澎湃Logo
下载客户端

登录

  • +1

蔡昉:中国的两个人口转折点

蔡昉
2023-04-06 14:56
翻书党 >
字号

观察人口转变过程及其重要转折点在多大的显著性意义上对经济增长产生正面或负面影响,无疑是认识中国经济发展阶段变化的恰当角度。从相对长期的视角来看,得益于人口红利及人口红利开始消失后的恰当应对,中国经济已经实现对中等收入阶段的跨越。

从宏观经济层面来看,把受人口因素影响的长期趋势与受各种不测因素影响的短期冲击结合起来,有助于我们准确把握中国经济的基本面和波动性,在熨平周期的同时,使宏观经济在正确的轨道运行,从供求两侧增强经济增长可持续性。

迄今为止,我们从经验上能够观察到的人口转变最高阶段,就是一个国家在相继经过两个人口转折点之后,进入不可逆转的人口负增长时代。无论是中国,还是一些高收入国家看似水到渠成的老龄化,都展现出类似的现象,揭示了同样的逻辑:人口负增长对经济增长的冲击,既表现在社会总供给能力的进一步弱化趋势上,也表现在社会总需求日益成为经济增长的常态制约中。

既然这种新常态及其带来的新挑战是人口转变阶段和经济发展阶段变化的必然结果,我们无法否认和回避,正确的选择便是利用机会窗口和调整空间,认识、适应和引领这个新常态,应对这些新挑战。

人口转折点

人口转变发生从低到高的阶段性变化,其原始驱动力是生育率的持续下降。虽然一个时点上的生育水平未必对人口的动态和结构特征产生直接影响,但是生育率的长期下降终究会积累足够大的势能,使人口的动态和结构特征发生根本的变化。对经济增长而言,最具影响力的人口变量是人口总量、增长率和年龄结构。

因此,人口总量或者其中一部分在数量上达到峰值的时刻就具有转折点的意义。与此相应,峰值之后的负增长更具有改变经济增长常态的效应。

为了清晰地观察中国的人口转折点(见图4-1),我们按照时间顺序分别展示了两个人口峰值和两次随之而来的人口负增长,即劳动年龄人口峰值和负增长及人口总量峰值和负增长。归根结底,认识人口转变阶段的目的在于理解由此导致的经济发展阶段的变化。

但是,劳动年龄人口进入负增长时代,并不意味着人口红利完全消失,或者说,还不是人口变化因素冲击经济增长最严重的情形。根据联合国最新的人口预测,中国在人口总量于2022年达到峰值后,就进入真正意义上的人口负增长时代。应该说,这才是最具标志性的人口转折点。人们在谈到人口对经济增长的挑战时,通常用人口老龄化这个概念一言以蔽之。其实,这样说过于大而化之,常常让人看不到老龄化语义背后的真正含义。也就是说,老年人口数量在人口总量中占比的提高,尚不足以揭示人口转变阶段变化对经济增长负面影响的全貌,更表达不出这种不利影响的严重程度。

通过考察两个人口转折点,即劳动年龄人口数量和人口总量两个峰值及随后的负增长,我们可以更确切地揭示人口红利消失的具体表现,从而更深刻地认识人口负增长时代的经济增长挑战。

充分认识“人口红利”

人们常常用“生之者众,食之者寡”形象地刻画有利于经济增长的人口年龄结构。意思是说,如果我们把“生之者”视为劳动年龄人口,把“食之者”视为非劳动年龄人口,这样的人口结构就表现为:一方面,劳动年龄人口增长快、占比高;另一方面,非劳动年龄人口增长慢、占比低。

一般来说,这就是能够带来人口红利的那种合意的人口结构特征。反之,一旦人口年龄结构逆转到“生之者寡,食之者众”的格局,即劳动年龄人口负增长从而占比下降,而非劳动年龄人口(特别是老年人口)增长快从而占比提高,就意味着人口红利的消失。我们可以从经济学的角度进一步认识这种关系。

20世纪90年代以来,人口红利理论在经济学界特别是增长理论中破土而出,人口红利这个概念也渐渐成为许多国家政府和智库的热门话题。然而,如果说存在这样一个理论流派的话,总体来说,它始终没有在经济学甚至增长理论中获得过主流的地位。究其原因,是这一流派过于局限于用单一人口因素对经济增长作出解释。例如,在该领域,多数研究只把人口抚养比作为人口红利的代理变量,观察其影响经济增长的方向、显著性和幅度。

如此这般进行的人口红利研究,不啻对分析的范围做了自我限制,未能看到抚养比这个人口变量之外的变量,甚至很多增长核算和增长回归中采用的多数其他变量,从根本上说都是与人口因素相关的。站在纯粹的学术角度看问题,我们可以得出结论,如果不能与主流的新古典增长理论保持逻辑上的内在衔接,并在此基础上充分理解进而阐释清楚人口红利,这种理论范式便失去对前者作出颠覆性修正的良好机会,致使人口红利理论在增长理论中始终处于相对边缘的地位。

不过,归根结底我们关心的是如何认识现实中的人口红利现象。从这个意义上来说,不妨设想一个生产函数,其中等式右边的各种变量均被用来解释等式左边的GDP增长率。根据经济学家具有共识的生产函数自变量,我们可以观察其中的每一种作为影响经济增长的因素,对GDP增长率的贡献及其变化。实际上,借用生产函数这个概念,意图就在于揭示人口红利的具体统计含义,从供给侧认识经济增长现象。下面,我们看“生之者众”条件下的情形。

第一,人力资源对经济增长的贡献。这种贡献可以从劳动者的数量和质量两个方面来考察。一是用人数来衡量的劳动力。劳动年龄人口并不全是劳动力,因为在符合法定就业年龄的人口群体中,总有一部分由于在学、生病、失能,或者需要照料子女或老人等原因,并没有参与劳动力市场的意愿。显然,只有那些有就业意愿的劳动年龄人口才是劳动力。不过,劳动参与率(即希望就业的人口占劳动年龄人口的比例)一般是相对稳定的。所以,劳动年龄人口的规模和增长决定了劳动力的规模和增长。二是用平均受教育年限来衡量的人力资本。在中国的情形下,新成长劳动力具有更高的受教育程度,因此,当这个人口群体增长快的时候,劳动力整体的人力资本改善速度就明显。

第二,物质资本对经济增长的贡献。这种贡献也可以从几个方面来观察。一是经济活动中的物质资本投入,包括维持简单再生产的流动资金和形成新的生产能力的固定资产投资。二是为使用土地或其他资源而投入的资金。这种物质资本的投入与人口年龄结构有密切的关系。一方面,“生之者众,食之者寡”就意味着具有较低且持续下降的人口抚养比,即非劳动年龄人口与劳动年龄人口之间的比率,因此社会有条件形成较高的储蓄率。另一方面,劳动力供给丰富,就可以使物质资本与劳动力之间维持合理的投入比例,阻止资本报酬递减规律发挥作用,避免出现资本投入内卷的现象,就能保持较高的投资回报率。 

第三,生产率对经济增长的贡献。根据产生的性质和度量的方法,通常有两个重要的生产率指标。劳动生产率衡量的是单位劳动投入创造的产出,通常由人力资本水平、资本投入强度和全要素生产率水平决定。全要素生产率是资本、劳动、资源等要素投入的产出贡献之外的产出增长,主要反映的是要素的配置效率。在有利的人口机会窗口期,除了人力资本的积累和新机器设备的使用,农业剩余劳动力大规模地转移到非农产业,实现更充分的就业,就意味着资源从生产率较低的部门转移到生产率较高的部门,实现重新配置。对中国来说,劳动力资源的重新配置在相当长时间里是生产率提高的主要源泉。

有利的人口结构在上述方面对经济增长的贡献,表现为生产函数中相应变量的系数为正值,合成的结果就是强劲的产出能力,使一个经济体具有更高的潜在增长率。然而,“生之者众”的人口结构特征不是永恒的。一旦劳动年龄人口在达到峰值后开始减少,人口结构特征就日益转变为“生之者寡”,上述各种与人口相关的因素或变量就会按照相反的方向影响经济增长,变量的系数就转为负值。这通常会通过劳动力短缺、劳动力素质改善速度放缓、资本回报率下降、生产率提高减速等,使潜在增长率下降。

由此可见,并非从劳动力丰富这一个特征即可充分认识人口红利,也不能单纯观察经济计量模型中设定的代理变量(即人口抚养比)的系数作用,而需要认识到几乎所有增长因素或解释变量都反映出人口红利的作用。一旦了解这一点,我们就能够对以往研究中得出的诸多结论作出新解,即人口红利的解释。这样做,即便不算是对传统经济学理论的颠覆,至少可以使以往增长理论的新古典式的老生常谈增强一些解释力。

美国经济学家、诺贝尔经济学奖获得者保罗·克鲁格曼可以说是一位数十年如一日、始终如一地批评东亚经济模式和中国发展奇迹的学者。他认为,无论是当年的“亚洲四小龙”,还是改革开放时期的中国大陆,实现高速经济发展主要依靠的是生产要素(即资本和劳动力)的积累和投入,而全要素生产率并没有得到改善,因而统统算不上是增长“奇迹”,增长速度也是不可持续的。

这里,关于资本和劳动力对经济增长的绝对重要贡献,克鲁格曼看得完全正确,然而,正如前面讨论的,这恰恰就是人口红利的表现。克鲁格曼并不了解人口红利的作用机制,所以作出符合理论预期却不符合实际经验的判断。此外,之所以在“东亚奇迹”和“中国奇迹”中看不到生产率的进步,也正是因为他没有从资源重新配置的角度观察生产率的源泉。

本文摘自经济学家蔡昉的新作《人口负增长时代:中国经济增长的挑战与机遇》,澎湃新闻经授权刊载。

《人口负增长时代:中国经济增长的挑战与机遇》,蔡昉/著,中信出版集团,2023年3月版

    责任编辑:顾明
    澎湃新闻报料:021-962866
    澎湃新闻,未经授权不得转载
    +1
    收藏
    我要举报
            查看更多

            扫码下载澎湃新闻客户端

            沪ICP备14003370号

            沪公网安备31010602000299号

            互联网新闻信息服务许可证:31120170006

            增值电信业务经营许可证:沪B2-2017116

            © 2014-2024 上海东方报业有限公司

            反馈