| Contact Us | CHT | Mobile | Wechat | Weibo | Search:
Welcome Visitors | 登录 | 免费注册 | 忘记了密码 | 社交账号注册或登录

Home

News

Forums

Realty

大温餐馆点评

Car

Education

Yellow Page

Travel

中共专家为刺激消费盯上1.8亿农民工…

QR Code
请用微信 扫一扫 扫描上面的二维码,然后点击页面右上角的 ... 图标,然后点击 发送给朋友分享到朋友圈,谢谢!



2007年2月8日,中国农民工到上海站坐火车返乡过新年。 (Mark Ralston/AFP via Getty Images)

中国疫情防控三年,导致大批企业倒闭及人员失业,在经济持续下行的情况下,底层民众已不敢随意花钱。近日,中国社科院的专家在一次论坛上讲述如何刺激1.8亿农民工消费的言论,引起不小争议。


7月8日,青岛市政府主办了“2023青岛·中国财富论坛”,青岛市长赵豪志等官员以及官方机构的多名专家出席了开幕式。

在这次论坛上,原中共中央财经领导小组办公室副主任杨伟民、中国社会科学院原副院长蔡昉、中国央行研究局巡视员周学东、原中国银行保险监督管理委员会首席检查官王朝弟等作主旨演讲。

其中,中国社会科学院原副院长、中国社会科学院国家高端智库首席专家、央行货币政策委员会委员蔡昉认为,户籍制度改革可以立竿见影刺激消费。

“我算了一个帐,农民工按照他的消费能力,就是说他的收入来看,他的消费被抑制23%。如果按照他的收入水平,他是可以做到这个消费的,但是因为他没有公共服务,没有社会保障,他有后顾之忧,要存钱,因此他的消费意愿被压低了,这个幅度大家认为是23%。反过来就意味着说,如果你解除了他的后顾之忧,他就可以提高接近30%的消费,而且是在没有收入增长的情况下。”蔡昉称。

蔡昉还做出情景假设称,户籍制度改革可以把目前已经进城的1.8亿农民工消费意愿释放出来,那个总额度自己做了一个非常粗略的推算,大概是在2万亿以上。


蔡昉强调,“不管是不是2万亿,但是它是万亿级的。万亿级的新消费对应的是疫情期间万亿级的超额储蓄、过度储蓄。比如说按照GDP的3%来算,我们三年被造成的过度储蓄,大概至少也应该是3.6万亿。你用几万亿水平的新消费去抵销3.6万亿的过度储蓄,其实效果还是非常明显的。”

蔡昉的上述言论被媒体报道后在网络上引发很大争议。

不少网民评论说:“所谓的户籍制度改革无非是让农民进城买房落户,增加消费。但农村人口大量进城背后的社会问题,包括就业、住房、教育、医疗,现在很多城市都无法解决,即使放开,农民进城落户的意愿也不会太大。”


“整天想着如何将农民工那点微薄的血汗钱刺激出来,这两个问题专家们考虑过吗:1、户籍改变,消费价格上涨,更不敢消费;2、户籍改变,生活来源更少,哪敢扩大消费。而且,这些农民工的未来保障风险更大。这种提法,不仅短视,而且害国害民,不知道这专家是没水平,还是心有叵测?”

“以刺激消费为目的的户籍改革就是耍流氓,说直白点还不是盯上了老百姓口袋中的那点血汗钱,为啥不去盯着那些378个权贵在国外存款7.8万亿?三年疫情管控搞得底层是一屁股帐,还有多少储蓄?有老有小的,需要用钱的地方太多了,如果不从根本上解决住房、医疗、养老、上学、失业等问题,老百姓哪敢随便消费呀!”

实际上,刺激农民工消费并非蔡昉首次提出,曾担任中共经济体制改革研究基金会任秘书长、北京大学经济学教授樊纲此前就多次公开提及。

几个月前,樊纲在一次财经年度对话上的一番言论曾引发不小争议,他认为:很多农民工将农村的宅基地当别墅,只是在过年的时候回家住上几天,实际上大多数时间生活在城市,这样的行为无疑是对农村土地的一种浪费,可以将闲置宅基地用于房地产开发。


觉得新闻不错,请点个赞吧     无评论不新闻,发表一下您的意见吧
Prev Page12Next Page
Note:
  • 新闻来源于其它媒体,内容不代表本站立场!
  • _VIEW_NEWS_FULL
    _RELATED_NEWS:
    _RELATED_NEWS_MORE:
    _POSTMYCOMMENT:
    Comment:
    Security Code:
    Please input the number which is shown on the following picture
    The Captcha image
    Terms & Conditions    Privacy Policy    Political ADs    Activities Agreement    Contact Us    Sitemap    

    加西网为北美中文网传媒集团旗下网站

    Page Generation: 0.0359 Seconds and 4 DB Queries in 0.0012 Seconds