向（婁峰和李雪松，2009；田鳳平和周先波等，2013）[8][9]。這種設(shè)定形式介于參數(shù)設(shè)定與非參數(shù)設(shè)定之間，即對(duì)影響居民消費(fèi)的部分變量采用線性設(shè)定形式，部分變量采用非參數(shù)設(shè)定形式。由于該設(shè)定形式需要使用最小二乘法估計(jì)線性設(shè)定變量的參數(shù)，也意味著居民消費(fèi)水平滿足正態(tài)性的假定，從邏輯上講，這種設(shè)定形式依然與現(xiàn)實(shí)不符。

首次考慮被研究現(xiàn)象統(tǒng)計(jì)分布特征的理論回歸模型當(dāng)屬?gòu)V義線性模型（Generalized Linear Model，GLM），該模型假定待研究現(xiàn)象（如消費(fèi)）服從指數(shù)型分布。該模型并非直接在解釋變量與被解釋變量之間建立聯(lián)系，而是通過連接函數(shù)在兩者之間建立聯(lián)系。連接函數(shù)的形式依被解釋變量所屬具體分布函數(shù)進(jìn)行確定。當(dāng)指數(shù)型分布為正態(tài)分布時(shí)，被解釋變量的期望正好為連接函數(shù)，此時(shí)該設(shè)定與普通的線性回歸模型是一致的。這意味著連續(xù)響應(yīng)的普通回歸模型是廣義線性模型的特殊情形。由于該類模型的前提條件為指數(shù)型分布，理論上只有某些特殊的情形才滿足這一條件。如對(duì)右偏型數(shù)據(jù)進(jìn)行分析時(shí)，由于存在較少數(shù)量的右偏性質(zhì)的指數(shù)型分布，所以這種模型在居民邊際消費(fèi)傾向研究中使用較少。

為了使模型設(shè)定更加靈活，以揭示自變量的非線性效應(yīng)，將非參數(shù)設(shè)定形式的自變量引入就成為廣義線性模型的一種自然擴(kuò)展。這種擴(kuò)展被稱為廣義可加模型（Generalized Additive Models，GAM），該模型由Hastie和Tibshirani于1990年提出。由于遵循了廣義線性模型的理論框架，因此廣義可加模型也需要因變量服從指數(shù)族分布形態(tài)，極大地限制了其他非指數(shù)族分布現(xiàn)象的建模，客觀上為該模型的擴(kuò)展提供了潛在可能。2005年，Rigby和Stasinopoulos提出了包含位置、規(guī)模和形狀的廣義可加模型（Generalized Additive Models for Location，Scale，and Shape，GAMLSS），很好地解決了非指數(shù)族分布現(xiàn)象的建模問題[10]。

經(jīng)過文獻(xiàn)梳理，發(fā)現(xiàn)現(xiàn)有關(guān)于居民家庭邊際消費(fèi)傾向的研究多集中于線性模型的設(shè)定形式，且以被解釋變量服從正態(tài)分布為假設(shè)前提條件，鮮有文獻(xiàn)集中于消費(fèi)分布的探討。本文針對(duì)以往研究存在的不足，從以下三個(gè)方面進(jìn)行改進(jìn)。

第一，普通線性回歸模型的設(shè)定形式并不能客觀反映居民消費(fèi)水平的真實(shí)狀況，客觀識(shí)別并確定消費(fèi)性支出的分布狀況是構(gòu)建消費(fèi)支出模型的邏輯前提。

第二，將包含位置、規(guī)模以及形狀參數(shù)在內(nèi)的廣義可加模型（GAMLSS）引入居民消費(fèi)支出模型構(gòu)建之中。這種設(shè)定形式既可以考慮消費(fèi)支出的具體分布，又可以探究其微觀影響因素。

第三，基于不同收入群體消費(fèi)行為異質(zhì)性的特征，本文嘗試在GAMLSS框架下探討影響不同消費(fèi)群體消費(fèi)水平的微觀因素。

二、GAMLSS模型

如前所述，為了彌補(bǔ)傳統(tǒng)的線性模型因變量多限于正態(tài)分布假定的現(xiàn)實(shí)困境，廣義線性模型、廣義可加線性模型相繼被提出。但不論是廣義線性模型還是廣義可加線性模型，皆以因變量分布為指數(shù)型分布形態(tài)作為前提假設(shè)條件，給該模型的現(xiàn)實(shí)應(yīng)用帶來挑戰(zhàn)。一方面是符合指數(shù)型分布族的分布類型較少，通常以正態(tài)分布、泊松分布、二項(xiàng)分布、Gamma分布等為主；二是現(xiàn)實(shí)中非指數(shù)型類分布經(jīng)常出現(xiàn)，如一些表示效率的現(xiàn)象常呈現(xiàn)出右偏特征，如果針對(duì)這種現(xiàn)象進(jìn)行建模，則應(yīng)該選用與之相對(duì)應(yīng)的右偏分布。為此，Rigby和Stasinopoulos于2005年提出了包含位置、規(guī)模和形狀的廣義可加模型（Generalized Additive Models for Location，Scale，and Shape，GAMLSS）。

（一）GAMLSS模型的一般形式

假設(shè)觀測(cè)值yi（i=1，2，…，n）具有參數(shù)為θi=（θ1i，θ2i，θ3i，θ4i）=（μi，σi，υi，τi）的概率密度函數(shù)f（yi|θi）。其中μi、σi分別代表位置參數(shù)（通常代表均值）和規(guī)模參數(shù)（通常代表標(biāo)準(zhǔn)差），υi、τi代表形狀參數(shù)，常表示偏度和峰度。GAMLSS模型的一般形式為：

令yT=（y1，y2，…，yn）為n維響應(yīng)變量，令k=1，2，…，p，令gk（θi）為與分布f（yi|θi）有關(guān)的單調(diào)連接函數(shù)，設(shè)定為：

其中θk和ηk為長(zhǎng)度為n的向量，Xk為維數(shù)已知矩陣，Zjk為維數(shù)為n×qjk的矩陣，γjk是維數(shù)為qjk的隨機(jī)變量。

式（1）中，ηk（k=1，2，…，p）是由參數(shù)成分 Xkβk和可加成分Zjkγjk兩部分組成。其中Xkβk為解釋變量的線性函數(shù)，Zjkγjk為隨機(jī)變量的線性函數(shù)（也可視為隨機(jī)效應(yīng)）。GAMLSS包含幾種重要的模型。

當(dāng) Jk=0（k=1，2，…，p）時(shí)，模型 GAMLSS 簡(jiǎn)化為參數(shù)模型：

當(dāng)Zjk=In（In為n×n的單位矩陣），γjk=hjk=hjk（Xjk），可以得到半?yún)?shù)可加形式的GAMLSS模型：

式（3）中，hjk=hjk（Xjk）為解釋變量Xjk的未知函數(shù)（局部線性光滑、樣條等），且hjk=hjk（Xjk）為函數(shù)hjk在Xjk處的估計(jì)值向量。

（二）GAMLSS模型的特點(diǎn)

GAMLSS模型的特點(diǎn)主要體現(xiàn)在三個(gè)方面：一是GAMLSS模型所用分布形式更多樣，既包括傳統(tǒng)的指數(shù)型分布，也包括大量的非指數(shù)型分布；既包括對(duì)稱性分布，也包括大量具有度偏度和峰度的非對(duì)稱性分布；既包括離散型分布，也包括連續(xù)性分布；既可使用單一分布，也可使用混合分布。二是GAMLSS模型允許針對(duì)位置參數(shù)（通常是平均值）、規(guī)模參數(shù)（通常是方差）以及形狀參數(shù)（通常是偏度和峰度）分別獨(dú)立進(jìn)行建模。三是GAMLSS模型中參數(shù)模型的設(shè)定形式更多樣。既可以是線性，也可以是非線性；既可以是參數(shù)形式，也可以是可加非參數(shù)形式（如參數(shù)樣條、懲罰樣條或局部加權(quán)回歸等）。

GAMLSS這種獨(dú)特的設(shè)定形式便于精準(zhǔn)描述各個(gè)參數(shù)的影響因素的方向和程度。

（三）GAMLSS模型的估計(jì)和檢驗(yàn)

由于GAMLSS模型不但可以對(duì)位置參數(shù)、規(guī)模參數(shù)和形狀參數(shù)分別設(shè)定，也可以有多種候選分布選擇，因此理論上而言，GAMLSS模型存在多種可能的設(shè)定形式。為解決模型的選擇問題，基于極大似然估計(jì)（或極大似然估計(jì)的思想），Rigby和 Stasinopoulos（2005）提出使用廣義赤池信息量（Generalized Akaike Information Criterion，GAIC） 和施瓦茨貝葉斯準(zhǔn)則（SchwarzBayesian Criterion，SBC）兩種統(tǒng)計(jì)量進(jìn)行模型選擇。所用公式分別為：

上式中，L為對(duì)數(shù)似然函數(shù)值，k為過擬合懲罰參數(shù)，N為模型擬合參數(shù)。通常GAIC和SBC越小，表示模型擬合越好。

三、基于GAMLSS模型的不同收入群體邊際消費(fèi)傾向研究

（一）統(tǒng)計(jì)資料來源

使用北京大學(xué)社會(huì)調(diào)查中心發(fā)布的中國(guó)家庭綜合調(diào)查數(shù)據(jù)（CFPS）2010年調(diào)查資料。由于本文研究家庭消費(fèi)行為及其微觀影響因素，因此本文僅使用CFPS 2010中的家庭問卷以及成人問卷。

（二）不同收入群體的劃分

綜合看，現(xiàn)有文獻(xiàn)采用相對(duì)標(biāo)準(zhǔn)界定中等收入者居多。本文采用[0.75倍收入中位數(shù)，2倍收入中位數(shù)]標(biāo)準(zhǔn)界定中等收入群體。則低于0.75倍收入中位數(shù)者為低收入群體，高于2倍收入中位數(shù)者為高收入群體。

（三）數(shù)據(jù)的描述統(tǒng)計(jì)分析

表1為城鎮(zhèn)居民家庭不同收入級(jí)別人均消費(fèi)性支出的描述統(tǒng)計(jì)結(jié)果?？梢钥闯?，在被調(diào)查的4294戶城鎮(zhèn)居民家庭中，低收入、中等收入以及高收入家庭數(shù)量分別為1638戶、1782戶以及874戶，占比分別為38.14%、41.50%以及20.36%。三種層次的家庭消費(fèi)性支出均值分別為5666.20元、9274.76元以及17065.70元，標(biāo)準(zhǔn)差分別為4468.51元、5729.54元以及11865.55元。三種層次家庭消費(fèi)性支出的中位數(shù)分別為4504.50元、8102.15元和13956.67元。三種層次家庭消費(fèi)性支出的偏度系數(shù)最小值為2.63，最大值為3.77，屬于嚴(yán)重右偏特征，三種層次家庭消費(fèi)性支出的峰度系數(shù)最小值為14.05，最大值為23.18，屬于高度尖峰特征。取對(duì)數(shù)后，三種層次的家庭消費(fèi)性支出均值分別為8.40、8.98以及9.57，標(biāo)準(zhǔn)差分別為0.66、0.57以及0.59。三種層次家庭消費(fèi)性支出的中位數(shù)分別為8.41、9.00、9.54。低收入和中等收入層次家庭消費(fèi)性支出偏度系數(shù)發(fā)生了質(zhì)的改變，由原來的正偏，變成了負(fù)偏。而高收入群體家庭消費(fèi)性支出偏度系數(shù)較之前降低了很多，達(dá)到0.06，接近對(duì)稱。三種層次家庭消費(fèi)性支出的峰度系數(shù)下降明顯，但仍然呈現(xiàn)尖峰特征。

表1 城鎮(zhèn)居民家庭人均消費(fèi)性支出描述統(tǒng)計(jì)

（四）人均消費(fèi)性支出的正態(tài)性檢驗(yàn)

表2、表3是城鎮(zhèn)居民家庭人均消費(fèi)性支出正態(tài)性檢驗(yàn)結(jié)果。采用了四種統(tǒng)計(jì)分析中常用的正態(tài)性檢驗(yàn)方法，每種方法給出了檢驗(yàn)統(tǒng)計(jì)量的數(shù)值，以及與之對(duì)應(yīng)的P值。四種正態(tài)性檢驗(yàn)的原假設(shè)都是假設(shè)研究數(shù)據(jù)服從正態(tài)分布，備擇假設(shè)是研究數(shù)據(jù)不服從正態(tài)分布。表2中，所有檢驗(yàn)的P值皆為0，說明城鎮(zhèn)居民家庭人均消費(fèi)性支出不服從正態(tài)性檢驗(yàn)；表3中，檢驗(yàn)的P值最大為0.0571，最小為0.0000，說明在10%的顯著性水平下，城鎮(zhèn)居民家庭人均消費(fèi)性支出取對(duì)數(shù)后依然不服從正態(tài)分布。這與表1中的結(jié)果是一致的。這意味著在對(duì)居民家庭人均消費(fèi)性支出數(shù)據(jù)建模時(shí)，應(yīng)該考慮非正態(tài)性分布。

表2 城鎮(zhèn)居民家庭人均消費(fèi)性支出正態(tài)性檢驗(yàn)

表3 城鎮(zhèn)居民家庭人均消費(fèi)性支出正態(tài)性檢驗(yàn)（取對(duì)數(shù)后）

（五）居民家庭人均消費(fèi)性支出統(tǒng)計(jì)分布的選擇

由于本文對(duì)人均消費(fèi)數(shù)據(jù)進(jìn)行建模，且家庭人均消費(fèi)額一般大于1。因此，不論是原始數(shù)據(jù)，還是經(jīng)過對(duì)數(shù)性變換數(shù)據(jù)，家庭人均消費(fèi)皆大于0。所以理論上來說，應(yīng)該選擇定義域?yàn)檎龜?shù)的分布函數(shù)作為候選分布。目前，gamlss軟件包中定義域?yàn)檎龑?shí)數(shù)的分布函數(shù)共有23種①這23種分布包括指數(shù)分布（EXP）、伽瑪分布（GA）、逆高斯分布（IG）、兩種類型對(duì)數(shù)正態(tài)分布（LOGNO，LOGNO2）、三種類型的威布爾分布（WEI，WEI2，WEI3）、逆伽瑪分布（IGAMMA）、兩種帕累托分布（PARETO2，PARETO2o）、廣義帕累托分布（GP）、兩種 Box-Cox轉(zhuǎn)換的 Cole&Green分布（BCCG，BCCGo）、指數(shù)正態(tài)分布（exGAUS）、廣義伽瑪分布（GG）、廣義逆高斯分布（GIG）、對(duì)數(shù)正態(tài)分布（LNO）、兩種類型的 Box-Cox轉(zhuǎn)換的 t分布（BCTo，BCT）、兩種類型的 Box-Cox轉(zhuǎn)換冪指數(shù)分布（BCPEo，BCPE）、廣義貝塔 II型分布（GB2）等。。

首先使用fitDist函數(shù)，對(duì)23種分布做出選擇，判斷哪種分布類型更適合我國(guó)居民人均消費(fèi)數(shù)據(jù)。這些分布的具體分布形式可參見Mikis和Robert等（2017）[11]。所有的分布參數(shù)求解皆使用極大似然估計(jì)方法，優(yōu)劣選擇的判斷規(guī)則是GAIC最小者為最佳分布，表4給出了按照GAIC大小排列的四種候選分布擬合結(jié)果?？梢园l(fā)現(xiàn)，適合中國(guó)居民家庭人均消費(fèi)性支出的分布類型集中于廣義貝塔II型分布（GB2）、兩種類型的Box-Cox轉(zhuǎn)換的t分布（BCTo，BCT）、兩種類型的Box-Cox轉(zhuǎn)換冪指數(shù)分布（BCPEo，BCPE）等三類共五種統(tǒng)計(jì)分布中，且這五種分布類型皆有四個(gè)參數(shù)。

表4 中國(guó)城鎮(zhèn)居民家庭人均消費(fèi)性支出分布擬合選擇

在八種數(shù)據(jù)類型擬合中，有五種情形以廣義貝塔II型分布（GB2）為最優(yōu)，三種情形以Box-Cox轉(zhuǎn)換的t分布（BCTo）為最優(yōu)，綜合判斷，本文選擇廣義貝塔II型分布（GB2）度量中國(guó)居民家庭人均消費(fèi)性支出。

（六）統(tǒng)計(jì)模型的構(gòu)建

根據(jù) Mikis和 Robert等（2017），gamlss軟件包中廣義貝塔 II型分布（GB2）的密度函數(shù) GB2（μ，σ，υ，τ）為：

這意味著 GB2（μ，σ，υ，τ）的期望值的對(duì)數(shù) log[E（Y）]與 log（μ）之間存在穩(wěn)定的數(shù)量關(guān)系，任何關(guān)于log（μ）的函數(shù)設(shè)定形式等價(jià)于關(guān)于 log[E（Y）]的函數(shù)設(shè)定形式。

GB2（μ，σ，υ，τ）存在四個(gè)參數(shù)連接函數(shù)設(shè)定選擇，而且每個(gè)參數(shù)的連接函數(shù)皆可設(shè)定為或線性、或可加、或線性與可加的綜合。再加上可加項(xiàng)又存在三次樣條、懲罰樣條、分形樣條、多項(xiàng)式等多種設(shè)定形式選擇，所以理論上而言，存在多種候選設(shè)定形式。由于本文的主要目的是研究居民邊際消費(fèi)傾向以及影響居民消費(fèi)支出水平的家庭因素，因此將研究重點(diǎn)集中于參數(shù)μ和σ。將參數(shù)μ的連接函數(shù)設(shè)定為對(duì)數(shù)形式，且既受到家庭人均純收入的影響，也受到家庭變量的影響；將參數(shù)σ的連接函數(shù)設(shè)定為對(duì)數(shù)形式，且僅受到家庭人均純收入的影響①戶主年齡在一定程度上能夠代表家庭所處的生命周期。；將參數(shù)υ和τ的連接函數(shù)設(shè)定為常數(shù)形式②gamlss軟件包中的GB2（μ，σ，υ，τ）的默認(rèn)連接函數(shù)皆為對(duì)數(shù)形式。綜合比較之后，本文將參數(shù)υ和τ的連接函數(shù)設(shè)定為常數(shù)。，且不受任何解釋變量的影響。綜上，本文所用模型設(shè)定為：

結(jié)合公式（9），可知模型（10）中參數(shù) α1即為邊際消費(fèi)傾向，本文預(yù)計(jì)不同收入層次家庭的邊際消費(fèi)傾向是不一樣的。式（10）中∑βiXi一項(xiàng)的設(shè)定目的是引入除家庭人均純收入之外的更多的解釋變量。參考有關(guān)文獻(xiàn)，本文所用解釋變量的設(shè)定如表5所示。解釋變量分為戶主特征和家庭特征等兩個(gè)方面，共有9個(gè)變量。需要說明的是，CFPS（2010）家庭問卷調(diào)查中并無戶主這一項(xiàng)，對(duì)于2010年度調(diào)查資料，本文使用“誰是家庭主事者”來代替戶主。

表5 解釋變量設(shè)定

（七）模型估計(jì)結(jié)果

使用 R 軟件包 gamlss，基于 GB2（μ，σ，υ，τ）分布，得到模型的估計(jì)結(jié)果，結(jié)果如表6至表7所示。從中可以發(fā)現(xiàn)：

表6 中國(guó)居民家庭人均消費(fèi)性支出GAMLSS回歸結(jié)果分析

表7 中國(guó)居民家庭人均消費(fèi)性支出線性回歸結(jié)果分析

（續(xù)表）

（1）整體看，居民家庭人均純收入對(duì)居民家庭人均消費(fèi)性支出具有顯著正向影響。除此以外，戶主受教育程度對(duì)居民家庭人均消費(fèi)性支出具有顯著正向影響，而家庭人口規(guī)模對(duì)居民家庭人均消費(fèi)性支出具有顯著負(fù)向影響。分收入層次看，戶主年齡、戶主健康狀況、家庭資產(chǎn)對(duì)中、高收入群體家庭人均消費(fèi)性支出具有顯著影響。而家中勞動(dòng)年齡人口數(shù)僅對(duì)中、低收入家庭人均消費(fèi)性支出具有顯著影響。

（2）GAMLSS回歸結(jié)果與線性回歸結(jié)果差異性與家庭收入層次有直接關(guān)系。低收入家庭邊際消費(fèi)傾向系數(shù)要高于線性回歸結(jié)果，而中等收入、高收入家庭邊際消費(fèi)傾向系數(shù)要低于線性回歸結(jié)果。

（3）三種收入層次家庭的邊際消費(fèi)傾向由低到高順序?yàn)椋旱褪杖肴后w、高收入群體、中等收入群體。該結(jié)果與楊汝岱和朱詩娥（2007）③楊汝岱和朱詩娥（2007）中假定，城鄉(xiāng)居民邊際消費(fèi)傾向一致，兩者的差別是通過一個(gè)城鄉(xiāng)虛擬變量界定的，也就是假定城鄉(xiāng)對(duì)消費(fèi)的影響僅僅體現(xiàn)在截距項(xiàng)，而非斜率項(xiàng)。有關(guān)中等收入群體的邊際消費(fèi)傾向最高、低收入和高收入邊際消費(fèi)傾向較低的“倒U”型特征研究結(jié)果是一樣的[12]。但與趙昕東和李林（2016）④趙昕東和李林（2016）中對(duì)不同收入群體的分類并沒有按照收入標(biāo)準(zhǔn)，而是按照消費(fèi)水平高低將家庭十等分。研究結(jié)論不一致[13]。

四、結(jié)論

構(gòu)建合理有序的收入分配格局，實(shí)現(xiàn)各收入群體均等分享經(jīng)濟(jì)社會(huì)發(fā)展成果，已成為國(guó)內(nèi)外學(xué)術(shù)界和政府關(guān)注的熱點(diǎn)。邊際消費(fèi)傾向的研究當(dāng)屬該研究領(lǐng)域的重要方向之一。針對(duì)傳統(tǒng)的模型構(gòu)建皆以居民消費(fèi)水平為正態(tài)分布為假定條件的不足，本文將包含位置、規(guī)模以及形狀參數(shù)在內(nèi)的廣義可加模型（GAMLSS）引入居民消費(fèi)支出模型構(gòu)建之中，研究不同收入群體邊際消費(fèi)傾向問題。結(jié)果發(fā)現(xiàn)：

（1）居民家庭人均純收入對(duì)家庭人均消費(fèi)性支出具有顯著影響，這與傳統(tǒng)經(jīng)濟(jì)學(xué)理論是一致的。除此以外，戶主年齡、戶主受教育程度、戶主健康狀況、家庭資產(chǎn)等家庭微觀變量對(duì)家庭人均消費(fèi)性支出具有不同程度的影響。

（2）居民消費(fèi)支出水平的分布狀況會(huì)對(duì)邊際消費(fèi)傾向產(chǎn)生顯著影響。不考慮居民消費(fèi)支出的具體分布而直接采用正態(tài)分布，會(huì)低估低收入家庭邊際消費(fèi)傾向系數(shù)，高估中、高收入家庭邊際消費(fèi)傾向系數(shù)。

（3）整體看，不同收入群體家庭邊際消費(fèi)傾向分別呈“倒U”型特征。

該項(xiàng)研究的現(xiàn)實(shí)意義在于，合理有序的居民收入分配格局是激發(fā)居民消費(fèi)行為的主導(dǎo)因素。不同收入群體共享經(jīng)濟(jì)發(fā)展成果的政策配套應(yīng)從經(jīng)濟(jì)層面、社會(huì)層面等多個(gè)角度切入。