组群结构视角下异质性消费者的识别及成因分析

本文依据两期消费决策模型，利用CFPS家庭数据构建具有组群结构的面板结构模型，基于C-lasso方法根据数据自身特征，引入信息准则验证组群结构的存在，并确定组群数量和调整参数，从而实现对异质性消费者的自动识别。与传统方法和机器学习中的聚类方法相比，本文提出的方法的信息准则值较小，说明对异质性消费者的识别具有更高的精确度。实证结果表明，我国消费者可以划分为两个组群，而不同组群消费者的暂时性收入变化和家庭资产对消费的影响存在差异，家庭资产、受教育水平和城乡类别在不同组群消费者之间亦存在显著差异，这也验证了上述识别方法的科学性和客观性。此外，研究发现，家庭资产不同的流动性配置是导致消费者异质性的原因。