《北大总裁俱乐部》最受企业家推崇的平台
传递：前沿商机 | 科技 | 管理 | 资本运作 | 国学
学企业管理培训，微信交流：pku688

来源：高善文经济观察（ID：Gaosweco）

关于中国消费者行为变化的事件研究

——对2021年以来疫情和地产冲击的实证分析

袁方，魏薇

2024年10月13日

内容提要

我国当前面临着总需求不足的局面，其中消费驱动不足的问题日益凸显。这一变化的根源在于疫情、地产等冲击对居民的收入和财富构成了深刻影响，从而引发了消费活动的收缩。我们基于宏观经济数据，将2021年视为冲击影响开始的时点，利用面板回归来尽可能控制相关条件，为上述逻辑提供了实证证据。

回归发现，2021年以来，收入效应与财富效应都驱动了居民消费行为趋于谨慎。2021年以来与退休人群相比，收入波动更大、财富积累更少的工作人群消费降速更多，这表明收入效应的影响更为主导。这种变化的背后不仅是当期预算约束的收紧，也是居民对收入不确定性的担忧和预期的下行，而收入预期的下行进一步强化了地产需求的收缩，与财富效应互相强化。

疫情以来，我国将产业结构的转型升级作为稳定长期增长的主要调节手段，然而就业质量提升的速度明显落后于新旧动能转换的速度，其中地产行业过快收缩的影响尤为重要。因此，保证各行业就业的平稳过渡、稳定收入增长预期是促进消费增长、提振内需的关键，而解决地产行业流动性危机、修复地产预期是稳定收入增长预期的必要条件。

风险提示：地缘政治风险，政策超预期

一、背景与方法介绍

当前，中国经济总体增速偏缓，总需求偏弱，实现经济转型是促进经济增长的有力措施。若将经济转型的过程分为两个方向，其一为向更高的产业结构转型，另一则为向更高的消费驱动转型。目前产业结构转型非常稳健，而转向更高消费驱动的转型动力不足。[1]

这一变化的根源在于疫情、地产等冲击对居民的收入和财富构成了深刻影响，引发了消费活动的收缩，这正是当前总需求不足的重要背景之一。

2021年以来，中国居民总体消费增速发生了明显下降。这一现象的主要背景有两个方面。一方面，2021-2022年居民的工作与出行受到疫情管控的持续影响，此后在缺乏财政有效刺激的情况下基本面修复也并不顺畅，疤痕效应延续至今。另一方面， 2021年以来房地产企业面临流动性危机，房地产行业出现大幅调整，房价持续下跌使得居民财富出现严重缩水。前者使得消费者的劳动性收入与收入预期明显降低，后者则使得消费者的财富与财产性收入大幅减少，二者都是导致居民消费能力与消费意愿降低的重要原因。

那么，在近年来消费者行为的变化过程中，哪种因素的影响更为关键？

观察两个单一变量的相关性似乎难以对这一问题进行解答。一方面，疫情以来居民的收入与财富同时发生变化，且具有一定的相关性；另一方面，有许多其他因素也会对居民消费产生影响，例如在社会保障条件不足的情况下居民会进行预防性储蓄、减少消费。因此，本文基于实证回归的研究方法，在尽可能控制其他条件不变的情况下，探究我们关心的变量的影响。

我们基于2016-2024年全国30个省份的年度面板数据进行回归分析。回归的关键自变量为居民收入和房价的同比变化，因变量为消费的同比变化，同时控制人口流动、城镇化率和社会保障水平等相关变量。为了对比2021年前后自变量与因变量相关关系的变化情况，我们利用时间虚拟变量对2021年前、后两个时段进行控制与比较。

回归发现，2021年以来居民消费对收入与财富的弹性都发生了显著的变化，表现为同样幅度的收入增长带来了更少的消费增长，和同样幅度的资产价格下跌带来了更大幅度的消费收缩。我们进一步使用工作人口占比作为代理变量进行回归，发现2021年以来与退休人群相比，收入波动更大、财富积累更少的工作人群消费增速下降更多。这表明，收入效应与财富效应都驱动了居民消费行为趋于谨慎，而收入效应的影响更为主导。

接下来，我们对模型的设定细节与回归结果的经济学含义解读进行展开。

二、模型设定

本文基于2016-2024年省份-年度层面数据进行回归分析，覆盖全国30个省份（不包括西藏），其中2024年使用上半年的累计同比数据，回归模型如下：

其中，等式左侧consumption项为给定年份的社会消费品零售总额同比，用于代理居民消费情况。

右侧key_factor为本文关心的影响因素，如房屋价格变化（使用省会城市二手住宅价格指数同比作为代理变量），收入变化（使用各省人均可支配收入同比作为代理变量）等等。

右侧year_after2021为时间虚拟变量。考虑到疤痕效应和房地产行业调整主要出现在2021年之后，我们以2021年为分界点，year_after2021在2021年以前取0，在2021年及之后取1。

右侧key_factor×year_after2021为本文关心的影响因素与时间虚拟变量的交互项，本文主要关注这一项的系数估计。回归系数φ的经济学含义为，关键自变量对消费的影响在2021年前后是否显著不同。

右侧控制变量controls包括省份常住人口同比增速、城镇化率和病床数对数，主要用于控制不同省份随时间变化且会对消费产生影响的特征。其中，常住人口同比增速用于控制人口规模变化本身带来的消费量的变化。

城镇化率用于控制不同地区的老龄化水平及经济潜在增速，一般而言城镇化率更高的地区老龄化水平更高，经济潜在增速更低。由于社会消费品零售总额同比具有明显的时间趋势，控制城镇化率也有助于剥离趋势影响。

病床数对数用于代理当地医疗卫生条件和社会保障水平，我们控制这一变量来缓解不同地区社会保障差异带来的预防性储蓄差异的影响。右侧最后一项ε为随机扰动。

由于部分控制变量数据未更新至2024年，我们基于疫情以来的数据进行了线形外推，对回归结果的影响可忽略不计。

三、实证结果

我们首先分别检验收入与消费、房价与消费的关系，再将两者放入同一回归，来验证系数估计的稳健性。

表1展示了疫情前后居民人均可支配收入与消费的关系。在前两列中，我们不使用交互项，直接对疫情前三年与后三年分段进行回归，来确认疫情前后收入与消费的关系。最后一列中，我们使用前述包含交互项的模型对全部年份进行回归，来检验疫情前后这一关系的差异是否显著。

表1第1、2列中，人均可支配收入同比的系数的经济学含义为居民消费对收入的弹性，即其他条件不变的情况下，可支配收入同比每增加1个百分点对应的消费同比变化。

可以看到，疫情前后人均可支配收入同比的系数均为正且在1%水平上显著，但第2列中这一系数略小于第1列。这一结果说明，居民消费对收入的弹性显著为正，但疫情后这一弹性有所降低，即同样幅度的收入增长带来的消费增长有所减少。

那么这一弹性的减少幅度在统计学意义上是否显著？

第3列中“year2021*人均可支配收入同比”系数显著为负，表明第2列与第1列系数的差在1%水平上显著小于0，即与疫情前相比，面对同样幅度的收入增长，疫情以来居民消费增长幅度显著下降，即居民消费倾向显著降低。

此外，与第1列相比，第2、3列回归的R2大幅提高，即在其他条件不变的情况下，居民收入的变化对消费变化的解释力度大幅提高，说明收入水平的变化对许多居民的消费决策形成了直接约束。

值得注意的是，回归中人均可支配收入同比的系数均大于1，以第1列为例，收入增速每增加1个百分点将带动消费增速增加3.03个百分点，这一数值与我国居民储蓄率偏高的实际情况相差甚远。对于这一现象我们认为可能存在以下两种竞争性解释。其一，收入增速中枢下移的过程中消费增速中枢表现为加速下移；其二，宏观国民经济核算与微观企业经营统计口径之间存在差异。

我们对近年来全国层面的可支配收入增速与社零增速进行了对比，发现剔除2015年和2018年房地产及其他产业政策调整的影响后，随着可支配收入增速的趋势下降，社零增速下降的斜率的确更为陡峭。但与此同时，多数时间社零增速高于可支配收入增速，第一种解释无法说明这一现象。因此，我们认为第二种解释或是上述弹性估计偏高的主导性因素。

合并这些分析，在数据统计方法的影响下，表1中回归系数的大小所蕴含的现实意义有限；但考虑到近年来我国经济数据统计方法基本保持稳定，这一差异对上述回归系数的方向与显著性影响可以忽略不计。因此，我们依然可以得出疫情以来居民消费对收入弹性显著降低这一结论。

需要说明的是，上述回归的控制变量系数虽然在统计学意义上不显著（主要由回归样本量较低和控制变量显著性部分被关键自变量吸收导致），但其大致方向与现实中体感基本相符。一方面，当地常住人口的流动与消费总量变动正相关，病床数对数也与消费增速正相关，即病床数越多、社会保障条件越好的地区居民的消费倾向越高。另一方面，城镇化率越高的地区通常越接近经济增长的长期均衡，其消费增速往往更低，因此平均而言城镇化率系数为负；但2021-2024年这一系数为正，说明经济更为发达的地区消费降速反而更为明显，与现实中体感一致。

表2展示了疫情前后房屋价格变化与居民消费的关系。与表1类似，前两列分别为疫情前三年与后三年的分段回归，最后一列的交互项系数用于检验两个时间段消费弹性的差异是否在统计意义上显著。

表2第1列省会城市二手住宅价格指数同比系数不显著，意味着疫情前三年房价的变化对消费没有显著影响，而第2列表明疫情后三年房价的变化与消费的变化显著正相关，即房地产资产价格对消费表现为显著的挤入效应。2021年以来全国房价持续表现为下跌趋势，因而对消费产生了显著的负向影响。具体而言，省会城市二手住宅价格同比每下跌1个百分点，消费同比将下跌0.506个百分点。

类似地，表2第3列“year2021*省会城市二手住宅价格指数同比”系数显著为正。平均而言，在其他条件不变的情况下，疫情以来消费对房价的弹性相比于疫情前显著增加了0.338个百分点。这一变化中也包含了房价上涨与下跌趋势对消费影响的不对称性，疫情前三年中我国房价持续攀升但并未带来显著的消费增加，疫情后三年中房价的持续下跌却与消费水平的降低高度相关。

在上述分析的基础上，我们进一步将收入与房价变化及其与年份的交互项同时放入回归，结果如表3所示。考虑到不同地区房地产行业的规模占比及其外溢效应存在差异，我们进一步控制各省政府性基金收入占GDP的比重，来剥离这一差异对消费的影响。

第1-3列表明，表1和表2的基本结论依然成立，即疫情以来，消费对收入的弹性显著降低，对房价的弹性显著升高。其中，房价变化的加入吸收了部分收入变化对消费的影响，可支配收入同比系数有所减小。

正如前面讨论的，在统计口径差异影响下，可支配收入同比系数与房价同比系数的相对大小并不能很好地刻画收入效应与财富效应的相对强弱。我们进一步使用不同地区的工作人口占比作为代理变量来分析这一问题。具体而言，工作人群相比于退休人群的收入波动更大，拥有的房地产净资产更少。因此，收入效应主要对工作人口的消费产生影响，而财富效应对退休人群的消费影响更大。

如表3第4列所示，“year2021*65岁以下人口占比工作人群”系数显著为负。这一系数的经济学含义为，其他条件相同的情况下，相比于2021年以前，65岁以下人口占比更多的地区其2021-2024年的平均消费增速显著更低。这一结果说明，疫情以来消费者行为的变化受收入及收入预期变动的影响更大。

值得进一步思考的是，为何2021年前后居民消费对房价的弹性发生了显著变化？

我们认为，疫情的疤痕效应影响了居民长期的收入预期和承担风险的意愿，从而既导致了消费走弱，也导致了房价走低。

我们以国家统计局公布的消费者信心指数中对未来收入信心的子指数作为收入预期的代理变量，以全国二手房挂牌价指数作为房地产景气程度的代理变量。如下图所示，2018-2019年收入预期与房价趋势的相关性十分有限，2020年疫情爆发也未对地产造成明显波动。然而2021年下半年以来，收入预期下台阶与房价趋势高度相关。2022年底疫情管控放开时收入预期快速回升，房价指数也出现了小幅回弹；2023年一季度后，随着预期收入在历史低位开启中枢波动，房价指数开始持续下行，二者互相强化。

为了进一步证实收入预期的影响，我们在表2的回归中引入消费者信心指数中对未来收入信心的子指数，及其与房价变化的交互项，回归结果如表4所示。

从前两列回归结果可以看到，疫情前消费者收入信心指数系数并不显著，而2021-2024年这一变量与消费同比在1%水平上显著正相关，同时引入这一变量后“省会城市二手住宅价格指数同比”系数变得不显著。这说明，疫情以来消费者收入预期的下降与房价下跌高度相关。

与之形成鲜明对比的是第3列结果，我们发现控制居民可支配收入同比的情况下，省会城市二手住宅价格指数同比系数依然显著，即收入本身的变化并不能解释2021年以来消费对房价弹性的变化。

进一步地，我们在第4列中对全部时间段样本再次验证。这里我们引入交互项“省会城市二手住宅价格指数同比*消费者收入信心指数”，同时控制所有年份的时间固定效应。

可以看到，省会城市二手住宅价格指数同比系数显著为负，而“省会城市二手住宅价格指数同比*消费者收入信心指数”交互项系数显著为正。给定某一消费者收入信心指数时，消费对房价的弹性为“‘省会城市二手住宅价格指数同比’系数+‘省会城市二手住宅价格指数同比*消费者收入信心指数’系数*给定的消费者收入信心指数”。

这意味着房价上涨本身会对消费存在挤出效应，但在消费者收入预期处于较高的区间时，这种挤出效应可能并不明显甚至表现为挤入，即收入预期主导了消费增速的变化。与之形成对比的是，2021年以来，收入预期的下降使得消费对房价的弹性发生了变化甚至是反转。

至此，我们证明了2021年前后居民消费对房价弹性的不对称性主要来自居民收入预期的变化。

诚然，囿于地区宏观口径数据的缺乏和宏观变量无法避免的内生性问题，本文模型在因果识别方面存在一定的不足。上述回归的系数估计包含了一定的反向因果影响，即包含了各地区消费水平的降低对收入进一步下降和地产需求持续不足的负反馈机制。但考虑到疫情冲击和房地产政策调整的相对外生，本文依然能够为近年来居民消费行为的变化逻辑提供重要线索。

四、分析与展望

2021年以来，在疫情与地产行业的冲击下，收入效应与财富效应都驱动了居民消费行为趋于谨慎。2021年以来与退休人群相比，收入波动更大、财富积累更少的工作人群消费降速更多，这表明收入效应的影响更为主导。这种变化的背后不仅是当期预算约束的收紧，也是居民对收入不确定性的担忧和预期的下行，而收入预期的下行进一步强化了地产需求的收缩，与财富效应互相强化。

疫情爆发以来，我国将产业结构的转型升级作为了应对疫情冲击、稳定长期增长的主要调节手段。转型的过程伴随着落后就业的消失与先进就业的创造，然而从数据来看，新动能创造增长与就业的速度落后于旧动能退出的速度，转换过程本身增加了未来就业的不确定性。这也是目前我国经济环境中对居民劳动收入及其预期产生影响的主要原因。

我们分别从就业数量和就业质量的角度来刻画这一现象。一方面，我们利用上市公司数据统计分行业的员工数量变化情况。截至2023年末，虽然制造业行业保持了较为稳定的就业增长，但金融、地产、建筑以及服务业自2021年以来都经历了不断的收缩，直至2023年末的就业负增长。

另一方面，我们使用公积金实缴人数作为高质量就业的代理指标。2023年我国城镇就业人员约4.7亿，而缴纳了公积金的就业人员仅为1.7亿，这部分就业的质量与稳定性相对更高。

2017年以来，央国企缴纳公积金人数同比较为稳定，私营企业增速则明显下降，而私营企业缴纳公积金人数占比接近40%，体量巨大。可以看到，在周期性因素和新动能崛起的共同影响下，2021年私营企业缴纳公积金人数同比发生了显著回升。然而此后，在旧动能不断退出的影响下这一指标再次大幅下行，其中房地产行业的衰落是重要的驱动因素。[2]

综上所述，居民收入及收入预期遭受的不利冲击是导致消费降速、经济紧缩的关键因素。在产业结构升级的过程中就业结构发生了大幅调整，但就业质量提升的速度明显落后于新旧动能转换的速度，其中地产行业过快收缩的影响尤为重要。一方面，地产行业因其所涉资金规模庞大且对上下游产业链具有广泛影响，对就业的整体影响巨大，而劳动人口收入预期的下行又加速了房地产需求的下降。另一方面，房价的大幅调整通过财富效应进一步对居民财产性收入产生不利影响，使得居民预算约束收紧。

因此，房地产行业的企稳对于稳定就业、从根本上解决总需求不足的问题至关重要。产业结构转型对于实现长期增长固然具有重要意义，但在转型过程中，保证各行业就业的平稳过渡、稳定收入增长预期是促进消费增长、提振内需的关键，而解决地产行业流动性危机、修复地产预期是稳定收入增长预期的必要条件。

五、附录：模型设定补充说明

本文基准模型的设定接近于事件研究（Event Study），这一模型主要用于对比冲击发生前后某一变量的趋势性变化。一般而言，事件研究方法将多时点的时间虚拟变量直接作为关键自变量，或将时间虚拟变量与其他分组变量做交互，来探究不同分组之间的时间趋势差异。本文关心的是消费弹性的变化趋势，因而将时间虚拟变量与连续型关键自变量进行了交互。此外，本文聚焦于疫情前后消费者行为的系统性变化，因而仅加入了2021年前、后两个时间虚拟变量，相当于将多个时点的时间虚拟变量进行了合并。

受限于样本量，本文模型未引入省份固定效应，对时间虚拟变量的控制也相对宽松。但考虑到不同省份间的城镇化水平差距相对稳定，城镇化率这一控制变量的引入近似于对省份固定效应与时间趋势固定效应的交互项进行了控制。若将城镇化率控制变量替换为上述交互固定效应，基本结论不变。

[2] 感谢束加沛博士对分行业上市公司就业人数和公积金缴纳相关数据的收集整理。

版权说明：如转载的文章有侵权行为，请告知小编（微信：pku688），我们会在第
时间处理！

【今日推荐】

▴研修报名 | 运河商学未来产业CEO成长计划（第四期）
▴研修报名 | 北京大学新时代企业工商管理高级研修班
▴研修报名 | 北京大学中国国学管理思想高级研修班
▴研修报名 | 北京大学历史研修班
▴研修报名 | 北京大学金融与投资研修班

▴研修报名 | 北大国际CEO项目

▴研修报名 | 北京大学医疗产业领军人才研修班

“点赞”是鼓励，“在看是喜欢