人口红利在经济增长中的意义

1、 欢迎阅读本文档，希望本文档能对您有所帮助!人口红利在经济增长中的意义 一、引言 近代以来，现代化一直与人口转变过程相伴随。不少学者从劳动力比较优势等供给的角度进行理论分析，人口因素受到很大重视（juliansimon，1987；simon，1980）。人口过程和经济过程是一体两面：人口过程包括人口的数量、质量、结构和分布等变动过程；经济过程包括工业化、城市化、现代化等过程。在人口过程中，人口结构逐渐引起人们的注意。bloom等人（1998）发现，过去的研究都只关注人口规模或人口增长，而忽视了人口年龄结构这个关键变量。在相等的人口变动规模下，由于不同年龄组人口的相对比重不同，不同类型的经济行为强度也会不同，人口转变过程所造成的人口年龄结构变化就成为影响经济发展的重要因素。一般来说，在劳动年龄人口比重高的情况下，人口生产性强，社会储蓄率也高，也就是社会追加的人口生产性为经济增长贡献一个具有促进作用的“人口红利”，一个国家或地区如果恰好处于人口年龄结构最富生产性的阶段上，并且能够对这种人口红利加以充分利用，经济增长就可以获得一个额外的源泉，创造经济增长奇迹。研究者又进一步认识到了老年抚养比

2、对经济增长的作用。lee和mason（2021、2021）提出人口老龄化将会产生第二人口红利。他们认为，进入老龄化阶段后的一二十年内，由于劳动年龄人口为退休而积累资产的动机增加了储蓄，整个社会的财富增加，而有效劳动力数量下降，从而提高了每个劳动人口的生产资本，单位平均资本收入进入了一个快速增长的时期，并且会在较长的一个时期内保持在较高的水平，继续推动经济增长。目前，凡是发达国家，人口转变都已经完成，而发展中国家，人口转变仍未完成。中国是唯一的例外，虽然经济尚处于发展中国家的行列，但是在过去短短30年左右的时间里，史无前例地实现了从“高出生、低死亡、高增长”到“低出生、低死亡、低增长”的人口转变模式，在2021年正式进入老龄化社会（邬沧萍等，2021、2021）。改革开放以来，按可比价格计算，在三十多年的时间里，中国的gdp增长了近14倍。这两个变化几乎是同步的，那么在中国特殊的国情中，人口红利作用于经济增长的效果如何，如何挖掘人口红利利用的潜力与不足，重点分析第二次人口红利时期的社会经济发展战略是一个具有重大实际意义的课题。 二、人口红利与中国经济增长研究综述 bloom等学者提出人口

3、红利概念以后，以中国的人口红利解释中国经济增长研究的也逐渐增多。cook（2021）认为，亚洲国家尤其是中国和越南经济的高速增长与经济结构和人口转变相伴而生，经济结构从农业向以城市化为基础的工业转变和有利的人口年龄结构，对于经济增长无疑有着重要意义。wang和mason（2021）对中国人口转变与人口红利的研究，把bloom等人的结论放在中国的发展经验中进行验证，证明了中国的人口转变促进了经济更快增长。蔡昉、王德文（1999）对中国人口转变过程与人口红利的关系进行了研究，认为建国以后的人口转变“大大减轻了人口抚养负担，提高了人口结构的生产性”，“在社会抚养少儿人口和老年人口负担较轻的条件下，产生了两个潜在的促进经济增长的源泉，即所谓人口红利”，使得中国从20世纪60年代中期开始享受人口红利，并一直持续到2021年前后（王德文、蔡昉等，2021；cai等，2021）。在中国的第二人口红利方面，巩勋洲、尹振涛（2021）分析了财富积累将如何推动经济增长；蔡昉（2021）认为，仅从人口老龄化时期储蓄动机角度来观察，在推动经济增长作用的程度上，尚不能构成堪与第一次人口红利相提并论的第二次人口红

4、利，老年人力资源也应该受到重视。通过文献整理，我们发现上述研究存在一些不足：以前的研究始终没有论证人口红利与经济增长的内生性（周祝平，2021）；总抚养比的变化可能是少儿系数和老年系数绝对或相对变化的结果，不多的定量和实证研究忽略了其变化的影响，也完全忽视这对经济和社会造成的不同影响，而这些影响恰恰是亟需研究的（邬沧萍，1999）。2021年中国正式进入老龄化社会，“第二人口红利”稍纵即逝，只是有存在的可能，很多问题比如中国是否存在第二人口红利和怎样增强和利用第二人口红利的研究相对较少。判断潜在人口红利是否为经济增长所利用，以及在多大程度上被利用，需要使用长期的经济增长数据、人口数据和其他影响经济增长的变量数据进行综合计量分析（bloom和williamson，1997）。因此，我们使用省级面板数据分析研究这几个问题。第一，“第一人口红利”是否为中国经济增长所利用，他们之间是否存在内生性。第二，中国已经进入老龄化社会，“第二人口红利”是否已经到来或者是否存在。第三，如何利用短暂的人口红利尤其是第二人口红利。如何将其效应进行延伸。人口红利与经济增长有可能受到潜在内生性问题的影响，采用普通

5、的面板回归难以解决。本文采用动态面板gmm估计，通过工具变量解决变量的内生性问题。 三、计量模型和数据 本文的目的在于检验人口红利与经济增长之间的内在关系而非研究经济增长的决定因素，所以我们只考虑重要变量的影响，参照以往研究，选择的变量如下。 （一）选择指标 （1）人均实际年收入（pgdp）：用来考察经济增长水平，由于获得的统计数据是名义gdp，因而要对数据进行调整，按照全国各种价格定基指数所提供的居民消费价格指数进行换算，得出当年的实际gdp再除以年末总人口，得到人均实际gdp。（2）物质资本投资比例（sk）：用固定资产投资占gdp的比例来表示。（3）人力资本的度量（pedunew）：人力资本测度一般有劳动力成本法、教育年限法、在校学生比例法和教育经费法等，各类方法都存在一定的优缺点（沈坤荣、李剑，2021）。本文借鉴陈钊等（2021）的估测方法来度量我国各省份的教育发展水平。计算方法如下：将每一种受教育水平按一定的受教育年限进行折算，然后乘以该教育水平的人数，再加总，最后除以相应的包含文盲的总人口便得到人均受教育水平，数据单位为人年。（4）经济体制变迁（pi）：政府财政收支占gdp

6、的比重来表示政府的参与程度，反映体制因素对经济增长的影响。（5）金融发展（fd）：在一个成熟的市场经济体中，衡量金融发展的指标主要包括金融机构存贷款占gdp比率、证券市场市值比率、证券市场流动性比率（levine，1997、2021）。我国证券市场发展于20世纪90年代初，发展时间较短而且对经济增长的影响较弱，故在此暂不考虑证券市场对经济增长的作用效应。同时，在金融不发达的国家或地区，金融中介的功能主要体现为信贷活动即资金的运用程度，而以存款/gdp来确定金融发展水平可能是不恰当的（王晋斌，2021），故本文采用金融机构年末贷款总额/gdp来表示金融发展。（6）对外贸易（trade）：改革开放以来，在开放政策的推动下，中国的进出口成为经济增长的重要动力之一。本文使用各省份进出口占gdp的比重作为代理变量。（7）城市化（urban）：由于中国大陆的城市政策变化很大，城市标准不一，所以使用城市劳动力占总劳动力的比重表示城市化水平。（8）技术进步（rd）：技术进步通常被认为来源于人力资本投资和r&d的投入（lucas，1988；romer，1990）。我国r&d支出主要来自于

7、国家财政投入，民间投资较少；健康素质的提高也是人力资本的一个方面（张车伟，2021；王丰，2021），在我们已经考虑了教育水平后，也要考虑健康；技术进步指标选择财政支出中用于科研、卫生的人均经费支出（科卫经费/全社会总就业人口）来表示。（9）迁移（em）：迁移代表人力资本的流动，使用各省净迁移率来表示。（10）人口红利指标的选择：目前，对于人口红利的研究尚处于起步阶段，关于人口红利的定义也众说纷纭，但都认同人口红利包含两大基本要素：一是劳动力数量和比例相对较大；二是抚养负担相对较轻。王丰（2021）认为，处于劳动年龄段的人口未必都参与生产，被抚养的人口未必不参与劳动，因而最好使用参加工作的劳动力人口所承担的抚养人数，即抚养人数/劳动力人数。但是，由于经济活动人口受到其他经济因素的影响很大，产生严重的共线性，因此本研究仍旧选择人口年龄结构，分为少儿抚养比（cdr）、老年抚养比（odr）和总抚养比（tdr）。 （二）研究方法 对于解决数据中可能存在的内生性问题，islam（1995）建议将增长区间划分为几个更短的区间，从而可以应用固定效应或差分变换等面板数据方法，有效地消除随时间变化的地区

8、非观测效应，以减轻估计误差，缩小内生性。然而，固定效应估计量尽管可以减轻一部分省略变量误差，仍然不能排除某些随时间变化的未观测因素可能同时造成的内生性问题，仍然可能是不一致的。arellano和bond（1991）提出的一阶差分广义矩，可以有效控制某些解释变量的内生性问题，即dif-gmm估计（first-differencedgmm）。dif-gmm的基本思路是求差分，然后用一组滞后的解释变量作为差分方程中相应变量的工具变量，避免因变量和自变量之间的反向因果关系。在选择解释变量时，我们充分考虑了经济增长影响因素的复杂性，采用的基本模型表达为：it0it1itiitpgdppgdpecu。=+（1）其中，i、t分别代表地区和年份，itpgdp与it1pgdp。分别为地区i在t和t1时刻的人均实际年收入。itec为自变量；i、itu分别表示地区效应及残差。为消除地区固定效应i的影响，对式（1）进行差分转换，得到：itit1ititpgdppgdpecu。=+（2）在式（2）中，滞后被解释变量的一阶差分项itpgdp与差分误差项itu存在较强的相关性，可能导致内生性。动态面板采用工具变量法

9、来解决这个问题，即以滞后项itkpgdp。为工具变量（arellano和bond，1991），并且可以通过矩约束条件来获得有效的参数估计：（，）0itkitepgdpu。=，其中，k2（3）当解释变量严格外生时，应满足矩条件：（，）0，itkitepgdpu。=此时k为任意值；当解释变量为弱外生变量或内生变量时，应满足矩条件：（，）0，itkitepgdpu。=此时k2。由于差分gmm的滞后项工具变量与差分项内生变量之间的相关性较小，易产生弱外生工具变量问题，而且差分后还滤掉了非时变参数的影响（blundell和bond，1998；bond等，2021）。为了克服这一问题，arellano和bover（1995）、blundell和bond（1998）提出了另一种gmm估计量，即sys-gmm估计量（systemgmm）。其基本思想是将水平式（1）作为补充纳入估计方程，最终采用水平方程和差分方程进行估计。这时，水平方程因变量滞后项itpgdp采用其差分滞后项it1pgdp。作为工具变量。对于系统gmm估计而言，结合了差分方程和水平方程，还增加了一组滞后的差分变量作为水平方程相应变量的工具，相对来说具有更好的有限样本性质，更能控制内生性。根据对权重矩阵的不同选择，系统gmm估计可分为一步（one-step）和两步（two-step）估计。bond等（2021）认为，在有限样本条件下，两步gmm的标准协方差矩阵能更好地处理自相关和异方差问题，但同时也存在向下偏倚的缺陷，从而影响统计推断。因此，xtabond2在xtabond的基础上进行了改进，通过二步协方差矩阵对样本进行纠偏，从而使两步系统gmm比一步法更加有效（roodman，2021）。此外，对于gmm估计量是否有效可行，bond等（2021）指出了一种简单的检验办法，即将gmm估计值分别与固定效应估计值及混合ols估计值比较。由于混合ols估计通常严重高估滞后项的系数，而固定效应估计则一般会低估滞后项的系数。因此，如果gmm估计值介于两者之间，则是可靠有效的。本文在模型中加入了动态变量，以便更好地分析人口红利对经济增长

《人口红利在经济增长中的意义》由会员s9****2分享，可在线阅读，更多相关《人口红利在经济增长中的意义》请在金锄头文库上搜索。