[提 要]基于中国综合社会调查(CGSS)的数据，本文谨慎定义老龄家庭后实证检验了老龄化对我国家庭消费支出的影响。研究发现，老龄化将使家庭消费支出显著下降并对大多数消费分项支出产生较大负面影响，同时会大幅提升家庭医疗服务支出；收入是老龄化影响家庭消费的重要中间变量。基于城乡分类子样本研究发现，乡村家庭受老龄化冲击异常严重，乡村医疗服务供给存在较大缺口。基于分层的城镇子样本回归发现，老龄化对城镇家庭消费的冲击集中体现在较低分位家庭。
[关键词]家庭消费支出；消费结构；老龄化；中国综合社会调查
一、引言
人口老龄化的影响广泛而深刻，有可能构成影响中国经济社会中长期发展的“灰犀牛”。根据国家统计局发布的数据，2000年底我国已进入老龄化社会，2000年到2017年我国60岁及以上老龄人口从1.3亿人增长到2.4亿人，占总人口比重由10.2%增长到17.3%，我国人口老龄化规模之大、速度之快，在世界也少见。人口老龄化是一个世界性问题，也是相当长时期内我国人口发展的重要趋势，更是未来我国重大的社会政策难点之一。党的十九大报告指出，我国将积极应对人口老龄化问题。这体现出老龄化是关系国家发展战略、政策持续考量、社会普遍共识的重大社会问题。在这样的社会背景下研究老龄化对经济社会的深层影响具有必要性，因此本文将聚焦在分析和评估老龄化对我国家庭消费支出的深层次影响上。
老龄化如何影响我国的家庭消费，现有研究仍然存在着争议。一方面，以Lietal.(2012)为代表的研究显示，老龄化对我国居民消费的冲击十分严重，老龄家庭受退休等因素的影响，非耐用品消费平均降幅高达20%。另一方面，以李文星等(2008)、石贝贝(2017)为代表的研究显示，老龄化对我国家庭的总体消费影响并不显著。老龄化究竟如何影响居民消费这一问题的研究对我国经济社会的现实发展具有十分重要的意义，不同的答案意味着完全不同的长期效应和公共政策取向，必须予以审慎、充分而细致地分析。
本文将基于中国综合社会调查(CGSS)的数据为这一问题提供新的微观证据。考察老龄化对家庭消费的影响，第一个重点是需要很好地定义“家庭”的概念，在此基础上，需要更为准确地度量家庭中的“老龄人口”和定义“拥有老龄人口的家庭”(以下简称“老龄家庭”)。这一定义和度量对问题的分析非常关键，因为有关的“测量误差”既与调查对象对“家庭”和“家庭内老龄人口”的主观认知这一个性化特征相关，同时也与不同调查时段同一家庭不同受访成员的认知差异相关，由此产生的内生性问题可能无法清晰区分个体效应和时间效应，因此很难通过面板数据分析或其他计量技术手段予以消除。此外，对“老龄家庭”的一些技术性定义可能也会产生非常严重的后果，本文在随后的分析中将会揭示，如果把“受访者”或“户主”是否超过60岁作为老龄家庭的测量指标，其测量误差足以导致“统计不显著”，而这一处理方法正为当前很多研究所采用。
第二个重点是要关注家庭的异质性。生命周期消费理论强调了完全理性经济人对一生消费的最优安排，但是在现实经济生活中信息并不完全，同时居民也不是完全理性人。一方面，我国改革开放40年的短暂历史，不足以培育居民“总体”具有充分理性和拥有较强的未来预见力，接近或完全理性经济人的假定可能非常苛刻。另一方面，我国40年经济社会结构剧烈变动还意味着生命周期中的最优消费安排，即各期收入流量的现值等于各期消费支出的现值这一均衡条件无法实现，表现为家庭在进入老龄家庭阶段之前难以预期的住房、医疗、教育、子女婚嫁等特定类别支出水平大幅上升，使得家庭的生命周期消费计划在这一阶段就变得难以实施。这表现为对收入的过度敏感，还可能表现为家庭进入老龄家庭阶段之后因为预防性储蓄不足难以平滑家庭消费支出，使得消费支出出现大幅波动，从而增加了陷入老年贫困的风险。以上这些因素意味着老龄化对不同的家庭会产生非常不同的经济后果。此时，如果不加分析地把受老龄化冲击严重的消费者群体“平均掉”，则会产生非常大的分析盲区，而政策建议中忽视可能被平均掉的人口其现实意义和针对性也将大为削弱。
最后，考察老龄化对家庭消费的影响，还要关注老龄化影响消费的宏观效应。即使家庭消费的下降不对微观家庭的实际福利状况产生重大影响，但也可能会产生严重的宏观经济后果，即出现加总后总消费需求的萎缩，从而在需求侧对宏观经济中长期增长形成负面冲击。这可能意味着在新的经济增长稳态下家庭消费与生产率会同步下降。
以上三个方面实际上是回答“老龄化如何影响家庭消费”这一问题的核心，也是本文真正关心和需要解决的现实问题。可以看到，在当前的研究文献中，由于种种原因，很少有学者对上述层层相因、环环相扣的问题进行深入的考察，从而在回答有关问题上莫衷一是。本文基于2010年中国综合社会调查项目(CGSS)中的家庭背景和家庭消费支出调查数据，对上述问题展开研究。主要的贡献体现在以下几个方面：第一，与大多数相关主题的研究文献不同，本文的研究重新审慎、清晰地定义了家庭的概念和测度了老龄家庭。在家庭界定方面，CGSS数据库相比于其他数据库具有十分独特的优势。CGSS问卷对所有可能的家庭成员进行了穷举，并要求对每位成员说明其年龄，是否居住在一起，经济上是否独立。在此基础上，在问卷的其他部分，还要求回答赡养性支出的情况。后一个问题与前述定义构成了一个相互印证的、逻辑自洽的整体。居民消费支出主要是一种家庭行为，因此本文特别地将“共同居住”作为家庭的关键特征，由此可以排除那些虽然有一定经济联系但实际上并不一同生活的成员，后者主要通过赡养性支出来体现。这一定义的合理性主要源于家庭消费具有明显的规模经济性，经济上有联系但不在一起居住实际上其消费行为在很大程度上是独立的。这一定义由于采集的是客观的关系型数据，从而也排除了自我报告对“家庭”认知的主观性。第二，在研究方法上，需要充分注意到居民消费支出往往是一种家庭行为，因此，与大多数相关主题的研究文献不同，本文的研究更加注重以家庭为单位，回归方法与匹配方法相结合，以系统科学评估老龄化影响居民家庭消费支出的效应。在这一过程中，本文审慎考虑了样本中可能存在的选择性偏误问题(如世代结构带来的内生性问题)。在此基础上，本文进一步考虑家庭的异质性，评估了城乡分类与城镇分层样本中的有关效应。第三，在结论方面，本文基于CGSS数据的研究为老龄化对我国家庭消费的影响提供了重要的、新的微观证据。研究显示，老龄化对居民家庭的消费支出规模和支出结构存在非常明显的冲击，同时也发现，乡村家庭和城镇低分位家庭受老龄化的冲击尤为严重。
本文其余部分的结构安排如下：第二部分本文对有关的文献进行评述，第三部分本文将阐述有关的模型、方法论和数据处理方法，第四部分是模型的计量结果和具体分析，第五部分是研究总结和建议。
二、文献述评
老龄化对供给侧的影响在经济学界富有共识。一般而言，老龄化会同时影响劳动参与率和人力资本质量，从而对生产率产生持久的负面冲击。但其对消费侧的影响则充满争议。通常分析老龄化对消费影响的基准框架是生命周期理论。这一框架的核心含义是理性消费者会根据效用最大化原则来安排其一生的消费与储蓄，即在不同的年龄阶段根据不同的消费需求对其一生的预期总收入进行跨期资源配置，如在可预期的高收入阶段和低收入阶段对消费进行有效的平滑，以实现跨期效用最大化(Modigliani & Brumberg, 1954)。在最基本的生命周期模型中，假设边际效用是连续且递减的，消费者的最优消费路径由效用函数中的利率、死亡风险等参数决定，路径水平取决于其一生的预算约束。生命周期理论的一个合理的推论是，由于老龄化是一个可以充分预期的事件，因此老龄阶段的消费不会发生重大变化。这一理论暗示，由于个体存在生命周期消费平滑，经济体中的所有参与者的加总消费将与整体的年龄结构无关。这一结论与年龄结构对供给侧的影响形成鲜明对比。
（2）要有充足的水源和良好的水质，场内人畜每天均消耗大量用水，因此，不可在缺水或水质差的地区建场。羊场还应建在水源的下游，距居民生活区至少300m。
由于近年来我国人口老龄化的超预期发展，老龄化对家庭消费的可能影响在我国也引发许多学者的关注，本文对近年有关研究做了一个简要的梳理，如表1所示。总体来看，研究结论莫衷一是，三类观点均不乏支持者。一方面，可以看到，无论是在肯定还是否定结论的研究中，都存在一些学者运用不同的数据库、不同的数据定义、不同的模型和计量方法得到了类似的结论；另一方面，也可以看到，不仅使用不同数据库的学者得到的结论出现差异，使用同一数据库的学者中也不乏结论大相径庭。这些研究暗示，关于人口老龄化对家庭消费影响的研究中，部分研究的结论可能对数据、定义、模型和方法较为敏感。
综合近年已有的研究成果，可以看到有以下三类重要特征。
yi=α+βDi+δXi+ui
一是尽管研究结论可能存在差异，但有关研究普遍基于微观家庭调查数据，CHARLS，CHNS，CFPS，UHS已经成为研究者较为集中的主要数据来源。当然，也有部分研究采用了宏观数据。
1.老龄化对不同消费分项支出的影响。老龄化对家庭消费分项支出的影响见表9的估计结果。平均来看，老龄家庭将缩减服装、公用事业、住房、日用品、交通通信、教育、礼品等方面的支出，缩减金额分别为698元、702元、4 316元、112元、392元、1 393元和556元，其中，除日用品支出具有一定刚性、降幅相对较小(11%)外，其他分项支出均出现较大幅度下降。形成鲜明对比的是，老龄化家庭的医疗支出则大幅增加，增幅高达52%。食品支出、耐用品支出显示出一定程度的刚性，老龄化对其冲击并不显著。娱乐支出由于闲暇时间的增加而出现正增长，但在统计意义上并不显著。
表1近年我国学者关于老龄化对消费影响的研究
作者消费变量老龄人口定义数据库方法老龄化对消费的影响老龄化对消费无显著负面影响石贝贝(2017)家庭消费支出户主年龄60岁及以上CHARLS单因素方差分析+多元回归退休后老年人口消费水平提高朱勤和魏涛远(2016)家庭人均消费支出家庭中有老人65岁及以上CFPS2010SUR2010—2050年在总量层面上影响不大赵昕东和王昊(2018)家庭消费支出户主年龄60岁及以上CHARLSRDD不存在“退休消费之谜”黄娅娜和王天宇(2016)城镇居民家庭人均消费支出户主是否退休国家统计局的中国城镇居民收入与支出调查RDD中国城镇居民在退休前后的消费基本平滑老龄化对消费存在显著负面影响殷俊茹等(2016)人均消费受访者年龄在60岁及以上CHARLS 2013OLS年龄与消费水平负相关,但在高龄老人中这一关系可能不显著。身体越健康的老人消费水平越低,受教育程度较高的居民和老龄居民均有相对较高的消费水平Li et al.(2012)家庭消费支出—UHSRDD家庭非耐用品消费减少21%;工作相关的支出减少33%;在家的食品支出减少13%林晓珊(2018)人均消费支出及分项支出60岁及以上老年人占户内总人口数的比重CFPS 2012QR负面的冲击张克中和江求川(2013)城镇家庭食物消费支出家庭退休成员个数中国城市居民食物消费数据OLS,IV食物消费下降,家庭生产作用难以解释;机关单位人员负面影响并不明显,而企业人员显著降低邹红和喻开志(2015)城镇家庭消费支出男性户主是否退休UHS 2000—2009RDD非耐用消费支出减少9%;与工作相关支出减少25.1%;文化娱乐支出减少18.6%;在家食物支出减少7.4%范叙春(2015)家庭消费支出城镇户口退休人群CHIP 1995,2002,2007RDD家庭总消费减少17.5%(男性)和减少10.5%(女性)黄明清和聂高辉(2015)消费率65岁及以上人口占总人口的比重中国统计年鉴面板数据协整检验、面板数据因果检验老年抚养比增加1%时,消费率将下降0.485%刘子兰和宋泽(2013)城镇家庭消费支出户主已退休UHS 2007RDD强制退休在一定程度上降低了家庭消费,其影响程度则取决于异质的家庭特征
资料来源：根据相关参考文献整理得到。
三是研究方法趋于多样化，更加注重“因果推断”和结论的稳健性。尽管本文从文献比较的角度推测部分研究结论可能并不“稳健”，但从文章研究的规范性和发展趋势来看，面板数据更加注重应用断点回归设计(RDD)、双重差分(DID)等方法进行因果推断，横截面数据更加注重排除不同方法、不同模型设定以及遗漏变量等内生性问题对结论稳健性的影响。
在实证研究方面，总体上出现了三类结论。第一类是支持生命周期消费理论，即老龄化阶段的消费支出与前期相比并未发生明显变化。第二类是发现老龄阶段消费支出确实出现了明显下降，但强调这种下降并未降低实际的效用水平，将支出水平的下降从两个主要方面进行解释：一是老龄化带来与工作相关的支出的下降。即退休之后与工作相关的服装、交通通信等支出会显著下降。所以，在其他支出不变的情况下，这部分支出的下降会导致总消费的下降。二是闲暇时间的出现使得家庭生产代替了原有的购买从而减少了支出。部分学者，如Aguiar & Hurst(2007)和Hurd & Rohwedder(2013)强烈质疑退休时实际消费效用下降的说法。他们认为，由于退休后机会成本的变化，个人通过更高效的购物和家庭生产来降低支出，因此是货币支出而非消费减少。Aguiar & Hurst(2007)研究发现退休后用于购物的时间增加可以增加购物的搜寻能力从而降低消费支出。第三类是认为老龄化确实会带来居民实际消费水平的下降，工作相关支出下降、家庭生产替代等不足以完全解释退休后消费的大幅下降(Banks etal., 1998)。
在人口老龄化与居民消费之间关系的相关研究中，除了考虑以年龄结构改变带来消费能力变化这一视角外，还有一类是以年龄结构改变带来消费者偏好变化为视角，注重研究人口老龄化对消费结构的影响。对于后者，人口老龄化对医疗保健消费的正向效应是大多数研究得出的共识(郑妍妍等，2013；Van Groezen etal., 2005)。封进等(2015)研究发现城乡居民在医疗支出上的年龄效应存在明显差距，乡村65岁及以上老人医疗支出只有城市老人的40%。而老龄化对其他消费支出的影响却有不同的结论。例如，李中斌等(2016)提出在短期内，人口老龄化的变动对食品消费支出的变动是负向效应，而对医疗保健消费、教育文娱消费的支出变动是正向效应。在长期内，人口老龄化的变动与食品消费、医疗保健消费、教育文娱消费的支出变动存在着正向均衡关系。类似的，郑妍妍等(2013)利用中国家庭住户收入调查1988—2007年的数据和2007年投入产出表，发现受老龄化影响比较大的消费支出为医疗保健支出、交通和通信支出、教育文化娱乐服务支出和居住支出。徐国祥和刘利(2016)选取中国内地31个省份2001—2012年的年度数据，认为老龄化抑制了人均食品支出和人均教育文化娱乐支出。同样利用我国31个省份城镇居民消费结构数据，向晶(2013)却得出了相反的结论，认为随着老龄化程度的加深，未来我国居民消费结构升级表现为娱乐文化和教育等支出的提高。杨赞等(2013)也认为老年家庭在退休后医疗保健支出和教育文娱支出显著提高。
总结上述研究，本文发现无论是探讨人口老龄化对消费水平的影响，还是探讨其对消费结构的影响，不同研究呈现出较大的结果差异。这种差异固然与各自研究所基于的理论、方法及其选择的观察期有关，但同时也说明在老龄化发展进程中，老龄化与消费之间存在非常复杂的作用机制。因此，在研究中应更加重视个体消费行为的异质性(如消费偏好、财产状况等)和不同群体的消费行为差异(乐昕, 2015；乐昕和彭希哲, 2016)。同时，一些全国层面的居民消费研究忽视了中国的二元经济特征。不区分城乡的统一指标或人均指标往往脱离实际，造成较大的估算误差。石明明和刘向东(2015)、陈斌开等(2010)的研究表明，城乡居民的消费偏好和边际消费倾向等存在较大差异。
三、模型构建与数据处理
(一)基本模型
本文用于检验老龄化对家庭消费影响的基本模型为：
专利恶意诉讼及其司法应对 ..................................马云鹏 10.40
(1)
式中，被解释变量yi为家庭消费。本文将区分三类总支出，即总消费支出、非耐用品支出和不含购房的总支出，同时还将考察分类支出。本文关注的解释变量为老龄化变量D，本文将重新定义家庭，并且依据共同居住标准来界定“老龄家庭”，考察老龄家庭虚拟变量和老龄人口对消费的影响。按照以往的研究惯例，本文设置绝对家庭收入、相对家庭收入、家庭资产、家庭规模、家庭规模的平方、居住位置、是否参与社会以及医疗保险、家庭消费观念等变量为主要控制变量。由于收入可能是老龄化影响家庭消费的重要中介变量，因此，在讨论中本文将关注是否包含收入变量对模型结论的影响。
在计量方法选择方面，本文首先选择OLS方法对老龄化效应进行基础性评估。在此基础上，本文审慎考虑了样本中可能存在的选择性偏误问题(如世代结构带来的内生性问题)，通过控制家庭的异质性特征，应用匹配方法，分析评估老龄化影响居民家庭消费支出的净效应，进一步确认二者之间的因果关系。在上述基础上，本文进一步考虑家庭的异质性，分别考察老龄化对城乡家庭以及城镇不同群体家庭消费的冲击。最后，本文将简要分析老龄化影响消费的宏观效应和计量模型中的“统计不显著”问题。
(二)家庭、老龄人口与老龄家庭的定义与度量
如前所述，不同定义下的主要解释变量会对结论产生重要影响。因此，研究老龄化对消费的影响的首要任务是较好地定义“家庭”和“老龄家庭”。表2列示了CGSS调查中三类不同定义下的家庭内老龄人口描述统计情况，可以看到按照不同条件定义老龄人口数量，其度量值会出现很大的差异。从表2可以看出，按照不同条件“不限制是否一起居住”“限制一起居住”“受访者年龄”进行老龄人口数量定义，老龄人口的均值分别为0.556，0.520和0.232，三者的差异十分明显，尤其是仅仅通过“受访者年龄”来定义老龄家庭，与另外两种方式存在很大的偏差。从老龄家庭的分布来看，本文发现三者频率分别0.373，0.355和0.231，差异同样很大。因此，需要非常谨慎地考虑老龄家庭的定义，尤其是仅仅基于受访者年龄(很多文献中默认为户主年龄)的度量方式。从文献述评中已经发现，后者正为很多研究所采用。
表2不同家庭和老龄化定义下老龄人口的数量：CGSS数据库
变量条件样本量均值标准差最小值最大值老龄人口数量不限制是否一起居住11 7830.560.790.004.00老龄人口数量限制一起居住11 7830.520.770.004.00老龄化虚拟变量受访者年龄11 7830.230.420.001.00老龄化虚拟变量限制一起居住:虚拟11 7830.360.48——老龄化虚拟变量不限制是否一起居住:虚拟11 7830.370.48——低龄人口数量不限制一起居住11 7800.640.810.008.00低龄人口数量限制一起居住11 7830.570.770.007.00
资料来源：根据CGSS数据整理计算得到。
那么，进行“是否居住在一起”的条件限制是否有意义呢？CGSS提供了家庭的两种定义方式。在表2中也列示了对不同度量方式下低龄人口的度量，研究发现差异还是比较显著的。原因是很多老龄人口并不同子女居住在一起，或者户籍并不在一起。由于消费具有很强的规模经济性，因此采用“是否住在一起”为标准是一个比较直接有效的方法。传统的家庭观念并不完全以户籍为准，如低保的发放等其他因素都可能影响户籍的安排，且不同的人对家庭的理解存在很大差异。如果以“共同居住”定义家庭，则可简单推论出：居住在一起的老龄人口数量少的家庭由于需要转移部分支出，所以该家庭的赡养性支出越高。
根据k的估计值对原世界坐标系进行变换,使光心在底面的投影点S为新坐标系的原点,坐标轴分别与ED和EF平行,新坐标系下的轮廓如图2所示。
把CGSS数据库中的家庭赡养性支出与家庭老龄人口数量进行匹配。匹配后，家庭中老龄人口数量为0的家庭，其赡养性支出为1 111元；老龄人口数量为1的家庭，其赡养性支出为533元；老龄人口数量为2及以上的家庭，其赡养性支出为488元。随着家庭中老龄人口数量的增加，家庭的赡养性支出越少。这与本文的推论一致。
进一步考察老龄人口与家庭总人口之间的关系。匹配有关数据发现，尽管非老龄家庭在我国仍然占大多数，但我国老龄人口与非老龄人口共同居住的情况也非常普遍，拥有老龄人口的家庭规模平均值在3.0以上，这也印证了我国现实中居民观念中的“家庭”与户籍制度中的“家庭”或“户”在概念上存在巨大的结构性差异。同时，与后续的分析相互印证，这一结果还暗示：基于共同居住标准来定义的“家庭”概念，我国老龄家庭的规模总体上并不小于非老龄家庭，因此其消费支出下降在总体上可能并不是由家庭规模缩减(或户籍拆分)引起的。
(三)其他变量的度量
本文被解释变量为家庭消费支出。根据CGSS问卷，本文将家庭消费支出分为家庭总体消费支出、食品支出、服装支出、公共事业支出、住房支出、耐用品支出、日用品支出、交通通信支出、娱乐支出、礼品支出、教育支出、医疗支出等。模型共涉及9个控制变量，主要变量的定义如表3所示。
表3主要变量的定义
名称变量定义老龄家庭D老龄家庭虚拟变量:家庭中至少有一位60岁及以上老人=1,家庭中无60岁及以上老人=0(共同居住标准)绝对家庭收入Finc家庭年收入相对家庭收入Inc_level家庭经济状况在所在地属于哪一档?1=远低于平均水平;2=低于平均水平;3=平均水平;4=高于平均水平;5=远高于平均水平家庭规模Scale家庭总人口数(共同居住标准)家庭财产Housing家庭拥有住房数量家庭轿车Auto是否拥有家用小汽车?有=1,没有=0居住地City居住地:城市社区=0,乡村居委会=1医疗保险MIns目前是否参加了以下社会保障项目?城市基本医疗保险/新型乡村合作医疗保险/公费医疗=1,其他=0养老保险EIns目前是否参加了以下社会保障项目?城市/乡村基本养老保险=1,其他=0储蓄偏好Att_sav有了多余的钱是否首先考虑存起来:完全不同意=1,比较不同意=2,无所谓同意不同意=3,比较同意=4,完全同意=5
资料来源：根据CGSS数据整理得到。
在控制变量中，是否参加医疗保险和养老保险将对家庭的医疗支出规模和家庭消费支出的结构产生直接影响；家庭财产状况与收入相关，但作为存量，相较于收入会与老龄化的关系有所弱化，将其加入控制变量可以降低未考虑收入而带来的遗漏变量风险；考虑到中国城乡的二元差异，城镇居民和乡村居民不一样的消费习惯和消费空间等，本文将居住地纳入控制变量。主要变量的描述统计情况由于篇幅限制未报告，感兴趣的读者可向笔者索取。
四、回归分析
(一)基本回归
根据以上建模思路，表4、表5报告了应用普通最小二乘回归(OLS)方法的基准回归结果。表4为不包含收入变量的回归结果，表5为包含收入变量的回归结果，收入变量主要包括绝对收入、相对收入、收入与老龄家庭的交叉项。总体来看，老龄家庭组的回归系数均为负且统计意义上显著。这一初步回归结果表明，老龄家庭的平均消费支出要显著低于总体家庭的平均消费支出。具体来看，在表4不含收入变量的回归模型中，控制其他变量，模型(2)～模型(6)显示，老龄家庭的平均消费支出会下降4 782元～6 984元；在表5包含收入变量的回归模型中，控制其他变量(包括交叉项)，模型(2)～模型(8)显示，老龄家庭的平均消费支出会下降8 159元～12 397元。
表4基本回归结果(不包含收入变量)
项目(1)(2)(3)(4)(5)(6)D-8 793.10(-4.45)-5 589.10(-2.85)-4 782.10(-2.45)-6 344.20(-3.22)-6 983.60(-3.49)-6 471.80(-3.23)Housing—21 133.10(12.42)22 405.50(13.18)21 940.30(12.91)21 910.40(12.72)21 753.10(12.61)Auto—49 806.60(16.27)44 348.70(14.31)43 579.60(14.05)44 684.50(14.13)43 530.20(13.70)City——19 038.50(9.79)20 160.90(10.33)17 965.30(8.56)17 230.90(8.18)Scale———-2 383.00(-1.05)-2 721.00(-1.19)-2 630.70(-1.15)Scale_sq———859.50(2.85)944.30(3.11)925.80(3.05)Mins————-4 641.70(-1.60)-4 330.10(-1.50)Eins————6 712.10(3.23)6 614.40(3.18)Att_sav—————-3 932.00(-4.24)截距项38 339.30(32.53)8 514.50(3.93)-4 229.00(-1.68)-5 836.60(-1.29)-3 239.60(-0.63)13 066.60(2.04)观测值11 78311 66911 66911 66911 22211 203
说明：括号内为相应的t值，*，**和***分别代表10%，5%和1%的显著性水平。下表同。
资料来源：根据CGSS数据整理计算得到。
与城镇家庭形成鲜明对比，老龄化对乡村居民家庭的支出冲击程度几乎在所有方面均大于城镇居民，形势不容乐观。乡村老龄家庭在大多数支出分项上，不仅基数较低，而且降幅巨大，仅在住房、医疗两类支出上例外，前者反映了我国乡村住房制度在乡村养老中的独特作用，后者则反映了我国乡村老年人口医疗保障存在的巨大短板。具体而言，乡村老龄家庭在食品、服装、公用事业、耐用品、日用品、交通通信、娱乐休闲、教育、礼品等方面支出分别下降1 415元、376元、1 611元、427元、151元、409元、69元、1 022元和659元，降幅分别高达25%,31%,68%,31%,24%,37%,52%,42%和34%。这与城镇老龄家庭日常生活支出几乎不受影响的情况形成强烈对比。尤其值得注意的是，乡村家庭的医疗支出不仅基数较低，进入老龄化以后有关支出的变化在统计意义上也不显著，显示我国乡村老龄人口医疗问题面临异常严峻的形势。
yi=α+βDi+γIi+ρD×Ii+δXi+εi
匹配所有特征变量以后，老龄化将使每户家庭平均减少8 022元消费支出，t统计量显示这一结果在1%水平上显著。值得注意的是，这一冲击效应接近前述基准回归的上限，达到全部家庭样本平均消费总支出的24.3%、控制组家庭平均消费总支出的21.2%，这意味着老龄家庭平均比非老龄家庭的消费支出下降幅度达20%以上。
卢布尔雅那是一座喜爱“龙”的城市，不过这条“斯洛文尼亚龙”和我们的“中国龙”长得可不一样——它有一对大大的翅膀。在古城内的建筑上，经常可以看到以“龙”为元素的装饰物，而最著名的“龙”，是始建于20世纪初的龙桥——这座城市的象征之一。
=α+(β+ρIi)D+γIi+δXi+εi
(2)
以表5模型(8)为例，老龄化的影响可以直接表示为：
资产证券化可以有效的将缺乏流动性的资产和个人的资产转变为可以在金融市场上交易的高流动性金融商品。通过资产证券化这个手段，发起人可以补充资金，进行其他的经济活动。对于流动性较差的资金，可以通过资产证券化来实现提高其流动性，从而成为可以在市场流通的证券，这样通过这种方式可以增加融资方式，提高融资能力，有利于资产的流通，进而促进实体经济的发展。
(3)
采用这一思路，进一步测算表5模型(3)～模型(8)中的值。基于样本中家庭收入有关统计数据，估计的有关效应与表4模型(1)～模型(6)比较接近值估计结果显示，总体来看，加入各类控制变量以后，老龄化影响的估计值逐渐趋于稳定，综合包含收入与不含收入两类模型，消费支出的降幅分布在4 413元～6 984元之间，与所有家庭样本的平均消费总支出相比，占比13.36%～21.14%之间，与对照组非老龄家庭的平均消费总支出相比，降幅在12.44%～19.69%之间。
为了考虑耐用品消费、住房支出的可能影响，本文做了进一步回归分析，回归结果报告如表6、表7所示。表6、表7结果显示，与前述基本回归结果类似，不同消费支出口径下，所有模型中老龄家庭的估计系数均为负数，显示老龄化对家庭消费的效应显著为负。
表5基本回归结果(包含收入变量)
项目(1)(2)(3)(4)(5)(6)(7)(8)D-5 544.20(-2.81)-8 159.30(-4.16)-12 396.50(-5.60)-9 485.00(-4.28)-8 599.60(-3.89)-9 670.40(-4.34)-9 707.60(-4.34)-9 483.60(-4.23)Finc0.27(29.86)—0.25(25.73)0.21(20.33)0.20(19.59)0.20(19.61)0.20(19.79)0.20(19.64)Inc_level—15 846.80(12.93)—3 679.30(2.88)3 524.70(2.76)3 456.70(2.71)3 498.50(2.71)3 414.40(2.64)D×Finc——0.19(6.77)0.15(5.35)0.14(4.80)0.13(4.60)0.12(4.38)0.12(4.37)Housing———14 014.80(7.90)15 349.40(8.62)15 037.40(8.45)15 010.30(8.41)15 001.60(8.40)Auto———32 275.30(9.72)29 284.60(8.77)28 880.60(8.64)30 047.10(8.92)29 652.70(8.77)City————13 591.70(6.96)14 395.60(7.34)13 376.80(6.41)13 110.10(6.26)Scale—————-4 230.00(-1.79)-4 694.60(-1.98)-4 660.90(-1.96)Scale_sq—————942.60(2.95)1022.40(3.20)1 015.50(3.18)Mins——————-4 973.50(-1.69)-4 804.50(-1.63)Eins——————2 353.90(1.14)2 322.90(1.12)Att_sav———————-1 669.10(-1.81)截距项25 842.90(20.79)-3 306.90(-0.96)26 887.10(21.51)134.10(0.04)-8 606.10(-2.23)-5 565.30(-1.02)-1 413.80(-0.24)5 661.70(0.80)观测值10 33411 75410 33410 24210 24210 2429 8919 873
资料来源：根据CGSS数据整理计算得到。
表6不同消费支出定义下的回归估计结果(不包含收入变量)
项目(1)(2)(3)(4)(5)(6)非耐用品消费支出D-8 120.30(-4.22)-5 432.90(-2.84)-4 640.80(-2.43)-6 135.20(-3.19)-6 765.90(-3.46)-6 224.60(-3.18)不含购房的消费支出D-4 392.40(-3.95)-2 113.90(-1.92)-1 512.70(-1.38)-1 988.30(-1.80)-2 956.30(-2.73)-2 767.00(-2.55)控制变量—控制控制控制控制控制
说明：以上模型(1)～模型(6)的控制变量与表4相同。
资料来源：根据CGSS数据整理计算得到。
表7不同消费支出定义下的回归估计结果(包含收入变量)
项目(1)(2)(3)(4)(5)(6)(7)(8)非耐用品消费支出D-4 967.90(-2.57)-7 568.10(-3.96)-11 468.80(-5.28)-9 157.40(-4.20)-8 259.40(-3.80)-9 260.20(-4.22)-9 346.90(-4.25)-9 079.60(-4.12)D×Finc——0.18(6.54)0.15(5.30)0.13(4.75)0.13(4.54)0.12(4.34)0.120(4.33)不含购房的消费支出D-2 126.60(-1.92)-3 838.40(-3.47)-7 550.10(-6.10)-4 789.30(-3.87)-4 037.50(-3.28)-3 987.80(-3.21)-4 568.10(-3.80)-4 444.80(-3.68)D×Finc——0.15(9.57)0.12(7.55)0.11(6.74)0.10(6.39)0.09(6.20)0.09(6.18)控制变量控制控制控制控制控制控制控制控制
说明：以上模型(1)～模型(8)的控制变量与表5相同。
资料来源：根据CGSS数据整理计算得到。
值得注意的是，尽管数据源不同、测算方法不同，上述估计与Lietal.(2012)利用CFPS数据库、基于断点回归方法估计的结果(即非耐用消费平均降幅20%)非常接近，范叙春(2015)的估计结果也落在该估计的区间内，几者可以交叉印证。在这里，部分利用CGSS微观家庭调查数据再次表明，老龄化对家庭消费的影响既在统计意义上显著，同时其降幅与所有家庭样本的平均消费支出相比，达到13.36%～21.14%。
(二)匹配方法：自选择效应问题
为了避免选择性偏误等可能影响，本文进一步采用以下建模思想：假定存在两个潜在的家庭消费水平，y0i是家庭i未进入老龄化时的正常消费支出，y1i是该家庭进入老龄化后的消费支出。(y1i-y0i)度量了老龄化对家庭消费支出的净影响。但由于不能同时得到y0i和y1i，因此本文的思路是，寻找与老龄家庭x具有尽可能相似特征的另一组家庭z，然后将z组家庭的消费支出y0j作为假定x组家庭未进入老龄化时的消费支出y0i的估计值，此时二者进行比较(y1i-y0j)就可以近似测度老龄化对家庭消费支出的净影响。这一估计方法的优点是降低不同特征家庭(例如高消费家庭与低消费家庭)之间进行平均从而夸大或低估消费支出差异的概率。
下面基于倾向值得分方法来进行样本间的匹配，处理步骤如下：(1)引入可观测控制变量(混淆变量)，根据倾向得分对所选样本进行匹配，匹配的目的在于从控制组中找到与处理组具有类似特征的家庭，消除样本间的选择性偏差。在匹配过程中将样本分为两组：一组为处理组(T)，表示老龄家庭，另一组为对照组(C)，表示非老龄家庭，然后进行平衡性检验。(2)通过估计处理组与控制组家庭消费支出的平均差异推断老龄化冲击消费的净效应，即估计参与者平均处理效应(ATT)：
ATT=E[y1i-y0i|Di=1]
=E{E[y1i-y0i|Di=1,P(xi)]}
=E{E[y1i|Di=1,P(xi)]
-E[y0i|D=0,Pxi)]|Di=1}
(4)
式中，Di为“处理变量”，反映个体i是否得到了“处理”，Di=1表示老龄家庭；y1i表示老龄家庭的消费支出，y0i则表示该家庭未进入老龄化时的正常消费支出。
在选择控制变量时，关注以下两个条件：一是尽可能选择关键的影响居民消费的共同特征变量；二是这些变量应不受处置的影响。设置控制变量的一个难点是，是否应该把家庭收入纳入模型的控制变量。收入变量无疑会影响家庭的消费支出，但同时，老龄化同时也是家庭收入差异的系统性影响因素。从基础回归中，本文发现，家庭收入是老龄化影响消费的重要(甚至可能是关键)中间变量。这一特性意味着它将受处置变量的强烈影响，如果纳入收入变量可能会产生新的选择性偏误，得出误导性结论。
根据以上的模型设定，采用有回放的一对一临近匹配方法估计控制组与处理组的消费支出差异(即参与者平均处理效应ATT)。首先，对匹配情形进行平衡性检验。结果显示，匹配以后所有控制变量在5%的显著性水平上均不能拒绝原假设，显示匹配后二者之间不存在显著差异，且匹配后所有控制变量处理组、对照组的偏离程度均大幅下降，总体匹配效果较好。
因此，组织必须根据自身管理特点和组织发展需要，对软件供应商进行详细的考察论证，选择一套适合企业实际的软件系统。
在农村语文的教学过程中还要渗透一定的科学知识，因为我国的农村教学情况比较复杂，有的农村教学环境还算不错，有多媒体教学设备，而有的偏远农村由于地理环境的限制，教学环境非常恶劣。很多学生在成长过程中由于没有受到更多科学方面的教育，在看待一些事物的时候，还是模仿农村监护人的思维进行，很多的事物都严重地误导了学生。
估计效率角度看，由于匹配方法更好地匹配家庭特征因素，一定程度减少了因城乡间居民流动、高家庭财产存量与低家庭财产存量、高家庭规模与低家庭规模、积极参保人群与消极参保人群、高储蓄偏好与低储蓄偏好家庭之间相互比较而偏离估计效应的风险，故而具有更高的估计效率。以上估计的代价是，由于考虑处置效应而剔除了家庭收入变量，由此可能会引致遗漏变量的风险，但从包含收入与不包含收入的基础回归结果比较、匹配方法估计结果与基准回归结果比较两个方面综合分析，有关风险是基本可控的。
(三)稳健性：内生性问题
居民消费受到多种因素的影响，遗漏变量可能造成重要的估计偏差。
第一，需要评估基础回归部分遗漏变量的风险。借鉴Altonji & Matzkin(2005)的思想，考虑控制主要变量θ=|βF/(βF-βR)|的变化，其中：βF为控制主要控制变量后关键变量的估计系数，βR为控制所有变量后关键变量的估计系数。从理论上看，如果已经控制住了最主要的变量，随后进一步引入其他变量，核心变量的系数将不会发生重大变化。此时，由于βF和βR非常接近，因此θ应该较大。表8测算了本文模型重点关注变量的θ值。
表8依据可观测变量选择对非可观测变量影响的评估
控制的主要解释变量其他解释变量限制(1)(2)(3)(4)(5)D,Housing,Auto顺次控制其他解释变量6.907.404.006.30—D,Finc, D×Finc顺次控制其他解释变量4.303.304.504.604.30
资料来源：根据CGSS数据整理计算得到。
从表8中可以看到，不包含收入的模型，在控制住老龄化、家庭资产两大变量以后，与重点关注变量相关的θ均在4.0以上；包含收入的模型，在控制住老龄化、家庭收入、家庭收入与老龄化交叉项以后，θ均在3.3以上。这显示，模型中的估计系数在控制主要的控制变量以后，不同模型的估计结果非常接近，模型遗漏重要变量的风险已经大幅降低。
第二，关于估计结果对不同匹配方法的敏感性。为了检验不同匹配方法对ATT估计值的影响，分别应用卡尺匹配、核匹配等方法对有关效应做了估计。结果显示，卡尺匹配、核匹配估计出来的结果与前述结果比较接近，同时在1%的水平上显著。
第三，其他可能的内生性问题。部分的估计中，老龄人口世代消费特征是一个值得考虑的问题。当前年龄在60岁及以上人群的消费观念都有一定的年代特征，童年与成年时期的生活经历会对其一生消费行为产生潜移默化的持久影响，既可能与老龄化产生自然关联，同时也与消费行为关系密切。为了消除可能的内生性问题，本文将储蓄偏好(Att_sav)纳入控制变量的范围。
(四)结构效应分析
二是尽管研究的主题类似，但关键变量定义和测度方法存在很大差异。以被解释变量“消费”为例，存在“人均消费”“家庭消费”“个人消费”三类不同的度量方式。关键解释变量方面，以“老龄化”的定义为例，部分研究以“户主”或“受访者”的年龄是否超过60岁为界定依据，而部分研究则以家庭中60岁及以上老年人口占比为依据。其中：赵昕东和王昊(2018)、石贝贝(2017)均以户主的年龄为依据，得到的一致结论为无显著负面影响或存在正面影响；而殷俊茹等(2016)以受访者年龄为依据，得到的结论则为存在负面影响。
表9老龄化对户均消费冲击效应的估计
变量样本处理组控制组差异标准差t统计量差异/均值(%)食品支出未匹配8 275.889 770.50-1 494.62784.10-1.91-15.30ATT8 276.269 306.10-1 029.84875.14-1.18-11.07服装支出未匹配1 596.152 621.39-1 025.25104.49-9.81-39.11ATT1 594.952 293.15-698.21107.27-6.51-30.45公共事业支出未匹配1 753.872 084.56-330.70214.52-1.54-15.86ATT1 754.442 456.41-701.97234.44-2.99-28.58住房支出未匹配4 679.768 963.11-4 283.351 577.47-2.72-47.79ATT4 682.108 998.01-4 315.911 735.20-2.49-47.97耐用品支出未匹配1 764.222 438.13-673.91297.12-2.27-27.64ATT1 765.112 166.31-401.20341.81-1.17-18.52日用品支出未匹配913.241 098.20-184.9656.17-3.29-16.84ATT913.451 025.27-111.8265.36-1.71-10.91交通通信支出未匹配1 221.481 995.01-773.5381.53-9.49-38.77ATT1 221.721 613.77-392.0585.21-4.60-24.29娱乐支出未匹配753.32734.1819.14205.260.092.61ATT753.69498.10255.60267.580.9651.32教育支出未匹配1 742.203 446.36-1 704.16143.05-11.91-49.45ATT1 742.423 135.26-1 392.83149.40-9.32-44.42医疗支出未匹配5 106.823 072.042 034.78306.486.6466.24ATT5 105.123 364.281 740.84376.614.6251.74礼品支出未匹配1 550.932 165.12-614.1990.14-6.81-28.37ATT1 549.202 105.34-556.1497.32-5.71-26.42
资料来源：根据CGSS数据整理计算得到。
老龄化对家庭消费冲击的内在机理是什么呢？从已有估计结果可以看到，住房支出、教育支出是所有支出类别中缩减量最大的两项，缩减比例高达48%和44%。从支出属性上看，对于老龄化家庭，人力资本投资会发生大幅自然衰减，其支出的大幅下降符合直观感受。服装、交通通信支出显著下降，在一定程度上印证了前述“退休—消费之谜”中关于“退休之后与工作相关的服装、交通通信等支出会显著下降”的解释。礼品支出的减少则显示老龄化家庭在社交方面的需要也出现较大幅度的下降。值得关注的是医疗支出的巨幅上升，一方面可能源于老龄化带来健康状况的自然变化；另一方面也可能是随着年龄增长老龄家庭对健康问题更加关注，从而引致有关方面支出的大幅增加。
2.老龄化对城乡家庭的冲击效应分析。多项研究表明，城乡作为两类消费空间存在巨大的差异(石明明和刘向东，2015；陈斌开等，2010)。老龄化对城乡家庭的影响存在多大差异呢？本文进一步将前述总体样本分割为城镇、乡村两类样本，分别估计老龄化对城乡家庭消费的不同冲击效应。估计结果见表10。
除此之外，加强海内外校外实践基地建设，并不断筛选提高校外实践基地质量。目前跟60多家国际五星级酒店建立合作关系，同时达成集团层面的战略合作，开展社会实践、专业／毕业实习、教师挂职、企业高管进课堂等多个深度合作项目，形成“从学生到教师、从课内到课外、从理论到实践”全方位的校企协同育人模式。
表10的估计结果显示，与总体样本结果一致，老龄化对城镇、乡村居民的家庭消费支出在总量和结构上都产生显著影响，但同时又显示出异质性。
表10老龄化对城乡分类样本的消费冲击效应估计
变量样本城镇样本乡村样本处理组控制组差值t统计量差异/均值(%)处理组控制组差值t统计量差异/均值(%)总量冲击效应总支出未匹配39 710.76 48 446.96 -8 736.20 -2.67-18.0316 554.17 24 250.96 -7 696.79 -6.29-31.74ATT39 710.76 48 074.89 -8 364.13 -2.22-17.4016 535.14 24 415.25 -7 880.11 -6.16-32.28结构冲击效应食品支出未匹配11 296.63 12 179.50 -882.87-0.68-7.254 205.66 5 673.30 -1 467.63 -7.7-25.87ATT11 296.63 11 923.23 -626.60-0.42-5.264 200.97 5 615.63 -1 414.66 -7.04-25.19服装支出未匹配2 160.98 3 421.25 -1 260.27 -7.57-36.84835.091 261.01 -425.92-7.15-33.78ATT2 160.98 3 081.96 -920.99-5.16-29.88830.491 206.86 -376.38-6.27-31.19公共事业支出未匹配2 480.40 2 471.79 8.600.050.35774.931 425.97 -651.04-1.36-45.66ATT2 480.40 2 631.37 -150.98-0.79-5.74774.732 385.46 -1 610.73 -3.12-67.52住房支出未匹配6 190.41 11 620.95 -5 430.54 -2.12-46.732 644.28 4 442.70 -1 798.43 -2.06-40.48ATT6 190.41 13 095.76 -6 905.34 -2.34-52.732 650.29 4 087.24 -1 436.95 -1.52-35.16耐用品支出未匹配2 375.81 2 868.90 -493.10-1.06-17.19940.171 705.48 -765.32-2.99-44.87ATT2 375.81 2 544.65 -168.85-0.31-6.64937.051 364.45 -427.41-1.82-31.32日用品支出未匹配1 239.86 1 373.92 -134.06-1.50-9.76473.16629.27-156.11-4.4-24.81ATT1 239.86 1 291.41 -51.54-0.48-3.99472.19623.05-150.85-3.91-24.21交通通信支出未匹配1 615.81 2 501.54 -885.73-6.94-35.41690.161 133.51 -443.35-7.06-39.11ATT1 615.81 1 973.72 -357.91-2.56-18.13690.011 098.52 -408.51-6.83-37.19娱乐支出未匹配1 264.62 1 090.90 173.710.5115.9264.38127.47-63.09-2.89-49.49ATT1 264.62 784.47480.151.0361.2164.57133.35-68.78-3.2-51.58教育支出未匹配1 980.99 3 924.26 -1 943.27 -9.03-49.521 420.46 2 633.56 -1 213.10 -8.02-46.06ATT1 980.99 3 604.31 -1 623.33 -7.03-45.041 420.16 2 442.42 -1 022.25 -6.23-41.85医疗支出未匹配6 655.30 3 217.54 3 437.76 7.14106.843 020.36 2 824.56 195.800.796.93ATT6 655.30 3 676.80 2 978.50 4.7681.013 012.95 3 053.63 -40.69-0.15-1.33礼品支出未匹配1 763.95 2 341.16 -577.21-4.47-24.651 263.90 1 865.72 -601.82-5.25-32.26ATT1 763.95 2 265.71 -501.76-3.44-22.151 260.85 1 920.10 -659.25-5.41-34.33
资料来源：根据CGSS数据整理计算得到。
(1)总量冲击效应比较。表10显示，城镇老龄化家庭的消费支出下降8 364元，下降幅度为17%，二者均小于总体样本的估计结果。与之相比，老龄化对乡村家庭消费支出的冲击则更加严重，乡村老龄化家庭消费总支出下降7 880元，由于总体支出水平基数较低，其下降幅度高达32%，降幅远远高于城镇居民家庭，接近城镇居民家庭的2倍。
(2)结构冲击效应比较。从各项支出分项来看，老龄化对城镇家庭消费冲击主要集中在住房、教育两个大类上，缩减金额分别高达6 905元、1 623元，而对食品、公用事业、耐用品、日用品、休闲娱乐等与日常生活密切相关的支出影响均不显著，由于住房、教育具有一定投资属性，因此，总体而言，老龄化对城镇家庭日常生活的实际影响相对较小。其他估计效应显著的分项支出中，服装、交通通信和礼品支出均与老龄人口“与工作相关的支出”降低和社交范围缩减相关。最值得注意的是医疗支出显著增长，城镇老龄家庭的医疗支出增加2 979元，增加幅度高达81%。
老龄家庭虚拟变量与家庭收入交叉项(D×finc)的系数显示，老龄家庭消费的收入弹性远远高于平均水平，显示其对收入变化极其敏感。这与人们的直观认知相符，即老龄家庭消费水平下降很大程度上是由收入水平下降引起的。据此，可以推断，收入水平是老龄化影响家庭消费的重要中间变量。如果将收入理解为中间变量，此时在表4模型(1)～模型(6)中，老龄家庭的估计系数体现的是老龄化影响家庭消费的总体效应；表5模型(1)～模型(2)的有关估计系数体现的是仅控制收入变量后老龄化影响家庭消费的直接效应；表5模型(3)～模型(8)则有助于评估是否包含收入变量对估计系数的影响。此时：
为了进一步分析老龄化对城镇家庭的影响，本文基于分位回归分析不同城镇家庭群体对老龄化的敏感程度。表11报告了主要消费分项的回归结果。研究发现，尽管总体上城镇老龄家庭在食品、公用事业、日用品支出方面受老龄化因素影响较小，但处于不同分位的城镇家庭受到的影响呈现出异质性。处于较低分位的老龄家庭仍然会受到老龄化因素的强烈冲击，而处于较高分位的家庭则受到的影响相对较小或不显著。对于医疗保健支出，25%分位的家庭尽管在统计意义上显著，但仅增加186元，与较高分位家庭相比差距甚远。
表11老龄化对城镇不同分位家庭的影响
项目25%分位50%分位75%分位最小二乘法总支出-3 816.41(-7.28)-3 500.00(-5.60)-4 850.00(-3.72)-6 464.41(-1.97)食品支出-1 066.67(-6.24)-259.46(-1.46)500.00(1.93)-641.38(-0.48)服装支出-400.00(-9.02)-746.67(-11.78)-1 200.00(-12.56)-1 031.32(-6.29)公共事业支出-117.33(-2.55)10.41(0.17)202.45(2.82)4.10(0.02)日用品支出-127.78(-6.07)-133.33(-4.46)-187.13(-4.83)-94.88(-1.69)交通通信支出-282.14(-10.50)-453.56(-12.55)-747.83(-10.35)-505.24(-6.62)医疗支出186.36(3.54)1 056.18(8.48)2 928.57(12.88)1 945.86(6.22)
资料来源：根据CGSS数据整理计算得到。
(五)宏观效应
以上研究确认了老龄化对家庭消费的冲击效应，这种效应加总后还会体现为宏观消费的萎缩。根据国家统计局公布的全国人口普查数据，2010年我国“有60岁及以上老年人口”的家庭户数为1.23亿户，占全国总户数的30.59%。在CGSS调查样本中，按照“共同居住”标准定义的老龄家庭占比为36%，较大幅度高于统计部门按“户籍”标准统计的数据，显示混合居住在我国仍然较为普遍；按照“受访者年龄”标准定义的老龄家庭占比为23%，较大幅度低于统计部门数据，显示“受访者年龄”标准会遗漏样本，从而出现较大的误差。无论是官方数据，还是CGSS数据，老龄家庭的数量均在30%以上。结合以上实证结果并进行测算，由老龄化带来的潜在家庭消费支出净缩减在8 000亿元以上，占到当年GDP的2%左右。
值得关注的是，尽管微观层面，老龄化对部分家庭实际效用影响较小，却可能带来严重宏观后果。依据前述测算，城镇老龄家庭的住房支出会出现大幅下降(本文基于CGSS数据和匹配方法测算的降幅高达53%)。这意味着如果我国老龄化的发展速度不能延缓，宏观住房需求可能也会出现快速回落，这将对相关行业的景气产生深刻影响，从而引发宏观经济波动。
此外，在家庭消费总支出大幅缩减的同时，社会整体医疗支出将出现增长。依据前述估计结果简单测算，由老龄化带来的潜在医疗支出净增加额高达1 700亿元以上。考虑到我国城乡医疗服务不平衡不充分发展的状况，该估计显示出乡村老年医疗服务存在较大潜在缺口。除了基于CGSS数据和匹配方法所测算的医疗支出外，老龄家庭消费分项支出中老年照顾支出即对老龄人口的护理、看护支出等也可能成为老龄化所带来的潜在消费增加项。老年人口由于患病概率增加，随着年龄的增长生活可能逐渐无法自理，家庭养老负担的增加将使老龄家庭特别是城市老龄家庭雇用护理、看护人员的需求增加，可以预见，由此产生的老年护理支出或与之相关的老年护理保险支出等均会增长。
(六)统计不显著问题
在我国老龄化与家庭消费关系的研究中，经常出现估计结果的统计不显著问题，受到传统生命周期消费理论的影响，很容易认为这是一种符合理论预期的结果，从而忽视对样本细节的深入分析。在此我们讨论一种重要的、也是最为常见的可能导致统计不显著的情况，即本文如果使用较差的“老龄家庭”定义会带来什么样的结果呢？本文以“受访者年龄”(很多文献中将受访者默认为户主)为标准来定义老龄家庭，变量D_age为老龄家庭虚拟变量，户主年龄大于等于60岁时D_age=1，否则D_age=0。以CGSS数据库为例，如前所述，对比不同定义数据的描述统计就可以发现，它的分布与基于“共同居住”标准的老龄家庭分布相去甚远。本文采用与前述基础回归模型基本相同的控制变量进行回归分析，估计结果报告如表12所示。
与前文基准回归报告结果相比较，不难看到，应用“受访者年龄”定义的“老龄家庭”变量，产生了非常严重的后果：随着控制变量的逐渐增加，模型(4)～模型(7)显示，老龄化对消费的影响均不再显著。这一结果似乎与生命周期消费理论的预期完美契合。但是，可以看到，老龄家庭变量的估计系数波动较大，显示上述估计存在较为严重的内生性问题，结论不再稳健。
五、总结与启示
老龄化对家庭消费有着深刻的影响。本文基于2010年中国综合社会调查(CGSS)的10 000多户微观家庭调查样本数据，谨慎定义了老龄家庭，从微观层面考察了我国人口老龄化与家庭消费之间的关系。基于基准回归分析和匹配方法，本文发现老龄化对我国居民家庭消费支出形成了较大的冲击，其中收入是老龄化影响家庭消费的重要中间变量。基于匹配方法，从总量上看，老龄化将使每户家庭的消费支出平均下降8 022元，下降幅度达20%以上；从结构上看，老龄化会对大多数消费分项支出产生负面影响，其中住房与教育支出降幅较大，同时也会大幅提升家庭医疗支出。考虑到家庭异质性，基于城乡分类的子样本回归分析发现，相较于城镇家庭，乡村家庭受老龄化冲击的影响异常严重，其平均消费总支出降幅高达32%，降幅接近城镇居民家庭的2倍。结果也显示，乡村老龄人口的医疗问题面临非常严峻的形势，老年人口医疗保障存在巨大的缺口。基于城镇家庭的分位回归分析发现，老龄化对城镇家庭消费的冲击集中体现在低分位家庭，较高分位家庭的消费支出受老龄化的影响并不显著。本文为考察老龄化对家庭消费的深层影响这一重大理论和现实问题提供了新的研究证据，也更全面系统地回应了当前存在的研究争议。本文结论有以下启示意义。
马来西亚可持续森林管理和马来西亚木材认证体系的实施，以国际可持续性标准为基准。从这一点来说，马来西亚木材认证体系在整个亚太地区是第一个热带雨林木材的认证体系，并于2009年5月获得森林认证系统PEFC 认可。今天，马来西亚被认证的森林面积在亚太地区名列前茅。350余家木材生产商和出口商在本国认证体系下获得监管链认证。
在高速公路沥青路面施工过程中，考虑到道路上下层结构的铺设需要使用不同配比的沥青材料，所以，上下层沥青材料的生产过程必须分开进行，为了提高施工效率，可以通过同时运转2台搅拌机来生产不同配比的沥青材料，从而为高速公路沥青路面的施工提供合格的施工材料，进一步保障高速公路沥青路面施工的质量。
表12老龄化对家庭消费的影响：基于受访者年龄标准的老龄家庭定义
项目(1)(2)(3)(4)(5)(6)(7)(8)D_age-12 070.00(-5.34)-5 888.30(-2.62)-11 303.40(-5.05)-3 242.60(-1.45)-3 374.20(-1.51)-2 712.90(-1.18)-3 359.20(-1.46)-2 956.80(-1.27)Finc—0.28(30.78)—0.23(23.77)0.22(22.68)0.21(22.66)2.00(22.80)0.22(22.63)Inc_level——16 303.50(13.21)4 529.20(3.54)4 288.50(3.36)4 204.80(3.29)4 213.60(3.26)4 125.30(3.18)Housing———13 926.40(7.81)15 391.20(8.60)15 086.00(8.43)15 018.90(8.37)15 009.40(8.36)Auto———34 532.60(10.37)31 063.20(9.27)30 855.80(9.20)31 966.5(9.46)31 532.30(9.30)City————14 837.30(7.59)15 611.00(7.95)14 396.00(6.88)14 092.50(6.71)Scale—————-3 426.40(-1.42)-3 982.00(-1.65)-3 902.40(-1.61)Scale_sq—————821.40(2.56)909.00(2.83)899.00(2.80)Mins——————-5 018.40(-1.70)-4 847.30(-1.64)Eins——————2 768.60(1.33)2 726.30(1.31)Att_sav———————-1 879.90(-2.02)截距项38 898.60(35.79)25 713.10(22.26)-3 889.00(-1.14)-3 137.20(-0.86)-12 233.70(-3.21)-10 827.70(-1.97)-6 317.60(-1.07)1 549.80(0.22)观测值11 78310 33411 75410 24210 24210 2429 8919 873
资料来源：根据CGSS数据整理计算得到。
首先，要正确理解和把握人口老龄化趋势与消费驱动的内在要求。老龄人口或退休人群占比的上升将对社会总消费支出和消费结构产生深远的影响。通过微观数据的实证研究发现，老龄化对居民消费的抑制作用十分显著。具体来看，老龄化的影响主要体现为服装、住房、教育、交通通信、公共事业支出、礼品、日用品等分项支出的减少和医疗支出的大幅增加，而其对于食品、耐用品和休闲娱乐支出的影响并不显著。老龄化对家庭消费的冲击对我国经济消费驱动的现实需要构成了挑战。在我国老龄化进程较快发展的现实社会背景下，其消费抑制效应将会抵消扩大消费政策的部分潜在效果。
云团间，有东西一闪而过。三体舰？不，不可能，云团里怎么会有军舰呢？壶天晓再次遥控灰色翼龙的眼睛进行搜索，却没有发现异常。如果目前能用的只有感应网络，那就将它的作用发挥到极致。壶天晓暗自思忖着，全力搜索着庞大的感应网络，希望能发现点儿什么。
其次，老龄化对家庭消费支出的影响存在着家庭异质性。在基于城乡分类的子样本回归分析中发现，老龄化对城镇家庭和乡村家庭消费支出影响存在异质性。城镇家庭在食品、公共事业、耐用品、日用品、休闲娱乐等消费分项的支出未受到老龄化的影响，而乡村家庭受老龄化冲击的影响异常严重。除住房和医疗支出外，老龄化对乡村居民家庭其他类别支出均有显著影响。基于城镇家庭的分位回归结果显示，老龄化对城镇家庭消费的冲击集中体现在低分位家庭。由此，在制定和落实推进促消费政策的过程中，需重视老龄化对城乡老龄家庭和城镇不同分位家庭消费冲击的异质性。
作为一项学科竞赛，他的实施主要依托于学校和学生这两个主体，其具备以下特点：一是学生的准备、训练场地主要在学校内部，与外部环境(例如企业)没有关系，这样学校和学生掌握主动权，可以投入较大的人力。物力和精力。二是该竞赛以学生为主，学生的选拔首要就是学生根据兴趣自己报名参加，这就保证了参与者的积极性，在工作中能够充分发挥主观能动性，达到事半功倍的效果。三是指导人员全部是所在高校教师，这样就排除了外部人员因素的干扰，而且指导学生参加竞赛对教师的业务能力提高、职称评定等方面也有一定的益处，因此，老师也能够全身心投入到该项工作中去。
再次，要高度重视乡村老龄家庭医疗服务消费需求如何保障的政策问题。本文研究的一个重要启示是，在我国社会保障制度还不完善、乡村医疗保障体系还存在巨大缺口的背景下，要高度重视人口老龄化可能对乡村家庭医疗消费支出能力的冲击问题。封进等(2015)的研究也表明，我国乡村地区的老人医疗消费水平低，有病不医等现象仍然普遍存在，应根据年龄和病种实施差异化的“新农合”补贴政策。上述研究结论与本文的估计结果相互印证，我国乡村医疗服务供给存在缺口。由于乡村家庭特别是老龄家庭的医疗服务需求将受到未来老龄化的进一步冲击，因此需要对相关形势做出全面、科学、准确的预判，充分评估乡村老龄家庭医疗需求的发展趋势，综合施策，切实做好有关补短板、惠民生工作。例如，提高新农合的待遇水平，实施健康扶贫，重点关注有大病、慢性病老年人口的家庭，完善乡村居民的大病保险制度，并对患有慢性病的乡村老龄人口实施门诊费用补贴等，以缓解乡村老龄家庭有病不医，医疗服务消费能力弱的现状。另一方面，乡镇卫生院、村卫生室等基层医疗机构可以加强对乡村地区的健康教育宣传，切实关注乡村老龄家庭的健康状况，引导其合理医疗消费支出，提高乡村家庭的健康效用水平。
最后，要推进老龄产业与养老事业的发展，更好满足老龄人口美好生活的需要。老龄产业的发展应针对老龄人口的特殊消费需求和习惯，满足其对高质量的晚年生活的消费需求，促进居民消费结构的合理化，创造老年人消费环境，缓解养老压力所带来的消费冲击。尤其是要重视老龄人口的医疗保健需求，推动养老模式的创新，合理引导与开发老龄人口消费。与此同时，也应不断推进养老事业的发展，加强医疗卫生基础设施建设，减少老龄人口的医疗支出压力，不断提高居民的健康需求。社会养老服务的发展，养老改革政策和老年福利制度的不断完善也将影响老龄家庭的消费预期、消费倾向与消费决策。因此，积极推动老龄产业与养老事业的发展，推动新环境新技术下的医养结合和养老模式创新，丰富老龄人口的退休生活，更好满足老龄人口对美好生活需求并引导其积极健康消费。
选取2016年9月～2018年7月本院接诊的冠心病患者50例作为实验组，男28例，女22例，年龄41～67岁，平均（50.21±3.69）岁，不稳定型心绞痛者21例，稳定型心绞痛者18例，心肌梗死者11例。另选取本院同期接诊的健康体检者30例作为对照组，男16名，女14名，年龄38～67岁，平均（49.83±4.01）岁。所有入选者对此研究均知情同意，依从性良好，能够积极配合完成检验，且有完善的临床资料，获得医学伦理委员会批准。比较两组的性别构成比等一般资料，差异无统计学意义（P＞0.05）。
参考文献
陈斌开、陆铭、钟宁桦, 2010:《户籍制约下的居民消费》,《经济研究》第1期。
范叙春, 2015:《退休消费之谜:方法、证据与中国解释》,《南方人口》第6期。
封进、余央央、楼平易, 2015:《医疗需求与中国医疗费用增长——基于城乡老年医疗支出差异的视角》,《中国社会科学》第3期。
黄明清、聂高辉, 2015:《人口老龄化与居民消费水平关系——基于省际面板数据的实证研究》,《消费经济》第2期。
黄娅娜、王天宇, 2016:《退休会影响消费吗?——来自中国转型期的证据》,《世界经济文汇》第1期。
乐昕, 2015:《我国老年消费数量的人群差异研究——以2011年CHARLS全国基线调查数据为例》,《人口学刊》第5期。
乐昕、彭希哲, 2016:《老年消费新认识及其公共政策思考》,《复旦学报(社会科学版)》第2期。
李文星、徐长生、艾春荣, 2008:《中国人口年龄结构和居民消费:1989—2004》,《经济研究》第7期。
李中斌、王灿雄、李莉, 2016:《福建省人口老龄化对城镇居民消费需求的影响——基于福建省1995—2013年相关数据的分析》,《福建论坛·人文社会科学版》第3期。
林晓珊, 2018:《家庭老龄化、消费结构与消费分层——基于CFPS2012的数据分析》,《东南大学学报(哲学社会科学版)》第2期。
刘子兰、宋泽, 2013:《中国城市居民退休消费困境研究》,《中国人口科学》第13期。
石贝贝, 2017:《我国城乡老年人口消费的实证研究——兼论“退休—消费”之谜》,《人口研究》第3期。
石明明、刘向东, 2015:《空间、消费黏性与中国低消费之谜》,《中国人民大学学报》第2期。
向晶, 2013:《人口结构调整对我国城镇居民消费的影响》,《经济理论与经济管理》第12期。
徐国祥、刘利, 2016:《中国人口老龄化与居民消费结构的统计检验》,《统计与决策》第1期。
杨赞、赵丽清、陈杰, 2013:《中国城镇老年家庭的消费行为特征研究》,《统计研究》第30期。
殷俊茹、徐豪熠、倪宣明, 2016:《人口老龄化对居民消费水平的影响研究——基于最优增长模型的理论分析与实证检验》,《系统工程理论与实践》第12期。
张克中、江求川, 2013:《老龄化、退休与消费——中国存在“退休—消费之谜”吗?》,《人口与经济》第5期。
赵昕东、王昊, 2018:《退休对家庭消费的影响——基于模糊断点回归设计》,《武汉大学学报(哲学社会科学版)》第1期。
郑妍妍、李磊、刘斌, 2013:《“少子化”、“老龄化”对我国城镇家庭消费与产出的影响》,《人口与经济》第6期。
朱勤、魏涛远, 2016:《中国人口老龄化与城镇化——对未来居民消费的影响分析》,《人口研究》第6期。
邹红、喻开志, 2015:《退休与城镇家庭消费:基于断点回归设计的经验证据》,《经济研究》第1期。
Aguiar, M., and E.Hurst, 2007, “Life-cycle Prices and Production”, AmericanEconomicReview, 97(5): 1533-1559.
Altonji, J.G., and R.L.Matzkin, 2005, “Cross Section and Panel Data Estimators for Nonseparable Models with Endogenous Regressors”, Econometrica, 73(4): 1053-1102.
Banks, J., R.Blundell., and S.Tanner, 1998, “Is There a Retirement-Savings Puzzle?”, AmericanEconomicReview, 88(4): 769-788.
Hurd, M.D., and S.Rohwedder, 2013, “Heterogeneity in Spending Change at Retirement”, JournaloftheEconomicsofAging, 1(2): 60-71.
Li, H., X.Shi, and B.Wu, 2012, “The Retirement Consumption Puzzle in China”, SocialScienceElectronicPublishing, 105(5): 265-274.
Modigliani, F., and R.Brumberg, 1954, UtilityAnalysisandtheConsumptionFunction：AnInterpretationoftheCross-SectionData, New Brunswick, NJ：Rutgers University Press.
Van Groezen, B., L.Meijdam., and H.A.Verbon, 2005, “Serving the Old: Ageing and Economic Growth”, OxfordEconomicPapers, 57(4): 647-663.
HOW AGING EFFECTS HOUSEHOLD CONSUMPTION——Evidences from China Household Survey Data
SHI Ming-ming JIANG Zhou QIU Xu-rong
(Renmin University of China)
Abstract:Based on the data from Chinese General Social Survey (CGSS), this paper empirically studies the effects of aging on household consumption in China.The results show that aging can significantly reduce average total expenditure per household and it has a huge negative impact on most categories of consumer spending.It also significantly increases household medical spending.Moreover, income is an important intermediate variable.Based on regression analysis of urban and rural areas, this paper finds that rural households are more seriously affected by aging than urban households and there is a huge gap in medical insurance for the elderly in rural areas.Further quantile regression analysis based on the urban households shows that the impact of aging on household consumption is mainly reflected in middle and low quantile urban households.
Keywords:household consumption; consumption structure; aging; Chinese General Social Survey
* 石明明(通讯作者)、江舟、邱旭容，中国人民大学商学院，邮政编码100872，电子信箱：ms@ruc.edu.cn。本文得到国家自然科学基金青年项目(41401124)、国家社科基金后期资助项目(18FJY018)和国家社科基金一般项目(18BJY176)的资助。感谢匿名评审人提出的修改建议，笔者已做了相应修改，本文文责自负。
(责任编辑：付 敏)
标签：家庭论文; 老龄论文; 支出论文; 变量论文; 消费支出论文; 社会科学总论论文; 人口学论文; 世界各国人口调查及其研究论文; 《经济理论与经济管理》2019年第4期论文; 国家自然科学基金青年项目(41401124)国家社科基金后期资助项目(18FJY018)国家社科基金一般项目(18BJY176)的资助论文; 中国人民大学商学院论文;