EN中文

经济地理 >

2019 , Vol. 39 >Issue 1: 47 - 55

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.01.006

区域经济理论与方法

吉林省人口年龄结构变化对区域经济影响研究

  • 谷国锋 ,
  • 吴英哲
展开
  • 东北师范大学 地理科学学院，中国吉林 长春 130024

谷国锋（1966—），男，吉林农安人，教授，博士生导师。主要研究方向为区域经济增长与可持续发展。E-mail：。

收稿日期: 2018-04-23

  修回日期: 2018-08-20

  网络出版日期: 2025-04-25

基金资助

国家社会科学基金一般项目(16BJL032)

收起

The Impact of Population Age Structure Change on Regional Economy

  • GU Guofeng ,
  • WU Yingzhe
Expand
  • School of Geography Science，Northeast Normal University，Changchun 130024，Jilin，China

Received date: 2018-04-23

  Revised date: 2018-08-20

  Online published: 2025-04-25

Fold

摘要

人口生育政策是导致地区人口年龄结构变化的重要因素之一，具有很强的滞后性。吉林省在贯彻实施计划生育政策时，执行力度强，对抑制人口增长起到明显的效果，但也使得当前吉林省的人口年龄结构问题较其它省份更为突出。文章基于ESDA分析方法，对2005—2015年吉林省47个行政单元的人口年龄结构时空特征进行分析。结果表明：2005年以来，吉林省少年儿童人口占比不断缩减，适龄劳动人口聚集情况有所减弱，核心城市对适龄劳动人口吸引力有所降低，并且全省老年人口占比不断上升，老龄化进程不断加快。在研究人口年龄结构变化对区域经济的影响时，引入空间计量模型，采用SLX模型和SDM模型，计量分析结果表明：当前，吉林省人口出生率的提高、少年儿童占比的上升会对经济增长有促进作用。从短期来看，老年人口占比的上升，依然对地区经济产生促进作用，而死亡率的提高则对经济增长有负向作用，但影响程度较小。

关键词： 人口生育政策; 人口年龄结构; 老龄化与少子化; 空间效应; 经济影响; 产业结构转型; 吉林省

本文引用格式

谷国锋 , 吴英哲 . 吉林省人口年龄结构变化对区域经济影响研究[J]. 经济地理, 2019 , 39(1) : 47 -55 . DOI: 10.15957/j.cnki.jjdl.2019.01.006

Abstract

Population fertility policy is one of the important factors leading to changes in the age structure of the population in the region and has a strong lag. It strongly implements the family planning policy in Jilin Province, which has a significant effect on the suppression of population growth, but it also makes its age structure problem more prominent than other provinces. Based on the ESDA analysis method, this paper analyzes the temporal and spatial characteristics of the age structure of 47 administrative units in Jilin Province from 2005 to 2015. The results show that, since 2005, the proportion of juvenile in Jilin Province has continuously shrunk, and the concentration of working-age population has weakened. The attractiveness of core cities to the working-age has decreased, and the proportion of the elderly in the province has continuously increased with the acceleration of aging process. This paper analyzes the influence of age structure change on regional economy by the method of the spatial econometric model, SLX model and SDM model. The results of the measurement analysis show that: Currently, the increase of the birth rate and the proportion of juvenile will enhance the economic growth. In the short term, the increase in the proportion of the elderly have a positive effect on the regional economy, while the increase in mortality rate will have a negative effect on the economic growth, but the degree of impact is small.

Key words： population fertility policy; population age structure; population aging and lower reproductive; spatial effect; economic impact; industrial structural transformation; Jilin Province

人口是一个国家的基石，是促进经济发展的主导因素之一。人口年龄结构随时间不断发生变化，并影响区域内经济的运行与发展。自1978年实行改革开放政策以来，我国逐渐将积累的人口红利释放出来。到2010年，我国的实际GDP年平均增长率达到了9.9%[1]，创造了“中国奇迹”。学者们估计，中国人口红利对经济增长的贡献率能够达到1/4左右[2]。
1990年以前，国外学者在研究人口对经济影响时，关注的重点主要集中在人口增长率或人口总量对经济的影响。随着西方国家经济日益发展，人口年龄结构发生了显著的变化，学者关注的重点逐渐转向人口年龄结构对区域经济的影响。Bloom等认识到“人口年龄不变”这一假设具有反现实性，因此他在分析人口结构变动对经济增长的影响时，不仅考虑了总人口的增长率，同时在回归模型中引入劳动年龄人口增长率，打破“人口年龄结构不变”这一严格假设 [3]。Futagami等探讨了人口老龄化对经济增长的影响，将生命周期储蓄模型和内生增长模型结合起来，认为人口老龄化不一定是一个负增长因素，且延迟退休的政策能够缓慢地促进经济增长[4]。Boucekkine等在福利经济学角度下，探讨了年龄结构变化所带来的影响，认为在不同的社会福利功能下，最佳人口规模的大小主要与年龄结构相关，合理的年龄结构对人口结构的优化有十分重要的影响[5]。Choi等建立了一个可计算的世代交替模型，将人力资本的积累进行内生化，认为人口老龄化导致了劳动力供给的增长和资本存量的增加，从而产生资本深化，但这可能会破坏经济增长的潜力[6]。Uddin等探讨了澳大利亚的人口年龄结构、储蓄率和实际GDP之间的关系，采用三种计量方法，证实了人口年龄结构变化对澳大利亚的人均GDP有显著影响[7]。
人口年龄结构的变动对经济存在显著影响，但并不直接产生作用，而是通过改变其他因素从而间接地对经济产生影响。一部分学者认为人口年龄结构与经济之间存在线性关系，而部分学者认为存在非线性关系[8-12]。当前，国内学者对这一领域的关注也明显增多。蒋云赟通过建立代际核算体系，分析了人口因素对我国储蓄率的影响，认为储蓄率与总和生育率、少儿抚养比、老年抚养比、城镇化率成反比[13]。王颖等对26个OECD国家1950—2009年的人口数据进行研究，认为少年儿童抚养比与人均GDP增长率之间关系显著为负，而老年抚养比与人均GDP增长率之间的关系则难以确定[14]。刘凯豪等基于对索罗模型的扩展，以1990—2012年省级面板数据进行研究，认为少年人口抚养比的提升会阻碍经济发展，而老年人口抚养比在达到阈值之前会促进经济发展[15]。于婷婷等通过空间计量模型探究了不同人口结构对经济的影响，认为适龄劳动人口对经济存在显著的促进作用[16]。于庆国对吉林省2013年的总抚养比和生产总值进行了聚类分析，将吉林省8个地级市及一个自治州划分为三类，通过将总抚养系数和生产总值建立回归分析，认为吉林省的总抚养比与生产总值密切相关[17]
本文在“全面二孩”政策的背景下，对吉林省47个县级行政单元的人口年龄结构做定量分析，探究其空间分布特征以及时间演进特点，对其县级行政单元的人口年龄结构在地理分布格局上进行全面阐释，并以索罗模型为基础，建立人口年龄结构的空间计量模型，对影响区域经济发展的人口年龄结构要素进行实证检验，并提出对策建议。

1 研究数据与方法

1.1 数据来源

本文以吉林省47个县级行政区为研究对象。数据来自《中国城市统计年鉴》和《吉林统计年鉴》（2006—2016）。

1.2 研究方法

探索性空间数据分析（ESDA）能够探测地区内某种要素的空间分布是否与其相邻地区存在空间相关性，并且直观地反映该要素的分布模型以及影响特征。

1.2.1 全局空间自相关

为了检验不同区域的适龄劳动人口在地理空间上是否存在空间相关性，本文采用空间计量经济学中最常用的变量检验方法：全局空间自相关统计量，它能够反映某要素在整个系统内的所具有的空间分布特征，通常用Moran指数I表示，其计算公式如下[18]：
I = ∑ i = 1 n ∑ j ≠ i n W i j X i - X - X j - X - S 2 ∑ i = 1 n ∑ j = 1 n W i j
式中： S 2是样本的方差； X i和 X j分别表示地区 i和地区 j的观测值；n为吉林省所辖县市行政单元总数， W i j为ROOK相邻的空间权重矩阵，定义了区域间的邻接相互关系，若区域 i和区域 j有共同边，则 W i j = 1，否则 W i j = 0。
Moran’s I的取值范围为[-1，1]。当其在（0，1]之间时，表示变量间存在空间正相关，且数值越接近于1，空间正相关性越强；当其在[-1，0）之间时，表示变量间存在空间负相关，且数值越接近-1，空间负相关性越强；若Moran’s I值等于0，则表明区域变量在空间分布上是随机的。

1.2.2 局部空间自相关

局部空间自相关用来反映具有某要素的空间单元的局部空间关联和空间差异程度，并结合相关地图形式，将局部差异的空间结构可视化，从而发现区域空间分布规律[19]，计算公式如下：
I i = X i - X - S 2 ∑ j ≠ i W i j X j - X -
I i 0表示具有某属性的地区与相邻地区存在正相关性，反之存在负相关性。一般通过Moran散点图来描绘局域空间相关性。Moran散点图的四个象限代表了四种不同的空间关联模式：第一象限是HH（高高）区；第二象限是LH（低高）区；第三象限是LL（低低）区；第四象限是HL（高低）区。

2 吉林省人口年龄结构时空演变特征

2.1 相关人口概念解释

劳动年龄人口：一般指法定成年人口总量减去法定退休人口总量后剩余的人口总数，是在一定年龄范围内，所选地区具有劳动能力的人口。由于各个国家人口年龄结构、经济发展水平、医疗卫生水平、薪酬福利水平不同，对于劳动年龄人口定义不尽相同。国际上一般将15~64岁之间的人口划分为劳动年龄人口[20]。我国《民法通则》规定：“18岁以上的公民是成年人，具有完全民事行为能力”，且当前的法定退休年龄为男性60周岁，女性55周岁。因此，本文将18~60岁间的人口作为适龄劳动年龄人口，将18岁以下即0~17岁间的人口作为少年儿童人口，将60岁以上人口划分为老年人口。

2.2 人口年龄结构变动描述性分析

吉林省总人口由少年儿童人口、适龄劳动人口和老年人口共同构成。但是在低出生率、低死亡率、低自然增长率以及较高迁移率等因素的影响下，2005—2015年的吉林省人口年龄结构出现较大变化（表1）。
表1 吉林省人口年龄结构变动

Tab.1 Population age structure change in Jilin Province

年份 0~17岁人口 18~60岁人口 60岁以上人口
数量/万人 占比/% 数量/万人 占比/% 数量/万人 占比/%
2005 520.43 19.496 1 833.72 68.695 315.22 11.809
2006 509.39 19.011 1 849.20 69.013 320.91 11.976
2007 495.22 18.368 1 864.83 69.169 336.00 12.463
2008 480.11 17.713 1 885.26 69.552 345.19 12.735
2009 473.17 17.399 1 883.04 69.243 363.26 13.358
2010 469.45 17.235 1 878.42 68.963 375.94 13.802
2011 460.24 16.880 1 872.41 68.673 393.89 14.447
2012 456.93 16.914 1 839.20 68.081 405.37 15.005
2013 404.57 15.104 1 830.44 68.337 443.52 16.558
2014 398.72 14.926 1 803.00 67.495 469.58 17.579
2015 392.08 14.728 1 770.61 66.512 499.39 18.759
从2005年起，吉林省0~17岁人口比重逐年下降，10年间，少年儿童人口占比下降接近5%，由520万人降至392万人。与此同时，吉林省老龄化程度加深，老年人口占比从2005年的11.809%升至2015年的18.759%，提升了58.85%。从老年人口的绝对数量来看，2005年60岁以上老人315.22万人，而在2015年已经达到499.39万人，增幅接近60%。而市场的核心，适龄劳动人口在绝对数量上已经开始出现下降，占总人口的比重更是不断下降，人口流失现象极为明显。

2.3 吉林省人口年龄结构时空演变分析

2.3.1 少年儿童人口占比不断缩减

基于反距离加权插值法，运用ArcGIS软件绘制吉林省少年儿童人口占比分布图，如图1所示。
图1 吉林省少年儿童人口占比分布图

Fig.1 The distribution of the proportion juvenile in Jilin

2005年，吉林省大部分地区的少年儿童占比处于20%~24%之间，集中在吉林省中部以及安图县至辉南县一带，其余绝大部分地区处于16%~20%之间，仅吉林市和和龙市少年儿童占比处在12%~16%之间。而到了2015年，全省绝大部分地区少年儿童占比处于12%~16%之间，部分地区如吉林市、和龙市、辽源市、延吉市、图们市等更是降至8%~12%，仅有扶余市、抚松县的少年儿童占比还处于较高水平。从整体分布情况来看，少年儿童占比在2005年的处于高值地区，到2015年时，大部分降低了两个等级，中值区域下降了一个等级，而原本少年儿童人口占比较低地区更是直接降至超低水平。在这10年间，全省少年儿童数量不断减少，各地区少年儿童占比不断降低，仅个别地区减少的情况稍缓。

2.3.2 适龄劳动人口聚集情况有所减弱，核心城市对适龄劳动人口吸引力降低

由图2不难发现，2005年吉林省适龄劳动人口占比分布较高的地区主要是长春市、吉林市、图们市等地，大部分属于地级市。而与其相邻地区则出现适龄劳动人口占比的减少，如永吉县与长春市、吉林市相邻，下降幅度更大。在2005年，吉林省的适龄劳动人口分布集中在9个地级市，其相邻地区则受到不同程度影响，但距离9个地级行政单元更远的地区，适龄劳动人口占比更低。因此，将吉林省适龄劳动人口分布划分为三级结构：第一层以9个地级行政单元为核心，吸纳全省其它地区的人口。第二层为临近这9个地级市的地区，这些地区从更远的地区获得人口补充，占比处于中等水平。第三层则是远离核心的地区，这些地区外输人口，适龄劳动人口所占比例最低。2015年，吉林省适龄劳动人口出现全省占比下降，所有高占比的地区下降1~2层次。此时，已经难以划分出适龄劳动人口分布的三级结构，无论是核心城市，还是与核心城市相邻近的城市，抑或是偏远地区，大部分较2005年相比下降了6个百分点。更严重的是，劳动力在核心地域的集聚现象较2005年出现明显弱化。
图2 吉林省适龄劳动人口占比分布图

Fig.2 The distribution of the proportion of the working-age o in Jilin

2.3.3 全省人口老龄化明显

如图3所示，吉林省人口老龄化在2005年时尚不明显，全省中高值地区仅有乾安县，2/3的区域呈现出低水平的老年人口占比，其余地区均为中低水平。在空间分布上，此时的吉林省老年人口分布较为均衡，并没有因为地级市等行政区域划分或者气候地理因素形成较大的差异。然而到了2015年，吉林省老龄化程度远高于2005年，不仅全省9个地级市均处于高值或中高值区间，其它大部分地区的老年人口占比也同样如此。在这10年间，老龄人口在吉林省较大城市或者经济发展较好城市的占比增长较其他区域更快，呈现出以经济发展好坏划分老年人口分布的趋势。
图3 吉林省2005和2015年老年人口占比分布图

Fig.3 Distribution of the proportion of the elderly in Jilin Province in 2005 and 2015

2.3.4 适龄劳动人口空间相关性有一定的加强

运用GeoDa软件，计算2005—2015年吉林省适龄劳动人口的全局Moran’s I值，见表2。
表2 2005—2015年吉林省适龄劳动人口全局Moran指数及其检验

Tab.2 Moran’s index and its test of the working-agein Jilin Province from 2005 to 2015

时间 2005 2006 2007 2008 2009 2010 2010 2011 2012 2013 2014 2015
Moran’s I 0.134 0.124 0.125 0.125 0.131 0.131 0.131 0.127 0.122 0.137 0.140 0.141
P值 0.041 0.054 0.058 0.061 0.043 0.048 0.048 0.056 0.064 0.042 0.045 0.045
通过表2可以发现，2005—2015年，吉林省适龄劳动人口的全局Moran’s I均大于0，说明吉林省47个县市区的适龄劳动人口在地理空间上并不是随机分布的，而是呈现出集聚趋势，相邻地区间的适龄劳动人口分布具有空间相关性，观察2005—2015年适龄劳动人口的Moran’s I可以发现，虽然Moran’s I随着时间变化，呈现出上下来回波动的特征，但仍具有较高的空间依赖性，这表明吉林省经济发展的同时，各行政区域之间的适龄劳动人口分布仍具有较高的空间集聚趋势。
全局Moran’s I反映了吉林省整体上的适龄劳动人口存在集聚现象，为了说明哪些地区是属于适龄劳动人口空间集聚的高值地区和低值地区，对Moran散点图进行二维可视化处理（图4、图5）。
图4 吉林省2005和2008年适龄劳动人口Moran散点空间分布图

Fig.4 Spatial distribution of Moran dispersion for the working-age in Jilin Province in 2005 and 2008

图5 吉林省2012和2015年适龄劳动人口Moran散点空间分布图

Fig.5 Spatial distribution of Moran dispersion for the working-age in Jilin Province in 2012 and 2015

通过图4和图5可以看出，吉林省47个县级行政单元的适龄劳动人口空间相关性明显为正，表现为适龄劳动人口数量多的地区集聚在一起，适龄劳动人口数量少的地区集聚在一起，分布在象限HH区和LL区的地区数量能够达到31个，占比接近2/3。观察这四年适龄劳动人口的Moran散点图可以发现，吉林省高高集聚的地区集中在中部地区，以长春市、吉林市为核心向四周扩散，连片分布。低低集聚的地区集中在吉林省边缘地带，如珲春市、图们市、龙井市、东辽县、柳河县等。低高集聚的地区主要分布在吉林省东部、东南部和南部，如汪清县、安图县、和龙市、临江市、集安市等地。高低集聚的地区主要分布在吉林省北部和西北部，如扶余市、松原市、白城市、洮南市。
从时间序列看，吉林省低低集聚地区先减少后增加，低高集聚和高低集聚都是先增加后减少，高高集聚没有发生变化。从变化规律来看，吉林省2015年的适龄劳动人口集聚分布与2005年的完全一致，在这10年间变化极小。通过图4和图5可以看出，吉林省的适龄劳动人口表现出明显集聚趋势，适龄劳动人口分布类似的地区在地理空间上集聚在一起，具有空间自相关性。

3 人口年龄结构变化对区域经济影响因素分析

3.1 纳入人口年龄结构的索罗增长模型

通过对索罗经济模型进行扩展，纳入代表人口年龄结构的要素：少年儿童占比、老年人口占比、出生率、死亡率，分析人口年龄结构变动对区域经济产生的影响。
社会总人口为N，LY、LW、LO分别代表少年儿童人口，适龄劳动人口以及老年人口，则有：
N = L Y + L W + L O
此时，对应的各年龄段人口占总人口的比重，即少年儿童人口比重、适龄劳动人口比重、老年人口比重分别为：
P Y = L Y / N ,   P W = L W / N ,   P O = L O / N
由于不同年龄段的人群具有不同消费水平，因此将经济总产出中，用于少年儿童的部分为YY，用于适龄劳动人口部分为YW，用于老年人口的部分为YO。少年儿童人均消费与人均消费的比值为βY，老年人口与人均消费比值为βO，此时有：
β Y = Y Y / L Y Y / N = Y Y Y × N L Y = Y Y Y × 1 P Y
β O = Y O / L O Y / N = Y O Y × N L O = Y O Y × 1 P O
此时，可以得到各年龄段的具体消费YY、YO、YW分别为：
Y Y = β Y P Y Y
Y O = β O P O Y
Y W = Y - Y Y - Y C = 1 - P Y β Y - P O β O Y
本文所采用的索罗模型为希克斯中性索罗模型，其基础公式为：
Y = A F K , L
假设，市场上的所有产出均为适龄劳动人口所创造。此时，可以求得人均产出函数为：
Y A L W = Y A P W N = F K A P W N , 1
将公式（4）代入到公式（11）中：
Y A L W = Y A 1 - P Y - P O N = F K A 1 - P Y - P O N , 1
其投资增量为：
K ˙ = s ⋅ Y W - δ K
此时，将公式（9）代入到公式（13）中，得到：
K ˙ = s ⋅ 1 - P Y β Y - P O β O Y - δ K
考虑时间因素，将时间t纳入到模型中，并对t时刻的人均资本取对数为：
l n k t = l n K t - l n A t - l n 1 - P Y t - P O t - l n N t
此时，公式（5）化为：
k ˙ = k K ⋅ K ˙ - k A ⋅ A ˙ + k 1 - P Y - P O ⋅ P ˙ Y + k 1 - P Y - P O ⋅ P ˙ O - k N ⋅ N ˙
由于技术的增量与技术的比值为技术增长率，人口增长与人口比值为人口增长率，即：
A ˙ A = g , N ˙ N = n
将公式（13）和公式（17）代入到（16）中，可得：
k ˙ = k K ⋅ s ⋅ 1 - P Y β Y - P O β O Y + P ˙ Y + P ˙ O 1 - P Y - P O - n - g - δ k
当经济增长处于稳定状态时，可得：
Y = n + g + δ - P ˙ Y + P ˙ O 1 - P Y - P O k k K ⋅ s ⋅ 1 - P Y β Y - P O β O
由于n为自然增长率，是出生率b与死亡率m的差值，所以公式（19）可以变为：
Y = b - m + g + δ - P ˙ Y + P ˙ O 1 - P Y - P O s ⋅ 1 - P Y β Y - P O β O K
式中：Y为GDP；g为科技进步速率；K为地区投资；PY为少年儿童占比；PO为老年人口占比；b为出生率；m为死亡率。

3.2 空间计量模型的构建

本文主要采用了两种空间计量模型，分别是空间滞后模型和空间杜宾模型。

3.2.1 空间滞后模型（SLX）

空间滞后模型在计量模型的基础上，考虑了其他地区的被解释变量对本地区的被解释变量的影响，其具体表达式为：
Y i t = ρ W Y i t + β X i t + ε i t

3.2.2 空间杜宾模型（SDM）

空间杜宾模型在空间滞后模型的基础上，考虑了其他地区的解释变量对本地区的被解释变量的影响，其具体表达式为：
Y i t = ρ W Y i t + β X i t + γ W X i t + ε i t
基于索罗模型的空间滞后模型如下：
l n Y i t = α 1 l n A i t + α 2 l n K i t + α 3 P Y i t + α 4 P O i t + α 5 b i t + α 6 m i t + ρ W Y i t + ε i t
基于索罗模型的空间杜宾模型如下：
l n Y i t = α 1 l n A i t + α 2 l n K i t + α 3 P Y i t + α 4 P O i t + α 5 b i t + α 6 m i t + ρ W Y i t + β 1 l n A j t + β 2 l n K j t + β 3 P Y j t + β 4 P O j t + β 5 b j t + β 6 m j t + ε i t
式中：Y为GDP，以各市、县的生产总值为被解释变量；K为各地区的当年的固定资产总投资；A为科技进步，用每年在科技上的投资代替技术进步；变量PY为少年儿童人口占总人口的比重；PO为老年人口占总人口的比重；b为出生率；m为死亡率；β1~β6为解释变量的空间相关系数。

3.3 空间计量模型结果分析

根据构建的空间计量模型（23）和（24），分别采用邻接空间权重矩阵和地理距离空间权重矩阵，利用MATLAB软件对2005—2015年的面板数据进行估计。估计结果见表3。
表3 空间计量模型估计结果

Tab.3 The estimation results of spatial econometric model

邻接矩阵 地理距离
OLS SLM SDM SLM SDM
A 0.0967*** 0.1611*** 0.1876*** 0.1565*** 0.1845***
（3.8223） （6.7105） （7.4879） （6.4269） （7.5891）
K 0.8401*** 0.8905*** 0.8316*** 0.9078*** 0.8196***
（24.4398） （26.1988） （23.2167） （26.6756） （23.4242）
PY 0.0260*** 0.0271*** 0.0109*** 0.0292*** 0.0071*
（6.7831） （7.4708） （2.8809） （7.9756） （1.8108）
PO 0.0140*** 0.0344*** 0.0271*** 0.0367*** 0.0198***
（2.8332） （6.0087） （5.0146） （6.3436） （3.4985）
b 0.0147** 0.0201*** 0.0142** 0.0234*** 0.0112*
（2.4658） （3.4042） （2.3433） （3.9517） （1.8519）
m -0.0162*** -0.0121*** -0.0083*** -0.0123*** -0.0071**
（-5.1214） （-3.4980） （-2.6041） （-3.4905） （-2.2171）
W·A -0.1518*** -0.1974***
（-3.8058） （-3.6249）
W·K -0.2407*** -0.0398
（-3.3783） （-0.3840）
W·PY 0.0215*** 0.0530***
（3.4618） （4.9844）
W·PO 0.0039 0.0206
（0.3670） （1.3176）
W·b 0.0187** 0.0597***
（2.1489） （3.8290）
W·m 0.0030 0.0102
（0.4875） （1.0820）
W·dep.var 0.1466*** 0.2835*** 0.0917** 0.1297*
（4.2495） （5.4900） （2.0138） （1.7732）
R2 0.8009 0.8434 0.8730 0.8395 0.8710
LOG-L 18.0275 78.6815 128.8961 73.2753 129.4951

注：***、**、*分别表示在1%、5%与10%的显著性水平下显著；Log-L为对数似然值。

从表3可以看出，传统最小二乘法回归估计结果均通过显著性检验，科技、投资、少年儿童人口占比、老年人口占比、出生率的估计参数均为正值，说明这些要素对吉林经济总量起到促进作用，拟合优度为0.8009，拟合效果总体相对不错。通过对比拟合优度以及LOG-L指标，可以看出，空间杜宾模型效果最好。
①科技投资对经济总量影响分别为0.0967、0.1611、0.1876、0.1565、0.1845，并通过显著性检验，说明科技能够促进本地区的经济增长。科技投资的空间滞后项分别是-0.1518和-0.1974，这表明本地区科技投资会对周边地区产生负向影响。固定资产投资在索罗模型中的弹性系数分别为0.8401、0.8905、0.8316、0.9078、0.8196，且全部通过显著性检验，说明投资对于吉林省经济的促进作用是无可取代的。
②少年儿童占比的弹性系数分别为0.026、0.0271、0.109、0.0292、0.0071，除了基于地理距离矩阵的空间杜宾模型是通过10%显著性检验，其他均通过1%显著性检验。少年儿童占比系数显著为正，意味着在0~18岁这一年龄段的人口数量越多越好。同时，出生率的弹性系数分别通过了5%、1%、5%、1%、10%的显著性检验，说明出生率能够促进经济增长。当前，吉林省经济发展水平提高，育儿观念不断改进，少生优生的思想已经深入人心，因此，在对待0~18岁这一年龄段群体，家庭愿意为其提供力所能及的医疗、餐饮、住宿等条件，消费倾向很高，从而以消费促发展。同时，由于计划生育政策，吉林省大量“421结构”的家庭导致了这一年龄段子女成为家庭的“稀缺品”，长辈们的“望子成龙、望女成凤”造成这一年龄段教育支出大幅度增加，促进了经济增长。
③老年人口占比的弹性系数分别为0.0140、0.0344、0.0271、0.0367、0.0198，且通过显著性检验，这意味着老年人口占比的上升对经济发展是起到促进作用的，这与预期存在一定差异。出现这种情况的原因是因为当前吉林省老年人口占比相对较低，尚未达到对经济作用负影响的转折点。根据刘凯豪的研究，老年抚养比要达到28.83%时，才开始对经济影响产生抑制作用，在达到这一阈值之前，不断上升的老年人口会通过消费支出、养老设施建设等促进经济发展[15]。在2010年，吉林省的老年抚养比为10.53%，根据《世界人口展望：2012年修订版》的结果，吉林省要到2034年左右达到28.83%这一阈值。在未来15年左右的时间内，吉林省老龄化程度虽然会进一步加深，但同时也会促进经济的增长。
④人口死亡率对吉林省经济有着负向影响，但影响较小。当前，吉林省的人口死亡率在5%~6%之间，随着老龄人口的不断增多，会使死亡率出现上升趋势，但上升幅度不会太大且较为平缓。随着社会经济发展、科技进步，会使得医疗卫生水平以及生活质量不断上升，也会在一定程度上减缓吉林省人口死亡率的上升，从而使人口死亡率保持相对平稳。
⑤少年儿童占比以及人口出生率在加入了空间滞后项后，不仅对本地区的影响依然为正，对其相邻地区影响也为正，且均通过显著性检验。对比少年儿童占比和人口出生率的滞后项在不同权重矩阵下的弹性系数可以看出，少年儿童占比和人口出生率的提高，可以带动周边地区发展，并且距离越近，影响程度越大。这种带动作用的产生可以从两方面来考虑：一方面，经济发展较好地区的少年儿童占比和人口出生率上升后，会吸引其周边落后地区的人力资源进入，这些流入人口短期内从事房屋建筑、教育服务等儿童保障性行业，补充优势地区的人力缺口，并使相对落后地区的务工人员获得更高收入，提高家庭整体收入，使其家庭所在地的生产总值提高，促进经济发展。另一方面，经济相对落后地区的少年儿童占比和人口出生率上升后，会从邻接发展较好地区购置优质生活用品，并为了获得更好的教育资源以及医疗卫生服务，向经济发展较好地区进行投资以及消费，促进了优势地区的经济增长。

4 结论与建议

本文对吉林省47个县市人口数据进行搜集、整理，通过ArcGIS空间分析技术和空间计量方法，深入分析了吉林省47个县级行政区人口年龄结构的时空演变过程，探究了人口年龄结构变化对区域经济的影响，从而得出以下结论：
①从人口年龄结构来看，吉林省已经处于老龄化社会，并且在未来15年左右，人口老龄化程度还会进一步加深。从各县市的人口分布情况看，老龄人口占比出现在较大城市或者经济发展较好城市，并呈现出以经济发展水平高低决定老年人口分布多少的趋势。而相对应的少年儿童占比在全省绝大部分地区均有下降。
②吉林省人口出生率的提高、少年儿童占比的上升对经济增长有促进作用。这种促进作用不仅仅提升本地区经济总量，也对其相邻地区的经济总量产生正面影响。同时，由于人口出生率与少年儿童占比对吉林省经济促进作用呈指数性增长。推动“全面二孩”政策，提升人口出生率，提高少年儿童人口比重，会促进吉林省经济的发展并改善人口年龄结构，减缓老龄化进程。
③吉林省老年人口占比的上升对经济增长有促进作用，主要是由于吉林省当前人口老龄化程度尚未达到28.83%的拐点。在达到这一峰值之前，虽然会使人口年龄结构失衡，增大社会负担，减缓经济发展，但对经济总量依然有着正向促进作用。吉林省人口死亡率的提高对经济增长有负向作用，但影响程度较小。
基于以上结论，提出如下建议：
①发展基础教育，整合医疗资源，提高生育意愿。当前，吉林省内不同地区教学水平存在较大差异，优质教师资源过于集中，升学竞争极为激烈。因此，应利用振兴东北老工业基地的国家财政拨款，打造大量优质小学、初中、高中，缓和地区教育资源竞争，缓解升学压力。同时，通过整合协调吉林省医疗资源，扩大各县市妇产医院规模，增建专门的儿童医院，降低孕妇与儿童医疗费用，实现“生得起娃，看得起病”，提高生育意愿。
②因地制宜，完善养老机制，促进产业结构转型。未来的10~15年，吉林省将有大量劳动人口转为老年人口，生活需求会产生极大变化，对经济造成极大影响，而各市县的老龄化程度、发展趋势不尽相同。因此，要根据各地区实际情况，以国家基本养老政策为本，制定合理可行、各具特色的养老政策。同时，加强区域合作与分工，扬长避短、统筹协调，建立养老院、社区老年保健院以及相配套的产业，针对老年人口偏好进行工业化分工及生产，使老年人口能够“老有所养”、“老有所依”。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
蔡昉. 人口转变、人口红利及经济增长的持续性——兼论充分就业如何促进经济增长[J]. 人口研究, 2004(2):2-9.

[2]
F Cai. Future Demographic Dividend-Tapping the Source of China's Economic Growth[J]. China Economist,2009:17-24.

[3]
Bloom D.E and Williamson J.G, Demographic Transitions and Economic Miracles in Emerging Asia[J]. World Bank Economic Review, 1998, 12(3):419-455.

[4]
Futagami K, Nakajima T. Population aging and economic growth[J]. Journal of Macroeconomics, 2002, 23(1):31-44.

[5]
Boucekkine R, Fabbri G, Gozzi F. Egalitarianism under population change:age structure does matter[J]. Journal of Mathematical Economics, 2014,55:86-100.

[6]
Choi K.H, Shin S. Population aging, economic growth and the social transmission of human capital:An analysis with an overlapping generations model[J]. Economic Modelling, 2015,50:138-147.

[7]
Uddin G.A, Alam K, Gow J. Population age structure and savings rate impacts on economic growth:Evidence from Australia[J]. Economic Analysis and Policy, 2016,52:23-33.

[8]
Fair R C, Dominguez K.M. Effects of the Changing US Age Distribution on Macroeconomic Equations[J]. The American Economic Review, 1991, 81(5):1276-1 294.

[9]
Linda T, Malmberg B. Age Structure Effects and Growth in the OECD,1950-1990[J]. Journal of Population Economics, 1999, 12(3):431-449.

[10]
Alders P, Broer D.P. Ageing Fertility and Growth[J]. Journal of Public Economics, 2005, 89(6):1075-1 095.

[11]
Prettner K. Population Ageing and Endogenous Economic Growth[J]. Journal of Population Economic, 2013, 26(2):811-834.

[12]
Wang F and A Mason. Demographic Dividend and Prospects for Economic Development in China,UN Expert Group Meeting on Social and Economic Implications of Changing Population Age Structure[J]. Population Division,Mexico, 2005(8-9):141-154.

[13]
蒋云赟. 我国人口结构变动对国民储蓄的影响的代际分析[J]. 经济科学, 2009(1):30-38.

[14]
王颖, 倪超. OECD国家人口转变与经济增长关系研究[J]. 中国人口·资源与环境, 2013(5):106-112.

[15]
刘凯豪, 刘渝琳. 破解中国经济增长之谜——来自人口结构变化的解释[J]. 经济科学, 2013(3):5-21.

[16]
于婷婷, 宋玉祥, 浩飞龙, 等. 东北地区人口结构对经济增长的影响[J]. 经济地理, 2016, 36(10):26-32.

[17]
于庆国. 吉林省人口年龄结构与经济关系实证分析[J]. 产业与科技论坛, 2017, 16(13):113-115.

[18]
沈体雁, 冯田, 孙铁山., 空间计量经济学[M]. 北京: 北京大学出版社, 2010.

[19]
武剑, 杨爱婷. 基于ESDA和CSDA的京津冀区域经济空间结构实证分析[J]. 中国软科学, 2010(3):111-119.

[20]
国家统计局. 人口[EB/OL]. 2013-10-29.

Options
文章导航

/

〈 〉