居民加杠杆影响消费的异质性效应分析——基于融合机器学习的因果推断方法

居民加杠杆是否能有效促进消费，已有研究从总量层面难以达成共识，这主要源于不同群体加杠杆对消费的影响存在差异。本文采用融合机器学习模型的GML(generic machine learning inference)因果推断方法，客观量化评估了居民加杠杆的异质性效应，并使用机器学习解释性方法识别了导致异质性效应产生的核心因素。主要得到以下结论：第一，居民加杠杆对消费的促进作用存在显著的异质性，最高效应组的处理效应约是最低效应组的2倍。第二，家庭人均可支配收入是导致居民加杠杆效应存在异质性的最核心因素，中等收入群体加杠杆对消费的促进作用显著低于低收入群体。家庭人均可支配收入因素的贡献率达到30%,明显高于其他特征因素。第三，影响不同收入群体加杠杆效应的核心因素不同。对中等收入群体而言，杠杆对消费促进作用偏弱的主要原因在于房贷压力；对低收入群体而言，杠杆对消费促进效果更为显著主要源于养老育儿等方面的刚性支出压力较大，需要依靠借贷弥补收支缺口。本文系统地分析了居民加杠杆效应的异质性及其产生根源，可为政策制定提供更多参考。