四、城镇居民信息消费水平省际差异分解

（一） Shapley值分解方程的确定

诺贝尔经济学奖得主Shapley （1953） ^［94］ 提出了用于解决多个主体合作问题的博弈分析方法，即Shapley值法。 Shorrocks （1999） ^［95］ 利用Shapley值过程来计算收入方程中每一个解释变量对收入差距的贡献，之后在Wan （2002） ^［96］ 的改进下， Shapley值法能够分解任何不平等指标并对回归模型限制较少。目前，该方法在经济研究领域应用广泛，除收入不平等分解外，还有碳排放分解、产业发展不平等分解等。

使用Shapley值进行分解之前，首先需要考察自变量对因变量的解释程度，解释程度越高，即残差项的影响越小越好。在考察方法的选取上我们采用万广华等（2005） ^［97］ 的做法，将城镇居民人均信息消费支出实际值的不均衡指标与假设残差等于0时的不均衡指标间的差距作为残差项对实际不均衡指标的影响，残差项的绝对值与不均衡指数的比值可以看作修正的固定效应模型中自变量没有解释的信息消费差异的部分，而1减去该比值，即为能够被自变量解释的差异部分。以Gini系数为例，如表格2－11所示，本部分选取的影响因素在考察年度内的解释程度除2000、2002、2010三年，其余年份均在85％上，说明模型中各影响因素对城镇居民信息消费省际差异的解释力较强，可进行Shapley值分解。

其次，根据前文计量分析的结果确定用于分解的回归方程。模型（4）中，不同地区城镇居民信息消费的差异并未受到共同截距项的影响，对于固定效应的截面虚拟变量，其差异反映了各省区间固定的地域差异（地区固有因素）。借鉴以往研究通用的做法，利用回归中得到的各省区的截面虚拟变量值构造了一个新的变量D _i ，目的是分析地区固有因素对城镇居民信息消费水平的影响，并且认为其影响系数为1。这符合已有的研究结论，认为“适度的地区差异构成是信息消费结构成长的动力之一” ^［98］ 。这样，根据表格2－10回归分析的结果，得到城镇居民信息消费区域差距分解的回归方程：

ln IC _it ＝－ 0. 529 ＋ 0. 746ln INC _it ＋ 0. 124ln EDU _it ＋ 0. 018ln INI _it ＋ 0. 289ln INF _it ＋ D _i

（二）分解结果

信息消费水平地区差距的分解计算，在不失一般性的同时，为了考虑结果的稳健性，本部分的分解同时考虑Gini系数、 Theil指数和MLD指数，并参考田士超和陆铭 ^［34］ 的做法，使用Stata14. 0软件自行开发的程序计算，得到四项影响因素对城镇居民信息消费区域差异的分解结果，详见表格2－12。

从表格2－12的分解结果可以看出，根据三种指标进行的贡献排序以及三种指标的变化趋势基本保持一致，说明本部分对城镇居民人均信息消费支出省际差异的分解具有内在稳健性。在考察期内，收入水平历年贡献度均排在首位，其中2006年贡献度最高为52. 69％，2000年最低为43. 25％，年均贡献度达49. 68％，特别是2008—2014年期间呈现递增趋势，是造成信息消费水平区域差距首要的推动因素。根据凯恩斯的绝对收入假说，收入水平是决定消费水平的主导因素，在我国不同地区经济发展水平的差异直接造成了居民信息消费量的差距。信息基础设施水平对城镇居民信息消费地区差异的贡献率均值排在第二位，达到22. 67％，在考察期相对贡献率呈现波动增长的趋势。在交通、通信等基础设施条件完善和发达的地区，居民在交通、通信、教育和文化娱乐等方面的消费需求往往更高，消费质量好、技术含量高的信息产品的能力更强，与信息基础设施条件落后地区居民的“数字鸿沟”被进一步拉大。平均贡献度排在第三位的是受教育程度，达到16. 17％，特别在2000—2010年其贡献度排名呈波动上升趋势，这一方面源自考察期内各省人口受教育水平逐年扩大，另一方面也说明信息消费对其消费主体的文化素养依赖程度加深，但2010年后，贡献率逐年降低。排在第四位的信息产业发展水平平均贡献度为14. 48％，且存在显著降低趋势，说明随着中西部地区产业发展和政策红利的释放，省际产业发展差距逐渐缩小，但仍是造成信息消费地区差距的主要因素。排在第五位的是地区固有因素，平均贡献率为－3. 00％，负值表示推动地区间信息消费差距缩小的力量，地区固有因素反映了地区资源禀赋和长期政策倾斜等条件，国家对中西部地区教育、卫生、基础设施等公共资源的长期倾斜性投入成为弥补信息消费空间失衡的主要推动力量。 YzCQ5dIJK9jj7PR3MSRsgGNoOU8DN7bZtoN9pkKjXEdGJmgxXBPAF4BMPkoWN6n+