消费者信心指数及其预警系统

消费者信心指数及其预警系统——以北京城镇居民调查为例

内容提要：消费者信心指数是宏观经济的先行指标，因此科学计算与评价它的发展走势具有重要的现实意义。本文根据2008年3月北京市城镇居民消费者信心指数调查数据及其测评体系，利用结构方程模型，测算出各级目标权重，而后通过加权计算，得到消费者信心指数值。最后，为了克服指数的局限性，建立了消费者信心预警系统，以评价消费者信心的安全程度，从而更好地监测和预警宏观经济的发展趋势。

关键字：消费者信心指数、结构方程、模糊综合评价

中图分类号：C813 文献标示码：A

The Predicted Warning System of The Consumer Sentiment Index

——Taking Beijing’s urban residents’ survey as an example

Abstract: The consumer sentiment index is the preceding indicator of macroeconomics, so it has practical significance to compute and evaluate the development trend of the index. In this article, according to the survey of Beijing`s urban residents’ consumer sentiment index and its evaluation system, we calculate the target’s weight of all levels with the structural equation model, then through the weighted calculation, we get the value of the consumer confidence index. Finally, in order to overcome the limitations of index, we established the predicted warning system of consumer sentiment index, for evaluating the safety of the consumer sentiment and better monitoring the development of macroeconomic trends.

Key words: Consumer Sentiment Index, Structural Equation Models, Fuzzy Evaluation Model

消费者信心指数（Consumer Sentiment Index）是消费者对目前和未来国家（或地区）经济形势、社会就业状况、个人预期收入、个人生活质量、国家消费政策、物价和股市走势等情况的主观判断。消费者信心指数包括即期指数和预期指数两部分，即期指数是消费者对当前经济状况的评价，而预期指数是消费者对未来一段时期经济前景的评价。按照国际惯例，消费者信心指数是介于0到200之间的数值，其经济含义是指数越接近200，表示消费者越乐观、信心越强；而指数越接近0，则表示消费者越悲观、信心越弱。

由于消费者信心指数是宏观经济的先行指标，通常情况下，消费者信心上升，那么股票市场将其视为利好消息，引起股票价格的上涨；而债券市场则将其视为利空消息，引起债券价格的下跌。所以，经济学家将消费者信心指数视为观察国家经济运行较为灵敏的经济指标之一。

然而，消费者信心指数是被调查者的一种心理感受和主观判断，具有很强的模糊性，难以度量。因此选择一种比较科学的指数评价方法就显得尤为重要。本文根据2008年3月北京市统计局城镇居民消费者信心指数的调查数据，运用结构方程和模糊综合评价方法，客观得将定性问题定量化，并建立了消费者信心指数预警系统，以监测其未来的发展变化，从而更有助于决策者对宏观经济（或地区经济）的总体把握。

以下，在不引起争议的情况下，为表述方便，本文将所研究的北京市城镇居民消费者信心指数及其预警系统，简称为“消费者信心指数及其预警系统”，而不再加以区分。

一、问卷数据量化规则

此次调查采用分层抽样方法，共回收有效问卷594份。问卷采用李克特（Likert）量表测量，即每个问题的选项均按照消费者信心由强到弱依次排列，并分别标记为“1”、“2”、“3”、“4”、“5”，以度量被调查者对该问题的信心强弱程度。例如，问卷第一题“请问：您认为当前本地区的经济总体状况如何？”，选项依次是“很好”、“较好”、“一般”、“较差”、“很差”。那么如果被调查者选择了“很好”，则在数据录入中标记为“1”，表明其对本地区经济总体状况的信心很强。

由于问卷采用李克特量表度量，且在数据录入中被标记为“1”、“2”、“3”、“4”、“5”，其中被标记的数值越小，表明其信心程度越强。因此，在指数计算中我们定义如下量化规则f：如果调查数据为“1”则量化为200；“2”量化为150；“3”量化为100；“4”量化为50；“5”量化为0，由此不难看出，所有的原始数据经

过此规则量化后，其取值均在0到200之间，而且通过算术平均或加权平均运算，其数值也将落入0到200之间，从而符合消费者信心指数的值域规定，同时其数值大小也如实反映了消费者信心的强弱程度，因此很好的度量了被调查者的心理感受。

二、消费者信心指数测评指标体系

结合北京市统计局城镇居民消费者信心指数的抽样调查数据，以及国际通行的消费者信心指数编制办法，本文将消费者信心指数测评指标体系定义如下：

三、结构方程测算各级目标权重

我们知道表1中各级目标值的计算，都是通过它的次级目标值加权得到的，因此每一个计算表达式都可以看作是一个方程式，然而这个方程式的加权系数我们却不得而知，于是指数计算的关键就在于如何科学、客观的给出这些权数值。本文介绍了一种新的权数测定方法，即结构方程模型（SEM）。

结构方程模型是由瑞典统计学家Karl Joreskog和Dag Sorbom于20世纪60年代末提出的，它克服了传统估计方法（如头脑风暴法和层次分析法）的主观性，并对整个指数体系的合理性进行了检验。

在结构方程模型中，我们对可直接测量的变量记为显变量，而对无法直接测量的变量记为隐变量。结构方程模型的参数估计，一般使用LISREL算法（即线性结构方程方法）。LISREL算法使用极大似然估计，构造模型估计协方差∑(θ)与样本协方差S的拟合函数FML进行参数估计：

其中，tr(A)表示矩阵A的迹；S是全部变量组成的(p+q)×1向量的样本协方差矩阵，p、q分别表示结构方程模型中隐变量和显变量的个数；∑(θ)则是模型估计的协方差矩阵；S和∑(θ)都是正定矩阵，并且∑(θ)有逆矩阵。然后通过迭代，使得上述拟合函数达到最小值，从而得到最优的参数估计。

我们根据消费者信心满意度指标体系（见表1所示），建立了消费者信心指数结构方程模型，并用AOMS 软件加以实现。在AOMS软件中，显变量用□表示，隐变量用○表示，各级目标间的结构关系和输出的路径系数值，见图1所示：

AMOS软件对结构方程模型的拟合效果进行检验，具体见表2所示：

比较拟合指数CFI、规范拟合指数NFI、增量拟合指数IFI三个指标通过比较设定模型与独立模型来衡量拟合效果，取值越靠近于1，说明模型拟合效果越好。结构方程模型一般要求规范拟合指数NFI和比较拟合指数CFI在0.9以上，且近似误差均方根RMSEA小于等于0.05。从表2中可以看出，CFI等于0.973>0.9，NFI等于0.942>0.9, RMSEA等于0.037<0.05，故模型拟合较优。为了更直观的反映变量间的影响程度，我们对图1中的路径系数做归一化处理，即得到了各级目标的权重，结果见图2所示：

四、消费者信心指数测算及其局限性

（一）消费者信心指数的测算

首先，我们对每道问题的所有选项，按数据量化规则f转化后，进行算术平均，得到消费者信心指数测评指标体系中的所有观测变量ui；然后根据图2给出的各级目标权重，对ui进行加权平均，得到二级目标Ci、一级目标Ui以及最终指数的数值Z，计算结果见图3所示：

经计算，此次调查的消费者信心指数为98.12，其中消费者即期信心指数为93.76，预期消费指数为102.12，通过该数值大小便能够判断消费者信心的强弱程度。不难看出，消费者信心指数值小于100，所以总体表现出悲观。但是，预期信心指数却大于即期信心指数，因此，未来消费者信心有可能会加强。另外，如果我们能够得到在不同时期消费者信心的指数值，那么通过该时序数据，我们便能了解和掌握消费者信心指数的总体变化趋势。

（二）消费者信心指数的局限性

然而，我们在实际应用消费者信心指数时也会感到疑惑：指数数值的大小虽然描述了消费者信心的强弱，但是这种强弱程度到底是什么，很难说得清楚。换句话说，指数数值究竟落在什么范围内，是安全的；而又在什么范围内是危险的呢？例如现在有三个指数值，它们分别是150、130和110，当然我们知道指数值越大，消费者信心就越强，所以相对于130和110来说，150是最好的，但是你很难单独评价130和110的信心程度，而且你也不知道该指数究竟低于多少时，消费者信心程度会发生质的改变？我们认为指数的这种局限性，并不是指数本事出了问题，而是由于它所评价的信心本身具有模糊性，因此用具体数值去衡量原本模糊的事物，当然会力不从心。为此，本文在消费者信心指数的基础上，利用模糊综合评价方法，建立了消费者信心预警系统。

五、消费者信心模糊综合评价之预警系统

消费者信心预警系统是用“红”、“橙”、“黄”、“绿”、“蓝”五种信号灯组成的，用以监控消费者信心安全程度的综合评价方法。这五种信号灯分别代表了消费者信心非常弱、较弱、一般、较强和非常强。由此，不难看出，如果调查数据显示消费者信心处于“蓝灯”或“绿灯”时，则表明当前消费者信心已处于安全区域；相反，如果消费者信心处于“红灯”或“橙灯”时，则表明消费者信心已处于危险区域，其中“红灯”代表消费者信心已极度恶化。如果消费者信心由“绿灯”转为“黄灯”时，则表明消费者信心开始下降，此时，政府应加强监控，实施必要干预措施，以刺激总需求；而如果消费者信心由“黄灯”转为“绿灯”，则表明消费者信心开始提升，或者政府在前期实施的干预政策发生了积极的效力。

由此，我们介绍了消费者信心预警系统在评价消费者信心安全程度以及指导政府工作的重要作用。以下是应用模糊综合评价方法建立的消费者信心预警系统，由于模糊数学作为研究和处理模糊性现象的数学方法，能够有效地克服指数的局限性（即用确定的数值去反映原本模糊的事物），从而使得整个分析过程变得更加科学、合理。

根据模糊综合评价的基本理论知识以及图2得出的权重，我们定义消费者信心的因素集U={u1, u2, …, u14}，并将其划分为三个层次：

一级目标集U={U1, U2}，权重W={0.478, 0.522}；

二级目标集U1={C1, C2, C3}，权重W1={0.385, 0.230, 0.385 }；U2={C4, C5, C6}，权重W2={0.340, 0.242, 0.418}；

三级目标集（即观测变量集）C1={u1, u2, u3, u4}，权重W11={0.283, 0.316, 0.286, 0.155}；C2={u2}，权重W12={1}；C3={u6, u7}，权重W13={0.669, 0.331}；C4={u8, u9, u10, u11}，权重W14={0.375, 0.410 , 0.030, 0.185}；C5={u12}，权重W15={1}；C6={u13, u14 }，权重W16={0.549, 0.451}；

评价集V={蓝灯, 绿灯, 黄灯, 橙灯, 红灯}

1．对“消费者即期信心”做综合评价

首先，对“宏观经济环境即期信心”做综合评价：

u1 = [0.074 0.428 0.414 0.067 0.017]

u2 = [0.017 0.210 0.549 0.180 0.044]

u3 = [0.003 0.049 0.173 0.455 0.320]

u4 = [0.054 0.162 0.196 0.386 0.202]

其中，向量u1中第1个元素是被调查者对即期经济总体状况u1评价“很好”的比重（即信心非常强的比重）；第2个元素是被调查者对u1评价为“较好”的比重（即信心较强的比重）；第3个元素是被调查者对u1评价为“一般”的比重（即信心一般的比重）；第4个元素是被调查者对u1评价为“较差”的比重（即信心较差的比重）；第5个元素是被调查者对u1评价为“很差”的比重（即信心很差的比重）。其它观测变量ui 的计算以此类推。

于是，得到单因素评价矩阵R11

2．对“消费者预期信心”做综合评价

同“消费者即期信心”综合评价的计算方法一样，我们能够得到“消费者预期信心”的综合评价矩阵B2：

根据最大隶属度原则和评价集V={蓝灯, 绿灯, 黄灯, 橙灯, 红灯}，可以认为当前消费者信心预警灯为“黄色”，表明消费者信心处于“一般”水平，需要政府采取必要的干预措施，以防止有效需求不足，影响宏观经济的整体运行。

六、应用建议

在实际应用消费者信心指数及其预警系统时，我们需要注意：首先，指数发布部门应该按照既定的时间进行调查，一般消费者信心指数每月公布一次，这样我们就能得到该指数的时序图，以便从绝对量上分析其未来的发展走势。

其次，利用模糊综合评价方法对其进行监测，尤其要注意各种预警灯之间的转变，以及这种转变所代表的含义。因为预警灯颜色的变化，实际上反映的是消费者信心安全程度“质”的改变，指数发布部门应该参照预警灯所反映的情况，找出问题的根源所在，并对相关部门提出相应的政策建议，以便在危险降临之前，通过必要的调控手段加以消除，从而更好地指导决策者的工作。

最后，我们需要指出，本文所采用的指数计算方法，不仅仅极大限度的减少了人为的主观性，而且还能够广泛地应用于其它指数的计算，因而具有很强的实用价值。

参考文献：

[1] 谢季坚，刘承平．模糊数学方法应用[M]. 第2版. 武汉：华中科技大学出版社. 2000: 190~253

[2] 顾海. 城镇居民医疗顾客满意度指数的实证研究[J]. 社会学研究. 2008(03).

[3] 息志芳, 刘建光. 第三方物流顾客满意度的模糊综合评价分析[J]. 中南财经政法大学研究生学报. 2006(04).