张继海 臧旭恒 朱翠烜

〔摘要〕本文以发展新型消费为出发点，基于2017年中国家庭金融调查（CHFS）数据，实证分析网络购物对线下消费是否存在挤出效应。结果表明，总体上网络购物非但不对线下消费造成挤出，反而具有促进作用。进一步的，根据家庭对网络购物依赖度不同进行的分组研究发现，网络购物占比低于70%的家庭，网络购物能显著促进线下消费;占比高于70%的家庭则会挤出线下消费。根据家庭收入的差异性分析，网络购物对所有收入类型家庭的消费均具有显著促进作用，对低收入家庭的促进效果更明显。当前需要建立扩大内需的有效制度，全面促进消费，同时加强信息网络基础设施建设，提升居民的互联网使用率，充分发挥网购促进消费的作用，进一步释放居民的消费潜力。

〔关键词〕网络购物;挤出效应;促进效应;线下消费;总消费支出;居民家庭收入;异质性影响

〔中图分类号〕F713.55〔文献标识码〕A〔文章编号〕1000-4769（2021）03-0059-08

〔作者简介〕张继海，深圳大学经济学院副教授、博士，广东深圳518060;

臧旭恒，山東师范大学经济学院特聘教授、博士生导师，山东济南250110;

朱翠烜，深圳大学中国经济特区研究中心，广东深圳518060。

一、引言

近几年在我国经济结构转型及增长动力机制转换背景下，以网络购物等新业态新模式为特征的新型消费迅速发展。根据国家统计局数据，2020年，实物商品网上零售额达97，590亿元，比2019年增长14.8%，占社会消费品零售总额的比重为24.9%，比2019年提高4.0个百分点。网络购物已逐渐成为居民消费的一种重要形式，在扩大消费、促进经济和社会发展中扮演着越来越重要的角色。

伴随网络购物兴起以及似乎对居民线下消费所形成的冲击而产生的疑问是：网络购物会在什么程度上对居民家庭的线下消费产生影响？这种影响是挤出效应还是促进效应？或者两者兼而有之？如果兼而有之，那么哪种效应更大？对这些问题的深入探讨，不仅有助于从微观层面理解网络购物对家庭消费的影响，而且对于理解如何全面促进消费，增强消费对经济发展的基础性作用均具有重要的现实意义。为此，本文采用2017年中国家庭金融调查数据，通过全样本分析、按网络购物比重分组别和高收入家庭差异性影响以及工具变量法检验等，对网络购物与线下消费的关系进行实证研究，以期为网络购物和居民消费需求研究提供更丰富的微观证据。

二、相关文献回顾

梳理发现，关于我国居民消费行为的研究现有文献主要围绕以下三个维度展开：

基于传统消费函数理论对家庭消费影响因素的研究。该类研究认为，影响家庭消费的因素除了家庭收入，还包括家庭资产存量、人口年龄结构、户籍、住房价格、金融发展、习惯形成等。关于家庭资产对消费的财富效应，一般认为，高资产存量家庭同时也是高消费率家庭，但不同的家庭资产类别对消费率的影响作用不一致。陈斌开等（2013）发现住房价格上涨造成居民消费率降低，尤其对年轻人和老年人产生的作用最明显。①李涛等（2014）通过微观数据研究家庭固定资产对居民消费的财富效应，发现家庭住房资产对消费的促进作用甚微，仅具有消费品属性和微弱的资产效应，但家庭生产性固定资产对消费的促进作用明显，具有财富效应。②关于家庭人口年龄结构特征与消费关系的生命周期理论即居民消费率和年龄的U型关系，李蕾等（2014）基于中国城镇居民2002-2009年的调查数据发现，中国家庭的人口年龄结构特征与消费不符合生命周期理论假设，居民消费率与年龄成倒U型关系③，他们分析其原因是，中国社会具有“共同居住”的特有现象，由于住房成本过高，未成年人和老年人选择与中年人一起居住，以节约生活成本，年轻人与老年人的消费率因此更低。该研究还发现，以个人为研究对象的消费率与年龄之间的关系符合生命周期理论，但以家庭为研究对象则出现倒U型结构。关于户籍制度对家庭消费的影响因素，陈斌开等（2010）基于中国社会科学院微观家庭调查（CHIPS）的研究发现，现行户籍制度下，城镇非户籍居民的边际消费倾向比户籍居民低14.6%。④此外，易行健和周利（2018）研究发现，数字普惠金融的发展通过缓解流动性约束、便利居民支付两种机制显著促进了居民消费。⑤整体上，国内对家庭消费影响因素的研究涵盖面较广，但受限于数据可获得性，很少文献能够从消费者微观个体行为习惯和决策行为方面进行深入的研究。杭斌（2009）利用1992-2005年中国25个省份的农村家庭数据研究了习惯形成与储蓄率的关系，发现习惯形成会影响消费，习惯形成参数越大，边际消费倾向越低。⑥臧旭恒等（2020）研究发现，习惯形成减慢了居民消费的变化速度，抑制了消费倾向的提高。⑦

在上述研究基础上，结合网络经济与消费个体不完全理性对居民消费行为的研究。有学者指出，网络经济推动了消费品生产分工的细化以及对消费品市场机制的完善，降低了消费品的交易费用（杨继瑞，2008）⑧，网络购物模式则改变了我国居民的传统消费习惯和方式。高孝平（2005）研究发现，网络购物通过降低信息不对称能够促进总体消费水平的提高。⑨戴有山（2015）认为在网络经济下居民边际消费倾向增大。⑩李爱梅等（2014）的研究发现，心理账户通过影响消费者的非理性消费决策行为，使消费者对非现金支付方式损失的金额敏感性变弱。B11王晓彦等（2017）研究发现移动支付对消费者具有“心理账户”效应的微观层面作用，移动支付能通过心理账户效应促进居民消费支出。B12此外，对网络购物的研究也涉及区域差异的影响，比如Morgan等（2018）的研究认为农村地区相比城镇地区网络购物率偏低。B13

现有文献还包括网络购物与线下消费之间关系的研究。Zhang等（2015）比较研究了线上消费和线下消费购买冲动性方面的差异，认为线上消费更具购买冲动性。B14方福前和邢炜（2015）研究发现，随着网络市场零售额的上涨，人均消费和总消费先短暂下降后逐步上升。B15张红伟和向玉冰（2016）利用31个省份的面板数据的实证研究表明，总体而言，网购规模的增长能够促进居民总消费支出水平的提高，尤其是在互联网化水平高的地区。B16秦芳等（2017）采用中国家庭金融调查（CHFS）2015年数据实证研究网络购物对居民总消费支出的影响和对线下消费的挤出效应，发现网络购物与线下消费存在替代关系，即网络购物对线下消费存在一定程度的挤出效应;从家庭群体看，网络购物对富裕家庭的消费促进作用更大，且对富裕家庭线下消费的挤出效应更小。B17

综上所述，现有研究已表明影响居民消费支出的因素除了收入水平、家庭资产存量、户籍、人口年龄结构、金融发展、消费习惯等而外，也存在社会环境因素的影响问题。其中，网络经济发展使消费者心理发生改变而导致的消费行为变化尤其值得深入研究。本文即从网络购物这一新型消费视角出发，基于2017年中国家庭金融调查数据对网络购物与线下消费的关系进行实证研究，以期为网络购物和居民消费需求研究，以及当前我国全面促进消费的途径研究提供微观依据。

三、数据、变量说明及描述性分析

本文使用的数据来源于2017年中国家庭金融调查（ChinaHouseholdFinanceSurvey，CHFS）。其被解释变量是家庭线下消费支出，线下消费支出的定义为家庭总消费支出减去网络购物支出（秦芳等，2017），同时也参考了杨汝岱等（2017）的研究B18以及关于家庭消费性支出的定义。B19本文拟采用线下消费占家庭总收入比重和家庭总消费支出（对数值）作为被解释变量，用于对比分析。核心解释变量是家庭是否網络购物。依据生命周期假说，家庭收入和家庭净资产是影响家庭消费的主要因素。本文将家庭净资产定义为家庭总资产减去家庭总负债;将家庭财富定义为家庭总收入和家庭净资产之和。根据李春琦等（2018）的研究B20，户主年龄、户籍、教育文化程度B21、性别、婚姻状况、家庭成员的健康状况、人口年龄结构和家庭规模也是影响家庭消费支出的因素，因此我们将这些变量一并纳入本文的分析中。

关于变量的设定。我们将户主户籍设为虚拟变量，分农村户籍和非农村户籍，农村户籍记为“1”，非农村户籍记为“0”;户主性别设为虚拟变量，男性为“1”，女性为“0”。婚姻状况设为虚拟变量，已婚记为“1”，未婚记为“0”B22;家庭成员健康状况设为虚拟变量，选项中的健康状况分为“非常好”“好”“一般”“不好”和“非常不好”，前两项视为健康状况良好，记为“1”，其余记为“0”;劳动人口状况包括劳动人口年龄、工作人口数和平均受教育程度。考虑到城乡差异是影响家庭消费的重要因素，添设农村和城市虚拟变量，农村记为“1”，城市记为“0”。

为了剔除极端变量和关键变量缺失值的影响，对样本数据还进行了如下筛选：（1）剔除关键变量缺失的家庭，确保筛选后样本数据的真实可靠性;（2）剔除户主年龄18周岁以下以及65周岁以上的样本;（3）剔除家庭收入与消费异常的家庭样本，其剔除标准是家庭消费率小于0以及大于2。经过筛选后保留的家庭样本数为9815户。为了防止数据波动性大和消除零值的影响，家庭总收入、家庭总消费和家庭净资产均采用取对数形式。B23表1将样本家庭分为无网络购物行为和有网络购物行为两类，并对相关变量进行描述性统计。

根据表1，本文选取的样本中约48.12%的家庭有网络购物经历，这比秦芳等（2017）的比值偏大，但更接近现实。从经济统计特征来看，有网络购物经历的家庭，其总消费支出、总收入和净资产均值大于无网络购物经历的家庭。从人口统计特征来看，有网络购物经历的家庭，户主年龄及劳动人口平均年龄明显比无网络购物经历的家庭低，有网络购物经历的家庭成员受教育程度更高，且更多的是城镇家庭，而无网络购物经历的家庭更多是农村家庭。从描述性统计来看，有网络购物经历和无网络购物经历两类家庭存在明显的差异，那么网络购物行为究竟是如何影响线下消费的？

四、模型设定、实证结果与分析

1.模型设定

为了深入分析网络购物对线下消费的影响，本文构建如下实证模型：

式（1）中，Yi表示模型的被解释变量，分别为居民家庭线下消费支出（对数值）、线下消费占家庭总收入的比重和家庭总消费支出（对数值）。核心解释变量online为虚拟变量，表示该受访家庭有或无网络购物经历，若有，取值为“1”，若无，取值为“0”。Xi表示控制变量，其中包括了新古典消费理论中影响居民消费的因素如收入、净资产等，以及心理账户理论中的相关影响因素如年龄、受教育程度、性别、户籍、区域等控制变量，再与家庭人口结构和内部经济条件如劳动人口平均年龄、工作人口数和家庭规模等控制变量结合。εi表示模型的随机误差项。

2.基准回归：不分组别的挤出效应检验

在不分组别的情况下，运用Rstudio软件对上述模型进行OLS回归分析，实证得到网络购物对居民线下消费的影响结果，如表2所示。

根据表2，是否网络购物变量对居民家庭线下消费支出和总消费支出均具有正向的显著影响，对线下消费占家庭总收入的比重也有正向的显著影响。是否网络购物变量对居民家庭线下消费支出的回归系数为0.0879，且在1%显著性水平上显著，表明网络购物显著促进了居民家庭线下消费，有网络购物家庭的线下消费支出相比无网络购物家庭高8.79%。是否网络购物变量对居民家庭线下消费占总收入比重的回归系数为0.0537，且在1%显著性水平上显著，表明网络购物显著促进了家庭线下消费占总收入的比重，有网络购物家庭的线下消费占总收入比重平均比无网络购物家庭高5.37%。是否网络购物变量对家庭总消费的回归系数为0.178，且在1%显著性水平上显著，表明网络购物显著促进了家庭总消费支出，有网络购物家庭比无网络购物家庭平均总消费支出高17.8%。以上结果表明，总体而言，网络购物并没有对线下消费产生挤出效应，不仅能显著促进居民家庭的线下消费，而且能显著促进其总消费。

3.按网络购物比重分组别的挤出效应检验

考虑不同的家庭对网络购物依赖程度不同有可能会对线下消费支出产生不同的影响，本文将网络购物占总消费支出的比重作为划分消费者对网络购物依赖程度的指标，以便进一步考察对网络购物有不同依赖程度的居民家庭因此对线下消费产生的影响，更深入地验证网络购物对线下消费究竟是否存在挤出效应。先将网络购物家庭按网络购物额占家庭总消费支出的比重划分为0—10%、10%—30%、30%—50%、50%—70%、70%—90%和90%—100%六个组别，每个组别分别按照上述模型对线下消费和线下消费占家庭总收入的比重两个被解释变量做回归分析，结果如表3所示。

根据表3，网络购物支出占总消费支出70%以下组别的家庭，网络购物不会挤出线下消费，反而能促进线下消费。网络购物支出占比70%以上组别的家庭，网络购物会对线下消费产生替代和挤出效应。网络购物额占总消费支出0—10%，10%—30%，30%—50%和50%—70%的家庭，模型回归系数分别为0.3842，0.2499，0.1479和0.1076，且均在1%显著性水平上显著，即相比无网购家庭，这些家庭的平均线下消费支出分别高38.42%、24.99%、14.79%和10.76%。说明网络购物占比越低，对线下消费支出的促进作用越大，即网络购物占总消费支出比重越低，网络购物对线下消费的促进效应越显著。网络购物占比在70%以上的家庭，会对线下消费支出产生较大的挤出效应。网络购物支出占比70%—90%的家庭，其回归系数为-1.8630，该类家庭相比无网络购物家庭，平均线下消费支出低84.48%。B24网络购物支出占比90%以上的家庭，回归系数为-2.5501，该类家庭相比于无网络购物家庭平均线下消费支出减少92.19%。B25说明网络购物支出占比越高对线下消费支出的挤出效应越强，现实中该组别的家庭将网络购物作为线下消费替代方式。

4.高收入家庭的差异性影响分析

前文我们分别从总体和网络购物额占比分组别两个角度分析了网络购物对线下消费的影响。那么，网络购物对不同收入水平家庭消费支出的影响是否可能存在差异？为了便于分析网络购物在不同收入水平家庭中的影响机制及其差异性，需要引入高收入家庭和家庭是否网络购物两个虚拟变量的交互项。

式（2）中，Yi表示模型中的被解释变量，分别为家庭线下消费支出（对数值）、家庭总消费（对数值）和家庭线下消费支出占总收入比重。online为网络购物虚拟变量，highinc表示高收入家庭的虚拟变量，所谓高收入家庭我们的定义为收入高于样本平均值的家庭。若家庭总收入高于样本均值，则该变量取值为“1”，否则为其他收入家庭，取值为“0”。Xi表示影响家庭消费的其他控制变量。εi表示随机误差项。运用Rstudio软件对上述模型进行OLS回归分析的结果如表4所示。

根据表4中第（1）列对家庭线下消费的回归结果，网络购物变量的回归系数为0.1967，在1%显著性水平上显著，说明在低收入家庭中，有网络购物家庭比无网络购物家庭的线下消费支出高19.67%，即网络购物对低收入家庭线下消费有显著正向促进作用。高收入家庭变量的回归系数为0.4243，在1%显著性水平下显著，表明在无网络购物家庭中，高收入家庭比其他收入家庭的线下消费支出高42.43%，家庭收入水平越高，线下消费水平越高。网络购物与高收入交互项的回归系数为-0.1335（在1%显著性水平下显著），结合网络购物变量回归系数，在高收入家庭中，有网络购物家庭比无网络购物家庭的线下消费高6.32%，即网络购物能促进高收入家庭的线下消费水平。根据高收入和两个变量的交互项的回归系数，在网络购物家庭中，高收入家庭比低收入家庭的线下消费支出高29.08%。因此，网络购物对高收入家庭和低收入家庭的线下消费都有显著正向促进作用，其中，对低收入家庭线下消费的促进作用强于高收入家庭。

根据表4中第（3）列对家庭总消费的回归结果，网络购物变量的回归系数为0.0821，在1%显著性水平上显著，表明在其他收入水平的家庭中，有网络购物家庭比无网络购物家庭平均总消费支出高8.21%，网络购物对其他收入水平家庭的总消费支出具有显著正向促进作用。高收入变量的回归系数为0.0424，在10%显著性水平上显著，表明在无网络购物家庭中，高收入家庭比其他收入家庭的总消费支出高4.24%，收入水平越高，家庭消费水平越高。网络购物与高收入交互项的回归系数为-0.0542（在5%显著性水平上显著），结合网络购物变量回归系数，在高收入家庭中，网络购物比无网络购物家庭的总消费支出高2.78%。结合高收入家庭和网络购物与高收入交互项的回归系数，在网络购物家庭中，高收入家庭比其他收入家庭的总消费支出低1.18%，因此网络购物对高收入家庭和其他收入家庭的总消费都有显著正向促进作用，其中，对高收入家庭的促进效果小于其他收入家庭。

5.工具变量法的检验

既然居民家庭是否选择网络购物会对线下消费支出产生影响，那么，反过来居民家庭线下消费支出变化也可能会影响居民家庭选择网络购物的概率，但又考虑到将网络购物作为核心解释变量可能存在内生性问题，故本文选取2017年由调查获得的快递距离作为工具变量进行回归检验。B26快递距离与网络购物变量高度相关，快递距离能影响居民选择是否网络购物的行为，而快递距离与居民线下消费支出不存在任何相关关系，适合作为检验的工具变量。进一步地，再通过Stata15.0软件进行二阶段最小二乘法估计，结果见表5。

根據表5中第一阶段回归的估计结果，快递距离对网络购物变量的回归系数在1%水平上显著为正，说明快递距离与网络购物变量具有相关性。同时，一阶段F统计量为149.627，远大于10，表明本文不存在弱工具变量问题。表5中第（2）和（3）（4）列网络购物变量的估计参数分别为0.145、0.096、0.208，且均在1%水平上显著，即网络购物家庭的线下消费支出相比无网络购物家庭高14.5%。网络购物家庭的线下消费占总收入的比重平均比无网络购物家庭高9.6%。有网络购物家庭比无网络购物家庭平均总消费支出高20.8%。据此，验证了网络购物行为能够促进家庭线下消费支出和家庭总消费支出。

五、结论与建议

目前关于居民消费需求和消费行为理论的研究逐渐从宏观总量分析转向消费者个体微观数据分析，宏观总量数据在加总过程中抹掉了消费者个体的差异性和微观特征，是一个很大的漏洞。随着在传统跨时替代和最优化理论中引入不确定性的随机游走假说、预防性储蓄和缓冲存货理论，更多的学者便转而采用微观数据进行实证研究。

本文以发展新型消费为出发点，采用2017年中国家庭金融调查数据，通过不分组别、按网络购物比重分组别（网络购物占比70%以下及以上家庭）和高收入家庭的异质性影响分析以及工具变量法的检验等，实证研究了网络购物是否会对居民家庭的线下消费产生挤出效应与对居民家庭总消费支出的影响。研究发现：（1）总体而言，网络购物并没有对线下消费产生挤出效应，相反，网络购物不仅能显著促进居民家庭的线下消费，而且能显著促进居民家庭总消费;（2）网络购物对高收入家庭和低收入家庭的线下消费都有显著正向促进作用，其中，对低收入家庭线下消费的促进作用强于高收入家庭;（3）对于网络购物支出占总消费支出70%以下组别的居民家庭，网络购物不会挤出线下消费，反而能促进线下消费，且网络购物占总消费支出比重越低，对线下消费支出的促进作用越大。但是，网络购物支出占比在70%以上组别的居民家庭，网络购物会对线下消费产生挤出，且网络购物支出占比越高，网络购物对线下消费支出的挤出效应越强。

基于以上研究，本文提出如下政策建议：（1）应进一步加强信息网络基础设施建设，扩大网站数、提高网络覆盖率、提升居民的互联网使用率，加快电商、快递进村，拓展低收入居民家庭的消费途径，充分发挥网络购物促进消费的作用，进而通过扩大消费拉动经济增长。（2）加大对网络消费行业的金融、财税等配套政策支持，扶持重点网络消费平台企业成长壮大（梁达，2014）。B27稳步推进各类市场主体发展网络销售，促进网上市场与实体市场互动发展，加快实现线上线下融合发展的步伐，以满足不同收入阶层居民的消费需求，充分挖掘并释放居民的消费潜力。（3）相关部门应加快推进网络购物相关法律法规与标准体系的建立，健全并细化现有法律法规，充分保障消费者的合法权益，通过改善网络购物消费环境，提高居民消费意愿，让居民能消费、愿消费，在扩大内需的过程中促进民生改善和经济发展。

①陈斌开、杨汝岱：《土地供给、住房价格与中国城镇居民储蓄》，《经济研究》2013年第1期。

②李涛、陈斌开：《家庭固定资产、财富效应与居民消费：来自中国家庭的经验数据》，《经济研究》2014年第3期。

③李蕾、吴斌珍：《家庭结构与储蓄率U型之谜》，《经济研究》2014年第1期。

④陈斌开、陆铭、钟宁桦：《户籍制约下的居民消费》，《经济研究》2010年第12期。

⑤易行健、周利：《数字普惠金融发展是否显著影响了居民消费——来自中国家庭的微观证据》，《金融研究》2018年第11期。

⑥杭斌：《习惯形成下的农户缓冲储备行为》，《经济研究》2009年第1期。

⑦臧旭恒、陈浩、宋明月：《习惯形成对我国城镇居民消费的动态影响机制研究》，《南方经济》2020年第1期。

⑧杨继瑞：《网络经济对消费经济推动机理的思考》，《消费经济》2008年第2期。

⑨高孝平：《网络经济与传统经济比较研究》，《重庆邮电学院学报》2005年第1期。

⑩戴有山：《网络经济时代创新消费方式新格局》，《中外企业文化》2015年第3期。

B11李爱梅、鹿凡凡：《心理账户的心理预算机制探讨》，《统计与决策》2014年第8期。

B12王晓彦、胡德宝：《移动支付对消费行为的影响研究：基于不同支付方式的比较》，《消费经济》2017年第5期。

B13MorganJ.，OngD.andZhongZ.，“LocationStillMatters：EvidencefromAnOnlineShoppingFieldExperiment，”JournalofEconomicBehavior&Organization，no.146，2018，pp.43-54.

B14ZhangF，YuanNJandZhengK，etal.，“MiningConsumerImpulsivityfromOfflineandOnlineBehavior，”Proceedingofthe2015ACMInternationalJointConference，2015，pp.1281-1292.

B15方福前、邢炜：《居民消费与电商市场规模的U型关系研究》，《财贸经济》2015年第11期。

B16张红伟、向玉冰：《网购对居民总消费的影响研究——基于总消费水平的数据分析》，《上海经济研究》2016年第11期。

B17秦芳、吴雨、魏昭：《网络购物促进了我国家庭的消费吗？——来自中国家庭金融调查（CHFS）数据的经验证据》，《当代经济科学》2017年第6期。

B18杨汝岱、周靖详：《户籍转变与身份融合：来自CFPS的证据》，《消费经济》2017年第1期。

B19家庭消费性支出包括食品、衣着、日用品、居住、教育、文化娱乐以及服务支出等各种消费支出的总和;家庭总收入包括经营性收入、工资性收入、财产性收入以及转移性收入。

B20李春琦、李立：《家庭劳动力供给对消费平滑的影响效应：基于CFPS数据的微观实证》，《当代经济科学》2018年第5期。

B21问卷调查中的教育文化程度，以教育年限0、6、9、12、12、15、16、19和22分別衡量“没上过学”“小学”“初中”“高中”“中专/职高”“大专/职高”“大学本科”“硕士研究生”和“博士研究生”。

B22选项中存在“同居”“分居”“离婚”“再婚”等，以目前婚姻状况定义。

B23公式为lnX≈ln（1+X）。参见白重恩、吴斌珍、金烨：《中国养老保险缴费对消费和储蓄的影响》，《中国社会科学》2012年第8期。

B24回归系数-1.863距离原点较远，避免增大误差，采用标准公式e-1.863-1=0.1552-1=-0.8448。

B25回归系数-2.5501距离原点较远，避免增大误差，采用标准公式e-2.5501-1=0.0781-1=-0.9219。

B26问卷调查中将快递距离设计为询问“网购时，快递送至的地点距离您家的距离大致为多少公里”，若直接送至家中、公司，则填0;若为送至快递点、网络代售点等物流服务点自取，则估计具体数值。

B27梁达：《网购成为释放居民消费潜力的新亮点》，《宏观经济管理》2014年第9期。

（责任编辑：张琦）