方大春：城镇化、人口年龄结构与居民消费需求—基于动态面板数据广义距估计分析

        摘要：改革开放以来，中国经济得到快速发展，但居民消费率却逐渐下降。基于2005年—2012年全国省级面板数据，运用动态面板广义矩估计法，分析城镇化和人口年龄结构对居民消费的影响。研究结果表明：城镇化对居民消费率的影响呈现U型关系，在东部地区，城镇化的持续发展会推动居民消费率的提高，而在中西部地区，其作用效果并不显著甚至起阻碍作用；在人口年龄结构方面，少儿抚养比提高有助于居民消费需求提高，而老年人口抚养比在东部地区起阻碍作用，而在中西部地区起一定的推动作用。因此，需要政府加大推进中西部城镇化进程，突破城镇化进程中对居民消费抑制拐点，并加大对中西部老年人基本消费支持力度，积极实施“单独二孩政策”，释放消费潜力。

        关键词：城镇化；居民消费；人口年龄结构；GMM估计

        一、引言

        居民消费同政府消费、投资和出口共同构成国民经济的重要部分，居民消费不仅支撑国民经济发展，也是经济增长的最终目的。改革开放以来，我国经济得到了巨大的发展，但与之相反的是，居民消费率却在逐渐下降。2001年到2012年这十年期间，居民消费率从45.3%下降到36.8%，远远低于发达国家的水平。林毅夫把这种一面是过热的投资，一面是冰冻的消费的奇特景象比喻为“煎焦的冻鱼”。

        居民消费一直是学术界关注重点，学者主要还是沿着凯恩斯消费理论和生命周期理论，探索居民消费不足的原因。城镇居民收入分配差距对消费存在显著的负影响[1][2]，收入差距与居民消费呈现倒U型关系，其峰值在城乡实际收入比为3.47左右时[3]；农村居民消费影响最大因素是居民攀比行为[4]。目前我国国民收入在居民部门的分配比例明显偏低是导致我国居民消费不足、消费率下降的根本原因[5]。在经济发展水平较低时，社会保障参与率的提高会降低居民消费，而当经济发展到一定水平时，社会保障的参与率会提高居民消费[6]。人口年龄结构对消费的影响最早始于Modigliani和Brumberg的生命周期假说(LCH)。关于人口年龄结构与消费的实证分析的研究也较多，但得出结论却不唯一。Leff(1969)通过对世界74个国家的面板数据得出，少儿抚养比与老年抚养比和消费存在显著的正向关系[7]；Parker(1999)认为人口年龄结构与消费之间的关系不显著[8]；Begona Eguia和Cruz Echevarria(2004)基于西班牙1964年—1997年的数据，通过OLS和FMLS的估计方法得出，人口金字塔的变化会对私人消费行为产生实质的影响[9]；李文星、徐长生、艾春荣(2008)实证研究结果显示儿童抚养系数对居民消费有负的影响，而老年抚养系数的变化对消费影响不显著[10]；而祁鼎、王师、邓晓羽和孙武军(2012)分析得出老年抚养比的提高对消费具有促进作用[11]。

        大多数文献探讨影响居民消费因素，主要考察直接影响因素，往往忽视传导效应作用于居民消费的重要变量。其中，城镇化就是影响居民消费重要因素，城镇化对消费的促进作用主要体现在：(1)城镇化通过转移农村剩余劳动力，提高居民收入；(2)改变农村人口的消费方式，通过示范效应，拉动消费；(3)带动服务业发展，拓展居民消费新空间[12]。也有一些学者对此进行探索，中国城市化水平与消费增长率之间总体上具有正向的、较长期的互动影响[13]，城市化进程确实对农村消费水平具有显著的提升作用，并且在欠发达的西部地区，提升效应更明显[14]。

        本届政府把新型城镇化作为实现经济转型、打造中国经济升级版的重要抓手，2013年12月中央举行的城镇化工作会议提出城镇化的六大工作任务，推进以人为核心的城镇化，必将释放内需巨大潜力。2013年11月中央发布《中共中央关于全面深化改革若干重大问题的决定》，宣布启动实施一方是独生子女的夫妇可生育两个孩子的“单独二孩政策”。在此背景下，是否影响居民消费率，值得研究。对城镇化、人口年龄结构与居民消费的关系进行实证分析，试图回答上述问题，并为我国内需拉动的经济政策提供参考。

        二、模型及估计方法

        (一)模型设定

        主要就居民消费与城镇化和人口年龄结构的关系进行实证研究。以居民消费为因变量，基本解释变量为城镇化与人口年龄结构。设立以下基本的计量模型：

        CONSi，t=α0+βURBi，t+χCDRi，t+δODRi，t+φXi，t+ξi+ηt+εi，t    (1)

        其中，i代表我国各个省份，t代表年份；被解释变量CONS代表居民消费，用居民消费率表示，其计算公式为居民消费支出/支出法地区生产总值；URB代表城镇化，鉴于数据的准确性和易获取性，采用计算公式为城镇人口/各省总人口；CDR和ODR代表人口年龄结构，分别为少儿抚养比和老年抚养比；εi，t表示随机误差项；β，χ，δ，φ代表待估计的参数。

        Xit表示其他控制变量的向量；由于影响居民消费需求的因素较多，参考已有的研究，选择主要控制变量如下：考虑到通货膨胀会改变居民的消费水平和储蓄的决策，选取居民消费价格指数(CPI)，代表通货膨胀水平；根据凯恩斯的边际消费倾向递减规律，收入差距过大必将对居民消费会产生一定的影响，选取城乡收入差距(GAP)代表居民的收入差距；根据消费理论和现实基础，消费受到收入的影响，居民消费率不仅与收入增长率有关，还与当期的收入有关，鉴于数据的易获得性，文章采用地区人均实际GDP的对数(lnRPGDP)代表居民的当期收入，用人均实际GDP的增长率(RGDPI)代表居民收入增长率。ξi代表地区非观测效应，即不随时间变化的地区固定效应，反映了一些无法观察的地区差异性变量的影响；ηt代表时间非观测效应，即不随地区变化的时间固定效应，反映了不同年份政策对消费的影响；2008年发生了金融危机，为了拉动经济增长，我国采取了一系列刺激内需的政策措施。为此通过引入时间虚拟变量(DUMMY)使模型更加接近现实情况，在2008年以前，DUMMY值为0，2008年以后，其值为1。

        (二)数据来源及描述

        在计算城镇化水平时，由于统计口径的调整以及多个省区在2005年将人口调整为常住人口，为了数据的准确性，选取2005年—2012年作为样本期，截面为中国大陆30个省份(西藏因数据不完整，没有纳入)，并分东、中、西部三大地区①。居民消费率数据来源于2006年—2013年《中国统计年鉴》；城镇化率数据来源于《2013年中国统计年鉴》；2010年的人口年龄结构数据来自《中国2010年人口普查资料》，其他年份的数据来自历年《中国统计年鉴》；消费价格指数和人均实际生产总值均以2005年为基期计算所得；其他数据均来源于历年的《中国统计年鉴》以及各省《统计年鉴》。表1给出了各个变量的统计性描述。

        从表1数据可以看出，虽然东部地区的城镇化水平要明显高于中西部地区，且远远高于全国平均水平，但是其居民消费水平却低于中西部地区和全国水平。为此，将以散点图的形式来具体呈现两者之间的关系(见图1)。

图1  居民消费率与城镇化关系散点图

        从图1中的散点图中可以看出，居民消费率与城镇化水平存在一种非线性的正U型关系。在城镇化水平较低时，居民消费率随着城镇化的提高而降低；在城镇化发展到一定水平时，居民消费率随着城镇化水平的上升而提高。因此，尝试在计量模型中添加城镇化的二次项，探究城镇化是如何影响居民消费需求。

表1  相关变量的统计性描述

        在人口年龄结构方面，关于少儿抚养比，东部地区最低，中部其次，西部地区最高，其原因可能是由于东部地区较高的经济发展水平和较为开放的生育观念；对于老年抚养比，三个地区基本保持相同水平。为了从大体上描述城镇化和人口年龄结构与居民消费之间的关系，给出了两者之间的散点图。

图2  居民消费率与少儿抚养比关系散点图

图3  居民消费率与老年抚养比关系散点图

        从图2和图3的散点图可以看出，少儿抚养比与居民消费率存在一种正相关系，少儿抚养比的提高会增加居民消费，少儿抚养比的降低会减少居民消费。而老年抚养比与居民消费率的拟合曲线近似一条直线，其对居民消费的作用不明显。

        在城乡收入差距方面，东部和中部地区水平相当，而西部地区的城乡收入差距要略高；关于人均实际生产总值增长幅度，中西部地区要明显高于东部地区，这证明次发达地区经济更具有发展潜力；东中西部人均实际生产总值的对数符合我国目前的经济发展实际。

        (三)估计方法

        由于居民在长期的消费实践中会形成消费习惯，前期的消费对当期消费会产生影响，居民消费存在棘轮效应，将上期居民消费量作为被解释变量加入到模型中，构建动态面板数据模型。由于在动态面板中普遍存在自相关、异方差和个体效应。Arellano和Bover[15](1995)与Blundell和Bond[16](1998)在相关研究中提出，动态面板数据广义矩估计方法(GMM for Dynamic Panel Data)一方面能够控制个体效应，另一方面可以通过使用解释变量的滞后项作为工具变量来解决解释变量的内生性问题。居民消费率和一些解释变量之间可能是同时决定的，动态面板GMM估计通过选择合适的工具变量可以有效控制解释变量的内生性问题；当不可观察的变量与解释变量相关，或是遗漏了某些个影响因素时，GMM使用差分转换数据还可以克服遗漏变量问题。为此，采用动态面板GMM估计方法是合适的，而静态面板估计会使得结果产生偏误。

采用动态面板对模型进行估计，具体模型为：

        CONSi，t=α0+α1CONSi，t-1+α2URBi，t+α3URB2i，t+α4CDRi，t+α5ODRi，t+α6Xi，t+ξi+εi，t    (2)

        其中，CONSi，t-1为滞后一期的居民消费率，URB2i，t为城镇化率的二次项。

        为了消除个体效应ξi的影响以及选取合适的工具变量，对模型(2)做一阶差分得到：

        ΔCONSi，t=α1ΔCONSi，t-1+α2ΔURBi，t+α3ΔURB2i，t+α4ΔCDRi，t+α5ΔODRi，t+α6ΔXi，t+Δεi，t    (3)

        差分GMM估计法可以通过对模型进行一阶差分来处理“动态面板偏差”(dynamic panel bias)问题。但差分GMM估计必须满足两个前提条件：回归方程的随机误差项εi，t不存在自相关；以及内生解释变量具有弱外生性。由于差分GMM的缺点是无法估计个体效应ξi的系数以及可能导致弱工具变量问题，Blundell & Bond(1998)将差分方程与水平方程作为一个系统进行广义矩估计，被称为“系统GMM”(System GMM)。系统GMM的优点是可以提高估计的效率，并且可以估计不随时间变化的变量的系数。其缺点是，必须要假定被解释变量的一阶差分滞后项与个体效应无关。一般情况下，系统GMM的估计方法要优于差分GMM的估计方法。系统GMM法又可分为一步法(one-step system GMM)和两步法(two-step system GMM)估计。相对于一步法，二步法估计不容易受到异方差的干扰。鉴于此，采取二步法进行估计。为了检验工具变量是否有效，借鉴Arellano和Bover(1995)和Blundell和Bond(1998)的研究，进行Sargan检验，其原假设是模型过度识别约束有效；另外还需要对随机误差项的一阶和二阶序列自相关进行检验，其原假设是随机扰动项不存在自相关。

        三、实证结果与分析

        在使用模型(2)进行估计之前，按照大多数研究的做法，首先研究居民消费与城镇化以及少儿抚养比与老年抚养比之间的线性关系，其具体形式为：

        CONSi，t=α0+α1CONSi，t-1+α2URBi，t+α3CDRi，t+α4ODRi，t+α5Xi，t+ξi+εi，t    (4)

        文章分别采取差分GMM方法和系统GMM方法进行对比分析，实证结果见表2。表2给出了全国水平动态面板的差分和系统GMM估计结果，模型(1)和模型(2)分别是不加和加入控制变量的差分GMM估计结果，模型(3)和模型(4)分别是不加和加入控制变量的系统GMM估计结果。可以看到，模型(1)至模型(2)都通过了Sargan检验，说明模型所选取的工具变量是有效的。且模型(1)和模型(2)的一阶差分的残差只存在一阶序列相关，而不存在高阶序列相关，差分GMM估计结果不能拒绝模型中“随机扰动项不存在自相关”的原假设，说明差分GMM的估计量是一致的，模型(1)和模型(2)都是合适的。在系数GMM估计方面，滞后一期的居民消费率估计系数的符号为正，说明居民的消费习惯对居民消费产生较为显著的影响。原因可能是中国自古崇尚节俭，这种消费习惯是导致目前我国居民消费不足而储蓄增加的一个非常重要的原因。在未加入控制变量的条件下，URB的估计系数为负，且在10%的水平下未通过显著性检验，而在加入了所有控制变量以后，URB在5%的显著水平下通过了检验，且符号为正，说明在加入控制变量以后，模型得到了优化，所选取的控制变量是有效的。就人口年龄结构而言，在模型(1)和模型(2)中，CDR都在1%的显著性水平下通过了检验，且符号为正，说明就全国水平而言，少儿抚养比的提高会增加居民的消费需求，其原因可能是少儿没有参加工作，是家庭和社会净投入。在加入了所有控制变量滞后，ODR在1%的显著性水平下通过了检验，且符号为负，说明老年抚养比的提高会阻碍居民消费的提高，其原因可能一方面是老年人到了退休年龄仍然在工作，另一方面老年人崇尚节俭，开支较小。我国的少儿抚养比从1982年实施计划生育的54.6%一直下降到2012年的22.2%，而老年抚养比从1982年的8%上升到2012年的12.7%，少儿抚养比的下降和老年抚养比的增加同时降低了居民的消费需求拉动力。此外，我们也发现2008年时间虚拟变量的估计结果显著，表明金融危机对居民消费具有一定程度的影响。

        由于系统GMM方法能够解决模型内生性问题和遗漏变量问题，文章给出了系统GMM法的估计结果——模型(3)和模型(4)，两个模型都通过了Sargan检验和扰动项无二阶序列相关检验。在系数估计方面，与差分GMM估计法相比，不管是显著性水平还是符号，两者的差别不大，但是系统GMM法的Sargan检验值要明显高于差分GMM法，尤其是在加入控制变量以后，说明系统GMM的估计方法更有效率。鉴于此，文章在后文全部采用GMM估计法进行估计。

        综合上述分析，城镇化与居民消费之间呈正向关系，目前的人口年龄结构与居民消费呈负向关系。但是从散点图1中可以看出，城镇化与居民消费之间并不是正向关系，而是在起初阶段时呈现负向关系。鉴于此，文章采用模型(2)进行估计，即加入城镇化的二次项，分析城镇化对居民消费的影响形式，估计结果见表3。

表2  全国水平动态面板差分GMM和系统GMM估计结果

注：括号内为z值，*、△和▲分别代表10%、5%和1%的显著性水平。

        模型(1)到模型(5)均是采用系统GMM方法的估计结果，可以看出，在依次加入控制变量以后，模型全部通过了Sargan检验和随机扰动项无自相关检验。在所研究的变量中，除了ODR的显著性水平没有全部通过以外，其他变量的显著性水平都非常高。且少儿抚养比与老年抚养比的系数符号与前文分析一致。在模型(1)到模型(5)中可以看出，模型(5)的Sargan值最大，模型(5)估计结果更为准确。

        根据模型(1)～(5)计算出城镇化拐点分别为56.8%、56.23%、50.17%、51.47%和42.42%。由此可以得出，城镇化对居民消费并非简单的正向关系，而是存在正U型关系。这可能是由于在城镇化初期，住房支出占去居民大部分的收入，居民不得不减少其他方面的消费，居民消费率在城镇化前期一直是下降的。而当城镇化发展到一定成熟阶段，大部分居民住房问题得到解决，收入预期得到提高，居民会增加消费。

        这就不难解释近些年来我国居民消费率持续下降的原因，在城镇化初期，城镇化与人口年龄结构的双重负作用，是居民消费率下降的主要原因。2010年，我国的城镇化水平突破50%，已经接近拐点水平，城镇化的持续发展会提高居民的消费率。

        在分析全国居民消费下降的原因的基础之上，尝试研究居民消费在不同地区之间的差异。为了探讨影响居民消费的区域差异，文章分别从东部、中部和西部进行模型的估计。在进行模型估计之前，分别对东部、中部和西部居民消费与城镇化分别进行关系散点图分析(散点图略)，结果表明不存在明显U型关系。因此文章建立线性模型进行估计，估计结果如表4所示。由于系统GMM法要优于差分GMM的估计方法，因此东中西部地区均采用系统GMM估计法进行估计。

表3  全国水平动态面板系统GMM估计结果

注：括号内为z值，*、△和▲分别代表10%、5%和1%的显著性水平。

        由表4可知，所有模型均通过了Sargan检验，表明所选取的工具变量是有效的，且一阶差分的存在一阶序列相关，而没有高阶序列相关，从而我们不能拒绝水平的残差序列不存在序列相关的原假设。在所有模型中，各地区居民消费率的滞后一期仍然显著影响着居民的当期消费。收入差距(GAP)没有出现在模型估计结果中，可能因为收入差距对居民消费需求不是简单线性关系，也可能不同省份城乡收入差距对居民消费影响特征不同。这与刘厚莲(2013)实证结果为城乡实际收入差距与居民消费需求呈现倒U型关系相一致[17]。地区人均实际GDP的对数(lnRPGDP)对居民消费影响也不确定，可能是居民消费支出主要受受上期可支配收入影响，更有可能是各地区居民可支配收入占地区GDP比例不尽相同，通过人均GDP测算一个地区居民可支配收入可能不准确。例如：主要是靠投资拉动和能源消耗为主，投资主体主要是央企和大国企，这样的模式导致GDP确实很大，但老百姓从中取得的收入比重不会太高，这也就是外界通常所说的“只长骨头不长肉”；相反，广东、福建、浙江等地以轻工业为主，非公经济占比较高，GDP增长与居民收入的关联度也比较高，也就是“藏富于民”。

表4  东中西部动态面板系统GMM估计结果

注：括号内为z值，*、△和▲分别代表10%、5%和1%的显著性水平；模型采用的是稳健标准差的方法。

        在东部地区，URB的估计系数在5%的水平下显著为正，其系数值为0.142，说明城镇化率为增加1%，居民消费率会随之增加0.142个百分点。东部地区城镇化的平均水平为62.39%，已超过拐点水平，城镇化的继续发展会促进居民消费的提高，这与上文的分析相符合。在人口年龄结构方面，少儿抚养比没有通过显著性检验，但其符号为正，说明在东部地区少儿抚养比对居民消费率起推动作用。老年人口抚养比在1%的显著性水平下通过了检验，其值为-0.3969，说明老年抚养比每增加1%，居民消费率会随之下降0.3969个百分点。人口年龄结构在东部地区的作用效果与全国水平类似。

        就中西部而言，城镇化对居民消费的促进作用并不显著。中部和西部地区城镇化的平均水平分别为45.43%和41%，均位于拐点的左端。在城镇化初期，居民首要问题的是住房问题。住房占去居民大部分的消费开支，从而缩减居民在其他方面消费的开支。在人口年龄结构方面，中部地区少儿抚养比和老年抚养比对居民消费的影响都显著为正，西部地区老年抚养比虽然没有通过显著性检验，但其作用效果与中部地区类似，而与东部地区相反。究其原因可能有两方面：一是随着中西部生活水平提升，随着城镇化推进，越来越多老年人开始关注自身健康，增加医疗保健开支，二是中西部老年人收入比东部地区低；两者导致老年人口比重上升，提升居民消费比重。为了给出更加准确的解释，给出中西部居民医疗保健消费支出的不同。在医疗保健方面，中西部地区城镇和农村的消费支出占比都要高于东部地区，这与中西部的经济发展水平和医疗保障水平有关，医疗保障水平低会增加居民对医疗保健的投入。

表5  2012年分地区城乡居民医疗保健消费支出比重  (单位：%)

注：数据来源于《中国统计年鉴2013》，表格不包括东北地区。

        以上是基于东中西部地区分析城镇化和人口年龄结构对居民消费率的影响。可以看出，在东部地区，城镇化的持续发展会推动居民消费率的提高，而在中西部地区，其作用效果并不显著甚至其阻碍作用。在人口年龄结构方面，少儿抚养比在东中西部都起推动作用，而老年人口抚养比在东部地区起阻碍作用，而在中西部地区起一定的推动作用。

        四、结论与建议

        从以上的模型分析中可以得出，不管是在全国范围，还是东中西部，消费习惯是影响居民消费行为的一个非常重要的因素。城镇化水平对居民消费的影响呈现正U型，其拐点大约在50%左右。目前全国整体水平处在U型的右边，城镇化对消费的影响在逐渐增强，对东中西部的影响存在明显差异。由于城镇化水平的不同，城镇化在东部地区对消费的影响显著为正，而在中西部地区影响暂时不显著。在人口年龄结构方面，就全国水平而言，少儿抚养比的提高会增加消费，而老年抚养比的提高会降低消费。东部地区与全国水平类似，而少儿抚养比在中西部地区并不显著，老年抚养比显著为正。基于此，提出的政策建议如下：

        第一，加大对中西部地区城镇化建设投入力度，坚持城镇化拉动居民消费。东部地区的城镇化水平已经远远超过中西部地区，并处于U型的右边，居民能够从城镇化中受益。而中西部地区的城镇化水平低于全国平均水平，城镇化对于促进居民消费的影响不显著。因此政府要继续加强对中西部地区城镇化建设投入，突破城镇化对居民消费影响拐点。在城镇化进程中，努力解决城镇化进程中住房问题，不能因为城镇化抑制居民消费支出，让居民受益于城镇化建设，从而形成居民消费水平在城镇化进程中提升。

        第二，加大中西部地区老年人基本消费支持力度，各地积极实施“单独二孩政策”。中西部地区因为公共服务水平低，特别是老年人更加缺乏医疗卫生服务。随着中西部城镇化进程推进，中西部老年人基本消费支出将呈现爆发增长，对居民消费拉动较强，需要国家加快推进基本服务均等化，加大支持中西部地区老年人基本服务建设。不管在什么地区，少儿抚养比提升一直对居民消费起拉动作用，各地积极实施“单独二孩政策”，增强经济增长内在动力。

        第三，完善社会保障制度，提高居民消费信心。中国居民节俭的消费习惯一方面与消费文化有关，另一方面与社会保障制度不完善有关。要提高居民的消费信心，改变居民的消费习惯，一个重要的内容就是完善社会保障制度，扩大社会保障的覆盖面积，减少居民在衣食住行方面的负担。

        注释：

        ①东部包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部包括四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古。

        作者简介：孙明月(1991—)，女，安徽枞阳人，安徽工业大学产业经济学专业硕士研究生，研究方向为：产业经济。

        基金项目：国家社会科学基金项目(11CJL001)；中国博士后科学基金特别资助(2014T70378)；中国博士后科学基金(2013M531092)；安徽省高校人文社科重大研究项目(SK2013ZD02)。

        参考文献：

        [1]刘东皇，沈坤荣.收入分配、居民消费与经济发展方式转变[J].华东经济管理，2010(11)：31-35.

        [2]YE JIN, HONGBIN LI, BINZHEN WU. Income inequality, consumption, and social-status seeking[J]. Journal of Comparative Economics, 201l, 39(2): 191-204

        [3]刘厚莲.人口城镇化、城乡收入差距与居民消费需求——基于省际面板数据的实证分析[J].人口与经济，2013(6)：63-70.

        [4]张琪.我国收入分配对居民消费影响的实证研究[D].太原：山西财经大学，2013.

        [5]刘少华，王晓芳.我国居民消费需求的国民收入分配效应实证分析[J].消费经济，2013(3)：3-6.

        [6]余官胜，王睿.社会保障参与和居民消费需求——基于省际动态面板数据的实证研究[J].软科学，2011(4)：36-39.

        [7]LEFF N H. Depenency rates and savings rates[J]. American Economic Review, 1969, 59(5): 346-360.

        [8]PARKER J A. Spendthrift in china? On Two Decades of Decline in the U. S. Saving Rate[Z]. BEMANKE B, J ROTEMBERG. NBER Macroeconomics Annual. MIT, Cambridge, Massachusetts, 1999.

        [9]BEGONA EGUIA, CRUZ ECHEVARRIA. Population Age Structure and Private Consumption in Spain[J]. International Economic Journal, 2004, 18(3): 299-319.

        [10]李文星，徐长生，艾春荣.中国人口年龄结构和居民消费：1989—2004[J].经济研究，2008(7)：118-129.

        [11]祁鼎，王师，邓晓羽，等.中国人口年龄结构对消费的影响研究[J].审计与经济研究，2012(4)：95-103.

        [12]付波航，方齐云，宋德勇.城镇化、人口年龄结构与居民消费——基于省际动态面板的实证研究[J].中国人口·资源与环境，2013(11)：111-117.

        [13]刘艺容.中国城市化水平与消费增长的实证分析[J].湖南社会科学，2008(2)：99-103.

        [14]易行健，吴庆源，杨碧云.中国城市化对农村居民平均消费倾向影响的收入效应与示范效应：2000年～2009年[J].经济经纬，2013(5)：25-29.

        [15]BLUNDELL R, BOND S. Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J]. Journal of Econometrics, 1998, 87: 115-143.

        [16]ARELLANO M, BOVER O. Another Look at the Instrument al Variable Estimation of Error-Components Models[J]. Journal of Econometrics, 1995, 68: 29-51.

        [17]刘厚莲.人口城镇化、城乡收入差距与居民消费需求[J].人口与经济，2013(6)：63-70.

来源： 《石家庄经济学院学报》2014年第5期