互联网使用对家庭旅游消费的异质性影响——基于CFPS数据的实证
摘要
关键词
互联网使用；家庭旅游消费；异质性分析
正文
1. 引言和文献综述
当今世界局势严峻，全球经济放缓，扩大内需成为我国经济健康发展的重中之重，而旅游消费作为扩大我国消费内需的有效手段之一，成为促进我国经济发展的重要内容[]。互联网技术作为我国高速发展的领域之一，在推动经济建设、民生领域方面都发挥着不可替代的作用，影响到了人们工作生活的方方面面[]。不仅为社会发展带来了诸多便捷和好处，也培养和促进了新的家庭消费需求[]。在旅游消费市场方面，互联网以催生了新的旅游商业业态、转变了旅游者旅游习惯和消费倾向[]。
已有文献分别从交通设施[]、年龄结构[]、家庭收入来源差异[]、住房负债[]、地区差异[]等角度研究了家庭旅游消费的影响因素。可以看出，旅游消费不仅受客观环境的影响，同时也受家庭特征和个体特征的影响。在互联网信息技术快速发展的背景下，互联网对居民消费的影响成为众多学者研究的焦点。具体而言，互联网通过促进消费方式和消费环境的改变，从而促进我国居民消费水平的提升和消费结构的升级[]。杨光等认为对于农村地区家庭和高收入水平家庭来说，这种促进作用更明显[]。姜欣言和王强在考察互联网使用和家庭居民消费的过程中，从家庭、户主、省域异质性等多个视角展开，分析了互联网使用与家庭消费的理论渠道与相关机制[]。
本文利用最新的具有全国代表性的微观数据，探讨互联网使用对家庭旅游消费的影响，并探讨了互联网对不同家庭的旅游消费的异质性影响。对激发居民旅游消费潜力、提升旅游消费品质、促进社会经济增长和高质量发展、不断实现人民对美好生活的向往具有重要意义。
2. 研究设计
2.1 数据来源与处理
本文的数据主要来源于北京大学中国社会科学调查中心（ISSS）于2010年开始正式实施的全国性的高质量社会跟踪调查项目——中国家庭追踪调查（China Family Panel Studies，CFPS） []。本文使用其2018年和2020年的微观调查数据，按照以往文献的做法，本文将CFPS-2018和CFPS-2020中的“财务回答人”定义为户主[],再根据个人ID与成人数据进行匹配，由此得出各家庭的户主特征。在结合了CFPS-2018和CFPS-2020的家庭经济问卷，家庭关系问卷和成人问卷的数据，并剔除了存在缺失数据或异常数据的家庭样本，结合对应年份的283个城市的宏观统计数据，以此形成两年的混合数据后，最终得到有效样本8585个。城市特征控制变量数据来自2019年和2021《中国城市统计年鉴》及各城市的国民经济和社会发展统计公报。
2.2 变量选取及说明
2.2.1 被解释变量：家庭旅游消费（Tourism）
关于家庭旅游消费变量，本文参照以往学者的做法，选取了CFPS数据库中 “旅游支出”这一指标来衡量家庭旅游消费水平[]。为了克服异方差的影响，在实证处理过程中对该变量进行了对数处理。并且为了保证结果的稳健性，分别选取人均旅游消费和旅游消费率作为替换被解释变量，并对被解释变量进行缩尾处理，来进行稳健性检验。
2.2.2 解释变量：互联网使用（Internet）
本文关注的核心解释变量为家庭是否使用互联网，其中使用互联网的方式包括了电脑上网和移动上网，当至少满足其中一项时则认为该家庭使用了互联网取1，反之取0。
2.2.3 其他控制变量
参考已有相关文献，本文还对其他影响家庭旅游消费的相关变量进行了控制。本文的控制变量主要分为三类：个人层面、家庭层面和城市层面。个人层面变量包括户主性别、户主年龄、户主受教育年限、户主婚姻状态、户主工作状态[]。家庭层面变量包括家庭总收入、家庭总支出、家庭净资产、家庭规模、家庭类型[]。此外，为了有效控制城市环境变量的影响，本文收集了283个城市的数据，包括城市人均GDP和城市年平均人口数作为衡量城市特征的指标。
2.3 实证模型的设定
在研究互联网使用对中国家庭旅游消费的影响时，本文参考郭继辉和王泽荣[]的实证策略，构建计量回归模型如下：
Tourismijt = β1Internetijt + β2Cijt + εi +λi
其中，被解释变量Tourismijt表示第t年城市j家庭i的家庭消费对数值。Internetijt 为第t年城市j家庭i的互联网使用情况；Cijt 为控制变量，包括个人特征、家庭特征和城市层面控制变量；εi 为误差项，λi为随机扰动项。具体变量的描述性统计见表1。
3. 实证结果分析
3.1 基准回归
表2 汇报了互联网的使用情况对家庭旅游消费影响的基准回归分析结果。模型1表明，在不加入其它控制变量的情况下，是否使用互联网的系数在1%的水平上显著为正，说明使用互联网极大的促进了中国家庭旅游消费水平。模型2加入了个人特征变量，模型3加入了个人和家庭特征变量，模型4加入了个人、家庭和城市特征变量。回归结果也均在1%的水平上显著为正，因此，可以得出在控制其他因素的情况下，使用互联网对中国家庭旅游消费具有正向影响的结论。
其他控制变量也会对中国家庭旅游消费产生影响。从家庭特征来看，与农村家庭相比，城镇家庭的旅游消费支出更高，这可能是因为城镇家庭的经济能力更强、更易于将出游意愿转化为出游行为。个人特征方面，户主性别在1%的显著性水平下负向影响家庭旅游消费支出，说明使用互联网对女性户主更具有提升家庭旅游消费的作用。城市特征方面，各城市人均GDP在1%的水平下对中国家庭旅游消费产生正向影响，说明经济越发达的城市，家庭旅游消费能力越强。
3.2 异质性分析
3.2.1 家庭总收入异质性
表3汇报了根据家庭总收入水平分组的回归结果。本文按照家庭总收入水平由低到高分将样本为4组。结果显示，互联网使用对于低收入、中等偏下收入、中等偏上收入及高收入家庭的旅游消费均存在1%水平下的显著性影响。具体来看，互联网使用对低收入和中等偏下收入家庭的旅游消费的回归系数分别为 0.361、0.333；中等偏上和高收入家庭的回归系数分别为0.698和0.575。由此可见，互联网对中等偏上和高收入家庭的旅游消费的影响效果更强。造成这种差异的原因可能是因为旅游消费毕竟不是刚性需求，而在收入水平不是很高的情况下会优先满足基础型消费，才会考虑享受型消费。对于中等偏上收入和高收入家庭，其将有使用网络而激发的旅游兴趣转化为实际需求的物质基础更有保障故而更能实现旅游消费的提升。
3.2.2 家庭人口规模异质性
第七次全国人口普查数据显示，2020年中国（大陆地区）平均家庭户规模为2.62人，比2010年的3.10人减少了0.48人，2-3人的小型家庭已成为主流，4-6人的家庭所占比例已经低于小型家庭[]。表4汇报了根据国家统计局家庭规模的数据特征分组为小型家庭（小于等于3人），中型家庭（大于3人且小于等于6人）和大型家庭（大于6人）的回归结果。结果显示，互联网使用对于小型家庭的回归结果在1%水平下显著，但对于中型家庭和大型家庭的回归结果不具有显著性。具体来看，小型家庭较少的人口可能更容易达成一致，所以互联网使用更能促进家庭旅游消费的增加。而对于中型家庭和大型大家，促成旅游需求的因素影响更多，较之小型家庭更容易受到假期制约、较高的旅游负担、不同意见、照顾老人和小孩等因素的影响，因而互联网使用对其家庭旅游消费的促进效果不明显
3.2.3 户主婚姻状态异质性
由户主婚姻状态的异质性分析结果（表5）可知，使用互联网对在婚和非在婚家庭旅游消费的影响均在1%的水平上显著为正，但是对非在婚家庭的正向影响更大。造成这种差异的原因可能是由于非在婚家庭有父母的支持又无幼儿需要抚养，压力更小，而闲暇时间又更多，能更好地支持家庭旅游消费的实现。与之相反的是在婚状态的家庭大多承担着房贷、车贷、育儿、养老和中年危机等众多压力，从而降低了他们的出游意愿。因此，互联网的使用对非在婚家庭旅游消费的影响更大。
3.2.4 户主年龄异质性
表6结果显示，户主年龄也显著影响着家庭旅游消费。本文根据世界卫生组织的分组标准将本文户主年龄分为16~39岁的青年组、40~59岁的中年组和60岁及以上的老年组。结果显示，互联网使用对于中年组和老年组的回归结局均在1%的水平上显著，但对于青年组的回归结果不具有显著性。具体来看，青年一代都是在互联网的蓬勃发展中成长起来的，对于互联网使用已经得心应手，是否使用手机或电脑上网并不能显著促进其旅游动机。与之相反的是中年组和老年组在使用互联网之后会很大程度上改变以往的生活习惯和方式，面对更加多元的旅游信息以及旅游便利性，与不使用互联网的同龄人相比对其家庭旅游消费的促进作用更加明显。
3.2.5 户主教育年限异质性
本研究将户主受教育年限分为了三组：低等教育（文盲或小学及以下）、中等教育（中学和高中）、高等教育（大专及以上）。由表7的回归结果可看出，互联网使用对低等教育家庭消费影响不具有显著性，但对中等教育和高等教育家庭旅游消费影响在1%的水平上显著为正。可能是由于低等教育家庭不会熟练使用互联网查询旅游信息、订购旅游产品，或者因为陌生感和恐惧感而降低出门旅游意愿，因此，弱化了互联网使用对其旅游消费的影响。而在中等教育和高等教育家庭中，互联网使用对中等教育家庭带来的影响更大，可以考虑到是高等教育家庭获取信息的渠道也比其他家庭更多，所以互联网使用对其影响反而没有那么大。
4. 稳健性检验
为了保证研究结论的可靠性，本文利用人均旅游消费，旅游消费率替代家庭旅游消费，以及运用处理极端值的方法来进行稳健性检验，结果见表8。研究发现，即使分别采用这三种模型，互联网使用系数均在1%的水平上显著为正，说明使用互联网对中国家庭旅游消费有显著的促进作用。以稳健性检验（2）第2列为例，家庭使用互联网相较于不使用互联网旅游消费率提高了0.00923个百分点。以稳健性检验（3）第2列为例，进行极端值处理后，家庭使用互联网相较于不使用互联网家庭旅游消费率提高了54.3%。因此，使用互联网能显著提高中国家庭旅游消费水平的结论是稳健的。
5. 结论与建议
本文使用2018年和2020年中国家庭追踪调查（CFPS）数据，就互联网使用对中国家庭旅游消费的影响效应进行了实证研究，得到以下结论。（1）互联网使用能显著促进中国家庭旅游消费，进行稳健性检验后，回归结果依然显著；（2）从家庭总收入来看，互联网使用对所有收入家庭的旅游消费的正向效果均具有显著性，并且，对中等偏上家庭和高收入家庭的旅游消费的影响效果更强；（3）从家庭人口规模来看，互联网使用仅能显著促进小型家庭的旅游消费，而对中型家庭和大型家庭的旅游消费无显著影响；（4）从婚姻状态来看，互联网使用对促进在婚和非在婚状态的家庭旅游消费均具有显著性，且对非在婚状态的家庭促进作用更大；（5）从户主年龄来看，互联网使用对于中年组和老年组的回归结局均在1%的水平上显著，对家庭旅游消费有正向促进作用，但对于青年组的回归结果不具有显著性；（6）从教育水平来看，互联网的普及与使用正向影响中等教育和高等教育的家庭旅游消费，但对低等教育家庭的旅游消费影响不明显。
基于研究结果，本文提出了以下建议：（1）推动“互联网+智慧旅游”体系建设，为游客提供多维度全面化的旅游信息，提高家庭出游的便利性量、创新性和体验性。（2）提高互联网硬件基础设施建设，缩小不同群体之间的“数字鸿沟”，加强中老年群体的互联网普及度，并设计与开发适合中老年消费群体使用的旅游APP和旅游设备。（3）营造良好的互联网旅游消费环境，保障旅游消费者的权益，政府加强对于不诚信商家和旅行社不法行为的惩罚力度，激发旅游消费潜能。（4）进一步巩固义务教育成果，提高公民教育水平，加强偏远地区的教育扶持政策，包括但不限于入学优惠、提高教职人员待遇、推动学校的设施建设，并进一步扩大中等收入及以上的人群规模，可以有效促进我国家庭旅游消费者规模的扩大。
参考文献
[] 江小涓.高度联通社会中的资源重组与服务业增长[J].经济研究,2017,52(3):4-17.
[] 刘卫东.论我国互联网的发展及其潜在空间影响[J].地理研究,2002(3):347-356.
[] 罗珉,李亮宇.互联网时代的商业模式创新:价值创造视角[J].中国工业经济,2015(1):95-107.
[] 杨勇.互联网促进旅游产业动态优化了吗？[J].经济管理,2019,41(5):156-170.
[] 谢凯,秦志龙,张荣杰,&高云露.交通基础设施改善与家庭旅游消费——来自“高铁县”的经验证据.[J].数量经济技术经济研究.2023.004
[] 王兆成.年龄结构对城乡家庭旅游消费的影响——基于人力资本中介效应的分析[J].管理现代化.2023,43(04)
[] 张云亮,冯珺.中国家庭收入来源差异与旅游消费支出:基于中国家庭金融调查2011—2015年数据的分析[J].旅游学刊,2019,34(5).
[] 谢佳慧,张良.住房资产、住房负债与家庭旅游消费[J].旅游科学,2018,32(6),18.
[] 李慧兰,张龙,靳取.家庭特征、地区差异与陕西省家庭旅游消费——基于分层线性模型的研究[J].知识经济,2018,(22),3.
[] 向玉冰.互联网发展与居民消费结构升级[J].中南财经政法大学学报,2018,(4):51-60.
[] 杨光,吴晓杭,吴芷翘.互联网使用能提高家庭消费吗？——来自CFPS数据的证据[J].消费经济,2018,(1):19-24.
[] 姜欣言，王强.信息化时代互联网发展对城乡居民旅游消费的影响——基于结构异质性的分析 [J].商业经济研究,2022,(21).
[] Xie Y, Ping L. The Sampling Design of the China Family Panel Studies (CFPS) [J]. Chinese Journal of Sociology,2015,(4).
[] 刘利．退休如何影响城镇家庭消费：基于断点回归法的CFPS数据验证[J]．人口与经济，2018 (6)：64-76．
[] 高嘉诚,刘钥,李平.城乡家庭旅游消费的影响因素——基于cgss 2017数据的实证分析[J].福建农林大学学报:哲学社会科学版,2022,25(5),9.
胡宁宁,侯冠宇.数字普惠金融对家庭消费的影响路径研究——来自中国家庭微观调查的证据[J].经济问题探索,2023,(04).
[] 罗蓉,彭楚慧,鲍新中.互联网使用与家庭旅游消费--基于信息渠道的中介效应分析[J].旅游学刊,2022,37(4),15.
[] 魏翔,吴新芳,华钢.带薪休假能促进国内旅游消费吗？——基于“中国国民旅游休闲调查”的检验[J].旅游学刊,2019,38(6):14-27.
[] 郭继辉,王泽荣.数字普惠金融发展能促进家庭消费水平吗——基于CHFS数据的实证研究[J].贵州财经大学学报, 2022,(04).
[] 国家统计局：数据归类于中国经济数据库的社会人口
...