1. 引言
当前，国内外经济形势严峻，如何推动经济增长成为了各国的首要问题。因此，在当前新发展格局下，刺激消费、拉动内需、构建国内国际双循环体系，成为了我国经济发展的重中之重。同时，近年来随着女性意识的觉醒，女性以更加积极的姿态进入劳动就业市场，女性经济越来越得到重视。越来越多的学者开始研究如何通过女性经济推动消费需求的增长。本文主要通过分析收入对家庭消费需求的性别差异，发掘女性群体的消费潜能，找到家庭消费的增长点，从而实现消费升级，促进国内国际双循环体系构建，推动我国经济增长。
2. 文献综述
2.1. 关于家庭消费的研究
何平、高杰、张锐(2010)将消费需求区分为刚性需求和非刚性需求，研究了二者对消费的不同影响，其中刚性需求偏低与家庭结构的脆弱性是家庭消费支出低迷的主要原因，而家庭结构的脆弱性不仅会影响非刚性消费需求，与家庭刚性消费需求也有内在联系，从而，要促进家庭消费增长，应当从降低家庭脆弱性入手[1]。金烨、李宏彬(2011)使用我国城镇住户的调查数据研究发现收入差距对家庭除教育外的消费具有显著的抑制作用，这种抑制作用在低收入和年轻家庭中更加明显，这类家庭为提高社会地位更愿意储蓄而非消费[2]。张大永、曹红(2012)基于微观数据研究了房地产财富、金融资产、社保账户财富等各类财富对居民消费的影响，其实证研究结果发现房地产财富对消费有显著影响，且各类财富对居民消费影响幅度依次为：流动性高的实物资产 > 不动产 > 金融资产[3]。
李涛、陈斌开(2014)将家庭固定资产分为生产性固定资产和非生产性住房资产，研究了两者对居民消费的资产效应和财富效应，发现家庭住房资产主要呈现出消费品属性，只存在微弱的“资产效应”，且不存在“财富效应”，住房价格上涨对提高居民消费并无明显影响；而家庭生产性固定资产具有明显的“资产效应”和“财富效应”，由于中国金融资产收益被严重压低，人们更愿意用家庭生产性固定资产替代金融资产，为居民产生稳定现金流，从而促进消费[4]。
唐琦、夏庆杰、李实(2018)基于1995~2013年的CHIP城市随机入户调查数据，发现中国城镇家庭消费结构发生了极大转变，食品消费、家庭用品消费在总消费中所占的份额不断下降，住房消费占总消费比重不断上升挤占了其他家庭消费需求，从而降低了总需求，同时带来工资上升压力[5]。
2.2. 关于女性经济的研究
尹志超、张诚(2019)探讨了女性劳动参与对家庭储蓄率的影响，其研究结果表明，已婚女性劳动参与对家庭储蓄率增长具有显著影响，家庭劳动成员的增加并没有显著降低家庭预防性储蓄动机，其原因在于女性劳动参与提高了家庭收入，但相对于促进家庭消费幅度，家庭储蓄的促进幅度更大[6]。黄梦琪和金钟范(2022)主要考察了已婚女性受教育程度对家庭消费水平的影响及其机制，其研究结果表明了女性受教育程度的提升可以显著促进其家庭消费水平的提升，其中对享乐型家庭消费水平提升的影响更大，通过对影响机制具体分析得出女性受教育程度通过提高劳动收入以及其自身家庭决策地位从而促进消费[7]。
国内学者付光美(2017)基于宏观经济视角进行实证研究发现，女性就业对全社会劳动生产率的提高有促进作用，从而拉动经济增长[8]。国外学者Dynarski等(1997)认为当家庭收入不稳定时，妻子劳动收入能够补偿收入损失，对当期的家庭消费起到平滑作用。Forrester和Klein (2018)研究发现女性参与劳动的家庭会将更多的收入用于儿童保育、外出就餐、清洁洗衣服务等消费，而在家庭的食物和服装缝纫材料等上的花费将降低[9]。Mangiavacchi等(2021)利用德国社会经济小组(SOEP)，采用完整的恩格尔系数曲线进行估计检验，发现人格特征对家庭消费决策也有影响：女性和心理开放特质得分较高的男性在文化教育上的支出更高，随和性特征得分高的女性和尽责性特质得分高的男性在食物消费上的支出更高[10]。
综上文献可以看出，各类学者围绕家庭消费以及考虑女性视角后的影响因素进行了大量研究，包括家庭结构、资产、住房、储蓄、女性劳动参与等等，但有关家庭中女性收入增加与男性收入增加的对于家庭消费的促进作用是否相同的研究却少之又少，这对于推动男女就业平等，挖掘女性经济潜能，刺激家庭消费都具有重要作用。本文将基于中国家庭金融调查数据进行实证分析，探究收入对家庭消费的影响及其性别差异。
3. 理论分析
有关收入对消费影响的经典理论主要包括西方几大经典理论：(1) 凯恩斯的消费需求理论；(2) 绝对收入假说；(3) 杜森贝利的相对收入假说；(4) 弗里德曼的持久收入假说；(5) 生命周期假说。这些经典理论对收入都做出了不同的定义和解释，但不论哪种理论都认可同一个事实，即收入能够影响消费。本文后续实证研究中的收入是以当期绝对收入作为解释变量，在凯恩斯的消费需求理论基础上，探讨收入对家庭消费影响的性别差异。
按照凯恩斯的基本观点，影响居民个人或家庭消费的因素有很多，如收入水平、消费品价格水平、个人偏好、未来预期、甚至是消费信贷及其利率水平。而其中最重要的因素便是居民收入水平。对于收入和消费的关系，他认为随着收入的增加，消费也会增加，只是消费的增加并不如收入增加得多，即边际消费倾向是递减的，因此收入低时反而边际消费倾向高。
智联招聘公司发布的《2022年中国女性职场现状调查报告》显示，2022年职场女性平均月薪8545元，低于男性的9776元，相差12%。女性薪资涨幅为5%，略高于职场男性薪资涨幅的4.8%，男女收入差距有望进一步缩小。而在家庭收入方面，33.1%的女性收入占家庭总收入的40%以上，大部分家庭中女性收入仍然是低于男性的。因此根据凯恩斯的消费需求理论，在家庭中女性收入的边际消费倾向应当高于男性收入的边际消费倾向，提高女性收入对家庭消费的促进作用更强。
在劳动供给理论的单一模型下，家庭被看作一个效用函数，所有家庭成员共用这一个效用函数。且家庭劳动力供给具有共同收入的假设，无法解释女性收入对家庭消费决策的影响。而集体模型放宽了限制，引入个人工资率和非劳动收入，使得妻子可以得到丈夫的部分收入。但在实际生活中，女性在家庭中的非劳动收入难以衡量，女性更希望获得工资性收入，从而提高家庭决策权。同时，“男主外，女主内”的传统思想一直在我国家庭关系中占据主导地位，女性作为家庭消费实施者，对家庭消费有着关键作用。波士顿咨询公司(BCG) 2016年的调研数据显示，超过60%的中国家庭消费由女性主导(曹萌，2021) [11]。银泰百货2022年发布《家庭消费决策用户调研》显示，杭州、合肥、西安等新一线城市中，有七成用户的家庭消费由女性决定并主导(刘卓澜，2022) [12]。因此，不论是从收入边际消费倾向角度，还是从家庭消费决策现状分析，提高女性收入都有助于促进家庭消费。西方经典理论对于收入与消费关系，已有成熟的理论体系，但在女性收入对家庭消费的影响方面研究仍少之又少。本文沿着宏观经济上假定消费与收入存在着稳定的函数关系，即c = c(y)，通过家庭金融调查数据进行回归检验，对比男性女性的收入消费函数，验证女性边际消费倾向是否更高。
4. 实证分析
4.1. 模型与设定
为考察收入对家庭消费影响的性别差异，参考现有理论与文献，建立如下计量模型：
其中C代表家庭消费，Y代表工资性收入，通过该模型对男性女性分别回归，通过比较两者的边际消费倾向β考察收入对家庭消费影响的性别差异。同时设定模型(2)，排除其他因素对模型的影响，引入控制变量，纳入金融资产W1和非金融资产W2，以及年龄、是否拥有自住房、文化程度、婚姻状况。设定模型(3)，其中Age为年龄、Dum_house为是否拥有自住房的虚拟变量、Edu为文化程度、Dum_marriage为婚姻状况的虚拟变量。
4.2. 数据来源
本文数据来源于中国家庭金融调查(China Household Finance Survey, CHFS)。CHFS是一个在全国范围内开展的大型抽样调查，旨在收集家庭的资产与负债、收入与支出、保险与保障、人口与就业等方面信息，全面追踪家庭动态金融行为。该数据在采集上，为保证样本源数据的科学性和准确性，采用了分层、三阶段与规模度量成比例(PPS)的抽样设计方法，结合实地走访和季度电话回访采集和更新样本数据。其样本具有全国代表性，详细记录了家庭的各项收入与消费状况，能够为研究家庭内部收入对消费影响的性别差异提供可靠数据。
4.3. 变量说明
4.3.1. 被解释变量
本文被解释变量为家庭消费。由于近年来我国结婚率不断降低、离婚率不断升高，越来越多的年轻人成为不婚主义，单身群体比重逐渐增加，以是否结婚为家庭单位的衡量标准不再准确，本文根据中国家庭金融调查数据，剔除掉无工作、非户主的样本，剩下的样本每个户主即为一个家庭单位。将家庭日常中的居住支出、衣着支出、食品支出、旅行支出、娱乐支出、交通通讯支出、日常用品支出、保健服务支出等纳入考察范围，作为家庭消费。同时为了增强实证结果的准确性和可靠性，对家庭消费数据进行取对数处理。
4.3.2. 解释变量
本文解释变量为绝对收入，即家庭中男性或女性的工资性收入。工资性收入包括具体工资、奖金、福利等，本文通过中国家庭金融调查数据将年收入平均到每个月作为工资性收入，同时加上奖金、福利等折现值。
4.3.3. 控制变量
借鉴李涛、陈斌开(2014)的研究，本文选取了金融资产、非金融资产、年龄、是否拥有自住房、文化程度、婚姻状况等作为控制变量。金融资产包括现金、存款、理财产品、股票、基金、债券、衍生品、非人民币资产、黄金以及其他金融资产；非金融资产包括自住房以外的房产、车辆及其他非金融资产。样本中剔除掉了无工作的人，剩余基本为年龄18岁以上的成年人，是否拥有自住房为虚拟变量(拥有自住房赋值为1，无自住房赋值为0)，文化程度数值越高代表学历越高(没上过学赋值为1，小学赋值为2，初中赋值为3，高中赋值为4，中专和职高赋值为5，大专和高职赋值为6，大学本科赋值为7，硕士研究生赋值为8，博士研究生赋值为9)，婚姻状况也为虚拟变量(未婚、分居、离异、丧偶赋值为1，已婚、同居赋值为0)。
4.4. 变量描述性统计
从表1、表2变量描述性统计结果可以看出，样本中女性平均收入比男性平均收入低，但女性户主对应的平均家庭消费比男性户主对应的平均家庭消费高，由女性主导做实际决定的家庭消费更高，女性能够带来的消费潜能巨大。
Table 1. Sample of female heads of household
表1. 女性户主样本
variable |
N |
mean |
p50 |
sd |
min |
max |
xiaofei |
1398 |
3807 |
2409 |
6130 |
0 |
114,353 |
gongzi |
1398 |
28,648 |
21,600 |
29,955 |
100 |
500,000 |
jinrong |
1398 |
71,219 |
5100 |
240,191 |
0 |
4,280,000 |
feijinrong |
1398 |
28,181 |
250 |
160,846 |
0 |
3,250,000 |
age |
1398 |
40 |
41 |
12.40 |
4 |
79 |
zhufang |
1398 |
0.900 |
1 |
0.300 |
0 |
1 |
wenhua |
1398 |
4.100 |
4 |
1.900 |
0 |
8 |
hunyin |
1398 |
0.400 |
0 |
0.500 |
0 |
1 |
Table 2. Sample of male heads of household
表2. 男性户主样本
variable |
N |
mean |
p50 |
sd |
min |
max |
xiaofei |
4476 |
3046 |
2001 |
4316 |
0 |
90,023 |
gongzi |
4476 |
35,713 |
28,390 |
37,163 |
1 |
831,000 |
jinrong |
4476 |
55,537 |
5765 |
201,520 |
0 |
4,502,000 |
feijinrong |
4476 |
25,479 |
200 |
139,355 |
0 |
6,000,450 |
age |
4476 |
44.10 |
45 |
12.40 |
8 |
82 |
zhufang |
4476 |
0.900 |
1 |
0.200 |
0 |
1 |
wenhua |
4476 |
3.600 |
3 |
1.500 |
0 |
9 |
hunyin |
4476 |
0.200 |
0 |
0.400 |
0 |
1 |
4.5. 实证结果及分析
4.5.1. 全样本基准回归
本文通过中国家庭金融调查2015年、2017年、2019年构成的面板数据，将年份固定进行最小二乘法(OLS)回归，并在OLS回归的基础上加入了住房、婚姻状况的虚拟变量以及年龄和文化程度作为控制变量，来排除其他因素的影响。本文首先进行了全样本回归结果见表3：
Table 3. Full sample baseline regression
表3. 全样本基准回归
lnxiaofei |
Coef. |
St.Err. |
t-value |
p-value |
[95% Conf |
Interval] |
Sig |
lngongzi |
0.157 |
0.012 |
12.62 |
0 |
0.133 |
0.182 |
*** |
lnjinrong |
0.06 |
0.004 |
15.84 |
0 |
0.052 |
0.067 |
*** |
lnfeijinrong |
0.033 |
0.003 |
11.81 |
0 |
0.027 |
0.038 |
*** |
age |
−0.005 |
0.001 |
−4.34 |
0 |
−0.007 |
−0.003 |
*** |
zhufang |
−0.031 |
0.048 |
−0.65 |
0.518 |
−0.125 |
0.063 |
|
wenhua |
0.132 |
0.008 |
16.45 |
0 |
0.116 |
0.148 |
*** |
hunyin |
−0.313 |
0.031 |
−10.16 |
0 |
−0.373 |
−0.252 |
*** |
2015b |
0 |
. |
. |
. |
. |
. |
|
2017 |
0.223 |
0.031 |
7.09 |
0 |
0.161 |
0.285 |
*** |
2019 |
−1.204 |
0.033 |
−36.90 |
0 |
−1.268 |
−1.14 |
*** |
Constant |
5.326 |
0.14 |
37.97 |
0 |
5.051 |
5.6 |
*** |
Mean dependent var |
7.529 |
SD dependent var |
1.126 |
R-squared |
0.371 |
Number of obs |
5874 |
F-test |
384.500 |
Prob > F |
0.000 |
***p < 0.01, **p < 0.05, *p < 0.1.
从全样本回归结果可以看出，工资对家庭消费具有显著正向影响，在5%的显著性水平下，收入的增加会导致家庭消费的增加，而加入控制变量后，该正向影响仍然存在，且模型的拟合优度增加，工资性收入每增加1%，家庭消费增加0.157%。
4.5.2. 不同性别样本基准回归
如下表4、表5所示，不同性别的样本回归结果可以看出，女性户主工资性收入增加1%，家庭消费增加0.174%，而男性户主工资性收入增加1%，家庭消费增加0.165%。同样的工资性收入增加，对家庭消费产生的影响却是不一样的，女性工资性收入的增加，对于家庭消费的增长促进作用更大。
Table 4. Baseline regression of female head of household sample
表4. 女性户主样本基准回归
lnxiaofei |
Coef. |
St.Err. |
t-value |
p-value |
[95% Conf |
Interval] |
Sig |
lngongzi |
0.174 |
0.025 |
7.03 |
0 |
0.126 |
0.223 |
*** |
lnjinrong |
0.06 |
0.007 |
8.33 |
0 |
0.046 |
0.075 |
*** |
lnfeijinrong |
0.026 |
0.006 |
4.52 |
0 |
0.015 |
0.038 |
*** |
age |
−0.004 |
0.002 |
−1.95 |
0.051 |
−0.009 |
0 |
* |
zhufang |
0.093 |
0.085 |
1.10 |
0.272 |
−0.073 |
0.259 |
|
wenhua |
0.137 |
0.015 |
9.10 |
0 |
0.108 |
0.167 |
*** |
hunyin |
−0.442 |
0.051 |
−8.61 |
0 |
−0.542 |
−0.341 |
*** |
2015b |
0 |
. |
. |
. |
. |
. |
|
2017 |
0.232 |
0.074 |
3.13 |
0.002 |
0.087 |
0.378 |
*** |
2019 |
−1.145 |
0.07 |
−16.39 |
0 |
−1.282 |
−1.008 |
*** |
Constant |
5.209 |
0.262 |
19.88 |
0 |
4.695 |
5.723 |
*** |
Mean dependent var |
7.696 |
SD dependent var |
1.082 |
R-squared |
0.376 |
Number of obs |
1398 |
F-test |
92.767 |
Prob > F |
0.000 |
***p < 0.01, **p < 0.05, *p < 0.1.
Table 5. Baseline regression of male head of household sample
表5. 男性户主样本基准回归
lnxiaofei |
Coef. |
St.Err. |
t-value |
p-value |
[95% Conf |
Interval] |
Sig |
lngongzi |
0.165 |
0.014 |
11.37 |
0 |
0.136 |
0.193 |
*** |
lnjinrong |
0.058 |
0.004 |
13.36 |
0 |
0.05 |
0.067 |
*** |
lnfeijinrong |
0.036 |
0.003 |
11.26 |
0 |
0.029 |
0.042 |
*** |
age |
−0.004 |
0.001 |
−3.44 |
0.001 |
−0.007 |
−0.002 |
*** |
zhufang |
−0.065 |
0.058 |
−1.12 |
0.261 |
−0.179 |
0.048 |
|
wenhua |
0.122 |
0.01 |
12.72 |
0 |
0.103 |
0.141 |
*** |
hunyin |
−0.291 |
0.039 |
−7.53 |
0 |
−0.367 |
−0.216 |
*** |
2015b |
0 |
. |
. |
. |
. |
. |
|
2017 |
0.254 |
0.035 |
7.24 |
0 |
0.186 |
0.323 |
*** |
2019 |
−1.194 |
0.037 |
−32.29 |
0 |
−1.266 |
−1.121 |
*** |
Constant |
5.241 |
0.166 |
31.54 |
0 |
4.915 |
5.567 |
*** |
Mean dependent var |
7.476 |
SD dependent var |
1.134 |
R-squared |
0.372 |
Number of obs |
4476 |
F-test |
294.497 |
Prob > F |
0.000 |
***p < 0.01, **p < 0.05, *p < 0.1.
从不同性别的样本回归结果可以看出，女性户主工资性收入增加1%，家庭消费增加0.174%，而男性户主工资性收入增加1%，家庭消费增加0.165%。同样的工资性收入增加，对家庭消费产生的影响却是不一样的，女性工资性收入的增加，对于家庭消费的增长促进作用更大。
4.5.3. 稳健性检验
为了对前文结果的稳健性进行检验，本文对各变量的计量方法进行了改变，家庭消费、工资性收入、金融资产以及非金融资产不再取对数，对各样本再进行回归，回归结果见表6、表7：
Table 6. Baseline regression of female head of household sample
表6. 女性户主样本基准回归
xiaofei |
Coef. |
St.Err. |
t-value |
p-value |
[95% Conf |
Interval] |
Sig |
gongzi |
0.035 |
0.006 |
6.34 |
0 |
0.024 |
0.046 |
*** |
jinrong |
0.003 |
0.001 |
4.67 |
0 |
0.002 |
0.004 |
*** |
feijinrong |
0.01 |
0.001 |
10.52 |
0 |
0.008 |
0.012 |
*** |
age |
−11.778 |
14.197 |
−0.83 |
0.407 |
−39.627 |
16.071 |
|
zhufang |
552.072 |
534.905 |
1.03 |
0.302 |
−497.238 |
1601.382 |
|
wenhua |
402.416 |
94.59 |
4.25 |
0 |
216.86 |
587.971 |
*** |
hunyin |
−1367.191 |
323.665 |
−4.22 |
0 |
−2002.117 |
−732.266 |
*** |
2015b |
0 |
. |
. |
. |
. |
. |
|
2017 |
−209.623 |
462.258 |
−0.45 |
0.65 |
−1116.423 |
697.177 |
|
2019 |
−3449.399 |
443.512 |
−7.78 |
0 |
−4319.425 |
−2579.372 |
*** |
Constant |
1695.603 |
929.58 |
1.82 |
0.068 |
−127.93 |
3519.136 |
* |
Mean dependent var |
3806.519 |
SD dependent var |
6129.938 |
R-squared |
0.220 |
Number of obs |
1398 |
F-test |
43.525 |
Prob > F |
0.000 |
***p < 0.01, **p < 0.05, *p < 0.1.
Table 7. Baseline regression of male head of household sample
表7. 男性户主样本基准回归
xiaofei |
Coef. |
St.Err. |
t-value |
p-value |
[95% Conf |
Interval] |
Sig |
gongzi |
0.018 |
0.002 |
9.75 |
0 |
0.014 |
0.022 |
*** |
jinrong |
0.004 |
0 |
11.10 |
0 |
0.003 |
0.004 |
*** |
feijinrong |
0.002 |
0 |
3.89 |
0 |
0.001 |
0.003 |
*** |
age |
−12.633 |
5.593 |
−2.26 |
0.024 |
−23.598 |
−1.669 |
** |
Zhufang |
24.703 |
253.392 |
0.10 |
0.922 |
−472.071 |
521.476 |
|
wenhua |
345.11 |
42.164 |
8.18 |
0 |
262.447 |
427.773 |
*** |
hunyin |
−724.854 |
168.524 |
−4.30 |
0 |
−1055.244 |
−394.465 |
*** |
2015b |
0 |
. |
. |
. |
. |
. |
|
2017 |
278.691 |
150.967 |
1.85 |
0.065 |
−17.279 |
574.661 |
* |
2019 |
−2437.664 |
162.004 |
−15.05 |
0 |
−2755.272 |
−2120.055 |
*** |
Constant |
2031.166 |
403.016 |
5.04 |
0 |
1241.055 |
2821.277 |
*** |
Mean dependent var |
3046.421 |
SD dependent var |
4315.738 |
R-squared |
0.166 |
Number of obs |
4476 |
F-test |
98.678 |
Prob > F |
0.000 |
***p < 0.01, **p < 0.05, *p < 0.1.
通过回归结果可以看出，女性户主工资性收入增加一个单位，家庭消费增加0.035个单位，而男性户主工资性收入增加一个单位，家庭消费增加0.018个单位，改变变量计量方法后，模型的显著和变量符号等都为发生改变，本文论证结论也仍然成立。同时，通过稳健性检验结果可以看出，同样一个单位收入增加，女性收入增加对家庭消费的促进作用是男性的两倍。
5. 结论
根据凯恩斯的消费需求理论，收入的增加会导致消费需求的增加，但这种增加量会随着收入的增加而逐渐降低。而我国目前就业市场中，女性平均收入是要低于男性平均收入的。同时，女性作为家庭消费的主力军，家庭中许多消费的实际决策人是女性，因而同等情况下，增加女性工资收入，对于家庭消费增长的促进作用更大。本文通过中国家庭金融调查数据对男女户主分别进行回归，发现工资性收入增加对家庭消费的促进作用存在男女差异，女性户主收入增加对家庭消费的促进作用更大。如今我国经济发展动力不足，消费需求低迷的情况下，推动女性收入增长，缩小男女劳动收入差距，所能带来的消费潜能是巨大的。为进一步推动男女劳动收入差距缩小，首先应当建立平等就业环境，解决女性因年龄、家庭、生育产生的用工歧视；其次应当提倡产假等男女同休，缩小企业男女用工成本；同时，要增加女性就业机会，为家庭主妇提供再就业机会，改善就业市场环境，推动女性收入增加，缩小男女劳动收入差距，才能为家庭消费需求注入活力。而对于我国当前消费疲软的情况，对于不同收入群体的女性，中低收入者边际消费倾向远高于高收入者，应当针对不同收入女性群体制定相应的细分政策，着力推动中低收入者收入水平提升，扩大中等收入群体，从整体上推动我国收入分配差距缩小。由此，从家庭内部缩小男女收入差距，从社会外部推动不同收入女性群体社会收入分配公平，才能最大限度释放我国消费需求潜力，推动我国经济进一步发展。