中国经济增长的动力溯源：人口红利还是教育红利？

［摘 要］在全面建设现代化产业体系过程中，充分挖掘人口资源优势对中国经济转型的影响作用至关重要。文章利用中国30个省份的面板数据，实证分析了2000—2021年劳动要素在中国经济中的贡献作用与门槛特征。结果表明：在中国经济增长过程中，人口红利与教育红利长期存在，教育红利一直是促进中国经济增长的主要动力因素；而在产业结构变迁过程中，人口红利的波动特征更为明显，人口红利与教育红利随着产业合理化水平的提升而减弱，随着产业高级化的推进而增强。由此提出，要在优化产业结构的同时稳定人口增长速度，促进教育人力资本的持续提升以及农村劳动力的合理流动。

［关键词］人口红利；教育红利；经济增长；产业结构变迁

［中图分类号］  F0612［文献标识码］ A［文章编号］ 1673-0461（2024）06-0042-11

一、引言

党的二十大报告提出“教育、科技、人才是全面建设社会主义现代化国家的基础性、战略性支撑。必须坚持科技是第一生产力、人才是第一资源、创新是第一动力”。而如何充分发挥人口资源优势一直是中国现代化建设过程中的核心问题。改革开放以来，中国经济的高速增长同人口红利密不可分，而人口红利能否在新常态时期得以延续也成为人们关心的重要议题。随着中国经济增速放缓，产业结构变迁倒逼要素配置结构调整，人口资源的经济效益呈现出由数量向质量转变的特征［1］。值得注意的是，在历史、自然等多方面因素的共同作用下，中国产业结构的调整结果并不具有区域普适性，人口资源的需求结构表现出时空分异特征。因此，在肯定人口红利的同时，有必要反思在产业结构变迁中经济增长动力是劳动力规模扩张所带来的红利效应，还是劳动力质量引致的教育红利。

传统经济增长理论强调土地、资本与劳动的经济贡献，特别在短期经济分析中，又视劳动投入作为影响经济的直接因素，尤其在两次工业革命期间，诸多国家的经济发展实践证实，劳动数量确实影响着经济总量的变化，并且被认为在各类要素资源中居于核心地位，映射到中国经济发展的实际历程，人口红利的经济贡献同样备受瞩目。而随着科学技术的发展，中国产业结构变迁的趋势持续增强，2012年，中国第三产业占GDP比重首次超过了第二产业，并在2015年超过50%，初步形成了“三、二、一”的产业格局，伴随而来的是人口红利的减弱，而以人力资本积累为代表的教育红利、健康红利等新型要素资源逐渐进入社会变革的视野。从劳动力自身所释放的经济动能来看，一方面可以通过数量累积获得人口红利，另一方面劳动力自身所具备的技能、知识等人力资本属性又具备创造教育红利的潜力［2］。两次工业革命期间，由劳动数量所创造的人口红利被认为是推动经济增长的核心因素，而伴随产业结构的不断升级，教育红利的存在性也被广泛证实，以内生增长理论为代表，众多研究既肯定了劳动、资本等传统要素的经济贡献，同时也对知识要素所特有的递增性边际收益贡献进行了深入讨论，学术界关于经济增长源泉的开放性认识也推动了政策制定者对教育发展、人才培养的更多关注。

从中国经济增长的实际结果来看，人均产量、劳动投入与人力资本在过去一段时期呈现出协同增长的过程。然而，产业结构变迁则表现出时期与地域层面的不平衡性，从经济结构的内在耦合层面来看，产业结构变迁往往会引发劳动结构的调整，进而影响经济的平稳增长。因此，本文从产业结构变迁视角出发，探究教育红利与人口红利的经济贡献及可能存在的门槛特征，从而为新格局下中国要素资源的合理配置提供一定的实证依据。

二、文献回顾

如何优化要素资源配置结构一直是学界讨论的热点问题，而在要素资源配置结构调整过程中，人们往往试图寻找新的要素资源以替代劳动力投入数量，这一过程不仅包括对劳动力之外的替代性资源的获取，还有对人力资本的投资。因此，以下集中对人口红利、教育红利形成的原因以及产业结构变迁的干扰效应展开文献回顾。

（一）人口红利成因的经验解释

人口红利指由于劳动年龄人口数量或比重的增加所带来的产量增加［3］。新古典增长模型中有关稳态的解读，其实质是肯定了劳动对经济长期增长的貢献。BLOOM和WILLIAMSON（1998）［4］首次采用人口红利这一概念用以替代劳动力增长速度对人均产出的影响作用，强调当劳动年龄人口增速快于人口增速时，超过平均人口增速部分的经济效应就被称为人口红利。中国的人口红利来源于人口转变期所特有的年龄结构优势［5］。从要素理论来看，人口红利还得益于人口转变阶段的成本优势与巨大市场需求，而随着劳动成本增加，人口红利会随着人口增长率的下降而逐渐减弱［6］。HIPPOLYTE等（2019）［7］也在研究中提到，较高的劳动年龄人口比例有利于促进人口红利的获得，特别是国际间的劳动力转移能够缓解劳动输入国的成本压力，从而促进经济增长。周懿等（2020）［8］指出，经济发展初期的人口红利不仅源于劳动年龄人口比例的增加，还同这一时期市场需求扩张所引起的就业效应有关，而传统需求减少又是导致人口红利消退的主要原因。BAERLOCHER等（2021）［9］指出，女性劳动参与率的提升显著促进了经济增长，其实质是由女性劳动规模扩张所引致的人口红利效应。颜色等（2022）［10］认为，劳动供给数量的增加促进了中国就业与产业结构的双重优化，相当于降低20%左右的农业劳动转移成本。可见，当谈论人口红利的经济贡献时，其侧重点在于劳动力供给规模的变化及由此带来的成本优势。

（二）教育红利成因的经验解释

自人力资本理论提出以来，学者们关于教育收益在不同区域及个体层面的特征展开了大量研究，教育的重要贡献也引起了政策制定部门的重视。内生增长理论更是从教育及人力资本层面找到了传统要素无法解释的经济增长原因。作为人力资本积累最为直接而有效的途径，教育在改善劳动力供给结构以及红利贡献方式方面发挥了极为重要的作用，尤其是随着人均受教育程度的提升，劳动力在经济增长中的贡献作用也逐渐出现了分化，一部分为传统劳动力数量所带来的固定影响，另一部分则是由人才增值所产生的教育红利。正如胡鞍钢等（2011）［11］所提到的，中国教育事业的快速发展促进了劳动力整体文化水平的提升，而教育投入的长期收益正在抵消人口红利减弱所带来的负面影响，并且形成了新的人力资源红利。钟水映等（2016）［12］认为，人口平均受教育程度的提升一方面直接成为经济增长的动力因素，另一方面弥补了劳动力减少导致的负面经济影响。FHN等（2022）［13］在研究中指出，高级化人力资本在促进区域创新与技术研发的过程中，能够更为高效地吸收国外部门的新技术要素。楠玉（2022）［14］从“U”型特征层面分析了教育人力资本的经济贡献，肯定了教育人力资本在人均收入偏高时具有更为显著的经济影响。从已有研究来看，教育红利往往与劳动力整体受教育程度或技能水平相关，既依赖于劳动力规模的扩展，又独立于劳动力数量累积的一种增值贡献。

（三）劳动力经济贡献与产业结构变迁的关系

技术革命在改变人类历史进程的同时也促进着经济增长方式的转变，在以生物技术、大数据等为标志的新一轮技术革命下，中国正在经历着产业结构的深化转型，这一过程对要素资源配置具有双刃剑效应［15］。从劳动力供给层面来看，产业结构的调整折射出了要素流动的趋利性特征。一方面，在边际报酬递减规律的作用下，产业结构呈现出向高级化与合理化演进的趋势，而各产业占GDP比重表现出由第一产业为主向第二、第三产业为主的演变过程

［16］，即意味着在产业结构变迁的过程中，劳动力有着由第一产业向第二产业，继而向第三产业流动的趋势。换言之，普通劳动力的可替代性在逐渐增强，而这也意味着产业结构变迁同时导致了低次产业劳动力流失与高次产业劳动力流入，从而形成低次产业的劳动缺口与高次产业劳动过剩并存的现象［17］。另一方面，劳动力流动受限于产业转型期的人才结构特征。一般而言，在不考虑技术进步的条件下，高次产业的现有技术水平往往高于低次产业，即对于农林牧渔等劳动密集型产业而言，劳动力准入门槛相对较低，这也导致劳动供给相对过剩，劳动价格处于较低水平，从而形成了人口红利效应。例如，李竞博等（2020）［18］指出，中国初次人口红利得益于低廉的劳动力成本与充足的供给数量，而劳动力成本上升与供给数量减少则是导致人口红利减弱的直接原因。而医疗、教育等知识、资本密集型部门则要求劳动者掌握特定的技能或素养，因此劳动力需要接受更长时间的专业化教育，以获取特定行业的准入资格，而在大多数劳动者均获取了社会普遍要求的技能知识后，则形成了以劳动力数量为基础，劳动者素养为核心的教育红利［19］。正如黄维海等（2021）［20］指出，中国教育人力资本的红利效应存在明显的时期分异性，高新技术产业在倒逼劳动结构转型的过程中，也促进了20世纪90年代以来人力资本红利的释放。可见，在产业结构变迁中，劳动力数量与质量的市场需求并不具有一致性，从而导致产业转型期的劳动力资源流向、规模存在着时期及地域差异，进而影响人口红利与教育红利的经济贡献［21］。

综上所述，人口红利与教育红利既相互联系，又各自独立，两者的经济贡献不仅同劳动力供给规模、质量相关，也受到产业结构调整的外部约束，而以往研究侧重从线性关系层面探究人口红利与教育红利的时期演变特征，关于产业结构对人口红利与教育红利的非线性影响作用仍然有待探索。因此，本文拟在利用HANSEN（1999）［22］门槛面板模型基础上，实证探索产业结构变迁下人口红利与教育红利的非线性特征，可能存在的边际贡献包括：第一，从非线性层面为人口红利和教育红利的动态变化及内部差异提供一个可供参考的分析框架。第二，从产业合理化与产业高级化两个层面分析经济增长的门槛特征，从而为不同的产业结构调整目标提供要素配置依据。

三、研究设计

（一）理论机制与研究假设

1人口红利与教育红利的依存关系

人口红利一方面源于劳动力的供给数量，另一方面来自劳动力的低廉成本，尤其在经济发展的初级阶段，劳动力的边际产品价值往往大于边际成本，从而弥补了由于资本匮乏导致的生产缺口，这也是早期劳动力资源作为经济增长核心动力因素的主要原因。而随着工业革命的推进，传统要素资源的经济贡献权重也在不断变化，劳动力资源的成本优势逐渐被科技革命衍生出的新机器、新技术所替代，特别是进入信息化时代后，人工智能与数字化生产方式对劳动要素产生巨大冲击，致使经济增长对劳动数量的依存程度逐渐减弱，劳动要素渐趋丧失了由数量集聚引致的成本优势，导致人口红利进入了蛰伏期［23］。而在人口红利减弱的过程中，同样依附于劳动力要素的教育红利则进入持续强化的过程，特别在工业革命时期，企业在提高机器使用率以减少劳动使用量的过程中，会扩大对人力资本的投入，以适应机器大工业生产，信息技术时代的企业生产则对人力资本表现出更为紧迫的需求，以致在行业间出现了“抢人大战”的要素争夺现象［24］。而人力资本的积累归根结底在于教育投入，特别是学历教育的普及，更是从根源上促进了劳动力技能水平的整体提升，其实质即人口红利向教育红利的过渡，从而形成以人口数量为基础，人力资本为核心的劳动要素特征。

而从一般的质量决定规律来看，教育紅利又受限于劳动数量的多寡。在人类社会形态的演进过程中，教育红利随着社会平均人力资本水平的提升呈现出边际报酬递减的经济规律。在经济发展初期，技术普及程度与教育受众群体相对较少，接受过更高层次教育的群体往往具备高级化人力资本，从而形成了因人力资本差异导致的红利效应［25］；而随着技术普及程度的提升以及学历教育受众群体的增加，个别群体的人力资本优势会逐渐丧失，从而具备高级化人力资本群体的劳动价格也会因社会平均人力资本水平的提升而下降，再次形成基于劳动数量的新的人口红利，其实质是教育红利向人口红利的逆向转变［26］。映射中国经济结构快速转型的现阶段，教育红利已经成为21世纪以来中国经济增长的主要动力，尤其进入新常态后，高学历人口规模的快速扩张导致人才结构性过剩的问题日益突显，从而出现了“人才规模扩张-经济增速放缓”并存的发展矛盾，这就导致人力资本进入了边际报酬递减阶段，而劳动数量对人力资本的边际技术替代率则在逐渐上升，从而形成了人口红利扩大与教育红利减弱并存的现象。由此，本文提出假设1和假设2：

H1：教育红利的经济贡献大于人口红利。

H2：人口红利的变化速率快于教育红利。

2产业结构变迁的红利扩大效应

马克思政治经济学从生产逐利性的角度揭示了平均利润与等量资本相交换的社会化过程，而这也论证了不同产业部门存在着短期性、暂时性的超额平均利润，尤其在需求结构发生重大变革的情形下，总量利润分配结构的失衡特征会更加明显，导致要素资源流入利润更高的产业部门，从而形成“需求结构调整→要素资源流动→产业结构变迁”的链式反应。进入工业革命后，技术进步更加频繁地出现于企业的生产过程，特别是对劳动要素替代的强烈需求迫使企业更加重视行业内部的技术变革，而这一过程在促进企业生产效率提升的同时也为产业结构变迁创造了条件。映射到中国经济社会现实，21世纪以来的社会需求结构同样经历着动态调整的过程，尤其在信息技术革命推动下，消费水平的快速提升促进了消费习惯、消费方式、消费理念的社会变革，特别是非食品性消费支出的快速增长，直接推动了生产部门的技术革新及要素配置结构的优化，以满足消费需求在总量与结构方面的社会性调整［27-28］。这一过程在促进传统产能淘汰的同时也加速了产业结构的高级化演进过程，即第一产业的经济主导地位依次被第二产业、第三产业替代，以及要素资源在产业部门间的适配性流动，突出表现为人力资本对技术门槛较高产业的依附性特征，从而人力资本要素在第三产业部门的集聚性更加明显［29］，而究其根本原因在于超额利润有着由低次产业部门向高次产业部门流动的趋势，即随着产业高级化推进，各部门从业人员的人均产出也在逐渐提升，从而形成产业高级化扩大劳动红利与劳动力向高次产业部门集聚的双趋势特征。基于此，本文提出假设3：

H3：产业高级化促进了劳动红利效应的扩大。

3产业结构变迁的红利约束效应

结构经济理论强调要素资源配置与经济结构的适配性，这是实现经济持续性与稳定性发展的重要前提。而在经济推进过程中，不仅存在着产业高级化现象，还伴随着就业人员由低次产业向高次产业迁移的过程，从而导致新兴产业对传统产业劳动市场的冲击，在产业间的博弈过程中，高次产业往往凭借工资优势能够吸纳更多的劳动人员，从而产业结构向高级化转型会促进产业与就业结构的合理化演进［30］。但在要素流动过程中，劳动者在投入社会一般劳动的同时也支付了特有的人力资本，这也成为其能否进入高次产业部门的关键所在。而受限于人力资本的稀缺性，高次产业中的劳动集聚特征并不明显，从而出现了劳动短缺与成本溢价并存的现象，而对于低次产业则表现为劳动力供给过剩而成本偏低的反向特征。以致出现这样一种现象：高次产业的技术进步速率相较于低次产业更快，但劳动供给的滞后特征也更为明显；低次产业要素的边际产品价值相对更低，而劳动者准入门槛也相对较低，从而出现了劳动力在低次产业的空间集聚现象，加剧了各部门劳动产出效率的失衡。也就是说，产业与就业结构适配程度的提升在扩大高次产业劳动红利的过程中，可能会弱化低次产业的劳动产出效率，从而出现产业合理化与劳动红利反向变动的现象。基于此，本文提出假设4：

H4：产业合理化对劳动红利存在约束效应。

（二）研究方法

研究采用门槛面板模型检验人口红利与教育红利的存在性，以及产业结构变迁在劳动要素对经济增长影响中的第三效应。门槛面板模型利用自体抽样法（Bootstrap）对统计量渐进分布估计，从而根据数据本身的构造特征识别变量间的非线性关系。假设产业结构变迁对核心解释变量有着单门槛影响，则将模型设定如式（1）：

GDPit=μi+β1XitI（K≤r）+β2XitI（K>r）+εit（1）

式中，GDPit为被解释变量，代表第i省在t时期的经济总量，X与K代表核心解释变量与门槛变量，r为门槛变量经自体抽样法获得的单一临界值，意味着K的取值位于r值两侧时，核心解释变量X的经济效应出现了非线性变化，这种变化可能是影响程度的大幅改变，也可能是影响方向的完全倒置。μi表示个体效应项，εit表示随机扰动项，

而当出现多个门槛时，核心解释变量的影响作用变得更加复杂，以双门槛为例可以将式（1）变形为式（2）：

GDPit=μi+γ1XitI（K≤r1）+γ2XitI（r1

在双门槛模型中，r1与r2两个临界值将门槛变量划分为三个区间，即意味着核心解释变量的经济效应在门槛变量的约束下出现了两次非线性变化，γ1～γ3为门槛变量处于不同阶段时核心解释变量的待估系数。

（三）变量与数据说明

本文选取中国2000—2021年30个省份的面板数据作为研究样本①，为了减少异方差问题，数值型数据均做了对数处理，变量类别、说明及数据处理如下。

被解释变量：经济增长。以历年实际GDP产值衡量经济产出水平。以2000年为基期对各年名义GDP平减处理。

核心解释变量：劳动投入和教育人力资本。本文选取劳动年龄人口与总人口比值作为劳动投入的代理变量。采用了平均受教育年限对教育人力资本予以测度，平均受教育年限综合考虑了样本在性别、年龄等方面的人口属性，能够反映出劳动力受教育水平的综合特征，本文将学历教育划分为未上学、小学、初中、高中/中职、大专及以上5个层次，对应的平均教育年限分别为1年、6年、9年、12年、155年。平均受教育年限的测算公式见式（3），其中，edut为第t年的人口平均受教育年限，n为教育层级，pit表示第t年接受i级教育的人口总量，Pt为第t年的总人口规模，yi为第i级教育对应的教育年限。

edut=∑n=5i=1pityi/Pit（3）

门槛变量：以产业高级化与产业合理化描述产业结构变迁过程。产业结构变迁一方面表现为低次产业向高次产业的过渡，即产业高级化过程，研究采用了第三产业产值占总产值权重同第二产业产值占总产值权重的比值予以衡量。测算方法如式（4）：

upg=SGDPit/GDPitIGDPit/GDPit（4）

式中，upg表示产业高级化，SGDPit和IGDPit分别表示第i省在t时期第三产业和第二产业的经济产值。

产业结构变迁另一方面映射到就业结构层面则深化为产业与就业结构之间的融合程度，研究采用产业合理化反映这一过程。测算公式见式（5），其中GDPi和Li代表第i产业的经济产值和就业人口权重，GDP和L代表全社会经济总量和就业总量。产业合理化指数ratit越大意味着产业结构与就业结构的匹配程度越高，反之，ratit取值越小意味着就业结构与产业结构的偏离程度越高。

ratit=∑niGDPiGDPlnGDPiGDP/LiL i=1，2，3; t=1，2，…，k（5）

控制变量：本文将资本投入、技术水平、市场化程度和政府干预作为控制变量纳入模型，分别选用了全社会固定资产投资总额、技术市场交易额、市场化指数［31］和财政支出占GDP比重衡量。

四、实证分析与讨论

（一）数据平稳性检验

研究首先利用ADFfisher方法检验各变量的单位根，以判断数据是否具有平稳性特征。如表2所示，在原序列條件下，大多数变量的统计值在5%水平上未通过显著性检验，经过一阶差分处理后，各变量均在1%水平上达到显著性。说明变量间具有同阶单整性质，符合数据平稳性的回归估计要求。

（二）门槛效应模型估计结果

在估计解释变量系数值前，本文首先借鉴HANSEN的检验思路对变量间的门槛关系进行显著性检验，以确定各模型的门槛临界值数量，明确产业结构变迁在经济增长中的约束特征。首先通过构造F统计量初步确定门槛临界值个数。从表3可以看到，当以劳动投入为核心解释变量时，门槛变量无论是产业高级化还是产业合理化，门槛值均为1个，而以教育人力资本为核心解释变量时的门槛值均为2个。

继续对各模型的置信区间进行估计，为了检验门槛值的稳定性，排除弱门槛对最终估计结果的影响，表4为各类门槛形式的置信区间结果。通过比较各门槛形式下置信区间的构造情况，发现模型（1）、（2）采取单门槛形式更为合理，模型（3）、（4）在双门槛设定形式下的两阶段置信区间不存在重叠问题，因此适宜采用双门槛构造形式。综上所述，在产业高级化和产业合理化作为门槛变量时，劳动投入对经济增长的影响均显著存在单门槛特征，而教育人力资本的影响则表现为双门槛特征。

（三）门槛效应回归估计结果

表5中模型（1）、（3）报告了以产业高级化作为门槛变量，以劳动投入和教育人力资本作为核心解释变量的门槛面板模型估计结果。模型（2）、（4）报告了以产业合理化作为门槛变量的相应结果。从模型的关键参数来看，模型（1）～（4）的拟合度均处于较优水平，解释力度均在90%以上，说明模型设计整体合理。

根据表5模型（1）、（3）的结果来看，教育人力资本的弹性系数大于劳动投入。随着产业结构向高级化演进，劳动投入与教育人力资本对经济增长的促进作用均有所增强。其中，产业高级化由低水平向高水平转变后，劳动投入的系数值由0454增至0729，意味着人口红利增加了606%②；教育人力资本的系数值则由2052依次递增至2095、2160，其所释放的教育红利依次提升了21%③、31%④。这一结果意味着在产业結构向高级化演进过程中，人口红利呈现出更明显的扩大效应。对比模型（2）、（4）的估计结果，随着产业合理化的提升，劳动投入与教育人力资本的系数值均有所减小，在门槛值两侧，劳动投入的系数值相差了0227；教育人力资本对经济增长的影响由低门槛约束下的2224降至了高门槛约束下的2126。以上结果至少证明了在中国经济增长中存在明显的教育红利与人口红利，且教育红利的经济贡献远高于人口红利，而人口红利随着产业结构变迁出现了更为明显的波动，即假设1和假设2得到验证。

根据以上结果，在产业合理化约束下，人口红利与教育红利均呈现出减弱趋势，而产业高级化会增强人口红利与教育红利的经济贡献。从经济产出的动态演化过程来看，在经济产出较低时，劳动力表现出在第一产业的空间集聚特征，而随着经济产出的不断扩大，第一产业的劳动从业比例会逐渐下降，第二、三产业对劳动力的吸纳程度会逐渐增强（见图1），在技术进步等要素推动下，第二、三产业同第一产业的经济效率差值会随着经济产出的扩大而倍增，正如图2所示，2000—2021年间，我国第一产业人均产值的变化幅度相对较小，而第二、三产业期末的人均产值较期初均有大幅增长，由此导致第一产业产值与

就业结构的负向偏离度更为明显，致使其难以获得社会平均利润率，从而形成“高投入-低产出”的社会现象；同样道理，对于经济产出效率较高的第二、三产业，则表现出“低投入-高产出”的现象，其经济产值与就业结构的正向偏离度会逐渐凸显；而不同部门在经济产值与劳动投入层面所折射出的“负向”及“正向”偏离度会共同促使产业合理化水平下降，从而导致产业合理化对人口红利与教育红利产生约束作用，假设4得到验证。

另外，从结构经济理论来看，产业结构变迁倒逼就业结构调整，就业结构的优化又会促进产业结构的稳固。2000—2021年间，中国产业高级化呈持续上升的过程，意味着第三产业在逐渐替代第二产业成为国民经济的主要动力部门，由此带来的是劳动力向第三产业的转移。同期国家统计局数据显示，中国第三产业产值比重、劳动年龄人口与人均受教育程度分别以11%、15%与11%的平均速率增长⑤，劳动人数的增长速率略快于第三产业产值增速，教育人力资本与第三产业产值增速基本持平，从侧面反映出产业高级化同劳动规模及质量结构存在着耦合关联特征，从而促使产业高级化扩大了人口红利与教育红利作用，至此，假设3得到验证。

（四）稳健性检验结果

由于固定效应模型可以消除时间变化导致的部分内生性问题，因此本文继续采用该模型对门槛模型估计结果的稳健性进行检验。第一步利用各门槛变量的临界值构造核心解释变量的虚拟变量；第二步仍然以劳动投入或教育人力资本为被解释变量，虚拟变量也作为解释变量纳入模型中进行分析，考虑到自相关与异方差问题，采用控制了自相关与异方差的固定效应模型进行估计；第三步对比门槛面板模型与固定效应模型中核心解释变量的系数大小及方向，进而判断门槛面板模型的稳健性。表6中模型（5）、（7）报告了产业高级化作为虚拟变量的固定效应模型估计结果，模型（6）、（8）报告了对产业合理化进行虚拟变量处理后的估计结果。对比固定效应模型与门槛面板模型的估计结果发现，模型（5）、（6）的系数值与门槛面板模型的系数值大小、方向基本一致，而模型（7）、（8）中教育人力资本的各阶段系数值较门槛面板模型中均有所减小。总的来看，随着产业结构变迁的推进，中国经济增长过程中的人口红利与教育红利存在稳定性与非线性并存的特征，人口红利的稳定性更强，而在产业结构变迁的门槛约束下，教育红利存在被高估的风险。

（五）进一步讨论

1人口红利与教育红利的同向变化

在产业结构变迁中，人口红利与教育红利具有相同的变化趋势，而教育红利的经济贡献更大，但并未替代人口红利，而是伴随着人口红利的衰减而衰减、增强而增强。其可能的原因在于：在中国劳动规模扩张过程中，劳动力的整体素质在不断提升，这一结果产生了两种相反的经济影响。一是在人力资本积累的过程中劳动成本提升了，而在技术短期不变的情形下，对于经济产出相对

较低的农业部门，劳动成本上升会弱化单位劳动的产出收益，致使产业合理化对人口红利与教育红利的抑制作用有所增强。二是劳动力素质提升后能够更好地弥补由产业高级化引致的劳动需求，特别是对于依托大数据、互联网等信息技术形成的金融、电子、教育培训等服务行业而言，劳动力素质提升会推动产业高级化进程，从而强化产业高级化的红利释放效应，为人口红利与教育红利积累提供产业基础。

2产业高级化与产业合理化的反向作用

回应假设3与假设4，本文的实证结果证实了产业合理化和高级化对劳动红利的反向门槛影响作用。从产业合理化指标的选取依据来看，经济产值越高的部门，应该获得更多的劳动力资源，反之，对于产值较低的部门，劳动力的依附程度也相对较小；与此对应，产业高级化反映了第三产业相对于第二产业经济地位的攀升过程。就中国就业结构与各产业产值构成情况来看，第二、三产业表现出明显的交替过程，但在产业转型的过程中，第一产业的经济产值一直处于较低水平，但就业人口比例长期处于高位，通过对比2000—2021年各产业产值占GDP比重与各产业就业人口占总就业人口比重的差值信息发现⑥，第一产业就业人口比例远高于其产值比例，特别是在样本期最初几年内，两者差值长期徘徊在30%左右，近几年也一直在20%以上，这就导致产业合理化呈现出较为明显的下降过程，而产业高级化在样本期内呈明显的上升过程，从而产业合理化与产业高级化表现出相反的经济影响。

五、结论与建议

本文采用2000—2021年中国30个省份的面板数据，利用门槛面板模型实证分析了产业结构变迁下的经济动力因素变化，讨论了人口红利与教育红利的经济贡献差异及门槛特征，研究发现：在中国经济增长过程中，人口红利与教育红利长期存在，教育红利的经济贡献一直居于主导地位；产业结构变迁过程中，人口红利随产业结构变迁呈现出更明显的波动特征，人口红利與教育红利随着产业合理化提升而逐渐减弱，随着产业高级化的提升而逐渐增强。根据实证结果，从要素资源配置、产业结构变迁与经济增长的协同发展关系层面，本文提出如下建议：

（一）稳定人口增长速度，促进教育人力资本的持续提升

从本文实证结果来看，劳动红利的经济贡献长期存在。劳动力是经济增长的核心要素资源，面对当前我国生育率不断下降的事实，在持续推进计划生育政策放宽的过程中，要更加关注多子女家庭在教育、医疗乃至休假等方面的配套政策的完善，保障多子女家庭生活水平的相对稳定，为扭转生育率下降提供政策保障。与此同时，要加大对教育事业的投入力度，完善公共教育服务体系，促进居民文化素质的代际提升，例如对于欠发达地区要注重优质师资的培育及引进，促进教育资源的基本均衡向优质均衡过渡，对于有条件的地区允许“普及高中教育”等惠民政策的推行，提升居民的基础教育水平，鼓励普通院校深入推进“产学研”协作育人模式，培养更加对口、充足的专业化人才，以满足产业结构转型升级的市场需要，进一步提高劳动要素的产出收益。

（二）优化产业结构布局，促进农村劳动力的合理流动

从产业结构的演进过程来看，劳动力在各部门产出效率的差异性是制约红利释放的重要原因。因此，在全面推进经济高质量发展的过程中，要进一步促进产业结构的合理布局。一是要增强对服务业的支持力度，促进产业结构的转型升级，拓宽社会就业岗位类型，为城乡居民的多渠道就业提供产业支持，减少结构性失业导致的经济失衡与效率损失，充分挖掘现有劳动资源的产出潜力。二是要加大对乡村产业的扶持力度，关注村镇企业对农村劳动力的分流作用，推动农村优势产业的动态调整，在满足市场多元化需求的同时为农村劳动力提供更多的就业岗位，促进“就业-产业-市场”的协调发展。

［注 释］

①

由于数据缺失，研究未将港澳台地区与西藏纳入分析框架。

② 计算方法：第（1）列labor2系数相较于labor1的增长率，即（0729-0454）/0454×100%≈606%。

③ 计算方法：第（3）列edu2系数相较于edu1的增长率，即（2095-2052）/2052×100%≈21%。

④ 计算方法：第（3）列edu3系数相较于edu2的增长率，即（2160-2095）/2095×100%≈31%。

⑤ 通过对2000—2021年中国第三产业产值比重、劳动年龄人口与人均受教育程度增长率求平均值所得。

⑥ 计算方法：第i产业经济比重与就业比重差值量=（第i产业产值/GDP总量）-（第i产业就业人口/就业人口总量）。数据来源于国家统计局公布的各产业产值和就业人口数据。[BFQ][ZK）]

［参考文献］

［1］周健.第二次人口红利视域下的我国教育红利——基于日本的比较研究［J］.理论与改革，2021（6）：116-127.

［2］黄凡，段成荣.从人口红利到人口质量红利——基于第七次全国人口普查数据的分析［J］.人口与发展，2022，28（1）：117-126.

［3］蔡昉.人口转变、人口红利与经济增长可持续性——兼论充分就业如何促进经济增长［J］.人口研究，2004（2）：2-9.

［4］BLOOM D E， WILLIAMSON J G. Demographic transitions and economic miracles in emerging Asia［J］. World bank economic review， 1998， 12（ 3） ： 419-455.

［5］蔡昉.未来的人口红利——中国经济增长源泉的开拓［J］.中国人口科学，2009（1）：2-10.

［6］汪小勤，汪红梅.“人口红利”效应与中国经济增长［J］.经济学家，2007（1）：104-110.

［7］HIPPOLYTE DALBIS， EKRAME B， DRAMANE C. Immigration and public finances in OECD countries ［J］. Journal of economic dynamics and control， 2019， 99：116-151.

［8］周懿，鄧峰，卓乘风.人口红利消退阻碍我国制造业价值链攀升了吗？［J］.经济问题探索，2020（4）：13-26.

［9］BAERLOCHER D， PARENTEM S L， RIOSNETO E. Female labor force participation and economic growth： accounting for the gender bonus［J］. Economics letters， 2021，200：109740.

［10］颜色，郭凯明，杭静.中国人口红利与产业结构转型［J］.管理世界，2022，38（4）：15-33.

［11］胡鞍钢，才利民.从“六普”看中国人力资源变化：从人口红利到人力资源红利［J］.清华大学教育研究，2011，32（4）：1-8.

［12］钟水映，赵雨，任静儒.“教育红利”对“人口红利”的替代作用研究［J］.中国人口科学，2016（2）：26-34.

［13］FHN T， BYE B. The role of human capital in structural change and growth in an open economy： innovative and absorptive capacity effects［J］. The world economy， 2022， 45（4）：1021-1049.

［14］楠玉.中国人口红利源泉：教育、健康和人口年龄结构［J］.经济与管理评论，2022，38（2）：18-30.

［15］张海丰.中国产业政策如何应对第四次工业革命？［J］.社会科学，2020（2）：18-27.

［16］干春晖，王强.改革开放以来中国产业结构变迁：回顾与展望［J］.经济与管理研究，2018，39（8）：3-14.

［17］郭贝贝.劳动力供给与结构性就业矛盾：特征、冲击与纾解［J］.当代经济管理，2022，44（12）：73-80.

［18］李竞博，原新.如何再度激活人口红利——从劳动参与率到劳动生产率：人口红利转型的实现路径［J］.探索与争鸣，2020（2）：131-139.

［19］周映伶，彭建仿，罗胤晨.教育红利的形成机制及实证检验：以长江经济带为例［J］.统计与决策，2022，38（22）：75-80.

［20］黄维海，张晓可.教育人力资本积累、分布与经济增长动能的转换——来自新中国70年的经验证据［J］.教育与经济，2021，37（1）：29-38.

［21］蔡文伯，黄晋生，袁雪.教育人力资本对绿色经济发展的贡献有多大？——基于产业结构变迁的门槛特征分析［J］.华东师范大学学报（教育科学版），2020，38（10）：34-47.

［22］HANSEN B E. Threshold effects in nondynamic panels： estimation， testing， and inference［J］. Journal of econometrics， 1999， 93（2）： 345-368.

［23］张同斌.从数量型“人口红利”到质量型“人力资本红利”——兼论中国经济增长的动力转换机制［J］.经济科学，2016，215（5）：5-17.

［24］齐志远，高剑平.从延伸、强化到替代：人工智能对人类劳动的影响［J］.自然辩证法通讯，2023，45（7）：103-110.

［25］陈健，张屹山，崔晓.城乡人力资本配置失衡与经济增长不平衡——基于静态与动态面板模型的比较［J］.华东经济管理，2021，35（10）：70-81.

［26］原新，金牛.新型人口红利是经济高质量发展的动力源［J］.河北学刊，2021，41（6）：109-116.

［27］邢钰书，韩平，陆丰刚.人口结构与产业结构变迁有助于我国跨越中等收入陷阱吗？［J］.产业经济评论，2019， 30（1）：17-28.

［28］龙少波，丁点尔.消费升级对产业升级的影响研究：理论机制及实证检验［J］.现代经济探讨，2022，490（10）：25-38.

［29］李勇辉，罗理恒.人口红利、劳动力跨行业配置与经济可持续增长［J］.经济问题，2016，440（4）：13-20.

［30］杨芸，肖琬君，孟俊华.微观视角下的产业升级与劳动力迁移——兼论转型期的劳动力迁移特征［J］.经济问题探索，2020，450（1）：165-177.

［31］樊纲，王小鲁，张立文，等.中国各地区市场化相对进程报告［J］.经济研究，2003（3）：9-18.

The Impetus of the Economic Growth in China：

The Demographic Dividend or Educational Dividend？

Huang Jinsheng1，2

（1. School of Economics and Management， Qilu Normal University， Jinan  250200，China;

2. School of Mathematics and Statistics， Kashi University， Kashi 844000，China）

Abstract：   In the process of comprehensively building a modern industrial system， it is very important to fully tap the advantages of population resources to influence Chinas economic transformation.Using panel data from 30 provinces in China， this paper empirically analyzes the contribution and threshold characteristics of labor factors in Chinas economy from 2000 to 2021. The results show that： in the process of Chinas economic growth， the demographic dividend and the educational dividend exist for a long time， and the educational dividend has been the main driving force to promote Chinas economic growth; in the process of industrial structure change， the fluctuation characteristics of demographic dividend are more obvious. Demographic dividend and educational dividend weaken with the improvement of industrial rationalization level， and increase with the advancement of industrial upgrading. Therefore， it is proposed to stabilize the population growth rate while optimizing the industrial structure， promote the continuous improvement of educational human capital and the reasonable flow of rural labor force.

Key words：population dividend; educational dividend; economic growth; changes in industrial structure

（責任编辑：张积慧）