经济新常态、人口红利衰减与经济增长

韩秀兰，赵 敏

（山西财经大学统计学院，山西太原030006）

一、引言

改革开放以来，中国的GDP总量增长了35倍，保持了高达9.4%的年均增长率。①如果说中国经济增长的充分条件是改革开放，那么必要条件就是人口红利（蔡昉，2018）[1]。人口红利是描述人口年龄结构特征的指标，通常指劳动年龄人口占总人口的比重。较高的劳动年龄人口比重为经济发展提供了充沛的劳动力供给，不仅可以通过提高人口结构的生产性来创造更多社会财富，保证有更多资源投入到生产性活动中，从而促进劳动者自身人力资本和社会资本投资进行扩大再生产，还可以激发更高的住房需求、货币需求以及其他的生产性配置，进而促进地区经济增长（钟水映、李魁，2010）[2]。部分研究表明，中国“增长奇迹”的实现离不开中国的“人口奇迹”：在1982—2000年间，中国人口红利为经济增长贡献了 15%（Wang and Mason，2008）[3]；在 1978—2008年间，中国人口红利每年对经济增长的贡献率在 3%左右（车士义等，2011）[4]；在 1979—2014 年间，人口红利对我国经济增长的贡献率为4.57%（田伟，2018）[5]。一个国家或地区的人口及其结构可以通过劳动力、技术、金融、商品和服务等各大要素市场的综合作用对总供给和总需求产生深刻影响（李建民，2015）[6]。

需要特别指出的是，中国的人口结构和经济增长特征都已发生了不同以往的显著变化。2013年之后，中国15至64岁劳动年龄的人口规模出现了113万的缩减，②人口红利开始持续下降，标志着我国进入“人口新常态”阶段。从2012年开始，我国GDP增长率出现了较大幅度的下滑，由2011年的9.6%降至7.9%，说明中国由高速增长进入中高速增长的“经济新常态”阶段。人口新常态不仅是我国经济新常态的决定因素之一，同时也是新常态下经济运行的基础性条件。那么，在新常态下中国人口红利衰减对经济增长的影响有多大？中国经济如何突破人口结构的硬约束从而实现可持续增长？这两个问题均值得进一步探讨。

二、文献综述

关于人口红利对经济增长的影响研究存在多种增长理论模型，如早期研究中视人口因素为外生变量的Solow（1957）[7]新古典增长理论模型，而在后期研究中 Romer（1986）[8]和 Lucas（1988）[9]的新增长理论、Bloom 和 Williamson（1998）[10]以及 Mason 和 Lee（2005）[11]的人口红利理论则将人口年龄结构纳入模型作为内生变量来对待。另外，还有将生命周期储蓄与内生增长相结合的一般均衡模型（Futagami and Nakijima，2001）[12]，以及视人力资本积累为内生变量的世代交叠模型（Choi and Shin，2015）[13]等。在国内文献中，以这些理论模型为基础并加以改进的研究比较丰富，主要包括基于Hartwick-Solow框架的新古典优化增长模型（张宗坪，2009）[14]、引入人力资本和劳动力负担因素的Solow-Swan增长模型（钟水映、李魁，2010）[2]、对经典Solow模型进行扩展的Romer资源经济增长“尾效”模型（王伟同，2012）[15]、基于省际数据的面板模型（郑君君等，2014）[16]、基于人口结构分解的哈佛模型（王桂新、干一慧，2017）[17]、基于劳动力供给和资本投资的经济增长模型（盖骁敏、张双双，2018）[18]等。这些实证研究基于不同的经济增长理论，包含的变量和采用的数据不完全相同，所得结论也存在差异。众所周知，作为定量分析的重要工具之一，计量经济模型的应用大都局限于一系列经典假定，而现实中数据很难满足这些假定，这就导致很多文献的实证分析忽略了这些假定，从而难以保证相应量化结论的可靠性。而且，计量经济模型普遍包含剩余项，意味着解释变量对被解释变量的解释始终不能净尽。

与已有文献不同，本文通过构建规范的综合指数并应用统计分解分析技术来研究中国人口红利和经济增长之间的关系。在该方法中，经济增长指数被构建为由劳动生产率、劳动参与率、人口红利、人口规模等因子所共同决定的综合指数，再应用适当的统计分解分析技术将经济增长综合指数的变化进一步分解为多个影响因子的效应，从而揭示中国人口红利与经济增长之间的关系。为了分解净尽，本文应用对数平均D氏指数方法（LMDI）进行分解，并基于国家和区域两个层面展开相应分析。

三、方法设计

（一）引入人口红利因子的GDP综合指标的构建

以GDP表示国内生产总值，设E为从业人口、L为劳动力人口、P为总人口，并以下标i表示地区，则全国的国内生产总值可表示为各地区增加值之和：

其中，LPi=GDPi/Ei，是地区增加值与就业人口的比值，即地区全员劳动生产率，体现的是劳动者的素质和能力，也体现了整体生产环境下的科技、装备和管理水平，反应了我国就业人员创造社会财富的能力；ERi=Ei/Li，是地区就业人口占总劳动力人口的比重，即劳动参与率；DVi=Li/Pi，是劳动力人口占总人口的比重，也被称作人口红利，是衡量人口结构的重要指标。显然，国内生产总值可表示为由劳动生产率因子（LP）、劳动参与率因子（ER）、人口红利因子（DV）和人口规模因子（P）所共同决定的综合指标。

（二）GDP综合指标变化的分解

综合指标跨期变化是多个因子共同变化的结果，GDP综合指标增量变化可用加和的形式初步表示为：

GDP综合指标更一般的跨期变化以乘法形式表示为发展速度指数：

将包含多个因子的综合指标增量变化分解为各因子变化之和，将其发展指数分解为各因子发展指数之积，这无疑是最理想的分解形式。Ang（2004）[19]提出的对数平均D氏指数（logarithmic mean Divisia index，LMDI）方法就能达到此要求，该方法具有可加性、可乘性和因素可逆性，能较好解决因子分解中的剩余问题（Ang and Huang，2009）[20]。GDP 的跨期变化既可从增量变化角度进行加法分解，也可从发展指数角度进行乘法分解。基于LMDI方法可将式（2）的增量变化进行加和分解：

其中，Wi为加法分解中各因子的赋权，采用了对数平均权重的形式：

可见，GDP综合指标增量变化可分解为多个因子的增量变化之和，ΔGDPLP、ΔGDPER、ΔGDPDV、ΔGDPP依次为劳动生产率效应、劳动参与率效应、人口红利效应和人口规模效应，其中各因子效应都表示在其他因子保持不变的条件下仅由该因子变化所导致的GDP增量。

基于LMDI方法可将式（3）的发展速度指数进行乘法分解：

式（7）中的各因子指数可表示为：

可见，GDP发展速度综合指数可分解为多个因子指数之积，ILP、IER、IDV、IP依次为劳动生产率效应、劳动参与率效应、人口红利效应和人口规模效应，其中各因子指数效应均表示在其他因子保持不变的条件下仅由该因子变化所导致的GDP发展速度指数。基于各因子共同影响的GDP发展速度指数，就可得出各因子导致的GDP增长率指数。③

四、实证分析

本文基于2002—2017年的数据进行实证分析。④劳动人口指15至64岁的适龄人口。本文在对全国层面进行分析后，又将全国分为东北、北部沿海、东部沿海、南部沿海、黄河中游、长江中游、西南地区、大西北八个区域进行比较分析。⑤

（一）描述性统计

表1为全国各指标的描述性统计结果。可见，在2002—2017年间，中国经济增长表现出了先升后降的趋势；在2002—2007年间，我国GDP保持了近12%的年均增长率，尤其是2007年的增长率高达14.2%；由于受全球金融危机影响，2008年的经济增长率大幅下降，2010年又有所回升，2011年开始中国经济出现结构性调整，经济增长进入中高速增长并缓慢下降的新常态阶段，增长率保持在7%左右。在考察期内，人口规模持续上升，平均每年新增人口约700万人。人口红利在2002—2011年间持续上升，由70.49%升至74.40%，2012年开始递减，2017年减少为71.83%。随着经济新常态和人口新常态的出现，中国的劳动参与率和劳动生产率并没有下降，而是保持了持续稳步增长态势，其中劳动参与率由2002年的75.80%升至2017年的83.18%，劳动生产率由2002年的人均1.01万元升至2017年的人均1.89万元。鉴于经济增长和人口红利指标的阶段性趋势特征，本文后续以2011年为“新常态”分界点进行分段分析，以期得出更有意义的结论。

八大经济区域各指标的描述性统计结果见表2。可见，各指标都存在区域间差异，且有些区域的部分指标表现与总体趋势也不一致。在2002—2011年间，各地区经济都呈增长趋势，其中增长较快的是黄河中游和北部沿海区域，9年间的地区GDP年均增长率保持在9.0%以上。这期间经济增长较慢的是南部沿海和东部沿海区域，其GDP年均增长率都不到4%。在2011—2017年间的新常态阶段，各区域经济增长减缓，但黄河中游和北部沿海区域经济增长仍较快，保持了4%以上的年均增长率。这一期间的东部沿海区域经济增长仍然较慢，其GDP年均增长率不到1%，而大西北地区则出现了负增长。对于人口规模，在这两个阶段并非所有区域都呈现出持续增长态势，其中2002—2011年的西南区域人口规模发生了下降，2011—2017年的东北地区人口规模发生了下降。对于劳动生产率，大部分区域在这两个阶段都有所上升，而南部沿海区域在这两个阶段都有所下降，且大西北区域在新常态阶段也有所下降。对于劳动参与率，大部分区域在两个阶段都保持了上升态势，而东部沿海和大西北区域却在第一阶段发生了下降。与全国情况变化相一致的指标是各区域的人口红利，其在前一阶段都发生了上升，在新常态阶段都发生了下降，其中下降较多的是北部沿海和长江中游区域，分别下降了约4%和3%。

表1 全国各指标的描述性统计结果

表2 2002—2017年间八大经济区域各指标的描述性统计结果

（续表2）

表3 全国GDP对数平均权重分解结果

（二）引入人口红利因子对全国经济增长的对数平均权重分解实证

全国GDP对数平均权重分解结果见表3。可见，在2002—2011年间，全国实际GDP增加了约9万亿元，实现了6.4%的年均增长率。⑥本文所考察的四个因子效应都表现为对经济增长的持续拉动作用。其中，劳动生产率效应对中国经济增长的促进作用最大，表现最为平稳且持续，是中国经济增长的主导因子。在2002—2011年间约9万亿的GDP绝对增量中，劳动生产率的贡献为5.9万亿元，贡献率达到了65%以上；在2002—2011年间6.4%的GDP年均增长率中，由劳动生产率所引致的增长率高达4.1%。人口规模的不断上升对GDP的拉动作用也较大，在考察期内引起的GDP增量为1.4万亿元，贡献率为15.6%，引起的GDP年均增长率为1.0%。劳动参与率效应对经济增长的促进作用较小，对GDP增量的贡献率为8.5%，引起的GDP年均增长率为0.5%。人口红利效应对经济增长的促进作用大于劳动参与率效应对经济增长的促进作用，在考察期内引起的GDP增量约为9千亿元，贡献率为10.4%，引起的GDP年均增长率为0.7%。

（续表3）

在2011—2017年间，实际GDP增加了约3.7万亿元，年均增长率为2.7%。在这一期间，劳动生产率效应、劳动参与率效应和人口规模效应对经济增长都起到了促进作用，对GDP增量的贡献率分别为62.8%、38.4%和23.7%。与上一阶段相似，劳动生产率效应仍是经济增长的第一主导因素，而与上一阶段特征不同的是，劳动参与率效应大于人口规模效应。值得注意的是，这一期间的人口红利效应表现为对经济增长的持续抑制作用，人口红利衰减导致GDP绝对量减少了9千多亿元，导致GDP产生了0.7%的负增长，对GDP增量的负贡献率高达24.9%，极大地抵消了其他效应对经济增长的促进作用。

（三）引入人口红利因子和人口规模因子对各区域经济增长的对数平均权重分解实证

将全国各省和直辖市按八大经济区域考察GDP对数平均权重分解的差异，结果见表4。在2002—2011年间，南部沿海之外的七个经济区域与全国情况相似，劳动生产率提高对GDP增长量的拉动作用最大。特别是在西南和黄河中游地区，劳动生产率效应对地区GDP增量的贡献率高达80%以上，引致GDP产生了7%左右的增长率。全国层面的劳动生产率对经济增长的持续主导拉动作用是由这些区域的共同表现所决定的。南部沿海区域的劳动生产率非但不是经济增长的主导因素，还表现为对经济增长的抑制。东部沿海区域之外其他区域的劳动参与率都表现为对经济增长的促进作用，其中促进作用较大的是南部沿海、东北和西南区域，对相应地区GDP增量的贡献率分别为35.7%、13.8%和9%，导致地区GDP年均增长率都高达1%左右。东部沿海区域由于劳动参与率在考察期内发生了下降，导致对区域GDP增量的负贡献率达10%以上，导致区域经济产生了0.4%的年均负增长率。2002—2011年间的各区域人口红利效应和人口规模效应都对经济增长产生了一定的促进作用，其中促进作用最大的是东部沿海和南部沿海区域，两区域人口红利效应对区域GDP增量的贡献率分别高达22.7%和38.9%，人口规模效应对区域GDP增量的贡献率分别高达40.8%和49.6%。在该阶段，人口规模效应和人口红利效应是南部沿海区域经济增长的主导因素。

表4 GDP增长对数平均权重分解的区域差异比较

（续表4）

在2011—2017年间，以劳动生产率效应为经济增长主导效应的区域只有三个，分别是东北、北部沿海和黄河中游区域；南部沿海和东部沿海区域的劳动生产率效应表现为对经济增长的抑制作用，对相应区域GDP增量的贡献率分别为-10.5%和-26.5%，导致相应区域经济产生年均0.1%和0.2%的负增长；大西北区域的劳动生产率效应对经济增长的抑制作用最大，导致区域经济产生3.5%的年均负增长，也使得经济总量出现下降。在该阶段，所有区域的劳动参与率效应都表现为对经济增长的促进作用，其中促进作用最大的是大西北、东部沿海和黄河中游区域，导致相应区域的GDP年均增长1.5%以上，说明大西北和东部沿海区域的劳动参与率效应取代劳动生产率效应成为经济增长的主导效应。在2011—2017年间，大部分区域的人口规模效应对经济增长都具有一定的促进作用，其中促进作用较大的有长江中游、西南及南部沿海区域，这三个区域的人口规模效应对区域GDP增量的贡献率最大，都高达90%以上，成为这三个区域新阶段经济增长的主导效应。比较特别的是东北区域，其人口规模下降对经济增长的抑制作用明显。在2011—2017年间，所有区域的人口红利效应都表现为对区域经济增长的抑制作用，其中东部沿海和黄河中游区域的人口红利效应对区域经济增量的抑制作用超出人口规模效应的拉动作用。特别是长江中游区域，其人口红利效应对经济增量的抑制作用甚至超出了其他三个因子效应的分别拉动作用。

五、研究结论与理论启示

（一）研究结论

本文构建了由劳动生产率、劳动参与率、人口红利和人口规模因子所共同决定的经济增长综合指数，并首次应用对数平均D氏指数（LMDI）法，从国家和区域两个层面研究了各因子对经济增长的影响，揭示了中国人口红利与经济增长之间的关系，并得出以下结论与启示。

从全国层面看：劳动生产率是中国经济增长的首要驱动因素，但在进入新常态后其驱动作用减弱；人口红利效应在2002—2011年间促进GDP年均增长0.7%，人口红利衰减在2012—2017年间导致GDP发生了0.7%的年均负增长，极大地抵消了其他效应对经济增长的促进作用。按八大经济区域考察的结果显示，经济增长路径与人口红利效应的区域差异明显。以劳动生产率为经济增长主导因素的区域在2002—2011年间有七个，在2012—2017年间缩减为三个。在新常态阶段，所有区域的劳动参与率效应都表现为对经济增长的促进作用，其中东部沿海和大西北区域的劳动参与率效应取代劳动生产率效应成为经济增长的主导效应。在新常态阶段，大部分区域的人口规模效应对经济增长都具有一定的促进作用，其中长江中游、西南及南部沿海三个区域的人口规模效应成为经济增长的主导效应。比较特别的是东北区域，其人口规模下降对经济增长的抑制作用明显。在2012—2017年间，所有区域的人口红利效应都表现为对区域经济增长的抑制作用，特别是东部沿海、黄河中游和长江中游区域，其人口红利效应分别导致区域GDP发生1.0%、0.5%、0.7%的年均负增长。在新常态阶段，东北地区面临着人口红利和人口规模缩减对经济增长的双重挑战，而东部沿海、南部沿海和大西北地区则面临着人口红利和劳动生产率下降的双重抑制，其中大西北区域在双重抑制下出现了经济负增长。

（二）理论启示

根据前文实证结论，本文得出了如下启示。新常态下的中国经济增长同时面临着劳动生产率效应和人口红利效应下降的双重挑战，其中劳动生产率降低使得我国总体经济增长乏力，且人口红利下降早已对我国经济增长造成了较大的抑制作用。鉴于我国“全面二孩”政策实施效果有限，未来迅猛的人口老龄化进程必然会导致人口红利发生不可逆转的进一步降低，意味着人口红利效应对经济增长的抑制作用有可能愈加显著。在人口红利效应难以提高的前提下，大力提高劳动生产率对经济增长的促进作用便成为必不可少的选择。在倒逼机制下需要大力提高劳动者的人力资本水平和专业技能，通过培养知识型、技能型和创新型劳动力来全面提升人口质量和全员劳动生产率，从而抵消人口红利下降对经济增长的抑制作用。

中国人口特征对经济增长的影响是双向的，其中人口红利下降对经济增长的抑制作用和人口规模上升对经济增长的促进作用并存。虽然老龄化和人口红利下降给经济发展带来了巨大挑战，但也要充分认识和发掘老龄化所带来的机遇。应高度重视老龄产业发展，围绕老年产品和服务供给侧改革不断优化养老服务体系建设并开发完善老年产品市场，以老年产品和服务的供给创新推动总消费需求增长和产业结构优化升级，以“创新红利”弥补人口红利下降对经济增长的消极影响。

要注重劳动参与率提升对经济增长的促进作用，使劳动力资源在生产性活动中得到充分利用。这就需要进一步完善和实施延长退休年龄政策，还可以将身体条件较好、有工作意愿的高素质老年人口纳入劳动队伍，从而在保证劳动生产率的前提下提高劳动参与率。更重要的是，要将鼓励创业政策落到实处，为居民创造更多就业机会，努力创建共建、共享型社会，以“创业红利”加速劳动参与率提升，从而抵消人口红利下降对经济增长的抑制作用。

要密切关注经济增长路径及人口红利效应的区域差异。尽管所有区域都面临着人口红利下降对经济增长的抑制作用，但个别区域的情况比较严重。该抑制效应在东部沿海和黄河中游区域超出了人口规模效应对经济增长的拉动作用，在长江中游区域甚至超出了劳动生产率、劳动参与率和人口规模三个因子效应分别对经济增长的拉动作用。另外，东北地区面临着人口红利下降和人口规模缩减对经济增长的双重抑制作用，东部沿海和南部沿海区域面临着人口红利和劳动生产率下降的双重挑战，甚至大西北地区在人口红利和劳动生产率双重下降的抑制作用下出现了经济负增长。中国各区域的经济发展和人口结构基础不同，故在寻找新经济增长点的同时有必要制定具有针对性的区域差别化政策，以促进区域协调发展。

注释：

①根据国家统计局官方网站1978—2018年的相关数据计算得出。

②根据国家统计局官方网站相应年份数据计算得出。

③根据GDP增长率指数的算法：GDP增长率=GDPt/GDP0-1，其中GDPt/GDP0为GDP发展速度指数。各因子效应导致的GDP发展速度指数和GDP增长率指数也满足上式。

④2001年及以后的全国就业人员数据根据第六次人口普查数据重新修订。天津、河北、辽宁等统计年鉴的最新数据提供至2017年，因此选择2002—2017年的数据进行实证分析。

⑤东北地区包括辽宁、吉林和黑龙江；北部沿海地区包括北京、天津、河北和山东；东部沿海地区包括上海、江苏和浙江；南部沿海地区包括福建、广东和海南；黄河中游地区包括山西、内蒙古、河南和陕西；长江中游地区包括安徽、江西、湖北和湖南；西南地区包括广西、重庆、四川、贵州和云南；大西北地区包括西藏、甘肃、青海、宁夏和新疆。

⑥鉴于后文实证分析的需要，这里的GDP增长量和增长率是基于各省份数据加总后计算得到，是定基在2002年的计算结果。