中国地区居民生活水平比较

奥鹏网院作业

中国地区居民生活水平比较*
——基于全球夜间灯光数据
陈梦根 张 帅

[提 要] 当衡量一国或地区居民生活水平时，统计学上一般有收入和消费两种视角。本文利用城乡住户调查中的人均可支配收入和国民经济核算中的居民消费水平，以全球夜间灯光数据为参照，综合收入端与消费端信息，对1997—2016年中国31个地区的真实生活水平进行比较分析。研究证实，灯光亮度与消费水平和人均可支配收入之间均存在显著的线性关系，可以用来估算真实生活水平。根据不同模型的回归结果得到，真实生活水平的最优无偏估计中消费水平的权重范围为(27.95%，38.31%)，人均可支配收入水平的权重范围为(61.69%，72.05%)。相对于消费水平，人均可支配收入更能准确地反映真实生活水平。本文进一步分析发现，样本期内居民生活水平增速小于人均GDP增速，可见经济的发展并未完全转化为生活水平的提高。中西部地区与东部地区的生活水平仍然存在巨大差距，东部地区的平均生活水平分别是中部和西部地区的1.7倍和2.1倍。

[关键词] 生活水平；地区比较；居民消费水平；人均可支配收入；夜间灯光

一、引言
国民经济核算与城乡住户调查分别从宏观和微观层面测度经济运行状况，是官方统计体系中两大重要的调查体系。当衡量一国或地区居民生活水平时，统计学上一般有收入和消费两种视角。常用指标包括国民经济核算中的人均国内生产总值(GDP)、住户部门人均可支配收入、居民消费水平和城乡住户调查中的人均可支配收入、人均消费支出(1)住户部门可支配收入和居民消费支出的数据来源于国民经济核算中的资金流量表，同时支出法GDP中也列出了居民消费支出。有关住户调查和资金流量表中居民收入和居民支出的区别，可参见许宪春(2014)的研究。但这些指标内涵不同，数据往往存在较大差异，在反映不同地区间居民生活水平及其变化趋势时结论常常并不一致。如图1所示，人均GDP显著高于其他四项指标，国民经济核算中的住户部门人均可支配收入和居民消费水平分别高于城乡住户调查中的人均可支配收入和人均消费支出。除个别年份外，人均GDP增长值和住户部门人均可支配收入增长快于其他指标。上述差异产生的原因，主要在于指标内涵和统计口径等不同。由于数据来源细目无法获得，各指标很难统一、协调，故采用不同指标衡量居民生活水平及其变化可能导致结论不同。

根据《2008年国民账户体系》(SNA2008)，国内生产总值(GDP)是指一国或地区所有常住单位一定时期内生产活动的最终成果，反映一国或地区的经济总体规模和结构。住户部门人均可支配收入和居民消费水平与人均GDP存在密切关系。首先，根据收入分配核算准则，国民可支配总收入等于GDP、来自非常住单位的要素收入净额和来自非常住单位的经常转移净额三者之和，包括住户部门可支配收入、企业部门可支配收入和政府部门可支配收入三个部分。其中，住户部门可支配收入等于劳动者报酬、营业盈余、财产净收入和经常转移净收入之和，住户部门可支配收入除以常住人口数即为住户部门人均可支配收入。其次，根据支出法GDP核算准则，GDP包括最终消费、资本形成总额和净出口三个部分。其中，最终消费包括政府部门最终消费和住户部门最终消费，住户部门最终消费除以常住人口数即为居民消费水平。因此，理论上人均GDP总高于住户部门人均可支配收入和居民消费水平。

width=338,height=218,dpi=110
图1 1997—2016年五种统计指标变化趋势

城乡住户调查提供了居民可支配收入和居民消费支出两个指标，但二者与上述三个变量之间的关系更为复杂。首先，城乡住户调查中居民可支配收入包括工资性收入、经营性收入、财产性净收入、转移性净收入和居民自有住房虚拟净租金，与SNA住户部门人均可支配收入的劳动报酬、营业盈余、财产净收入和经常转移净收入均存在差异。其次，城乡住户调查的居民消费支出主要包括食品、衣着、家庭设备用品及服务、医疗保健、交通和通信、教育文化娱乐服务、居住、其他商品和服务八大类，与SNA居民消费水平在居住消费口径、医疗保健消费口径、中介服务、间接计算的保险服务、自有住房服务消费以及实物消费方面均存在差异。因此，理论上很难对城乡住户调查的人均可支配收入和人均消费支出与国民经济核算的住户部门人均可支配收入和居民消费水平进行直接比较。

理论上，居民生活水平是指居民在衣、食、住、行、医、教、娱等方面的日常消费或享受所达到的水平。一般而言，衡量生活水平的方法有多指标法与单一指标法。其中，多指标法采用多个反映生活水平不同侧面的指标来综合评估生活水平。张春汉(1998)提出了测度我国城镇和乡村居民生活水平的指标体系，采用层次分析法进行量化分析。邓翔和张思远(2008)采用因子分析法综合评价了我国城镇居民的生活水平。然而，层次分析法需要对各个指标进行主观赋值。因子分析法只能给出生活水平的排序，且综合指数的经济含义不明确。因此多指标法存在一定的缺陷。

单一指标法则采用某一单项指标对居民生活水平进行测度，包括人均GDP、实际收入水平或实际消费水平等。例如，Mankiw et al.(1992)采用人均GDP衡量生活水平，并分析了其收敛性。江小涓和李辉(2005)采用购买力平价的思路测度地区价格水平，对人均可支配收入进行价格调整，由此估算真实生活水平。Gibson et al.(2008)采用修正的居民消费价格指数(CPI)，通过价格调整后来估算苏联解体后俄罗斯的真实生活水平。Caselli & Michaels(2013)在研究石油收益对生活水平的影响时，分别以住房、基础设施、教育、健康、转移支付和收入水平等作为生活水平的代理变量。然而，Montgomery et al.(2000)研究却发现，生活水平与预期寿命、教育水平等代理变量仅存在较弱的相关关系。

从文献上看，在衡量居民生活水平时，多数学者采用单项指标法，即以上述指标之一如人均GDP、人均收入或人均支出等开展研究(如Mankiw et al.，1992；Montgomery et al.，2000；江小涓和李辉，2005)。少数学者则采用多个指标开展研究，并对不同指标的差异作对比和分析(如程迪尔等，2013；张伟进等，2015)。需要指出的是，单一指标法不需要复杂计算即可估算生活水平，但是不同指标估算结果往往存在较大差异。例如，程迪尔等(2013)对比以消费和支出衡量的生活水平对健康公平测算的影响，发现采用不同的指标会得出不同的结论。

除上述多指标法和单一指标方法外，恩格尔系数法也常被用来衡量生活水平，即采用家庭食品支出占消费总支出的比例以反映贫富程度或生活水平。例如，古杰等(2013)采用恩格尔系数研究了我国农村居民生活水平的时空演变过程。但是，恩格尔系数只是一个相对数指标，无法给出生活水平的绝对值。还有一些研究(如邓翔和张思远，2008；王少飞，2002)认为，恩格尔系数并不适合单独作为居民生活水平衡量的指标。

实践中，学界对居民生活水平的研究主要依赖于国民经济核算和城乡住户调查两大体系的数据。但从统计角度看，上述五大指标均可能高估或低估真实生活水平。例如，Deaton(2005)曾指出，GDP核算过程存在着诸多假设，从而导致统计数据存在偏差。Anand & Segal(2008)则认为，人均GDP的核算范围大于收入水平，可能高估真实生活水平。相对于SNA指标的复杂核算过程，住户调查通过直接访问居民而获得收入和支出数据。但住户调查数据可能低估真实生活水平，因为居民越富裕往往越不愿意回答访问或提供真实的答案(Korinek et al.，2006)。由此可见，采用任何一个单项指标测度居民生活水平都可能存在偏误。若能合理利用不同指标所包含的信息，并采用严格的计量模型将多个单项指标加以综合，对生活水平的测度可能比单项指标更为可靠。

按照上述思路，本文选取国民经济核算的居民消费水平和城乡住户调查的人均可支配收入为基础指标，利用全球卫星夜间灯光数据为桥梁，综合消费端与收入端信息来测度中国31个省级地区(不含中国的港澳台地区)的居民生活水平。之所以选择这两个指标的原因是：首先，人均GDP可能会高估我国居民的生活水平。2016年我国居民收入初次分配比例为61.3%，再分配比例为62.1%，居民分配收入占国民总收入的比例不高。人均GDP与国民总收入虽然是不同的概念，但二者的数值非常接近，因此人均GDP不能准确反映生活水平。其次，仅有个别省份的资金流量表是可获得的，导致住户部门可支配收入这一指标数据难以获得。正如王志平(2017)所指出，住户部门人均可支配收入显著高于多数居民的直接感受。再次，在国民经济核算指数中，居民消费水平反映居民在商品和服务的人均最终消费支出，理论上能够反映真实生活水平。最后，在住户调查中，人均可支配收入比人均消费支出更能反映真实生活水平。虽然二者均是反映居民生活水平的指标，但由于文化传统、消费习惯因素等，我国居民具有高储蓄的传统，因此采用人均消费支出可能低估真实生活水平。综上，从消费端和收入端两个角度看，国民经济核算中的居民消费水平和城乡住户调查中的人均可支配收入是反映我国真实生活水平相对较好的指标。

在确定备选指标后，本文尝试利用全球夜间灯光数据作为参照，以估算1997—2016年中国各省份的真实生活水平。全球夜间灯光图像由美国国家海洋和大气管理局(NOAA)发布，主要包括DMSP-OLS和SNPP-VIIRS两套卫星数据。二者的时间跨度分别为1992—2013年和2012—2017年。自20世纪90年代，NOAA将其电子化以来，夜间灯光数据被广泛用于经济分析中。众多研究都表明夜间灯光亮度与诸多经济变量密切相关(Chen & Nordhaus， 2011；Henderson et al.，2012；Pinkovskiy & Sala-i-Martin，2016)。本文假设灯光亮度与真实生活水平存在着相关关系，且灯光亮度的测度误差与消费水平和人均可支配收入的测度误差均不相关。通过设定不同的模型形式，采用多种灯光亮度计算方式、去除气体火焰(gas flare)区域以及加入电力消费和能源消费等方式，这一假设得到了充分的验证。根据构建的计量模型，真实生活水平最优无偏估计量的对数是消费水平对数和人均可支配收入对数的加权和。二者权重可通过最小二乘估计得到。其中夜间灯光亮度对数为因变量，消费水平对数和人均可支配收入对数为自变量，二者的回归系数之比即为权重之比。

本文采用一种全新的方法来测度地区真实生活水平。和已有文献相比，创新之处主要体现在以下两个方面：首先，本文结合不同的单项指标来测度生活水平，采用严格的计量模型估算各个指标的权重，按客观赋权的方法综合消费端与收入端的信息，测算和比较不同地区居民的真实生活水平。这种方法看似与多指标评价法相同，但本质上二者截然不同。第一，多指标评价法中选取的指标不具有可比性，如家庭人均生活消费、人均居住面积、人均生活用电量等，而本文所选取的指标(消费水平和人均可支配收入)不但能够直接反映生活水平，且具有可比性。第二，多指标评价法得出的综合指数只能进行排序比较，不具有经济意义，而本文测算所得结果是对生活水平绝对值的直接测度。第三，本文同时也是对国民经济核算和城乡住户调查两大调查体系信息的合成。即对二者中有关生活水平的指标信息的合成，通过综合两大调查体系的信息以更准确地反映地区居民真实生活水平。

其次，本文采用客观赋权方法，建立理论分析模型得到消费与收入权重，以全球夜间灯光数据作为参照来测度真实生活水平。自20世纪90年代美国国家海洋和气象局(NOAA)将夜间灯光数据电子化以来，与此相关的研究文献快速涌现。其中，Chen & Nordhaus(2011)与Henderson et al.(2012)的研究最具代表性。他们从基本经济理论出发，构建了利用夜间灯光亮度分析经济增长的理论框架和计量模型，为相关研究奠定了理论基础。Pinkovskiy & Sala-i-Martin(2016)以计量经济学中的测度误差理论为基础，构建了利用灯光亮度测度真实收入水平的统计分析框架。然而，利用夜间灯光研究生活水平测度的文献极少，本文尝试从一种全新的、客观的视角测度真实生活水平，具有重要的理论与现实意义。

二、理论框架和计量模型
地区真实生活水平无法直接观测，但一些观测指标可用来反映生活水平，如国民经济核算中的消费水平、住户调查中的人均可支配收入和夜间灯光亮度等(Chen & Nordhaus，2011)。假设各地区真实生活水平的对数为yit，夜间灯光亮度的对数为Iit，消费水平的对数为git，人均可支配收入的对数为sit，其中i表示地区，t表示年份，借鉴Pinkovskiy & Sala-i-Martin(2016)的研究思路，各个变量之间关系可用如下方程组表示：

width=93,height=16,dpi=110
(1)

width=97,height=15,dpi=110
(2)

width=92,height=15,dpi=110
(3)

式中，width=268,height=15,dpi=110由于GDP核算和城乡住户调查与夜间灯光的数据收集过程相对独立，可以假设灯光亮度的误差项与消费水平和人均可支配收入的误差项不相关，即：

width=205,height=15,dpi=110
(4)

假设真实生活水平对数yit的最优线性无偏估计为zit，是消费水平对数git和人均可支配收入对数sit的加权和，即：

zit=γggit+γssit

(5)

则由最优线性无偏估计量的性质可知，γg与γs的取值应该满足：

(γg,γs)=argminE[(yit-γggit-γssit)2]

(6)

E[zit]=E[γggit+γssit]=yit

(7)

将式(2)和式(3)分别带入式(6)和式(7)得到：

γgβg+γsβs=1

(8)

E[(yit-γggit-γssit)2]

width=264,height=41,dpi=110
(9)

因此，关于γg和γs最优化问题的拉格朗日函数为：

L(γg,γs,λ)=width=210,height=16,dpi=110

width=174,height=16,dpi=110
-γsβs)

(10)

分别对γg，γs和λ取一阶偏导，并令所有偏导数为零，整理可得：

wg

width=335,height=80,dpi=110
(11)

式中，wg为真实生活水平最优线性无偏估计量中消费水平所占的比重。同理可得，人均可支配收入所占的比重ws，只需将上式中的g换为s即可。本文最重要的目标即是估计这两个参数，从而估算真实生活水平，但式(11)的右边是未知的，无法直接利用消费水平和人均可支配收入的数据进行估算。但是，如果以夜间灯光亮度的对数为因变量，对消费水平和可支配收入的对数做回归，即：

Iit=b0+bggit+bssit

(12)

可以证明：

width=146,height=34,dpi=110
(13)

即真实生活水平的最优线性无偏估计量中，消费水平和人均可支配收入的权重可以通过计算回归系数占比而得到。有关式(13)的证明如下：首先，根据最小二乘法则可得：

bg=

width=327,height=37,dpi=110
(14)

bs=

width=330,height=37,dpi=110
(15)

根据式(1)～式(4)，可得：

width=247,height=16,dpi=110
(16)

width=242,height=16,dpi=110
(17)

Cov[git,Iit]=βgβlVar[yit]

(18)

Cov[sit,Iit]=βsβlVar[yit]

(19)

width=288,height=15,dpi=110
(20)

式(16)～式(20)分别带入式(14)和式(15)，得到：

width=438,height=38,dpi=110
(21)

width=437,height=38,dpi=110
(22)

由此可得：

width=514,height=38,dpi=110
(23)

由证明过程可知，假设条件式(4)起着关键的作用，(2) 正是因为假设条件式(4)，才出现式(18)和式(19)比式(20)少一个误差相关项，而这是证明过程的关键。即在测度真实生活水平的三个变量中，夜间灯光亮度的测度误差与消费水平和人均可支配收入的测度误差均不相关。消费水平的数据主要来源于支出法GDP核算过程，人均可支配收入数据来源于城乡住户调查，而灯光亮度的数据通过卫星遥感设施获得，故这一假设具有现实合理性。但是，夜间灯光主要由居民和工业用电产生，其亮度与电力消费和能源消费密切相关，而这两项指标与GDP或收入水平也存在着一定的相关性。因此，假设条件式(4)可能不成立，在后面的实证分析中将加入电力消费和能源消费对这一假设进行严格的计量检验。

在得到权重系数wg后，根据式(5)可得：

zit=ψ[wggit+wssit]

=ψ[wggit+(1-wg)sit]

(24)

如果令ψ=1，wg=0，则真实生活水平完全由人均可支配收入来估算；如果令ψ=1，wg=1，则真实生活水平完全由消费水平来估算。Chen & Ravallion(2010)在研究真实收入分布时，采用人均GDP代替消费水平，并令ψ=1，wg=0.5。本文主要关注消费水平和可支配收入的权重wg和ws。由于消费水平和可支配收入在一定程度上都反映了真实生活水平，因此也假设ψ=1。即真实生活水平的最优无偏估计量为：

zit=wggit+wssit=wggit+(1-wg)sit

(25)

三、样本与数据说明
本文选取的样本数据包括三部分：(1)全球夜间灯光数据；(2)居民消费水平与人均可支配收入；(3)能源消费与电力消费。下面分别对数据来源与处理过程作简要说明。

(一)夜间灯光数据
1.图像选择与初步处理。

全球夜间灯光图像共包括DMSP-OLS和SNPP-VIIRS两套卫星数据。(3)夜间灯光图像的下载地址为：https://ngdc.noaa.gov/eog/download.html。其中前者来源于美国国防气象卫星项目(Defense Meteorological Satellite Program，DMSP)，后者来源于索米国家极地轨道伙伴卫星(Suomi National Polar Partnership，SNPP)。二者数据由美国国家海洋及大气管理局(NOAA)负责处理和发布(Elvidge et al.，2013)。

DMSP-OLS夜间卫星图像共包括无云覆盖天数(Cf_cvg)图像、原始灯光数据图像(Avg_vis)和稳定灯光(Stable_lights)图像三个部分。其中稳定灯光图像是在原始灯光图像的基础上清除背景噪声和短暂性光源而形成的。由于数据相对准确，且已经形成稳定的长时间序列，经济分析多采用稳定灯光图像，本文也采用此图像作为分析的基础。稳定灯光图像的时间跨度为1992—2013年。其中某些年份有两个不同编号的卫星同时运行收集数据，比如F10卫星和F12卫星同时在1994年运行。因此，共有34个卫星图像可供公众免费下载使用。本文选取其中1997—2013年的卫星数据用于实证分析。由于传感器老化等原因，同一年份两个卫星的数据通常存在差异。为了消除这种差异，本文按照Henderson et al.(2012)的做法取两个卫星数据的平均值。

SNPP-VIIRS夜间卫星图像的时间跨度为2012—2017年。2012年该卫星图像仅包括4月—12月数据，而灯光亮度和经济活动受月份影响较大。故本文仅选取2013—2016年SNNP-VIIRS的灯光数据。该灯光卫星数据包括年度数据和月度数据两部分。月度数据共包括三张图像，分别是原始图像(Vcm)、杂散光修正图像(Vcmsl)和无云覆盖天数图像。年度数据包括六张图像，分别是原始图像(Vcm)、去除背景噪声图像(Vcm-ntl)、过滤短暂火源图像(Vcm-orm)、去除背景噪声和短暂火源图像(Vcm-orm-nlt)、无云覆盖天数图像和观测总天数图像。月度数据中Vcm更加精确，但覆盖范围较小。Vcmsl覆盖范围更广，但数据质量不高。而年度数据中Vcm-orm-nlt图像的数据质量最高，但却仅有2015年和2016年数据。因此，需要将月度数据转化成年度数据。首先，按照NOAA对相关数据的处理说明，将月度图像合并为初步年度图像。(4)https://data.ngdc.noaa.gov/instr ... b_composites_v1.txt。计算公式为：

初步年度图像=

width=247,height=47,dpi=110
(26)

然后，按照Shi et al.(2014)的数据调整思路，以2016年Vcm-orm-nlt图像为掩膜(mask)去除各年份初步年度图像的背景噪声和短暂性光源(5)具体做法为：将2016年Vcm-orm-nlt图像中为0的区域设定为噪声和短暂性光源区域，并假定其他年份的噪声和短暂性光源区域与此相同，初步年度图像落入此区域的灯光亮度值均修改为0。笔者对比了按照此方法调整的2015年图像与NOAA发布的2015年Vcm-orm-nlt图像，发现二者的差异极小，故此假定具有一定的合理性。，从而得到最终年份图像。

2.灯光数据的提取。

夜间灯光图像的有效范围为南纬65度和北纬75度之间。(6)我国最北端在北纬53度附近，因此夜间灯光图像能够覆盖我国全部的领土范围。图像中包含大量的栅格像素。DMSP-OLS中每个像素的亮度值(DN)为0至63之间的整数，SNNP-VIIRS中每个像素的亮度值为浮点型数值且没有上限。因此，SNNP-VIIRS不存在“取值上限(数据饱和)”问题，但DMSP-OLS图像则可能存在这个问题。然而，仔细分析我国的DMSP-OLS图像可以发现，除北京、上海、天津在某些年份存在“顶值”外，且“顶值”比例均小于4%，其他省区的“顶值”比例均接近于0，因此可以认为不存在取值上限问题。(7)也有学者对原始DMSP-OLS灯光图像进行调整，以改善数据饱和问题，如Elvidge et al.(2009)，Li et al.(2013)，曹子阳等(2015)。这样虽然提高了灯光数据的连续性，但调整时所采用的假设条件非常强，调整结果的准确性有待进一步检验。

DMSP-OLS中所有像素的长和宽均是30角秒(arc-second)，SNPP-VIIRS中这一数值为15角秒。在投影地图上，每个栅格的大小均相同，但实际上，每个栅格像素的面积与维度相关。在赤道附近，DMSP-OLS中每个像素的面积大约是0.857平方公里(8)1角秒=1/60角分=1/3 600度，在赤道附近30角秒的长度大约为0.926公里，因此1个像素的面积大约为0.857平方公里。，SNNP-VIIRS约为其四分之一。随着维度上升，栅格像素的面积逐渐减少。一般而言，某个地区内灯光亮度总值的计算方式有以下两种：(1)地区内所有像素的DN之和；(2)地区内所有像素的面积加权DN之和。图2用虚拟的图像展示了这两种计算方式，其中(a)为灯光亮度图，每个像素的值为其DN值；(b)为面积栅格图，每个像素的值表示其面积大小；(c)加权灯光亮度图，每个像素的值等于DN值乘以面积。

width=363,height=107,dpi=110
图2 灯光亮度示意图

经计算可得，地区内：

DN之和(sdn)=5+38+45+50+10+20

=168

面积加权DN之和(adn)=3+26.6+31.5

+40+8+16

=125.1

面积(area)=0.6×3+0.7×3+0.8×3=6.3

灯光地区面积(larea)=0.6+0.7×2+0.8×3

=4.4

平均DN(wdn)=sdn/larea=168/4.4

=38.18

平均加权DN(wadn)=adn/larea=125.1/4.4

=28.43

(27)

可见，采用不同算法能够得到不同的灯光亮度值。由于每个栅格像素的实际面积不同，利用面积加权的算法更能反映灯光的真实亮度，而且为了消除不同地区灯光面积差异所造成的影响，本文将分别采用平均DN(wdn)和平均加权DN值(wadn)来表示各个省份的灯光亮度总值，除以各个省份的年末人口数即可得到人均灯光亮度(wdnp)和人均加权灯光亮度(wadnp)。在实证分析时，首先采用人均加权灯光亮度值(wadnp)作为因变量进行计量分析，然后分别用平均加权DN(wadn)、平均DN(wdn)和人均DN(wdnp)替换wadnp做稳健性检验。

由于探测器灵敏度和数据处理方式不同，DMSP-OLS和SNNP-VIIRS的数据不具有可比性。理论上，SNNP-VIIRS的分辨率更高，数据更为精确(Elvidge et al.，2013)。但是，由于还未形成较长的时间序列，很难独立使用这套卫星数据进行经济分析，因此需要对两套卫星数据进行融合。2013年，DMSP-OLS卫星和SNNP-VIIRS卫星同时在空中运行，以2013年为基准年可以对SNNP-VIIRS的数据进行调整。假定2013年两套卫星的灯光亮度在各个省份是相同的，以此可以对后面年份的数据进行调整。在实证研究中本文首先采用融合数据进行分析，然后单独采用DMSP-OLS的数据进行稳健性检验。

在实际提取灯光数据时，本文采用的省级单位边界图为中国国家基础地理信息中心提供的1∶400万省级行政区矢量图，面积栅格图则来自美国国家航空航天局国际地球科学信息网络中心(CIESIN)和哥伦比亚大学共同发布的世界栅格人口图(GPWv4)。(9)面积栅格图来自美国国家航空航天局国际地球科学信息网络中心(CIESIN)和哥伦比亚大学。下载网址为：http://sedac.ciesin.columbia.edu ... nd-water-area-rev10。

(二)居民消费水平与人均可支配收入
居民最终消费是支出法GDP核算的重要组成部分，反映了居民在商品和服务的最终消费支出。居民消费水平即居民最终消费与常住人口之比。国家统计局每年发布的《中国统计年鉴》及各个地区的统计年鉴中均包含居民消费水平和居民消费水平指数这两个指标。由于GDP核算数据多次修订，本文采用2017年各省份统计年鉴最新数据，以1997年消费水平为基准值，乘以各年居民消费水平指数得出1998—2016年各个省份的实际居民消费水平。

2013年以前城乡住户调查是按城镇和乡村分别进行的，与收入相关的统计数据为城镇居民人均可支配收入和农村居民纯收入。由于二者的统计口径存在差异，全体居民人均可支配收入的数据无法获得。2013年国家统计局开始实施城乡一体化住户调查，城乡居民收入的统计口径做了统一修订，统计年鉴开始列出全体居民人均可支配收入的数据。因此，2013年以后人均可支配收入直接采用发布的数据，2013年以前人均可支配收入的计算公式为：(城镇居民人均可支配收入×城镇人口+乡村居民纯收入×乡村人口)/常住人口数。其中常住人口数和城镇居民比例来自《中国统计年鉴》。由于每次经济普查都会对往年的住户调查数据进行一定的修正，城镇居民人均可支配收入和农村居民纯收入采用各省份统计年鉴中的最新数据。在得到1997—2016年各省份名义人均可支配收入后，以1997年为基准年份，采用各地区的居民消费价格指数(CPI)将其转换为实际人均可支配收入。

(三)电力消费和能源消费
夜间灯光主要由电力等能源消费产生，理论上灯光亮度与电力消费和能源消费密切相关，而这两项指标与GDP或收入水平也密切相关，因此灯光亮度的测度误差可能与消费水平或人均可支配收入的测度误差相关。如果事实确是如此，关键假设条件式(4)将不成立，分析结论也将存在偏差。因此，本文将以人均电力消费量和人均能源消费量作为控制变量检验模型假设的合理性。各省份1997—2016年的电力消费量数据来自历年的《中国统计年鉴》，能源消费总量的数据来自历年的《中国能源统计年鉴》，除以各省份的常住人口数即可得到人均电力消费和人均能源消费量。各变量的描述性统计见表1。

表1 变量描述性统计

width=736,height=249,dpi=110
说明：表1中列示的为融合数据的灯光亮度描述性统计量。

四、地区真实生活水平测度
本部分利用夜间灯光亮度、消费水平和人均可支配收入测度中国31个省区市(不含中国港澳台地区)的真实生活水平。首先，以灯光亮度为因变量，对消费水平和人均可支配收入进行回归，并分别加入人均电力消费量和人均能源消费量验证模型假设的合理性。然后，选取不同的夜间灯光亮度指标并设定不同的模型形式对估计结果进行稳健性检验。接着，根据消费水平和人均可支配收入的回归系数计算二者的权重，并由此估算各省份的真实生活水平。最后，利用经济、教育、生活设施和健康等与生活水平相关的指标验证估算结果的可靠性。

(一)基准回归分析结果
在对真实生活水平进行估算前，需要检验灯光亮度与消费水平和人均可支配收入之间的关系，以验证假设条件的合理性。表2列出了时间和地区双固定效应模型(10)Henderson et al.(2012)指出地区固定效应能够控制电力消费习惯、产出结构、发电的能力和方式等因素的差异，时间固定效应能够控制经济环境、技术进步和能源消费的变化、卫星老化导致的灵敏度退化等因素的影响。下31个省份在1997—2016年间面板数据的回归结果。其中人均加权灯光亮度的对数(lnwadnp)为因变量，消费水平对数(lncon)、人均可支配收入对数(lnincome)、人均电力消费对数(lnelec)和人均能源消费对数(lnenergy)为自变量。

表2 基准回归结果(1997—2016年)

width=736,height=270,dpi=110
说明：所有的模型均包括时间和地区双固定效应；括号内为经地区调整的稳健标准差，***，**和*分别表示在1%，5%和10%水平下通过显著性检验，下表同。

表2的列(1)和列(2)分别给出了以消费水平对数和人均可支配收入对数为自变量的回归结果。两个估算系数均在1%的水平下显著，表明灯光亮度与消费水平和人均可支配收入之间均存在显著的线性关系。表2列(3)、列(4)和列(5)加入其他控制变量后，灯光亮度与消费水平和人均可支配收入仍然显著相关，电力消费和能源消费未对其产生重大影响，模型的关键假设条件式(4)是合理的。此外，表2列(7)、列(8)和列(9)将消费水平和人均可支配收入同时作为自变量，三个模型下消费水平和人均可支配收入的回归系数均在1%的水平下显著，人均电力消费和人均能源消费的回归系数都不显著。这一方面表明式(12)是成立的，即夜间灯光亮度可以用来估算真实生活水平；另一方面再次印证电力消费和能源消费未对模型产生显著影响。观察表2列(7)～列(9)可知，尽管消费水平和人均可支配收入的系数存在波动，但二者之比基本保持在1∶2。由式(13)可知，估算系数之比即为权重之比，因此不同模型设定形式下消费水平和人均可支配收入的权重并没有发生重大变化，估算结果是相对稳健的。最后，所有结果都显示人均可支配收入的系数显著大于消费水平。这表明在反映居民真实生活水平时收入端信息比消费端信息可能更为重要，城乡住户调查中的人均可支配收入比国民经济核算的人均消费水平更可靠。

(二)稳健性检验
首先，分别用人均灯光亮度(lnwdnp)、加权灯光亮度(lnwadn)和灯光亮度(lnwdn)代替人均加权灯光亮度(lnwadnp)作为因变量，对消费水平(lncon)、人均可支配收入(lnincome)、人均电力消费(lnelec)和人均能源消费(lnenergy)进行回归。如表3所示，无论采用何种形式的灯光亮度，以及模型是否加入电力消费或能源消费，消费水平的系数均在5%的水平下显著，人均可支配收入的系数均在1%的水平下显著。这再次证明灯光数据在测度生活水平方面的适用性和模型假设条件的合理性。不同模型设定下，消费水平和人均可支配收入的回归系数存在一定的波动，但二者之比未发生重大变化，仍保持在大约1∶2的水平。这表明模型的估算结果是稳健的。

表3 稳健性检验：不同形式的灯光亮度(1997—2016年)

width=736,height=277,dpi=110
其次，夜间灯光图像虽然去除了背景噪声和短暂性光源，但是气体火焰(gas flare)等持久性光源却无法去除。Henderson et al.(2012)认为气体火焰可能会扭曲灯光亮度与经济活动之间的关系，实际分析时应该检验气体火焰是否对回归结果产生重大影响。去除气体火焰(11)气体火焰地图的下载地址为：http://ngdc.noaa.gov/eog/interes ... ies_shapefiles.html。后，以各种形式的灯光亮度为因变量，以消费水平(lncon)、人均可支配收入(lnincome)、人均电力消费(lnelec)和人均能源消费(lnenergy)为自变量进行回归进行稳健性检验。(12)因篇幅限制，相关稳健性检验结果未列出，感兴趣的读者可向笔者索取。

再次，由于DMSP-OLS与SNPP-VIIRS的数据不可比，尽管后者的数据已经进行调整，但为了验证调整的假设条件的合理性，本文还采用1997—2013年DMSP-OLS卫星的数据重复进行上述所有回归的稳健性检验。

综上所述，不同的模型设定形式、不同形式的灯光亮度、是否去除气体火焰区以及是否加入控制变量人均电力消费和人均能源消费等，均未对模型的回归结果产生重大影响。所有模型下消费水平和人均可支配收入的系数均显著大于0，且二者之比未出现大的波动，表明模型的假设条件是合理的，回归结果是稳健的。

(三)地区真实生活水平的估算与检验
根据式(13)可知，生活水平的最优无偏估计量中消费水平和人均可支配收入的权重之比等于二者回归系数之比。由上述回归结果可得，消费水平权重wg的范围为(27.95%，38.31%)，人均可支配收入权重ws的范围为(61.69%，72.05%)，再根据式(25)即可得到各个省份真实生活水平的估算值及其增速。

表4列出了1997—2016年各省份真实生活水平的估算值，其中选取wg=27.95%。结果显示：第一，样本期内，生活水平较高的省份排名一直靠前，如上海、北京、浙江、天津、江苏和广东，生

表4 1997—2016年各省份的真实生活水平估算值 单位：元/人

width=736,height=795,dpi=110
说明：表中生活水平值由wg=27.95%估算而来。

活水平较低的省份排名一直靠后，如云南、青海、甘肃、贵州和西藏。特别是2010年以后，地区生活水平的排序几乎没有变化，也就是说，生活水平的地区差距一直存在。第二，对比1997年和2016年的生活水平排序可以发现，生活水平下降幅度最大的为新疆，从第16位下降到第26位，上升幅度最大的三个省份为内蒙古、重庆和河南，分别上升8位、7位和7位，其他省份的排序变化不大。可见生活水平的变化存在一定的地区不平衡性。第三，对历年各省份生活水平增速进行排序可以发现，各年变化极大，最高增速与最低增速之差时高时低，意味着生活水平增速的地区差异显著。第四，从绝对水平来看，根据历年生活水平最大值与最小值之比可以发现该比值呈先上升后下降的趋势。2004年达到最高点5.57，然后一直下降至2016年的3.93。

生活水平与经济发展、教育、生活设施和健康状况等经济和社会指标密切相关。分析这些指标与生活水平估算值的关系可以检验估算结果是否可靠。参照Montgomery et al.(2000)的研究，本文选取下面10个指标用以检验估算结果：(1)经济发展水平：人均GDP(lngdper)；(2)教育水平：每十万人口高等教育平均在校生数(lnedu1)和每十万人高中阶段在校人数(lnedu2)；(3)家庭生活设施：平均每百户耐用消费品拥有量，包括彩色电视机(lntv)、照相机(lncam)和计算机(lncom)；(4)健康医疗水平：人口平均预期寿命(lnage)和每十万人拥有医院床位数(lnhosp)；(5)基础公共设施：公路里程数(lnroad)和人均城市绿化覆盖面积(lngreen)。人均GDP的数据来自各省份的统计年鉴，公路里程数、医院床位数和城市绿化覆盖面积的数据来源于中国经济与社会发展统计数据库，其余指标数据均来自历年的《中国统计年鉴》。其中家庭生活设施三个指标、医院床位数和城市绿化覆盖面积的数据在某些年份缺失，预期寿命的数据仅有2000年和2010年。理论上，所有指标都应与生活水平正相关。表5给出了以上述各指标为因变量对生活水平的回归结果。其中lnliving1和lnliving2分别表示以wg=27.95%和wg=38.31%估算的生活水平的对数。

表5 生活水平估算值检验结果

width=736,height=249,dpi=110
表5中所有自变量和因变量都取自然对数，因此回归系数即为弹性系数。结果显示：其一，表5列(1)中人均GDP对生活水平的弹性系数约为1.1。反过来看，生活水平对人均GDP的弹性系数小于1，即人均GDP提升1%，生活水平的变动小于1%。根据国民经济核算基本原理，企业、政府和居民是参与国民总收入分配的三个主要部门。其中居民收入是决定生活水平的关键因素，生活水平的弹性系数小于1，表明居民收入分配的比例呈下降趋势。“当前宏观收入分配格局研究”课题组(2015)指出，我国居民收入分配的比例不高，居民可支配收入占国民可支配总收入的比重仍然偏低。如果不改善当前宏观收入的分配关系，收入分配比例将会更低，生活水平的提升也将更慢。因此，提高居民收入分配占比是未来经济政策考虑的重点之一。其二，表5列(2)和列(3)的回归系数表明，生活水平每提高1%，每十万人高等教育人数和高中阶段在校人数分别提高大约0.42%和1.2%。因此生活水平的提升对于基础教育的改善比高等教育更加明显。其三，表5列(4)和列(5)的回归系数均小于1，表明彩色电视机和照相机拥有量的变动与生活水平不同步。这主要是由于耐用品的使用周期较长，更换频率较慢。然而，表5列(6)的回归系数却显示计算机拥有量的弹性系数大于1。这主要是因为计算机拥有量数据在2005年之后才可用，而近十年是家用计算机需求量快速增长的时期，由此导致计算机拥有量的增长比例高于生活水平。其四，观察表5列(7)可知，预期寿命对生活水平的弹性系数为0.067%。这一数值看似非常小，但是如果生活水平每年增长7%，那么预期寿命将增长0.47%。以2000年我国预期寿命71.40岁为例，具体增长数字将为0.336岁。事实上，2000—2010年间我国人口平均预期寿命年提高了约3.43岁。(13)新华社：《我国人口平均预期寿命达74.83岁 十年提高3.43岁》，2012-08-09，http://politics.people.com.cn/n/2012/0809/c70731-18708511.html。因此预期寿命的估算系数是相对可靠的。其五，表5列(8)的回归系数显著为正，表明随着生活水平的提高，每十万人拥有医院床位数逐步增加。然而，回归系数仅为0.38，表明增加速度较慢。这与我国一直存在的医院床位紧张现象正好相符。其六，表5列(9)和列(10)的回归系数均显著大于0，表明生活水平的提高与基础公共设施的建设正相关。这与现实也是相符的。

综上所述，所有的估算系数均在1%的水平下显著，且符号均符合预期，表明估算的生活水平是可信的。此外，对比所有模型下两种生活水平的估算系数可以发现，二者差异极小，表明无论采用何种权重估算真实生活水平，各种影响因素作用机制变动不大。

(四)地区真实生活水平对比分析
在得到真实生活水平估算值后可以开展地区比较分析。表6给出了两种权重下各省份在1997—2016年生活水平的平均值及平均增速，同时列出了人均GDP及其增速以作对比。其中living1和living2分别表示以wg=27.95%和wg=38.31%估算的生活水平。growth1和growth2分别表示相应的生活水平增速。gdper和gdper_index分别表示人均GDP及其增速。

首先，分析生活水平和人均GDP的平均值可以发现：(1)两种权重下生活水平估算值最高的5个地区均为上海、北京、浙江、天津和广东。生活水平估算值最低的5个地区均为贵州、西藏、甘肃、青海和云南。当wg=27.95%时，前五个省份的平均值为15 291元，后五个省份的平均值为4 669元，前者约为后者的3.28倍；当wg=38.31%时，前五个省份的平均值为15 087元，后五个省份的平均值为4 558元，前者约为后者的3.31倍，两种权重下生活水平估算值差异不大。(2)人均GDP排名前5的地区为上海、天津、北京、江苏和浙江，平均值为38 572元；排名后5位的地区为贵州、甘肃、西藏、云南和广西，平均值为9 553元，前者约为后者的4.04倍。人均GDP的排序与生活水平估算值类似，表明生活水平与经济发展水平密切相关，而发达省份与欠发达省份的人均GDP之比高于生活水平估算值之比，表明经济发展水平的地区差异高于生活水平。(3)两种权重下，东部地区的生活水平估算值约为中部地区和西部地区的1.7倍和2.1倍(14) 根据国家统计局有关东西中部和东北地区划分方法，东部包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南；中部包括：山西、安徽、江西、河南、湖北和湖南；西部包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆；东北包括：辽宁、吉林和黑龙江。为了便于分析，本文将中部和东北部地区统一称为中部地区。，而人均GDP的这一比值大约为1.9和2.4，高于前者，再次表明人均GDP的地区差异高于生活水平估算值。(4)两种权重下的生活水平估算值与人均GDP的斯皮尔曼相关系数分别为0.932和0.927，表明生活水平与经济发展水平高度相关。这与人均GDP和生活水平的排序相似是吻合的。因此，缩小经济水平差异是缩小生活水平差异的必要条件。

表6 1997—2016年各省份生活水平平均值及平均增速

width=736,height=912,dpi=110
其次，分析生活水平和人均GDP的平均增速可以发现：(1)两种权重下，生活水平增速的排序差异不大，增速最快的5个省份均为重庆、陕西、内蒙古、江苏、河南，平均值约为10.2%；增速最慢的5个省份均为广东、天津、上海、新疆和黑龙江，平均值约为8%。(2)人均GDP增速排名前五位的省份分别是内蒙古、重庆、陕西、四川和贵州，平均增速为11.8%；排名后五位的分别是北京、上海、新疆、广东和云南，平均增速为8.2%。人均GDP的增速高于生活水平增速，表明经济增长并未完全转化为生活水平的提高。这与前文中生活水平对人均GDP的弹性系数小于1是一致的。此外，人均GDP增速的地区差异高于生活水平估算值，表明经济增长的地区不平衡度更高。(3)两种权重下，东部、中部和西部地区的生活水平平均增速分别约为8.8%，9.1%和9.4%，人均GDP平均增速分别为9.4%，10.2%和10.5%。人均GDP的平均增速和地区差异均高于生活水平，与前面分省份的结论一致。(4)两种权重下生活水平增速与人均GDP增速的斯皮尔曼相关系数分别为0.53和0.56，表明生活水平增速与经济增速仅存在中度相关。因此，在改善民生、缩小地区生活水平差异时，不但要考虑经济增长，还应关注经济发展的效益和经济成果的转化。

最后，分析生活水平和人均GDP平均值与平均增速之间的关系可以发现：(1)两种权重下生活水平与其增速之间的皮尔逊相关系数分别为-0.33和-0.34，表明在生活水平较低的省份，生活水平的增速相对较快，因此生活水平的地区差距呈缩小趋势。(2)人均GDP与其增速之间的皮尔逊相关系数为-0.36，表明经济发展水平与生活水平类似，也呈现地区差距缩小趋势。这似乎符合Barro & Sala-i-Martin(1992)提出的β收敛特征，下面将采用严格的计量模型检验不同地区之间生活水平是否存在β收敛和σ收敛。

五、地区真实生活水平收敛性研究
Barro & Sala-i-Martin(1992)以新古典经济增长模型为框架，论述了经济收敛的理论基础，并提出了经济收敛的计量检验模型。Islam(1995)将检验模型拓展到面板数据分析。之后，很多学者利用上述模型或其拓展形式分析中国经济的收敛性(如林毅夫和刘明兴，2003)。收敛性一般是指经济发展过程中不同地区指标增速不同，落后地区与先进地区之间的差异逐渐缩小，呈现不断收敛的态势。在文献中常用的检验方法有β收敛和σ收敛两种。其中，β收敛是指初始生活水平较低的地区在生活水平增长率上比初始生活水平较高的地区增长更快，并假设不同地区趋于共同的均衡状态。不同于β收敛检验主要关注变量的增速是否存在收敛，σ收敛检验则主要关注变量的水平值是否存在收敛，通过分析指标数据的标准差是否随着时间推移而逐渐缩小以判断其收敛性。基于上面的测度结果，下面进一步对中国地区真实生活水平的收敛性进行检验。

(一)β收敛检验
假设地区i在第t年的生活水平为yit，则在第t至t+T年间，生活水平的平均增长率为γi,T=log(yi,t+T/yi,t)。β收敛的检验方程为：

γi,T=α+βlog(yi,t)+μi,t

(28)

式中，μi,t为随机误差项。如果β<0，则地区间呈现β收敛，且绝对值越大，收敛速度越快；如果β>0，则地区间不存在β收敛。表7列出了1997—2016年中国各省份生活水平的β收敛检验结果，其中生活水平采用wg=27.95%的估算值。(15)笔者还采用了由其他权重估算的生活水平重复进行β收敛检验，如wg值为30%，33.33%，38.31%，所得结果差异极小。由于β收敛受时间段影响特别大，本文还列出了4个子时间段的检验结果。此外，考虑到我国各地区经济发展极不均衡，分析三大地区生活水平的收敛性能够更加准确地认识收敛结构和原因。

表7 β收敛检验结果

width=736,height=359,dpi=110
首先，观察表7的列(1)可知，当时间段为1997—2016年时，全国和东部地区的回归系数分别在1%和5%的水平下显著为负，表明二者均出现β收敛现象。然而，中部和西部地区的系数估计值同样为负，但统计上不显著，表明中西部地区生活水平的收敛性较弱。因此，尽管就全国平均而言，样本期内生活水平较低省份增速较快，然而这种超越现象仅发生在东部地区，在中西部地区还不太显著。然后，将样本数据划分为四个子样本做分段研究，主要有如下结论：(1)1997—2001年，无论是全国还是三大地区，回归系数均不显著，且R2均很小，表明模型拟合度不高，收敛性无法判断。但是，全国和东部地区的回归系数为正，表明二者存在发散的可能。(2)2002—2006年，全国的回归系数在5%的水平下显著大于0，表明生活水平出现发散现象，即生活水平较低的省份增长速度并没有更快，因此省份间生活水平的差距不断被拉大。(3)2007—2011年，全国的回归系数由正变为负，且在10%的水平下显著，表明前一时间段内生活水平的发散状态转变为收敛状态。同时，东部地区也发生了类似的转化，但是中西部地区与之前保持一致，生活水平的收敛状态仍然无法判断。(4)2012—2016年，全国和西部地区的回归系数均在1%的水平下显著为负，且两个模型的R2分别为0.56和0.78，表明全国范围内继续保持生活水平的收敛状态，而西部地区在此时间内也开始出现β收敛。虽然东部地区和中部地区的回归系数均不显著，但均小于0，表明二者也出现较弱的收敛趋势。

(二)σ收敛检验
σ收敛检验主要通过分析生活水平对数的标准差是否随着时间推移而逐渐减少来判断其收敛性。图3展示了1997—2016年全国及三大地区生活水平对数标准差的变化趋势。其中生活水平同样采用wg=27.95%的估算值。首先，从全国范围看，这一数值在2010年前呈缓慢上升趋势，之后逐年下降，表明生活水平的地区差距先扩大后缩小。这与β收敛检验的结果基本一致。其次，东部地区在2005年之前震荡变化，之后迅速下降，表明东部地区各省份的生活水平差距在2005年之后逐年缩小。再次，中部地区在2004—2008年之间先降后升，其他年份均变化不大。最后，西部地区的变化与其他地区截然不同。2008年之前生活水平差距逐年扩张，之后呈现上下波动态势，2012年之后出现急剧下降。

width=357,height=202,dpi=110
图3 生活水平对数标准差变化

下面对σ收敛进行严格计量检验，检验方程为：

σt=c+λ×t+μt

(29)

式中，σt表示生活水平对数的标准差；t表示时间；μt为随机误差项。如果λ<0，则表明生活水平存在σ收敛，地区间差异逐年缩小；如果λ>0，则不存在σ收敛，地区间差异逐年增加。

表8列出了1997—2016年中国各省份生活水平的σ收敛检验结果。首先，1997—2016年全国、东部地区和西部地区的回归系数均在5%的水平下显著为负，表明三者均存在σ收敛。但是，中部地区的系数仅为-0.001，表明收敛速度较慢，而西部地区的回归系数显著为正，表明生活水平的差距在此期间被拉大。因此，就全国平均而言，生活水平差距呈现缩小态势，东部地区是造成这种现象的主要原因，这与上文中β收敛检验结果一致。其次，分时间段分析发现：(1)1997—2001年，全国和东部地区的回归系数分别0.003和0.004，且在5%的水平下显著，中部的系数估计值近乎为0，仅西部地区系数估计值为负但不显著，表明总体上我国地区生活水平呈现差距扩大趋势，且主要发生在东部地区。结果与上文中的β收敛检验基本一致。(2)2002—2006年，全国的回归系数仍然显著为正，然而中部地区的回归系数却显著为负，表明就全国平均而言，生活水平差距有所扩大，但中部地区各省份的差距却在缩小。这主要是由于西部地区的回归系数为0.009，在1%的水平下显著不为0，且R2高达0.998，生活水平差距在此地区剧烈增大。(3)2007—2011年，全国的回归系数为负但统计上不显著，生活水平的σ收敛趋势较弱。但东部地区在1%的水平下显著为负，中部和西部均在10%的水平下显著为正，表明东部地区的生活水平差距在缩小，而中西部地区在扩大，由此导致全国的收敛性不明显。(4)2012—2016年，无论是全国还是三大地区，回归系数均在1%的水平下显著为负，且R2均在0.9以上，表明所有地区都出现了σ收敛现象。其中，西部地区的回归系数为-0.01，是东部地区和中部地区回归系数的2.5倍。可见这一时期西部地区的收敛速度最快，生活水平差距缩小程度最为剧烈。这与图3西部地区生活水平对数标准差的变动非常一致。

表8 σ收敛检验结果

width=736,height=359,dpi=110
综上可知，无论是β收敛检验还是σ收敛检验结果均表明，全国及三大地区在1997—2016年均出现了生活水平收敛和发散现象。发散现象主要出现在前10年，而收敛现象主要出现在后10年。整个时间段内平均而言，东部地区居民生活水平收敛现象较为显著，是导致全国出现收敛现象的主要原因。

六、研究结论
在经济统计中，常常以收入水平或消费水平来反映居民真实生活水平，数据主要依赖国民经济核算和城乡住户调查两大调查体系。本文基于国民经济核算中的居民消费水平和城乡住户调查中的人均可支配收入两个指标，以全球夜间灯光数据为桥梁，综合两大调查体系的收入端与消费端信息，对1997—2016年我国各省份的真实生活水平进行测度和比较研究。根据构建的理论模型，真实生活水平最优无偏估计量的对数是消费水平对数和人均可支配收入水平对数的加权和，二者权重可以通过最小二乘回归得到。若假设夜间灯光数据的测度误差与GDP核算和住户调查的测度误差均不相关，则以夜间灯光亮度对数为因变量，消费水平对数和人均可支配收入对数为自变量，二者的回归系数之比即为权重之比。根据不同的模型设定形式可以得到，真实生活水平对数的最优无偏估计中，消费水平的权重范围为(27.95%，38.31%)，人均可支配收入的权重范围为(61.69%，72.05%)。人均可支配收入的权重总是大于消费水平，表明前者更能准确地反映真实生活水平。稳健性分析显示，所有模型下灯光亮度与消费水平和人均可支配收入之间均存在显著的线性关系，且不受电力消费和能源消费的影响，本文对生活水平的测度方法是可靠的。

在得到生活水平估算值后，采用经济发展、教育、生活设施和健康状况等指标检验证实，本文对生活水平的估算结果可靠，系数估计结果符合理论预期。进一步的分析发现，样本期内居民生活水平增速小于人均GDP增速，表明经济的发展并未完全转化为生活水平的提高。中西部地区与东部地区的生活水平仍然存在巨大差距，东部地区的平均生活水平分别是中部和西部地区的1.7倍和2.1倍。最后，收敛性检验表明，全国及三大地区在1997—2016年均出现生活水平收敛和发散现象。发散现象主要出现在前10年，而收敛现象主要出现在后10年。总体来看，东部地区居民生活水平收敛现象更为显著。

本文的研究具有重要的政策含义。首先，居民生活水平的增长慢于经济增长。因此，在提高经济发展速度的同时，还应关注经济发展成果的转化。当前，我国居民收入分配比例较低，提高收入分配占比、促进经济发展成果共享，应该是未来经济政策考虑的重点之一。其次，随着东部地区“先富”的目标逐步实现，更好地发挥“先富带后富”效应成为未来政策重点，在缩小地区生活水平差距时应进一步加大国家政策的倾斜力度，推动地区之间的帮扶。中西部地区应充分利用其丰富的自然资源，发展符合自身特点的产业，实现经济快速发展。再次，本文发现近年来全国及三大地区生活水平收敛现象更为显著。即生活水平较低的省份增速较快，生活水平的地区差距逐年缩小。而这与近些年来我国扶贫工作取得的巨大成就密切相关。2020年，我国坚决打赢脱贫攻坚战取得全面胜利，贫困县全部摘帽，消除了绝对贫困和区域性整体贫困，党的十八大以来近1亿贫困人口实现脱贫。政府应进一步实施扶助落后地区经济发展的政策，加大财政转移支付的力度，巩固拓展扶贫攻坚成果，健全防止返贫监测帮扶机制，为实现两个一百年奋斗目标奠定坚实基础。

参考文献

曹子阳、吴志峰、匡耀求、黄宁生，2015：《DMSP/OLS夜间灯光影像中国区域的校正及应用》，《地球信息科学学报》第9期。

程迪尔、官海静、刘国恩，2013：《生活水平指标选择对健康公平测算结果的影响》，《中国卫生经济》第3期。

“当前宏观收入分配格局研究”课题组，2015：《当前我国宏观收入分配格局研究》，《调研世界》第11期。

邓翔、张思远，2008：《中国居民生活水平的估计与调整》，《云南财经大学学报》第1期。

古杰、周素红、闫小培、郑重，2013：《中国农村居民生活水平的时空变化过程及其影响因素》，《经济地理》第10期。

江小涓、李辉，2005：《我国地区之间实际收入差距小于名义收入差距——加入地区间价格差异后的一项研究》，《经济研究》第9期。

林毅夫、刘明兴，2003：《中国的经济增长收敛与收入分配》，《世界经济》第8期。

王少飞，2002：《用恩格尔系数衡量居民生活水平的可行性研究》，《统计研究》第6期。

王志平，2017：《统计局如何“多算”了公众的收入和消费》，《探索与争鸣》第11期。

许宪春，2014：《我国住户调查与国民经济核算统计指标之间的协调》，《财贸经济》第1期。

张春汉，1998：《居民生活水平指标体系和测度初探》，《暨南学报(哲学社会科学)》第2期。

张伟进、方振瑞、黄敬翔，2015：《城乡居民生活水平差距的变化——基于经济周期视角分析》，《经济学(季刊)》第2期。

Anand, S., and P. Segal, 2008, “What Do We Know about Global Income Inequality?”, Journal of Economic Literature, 46(1):57-94.

Barro, R. J., and X. Sala-i-Martin, 1992, “Convergence”, Journal of Political Economy, 100(2):223-251.

Caselli, F., and G. Michaels, 2013, “Do Oil Windfalls Improve Living Standards? Evidence from Brazil”, American Economic Journal: Applied Economics, 5(1):208-238.

Chen, S.， and M. Ravallion, 2010, “The Developing World Is Poorer than We Thought, But No Less Successful in the Fight against Poverty”, Quarterly Journal of Economics, 125(4):1577-1625.

Chen, X., and W. D. Nordhaus, 2011, “Using Luminosity Data as a Proxy for Economic Statistics”, Proceedings of the National Academy of Sciences, 108(21):8589-8594.

Deaton, A., 2005, “Measuring Poverty in a Growing World (or Measuring Growth in a Poor World)”, Review of Economics and Statistics, 87(1):1-19.

Elvidge, C. D., P. C. Sutton, T. Ghosh, B. T. Tuttle, K. E Baugh, and B. Bhaduri, 2009, “A Global Poverty Map Derived from Satellite Data”, Computers and Geosciences, 35(8):1652-1660.

Elvidge, C., K. Baugh, M. Zhizhin, and F. Hsu, 2013, “Why VIIRS Data Are Superior to DMSP for Mapping Nighttime Lights”, Proceedings of the Asia-Pacific Advanced Network, 35:62-69.

Gibson, J., S. Stillman, and T. Le, 2008, “CPI Bias and Real Living Standards in Russia during the Transition”, Journal of Development Economics, 87(1):140-160.

Henderson, J. V., A. Storeygard, and D. Weil, 2012, “Measuring Economic Growth from Outer Space”, American Economic Review, 102(2):994-1028.

Islam, N., 1995, “Growth Empirics: A Panel Data Approach”, Quarterly Journal of Economics, 110(4):1127-1170.

Korinek, A., J. A. Mistiaen, and M. Ravallion, 2006, “Survey Nonresponse and the Distribution of Income”, Journal of Economic Inequality, 1(4):33-55.

Li, X., X. Chen, Y. Zhao, J. Xu, F.Chen， and H. Li, 2013, “Automatic Intercalibration of Night-time Light Imagery Using Robust Regression”, Remote Sensing Letters, 4(1):45-54.

Mankiw, N. G., D. Romer, and D. N. Weil, 1992, “A Contribution to the Empirics of Economic Growth”, Quarterly Journal of Economics, 107(2):407-437.

Montgomery, M. R., M. Gragnolati, K. A. Burke, and E. Paredes, 2000, “Measuring Living Standards with Proxy Variables”, Demography, 37(2):155-174.

Pinkovskiy, M., and X. Sala-i-Martin, 2016, “Lights, Camera…Income! Illuminating the National Accounts-household Surveys Debate”, Quarterly Journal of Economics, 131(2):579-631.

Shi, K., B. Yu, Y. Huang,Y. Hu, B. Yin, Z.Chen, L.Chen,and J. Wu, 2014, “Evaluating the Ability of NPP-VIIRS Nighttime Light Data to Estimate the Gross Domestic Product and the Electric Power Consumption of China at Multiple Scales: A Comparison with DMSP-OLS Data”, Remote Sensing, 6(2):1705-1724.

COMPARISON OF REGIONAL RESIDENT LIVING STANDARDS ACROSS CHINA——Based on the Global Night-time Lights Data
CHEN Meng-gen1 ZHANG Shuai2

(1. School of Statistics, Beijing Normal University; 2. Chinese Academy of Fiscal Sciences)

Abstracts: In statistics, there are two perspectives to measure the living standards in a country or a region: income perspective and consumption perspective. This paper synthesizes the information from the income end and the consumption end to analyze the real living standards in the 31 regions across China between 1997 and 2016 using household final consumption expenditure (HFCE) per capita in the national accounting system and disposable income per capita in the household survey with the global night-time lights data as a reference. The results show that there exists significant linear relationship between lights intensity and HFCE per capita or disposable income per capita, which gives the evidence that night-time lights can be used to estimate the real living standards. According to the regression results of different models, the optimal weight for HFCE per capita in the best linear unbiased estimator of the real living standards is between 27.95% and 38.31%, while this figure for disposable income per capita is between 61.69% and 72.05%. Compared with HFCE per capita, disposable income per capita can measure the real living standards more accurately. Further analysis reveals that the growth rate of the real living standards is below GDP per capita, which suggests that complete transformation from the economic development to the increasing of living standards did not happen. Moreover, a huge gap still exists between eastern regions and central and western regions in the living standards, and the former is on average 1.7 and 2.1 times as the latter two regions, respectively.

Key words: living standards; regional comparison; HFCE per capita; disposable income per capita; night-time lights

* 陈梦根，北京师范大学统计学院，邮政编码：100875，电子信箱：cmg@bnu.edu.cn；张帅，中国财政科学研究院宏观经济研究中心。本文得到了国家社会科学基金重大项目“数字经济对我国经济社会发展的影响效应测度与统计评价”(19ZDA118)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改,本文文责自负。

(责任编辑：刘舫舸)