收入增长与膳食知识对超重人群热量摄入的影响<br/>——基于居民体重管理决策模型

收入增长与膳食知识对超重人群热量摄入的影响
——基于居民体重管理决策模型

2020-02-26张宗利徐志刚

农业现代化研究 2020年1期

张宗利，徐志刚

（南京农业大学经济管理学院，江苏南京 210095）

我国农业资源短缺对食物供给增长的胁迫日益严峻，但同时居民食物消费却出现了过量摄入和大量浪费问题，需求侧管理正日益成为我国食物安全保障的重要备选方案。通过供给侧增加食物生产历来是我国食物安全保障的首选方案。改革开放以来，要素投入、制度变革和科技进步等推动我国食物供给持续增长，居民食物消费水平显著提高，食物消费结构不断升级[1]。但是，农业资源与生态安全对我国食物当前和未来供应能力和稳定性的胁迫日益严峻。耕地资源数量与质量不足、水资源短缺和污染严重、极端气候频发等都极大限制了我国食物供给增长的空间[2]。值得引起重视的是，我国食物需求管理的潜力和空间不断增加，对食物安全保障的意义日益凸显。除了居民食物消费特别是在外就餐的大量浪费外，居民因食物摄入量过高、营养过剩或不平衡所导致的肥胖症、心血管疾病等与饮食相关疾病的发病率上升迅速，且超重人口（BMI ≥24）呈年轻化趋势，正成为威胁中国居民健康的一个突出问题，引起了社会各界的广泛关注[2]。从食物安全的需求侧进行管理，引导健康膳食和食物消费，减少食物消耗，不仅有助于节约农业资源，而且有助于改善人口健康水平。

人口超重和肥胖是各国居民收入增长和食物消费水平提高后共同面临的社会问题，不仅导致各种疾病、严重困扰人口健康，而且造成农业资源大量浪费。全球范围内，超重人口的总数已由1980年的8.57亿人增至2013年的21亿人[3]。与上世纪相比，中国超重和肥胖人口也已显著增加。据《中国居民营养与慢性病状况报告（2015）》显示，18 岁以上成人超重率已高达30.15%，肥胖率达到了11.9%；与2002年相比分别增加了7.3%和4.8%。超重和肥胖不单是医学状况，还跟多种慢性疾病风险增加有关，例如心血管疾病、高血压、II 型糖尿病等[4-5]。一般认为超重和肥胖人口的上升会给社会保障体系带来沉重的负担[6-7]。此外，超重和肥胖可能会减少人力资本，由于肥胖和正常个体之间的生产力差异造成巨大的间接损失[8-10]。因此，合理膳食、平衡营养，遏制肥胖人群数量继续增长和助其合理控制体重，不仅有助于居民改善健康，对减少社会食物和资源浪费也具有重要意义。

学者们从城市化，不健康的饮食和身体活动减少等方面揭示居民体重超重的成因，并研究征税和食品标签等干预手段的作用[11]。已有大量研究从医学和经济学角度对肥胖产生的原因进行了研究[3,12-14]。其中，Lakdawalla 等[15]指出技术变革通过使人们在家庭和市场生产中更加长时间坐立和通过农业创新降低食品价格而导致体重增加。税收政策发挥作用的主要途径是向高热量食物和含糖饮料征税，进而减少居民对这些食品的消费[16-17]。2011年，丹麦成为全球首个征收“肥胖税”的国家，但利用税收来帮助民众健康生活的想法似乎并没有起到作用。营养标签计划可以为消费者提供可用于做出健康食品选择的信息[18-19]。有研究表明消费者阅读营养标签有显著的减肥作用[20-21]；但是有些研究指出消费者阅读食品标签信息不会影响体重指数[22-23]。消费者如何理解食物标签上的营养信息将会对食物标签的作用产生决定性的影响，因此，居民膳食知识在调控食物摄入方面发挥着更加重要的作用。

对居民膳食知识禀赋进行干预被认为能改变居民饮食行为，帮助居民合理配置饮食结构，保持营养均衡和控制肥胖产生，但学界关于膳食知识增加的影响效果与作用机制却并未达成共识。理论上讲，膳食知识能通过拓展和改变居民对食物营养、健康及其关系的知识和认知，提高居民了解食物摄入对健康的真实影响，选择更好的食物消费组合。然而，现有关于膳食知识影响肥胖和营养摄入的研究中并没有看到这一结果[24-26]。除了理论关系本身可能存疑外，在识别膳食知识对居民肥胖和热量摄入因果关系时存在较为严重的内生性问题。膳食知识与热量摄入之间可能同时受到其他因素的影响，可能超重个体更会注重膳食知识学习，导致因果关系识别和参数估计偏误。但既有研究对于这一问题缺乏充分重视。因此，膳食知识增加会使超重居民热量摄入更加合理吗？它是通过什么机制发挥这一作用的？与已有文献相比，本研究可能的学术贡献体现在两个方面：一方面，除了定量分析膳食知识对超重人群热量和食物摄入的影响外，更重要是通过构建理论模型和实证检验，深入揭示上述影响通过居民调整食物摄入量和食物结构发挥作用的途径和过程；另一方面，考虑到个体膳食知识禀赋增加具有很强的内生性，在识别膳食知识与超重个体热量和食物摄入因果关系的时候重点处理了内生性问题，提高估计结果的准确性和有效性。

1 居民体重管理决策理论模型

理论上，收入增长与膳食知识都可能影响个体食物消费。收入是居民食物消费的重要约束条件，收入增长会增加居民食物需求量和食物需求种类。由于人体营养需求存在未知性和不确定性大的特点，绝大多数个体的热量消费会存在身体需求量和实际摄入量的非匹配性，加之食物除了提供营养，其可口性还能够在消费时提供嗅觉、味觉等感官上的愉悦效用，当收入不构成对食物消费和热量摄入重要约束时，个体的食物摄入量往往会超过居民营养均衡所需，从而造成过量摄入浪费和超重肥胖及相关疾病问题。对于理性个体，膳食知识增加可能有助于提升居民识别和处理不同食物营养成分和含量的能力，了解自身对各种营养元素的需求，使居民的营养摄入更加合理，即食物的配置效率更高。

本文在Pitt 和Rosenzweig[27]、Variyam 等[28]的研究基础上，拓展和构建了纳入膳食知识的居民体重管理决策的理论模型，阐释收入增长条件下，超重个体膳食知识在食物摄入量和食物配置结构上的作用。在这一分析框架中，家庭结合各种投入品来生产“基础商品”，包括家庭成员的健康。一些投入品（如食品和医疗）通过提供某些商品（健康）生产所必需的特征（营养和医疗服务）来获得它们的价值。在家庭技术和资源的约束条件下，假设代表性消费者要最大化的联合效用函数为：

式中：F表示个体食物的需求总量，BMI 为身体质量指数，衡量个体的健康状态。BMI 和食物摄入直接进入效用函数，因为BMI 本身是健康的一种体现。本文假设效用函数满足严格凹的条件。如果食品、BMI 状况的水平增加，那么个体效用水平会增加，但边际效用以递减的速度增加。当个体BMI 值超过合理范围后，个体的效用水平会随BMI 增加而下降。

Lakdawalla 等[15]认为消费者根据自身体重的动态问题管理自己的体重，其中，BMI 是状态变量。体重是随着时间的推移而贬值的资本存量，因为存在机体能量的基础代谢，但体重可以通过进食来积累，或锻炼进行消耗。用C表示食物营养的摄入量，用S表示运动对体重的消耗量。当前体重转换为下一期体重BMI'的转换方程为：

式中：0＜δ＜1 表示个体的基础代谢率，g为连续的凹函数，随热量摄入量增加而递增，∂g/∂C＞0；随体力活动增加而递减，∂g/∂S＜0。允许热量的摄入范围在0 到一定物理限制内。

假设膳食知识影响消费者预算在不同食品种类和其它商品之间进行分配。因此，基于当期BMI，收入Y，运动量S和食品价格P，个体会决定在单位商品Z和多组食物之间配置预算。食物消费的预算约束为：

式中，Pg、Pv、Pm和Po分别为谷物、蔬菜水果、肉蛋奶和油脂类的购买价格；Fg、Fv、Fm和Fo分别为谷物、蔬菜水果、肉蛋奶和油脂类的消费量；

F=Fg+Fv+Fm+Fo。

热量摄入量的变化取决于食物量和食物结构的消费变化及其营养成分含量。

式中：Ng表示谷物中卡路里含量；Nv、Nm和No分别为蔬菜水果、肉蛋奶和油脂中的卡路里含量。根据中国居民膳食成分表可以假设，No＞Nm＞Ng＞Nv。再假设饮食偏好由消费者的主观权重表示，取决于膳食知识K和收入水平Y，其中，谷物的消费权重为αg(Y,K)∈(0, 1)，相应蔬菜水果、肉蛋奶和油脂的消费权重分别为αv(Y,K)、αm(Y,K)和αo(Y,K)，αg+αv+αm+αo=1。个体体重变化可进一步表示为：

由于本研究主要考察膳食知识增加能否降低超重人群（BMI ≥24）热量摄入，因此仅关注膳食知识对超重人群的影响。对于超重个体来说，拥有较高膳食知识将会更加合理地配置食物量及食物结构。因为膳食知识提高，增加了个体对食物营养热量和对自身需求的认知，降低了个体热量需求量和实际摄入量的非匹配程度，进而减少整体食物摄入和热量摄入，∂F/∂K＜0。此外，膳食知识提高帮助超重人群更加合理的搭配食物结构，其中包括减少主食的摄入量，∂αg/∂K＜0；提高副食食物的摄入，∂αm/∂K＞0，∂αo/∂K＞0，∂αv/∂K＞0，并增加食物摄入的多样性。

其中：

相对而言，收入增长对超重个体热量摄入的影响可分为两个部分：一是直接效应，收入增长会促使超重个体增加食物需求量从而增加热量摄入，∂F/∂Y＞0；二是结构效应[29]，收入增长会促使超重个体升级食物结构，降低谷物消费比重，∂αg/∂Y＜0；增加其它食物种类的消费比重，∂αm/∂Y＞0，∂αv/∂Y＞0，∂αo/∂Y＞0，进而影响热量摄入。

式中：[Δ]·∂F/∂Y＞0，表示收入增长后食物需求增加导致的热量摄入增加。F·(Nv-Ng)(∂αv)/∂Y＜0，表示食物结构升级增加蔬菜水果需求导致的热量摄入的减少量；F·(Nm-Ng)(∂αm)/∂Y＞0 和F·(No-Ng)(∂αo)/∂Y＞0分别表示食物结构升级增加肉蛋奶类和油脂类需求导致的热量摄入增加量。因此，收入增加对超重个体热量摄入的影响取决于直接效应和结构效应两者变化量的大小。低收入人群收入增长的直接效应超过结构效应，提高谷薯类食物和油脂的摄入量，增加热量摄入；高收入人群收入增长的结构效应超过直接效应，降低谷薯类食物和油脂的摄入量，减少热量摄入。无论低收入人群还是高收入人群，收入增长的直接效应和结构效应均会提高居民家庭肉蛋奶食物摄入量和蔬菜水果食物的摄入量，进而增加热量摄入。

2 研究方法

2.1 计量经济模型与内生性处理

为检验理论分析结果，构建热量需求模型为：

式中：i表示第i个样本个体，j表示第j个控制变量，KCALi表示第i个个体的热量摄入量，Ki为第i个个体的膳食知识禀赋存量，Yi表示第i个个体的家庭人均可支配收入，Xj表示控制变量，包含个体和家庭异质性、社区异质性等变量。个体特征包括年龄、性别、身高、受教育年限等；家庭特征包括家庭人口规模等；社区特征主要包括社区食物价格、城乡和省份及年份差异。α0、α1、α2、γj为待估计参数，εi为随机扰动项。

内生性问题是识别和估计上式中膳食知识和家庭收入对超重个体热量摄入影响需要重点考虑的技术问题。膳食知识的内生性问题可能来自于两个方面：一方面，超重人群膳食知识与热量摄入会同时受到一些可观察和不可观测因素的影响（如肥胖程度，健康状况，疾病情况等），膳食知识与热量摄入之间可能只是相关关系；另一方面，膳食知识可能与肥胖之间存在反向因果关系。超重人群为了追求健康，可能会通过各种渠道和方式积极寻找减肥办法，例如进行节食和吃饱腹感强且热量含量低的食物，这一过程不仅能减少热量摄入，而且可能增加膳食知识。收入增长的内生性主要来自反向因果关系，超重肥胖人群摄入热量越多，超重和肥胖程度将会加剧，通过降低人力资本进而影响收入。上述内生性问题如果不能很好处理，可能会导致严重的参数估计偏误，误判膳食知识和家庭收入对超重人群热量摄入的影响和程度。

为处理模型的内生性问题，避免参数估计偏误，本研究对其参数估计除了采用混合横截面数据模型最小二乘法（Pooled OLS）作为参照，同时采用了两阶段最小二乘法（2SLS）进行回归。选取社区内除样本个体及其家庭成员外的其他被访人的平均膳食知识作为工具变量，该变量符合工具变量需要的两个条件。社区内其他人的膳食知识不会直接影响样本个体的BMI 值，因为它既不会向个体提供食物，直接促进个体的热量摄入，也不会帮助个体增加体育锻炼时间和强度，促进个体能量消耗。但是，膳食知识会通过社区内居民的相互交流和沟通进行传播，饮食是社区居民间最经常交流的话题，包括购物信息的分享，食物制作的经验和食物口味的偏好等。当然，交流中更包括吃什么更健康、吃什么更有营养等话题。居民居住的临近性使其成为一个社会网络，除了直接的语言交流之外，居民之间通过观察和嗅觉往往也会知道邻居家晚饭吃什么。因此，社区内其他人的膳食知识能够通过多种途径向邻居传播并产生影响。

现有文献也多采用工具变量法克服营养需求中收入增长可能存在的内生性问题。使用的工具变量有家庭中就业人口特征、非食物支出、耐用商品数量或支出、家庭住房情况等[30-32]。鉴于以往的研究和所用数据的可获得性，选择家庭财富水平和家庭就业人数作为家庭人均收入可能的工具变量组合。一般来说，家庭耐用消费品数量能够较好地代表一个家庭的财富水平，同时财富又是家庭收入有效的工具变量[32-33]；工资收入是家庭收入的主要来源，有工作人口的数量对家庭收入具有决定作用[31,34]；而这些变量和居民家庭食物消费水平并没有特别明显的相关性[30]。

为检验可能存在的内生性和工具变量的有效性，首先，利用豪斯曼内生性检验卡方统计量检验食物需求方程是否存在内生性，如果存在内生性问题，将选取可能的工具变量组合解决。其次，为了确保工具变量的合理性，做两个方面的检验，一是弱工具变量检验，即检验工具变量与内生解释变量是否存在较强的相关性，利用F 检验对弱工具变量问题进行检验；二是过度识别检验，即检验工具变量与扰动项无关，利用Hansen J 检验对工具变量的外生性进行检验。

为进一步检验膳食知识和收入增长对超重个体热量摄入的作用机制是通过降低食物摄入和调整膳食结构发挥作用的，构建食物需求模型为：

式中，FSi分别表示个体i摄入谷薯类、蔬果类、肉蛋奶类和油脂类四大类食物的摄入量。其它变量的定义和含义同分析热量摄入的计量模型。β0、β1、β2、δj为待估计参数，μi为随机扰动项。

2.2 数据来源与样本处理

本研究数据来自中国健康与营养调查（CHNS）。该调查由中国疾病预防控制中心国家营养与食品安全研究所和北卡罗莱纳州大学卡罗莱纳人口中心组织，始于1989年，分别在1991年、1993年、1997年、2000年、2004年、2006年、2009年、2011年和2015年开展了跟踪调查。具体抽样过程详见官方网站（https://www.cpc.unc.edu/projects/china/）。本研究选取了2006、2009 和2011年三期调查数据，原因是2004年该调查才开始询问被访个体的膳食知识信息，但2004年问题选项与之后调查存在差异，导致2004年膳食知识与之后三期数据之间存在系统性差异，而2015年居民膳食营养数据尚未开放。

鉴于18 岁以下人群正在经历着快速的身体发育，并且考虑到孕妇、肢体不全人群、运动员和身体虚弱或久坐不动的老人不适宜用身体质量指数（BMI）来衡量个体超重程度，将这些个体予以剔除。由于本研究主要考察膳食知识和收入增长对超重个体热量摄入和食物摄入的影响，进一步筛选了在三期样本中至少出现一期BMI＞24 的样本进入本文的分析样本。在剔除了关键变量缺失样本后得到9718 个有效样本，其中2006年有3256 个样本，2009年有3267 个样本，2011年有3195 个样本。

2.3 变量选择

2.3.1 热量和食物摄入量模型中被解释变量KCALi为日均热量摄入量，用每个成年个体三日平均热量摄入量来测度。具体是将膳食调查表中个体三日各种食物摄入量乘以相应100 克该食物中卡路里含量，然后加总平均求得。计算公式为：

式中：FCih表示个体i摄入第h种食物的重量，Energyh表示100 克食物h中所含的热量。实际回归中采用个体热量摄入的对数形式。

被解释变量FSi为谷薯类、蔬果类、肉蛋奶类和油脂类单位摄入量4 个变量，具体包含个体三日大米、面食、玉米、薯类、杂豆等食物摄入量，蔬菜、水果、菌类等食物摄入量，肉、蛋、牛奶及制品、大豆及制品、坚果等食物摄入量，油脂类摄入量，根据食物成分表中各类食物的代码加总平均求得。其中，油脂的摄入量是通过加总个人消费的各种食物中脂肪的含量获得除油脂类外的脂肪摄入，然后通过CHNS 数据库中提供的个体脂肪摄入量数据减去上述加总得到的脂肪摄入量，近似的获得个体油脂类摄入量。

2.3.2 膳食知识的测度为测度膳食知识，基于CHNS 问卷的膳食知识表中问题，建立了三个综合指标来测度居民膳食知识水平。CHNS 问卷的膳食知识部分包括9 个问题（表1）。原始问题回答选项为6 个，分别为“极不赞同”、“不赞同”、“中立”、“赞同”、“极赞同”和“不知道”。指标一，参照Shimokawa[24]的指标构建，将样本对膳食知识的回答判定为“正确”、“不知道”和“不正确”三个答案；问题回答正确得1 分，问题回答错误得-1 分，回答“中立”或“不知道”得0 分。由于采用的数据无法区分“中立”和“不知道”，因此很难获得对“不知道”的准确解释。在前一种情况下，人们可能对该问题有所了解，但仍然不在乎。因此，本文中将“不知道”视为“没有可能影响行为的坚强信念”，而不管人们是否对该问题有任何了解。指标二，参照Zhou 等[26]的研究，将样本对膳食知识问题的回答判定为“正确”和“不正确”两个答案，问题回答正确获得1 分，其他答案得分为0。指标三，参照何勤英等[35]的研究，将“极不赞同”、“不赞同”、“中立和不知道”、“赞同”、“极赞同”5 个等级分别赋值为1、2、3、4、5 分。所有指标得分越高代表膳食知识水平越高。问卷中第2、4、6 小题得分越高表示膳食知识水平越差。所以在进行数据处理时，根据原始数据重新赋值使分值一致，得分越高膳食知识水平越好。表1 给出了9 个问题的正确答案和每个问题三种指标下的得分情况。居民对“吃豆及豆制品对健康有益”认知正确率最高，而对“吃大量主食的饮食习惯是不利于健康的”仍不能做出正确的判断，得分最低。将每个样本9 个问题的分值加总，即为测度其膳食知识禀赋的综合指标。

表1 膳食知识问题及相应统计量Table 1 Question design and statistic index of dietary knowledge

社区其他人膳食知识的平均值用CKi表示，其计算公式为：

式中：N为社区被调查者的成人人数，M为样本所在家庭被调查的成人人数。

2.3.3 收入水平家庭人均可支配收入由家庭上年可支配收入除以家庭人口得到，家庭去年可支配收入由家庭总收入减去总成本得到。家庭耐用消费品总数量是通过加总家庭冰箱、电视、洗衣机等19 类家庭耐用品总量获得。家庭就业人数为家庭从事劳动生产或经营赚钱的人口总数。

2.3.4 控制变量控制变量包括个体和家庭特征、社区层面变量和其他控制变量。个体特征变量包括年龄、性别、受教育年限、身高、婚姻状况和家庭规模等。社区层面变量包括社区物价水平、城乡差异。此外还包括调研年份和样本所在省份等。

3 结果与分析

3.1 描述性统计分析

三期数据中超重人群每日人均热量摄入量为2141.57 kcal，每日人均摄入的食物主要由谷薯类和蔬菜水果类组成，摄入量分别为458.02 g 和397.55 g。此外，肉蛋奶类食物和油脂类的摄入分别为225.95 g 和34.48 g（表2）。通过对比发现，谷薯类食物摄入量占食物摄入总量的比例最高，为41.04%。表2中还计算了各类食物提供能量的比例情况。其中，居民热量供应的主要来源是谷薯类食物，热量供应占比为55.77%；其次为肉蛋奶类和油脂类食物，蔬果类食物供能占比最低，仅为5.80%。

表2 被解释变量描述性统计Table 2 Descriptive statistics of dependent variables

对于至少出现一期BMI 大于24 的样本，根据指标一计算的个体平均膳食知识在5.74 左右，相应社区人均膳食知识为5.65（表3），与个体膳食知识一致；指标二和指标三作为稳健性检验指标。经过物价水平调整后的家庭人均可支配收入为12395.63元；作为家庭财富的代理变量，家庭耐用电器数量平均为12.21 台，平均家庭就业人数为1.47 人。本文中控制变量包含了样本个体和家庭特征、社区食品价格等，控制变量的描述统计结果详见表3。

3.2 膳食知识和收入增长与超重人群热量摄入

表4 报告了膳食知识增加和收入增长对超重人群日均热量摄入的影响。模型一为混合横截面数据的Pooled OLS 估计结果，模型二、模型三和模型四为处理了内生性问题的2SLS 估计结果。根据个体膳食知识的豪斯曼内生性检验卡方统计量检验结果，混合横截面数据模型的Pooled OLS 估计结果和2SLS 估计结果存在系统性差异，表示个体膳食知识和家庭收入存在内生性问题。除家庭成员外社区其他被访人膳食知识这一工具变量对内生解释变量个体膳食知识净效应的F统计量达到239.32，在0.01水平上显著拒绝零假设；同样家庭财富和家庭就业人数对家庭人均收入净效应的F统计量为382.75，在0.01 的水平上显著拒绝零假设；且远超经验临界值，通过了弱工具变量的有效性检验。过度识别检验结果显示，工具变量通过了外生性检验。根据上述计量检验结果，下面讨论主要基于模型二的估计结果。

表3 解释变量描述性统计Table 3 Descriptive statistics of independent variables

实证检验结果表明，超重个体膳食知识增加确实有助于其合理膳食，减少热量摄入。平均而言，膳食知识每提高1 分，其日均热量摄入量的对数将下降0.013%，且在0.05 水平上显著。与OLS 结果比较发现，未考虑膳食知识的内生性问题会低估膳食知识的作用，统计显著性也有所下降。涉及膳食知识的研究中，You 等[25]和Zhou 等[26]在没处理内生性的模型中得出膳食知识对城市家庭和农村家庭人均热量摄入均无显著性影响。Shimokawa[24]同样采用CHNS 数据仅得到预期收入增加的情况下膳食知识才对超重人群热量摄入有负向作用。这些文献出现这样的差异，可能与它们未处理内生性问题导致一定的参数估计偏误有关。

实证分析结果表明，收入增加对超重个体热量摄入无显著影响。这一结论与部分文献[25,31,36]测算的营养需求收入弹性接近于零的结论类似。一种可能的解释是，对于超重人群，收入增长导致食物摄入增加进而提高热量摄入的直接效应与食物结构升级减少热量摄入的结构效应相互抵消。此外，个体年龄越大，热量摄入越少，主要因为老年人基础代谢下降，对热量需求下降。由于男性个体基础代谢高于女性，男性热量摄入高于女性。体型高大的个体基础代谢更高，因此，食物摄入量也高。饮酒量越多，饱腹感越强，会减少食物的摄入量。在外就餐比例上升，热量摄入减少，可能因为外出就餐会减少主食摄入，导致总热量摄入减少。个体劳动强度越高，能量消耗越多，会提高热量摄入。家庭规模越大，会显著减少个体热量摄入。

表4 膳食知识和家庭收入对热量摄入的影响（BMI＞24）Table 4 Effects of dietary knowledge and household income on caloric intake

为检验膳食知识影响热量摄入结果的稳健性，本文采用膳食知识的另外两种测度指标检验了膳食知识对超重个体热量摄入的影响（模型三、模型四）。与模型二的估计结果相比，改变膳食知识的测量标准仍能得到稳健的负向关系，膳食知识每增加1 分，每日热量摄入量的对数将下降0.009%～0.014%。总体上，实证分析结果稳健。

3.3 膳食知识和家庭收入对食物结构配置的影响

为检验膳食知识和家庭收入影响超重个体热量摄入的机制，本文进一步估计了膳食知识和家庭收入对超重人群主要食物日均摄入量的影响（表5）。由豪斯曼内生性检验卡方统计量检验可知，膳食知识对谷薯类、肉蛋奶类食物和油脂类摄入量影响的Pooled OLS 估计结果与2SLS 估计结果存在显著性差异，因此，下面结果讨论膳食知识对谷薯类、肉蛋奶类和油脂类食物摄入量影响时以2SLS 估计结果为主，蔬果类食物则以Pooled OLS 模型估计结果为主。

T 值1.133-1.185 0.547-0.198（g）十型模数量系是入9 718 0.05517.7612.84***摄类脂T 值0.480 0.997** 2.299 1.373 1.125 1.663 0.205** 2.093-0.896 -0.2420.489 0.021-0.123 -0.058油九型模数系是9 718 0.06717.40 T 值1.944 0.055-0.169 0.663*** 4.474 0.682*** 4.555-0.551 -0.603*** -4.283 -0.607*** -4.2633.183 0.124** 2.333 0.140*** 2.603-1.286 0.144*0.141 -3.870*** -3.682 -3.833*** -3.6371.463 0.019 6.934 -0.116*** -6.335 -0.112*** -6.0051.731 -1.966*** -9.694 -2.223*** -10.244（g）八型模数量系是入-0.415 0.853***-0.660-5.907*** -5.688 -0.1810.599***-8.340*** -5.561 -0.0351.994*9 718 0.22080.0495.30***摄奶类T 值1.683 4.407*0.410 -0.132-1.018 0.988 10.717** 2.203 1.344 1.240 0.706 1.324 0.301-1.629蛋七响（BMI＞24）肉型模数系0.972*4.674是9 718 0.25986.79六T 值-0.343 1.931 0.314 0.268 1.259*** 4.826-0.575 1.272*** 2.830 1.473 5.994 1.131 -6.917*** -6.789 3.671 -10.593*** -7.403影型的（g）模数是构量系2.332*8.886***9 718 0.05314.092.67结入-1.199入类摄摄T 值0.411 0.120-0.314 -0.465 1.503 12.0020.991 1.806物果五食蔬型对模数是入系2.406** 1.994 0.1831.5749 718 0.05615.13。收量庭计家T 值-0.196 -0.230 1.061 12.159-0.597 -0.693** -2.245 -0.701** -2.284 0.269 7.767 8.794*** 3.688和四T 统识型的知模数数系系9 718食-0.038 50.54-2.916*** -3.591 -25.969*** -7.241 -2.869*** -3.540 -24.860*** -6.244 2.295** 2.384 139.00***归-8.436*** -4.313 -25.453*** -4.580 34.360*** 3.154 703.342*** 4.172 14.262*** 6.297 23.288*** 3.614 23.332*** 17.488 53.380*** 13.521 -1.167*** -3.979 -3.561*** -4.463膳-2.580*** -3.935 -43.086*** -4.361回4.518*** 4.620 4.674*** 3.951-6.096*** -6.644 -6.674*** -6.805 -6.074*** -6.637 -6.166*** -5.499 -2.956** -2.569 -2.939** -2.549 -0.748 91.588*** 13.914 83.611*** 12.155 91.155*** 13.85278.910*** 10.056 23.043*** 2.833 23.882*** 2.918 5健0.711 0.924** 2.025 Table 5 Effects of dietary knowledge and household income on food structure-4.065*** -6.761 -1.361** -1.960 -3.945*** -6.553 -0.161-0.717 8.321 4.503*** 3.441 2.649* 1.687-0.454 -0.190-0.857*** -8.388 -0.821*** -7.759 -0.852*** -8.317 -0.760*** -5.969 -0.866*** -7.156 -0.882*** -7.267 0.655*** 7.673 27.890*** 13.790 23.891*** 10.949 27.597*** 13.645 19.889***1.524 -3.820* -1.878 -6.029*** -3.589 -5.058*** -2.734 -1.690是稳表T 值类三（g）型聚模数为量系是9 718 0.22466.28入，T 值摄平类水薯T 值1.882 0.278 0.645 -4.770-0.801 -0.122 0.007 2.400性谷二著型显模数的系是9 718 0.14760.76104.69***1%和T 值0.660 0.763*-0.769 4.553-0.460 -0.226 1.735 0.012 5%一型10%、模数表系4.530*** 4.622 5.062*** 4.841 0.258-5.119 4.592*** 3.512 3.686*** 2.710-0.124 2.730*是9 718 67.83代别一入收标收均例***分量指均人数比变量变识人知庭庭方年况量量餐度模膳ln 家平育状酒烟就强规观R20.223(ln 家)平方项其它控制值食龄龄别高教姻饮吸出动庭测：*、**、入年年性身受婚日日外劳家F 值Hausman x2注

表5 中模型一到模型四为膳食知识和家庭收入对超重个体谷薯类食物摄入的影响，其中模型二和模型四为处理了膳食知识和家庭人均收入内生性的估计结果。由模型二可知，膳食知识每提高1 分，超重个体每天将减少25.969 g 谷薯类食物摄入，相当于减少谷薯类食物摄入的5.68%，即膳食知识增加会通过减少超重个体的谷薯类食物摄入，进而减少食物总量和热量的摄入。相反，膳食知识提高显著增加了超重个体蔬果类、肉蛋奶类食物和油脂类的摄入量。已有研究表明高膳食知识人群能够提高其饮食质量[37]，这与本文的研究结果一致，膳食知识提高，降低了主食在食物结构中的占比，促进了居民食物多样性需求。

家庭收入增长显著减少了超重个体谷薯类食物的摄入量（模型二）。在模型中引入家庭人均可支配收入的平方项后，收入增长与超重个体谷薯类食物摄入呈非线性关系（模型四）。当居民家庭人均收入达到3500 元时，超重居民谷薯类食物摄入量达到最高。在本文中，有20%的样本家庭人均收入低于这一门槛值，这些个体将随着收入的增加提高谷薯类食物摄入量；另80%的样本家庭收入已经超过这一门槛值，随收入继续增加个体谷薯类食物摄入量将会下降。这一结果验证了家庭收入增长引起的直接效应和结构效应对超重人群谷薯类食物需求的影响。

由模型五和模型八可知，收入增长显著提高了超重人群蔬果类和肉蛋奶类食物的摄入。收入增长引致的居民食物消费结构升级，提高了其对肉蛋奶食品的需求。值得关注的是收入增长显著减少了超重人群油脂的摄入量（模型十），这与理论分析和文献中测算的油脂的收入弹性大于1 相悖。本文分析认为油脂作为廉价热量来源，对于超重人群来说，当居民收入增加时将减少油脂的摄入量。

4 结论与启示

4.1 结论

研究表明，膳食知识增加能够显著提高超重人群膳食结构的配置效率，减少谷物类食物的摄入，实现食物摄入总量的下降和热量摄入的减少。居民膳食知识存在内生性问题，处理了膳食知识内生性问题后估计结果明显增大，显著性明显提高。研究结果支持膳食知识提高能改变居民饮食行为，控制体重的结论。因此，对于超重人群，提高其膳食知识能够有效减少其热量摄入，实现管理控制体重和减少食物浪费的双重作用。超重人群热量摄入的收入弹性接近于0。收入增长显著增加了超重个体食物摄入总量；居民食物结构升级显著减少了谷物类食物和油脂的摄入量，增加了肉蛋奶和蔬果类食物的摄入量。谷物类食物和油脂摄入减少引起的热量下降很大程度上抵消了肉蛋奶食物摄入增加引起的热量增加。收入增加引起的食物消费结构改变，为居民热量摄入无收入弹性提供了一般性的解释。

由于受数据限制，本文未能分析膳食知识的获取途径对居民热量摄入和膳食结构的影响。这一方面的研究将会为政府相关部门制定提升居民膳食知识的干预政策提供参考。上述存在的局限性将在后续的研究中通过其他调研数据予以解决。