经济增长背后的人口结构因素

《经济增长背后的人口结构因素》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、经济增长背后的人口结构因素引言改革开放以来，河南的经济发展一直受到学术界的广泛关注。在一系列政府政策的引导下，河南的经济水平取得了长足发展，同时学者也开始对河南经济增长背后的影响因素进行思考和探索。从现有研究结果来看，大多文献主要从贸易、资本市场、要素驱动等视角对河南经济增长现象进行解释，而从人口结构切入的文献鲜见。事实上，国内外学者早已认识到人口结构对经济增长有着不可忽视的作用。林德赫等在索罗增长模型的基础上引入人口年龄变动因素，以OECD国家的历史经验数据为研究样本，探讨了年龄结构的变化对经济增长的影响作用，结果发现50岁至64岁之间的劳动力规模增长能够显著促进地区经

2、济增长，但随着64岁以上的老年人口规模的增加，经济增长受到抑制。与其类似，佛瑞格瑞等人在OLG模型中引入人力资本的年龄结构因素，分析了包括美国、英国等在内的7个发达国家的人口年龄因素对经济增长的影响，结果发现老龄化对经济增长具有显著的长期效应，这一研究结论与安德森，贝特尼等的分析结果类似。在中国经济增长背后的人口结构因素研究方面，王力、柴新等认为20世纪70年代以来，中国计划生育政策导致生育率的大幅下降，由此产生了人口红利对经济增长也产生了正效应。而格里佛则认为由于中国人口结构的变动导致中国劳动力人口规模优势明显，吸引国际资本流入，从而通过投资扩张以及较高的资本回报率促进

3、了中国的经济增长。对于中国人口结构变动对经济增长影响渠道研究，国内学者普遍认为，中国人口结构变动改变了劳动力人口规模优势，提高了储蓄率以及投资率，影响了政府的公共投资。从上述文献回顾可以看出，现有文献中少有从人口结构视角解释河南经济增长，同时国内外关于人口结构和经济增长的研究更侧重探讨人口年龄结构对经济的影响，忽视了人口结构其他层面影响。本文与已有研究的不同之处在于，选择从城乡人口结构、人口年龄结构、人口教育结构、人口就业结构等多维度探索其与经济增长的关系，同时通过手工搜集河南各地级市面板数据，建立面板模型进行实证分析。一、模型设定及说明为了准确探究河南地区不同层面人口结

4、构变动对经济增长的影响，本文选择城乡人口结构、人口年龄结构、人口教育结构以及人口就业结构进行切入研究。克鲁格曼的新经济地理学认为，人口城乡结构能够显著地影响经济的增长，其内在机理在于随着人口城市化率的提升，生产要素集聚效应开始显现，在市场处于不完全竞争的前提下，这种集聚效应能够给社会生产力带来正向外部性，具体表现在农业现代化、工业化进一步提升、产业结构升级等，从而促进资本积累，推动经济增长，基于此我们认为河南城镇化人口比例的提升对经济增长有显著正向作用。人口年龄结构的变化可以影响社会储蓄率的变化以及劳动力供给的变动。具体而言，袁志刚等认为在中国居民的习惯下，随着人口老龄化

5、的推进，社会储蓄率会上升，不利于经济的可持续发展。贺菊煌从生命周期理论为研究切入点，得到了与袁志刚类似的研究结论。但李福，李克明等人持相反的态度，他们认为与社会上普遍存在的工作群体相比，老年人口所占比例较小，因此随着老齡化的演进，社会储蓄率应该是下降而非上升，他们的这些观点均采取相应国家的数据得到了证实。由此可见：人口结构变化对经济增长影响的作用方向并不是唯一。在经济增长模型中，人力资本是经济发展过程中重要的要素，具体表现在人力资本的数量和质量上，即社会就业比例与经济增长有正向相关的关系，同时劳动力受教育程度越高，其对经济增长的正向作用也就越明显（陈彬，1996，毛洪涛等

6、，2004）。基于以上分析，本文假设在其他影响要素不变的前提下，构建如下的计量模型：其中以上的公式中i代表第i个城市，t代表年份，gdp用来表征相应城市在对应年份的经济增长；而pop用来衡量人口的总规模；popcity指人口城乡结构，用来表示城市城镇化指标；pop-y，pop-o，pop-l则用以表征人口年龄结构，分别代表抚养人口比例、赡养人口比例和劳动力人口比例（值得说明的是，按照世界银行对于少年抚养，老年赡养的年龄界定，15岁以下的属于抚养人口，65岁以上的属于赡养人口）；就业人口结构用pop-emp表示，但限于各地级市数据的可得性，本文采用登记失业率进行代理；人口教

7、育结构用popedu表示，采用成人高等教育学校的在校人数所占比重进行衡量；而代表了模型的随机误差项。二、实证分析本文搜集了河南省内的18个地级市的历史数据，具体包括郑州市，开封市，洛阳市，平顶山市，安阳市，鹤壁市，新乡市，焦作市，濮阳市，许昌市，漯河市，三门峡市，南阳市，商丘市，信阳市，周口市，驻马店市，济源市。其研究区间为2008-2014年，数据均于河南省统计局X站上关于各个地级市的国民经济和社会发展报告与人口普查统计公报。为了消除模型可能存在的异方差，在进行面板回归之前对各变量进行了对数化处理。利用STATA13.0，使