人口老龄化对人力资本投资的“倒U”影响效应

刘文　张琪

摘要

中日韩三国是东亚典型的人口老龄化国家，日本老龄化程度最高，韩国老龄化速度最快，中国老龄化人口规模最大，人口老龄化对三国人力资本投资产生了重要影响。文章利用个体固定效应模型，对中日韩三国1971—2013年的面板数据进行研究，分析人口老龄化与人力资本投资的关系以及各国人口老龄化对人力资本投资的影响程度，发现三国的拟合图形呈现“倒U型”，即人口老龄化对人力资本投资影响先正后负，转折的临界点在10%左右。当跨过临界点后，随着老龄化水平的不断加深，人力资本投资减少的速度将加快，当老龄化水平达到30%左右时，老龄化水平每提高1%，人力资本投资水平就会减少1%。同时，由于三国在公共教育支出规模、支出结构、区域分布等个体特征的差异，中国、韩国和日本分别处于倒U型的上升阶段、平稳阶段及下降阶段。日韩两国人口老龄化对公共教育支出发展呈现近似“倒U型”的趋势验证了公共资源存在代际竞争的结论。为了缓解老龄化对公共支出的挤出效应，两国都采取了很多措施，多年来形成了完善的政策制度体系。两国应对人口老龄化的经验丰富，但也存在许多教训。日韩两国老龄化对人力资本投资影响态势预示着中国未来可能的发展趋势。中国应借鉴日韩两国经验，在控制老龄化快速发展的同时，构建完善的老年人法律保护体系，维护老年人权益，协调公共资源分配，改善教育投入结构。加大人力资本投资，应对人口老龄化引发的人力资本投资趋向的可能改变，实现社会经济的持续发展。

关键词 人口老龄化；人力资本投资；个体固定效应模型；倒U型

中图分类号 C92-05

文献标识码 A

文章编号 1002-2104（2017）11-0039-13

[WTHZ]DOI：10.12062/cpre.20170521

“亚洲模式”一直是经济学界关注的热点。20世纪50、60年代日本作为“头雁”率先实现经济崛起，“亚洲四小龙”作为中间梯队紧随其后经济迅速发展，80年代以来中国经济增长迅速，成为亚洲经济发展的重要支撑。中日韩的经济优势，奠定了三国在亚洲的经济大国地位，也構成亚洲增长模式的重要部分。日韩经济发展轨迹很相似，分别经历了高速增长期和平稳增长期，最终进入了调整和低速增长期。两国对人力资本投资的高度重视，为其经济快速增长发挥了重要作用。进入老龄社会后，人口红利的消失，成为两国经济进入调整和低速增长期的一个重要原因。中国自改革开放以来经济稳步发展，人力资本在其经济增长中也一直发挥着重要作用，21世纪以来，老龄化社会的诸多因素也使中国经济发展面临挑战。

随着中日韩三国在全球经济份额中的稳步扩张，三个东亚国家已构成了继北美自由贸易区和欧盟之后的世界第三大经济体，三国人口老龄化问题越来越受关注。从各国国内看，三国人口的老龄化意味着增加其国内公共转移支付，减少劳动人口和降低生产率，增加医疗支出和提高老年人的福利支出。从国际看，三国老龄化社会可能会对全球经济产生消极影响。因此，中日韩三国老龄化对人力资本投资的影响就成为非常重要的研究课题。

1 文献评述

梳理国内外的研究，人口老龄化对人力资本投资影响的研究可分为“有利论”、“不利论”和“混合论”三种观点。

1.1 老龄化对人力资本投资“有利论”

持“有利论”观点的学者大多认为，成熟劳动力的增加会提升有工作经验劳动力的比例，生育率的降低会提升年轻人的受教育水平，从而促进人力资本积累[1]。

人口老龄化为人力资本投资创造了更多的机会，当中年人口比重高时会提供更多熟练的劳动力，致使青壮年劳动力需求减少，加剧了人口老龄化的经济成本。但由于当前和未来的中老年人群能够提供更加熟练的技术工作，最终将会提高社会生产能力，并显著降低人口老龄化的成本[2]。同时，人口老龄化也为人力资本开发带来了新机遇，一方面，由于社会价值观念的改变，当代的年轻人更注重教育，更适应快速发展的新技术；另一方面，越来越多的老年人可以更好地利用他们积累的知识和经验[3]。预期寿命与人力资本投资是一种相互促进的关系[4，6]。人们对寿命的预期越长，对人力资本投资越多[6]。并且，老龄化不仅鼓励人力资本投资，亦会提高物质资本储蓄，从而提高生产力和总体生活水平[7]。

生育率的下降会导致后代平均教育水平提高，促进劳动者生产效率的提高和全要素生产率的提升，从而弥补了人口数量红利的消失，进而对经济增长形成促进作用。Fougère和Mérette对7个OECD国家的数值进行模拟，发现人口老龄化可能造成未来几代人有更多的人力资本投资机会，这将明显降低人口老龄化对产出的负面作用[8]。增加人力资本投资可以大大减轻人口老龄化对宏观经济的不利影响，同时也会提高个人福利水平。

在儒家传统文化和人口政策对生育率约束的双重背景下，低生育率不仅会加剧中国人口老龄化，也会促进人均教育投资和人力资本积累[9]。由于“教育红利”对“人口红利”的替代作用，人口受教育程度的提高能够减轻甚至抵消人口红利逐渐消失对经济增长的负面影响[10]。日韩的研究也显示出同样的结果。日本年轻人在人口增长下降阶段分配在教育上的时间会更多，由此，人力资本的内生增长性抵消了部分劳动力下降给经济带来的副作用[11]。KiHong Choi和Sungwhee Shin对韩国的研究表明，人口老龄化显著降低了劳动力供给的增长速度，这导致工资率上升，反过来又促进了人力资本和物质资本的投资，因此，韩国GDP增长率将从2011年的3.3%下降至2100年的0.5%，而人均GDP增长率约在2050—2060年期间达到1.9%的峰值，在2100年后将下降至1.5%，如果人力资本投资没有变化，GDP和人均GDP的下降将更加严重[12]。生育率下降和人力资本投资的增加是相互促进的，由于生育率下降伴随着人力资本支出的增加，为经济增长提供了实质性的推动，在低或中等的生育水平下，韩国人均消费量在2010—2040年期间将增长0.4—0.6个百分点[13]。endprint

1.2 老龄化对人力资本投资“不利论”

20世纪60年代，人力资本“革命”的先驱者之一——贝克尔从微观个体视角对“随着年龄的增长，人力资本投资下降”这一现象做出解释：“人力资本逐渐积累的时候，随着年龄的增大，投资的边际收益降低，同时，放弃的收入增加导致投资的成本增大，所以年龄的增长会使人力资本投资降低”[14]。

“不利论”的学者则更多是从群体的视角出发，认为上升的老年人口比重将会增加政治压力，提高社会福利和医疗保健支出，使社会支出更倾向于老龄人口，同时有可能会以牺牲其他公共支出为代价，出现代际不平衡的问题[15]。

老年人口比重高的地区往往比其他地区的人均教育投资更少。Miller研究了美国48个洲和德克萨斯县的教育支出，用65岁及以上人口比率对每个成人的教育支出做回归，发现这两组回归的系数均为负数。越来越多的老年人口会降低教育支出[16]。Poterba估计每个孩子相对于65岁及以上人口的教育支出弹性约为-0.25，但他在另一个回归方程中，将因变量换为非人均教育支出，却得出了正相关关系，这表示老龄人口并不想降低公共支出，而仅仅想要降低公共教育支出，由此他预测，如果美国65岁及以上人口的比例从1990年的12.5%上升到2030年的18.7%，将会导致对每个孩子支出减少10%。预期寿命的延长意味着退休后的时间会更长，为了保障老年期间的消费，老年人会减少对子女的人力资本投资[17]。

如果对教育的公共支出效率足够高，增加教育公共支出会带来经济增长和福利提高，但在低水平的利他主义经济体中，老龄化更容易导致减少而不是增加资助教育的税收[18]。Ehrlich对OECD和非OECD国家在内的57个国家进行研究，发现人口老龄化加剧了工作者养老保险税收负担，并对家庭形成和生育行为产生了负面影响，不利于家庭人力资本形成[19]。人口因素对公共教育呈现负相关，并因城市人口综合素质、受教育水平等不同而有所差异[20]。人口老龄化会恶化人力资本的质量，因为老龄员工生产率和灵活性较低、知识过时和能力下降。即使老年人的人力资本质量（教育水平，生产力等）随着时间的推移可能会有所改善，但仍然比年轻后代低得多，所以人口老龄化对人力资本投资的影响是负面的[21]。

1.3 老龄化对人力资本投资的“混合论”

也有研究认为，老龄化与人力资本投资的关系是复杂的、非单调的。Zhang et al.运用世代交叠模型研究发现，成年人死亡率的下降与公共教育支出之间的关系呈现“驼峰型（humpshaped）”，当人们预期寿命比较低的时候，中位年龄的投票者倾向于提高税率用于增加公共人力资本投资，但当老龄化达到一定程度时，中间投票者转而支持降低税率以缩小公共人力资本投资，因此，人力资本积累的速度最初可能会上升，但最终是下降的[22]。老龄化与人力资本投资的关系受双重作用的影响：一方面随着时间的推移，预期寿命的延长将会导致具有投票权的选民老龄化比例增多，从而使投票权更多的转移到有利于老龄人口的公共支出上来，削弱政府的公共教育支出，这是负面影响；另一方面，随着面临延期退休的年轻人数量增加，为了未来会有更高的储蓄回报，他们会增加教育支出。最终的结果则取决于双方相对政治力量的强弱[23]。

对我国老龄化与人力资本投资关系的研究显示出“因时而异”的特点。王林认为我国人力资本在1980—2000年间呈现出快速增长趋势，而在2000—2020年间增长趋势将放缓，到2020年之后将逐渐出现负增长。他对高、中、低三种不同生育水平下我国人力资本变化的趋势进行比较研究，发现在高生育水平下，人力资本总量呈平稳增长趋势；中等生育水平下，人力资本总量在2020年前将呈现稳步增长趋势，2020年后则逐渐出现趋势平缓的负增长；而在低生育水平下，人力资本总量将从2020年之后就开始下降，并且下降趋势加剧。因此年龄结构是影响我国人力资本投资变化的重要因素[24]。许非和陈琰扩展了Diamond的基本叠代模型[25]，加入不确定性寿命、社会保障体系和人力资本生产要素分析，发现预期寿命与生育率、人力资本投资、储蓄率以及经济增长的关系是非单调性的。随着预期寿命的延长，预期寿命对人力资本投资率的净效应是先正后负的，人力资本投资率随预期寿命的变化呈 “倒U型”，当死亡率水平较高时，人力资本投资率随预期寿命的增长而提高，但是当预期寿命超过一定界限后（转折点是生活到老年期的概率为0.76），人力资本投资率则随着预期寿命的延长而下降，这意味着中国在享受短期的人口红利后，日益严重的人口老龄化可能会成为经济增长的障碍[26]。

对已有研究的梳理表明，人口老龄化对人力资本投资是否有利的争议主要源于研究视角的不同。“有利论”的观点立足于人力资本形成，认为具有完全理性和完全遠见的个体会主动应对老龄化，因而会增加自身以及下一代的教育投入。“不利论”的观点则立足于老年人自身的利益，认为老年人口为了应对预期寿命延长而增加消费支出，会减少对教育投资的支持（因为他们可能享受不到其带来的长期利益），而更倾向于有利于老年人口社会保障的支出。“混合论”则基于这两种作用力的相对大小视角，认为老龄化水平对人力资本投资的影响是复杂且非单调的。由于选择的研究对象和研究时间阶段（老龄化的初始水平）的不同，研究结果之间存在一定的差异。从研究方法看，最常用的是世代交叠模型，其次是运用最小二乘法做回归，此外还有简单的统计分析、因子分析法等。研究对象多是OECD国家和西方的一些发达国家，有关人口老龄化导致东亚国家人力资本投资变化的实证分析或利用模型预测的研究却是极其缺乏的。本文试图做出弥补，以中日韩三国的相关资料为基础，使用个体固定效应模型，揭示中日韩三国人口老龄化对人力资本投资影响凸显的东亚特色。

2 中日韩人口老龄化和人力资本投资发展趋势

2.1 三国人口老龄化发展趋势

根据联合国人口报告预测，从2015年到2100年，全球人口数量将从73.5亿上升为112.1亿，中日韩三国的人口总量将从15.6亿缩减到11.3亿，而同时三国的老龄人口将会从1.7亿上升到3.9亿。东亚人口数量总体减少的同时，老年人口数量却在成倍增长。从1950—2060年，日本65岁及以上的老年人口占总人口的比重最高，其老龄化程度近似线性增加；而中国与韩国在1995年以前变化较为平稳，1995—2060年间老龄化程度发展情况呈现明显的指数型；1960年后，三国的老龄人口比重进入平稳期。日本比中韩两国提早近30年进入了老龄化社会，是最早进入老龄化社会的国家，同时也是全球老龄化程度最高的国家，目前已经进入“超老龄社会”水平。中韩两国则在2000年前后几乎同时步入老龄化社会。endprint

作为世界上老龄化最严重的国家之一，日本人口已陷入负增长。中国的年龄结构类似于20年前的日本和10年前的韩国：最早的人口高峰即将进入50岁，而25岁以下的年轻人口则是急剧下降，劳动力即将进入青黄不接的拐点。

截至2015年底，中国人口总量为13.712 2亿人，其中，65岁及以上的人口为1.309 7亿人，占总人口的9.55%，是老龄化规模最大的国家；韩国人口总量为5 062万人，其中，65岁及以上的人口为664万人，占总人口的13.99%，是老龄化速度最快的国家；日本人口总量为1.269 6亿人，其中，65岁及以上的人口为3 344万人，占总人口的26.34%，日本的总抚养比高达64.47%，中国和韩国的抚养比重在36%—37%之间，日本的抚养比重较中国、韩国高出约27个百分点。日本和中韩之间的老少抚养比差异很大：日本老年抚养比为43.32%，高于少儿抚养比22个百分点；而中国目前的老年抚养比为13.05%，约为少儿抚养比的1/2；韩国的老年抚养比则为18.01%，低于少儿抚养比约1个百分点（见表1）。

2.2 三国人力资本投资发展趋势

自1971年以来，中日韩三国公共教育支出均呈上升趋势。中国呈现明显的指数型上升，在2004年后以递增速度加快；韩国呈现线性增加趋势，增加缓慢而平稳；日本则为波浪式发展，在1980—1995年、1988—2004年和2007—2012年呈现三个快速增长阶段，2013年则有了较大的下降。从总量上来看，2011年以前日本的教育支出远高于中国和韩国。从1971—1998年，中国和韩国无论在发展趋势还是在总量上均相差不大，1998年以后，中国开始超越韩国并以更高的速度增加公共教育支出，在2011年首次超越日本。

2013年，我国教育公共开支总额为3 571亿美元，占GDP总额的3.76%；韩国的教育公共开支总额为604亿美元，占GDP总额的4.63%；而日本教育开支总额为1 879亿美元，占GDP总额的3.82%。虽然中国教育支出规模最大，但人均教育经费仅为263美元，远低于韩国和日本的1 202美元和1 475美元（见表2）。中国教育投资水平虽然低，增长速度却快，从1971—2013年，中国教育公共开支的年均增长率最高，达到15.15%，其次是韩国，为12.7%，日本最少，为7.55%。

从各阶段生均教育经费看，中国远低于日韩两国的水平，日本和韩国从初等到高等教育经费支出都呈递增形式，尤其重视对高等教育的支出，凸显“倒三角”的支出模式，而中国呈现出“橄榄型”支出结构，中等教育支出最高，高等教育支出低于中等教育。2012年，中国的初等生均经费支出不足日本的10%、韩国的20%，中等教育生均经费不足日本的30%、韩国的60%，高等教育生均经费差距也很大，中国仅为日本的12%、韩国的34%（见表3）。

3 中日韩三国人口老龄化对人力资本投资影响的实证研究

3.1 模型的选取

本文研究的是人口老龄化和人力资本投资水平以及两者之间的非线性关系。首先，需要界定人力资本投资的测度问题。人力资本投资包括正规教育、培训、健康医疗、劳动力迁移和流动等。由于培训、健康医疗、劳动力迁移和流动等数据难以获得，大多数文献用教育衡量人力资本投资，入学率、识字率、教育总年限、平均教育年限、人均教育支出、总教育支出等教育指标都曾被作为人力资本投资的测度指标。并且，因个人数据很难获得，一般采用公共人力资本投资来代表[27]。由于教育支出表示人力资本投资的“投入指标”，而受教育年限更多的代表人力资本投资的“产出指标”，研究老龄人口和教育投资之间关系的文献更多地利用教育支出数据来测度[17，28]。基于研究的便利性和数据的可得性，本文选用教育支出代表中日韩三国的人力资本投资，研究老龄化背景下三国人力资本投资量的动态变化。同时，由于教育支出值为绝对量，用来做跨国研究的可比性差，且个人教育投资数据难以获得，因此选用公共教育支出占GDP的比重来代表人力资本投资水平，用符号Edu表示。

由于中日韩三国在经济发展水平等方面有较大差异，为控制不同国家之间的个体特征，我们采用固定效应模型；同时，为了表现两个变量之间的非线性关系，模型设定为多次函数，具体形式如下：

人力资本投资it=∝i+f（人口老龄化it，人口老龄化2it…）+εit（1）

另外，使用65岁及以上人口占总人口的比重来衡量人口老龄化水平，用符号Eld表示。模型（1）中，αi代表中日韩三国的个体特征，这些特征包括自然条件、社会文化、经济体制、宗教信仰、发展水平等各方面的差异。在模型（1）中每个国家的αi不同，即在人口老龄化水平相同的情况下，模型允许不同国家拥有不同的人力资本投资水平。

根据理论分析，人口老龄化对人力资本投资的影响不是简单的线性关系，而是呈现非线性关系，为了验证两者之间的曲线关系，实际采用二次函数模式；为了使经济数据更加平稳，对所有变量取对数，各个变量的系数表示在其他自变量不变的条件下，自变量变化1%导致因变量变化的百分比，也可以解释为自变量对因变量变化的弹性，具体形式如下：

ln（Eduit）=∝i+∑2（k=1）βk[ln（Eldit）]k（2）

为了考察人力资本投资的不同阶段，我们的关注点是在不同的老龄化水平下，人力资本投资水平会有怎样的变化。为了回答此问题，根据模型（2），可推导出在不同的人口老龄化水平下，人力资本投资水平与老龄化水平之间的关系，即：

Δln（Edu）Δln（Eld）=β1+2β2·ln（Eld）（3）

模型假設在相同的人口老龄化水平下，尽管不同国家的人力资本投资不同，但他们的增长速度是相同的。利用此假设可对人力资本投资阶段进行一般性的划分。

在估计面板数据方法的选取上，考虑到将所有数据放在一起进行混合回归会忽略个体间没有被观测到的或者遗漏的异质性，而将每个截面单独进行回归则忽视了个体间的共性，现实中常采用折中的方法，即假定方程间拥有相同的斜率，但截距不同，通过不同的截距来捕捉异质性，这种模型即“个体效应模型”[29]。endprint

3.2 数据来源

为了能更好的研究在不同初始水平的老龄化程度下其对人力资本投资的影响，我们尽可能的扩大了数据的时间跨度。日本从1970年开始最先进入老龄化社会，所以对其1970年之后的数据进行研究具有代表性，但由于中国缺乏1970年的公共教育投资数据，为了能够对三国在同一时间段进行分析，遂选用中日韩三国1971—2013年的数据。其中，三国公共教育支出占GDP的比重，65岁及以上老龄人口占总人口的比重数据，都来源于世界银行数据库。但由于世界银行数据库缺乏2000年以后中国公共教育支出的数据，故中国2000年前的数据来源于世界银行数据库，2000年后的数据来源于《中國统计年鉴2015》，日韩两国全部的数据都来源于世界银行数据库。对三国公共教育支出中数据缺失的部分，采用线性插值法将数据补全。最终样本中包含了3个国家43年的数据，样本容量为129。

3.3 实证分析结果与讨论

3.3.1 基于模型（2）的回归结果及分析

考虑到不同估计方法的结果差异，本文分别运用OLS、FE、LSDV和 MLE四种方法进行了估计，结果如表4。从表4可知，不同方法的系数估计值差别很大。回归结果中，我们所关注的2个变量的估计参数均十分显著，且通过二次项的系数为负数的观察可以看出，不论采用何种方法进行估计，模型均呈现出了“倒U型”的图像，即随着人口老龄化程度的不断加深，人力资本投资的数额都呈现先上升后下降的趋势。

在第二栏FE的估计结果中，包含一个常数项（_cons），这是所有个体效应ui的平均值，对于原假设 “H0：all ui=0”，由于其F检验的P值为0.000，故强烈拒绝原假设，即认为FE明显优于混合回归，应该允许每个国家拥有自己的截距项。然而，由于未使用聚类稳健标准误，所以F检验无效，因为普通标准误大约只是聚类标准误的一半，因此进一步使用LSDV方法验证。最后一栏估计结果显示，虚拟变量韩国和日本的参数估计均很显著，个虚拟变量，如果设置3个，会出现“虚拟变量陷阱”。-1.424是中国的截据项，韩国截据在此基础上加0.509，日本截据在此基础上加0.568。

故可以放心地拒绝“所有国家虚拟变量都为0”的假设，即认为存在个体效应，不应该用混合回归。

上面的结果基本可以确定固定效应的存在，然而不能否定其仍存在随机效应，通过MLE估计得出第三栏的结果，对于原假设“H0：all σμ=0”，最后两行数据表示强烈拒绝原假设，即认为存在个体随机效应，不应进行混合回归。

最后在使用随机效应模型还是固定效应模型之间进行判断。通过豪斯曼检验，模型的P值为0.000，故强烈拒绝原假设“ H0：μi与xit，zit不相关”，所以应使用固定效应模型而非随机效应模型，同时证实中日韩三国的人口老龄化对人力资本投资的影响存在差异。

根据上述检验，选用最后一栏的估计结果作为标准回归结果进行分析。

将估计结果带入原方程，画出拟合曲线以及中日韩三国的散点图。从图1可以发现，三国人口老龄化对人力资本投资的影响基本上符合“倒U型”曲线，且通过散点图的分布来看，基本与曲线拟合，但不同国家的个体特征不同导致起点不一致，且不同国家处于U型曲线的不同阶段：中国和韩国处于倒U型曲线顶点的前半段，韩国的绝对值要高于中国，中国变化的情况滞后于韩国；而日本则已过倒U型曲线的最高点，位于后半段。图中三条垂直于Y轴的直线分别代表进入“老龄化社会”、“老龄社会”和“超老龄社会”数值的对数。可以看出，在三国还未进入“老龄化社会”之前，随着老龄化水平的提升，人力资本投资是增加的；在进入“老龄化社会”但未进入“老龄社会”之前，人口老龄化仍然会促进人力资本的投资，但是斜率明显比前一阶段下降，说明人力资本投资的促进幅度变小；而进入“老龄社会”、但未进入“超老龄”社会之前，曲线的斜率由正变负，即此时老龄化水平的提高会使人力资本投资减少，但此时减小程度相对较小；进入“超老龄社会后”，老龄化水平的提高会使人力资本投资加速下降。如果按照三条竖直线将曲线分为上升期、平稳期和下降期三部分，那么中国基本位于曲线的上升期，韩国则已进入平稳期，而日本则基本处于下降期。

3.3.2 基于模型（3）的人力资本投资阶段性划分

将LSDV的回归结果带入模型（3），即可得到在不同老龄化程度下人力资本投资速度和老龄化速度之间的关系，具体结果如表5所示。

从表5中可以发现，当人口老龄化水平小于11%时，老龄化水平的增加会带来人力资本投资比重的增加，但随着老龄化水平的不断提高，人力资本投资的增加幅度是逐渐递减的。当人口老龄化水平超过11%时，人力资本投资变为负增长，即人口老龄化水平每增长1%，人力资本投资比重不增反降。表5中第一行数据9.2%，12.7%和25.7%分别表示中日韩三国2014年底的人口老龄化水平。其中中国在2014年的人口老龄化水平达到9.2%，根据方程估计，其仍处在增长期，且人口老龄化水平每增长1%，人力资本投资增加0.1%。而日韩的老龄化水平在2014年底均已步入对人力资本投资影响的负增长期，韩

国人口老龄化水平刚超过11%的水平，达到12.7%，其老龄化水平每增加1个百分点，人力资本投资即减少0.2个百分点，日本则已进入“超老龄社会”水平，老龄化水平达25.7%，其老龄化水平每增加一个百分点，人力资本投资将会减少0.8个百分点。

根据回归结果，可以将人口老龄化发展对人力资本投资影响的变化分为3个阶段：增长阶段、平稳阶段与负增长阶段。如图2所示，人口老龄化水平在达到9%以前，对人力资本投资的边际效应是递减的，老龄化对人力资本投资呈正向影响，即老龄化水平的上升均能使人力资本投资增加，这一阶段为增长阶段，但是增加程度呈指数递减；在9%—13%阶段，影响情况较平稳，根据图1的“倒U型”曲线可以得知，此阶段位于曲线的顶端，老龄化对人力资本的影响程度为0，即人口老龄化水平的增加不会使人力资本投资有较大变动，此时人力资本投资水平达到饱和期，此阶段被定义为平稳期；当老龄化水平在13%以上时，老龄化水平的加深会使人力资本投资减少，同时，按照图1和图2的综合判定，随着老龄化水平的发展，人力资本投资减少的程度递增，当老龄化水平达到29%时，人口老龄化水平每增加1%，人力资本投资将减少1%，即人口老龄化所带来的社会公共支出（社会保障支出）的增加将会替代人力资本投资。根据3个阶段的划分以及本文所选取的数据，截至2014年末，中国正处于增长阶段，这一阶段将一直持续到中国的人口老龄化水平到达或超过10%。韩国处于平稳阶段，日本则已步入负增长阶段。endprint

3.3.3 对三国数据的检验

通过固定效应模型所估计的方程，本文还得到了反映中日韩三国个体特征的固定效应参数值，显示在人口老龄化水平相同的情况下，由于个体特征因素的影响，日本的人力资本投资水平最高，比中国高出约0.568个百分点，其次是韩国，比中国高0.509个百分点，中国最低。通过模型拟合出中日韩三国的人口老龄化对人力资本投资的影响方程，分别如下：

中国：ln（Eduit）=-1.424+2.045ln（Eld）-0.440ln（Eld）2（4）

日本：ln（Eduit）=-0.856+2.045ln（Eld）-0.440ln（Eld）2（5）

韩国：ln（Eduit）=-0.915+2.045ln（Eld）-0.440ln（Eld）2（6）

由此可以得到中日韩三国的人力资本投资实际进程与模型的拟合预测曲线（见图3）。

由图3可以看出，韩国和日本的散点图与估计曲线拟合度良好，中国的数据则在2000年后有些偏离曲线，部分原因在于本文选取的中国数据问题，由于2000年前后的统计口径不一致，2000年前世界银行统计的中国公共教育经费包括政府在教育机构、教育管理以及私人实体补贴方面的支出，2000年后《中国统计年鉴》中统计的数据则增加了基建经费、科研经费和其他，所以在数值上会偏大，但中国散点图的整体趋势与其拟合曲线大体一致，处于倒U型曲线的上升期。

三条垂直于Y轴的直线分别是三国2014年的人口老龄化水平，它们分别与各自拟合曲线的交点即是三国人力资本投资的平均水平，由于纵轴是取对数后的人力资本投资，还需将其还原为非对数形式。由图3可知，中国老龄化水平已达9.2%，平均公共教育投资占GDP的比重为5.73%；韩国老龄化水平为12.7%，平均公共教育投资占GDP的比重为10.54%；日本老龄化水平为25.7%，已进入“超老龄社会”，其平均公共教育投资占GDP的比重为10.12%，低于韩国的平均投资水平。

在相同的人口老龄化程度下，中日韩三国的人力资本投资水平不同，是因为三国的个体特征不同。日本作为亚洲第一个实现工业化的国家，一直十分重视对教育的投入。据统计，从1971—1982年，日本的公共教育经费的年均增长率为17.48%，同期中国的年均增长率为14.32%。即使在经济发展的停滞期，日本也未曾停止对教育维持高增长率，如1981年国民收入增长4.4%，其教育费仍保持在1.4%的增长率，公共教育经费与国民收入实现了同步甚至优先增长[30]。为了保证经济发展进程中技能劳动力的供给，日本特别注意农村义务教育的发展，1879年通过的《教育法》中就明确规定“农村小学所需要的教育经费全由地方政府负担，包括购买土地、修建校舍、行政运转以及支付教职工工资等”，1918年颁布的《市町村义务教育经费国库负担法》则规定由国家财政全部承担全国公立学校的教师工资，这些法律的实施，在大大减轻地方负担的同时有力的推动了农村教育的发展。同时，不僅制定各种法律，日本政府还通过各种财政制度和补贴制度保证了教育投资的有效进行[31]。

韩国自光复以后就开始推行义务教育，通过制定一系列政策法规为义务教育的实施提供了法律基础。到20世纪70年代中期韩国已基本普及中等义务教育。韩国还十分重视教育的均衡发展，通过对相对落后地区义务教育的优先发展缩小了城乡差距。同时，为了保证教育经费的财力支持，韩国政府通过不断完善其财政体制来扩大财源，制定《义务教育财政交付金法》、《地方税法》等，为教育支出提供可靠保障[32]。

改革开放以前，中国教育经费的投资水平远低于国际平均水平和同等发达程度国家水平。2006年修订的《义务教育法》才免除了基础教育学费。在教育投资的结构上也出现了“重高轻基、急于求成”的三级教育投资结构，使得教育投资配置严重错位。并且，我国教育资源配置的城乡和地区差距较大，城市的人均教育经费一般为农村的3倍以上，造成了教育投资的严重不公。显然，我国在投资规模和投资结构上都与日韩两国有显著差异，正是这种个体差异导致了三国散点图所处的起点不同。

3.3.4 “倒U型”曲线的机制分析

将中日韩三国公共教育支出占GDP的比重和三国老龄化变化趋势放入具有相同横坐标的图中比较（见图4），可以对其“倒U型”曲线形成机制进行分析。

日本在1987年以前随着人口老龄化水平的加深，其人力资本投资处于稳步上升状态，从1971—1987年这一阶段，其人口老龄化水平从7.21%上升至10.79%，人力资本投资也由3.72%上升到5.67%；而从1987年到2013年，日本老龄化的程度不断加深，到2013年达到25.01%，这一阶段的人力资本投资也随之大幅度下降，到2013年下降为3.82%。韩国人力资本投资一直处于平稳上升状态，1982年最高为6.08%。2010年韩国的人口老龄化水平为11.09%，已进入人口老龄化水平抑制人力资本投资的下降期，从人力资本投资的变化趋势来看，韩国人力资本投资也确实由2010年的4.65%下降为2013年的4.63%。

日韩两国人口老龄化对公共教育支出发展呈现近似“倒U型”趋势验证了公共资源存在代际竞争的结论：人口老龄化意味着“中位选民”的年龄在逐渐增加，为了维持政治的稳定以及获得更多的民意支持，政府也会更重视老年人的偏好和资源配置决策。随着老龄化水平的提高，用于老年人的各种社会保障支出不断增加，退休金、医疗、护理等支出均需要财政补贴才能得以维系。2006年日本用于社会保障的相关支出在一般财政支出中所占比重为25%，2016年这一比重则上升到33%，其中主要用于补贴退休金及医疗、护理保险的支出[33]。韩国也存在同样的问题，2013、2014年韩国各级政府支出中，医疗卫生与社会保障基金同比分别增长为7.75%和8.57%[34]。这是日本已处于“U”型曲线下降阶段、韩国正进入这一阶段的主要原因。日韩社会保障体系比较健全，家庭养老模式被社会养老模式取代的比重高，老龄化的加剧很大程度上会挤占政府对公共教育的支出，而我国目前以家庭养老模式为主，老龄化水平对公共教育支出的挤占效果还没有显现，因此，尚处于“U型”曲线的增长阶段。同时，我国的人口老龄化程度与日韩两国还有一定差距，劳动力的绝对数量依然庞大，所以人力资本投资规模依然会随着老龄化水平的提升而上升。从1971年到2013年，我国的老龄化水平一直都稳步上升，但由于未达到11%的拐点，其人力资本投资仍处在随着人口老龄化水平的提高而提高阶段。endprint

3.3.5 日韩应对人口老龄化的经验和教训

为了缓解老龄化对公共支出的挤出效应，日韩两国都采取了诸多措施来缓解老龄化的负面效应，多年来形成了完善的政策制度体系，主要包括：

（1）建立完善的老年人法律保障体系，针对老年人的就业、医疗、保健、护理、培训等分别出台相应的法律，保护老年人权益。

（2）延迟退休，促进老龄就业。日本从20 世纪70 年代开始调整退休年龄，推出《老年人就业稳定法》等诸多法令，实施继续雇佣制度，规定全体老年人都可以工作到65岁的退休制度，明确所有企业拥有雇佣老年人的义务。韩国自1991年制定《老龄雇用促进法》，规定企业不得雇佣老龄人群时年龄歧视，2013年又通过《老龄雇用促进法》修正案。两国都在提高法定退休年龄的同时，也提高了国民年金领取的最低年龄。

（3）构建相应的“建设领导小组”，指导、协调老龄化规划的制定、对接和实施。日本于1996年成立了“高龄社会对策会议”，形成以内阁总理大臣为首，各政府部门的内阁大臣为委员的超部门机构，每年召开会议，以完成“制定高龄社会对策大纲，与高龄社会对策大纲相关的各行政机构间的相互调整，关于高龄社会对策大纲重要事项的审议及对策实施的推进”等任务。韩国于2005年通过了《低生育·老龄化社会基本法》，成立由总统任委员长、14名政府委员和9名民间委员为成员的相关委员会，直接协调政府各部门制定、应对老龄化规划，迄今已实施了两个《低生育率和老龄化社会五年基本规划》[35]。

（4）两国都在经济快速增长时期构建起相对完善的社会保障体系。日本自1941 年就开始建立养老保险制度，从1961年开始建立20岁以上国民普遍加入的国民年金制度，目前已形成以国民年金为第一层、企业养老金和个人养老金为第二、三层次的年金制度体系。韩国政府自1960年开始实行政府公务人员养老保险制度，也逐步建立起了由公共年金与民间年金构成的现代养老保险制度[36]。伴随人口结构变化和经济社会发展，两国养老制度不断健全、覆盖人群和保障领域逐渐增加，形成了全民覆盖的养老保障体系。“富老同步”、“先备后老”使两国应对人口老龄化具备了一定的基础[37]。

（5）加大人力资本投资，提高劳动生产率，开发老年人力资源，充分利用高龄劳动力。日本政府针对有劳动能力的高龄就业人群或再就业人群开展终身教育，由文部科学省制定计划、做出资金预算，各地的终身教育促进中心负责具体实施，不仅设立老龄大学、老人大学和老龄专业技术学校，还建立了“银发人才中心”、“白发人才银行”等针对老年人的职业介绍所，为老龄人口的再就业牵线搭桥、提供技术培训。韩国居民教育水平是OECD国家中最高的，其就业结构呈现高龄化和高学历化趋势，大学及以上学历就业者在全体就业者中的比重由2000年的24.0%上升为2010年的38.3%，50岁以上就业者中大学及以上学历比重由2000年的15.8%上升为2010年的23.2%，这在一定程度上抵消了雇佣结构的高龄化导致的劳动生产率下降的消极因素。日本还重视对75岁以后、丧失劳动能力的老人进行身体和心理保健教育，鼓励这一年龄阶段的老人学习是为了预防痴呆和陶冶情操[38]。

日韩两国应对人口老龄化的经验丰富，但也存在许多教训。两国老年保障法律和制度形成于经济高速增长时期和人口年龄结构基本平衡时期，对经济增长和人口结构变化的预测不足，当经济增长放缓、人口年龄结构出现巨大转变时，原有的政策设计都将面临严峻挑战。比如随着人口老龄化水平加深，两国养老成本越来越高，财政补贴负担越来越重；年金保险制度存在身份差异导致老年人之间生活水平存在较大差距；代际间利益不公，存在阶层固化问题等。同时，由于生育率较低是日韩两国出现老龄化现象的重要原因，两国都对人口政策做出了调整。然而，两国鼓励生育的人口政策成效却不明显，其总和生育率仍然在1.5以下[39]。可见，应对老龄化的规划设计应谨慎、全面地测度未来发展趋势。

4 结论及启示

本文运用跨国数据对中日韩三国人口老龄化对人力资本投资的影响进行了比较研究。利用三国的长面板数据，使用个体固定效应模型，克服横截面数据中无法控制各国之间个体特征而造成对结果的影响，同时克服时间序列中只考虑时间效应而不考虑外界因素的综合影响，运用非线性模型而非简单的线性模型揭示人口老龄化与人力资本投资之间更为复杂的变化关系，从而更深刻地阐释了三国人口老龄化对人力资本投资影响的东亚特色。

4.1 结论

4.1.1 三国老龄化态势严峻，日本已进入“超老龄社会”，中韩进入“老龄化社会”

日本是最早进入老龄化的国家，同时也是老龄化程度最深的国家，中韩两国已跻身“老龄化社会”行列，日本则已进入“超老龄社会”。从老龄化的发展趋势上来看，三国的老龄化程度均表现出逐渐加深的趋势。老龄化的速度快是中日韩老龄化的另一个特征，相对于中韩的线性平稳增长，日本呈现出指数化加速增长态势。中韩是在2000年前后几乎同时步入老龄化社会的，而日本则提早近30年。韩国65岁及以上人口占总人口比重从7%上升到18%只用了18年，同样的增幅中国用了25年，日本用了24年，这个进程相比法国（115年），瑞典（85年）和 美国（73年）快很多。中日韩三国的加速老龄化给东亚地区所带来的影响比欧美发达国家更为突出。

4.1.2 三国人力资本投资均呈现逐年增加的发展趋势，中国总量大，人均水平低

三国都非常重视人力资本投资，三国的人力资本投资均呈现上升趋势，中国呈现明显的指数增长趋势，并在2011年前后首次超越日本，韩国表现为缓慢的线性增长，日本则呈现出波浪式增长。中国的公共教育支出规模最大，但人均教育经费远低于韩国和日本。中国公共教育支出年均增长率最快，其次是韩国，最后是日本。日韩两国重视高等教育的支出，而中国则更重视中等教育的支出。在初等、中等和高等的各个阶段的生均教育经费中，中国均远远低于日韓两国。endprint

4.1.3 中日韩三国人口老龄化与人力资本投资处在“倒U型”曲线的不同阶段

中日韩三国人口老龄化对人力资本投资之间存在非线性关系。人口老龄化对人力资本投资的影响为先正后负，呈现“倒U型”曲线的变化形式，即在人口老龄化的初期，老龄化水平的加深会促进人力资本投资，而当老龄化水平超过一定限度时，老龄化水平的增加会使人力资本投资减少。此结果从侧面验证了为什么不同学者对人口老龄化对人力资本投资影响研究的结论不同，研究者所选取的时间段、不同国家的老龄化水平不同，导致处于影响模式的不同阶段。此外，所选模型不同也会造成一定程度的差异。

4.1.4 日韩两国人口老龄化对人力资本投资影响趋势预示着中国未来可能的发展趋势

由于中日韩三国个体特征的存在，导致人口老龄化对人力资本投资的影响程度不同，出现两方面的差异：一是在相同的老龄化水平下，三国人力资本投资水平的起点不同，日本的人力资本投资水平最高，其次是韩国，最后是中国，这些结果与三国社会制度、经济政策和对教育的支持程度和结构等有关；二是人口老龄化对人力资本投资的影响阶段不同。目前，中国人口老龄化水平的加深会促进其人力资本投资，韩国和日本的人口老龄化水平对其人力资本投资有抑制作用，日本抑制作用最强。中国正处于人口老龄化对人力资本投资的促进阶段，韩国处于平稳阶段，而日本则已处于下降期。

4.2 启示

中国与日韩两国相比，无论在人口变动还是经济增长方面，都有着极为相似之处。再过20年，中国的年龄结构就会和当前的日本类似，届时，最后一个高峰期的人口将会达到45—50岁，而目前50岁左右的高峰人口将大规模进入70岁，成为退休的主力军，面临养老财政支出挤占公共教育支出的压力。因此，应吸取日韩经验和教训，积极应对中国的老龄化。

4.2.1 构建完善的老年人法律保护体系，维护老年人权益

中国老年人法律体系建设与日韩相比明显落后，与老年人有关的政策法规一般散见于政府各部门的文件，不仅规章制度少，还缺乏体系，其影响力和制约力有限。应借鉴日韩两国的经验，从就业、医疗、保健、护理、教育培训等方面建立完善、系统的老年人权益保护法律体系，有效保障老年人在各个领域的权益。

4.2.2 建立“积极老龄化建设领导小组”，形成跨部门协调机构

由于人口老龄化问题的复杂性，其应对策略的制定和实施具有混合型、综合型的特征，几乎涉及所有的部门，然而目前我国老龄政策和资源存在明显的“碎片化”特征。应改变老龄化工作只是老龄委、民政部等机构职责的传统认识误区，建立由总理牵头，各部门参与的“积极老龄化建设领导小组”，制定统一的老龄社会规划，促进各部门间的信息共享和协作，整合公共资源，提高老龄化政策的实施效率。

4.2.3 构建适合中国国情的延迟退休制度，促进老龄就业

借鉴和吸收日韩两国延期退休年龄的政策设计和实施方案，构建中国特色的延迟退休制度，对不同行业和不同地区实行差别政策。通过弹性退休年龄的调整，实现“人尽其才”，促使人口结构与人力资本结构在不同产业间和产业内都能实现效率配置。同时，采取激励措施鼓励延迟退休，颁布相关老龄人口就业的法规，鼓励企业为老龄就业创造条件，消除老龄就业中的年龄歧视与代际冲突，充分利用老龄人力资源[40]。

4.2.4 加大人力资本投资，增加老龄人口受教育和培训的机会

随着人均预期寿命的提高，延长生命周期中的人力资本投资时间，重视增加老龄人口受教育和培训的机会。发展养老教育服务产业，开展老年继续教育，通过优先发展社区老年教育，促进各类学校开办老年教育，推动老年大学面向社会办学，对老年人力资源进行开发。设置老年课题研究，开设老年大讲堂，利用民间力量推进老龄化研究。通过“政-企-校-协”融合模式开发老年教育产业，通过学习培训，使有劳动能力的老龄人口能够从事弹性工作。对丧失劳动能力的老人则积极鼓励养教结合，促进其身体健康和精神愉悦。

4.2.5 建立中国特色的可持续的养老保障制度，协调公共资源分配

基于中国经济增长新常态的转变态势，财政收入的增幅将趋于下降，政府应加快税制、收入分配体系和公共行政体系改革的步伐。在对人口调查、教育财政和社会福利保障等相关领域数据进行监测判断的基础上，科学、准确地揭示老龄化对基础教育公共投入的挑战和影响。继续深化改革社会养老保障制度，将老龄劳动者的利益更好融入延迟退休的政策设计中。构建多层次的养老金体系并保证其保值增值，在再次分配中提高普通员工的退休待遇。基本养老保险实行弹性化给付，养老金给付随着基金实际保障力度、人均预期寿命、通货膨胀等变化而做出适度微调。同时，大力发展商业保险并提倡家庭养老，寻求政府、工作单位和个人养老责任的均衡，减轻老龄化对公共财政的压力，从而避免为解决老龄化问题而压缩公共教育投入的抑制效应，实现社会经济的持续发展。

4.2.6 提高公共教育投入水平，改善教育投入結构

拓展教育经费筹措渠道，形成多元化教育投入机制。从制度上保证公共教育经费的稳定投入和增长，并通过多种方式鼓励社会和个人的投资和支持，形成政府主导、社会广泛参与的多元投入格局。逐渐实现由地方政府承担公共教育支出转为中央和省级财政共同承担，逐步由教育均等实现公共服务均等化，改善教育投入结构。借鉴日韩经验，提高对初等教育和高等教育的投入。缩小城乡教育资源分配的差距，通过重新配置教育资源，扩展教育领域和受教育时间，鼓励人们建立终身学习的思想，及时将庞大的非技能劳动力或者低技能劳动力在“老去”之前转换为生产力，将人力资本投资维持在较高的水平，把老龄人口从数量优势转变为质量优势，通过充分利用“第二次人口红利”，应对已发生的、正在进行的人口变动，使我国经济继续保持增长态势。

（编辑：于 杰）

参考文献（References）endprint

[1]劉玉飞， 汪伟.人口老龄化对人力资本积累影响的研究评述[J].西北人口， 2016（1）：99-104，111. [LIU Yufei， WANG Wei. Research on the effects of population aging on human capital accumulation[J]. Northwest population journal， 2016（1）：99-104，111.]

[2]FOUGRE M， HARVEY S， MERCENIER J， et al. Population ageing， time allocation and human capital： a general equilibrium analysis for Canada[J]. Economic modelling， 2009， 26（1）：30-39.

[3]GIMZAUSKIENE E， DUOBA K， PAVIE X， et al. A development of human capital in the context of an aging population[J]. Procedia-social and behavioral sciences， 2015，213：753-757.

[4]BOUCEKKINE R， CROIX D D L， LICANDRO O. Vintage human capital， demographic trends， and endogenous growth[J]. Journal of economic theory， 2002， 104（2）：340-375.

[5]ZHANG Q. Longevity， capital formation and economic development[J]. Chinese journal of population， resources and environment，2012，10（1）：53-63.

[6]CIPRIANI G P， MAKRIS M. A model with self-fulfilling prophecies of longevity[J]. Economics letters， 2006， 91（1）：122-126.

[7]姚从容， 李建民.人口老龄化与经济发展水平：国际比较及其启示[J].人口与发展， 2008（2）：80-87. [YAO Congrong， LI Jianmin. Population aging and economic development level： international comparing and sevelation [J]. Population and development， 2008 （2）：80-87.]

[8]FOUGRE M， MRETTE M. Population ageing and economic growth in seven OECD countries[J]. Economic modelling， 1999， 16（3）：411-427.

[9]瞿凌云.人口政策的经济效应分析——基于人口数量与质量替代效应的视角[J].人口与经济， 2013（5）：24-32. [QU Lingyun. Analysis of the economic effects of population policy： based on the perspective of the substitution effect of population quantity and quality[J]. Population & economics， 2013（5）：24-32.]

[10]钟水映， 赵雨， 任静儒. “教育红利”对“人口红利”的替代作用研究[J].中国人口科学， 2016（2）：26-34，126. [ZHONG Shuiying， ZHAO Yu， REN Jingru. Research on the substitution effect of ‘education dividend to ‘demographic dividend [J]. Chinese journal of population science， 2016（2）：26-34，126.]

[11]SADAHIRO A， SHIMASAWA M. The computable overlapping generations model with an endogenous growth mechanism [J]. Economic modelling， 2003， 20（1）：1-24.

[12]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（2）：138-147.

[13]MASON A， LEE R， JIANG J X. Demographic dividends， human capital， and saving[J]. Journal of the economics of ageing， 2016，7（4）：106-122.

[14]BECKER G S， CHISWICK B R. Education and the distribution of earnings[J]. American economic review， 1966， 56（1）：358-369.endprint