刘　湖，张家平

(陕西师范大学 国际商学院，陕西 西安　710100)



互联网驱动居民消费的效应分析

刘湖，张家平

(陕西师范大学 国际商学院，陕西 西安710100)

摘要:新常态下，互联网将成为促进居民消费的一个重要引擎。基于中国31个省市(区)2003—2013年省级面板数据，运用动态面板GMM估计方法，考察了互联网发展对居民消费的驱动效应。研究发现：互联网普及对中国居民消费具有显著的促进作用，而交通物流业发展能够提高互联网对居民消费的溢出效应；同时还发现，中国城镇化进程中存在“伪城镇化”现象，因此，“十三五”应该加强以人为本的新型城镇化建设。

关键词:互联网；居民消费；消费升级；新型城镇化

一、引言

2008年全球金融危机以来，中国经济增长在波动中持续放缓，刺激和促进消费已经成为保持中国经济健康、持续增长的一个重要任务。互联网等信息和通讯技术(Information and Communication Technologies,ICT) 的发展和广泛应用,对中国居民的工作和生活产生了重要的影响。随着电子商务等互联网交易和支付平台的出现，网络购物、网络在线学习、网络视频及动漫等生活消费活动正在不断地从时间和空间上改变着居民的消费文化[1]。

根据中国互联网信息中心(CNNIC)关于《2014年我国网络购物市场研究报告》显示，截止2014年年底，中国互联网购物用户规模较2013年增长19.7个百分点，在中国居民消费增长缓慢的背景下，中国网络零售市场却一直保持着高速发展的态势，2014年网络零售销售总额同比增长49.7个百分点，远高于同期居民消费增长率。随着中国“互联网+”战略进一步实施，互联网技术必将为中国居民消费增长和经济增长转型注入新的活力，对互联网与驱动居民消费的相关研究也显现出十分重要的现实意义。

鉴于此，现将基于中国31个省市(区)2003—2013年省级面板数据，运用动态面板GMM估计方法就互联网发展对居民消费的驱动效应进行一定的经验分析，同时给出一定的定性结论。为中国在未来把握互联网发展机遇、扩大国内消费、实现经济发展质量提升方面作出有益的理论探索。

二、机理分析

1.居民消费

在中国经济进入新常态的背景下，如何促进居民消费、确保经济平稳增长，是经济学界近年来研究的一个重要问题。李建强[2]指出现代消费的市场机制大多是建立在相对成熟的西方社会体制背景上，然而面对中国特殊的城乡二元结构，研究中国的居民消费问题，必须要结合中国的具体国情。吴崇宇等[3]基于“缓冲储备储蓄”理论模型，探讨了中国居民消费的影响因素，发现中国居民收入增长水平、居民收入分配公平度、人口年龄结构及其他社会政策等因素对居民消费有着重要的影响。陈斌开[4]基于生命周期理论探析了中国居民消费和城乡收入差距的关系，发现中国城乡收入差距抑制了居民消费需求，而且居民收入越高，居民的边际消费倾向就越低。付波航等[5]基于动态面板数据考察了城镇化和居民消费率的关系，发现城镇化水平的提高会在一定程度上刺激城市居民消费率，但是过快的城镇化速度却对居民消费率增长产生了阻碍作用。胡日东等[6]基于LA/AIDS拓展模型研究了城乡收入差距对居民消费结构的影响，并建议政府在未来应该加强对城乡收入差距的控制，从而有效地优化中国居民消费结构。武晓利等[7]分析了财政支出结构对居民消费率影响及传导机制，发现通过增加政府财政支出，不但对居民消费具有挤出作用，而且还造成了中国居民消费率下降。王勇[8]通过DSGE模型研究了利率变动对中国居民消费的影响，发现利率的下降，会通过降低实际利率，继而来降低居民当期消费及未来消费的跨期弹性和提高居民收入两种机制来增加居民消费。

2.互联网与居民消费

近年来，有关互联网与居民消费的相关研究已经成为宏观经济学研究的一个热点。黄文彦等[9]对影响大学生网络消费意愿的因素进行了实证研究，发现网站设计易用性、安全隐私、货物配送服务质量和口碑等因素对大学生网络消费具有显著的促进作用。张琰等[10]对移动互联网背景下“90后”大学生网络消费进行了研究，指出在如今的信息互联网时代，接受了高等教育的大学生已经成为互联网使用和网络消费的主力军，大学生网络消费具有多元化、超前化、个性化和时尚化等特点，因此电商企业应该正确引导“90后”大学生网络消费行为。高芳放[11]对大学生互联网消费行为和心理进行了调查，通过以河南省大学生为研究对象，发现大学生网络消费结构呈现出多样化特点，并且大学生网络消费安全意识较强但维权意识较差。李玉海等[12]指出移动互联网消费的兴起并不是一个偶然的现象，相对于传统消费，移动互联网具有：移动性、即时性、新颖性、随机性、方便性等特点；易行健等[13]通过中国城镇家庭的微观数据，考察了家庭收入与人口结构特征对居民互联网购买行为的影响，发现家庭可支配收入水平的上升会增加家庭互联网购买行为的概率，家庭互联网购买行为与户主年龄显著呈现“U”型关系，同时女性相对于男性更偏好于互联网购买，并且互联网的计算机数目增加对家庭互联网购物行为发生具有显著的促进作用；席广亮等[14]对南京市网络消费影响因素和空间特征进行了一定的研究，指出居民社会阶层的差别及相应居住空间的差异等因素对居民网络消费空间特征具有重要的影响。目前，国内对互联网普及和网络消费的相关实证研究还比较少，在有限的文献中，仅见谢印成等[15]用实证方法从互联网发展的6个角度探讨了其与中国网络消费的关系，指出中国互联网发展对网络消费具有积极的作用，并建议中国应该继续加快信息化消费的进程。

目前，关于互联网发展对居民消费影响研究的相关文献主要聚焦在互联网发展对网络消费及其行为影响方面，这些研究通常基于时间序列数据，同时欠缺对影响网络消费的其他控制变量的考察，也只是简单地基于OLS考察变量之间关系。中国幅员辽阔，地区及城乡发展不同，因此简单时间序列数据就有一定的偏差；此外，互联网的发展并不仅仅是直接促进了网络消费，尤其是随着中国“互联网+”战略实施以后，众多产业都将会和互联网形成千丝万缕的网络关系，互联网发展也将对线下消费产生重要的影响，因此单纯只研究互联网发展对网络消费的影响，会忽略互联网发展在带动居民整体消费增长中的间接效应。因此为了在这一问题上探寻新的经验证据，拟将基于动态面板GMM估计方法就中国互联网普及对居民消费的影响作进一步的分析。

三、实证分析

1.模型设计

由于中国相关机构从2003年开始对各省份的互联网普及率这一指标进行统计，因此选择2003年为研究起始期；研究的时间范围为2003—2013年，以居民人均实际消费的对数为因变量，互联网普及率为关键解释变量，构建面板模型(1)：

lnCONSi,t=α0+λ1INTERNETi,t+λXi,t+γi+εi,t

(1)

模型(1)中i和t分别代表省份(市/区)和时间，ln CONS代表居民人均实际消费的对数，X代表其他可能影响居民消费的控制变量，γi为不可观测的地区效应，ε为随机误差项。

控制变量X包括以下几个部分：① 基本解释变量，包括人均实际GDP的对数(ln RPGDP)、人均收入的实际增长率(UI)和实际利率(R)；② 人口环境变量，包括少儿抚养比(CDP)、老人抚养比(ODP)、性别比(SR)和城镇化(UR)；③ 其他控制变量，包括a. 城乡收入差距，因为缺乏各省基尼系数，故采用城乡人均纯收入比值(RUI)来衡量；b. 财政变量，用各省市(区)财政盈余占GDP比值(FLSD)来衡量；c. 交通运输投资变量，因为现代互联网商业发展对各地区的交通、物流状况的依赖性很强，因此采用各地区交通、运输投资占GDP比值(TR)来衡量。可进一步将模型(1)展开，得到模型(2)：

lnCONSi,t=α0+λ1INTERNETi,t+λ2lnRPGDPi,t+λ3lnUIi,t+λ4Ri,t+

λ11TRi,t+γi+εi,t

(2)

2.数据来源

研究时间区间为2003—2013年，由于个别变量缺乏2010年的数据，故将所有变量都去掉2010年数值，因此研究时间为2003—2013年中除去2010年后剩下的10年。使用中国除港澳台外的31个省市(区)的宏观面板数据，所有数据均来自《中国统计年鉴》和中经网数据库。其中：居民人均消费以2003年为基期，采用消费价格指数修正得到；居民人均纯收入采用商品零售价格指数来修正，其他所有政府支出变量均采用GDP平减指数进行修正。实际利率的名义利率是按每一年的存款利率进行加权平均，权重为该利率实行月数占12个月的比重。

3.互联网普及率和居民消费的总体特征

图1给出了中国31个省市(区)2003—2013年期间人均居民实际消费的对数和互联网普及率的散点图，由图中可以看出，中国互联网普及率和居民消费之间存在正相关关系。

4. 变量的描述性统计分析

由表1可以看出，各省市(区)的人均居民消费、互联网普及率及其他变量均有较大的差距。

表1　变量的统计性描述

续 表

表2列出了研究的所有变量的一个相关矩阵，由表中可以看出，互联网普及率和居民消费对数之间的相关系数为0.92，表明这两个变量在统计上具有很高的正相关关系，同时看出，其他解释变量之间的相关系数不是很高，因此变量之间不存在特别严重的多重共线性。

表2　所有变量之间的相关系数矩阵

四、估计方法和结果

1.估计方法

李文星等[16]研究指出中国居民消费具有很强的惰性，即居民消费容易受以往消费习惯的影响，因此动态面板模型相对于静态面板更适合。根据以往的研究，居民消费和一些影响居民消费的因素之间可能是相互影响的，鉴于此，采用动态面板GMM模型进行估计。一方面，GMM方法通过选择合适的工具变量来有效地控制解释变量内生性的问题；另一方面，当存在遗漏变量时，GMM使用差分转换数据来克服遗漏变量的问题，因此在式(2)中加入因变量(人均居民实际消费的对数)的滞后项得到最终的动态GMM面板模型如式(3)所示：

lnCONSi,t=α0+β1INTERNETi,t+β2lnCONSi,t-1+β3lnRPGDPi,t+β4lnUIi,t+

β12TRi,t+γi+εi,t

(3)

理论上，GMM估计包括一步(One-step)和两步(Two-step)GMM，但是一步GMM估计结果的一致性要高于两步GMM，因此本文采用一步GMM估计，一步系统GMM估计相对于一步差分GMM估计能更好地解决内生性和弱工具变量的问题，同时BLundell et al[17]也证实，系统GMM比差分GMM估计偏差更小，因此研究采用一步系统GMM估计方法。

2.实证结果及分析

首先将解释变量中的CDP、SDP、SR及UR、INTERNET等人口统计方面的特征变量当做外生变量，模型中的其他所有变量都当作是弱外生的和前定的，在选择这些变量的工具变量时，采用通常方法用这些变量的滞后值作为它们自己的工具变量。采用Stata12.0软件，相关的一步系统GMM估计结果如表3所示,表3给出了各模型残差自相关检验AR(1)、AR(2)统计量对应的P值，由表3看出在5%的显著水平下都不能拒绝残差无自相关性假设，因此残差无自相关性。

表3　一步系统GMM的估计结果

注：括号内数值代表稳健标准误，*、**、***分别代表10%、5%和1%的显著水平，AR(1)与AR(2)给出的都是统计量对应的P值;由于GMM估计大样本数据，因此对协方差矩阵进行了小样本调整，标准误差是与异方差、自相关一致的稳健标准误。

(1)互联网普及率和居民消费

表3中方程(1)、(2)、(3)中互联网普及率和居民消费的弹性系数都显著为正，表明互联网对居民消费需求具有显著的促进作用。随着中国互联网使用人数的增加，互联网改变了居民消费习惯，并不断刺激居民消费，同时也为居民消费提供了更加便捷的渠道，方程(3)在方程(2)的基础上加入了交通运输投资变量，结果互联网普及对居民消费的弹性系数显著上升,由此可以看出各地区交通运输条件的便捷程度在互联网对居民消费的促进中起到了很好的调节作用。张广胜[18]、钱乃余等[19]指出，现代物流是生产通向消费的重要桥梁，物流的发展对刺激居民消费具有重要的作用，它们之间存在相互影响、相互制约的关系。

(2)人口结构变量和居民消费

表3中少儿抚养比、老年抚养比和城市化率等人口结构变量的系数都不显著，没有找到它们和居民消费的直接关系，这与Ram[20]的研究类似，原因可能是关于人口结构的变化是“内生条件决定的”，因此少儿抚养比和老年抚养比的变化对居民消费影响复杂，在不同时期与不同地区可能具有不同的影响效果；同时，张秀利等[21]指出，当前中国人口城市化进程中也表现出明显的“伪城镇化”，即以经济为导向的生产要素城镇化而非以人为本的城镇化，这在一定程度上解释了近年来中国各地区加快实现新型城镇化，只有切实提高了城镇化质量，才能释放城镇化拉动居民消费的巨大潜力。表3中，性别比对居民消费的弹性显著为正，但是性别比对居民消费的影响也较为复杂，李承政等[22]指出人口性别比对居民消费的影响可能随着时间的变化发生变化。

(3)其他解释变量和居民消费

人均居民收入和居民纯收入的增长率对居民消费率具有显著的促进作用，收入是消费的前提，因此收入水平的增加，能够增强消费者的信心，从而激发消费者消费。滞后一期的居民消费的对数ln CONS(-1)的系数显著为正，由此可以看出我国消费者以往的消费观念、方式对居民消费行为产生了重要的影响，中国居民消费存在很明显的惯性。实际利率R对居民消费的影响显著为负，这与李文星等[16]的研究类似，表明居民消费具有前瞻性。政府交通运输投资对居民消费的影响显著为负，这与李建强[2]的研究相似，政府公共支出对居民消费产生了显著的挤出效应。财政盈余变量FLSD对居民消费的弹性系数显著为正，同时系数较小，这与付波航等[5]的研究结果相同，可能解释是，采用凯恩斯的财政需求管理政策，一方面促进了居民消费，另一方面通过税收降低了居民的实际收入，因此两种效应具有相互替代性，又具有互补性。另外，关于城乡收入差距对居民消费的影响没有通过显著性检验。

3.参数的一致性检验

对于面板数据，在样本数量较少及使用工具较弱时，GMM估计可能产生较大的偏倚，因此根据Bond[23]提出的关于检验GMM估计方法偏倚程度的理论，对动态面板模型进行OLS和固定效应模型估计，检验GMM估计的因变量滞后项系数是否介于OLS估计和固定效应估计的系数之间，结果如表4所示。

表4　滞后因变量的OLS和固定效应模型估计系数

由表3和表4对比，ln CONS(-1)的GMM估计系数是0.474 75，ln CONS(-1)的OLS估计系数是0.737 65，ln CONS(-1)的固定效应模型估计系数是0.394 35，满足上述的判定条件，因此说明本文的GMM估计并没有产生太大的偏倚。

五、结论及政策建议

基于2003—2013年中国省级面板数据，采用动态GMM面板模型考察了中国互联网普及对居民消费的驱动效应，结果表明：① 互联网普及对中国居民消费具有显著的促进作用，同时交通物流业发展能够提高互联网对居民消费的溢出效应；② 居民消费滞后一期对居民现期消费具有显著的正向影响，说明我国居民消费习惯比较稳定，这也在一定程度上解释了近年来我国居民消费率的持续下降；③ 中国在城镇化进程中出现了“伪城镇化”现象，城镇化促进居民年消费的潜力没有充分释放出来；④ 收入水平对居民消费具有显著促进作用，表明“十三五”期间不断增加居民收入仍然是促使居民“敢消费”的重要保障、实际利率对居民消费具有负向影响，表明居民消费具有很强的前瞻性；⑤ 证明政府财政政策也对居民消费有一定的影响。基于以上研究，为促进“十三五”期间中国经济健康发展，发挥消费对经济增长的基础性作用，因而提出以下建议：

第一加快各地区信息化进程。促进大数据、云计算、物联网在社会各领域的广泛应用，继续完善各地区“十三五”期间“互联网+”发展规划。同时，不断优化网络消费环境，加强互联网监管，促进线上、线下交易公平协调，促进网络经济的健康发展。

第二深入推进新型城镇化建设，切实提高城镇化的质量。坚持以人为本的新型城镇化建设，加快农业转移人口的市民化，增强城市规划的科学性，改善城市教育、医疗、就业等公共服务。推动城镇保障性住房安居工程建设，不断改善城市居住环境，充分释放城镇化扩大内需的巨大潜力。

第三深入挖掘国内消费潜力，不断拓展新兴消费市场。随着中国全面二胎政策的推进与人口老龄化进程的加深，如何适应消费新形势、新变化，优化消费环境对经济结构调整具有重要的作用。应该加大对养老、健康等服务消费产业的支持力度，促进供给和需求的有效对接，不断增强消费对经济增长的基础性作用。

第四稳定与完善宏观经济发展政策，促进经济健康运行，不断促进社会就业。政府应当有效地运用货币与财政政策为经济发展创造良好的发展环境，加强供给侧结构性改革，不断促进社会就业与优化创新环境，从而充分调动社会创新创业、消费积极性。

参考文献:

[1] 刘湖, 张家平. 互联网对农村居民消费结构的影响与区域差异[J]. 财经科学, 2016(4): 80-88.

[2] 李建强. 政府民生支出对居民消费需求的动态影响——基于状态空间模型的实证检验[J]. 财经研究, 2010, 36(6): 102-111.

[3] 吴崇宇, 华斌, 王裕雄. 我国居民消费的主要影响因素及居民消费预测研究——基于“缓冲储备储蓄模型”的理论扩展[J]. 经济问题探索, 2015(6): 22-28.

[4] 陈斌开. 收入分配与中国居民消费——理论和基于中国的实证研究[J]. 南开经济研究, 2012(1): 33-49.

[5] 付波航, 方齐云, 宋德勇. 城镇化人口年龄结构与居民消费——基于省际动态面板的实证研究[J]. 中国人口·资源与环境, 2013, 23(11): 110-114.

[6] 胡日东, 钱明辉, 郑永冰. 中国城乡收入差距对城乡居民消费结构的影响——基于LA/AIDS拓展模型的实证分析[J]. 财经研究, 2014(5): 75-87.

[7] 武晓利, 晁江锋. 财政支出结构对居民消费率影响及传导机制研究——基于三部门动态随机一般均衡模型的模拟分析[J]. 财经研究, 2014(6): 4-15.

[8] 王勇. 利率变动对我国居民消费的影响——基于DSGE模型的研究[J]. 消费经济, 2015, 21(2): 12-18.

[9] 黄文彦, 温世松. 大学生网络消费意愿影响因素实证研究[J]. 科技管理研究, 2012(3): 165-169.

[10] 张琰, 张亮. 移动互联网环境下“90后”大学生网络消费研究[J]. 商业经济, 2014(11): 67-69.

[11] 高芳放. 大学生网络消费心理与行为调查[J]. 中国青年研究, 2015(2): 100-107.

[12] 李玉海, 汪银霞. 移动互联网时代的信息消费需求探析[J]. 图书馆理论与实践, 2015(4): 43-46.

[13] 易行健, 张家为, 张凌霜, 等. 家庭收入与人口结构特征对居民互联网购买行为的影响——来自我国城镇家庭的经验证据[J]. 消费经济, 2015, 31(3): 3-12.

[14] 席广亮, 甄峰, 汪侠, 等. 南京市居民网络消费的影响因素及空间特征[J]. 地理研究, 2014, 33(2): 284-295.

[15] 谢印成, 高杰. 我国互联网发展对网络消费的影响实证分析[J]. 商业时代, 2014(34): 12-13.

[16] 李文星, 徐长生, 艾春荣. 我国人口年龄结构和居民消费: 1989—2004[J]. 经济研究, 2008(7): 118-129.

[17] Blundell R, Bond S R. Initial conditions and moment restrictions in dynamic panel data models[J]. Economics Papers, 1998(1): 115-143.

[18] 张广胜. 我国消费、投资、出口与物流发展动态关系研究[J]. 北京交通大学学报(社会科学版), 2015, 14(1): 111-117.

[19] 钱乃余, 韩雪. 城市居民食品消费与农产品物流的相关性研究[J]. 消费经济, 2010, 26(1): 15-18.

[20] Ram R. Dependency rates and aggregate saveing: a new international cross-section study[J]. American Economic Review, 1982(3): 537-544.

[21] 张秀利, 祝志勇. 城镇化推进与居民消费关系的实证: 伪城镇化及其破解[J]. 财经理论与实践, 2015, 36(6): 97-101.

[22] 李承政, 邱俊. 我国农村人口结构与居民消费研究[J]. 人口与经济, 2012(1): 49-56.

[23] Bond S R. Dynamic panel data models: a guide to micro data methods and practice[J]. Portuguese Economic Journal, 2002(2): 141-162.

Driving Effects of Internet on Household Consumption

LIU Hu， ZHANG Jia-ping

(International Business School, Shanxi Normal University, Xi’an 710100, China)

Abstract:The Internet will become an important engine to stimulate Chinese household consumption in the new normal. Based on China’s 31 provinces (areas) panel data from 2003 to 2013, the driving effects of the Internet on household consumption are examined by using the dynamic panel of GMM estimation method. The results are as follows: first, the popularity of the Internet played a significant role in promoting household consumption; second, transport logistics can improve the spillover effects of the Internet on the household consumption. Meanwhile, it is found that pseudo-urbanization exists in China’s urbanization process, so a new type of people-oriented urbanization should be built during “the 13th Five-Year Plan” period.

Key words:the Internet; household consumption; consumption upgrading; new-type urbanization

收稿日期：2016- 03 - 08

基金项目：教育部哲学社会科学研究重大课题攻关项目(14JZD010)；2016年陕西省软科学研究项目(2016KRM141);2016年西安市社会科学基金项目(16J78)；中央高校基本科研业务费专项资金(Fundamental Research Funds For the Central Universities)(2016CSY027)

作者简介：刘湖(1963—)，男，陕西子洲人，经济学博士，陕西师范大学国际商学院副教授，主要研究方向为智慧经济和现代服务业。

中图分类号:F713.365.2；F713.55

文献标识码:A

文章编号:1008-7729(2016)03- 0014- 08