我国居民杠杆对消费影响的空间效应研究

张敏锋,李嘉政

（1.闽南师范大学商学院，福建漳州 363000；2.闽南师范大学数学与统计学院，福建漳州 363000）

近年来，我国居民高速加杠杆与消费增速放缓并存，是宏观经济领域的突出现象。居民负债对消费的影响一直是国内外学者研究的热点问题。在早期的相关研究中，Friedman提出的“永久收入假说”和Modigliani等提出的“生命周期假说”，认为居民消费行为不仅取决于当前收入，还与未来预期的收入有关，居民可以借助储蓄和信贷来跨期安排资金，从而使得自身效用最大化[1-2]。Campbell、张浩、周利的研究均指出信贷缓解了家庭资金的流动性约束，降低了居民购房门槛，加杠杆能促进消费[3-5]。伍戈、张晓晶等人认为居民杠杆在合理区间内，加杠杆会促进消费，有利于经济增长[6-7]。然而大部分研究表明，居民杠杆对消费长期存在不利影响，高杠杆会影响家庭信贷和再融资能力，家庭为了偿还房贷和预防性储蓄会压缩消费，负债造成房奴效应，居民杠杆对消费的促进作用无法持久[8-10]。

与此同时，居民无论加杠杆还是消费，都是在具体空间单元内进行的。基于空间计量的方法，围绕消费相关问题已开展了较深入研究。郭军峰指出我国消费中心城市呈现出明显的空间集聚特征，消费中心城市不断向东南地区转移[11]。孙爱军、邹新月等人的研究发现消费存在明显的溢出效应，主要经济变量不仅会影响本地区的消费，还会对周围地区的消费存在影响[12-13]。郭新华认为家庭债务具有集聚效应，空间相关性对区域家庭债务增长产生了正向影响[14]。

从上述文献可以看出，居民杠杆对消费影响的研究已比较丰富但存在一定的争议，基本上是用宏观数据或微观调查数据进行实证分析，还鲜有在空间视角下利用区域数据进行的研究。现有文献中空间计量模型通常使用全域模型，较少使用局域模型。因此，本文通过建立全域和局部空间计量模型，探讨居民杠杆对消费的空间交互效应以及异质性影响，以期为消费需求侧管理和稳定居民杠杆提供政策建议。

一、我国居民杠杆和消费现状分析

近年来，我国供给侧结构性改革卓有成效，全要素生产率不断提升，产品供给的质量和数量都有大幅地提升，然而需求侧特别是消费需求增长相对缓慢，其中我国社会零售品销售总额增速呈逐年下降的态势，2011年为17.1%，2017年为10.2%，2019年为8%。2011年到2019年，我国消费率平均为53.4%，低于发达国家平均80%的水平①国家统计局官网：http://data.stats.gov.cn/easyquery.htm?cn=C01。如果我国未来消费继续呈现疲软态势，并不利于构建“双循环”的新发展格局和经济高质量发展。党的十九届五中全会提出了“坚持扩大内需这个战略基点”②共产党员网：https://www.12371.cn/2020/10/29/ARTI1603964233795881.shtml，2020年12月中央经济工作会议首次在国家决策层面提出了“需求侧管理”的要求③共产党员网：https://www.12371.cn/2020/12/18/ARTI1608287844045164.shtml。因此，要不断释放我国消费需求潜力，关键是找准当前制约消费需求增长的因素，并实施有效管理。

在我国居民消费增速放缓过程中，宏观经济领域伴有一个非常值得关注的现象，就是自2008年以来居民部门一直呈现高速加杠杆态势。根据国家金融与发展实验室公布的数据，我国居民部门杠杆率（居民部门债务/GDP）由2008年末的18.9%上涨至2020年的62.2%（见图1），杠杆率已普遍高于发展中国家水平，接近国际普遍认可的65%的警戒线④国家金融与发展实验室：114.115.232.154：8080。

图1 2008年以来我国居民杠杆率的变化图

居民负债作为影响消费的重要因素之一，一方面是国内消费的缓慢增长，另一方面居民杠杆快速增加，两者之间必然存在紧密的联系。然而，由于我国地域辽阔，不同地区之间的经济发展水平、文化传统和经济调控政策有所不同，特别是居民加杠杆的领域主要是在房地产市场，而各个地方的房价差异巨大，区域间居民的消费水平差别也很大，因此需要从空间维度上理解我国居民杠杆和消费之间的关系，从而为制定科学的区域发展政策、实施消费测管理和差异化居民信贷政策等提供决策参考。

二、变量选取与模型构建

（一）变量选取与数据说明

1.变量选取

本文被解释变量为消费（persale），用各省的人均社会消费品零售总额来测算。核心解释变量为居民杠杆（debtratio），用各省金融机构住户贷款除以省级GDP来测算。控制变量分别为居民可支配收入、财政收入和医疗条件。其中居民收入（perfinc），用各省居民人均可支配收入表示。财政收入（perrevenue），为各省地方政府一般预算收入除以人口。医疗水平（perhospital），为各省卫生机构数量除以人口。数据来源于中国人民银行、国家统计局、各省统计年鉴和EPS数据库。

2.数据描述性统计

鉴于台湾、香港和澳门数据的可得性和消费的特殊性，本文选取了除这3个地区的我国31个省（自治区、直辖市）的2018年截面数据。从表1描述性统计表可以看出，31个省（自治区、直辖市）的居民杠杆平均值为45.5%，处于较为合理的水平。然而由于标准差较大，居民杠杆最高的浙江已高达75.7%，最低的青海仅25.2%，说明各省（自治区、直辖市）居民负债状况差异较大。消费差别也较大，北京的消费对数为10.9，而贵州的消费对数为9.31，意味着北京人均消费比贵州高出390.37%。数据充分说明我国居民负债行为和消费水平存在不平衡，空间特征明显，因此，采用空间计量的方法来探讨各个地区变量之间的影响是合适的。

表1 描述性统计表

（二）模型构建

1.空间相关性检验

选用莫兰指数（Moran'sI）对变量的空间相关性进行测算，Moran'sI指数分为考察整个空间序列的空间集聚情况的全局Moran'sI指数和考察某区域附近空间聚集情况的局部Moran'sI指数。Moran'sI指数的取值范围处于-1～1之间，正数代表经济变量空间正相关，即高值与高值相邻，低值与低值相邻；负数否则为负相关，高值和低值相邻。

全局Moran'sI指数的基本公式为：

Moran'sI的显著性主要依据如下标准化统计值(Z)来判断：

原假设为数据间不存在空间自相关情况，Z服从正态分布，给定某个临界值k，如果Z＞k，则拒绝原假设，说明数据存在空间自相关性，反之则不存在自相关性。

局部Moran'sI指数的基本公式为：

Ii表示某区域的局部Moran'sI，其余符号含义与全局Moran'sI一致。

全局Moran'sI只能计算出该变量在空间上是否存在聚集、扩散或异常值的情况，而局部Moran'sI可说明某个区域周边的聚集情况，并将样本分为四个类型，分别是高—高集聚（HH型），高值的地区周围同样是高值地区；高—低集聚（HL型），高值地区周围是低值地区；低—低集聚（LL型），低值地区周围是低值地区；低—高集聚（LH型），低值地区周围是高值地区。

2.空间计量模型的构建

（1）全域模型

空间计量全域模型主要有两类模型，分别是空间滞后模型（SAR）和空间误差模型（SEM）。

其中：ρ为空间自相关系数，用来衡量来自邻居地区因变量的影响。若ρ显著为正，说明周围地区对本地区存在溢出效应，若小于0，则存在扩散效应。β为变量的系数。W为空间权重矩阵，用以刻画各地区之间的相关性。

其中：W为空间权重矩阵，ε为存在空间依赖性的扰动项。λ为空间自回归系数，这意味着对yi有影响但不包含在xi中的遗漏变量存在相关性，或不可观测的随机冲击存在空间相关性。

SAR模型用于探讨各变量在一个区域对邻近区域是否有溢出效应，SEM模型用于度量邻近地区关于因变量的误差冲击对本地区观察值的影响程度。选择合适的空间计量模型对估计结果至关重要。

（2）局域模型

全域模型只能估计出固定的系数，意味着即便存在不同的空间单元，但是不同单元的自变量对因变量的影响是相同。全域空间自回归模型在一定条件下是适用的，然而当不同空间单元的自变量对因变量的影响存在差异时，全域模型可能会得出错误的估计结果，落入Simpson提出的辛普森悖论中。为了研究不同空间单元的自变量对因变量的异质性影响，引入地理加权回归（GWR）模型对变量进一步估计。

其中(ui,vi)表示第i个地区的地理坐标点。β0(ui,vi)为第i个地区的回归常数值，βk(ui,vi)为各解释变量的系数值。εi为随机扰动项。

三、实证分析

（一）空间自相关性检验

对模型变量的全局Moran'sI指数进行测算。从表2中可以看出居民杠杆和消费的全局Moran'sI指数分别为0.639和0.351，两者均为正并且在1%水平下显著，这意味着消费和居民杠杆的空间分布并不是完全随机的，表现出空间聚集状态，即高消费省份和高消费省份聚集，低消费省份和低消费省份聚集，高居民杠杆省份与高居民杠杆省份聚集，低居民杠杆与低居民杠杆省份聚集。另外居民收入、财政收入和医疗水平的全局Moran'sI指数也为正，并且通过了显著性检验。

表2 全局Moran's I指数的测算

对消费和居民杠杆的局部Moran'sI指数进行测算，用以描述31个省（自治区、直辖市）消费和居民杠杆的空间聚集状态。利用局部Moran'sI指数，将样本划为四个类型，分别为HH型，LH型、LL型，HL型。若某省的消费为HH型或LL型，表示该省与相邻省份消费存在空间正相关性，有较高程度的集聚效应和同质性。若某省消费为LH型或HL型，则表示该省与相邻省份消费之间空间负相关性，且具有异质性。居民杠杆的局部Moran'sI值也是同理。根据局部Moran'sI指数，制作我国消费和居民杠杆的空间非对称格局表（表3和表4）。从表3上看，大部分省份在HH型和LL型象限上，说明消费在省级层面存在聚集效应和同质性。从表4上看，大部分省份的居民杠杆处在HH区和LL区上，说明居民杠杆在省级层面也存在聚集效应和同质性。消费和杠杆的局部Moran'sI指数与全局Moran'sI指数的检验结果相一致。

表3 消费的空间非对称格局表

表4 居民杠杆的空间非对称格局表

（二）空间计量估计结果分析

1.全域模型

（1）模型选择

处理空间误差模型（SEM）和空间滞后模型（SAR）的选择问题。首先建立最小二乘法（OLS）估计模型：

表5报告了OLS模型估计和LM检验的结果。模型中残差的Moran'sI统计值为0.31，在5%水平下显著，拒绝了“残差相不存在相关性”的原假设，说明存在空间依赖性，OLS模型不适用。LM-err统计量和LM-lag统计量均显著拒绝了原假设，根据这两个统计量无法判断是选择空间滞后还是空间误差模型。进一步看稳健的LM检验的结果，Robust LM-lag统计量的伴随概率为0.013，在5%的显著性水平下拒绝“不是空间滞后模型”的原假设，Robust LM-err统计量的伴随概率为0.92，无法拒绝“不是空间误差模型”的原假设。综上所述，选用SAR模型更为合适。

表5 OLS模型估计结果及LM检验

（2）全域模型回归结果分析

表6报告了SAR模型和SEM模型的回归结果。对比两个模型的拟合优度和对数似然值统计量，SAR模型均好于SEM模型，这与LM检验结果一致。

表6 SAR模型和SEM模型的估计结果

从表6实证结果来看，第一，居民杠杆系数显著为负，意味着居民杠杆的增加会降低消费。我国向来是偏好储蓄的国家，居民对负债往往持厌恶的态度，因购房、疾病、投资等原因不得已负债之后，如果收入水平短时间无法大幅度增加时，居民往往会尽量缩减消费用以偿还负债。另外，借助债务用以消费不具有可持久性，高杠杆会面临严苛的借贷约束，从而面临贷无可贷的境地。因此，居民杠杆的增加会抑制消费非常符合我国的现实情况。第二，从控制变量来看，居民收入系数为正，意味着居民收入增加会提高消费。财政收入系数为负，一般公共预算收入的主体是税收，增值税和个人所得税分别从增加居民消费成本和降低居民可支配收入两方面抑制消费，企业所得税也会在一定程度上加大企业的运营成本，通过降低工人工资，减少企业福利等方面降低居民消费。医疗条件系数为正，意味着医疗条件改善会促进消费。第三，空间自回归系数为正，意味着本地区的消费受到了周围地区消费的正向影响，即消费存在溢出效益。

基于偏微分方法，对SAR模型中居民杠杆对消费的影响进行分解。总影响可分解为两部分，一是直接效应（Direct），表示本省居民杠杆对本省消费的影响；二是间接效应（Indirect），表示本省居民杠杆对相邻省份消费的影响。从表7可以看出，居民杠杆系数直接效应值为-0.43，且在10%水平下显著，说明居民杠杆会抑制本地区消费。居民杠杆间接效应值为-0.202，但并不显著，说明居民杠杆对周围地区的消费影响并不大。总而言之，居民杠杆对消费的抑制作用不存在溢出效应。

表7 SAR模型直接效应和间接效应分解

2.局域模型

全域空间计量模型对OLS模型进行了修正，可以得到更为准确的计量估计结果。然而全局模型假定各省份自变量对因变量的影响是一致的，即31个省（自治区、直辖市）居民杠杆对消费抑制作用的系数均为-0.4，由于我国地域辽阔，各省发展并不均衡，显然这一假定并不符合现实。引入地理加权回归模型（GWR），进一步探讨居民杠杆对消费的异质性影响。核函数选用高斯核函数Wi=φ(di/δθ)，其中φ表示标准正态密度函数，δ表示距离向量di的标准离差，θ为带宽参数。用各省份省会经纬度来表示各省份的空间位置，并使用交叉验证法（CV）确定最优带宽为1.1821。

表8报告了GWR模型的回归结果，可以看出不同省份居民杠杆对消费的影响作用并不一致。除新疆、西藏系数为正外，其余省份居民杠杆系数均为负，说明居民杠杆抑制消费这一现象在我国省级区域是普遍存在的，与上述全域模型实证结果一致，但四川、云南、甘肃和青海四个省份不显著。从表8中可以明显看出，31个省（自治区、直辖市）居民杠杆对消费的抑制作用，呈自东向西逐渐减弱的规律。造成这一有规律的现象，主要原因是我国东西部经济发展的并不均衡，西部地区居民的消费能力较弱，消费的主体主要是衣物、日常食品等生存型消费，即使负债增加，也无法大幅减少消费，因此西部地区居民的消费缺乏弹性。东部地区由于经济发展水平较高，房贷压力较大，居民部分的消费常用于旅游、外出聚餐、文教娱乐等方面，这类发展型消费往往更具有弹性，当居民面对贷款还款压力或信贷资金约束时，可以比较容易的通过少聚餐、少出游等方式来降低消费。

表8 GWR模型的估计结果

四、研究结论和政策建议

（一）结论

本文选取了我国31个省（自治区、直辖市）2018年的区域数据，建立SAR模型和GWR模型，实证分析我国居民杠杆对消费影响的空间效应。研究结论如下：一是居民杠杆、消费均呈现空间正相关性和分布不均衡性，绝大部分省份呈现高杠杆高集聚型、低杠杆低集聚型、高消费高集聚型和低消费低集聚型。二是从SAR模型及其偏微分分解的结果来看，一方面居民杠杆会抑制消费；另一方面空间自回归系数为正，消费存在溢出效应，一省的消费会受到周围省份消费的正向影响；三是居民杠杆对消费的抑制作用并不存在溢出效应，一省居民杠杆主要抑制本地区的消费，对周围地区的消费并没有显著影响。三是我国居民杠杆对消费的抑制作用存在空间上的异质性，抑制效果自东部沿海省份向西部内陆省份逐渐减弱。

（二）政策建议

第一，对当前居民部门杠杆持续攀升加以有效控制。实施好房地产金融审慎管理制度，加强房地产调控，规范商业银行和互联网金融机构的借贷行为，加强对居民房地产贷款的审核，严禁居民通过短期消费贷款以及经营贷款违规流入房地产市场，严格控制商业银行资产中的房地产贷款集中度、房地产贷款占比和个人住房贷款占比，坚持对房地产企业的“三条红线”①“三道红线”是指重点房地产企业资金监测和融资管理规则，要求剔除预收款后的资产负债率大于70%、净负债率大于100%、现金短债比小于1倍。要求，全国全面推行二手房挂牌价核验政策，完善金融支持住房租赁政策体系。

第二，充分利用消费的溢出效应，推动高消费地区的消费升级，以此带动周边地区的消费增长，形成区域之间共同发展的良好格局。加大北京、上海、广州、天津、重庆等国际消费中心试点城市和国内消费中心城市的建设，将它们建设成为促进消费升级、调整产业结构、拉动经济增长的新引擎，增强了它们对周边地区、国内乃至全球消费的强大引领和带动能力，打通国内国际双循环，加快构建消费新发展格局。

第三，宏观经济调控更加注重“因城施策”。加快推进农村土地改革、户籍改革和新一轮城镇化的改革。对东部沿海省份特别是高居民杠杆区域，增加土地供给，严格调控居民信贷总额，上调高房价区域首套房和二套房贷款利率。对西部欠发达省份，积极发展普惠金融，通过适当放开信贷约束和提供专项补贴资金等方法，降低居民信贷负担。加快完善我国社会保障体系，特别是加大西部地区的医疗、养老等领域的投入，改善居民收入分配结构，完善个人减税政策，改善居民消费预期，提高居民边际消费倾向。