中國人口變動對經濟增長影響的量化研究

摘要：文章采用歷史增長核算法，將經濟增長分解為三個貢獻要素，即勞動年齡人口規模的增長、勞動生產率的增長及勞動力利用效率的增長。在此基礎上考察1991～2011年中國實際GDP增長和各貢獻要素的變化特征和趨勢，結果表明，勞動生產率的提升是中國過去20年經濟增長的最主要動力，其次為勞動年齡人口的增長，而勞動力利用效率的影響為負。從未來趨勢上看，我國人口年齡結構和總量變化都將對經濟發展帶來負面影響，短期看人口年齡結構的影響更大，中長期則人口總量的影響更大；勞動參與率的下降和工作時間的減少將使勞動力利用效率進一步下降；而近年來中國勞動生產率的增長速度放緩，這些因素預示著中國未來經濟發展速度必然放緩。最后，文章提出促進農村勞動力向非農產業轉移以提升總體勞動生產率，降低非充分就業率提升實際勞動力利用效率等政策建議。

關鍵詞：人口變動；經濟增長；定量影響

中圖分類號：C92-05文獻標識碼：A文章編號：1000-4149（2013）06-0010-09

一、引言

近年來，各國政府越來越關注未來人口趨勢及其可能帶來的宏觀經濟后果。全球最主要的人口趨勢是人口老齡化，并且在相當一部分國家表現為勞動年齡人口規模甚至是總人口規模的減少。無論是歐盟還是聯合國的預測都顯示，2020年以后歐洲人口規模的絕對額將開始下降，并且到2050年每三人中就有一位是65歲及以上的老年人。在中國，根據聯合國的預測，2010年后人口老齡化速度將加快，65歲及以上人口的比例將從2010年的887%持續提升到2050年的256%，老齡化的進程將持續到2075年左右，老年人口比例將達到30%的最高點數據來源：UN DESA/ Population Division. World Population Prospects， 2012。文中采用的是基于中等變差的人口預測值。。同時，我國勞動年齡人口將在2013年達到983億的頂峰，繼而下降，且勞動力內部的老化也非常嚴重[1]。

國內外很多研究成果都表明，人口變動對經濟增長有著非常重要的影響。邁德魯尼（Maddaloni）等人[2]以索羅（Solow）的增長核算模型[3]為基礎，將實際GDP增長分解為三個要素，即勞動年齡人口增長、勞動生產率提升及勞動力利用的增長，并且對歐洲和美國人口要素對經濟增長的影響進行了對比。結果表明，1961～2005年，美國人口要素的變化對實際GDP增長的貢獻要比歐洲大得多，美國為40%，歐洲為19%。同時，人口要素對歐洲實際GDP增長的貢獻有明顯下降的趨勢，而美國由于積極的移民政策，其人口要素的貢獻則基本保持穩定。其后，阿姆蘭（Amlan）等人利用類似的研究框架，對美國、日本、法國、英國、韓國和土耳其六國進行GDP增長因素分析，結果表明勞動年齡人口增長和勞動生產率提高是GDP增長的主要驅動因素，其中，1974～2008年，美國勞動年齡人口的增長對實際GDP增長的貢獻達到427%，而日本同期則為126%[4]。李（Lee）等人及布倫（Bloom）等人所做的非常重要的針對多國歷史數據的研究都表明，人口紅利確實存在[5～6]。

針對中國人口變動對經濟發展影響方面的研究成果也頗為豐富，但以定性研究居多，基本結論為中國經濟發展得益于人口紅利[7～8]。在相關的定量研究中，由于采用的方法不同，結果差異較大。里斯（Lees）等人把中國的經濟增長歸結為勞動力流動、市場發育產生的效率、外貿和技術引進，以及國內投資和外資引進等四個方面的貢獻，其對年平均92%的國內生產總值增長率的貢獻度分別為30%、13%、43%和13%[9]。世界銀行估計，勞動力數量的增長和質量的提高可以解釋17%的中國經濟增長[10]。蔡昉等人[11]利用勞（Lau）等人[12]和李坤望[13]的模型，將實際國內生產總值分解為三個貢獻要素，即物質資本、勞動力和人力資本，利用道格拉斯函數的變換形式，采用回歸方法得到勞動力對1982～1997年GDP增長的貢獻率為2371%。王豐等人通過考察年齡變動對生產和消費的影響，對1982～2000年人口變化對中國經濟發展的紅利作用做出估算，認為人口紅利對中國經濟增長的貢獻率在15%左右[14]。王金營等人考察了1978～2007年勞動負擔比變動與經濟增長之間的關系，認為在過去30年里勞動負擔降低累計帶來的經濟增長占總增長的2723%[15]。雖然諸多研究成果表明人口要素變動對經濟增長有著重要影響，但是由于采用的方法不同，研究結論中人口要素的貢獻度有較大差異。

本文采用歷史增長核算法，對人口變化要素進行分解，目的是考察1991～2011年勞動年齡人口規模、勞動力利用效率及勞動生產率各要素變化對中國實際GDP增長的貢獻。本文對促進經濟增長的人口變化要素進行了可測量的細分，如勞動年齡人口規模的變動、勞動力利用效率的變動等，使人口變動對經濟增長的影響不再是一個籠統的“人口要素”或是“人口紅利”概念，而是具體的可預測、可預警、可提前政策干預的指標，使政策建議更有針對性。

二、理論框架和數據方法

在人口變化對經濟發展的影響研究中，大部分是基于各種模型，其優勢在于可以對增長要素間的相互作用予以明確考慮，然而這種方法的不足在于模型結果嚴重地依賴于模型本身是如何建立的。不同研究者選取的變量以及對變量及變量關系的界定都可能有很大不同，這導致模型結果差異較大，很難被評估。本文將從增長核算的角度，計算經濟增長各要素的貢獻，尤其是人口要素的貢獻。增長核算理論框架的優勢在于不依賴關于行為和技術函數的特別假設，模型結果比較穩定。從宏觀經濟學的角度，現代增長理論認為經濟增長通常可以分解成一些貢獻要素，并建立了增長核算模型[16]。1960年代以后，一些學者開始利用此模型及改進的模型分析一些工業化國家經濟增長的貢獻要素。比較有代表性的成果包括凱瑞（Carre）等人對法國的研究[17]，馬修（Matthews）等人對英國的研究[18]，萊恩斯（Lains）對葡萄牙的研究[19]，及麥迪森（Maddison）對美國和歐洲的研究[20]等。利用這樣的分析框架，邁德魯尼（Maddaloni）等人分析了1990年代亞洲“四小龍”的經濟增長，發現有利的人口要素能解釋至少1/3的經濟增長[21]。

本文采用邁德魯尼等人[22]的分析框架，將經濟增長分解為三個要素，即勞動年齡人口增長、勞動生產率提升及勞動力利用率的增長在邁德魯尼等人的分析中，Labor Utilization是用總勞動時間除以工作年齡人口，但由于無法取得中國總工作時間，所以這里用實際工作人口代替。。這里，以GDP增長代表經濟增長，勞動年齡人口采用的是15～64歲口徑，勞動生產率是用實際GDP除以就業人口數，勞動力利用效率是用就業人口數除以勞動年齡人口來計算。如此，就有如下公式：GDP=（GDP/EW）LP*（EW/WAP）LU*（WAP/TP*TP）DF（1）其中，EW（Employed Workers）表示就業人口數，WAP（Working Age Population）代表勞動年齡人口，TP（Total Population）表示總人口，LP（Labor Productivity）代表勞動生產率，LU（Labor Utilization）代表勞動力利用效率，DF（Demographic Factor）表示人口因素。

1.勞動生產率的變化特征、趨勢分析

在國外的相關研究中，勞動生產率通常是用實際GDP除以總工作小時數計算得來[23～24]。然而，由于我國只在2000年以后才對工作時間進行統計，而且統計口徑還發生了變化。在2006年及以前統計的是非農行業的周平均工作小時數，該指標從2000年的466小時下降到2006年的454小時，年平均下降05%；2006年及以后采用城鎮就業人口統計口徑，周平均工作小時數從2006年的473小時下降到2009年的447小時，到2011年又上升到470小時。鑒于2000年前并無工作時間統計，2006年統計口徑又發生了變化，統計數據穩定性較差，更重要的是占勞動力總量近40%的第一產業就業人口的工作小時數沒有統計，所以本文采用2000年不變價格實際GDP（美元）除以就業人口數來界定勞動生產率，這里暗含的一個假設是就業人口的人均勞動時間不變。但事實上，全球人均勞動時間有減少的趨勢。邁德魯尼等人的研究表明，歐洲在1980～2005年，每個勞動者平均工作小時數年增長率平均為-05%[25]，這與我國在2000～2006年統計的非農行業人均工作小時數年均下降05%是一致的數據來源：2008年《中國勞動統計年鑒》。。鑒于此，本文假定1990～2000年間工作小時數不變，2000～2011年工作小時數年均下降05%，并以此來校正勞動生產率歷年的變化。從校正過的勞動生產率變化上看，中國1990～2011年該指標一直保持平穩高速增長，從1990年平均每個就業人口實際GDP值（2000年不變價格）709美元增長到2011年的4845美元，增長了7倍。從勞動生產率的年增長率上看，1991～2011年勞動生產率的年增長率均值為96%。圖11991～2011年中國勞動生產率及增長率變化期間有兩個高峰時段，一個是1992～1995年，勞動生產率的年增長率均值達到119%；另一個是2005～2007年，均值為121%。若以2000年為分界線，從1991～2000年，勞動生產率的年增長率均值為92%，2001～2011年則為100%。值得注意的是，雖然分階段看，后一階段比前一階段勞動生產率增長要快，但是最近幾年增長率明顯放緩，具體見圖1。

2.勞動力利用效率的變化特征、趨勢分析

在國外的相關研究中，通常是用總工作時間除以勞動年齡人口數得到勞動力的利用效率[26～27]，但由于上面提到的原因，所以這里同樣使用實際就業人口規模替代總工作時間，且依據上面提到的原則對勞動力利用效率進行調整。從絕對值看，中國的勞動力利用效率總體是比較高的，但有下降趨勢。1990～2011年中國勞動力利用效率的均值是805%，分階段看，對比1991～2000年和2001～2011年的數據，我國勞動力利用效率的均值從834%下降到776%，見圖2。

4.實際GDP的變化特征、趨勢分析

在考察完實際GDP各影響因素的變化后，我們來考察1990～2011年間按2000年不變價格（美元）計算的實際GDP的增長情況，見圖4。從總額來看，我國GDP從1990年的4446億美元穩步增長到2011年的35479億美元，增長了近7倍。但是從長期看，筆者認為是GDP的增長率而不是水平對未來的影響更大，所以本文不僅給出此期間歷年中國實際GDP的變化情況，更加關注同期實際GDP的增長率變化。1991～2011年我國實際GDP年增長率的均值達到了104%，這期間我國經歷了兩個GDP高速增長的階段，即1992～1996年和2003～2007年。在這兩個時期每年GDP的增長率都圖41990～2011年中國實際GDP額及年增長率變化

注：按2000年不變價格（美元）計算。超過了10%，其中1992年和2007年達到142%的歷史高位。1992年開始，我國市場經濟體制改革成果初現，非國有部門發展迅速，大量隱性失業人口得到就業，勞動力的實際利用效率得到提升，同時伴隨著勞動年齡人口增長的有利態勢，GDP增長迅速。1992～1996年GDP年均增長率達到了1244%。1996年以后，由于經濟過熱，國家提出經濟軟著陸。從1997年開始，國家開始對產業結構進行戰略性調整，大批國有企業進行重組與改制，產生大量下崗職工，GDP增長放緩。2001年我國加入世界貿易組織，外需對經濟產生強烈拉動，而此時勞動年齡人口以每年1300萬～1400萬的速度增長，產生了豐富的廉價勞動力，為經濟增長創造了良好的內外環境。2002年以后，我國開始新一輪的強勁經濟上漲，2003～2007年，我國年GDP增長率平均為1166%。2008年受全球經濟危機的影響，我國經濟出現下滑態勢，為避免經濟硬著陸，我國出臺了強有力的刺激計劃，經濟發展在全球率先復蘇，GDP增長率波動較小。如果從1991～2000年以及2001～2011年兩個階段看，中國經濟增長運行基本平穩，與改革開放初期經濟的大起大落不同，這兩個階段我國實際GDP的年增長率均值在2000年以前為105%，2001年及以后為104%。

四、1991～2011年中國實際GDP額及年增長率變化

1.勞動生產率對實際GDP增長的貢獻度及趨勢分析

比較這三個要素，勞動生產率的提升是中國經濟增長的最主要動力。如前所述，1991～2011年我國實際GDP年增長率均值為1041%，勞動生產率的提升對實際GDP增長的貢獻度是9220%，見表2。分階段看，在1991～2000年，勞動生產率提升的貢獻度為8814%，而2001～2011年則大幅升至9591%。這一方面是由于勞動生產率在2001～2011年增長更快，另一方面也是由于勞動力利用效率在2001～2011年表現出更高的負增長，這樣就使得勞動生產率的貢獻度相對增加。雖然中國勞動生產率的貢獻度在1991～2011年超過了90%，但這一結果與國外同類研究結果具有一致性。在邁德魯尼等人對歐洲國家的研究中，從1961～2005年，歐洲國家總體勞動生產率的增長對實際GDP增長的貢獻度更高達103%，勞動力利用效率的貢獻度為-22%，而勞動年齡人口增長的貢獻度則為19%[29]。

2.勞動年齡人口對實際GDP增長的貢獻度及趨勢分析

勞動年齡人口增長是中國經濟增長的第二大驅動力。從1991～2011年整個時期來看，其增長率的均值為126%，對實際GDP增長的貢獻度為1211%。因為研究的時期不同，采用的方法不同，這一研究結論比以往關于人口紅利對中國經濟增長的貢獻度的研究結論略低[30～32]，但與國際類似研究結論具有一致性。如阿姆蘭等人對同樣處于人口紅利期的韓國進行研究，發現在1970～2008年間，勞動年齡人口增長對經濟增長的貢獻度為1176%；分階段看，在1991～2000年，該貢獻度為1237%，到了2001～2011年，略微下降至1186%[33]。

如果將勞動年齡人口要素分解為總人口及勞動年齡人口占總人口的比例這兩個要素，則可以更為明確地計算得到總人口的年平均增長率為081%，勞動年齡人口比例的年平均增長率為045%，這兩個要素構成了勞動年齡人口126%的年平均增長率。可見，這期間，總人口的增長能夠解釋勞動年齡人口增長的2/3，而人口結構的變動能夠解釋1/3。這樣的一個拆分有助于更深刻地理解我國未來勞動年齡人口的變動趨勢。

以同樣的分析框架來預測未來的情況，從當前到2020年的短期來看，總人口對經濟增長的影響仍為正，在總和生育率為16的假設下，預計將會使經濟年平均增長032個百分點；但是這期間人口年齡結構要素對經濟的影響將為負，預計使實際GDP增長率年平均降低061個百分點。總體上看，2012～2020年，勞動年齡人口規模的變動將使實際GDP增長率年平均降低029個百分點。2020年以后，人口總量及年齡結構對經濟增長的負面影響都將逐漸加深，直到2040年左右。2040年以后人口年齡結構的負面影響將會得到極大緩解，但是由于人口總體規模將持續下行，人口總量的負面影響還將繼續加深。總體看，如果預測到2050年，人口總量的變化將使實際GDP年增長率下降022個百分點，人口年齡結構的變化將使其下降044個百分點，總計勞動年齡人口規模的下降將使實際GDP增長率每年下降065個百分點。

3.勞動力利用效率對實際GDP增長的貢獻度及趨勢分析

1991～2011年中國勞動力利用效率體現為負增長，對實際GDP增長的貢獻度為-492%。分階段看，1991～2000年貢獻度為-147%，2001～2011年為-808%。這一研究結論與國際同類研究結論具有一致性，邁德魯尼等人對歐洲1960～2005年期間進行研究，結論是勞動力利用效率對經濟增長的貢獻為-22%[34]。人們對閑暇的追求（人均工作時間變短）以及教育程度（勞動參與率下降）的提高是勞動力利用效率下降的主要原因。事實上，勞動力利用效率的下降在世界范圍是一種普遍趨勢，未來在中國也將進一步下降。

五、主要結論和啟示

1.勞動生產率的提升是中國過去20年經濟增長的最主要動力

1991～2011年，中國實際GDP的年增長率均值為1041%，其中勞動生產率年增長率均值達到了960%，其對經濟增長的貢獻度達到了9220%，是同期中國經濟增長最主要的貢獻要素。從未來趨勢上看，勞動生產率的增長速度將放緩。

2.勞動力利用效率對中國經濟發展的影響為負

1991～2011年，中國勞動力利用效率體現為負增長，對同期實際GDP增長的貢獻為-492%。人均工作時間變短以及勞動參與率的下降是勞動力利用效率下降的主要原因。從趨勢上看，人均工作時間及勞動參與率也將進一步下降。

3.未來人口變化將對中國經濟發展帶來長期的負面影響，且程度逐步加深

對未來人口變化的預測表明，2013年以后勞動年齡人口比例將對未來經濟發展帶來負面影響，且程度逐漸加深，直到2040年以后將大大緩解。而人口總量的變化短期內仍將對經濟發展產生正面影響，但是到2020年以后，將開始對經濟發展產生負面影響，且程度逐漸加深，在可預見的未來都沒有逆轉的趨勢。2012～2050年，總人口對實際GDP年增長率的影響為-022%，要低于人口年齡結構的影響（-044%），但放眼到2050年以后，從趨勢上看，人口年齡結構的負面影響會逐漸消失，但如果人口總量持續減少，對經濟增長的負面影響則是長期的。

4.我國未來經濟增長速度將放緩

考察影響實際GDP增長的三個因素的歷史變化和趨勢，可以看到勞動力的利用效率多年來都為負值，意味著其對經濟發展作用為負，從趨勢上看，負值有加大的趨勢。勞動年齡人口的增長是過去我國經濟增長的重要促進因素，但是2013年將是可預計的幾十年中最后一個對經濟增長產生正向影響的一年，從未來的趨勢上來看，其將對經濟發展產生越來越嚴重的負面影響。而第三個要素——勞動生產率，雖然一直保持較高的正向增長，但從增長率上看現今卻有明顯的下降趨勢。由此可見，我國未來經濟增長的速度必然會下降。但其波動幅度應小于改革開放初期，基本上會保持平穩運行。

5.農村勞動力轉移是提升勞動生產率的保障

以上的結論已經表明，未來我國勞動力利用效率和勞動年齡人口總量都將面臨下降的趨勢，因此，勞動生產率的提升就成為保持我國未來經濟發展的關鍵。我國勞動生產率的產業差異是非常大的，農業占有了396%的就業人口，但是只產生10%的GDP比重數據來源：世界銀行數據庫，中國2008年數據。。從當前情況看，我國農業勞動力尚有向第二、三產業轉移的空間。考慮到不同產業勞動生產率的差異對整體勞動生產率的影響，政策上保障農業勞動力持續向非農業轉移是提升總體勞動生產率的重要手段。

6. 降低非充分就業率而非提升勞動力規模

雖然我國面臨勞動力規模下降的趨勢，但根據第六次人口普查數據，目前我國97億勞動年齡人口仍然遠超所有發達國家和地區83億勞動年齡人口的總和。需要指出的是，勞動力短缺的唯一衡量標準是失業率很低且不斷下降[35]。很多發展中國家雖然失業率較低，但非充分就業率很高，中國就屬此列。本文認為，中國在非充分就業率很高且產業升級要求迫切之時，旨在提升勞動力規模的政策措施是不可取的。如延遲退休年齡可能會提高失業率，如果在負擔比上升的同時疊加高失業率或是非充分就業率，那么我國面臨的經濟挑戰將要更為嚴峻。對當下中國而言，為實現經濟的可持續增長，有效手段是降低非充分就業率，而不是急于提升即時或未來的勞動力規模。

參考文獻：

[1] 齊明珠.我國2010～2050年勞動力供給需求預測[J].人口研究，2010，（5）.

[2] Maddaloni， A.， A. Musso， P. Rother， et al. Macroeconomic Implications of Demographic Developments in the Euro Area[J]. ECB Occasional Paper， 2006， 51.

[3] Solow， R. M. Technical Change and the Aggregate Production Function[J]. The Review of Economics and Statistics， 1957， （3）.

[4] Amlan，R. and A.Shivani. A Demographic Perspective of Economic Growth[J]. Economics Research， 2009，（3）.

[5] Lee， R. and A.Mason. What Is the Demographic Dividend？[J]. Finance and Development， 2006， （3）.

[6] Bloom， D.E.， D. Canning， and S. Jaypee. The Demographic Dividend： A New Perspective on the Economic Consequences of Population Change[J].Rand Corporation， 2003，（5）.

[7] 汪小勤，汪紅梅.“人口紅利”效應與中國經濟增長[J].經濟學家，2007，（1）.

[8] 鐘水映，李魁.人口紅利與經濟增長關系研究綜述[J].人口與經濟，2009，（2）.

[9] Francis A. Lees. China Superpower： Requisites for High Growth[M]. New York：St. Martins Press， 1997.

[10] 世界銀行.2020年的中國：新世紀的發展挑戰[M].北京：中國財政經濟出版社，1997.

[11] 蔡昉，王德文.中國經濟增長可持續性與勞動貢獻[J].經濟研究，1999，（10）.

[12] Lau， L. J. and P. A.Yotopoulos. The Metaproduction Function Approach to Technological Change in World Agriculture[J]. Journal of Development Economics， 1989， （2）.

[13] 李坤望.經濟增長理論與經濟增長的差異性[M].太原：山西經濟出版社，1998.

[14] 王豐，安德魯·梅森.中國經濟轉型過程中的人口因素[J].中國人口科學，2006，（3）.

[15] 王金營，楊磊.中國人口轉變——人口紅利與經濟增長的實證[J].人口學刊，2010，（5）.

[16] 同[3].

[17] Carre， J.， P. Dubois， and E. Malinvaud. French Economic Growth[M]. Stanford， Ca.： Stanford University Press，1975.

[18] Matthews， R.， C. Feinstein， J. OdlingSmee. British Economic Growth， 1856-1973[M]. Stanford， Ca.：Stanford University Press， 1982.

[19] Lains， P. Catching up to the European Core： Portuguese Economic Growth， 1910–1990[J]. Explorations in Economic History， 2003， （4）.

[20] Maddison， A. The World Economy[M]. Academic Foundation， 2007.

[21] 同[2].

[22] 同[2].

[23] 同[2].

[24] 同[4].

[25] 同[2].

[26] 同[2].

[27] 同[4].

[28] 同[2].

[29] 同[2].

[30] 同[11].

[31] 同[14].

[32] 同[15].

[33] 同[4].

[34] 同[2].

[35] Michael， H. Population Aging and Economic Development： Anxieties and Policy Responses Population Ageing[J].2012，（5）.