基于大数据档案的人口老龄化对居民消费的影响研究

来源：核心期刊咨询网时间：2022-01-05 11:5712

摘要：摘要：基于中国20002017年31个省际大数据档案，构建面板平滑转移回归模型(PSTR模型)，分析研究人口老龄化水平与居民消费两者关系。研究结果显示，人口老龄化与居民消费的之间存在非线性关系，适合采用非线性最小二乘法进行参数估计;人口老龄化系数与居民消费两者间呈现

　　摘要：基于中国2000—2017年31个省际大数据档案，构建面板平滑转移回归模型(PSTR模型)，分析研究人口老龄化水平与居民消费两者关系。研究结果显示，人口老龄化与居民消费的之间存在非线性关系，适合采用非线性最小二乘法进行参数估计;人口老龄化系数与居民消费两者间呈现双重门槛效应，人口老龄化对居民消费的影响存在三种作用机制，人口老龄化对居民消费增长总体呈现负向影响。

　　关键词：人口老龄化;居民消费;PSTR模型

　　居民消费是经济增长的主要驱动力，不仅受人口总量的规模影响，同时易受人口年龄结构的影响。虽然人口老龄化影响居民消费水平的具体体现还存在争议，但多数学者支持人口老龄化加剧降低居民消费水平的观点。Elmendorf等 [1-3]通过理论和实证研究认为人口老龄化会降低消费水平和消费比率，进而导致消费需求减少。吴莹等[4-7]认为人口老龄化对农村居民和城镇居民的消费有不同的影响。王晓飞等[8-9]研究认为人口老龄化对居民消费有积极的促进作用。本文以居民消费率为因变量，人口老龄化为自变量，遴选确定必要的控制变量和转换变量，利用中国2000—2017年31个省际大数据档案，构建面板平滑转移回归模型，对人口老龄化水平与居民消费之间的关系进行检验估计，针对计算结果进行分析研究。

　　1 模型构建与变量说明

　　González等[10]构造适应非线性表示的面板平滑转换(Panel Smooth Transition Regression，PSTR)模型，是基于Hansen的PTR模型[11]和Terasvirta的STAR模型[12]的改进。该模型引入一个转换函数，随着门槛变量值的变化，模型在两个机制中平滑转换，可实现在高低体制间的连续变动，能克服PTR门槛模型的突变现象。

　　1.2 变量说明

　　被解释变量：居民消费率(CCR)，选取居民消费占国内生产总值的比重作为被解释变量，反映拉动经济增长所起的作用大小。

　　核心解释变量：人口老龄化系数(age)，选取65岁以上老年人口占总人口的比重作为核心解释变量。

　　控制变量：依据前文相关研究文献，主要分为区位因素、制度因素、人力资本和宏观经济波动等，具体如下。居民人均可支配收入增长率(pcdir)，当年居民人均可支配收入减去上年居民人均可支配收入与上年居民人均可支配收入的百分比，是影响居民消费的主要因素。人均实际国民生产总值(pgdp)是衡量国民收入的重要指标，为消除通货膨胀因素影响，釆用国民生产总值增长率来表示。城乡收入比(urp)，是衡量城乡收入差距的主要方法。城市化率(ur)，城市化水平的滞后是内需拉动不起来的一个重要原因，如果能重视城市化发展，利用好城市化的聚集经济效应，促进消费，启动内需，则能有力的推动中国经济增长。第三产业占比(pti)，消费品大多与第三产业相关，两者形成良性互动。

　　平均受教育年限(pedu)，一般来说受教育水平高的个人知识储备更为丰富，管理技能更多样，收入更高，对新事物的接受能力更强，其消费能力和消费意愿也更强。经济开放度(open)，经济开放能促进经济增长，提高收入水平和消费水平。财政支出比重(fep)，是财政政策的重要体现，居民的消费状况与国家的财政政策息息相关。养老保障(rs)，良好的社会保障制度让居民有良好的预期，居民可以放心大胆的消费。通货膨胀率(inf)，物价指数的变化影响居民的实际的收入水平和消费水平，进而影响居民消费预期。各变量的含义及计算见表1。

　　采集了2000—2017年全国31 个省份数据，共计558 个样本。数据主要来源于历年官方公布的中国统计年鉴、劳动统计年鉴、固定资产投资统计年鉴、科技统计年鉴、人口统计年鉴、人口和就业统计年鉴以及各省市相关统计年鉴的直接数据或计算而得[13]，各变量的统计性特征如表2所示。

　　2 实证检验与结果分析

　　2.1 模型检验与参数估计

　　依据González等[10]的估计原理，对面板数据进行异质性检验，确定是线性回归模型或者是PSTR模型[14]。然后，根据文献[15]最小AIC和BIC准则，确定逻辑转移函数中阶数m。进行非保留异质性检验，确定转移函数的最优个数。根据表3检验结果可知，对m=1和m=2分别进行模型回归，比较其对应的AIC和BIC的值。当m=1时的AIC和BIC值比m=2时小，故选择转换函数中的阶数m=1。在5%的显著性水平下，三个检验统计量WaldTests(LM)、FisherTests(LMF)和LRTTests(LRT)都证实具有非线性关系的备择假设，表明人口老龄化与居民消费之间存在非线性关系，故选取PSTR模型是合理的。在5%的显著性水平下，统计量LM、LMF和LRT均能接受转移函数个数r为2的原假设检验，故PSTR模型转移函数的最优个数r数值选定为2。对m=1，r=2的PSTR模型，采用非线性最小二乘法(NLS)进行参数估计，估计结果如表4所示。

　　2.2 模型估计结果分析

　　本文模型是一个多体制模型，其中有两个转换函数，每个转换函数内包含有对应的一个平滑系数与一个位置参数。转换变量是人口老龄化。两个转换函数对应的位置参数分别为7983 2和11311 2。第一个转换函数的位置参数左右个数分别为207和351，占比为371%和629%;第二个转换函数的位置参数左右个数分别为506和52，占比为907%和93%。两个转换函数各自所对应的高低体制之间相差299个观测值，表明多体制效应明显，两个体制所划分的区域以及阈值相差较大，从两个转换速度0842 0、4668 8可知转换速度相差较大。当7983 2113112，两模型都处于高体制。高低体制转换速度的不同相应导致模型平滑转换模式也不同。由β11<0可知，人口老龄化处于低体制时，人口老龄化对居民消费的影响是逆向关系。可能由于处于人口老龄化初期，社会对人口老龄化准备不足，不能提供滿足老年人的需求的产品和服务。两个转换函数对应的参数β112<0，β212>0，说明在高体制中人口老龄化对居民消费的影响，呈现出不同的非线性关系。随着人口老龄化进程加快，社会各方面重视人口老龄化问题，促进了居民消费的提升，但当老龄化程度超过一定的阈值时，又造成了居民消费的下降。

转载请注明来自：http://www.qikan2017.com/lunwen/wyi/22281.html