中国地区人口红利差异的分解与解释--基于数据包络分析模型_人口红利论文

中国区域间人口红利差异分解及解释——基于数据包络分析模型,本文主要内容关键词为:包络论文,红利论文,中国论文,分解论文,模型论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

一、引言

改革开放以来,中国经济实现了跨越式的增长,但伴随着各项改革的不断深化,中国区域布局不平衡日趋严重,呈现出典型的“二元”特征。以2010年为例,全国实现的401202亿元国内生产总值中,57.31%集中在总人口规模仅占41.26%的东部地区,而剩余42.69%所处的中西部地区却聚集了58.74%的人口。上海、北京、天津、江苏人均GDP分别高达76074元、75943元、72994元、52840元,而贵州、云南、甘肃、西藏人均GDP分别仅为13119元、15752元、16113元、17319元,两类地区经济发展水平的极值比达4.46倍①(国家统计局,2011)。根据国民经济增长核算方程,劳动力或人力资本增加将会对经济增长产生较大贡献。因此,在当前中国人口数量增加、劳动年龄人口比重上升的条件下,要实现区域间经济协调发展,挖掘各地区尤其是落后地区的人口红利是关键,并迫切需要对中国区域间人口红利及存在的差异进行深入研究。

综合来看,人口红利的本质是人口年龄结构对经济发展的潜在贡献,但判断一个国家或地区是否实现人口红利,取决于人口年龄结构是否对现实经济运行产生实际的促进作用,并至少存在两类不同的路径:一是劳动力通过接受教育、培训等形成人力资本积累,由此提高劳动参与率和劳动生产率,从而对经济增长产生贡献来实现人口红利。这一作用的机理是人口转变的劳动力资源要被高效的开发,并需要劳动力市场合理配置和有效利用的相关制度作为保障。在此条件下,劳动力对经济发展具有积极作用,如Bloom等(2002)认为,人口转型过程中提高劳动年龄人口比重将对经济增长产生积极作用,并以此解释了1965~1990年的东亚崛起。Shimasawa(2007)认为,人力资本增长可以抵消劳动力数量的负增长,并有助于实现经济的可持续发展。蔡昉(2009)和王颖等(2010)均指出人口红利对中国改革开放以来的经济增长做出了较大贡献。然而,如果劳动力未被充分利用,并在缺乏相关制度保障的情况下,劳动力对经济增长的作用可能不明显。例如,拉丁美洲在经历人口结构转变的过程中并没有表现出经济的快速增长。二是人口转变引致储蓄效应并转化为投资形成物质资本积累,以此拉动经济增长来实现人口红利,其前提是劳动年龄人口比重增加能带动储蓄率提升,并且能够将储蓄有效地转化为投资。该观点认为劳动年龄人口比重上升,社会抚养负担下降,其收入会相应增加,从而增加储蓄,另外,处于劳动年龄期的青年具有较高的储蓄倾向。Loayza等(2000)通过测算发现,少儿抚养比和老年抚养比分别上升3.5%,会促使储蓄率分别下降1%和2%。相反,Johnson(1999)和贺菊煌(2006)认为人口年龄结构与储蓄率不存在明显的关系。

由此可知,实现人口红利的先决条件是要存在人口机会窗口,即在人口转变过程中,逐渐形成劳动年龄人口比重上升的趋势,同时还需要具备人力资本积累和物质资本积累的条件。另外,关于中国区域间人口红利差异及原因解释,钟水映、李魁(2010)、唐丽娜等(2011)也进行了相关研究。但本文与这些研究有所区别:(1)现有研究大多采用人口年龄结构来代替人口红利,这明显混淆了人口机会窗口与人口红利的关系。也有研究根据人口年龄结构与人均经济产出的关系来衡量人口红利,但尚未理清二者间的关系。基于此,本文将构建以劳动年龄人口比重为基础,以人力资本积累和物质资本积累为重要路径的人口红利实现模型。(2)在研究技术上,本文将运用非线性的数据包络分析法测度各地区人口红利实现的相对效率,并将其分解为技术效率和规模效率,以此判断中国区域间人口红利是表现为资源配置差异还是规模报酬差异。(3)本文还将围绕基于劳动力投入的人力资本积累和物质资本积累选取人口红利实现的影响因素,通过建立计量模型解释各地区人口红利实现的技术效率和规模效率差异,为各地区挖掘和提升人口红利提供依据。

二、模型、方法及数据

(一)理论模型

从经济含义上讲,人口红利是人口转型过程中出现的高劳动年龄人口比重对经济的正向促进效应,通常采用劳动年龄人口比重与人均经济产出间的关系来衡量。本文以人均经济产出公式为出发点,通过模型分解和变量引入来构建人口红利实现的理论模型。

(二)测度方法

根据以上研究可知,采用数据包络分析模型测度中国各地区人口红利的实现程度具有较大的优势,因此本文将围绕这一方法对中国31个省份的人口红利进行技术效率和规模效率的测度。数据包络分析主要是根据同一类型的决策单元投入和产出值来估计有效生产前沿面,并判断各个决策单元是否位于有效生产前沿面上。

(三)数据来源

根据上述模型,本文主要从2007~2011年《中国统计年鉴》和《中国人口和就业统计年鉴》分别获取数据并计算2006~2010年全国31个省份的劳动年龄人口比重和人均GDP指标,构建相应的面板数据集,并采用数据包络分析模型对中国各地区人口红利进行测度,测度出来的结果既可以有效反映各地区人口红利差异,又可以反映各地区人口红利的变化趋势。

图1、图2分别显示了全国31个省份劳动年龄人口比重和人均GDP情况,对于劳动年龄人口比重和人均GDP而言,2006~2010年各地区均有不同程度的上升。另外,2006~2010年中国各地区劳动年龄人口比重与人均GDP的相关系数分别为0.7015、0.7259、0.7374、0.7209和0.8080,呈现出上升的趋势,说明中国劳动年龄人口比重与人均GDP的正向关系在不断增强。

三、区域间人口红利的测度及分解

本文选择以上构建的C[2]R模型,采用DEA测算软件EMS对中国各地区人口红利实现的总效率进行测度。该效率是假设规模报酬不变时,劳动力投入最高效率地促进各地区经济增长的能力,包括人口红利实现的技术效率和规模效率。

如表1所示,2006~2010年中国各地区人口红利实现总效率均呈现上升趋势,平均总效率从0.3391逐年递增到0.4689,区域间人口红利实现总效率存在较大差异。东部地区2006~2010年人口红利实现的总效率保持较高水平,平均总效率从0.5405逐年递增到0.6821,说明东部地区从机制、制度及资源配置上充分挖掘了自身劳动力资源优势,而且伴随着劳动年龄人口比重的提升,这种对人口红利挖掘的能力还在不断增强。值得注意的是中国中西部地区,虽然劳动年龄人口比重在2006~2010年间总体上逐年上升,与之相伴随的人口红利实现总效率也得到相应增长,但仍然处于低位水平,5年间中部和西部人口红利实现的总效率均值分别为0.2832和0.2615,贵州、甘肃和云南分别仅为0.1510、0.1858和0.1941,处于全国末位。可以初步判断,在中西部地区劳动年龄人口本身就处于低水平的情况下,对劳动力资源的利用也处于相对落后状态,有待进一步提升。

为了把握中国区域间人口红利差异问题,本文采用以上构建的BC[2]模型和FG模型将各地区人口红利实现的总效率分解为技术效率和规模效率(见图3),并进行相关分析。

图3 中国各地区人口红利实现的技术效率与规模效率

从全国各地区人口红利实现的技术效率来看,2006~2010年呈现出逐年上升态势,平均技术效率从0.9374增加到0.9511,说明各地区在利用人口红利方面的技术水平较高,且不断改善。地区间人口红利实现的技术效率差异不大,基本维持在0.8536~1之间。具体而言,2006~2010年东部地区人口红利实现的平均技术效率从0.9445上升到0.9683,在全国处于相对较高水平,说明东部地区在劳动力资源配置方面的机制、制度设计较为完善,尤其是对劳动力就业及运行效率进行了切实保障;中部地区人口红利实现的技术效率有一定增长,但处于相对较低水平,其平均效率值从0.9182上升到0.9282;较为突出的是西部地区,虽然2006~2010年西部地区在人口红利总效率上处于劣势,但其人口红利实现的平均技术效率仅次于东部地区,从0.9437上升到0.9508,可见西部地区在既定劳动力资源配置方面仍然处于相对较高水平,换句话说,西部地区劳动力投入对经济增长已产生较大的促进作用,而这种作用可能是受到劳动力水平和质量的制约。

从全国各地区人口红利实现的规模效率来看,平均水平从2006年的0.3603增加到2010年的0.4902,相对于技术效率而言,人口红利实现的规模效率平均水平较低,且地区间的差异较大。这充分说明劳动力投入与其他生产要素投入并未达到最优比例关系。通过与FG模型测度出的参考效率值进行比较,发现所有地区参考效率与总效率值相等,得出各地区人口红利实现均处于规模报酬递增状态,即劳动年龄人口比重较小所引起的规模报酬无效。东部地区人口红利实现的规模效率从2006年的0.5679逐年递增到2010年的0.7008,5年平均水平为0.6082,在全国处于领先地位。这说明东部地区除了实际劳动年龄人口比重较高外,其他因素还促进了这些地区对劳动力的有效利用,进而提升其有效劳动年龄人口比重,在人口红利实现处于规模报酬递增的情况下,会对其经济增长产生更大的促进作用。同样,中西部地区人口红利实现的规模效率虽然在2006~2010年间有一定增长,但仍然处于落后状态,其5年平均规模效率分别为0.3084和0.2769。这一方面是由于中西部地区劳动年龄人口比重较低所导致,说明劳动力投入不足已经成为其经济增长的较大障碍,另一方面也揭示出中西部地区需要在既有劳动力数量的基础上提升劳动力质量,通过提高有效劳动力投入比重来实现更多的人口红利。

四、基于Tobit模型的区域间人口红利差异解释

在明确中国区域间人口红利差异状态的基础上,本文将进一步确定各地区人口红利实现效率差异的影响因素,为各地区合理配置劳动力资源和提升劳动力利用程度,并以此提高有效劳动力比重和人口红利实现效率提供依据。以下分别选取人口红利实现的技术效率和规模效率为被解释变量,围绕人力资本积累能力和物质资本积累能力分别选择

如图4所示,首先,基于劳动力投入影响人力资本积累从而影响人口红利的主要因素包括劳动参与率、平均受教育年限、城镇化率等指标,其中,劳动参与率主要参考郭琳、车士义(2011)等相关研究,采用各地区就业人员数与15~64岁劳动力数量比值来反映,该指标主要揭示各地区对劳动力的利用程度,即各地区劳动力就业机制和制度的运行成效,如果劳动参与率高,相同劳动年龄人口比重将会实现更大的人口红利。平均受教育年限主要参考国家统计局的计算方法,以现行学制为系数进行计算,计算公式为:平均受教育年限=(未上过学的人口数×0+小学文化程度人口数×6+初中文化程度人口数×9+高中文化程度人口数×12+大专以上文化程度人口数×16)÷6岁及以上人口数,该指标反映各地区劳动年龄人口的受教育水平,平均受教育年限越高,则同样多的劳动年龄人口所形成的有效劳动力资源将会越多。城镇化率主要采用各地区城镇人口与总人口的比值来反映,城镇化水平提升能够实现劳动力资源的聚集,形成劳动力利用的规模效应。另外,较高的城市化水平必然伴随着较高的教育发展水平(郭存芝等,2006),从而形成更高的有效劳动力资源。其次,基于劳动力投入影响物质资本积累从而影响人口红利的主要因素包括居民储蓄率、储蓄投资转化率等,其中,居民储蓄率采用各地区城乡居民人民币储蓄存款与其收入总额的比值来度量。根据前面的分析,储蓄水平增加是地区经济发展中物质资本积累的前提条件,居民储蓄率越高,增加投资的可能性就越大,相同劳动力所产生的人口红利也就越大;储蓄投资转化率主要采用各地区全社会固定资产投资除以城乡居民人民币储蓄存款得到,该指标主要衡量储蓄转化为物质资本的能力。储蓄投资转化率越高,在相同劳动年龄人口比重及相当储蓄水平条件下能形成更高的物质资本积累,从而带来更高的人口红利。第三,基于劳动力投入对人力资本积累和物质资本积累均产生作用的是产业环境,本文选择二三产业比例来衡量,用各地区第二、三产业产值除以国内生产总值得到,二三产业比例越高,相同劳动力资源所积累的人力资本和物质资本价值就越大,实现的人口红利也就越高。

图4 人口红利实现及影响的路径传递体系

以上解释变量数据源于2007~2011年《中国统计年鉴》和《中国人口和就业统计年鉴》,为了避免各指标在年份间的波动,分别取2006~2010年各指标的平均数,从而形成全国31个省份的截面数据。

如表2所示,人口红利的大部分解释变量之间存在较强的统计关系,即信息重叠,如果直接将这些变量代入人口红利解释模型进行回归会存在严重的多重共线性,且不能真实反映部分变量对各地区人口红利实现的影响。因此,本文在构建计量模型之前,先采用因子分析法将这6个具有错综复杂关系的解释变量转化成几个具有独立关系并能解释一定经济内涵的综合因子。通过因子分析可行性检验得知,KMO值为0.7,说明适合进行因子分析。在此基础上,分别提取出4个公因子,其中公因子在平均受教育年限、城镇化率指标上具有较高的载荷系数(0.823和0.801),反映劳动力教育水平及聚集效应;公因子在居民储蓄率和储蓄投资转化率指标上具有较高的载荷系数(0.654和-0.916),反映物质资本形成效应;公因子在二三产业比例指标上具有较高的载荷系数(0.918),反映资本积累的产业环境;公因子在劳动参与率上具有较高载荷系数(0.971),反映劳动参与水平。根据以上变量关系,构建中国地区间人口红利实现技术效率和规模效率的计量解释模型:

由于被解释变量是人口红利实现的技术效率和规模效率,其取值范围在0~1之间,属于断截数据,如果采用最小二乘法估计会导致有偏且不一致。本文参考温涛等人(2008)的做法,采用Tobit模型来解决这一问题,回归结果如表3所示。

从模型1可知,显著影响中国地区间人口红利实现技术效率的因素包括教育水平及聚集效应、劳动参与水平,其影响系数分别为0.0102和0.0149,这反映出较高的平均受教育年限和城镇化率,将形成提升劳动力教育水平和聚集效应的机制,从而较大程度上促进劳动力对人力资本的积累,提高劳动力投入的技术效率;劳动参与水平越高,其实质就是反映市场对劳动力利用较为充分,即无论劳动力水平高低,均适应了不同的经济发展水平。因此,要提升人口红利实现的技术效率,除了需要提升劳动力的教育水平、聚集效应外,还需要在机制、制度等方面构建完善的就业机制和制度,提高劳动参与水平。

从模型2可知,显著影响中国地区间人口红利实现规模效率的因素包括教育水平及聚集效应、物质资本形成效应、资本积累的产业环境,其影响系数分别为0.1549、0.0371和0.1234,这反映居民教育水平、聚集效应增强会提升有效劳动年龄人口比重,在劳动力投入处于规模报酬递增的条件下会增加人口红利;物质资本形成效应增强能直接增加单位劳动力将储蓄转化为资本的能力,从而提升人口红利,但作用较小,原因在于该指标中储蓄投资转化率载荷量较大,虽然各地区储蓄率与经济增长具有较强统计相关性,但储蓄投资转化行为受阻,各地资本外溢严重。另外,地区产业层次越高,越会提升单位劳动力对人力资本和物质资本的积累能力,从而提高有效劳动年龄人口比重,同样提升人口红利。值得注意的是,劳动参与水平尚未成为人口红利实现规模效率的影响因素,其原因在于劳动参与率仅反映劳动力就业程度,包括了低发展水平和高发展水平的就业,并不能揭示劳动力就业的质量,从而也难以构成有效劳动年龄人口比重提升的关键因素。因此,在劳动年龄人口比重还处于上升趋势下,需要通过提升居民受教育水平、加快城市化进程、增强居民储蓄投资转化效率、改善经济产业环境等来挖掘和增加人口红利,作为劳动力比重相对较低的中西部地区更应如此。

五、研究结论与展望

通过上述研究,本文得到以下主要结论。

第一,理论模型表明,人口红利取决于劳动年龄人口比重与人均经济产出间的投入产出关系,但由于劳动力是否能够发挥相应的经济效益还取决于劳动力效用系数,因此,各地区真实的人口红利可以采用劳动力效用函数来表示,包括劳动力利用的技术函数和规模函数,并主要通过人力资本积累和物质资本积累来实现。

第二,区域间人口红利测度与分解的结果显示,从人口红利实现总效率看,东部地区明显高于中西部地区,且2006~2010年各地区均呈现递增趋势;从技术效率看,虽然东部和西部地区略高于中部地区,但都处于较高水平,地区间的差距不大;从规模效率看,各地区效率值偏低且均处于规模递增状态,东部地区远高于中西部地区,东部地区不仅劳动年龄人口比重高于中西部地区,而且劳动力利用程度也处于较高水平。

第三,基于Tobit模型的人口红利差异解释结果显示,人口红利实现的技术效率主要受劳动参与水平和教育水平及聚集效应的正向影响,且劳动参与水平影响作用较大,说明除了劳动力教育质量和生产聚集程度外,各地区就业机制、制度等因素也是导致人口红利实现技术效率差异的关键,但这种机制和制度只能保证各地区劳动力尽可能参与生产(即在不同条件下保持技术配置的最优化水平),并不能保证生产能力达到相同水平。人口红利实现的规模效率主要受教育水平及聚集效应、资本积累的产业环境、物质资本形成效应的正向影响,各因素影响作用逐渐递减,可见这些因素主要作用于劳动力,实现劳动年龄人口比重向有效劳动年龄人口比重的转化,其实质是增加了劳动力投入,在各地区劳动力投入均处于规模递增状态下会更进一步促进人均产出的增加,进而实现更高的人口红利。劳动参与率没有成为人口红利实现规模效率的影响因素,其原因是各地区劳动力质量和水平存在差异,这也验证了人口红利实现技术效率差异解释的合理性。

根据本文的研究结论,要实现区域经济协调发展,缩小区域间经济发展差距,从劳动力投入角度看需要加强以下几方面的相关改革:一是要继续保持东部和西部地区在就业工作上做出的成效,拓宽中部地区就业渠道,尤其是在经济处于转型的过程中,更要注重以市场为导向的劳动力就业制度的创建,实施更加积极的就业政策,并使其逐渐走向长期化、制度化,以保证各地区不同类型的劳动力资源得到充分利用。二是要提升中西部地区的有效劳动力投入,重点要在围绕劳动力教育水平提升、产业发展层次提升、居民储蓄及投资转化效应提升等方面给予相关政策、制度和资金的支持。例如,在推进城市化进程中,加大对中西部地区教育投入,不断提升农村劳动力转移培训的质量和层次;继续鼓励东部地区向中西部地区进行产业转移,并以此带动产业升级;通过各地区金融市场发展和制度创新,优化居民储蓄向投资转化的机制等。三是为了避免人口红利过快衰退,东部地区需要进一步提升劳动力受教育水平,并根据劳动力供给数量的变化合理调整产业结构,保持劳动力资源对经济发展的支撑作用。

注释:

①本文中的极值比为东部人均GDP前4位均值除以中西部人均GDP后4位均值。

②本文按照通常做法,将15~64岁人口作为劳动年龄人口。

③本文中的劳动力效用系数主要指劳动力形成人力资本和物质资本并促进经济增长的能力,该系数在地区间存在差异。

标签:;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  ;  

中国地区人口红利差异的分解与解释--基于数据包络分析模型_人口红利论文
下载Doc文档

猜你喜欢