空間關聯視野下人口老齡化對勞動參與率的影響分析*

馮劍鋒 岳經綸 范 昕

（中山大學中國公共管理研究中心/政治與公共事務管理學院，廣州 510275）

自計劃生育政策實施以來，我國生育水平發生了根本性轉變，人口出生率的快速下降逐漸帶來了老齡化現象。根據世界銀行 （WDI，2016）公布的數據顯示，我國于2001年正式進入老齡化社會。人口老齡化程度的不斷加深，對我國社會經濟發展和就業市場穩定構成了巨大的潛在威脅。而在生育水平不斷下降的同時，勞動人口的大規模轉移深刻改變了我國區域經濟的地理版圖和就業人口的空間分布，由此帶來的區域發展問題也日益成為當今社會輿論的焦點。如何從區域層面合理規劃人口年齡結構的空間分布和就業需求，妥善解決區域發展過程中人口老齡化對勞動就業市場的潛在沖擊，對于全面建成小康社會，更好滿足人民日益增長的美好生活需要和解決不平衡不充分發展等民生福利問題，具有相當重要的歷史意義和時代價值。

從學理來看，人口老齡化對勞動就業的影響已成為學界重點討論的話題。不少學者指出，隨著人口老齡化程度的加深，勞動就業水平將面臨較大的下行壓力，無論在發達國家還是發展中國家，人口老齡化均是解釋勞動參與率下降的重要原因。然而，另外一些學者則認為，人口老齡化未必完全對勞動參與率帶來負面影響。例如，Aaronson（2014）通過對美國就業數據的研究發現，人口老齡化對勞動參與率的影響是由多方面因素所致：因生育水平下降而帶來的婦女重新選擇就業、年輕人延長接受教育時間，以及高齡人口重返就業市場等，均會對勞動參與率帶來多重影響效應，人口老齡化對勞動參與率的沖擊存在較大不確定性。 馮劍鋒、岳經綸（2017）進一步通過對44個國家面板數據進行實證分析后發現：在生育水平不斷下降的同時，人口老齡化現象會引致高等教育規模的不斷擴大，教育投資行為會使得人口老齡化對勞動參與率的影響呈U型發展特征，即在老齡化社會初期，人口老齡化會對勞動參與率產生明顯的負面影響，但隨著老齡化程度躍過駐點位置后，勞動參與率會出現明顯反彈。導致這種情況的主要原因在于，進入高度老齡化社會以后，高齡勞動力會選擇重新進入勞動力市場，從而有效彌補了接受教育的年輕勞動力和結構性失業工人的就業空缺。

現有研究雖然已有分析為我們深入理解人口老齡化對勞動參與率的影響提供了重要基礎和經驗支持，但仍存在不少局限性，其中較為明顯的地方在于，大多數研究忽略了研究個體的空間關聯性特征，從空間關系視角深入探討我國人口老齡化對勞動參與率的影響在目前學界中并不常見。這種情況顯然難以與我國目前的現實國情相符。眾所周知，我國疆域遼闊，區域發展不平衡，不同地區的發展往往存在明顯的空間要素（勞動力、資本和技術）流動，由此帶來的空間關聯效應不僅深刻影響到不同地區的人口年齡結構分布，同時也顯著改變了各地產業分布和就業格局。那么，在這種特殊的空間環境下，我國人口老齡化與勞動參與率是否顯著受到空間關聯性的影響？若有，這種空間分布規律所帶來的影響又該如何測量？兩者關系中究竟有多少比例是由于空間關聯性影響所致？針對這些問題的思考，筆者首先利用探索性數據分析方法（ESDA）對我國人口老齡化與勞動參與率的空間關聯程度進行了深度勾勒，然后采用空間面板模型對兩者關系進行深入分析，最后通過空間面板分解方法將人口老齡化對勞動參與率的影響分解為直接效應和空間溢出效應，并相應測算出不同影響路徑下的作用大小。

一、模型介紹及變量說明

（一）模型介紹

1.探索性數據分析方法（ESDA）

探索性數據分析主要用于測度空間分布中相鄰地區是相似（空間正相關）、相異（空間負相關）還是空間相互獨立（隨機分布），常用方法為Moran’s I，具體公式：

其中 w代表空間權重矩陣中的元素；x代表地區i觀測值，代表樣本總體均值，下標i和j分別為對應省份，n代表省域總數。由公式（1）可知，Moran’s I的取值范圍為［-1，1］。 當 Moran’s I大于0時，則認為空間分布存在正相關（高值與高值相關相鄰，或低值與低值相鄰），當Moran’s I小于0，則認為空間分布存在負相關（高值與低值相鄰），若Moran’s I接近0則認為空間分布處于隨機分布狀態。

2.空間面板模型

空間面板模型分為空間自相關模型（SAC）、空間誤差模型（SEM）、空間杜賓模型（SDM）和空間自回歸模型（SAR）四類，其一般形式為：

其中，W為對應空間權重矩陣，Y為因變量，X為解釋變量，μ為誤差干擾項。另外，δ為空間自回歸系數，λ 為空間自相關系數，α|β|θ為 n×1 階的參數向量，i為階n×1的單位向量。需要說明的是，在估計前需要對模型相關參數進行設定檢驗。 本文參考胡亞權（2012）做法，采用 LM-Err（空間誤差）、LM-Lag（空間自相關）及其穩健式以及Wald和LR檢驗進行設定。其中，LM檢驗主要針對SAR和SEM模型進行比較；然后分別采用Wald檢驗和LR檢驗，主要針對SAR/SEM模型進行篩選檢驗。

在公式（2）基礎上將（y）分解為直接效應和空間溢出效應，其中直接效應指本地對該地區的影響，而空間溢出效應則指相鄰地區對該地區的影響，具體為：

其中直接效應為S（W）中對角線上元素的平均值，而空間溢出效應為S（W）中非對角線上的所有元素平均值，直接效應和空間溢出效應總和為總效應。

（二）研究對象及相關變量說明

本文選取1990—2012年全國31個省、市、自治區（不含港澳臺）作為考察對象，考慮重慶自1997年起成為直轄市，為保持口徑一致，本文將其并入四川。變量方面，其中勞動參與率選取各地經濟活動人口除以15-64歲人口作為考察對象，其中經濟活動人口為就業人口加上城鎮登記失業人數，而人口老齡化（age）則以65歲及以上人口比重作為考察對象。另外，本文還加入一組控制變量來控制其他因素的干擾，具體包括：（1）市場化程度（institution），選取非國有固定資產占固定資產總額比重，用以捕捉市場化水平對勞動參與率的影響；（2）人均 GDP 增速（pgdp），用以捕捉經濟增長對勞動參與率的影響；（3）服務業人口比重（service），選取第三產業就業人口比重占總人口比重，用以捕捉產業結構調整對勞動參與率的影響；（4）少兒人口比重（young），選取 0-14歲少年人口占總人口比重，用以表征撫養孩子對勞動參與率的影響；（5）人均受教育年限（educ），選用接受教育總時間除以對應人口總數，用以表征教育投資行為對勞動參與率的影響；（6）國有企業職工比例（soe），選用國有企業員工占就業人口比重，用以表征就業單位成分對勞動就業的影響；（7）人口密度（den），用以捕捉人口稠密程度對勞動就業市場的影響。

二、實證檢驗：人口老齡化對勞動參與率的空間相關性影響分析

本文首先針對人口老齡化與勞動參與率的各自相關度進行Moran指數測算，圖1顯示，人口老齡化與勞動參與率的Moran’s I均顯著大于0，兩者在空間分布上均存在明顯的空間正相關特征。另外，考察兩者系數大小可以看出，人口老齡化的空間相關程度表現較為平穩，前期在0.3附近出現了波動徘徊，直到后期開始不斷有所下滑，空間分布趨于隨機分布狀態。反觀勞動參與率的空間相關度則變化較為明顯：在初期，勞動參與率的空間相關水平處于較低狀態，但隨著時間推移，勞動參與率經歷緩慢的上升趨勢，在2003年左右開始出現快速上升，隨后又經歷快速下降。從兩者關系的空間關聯度可知，人口老齡化與勞動參與率均存在一定的空間相關性，對兩者關系的深入研究應考慮從空間計量角度進行分析。

圖1 人口老齡化與勞動參與率的Moran’s I變動趨勢

（一）空間面板模型的設定

本文首先根據LM-Err、LM-Lag及其穩健形式以及Wald和LR檢驗對模型進行設定檢驗（表1）。從顯著性水平來看，空間滯后明顯優于空間誤差，因此可以認為SAR相比SEM更合適，而Wald檢驗顯示三類模型均拒絕原假設，可以認為SDM相比SAR更合適。最后考察LR檢驗發現，三類模型均拒絕原假設，可以認為SAC相比SAR更合適。綜合上述結果來看，本文將采用SAC與SDM模型進行估計測算。

表1 空間面板模型的設定檢驗

（二）空間面板模型的估計結果

表2顯示，SAC的rho系數要優于SDM，且SAC的lambda系數顯著不為0，因此三類模型應選用SAC。進一步比較SAC模型，發現控制地區后的SAC模型比其他兩類模型的擬合優度（R）要高，因此筆者選擇控制地區效應后的SAC模型進行分析。

表2顯示，在考慮空間相關因素后，人口老齡化對勞動參與率的影響總體顯著為負，這一結論與較多學者認為人口老齡化程度的加深會對勞動參與率產生負面影響相一致。另外考察其他控制變量，可以發現提高市場化程度將有助于提升勞動參與率，這反映出在市場化程度越高的地區，民營企業生產規模的不斷擴大有利于滿足大量剛性勞動就業需求，因而對勞動參與率產生正面影響。另外，人均GDP增速（pgdp）、服務業人口比重（struc）、少兒人口比重（young）以及人均受教育程度（educ）均對勞動參與率存在負面影響。其中，經濟增速和服務業人口比重上升對勞動參與率帶來負面影響，這反映出隨著產業結構調整步伐的不斷加快，經濟結構轉型所帶來的結構性失業會影響到勞動個體的就業機會，從而對勞動參與率產生不利影響；另外，少兒人口比重的上升抑制了勞動參與率，反映出撫養孩子數量的增加會降低父母參與勞動就業的時間和機會，進而會對勞動參與率帶來負面影響；而人均受教育程度的上升所帶來的負面效應則主要是因為受教育時間的延長顯著推遲了年輕勞動個體進入勞動就業市場的時間，因而對勞動參與率存在負面影響。

表2 空間面板回歸結果

三、直接效應與空間溢出效應的分解結果

根據模型設定，本文以控制地區后的SAC模型作為分析對象，并將顯著性變量進行了分解。圖2顯示，人口老齡化不僅對當地勞動參與率產生了負面影響，同時也給其他相鄰地區的勞動參與率帶來明顯的正面溢出效應。比較兩者大小可以發現，直接效應約為總效應的155%，空間溢出效應約為總效應的55%，通過計算可知，直接效應的負面影響大概是正面溢出效應的2.8倍（1.55/0.55）。因此，從總體來看，人口老齡化對勞動參與率的影響顯然具有明顯的負面效應。這一發現表明，在整個人口轉變過程中，人口老齡化程度的加深對勞動參與率的影響主要是由兩方面因素所致：一方面，隨著本地生育水平的不斷下降，撫養孩子數量的減少會引致父母增加對子女的教育投資，教育規模的不斷擴大導致了大量年輕勞動力推遲進入勞動力市場，從而對勞動參與率產生明顯的負面作用；但是，另一方面，大量年輕勞動力從相對落后地區流入東部沿海省份，勞動力人口流失雖然間接加劇了相對落后地區的人口老齡化水平，但同時也給其他相鄰地區提供了豐富的人力資源，這些年輕外來勞動力能較好地適應人口流入地的城市發展和產業轉型升級，一定程度上彌補了大量因接受教育而推遲進入勞動力就業市場的當地就業人口，因此對其他相鄰地區的勞動參與率帶來了顯著正面影響。由此可見，在進入老齡化社會以后，勞動力要素的空間轉移在一定程度上有效緩解了我國人口老齡化對勞動市場的負面沖擊，雖然這一作用并沒有完全改變人口老齡化對就業市場的總體影響效果，但這一積極因素應引起社會各界的充分重視。

圖2 直接效應與空間溢出效應的分解結果（5）

另外，考察其他滿足顯著性水平的控制變量，發現市場化程度（institution）對本地勞動參與率具有明顯提升作用，但對其他相鄰地區卻帶來負面影響。這一情況說明市場化程度越高的地區雖然能有效提供較多工作崗位來滿足剛性勞動就業需求，但同時也對其他相鄰地區產生一定“虹吸”效應，進而影響到其他地區的就業水平。此外，少年人口比重（young）對本地勞動參與率具有明顯的抑制作用，但對相鄰地區卻有明顯正面影響。筆者認為主要歸因于以下兩方面：一是少兒人口比重的上升降低了本地勞動參與率的增幅，即撫養孩子數量的增加的確會降低本地父母參與勞動就業的時間和機會，但由于我國經濟發展存在明顯的城市“集聚”現象，年輕父母跨省外出打工而子女無法在當地就讀情況造成了相對落后地區普遍存在留守兒童問題，所以少兒人口比重的上升對經濟相鄰地區的勞動參與率存在正面影響在一定程度上印證了上述現象。

最后值得注意的是，筆者發現兩個令人感到意外的結論：即人均GDP（pgdp）和服務業比重（struc）對勞動參與率的總體效應顯著為負，其中兩者直接效應顯著為負，但空間溢出效應卻顯著為正。筆者認為這主要與我國特殊的區域發展模式有較大關聯。在較為發達的東部沿海地區，經濟發展程度越高，產業結構調整步伐就越快，由此帶來的結構性失業問題也較為嚴重，對勞動參與率的負面沖擊也較為明顯；但另外一方面，本地經濟發展對相鄰地區的發展又具有明顯的輻射效應，在產業轉移過程中，落后地區通過承接相對發達地區的下游產業鏈，能有效地提供低廉技術的勞動就業崗位，進而能在一定程度上對其他相鄰地區的勞動參與率帶來正面影響。

四、結語與討論

本文針對我國人口轉變過程中所發生的一系列基本事實，從空間關聯視角系統解讀了當前我國人口老齡化對勞動就業市場的影響。結果發現，在整個人口轉變過程中，人口跨區域流動引致了人口老齡化和勞動參與率存在明顯的空間正相關特征，人口老齡化對勞動參與率的影響同時存在直接效應和空間溢出效應兩方面，其中直接效應所帶來的影響顯著為負，而空間溢出效應影響則顯著為正。比較兩者大小發現，由于直接效應是空間溢出效應的2.8倍，因此人口老齡化對勞動參與率的總體影響顯著為負。

通過以上分析可以看出，在人口老齡化日益加深的情況下，由于人口跨區域流動的影響，勞動力要素在空間分布上得到了有效配置，進而在一定程度上緩解了人口老齡化對勞動就業市場的負面沖擊。這一發現表明，在人口轉變過程中，優化勞動力要素的空間配置是有效緩解老齡化社會對就業市場負面沖擊的重要途徑，隨著我國人口紅利的逐漸式微以及“劉易斯拐點”的日益臨近，這一積極作用應引起社會各界的高度重視。而針對有關結論，筆者認為當前社會政策需在以下幾方面進行努力：

第一，政府應高度重視人口流動對勞動就業市場的正面作用，積極通過戶籍制度改革來放寬城市人口的準入門檻，優化勞動力資源在空間分布上的有效配置。在人口老齡化程度不斷加深的今天，城市人口同時面臨著日益膨脹的問題，各級政府應加快完善城市基礎公共設施和就業服務體系，通過建立科學合理的就業服務平臺和高效的合作網絡體系，進一步提升城市就業的整體吸納能力。

第二，政府應加快完善相關社會保障制度建設，著力提升社會安全網絡水平，進一步為廣大外來務工人員提供合適有利的生活條件和制度保障。具體而言，各級政府應加強社會保障制度的城鄉統籌能力和統籌層次，在制度設計和資金轉移方面，應進一步滿足外來務工人員的流動適應性需求，完善基本養老保險和醫療保險相關轉移接續的規定，保證廣大外來務工人員真正享受到應有的社會福利和生活保障。

第三，政府應注重區域發展過程中，勞動力人口流出對相對落后地區的負面沖擊，加強中央政府在不同地區發展過程中的整體協調能力，著力縮短不同地區的經濟發展差距和基本公共服務的城鄉差異。一方面，政府應進一步通過政策扶持方式來積極發展符合當地特色的旅游文化產業，鼓勵當地居民根據當地文化特色和資源稟賦進行自主創業，并通過電子商務等服務平臺加快對接各項扶貧工作的開展，完善各項社會基礎公共服務設施的建設；另一方面，政府應充分發揮區域間產業發展的協同效應，積極引導相對落后地區通過承接發達地區的下游產業鏈進一步激活當地潛在就業人口。

第四，社會各界應加強以市場導向的就業服務指導，通過產學研合作模式來加快提升我國高校大學生的整體就業水平，同時應加快推行延遲退休政策和針對產業調整過程中就業困難的失業工人進行職業培訓，利用老齡產業快速發展這一歷史機遇來引導部分勞動力資源重新進入勞動市場就業；以此提升未來我國整體勞動就業水平。

注釋：

（1）世界銀行官方網站：https：//datacatalog.worldbank.org

（2）一個地區的人口老齡化程度主要受兩方面因素所致：一是生育水平下降和平均壽命延長所帶來的本地人口老齡化現象；二是人口遷移過程中，勞動力人口的遷入與遷出均會在短期內顯著影響該地區人口老齡化程度。

（3）這里采用經濟加權的空間距離作為空間權重矩陣，限于篇幅沒有具體列式出來，感興趣讀者歡迎向作者本人索取。

（4）雖然在控制地區效應后（Spatial-Fixed）的檢驗，LM-Lag和LM-Err均沒有通過顯著性檢驗，但比較顯著性水平來看，LM-Lag檢驗的p值為0.14，而LM-Err檢驗的p值為0.714，相比較而言，選擇LM-Lag形式較為合適。

（5）數值大于0說明是正向影響，小于0則為負面影響。