人口老龄化对城镇家庭消费的影响分析

统计观察

人口老龄化对城镇家庭消费的影响分析

刘沛鑫a，王

勇b，邹政伟b

（江西财经大学a.国际经贸学院；b.统计学院，南昌330013）

摘要：文章采用1990—2018年的宏观经济数据，构建分段分位数回归模型比较研究不同家庭消费支出

和不同样本期人口老龄化对城镇家庭人均消费支出的影响。结果表明：1990—2018年人口老龄化会抑制城镇家庭人均消费支出，且抑制效应随分位数的提高呈现出“U”型变动特征；1990—2000年人口老龄化会抑制城镇家庭人均消费支出，但这种抑制作用仅体现在低分位点；2001—2018年人口老龄化会抑制城镇家庭人均消费支出，这种抑制效应随分位数的提高呈现出“U”型变动。

关键词：人口老龄化；城镇家庭消费；分位数回归；分段回归中图分类号：F293.3文献标识码：A文章编号：1002-6487（2021）08-0103-04

全国层面上老年抚养比与居民平均消费倾向呈正相关关

0引言

国家统计局数据显示，我国居民消费率从1978年的48.8%下降至2010年的34.6%，然后上升至2018年的38.7%，但与全世界最大的12个经济体相比还存在很大的差距。在我国步入人口老龄化阶段前后，人口老龄化对家庭消费的影响是否存在差异？且不同家庭消费支出状况下人口老龄化对家庭消费的影响是否存在差异？对以上问题的研究和解答将为我国解决人口老龄化问题提供重要参考。1文献综述

根据人口老龄化对城镇家庭消费影响方向的不同，本文将国内外文献分为以下三种类型：

第一类文献的研究结果表明，人口老龄化会促进家庭

[1]

消费。Bosworth和Chodorowreich（2007）利用1960—2005

[5]

系。黄燕芬等（2019）基于相对收入消费函数理论，采用

2008—2016年我国31个省份的面板数据构建SYS-GMM模型，研究发现老年抚养比对城镇居民消费起拉动作用。

[6]王笳旭（2015）采用2001—2012年的省级面板数据构建

广义矩GMM模型，研究发现人口老龄化有利于缩小城乡家庭消费的差距，且人口老龄化对城乡家庭的消费均存在一定的促进效应。

第二类文献的研究结果表明，人口老龄化会抑制家庭

[7]消费。Horioka和Wan（2007）基于生命周期理论，利用中

国各省1995—2004年的面板数据构建动态面板模型，研究发现人口老龄化对储蓄率存在显著的促进效应，而对家庭平均消费倾向存在显著的抑制效应。李春琦和张志平

[8]（2009）利用我国1978—2007年的时间序列数据构建动

态宏观经济模型，研究发现老年抚养系数对居民消费存在

[9]显著的抑制效应。宋宝庆和林筱文（2010）基于传统消费

理论，采用我国1978—2008年宏观数据构建状态空间模型和向量自回归模型，研究发现人口老龄化对家庭消费存

[10]在抑制效应。涂奇（2018）采用2005—2015年的省级面

年85个国家的数据构建面板数据回归模型，研究发现老年抚养比会显著提高家庭平均消费倾向。Loayza等（2000）利用98个国家的数据构建多元线性回归等计量

[2]

板数据构建动态面板门门槛回归模型，研究发现当人口老龄化高于8.7%时，人口老龄化水平越高对家庭消费的抑

[11]制效应越大。曹佳斌和王珺（2019）基于人口年龄结构

模型，研究发现人口老龄化对家庭消费存在促进效应，而对家庭储蓄存在抑制效应，且老年抚养比对国民储蓄率的

[3]

边际影响系数大于-0.77，小于-0.13。Dekle（2004）则从

视角，采用CFPS2016数据构建Probit模型，研究发现家庭老年人口占比的增加会挤占家庭对文娱方面的消费。彭

[12]

博（2020）采用我国2005—2018年的数据构建多元线性

投资的角度出发，利用日本的历史数据间接研究了人口老龄化对家庭消费的影响，发现人口老龄化对投资水平有抑制效应，但促进了整个社会的消费，从而验证了生命周期

[4]

假说。易行健和菅倩倩（2019）采用2000—2017年的省

回归模型，研究发现人口老龄化会抑制服务业的发展，且抑制效应在东部地区最显著。

第三类文献的研究结果表明，人口老龄化不会显著影

[13]

响家庭消费。李文星等（2008）采用我国1989—2004年

级面板数据构建系统广义矩SYS-GMM模型，研究发现在

基金项目：江西省高校人文社会科学研究青年项目（JJ19206）

作者简介：刘沛鑫（1986—），男，江西丰城人，博士研究生，研究方向：消费经济。

王勇（1990—），男，江西吉安人，博士，研究方向：人口老龄化。

统计与决策2021年第8期·总第572期

103

统计观察

的省级面板数据构建动态面板GMM模型，研究发现

[14]老年抚养比对家庭消费没有显著影响。Wan（2006）

表1变量类型被解释变量核心解释

变量控制变量控制变量控制变量控制变量

名称实际城镇家庭人均消费支出65岁及以上人口占比实际城镇居民人均可支配收入实际总税收少儿抚养比城镇固定资产投资

变量的描述性统计符号

均值

中位数

最大值最小值标准差

基于生命周期理论，采用我国1995—2004年的家庭调查数据构建GMM模型，研究发现老年抚养比对家庭消费没有显著影响。

已有文献大多构建多元线性回归模型进行研究，未对城镇家庭消费支出状况进行划分，也未对进入人口老龄化前后进行对比研究，基于此，本文采用Consumet3882.843220.528252.991278.902226.70Oldt

7.98

7.58

11.90

5.57

1.75

revenuet5354.854185.8112405.711510.203437.51Taxtyoungt

18068.1710836.1249432.842821.8616091.0330.85

30.30

41.80

22.10

7.43

investt180073.1059028.00635636.003274.40219203.90

1990—2018年的宏观经济数据，构建分段分位数回归模型，比较研究不同家庭消费支出和不同样本期人口老

龄化对城镇家庭消费支出的影响。2模型构建及变量选取

在不同分位数水平下，分位数回归模型的估计系数往往不同，体现为解释变量对不同水平被解释变量的影响不同，其模型形式为：

yq(xi)=x′iβq

（1）

其中，q为分位回归系数；yq为被解释变量；xi为解释变量；βq为q分位回归系数，其估计量βq的最小化目标函数为：

minnβqyq

åi:yi

³xiβ

q

|i-x′iβq|+åni:yi

³xiβq

(1-q)|yi-x′iβq|（2）

假设q=0.5，则为中位数回归。此时，目标函数简化为：

minnβy-q

åi=1|i

x′iβq|（3）

中位数回归又被称为最小绝对值离差估计量，比均值回归更不易受极端值的影响，统计结果更加稳健。本文将1990—2018年时间序列数据划分为1999—2000年和2001—2018年两个子样本，比较研究不同样本期人口老龄化对不同分位数水平下城镇家庭消费支出的影响。本文构建的线性回归模型如下：

Consumet=β0+β1Oldt+β2Xt+εt

（4）

式（4）中，Consumet为实际城镇家庭人均消费支出；Oldt为65岁及以上人口占比；Xt为控制变量，主要有实际

城镇居民人均可支配收入(revenuet)、实际总税收(Taxt)、少儿抚养比(youngt)和城镇固定资产投资(investt)。εt为随机扰动项。样本期为1990—2018年，数据来自国家统计局官网。其中，实际城镇家庭人均消费支出、实际城镇居民人均可支配收入由城镇居民人均消费支出、城镇居民人均可支配收入转换而来。转换方法为：原始数据除以城市居民消费价格指数，城市居民消费价格指数以1990年为基期。t代表年份，t=1990,1991,,2018。变量的描述性统计如表1所示。

从表1可以看出，城镇家庭人均消费支出Consumet

的均值为3882.84，最大值为8252.99，最小值为1278.90，最

104

统计与决策2021年第8期·总第572期

大值与最小值之间存在较大的差距，这也恰恰证明了以城镇家庭人均消费支出Consumet为依据对其进行分位数回归是必要的。65岁及以上人口占比的均值为7.98，最大值为11.90，最小值为5.57，这说明我国人口老龄化趋势随着时间的推移逐渐加重。根据实际城镇居民人均可支配收入、实际总税收、少儿抚养比以及城镇固定资产投资的标准差等统计量的描述性统计结果可知，控制变量表现出较大差异性，满足要求。3实证分析与讨论

本文首先利用逐步回归法对核心解释变量和控制变量进行多重共线性检验和修正，再进行异方差和自相关稳健性HAC（Newey-West）估计，以修正随机干扰项可能出现的异方差和自相关问题，结果见表2中的OLS估计结果。然后进行分位数回归，不同分位点的估计结果如表2所示。数据处理和分析软件为EViews9.0。

表2

1990—2018年OLS估计和分位数回归结果

OLS

0.20.50.865岁及以上

-127.6736**-213.9774**

-104.4138*-153.6648***

人口占比（55.3110）（93.8448）（55.1421）（38.1246）实际城镇居民0.7482***0.8920***0.7028***0.7347***人均可支配收入（0.0551）（0.0984）（0.0578）（0.0400）实际总税收-0.0238***-0.0384***-0.0198**-0.0263***（0.0045）（0.0122）（0.0072）（0.0050）少儿抚养比-25.7661***-20.3760**-28.4461***-31.7796***

（5.7349）

（7.6335）

（4.4854）

（3.1011）城镇固定0.0008***资产投资（0.0002）

常数项

2049.082***2107.133***2100.349***2512.890***（362.1495）（573.5442）（337.0080）（233.0031）注：*、**、***分别表示在10%、5%、1%的水平上显著；括号内的结果为标

准误，其中OLS列括号内的结果为异方差和自相关稳健标准误。下同。

从表2中的OLS估计结果可以看出，65岁及以上人口占比的增加会显著降低实际城镇家庭人均消费支出，且回归系数为-127.6736，与0.5分位点、0.8分位点上的回归系数较为接近。这很可能是因为城镇地区的大部分老年人的生理机能和劳动能力会逐年减弱或丧失，创造社会财富的能力也随之降低，对产品和服务的需求减弱，进而表现为消费支出减少。分位数估计结果显示，65岁及以上人口占比在0.2分位点、0.5分位点和0.8分位点上的回归系数分别为-213.9774、-104.4138和-153.6448，系数的绝对值呈现出“U”型变动，即从0.2分位点到0.5分位点人口老

统计观察

龄化对城镇家庭的消费的负向影响不断减小，而从0.5分位点到0.8分位点，人口老龄化对城镇家庭的消费的负向影响不断增大，表明人口老龄化对低消费支出群体的抑制效应最强，其次是高消费支出群体，对中消费支出群体的抑制效应最小。可能的原因是：老年群体崇尚勤俭节约，创造财富的能力不足，消费需求较弱，进而在回归系数上体现为负值；同时，储蓄率作为影响支出的间接因素，不同水平消费支出群体的储蓄率存在差别，低水平消费支出群体通常储蓄率较高，进而在回归系数上表现为系数绝对值最大。实际城镇居民人均可支配收入在0.2分位点、0.5分位点和0.8分位点上的回归系数分别为0.8920、0.7028和0.7347，表明城镇居民人均可支配收入的增加可以促进城镇居民的消费，但对低消费支出群体的促进效应最强。实际总税收的增加、少儿抚养比的提高均会抑制城镇居民的消费。而城镇固定资产投资的增加会显著提高高消费支出群体的支出，对中低消费支出的群体则无显著影响。

为了比较研究不同样本期间以及不同家庭消费支出状况下人口老龄化对城镇家庭消费支出的影响，本文对1990—2000年的样本数据进行OLS估计和分位数回归，结果如表3所示。

表3

1990—2000年OLS估计和分位数回归结果

OLS

0.20.5

0.8

65岁及以上人口占比-26.2424***（0.9974）实际城镇居民

0.7179***0.7426***0.7283***0.7078***人均可支配收入（0.0129）（0.0030）（0.0234）（0.0312）实际总税收-0.0343***-0.0156***-0.0309*

-0.0381*

（0.0083）（0.0003）

（0.0146）（0.0195）少儿抚养比-15.2934***-13.5673**-15.5093*（2.3675）

（5.6036）（7.4794）

城镇固定资产投资

0.0019***（0.0001）

常数项

935.9552***341.4540***829.1604**994.6892**（113.7929）

（4.5270）（278.5054）（371.7342）

从表3中的OLS估计、0.5分位点及0.8分位点的分位数回归结果可以看出，1990—2000年65岁及以上人口占比的增加对实际城镇家庭人均消费支出无显著影响。0.2分位点的分位数回归结果表明，65岁及以上人口占比的增加会显著抑制实际城镇家庭人均消费支出，回归系数的绝对值为26.2424，小于1990—2018年的回归系数绝对值。由此可见，1990—2000年65岁及以上人口占比对实际城镇家庭人均消费支出的抑制作用仅体现在低分位点。可能的原因是：1990—2000年我国65岁及以上人口占比较小，人口红利大，人口老龄化对城镇居民消费的抑制效应较小，进而表现为回归系数为负数且绝对值较小。实际城镇居民人均可支配收入对实际城镇家庭人均消费支出有促进作用，且随着分为点的增大，促进效应逐渐减弱。实际总税收的增加会抑制实际城镇家庭人均消费支出。在0.5分位点和0.8分位点上，少儿抚养比对实际城镇家庭人均消费支出的影响表现为负效应。对低消费支出群体，城镇固定资产投对实际城镇家庭人均消费支出影响显著。

最后，本文对2001—2018年的样本数据进行OLS估计和分位数回归，结果如表4所示。

表4

2001—2018年OLS估计和分位数回归结果

OLS

0.2

0.5

0.8

65岁及以上-161.1530***-214.4841*-132.9299*-181.0648***人口占比（52.2061）（110.4058）（73.8070）（11.7020）实际城镇居民人均

0.7736***0.8812***0.6811***0.7386***可支配收入

（0.0517）（0.0870）（0.0638）（0.0092）实际总税收

-0.0312***-0.0538***-0.0153*-0.0233***（0.0057）（0.0117）

（0.0085）

（0.0012）少儿抚养比-32.8085***-44.7303***-24.1459**-27.3028***

（6.6829）（14.1856）（9.9380）（1.5035）城镇固定资产投资0.0007**0.0009*0.0008**0.0008***（0.0003）

（0.0004）

（0.0003）

（0.0001）

常数项2472.664***2983.082***2221.463***2534.594***（164.6279）（470.7449）（320.5778）（49.8946）

由表４可以看出，2001—2018年人口老龄化对实际城镇家庭人均消费支出有显著的抑制作用，且系数的绝对值和1990—2018年的回归结果一致，随着分位数据的提高呈现出“U”型变动。可能的原因是：2001—2018年我国65岁及以上人口占比相对较大（大于7%），老年群体崇尚勤俭节约，创造财富的能力不足，进而表现为人口老龄化抑制城镇居民消费。此外，实际城镇居民人均可支配收入、城镇固定资产投资对实际城镇家庭人均消费支出的影响表现为显著的正效应；实际总税收的增加、少儿抚养比的增大会抑制城镇家庭消费。

对比表3和表4的结果可以发现，在2001年前后，65岁及以上人口占比这一变量对实际城镇家庭人均消费支出的影响有显著差异，1990—2000年65岁及以上人口占比对实际城镇家庭人均消费支出有显著的正向影响，而2001—2018年65岁及以上人口占比对实际城镇家庭人均消费支出有显著的负向影响，且与1990—2018年全样本数据的回归结果一致。城镇固定资产投资这一变量对实际城镇家庭人均消费支出的影响在2001年前后也有显著差异，其中2001—2018年城镇固定资产投资的增加会促进城镇居民的消费。实际城镇居民人均可支配收入、实际总税收和少儿抚养比这三个变量对实际城镇家庭人均消费支出的影响在2001年前后一致，也与1990—2018年全样本数据的回归结果一致，均表现为实际城镇居民人均可支配收入促进城镇居民的消费，实际总税收的增加、少儿抚养比的增大则会抑制城镇家庭消费。4结论

本文采用1990—2018年的宏观经济数据，构建多元线性回归模型研究人口老龄化对城镇家庭人均消费支出的平均影响。同时本文采用1990—2018年的宏观经济数据，构建分段分位数回归模型比较研究不同家庭消费支出和不同样本期人口老龄化对城镇家庭人均消费支出的影响。得出的结论如下：

（1）1990—2018年，人口老龄化会抑制城镇家庭人均

统计与决策2021年第8期·总第572期

105

统计观察

消费支出，且抑制效应随分位数的提高呈现出“U”型变动。这很可能是因为城镇地区的大部分老年人的生理机能和劳动能力会逐年减弱或丧失，创造社会财富的能力降低，对产品和服务的需求减弱，进而表现为消费支出的减少；同时储蓄率作为影响支出的间接因素，不同水平消费支出区域的储蓄率存在差别，使得人口老龄化对城镇家庭消费的抑制效应存在差异。

（2）1990—2000年，人口老龄化会抑制城镇家庭人均消费支出，但这种抑制作用仅体现在低分位点。这很可能是因为在1990—2000年，我国65岁及以上人口占比较小，人口红利大，人口老龄化对城镇居民消费的抑制效应较小。

（3）2001—2018年，人口老龄化会抑制城镇家庭人均消费支出，这种抑制效应随分位数的提高呈现出“U”型变动。这很可能是因为2001—2018年，我国65岁及以上人口占比相对较大（大于7%），老年群体勤俭节约的消费习惯和观念以及创造财富能力不足导致人口老龄化抑制城镇居民消费，“U”型变动的原因也可能是受到储蓄率的影响。

参考文献：

[1]BosworthGlobalB,ChodorowreichG.SavingandCenterDemographicforRetirementChange:ThesearchatDimensionBostonCollege,2007.

[J].WorkingPapersRe⁃

[2]LoayzatheWorldN,Schmidt-hebbelK,ServenL.WhatDrivesSavingAcross[3]DekleR.Financing[J].ReviewConsumptionofEconomicsinandanAgingStatistics,2000,(82).

Japan:TheRoleofFor⁃106

统计与决策2021年第8期·总第572期

eignInternationalCaptialInflowsEconomies,2004,(18).

andImmigration[J].JournaloftheJapaneseand[4]易行健验[J].消费经济,菅倩倩,2019,35(2).

.中国人口老龄化与居民平均消费倾向的实证检[5]黄燕芬费的影响机理,张超,田盛丹[J].人口研究.人口年龄结构和住房价格对城镇居民家庭消,2019,43(4).

[6]王笳旭于省际动态面板数据的实证分析.人口老龄化对我国城乡居民消费差距的影响研究[J].当代经济科学,2015,37(5).——基[7]HoriokaADynamicCY,PanelWanJ.TheAnalysisDeterminantsofProvincialofHouseholdData[J].JournalSavingofinMoney,

China:[8]李春琦Creditand,张杰平Banking,.中国人口结构变动对农村居民消费的影响研究2007,39(8).中国人口科学,2009,(4).[J].[9]宋保庆人口与经济,林筱文,2010,.人口年龄结构变动对城镇居民消费行为的影响(4).[J].[10]经济研究涂奇.人口老龄化对城镇居民消费影响的门限效应研究,2018,(18).

[J].商业[11]曹佳斌解释[J].,南方经济王珺.为什么中国文娱消费偏低,2019,(7).

?基于人口年龄结构的

[12]彭博究[J]..商业经济研究人口年龄结构对我国服务业的影响效应及其差异性研

,2020,(1).[13]2004[J].李文星经济研究,徐长生,艾春荣,2008,(7).

.中国人口年龄结构和居民消费:1989—[14]WanPanelJ.TheAnalysisDeterminantsofProvincialofHousehouldData[J].NBERSavingWorkinginChina:PaperADynamic

(12).

,2006,

（责任编辑/浩天）