人口年龄结构变动对工业投资影响的实证分析 ——基于省级动态面板数据的sys-gmm估计-张虹.pdf

《人口年龄结构变动对工业投资影响的实证分析 ——基于省级动态面板数据的sys-gmm估计-张虹.pdf》由会员分享，可在线阅读，更多相关《人口年龄结构变动对工业投资影响的实证分析 ——基于省级动态面板数据的sys-gmm估计-张虹.pdf（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 56 工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017 57 引 言 按照传统经济学的观点，社会产出是劳动、资本和技术等三种生产要素共同作用的结果。古典经济增长理论与内生增长理论则进一步认为，稳态的经济增长是劳

2、动、资本以及技术进步等三种要素共同作用的结果，其中人口扮演着重要重角色，人口既可以影响劳动与资本的最优比例，也可以影响资本与消费的黄金律水平。人口与固定资产投资间的关系集中体现在劳动力供给与资本投资的匹配方面，如果两者相适应，就能促进经济增长，反之则不能促进经济增长。数据显示，2015 年我国老年人口抚养比为 14.3%，较 2000年上升了 4.4 个百分点，少儿抚养比为 32.6%，较 2000 年下降了 10 个百分点。在这 16 年间我国的人口年龄结构发生了深刻的变化，人口年龄结构的这种变化会引起“人口红利”的逐步减少和消失，进一步影响社会投资。国内不少学者在研究人口结构与投资之间的关

3、系时发现，少儿抚养比能够对固定资产投资率产生显著负向影响，老年抚养比则能够对固定资产投资率产生显著正向影响，我国研究的结论和国外研究结论基本一致。但需要指出的是，这些研究没有关注人口结构变化对具体三大产业投资的影响，而农业、工业与服务业又有各自的特点，特别是在对劳动力需求方面不尽相同。我国改革开放后的工业发展实践表明，工业化之初，国内人口和劳动力资源丰富，商品需求强烈，社会的需要使得国家对基础工业进行了大量的投资，自然工业领域的投资较为旺盛，人口结构与工业投资的关系也十分密切。随着国民经济的快速发展，工业效率大幅上升，社会商品也日渐丰富，人们对商品的质量和档次要求提升，同时，工业生产大量使用机

4、器，对劳动力的依赖程度下降，工业领域内的投资与人口年龄结构的关系开始弱化。工业发展的阶段不同，人口年龄结构的变化对工业投资的影响不尽相同，已有经验表明，人口年龄结构变动对工业投资的影响程度随工业发展阶段的不同而有所不同。基于此，本文选取了 20042016 年间的投资与人口相关数据进行实证研究，试图发现在工业发展到一定阶段后，人口年龄结构变动对工业投资的影响是否依然显著，并提出相关的建议帮助经济实现稳定人口年龄结构变动对工业投资影响的实证分析基于省级动态面板数据的 SYS-GMM 估计张 虹1 秦留志1,21（辽宁大学经济学院，沈阳 110036） 2（中国人民银行沈阳分行，沈阳 110036

5、）摘 要 文章使用 20042016 年的省级面板数据，基于 SYSGMM 估计方法，对中国 30 个省份的人口年龄结构变动与工业投资之间的关联性进行了研究。研究发现，前期投资、金融发展程度、人均GDP 及人均 GDP 增长率能够对工业投资产生显著正向影响，但是老年抚养比和少儿抚养比等人口年龄因素对于工业投资的影响并不显著，这可能是由于中国的“人口红利”尚未得到完全释放。最后，针对本文研究结论，提出了相关政策建议。关键词年龄结构 工业投资 系统广义矩估计 动态面板模型 抚养比 固定资产投资率DOI：10.3969/j.issn.1004-910X.2017.12.008中图分类号 F424 文

6、献标识码 A收稿日期：2017-07-30基金项目：国家社会科学基金“政策创新与区域经济发展趋同研究”（项目编号：14BJL083）。作者简介：张虹，辽宁大学经济学院教授，博士生导师。研究方向：宏观投资理论与实践。秦留志，辽宁大学经济学院博士研究生，供职于中国人民银行沈阳分行营业管理部。研究方向：宏观投资理论与实践。快速增长。1 文献综述 最早研究人口结构变动对宏观经济影响的理论是生命周期假说，由 Ando 与 Modigliani 提出，生命周期假说认为，一个国家或地区的适龄劳动人口占总人口比重上升时，该国家或者地区的储蓄率也随之上升，儿童及老年人口占总人口比重上升时，该国家或者地区的储蓄率

7、也随之下降1。然而在后来的研究中，这一假说并未获得共识。Persson（2002）在对美国经济的实证研究中，探讨了总人口的年龄结构对产出的影响，认为人口结构变动对经济增长能够产生显著影响2。Horioka 和 Wan（2007） 基于生命周期模型，采用中国 19952004 年的省际面板数据作为样本，研究了中国的人口结构和储蓄率之间的关系，他们发现中国的少儿扶养比与储蓄率负相关，老年抚养比与储蓄率之间正相关3。Foot 和 Gomez（2006）则基于 FES 关于英国家庭支出的调查数据，分析了英国的年龄结构同消费结构之间的关系，他们认为英国的年龄结构能够对消费结构产生较大的显著正向影响4。改

8、革开放以来，我国的“人口红利”不断释放，经济发展取得巨大进步，研究人口与经济发展、投资规划关系的学者开始增加，研究成果十分丰富。相关研究基本都认为少儿抚养比能够对投资水平产生显著负向影响，但是老年抚养比能够对投资水平产生显著正向影响。王德文等（2004）利用19822002 年的中国省际面板数据，实证分析了人口抚养比的变动对居民消费水平和储蓄水平的影响，研究结果表明少儿抚养比能够对消费率产生显著负向影响5。汪伟（2009）基于中国 19892006年的省际面板数据分析了人口结构和储蓄水平之间的关系，研究结果表明，人口结构的变动造成了中国2000年以来的高储蓄和低利率并存的现象6。李杏等人（20

9、12）将人口结构指标引入传统的经济增长模型中，使用固定效应模型和 SYS-GMM 计量方法，测算了人口结构对储蓄、投资和经济增长的效应，他们认为人口结构的变动能够对储蓄水平、投资水平和经济增长产生显著影响7。李威（2014）以中国 19902011 年省级面板数据作为研究样本，基于动态面板模型分析了人口结构对于固定资产投资的影响，得出了人口结构的变动对固定资产投资能够产生显著影响8。综上文献所述，学者在研究人口与投资时，多是从宏观角度出发研究人口结构对总投资的影响，没有研究人口结构变化与具体产业投资的关系，很容易发生加总谬误，没有细分在工业不同发展阶段，人口结构因素变动对工业投资的影响。为了研

10、究更加深入细致，发现具体产业投资与人口年龄结构变动的关系，本文重点关注了人口年龄结构变动对工业投资的影响。2 人口投资相关理论与SYSGMM估计2.1 人口结构与投资相关理论基础新古典经济增长理论认为，经济增长是技术、劳动、资本、制度共同作用的结果，其数学表达式可表达为以下形式：（1）对（1）式左右两端取对数可得：（2）上式中的Y、A、K、L、e分别表示产出、技术、资本、劳动及相关制度因素。若借助生产函数，把劳动人数用总人口 N 替代，可实现人口结构变量与其他变量发生直接联系，即：（3）（3）式中 1LnL1t、2LnL2t、3LnL3t分别表示少儿人口、劳动人口、老年人口。社会经济中，劳动与

11、资本统一于经济增长的过程中，它们在经济增长中可以相互替代。劳动数量和质量与人口结构密切相关，某种意义上讲，人口结构与资本的关系近似劳动与资本间的关系。黄金律和动态有效模型认为，在稳态增长路径上，资本的边际产品等于人口增长率、劳动生产率增长率和折旧率之和。黄金律表达式为：（4）（4）式表明在稳态经济下，如果资本的边际产品等于人口增长率、劳动生产率增长率和折旧率之和，个人消费水平会最大化，此时经济处于一种动态有效状态。在动态有效经济中，资本 56 工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 1

12、2 月No.12（General, No.290）Dec.2017工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017 57 引 言 按照传统经济学的观点，社会产出是劳动、资本和技术等三种生产要素共同作用的结果。古典经济增长理论与内生增长理论则进一步认为，稳态的经济增长是劳动、资本以及技术进步等三种要素共同作用的结果，其中人口扮演着重要重角色，人口既可以影响劳动与资本的最优比例，也可以影响资本与消费的黄金律水平。人口与固定资产投资

13、间的关系集中体现在劳动力供给与资本投资的匹配方面，如果两者相适应，就能促进经济增长，反之则不能促进经济增长。数据显示，2015 年我国老年人口抚养比为 14.3%，较 2000年上升了 4.4 个百分点，少儿抚养比为 32.6%，较 2000 年下降了 10 个百分点。在这 16 年间我国的人口年龄结构发生了深刻的变化，人口年龄结构的这种变化会引起“人口红利”的逐步减少和消失，进一步影响社会投资。国内不少学者在研究人口结构与投资之间的关系时发现，少儿抚养比能够对固定资产投资率产生显著负向影响，老年抚养比则能够对固定资产投资率产生显著正向影响，我国研究的结论和国外研究结论基本一致。但需要指出的是

14、，这些研究没有关注人口结构变化对具体三大产业投资的影响，而农业、工业与服务业又有各自的特点，特别是在对劳动力需求方面不尽相同。我国改革开放后的工业发展实践表明，工业化之初，国内人口和劳动力资源丰富，商品需求强烈，社会的需要使得国家对基础工业进行了大量的投资，自然工业领域的投资较为旺盛，人口结构与工业投资的关系也十分密切。随着国民经济的快速发展，工业效率大幅上升，社会商品也日渐丰富，人们对商品的质量和档次要求提升，同时，工业生产大量使用机器，对劳动力的依赖程度下降，工业领域内的投资与人口年龄结构的关系开始弱化。工业发展的阶段不同，人口年龄结构的变化对工业投资的影响不尽相同，已有经验表明，人口年龄

15、结构变动对工业投资的影响程度随工业发展阶段的不同而有所不同。基于此，本文选取了 20042016 年间的投资与人口相关数据进行实证研究，试图发现在工业发展到一定阶段后，人口年龄结构变动对工业投资的影响是否依然显著，并提出相关的建议帮助经济实现稳定人口年龄结构变动对工业投资影响的实证分析基于省级动态面板数据的 SYS-GMM 估计张 虹1 秦留志1,21（辽宁大学经济学院，沈阳 110036） 2（中国人民银行沈阳分行，沈阳 110036）摘 要 文章使用 20042016 年的省级面板数据，基于 SYSGMM 估计方法，对中国 30 个省份的人口年龄结构变动与工业投资之间的关联性进行了研究。研

16、究发现，前期投资、金融发展程度、人均GDP 及人均 GDP 增长率能够对工业投资产生显著正向影响，但是老年抚养比和少儿抚养比等人口年龄因素对于工业投资的影响并不显著，这可能是由于中国的“人口红利”尚未得到完全释放。最后，针对本文研究结论，提出了相关政策建议。关键词年龄结构 工业投资 系统广义矩估计 动态面板模型 抚养比 固定资产投资率DOI：10.3969/j.issn.1004-910X.2017.12.008中图分类号 F424 文献标识码 A收稿日期：2017-07-30基金项目：国家社会科学基金“政策创新与区域经济发展趋同研究”（项目编号：14BJL083）。作者简介：张虹，辽宁大学经

17、济学院教授，博士生导师。研究方向：宏观投资理论与实践。秦留志，辽宁大学经济学院博士研究生，供职于中国人民银行沈阳分行营业管理部。研究方向：宏观投资理论与实践。快速增长。1 文献综述 最早研究人口结构变动对宏观经济影响的理论是生命周期假说，由 Ando 与 Modigliani 提出，生命周期假说认为，一个国家或地区的适龄劳动人口占总人口比重上升时，该国家或者地区的储蓄率也随之上升，儿童及老年人口占总人口比重上升时，该国家或者地区的储蓄率也随之下降1。然而在后来的研究中，这一假说并未获得共识。Persson（2002）在对美国经济的实证研究中，探讨了总人口的年龄结构对产出的影响，认为人口结构变动

18、对经济增长能够产生显著影响2。Horioka 和 Wan（2007） 基于生命周期模型，采用中国 19952004 年的省际面板数据作为样本，研究了中国的人口结构和储蓄率之间的关系，他们发现中国的少儿扶养比与储蓄率负相关，老年抚养比与储蓄率之间正相关3。Foot 和 Gomez（2006）则基于 FES 关于英国家庭支出的调查数据，分析了英国的年龄结构同消费结构之间的关系，他们认为英国的年龄结构能够对消费结构产生较大的显著正向影响4。改革开放以来，我国的“人口红利”不断释放，经济发展取得巨大进步，研究人口与经济发展、投资规划关系的学者开始增加，研究成果十分丰富。相关研究基本都认为少儿抚养比能够

19、对投资水平产生显著负向影响，但是老年抚养比能够对投资水平产生显著正向影响。王德文等（2004）利用19822002 年的中国省际面板数据，实证分析了人口抚养比的变动对居民消费水平和储蓄水平的影响，研究结果表明少儿抚养比能够对消费率产生显著负向影响5。汪伟（2009）基于中国 19892006年的省际面板数据分析了人口结构和储蓄水平之间的关系，研究结果表明，人口结构的变动造成了中国2000年以来的高储蓄和低利率并存的现象6。李杏等人（2012）将人口结构指标引入传统的经济增长模型中，使用固定效应模型和 SYS-GMM 计量方法，测算了人口结构对储蓄、投资和经济增长的效应，他们认为人口结构的变动能

20、够对储蓄水平、投资水平和经济增长产生显著影响7。李威（2014）以中国 19902011 年省级面板数据作为研究样本，基于动态面板模型分析了人口结构对于固定资产投资的影响，得出了人口结构的变动对固定资产投资能够产生显著影响8。综上文献所述，学者在研究人口与投资时，多是从宏观角度出发研究人口结构对总投资的影响，没有研究人口结构变化与具体产业投资的关系，很容易发生加总谬误，没有细分在工业不同发展阶段，人口结构因素变动对工业投资的影响。为了研究更加深入细致，发现具体产业投资与人口年龄结构变动的关系，本文重点关注了人口年龄结构变动对工业投资的影响。2 人口投资相关理论与SYSGMM估计2.1 人口结构

21、与投资相关理论基础新古典经济增长理论认为，经济增长是技术、劳动、资本、制度共同作用的结果，其数学表达式可表达为以下形式：（1）对（1）式左右两端取对数可得：（2）上式中的Y、A、K、L、e分别表示产出、技术、资本、劳动及相关制度因素。若借助生产函数，把劳动人数用总人口 N 替代，可实现人口结构变量与其他变量发生直接联系，即：（3）（3）式中 1LnL1t、2LnL2t、3LnL3t分别表示少儿人口、劳动人口、老年人口。社会经济中，劳动与资本统一于经济增长的过程中，它们在经济增长中可以相互替代。劳动数量和质量与人口结构密切相关，某种意义上讲，人口结构与资本的关系近似劳动与资本间的关系。黄金律和动

22、态有效模型认为，在稳态增长路径上，资本的边际产品等于人口增长率、劳动生产率增长率和折旧率之和。黄金律表达式为：（4）（4）式表明在稳态经济下，如果资本的边际产品等于人口增长率、劳动生产率增长率和折旧率之和，个人消费水平会最大化，此时经济处于一种动态有效状态。在动态有效经济中，资本 58 工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017工业技术经济Journal of Industrial Technologyical Econ

23、omics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017 59 的边际生产率与人口增长率密切相关，人口增长率对人口结构有决定性影响，因此在动态有效的经济中，要求资本增长率与人口结构相适应。2.2 SYSGMM估计方法本文采取动态面板数据模型的系统广义矩估计（SYSGMM）进行实证分析。动态面板数据模型能够通过控制固定效应，克服变量遗漏和反向因果性的问题，广义矩估计（GMM）是矩估计方法的一般化，SYSGMM 估计则是基于模型实际参数满足一定矩条件而形成，由于克服了传统计量经济学上的一些估计方法的缺陷问题，因此SYSGMM 允许

24、随机误差项存在异方差和序列相关，其估计结果比其他估计方法也更加有效。由于本文使用被解释变量的滞后一期指标作为一个解释变量，因此包含的个体效应和扰动效应有可能存在自相关问题，如果采取传统的 GMM 估计方法，这些内生性问题可能会导致估计结果发生偏差，使得估计结果的有效性较差。此外，由于不同省份存在一些自身特有的，其难以观测到的特征，如区域内的资源禀赋、文化差异等，这些因素可能与解释变量中的抚养比存在一定的相关性，因此为了克服这些内生性问题，本文最终采用 SYSGMM 估计。为确保回归结果的有效性，动态面板数据模型的 GMM 估计仍需要检验，首先，要对模型设定的合理性及工具变量的有效性进行检验。其

25、中，使用 Arellano-Bond AR（1）和 Arellano-Bond AR（2）对随机扰动项可能存在的序列相关问题进行检验，并进一步检验模型的设置是否合理，同时对工具变量的整体有效性使用 Sargan 统计量进行检验，新增工具的有效性使用 Sargan 差分统计量进行检验。其次，通过 wald 检验来验证模型的整体显著性。为进一步验证结果的稳健性，本文在使用系统广义矩估计方法对方程进行估计的同时，作为对照，同时使用 OLS 估计和动态面板差分 GMM 估计对方程进行验证。3 人口年龄结构与工业投资关系的实证分析3.1 模型设定及参数描述考虑到简约型（Reduced-form Appr

26、oach）计量模型并不需要特定环境和假设的优点，本文借鉴已有学者的研究经验，同样选取简约型计量模型进行实证分析。本文的实证模型设定为以下形式：其中，IR表示各省份的工业固定资产投资率，DEP 表示各省份的人口结构，CV 为控制变量，uit为不同地区的个体效应，eit为随机扰动项。各个指标的具体选取如下：（1）工业固定资产投资率 IR。由于第二产业主要是指工业，因此本文中工业的固定资产投资率用第二产业的固定资产投资率表示。固定资产投资率是指工业的城镇固定资产投资占该地区 GDP 的比重，衡量工业的固定资产投资在某地经济增长过程中的贡献大小；（2）人口结构变量。选取老年抚养比 Odep与少儿年抚养

27、比 Ydep 作为人口结构变量9，其中老年抚养比为 60 岁及以上人口数量与劳动人口数量的比，少儿抚养比为 15 岁及以下人口数量与劳动人口数量的比，抚养比指标反映的是社会人口的年龄结构状况，为主要解释变量；（3）大专以上人口比重 Edep。指拥有大专及以上学历人口数与总人口之比，反映人口文化素质的高低10；（4）人均国内生产总值Pgdp，用人均GDP表示，用以考察国民经济的发展水平，文中以千元为单位；（5）人均 GDP 增长率 Grpgdp。用人均国民生产总值增长率表示，反映经济增长速度对工业投资的影响，用 t 年人均 GDP 除以 t-1 年的人均 GDP得到；（6）工业 GDP 占 GD

28、P 的比重 Indrat11。反映产业结构的变动；（7）金融发展 Fd。用银行信贷规模与 GDP 之比表示，反映金融发展水平对工业投资的影响；（8）城镇化率 Ur。用城镇人口与总人口之比表示，反映城市发展水平对工业的固定资产投资的影响；（9）虚拟变量 ui。用以反映不同地区的个体特征。为了便于比较不同地区的人口结构变动对该地区固定资产投资率的影响，本文按照中国统计年鉴的标准，将全国分为东、中、西三个地区进行实证研究。考虑到西藏自治区的特殊性，本文样本不包括西藏的数据，使用其他 30 个省市的数据进行实证分析，文章的样本期为 20042016 年。文章数据来源于万得数据库，数据处理使用 exce

29、l 软件完成，计量分析使用 stata 软件完成。表 1 主要变量的统计情况表Variable Obs Mean Std. Dev. Min MaxYdep 341 24.14 7.16 9.64 44.65Odep 341 12.26 2.45 6.71 20.31Edep 341 8.69 5.84 0.80 39.30Pgdp 341 30.88 20.35 4.32 105.23Grpgdp 341 15.25 6.34 0.07 37.01Indrat 341 39.64 9.64 7.03 53.04Fd 341 108.88 38.19 53.72 258.47Ur 341 49

30、.65 14.93 20.85 89.60East 341 0.39 0.49 0 1Middle 341 0.29 0.45 0 1注：Pgdp 单位为千元。3.2 模型估计结果模型的输出结果显示， AR（1）检验结果均小于 0.05，AR（2）的检验结果均大于 0.1，因此回归的误差项存在一阶序列相关，不存在二阶序列相关，这说明残差项不存在序列相关，动态回归模型的设定是合理的。另外，Wald 检验值为 1465，非常大，Wald 检验 p 值为 0，说明设定的模型十分显著。同时，工具变量方面，模型的Sargan 检验的 p 值和 Sargan 差分检验的 p 值均接远大于 0.1，说明工具

31、变量集的设定也是有效的。回归的具体结果如表 2 所示。表 2 动态面板估计及稳健性检验变量模型 1 模型 2混合 OLS 差分 GMM 系统 GMM 混合 OLS 差分 GMM 系统 GMM Ir2 （-1） 0.496* -0.186* -0.098* 0.317* -0.195* -0.374* （3.526） （-4.967） （-1.826） （3.036） （-4.230） （-3.453）Ydep -0.089 -0.056 -0.117* 0.001 -0.100 0.160 （-0.431） （-0.639） （-3.009） （0.996） （-0.403） （0.718）O

32、dep 0.138 0.613* 0.116 -0.127 0.458* -1.493 （0.584） （4.028） （0.821） （-0.547） （1.818） （-0.159）Edep 0.074 -0.244 -1.419* （0.724） （-0.246） （-3.128）Pgdp 0.259* -0.111 0.219* （3.670） （-0.107） （4.007） 58 工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）D

33、ec.2017工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017 59 的边际生产率与人口增长率密切相关，人口增长率对人口结构有决定性影响，因此在动态有效的经济中，要求资本增长率与人口结构相适应。2.2 SYSGMM估计方法本文采取动态面板数据模型的系统广义矩估计（SYSGMM）进行实证分析。动态面板数据模型能够通过控制固定效应，克服变量遗漏和反向因果性的问题，广义矩估计（GMM）是矩估计方法的一般化，SYSGMM 估计则是基于

34、模型实际参数满足一定矩条件而形成，由于克服了传统计量经济学上的一些估计方法的缺陷问题，因此SYSGMM 允许随机误差项存在异方差和序列相关，其估计结果比其他估计方法也更加有效。由于本文使用被解释变量的滞后一期指标作为一个解释变量，因此包含的个体效应和扰动效应有可能存在自相关问题，如果采取传统的 GMM 估计方法，这些内生性问题可能会导致估计结果发生偏差，使得估计结果的有效性较差。此外，由于不同省份存在一些自身特有的，其难以观测到的特征，如区域内的资源禀赋、文化差异等，这些因素可能与解释变量中的抚养比存在一定的相关性，因此为了克服这些内生性问题，本文最终采用 SYSGMM 估计。为确保回归结果的

35、有效性，动态面板数据模型的 GMM 估计仍需要检验，首先，要对模型设定的合理性及工具变量的有效性进行检验。其中，使用 Arellano-Bond AR（1）和 Arellano-Bond AR（2）对随机扰动项可能存在的序列相关问题进行检验，并进一步检验模型的设置是否合理，同时对工具变量的整体有效性使用 Sargan 统计量进行检验，新增工具的有效性使用 Sargan 差分统计量进行检验。其次，通过 wald 检验来验证模型的整体显著性。为进一步验证结果的稳健性，本文在使用系统广义矩估计方法对方程进行估计的同时，作为对照，同时使用 OLS 估计和动态面板差分 GMM 估计对方程进行验证。3 人

36、口年龄结构与工业投资关系的实证分析3.1 模型设定及参数描述考虑到简约型（Reduced-form Approach）计量模型并不需要特定环境和假设的优点，本文借鉴已有学者的研究经验，同样选取简约型计量模型进行实证分析。本文的实证模型设定为以下形式：其中，IR表示各省份的工业固定资产投资率，DEP 表示各省份的人口结构，CV 为控制变量，uit为不同地区的个体效应，eit为随机扰动项。各个指标的具体选取如下：（1）工业固定资产投资率 IR。由于第二产业主要是指工业，因此本文中工业的固定资产投资率用第二产业的固定资产投资率表示。固定资产投资率是指工业的城镇固定资产投资占该地区 GDP 的比重，衡

37、量工业的固定资产投资在某地经济增长过程中的贡献大小；（2）人口结构变量。选取老年抚养比 Odep与少儿年抚养比 Ydep 作为人口结构变量9，其中老年抚养比为 60 岁及以上人口数量与劳动人口数量的比，少儿抚养比为 15 岁及以下人口数量与劳动人口数量的比，抚养比指标反映的是社会人口的年龄结构状况，为主要解释变量；（3）大专以上人口比重 Edep。指拥有大专及以上学历人口数与总人口之比，反映人口文化素质的高低10；（4）人均国内生产总值Pgdp，用人均GDP表示，用以考察国民经济的发展水平，文中以千元为单位；（5）人均 GDP 增长率 Grpgdp。用人均国民生产总值增长率表示，反映经济增长速

38、度对工业投资的影响，用 t 年人均 GDP 除以 t-1 年的人均 GDP得到；（6）工业 GDP 占 GDP 的比重 Indrat11。反映产业结构的变动；（7）金融发展 Fd。用银行信贷规模与 GDP 之比表示，反映金融发展水平对工业投资的影响；（8）城镇化率 Ur。用城镇人口与总人口之比表示，反映城市发展水平对工业的固定资产投资的影响；（9）虚拟变量 ui。用以反映不同地区的个体特征。为了便于比较不同地区的人口结构变动对该地区固定资产投资率的影响，本文按照中国统计年鉴的标准，将全国分为东、中、西三个地区进行实证研究。考虑到西藏自治区的特殊性，本文样本不包括西藏的数据，使用其他 30 个省

39、市的数据进行实证分析，文章的样本期为 20042016 年。文章数据来源于万得数据库，数据处理使用 excel 软件完成，计量分析使用 stata 软件完成。表 1 主要变量的统计情况表Variable Obs Mean Std. Dev. Min MaxYdep 341 24.14 7.16 9.64 44.65Odep 341 12.26 2.45 6.71 20.31Edep 341 8.69 5.84 0.80 39.30Pgdp 341 30.88 20.35 4.32 105.23Grpgdp 341 15.25 6.34 0.07 37.01Indrat 341 39.64 9.

40、64 7.03 53.04Fd 341 108.88 38.19 53.72 258.47Ur 341 49.65 14.93 20.85 89.60East 341 0.39 0.49 0 1Middle 341 0.29 0.45 0 1注：Pgdp 单位为千元。3.2 模型估计结果模型的输出结果显示， AR（1）检验结果均小于 0.05，AR（2）的检验结果均大于 0.1，因此回归的误差项存在一阶序列相关，不存在二阶序列相关，这说明残差项不存在序列相关，动态回归模型的设定是合理的。另外，Wald 检验值为 1465，非常大，Wald 检验 p 值为 0，说明设定的模型十分显著。同时，工具

41、变量方面，模型的Sargan 检验的 p 值和 Sargan 差分检验的 p 值均接远大于 0.1，说明工具变量集的设定也是有效的。回归的具体结果如表 2 所示。表 2 动态面板估计及稳健性检验变量模型 1 模型 2混合 OLS 差分 GMM 系统 GMM 混合 OLS 差分 GMM 系统 GMM Ir2 （-1） 0.496* -0.186* -0.098* 0.317* -0.195* -0.374* （3.526） （-4.967） （-1.826） （3.036） （-4.230） （-3.453）Ydep -0.089 -0.056 -0.117* 0.001 -0.100 0.16

42、0 （-0.431） （-0.639） （-3.009） （0.996） （-0.403） （0.718）Odep 0.138 0.613* 0.116 -0.127 0.458* -1.493 （0.584） （4.028） （0.821） （-0.547） （1.818） （-0.159）Edep 0.074 -0.244 -1.419* （0.724） （-0.246） （-3.128）Pgdp 0.259* -0.111 0.219* （3.670） （-0.107） （4.007） 60 工业技术经济Journal of Industrial Technologyical Econo

43、mics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017工业技术经济Journal of Industrial Technologyical Economics第 12 期（总第 290 期）2017 年 12 月No.12（General, No.290）Dec.2017 61 根据表 2 的估计结果，在 10% 及以内的显著水平上，没能发现人口的年龄结构变化对第二产业投资的影响是显著的。其可能的解释是：我国的“人口红利”尚未完全释放。国家统计数据显示，20042016 年我国第二产业从业人数增加了0.6 亿，第二产业从业人数

44、升至与第一产业基本相当，第三产业从业人数增加了 0.9 亿人，成为就业的第一大产业。此间我国人口的年龄结构已Grpgdp -0.138 0.352* 0.425*（-0.118） （3.672） （2.890）Indrat 0.500* 0.200* 0.019 （3. 120） （2.671） （0.859）Fd -0.017 -0.006 0.067* （0.485） （-0.798） （2.027）Ur -0.485* -0.202* 0.096 （-2. 410） （-2.023） （0.567）East -5.773* -9.929* -35.268*（-3.102） （-2.890

45、） （-2.651）Middle -0.390 -1.396 -3.940 （-0.804） （-0.563） （-0.544）Cons 18.369* 33.797* 38.132* 20.017* 33.031* 47.063*（4.001） （3.613） （4.020） （2.784） （3.130） （2.989）Wald 检验 26.12 199.17 1199.63 28.66 348.76 1465.55Probchi2 0.000 0.000 0.000 0.000 0.000 0.000Sargan 检验 p 值 1.000 1.000Sargan 差分检验 p 值 1.0

46、00 1.000AR（1）检验 p 值 0.000 0.001AR（2）检验 p 值 0.078 0.862注 : 括号内为 t 统计量；*、*、* 分别表示结果在 10%、5%、1% 的显著水平上显著。续 表变量模型 1 模型 2混合 OLS 差分 GMM 系统 GMM 混合 OLS 差分 GMM 系统 GMM 有较大变化，但这种变化对第二产业从业人数的影响并不大，统计意义上，人口结构变化对工业投资的影响不显著。另外，在 10% 及以内的显著水平上，也没能发现工业结构状况、城市化水平对第二产业投资的影响是显著的。 表 2 的估计结果还显示，在 1% 的显著水平上，滞后一期的工业投资、人口的教

47、育结构、人均 GDP 及人均 GDP 增长率对工业投资的影响是显著的。在 5% 的显著水平上，金融发展程度对工业投资的影响是显著的。其中，滞后一期工业投资与当期投资负相关，上期投资每增长 1%，下期投资就会下降 0.37%。其原因是工业投资一般周期短，见效快，当期就能形成生产能力，投资基本不需要跨期进行。另外，对企业来讲，由于市场需求容量的限制，不可能一直扩张下去，特别是当前转型升级阶段，固定资产投资持续扩张的意愿更低，因此，当期投资多，下期就会少，故成负相关；人口的教育结构与工业投资负相关，大专及以上人口占比每上升 1%，工业投资就会下降 1.42%。其原因为我国工业目前发展水平尽管有较大提升，但内部发展不平衡，整体而言，发展层次不够高，工作环境、劳动报酬等与金融、房地产、医疗服务等部门有一定的差距，因此，人口的教育素质越高，人们就更愿意向金融、房地产、医疗服务等服务行业部门流动，进而工业部门需要的投资就相应减少；另外，工业投资与人均 GDP、人均 GDP 增长率、金融发展水平正相关。这主要是因为经济发展水平越高，发展越快，对工业产品的需求就越高，相应的工业领域内的投资就越旺盛，而金融发展水平越高，企业融资就越容易，实际发生的投资就越多，整体上讲 这 是 经 济 发 展 对 工 业 投 资 的 引 致 作 用 所 致 。 4 政策建议本文基于 20042016