添加糖标识引发的异质化消费者反应：来自美国营养成分表更新的证据

《Food Policy》：Heterogeneous consumer responses to added sugar disclosures: Evidence from the U.S. nutrition facts panel update

　　

# 摘要

近年来，通过提供信息来促进行为改变的健康与营养政策日益受到欢迎，部分原因在于其实施成本相对较低。本研究考察了营养事实标签（NFP）更新——特别是关于添加糖的披露——对美国碳酸软饮料（CSD）消费的不均匀影响。利用2017年至2020年间涵盖9989个美国家庭的NielsenIQ家庭面板数据，我们首先在标签实施前后估计了一个双重差分（DID）框架作为基线分析。我们发现，该政策在总体上导致了CSD购买的显著减少。随后，我们采用因果森林方法考察异质性处理效应，表明反应会因家庭人口统计特征和态度特征的不同而系统性地变化。低收入和受教育程度较低的消费者表现出更强的减少效果，而高收入、注重健康的家庭——他们已经将更健康的产品属性列为优先——受到的影响较小。消费者对不同食品属性的态度也起着关键作用。情景分析表明，预测的对披露的反应在不同健康偏好维度上存在差异，对最不敏感的家庭群体仅有微弱的关联，而对高消费群体则呈现出更多样的模式。这些发现强调了在政策设计中考虑消费者异质性的重要性，并表明标签政策可以通过有针对性的干预措施加以补充，以最大化其效果。

# 引言

糟糕的饮食选择，特别是对含大量添加糖的加工食品的过量消费，是导致2型糖尿病、肥胖和心血管疾病等慢性疾病上升的主要因素（Luiten等，2016；Fisher等，2016）。对此，决策者日益将营养标签视为提高消费者意识和鼓励健康饮食选择的关键策略（Caswell和Mojduszka，1996；Golan等，2001；Graham等，2012；Cowburn和Stockley，2005）。这一政策方法于1993年在美国正式确立，当时美国食品药品监督管理局（FDA）首次强制要求营养事实标签（NFP），规定预包装食品必须标注标准化的营养成分标签（Wartella和Boon，2010）。

近几十年来，添加糖被确定为特别重要的饮食风险因素，导致政策关注度的提升。尽管《2015-2020年美国居民膳食指南》建议添加糖占每日热量的10%或更少，但美国人平均有13%的热量来自添加糖，9至18岁青少年的这一比例高达17%（Dietary Guidelines Advisory Committee等，2015）。2016年，FDA对NFP进行了自1993年以来最重大的修订，其中包括——在其他变更之外——新增了一项关于添加糖的强制性披露。此次修订的主要目标是向消费者提供清晰且更具显著性的信息，特别是鉴于已充分记录的添加糖摄入量与负面健康结果之间的联系。

虽然经济理论表明，向消费者提供更多信息可能导致更好的决策（Zhu等，2016；Shangguan等，2019），但关于标签政策有效性的实证证据仍然好坏参半。越来越多的研究表明，修订后的NFP元素平均上会影响消费者的购买决策（Neuhofer等，2020；Kim等，2021a；Du等，2021）。然而，先前的研究也强调，消费者对标签的反应因人而异，取决于饮食习惯、健康状况、社会经济地位或行为倾向等因素（Elshiewy等，2016；Grebitus和Davis，2017；Neuhofer等，2020；Kim等，2021b）。因此，仅关注平均效应可能会掩盖行为反应中大量的异质性。

从政策角度来看，营养标签可以被视为一种行为助推，它在不妨碍选择或不改变价格的情况下改变消费者的信息集。这一框架的一个重要启示是，标签政策的福利相关性不仅取决于其平均上是否有效，还取决于谁对其作出反应。如果基线消费量较高——其行为具有更大潜在健康后果——的消费者同时也是对信息性助推最敏感的群体，那么标签可能有效地触及这些高优先级个人，而无需明确的目标定位，从而避免更具干预性政策相关的行政成本或公平性问题。近期研究表明，助推的福利效果关键取决于基线知识和消费模式（Allcott等，2025）。这一视角促使我们系统考察对NFP更新的异质性处理效应。

本文使用2017年至2020年间涵盖9989个家庭的NielsenIQ家庭面板数据，量化了更新的NFP中添加糖披露对美国家庭层面碳酸软饮料（CSD）消费的异质性处理效应。我们采用双重差分（DID）框架作为基线识别策略，然后应用因果森林估计来探索处理效应如何因不同家庭的人口统计和行为特征而异。因果森林方法是一种扩展传统计量经济技术的途径，允许对处理效应异质性进行灵活的非参数估计（Wager和Athey，2018；Athey和Wager，2019）。与需要关于函数形式强假设和预定义子组的常规参数模型不同，因果森林自适应地分割数据以发现处理效应变化的模式。这在我们的研究环境中尤其有价值，因为对添加糖披露的反应可能取决于大量的社会人口和行为因素。通过利用这一方法，我们确定了不同的消费者细分市场，他们对NFP更新的反应各不相同，从而更深入地理解了标签政策如何影响异质性群体中CSD的购买。

我们的结果揭示了处理效应的巨大异质性，家庭层面的条件平均处理效应（CATE）范围为每季度-230.12至59.86盎司，平均值为-11.88盎司。低收入、低教育水平和较高基线CSD消费的家庭表现出更负面的处理效应，表明对添加糖披露有更大的绝对行为反应。相比之下，高收入和更注重健康的家庭似乎受更新的影响较小。值得注意的是，一部分最不敏感的households表现出略微正面的处理效应，表明在标签更新后CSD购买略有增加而非减少。这些模式表明，反应性的异质性反映了基线信息和消费的差异，而非均匀的行为摩擦，并且信息性助推有效地触及了最可能从添加糖含量披露中受益的人。由于信息变化在汽水类别中可能较小，而在添加糖披露揭示更多新颖信息的类别中更大，因此这里估计的效果可以合理地被视为主该类型标签政策潜在影响的保守下界。

我们进一步进行了情景分析，考察当家庭层面的健康属性重要性值发生偏移时，因果森林的预测处理效应如何变化。在最少反应的家庭中，预测处理效应仅在这些偏好维度上有轻微变化，即使在最有利的情况下，群体平均预测CATE仍保持正值。在高消费家庭中，预测处理效应相对于其每季度1404盎司的高基线消费同样对健康属性重要性的偏移不太敏感。这些模式与以下观点一致：仅靠态度渠道不太可能为这些群体产生反应性的大幅变化，需要结构性干预措施来补充标签政策以应对最重消费者。

通过将因果机器学习与政策相关的情景分析相结合，本文在几个关键方面做出了贡献。首先，它利用因果森林估计提供了关于消费者对添加糖标签异质性反应的新型大规模显示偏好证据，记录了大量家庭特征中处理效应变化的方向和幅度。其次，它展示了消费者对健康食品属性的既有态度如何塑造对标签的反应性。我们的发现表明，仅关注平均处理效应会掩盖这些个人态度、消费模式和生活方式因素如何结合，以决定消费者因添加糖披露而改变含糖饮料消费的复杂方式。第三，它提供了关于信息性助推如何差异化影响消费者群体的新见解，为政策设计讨论提供了参考，而无需依赖明确的目标定位。此外，情景分析刻画了模型的预测处理效应如何跨健康偏好维度变化，为哪些态度因素与预测反应性的变化关联最强以及何处需要进一步调查补充干预提供了暗示性证据。

本文其余部分结构如下：第2节提供美国营养标签和CSD市场的制度背景。第3节详细描述数据并提供初步的描述性分析。第4节呈现实证策略并讨论估计结果。第5节报告后估计分析和情景分析。第6节总结并讨论政策含义。

# 第2节 制度背景：美国的营养标签与碳酸软饮料

在美国，政府对食品和饮料产品标签的监管可追溯到两百多年前。1906年，西奥多·罗斯福总统签署了《食品和药品法》（通常称为Wiley法案），以防止"掺假或标签不当"的食品或药品被生产，首次要求所有标注的重量和度量必须准确报告，并且必须在包装上披露十一种有害成分（包括酒精、海洛因和可卡因）。

# 数据与描述性证据

本研究利用NielsenIQ的两个数据集（2017至2020年）来考察更新的NFP对消费者购买行为的影响。第一个数据集是NielsenIQ消费者家庭扫描数据，为每个参与家庭提供详细的出行层面购买记录，包括UPC层面的已付价格信息、销售数量、产品特征（如包装尺寸、购买数量、品牌名称）以及交易细节（如购买地点和日期）。此外……

# 更新NFP的效果

为了评估更新的NFP上添加糖披露的影响，我们首先使用DID回归方法估计一个基线平均处理效应，以捕捉平均家庭对政策的整体反应。虽然DID回归对于估计平均效应很有用，但它固有地假设处理效应在所有观测值上是均匀的。为了应对这一局限性，我们随后应用因果森林算法，该算法允许灵活的非参数估计……

# 关键家庭群体的后估计分析

图3记录了家庭层面处理效应的巨大异质性。虽然平均CATE为每季度-11.88盎司，且78.20%的家庭表现出负面的处理效应，这证实了添加糖披露减少了大多数家庭的CSD消费，但分布范围从每季度-230.12至59.86盎司广泛不等。这种异质性提出了一个重要的政策问题：对于哪些家庭，添加糖标签未能奏效，以及可能的原因是什么……

# 结论

本研究考察了2016年NFP更新引入的添加糖披露对美国家庭碳酸软饮料消费的异质性影响。利用2017年至2020年间涵盖9989个家庭的NielsenIQ家庭面板数据，我们估计了一个DID模型作为基线，发现该政策导致常规CSD购买平均显著减少了每季度19.38盎司。因果森林估计揭示了这个……

# CRediT作者贡献声明

张宇翔：撰写——审阅与编辑、撰写——原稿、可视化、方法论、正式分析、数据整理。刘一造：撰写——审阅与编辑、指导、方法论、正式分析。James Sears：撰写——审阅与编辑、指导、方法论、正式分析。

# 资助

本手稿未获得任何资金来源的支持。

# 利益冲突声明

作者声明他们没有已知的竞争性经济利益或个人关系，这些关系可能影响本文所报告的工作。

张宇翔 | 刘一造 | James Sears
碳中和与气候变化推进，社会枢纽，香港科技大学（广州），中国广州