人口年龄结构与城镇居民消费论文范文

一、数据说明与统计描述

(一)数据说明中国综合社会调查(Chinageneralsocialsurvey，缩写为CGSS)是中国第一个全国性、综合性、连续性的大型社会调查项目。从2003年开始每年一次，调查范围覆盖了全国大多数省区，对于整个中国而言具有较强的代表性，调查内容涉及个人及家庭的丰富信息，是不可多得的开放式微观数据资料。本文采用的是CGSS第一期的数据资料，包含了2003、2005、2006和2008年的调查数据。在使用前对数据进行了以下筛选处理:(1)只保留四次调查都覆盖的省份，共有27个省份(不含青海省、海南省、宁夏回族自治区、西藏自治区、港澳台);(2)只针对城镇家庭居民的数据资料进行研究;(3)将被访问者的年龄限定在18—70岁之间。由于研究的主要变量是家庭的基本生活费支出，为了控制家庭规模的影响，必须把家庭支出换算成家庭人均值，考虑到所使用的数据情况，本文采用OECD平方根规模指数进行换算:将家庭基本生活费支出除以家庭人口规模的平方根即可得到家庭人均基本生活费支出，本文接下来的分析均以此指标来代替家庭消费支出。中国各地区间价格水平存在差异，同一消费水平在不同地区的实际购买力是不同的，如果不考虑价格的影响，则不能真实反映消费差距，因此，采用各地区城镇居民消费价格指数对所有的消费指标进行了以2006年为基期的调整。经过数据的筛选和处理，包括去掉消费数据中1%最高和最低的异常值后，最终的样本只保留了家庭收入和消费为正，并且被访问者年龄以及其他关键变量均不缺失的15248个样本。

(二)数据的基本统计描述表1报告了被调查的家庭的基本人口特征。从表1中可以发现，样本中被访问者的平均年龄在逐渐增加，由2003年的42.49岁增加到了2008年的44岁。教育年限①＊也呈增加的趋势，反映了随着生活水平的提高，中国城镇居民对教育的重视程度日益提高。值得注意的是随着时间的推移，城镇居民的家庭规模有缩小的趋势，家庭的平均人口由3.32减少到了2008年的2.18，这在一定程度上反映出中国城镇居民生育意愿降低的现象，符合中国生育率降低的现实。表2提供了各调查年份中国城镇居民家庭消费支出及消费差距的变动情况，从中可以发现，中国城镇家庭人均消费支出呈明显的递增趋势，反映出中国城镇居民分享到了经济增长带来的成果，显著地提高了消费水平。在表2中计算了多个常用的衡量差距的指标，如对数标准差、变异系数、基尼系数、泰尔指数等②＊＊。各个衡量差距的指标变化规律是基本一致的，总体表现出上升的态势(除了2006年有小幅下降)，这说明中国城镇居民家庭消费差距有扩大的趋势。从表1和表2提供的基本数据中，我们可以粗略地推断:2003年到2008年间，中国城镇居民人口年龄结构呈老化的趋势，而且消费差距也趋于扩大。若将所有观测值的消费支出和年龄分布绘制出全样本的年龄—消费曲线(如图1)，则会发现，消费支出近似呈现出“U”型分布，在18岁到26岁左右，居民消费支出处于最高位，此后逐渐下降;到了38岁左右又开始缓慢上升。消费支出的这种特征可能和中国特殊的人口政策有关，在样本观察期内，18—26岁的城镇年轻居民基本上都是独生子女，家庭的主要支出都花在他们身上，他们处于消费曲线的高位不足为奇;26岁以后，多数年轻人都脱离了父母独自生活，在职业生涯的早期收入并不足以支撑较高的消费，所以消费有下降的趋势;38岁以后基本进入赚取更高收入的黄金时期，消费又缓慢的回升。然而，图1的做法是将所有个体进行无差异对待，忽略了个体之间客观存在的代际差异(不同年份出生在相同的年龄段，其消费水平是有差异的)，这无疑遗漏了一些重要的信息，估计结果并不可靠。对此，本文接下来将运用组群分析方法来测度中国城镇居民消费支出变动及其来源的年龄效应与组群效应。

二、中国城镇居民消费支出的分解

(一)组群分析方法在微观调查中，对某一特定个体的终生进行固定追踪是很难实现的，所以往往采用样本轮换的做法，每一轮的调查样本都会产生变动，这样导致了无法获得真正的面板数据。但是，如果按照某种属性(如年龄、民族、职业等)将各期的调查样本分成不同的组群(Cohort)，在各个样本期内，选择各组群相关变量的均值，则可以构造出以组群为单位的面板数据，这种分析方法就叫组群分析方法(周绍杰，2009)，根据组群来构造的面板数据称为伪面板数据(PseudoPanleData)。伪面板数据允许各个调查期的样本不同，其重点关注的是组群(如同一年代出生的人，职业相同的人)的统计特征，通过组群的各种统计量(均值、方差等)的发展变化，来揭示总体某一变量的分布特征。尽管伪面板数据不是真正的面板数据，但伪面板数据使用的是组群的统计量，减少了个体奇异值的干扰，从而降低了测量误差，另一方面，由于不需要每个调查期追踪固定的样本，这使得样本流失的问题不存在。虽然伪面板数据可以提供某一组群在某一年龄阶段的经济行为，但在实证分析中必须对组群间的系统性差异———即组群效应(CohortEffect)进行控制，否则组群效应将会混合到所估计的年龄曲线中，造成估计的偏误。因此，在进行组群分析时，重要的一项任务就是在估计家庭消费支出的年龄曲线时把组群效应的影响控制住。控制组群效应的方法是把要分析的变量(在本文中为家庭的消费支出)分解为组群效应、年龄效应(AgeEffect)和年份效应(YearEffect)(Deaton，1997)。其中，组群效应反映了不同时代出生的群体，由于成长环境的差异等导致的代际的系统性差异(例如20世纪60年代出生的群体，其消费行为和80年代出生的群体必然不同)，年龄效应则反映了消费支出的生命周期特点。在实际计量分析过程中，各虚拟变量设定如下:组群虚拟变量以出生最早的组群作为参照组;年龄虚拟变量以最年轻的年龄组作为参照组;T－2个年代虚拟变量根据式(4)转换。

(二)组群构造与消费支出的分解构造伪面板数据要根据观测个体的出生年份来划分组群，Deaton(1997)建议在构造伪面板数据时需要在组群个数和每个组群内样本个数之间进行权衡，其原则是:组群内部差异尽可能小，而组群之间差异尽可能大。本文研究的样本中，调查对象出生年份在1933—1990年之间，由于调查的年份只有四年，我们每10年定义一个出生组，得到6个组群。表3为“组群—年份”构成的伪面板数据在每个单元的样本数。本文的样本年龄分布在18—70岁之间，在四个年度的调查中，年龄最大的个体出生于1933年，在2003年为70岁，最年轻的个体出生于1990年，在2008年为18岁，共构造了58个组群(出生于1933—1990年)，53个年龄组(18—70岁)，在分解出三种效应(年龄、年份、组群)的过程中，共有57个组群虚拟变量、52个年龄虚拟变量以及转化的2个年份的虚拟变量。图2是各组群消费支出的年龄曲线，年轻组群的年龄—消费曲线位于左边，年老组群的年龄—消费曲线位于右边。年龄—消费曲线有两个方面的特征:第一，除了最年老的组群(出生年份为1933—1941年)，其余各组群的消费支出均表现为随年龄增加而增长的趋势。各组群的年龄—消费曲线并没有呈现出“驼峰”形状，而在对一些发达国家或地区的研究中，如对美国(Attanasioetal.，1999)、英国(Attanasio＆Browning，1995)、台湾(Deaton＆Paxson，2000)的研究结果均显示年龄—消费曲线具有明显的“驼峰”特征，中国的年龄—消费曲线具有其特殊模式。第二，在相同的年龄水平上，年轻组群的年龄—消费曲线全部位于年老组群的上方，这表明中国快速的经济增长提高了年轻一代的消费水平。另外，相邻组群的年龄—消费曲线并未相连接，不同组群的消费支出分布在不同的年龄曲线上，因此，不能仅仅连接各个组群的年龄—消费曲线来形成一个总体的年龄—消费曲线，必须在控制组群间的差异的基础上来估计一个总体的年龄—消费曲线。图3绘制了年龄效应和组群效应。可以看到:第一，年龄效应几乎保持着线性增长的态势，只有在60岁以后的退休年龄才停止上升，保持在一个较高的水平，这与美国(Attanasioetal.，1999)和台湾(Deaton＆Paxson，2000)的“倒U”型特征也是迥异的。从平均意义来看，中国城镇居民消费支出的年龄效应增长率约为5.96%。第二，组群效应曲线也基本呈线性增长的趋势，组群效应的增长率约为3.33%，这一结果表明了中国的经济增长给城镇居民的消费水平带来了更多的上升空间。根据以上的分析可知，组群间的消费支出差异十分明显，年轻组群的消费水平明显高于年老组群，因此，在目前老龄化日趋严重的背景下，政府应该通过加快完善中国养老体制、进行收入的再分配调整，提高年老群体的财富水平，促进全社会的消费增长，提高居民的整体福利水平。

三、中国城镇居民消费差距与消费差距变动的分解

(一)消费差距的分解为了便于对总体的消费差距进行分解，我们参照Deaton＆Paxson(1994)、Ohtake＆Satio(1998)及Caietal(2010)等人的做法，选取对数方差来衡量消费的差距。由图4的年龄—消费差异曲线可以发现，几乎在每个组群内，中国城镇居民的消费差距都随年龄的增长而增大，这表明了消费支出存在着显著的组内不平等。其中，Varlnyjk表示可以被分为j个组群和k个年龄组的总体人群的对数消费方差;chortm表示组群虚拟变量，当m=j时为1，否则为0;agen是年龄虚拟变量，当n=k时为1，否则为0;αm和βn则分别为我们要估计的消费差距的组群效应和年龄效应。图5显示了消费差距的年龄效应βn，从中可以看出，消费差距虽然随年龄的变化而波动，但其基本趋势是随着年龄的增长而上升。这说明，在某一组群内(即出生在同一时代的个体内部)，随着年龄的增长，该组人的消费差距是逐渐扩大的，这暗示着同一时代出生的群体进入老年阶段后消费差距会更大，那么在中国养老保险体系尚未完善的环境下，个人如何合理配置其有限的财富，平滑其一生的消费则是个体必须面临的现实问题。表4是组群效应αm。结果显示，各个组群的估计系数都为正数，而且统计上均显著。由于我们的参照组是出生于1933—1941年之间的群体，全部为正的估计系数说明出生于1933—1941年之间的一代人，其消费差距是最小的，之后随着出生年代的推移，组群效应也越来越大，从出生年代为1942—1951年的0.06增加到出生年代为1981—1990年的0.186，增加了两倍有余。这个特征也容易理解:出生年代较早的一批人，其收入来源有限，接触到的消费市场品种也较为单一，他们的消费差距必然不会太大;而出生年代较晚的一批人，收入来源的多样化、消费品市场的极大丰富都为他们产生较大的消费差距提供了条件。这里，消费差距与消费支出的组群效应均表现出相同的规律，即组群效应随着出生年代的推移而增大。根据前文的分析可得到中国城镇居民年龄与消费支出的一般规律:年轻一代的消费水平要高于年老一代，年轻一代的消费差距也大于年老一代，在同一代人内部，随着年龄的增长，消费差距是不断扩大的。但仅根据这个规律我们并不能发现中国的老龄化进程是否对居民消费差距的变动产生了影响，本文接下来将对消费差距的变动进行分解，以考察人口老龄化在消费差距变动中的作用。

(二)消费差距变动的分解基于Ohtake＆Satio(1998)、曲兆鹏和赵忠(2008)的方法，我们把中国城镇居民消费差距从2003到2008年的变动进行分解，把消费差距的变动分解为“人口效应”(即老龄化效应)、“组间效应”和“组内效应”。具体做法如下:令sit为每个年龄的样本在总样本中的比重;σ2it为控制了出生组之后，每个年龄样本的消费对数方差;Xit为每个年龄样本的消费对数均值;i=18，19，…70;t为调查的年份。根据方差的定义和设定的上述变量，我们把消费对数方差变形，分解成三个部分。从表5中可以有如下发现:第一，消费差距的变动在各个时间区间内都为正，且变动量逐渐增加，这反映了在样本区间内，中国城镇居民的消费差距的确是扩大了，而且消费差距的扩大有恶化的趋势。第二，出生组内的消费差距是总体消费差距变动的主要原因，其作用强度有增加的趋势，而与组内效应相比，组间效应很小，这说明了中国城镇居民在2003—2008年间消费差距扩大的主要原因是同一出生组内老年人和年轻人消费差距的拉大，这与图5中控制了组群效应后消费差距随着年龄增加而扩大的年龄—消费曲线相对应。第三，各个时期人口效应分解的结果都表示，人口老龄化对消费差距的影响都不容忽视，这一发现与曲兆鹏和赵忠(2008)不同，他们对中国农村的研究表明老龄化对不平等的影响非常微小。而本文的研究发现人口老龄化对城镇居民消费差距存在着显著的影响，而且影响作用有增强的趋势，这暗示着人口老龄化对居民消费差距的影响在中国城乡间可能存在不同的作用机制，值得更深入研究。

四、结论与建议

本文采用组群分析方法，利用CGSS2003—2008年调查数据，从微观层面剖析了中国城镇居民消费支出的人口年龄特征:(1)中国城镇居民消费支出的年龄效应和组群效应均呈递增趋势，年龄效应的增长率高于组群效应的增长率。(2)消费差距的年龄效应虽有波动，但也呈增长趋势，消费差距的组群效应则始终保持增长。(3)老龄化和组内效应对消费差距变动的贡献明显。前两个特征意味着，中国城镇居民年轻一代的消费水平要高于年老一代，年轻一代的消费差距也大于年老一代，在同一代人内部，消费差距随着年纪的增长而扩大。后一特征则说明人口老龄化使社会面临着更沉重的消费差距扩大压力。对此，我们应当从以下几方面来提高居民消费水平，并防止消费差距的过度扩大:第一，加快完善中国的社会保障制度，包括养老、医疗等方面，提高老年人的消费信心，释放老年群体的消费能力。第二，加大对教育的投入，提升人力资本质量是提高消费水平的关键，而降低教育不平等是缩小组群内部消费差距的长效路径。第三，必须对中国人口老龄化的加深保持足够的重视，老龄化不仅不利于居民整体消费水平的提高，而且会扩大消费差距，造成社会福利的不平，中国政府应围绕减缓老龄化、增加消费的生力军等方面，审时度势地调整相关政策，以达到扩大内需，实现经济的稳定增长。

作者：陈晓毅单位：中央财经大学广西财经学院