中国城镇居民消费结构分析1. 居民消费结构消费结构分析主要是考察食品、衣着、家庭设备、医疗保健、交通、娱乐、居住和其他消费占总消费支出的比重关系。
一个国家的居民消费结构与其收入水平、人口结构、自然资源、风俗文化、教育水平甚至社会制度等众多因素密切相关。
这其中，收入水平对消费结构有着决定性的影响。
一般来说，收入水平越低，食品等生活必需品所占比重越高，而娱乐等高档消费或奢侈品所占比重越低；收入水平越高，则刚好相反。
分析消费结构问题通常有下列两种方法：（1）利用各类消费品支出占消费品总支出的比重关系来说明问题；（2）通过估计各类消费品支出的收入弹性来考察居民对各类消费品“想要消费”的程度，利用各类消费品支出的收入弹性结构来进行分析。
在本案例中，我们主要采取第二种方法。
2. 扩展线性支出系统模型1954年英国计量经济学家Stone 首先提出线性支出系统（LES ）用以描述消费者对各种消费品的需求规律，随后美国经济学家Luch 于1973年对其进行了扩展，并最终形成扩展线性支出系统(Extend Linear Expenditure System, ELES)。
目前，ELES 是经济学界研究居民消费的最重要工具之一。
该系统假定某一时期人们对各种商品(服务)的需求量取决于人们的收入和各种商品的价格,而且人们对各种商品的需求分为基本需求和超过基本需求之外的需求两部分,并且认为基本需求与收入水平无关,居民在基本需求得到满足之后才将剩余收入按照某种边际消费倾向安排各种非基本消费支出。
扩展线性支出系统的模型为),X P -(Y X P V i i i i i i ∑+=β i=1,2,3,…n (1)式（1）中P i 为第i 种商品的价格，V i 为消费者对第i 种商品的消费支出，Y 表示居民实际收入，X i 为消费者对第i 种商品的基本需求量，P i X i 是对第i 种商品的基本需求支出，i β表示满足基本消费需求后剩下的收入)X P -(Y i i ∑对第i 种商品的边际消费倾向或投向需求系数，它应该满足0<i β<1，∑iβ<1。
对于横截面数据，价格P i 在同一时点上是不变的，又因为模型假定对第i 种商品的基本需求与消费者收入水平无关，因此式(1)中的）－（∑i i i i i X P X P β是一项只与i 有关的常数，设为i α。
即：∑=i i i i i i X P X P βα－ (2)则模型(1)可化简为：Y V i i βα+=i (3)将(3)式改写为计量模型形式：ij i u ++=j i i j Y V βα (4)其中，i 表示第i 种商品，j 表示第j 个（类）消费者。
用最小二乘法可求出(4)式中参数i α和i β的估计值。
然后利用i α和i β的估计值可以求得商品i 的基本需求支出P i X i ：∑∑iiii i i 1X P βαβα－＋＝ (5)同时可求出对商品i 需求的收入弹性：i i i V YV Y Y V ii βη=∂∂=(6)3.模型回归从《中国统计年鉴》获得我国31个省、自治区、直辖市2003年城镇居民家庭消费性支出和可支配收入数据。
由于城市住户调查将城镇居民家庭消费性支出分为食品（food ）、衣着（cloth ）、家庭设备用品及服务（equip ）、医疗保健（med ）、交通通讯（tran ）、娱乐教育文化服务（edu ）、居住（housing ）、杂项商品与服务（service ）八种类型，因而在回归模型中，i=1，2，……8，j ＝1，……31。
考虑到横截面数据可能带来的异方差问题，在回归中，我们一致采用怀特异方差相一致的标准差（White Heteroskedasticity-Consistent Standard Errors ）。
结果见下表：Dependent Variable: FOODC 257.6396 138.6209 1.858591 0.0733 R-squared0.816284 Mean dependent var 2411.382 Adjusted R-squared 0.809948 S.D. dependent var 660.3453 S.E. of regression 287.8768 Akaike info criterion 14.22528 Sum squared resid 2403319. Schwarz criterion 14.31780 Log likelihood -218.4919 F-statistic 128.8519Dependent Variable: CLOTHVariable Coefficient Std. Error t-Statistic Prob. C 449.4065 74.75719 6.011549 0.0000 YD0.0235220.0087442.6900370.0117 R-squared0.118937 Mean dependent var 644.5132 Adjusted R-squared 0.088556 S.D. dependent var 156.7151 S.E. of regression 149.6152 Akaike info criterion 12.91635 Sum squared resid649156.6 Schwarz criterion13.00887Log likelihood -198.2034 F-statistic 3.914801 Durbin-Watson stat 1.735987 Prob(F-statistic) 0.057430Dependent Variable: EQUIPC -56.26597 34.03287 -1.653283 0.1091R-squared 0.844120 Mean dependent var 396.3106 Adjusted R-squared 0.838745 S.D. dependent var 136.4544 S.E. of regression 54.79537 Akaike info criterion 10.90743 Sum squared resid 87073.43 Schwarz criterion 10.99994 Log likelihood -167.0652 F-statistic 157.0411Dependent Variable: MEDC 84.79658 99.10852 0.855593 0.3992R-squared 0.512499 Mean dependent var 467.8594 Adjusted R-squared 0.495689 S.D. dependent var 148.2248 S.E. of regression 105.2616 Akaike info criterion 12.21312 Sum squared resid 321320.4 Schwarz criterion 12.30563 Log likelihood -187.3033 F-statistic 30.48712Dependent Variable: TRANVariable Coefficient Std. Error t-Statistic Prob.C -240.0378 117.8246 -2.037246 0.0508YD 0.115765 0.015868 7.295395 0.0000 R-squared 0.816870 Mean dependent var 720.2119 Adjusted R-squared 0.810555 S.D. dependent var 294.3104 S.E. of regression 128.0995 Akaike info criterion 12.60583 Sum squared resid 475874.7 Schwarz criterion 12.69835 Log likelihood -193.3904 F-statistic 129.3572 Durbin-Watson stat 1.639677 Prob(F-statistic) 0.000000Dependent Variable: EDUVariable Coefficient Std. Error t-Statistic Prob.C -241.8829 96.74287 -2.500266 0.0183YD 0.137558 0.012286 11.19623 0.0000 R-squared 0.849375 Mean dependent var 899.1374 Adjusted R-squared 0.844181 S.D. dependent var 342.9585 S.E. of regression 135.3793 Akaike info criterion 12.71638 Sum squared resid 531498.9 Schwarz criterion 12.80889 Log likelihood -195.1039 F-statistic 163.5307 Durbin-Watson stat 1.803172 Prob(F-statistic) 0.000000Dependent Variable: HOUSINGVariable Coefficient Std. Error t-Statistic Prob. C -8.423337 77.64261 -0.108489 0.9144 R-squared0.755060 Mean dependent var 674.5129 Adjusted R-squared 0.746613 S.D. dependent var 217.7145 S.E. of regression 109.5920 Akaike info criterion 12.29375 Sum squared resid 348302.1 Schwarz criterion 12.38626 Log likelihood -188.5531 F-statistic 89.39620 Durbin-Watson stat1.678722 Prob(F-statistic) 0.000000Dependent Variable: SERVICEC -6.650858 17.04755 -0.390136 0.6993 R-squared0.744132 Mean dependent var 219.2932 Adjusted R-squared 0.735309 S.D. dependent var 72.55605 S.E. of regression 37.32871 Akaike info criterion 10.13974 Sum squared resid 40409.54 Schwarz criterion 10.23226 Log likelihood -155.1660 F-statistic 84.33985 4 .利用上述回归结果可以计算各种商品的收入弹性：i i i V YV Y Y V ii βη=∂∂=公式中的Y 和V i 我们用它们的样本均值来代替。