本文來自格隆匯專欄：興業研究魯政委，作者：張文達，郭於瑋，魯政委

從第七次人口普查數據來看，我國老齡化程度預計仍將進一步加深。老齡化成為我們分析判斷未來經濟走勢無法忽視的重要變量。我們從文獻着手，探究老齡化對各類經濟變量的影響程度、方向以及作用機制。

從經濟總量角度來看，對經濟增長，老齡化可能降低勞動力供給、降低勞動生產率，並擠出投資，帶動潛在經濟增速下降。不過，如果老齡化有效倒逼技術升級、提高人力資本投資，則能夠減輕潛在增速下降的壓力，促進產業升級。不過從自然利率的角度出發，現有研究普遍傾向於，人口老齡化會造成通縮壓力，推動長期利率趨勢性下行。

從宏觀結構角度來看，人口老齡化亦會通過消費傾向、消費偏好、要素稟賦的改變，引致產業結構的調整。

從消費傾向來看，人口老齡化的“負擔效應”會降低儲蓄率，而預期壽命增長、財產遺贈、消費限制則會推動儲蓄率的上行。兩種效應影響後的淨效應將決定儲蓄率變化方向。研究表明，我國人口老齡化對儲蓄率的淨效應為正，即人口老齡化導致儲蓄率上升。不過有研究認為，隨着中國老齡化程度進一步加深，中國儲蓄率或出現逆轉。

從消費結構來看，人口老齡化會帶來國家整體消費結構的變化。綜合來看，醫療服務、社會和個人服務等服務消費佔比往往隨着老齡化的發展而提高。衣着、文娛活動、交通通信消費佔比則傾向於下行。

從要素稟賦來看，人口老齡化更多推動產業由勞動密集型向資本、技術密集型轉變。不過部分研究認為，深度老齡化社會反而抑制這一轉變。

從三次產業結構來看，現有研究更多支持人口老齡化提升了第三產業佔比。不過有學者引入門檻效應模型，認為需要區域創新、城鎮化等跨過一定的門檻之後，老齡化才會推動第三產業佔比提升。

從七普數據來看，2020年我國65歲及以上人口的比例為13.5%，離“中等老齡化”社會的標準14.0%僅一步之遙，並且未來老齡化進程還將提速。未來老齡化會在何種程度上對經濟運行產生何種具體影響呢？我們希望從文獻研究出發，為我們尋找答案提供入口。

人口老齡化與經濟增長

研究普遍認為，人口老齡化會導致潛在經濟增速的下降，但與此同時，可以通過技術升級和人力資本投資等手段，來減輕老齡化對潛在經濟增速的影響。

1、人口老齡化對經濟增長的影響

人口老齡化會通過幾個渠道來影響經濟增長。第一，人口老齡化會影響勞動力的供給。胡鞍鋼和劉生龍等（2012）使用1990-2008年中國省級面板數據，建立擴展後的索洛模型進行研究。其研究結果認為，人口撫養比的下降以及勞動年齡人口份額的提高有利於經濟增長。這也是中國改革開放以來人口紅利的重要來源。但是，當前人口老齡化正在改變這一有利的人口結構。孫愛軍和劉生龍（2014）的研究亦支持這一結論，其研究發現1990-2010年間由人口撫養比下降帶來的經濟增長約為1.44個百分點，貢獻度約為15%。當前人口老齡化的加重將對經濟產生負面影響。

第二，人口老齡化會影響勞動生產率。隨着年齡的增長，人的身體機能趨於下降，勞動人口結構老化，勞動力的體力、智力和認知能力將逐漸下降。老齡人口在知識結構調整、知識更新方面較為遲緩，無法快速適應產業結構升級的需要。章錚（2011）對東莞市農民工的調查研究發現，勞動密集型產業的勞動者在35歲之後的生產率便會隨着年齡增大而快速下降。

Lehman（1987）研究認為，個體年齡與勞動生產率之間呈現倒“U”型關係，但對不同行業，峯值出現的位置有所不同。像藝術創造、純物理理論研究等領域，勞動生產率的峯值出現在30歲左右，此後即快速下滑。而醫學研究、歷史學研究則預計要到40-50歲達到巔峯，其後緩慢下降。Feyrer（2007）的研究發現，勞動生產率的年齡峯值為40到49歲，隨後勞動生產率將不斷下降。

Maestas & Mullen & Powell（2016）選用了美國1980-2010年的人口數據與經濟數據進行分析，其研究結果發現：60歲以上人口每增長10%，就使得美國人均GDP增速下降了5.5個百分點；其中，有2/3的下降是由於勞動人口老化導致的勞動生產率下降，有1/3 的下降來自於勞動力人口增速的放緩；其由此預期美國未來十年的GDP年均增速將下降1.2個百分點，未來二十年將下降0.6個百分點。

第三，人口老齡化可能影響產業升級。魯志國（2001）認為，產業結構的調整要求勞動力具有充分的流動性，能在不同地區和不同產業部門之間流動，而高齡勞動力往往生活習慣和專業技能相對固化，很難適應新的產業部門和工作地點，因而不利於產業結構升級。

任棟和李新運（2014）也提出了類似的觀點，隨着年齡的增長，勞動者變換工作的成本將不斷提高，而其變換工作的概率和工作流動性將不斷下降，因而高齡勞動力很難快速適應產業結構升級的需要。勞動力青年人口比重增加可以顯著促進產業結構升級，反過來，勞動力年齡結構老化將抑制產業結構升級。

第四，養老負擔的上升會擠出投資。汪偉等（2015）認為人口老齡化所引起的養老負擔增加，會擠出家庭人力資本投資、企業研發投入和國家的科教支出，從而對勞動力供給質量以及產業結構升級產生消極影響。

2、人口老齡化與長期利率

關於人口老齡化與長期利率走勢的研究更傾向於認為，人口老齡化會推動長期利率趨勢性下行。

Fujita & Fujiwara（2021）利用異質勞動力人口的搜尋-匹配模型研究發現，人口老齡化是1980年代以來，日本消費率、實際利率低波動的重要原因。同時，勞動力年齡結構老化對1980年代-2000年代間日本實際利率的下降解釋力達到40%。

Marcin Bielecki （2020）研究了歐元區的人口結構對自然利率的影響，同時引入了經濟開放、移民、養老金體系等因素，其對1985-2030年間歐元區自然利率的均衡水平進行估計後發現，歐元區自然利率下行的主要原因正是人口老齡化，其解釋力度達到2/3。由於歐元區與其他地區的老齡化程度逐漸趨近，資本流動對提振自然利率作用有限。移民可以緩解利率下行壓力，但是其遲滯較為明顯。

Acedański & Włodarczyk（2018）採用開放經濟體下的OLG模型來研究人口衝擊和退休年齡變化對波蘭經濟的影響。其研究認為，隨着波蘭老齡化程度的加劇，波蘭和其他發達國家的利率水平差距將縮窄0.013%-0.02%。延遲退休年齡則可以明顯提振利率水平。

陳國進、李威（2013）選取16個OECD國家1960-2011年的季度數據，選用了包含人口結構和利率平滑的擴展型泰勒規則來探討人口結構與長期利率之間的關係。其中，利率數據使用3個月到期國債收益率，用青年-中年人口比例來衡量人口結構。其研究結果發現，人口年齡結構的持續性會降低利率的長期波動，提升利率的穩定性。並且青年-中年人口比率每上升1個百分點，利率將上升1.85個基點。將這一模型擴展至我國時同樣顯著，即青年-中年人口比率每下降1個百分點，利率將下降6-8個基點。作者認為中年階段收入相對穩定，且養老、子女教育、預防性儲蓄的動機較強，中年人口比重是決定資金供給的主要人口因素。而青年階段由於結婚、置業、撫養子女，青年人口比重是決定資金需求的主要人口因素。當前隨着我國老齡化的加劇，其認為我國或長期處於低利率水平。

朱超、易禎（2020年）引入包含人口年齡結構的DSGE模型，對全球194個經濟體1960-2017年的自然利率進行測算，並模擬了少年人口衝擊對自然利率的影響。其研究發現，少年人口占比上升會引起自然利率的上升。此後，利用前文測算的自然利率作為被解釋變量，選取不同年齡的人口占比作為人口變量，選取產出缺口等相關變量作為控制變量。其研究結果認為，0-24歲人口占比提升會推動自然利率上行，45歲及以上年齡組則會對自然利率造成負向拉動。這一結果在發展中國家和發達國家中並未存在明顯異質性。

3、應對人口老齡化的措施

從要素稟賦理論來看，當勞動力要素數量下降時，勞動力成本上升將會倒逼企業利用資本、技術等其他生產要素進行代替。陳彥斌（2014）研究發現，勞動力數量的下降會倒逼企業使用資本、技術等其他生產要素來替代勞動力要素，推動資本、技術密集型產業的發展，抑制勞動密集型產業發展。

因此，在人口老齡化的背景下，可以通過加大人力資本、技術等領域的投資力度，減輕人口老齡化對經濟增長的負面影響。

第一，促進技術進步，尤其是加快自動化技術的發展。黃甫喆、陳孝偉（2020）利用具有時變參數的向量自迴歸模型，基於我國1990-2016年的宏觀經濟數據，研究老齡化對宏觀經濟增長路徑的影響。其研究發現，老齡化會對儲蓄率、產業升級和生產率造成負面影響，初期會促進技術進步和就業率，但隨着老齡化進程的深入，對就業影響將逐漸趨於負面。

Acemoglu & Restrepo（2017）使用169個國家1990-2015年的經濟數據，其研究結果認為，老齡化對人均GDP增速變化的影響較為有限。老齡化程度越重的國家，在工業機器人的應用方面更為領先。工業自動化能夠有效地減輕人口老齡化對經濟增速的影響。

第二，提高人力資本投入。人口老齡化對人力資本投入的影響主要來自兩個方面。一方面，出生率的下降加強了家庭單個子女的人力資本投入，推動了個體受教育程度整體上升。Lee & Mason（2009）利用NTA（National Transfer Accounts）中分國別的人口結構、經濟增長數據來研究人口結構與人力資本積累，及其對整體經濟增速的影響。其研究結果發現，高生育率國家有着更多的勞動人口，但人均人力資本投入較低；低生育率國家人均人力資本的投入明顯高於高生育率國家。兩者存在着質量和數量之間的轉換（trade-off）。其對經濟增速影響的核心在於，經濟產出相對於人力資本變化的彈性與人力資本相對於生育率變化的彈性。

另一方面，居民預期壽命的延長、工作時間的延長會推動居民增加自身的教育、學習投資。Ben-Porath（1967）提出，預期壽命延長會增加教育投資的獲益時間，因而促進個人早期人力資本的投資。這也被稱之為“Ben-Porath機制”。Cervellati & Sunde（2015）的研究發現，預期壽命是個人教育決策的重要影響變量。當經濟發展水平較低、預期壽命較短時，人力資本形成的邊際成本非常高，人力資本投資相對受限；但是，隨着人力資本效用增強，其將帶動經濟增長、預期壽命延長，從而促進兩者之間形成正向循環。

王雲多（2015）認為，隨着產業結構升級，知識密集型產業的增長將增加對高素質勞動力需求。年輕人將傾向於加快人力資本投資，導致短期勞動供給減少、產出下降，老齡化經濟成本提高，但長期可為社會提供更多高素質勞動力，降低老齡化的經濟成本。

Guest（2011）通過對美國、澳大利亞的數據進行對比研究後發現，勞動人口年齡結構老化將導致勞動生產率下降，但是年老勞動者的工作經驗以及資本勞動比的上升可以一定程度抵消年齡提升帶來的負面效應。

第三，多舉措增加勞動力供給。Hyun-Hoon Lee et al.（2013）利用局部調整模型，使用80個國家1960-2005年經濟數據來研究人口結構和經濟增速之間的關係。其研究發現，老齡人口比例對經濟的影響並不顯著，少兒人口比例的提升反而會由於撫養的負擔而對經濟增長產生負面的影響。因此，其認為更高的退休人員儲蓄率、更高的勞動參與率、適當引入移民是更為有效的促進經濟增長的方式。

第四，發揮老齡化的“財富效應”。蔡昉（2010）提出，將老年人口比重提升可產生新的儲蓄動機和新的人力資本供給，視為“第二次人口紅利”。具體可通過建立具備積累功能的養老保障體制、提高資本市場的保值增值能力、擴大教育資源、擴大勞動參與率等方式改善老齡化對勞動力要素的抑制作用。

第五，優化財政支出結構。劉窮志和何奇（2012）構建了拓展的世代交疊模型，探討人口老齡化對經濟增長的影響以及對應的實現均衡增長的財政政策。其研究發現，當人口老齡化能促進經濟增長時，財政政策應增加支出規模尤其是健康保障支出。而當人口老齡化抑制經濟增長時，應減少財政支出並加大公共教育支出。

蔡興（2016）利用中介效應方法以及中國省級面板數據進行的實證研究發現，中國人口老齡化提高了勞動力成本，進而促進出口結構的優化升級，並且這種倒逼效應受到了地區人力資本水平和金融發展水平的影響。

人口老齡化與產業結構

人口老齡化同樣會產生結構性影響。人口老齡化對產業結構的影響，既包括消費傾向、消費偏好改變影響產業需求的機制，亦包括勞動力數量、勞動生產率變化影響生產要素的機制，亦。在生產實踐中，亦會導致產業結構的分化。

1、人口老齡化與消費傾向

人口老齡化對儲蓄率而言是一柄雙刃劍：一方面，老齡化可能加重養老負擔，導致儲蓄率下降；另一方面，在人口老齡化的背景下，預期壽命的不確定性等可能使儲蓄率不降反升。

（1）人口老齡化的“負擔效應”

Modigliani & Brumberg（1954）的生命週期理論以及Friedman（1957）的永久收入假説，構成了新消費函數理論，也成為研究人口年齡結構對居民消費、儲蓄影響的主要理論基礎。

根據生命週期假説和永久收入假説，人口老齡化往往帶來居民儲蓄率的降低。居民收入在進入老齡階段後逐步降低，居民消費將更多依賴青壯年階段的儲蓄。許多學者從宏觀層面數據展開的研究亦支持這一結論，即人口老齡化通過老齡人口撫養的“負擔效應”，降低儲蓄率。

Loayza et al.（2000）採用世界銀行數據庫中102個國家1965-1994年的經濟數據，利用縮減式線性模型研究各國儲蓄率的影響因素。其研究結果發現，城市化率、老齡人口撫養比和幼兒人口撫養比均會對私人儲蓄率產生負面影響，其GMM動態面板模型的迴歸係數分別為-0.38、-0.66、-0.30。

Bosworth & Chodorow – Reich（2006）利用了85個國家1960-2005年間的面板數據研究儲蓄率、投資和老齡化之間的關係。其研究結果認為，人口年齡結構對儲蓄率、投資的影響明顯，且在不同區域，這一影響存在較大差異。

Horioka（1991）利用日本1955-1987年的國民收入賬户數據對日本儲蓄率的決定因素進行分析。其研究結果認為，人口老齡化是日本儲蓄率下行最根本的決定因素。

Braun et al.（2007）構建了可計算一般均衡模型來衡量人口結構變化對日本儲蓄率的衝擊。其研究結果發現，人口老齡化解釋了日本20世紀90年代儲蓄率9個百分點下行中的2-3個百分點。並且由於日本老齡化程度較深，即使是較大程度的TFP回升亦難以扭轉儲蓄率的下行趨勢。

Sung & Young（2005）利用韓國1975-2002年的經濟數據對擴展後的生命週期假説進行檢驗。其研究發現，收入增長以及收入增長的不確定性都會推動儲蓄率的增長。而少兒和老年撫養比的提升則會對儲蓄率產生負向影響，並且其預測隨着韓國撫養比的變化，其國內儲蓄率將從2002年的40%降至2030年的26%。

Davis（2006）基於1960-2002年的72個國家（23個OECD國家，36個新興國家，13個轉型國家）數據，使用具有固定效應的GLS面板技術進行研究,發現人口老齡化影響了私人儲蓄水平的上升。其有關儲蓄對年齡分佈的迴歸研究顯示，20-39歲和40-64歲人羣佔比對於私人儲蓄具有正面效應，並且40-64歲人羣佔比具有更大相關係數,而65歲及以上人羣佔比對於儲蓄則具有重要負面效應。

Auerbach et al.（1991）使用了生命週期模型、利他家庭模型以及簡化計量模型，三種儲蓄模型來檢驗人口結構變化對美國儲蓄率的影響。三種模型均支持美國儲蓄率在此後的15年預計相對平穩，之後受制於人口壓力將出現較大回落。

（2）人口老齡化的“壽命效應”

部分學者放鬆了生命週期模型部分假設，引入預期壽命、代際財產遺贈、預防性儲蓄、消費限制等因素後，認為人口老齡化對儲蓄率的影響有限，甚至還有所助益。 

Weil （1994）認為代際關係導致的“遺贈”和“轉移”是宏微觀數據研究結論出現差異的主要原因。其選用了14個國家1960-1985年的經濟數據，引入代際互動，從微觀和宏觀角度展開研究。其研究結果發現，微觀層面看，老齡人口的儲蓄率出現上升，但是遺產遺贈預期往往導致青年羣體的儲蓄率出現下行，進而導致整個社會儲蓄率的下降。

Carrol（1997）認為居民儲蓄應該被視為風險緩衝墊，而非基於生命週期理論。無論何時，居民的消費增速均將與其收入增速持平以保證自身的抗風險能力。由於老年羣體的收入增速明顯放緩，且其無法將養老金的未來收入貼現進行借款限制其流動性改善，老齡人口提取儲蓄用於消費的情況要小於預期。

Poterba（1994）基於OECD六個國家的消費者支出持續調研數據，對羣體效應進行控制並構建儲蓄-年齡數據庫，發現家庭儲蓄率在人們退休之後保持超出預期的正向效應。Hilderbran（2001）的研究結果亦支持老年人羣很少或幾乎沒有消耗財富，人口老齡化對總體儲蓄率的影響有限。Brooks（2006）針對股市規模較大的幾個國家，包括澳大利亞、加拿大、新西蘭、英國和美國的研究結果發現，在退休期間，家庭金融財富的規模仍在持續增長，很少出現儲蓄率的下降。

Borsch-Supan & Stahl（1991）將老年人羣身體方面的消費限制引入生命週期模型中，其研究發現老齡人口由於健康逐漸惡化，在食物、旅行、交通等方面的支出均明顯放緩。消費限制引致了老齡人口儲蓄率的被動上升。

（3）人口老齡化與中國“儲蓄率”

研究顯示，在我國人口老齡化的“壽命效應”大於“負擔效應”，因此，自2000年我國進入老齡化社會以來，我國居民的儲蓄率不降反升。學者普遍認為幾個方面的因素是導致中國儲蓄率持續上行的原因。

第一，預期壽命的變化與儲蓄率正相關。章元和王駒飛（2019）利用我國2005-2013年地級市面板數據，對城鎮居民預期壽命變化和儲蓄率的關係進行研究。其研究結果發現，預期壽命延長1年會使得城鎮居民的家庭儲蓄率提高3.7%。

第二，生育率的下降、家庭養老保障的減少可能導致預防性儲蓄增加。İmrohoroğlu & Zhao（2015）使用1980-2010年的人口和經濟數據來考察一孩政策和養老風險對儲蓄率的影響，其研究結果認為，1980-2010年間儲蓄率由20%上升至35%，其中有10個百分點的增長來自一孩政策導致的低生育率以及養老風險推升預防性儲蓄的貢獻。

李超、羅潤東（2018）利用中國家庭追蹤調查2010-2014年的面板數據，基於生命週期效應和預防效應兩方面來分析家庭年齡結構與儲蓄率的關係。其研究同樣認為，對於中國而言，當前由老齡化導致的預防動機大於生命週期模式對儲蓄率的負效應，老齡化對家庭儲蓄率淨效應為正。並且老齡化對低收入家庭、農村家庭和中西部家庭影響更為明顯。作者認為“老齡化對微觀儲蓄率的正效應源於第二次人口紅利的預防動機”。

汪偉和艾春榮（2015）建立了簡單的三期世代交疊模型，並考慮了人口老齡化壽命預期增加和養老負擔增大兩種效應對家庭儲蓄決策及經濟中總儲蓄率的影響。其使用了第三至第六次人口普查數據以及對應的經濟數據進行分析。其研究發現，預期壽命提高1歲，可推升儲蓄率0.82個百分點；出生率每下降1‰，儲蓄率提升1.01個百分點。但是中國老年人口比重上升並未導致儲蓄率下降。這可能與中國尚處於老齡化初期，人口老齡化負擔效應仍未完全顯現有關。而出生率的下降則顯著推升。這一結論在東中西部地區間並未存在異質性。而其研究認為未來我國居民儲蓄率取決於人口老齡化壽命效應和負擔效應疊加之下的淨效應情況。模型預測結果顯示，未來東中西部地區的國民儲蓄率將呈現出先上升後下降的倒U型， 

人口老齡化下儲蓄率的上升對消費產生了一定的抑制。毛中根、孫武福和洪濤（2013）的研究發現，老年撫養比的提高是導致居民消費降低的重要原因，並且城鎮居民消費支出受人口老齡化影響的程度明顯高於農村，東中西部地區的居民消費受老齡化影響逐漸減小。老人撫養的成本越高，消費需求受到抑制的程度越深。

2、人口老齡化和消費偏好

從消費結構的角度來看，現有研究結果均顯示，不同年齡階段的居民存在着明顯不同的消費偏好。隨着老齡化人口占比的提升，國家的消費結構亦往往隨之發生改變，並且在不同國家對不同行業的影響存在一定差別。綜合來看，醫療服務、社會和個人服務等服務消費佔比往往隨着老齡化的發展而提高。衣着、文娛活動、交通通信消費佔比則傾向於下行。

Thießen（2007）利用 54 個國家或地區面板數據進行的實證研究表明，人口老齡化將促進金融服務、房地產及相關服務，社區、社會和個人服務，休閒娛樂活動和健康等行業比重的提高，並對農業、採礦業和製造業產生不利影響。     

Siliverstovs 等（2011）進行了類似的跨國數據的實證研究。研究結果表明，人口老齡化有助於社區、社會和個人服務以及金融服務等行業就業比重的提高，同時抑制了農業、製造業、建築業和採礦業。

Fougere 等（2007）發現，儘管人口老齡化的勞動力供給衝擊對各產業所佔比重影響較大，但人口老齡化所引起的需求結構變化仍較大地促進了金融、保險、衞生服務和房地產等部門，相對地，建築、教育、製造業、批發和零售業佔國民經濟的份額則有所下降。

朱勤和魏濤遠（2015）選用《中國家庭追蹤調查（CFPS）》2010年基線調查數據庫中的居民消費數據，建立分年齡組的居民消費模型對城鄉不同年齡階層居民的消費模式進行量化和分析。其研究結果顯示，從我國居民生命週期來看，30-34歲、45-49歲時期是居民的兩個消費高峯期。“雙駝峯”的生命週期模式與陳佳瑛（2009）的研究結論相同。從居民的消費結構來看，我國居民在衣着、居住、家庭設備、交通通信等方面的消費佔比隨居民年齡走勢呈現倒U型。食品支出的絕對值較為穩定，佔比呈現U型走勢。文娛消費的高峯期在20-24歲、45-49歲。醫療支出佔比則隨着年齡增長逐步提升。

從農村和城鎮居民的消費結構來看，兩者在家庭設備及服務間的差距最大，城鎮居民的居住消費亦顯著高於農村。兩者在醫療消費支出差距最小。從年齡結構上來看，農村地區的養老保障相對薄弱，城鄉高齡老人消費差距最大。

茅鋭和徐建煒（2014）選用了2002-2009年在18個省市的城鎮住户抽樣調查數據，通過在每一個家庭的不同年齡段設定虛擬變量進行迴歸，將家庭不同的消費水平分解至不同的個體。其研究發現，不同年齡消費者的消費結構存在明顯差異，並且消費結構隨年齡變化的規律穩健。其研究結果顯示，當剔除收入效應、財富效應和偏好轉變等因素後，老齡化將導致食品、家庭設備及服務、醫療保健和居住消費比重上升，衣着、交通通信、教育文娛比重則將下降。考慮收入效應後，老齡化同樣將帶來醫療保健消費佔比有望快速提升，而教育文娛產業則面臨着快速下行的壓力。

蔡興和劉淑蘭（2017）則是選用了2000-2014年省級農村居民消費面板數據，使用加入農村人口結構的LA/AIDS模型觀測，人口結構對農村居民消費的影響。其研究結果顯示，農村少兒撫養比的提升，會使得農村家庭衣着、家庭設備、醫療保健、交通通信和居住類支出明顯減少。農村居民通過減少“發展型和享受型的消費”，增加儲蓄用於子女撫育。農村家庭老年撫養比的上升，會帶來醫療保健、交通通信消費的上升，其他消費品類則呈反向關係。

3、人口老齡化和要素稟賦

人口老齡化意味着年輕勞動力將日益稀缺，勞動力成本亦將隨之提升。從理論層面來看，勞動力要素價格的提升將推動產業向資本、技術密集型轉變。但是，勞動力人口年齡結構的老化又一定程度上加大了產業結構調整的難度。從現有研究成果來看，更多觀點認為人口老齡化客觀上推動了技術密集型產業的發展。

楚永生等（2017）利用2003-2014年30個省市的製造業面板數據，利用空間計量模型SEM模型，按照要素密集型不同將製造業產業進行分類。其研究結果發現，人口老齡化“倒逼”企業由勞動力要素向資本、技術要素髮展，推動製造業結構升級。人力資本的積累亦帶動了製造業產業結構的變遷。

Roger & Wasmer（2011）則是從分部門工作者的勞動效率角度出發進行研究。其利用法國製造業、服務業、商貿業三部門的數據，來檢驗不同技能水平、不同年齡階段的工作者其在不同行業的效率水平。其研究發現，對於製造業和商貿部門而言，年長的高技術工人效率最高。這也給我們提供了啟示，加大人力資本投資，加強制造業發展有助於人口老齡化的壓力。

Cai & Stoyanov（2015）認為國家間人口結構差異是各國比較優勢不同的重要原因。其使用86個國家1962-2010年的跨國面板數據，研究發現，年輕勞動力數量更多的國家，其更具優勢的領域，在技術上存在着較強的隨時間而貶值的趨勢。在老齡化社會中，老齡人口比重的上升會使得以時間升值型技能為主的產業得到更多發展。

張燕、袁曉強（2019）在H－O理論[1]框架內構建了一個跨期迭代模型，使用了1996-2015年跨國面板數據。其研究結果認為，人口老齡化與技術密集型產品出口競爭優勢存在着“倒U型”關係。在人口老齡化程度低於臨界值時，其對技術密集型產品出口存在推動作用，高於臨界值時，則會產生抑制作用。臨界值隨着模型選用變量的區別而有所不同，但是普遍在15%-16%左右。當前中國正加速逼近臨界點。

4、人口老齡化與三次產業

當前關於人口老齡化對產業變遷的研究，以三次產業結構的變化為主。多數研究認為，人口老齡化會促進第三產業佔比的提升。

Hashimoto & Tabata（2008）構建的兩部門（醫療保健部門和其他部門）世代交疊模型。其研究結果發現，人口老齡化會導致就業人口由其他部門向醫療保健部門轉移，但是人均收入的增速則會出現下行。

陳衞民、施美程（2013）對發達國家的第三產業結構發展梳理後發現，社區和個人服務部門以及金融部門的貢獻最大。其利用世界銀行的WDI數據庫進行實證分析，研究結果發現，人口老齡化對發達國家的服務業發展促進作用明顯，並且其對就業結構的影響要大於對產值結構的影響。他們認為，中國的第三產業產值佔比仍有提升空間。

陳頤、葉文振（2013）利用1981-2011年台灣地區相關數據，利用向量誤差修正模型來測算台灣地區人口老齡化和產業結構間的關係。其研究結果發現，人口老齡化和產業結構之間存在雙向影響，而非單向關聯。人口老齡化對產業結構高級化（即第三產業佔比）的影響在模型上顯著，但是其存在滯後效應，在長期中將逐漸顯現。但是人口老齡化與產業結構合理化（即產業間協調程度）的相關性較弱。

不過，部分學者的研究成果對於人口老齡化對產業結構的影響機制，存在不同觀點。

卓乘風、鄧峯（2018）利用我國2003-2015年省級面板數據，引入了創新型人才區際流動因子來構建空間權重矩陣，研究人口老齡化與產業結構的關係。其研究認為，區域創新的槓桿效應存在雙重門檻效應。對於區域創新值，其採用專利數來表徵，對發明型、實用型專利和外觀設計專利分別賦予不同權重計算。當區域創新值低於5.496時，人口老齡化會阻礙產業結構升級；位於5.496-9.213區間內，其阻礙作用明顯減弱；當高於9.213時則會存在顯著的促進作用。當前，全國和西部地區，產業結構升級受人口老齡化阻礙；東中部地區的阻礙作用並不明顯。

趙春燕（2018）利用1998-2015年我國30個省份的面板數據，構建了面板迴歸門檻模型。研究不同程度的經濟城鎮化/人口城鎮化下，人口老齡化對區域產業結構的影響。當經濟城鎮化/人口城鎮化邁過門檻值時，人口老齡化可顯著促進第三產業比重提升。經濟城鎮化指標包括實際人均收入和城鎮人均可支配收入；人口城鎮化指標包括城鎮人口占比、人均受教育年限和高學歷人口占比。其研究結果認為，以經濟城鎮化為門檻變量時，僅北京、上海、天津、廣東跨過了門檻；以人口城鎮化為門檻變量時，僅北京上海邁過這一門檻。