李少勇，胡敏怡，王尚九，陈巧娜，余焕杰，窦文江

（1.韶关学院 数学与统计学院，广东 韶关 512005；2.韶关学院 信息工程学院，广东 韶关 512005）

广东省2020 年GDP 超11 万亿元，连续32 年居全国首位，年均增长率保持在12.33%左右［1］.与经济高增长不同的是，广东省居民消费率由2000 年的52.9%下降至2020 年的49.4%，整体呈下降趋势，与世界主要经济体或相同人均GDP 水平的地区相比，广东省居民消费率明显偏低［2-3］，表明广东省经济发展可能难以满足人民的美好生活需要，不符合广东省高质量发展的要求［4］.

针对居民消费意愿低导致的内需不足问题，国内学者对其成因进行了多角度的探讨.盛来运等基于微观家庭面板数据探讨了人口结构变动对居民消费的影响，结果显示，少儿抚养比对家庭平均消费率起负向影响，且老龄化加剧不利于平均消费率产生但有助于提高消费收入弹性［5］.付波航等通过建立动态面板模型，在考察城镇化水平和人口结构的同时，增加了利率、通货膨胀率、财政政策等控制变量，探讨它们可能对居民消费产生的影响，实证结果显示，城镇化水平的提高对居民消费起到了积极的促进作用，人口年龄结构的变迁是居民消费率下降的原因之一，而利率、通货膨胀率、财政政策等对居民消费的影响不大［6］.邱俊杰等［7］和毕玉江等［8］探讨了消费惯性对居民消费的影响，结果表明，居民消费水平与其一期滞后项正相关，即消费惯性对居民消费有正向的促进作用.此外，学者们还探讨了劳动收入差距［9］、消费结构［10］等变量对居民消费率的影响.

对广东省18 个地级市2000—2020 年的面板数据进行分析，采用动态面板GMM 估计，旨在探究人口年龄结构变动和居民消费惯性对居民消费低迷的影响，并提供应对策略.同时，还将探讨如何应对广东省人口老龄化问题，以期为相关政策的制定提供参考.

1 计量模型构建及数据描述

1.1 计量模型构建

借鉴前述研究，选用简约型消费模型作为研究模型，该模型不依赖于特定的理论或环境，因此具有一定的通用性［6-7，11］.将解释变量分为：基本变量、人口环境变量（笔者主要关注的变量），以及其他控制变量.据此，可建立基本的面板回归方程：

其中，HCRit为i地区居民在t时期的居民消费率，μi为不可观测的地区个体效应，εit为随机扰动项.

基本变量采用人均收入增长率（IGR）.大多消费理论和实证研究均显示出，收入是影响消费的一个重要因素［12-13］，因此，人均收入增长率应是影响居民消费率的重要变量［6］.

人口环境变量Y，包括少儿抚养比（DRC）、老年抚养比（DRE）、性别比（GR）.

对居民消费率有潜在影响的控制变量Z，包括：（1）通货膨胀率（IR）.贾洪文等和马树才等的研究表明，价格波动或宏观经济的不确定性会影响人们对未来商品价格的预期，从而进一步影响居民的消费行为［14-15］.（2）工业产值占比（PIO）.王芳等研究表明，合理的产业结构能显著促进居民消费［16］；（3）财政支出占比（PFE）.财政支出对居民消费有正向促进作用，对提升民生幸福有显著影响［17-18］.

在分析不同因素对居民消费率的影响时，将面板回归方程（1）简化，仅考虑基本变量和人口环境变量，即有式（2）的基本模型：

然后，在式（2）的基础上，将可能对居民消费率产生潜在影响的控制变量Z纳入回归方程，得到扩展模型，即：

考虑到居民消费行为存在消费惯性，将居民消费率的一阶滞后项加入到模型（3）中，得到最终的动态面板模型为：

式（4）中，HCRit-1为地区居民在t-1 时期的居民消费率，IGRit、DRCit、DREit、GRit、IRit、PIOit和PFEit分别表示i地区t时期的人均收入增长率、少儿抚养比、老年抚养比、性别比、通货膨胀率、工业产值占比和财政支出占比.考虑到模型（4）因包含居民消费率一阶滞后项所带来的可能存在的内生性问题，同时为了克服遗漏变量问题，选择采用动态面板系统GMM 估计方法［6，11］.

1.2 数据来源及描述

笔者采用2000—2020 年广东省18 个地级市的面板数据，其中云浮、河源、阳江等3 市因数据大面积缺失，所以模型的实证分析中没有将这3 个城市包括在内.表1 列出了模型（4）中各变量的定义及描述性统计结果.其中，居民消费率（HCR）、人均收入增长率（IGR）、少儿抚养比（DRC）、老年抚养比（DRE）、性别比（GR）、地区通货膨胀率（IR）、工业产值占比（PIO）和财政支出占比（PFE）的数据均取自2000—2020 年的《中国统计年鉴》《广东统计年鉴》与18 个地级市的统计年鉴或经过简单计算得到［6-7，11］.

表1 变量的描述性统计 %

2 实证结果

2.1 基本模型

由表2 第2、3 列的估计结果可知，Hausman 检验的P值为0.098 3，故应选择随机效应模型.结果显示，在控制其他变量的前提条件下，人均收入增长率每增加1%，居民消费率将减少0.42%，少儿抚养比每上升1%将导致居民消费率下降0.58%，老年抚养比每上升1%将导致居民消费率增长0.16%，而性别比的系数在随机效应和固定效应中均不显著.因此，基本模型的估计结果表明，人均收入增长率、少儿抚养比与居民消费率负相关，老年抚养比与居民消费率正相关，该结果与生命周期假说预期不完全一致，与王宇鹏提出的观点相符［19］.

表2 静态模型的估计结果

2.2 扩展模型

通过添加通货膨胀率、工业产值占比和财政支出占比等3 个潜在解释变量，将模型（2）扩展为模型（3），进一步检验基本模型识别的稳健性.表2 第4、5 列扩展模型的估计结果显示，Hausman 检验P值为0.005，故扩展模型应选择固定效应.此时，人均收入增长率、老年抚养比的参数正负与基本模型中一致，而少儿抚养比的参数符号由负变为正，同时检验结果变得不显著，性别比系数依然是不显著的.在新增解释变量中，通货膨胀率的系数在随机效应和固定效应中均不显著，工业产值占比和财政支出占比对居民消费率均有显著影响，可初步认为提升工业产值占比和财政支出占比有助于提升居民消费率.

2.3 动态模型

为了避免遗漏变量的偏误，采用滞后一期的居民消费率作为消费惯性的替代变量，将静态面板模型（3）转化为动态面板模型（4），使用差分GMM 方法和系统GMM 方法对模型（4）进行估计，并进行联合显著Wald 检验和Sargan 检验.结果显示，系统GMM 的工具变量有效，而差分GMM 的工具变量无效.因此，笔者主要分析系统GMM 的估计结果.通过AR（2）检验，表明扰动项不存在二阶自相关，即差分GMM 与系统GMM 成立，因此初步认为所设定的动态模型是合理的.

由表3 可知，居民消费率与上一期居民消费率存在正相关关系（表3 第4、5 列），同时“两步估计”的结果具有显著性，这表明居民的消费行为呈现出较强的惯性［11］.估计结果表明（见表3），人均收入增长率、少儿抚养比和老年抚养比的影响是显著的，但少儿抚养比的估计结果与静态模型相反，而性别比系数由静态模型的不显著变为显著.根据动态模型的估计结果，少儿抚养比和老年抚养比对居民消费率产生的影响符合生命周期理论的预期，且现阶段广东省居民消费率断崖式下降与社会整体抚养系数的降低密切相关［7］.经系统广义矩两步估计，工业产值占比的估计结果不显著，表明工业储蓄对居民消费没有影响，这与以往的研究结果一致［7］.工业产值变得不显著，说明目前广东省的工业生产水平较低，当前水平并不能满足现阶段居民的消费需求，无法真正有效地拉动居民消费.财政支出占比的估计结果都强显著，且与居民消费率正相关，可认为财政支出的增加能解决居民消费不振.部分变量估计系数在静态与动态模型中不一致的原因可能是：静态模型中不包含居民消费习惯，且不同年龄结构的消费者的消费倾向不一致，故静态模型中可能遗漏部分重要变量.笔者还尝试将“性别比”引入居民消费率模型中，结果显示性别比系数为正，说明性别比的上升有助于居民消费率提高，初步认为广东省家庭消费领域中存在对女性的性别歧视.

表3 动态面板的估计结果

3 结束语

选取2000—2020 年广东省18 个地级市的面板数据和动态面板GMM 估计，分析了广东省人口年龄结构和消费惯性对居民消费率的影响，结果显示少儿抚养比、老年抚养比、性别比以及财政支出占比与居民消费率呈正相关.与此同时，其它变量如人均收入增长率、消费惯性等对居民消费率的影响十分显著.实证分析发现，现阶段广东省居民消费率断崖式下降与社会整体抚养系数的下降密切相关.从广东省目前人口年龄结构的变动趋势来看，未来，广东省的老龄化问题将会逐渐加剧，这意味着老年抚养比对居民消费率的影响可能会更加显著.

基于这些结论，提出建议：（1）政府可以制定相关优惠政策，从教育、医疗、住房、税收和生育休假等多方面，减轻育龄夫妻的生养成本，实现人口年龄结构的改善，促进居民消费意愿提升；（2）通过政策鼓励企业加强技能培训和人才引进，帮助居民提高就业和薪资水平，同时，优化财政支出结构，增加对消费的支持，如降低个人所得税率、扩大消费税减免范围等，提高居民消费能力；（3）积极推动消费升级，鼓励居民消费更多的高品质、高附加值产品和服务，同时提高消费者权益保护力度，增强消费者信心；（4）加强财政支出对于民生领域的投入，提高社会保障水平，特别是关注老年人的养老、医疗等问题，增强老年人的消费信心和能力.