方案使得他们的消费偏好得到满足是很难实现的，但正是因为消费者的偏好存在模糊性，使得消费者的消费偏好易被其他因素影响，而流通活动的更新迭代更迎合消费需求变化，有利于利用商品在流通中的数据来引导市场中消费者的消费偏好、优化消费结构。产品生产者能够从流通环节中获得一定的市场、消费者等信息，特别是高效、便利网络化的流通渠道能够更好引导消费者的消费偏好。生产及流通商能够以个性化的方式为消费者的不同需求提出相对应的、不同的设计方案，通常来说这种设计通过样品、半成品或者借助互联网进行虚拟形式的呈现，当消费者确定购买意愿、决定购买时相关的生产者才会进行加工，制造出相对应的商品。在消费者无法确定自身的消费偏好时，利用商品流通环节中的创新生产与创新再生产来引导消费者的消费偏好也是一种较为有效的方式。
（二）消费结构升级指数构造
消费结构升级衡量的是随着经济发展和居民生活质量的提升，消费者的消费结构呈现逐步优化的特征，表现为消费者生活质量逐步高级化。研究商贸流通发展是否影响消费结构升级，需要构建科学合理的指标对消费结构升级进行定量化分析，本文着手构建消费结构升级指标。
恩格尔系数计算的是食品消费占个人消费的比例，当食品支出占总支出的比例越少则对应的生活水平越高，两者成反比例关系。从系统性和全面性角度出发来看，消费结构的升级仅由恩格尔系数进行衡量是不够充分的，特别是目前经济水平和居民收入水平均有大幅度提升，居民消费能力和消费范围都有很大程度上的提升扩展，同时社会经济提供的可供消费的商品和服务也呈现出多样化，非食品消费对消费总额增长一定程度上起到决定作用，所以为了更好对消费结构升级的情况进行分析，本文选用发展系数。发展系数指的是医疗保健、教育、文化娱乐服务消费支出占消费总支出的比值，不仅可以衡量当前消费结构的现状还可以反映未来一段时间内居民消费结构变动情况，能够在一个更为准确的水平上衡量消费结构升级情况。本文整理2001-2016年消费结构升级指数如表1所示。
（三）商贸流通贡献度指数——基于熵值加权
熵值法可以在剥离主观性的基础上对指标的重要性进行赋值，依据指标的观测值提供的效用值来确定指标本身的权重值，信息效用值与指标重要性成正比。
1.原始数据标准化。在建立指标体系过程中，对研究问题的衡量是多维度的，所以对应的指标也是多维度的，而对应的度量单位、数据方向、绝对值大小可能都存在较大的差异，这时就需要对原数据进行标准化处理进而能够使数据都落到某一数值区间内，将差异因素消除同时又不对数据的逻辑关系和分析结果产生实质影响，本文选用极值标准化方法对原数据进行处理。
正向指标标准化公式为：;负向指标标准化公式为：;其中MAX（Xj） 、MIN（Xj） 分别为第j项指标的最大值和最小值。
2.计算第i年第j指标的比重：
3.计算第j项指标的熵值：，其中k=1/LNm，当pij=0或pij=1 时，认为pijLNPij=0
4.计算第j项指标的变异系数：Gj=1-Ej（Gj越大，指标越重要）
5.计算第j项指标的熵权：
6.计算综合得分：
利用熵值法对变量进行加权可以更好看出该变量在所有变量中的效用价值，帮助进行实证分析。在实证分析之前，本文先运用熵值法对商贸流通发展的相关指标做加权处理，具体涵盖指标如下：商贸流通就业人员占总就业人员的比例、商贸流通业增加值占第三产业增加值的比重、库存与销售额比值、批发商品销售额与零售商品销售额的比值、网络零售额与社零总额比值。利用熵值法加权后的结果如表2所示。
商贸流通对消费结构升级贡献演变实证分析——基于STR模型
（一）STR模型介绍
平滑转换回归模型（STR模型）是以转换回归为基础进行扩展的非线性模型，模型的一般形式：
Yt=φZt+θZtG（y，c，st）μt
其中Zt=（wt，yt） 是解释变量向量，wt=（1，yt-1，…，yt-p） 和xt=（1，x1t，…，ykt） 是外生解释变量向量，φ=（φ0， φ1，…， φm） 和θ=（θ0，θ1，…，θm） 是（m+1）×1的参数向量，μt～N（0，σ2） 是随机误差项，G（y，c，st） 是转换函数，它是关于连续转换变量st的有界函数，y是平滑参数，c为位置阈值参数。在转换变量G（y，c，s）=（1+exp{1-yIIkk=1（st-ck）}）-1， y>0，c1≤…≤ck 的情况下，则建立的模型为 LSTR模型，若K=1则为LSTR1模型，若K=2则为LSTR2模型。在转换变量G（y，c，st）=1-exp（-y（st-ct）2） 的情况下，则建立的模型为ESTR模型。
（二）数据预处理
1.时间序列平稳性检验。本文选用消费结构升级系数（cons）和商贸流通发展测度值（tb）建立STR分析模型。直观上看两组变量并不是平稳的时间序列，而是带有明显的趋势特征。為了进一步确定变量的平稳性，需要进行相关检验。单位根检验（ADF）是常见的检验时间序列是否平稳的常用方法，进行ADF检验前，需要确定数据的时间变化特征以确定数据是否有随时间变化而呈现出一定的趋势。从直观上看，Cons、tb都是非平稳序列，进一步进行平稳性检验，具体结果如表3所示。根据表3，cons经过二阶差分后△△ cons变成了平稳性序列I（0），tb经过一阶差分后△tb变成了平稳性序列I（0）。
2.格兰杰因果关系检验。格兰杰因果检验的变量需要是平稳的，如果单位根检验发现两个变量是不稳定的，那么不能直接进行格兰杰因果检验，因为变量不平稳才需要协整，所以首先应对变量进行差分，平稳后才可以用差分项进行格兰杰因果检验。此时要用△y、△△y、△M1、△△M2进行格兰杰因果检验。从表4中可以明显看出在10%的置信水平下，在各滞后阶数条件下P值都显著的只有tb，此时拒绝原假设，可以得到tb是cons的格兰杰原因。
（三）STR模型参数估计
1.非线性检验及模型选择。在自回归AR部分的基础上，本文进行非线性检验并确定转换变量，在拒绝原假设H0：β1=β2=β3=0 情况下，继续进行序贯检验进而能够将转换变量识别出来，借助辅助回归计算模型的F统计量和相对应的概率值，得到具体结果如表5所示。从表5中以看出，在5%的置信水平下，当tbt为转换变量时得到F统计量的对应概率均通过了显著性检验，即拒绝了原假设 H0，消费结构升级系数与商贸流通发展测度值间存在非线性关系。当以tbt为转换变量时，F统计量相伴概率小于其他转换变量的F统计量相伴概率，因此选择tbt作为转换变量。
2.参数估计及模型检验。STR模型本质是依据寻找非线性最优化解的思路进行参数估计的，使用多维格点搜索法时确定平滑参数γ和阈值参数c的初值并确定搜索步数，利用Jmulti软件得到格点搜索三维图，具体如图1所示。利用各个组合里的平滑参数γ和阈值参数c，计算其对应的残差平方并确定最小值作为初值，采用牛顿-高斯迭代法，在最大化条件似然函数上对模型参数值进行估计，参数估计情况如表6所示。
其中，
消費升级结构系数受到两个层次的影响，包括线性部分和非线性部分，两者具有可加性。以C1值为分界线，当期与前一期商贸流通快速发展会对消费结构升级产生一定的正向带动作用。进一步对模型进行检验，构建的模型非线性部分的估计对信息提取效果较好，在 5% 的置信水平下，不存在残余的非线性，具体检验参数见表7所示。
结论与建议
本文通过实证分析发现商贸流通发展对消费结构升级系数影响分为线性部分和非线性两部分，当期商贸流通发展水平对当期消费结构升级系数起到促进作用。具体来看，消费结构升级系数cons的t期值与t-1值呈成相关，具体对应的系数为0.5450，即本期的消费结构升级受到上期的消费结构升级影响，本文选取的时间考察周期为年度，而实际中消费升级的周期较长，年度间具有一定的惯性作用存在。t期商贸流通发展测度值tbt对t期消费结构升级系数const有正向的线性和非线性促进作用，也就是说商贸流通优化发展会带动当期的消费结构优化。t-1期的商贸流通发展测度值tbt-1对t期消费结构升级系数 const有正向的线性和非线性促进作用，这是因为t-1期的商贸流通发展优化会带动t-1期const-1提高，而年度消费升级间具有一定的惯性作用。同时商贸流通发展的效果作用具有一定的滞后性，流通效率的提升发挥作用通过整个商贸流通系统进行传导，需要一定的传导时间。虽然前一期的商贸流通的快速发展会抬高相应的基数，推升了本期消费结构升级的阙值，但是其发挥的作用仍是正向的，并且商贸流通值当期作用大于上期作用值。所以在制定相关商贸流通政策以支持消费结构升级时，要充分考虑到政策的跨期特征与传导时间，要大力提升商贸流通的流通效率，保持行业的稳定发展以充分利用消费升级发展的惯性特征，形成一个不断正向反馈的循环。
参考文献：
1.张艳.商贸流通业发展对我国消费增长的影响分析[J].商业经济研究，2015（16）
2.董媛.现代商贸流通业对居民消费结构的影响分析[J].商业经济研究，2016（10）
3.宋则，王雪峰.商贸流通业增进消费的政策研究[J].财贸经济，2010（11）
4.周林林.浅析商贸流通与区域经济发展的关系与路径[J].改革与战略，2015（7）
5.徐振宇，谢志华.商贸流通业稳定物价水平的机理、证据与政策建议[J].中国市场，2012（20）
6.韩术斌，肖歆.商贸流通业对我国城镇居民消费行为影响实证分析[J].商业经济研究，2016（3）
相关热词搜索： 演变 流通 消费结构 贡献 升级上一篇：耗散结构理论对考试舞弊防治的启示