三、城镇居民信息消费水平的决定函数

为了探寻城镇居民信息消费区域差异的成因，在运用Shapley值进行分解之前，先要建立一个城镇居民信息消费水平的决定函数。模型的因变量为城镇居民信息消费水平，与前文一致，采用城镇居民人均信息消费支出作为衡量的代理指标。

（一）城镇居民信息消费决定模型的解释变量设定

一个地区的信息消费受诸多因素影响，根据已有文献的研究，本部分认为影响地区间信息消费的主要因素包含居民收入水平、受教育程度、信息产业发展水平、信息基础设施水平等方面。

1.居民收入水平。居民收入水平是消费者对信息产品和信息服务的潜在购买能力，是影响信息消费水平的客观物质基础。根据收入消费理论，收入的增长提升了居民潜在的购买力，带来消费倾向和支出的增加，特别是在交通通信、医疗卫生、教育文化娱乐等方面支出增长，进而引起信息消费需求的增长。在我国地区间居民收入增长数量和速度方面存在差异，而这种差异同样是造成居民信息消费数量和结构差异的关键因素。

2.受教育程度。与一般消费相比，信息消费受消费者信息知识技术接受能力的影响更大。对知识、信息、技术诉求较高的人群一般具有较高的受教育程度，他们通过对信息商品和服务的消费来满足自身对物质尤其是精神文化层次的需求。而信息素养不高、受教育程度较低的人群，信息意识较薄弱，信息利用能力不强，成为阻碍居民信息消费的关键因素。

3.信息产业发展水平。信息消费需要信息产品和服务的供给方给予支持，既包括各种信息基础设施建设，也包括信息设备制造、信息内容的提供以及信息网络的运营和维护等信息产业部门的加入，因此信息产业发展是信息消费的前提。不同的信息产业发展水平下，可供消费者选择的信息设备、信息内容、信息服务等会不同，消费者的信息消费水平和层次自然会有区别 ^［14］ 。

4.信息基础设施水平。已有研究认为信息基础设施是构成信息消费环境的重要指标，政府在交通、通信、教育和文化娱乐等方面增加基础设施投入，通过改善基础设施条件和公共服务质量，提高居民的信息消费需求 ^［12］ ，从而增加在交通、通信、教育和文化娱乐等方面的消费支出。然而有些地区政府财力有限，公共服务体系不健全，信息基础设施缺乏，信息消费市场处于初级发展阶段，抑制了当地居民的信息消费行为。

（二）计量模型的变量设定与数据来源

本部分选取中国各地区城镇居民人均信息消费额（ IC）作为被解释变量。上文分析的各影响因素作为解释变量，其中居民收入水平（INC）通过城镇居民人均可支配收入反映；受教育程度（EDU）借鉴刘巍（2003） ^［90］ 的方法，采用人均受教育年限 反映；信息产业发展水平（INI）以“信息产业产值”代表各省区信息产业发展水平，借鉴刘春梅（2010） ^［91］ 的方法，选取“电子与信息设备制造业总产值”与“邮电业务总量”两项之和作为信息产业产值；信息基础设施水平（INF）利用每万人固定电话、移动电话数量、光缆线路长度进行无量纲化和简单平均后得到。考虑到数据的可获得性及统计口径的一致性，本部分考查的时间跨度是2000—2014年，在地区选择上，由于西藏地区信息产业和信息基础设施数据缺失较多，且其数据与其他地区数据相比差异较大，故将西藏排除在实证考察范围之外，因此选择中国大陆30个省（市、自治区）区作为研究对象，原始数据来源是相应年度的《中国统计年鉴》《中国人口与就业统计年鉴》《中国工业统计年鉴》和wind数据库。

（三）计量结果分析

根据前文所分析的可能影响我国城镇居民信息消费区域差异的相关因素，我们进一步设定计量模型来检验这些因素对信息消费地区差异的解释能力。为减弱模型中变量数据的异方差问题，对所有数据取对数，建立如下的模型：

其中， i表示不同地区的截面， t表示时间（2000－2014年）， ω ₀ 、 ω ₁ 、 ω ₂ 、 ω ₃ 、 ω ₄ 为待估参数， ε _it 为随机扰动项。

根据截距项的不同，面板模型被分为三种类型：混合模型、固定效应模型和随机效应模型，而估计方法的选择要建立在确定模型类型的基础上。因此，首先进行F似然比检验、 Hausman检验，根据检验结果确定模型的具体形式。 F似然比检验对应的P值为0. 0000，拒绝建立混合回归模型， Hausman检验值为39. 22，对应的P值为0. 0000，支持建立固定效应模型。考虑到截面数据可能存在异方差，利用基于White异方差稳健标准误进行修正，得到修正的固定效应模型（如表格2－10 （4）列所示）的估计结果。为了便于比较，表格2－10中还分别列出了混合模型OLS估计、随机效应模型和固定效应模型的回归结果，基于以上检验分析，最终选择修正的固定效应模型作为本部分的估计方程。

从各项系数的回归结果看均通过了显著性检验，说明回归结果稳健，修正后的固定效应模型的拟合优度R ² ＝ 0. 866，说明模型整体的解释力度良好。回归模型中各变量的系数显著为正，印证了前文的假设预期。从具体影响因素看，城镇居民人均可支配收入、受教育程度、信息产业产值以及信息基础设施水平的提高，能够在一定程度上促使人均信息消费水平提升，这也符合已有研究的结论，马哲明和李永和 ^［92］ 、杜棪 ^［80］ 研究认为居民人均收入的提高是支持信息消费迅速成长的经济基础条件，人均受教育年限增长使信息消费的支出额增加；王平和陈启杰 ^［58］ 、朱琛和孙虹乔 ^［93］ 认为基础设施建设和信息产业发展的差距是引起居民信息消费分化的重要原因。同时，模型各解释变量系数估计值的显著性水平均在10％以上，满足Shapley值分解的要求。 5VR2KPWXu6xGkCqelvEKkRkfVhXkQMSGj6KSLSMyHtdjGfBVffSz7qSNe5cCQXH4