全面二孩政策下人口結構對經濟發(fā)展影響研究

韓林嶧，吳 晟，周海河，劉英莉，崔慶發(fā)

（昆明理工大學 信息工程與自動化學院，云南 昆明 650500）

全面二孩政策下人口結構對經濟發(fā)展影響研究

韓林嶧，吳 晟，周海河，劉英莉，崔慶發(fā)

（昆明理工大學 信息工程與自動化學院，云南 昆明 650500）

自2016年起，我國正式實施全面二孩政策。為了評估在二孩政策下人口結構對經濟發(fā)展的影響。本文首先基于Leslie模型和灰色GM(1,1)模型，進行人口數量及結構預測。其次對人口結構和人均GDP進行單位根檢驗以及協整檢驗，再進行因果分析。最后將2017-2030年實施全面二孩政策下的人口結構與不實施全面二孩政策下的人口結構對比，并使用因果分析進行綜合評價。實驗結果表明，勞動力人口與城鎮(zhèn)人口比重對經濟發(fā)展影響可信度分別為 0.68和 0.60，結果可信度較高。實施二孩政策之后勞動力人口與城鎮(zhèn)人口比重均大于實施二孩政策之前的比重。得出結論：在二孩政策的影響下，2017-2030年，我國經濟會有所提升。

全面二孩；Leslie模型；GM(1,1)模型；因果關系檢驗

0 引言

中國是一個人口大國，人口問題始終是制約我國發(fā)展的關鍵因素之一。2015年十八屆五中全會明確提出“全面實施一對夫婦可生育兩個孩子”的政策，2015年 12月人大常委會表決通過了《人口與計劃生育法》修正案，全面二孩政策于2016年1月1日起正式實施，目前正處于全面二孩階段。

從當初實行計劃生育政策調整到逐步放開生育政策再到全面實行二孩政策，我國的人口發(fā)展出現了一些新的特點[1]。2016年是我國自2000年以來出生人口最多的一年。國家衛(wèi)計委表示，根據國家統(tǒng)計局公布的數字，我國2016年出生人口達1786萬人，同比增長7.9%，二孩及以上占出生人口比重超過45%。就當前而言，“80后”是主要的婚育主體，因此對于未來新生人口的增減趨勢，“80后”的生育意愿在其中起著很重要的作用。

生育政策是一個國家或地區(qū)重要的社會政策之一，它決定著這個國家或地區(qū)在今后相當一段時間內的人口發(fā)展態(tài)勢（包括人口的規(guī)模、結構及質量等方面），對經濟社會的發(fā)展起著至關重要的作用[2]。本文重點研究了在實施二孩政策后，人口結構對我國經濟發(fā)展的影響。

1 基本理論

1.1 Leslie模型

Leslie模型是一種離散矩陣模型，它主要以年齡和性別為基礎[3]。此模型的構建原理是：首先從年齡的角度對數據進行分組，以女性的分年齡別人口數作為分組標準，根據這些分組構造列向量。然后把列向量按照年齡別生育率、年齡別死亡率等標準重新排列組合，構建Leslie矩陣。最后再把分年齡別人口數的列向量與Leslie矩陣相乘，會得到一個新的列向量，它就是將來的女性人口數量，進而算出整體的男女比例。從而通過這種方法去推斷人口總數。

Leslie是一個可以預測特定區(qū)域人口數量和各年齡階段人數的預測模型。用這個模型進行預測的優(yōu)勢就是預測結果較為準確，因為它的數據核心就是人口相關自變量、性別分組及某一初始時期的人口發(fā)展，這些數據相對于其他同類型的數據而言具有一定的穩(wěn)定性[4]。

設需要預測的起始時間為t年，用 ()xt表示人口數量，年齡組內女性生育率為ib，w為女性人口比例，存活率為 ()st，就第1年齡組的女性人口而言，第 1t+年的人口數可表達為（1）式：

同理，在第t年第i年齡組人數可表達為（2）式：

這個人數也是第 1t+年第 1i+年齡組的女性人口的人數。

構造Leslie矩陣如下：

1.2 協整和Granger因果檢驗

（1）序列平穩(wěn)性檢驗

協整理論用于非平穩(wěn)時間序列中[5]，主要是為了獲得相應的均衡關系。要進行協整和因果分析，首要的就是對變量進行平穩(wěn)檢驗，一般都采用ADF單位根方法來進行相關的檢驗操作，檢驗模型有以下三種。

模型1：沒有時間趨勢及常數項，檢驗公式為：

模型 2：包含常數項但不存在趨勢項。檢驗公式為：

模型3：有時間趨勢及常數項，檢驗公式為：

（2）協整、誤差修正模型

協整理論中，若變量之間屬于同一個階數的單整序列，就可以構建協整方程對變量關系進行分析。若序列tx和ty都是單整序列，并且兩個序列都不平穩(wěn)，則對于OLS協整方程而言：

再對xt和yt進行協整檢驗，來判斷殘差εt的平穩(wěn)性。若 xt和 yt不存在協整關系，則他們的任意組合都是非平穩(wěn)的，從而證明殘差εt也是不平穩(wěn)的。若檢驗結果顯示εt的平穩(wěn)性很好，則可判斷出xt和yt協整關系是良好的。

（3）Granger因果關系檢驗

某變量對另一變量而言是否存在因果變化，主要采用Granger因果關系檢驗法[6]來進行判斷，通過以下兩個變量回歸模型來進行相關檢驗。

式中，若 βi=0（i=1,2,...m），則x不是造成y變化的原因；若拒絕 βi=0，則x是造成y變化的原因，得到的最終結論為：x相對于y具有Granger因果關系。同時，可以對 βi=0進行驗證來判斷y和x是否存在因果關系。

2 實驗分析

2.1 人口結構預測

2.1.1 不實施全面二孩政策下的人口結構預測

根據對1996-2015年總人口、勞動力人口結構、城鎮(zhèn)人口結構、文化素質人口結構的數據統(tǒng)計，在不實施全面二孩政策的條件下，通過線性回歸[7]和灰色預測[8]方法，分別畫出總人口和各人口結構關于時間的變化如圖1所示，圖中圓點表示人口的實際值，曲線表示人口的預測值。

在實行一對夫妻只能生一個孩子的計劃生育政策下，根據圖形數據計算分析可得：

（1）勞動力人口占比略有降低，從2020年10.1億人（占比71.63%）持續(xù)緩慢降至2025年9.9億人（占比67.81%）和2030年9.6億人（占比64.01%）。（2）城鎮(zhèn)人口占比有小幅度增高，從 2020年 8.8億人（占比62.41%）持續(xù)增至2025年9.9億人（占比68.49%）和2030年11.1億人（占比74.01%）。

（3）普通高等學校在校生人數占總人口的比重基本不變，2020年至2030年占比持續(xù)維持在2.16%到2.24%之間。

2.1.2 實施全面二孩政策下的人口結構預測

通過對“二孩政策”下社會生育比率的調整，運用Leslie模型對2020-2030年的各個人口結構指標進行預測[9]。本文假定全面實施二孩政策下的生育率為2.0，根據Leslie模型對2020-2030年人口規(guī)模及不同年齡結構人口數量進行預測，進而預測出2020-2030年總人口、勞動力、城鎮(zhèn)人口結構以及人口文化素質結構變化趨勢[10]。預測總人口和各人口結構關于時間的變化如圖2所示。

在實行全面二孩政策下，根據圖形計算分析可得：

（1）勞動力人口比重緩慢降低，與同期不實施全面二孩政策情況基本一致，但靠近2030年時，勞動力人口出現緩慢增高趨勢;

（2）城鎮(zhèn)人口比重持續(xù)增高，從2020年9.5億人增至2030年13.4億人;

（3）普通高校在校大學生人數緩慢增長，與同期不實施全面二孩政策情況基本一致。

圖1 2020-2030年不實施全面二孩人口預測圖Fig.1 Variation of population under Birth Control Policy from2020 to 2030

圖2 2020-2030年實施二孩各種人口預測圖Fig.2 Variation of population under universal Two-child policy from2020 to 2030

2.2 人口結構和經濟發(fā)展的因果分析

由于人口勞動力結構、人口城鄉(xiāng)結構及人口文化素質結構這三個方面的數據比較穩(wěn)定，并且在很大程度上可以代表整體的人口結構，因此選擇這三個方面作為人口結構的指標。人口勞動力結構用15-64歲人口在總人口中占的比重 X1(%)來表示，人口城鄉(xiāng)結構用城鎮(zhèn)人口占總人口的比重 X2(%)來表示，人口文化素質結構用普通高等學校在校生人數占總人口的比重 X3(%)來表示。反映經濟增長的指標選用人均 G DP ( Y)。選取完指標之后，再對這些指標進行消除異方差的預處理。首先對所有指標取對數，記為 l nX1、 l nX2、 ln X3和lnY，用他們的一階差分來表示增長率，可以建立模型：

由于會有“偽回歸”存在的情況，需要對指標lnX1、 ln X2、 ln X3和lnY的差分序列進行平穩(wěn)性檢驗，本文采用ADF方法來進行[11]。借助E－Views軟件得檢驗結果如圖3所示。

根據軟件顯示的內容，對檢驗類型、ADF統(tǒng)計量、5%水平臨界值等信息進行匯總統(tǒng)計，然后根據這些信息判斷變量是否平穩(wěn)。再根據變量的平穩(wěn)性來進行協整檢驗。匯總檢驗結果參見表1。

從表1可以看出：序列1lnX、2lnX、3lnX和lnY都滿足差分平穩(wěn)序列的條件，因此可以進行單整的協整分析與檢驗。

本文在進行兩個變量協整關系檢驗時用 EG兩步檢驗法，然后在進行回歸時用OLS法，結果如圖4所示。

由于回歸的DW=0.676654。須要在這個殘差的基礎上進行平穩(wěn)性檢驗。

從上述方程可知，殘差的估計值為:

然后對殘差做單位根檢驗，結果如表2所示。

圖3 ADF檢驗結果圖Fig.3 ADF test result

表1 各個序列變量的ADF檢驗結果Tab.1 ADF test result about sequence variable

圖4 回歸方程結果圖Fig.4 Regression equation results

表2 殘差序列的ADF檢驗結果Tab.2 ADF test result about residual sequence

從表2可以看出：時間序列是協整的，可以進行下一步的檢驗。也就是說，本文選取的人口結構與人均GDP兩者之間的時間序列是穩(wěn)定的。從回歸方程得出：長期來看，勞動力人口比重(1X)、城鎮(zhèn)人口比重(2X)和普通高等學校在校大學生人口比重（3X）與經濟增長呈正相關關系。

用Eviews進行Granger因果檢驗，結果如圖5所示。

圖5 Granger因果檢驗圖Fig.5 Granger causality test

匯總結果如表3所示。

表3 Granger因果檢驗匯總表Tab.3 Summary about granger causality test

從表3可以看到：勞動力人口的比重(1X)、城鎮(zhèn)人口的比重(2X)、普通高校在校大學生人口的比重(3X)都是經濟變動的原因[12]。

通過對以上檢驗的分析，可得如下關系：

（1）勞動力人口和城鎮(zhèn)人口都是影響人均GDP的原因，由雙方的回歸方程可知，兩者都與人均GDP是一種正向關系。也就是說勞動人口和城鎮(zhèn)人口比重均與經濟增長存在正相關關系。

（2）普通高校在校生人數比重雖然是影響人均GDP的原因，但是影響程度不高，由回歸方程可知，在校生人數與人均GDP有一種微弱的正向關系。也就是說，在校大學生人數的增多，在小幅范圍內可以促進經濟發(fā)展，但影響程度不高。

結合上述對人口結構的預測[13]可知：

如果不實施二孩政策，2020-2030年勞動力人口占比緩慢降低，阻礙經濟的發(fā)展；同時城鎮(zhèn)人口的小幅增高對經濟發(fā)展具有推動作用；高校生比重不變，因此對經濟發(fā)展影響不明顯。

如果實施二孩政策，2020-2030年前期勞動力呈現緩慢降低的態(tài)勢，但是后期勞動力人口比重明顯增高，對經濟發(fā)展具有促進作用；城鎮(zhèn)人口大幅增加，推動經濟的快速發(fā)展，但2030年左右開始呈現下滑趨勢；高校生人口比重不變，對經濟發(fā)展依然影響不大。

3 結論

根據以上結果，進行綜合分析可得到以下結論：

（1）不實施全面二孩政策情況下，勞動力人口數量開始緩慢降低，人口結構出現老齡化趨勢，導致經濟無法維持較高較快的發(fā)展趨勢。從2016年實施全面二孩政策到2030年，勞動力人口比重小幅降低但整體趨勢平穩(wěn)。但在2030年后，人口勞動力結構從降低逐漸轉為增長，因此經濟也將得到發(fā)展。

（2）不論是否實施全面二孩政策，城鎮(zhèn)人口比重始終保持小幅度增長。但實施二孩政策后的 15年，城鎮(zhèn)人口占比開始降低。也就是說，長遠來看，持續(xù)開放二孩政策最終會導致城鎮(zhèn)人口占比先增后減，鄉(xiāng)村人口占比先減后增，最終會阻礙經濟的發(fā)展。

通過以上分析，本文對我國人口政策提出如下建議：

在不同時期采取不同的生育政策。為使人口的發(fā)展更加科學合理，建議在開放全面二孩政策的20-30年后，逐步對社會的生育率進行限制（實施如單獨二孩等政策），逐步降低生育率，這樣才能保證經濟持續(xù)穩(wěn)定發(fā)展。

[1] 葉成緒, 郭超凡, 任競堯, 凌應標, 張雨濃. 三次樣條和二次刪除相輔助的WASD神經網絡與日本人口預測[J]. 軟件, 2017, (6): 7-12.Ye C X, Guo C F, Ren J Y, Ling Y B, Zhang Y N; Cubic Spline and Double Deletion Assisted WASD Neural Network and Japanese Population Forecast [J], Software, 2017, (6):7-12.

[2] 李明來, 張夢宇, 張儀, 彭慶. 中國人口與經濟發(fā)展關系探析與預測[J]. 經濟研究導刊, 2017, (2): 1-2.Li M L, Zhang M Y, Zhang Y, Peng Q. An Analysis of the Relationship between Population and Economic Development in China[J]. Economic Research Guide, 2017, (2): 1-2.

[3] 楊新星, 李春青. 基于改進極限學習機的MBR仿真預測研究[J]. 軟件, 2016, (12): 17-20.Yang X X, Li C Q. Research on MBR Simulation and Prediction Based on Improved Extreme Learning Machine[J].Software, 2016, (12): 17-20.

[4] 劉帥, 袁汝華. 基于Leslie矩陣的水資源供需平衡灰色預測研究[J]. 貴州師范大學學報(自然科學版), 2016, (1):22-27.Liu S, Yuan R H. Research on Gray Forecast of Water Resources Supply and Demand Balance Based on Leslie Matrix[J]. Journal of Guizhou Normal University (Science and Technology) 2016, (1): 22-27.

[5] 胡偉. 基于蒙特卡羅模擬實驗的協整模型應用若干問題研究[D]. 北京: 北京郵電大學, 2015.Hu W. Research on Application of Cointegration Model Based on Monte Carlo Simulation Experiment [D]. Beijing:Beijing University of Posts and Telecommunications 015

[6] 劉華軍, 何禮偉. 中國省際經濟增長的空間關聯網絡結構——基于非線性Granger因果檢驗方法的再考察[J]. 財經研究, 2016, (2): 97-107.Liu H J, He L W. Spatial Correlation Network Structure of Inter-Provincial Economic Growth in China: A Re- examination Based on Nonlinear Granger's Causality Test [J]. Journal of Finance and Economics, 2016, (2): 97-107.

[7] 張哲來. 基于協同表示和線性回歸的人臉識別算法研究[D]. 江蘇: 蘇州大學, 2015.Zhang Z L. Research on Face Recognition Algorithm Based on Cooperative Representation and Linear Regression [D].jiangsu: Soochow University, 2015.

[8] 劉運花, 黎雄, 劉志雄, 孫元章, 周歧林. 基于灰色預測的廣域電力系統(tǒng)穩(wěn)定器分布延時補償設計[J]. 電力系統(tǒng)自動化, 2015, (12): 44-49.Liu Y H, Li X, Liu Z X, Sun Y Z, Zhou Q L. Delayed Design of Wide-area Power System Stabilizer Based on Gray Prediction [J]. Automation of Electric Power Systems, 2015,(12): 44-49.

[9] 陳友華. 全面二孩政策與中國人口趨勢[J]. 學海, 2016, (1):62-66.Chen Y H. The universal Two-child Policy and China 's Demographic Trend [J]. Academia Bimestris, 2016, (1):62-66.

[10] 張月蓉. 中國天然氣年消費量預測[D]. 遼寧: 東北財經大學, 2016.Zhang Y R. Forecast of China 's Natural Gas Consumption[D]. liaoning: Dongbei University of Finance and Economics,2016.

[11] 毛慶. 一帶一路背景下西部地區(qū)旅游產業(yè)金融支持的實證分析——基于ADF檢驗和回歸分析[J]. 新經濟, 2016, (2):24.Mao Q. An Empirical Analysis of Financial Support for Tourism Industry in the Western Regional Belt and Road Backgroud - Based on ADF Test and Regression Analysis[J].New Economy, 2016, (2): 24.

[12] 郭凱明, 余靖雯, 龔六堂. 計劃生育政策、城鎮(zhèn)化與經濟增長[J]. 金融研究. 2015 (11): 47-63.Guo K M, Yu Q W, Gong L T. Family planning policy, Urbanization and Economic growth[J]. Journal of Financial Research. 2015 (11): 47-63

[13] 史尤昭. 數據挖掘技術研究與應用[J]. 軟件, 2015, (11):38-42.Shi Y S. Research and Application of Data Mining Technology[J]. Software, 2015, (11): 38-42.

A Study on the Effects of Population Structure on Economic Development Under the Universal Two-child Policy

HAN Lin-yi, WU Sheng, ZHOU Hai-he, LIU Ying-li, CUI Qing-fa
(School of Information Engineering and Automation, Kunming University of Science and technology, Kunming 650500, China)

China officially implemented the universal two-child policy since 2016. In order to assess the impact of demographic structure on economic development under the universal two-child policy. This paper is based on the Leslie model and the GM (1,1) model, and forecast the population and structure. And then doing unit root test and co-integration test about the population structure and per capita GDP, and on this basis for causal analysis. Finally,this paper compared between the population structure under the universal two-child policy and not the policy in 2017-2030, and causal analysis is used for comprehensive evaluation. The experimental results show that the credibility of the labor force population and the proportion of urban population have the influence are 0.68 and 0.60 in economic development. Moreover, the proportion of the labor force population and the urban population after the implementation of the universal two-child policy is greater than that before the implementation of the universal two-child policy. Concluded that under the influence of the universal two-child policy, China's economy will be improved from 2017 to 2030.

: Universal two-child; Leslie model; GM (1,1) Model; Causality test

TP391.4

A

10.3969/j.issn.1003-6970.2017.10.024

本文著錄格式：韓林嶧，吳晟，周海河，等. 全面二孩政策下人口結構對經濟發(fā)展影響研究[J]. 軟件，2017，38（10）：124-129

韓林嶧(1992-)，男，碩士研究生，數據挖掘。

吳晟，教授，主要研究方向：數據挖掘，算法設計。