刘大为 李淑文

摘要：互联网的使用改变了家庭消费偏好与约束条件，可以在全面促进消费中发挥积极作用。由于消费本身的复杂性以及不同消费领域中信息技术应用程度存在的差异，互联网在促进消费中对各类型消费的影响会产生不同效果。基于中国家庭动态跟踪调查（CFPS）2018年数据，运用倾向得分匹配（PSM）方法，估计互联网使用对家庭总消费和食物、衣着、居住、生活、交通通信、教育文化、医疗保健等七类消费支出的影响程度，研究发现：在促进家庭总消费的过程中，不同于传统消费影响因素对总消费和各类消费影响表现出的同步性，互联网对各类消费的影响效果具有明显的结构性差异。首先，互联网使用可以显著降低医疗保健消费，提高在其他方面的购买能力；互联网对生存类消费的促进效果有限，对提升生活品质或有助于家庭长远发展的消费促进效果更加明显，有助于家庭消费质量提升。其次，在全面促进消费中互联网影响的结构性差异主要取决于消费的需求弹性，对缺乏弹性的消费需求促进效果有限，对富有弹性的消费需求促进效果更加明显。再次，加快互联网等新型消费基础设施建设可以有力推动强大国内市场的形成和流通效率提升。

关键词：互联网；家庭消费；中国家庭动态跟踪调查；需求弹性；结构性差异

中图分类号：F126.1文献标识码：A文章编号：1007-8266（2021）07-0040-11

基金项目：教育部人文社会科学研究规划基金项目“差异化平台的兼容激励与市场结构演进研究”（16YJA790024）；贵州财经大学高层次人才项目（2018YJ58）

全面促进消费是实现“形成强大国内市场，构建新发展格局”目标的重要举措。消费一直是我国经济稳定运行与增长的压舱石，近年来最终消费对经济增长的平均贡献率为60%左右①。作为最终消费的主要构成部分，我国居民消费占比仍然偏低。2019年我国社会消费品零售总额占GDP比重为41.5%，2020年受新冠肺炎疫情影响回落到38.6%，这个比例近20年来一直徘徊在40%附近②。从世界范围来看，家庭和为住户服务的非营利机构最终消费占GDP比例平均水平一直处于58%左右③。在我国目前的消费水平下，通过全面促进消费扩大内需仍有广阔的空间。国内需求不足是我国经济发展较长时期以来比较突出的结构性问题[ 1 ]。在“十四五”及更长一段时期，随着投资增长趋缓和出口拉动作用弱化，在驱动经济增长的三驾马车中，消费作为主要动力的作用将更加重要。数据要素改变了经济的微观基础，促进了经济结构优化和模式创新，提升了资源配置效率[ 2 ]。通过对消费主体、消费客体以及消费载体的整合改造，互联网对居民消费有明显的促进作用[ 3 ]。同时，互联网发展倾向于促进内需，对进口有抑制作用[ 4 ]。在新发展格局下，通过互联网全面促进消费更有助于确立国内大循环的主体地位。

基于互联网的购物平台、快递、外卖等节约了消费者的时间成本与经济成本，有效地促进了消费增长。2020年全国实物商品网上零售额超过9.75万亿元，占社会消费品零售总额的24.9%④。由于消费者购买习惯的差异和互联网技术在各消费领域应用的不平衡，互联网对不同类别消费的促进作用存在结构性差异。深入了解互联网影响消费尤其是家庭消费的结构性差异，可以有的放矢，更有效地发挥互联网对居民消费的促进作用，有助于全面促进消费和形成强大国内市场。

互联网的使用改变了消费者的偏好和约束条件。消费偏好与习惯的强度随着消费内容和时间而不断演变[ 5 ]。互联网经济已经渗透到生活的各个领域，引起了经济环境与经济模式的根本改变。互联网的应用改变了居民消费变革的驱动力和驱动过程，促进了居民消费习惯、消费行为与消费结构变化[ 6 ]。配送效率、朋友推荐以及支付方式对网络消费有积极影响[ 7 ]。在影响消费的主要因素中，收入的总量以及构成均会影响消费。何学松和孔荣[ 8 ]基于调查数据分析了互联网对农民收入的影响，发现使用互联网获取信息可以明显提高农民收入。韩雷和彭家欣[ 9 ]发现居民可支配收入占比和平均消费倾向共同决定居民消费率的升降，收入的提高会带来消费增加，收入差距的扩大则不利于消费增长。秦晓娟[ 10 ]研究认为，收入性质对城乡消费差距影响显著，持久收入对消费有明显促进作用。刘东皇和孟范昆[ 11 ]发现，居民部门在收入初次分配中占优势有利于促进其消费。收入差距扩大则会导致居民平均消费倾向下降。纳姆（Nam）等[ 12 ]研究证实，不确定性的宏观经济风险会抑制家庭消费。刘生龙等人[ 13 ]的研究表明，互联网使用可以显著提高农村居民收入，缩小城乡收入差距。黄凯南和郝祥如[ 14 ]的研究表明，数字金融既促进了消费水平的提高，也促进了消费结构升级。李（Li）等[ 15 ]的研究同样表明数字金融能够显著促进家庭消费。张勋等[ 16 ]研究证实，支付便利性是数字金融促进居民消费的主要原因。

互联网使用可以促进家庭消费，其促进作用也表现出城乡等发展不平衡的差异。刘湖和张家平[ 17 ]基于省级面板数据的分析得出了互联网发展对城镇居民消费具有显著促进作用的结论。程名望和张家平[ 18 ]从信息红利的角度分析认为，互联网的普及显著降低了城乡居民消费差距。类似的，李洁和邢炜[ 19 ]的研究表明：电子商务的发展将使得农村居民获得比城镇居民更大的效用提升，电商市场规模的扩大有助于缩小城乡消费差距。互联网普及缩小了数字鸿沟，消费者需求偏好开始趋同，但客观上存在的发展不均衡和收入差距制约了互联网对消费的促进作用。李连梦等[ 20 ]的研究则认为电子商务发展反而加剧了城乡居民消费差距。

相对于消费水平的提升，消费结构更能体现家庭消费的质量。随着消费水平的提升，消费结构也将随之发生改变。刘东皇和孟范昆[ 11 ]的研究表明，居民可支配收入的提高对不同消费项目的增长效果存在较大差异。温涛和孟兆亮[ 21 ]的研究结果表明，我国农村居民消费水平已经有了明显提升，消费结构也开始发生变化，但农村居民消费结构有待进一步优化。蔡棟梁等[ 22 ]关于农户消费结构优化的研究表明，信贷约束显著降低了消费总量，减少了生存型消费和发展型消费，不利于消费结构优化。唐琦等[ 23 ]基于中国家庭收入调查（CHIP）数据的分析发现，互联网普及前后城镇家庭消费结构改变较大，食品和日用品占比不断下降，居住消费占比大幅提升。刘向东和米壮[ 24 ]基于中国综合社会调查（CGSS）数据的分析发现，我国整体上处于消费升级状态，但低收入阶层面临消费降级的处境。蔡海亚等[ 25 ]通过空间计量模型分析发现，我国城乡居民消费更多地转向发展型消费与享受型消费。高波和雷红[ 26 ]的研究表明，发展型消费有助于促进经济增长。互联网作为促进消费增长的新兴驱动力，对消费结构也会产生直接影响。郭爱君和武国荣[ 27 ]基于AIDS模型分析了居民消费结构，结果表明在互联网普及早期，农村居民消费结构已经开始发生改变。贺达和顾江[ 28 ]基于中国家庭动态跟踪调查（CFPS）数据和PSM方法的研究发现，互联网使用显著促进了生存型消费，对享受型消费影响不大。张永丽和徐腊梅[ 29 ]基于甘肃省农户调查数据的研究表明，互联网使用有助于降低教育成本，增加教育支出，可以明显提升家庭消费水平和促进家庭消费结构优化。

随着互联网的普及，消费者可以用极低的成本获取产品与价格信息，可以随时了解消费趋势与技术发展，可以使用便捷的数字金融完成支付，并通过物流系统准确把握取得商品的时间地点。互联网带来的便利显著促进了居民消费，但并非所有的消费都可以在互联网上完成，人们对不同产品的消费习惯存在差别，因此互联网使用对不同类别消费的影响存在结构性差异。以往的研究中更多关注互联网对消费水平的促进作用，尽管也有部分研究关注了消费结构问题，但并未针对互联网影响消费的结构性差异进行深入研究。在全面促进消费的背景下，了解互联网影响的结构性差异可以更有效地发挥互联网的作用，也有助于强大国内市场的形成与发展。为此，本文基于CFPS2018年数据，使用倾向的分配方法重点关注互联网的使用对不同类别家庭消费影响的结构性差异。

（一）数据

本研究选择北京大学中国社会科学调查中心（ISSS）的中国家庭动态跟踪调查数据。CFPS样本规模为16 000户，每两年对样本家庭中全部家庭成员进行追踪调查，覆蓋全国25个省、市和自治区。本文以2018年CFPS家庭经济调查和个人调查数据库为基础整理出居民家庭消费数据，分析互联网使用对居民消费水平和结构的影响。对个人调查数据库按照家庭进行汇总并与家庭经济调查数据匹配后进行清洁处理，最后保留有效家庭样本12 949户（详见表1）。样本户均人口3.658人，户主平均年龄50.4岁，有70.3%的家庭使用互联网，53.4%的家庭通过互联网进行购物，29.6%的家庭拥有汽车；从城乡互联网使用方面来看，城镇中近84%的家庭使用互联网，农村中使用互联网的家庭仅占58%，样本中城乡家庭在互联网接入比例上仍存在较大差距。从消费收入比来看，城乡家庭差距较小；从消费构成来看，城乡家庭在食品和教育方面差距最为明显，城镇人均食品和教育文化娱乐消费分别为农村的2.25和2.20倍，城乡家庭的医疗和生活消费方面差距较小，城镇家庭分别为农村家庭的1.36倍和1.48倍。

（二）模型构建

为了分析互联网使用对居民家庭消费影响的结构性差异，一种方法是直接比较使用互联网（处置组）和不使用互联网（控制组）的家庭各项消费类别中存在的差异；另一种方法是对比同一家庭在同一时间使用互联网与不使用互联网的各项消费情况。居民家庭中是否使用互联网受外部环境、家庭资源禀赋以及教育、收入等多方面因素的影响，直接比较处理组和控制组将出现明显的“选择性偏差”，而同一家庭在同一时间内使用互联网与不使用互联网的消费状态无法同时被观察到，即样本均处于所谓的“反事实状态”。

使用倾向得分匹配可以计算处置组、控制组以及总体的平均处置效应，具体步骤如下：首先，选择合适的控制变量用于倾向得分匹配的再抽样；其次，运用Logit或Probit回归估计倾向得分，本文选择Logit回归；再次，根据所选择控制变量计算出的倾向得分进行匹配；最后，根据匹配后的样本计算参与者平均处置效应（Average Treated Effect on the Treated，ATT）、未参与者平均处置效应（Av？ erage Treated Effect on the Untreated，ATU）以及总体平均处置效应（Average Treated Effect，ATE）。

式（2）～（4）中，lnEXPij（1）表示使用互联网的家庭i的第j项消费量的对数，lnEXPij（0）表示未使用互联网的家庭i的第j项消费量的对数。此处计算得到的ATT表示随机选择一个使用互联网的家庭在某项消费中互联网对其消费量的对数影响的期望值，ATU表示随机选择一个未使用互联网的家庭在某项消费中互联网对其消费量的对数影响的期望值，ATE表示随机选择一个家庭在某项消费中互联网对其消费量的对数影响的期望值。

（三）控制变量选择及描述性统计

本文的结果变量为家庭消费支出，根据国家统计局公布的《居民消费支出分类（2013）》，家庭消费支出包括总消费（lnexp）、食品消费（lnfood）、衣着消费（lndre）、居住消费（lnhou）、生活用品及服务消费（lnlife）、交通和通信消费（lntra）、教育文化和娱乐消费（lnedu）、医疗保健消费（lnmed）等。

本文的处置变量为家庭是否使用互联网，在问卷中“是否使用电脑上网？”和“是否使用移动设备（比如手机、平板等）上网？”两个问题中如果家庭成员中有人回答“是”则INT取1，否则INT取0。在控制变量选择中需要满足条件独立、共同支撑假定和平衡性假定。在研究家庭消费时需要考虑家庭规模与结构、经济情况、家庭文化与社会资本、户主特征以及地区经济发展水平等因素。参照类似研究，选择控制变量如下：家庭人口数量（cntfam）、16岁以下和65岁以上人口数（age1665）、家庭总收入对数（lninc）、家庭资产对数（lnass）、家庭成员平均受教育年限（homedu）、就业和学生综合指标（workstu）、户主受教育年限（eduyear）以及地区经济发展水平（lnGDP）。

家庭规模和年龄结构会影响各项消费的水平和结构。家庭规模直接使用家庭人口数描述，用变量cntfam表示，家庭中不足16岁的未成年人以及超过65岁的老年人口数量（age1665）可以反映家庭的年龄结构情况；家庭消费水平通常随着家庭规模的增减发生改变，未成年人和老年人则会直接影响教育文化、医疗保健等各项消费的组成结构。

家庭经济情况主要通过收入和资产两个方面加以体现。家庭经济情况会直接影响消费水平和消费结构，也会影响使用互联网的经济支撑条件。在本文数据处理中家庭总收入（lninc）包括问卷调查中的财产收入、固定收入与不确定收入三个部分；家庭资产（lnass）包括现金及存款、金融产品、经营资产以及耐用消费品、固定生产设备等几个部分，考虑到居住性质的住房市场价值对消费影响有限，投资性质的住房又无法通过问卷数据单独统计，因此在资产总值中未考虑住房市值。

家庭文化与社会资本首先受到教育程度的影响，另外工作（包括外出务工）和上学也会对文化与社会资本有较大影响，在政府、国有企业或事业单位工作的人员参与社会活动机会较多，對文化与社会成本均有一定影响。考虑到这些因素，在此选择家庭成员平均受教育年限、就业和学生综合指标以及是否有人在政府国企以及事业单位工作等三个指标，在计算平均受教育年限时根据以往参考文献的做法，根据各成员受教育程度进行折算（文盲或半文盲记为3，小学记为6，初中记为9，高中或中专记为12，大学记为16，硕士记为18，博士记为21）并以家庭为单位计算平均数（home？ du）。就业和学生综合指标（workstu）内容包括全职以及外出务工人数与16岁以上学生数量之和，工作和接受高中以上教育的家庭成员会有更多与外界交往的机会并更容易接触互联网。

将问卷中的“财务回答人”或“农业活动管账人”认定为户主⑤，户主的个人特征不仅会影响本人的消费选择，还会直接影响家庭成员的消费选择。户主特征主要用其本人受教育年限（eduyear）和工作类型（wtype）加以体现。通常来说，户主受教育程度越高其使用互联网并改变消费决策的可能性也越大；工作类型不同会影响户主的收入、社会保障和社会资源。地区经济发展水平会影响当地居民消费习惯，同时对居民互联网的使用选择有间接影响，因此在控制变量中增加了人均GDP的对数，即变量lnGDP。

表2中列出了上述变量的计算方法及描述性统计，从中可以看出，样本中大部分变量的分布比较集中，但也有部分变量的标准差较大。如未成年人和老年人总数（age1665）、工作和16岁以上学生综合指标（workstu）、家庭人口数量（cntfam）、户主受教育年限（eduyear）以及是否使用互联网（INT）等。其中age1665、workstu和cnt？ fam均与家庭结构有关，表明样本中家庭结构差异性较大。家庭规模平均数为3.64，标准差为1.92，说明样本中的家庭规模存在较大差异，既有大量小规模家庭也存在部分大家庭；未成年人和老人数量以及工作和学生综合指标的标准差偏大则体现了样本中家庭成员年龄分布的不均衡。处理变量INT的标准差较大说明样本中家庭使用互联网的情况仍存在较大差异。

（一）匹配平衡性检验

为确保倾向得分匹配的估计质量，借鉴鲁宾（Rubin）[ 30 ]的检验方法，从标准化偏差、均值和似然比（LR）统计量进行平衡性检验。首先考察匹配前后处置组与控制组的标准化偏差，通过匹配明显降低两组之间的差异，表现为标准化偏差减小；其次通过t检验判断匹配后处置组和控制组变量均值是否存在差异；最后考察伪R2（Pseudo-R2）、卡方（χ2）、偏差均值（MeanBias）、B值和R值。

通过对家庭总消费和各项消费分别进行匹配平衡性假定检验，结果见表3。从中可以看出，除衣着消费中的一个项目外，匹配后处置组与控制组样本之间的偏差均小于10%。按照罗森鲍姆和鲁宾（Rosenbaum & Rubin）[ 31 ]提出的匹配后标准化偏差不超过20%的判断标准，本文匹配比较成功。大多数t检验的结果不拒绝处置组与控制组不存在系统性差异的原假设。

相对于匹配前，匹配后的Pseudo-R2、χ2、MeanBias、B值均明显下降，LR统计量均不显著，详细结果如表4所示。该检验结果表明本文匹配过程可以较好地平衡处置组与控制组的控制变量分布，比较完美地实现了样本匹配。

（二）倾向得分Logit估计

针对居民家庭总消费和各项消费等八项结果变量，使用Logit模型对家庭使用和不使用互联网进行倾向得分估计，详细估计结果见表5。从表5的估计似然比LR可知，模型在总体上拟合效果较好，除教育文化消费模型的常数项外所有系数均在1%水平上统计显著。

从Logit回归结果可以看出，除教育文化和娱乐项之外，总消费及各项消费结果变量的Logit回归系数比较接近，表明影响家庭消费的家庭规模与结构、经济情况、文化与社会资本、户主特征以及地区经济发展水平等因素对总消费和各类消费的影响表现出同步性，不存在明显的结构性差异。由于教育文化消费的回归结果与其他类别消费差异较大，后面将单独分析，这里先以各变量对总消费的影响程度为基准，根据上述回归结果分析各变量对不同类别消费的影响差异。

在家庭规模与结构方面，家庭人口数量对食品、住房和生活消费的影响水平与对总消费的影响程度相当，对衣着、交通通信消费的影响稍弱于总消费，而对医疗保健消费的影响强于对总消费的影响。该结果表明：随着家庭规模的增加，食品、住房和生活消费变化大体与总消费一致，衣着和交通通信消费增加速度低于家庭规模增速，而医疗保健和居住消费的增加速度更快。从家庭人口结构上来看，当家庭中不足16岁的未成年人或超过65岁的老年人总数增加时，总消费和各类消费支出均会减少，未成年人和老年人数量对居住消费和生活消费的影响幅度与对总消费的影响一致，对食物消费的影响幅度稍高于总消费，而对交通通信和医疗保健消费的影响低于总消费。该结果说明，未成年人和老年人增加会导致家庭消费能力下降。由于未成年人和老年人无收入或收入偏低，家庭总体收入会受未成年人和老年人数量影响，并因此导致消费能力下降。

在经济情况方面，收入对总消费和各项消费支出均有最大的正向影响，这个结果与以往的研究一致，表明了收入是影响消费的最主要因素。进一步考察收入对各项消费支出的影响，可以看出收入对居住消费的影响与总消费一致，对衣着消费的影响稍高于对总消费的影响，对其他消费的影响程度稍弱于总消费。家庭资产同样对各项消费具有正向影响，对医疗保健、食品和生活消费的影响程度高于对总消费的影响，对交通和衣着消费的影响程度稍低于对总消费的影响。

在家庭文化与社会资本方面，家庭平均受教育年限对总消费和各项消费的正向影响仅次于收入的影响程度，就业和学生综合指标同样对各项消费有正向影响。家庭平均受教育年限对医疗保健、生活和交通通信消费的影响高于对总消费的影响，对教育文化和娱乐支出的影响水平则低于对总消费的影响水平。就业和学生综合指标对食品、住房的影响与总消费一致，对除教育文化和娱乐之外的其他消费的影响程度均低于总消费。

从回归结果来看，户主特征以及地区经济发展水平对各项消费的影响均为负值。户主受教育年限对各项消费均有负向影响，表明受教育程度增加并不会提升消费水平。相对于自雇或在私企工作，为政府、事业单位或国企工作的户主家庭各项消费均更高。在地区经济发展方面，人均GDP对消费的负向影响程度在所有变量中是影响最大的，说明地区经济增长并没有促进家庭消费增长，在其他因素不变的情况下，随着人均GDP的增加，各项消费反而明显下降。在直觉上这个结果似乎与常识相悖，但事实上恰好可以说明当前经济发展中存在消费不足的情况。经济发展对消费的影响并不是本文研究的重点，在以后的研究中会进一步加以考察。

在教育文化和娱乐消费方面，除就业与工作综合指标外，其他变量对教育文化和娱乐消费的影响程度低于对总消费和大多数分项消费的影响。这个结果表明家庭在教育文化和娱乐消费方面尽管同样受到各方面因素的影响，但这些因素的影响程度明显偏低，教育文化和娱乐消费相对于其他消费具有更强的独立性；工作和16岁以上学生人数的提升对促进家庭教育文化和娱乐消费的作用最为显著。

（三）倾向得分匹配估计结果

PSM的常用匹配方法有最近邻匹配、卡尺匹配、k近鄰半径匹配以及核匹配。为了匹配结果的稳健性，本文对样本个体分别进行了最近邻匹配、k近邻半径匹配及核匹配，计算了家庭消费总支出和各项消费支出的ATT、ATU和ATE值。基于PSM的回归估计结果如表6所示。除居住消费的ATU外，其他结果均显著。从整体来看，三种匹配方法计算的ATT、ATU和ATE的水平总体差别不大，以下讨论中只讨论k近邻半径匹配结果。

在家庭总消费和各项消费中，除医疗保健消费外，其他ATT、ATU和ATE结果均为正，表明与不使用互联网的家庭相比，使用互联网可以节约家庭在医疗保健方面的支出，同时促进其他各项消费。根据ATT结果推算，使用互联网可以使家庭医疗保健支出减少约18.1%。现有数据中无法找到使用互联网降低医疗保健消费的原因，初步推测是使用互联网家庭可以更高效地寻找和使用恰当的医疗资源，基于互联网的消费者教育也可以减少保健消费中的非理性行为。考虑到医疗消费的需求刚性以及对其他消费的挤出效应，医疗保健消费降低意味着其他方面消费能力的提高，有助于提高消费质量。

在家庭总消费方面，ATT、ATU和ATE均在1%水平上统计显著，ATT值为0.118。可以计算出，与不使用互联网的家庭相比，使用互联网的家庭总消费大约增加12.5%。所有分项消费中，生活消费的ATT最高，推算出与不使用互联网的家庭相比，使用互联网家庭的生活消费大约提升40%；互联网对交通通信消费与教育文化和娱乐消费的影响稍低于生活消费，均超过35%；食品消费的ATT最低，推算出使用互联网的家庭食品消费大约增加6.8%。从以上结果可以看出，居民家庭使用互联网可以在总体上提高家庭生活消费水平，在降低医疗保健消费的同时促进了其他各项消费；互联网使用对不同类别消费的影响程度存在差异，对生活消费、交通通信消费、教育文化和娱乐消费的提升幅度较大，对食品和居住消费的提升水平相对较低。考虑到医疗、食品、居住消费具有刚性需求属性，而生活、交通通信与教育文化和娱乐等消费的需求弹性相对较大，PSM估计结果表明：互联网使用对消费水平的提升幅度与消费弹性关系比较密切，需求弹性低的生存类消费品受互联网使用影响较小，需求弹性大的生活、交通通信、教育文化和娱乐等消费类别受互联网使用影响较大。该结论与贺达和顾江[ 28 ]基于CFPS2016农村家庭消费数据得出的结论存在差异，体现了互联网对消费的促进效果可能随时间改变以及对不同人群的影响存在差异。互联网有助于降低医疗保健消费、促进提升家庭生活品质以及长远发展的消费，继续推进互联网使用可以提升居民家庭消费质量，有助于全面促进消费的高质量发展。

（四）稳健性检验

考虑到数据中可能存在未被观测的异质性，即是否使用互联网并不完全取决于控制变量，控制变量完全相同的家庭也可能在互联网使用上做出不同的选择。根据卡内罗（Carneiro）等[ 32 ]关于边际处理效应（MTE）的研究，人们会根据比较优势原理对是否参加某个政策做出选择，只有当参与的收益大于为此付出的机会成本时，该个体才会积极参与该项政策。这里所说的边际处理效应是指处于接受或不接受政策的临界状态个体选择该政策的平均收益，这样就避免了估计偏差。本文利用边际处理效应作为家庭使用互联网处理效应的稳健性检验，结果见表7，总消费和各项消费的可观测异质性与基本异质性均在1%水平上统计显著，说明可观测和不可观测的特征变量均存在异质性，采用MTE方法在这里是适当的，也是更加有效的选择。具体来看，总消费的ATT值为0.086，并在1%水平上显著，说明使用互联网可以使家庭总消费增加，与PSM最近邻匹配结果基本一致，表明估计结果较为稳健。同样，其他各项消费的ATT符号也与PSM估计一致且显著，并处于估计结果的合理区间内，表明整体估计结果比较稳健。

（一）结论

本文使用CFPS2018数据，运用倾向得分匹配方法估计了互联网使用对居民家庭总消费及食品、衣着、居住、生活、交通通信、医疗保健、教育文化和娱乐等七大类消费的影响差异，得出结论如下：

第一，证实了互联网使用对居民家庭总消费水平提升有明显促进作用。根据PSM估计结果，互联网使用可以提升家庭总消费约12.5%。

第二，不同于传统因素同步影响各类消费，互联网对各类消费的促进作用具有明显的结构性差异。使用互联网对食品、住房等生存类消费的促进效果有限，如食品消费仅提升了约6.8%；使用互联网对提升生活品质或有关家庭长期发展的消费类别促进效果明显，对生活、交通通信、教育文化和娱乐消费的促进效果均超过35%；使用互联网有助于家庭消费质量提升。结合不同类别消费的需求弹性进一步分析，可以推断互联网在促进消费中的结构性差异主要取决于具体消费类别的需求弹性。对缺乏弹性的消费需求，互联网使用的促进作用有限，对富有弹性的消费需求，互联网使用可以产生更好的促进效果。

第三，使用互联网可以显著降低家庭医疗保健消费，考虑到医疗保健消费对其他消费的挤出效应，医疗支出下降可以提高家庭在其他项目上的消费能力，进一步促进消费结构优化。

（二）启示

基于上述结论，可以得到如下政策启示：

首先，互联网使用有助于全面促进消费。在以国内大循环为主体、国内国际双循环相互促进的新发展格局中，正在建设的5G网络、物联网等新型消费基础设施将有力推动强大国内市场的形成，提升国内商品流通效率，有助于解决“人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾”。

其次，互联网对各类消费的促进效果取决于消费的需求弹性。在引领加快新型消費发展的实施过程中，除了继续完善基础设施和加强服务保障能力之外，将更多资源投入到需求弹性较大的消费领域可以起到更明显的商品流通促进效果。鼓励资金和技术在有关生活消费、交通通信消费以及教育文化和娱乐消费领域加大互联网应用投入可以起到明显的消费促进效果，是制定全面促进消费政策的主要着力点。2021年3月22日国家发展和改革委员会等28部门联合印发《加快培育新型消费实施方案》，其中重点关注的零售新业态、数字文化和旅游、在线教育、智能体育、商品供应链服务、车联网及充电桩等新型消费均属于生活、交通通信、教育文化和娱乐消费领域，在这些基于互联网的新型消费领域加大资金与技术支持可以起到更好的消费促进效果。

最后，互联网使用对医疗保健消费表现出一定抑制作用，尽管降低医疗保健消费可以提高其他消费能力，但也在另一方面表明目前在医疗保健领域的互联网应用仍有较大发展空间，以“互联网+医疗健康”为代表的新型医疗服务可以促进医疗保健领域的消费质量提升。

（三）贡献与不足

本文基于微观调查数据的研究证实了互联网在全面促进消费过程中的影响作用存在结构性差异，并发现其影响效果与消费的需求弹性有关。由于互联网技术发展迅速，互联网对消费的影响效果也在不断改变。截面数据无法体现动态结果，以后可以构建面板数据进一步研究互联网对消费促进的结构性差异及其动态变化。

注释：

①国务院新闻办：国家统计局介绍2020年国民经济运行情况http：//www.gov.cn/xinwen/zhibo3/20210118fbh1/index.htm。

②④数据来源：国家统计局2020年统计公报（http：//www. stats.gov.cn/）。

③根据世界银行数据（https：//data.worldbank.org）整理。

⑤将问卷中家庭“财务回答人”认定为户主，少量“财务回答人”数据缺失的将“农业活动管账人”认定为户主。

参考文献：

[1]徐朝阳，张斌.经济结构转型期的内需扩展：基于服务业供给抑制的视角[J].中国社会科学，2020（1）：64-83，205.

[2]王谦，付晓东.数据要素赋能经济增长机制探究[J].上海经济研究，2021（4）：55-66.

[3]王茜.“互联网+”促进我国消费升级的效应与机制[J].财经论丛，2016，12（12）：94-102.

[4]马光明，徐嘉璐.中国互联网发展更促进内需还是进口？——基于省际面板数据的空间与动态效应分析[J].商业研究，2020（10）：42-52.

[5]DYNAN K E .Habit formation in consumer preferences：evi？ dence from panel data[J].The American economic review， 2000，90（3）：391-406.

[6]马香品.数字经济时代的居民消费变革：趋势、特征、机理与模式[J].财经科学，2020（1）：120-132.

[7]朱逸，常健聪.影响网络消费行为的组合要素探究[J].中国流通经济，2020（1）：83-89.

[8]何学松，孔荣.互联网使用、市场意识与农民收入——来自陕西908户农户调查的经验证据[J].干旱区资源与环境，2019，33（4）：55-60.

[9]韩雷，彭家欣.提升中国居民消费率：系统工程而非重点工程——一个基于文献的述评[J].经济科学，2019（3）：119-128.

[10]秦晓娟.城乡居民收入性质对城乡消费差距的影响研究[J].西部论坛，2016，26（4）：19-29.

[11]刘东皇，孟范昆.中国城镇居民消费的结构性特征[J].商业研究，2012（10）：143-148.

[12]NAM E Y，LEE K，JEON Y.Macroeconomic uncertainty shocks and households’ consumption choice[J].Journal of macroeconomics，2021，68（2）：103 306.

[13]刘生龙，张晓明，杨竺松.互联网使用对农村居民收入的影响[J].数量经济技术经济研究，2021，38（4）：103-119.

[14]黄凯南，郝祥如.数字金融是否促进了居民消费升级？[J].山东社会科学，2021（1）：117-125.

[15]LI J，WU Y，XIAO J J.The impact of digital finance on household consumption：evidence from China[J].Economic modelling，2020，86（3）：317-326.

[16]張勋，杨桐，汪晨，等.数字金融发展与居民消费增长：理论与中国实践[J].管理世界，2020，36（11）：48-63.

[17]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.

[18]程名望，张家平.新时代背景下互联网发展与城乡居民消费差距[J].数量经济技术经济研究，2019，36（7）：22-41.

[19]李洁，邢炜.电商市场发展与中国城乡消费趋同性——搜寻匹配的分析视角[J].经济理论与经济管理，2020（2）：103-112.

[20]李连梦，吴青，聂秀华.电子商务能缩小城乡居民消费差距吗？[J].技术经济，2020，39（2）：125-133.

[21]温涛，孟兆亮.我国农村居民消费结构演化研究[J].农业技术经济，2012（7）：4-14.

[22]蔡栋梁，王聪，邱黎源.信贷约束对农户消费结构优化的影响研究——基于中国家庭金融调查数据的实证分析[J].农业技术经济，2020（3）：84-96.

[23]唐琦，夏庆杰，李实.中国城市居民家庭的消费结构分析：1995—2013[J].经济研究，2018，53（2）：35-49.

[24]刘向东，米壮.中国居民消费处于升级状态吗——基于CGSS2010、CGSS2017数据的研究[J].经济学家，2020（1）：86-97.

[25]蔡海亚，赵永亮，顾沛.互联网发展促进了居民消费趋同吗？[J].哈尔滨商业大学学报（社会科学版），2020（6）：57-68.

[26]高波，雷红.居民消费率、消费结构与经济增长效应——基于260个城市CLDS的数据研究[J].河北学刊，2021，41（2）：136-145.

[27]郭爱君，武国荣.基于AIDS模型的我国农村居民消费结构的动态分析[J].人口与经济，2008（2）：34-38.

[28]贺达，顾江.互联网对农村居民消费水平和结构的影响——基于CFPS数据的PSM实证研究[J].农村经济，2018（10）：51-57.

[29]张永丽，徐腊梅.互联网使用对西部贫困地区农户家庭生活消费的影响？——基于甘肃省1735个农户的调查[J].中国农村经济，2019（2）：42-59.

[30]RUBIN D B.Using propensity scores to help design obser？ vational studiesapplication to the tobacco litigation[J]. Health services & outcomes research methodology，2001，2（3/4）：169-188.

[31]ROSENBAUM P R，RUBIN D.Constructing a control Group using multivariate matched sampling methods that incorporate the propensity score[J].The American statisti？ cian，1985，39（1）：33-38.

[32]CARNEIRO P，HECKMAN J J，VYTLACIL E J.Estimat？ ing marginal returns to education[J].American economic re？ view，2011，101（6）：2 754-2 781.

責任编辑：林英泽

The Structural Differences of the Impact of Internet on Household Consumption

——based on CFPS 2018 Micro Data

LIU Da-wei1and LI Shu-wen2

（1.Research Center for Economic Development in Underdeveloped Regions，Guizhou University of Finance and Economics，

Guiyang 550025，Guizhou，China；2.School of Marxism Studies，Beijing Wuzi University，Beijing 101149，China）

Abstract：The use of the Internet has changed the preferences and constraint of household consumption；and it can promote household consumption in an all-round way. Due to the complexity of consumption itself and the differences in the application of IT to different consumption fields，the effects of Internet in promoting various types of consumption will be different. Based on the 2018 data of the China Family Panel Studies （CFPS），the Propensity Score Matching（PSM）method is used to estimate the impact of Internet on the total household consumption and seven types of consumption，such as food，clothing，housing，life，transportation and communication，education and culture，and health care. It is found that，in promoting consumption，unlike the synchronicity of traditional consumption influencing factors，there are obvious structural differences in the effects of the Internet on various types of consumption. First，the use of the Internet can significantly reduce health care consumption and increase the purchasing power of other demands；the role Internet plays in promoting surviving consumption is very limited；Internet can more helpful in improving living quality and promoting consumption beneficial to the household’s long-term development；and it will be helpful to improve the quality of household consumption. Second，in promoting consumption in an all-round way，the structural differences of the Internet’s role will be determined by the consumption’s demand elasticity；for consumption with inelastic demand，the promoting effect is limited；and for consumption with elastic demand，the effect is obvious. And third，speeding up the construction of Internet and other new consumption infrastructure can effectively promote the formation of a strong domestic market and the improvement of circulation efficiency.

Key words：Internet；household consumption；CFPS；demand elasticity；structural difference