引言

改革开放以来，中国经济迅猛增长，创造了举世瞩目的增长奇迹。但在很长一段时间内，中国经济增长依赖于投资拉动，资本的边际报酬递减越来越显著。随着中国经济进入“新常态”，一方面，中国的发展目标从单纯追求经济增长转型到可持续发展，考察经济增长发展绩效也更重视质量和数量的“双赢”。另一方面，驱动经济增长的动力也逐步实现从投资到消费的转型，需要不断发挥消费对经济增长的基础性作用，推动经济的可持续发展。具体来看，中国居民消费率一直处于较低的水平，已经成为制约经济发展的一个亟待解决的难题(郭克莎 等，2015)。如表1所示，2013年中国居民消费率不但低于同期欧美等发达国家，也低于同期印度等发展中国家。同时，随着中国信息和通讯技术(Information and Communication Technology，简称ICT )的快速发展，信息化已经成为中国经济发展的一个新机遇，信息技术对推动经济增长尤其是消费需求上升带来了巨大的发展空间(刘湖 等，2016)。近年，在线购物、在线旅游、网络影视等方面发展迅速。如表2所示，2008—2015年期间中国网络零售交易规模一直保持着较好的发展态势，尽管中国网络零售已经进入了比较成熟的阶段，但是2015年网络零售规模仍然保持33.9%的增长速度，表明信息化已经成为促进中国居民消费的重要因素。因此，以信息化的大背景为依托，分析居民消费和经济增长质量的关系，对转型时期的中国经济的可持续发展具有重要的现实意义。

 

表1 部分国家2013年居民消费率(%)

  

中国印度印度尼西亚韩国蒙古国菲律宾泰国新西兰34．161．859．352．049．273．353．759．6法国德国意大利俄罗斯西班牙英国澳大利亚加拿大57．557．560．052．059．365．754．955．6

数据来源:《世界银行》数据库

 

表2 2008—2015年中国网络零售交易规模增长率(%)

  

年份2008年2009年2010年2011年2012年2013年2014年2015年增长率137．2107．2116．258．948．253．645．033．9

数据来源:中文互联网数据通讯中心

一、文献回顾与理论分析

20世纪末期，随着世界各国环境污染问题、资源问题的突出，提高经济增长质量从而实现经济的可持续发展得到了世界各国的普遍关注。目前，关于经济增长质量的相关研究也取得了一些阶段性的进展。例如：苏联经济学家卡马耶夫(1983)认为经济发展过程中，不但要增加产品的数量，也要不断提高供给产品的质量，促进生产资料效率和消费品消费效果的提升。钞小静等(2011)对中国经济增长的概念、评价等进行了比较深入和广泛的研究，他们认为经济增长数量反映了经济增长的速度，而经济增长质量是对经济增长优劣程度的考量，并认为经济增长质量是经济发展到一定程度下，经济发展效率、经济结构、经济社会福利和社会创新等方面的一个共同作用结果，是经济可持续发展的过程。经济增长质量提升实际上是经济发展方式的转变，张慧芳(2015)指出消费是稳定剂和长效药，是经济增长最根本的动力，是经济可持续发展的关键动力。国内外学者从多个角度对居民消费提升促进经济发展发生方式转型、经济增长质量提高进行了有益的研究。主要包括以下几方面：一是强调消费需求的增加能够促进产业结构的优化升级，从而直接带动经济增长质量的提升；二是强调消费需求能够促使经济发展方式由粗放式的发展模式向内涵式的发展模式转变，有利于引导投资方向，降低无效投资，提高资源的配置效率，促进社会资源的帕累托优化。张慧芳(2015)认为在新常态背景下，要改变经济增长长期倚重出口的局面，不断实现消费需求主导、三大需求协调互动，从而实现中国经济增长结构的“再平衡”；三是强调消费增长通过促进全要素生产率(Total Factor Productivity，简称TFP)来提高经济增长质量。楚尔鸣等(2014)认为消费能够通过市场机制作用提高各产业部门间的技术经济联系和制度的波及效应，从而提高TFP，他们对1980—2012年的中国TFP变化情况的实证研究也证实了消费对TFP提升的积极作用。四是强调消费能够通过提高劳动力素质，提高生产力从而实现经济增长的持续发展。程大中等(2006)研究发现服务消费对人力资本积累方面的积极作用。匡贤明(2015)认为消费是维系劳动力简单生产、实现劳动力再生产、促进劳动人力资本积累的基本途径，消费带来的人力资本积累直接促进了经济增长。

随着中国信息化进程的推进，互联网等信息技术将在发挥消费对中国经济增长质量提升方面表现更大的潜力。主要包括以下几方面：第一，信息化改变了消费活动的时间和空间限制条件,提供更加多样化消费市场。马克思指出：“活动和享受，无论是其内容还是存在方式，都是社会的，是社会的活动和社会的享受。”①互联网的发展，促进了人们购物环境的信息化、智能化与网络化，实现了人们消费方式、消费客体与消费主体的信息化；第二，信息化改变了产品消费的结构与质量。信息作为最重要的生产要素，通过强化和提高其他要素的功能与素质，将其他要素有序地组织与协调起来，极大地提高了企业的生产效率。信息作为企业组织内部一种宝贵的资源，它不但可以促进创新，加快产品开发，提高生产效率，同时还可以降低企业生产成本，促使规模经济，从而极大地提高产品质量。马克思强调，生产是消费的前提，互联网等信息技术的发展为丰富居民消费结构和提升消费质量提供了重要保障。对于现代商业企业来说，通过将信息管理系统运用到日常的存货管理等方面，可以扩大企业服务范围，同时降低风险，减少经营成本；第三，信息化能够实现消费资源使用边界延伸，提高产品的流通性。信息化下，共享经济丰富了消费需求池，使消费更加连续化，从而使闲置经济资源得到充分利用，提升了经济发展前景。郑志来(2016)指出，以信息技术为纽带的共享经济将闲置经济资源使用权短暂性的转移，使生产要素社会化流通，增加闲置资源的消费频率，使原有“一次性”消费模式转变为“再利用”模式，使消费过程和结果更加协调、绿色、开放和共享，是消费模式的巨大创新；第四，信息化通过需求导向优化企业生产、营销环节的资源配置，促进资源的帕累托配置，实现全要素生产率提升，提高经济增长质量(魏新颖 等，2017)。传统的的生产方式是企业负责生产而消费者被动接受的模式，随着大数据技术的产生，消费者和生产者之间的单一垂直关系被打破，生产者和消费者之间的分工关系更加模糊，继而更加融合化。消费者也逐步成为生产内容的贡献者，通过大数据对消费者偏好等信息进行及时有效的反馈，能够使生产过程更加迎合消费者的偏好和需求，同时由于最真实地迎合了消费者需求和偏好特征，产品库存和风险率也会大大降低，从而从整体上提高了企业生产效率。罗珉等(2015)认为互联网将使传统以供给为导向商业模式的价值链逐渐消失，转而实现以需求为导向的商业模式。江小涓(2017)指出互联网技术使社会经济各个层面互联互通，正在为居民消费需求的释放提供强大动力；第五，信息化提高了居民收入水平，降低了低收入水平居民的价格门槛，降低信息的不对称性，提升整体居民溢价能力与消费能力。收入水平仍然是影响居民消费的一个重要因素。低收入居民对产品价格反应更加敏感，信息化消费方式的产生，极大地降低了交易成本，提高信息的透明度，同时也增加了低收入居民对产品价格的可选择性与可接受性。

纵观文献，尽管国内外学者对居民消费和经济增长关系相关研究有了较为丰富的研究成果，但是以往的研究更多的关注了经济增长的数量，对经济增长质量相关的研究较少。同时，相关的研究也很少从信息化的视角分析居民消费和经济增长之间的非线性关系。鉴于此，本文基于信息化的视角，注重分析居民消费和经济增长质量的非线性关系，以期为转型时期的中国经济增长质量提供一定的实证分析。

二、模型建立与变量设置

(一)模型建立

本文在信息化的视角分析居民消费对经济增长质量的溢出效应，摒弃以往关于居民消费和经济增长的线性回归研究，基于Hansen(1999)提出的非线性的门槛回归模型，以各省信息化水平为门槛变量，通过测算各省经济增长质量水平，采用2003—2014年省级面板数据检验居民消费对经济增长质量的非线性影响。建立如下面板门槛回归模型：

模型(1)、模型(2)和模型(3)分别为居民消费、城市居民消费和农村居民消费对经济增长质量影响的方程，EQUALITYit为被解释变量，代表i省t年的经济增长质量；CONS it、CONSC it和CONSN it为门槛依赖变量，分别代表居民消费水平、城市居民消费水平和农村居民消费水平；INF it为门槛变量，代表信息化水平。ISit、HC it、INNO it为系列影响经济增长质量的控制变量，分别表示二三产业占GDP比重、人力资本和创新水平。γ为特定门槛值，1(.)为示性函数，当括号条件满足取1，否则为0。αi为截面效应，εit为随机误差项。

(1)

lnEQUALITYit=αi+β1lnCONSCit·1(lnINFit≤γ)+β2lnCONSCit·1(lnINFit>γ)+β3lnISit+β3lnHCit+β3lnINNOit+εit

(2)

因西藏省部分数据缺失，因此为保持数据口径相对一致，本文选取除港澳台和西藏外的30个省(区、市)2003—2014年的面板数据。除经济增长质量外，其他数据均来自于《中国人口统计年鉴》《中国统计年鉴》和各省相关统计年鉴。

(3)

lnEQUALITYit=αi+β1lnCONSit·1(lnINFit≤γ)+β2lnCONSit·1(lnINFit>γ)+β3lnISit+β3lnHCit+β3lnINNOit+εit

①与负对照组相比，复合酶A和复合酶B均有降低料重比的趋势，但没有达到显著性水平。且复合酶A组的效果要好于复合酶B组，复合酶A组比负对照组平均日增重提高了4.11%，料重比降低了2.83%。

通过调查发现，老年人日常生活能力下降的前几位分别为：打电话、使用交通工具、购物、做家务、备餐和洗澡，自己完全可以做的老年人分别占10.97%、15.01%、17.91%、25.98%、30.01%和32.03%（见表5）。各项目中老年人日常生活能力水平分布位置不全相同，主要反映老年人存在不同程度的功能性日常生活能力下降，提示老年人很难独立生活，不具备良好的日常生活能力。

(二)变量设置及数据来源

1.变量设置与描述

(1)被解释变量(经济增长质量)。就现有文献看，相关研究多是索洛余量(全要素生产率)作为经济质量的度量指标。但经济增长质量是一个广泛的概念，应该采取一套比较完备的评价体系来测算。本文考虑数据的可获取性，采用中国社会科学院《中国经济增长报告》中关于中国经济发展前景的测算结果。此评价体系从经济增长、经济增长可持续性、政府运行效率和人民生活4个维度构建10个二级指标、60多个基础指标来综合评价中国经济发展前景，能够比较全面的反应中国经济质量发展水平情况。

表4中固定效应和门槛模型回归结果中，产业结构对经济增长质量的影响系数都是显著为负，这并不说明产业结构升级阻碍了经济增长质量提升，而是因为当下中国产业结构还存在诸多需要改进升级的地方，从而影响到了中国经济增长数量和质量的“双赢”。这也是中国当下加快实现产业结构优化升级的重要原因。另外，创新水平在两个模型中对经济增长质量影响系数为正，但都没有通过显著性检验，表明尽管我国在科技方面取得了重大突破进展，但整体创新水平还仍然有待进一步增强，特别是应该进一步大力加强高精端科研技术创新，尤其是原创新科技创新，使中国逐渐成为世界创新强国，为中国实现经济长期增长注入动力。人力资本在两个模型中的系数都为正，但是显著性具有差异，可能原因在于，人力资本对经济增长质量影响更多的体现在人力资本在技术、管理、生产和经营等方面的应用，同时经济增长质量提升更多需要社会高素质和高技术的人力资本，在这方面中国仍然还有众多需要提升的地方。

(3)控制变量。在居民消费促进经济增长质量提升的过程中，主要通过优化资源配置，实现产业结构转型升级来提升经济发展水平，因此选取二、三产业占GDP比重来衡量产业结构水平；考虑到对长期经济发展来说，人力资本和创新水平是经济增长可持续性的关键动力，以6岁以上人口人均受教育程度来衡量人力资本水平(HC)((小学人口数×6+初中人口数×9+高中人口数×12+大专以上人口数×16)/6岁以上总人口),以每万人发明专利受理件数来衡量各省创新水平(INNO)。

依据居民消费对中国经济增长质量的双门槛回归结果，将中国各省信息化水平分为3组，高信息化水平省份(lnINF>7.842)、中等信息化水平省份(6.960INF≤7.842)和低信息化水平省份(lnINF≤6.960)，为比较清晰的分析中国各省12年期间信息化水平变动情况，分别选取2003、2006、2008和2014年各省的信息化水平进行比较分析，具体结果见表6所示。

2.数据来源与说明

当节点Ν离空洞越远,它的视图控制角θ就越小。当节点Ν离空洞足够远时,视图控制角θ就趋近于零。因此,当αmin=0时,凸包H的信息传输区域是整个网络。本文将信息传输区域内的节点称为空洞感知节点HAN(Hole Aware Nodes),其他节点称为盲节点BN(Blind Nodes)。

lnEQUALITYit=αi+β1lnCONSNit·1(lnINFit≤γ)+β2lnCONSNit·1(lnINFit>γ)+β3lnISit+β3lnHCit+β3lnINNOit+εit

几内亚BOFFA矿区总面积为1 248 km2，中央子午线为西经15°，测区范围为北纬10°33′00″～10°55′00″，西经14°00′00″～13°45′00″，测区东西宽27 km，南北长73 km，测区平均高程为Hm=130 m，取Rm=6 371 km，经上述UTM投影变形公式计算投影变形，在-27.3～-19.0 cm/km。

三、实证结果及分析

(一)门槛效应检验

表6显示，2003—2014年观察时间段内，中国各省(区、市)信息化水平都得到了很大幅度的提高，2003年有19个省份处于低信息化水平(lnINF≤6.960)，占据30个省份大多数，9个省份处于中等信息化水平(6.960CONC≤7.842)，只有北京和上海处于高信息化水平(lnINF>7.842)。2006年各省信息化水平进一步提高，没有省份处在低信息化发展阶段，23个省份处于中等信息化水平，占总省份的绝大多数，而辽宁、天津、浙江、福建和山东等5省信息化进入高等信息化水平发展阶段。2008年各省信息化水平又发生了新变化，高等信息化水平省份又进一步增加。到2014年中等信息化水平省份个数和高等信息化水平个数基本持平，各占15个，但是也发现中等信息化水平省份水平大多还是中西部地区省份。因此在十三五期间，中国应该进一步加强各地区信息化水平均衡发展，避免出现较大的“信息化鸿沟”。

 

表3 门槛效应与估计值检验结果

  

门槛依赖变量门槛变量门槛数BSF值P值门槛值95%置信区间临界值10%5%1%单一50037．890∗∗∗0．0007．842[7．835，7．846]14．82218．90428．018lnCONSlnINF双重50037．560∗∗∗0．0006．960[6．902，6．993]14．24816．77922．997三重5007．2300．8348．272[8．259，8．275]18．56921．32628．611单一50043．010∗∗∗0．0046．960[6．902，6．993]28．42433．13339．582lnCONSClnINF双重50040．440∗∗∗0．0007．842[7．835，7．846]13．88116．62521．359三重5006．0600．8908．272[8．259，8．275]17．22119．27824．271单一50053．730∗∗0．0166．960[6．861，6．993]42．33544．67758．798lnCONSNlnINF双重50051．200∗∗∗0．0007．842[7．835，7．846]12．01213．92619．059三重5009．8800．7168．192[8．075，8．210]21．17723．05827．876

注：*、**、***分别代表10%、5%和1%的显著水平;BS代表门限自抽举的次数

(二)估计结果

表4给出了居民消费对经济增长质量影响的面板模型固定效应回归和门槛模型回归结果，本文着重考察不同信息化水平下，居民消费对中国经济增长质量的影响程度。由表4看出当信息化水平(lnINF)低于门槛值6.960时，居民消费对经济增长质量的影响系数为0.2583，且通过了1%的显著水平；当信息化水平(lnINF)高于门槛值6.960而低于门槛值7.842时，居民消费对经济增长质量的影响系数为0.2709，且通过了1%的显著水平；当信息化水平(lnINF)高于7.842时，居民消费对经济增长质量的影响系数为0.2778，且在1%的水平上显著。由此看出居民消费对经济增长质量具有显著的正向影响，同时居民消费对经济增长质量的溢出效应对中国信息化水平具有很强的依赖性，这种正向作用正是由于信息化能够为居民消费提供更加多样化的消费环境，丰富的消费市场，并且提高居民消费能力和消费产品的选择性，提高企业生产和销售能力，并最终促进社会资源优化配置，实现中国经济增长质量的提升。

 

表4 居民消费对经济增长质量影响的门槛模型回归结果

  

变量面板固定效应回归回归系数T统计值及显著性面板门槛模型回归回归回归系数T统计值及显著性lnIS-0．2804-2．1000∗∗-0．1475-2．1700∗∗lnINO0．01840．51000．01500．8900lnHC0．02230．69000．08173．2700∗∗∗常数项0．36525．3100∗∗∗2．30197．0700∗∗∗LnCONS(lnINF≤6．960)0．25837．7300∗∗∗LnCONS(6．9607．842)0．27788．5700∗∗∗个体固定效应控制控制N360360R20．84450．871F142．540．54

注：*、**、***分别代表10%、5%和1%的显著水平

(2)门槛变量和门槛依赖变量。为考察居民消费对经济增长质量的溢出效应，选取居民消费水平作为门槛依赖变量，采用人均居民消费支出(CONS)来衡量居民的消费水平。同时，为进一步考察农村和城镇居民消费对经济增长质量的非线性影响，以城镇居民人均消费支出(CONSC)和农村居民人均消费支出(CONSN)来分别衡量城镇和农村居民的消费水平。最后，以信息化水平作为模型的门槛变量，相应的以各省人均邮电和电信业务量之和来衡量各省的信息化水平(INF)。

表5给出了分别以城镇居民人均消费水平对数和农村居民人均消费水平对数为门槛依赖变量，以信息化水平对数为门槛变量，分别考察在信息化视角下城镇和农村居民消费水平对中国经济增长质量的非线性影响情况。

 

表5 城镇/农村居民消费对经济增长质量影响的门槛模型回归结果

  

变量城镇居民消费回归系数T统计值及显著性农村居民消费回归系数T统计值及显著性lnIS-0．1278-1．8800∗-0．1699-2．3200∗∗lnINO0．02761．6800∗0．05393．1800∗∗∗lnHC0．10194．2100∗∗∗0．12284．6300∗∗∗CONS1．92645．4100∗∗∗3．17139．9900∗∗∗LnCONSC(lnINF≤6．960)0．25817．3600∗∗∗LnCONSC(6．9607．842)0．27758．1000∗∗∗LnCONSN(lnINF≤6．960)0．13344．2900∗∗∗LnCONSN(6．9607．842)0．15925．2500∗∗∗个体固定效应控制控制N360360R20．8690．871F28．9140．54

注：*、**、***分别代表10%、5%和1%的显著水平

表5显示，当信息化水平(lnINF)低于门槛值6.960时，城镇居民消费对经济增长质量的影响系数为0.2581，且通过了1%的显著水平；当信息化水平(lnINF)高于门槛值6.960而低于门槛值7.842时，城镇居民消费对经济增长质量的影响系数为0.2709，且通过了1%的显著水平；当信息化水平(lnINF)高于7.842时，城镇居民消费对经济增长质量的影响系数为0.2775，且在1%的水平上显著。与之相比较，当信息化水平(lnINF)低于门槛值6.960时，农村居民消费对经济增长质量的影响系数为0.1334，且通过了1%的显著水平；当信息化水平(lnINF)高于门槛值6.960而低于门槛值7.842时，农村居民消费对经济增长质量的影响系数为0.1505，且通过了1%的显著水平；当信息化水平(lnINF)高于7.842时，农村居民消费对经济增长质量的影响系数为0.1592 ，且在1%的水平上显著。其中城镇居民消费对经济增长质量的影响系数在第一个门槛处上升4.96%，在第二个门槛处上升2.44%，农村居民消费对经济增长的影响系数在第一个门槛处上升12.82%，在第二个门槛处上升5.78%。可以看出，相对于农村居民来说，城镇居民消费对中国经济增长质量的影响程度更大，主要有以下原因：一方面，中国特殊的城乡二元经济结构也决定了城乡之间明显的“消费二元结构”，农村居民消费不但在规模上和城镇居民消费具有一定的差距(毕玉江 等，2016) 。而另一方面，在消费层次和结构上和城镇居民也有很大的差异，如2016年中国城镇居民人均消费支出23079元，农村居民人均消费支出10130元，城乡消费差距比为2.28倍③。而在具体的消费产品内容方面，农村居民中的生存型消费仍然占有很大的比例，而城镇居民的消费中以享受型和发展型消费为主，这些消费尤其是发展型消费中的教育消费对人力资本水平和创新能力提升具有重要的作用，能够为全要素生产率提高进而提升经济增长质量产生重要的影响。但是随着农村信息化水平提高，信息化弥补了农村居民消费环境与服务的短板，为农村居民消费水平提升和消费结构升级提供了良好便捷的途径，其对中国经济增长质量的影响在门槛值左右具有更大的跳越。

(三)信息化水平变动结果分析

降水从6月25日21时(世界时,下同)开始至29日06时结束,主要降水集中在26—27日。26日00时—28日00时累计降水(图1)表明,雨带呈东西带状,大于100 mm的降水横跨河南东南部、安徽中部和江苏南部,3个降水中心分别在安徽霍邱(224 mm)、江苏金坛(307 mm)以及安徽南部的枞阳(241 mm)。苏南沿江降水大于200 mm,张家港和南京处于250 mm雨量线的东西两侧,降水量分别为248 mm和259 mm。

 

表6 中国30省市/区观察年份信息化水平分组情况

  

分组年份2003200620082014低信息化水平省份河北、山西、内蒙古、安徽、江西、山东、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏中等信息化水平省份天津、辽宁、吉林、黑龙江、江苏、浙江、福建、广东、新疆河北、山西、内蒙古、吉林、黑龙江、江苏、安徽、江西、山东、河南、湖北、湖南、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆安徽、江西、河南、湖北、湖南、广西、四川、贵州、云南、甘肃河北、山西、吉林、黑龙江、安徽、江西、山东、河南、湖北、湖北、广西、四川、贵州、云南、甘肃高信息化水平省份北京、上海北京、上海、辽宁、天津、浙江、福建、广东北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、福建、山东、广东、海南、重庆、陕西、青海、宁夏、新疆北京、天津、内蒙古、辽宁、上海、江苏、浙江、福建、广东、海南、重庆、陕西、青海、宁夏、新疆

模型1为总体模型，模型2和模型3分别为城市居民消费和农村居民消费模型。在进行回归之前，首先对模型进行门槛效应检验，以便确定门槛模型回归的设定形式②。检验结果如表3所示。表3中显示以信息化水平作为门槛变量，分别以居民消费水平、城镇居民消费水平和农村居民消费水平作为门槛依赖变量时，单一门槛效应和双重门槛效应均通过了显著性检验，而三门槛效应检验都没有通过显著性检验，因此模型(1)、(2)和(3)均存在两个门槛值，接下来选择双重门槛模型对模型(1)、(2)和(3)进行计量分析。表3还给出了相应模型(1)、(2)和(3)门槛估计值及其95%置信区间，结果显示三个模型的第一个和第二个门槛值都分别为6.960和7.842。

四、研究结论及政策建议

在中国经济结构转型升级的大背景下，实现中国经济增长数量和质量的“双赢”成为未来经济发展的新趋势，发挥消费对经济增长的基础性作用也成为适应经济新形势的内在要求。本文基于信息化的视角，分析不同信息化水平下居民消费水平、农村居民消费水平和城镇居民消费水平对中国经济增长质量的非线性影响，并检测发挥居民消费对经济质量促进作用的信息化拐点水平。研究结果显示：居民消费水平、农村居民消费水平和城镇居民消费水平对经济增长质量的提升都具有显著的双门槛效应。随着信息化水平的提升，居民消费水平、农村居民消费水平和城镇居民消费水平对经济增长质量的积极作用进一步加强。相对于农村居民而言，城镇居民消费对经济增长质量的影响效应更强，但在不同信息化门槛处农村居民消费对经济增长质量的影响系数跨域度更大。本文认为，信息化通过影响居民消费环境、丰富消费需求池、改善居民消费结构、提高消费商品流通性、增强居民消费能力与溢价水平和改善企业生产、销售过程的资源配置等途径来促进资源利用率和企业全要素生产率提高，进而强化居民消费对经济增长质量的溢出效应。本文在中国信息化发展迅猛的当下，较早地从实证角度肯定了信息化对促进居民消费、优化居民消费结构和企业资源配置进而促进中国经济增长质量提升方面的积极作用。

本文的研究具有的政策含义在于：首先，信息化在中国经济转型背景下在发挥居民消费对经济增长的基础性作用方面具有重要的潜力，但是也必须认识到，信息化是一个复杂的过程，信息化进程与各地区资源禀赋、人口素质、经济发展等都有着复杂的关系。因此，控制各地区信息化进程的均衡协调发展具有重要的现实需要，要防止信息化鸿沟的进一步扩大；其次，中国市场化程度还不够高，在实体经济中相关的法律、法规和基础设施都还需要进一步完善。那么对于网络经济来说更是一个新的商业模式，面临巨多挑战与风险，协调实体经济和虚拟经济发展是一个亟待各方面认真和思考的问题。因此，应该进一步科学、客观地认识与发展互联网经济，注重实体和网络经济的和谐共处；最后，对于广大农村居民来说，信息化知识还应该进一步提高，各级政府与监管部门应该引导网络经济的良好健康发展，优化网络消费环境，加强监管，及时维护消费者在网络市场中的合法交易权益。

①《马克思恩格斯全集》第42卷，人民出版社1979年版，第121-122页。

②本文面板数据处理采用Stata 14.0软件，门槛回归采用的王群勇的xthreg命令。

③资料来源于国家统计局网站。

2.4 两组患者术后满意度对比 观察组术后满意度显著高于对照组，差异有统计学意义(χ2=15.78，P<0.05)。见表5。

导师(通讯作者):裴丽(1970-)，女，教授，博士，主要研究方向为光纤通信、RoF、光纤传感. Email: lipei@bjtu.edu.cn

参考文献:

毕玉江，裴镇.2016.消费性作用下农村居民消费影响因素的差异研究[J].经济经纬(5)：120-125.

程大中,汪蕊.2006.服务消费偏好、人力资本积累与“服务业之谜”破解:Pugno模型拓展及基于中国的数值模拟[J].世界经济(10):49-58.

钞小静，任保平.2011.中国经济增长质量的时序变化与地区差异分析[J].经济研究(4)：26-40.

楚尔鸣，马永军.2014.消费增长能否提升经济增长质量——基于全要素生产率的分析[J].当代经济研究(4)：53-59.

郭克莎, 汪红驹.2015.经济新常态下宏观调控的若干重大转变[J].中国工业经济(11):5-15.

江小涓.2017.高度连通社会中的资源重组与服务业增长[J].经济研究(3)：4-17

卡马耶夫.1983.经济增长的速度和质量[M].陈华山等，译.武汉：湖北人民出版社.

匡贤明. 2015.消费拉动经济增长的前景——基于消费-人力资本-增长的途径分析[J].经济与管理评论(1):13-18.

刘湖，张家平.2016.互联网对农村居民消费结构的影响与区域差异[J].财经科学(4)：80-88.

罗珉，李亮宇.2015.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(1)：95-107.

魏新颖，王宏伟.2017.信息化对高技术产业全要素生产率的影响分析——基于面板门限回归模型的实证研究[J].统计与信息论坛(12)：34-41.

郑志来.2016.共享经济的成因、内涵与商业模式研究[J].现代经济探讨(3)：32-36.

张慧芳.2015.新常态下的经济结构：再平衡与新期待[J].经济学家(7)：5-12.

HANSEN B E.1999.Threshold effects in non-dynamic panels: estimation, testing and inference[J]. Journal of Econometrics, 93(2):345-368.