老龄化加剧中国收入不平等了吗?

刘金东，冯经纶，王生发

(1.上海财经大学公共经济与管理学院，上海 200433;2.上海财经大学人文学院，上海 200433)

一、引 言

收入不平等已经成为中国日益突出的问题，无论是李实和罗楚亮(2011)等学者的估计数字还是国家统计局2013年公布的官方统计数据①2013年1月18日，国家统计局局长马建堂在新闻发布会上公布了过去2003-2012共计十年的全国居民收入基尼系数，显示我国基尼系数从2003年的0.479连年上升到2008年的0.491，然后出现“基尼拐点”，从2009年的0.490逐年回落至2012年的0.474。，都显示我国基尼系数已经超过了0.4的国际警戒线，甚至已经接近0.5［1］。值得注意的是，中国收入不平等日趋严重的二十年，恰好也是中国人口老龄化程度逐渐凸显的时期，根据2012年《中国统计年鉴》显示，中国65岁及以上人口占比(即老龄人口比)从1995年的6.2%逐年攀升到2011年的9.1%，15岁以下人口占比则从26.6%连年下降到16.5%。欧美发达国家的研究已经揭示，人口老龄化会在不同程度上加剧个体收入的不平等(如Deaton和Paxon，1995［2］)。董志强等(2012)通过统计模型推导认为中国当前国情符合人口老龄化推高收入不平等程度的前提条件，进一步通过宏观面板数据的实证分析也验证了该观点［3］。从中国的典型事实中也可以发现老龄化影响收入不平等的两条渠道轨迹:下图1是人口和收入的年龄分布，来自2000年第五次人口普查和2010年第六次人口普查的数据显示，我国人口年龄分布呈现双峰特征，且双峰随年龄逐渐平移并接近我国收入年龄分布的倒U型区域，这意味着人口老龄化将在其他人仍处于收入“洼地”的同时造就越来越多的人进入收入“高地”，从而加剧收入在年龄间的不平等。下图2是对数收入变异系数的年龄分布，可以看到，年龄组内收入不平等程度与年龄大致成正比，即越大的年龄组内部收入差异程度越高，这一点也可以在魏下海等(2012)的计算中得到验证［4］。以上两点表明，人口老龄化会在两个方面加剧收入不平等:一是加剧年龄间的收入不平等，二是加剧年龄内的收入不平等，为便于后文提及，本文将其分别命名为“年龄间效应”和“年龄内效应”。

图1 人口和收入的年龄分布

从各个国家的经验研究来看，老龄化效应对收入不平等的影响程度有所不同。总体而言，人口老龄化程度较高、经济水平较为发达的国家或地区老龄化效应对收入不平等的贡献率较高，而人口老龄化程度较弱、经济发展程度较低的国家或地区的老龄化效应贡献率较低。如Formby和Seaks(1980)［5］、Almås等(2010)［6］等学者利用不同计算方法测算的美国、挪威、英国等国年龄间效应对收入不平等的贡献率均较为一致，基本都在30%以上。作为中国的邻国，日本是东亚地区老龄化速度最快的国家之一，Yamada(2012)针对日本的研究显示，如果剔除老龄化影响，日本1980年代收入不平等程度的增长态势将基本消失［7］。而Cameron(2000)利用半参数方法的计算结果则显示，印度尼西亚爪哇地区的人口老龄化仅能解释5.8%的收入不平等恶化［8］。

遗憾的是，作为世界第一人口大国和收入不平等问题最为突出的国家之一，针对中国人口老龄化推高收入不平等的量化测算研究却非常稀少。剔除曲兆鹏和赵忠(2008)［9］、Zhong(2011)［10］等专门针对农村人口的研究外，仅有Pudney(1993)［11］、魏下海等(2012)对中国全部劳动人口的老龄化效应进行了测算。Pudney(1993)利用非参数方法的测算结果显示，人口老龄化对收入不平等的解释力仅在10%左右，不过这一研究针对的是1987年微观调研数据，当时中国人口老龄化态势还并不突出，经过26年后该结论是否依然成立非常值得怀疑。魏下海等(2012)只是利用队列分析(Cohort Analysis)方法分析了不同出生组群体之间的收入不平等和不同出生组群体内的收入不平等随年龄的变化趋势，并没有精确衡量出老龄化对收入不平等的贡献率。总体而言，中国老龄化趋势和收入不平等关联性问题上还有以下问题没有解答:老龄化效应主要是由年龄内效应还是年龄间效应造成?老龄化效应对中国收入不平等的贡献率是多少，是不是造成中国基尼系数高于其他国家的重要原因?如果剔除人口老龄化，中国收入不平等程度的历史变化趋势是否会出现逆转?这些问题是本文写作的出发点。本文全面梳理并界定了老龄化效应的概念，纠正了国内外学者仅主张年龄内效应或者仅主张年龄间效应的顾此失彼。同时，基于国际通用的基尼系数进行老龄化效应的推导，也使得本文的结论具有很强的政策指导意义，计算的老龄化效应能够非常直观地体现到对基尼系数的贡献率上。

二、老龄化效应的界定及推导

(一)老龄化效应的界定

老龄化效应主要沿着两条研究路线发展:一条起源于Paglin(1975)，他首先提出了“年龄效应”的概念，将年龄效应界定为年龄差异给劳动者个体收入能力带来的异质性［12］。个体年龄的异质性来自于劳动者自身教育水平、操作技能、职位等级的提高以及资产的积累，这些都倾向于使年长的劳动者拥有比年轻劳动者更高的生产率和更多的非劳动收入，因而其收入水平也就越高(Almås和Mogstad，2012)［13］。换言之，即使是在一个绝对公平的环境下，某个群体由于年龄不同，其收入也必然存在差距。这种差距可能随着年龄的老化逐渐加大，也即是说，人口结构的老龄化会加剧收入不平等程度。另一条起源于Deaton和Paxon(1993)，他们认为在永久收入假说下，消费的鞅过程特性会使得消费不确定性随时间加大，消费将减损资产进而减损资产性收入，因而年龄越大，年龄组内个体收入差距越大［14］。Deaton和Paxon(1993)认为年龄组内收入不平等的提高是人口老龄化趋势对收入不平等的全部影响，将这种效应也命名为“年龄效应”，对于Paglin(1975)提及的不同年龄间个体收入的差异性则归因于技术进步和经济增长下的自然现象，与人口老龄化问题主观割裂开来。Oatake和Saito(1998)在Deaton和Paxon(1993)提出的年龄组内收入不平等基础上进一步分解出了人口效应，指出了年龄组内收入不平等的提高并不全是人口老龄化的结果，只有老龄人群比重提升带来的年龄组内收入不平等提高部分(即人口效应)才是老龄化效应［15］。

依笔者来看，上述两条研究路线其实是老龄化效应的两个方面:前者是人口老龄化带来的年龄间效应，来自于年龄下的积累优势，如技能提升、资产积累等会增强年长者的收入能力(Diprete和Eirich，2006［16］);后者是人口老龄化带来的年龄内效应，来自于年龄下的积累风险(Yamada，2012)，随着年龄的增长，随机冲击积累的方差越来越大，从而造成同等年龄内收入差距随年龄增大，两者相辅相成，不可偏废。遗憾的是，以往的国内外学者均是将研究重心放在一种效应而忽视了另一种效应，从未系统地整合这两方面，从而也就没有完整地界定老龄化效应的内涵。完整的老龄化效应应该界定如下:由于收入能力的年龄异质性，老龄化会带来年龄间总体收入差距的扩大，同时由于老龄人群比重的上升会带来年龄内总体收入波动的增大，两者同时构成了老龄化效应的一部分。

(二)老龄化效应的推导

假定共有n个个体，每个整数年龄为一组，分m组，wi为第i个个体的收入，μ为全部个体的平均收入，μk为第k个年龄组内平均收入，则传统的基尼系数如下式(1)所示:

Gk表示第k个年龄组内基尼系数，如果各个年龄组内个体收入没有交叠重合，则有

(1)式将有如下形式:

基尼系数中的年龄内差异和年龄间差异并不能直接看作是老龄化带来的年龄内效应和年龄间效应，因为年龄内收入波动无论人口年龄结构如何都是必然存在的，年龄间的收入能力差异也是必然存在的。我们要计算人口年龄结构变化对基尼系数的影响，就必须首先确定一个对比基期。当确定该对比基期后，本期相对基期的年龄间差异增长部分就可以看作是人口老龄化带来的年龄间效应，本期相对基期的年龄内差异增长部分则可以通过进一步分解得出年龄内效应:

三、老龄化效应的计算

(一)数据来源

本文使用的数据来源于中国家庭营养健康调查(CHNS)数据，该调查覆盖黑龙江、辽宁、山东、河南、江苏、湖北、湖南、广西、贵州共9个省份，前后经过1989、1991、1993、1997、2000、2004、2006、2009年共8次调研，采用多阶段分层整群随机抽样方法，样本的代表性更强，而且数据包含了丰富的个人基本信息、年收入水平等各方面变量。相比其他调研数据，CHNS数据涵盖范围较广，时间跨度也大，有利于测算我国较长历史时期内基尼系数及老龄化效应的变化趋势，魏下海等(2012)的研究就是利用了CHNS数据。由于我国成人年龄为18岁，最高退休年龄为65岁，计算中筛选的样本是各年度18-65岁年龄段的工作个体。下表1是各年样本的描述性统计，包括几个主要年龄段的年收入平均值及其标准差。

表1 描述性统计

(二)计算结果

利用上述计算公式对各年数据计算结果如下表2所示:

计算结果显示，我国总体基尼系数自上世纪90年代开始呈现逐年增长的趋势，从1997年的0.451连年上升到2006年的 0.509，在 2006-2009期间出现小幅跌落，验证了国家统计局公布数据显示的2008年“基尼拐点”的存在。本文计算的年份中基尼系数均在0.45以上，大大超出了0.4的国际警戒线，在2006年甚至达到0.5以上，这反映了我国收入不平等程度已经达到了非常严重的地步。

计算得到的年龄内效应并不突出，均在小数点后四位以上。变化趋势上，1997年和2000年轻微为负，2000年以后开始为正，这可能与我国老龄化进程的阶段有关。按照“65岁以上人口占比超过7%”的标准，中国正式进入老龄化社会恰好发生在2001年，老龄化趋势的加深使得中国廉价劳动力的优势被逐渐蚕食，同龄劳动力的人力资本差别会更加显著地在收入水平上体现出来，使得年龄内效应由负转正。老龄化效应以年龄间效应为主，2006年年龄间效应在老龄化效应中占比最低也达到了99.22%。年龄间效应自1993年开始连年上升，到2009年出现下降，从0.044下降到0.022。年龄间效应占主导的结论也与Needleman(1979)［18］针对加拿大家庭收入不平等程度的基尼系数分解结果一致，以1961至1976阶段为例，其计算的加拿大年龄内收入差异仅从0.060上升到0.062，而年龄间收入差异则从0.110上升到0.153。

老龄化效应对基尼系数的贡献率并不高，平均仅占到4.32%，2006年最高为8.64%，这一结论与Pudney(1993)针对中国1987年微观数据的研究结果类似。剔除老龄化效应后，并没有改变基尼系数的总体变化趋势，修正基尼系数仍然从1997年开始逐年上升，并且由于2006年老龄化效应较高，使得原本“基尼拐点”带来的基尼系数的回落现象消失。考虑到我国老龄化效应99%以上都是由年龄间效应造成，此处可以参考欧美发达国家的计算结果进行对比分析。

表3挪威、美国等欧美发达国家的计算结果对比表2中国的计算结果可知:

其一，欧美发达国家的老龄化效应远高于中国。由于Almås等(2010)等国外学者的研究中没有详细计算年龄内效应，我们假定年龄内效应显著存在的话，则实际老龄化效应占比要高于表3罗列的挪威等国家的年龄间效应占比，可见欧美发达国家的老龄化效应非常可观，平均占到30%以上，远高于中国历年平均的4.32%。欧美发达国家进入人口老龄化阶段的时期较早，如挪威20世纪初叶就已经进入老龄化社会，美国则是1946年进入人口老龄化阶段，相比而言，中国人口老龄化进程晚了大约50-100年，至2001年才进入人口老龄化阶段。尽管中国老龄化速度较快，但现阶段人口老龄化程度仍然低于欧美发达国家，根据世界银行WDI数据库数据显示，2011年中国65岁以上人口占比(8.37%)仅比世界平均水平(7.70%)多出不足0.7个百分点，而老龄人口抚养比(37.82%)甚至低于世界平均水平(53.53%)近16个百分点。

表2 老龄化效应计算结果

表3 欧美发达国家计算结果对比

其二，剔除老龄化效应后，中国基尼系数仍然远高于欧美发达国家。从表3可以看到，挪威等国基尼系数均在0.4以下，远低于中国，而老龄化效应均高于中国，剔除老龄化效应后，中国修正基尼系数高出欧美发达国家的幅度将更大，以2000年中国和挪威为例，剔除老龄化效应之前，基尼系数的差距为0.106，而剔除老龄化效应之后，修正基尼系数的差距扩大到0.148。不仅如此，剔除年龄间效应之后，除挪威以外，美国、加拿大、英国均出现了修正基尼系数连年下降的趋势，而中国没有出现这种趋势变化。

以上对比结果都说明，相比人口老龄化程度较深的欧美发达国家，老龄化效应对中国收入不平等程度的解释力非常弱，不仅不能解释中国收入不平等程度畸高和不断上升的趋势，反而在剔除老龄化效应后使得中国收入不平等程度超出其他国家的幅度进一步加大，而且随着“基尼拐点”的消失，上升趋势也更加单一。

(三)数据来源的稳健性检验

考虑到CHNS数据只是针对固定的9个省份(黑龙江、辽宁、江苏、山东、河南、湖北、湖南、广西、贵州)进行微观调研，其对全国的代表性可能存在不足。基于数据来源的稳健性考量，我们同样利用中国社会科学院收入分配课题组进行的中国家庭收入项目调查(CHIPS)数据使用上述方法进行老龄化效应的计算。CHIPS数据的一大优点是调研范围广，已经进行的1995年调研覆盖19个省份、21696位城镇居民和34739位农村居民，2002年调研则覆盖了22个省份、20632位城镇居民和37969位农村居民。与CHNS数据相比，不足之处是其数据频次较低，无法满足长期历史趋势分析的需要。由于2007年数据尚未公开，1988年初次调研的形式后来发生了较大变化，因此，此处我们仅以1995和2002年CHIPS数据来进行稳健性检验，结果如下表4所示。

利用CHIPS数据的计算结果与上文基本一致:首先，年龄间效应仍然是老龄化效应的主要部分，年龄内效应则相对较小;其次，基尼系数较高，均在国际警戒线以上，也显著高于表3所示的欧美发达国家，且呈上升趋势;再次，剔除老龄化效应后，并不改变基尼系数的上升趋势;第四，虽然得到的老龄化效应比上文利用CHNS数据计算的老龄化效应要高，但相比表3中的欧美发达国家修正基尼系数(均在0.3以下)，剔除老龄化效应后的修正基尼系数仍然显著高于欧美国家，且高出的幅度更大。由此可见，上文得出的结论具有稳健性。

表4 数据稳健性检验:基于CHIPS数据

四、结论与启示

本文首先完整界定了老龄化效应的概念，将老龄化效应界定为年龄内效应和年龄间效应两部分，并利用基尼系数分解推导了年龄内效应和年龄间效应的计算公式，在此基础上使用CHNS微观数据以1993年为基期计算了1993年以来中国基尼系数中的老龄化效应，并利用CHIPS微观数据进行了稳健性检验，得出如下结论:其一，中国老龄化效应主要来自于年龄间效应，贡献率在99.2%以上，年龄内效应可以忽略不计;其二，剔除老龄化效应并不改变中国基尼系数近年来不断上升的趋势，反而使得中国2008年的“基尼拐点”消失，使得中国基尼系数近年来的变化趋势更加单一，由原来的“上升后回落”变成“连续上升”;其三，由于老龄化程度的差别，年龄间效应对中国基尼系数的贡献率远低于欧美发达国家30%以上的贡献率水平，一旦剔除老龄化效应，中国基尼系数相比其他国家将更加突出。上述结论表明，在现有阶段，老龄化效应对中国收入不平等的解释力仍然非常有限，经济意义上的显著性毕竟不同于统计意义上的显著性，曲兆鹏和赵忠(2008)、董志强等(2012)将人口老龄化视为收入不平等的重要原因夸大了人口老龄化的影响程度。在人口老龄化程度较深的西方国家，老龄化确实抬高了总体基尼系数，贡献率也较为显著，但对于中国等人口老龄化阶段偏早的发展中国家来说，收入不平等更多来自于经济社会自身发展的症结，人口老龄化的客观因素不仅不能解释基尼系数畸高和攀升的现象，反而在剔除了老龄化效应后，加剧了国内外基尼系数差距。国内学者如孙敬水和顾晶晶(2010)［19］等在研究收入分配问题时认为收入差距主要来自于竞争下的市场因素和体制下的市场外因素两类，而老龄化效应显然是市场因素自发决定，属于放之四海而皆准的收入差距影响因素，并不抵触社会公平原则，未来学者对国内收入差距问题的研究焦点还是应该着眼于非市场因素以寻求推动社会公平的真正渠道。

当然，从国外研究和本文结果来看，各个国家或地区人口老龄化效应的大小同该国家或地区人口老龄化程度有密切关联，人口老龄化程度越高的国家或地区，其老龄化效应对收入不平等的贡献率也越高。这一规律也预示着随着未来中国人口老龄化程度的不断加深可能会带动老龄化效应的提升。中国政府和学者仍然需要持续关注老龄化效应问题:一是老龄化效应未来的增长会在多大程度上抵消中国降低收入不平等的努力?二是老龄化效应是否存在倒U型变化规律，即随着中国老龄化速度的加快，未来是否存在中国老龄化效应超过欧美发达国家的可能?这也是本文作者将继续思考的问题。

［1］李实，罗楚亮.中国收入差距究竟有多大——对修正样本结构偏差的尝试［J］.经济研究，2011，(4):68-79.

［2］Deaton A.and Paxson C.Saving，Inequality and Aging:An East Asian Perspective ［J］.Asia-Pacific Economic Review，1995，1(1)，pp.7-19.

［3］董志强，魏下海，汤灿晴.人口老龄化是否加剧收入不平等——基于中国(1996～2009)的实证研究 ［J］.人口研究，2012，(5):94-103.

［4］魏下海，董志强，张建武.人口年龄分布与中国居民劳动收入变动研究［J］.中国人口科学，2012，(3):44-54.

［5］Formby J.P.and Seaks T.G.Paglin's Gini Measure of Inequality:A Modification ［J］.The American Economic Review，1980，70(3)，pp.479-482.

［6］ Almås I.，Havnes T.and Mogstad M.Baby Booming Inequality?Demographic Change and Earnings Inequality in Norway，1967-2004.NHH Discussion Paper，2010.

［7］Yamada T.Income Risk，Macroeconomic and Demographic Change，and Economic Inequality in Japan ［J］.Journal of Economic Dynamics ＆ Control，2012，36，pp.63-84.

［8］Cameron L.A.Poverty and Inequality in Java:Examining the Impact of the Changing Age，Educational and Industrial Structure［J］.Journal of Development Economics，2000，1，pp.149-180.

［9］曲兆鹏，赵忠.老龄化对我国农村消费和收入不平等的影响［J］.经济研究，2008，(12):85-99.

［10］Zhong H.The Impact of Population Aging on Income Inequality in Developing Countries:Evidence from Rural China［J］.China Economic Review，2011，1，pp.98-107.

［11］Pudney S.Income and Wealth Inequality and the Life Cycle:A Non-parametric Analysis for China［J］.Journal of Applied Econometrics，1993，8，pp.249-276.

［12］Paglin M.The Measurement and Trend of Inequality:A Basic Revision ［J］.American Economic Review，1975，65(4):598-609.

［13］Almås I.and Mogstad M.Older or Wealthier?The Impact of Age Adjustment on Wealth Inequality ［J］.The Scandinavian Journal of Economics，2012，114(1)，pp.24-54.

［14］Deaton A.and Paxson C.Intertemporal Choice and Inequality.NBER Working Paper，1993，No.4328.

［15］Ohtake F.and Saito M.Population Aging and Consumption Inequality in Japan ［J］.Review of Income and Wealth.1998，44(3)，pp.361-381.

［16］Diprete T.A.and Eirich G.M.Cumulative Advantage as a Mechanism for Inequality:A Review of Theoretical and Empirical Developments［J］.Annual Review of Sociology，2006，32，pp.271-297.

［17］Mookherjee D.and Shorrocks A.A Decomposition Analysis of the Trend in UK Income Inequality ［J］.The Economic Journal，1982，92，December，pp.886-902.

［18］Needleman L.Income Distribution in Canada and the Disaggregation of the Gini Coefficient of Concentration ［J］.Canadian Public Policy/Analyse de Politiques，1979，5(4)，pp.497-505.

［19］孙敬水，顾晶晶.行业收入差距监测预警研究——以浙江省为例［J］.财经论丛，2010，(5):6-11.