導(dǎo)語(yǔ)：消費(fèi)數(shù)據(jù)論文：小議消費(fèi)數(shù)據(jù)誤差與修正一文來(lái)源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

本文作者：王松付志剛工作單位：湖南商學(xué)院

中國(guó)居民消費(fèi)率數(shù)據(jù)的三個(gè)主要來(lái)源及特征

在當(dāng)前的中國(guó)國(guó)民經(jīng)濟(jì)核算體系中，居民消費(fèi)率數(shù)據(jù)主要有三個(gè)來(lái)源，其具體推算方法和特征如下：第一個(gè)來(lái)源是根據(jù)支出法國(guó)內(nèi)生產(chǎn)總值及其結(jié)構(gòu)中相應(yīng)的居民消費(fèi)與GDP數(shù)據(jù)比例推算，簡(jiǎn)稱為支出法（下同）。其核算方法用公式表示為：居民消費(fèi)/支出法GDP。由于該方法中推算涉及的所有數(shù)據(jù)都來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》，數(shù)據(jù)獲取直接、來(lái)源權(quán)威，且保證了統(tǒng)計(jì)口徑一致，使其成為衡量宏觀居民消費(fèi)率最常用的方法。在實(shí)際分析中，大量學(xué)者（李姝，2002；董輔祁，2004；何剛，2005；劉尚希，2008等）基于此得到的數(shù)據(jù)，給出了中國(guó)居民消費(fèi)率偏低和存在下降趨勢(shì)的判斷。但一個(gè)不容忽視的事實(shí)是，該方法存在一些問(wèn)題，如會(huì)受到國(guó)家統(tǒng)計(jì)核算體系調(diào)整等因素的影響。許憲春（2004）指出，統(tǒng)計(jì)核算的調(diào)整和完善會(huì)導(dǎo)致GDP和居民消費(fèi)統(tǒng)計(jì)數(shù)據(jù)的變化，從而導(dǎo)致居民消費(fèi)率的變化。第二個(gè)來(lái)源是根據(jù)31個(gè)省市自治區(qū)支出法GDP核算與結(jié)構(gòu)數(shù)據(jù)的加總進(jìn)行推算，簡(jiǎn)稱為地區(qū)加總法。其核算方法用公式表示為：ΣCiΣGDPi，i=1,2,…，31其中，分別表示31個(gè)省市自治區(qū)，Ci表示各地區(qū)的居民消費(fèi)，GDP表示各地區(qū)GDP1。該方法數(shù)據(jù)獲取沒(méi)有前一種方法那樣直接，不過(guò)還是比較容易獲取，而且數(shù)據(jù)的統(tǒng)計(jì)口徑一致，因此在宏觀層面數(shù)據(jù)難以直接獲取或存在誤差的情況下，不失為一個(gè)可行且有效的方法。如白重恩、錢震杰（2009）在推算勞動(dòng)收入占比時(shí)，采用類似的方法進(jìn)行分析，具體利用省際收入法GDP加總數(shù)據(jù)進(jìn)行處理。但在分級(jí)核算體系下，該方法的準(zhǔn)確性直接受到地區(qū)統(tǒng)計(jì)核算因素的影響。第三個(gè)來(lái)源是將微觀家計(jì)調(diào)查數(shù)據(jù)與宏觀支出法GDP數(shù)據(jù)結(jié)合起來(lái)進(jìn)行推算。具體而言，是利用微觀家計(jì)調(diào)查得出的城鄉(xiāng)居民消費(fèi)數(shù)據(jù)與各地區(qū)城鄉(xiāng)人口數(shù)據(jù)，通過(guò)加權(quán)推算出居民消費(fèi)數(shù)據(jù)，然后與支出法GDP相比得出居民消費(fèi)率，簡(jiǎn)稱城鄉(xiāng)加權(quán)法。其核算方法用公式表示為：POPfarmCfarm+POPcityCcity支出法GDP，其中POPcity與POPfarm分別表示為城鄉(xiāng)人口數(shù)，Ccity與Cfarm分別表示對(duì)應(yīng)城鄉(xiāng)家計(jì)調(diào)查的消費(fèi)支出。該方法最為顯著的特點(diǎn)是有效減少了統(tǒng)計(jì)核算因素對(duì)數(shù)據(jù)的影響，但加權(quán)得到的居民消費(fèi)的口徑比定義的小2，且加權(quán)的居民消費(fèi)與支出法GDP的口徑存在不一致。在宏觀層面數(shù)據(jù)難以直接獲取或存在誤差的情況下，這種推算數(shù)據(jù)仍可以作為一個(gè)參考。如余永定、李軍（2001）推算中國(guó)城鎮(zhèn)居民可支配收入總額時(shí)，采用類似的方法，具體利用家計(jì)調(diào)查的城鎮(zhèn)居民家庭人均可支配收入的數(shù)據(jù)，然后乘以城鎮(zhèn)居民人口數(shù)而得到。根據(jù)以上三類方法得到的1978~2010年居民消費(fèi)率變化趨勢(shì)如圖1?？傮w而言，以上三個(gè)來(lái)源各有優(yōu)缺點(diǎn)（具體見表1）。就核算方法的特點(diǎn)而言，支出法和地區(qū)加總法數(shù)據(jù)獲取比較簡(jiǎn)單，且統(tǒng)計(jì)口徑一致，是衡量宏觀居民消費(fèi)率最常用的方法，但它們分別受到國(guó)家、地區(qū)統(tǒng)計(jì)核算因素的影響，尤其是考慮到我國(guó)統(tǒng)計(jì)核算體系正處于調(diào)整與完善的時(shí)期，這一影響是不容忽視的；而城鄉(xiāng)加權(quán)法受到統(tǒng)計(jì)核算等客觀因素的影響相對(duì)較小，但存在統(tǒng)計(jì)口徑不一致的問(wèn)題，即居民消費(fèi)的統(tǒng)計(jì)口徑與GDP核算數(shù)據(jù)的統(tǒng)計(jì)口徑不一致，很有可能導(dǎo)致居民消費(fèi)被低估。就數(shù)據(jù)的狀態(tài)和變化趨勢(shì)而言，支出法與地區(qū)加總法的數(shù)據(jù)在20世紀(jì)80年代初和2006年以來(lái)的這段時(shí)期內(nèi)基本一致，但其他大部分時(shí)間段內(nèi)支出法的數(shù)據(jù)大于地區(qū)加總法數(shù)據(jù)，這是由于分級(jí)核算體系造成的。其中，80年代中期到20世紀(jì)90年代初期，兩者下降的幅度相差不大，從90年代中期到2010年各地區(qū)加總法下降幅度較小，而支出法下降幅度非常明顯。在整個(gè)時(shí)間段上，城鄉(xiāng)加權(quán)法的數(shù)據(jù)都小于支出法的數(shù)據(jù)，但兩者的變化趨勢(shì)很一致，即除2000年前后，兩者都保持著相對(duì)穩(wěn)定的下降趨勢(shì)。三個(gè)指標(biāo)的統(tǒng)計(jì)數(shù)據(jù)特征也有很大的區(qū)別，從均值水平上看，支出法為45.54%，大于地區(qū)加總法約2.7個(gè)百分點(diǎn)，大于城鄉(xiāng)加權(quán)法約3.6個(gè)百分點(diǎn)，從波動(dòng)水平來(lái)看，支出法波動(dòng)中等，方差為5.53，地區(qū)加總法波動(dòng)最小，方差為5，城鄉(xiāng)加權(quán)法為6.1?？梢钥闯?，均值水平和方差上，三個(gè)數(shù)據(jù)都顯示了較大的差異。這充分表明，由于來(lái)源的不同，導(dǎo)致了三個(gè)數(shù)據(jù)的狀態(tài)和變化趨勢(shì)彼此存在差異。更為重要的是，這也進(jìn)一步表明三個(gè)來(lái)源的居民消費(fèi)率數(shù)據(jù)都存在不同程度的誤差。

數(shù)據(jù)修正模型

由以上分析可知，不同數(shù)據(jù)來(lái)源的居民消費(fèi)率數(shù)據(jù)有著不同的狀態(tài)和變化趨勢(shì)，且都存在誤差，不能準(zhǔn)確反映居民消費(fèi)的實(shí)際情況。而實(shí)際的居民消費(fèi)率是不可能直接觀測(cè)到的，因此如何修正以上數(shù)據(jù)，從而減少和消除誤差，使之更能精確反映真實(shí)的居民消費(fèi)率，本文借助加權(quán)法和狀態(tài)空間模型進(jìn)行分析。（一）加權(quán)法支出法和地區(qū)加總法盡管都存在誤差，但在一定程度上都反映了真實(shí)居民消費(fèi)率的狀態(tài)和變化趨勢(shì)?；诖?，本文引入Aruoba等（2011）分析GDP統(tǒng)計(jì)核算數(shù)據(jù)的加權(quán)法，構(gòu)建一個(gè)組合的居民消費(fèi)率，該數(shù)據(jù)的特征是其誤差比組合前的原始數(shù)據(jù)的誤差都要小，也就是說(shuō)組合后的數(shù)據(jù)能夠更準(zhǔn)確地反映真實(shí)居民消費(fèi)率?？紤]到口徑的一致性，本文選取支出法和地區(qū)加總法為基礎(chǔ)進(jìn)行分析。具體模型構(gòu)建如下：consc=λconse+(1-λ)consw+ut（1）其中consi，i=e,w,c分別對(duì)應(yīng)支出法、地區(qū)加總法和加權(quán)法居民消費(fèi)率（以下簡(jiǎn)稱加權(quán)法），λ為權(quán)數(shù)，處于0與1之間。則（1）式表示加權(quán)法居民消費(fèi)率為支出法和地區(qū)加總法的加權(quán)平均，故稱為加權(quán)法。當(dāng)λ=1時(shí)，加權(quán)法等價(jià)支出法；當(dāng)λ=0時(shí)，加權(quán)法等價(jià)地區(qū)加總法。因此，λ的選取成為此模型的關(guān)鍵，本文以測(cè)量誤差的方差最小的標(biāo)準(zhǔn)確定。首先，根據(jù)（1）式得到三個(gè)居民消費(fèi)率與真實(shí)居民消費(fèi)率的測(cè)量誤差關(guān)系為：ec=λee+(1-λ)ew（2）其中，ec=cons-consc，ee=cons-conse，ew=cons-consw，分別加權(quán)法、支出法和地區(qū)加總法與真實(shí)居民消費(fèi)率的差，即測(cè)量誤差。cons為真實(shí)的居民消費(fèi)率。（2）式顯示加權(quán)法的誤差為支出法和地區(qū)加總法誤差的加權(quán)平均。進(jìn)一步令E(ec)=E(ew)=0。對(duì)（2）式左右兩邊求平方期望，可得：E(ec2)=λ2E(ec2)+(1-λ)2E(ew2)+2λ(1-λ)cov(ec,ew)（3）左邊即為組合消費(fèi)與真實(shí)消費(fèi)的均方誤差（即方差）。本文參考RyanGreenaway-McGrevy（2011）的做法，使（3）式達(dá)到最?。ㄨb于此，加權(quán)法也可稱為均方誤差最小法）。求極值可得最優(yōu)λ為：λ*=σ2w-σewσ2e+σ2w-σ2w=σ2w-ρσwσeσ2e+σ2w-2ρσwσe。（4）其中，σ2i=E(ei2)，i=e或w，σew=Cov(ee,ew)，ρ=Corr(ee,ew)。最后，本文根據(jù)支出法和地區(qū)加總法數(shù)據(jù)計(jì)算σ2e=E(ee2)=2104.512、σ2w=E(ew2)=1860.881與ρ=0.922，此時(shí)可得最優(yōu)的λ*=0.115。當(dāng)λ*=0.115時(shí)，（1）式為consc=0.115conse+0.885consw，則通過(guò)此關(guān)系式得到加權(quán)法居民消費(fèi)率的結(jié)果如圖2所示：（二）方法拓展：狀態(tài)空間模型以上加權(quán)法能夠有效減低統(tǒng)計(jì)核算數(shù)據(jù)帶來(lái)的誤差，但無(wú)法剔除統(tǒng)計(jì)核算體系等客觀因素的影響，其準(zhǔn)確性仍存在問(wèn)題。進(jìn)一步，考慮到真實(shí)居民消費(fèi)是一個(gè)不能被直接觀測(cè)到的指標(biāo)，本文借鑒RyanGreenaway-McGrevy（2010）狀態(tài)空間模型分析GDP統(tǒng)計(jì)核算數(shù)據(jù)的方法，研究真實(shí)居民消費(fèi)的狀態(tài)和變化趨勢(shì)。根據(jù)三個(gè)來(lái)源居民消費(fèi)數(shù)據(jù)之間的關(guān)系，建立狀態(tài)空間模型。其量測(cè)方程為：const=rconst+ε1t（8）wconst=β1rconst+ε2t（9）其中，const、rconst及wconst分別表示支出法、真實(shí)居民消費(fèi)與城鄉(xiāng)加權(quán)法居民消費(fèi)，ε1t及ε2t表示觀測(cè)誤差，都具有獨(dú)立同分布性質(zhì)，其方差分別為：σ21及σ22。從（8）、（9）式可以看出，狀態(tài)空間模型把真實(shí)的居民消費(fèi)作為未知觀測(cè)變量，支出法與城鄉(xiāng)加權(quán)法為觀測(cè)值，觀測(cè)值受到統(tǒng)計(jì)核算因素的影響存在誤差。進(jìn)一步，支出法核算的居民消費(fèi)是對(duì)真實(shí)居民消費(fèi)的觀測(cè)，故（8）式中回歸系數(shù)為1，考慮到由抽樣等因素造成的測(cè)量誤差，其含義表示支出法居民消費(fèi)為真實(shí)居民消費(fèi)與觀測(cè)誤差之和；（9）式中，考慮到支出法與加權(quán)居民消費(fèi)存在很大的差異，且城鄉(xiāng)加權(quán)法核算的范圍小于真實(shí)居民消費(fèi)核算的范圍，故量測(cè)方程（9）中包含一個(gè)回歸系數(shù)β1。另一方面，還需要對(duì)隨機(jī)干擾項(xiàng)與的關(guān)系進(jìn)行設(shè)定。考慮到加權(quán)法與支出法居民消費(fèi)是按兩種不同方式進(jìn)行核算，且加權(quán)法居民消費(fèi)不受統(tǒng)計(jì)核算調(diào)整的影響，故可令兩者的誤差項(xiàng)不具有相關(guān)性，即cov(ε1t，ε2t)=0。完整的狀態(tài)空間模型還需要包括狀態(tài)方程。一般而言，狀態(tài)方程是一個(gè)可包含外生變量的滯后回歸模型。本文認(rèn)為未知觀測(cè)量即真實(shí)居民消費(fèi)為帶有截距和趨勢(shì)項(xiàng)的時(shí)間序列過(guò)程過(guò)程，故可建立如下狀態(tài)方程：rconst=β0+β2t+rconst-1+vt（10）其中β2，β1表示未知參數(shù)，t為時(shí)間趨勢(shì)項(xiàng)，Vt表示隨機(jī)干擾項(xiàng)，具有獨(dú)立同分布性質(zhì)，其方差為σ23，且與上述隨機(jī)干擾項(xiàng)ε1t及ε2t不相關(guān)。本文利用1978~2010年的數(shù)據(jù)對(duì)（8）、（9）、（10）組成的狀態(tài)空間模型進(jìn)行估計(jì)。其中城鄉(xiāng)加權(quán)法居民消費(fèi)數(shù)據(jù)來(lái)源于中經(jīng)網(wǎng)數(shù)據(jù)庫(kù)和國(guó)研網(wǎng)數(shù)據(jù)庫(kù)，支出法居民消費(fèi)數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒2011》。估計(jì)的方法為卡爾曼濾波法。運(yùn)用eviews7.0軟件，輸入下列關(guān)系式：@signalcons=sv1+[var=exp(c(1))]@signalwcons=c(2)*sv1+[var=exp(c(3))]@statesv1=c(4)+c(5)*@trend+sv1(-1)+[var=exp(c(6))]其中@signal表示信號(hào)方程，sv1為狀態(tài)變量，即未知真實(shí)居民消費(fèi)，var為相應(yīng)干擾項(xiàng)方差，其等號(hào)后面表示方差的形式；@state為狀態(tài)方程，@trend為趨勢(shì)項(xiàng)。根據(jù)以上輸入，得到的結(jié)果見表2。其中，列（1）顯示c(4)及c(5)系數(shù)不顯著，故考慮刪除截距項(xiàng)或趨勢(shì)項(xiàng)，其結(jié)果見列（2）、（3）。進(jìn)一步，假設(shè)加權(quán)居民消費(fèi)與真實(shí)居民消費(fèi)差異不大，即令c(2)=1。得到的結(jié)果見列（4）。為了判斷哪個(gè)結(jié)果較優(yōu)，還需要對(duì)以上模型結(jié)果進(jìn)行檢驗(yàn)。從列（1）、（2）、（3）發(fā)現(xiàn)，c(2)系數(shù)接近于0，因此需要檢驗(yàn)c(2)＝0是否成立。利用Wald檢驗(yàn)，結(jié)果都顯示拒絕其為0的假設(shè)，因此認(rèn)為c(2)不等于0。進(jìn)一步，對(duì)列（4）中假定c(2)=1進(jìn)行檢驗(yàn)，同理，結(jié)果認(rèn)為在1%的顯著水平上拒絕其為1的假設(shè)。故認(rèn)為列（3）為較優(yōu)的結(jié)果因此本文根據(jù)列（3）的估計(jì)結(jié)果，選擇平滑方法4對(duì)真實(shí)居民消費(fèi)進(jìn)行估計(jì)，估算結(jié)果再除以支出法GDP得到居民消費(fèi)率。此時(shí)的居民消費(fèi)率稱為濾波后的居民消費(fèi)率（簡(jiǎn)稱濾波法），結(jié)合其他兩個(gè)居民消費(fèi)率的數(shù)據(jù)，結(jié)果見圖3。圖3顯示，2000~2010年濾波法的居民消費(fèi)率下降了10.21個(gè)百分點(diǎn)，支出法的居民消費(fèi)率下降12.63個(gè)百分點(diǎn)，前者比后者下降幅度少了2.43個(gè)百分點(diǎn)。這充分說(shuō)明，2000年以來(lái)支出法居民消費(fèi)率夸大了的下降幅度和趨勢(shì)。（三）綜合修正模型的構(gòu)建以上分析顯示，利用加權(quán)法和狀態(tài)空間模型進(jìn)行處理，結(jié)果都是從不同方面接近真實(shí)的居民消費(fèi)率。其中加權(quán)法是把原來(lái)兩組存在誤差的數(shù)據(jù)組合，得到更能有效反映真實(shí)情況的數(shù)據(jù)，但仍會(huì)受到統(tǒng)計(jì)核算體系等實(shí)際因素得到影響；狀態(tài)空間模型是將真實(shí)居民消費(fèi)率當(dāng)作未知觀測(cè)量，構(gòu)建模型對(duì)未知觀測(cè)量進(jìn)行預(yù)測(cè)或估計(jì)，不斷逼近真實(shí)值，而且能有效減小實(shí)際因素的影響。基于此，為能結(jié)合兩者方法的優(yōu)點(diǎn)，并保證修正后數(shù)據(jù)的更具有穩(wěn)健性，本文建立以下模型：rconst=λ0+λ1consct+ut。其中rconst表示狀態(tài)空間模型得到的居民消費(fèi)率，是對(duì)真實(shí)居民消費(fèi)率的觀測(cè)，有效減少的某些實(shí)際因素的影響，但無(wú)法完全剔除所有影響，因此還存在著隨機(jī)的波動(dòng)；consct表示加權(quán)法的居民消費(fèi)率，由于加權(quán)法使結(jié)果的方差最小，因此有效剔除大多數(shù)隨機(jī)干擾因素的影響，但可能受到其他趨勢(shì)性因素的影響，在此用λ0表示；λ0、λ1都為待估參數(shù)；ut為隨機(jī)干擾項(xiàng)。利用加權(quán)法和狀態(tài)空間模型所得的結(jié)果，本文首先對(duì)數(shù)據(jù)進(jìn)行單位根檢驗(yàn)，發(fā)現(xiàn)加權(quán)法居民消費(fèi)率和狀態(tài)空間模型居民消費(fèi)率并不存在單位根，因此，可以進(jìn)行以下線性回歸分析，得到的結(jié)果為：rconst=-1.639+1.073consct（11）std（1.926）（0.044）***R2=0.949，其中“***”表示在1%的水平上顯著，下同。其中括號(hào)內(nèi)的數(shù)據(jù)為標(biāo)準(zhǔn)差，模型的擬合優(yōu)度為0.949，但（11）的回歸結(jié)果中，常數(shù)項(xiàng)λ0的結(jié)果不顯著，因此剔除常數(shù)項(xiàng)λ0，得到的結(jié)果如下：rconst=1.036consct（12）std（0.039）***R2=0.949擬合優(yōu)度為0.949，λ1系數(shù)在0.01的顯著性水平成立。因此利用（12）式對(duì)居民消費(fèi)率進(jìn)行估計(jì)，得到的結(jié)果簡(jiǎn)稱為回歸法如圖4所示。圖41978~2010年不同來(lái)源的居民消費(fèi)率進(jìn)一步，本文對(duì)三個(gè)方法修正的居民消費(fèi)率統(tǒng)計(jì)特征進(jìn)行比較，詳見表3。結(jié)果顯示，在均值、方差和下降幅度三個(gè)方面，三個(gè)居民消費(fèi)率存在差異。從數(shù)值上看，回歸法的結(jié)果位于濾波法和加權(quán)法之間。具體而言，回歸法的方差（27.08）比濾波法（30.59）低3.51，這在一定程度上降低了濾波法結(jié)果的波動(dòng)性；回歸法的均值（44.71）比加權(quán)法（43.71）高1個(gè)百分點(diǎn)，從而減少了某些實(shí)際因素的影響。由此可見，回歸法綜合了濾波法和加權(quán)法的優(yōu)點(diǎn)，更有效的反映真實(shí)居民消費(fèi)率的狀態(tài)和變化趨勢(shì)。

結(jié)論與研究展望

本文指出中國(guó)居民消費(fèi)的核算數(shù)據(jù)主要存在三個(gè)來(lái)源，即支出法、城鄉(xiāng)加權(quán)法與地區(qū)加總法。通過(guò)以上數(shù)據(jù)來(lái)源及其特征的分析，筆者認(rèn)為在中國(guó)統(tǒng)計(jì)核算體系經(jīng)歷調(diào)整和完善的過(guò)程中，由于受到了統(tǒng)計(jì)核算體系、統(tǒng)計(jì)口徑和調(diào)查方法等客觀因素的影響，三個(gè)來(lái)源的數(shù)據(jù)都存在誤差，都僅是對(duì)實(shí)際情況某種程度的反映。數(shù)據(jù)顯示不同來(lái)源的居民消費(fèi)率表現(xiàn)出不同的狀態(tài)和變化趨勢(shì)，且差異較大?？紤]到實(shí)際居民消費(fèi)率的未知性，本文引入加權(quán)法和狀態(tài)空間模型對(duì)以上三個(gè)來(lái)源推算出的數(shù)據(jù)進(jìn)行處理。結(jié)果表明兩種方法各有優(yōu)劣，其中，加權(quán)法能有效減小統(tǒng)計(jì)核算數(shù)據(jù)的誤差，狀態(tài)空間模型能消除部分客觀因素對(duì)數(shù)據(jù)的影響，但兩種方法得出的結(jié)果準(zhǔn)確性還是存在問(wèn)題。為能結(jié)合兩種方法的優(yōu)點(diǎn)，并保證修正后數(shù)據(jù)的穩(wěn)健性，本文綜合兩種方法構(gòu)建了綜合修正模型（回歸法）對(duì)中國(guó)居民消費(fèi)率數(shù)據(jù)進(jìn)行修正。修正后的數(shù)據(jù)對(duì)比修正前的數(shù)據(jù)，一方面準(zhǔn)確性得到提高，即誤差更小，受客觀因素的影響更少；另一方面顯示出的變化趨勢(shì)也不一樣，即修正后的居民消費(fèi)率顯示出的下降趨勢(shì)并沒(méi)有修正前數(shù)據(jù)顯示的那么快，這表明如果基于修正前的數(shù)據(jù)來(lái)判斷變化趨勢(shì)，會(huì)夸大下降的程度。綜上可知，修正后的數(shù)據(jù)比修正前的數(shù)據(jù)更逼近真實(shí)居民消費(fèi)率，由此為研究中國(guó)居民消費(fèi)問(wèn)題提供了更為有效的數(shù)據(jù)支撐。當(dāng)然，本文還存在進(jìn)一步改進(jìn)的空間。其一，支出法、城鄉(xiāng)加權(quán)推算法與地區(qū)加總推算法在哪些方面未能準(zhǔn)確反映真實(shí)居民消費(fèi)率的變化，以及與此相關(guān)的典型化事實(shí)的挖掘，都有待進(jìn)一步的分析；其二，中國(guó)國(guó)民經(jīng)濟(jì)統(tǒng)計(jì)核算體系不斷調(diào)整和完善，很有可能給統(tǒng)計(jì)核算數(shù)據(jù)帶來(lái)系統(tǒng)性影響，這也是本文未能深入探討的，有待于今后深入研究；其三，在處理方法上，未能構(gòu)建更為有效、完整的修正模型來(lái)綜合處理統(tǒng)計(jì)數(shù)據(jù)，這是下一步研究需要重點(diǎn)改進(jìn)的方面。