人口红利与产业结构调整

徐佳琦

关键词：人口红利衰减  产业结构调整  产业结构高级化

王立胜等（2019）认为人口红利是改革开放以来中国经济高增长的重要动力，但由于中国人口转变进程短，人口红利期也随之变短。近年来，劳动年龄人口和劳动参与率的下降趋势愈发严重，劳动供求关系日趋紧张，人口红利正步入衰减期，具体表现为人口抚养比开始增长和劳动年龄人口总量开始绝对减少。其一，2010年，我国总抚养比达到34.2%的历史最低值后，总抚养比开始持续攀升，到2018年达到40.4%。老年人口抚养比和少年儿童抚养比自2010年都有一定程度的增长。其二，我国劳动年龄人口总量开始绝对减少，2012年至2018年，该年龄组的人口总量已经累计减少了2617万。根据国家统计局新近公布的数据，2018年16至59岁的劳动年龄人口总量为8.97亿。那么，人口红利的衰减将对我国正在经历的经济结构调整产生怎样的影响？这是本文研究的主要内容。

一、文献综述

人口红利问题不仅是人口问题，也是经济发展问题。关于人口红利对经济的贡献，田伟（2018）认为过去我国高速经济增长离不开人口红利的贡献，然而我国正逐步进入“后人口红利”时代。路征等（2019）分析了人口转变对我国经济增长的影响，认为1990-2013年我国人口转变从劳动力数量充分供给和老龄化带来的储蓄率上升两方面对我国经济增长产生了直接或间接地红利效应。童玉芬等（2019）通过对人口红利产生机制和条件的分析得出结论，改革开放之前我国人口增长模式的转变为改革开放之后的经济迅猛发展提供了人口机会窗口，促进我国经济社会的快速发展。

关于人口红利对产业结构的影响，戴翔等（2016）通过对劳动力区位熵的引力系数修正，测度了产业转移和产业转型的相对净流量，结果表明人口红利衰减会加速中国工业产业的空间转移，并促使低技术产业向高技术产业转型。Rentería， et al（2016）將人口红利分解为年龄和教育效应，研究结果证实了人口年龄结构在产业结构优化中的作用，同时也揭示了教育程度可能更为重要。卢飞等（2018）通过实证分析发现，人口结构的变化将带动整个产业增长，推动技术密集型产业集聚，资本和技术密集型产业受人力资本提高的积极影响较大。王瑞瑜等（2020）通过GMM模型分析在人工智能背景下人口老龄化对产业结构调整的影响，研究认为人口老龄化通过倒逼企业加快发展人工智能服务，发展智能养老产业，从而促进产业结构优化升级。

综上所述，现有文献关于人口红利衰减与产业结构调整的关系研究并未达成一致结论。鉴于此，本文将对上述问题进行实证分析。

二、研究设计

（1）指标构建。为了进一步量化研究人口红利和产业结构的关系，本文将构建能够反映产业结构调整优化和人口红利变化的指标以及其他解释变量和控制变量。

在本文基本计量模型中，被解释变量产业结构高级化TS公式为：

（1）

其中，Y2和Y3分别表示第二、三产业的产值。

本文从少年儿童人口比重增大和老年人口比重增大两方面衡量人口红利衰减。因此采用少年儿童抚养比（Jdr）和老年人口抚养比（Odr）作为本文的核心解释变量，两者之和为总抚养比（Pdr）。

同时，引入控制变量：劳动力成本（Larc），以就业人员平均工资表示;储蓄率（Sav），采用住户部门人均储蓄占住户部门人均可支配收入的比值，其中住户部门人均储蓄=人均可支配收入-人均消费支出;老龄消费水平（Oldc），采用地区人均医疗保健支出在地区人均消费支出中的占比做为衡量指标;教育水平（Edu），采用6岁及6岁以上大专及大专以上人口数在6岁及6岁以上总人数中的占比来衡量;地区生产总值（GDP）;地区城市化率（UR），采用地区城镇人口和地区总人口的比值衡量。

（2）数据来源。本文实证研究基于省际面板数据，为我国29个省、市、自治区（剔除西藏自治区和宁夏回族自治区数据）2001-2018年的数据。其中：储蓄率根据城镇人均可支配收入和城镇人均消费支出计算得到，原始数据来源于国研网;劳动力成本为城镇在岗工人平均工资，原始数据来源于国研网，在模型中以对数形式处理。老年消费水平由医疗保健总支出和消费总支出计算得到，原始数据来源于国研网。衡量教育水平指标采用6岁及6岁以上大专及大专以上人口数和6岁及6岁以上总人数，该数据来源于国泰安数据库，其中2001-2004年数据缺失，采用插值法补全;其余原始数据均来源于《中国统计年鉴》。各指标数据的描述性统计结果如表1所示：

表1 各变量描述性统计

（3）模型设计

本文以18年29个省区为研究对象，可以认为代表了全国数据，各省区的人口素质等不可观测的特质性因素可视为固定不变。同时，通过Hausman检验对模型进行估计，认为选择固定效应模型更为精准。构建一下基本计量模型：

（2）

其中，i指代省份，t指代年份，X表示人口红利衰减对产业结构调整的作用机制变量，Z表示控制变量，αi为固定效应，εi，t表示随机干扰项。

三、实证检验与结果分析

本文利用建立的固定效应模型（1）-（3）研究人口红利衰减、储蓄率、劳动力成本、老年消费和教育水平等因素对产业结构的影响效应。表2显示了利用stata软件进行固定效应模型估计的结果，对此进行以下分析。模型（1）在仅考虑主要解释变量老年抚养比和少年儿童抚养比以及部分控制变量地区生产总值和城市化的情况下，估计人口红利衰减对产业结构调整的影响。结果显示，老年抚养比与产业结构高级化正相关，系数为11.44且在1%的水平下显著，说明总体上人口老龄化促进产业结构升级优化。然而，少年儿童抚养比和产业升级优化变量具有负向关系，但系数仅为-0.0641并且统计结果不显著，这意味着0-14岁人口在劳动人口比值上升对产业结构调整的负面影响但该影响不大。控制变量地区生产总值和城市化率对产业结构相关系数分别为-0.093和2.445，说明地区生产总值对产业结构调整产生消极影响，而城市化率则促进产业结构升级。

表 2 人口红利衰减对产业结构调整影响的固定效应模型分析结果

模型（2）在模型（1）的基础上增加了控制变量储蓄率和劳动力成本，拟合优度较模型（1）有所上升。储蓄率的系数为-0.0565，对产业结构调整的影响不明显并且统计结果不显著。劳动力成本的系数为1.169，且非常显著，说明劳动力成本的上升促进产业结构的升级优化。和模型（1）结果相比，老年人口抚养比和少年儿童抚养比相关系数的绝对值均有所减小，人红利衰减对产业结构的影响估计更为客观。

模型（3）加入控制变量老年消费水平和教育水平，R-squared为0.619，比模型（2）更加精准。在模型（3）中，老年抚养比对产业结构升级依然存在促进作用，影响程度进一步减小。少年儿童抚养比和产业结构调整的相关系数绝对指有所上升，但仍为负向影响。结果依然显示储蓄率上升阻碍产业结构升级优化，但影响程度有所增加。劳动力成本上升促进产业結构升级优化，但其相关系数由1.169减小为0.899。新加入的作用机制变量老年消费水平相关系数分别为2.186，说明老年消费水平和产业结构升级优化量呈正相关。教育水平相关系数为5.196且在1%的水平上显著，由此可见教育水平提高能够在很大程度上优化产业结构。

综合来看，老年人口抚养比、老年消费水平、劳动力成本和教育水平对产业结构调整具有积极影响，少年儿童抚养比和储蓄率对产业结构调整具有消极影响但影响程度较小。

四、研究结论

本文的基本结论如下：

（1）总体上人口红利衰减促进产业结构调整，并且老年抚养比对产业结构调整的影响程度大于少儿抚养比对产业结构调整的影响程度。在固定效应模型（1）-（3）中，老年人口抚养比的相关系数远大于少年儿童抚养比的相关系数，表明老年人口抚养比对产业结构调整的影响程度仍然大于少年儿童抚养比的影响程度。

（2）储蓄率、劳动力成本、老年消费水平以及教育水平影响产业结构调整，具体表现为：储蓄率阻碍产业结构升级优化，但其影响较小。劳动力成本促进产业结构升级优化，其影响程度中等。老年消费水平和教育水平促进产业结构优化升级，其影响程度大。

参考文献

[1]王立胜，孙泽玮.从人口红利到结构红利：70年经济奇迹的社会主义背景[J]. 马克思主义与现实， 2019（4）：8-13.

[2]田伟.中国人口红利与经济增长[J].经济问题探索，2018， 432（7）：14-23.

[3]路征，等.中国人口转变的经济增长效应与人力资本效应检验——基于1990-2013年省级面板数据[J].西南师范大学学报（自然科学版），2019，44（8）：78-85.

[4]童玉芬，周文.人口红利的形成、收获与消失——新中国建立70年来人口红利的变化[J].人口与健康，2019（7）：23-27.

[5]戴翔，等.劳动力演化如何影响中国工业发展：转移还是转型[J].中国工业经济， 2016（9）：24-40.

[6]Rentería， et al. The Effect of Education on the Demographic Dividend[J]. Population & Development Review， 2016， 42（4）：651-671.

[7]卢飞，刘明辉.广义人口红利、制造业结构调整与经济增长——基于空间杜宾模型及面板分位数的实证分析[J].财经论丛，2018（1）：12-20.

[8]王瑞瑜，王森.老龄化、人工智能与产业结构调整[J].财经科学，2020（1）：80-92.