Оценка данных для 2018 года производится в несколько этапов:
1. Высчитывается CAGR 2009-2012 для каждой категории в каждом регионе по формуле: (Расходы по категории на душу населения в регионе Х в 2012/ Расходы по категории на душу населения в регионе Х в 2009)^(1/3)-1
2. Вычисляется среднее значение расходов по каждой категории для всех регионов за 2009 и 2012 год по формуле: Население региона Х в Х году * Расходы по категории на душу населения в регионе Х в Х году
3. Находятся значения по средним по стране расходам на каждую категорию в 2009 и 2012 годах: Расходы по категории в каждом регионе в году Х/Общее население страны в году Х
4. Высчитывается CAGR 2009-2012 по каждой категории на общенациональном уровне
5. Вычисляется CAGR 2012-2018 по формуле: (Расходы по категории на душу населения в регионе Х в 2018 из базы статистики/ Расходы по категории на душу населения в регионе Х в 2012 из пункта 3)^(1/6)-1
6. Вычисляется разница между CAGR 2009-2012 и CAGR 2012-2018 по категориям по имеющимся общим данным из базы статистики, для каждой категории вносится коэффициент разницы прироста
7. Значения 2018 года для каждого региона вычисляются по формуле: Значение 2012 года*?(1+(CAGR 2009-2012)* коэффициент разницы прироста)?^6
Данным методом не удалось точно оценить расходы на жилье, однако остальные категории оценены достаточно точно, расхождение с агрегированными показателями официальной статистики-не более 1 % (табл. 4,5). Таким образом, при составлении факторной модели расходы на жилье не будут оцениваться.
Таблица 4
Сравнение достоверности оценки данных: расходы городских домохозяйств
|
Продукты питания, напитки |
Одежда |
Жилье |
Услуги |
Транспорт и связь |
Развлечение, обучение |
Медицина |
||
|
Оценка |
7,25 |
1,81 |
7,71 |
1,64 |
3,50 |
3,00 |
2,18 |
|
|
База статистики |
7,24 |
1,81 |
6,26 |
1,63 |
3,47 |
2,97 |
2,05 |
|
|
Разница |
0,1% |
0,1% |
18,9% |
0,9% |
0,8% |
0,8% |
0,1% |
Источник: собственные расчеты на основе данных National statistical bureau of China
Анализ корреляций независимых переменных показал, что сильной корреляции между переменными не наблюдается (табл.5). Присутствует средняя зависимость между доходами, не связанными с заработной платой и долей пожилых людей, а также среднегодовым темпом роста располагаемых доходов (0,47 и -0,45 соответственно), первое может быть объяснено трансфертами, которые получают пожилые люди.
Таблица 5
Корреляционная матрица независимых переменных (городские домохозяйства)
|
income_wage |
income_other |
CAGR |
old |
||
|
income_wage |
1 |
||||
|
income_other |
-0,02 |
1 |
|||
|
CAGR |
-0,08 |
-0,45 |
1 |
||
|
old |
-0,009 |
0,47 |
-0,25 |
1 |
Источник: собственные расчеты на основе данных National statistical bureau of China (2018)
Размах выборки и вариация на уровне почти 100% по зарплатным доходам отражает региональные диспропорции в уровне благосостояния. Примечательно, что на уровне прочих доходов регионы более однородны. Взвешенные по населению средние показатели по расходам незначительно отличаются от показателей без весов, однако более существенные различия просматриваются в средних показателях дохода (ниже заработная плата, но выше прочие доходы на ~10%). Коэффициенты вариации также меняются: выборка становится гораздо менее гомогенной с точки зрения всех показателей кроме зарплатных доходов. Размах в средних расходах также отражает разные потребительские паттерны регионов, что дает основание для их кластеризации и отдельного изучения с точки зрения драйверов потребления.
Таблица 6
Описательная статистика по выборке (городские домохозяйства)
|
Min |
Max |
Mean* |
SD* |
Mean** |
SD** |
||
|
income_wage |
5,0 |
56,1 |
11,31 |
10,27 |
10,13 |
8,76 |
|
|
income_other |
5,4 |
30,3 |
16,86 |
5,26 |
18,09 |
13,64 |
|
|
CAGR (2012-2018), % |
7,3 |
12,2 |
9,15 |
,95 |
9,08 |
5,89 |
|
|
Old dependency ratio, % |
8,0 |
22,7 |
15,69 |
3,7 |
16,84 |
12,45 |
|
|
Среднее количество членов семьи |
3,0 |
4,8 |
3,81 |
,43 |
3,80 |
2,53 |
|
|
Расходы на продукты питания, напитки |
4,5 |
11,7 |
7,21 |
1,64 |
7,25 |
5,23 |
|
|
Расходы на одежду |
,9 |
2,8 |
1,81 |
,4 |
1,81 |
1,18 |
|
|
Расходы на услуги |
,7 |
2,8 |
1,59 |
,44 |
1,64 |
1,25 |
|
|
Расходы на транспорт и связь |
1,8 |
6,0 |
3,39 |
1,12 |
3,50 |
2,90 |
|
|
Расходы на развлечения, обучение |
,7 |
5,7 |
2,81 |
1,16 |
3,00 |
2,53 |
|
|
Расходы на медицину |
1,1 |
4,5 |
2,3 |
,98 |
2,18 |
1,46 |
|
|
Сбережения |
2,9 |
22,5 |
8,24 |
4,46 |
8,36 |
6,73 |
Размерность всех данных в тыс. юаней кроме тех переменных, где указано иное; *без весов, **взвешенное по населению
Источник: собственные расчеты на основе данных National statistical bureau of China (2018)
Были построены 2 типа моделей по каждой зависимой переменной: линейная и логарифмически-линейная (Приложения 1-14). Коэффициенты регрессий и их значимость представлены в таблицах 7 и 8.
В итоге выявлено, что с ростом доходов потребление увеличивается по всем категориям, но с разной скоростью. Так повышение заработной платы и прочих доходов на 10 тыс. юаней в год каждый дает максимальный прирост расходов на образование и досуг (на 21% и 29 % соответственно), транспорт и связь (на 18% и 36%). Минимальную чувствительность к приросту доходов, вопреки теории сдвига потребления от товаров первой необходимости, демонстрируют расходы на одежду и услуги, а не продукты питания. Примечательно, что незарплатные доходы оказывают больший эффект, чем зарплатные, на рост расходов на питание и транспорт в линейной модели и по всем типам расходов кроме одежды в полулогарифмической. Также в линейной модели зарплатные доходы оказывают более сильный эффект на сбережения. Данные наблюдения опровергают гипотезу перманентного дохода.
Среднегодовой прирост располагаемых доходов (CAGR) оказывает положительное влияние лишь на продовольственные расходы, в случае же с расходами непервой необходимости (образование и досуг) эффект показателя отрицательный: при повышении темпа прироста доходов на 2 % расходы на данную категорию в среднем снижаются на четверть. Данные результаты опровергают теорию повышения текущих расходов при оптимистичных ожиданиях от доходов будущих периодов, однако надо иметь в виду, что в данной выборке учитывались не отдельные семьи, а агрегированные средние значения по регионам, в самых обеспеченных из которых прирост доходов был несколько ниже, чем в менее развитых.
Модель по расходам на здравоохранение имеет наименьший коэффициент детерминации (14%), что свидетельствует о том, что данные траты зависят от других факторов, а также не являются запланированными для семей, поэтому слабо соотносятся с уровнем их благосостояния. В обеих моделях фактор old (доля пожилого населения) оказывает незначимое влияние.
Таблица 7
Коэффициенты линейных регрессий (городские домохозяйства)
|
food |
clothes |
facilities |
transport_comm |
edu_leisure |
healthcare |
savings |
||
|
R Square |
,698 |
,337 |
,465 |
,730 |
,638 |
,099 |
,940 |
|
|
income_wage |
,103 |
,017 |
,022 |
,072 |
,075 |
-,008** |
,384 |
|
|
income_other |
,212 |
-,003** |
,028* |
,138 |
,076 |
-,020** |
,358 |
|
|
CAGR |
,526 |
-,102** |
-,080** |
,089** |
-,173** |
-,328** |
,194** |
|
|
old |
-,053** |
,025** |
-,002** |
-,040** |
,005** |
-,038** |
,022** |
*незначимые на уровне 5%, **незначимые на уровне 10% (t-статистика); размерность наблюдений income_wage, income_other - тыс. юаней на душу населения за 2018 год, наблюдений CAGR, old - проценты.
Источник: собственные расчеты на основе данных National statistical bureau of China (2018)
Таблица 8
Коэффициенты полулогарифмических регрессий (городские домохозяйства)
|
Ln_food |
Ln_clothes |
Ln_facilities |
Ln_transport_comm |
Ln_edu_leisure |
Ln_healthcare |
Ln_savings |
||
|
R Square |
,646 |
,315 |
,438 |
,648 |
,579 |
,143 |
,850 |
|
|
income_wage |
,013 |
,009 |
,012 |
,018 |
,021 |
-,003** |
,032 |
|
|
income_other |
,028 |
-,001** |
,016* |
,036 |
,029 |
-,010** |
,047 |
|
|
CAGR |
,076 |
-,055** |
-,074** |
,013** |
-,128* |
-,178* |
,007** |
|
|
old |
-,006** |
,017** |
,002** |
-,004** |
,005** |
-,018** |
-,006** |
*незначимые на уровне 5%, **незначимые на уровне 10% (t-статистика); размерность наблюдений income_wage, income_other - тыс. юаней на душу населения за 2018 год, наблюдений CAGR, old - проценты; натуральные логарифмы обозначены Ln.
Источник: собственные расчеты на основе данных National statistical bureau of China (2018)
3.2 Факторы, влияющие на потребление китайских домохозяйств в 2013
Для сопоставления выявленных трендов на агрегированных данных за 2018 год, а также выявления региональных особенностей были проанализированы и взяты за основу регрессионного анализа данные регулярного опроса домохозяйств Китайского института распределения доходов (CHIP) за 2013 год. Ниже приведен анализ источников дохода, сбережений и долговой нагрузки домохозяйств в двух выборках: 6065 городских домохозяйств, 9828 сельских, каждая выборка охватывает все провинции КНР.
В городских семьях большинство членов опрошенных домохозяйств (81%) являются наемными работниками и полагаются на доходы от заработной платы, в среднем составляющие 67 тыс. юаней или 9,5 тыс. долларов на домохозяйство в год. Еще большая часть домохозяйств получает доход от владения собственностью (доход с финансовых активов или с недвижимости), однако средние вложения такого источника дохода в бюджет семьи не более 1 тыс. юаней в месяц. Четверть опрошенных семей получает доход от предпринимательской деятельности, однако средние значения прибыли почти в 3 раза уступают средней заработной плате (табл.9). Данный факт отчасти объясняется наличием убыточных бизнесов в выборке, а также большим количеством мелкого предпринимательства, дополнительного к основному доходу. Доходы от ведения бизнеса составляют всего 7% от общей суммы доходов выборки. Положительные трансферты получает более половины опрошенных семей, стоит отметить, что трансфертная политика Китая включает в себя как стандартные социальные выплаты и возврат налогов, так и специальные гранты для этнических меньшинств, государственных служащих, субсидии для специалистов, переезжающих в менее развитые регионы страны Jiang T., Zhao Z. Government Transfer Payments and Regional Development in China. 2003: https://www.researchgate.net/publication/228417464_Government_Transfer_Payments_and_Regional_Development_in_China.
Таблица 9
Источники доходов выборки (городские домохозяйства)
|
Тип дохода |
Доля, получающих тип дохода |
Среднее (по получающим доход), тыс. юаней |
Доля типа дохода в общей сумме доходов выборки |
|
|
Заработная плата |
81,1% |
66,99 |
62% |
|
|
Доход от предпринимательской деятельности |
24,5% |
23,9 |
7% |
|
|
Доход от собственности |
87,8% |
10,5 |
11% |
|
|
Трансферы |
54%* |
34,16* |
21% |
*При значении >0, остальных случаях ? все значения отличные от нуля
Источник: собственные расчеты на основе данных China Institute For Income Distribution, CHIP Dataset (2013)
Если для городских семей заработная плата является основным источником доходов, то для большинства сельских это также доход от бизнеса, который получает 83% респондентов (треть от всех суммарных доходов домохозяйств). Несмотря на то, что трансферты получают 70% сельских жителей их общий размер и вклад в итоговые доходы значительно ниже, чем в городских семьях (табл.10).
Таблица 10
Источники доходов выборки (сельские домохозяйства)
|
Тип дохода |
Доля, получающих тип дохода |
Среднее (по получающим доход), тыс. юаней |
Доля типа дохода в общей сумме доходов выборки |
|
|
Заработная плата |
77% |
21,5 |
46% |
|
|
Доход от предпринимательской деятельности |
83% |
14,5 |
33% |
|
|
Доход от собственности |
43% |
5,0 |
6% |
|
|
Трансферы |
70%* |
7,8* |
15% |
*При значении >0, остальных случаях-все значения отличные от нуля
Источник: собственные расчеты на основе данных China Institute For Income Distribution, CHIP Dataset (2013)
Домохозяйства были проанализированы относительно наличия долгосрочных финансовых накоплений и долговых обязательств. В итоге, почти 80% городских семей обладают накоплениями в среднем в размере 88 тыс. юаней при отсутствии долгов. 13% семей - имели и накопления, и обязательства, при этом в среднем размер кредита в среднем более чем в 2 раза превышал имеющиеся накопления домохозяйства. Только у менее чем 1% опрошенных были кредиты при отсутствии каких-либо сбережений. Данная финансовая устойчивость семей и низкая закредитованность подтверждается и на уровне агрегированных данных по стране за 2013 год (табл. 11), однако как показано на рисунке 7 в 2017 году общая долговая нагрузка домохозяйств впервые стала превышать сбережения.