空间关联视野下人口老龄化对劳动参与率的影响分析*

冯剑锋 岳经纶 范 昕

（中山大学中国公共管理研究中心/政治与公共事务管理学院，广州 510275）

自计划生育政策实施以来，我国生育水平发生了根本性转变，人口出生率的快速下降逐渐带来了老龄化现象。根据世界银行 （WDI，2016）公布的数据显示，我国于2001年正式进入老龄化社会。人口老龄化程度的不断加深，对我国社会经济发展和就业市场稳定构成了巨大的潜在威胁。而在生育水平不断下降的同时，劳动人口的大规模转移深刻改变了我国区域经济的地理版图和就业人口的空间分布，由此带来的区域发展问题也日益成为当今社会舆论的焦点。如何从区域层面合理规划人口年龄结构的空间分布和就业需求，妥善解决区域发展过程中人口老龄化对劳动就业市场的潜在冲击，对于全面建成小康社会，更好满足人民日益增长的美好生活需要和解决不平衡不充分发展等民生福利问题，具有相当重要的历史意义和时代价值。

从学理来看，人口老龄化对劳动就业的影响已成为学界重点讨论的话题。不少学者指出，随着人口老龄化程度的加深，劳动就业水平将面临较大的下行压力，无论在发达国家还是发展中国家，人口老龄化均是解释劳动参与率下降的重要原因。然而，另外一些学者则认为，人口老龄化未必完全对劳动参与率带来负面影响。例如，Aaronson（2014）通过对美国就业数据的研究发现，人口老龄化对劳动参与率的影响是由多方面因素所致：因生育水平下降而带来的妇女重新选择就业、年轻人延长接受教育时间，以及高龄人口重返就业市场等，均会对劳动参与率带来多重影响效应，人口老龄化对劳动参与率的冲击存在较大不确定性。 冯剑锋、岳经纶（2017）进一步通过对44个国家面板数据进行实证分析后发现：在生育水平不断下降的同时，人口老龄化现象会引致高等教育规模的不断扩大，教育投资行为会使得人口老龄化对劳动参与率的影响呈U型发展特征，即在老龄化社会初期，人口老龄化会对劳动参与率产生明显的负面影响，但随着老龄化程度跃过驻点位置后，劳动参与率会出现明显反弹。导致这种情况的主要原因在于，进入高度老龄化社会以后，高龄劳动力会选择重新进入劳动力市场，从而有效弥补了接受教育的年轻劳动力和结构性失业工人的就业空缺。

现有研究虽然已有分析为我们深入理解人口老龄化对劳动参与率的影响提供了重要基础和经验支持，但仍存在不少局限性，其中较为明显的地方在于，大多数研究忽略了研究个体的空间关联性特征，从空间关系视角深入探讨我国人口老龄化对劳动参与率的影响在目前学界中并不常见。这种情况显然难以与我国目前的现实国情相符。众所周知，我国疆域辽阔，区域发展不平衡，不同地区的发展往往存在明显的空间要素（劳动力、资本和技术）流动，由此带来的空间关联效应不仅深刻影响到不同地区的人口年龄结构分布，同时也显著改变了各地产业分布和就业格局。那么，在这种特殊的空间环境下，我国人口老龄化与劳动参与率是否显著受到空间关联性的影响？若有，这种空间分布规律所带来的影响又该如何测量？两者关系中究竟有多少比例是由于空间关联性影响所致？针对这些问题的思考，笔者首先利用探索性数据分析方法（ESDA）对我国人口老龄化与劳动参与率的空间关联程度进行了深度勾勒，然后采用空间面板模型对两者关系进行深入分析，最后通过空间面板分解方法将人口老龄化对劳动参与率的影响分解为直接效应和空间溢出效应，并相应测算出不同影响路径下的作用大小。

一、模型介绍及变量说明

（一）模型介绍

1.探索性数据分析方法（ESDA）

探索性数据分析主要用于测度空间分布中相邻地区是相似（空间正相关）、相异（空间负相关）还是空间相互独立（随机分布），常用方法为Moran’s I，具体公式：

其中 w代表空间权重矩阵中的元素；x代表地区i观测值，代表样本总体均值，下标i和j分别为对应省份，n代表省域总数。由公式（1）可知，Moran’s I的取值范围为［-1，1］。 当 Moran’s I大于0时，则认为空间分布存在正相关（高值与高值相关相邻，或低值与低值相邻），当Moran’s I小于0，则认为空间分布存在负相关（高值与低值相邻），若Moran’s I接近0则认为空间分布处于随机分布状态。

2.空间面板模型

空间面板模型分为空间自相关模型（SAC）、空间误差模型（SEM）、空间杜宾模型（SDM）和空间自回归模型（SAR）四类，其一般形式为：

其中，W为对应空间权重矩阵，Y为因变量，X为解释变量，μ为误差干扰项。另外，δ为空间自回归系数，λ 为空间自相关系数，α|β|θ为 n×1 阶的参数向量，i为阶n×1的单位向量。需要说明的是，在估计前需要对模型相关参数进行设定检验。 本文参考胡亚权（2012）做法，采用 LM-Err（空间误差）、LM-Lag（空间自相关）及其稳健式以及Wald和LR检验进行设定。其中，LM检验主要针对SAR和SEM模型进行比较；然后分别采用Wald检验和LR检验，主要针对SAR/SEM模型进行筛选检验。

在公式（2）基础上将（y）分解为直接效应和空间溢出效应，其中直接效应指本地对该地区的影响，而空间溢出效应则指相邻地区对该地区的影响，具体为：

其中直接效应为S（W）中对角线上元素的平均值，而空间溢出效应为S（W）中非对角线上的所有元素平均值，直接效应和空间溢出效应总和为总效应。

（二）研究对象及相关变量说明

本文选取1990—2012年全国31个省、市、自治区（不含港澳台）作为考察对象，考虑重庆自1997年起成为直辖市，为保持口径一致，本文将其并入四川。变量方面，其中劳动参与率选取各地经济活动人口除以15-64岁人口作为考察对象，其中经济活动人口为就业人口加上城镇登记失业人数，而人口老龄化（age）则以65岁及以上人口比重作为考察对象。另外，本文还加入一组控制变量来控制其他因素的干扰，具体包括：（1）市场化程度（institution），选取非国有固定资产占固定资产总额比重，用以捕捉市场化水平对劳动参与率的影响；（2）人均 GDP 增速（pgdp），用以捕捉经济增长对劳动参与率的影响；（3）服务业人口比重（service），选取第三产业就业人口比重占总人口比重，用以捕捉产业结构调整对劳动参与率的影响；（4）少儿人口比重（young），选取 0-14岁少年人口占总人口比重，用以表征抚养孩子对劳动参与率的影响；（5）人均受教育年限（educ），选用接受教育总时间除以对应人口总数，用以表征教育投资行为对劳动参与率的影响；（6）国有企业职工比例（soe），选用国有企业员工占就业人口比重，用以表征就业单位成分对劳动就业的影响；（7）人口密度（den），用以捕捉人口稠密程度对劳动就业市场的影响。

二、实证检验：人口老龄化对劳动参与率的空间相关性影响分析

本文首先针对人口老龄化与劳动参与率的各自相关度进行Moran指数测算，图1显示，人口老龄化与劳动参与率的Moran’s I均显著大于0，两者在空间分布上均存在明显的空间正相关特征。另外，考察两者系数大小可以看出，人口老龄化的空间相关程度表现较为平稳，前期在0.3附近出现了波动徘徊，直到后期开始不断有所下滑，空间分布趋于随机分布状态。反观劳动参与率的空间相关度则变化较为明显：在初期，劳动参与率的空间相关水平处于较低状态，但随着时间推移，劳动参与率经历缓慢的上升趋势，在2003年左右开始出现快速上升，随后又经历快速下降。从两者关系的空间关联度可知，人口老龄化与劳动参与率均存在一定的空间相关性，对两者关系的深入研究应考虑从空间计量角度进行分析。

图1 人口老龄化与劳动参与率的Moran’s I变动趋势

（一）空间面板模型的设定

本文首先根据LM-Err、LM-Lag及其稳健形式以及Wald和LR检验对模型进行设定检验（表1）。从显著性水平来看，空间滞后明显优于空间误差，因此可以认为SAR相比SEM更合适，而Wald检验显示三类模型均拒绝原假设，可以认为SDM相比SAR更合适。最后考察LR检验发现，三类模型均拒绝原假设，可以认为SAC相比SAR更合适。综合上述结果来看，本文将采用SAC与SDM模型进行估计测算。

表1 空间面板模型的设定检验

（二）空间面板模型的估计结果

表2显示，SAC的rho系数要优于SDM，且SAC的lambda系数显著不为0，因此三类模型应选用SAC。进一步比较SAC模型，发现控制地区后的SAC模型比其他两类模型的拟合优度（R）要高，因此笔者选择控制地区效应后的SAC模型进行分析。

表2显示，在考虑空间相关因素后，人口老龄化对劳动参与率的影响总体显著为负，这一结论与较多学者认为人口老龄化程度的加深会对劳动参与率产生负面影响相一致。另外考察其他控制变量，可以发现提高市场化程度将有助于提升劳动参与率，这反映出在市场化程度越高的地区，民营企业生产规模的不断扩大有利于满足大量刚性劳动就业需求，因而对劳动参与率产生正面影响。另外，人均GDP增速（pgdp）、服务业人口比重（struc）、少儿人口比重（young）以及人均受教育程度（educ）均对劳动参与率存在负面影响。其中，经济增速和服务业人口比重上升对劳动参与率带来负面影响，这反映出随着产业结构调整步伐的不断加快，经济结构转型所带来的结构性失业会影响到劳动个体的就业机会，从而对劳动参与率产生不利影响；另外，少儿人口比重的上升抑制了劳动参与率，反映出抚养孩子数量的增加会降低父母参与劳动就业的时间和机会，进而会对劳动参与率带来负面影响；而人均受教育程度的上升所带来的负面效应则主要是因为受教育时间的延长显著推迟了年轻劳动个体进入劳动就业市场的时间，因而对劳动参与率存在负面影响。

表2 空间面板回归结果

三、直接效应与空间溢出效应的分解结果

根据模型设定，本文以控制地区后的SAC模型作为分析对象，并将显著性变量进行了分解。图2显示，人口老龄化不仅对当地劳动参与率产生了负面影响，同时也给其他相邻地区的劳动参与率带来明显的正面溢出效应。比较两者大小可以发现，直接效应约为总效应的155%，空间溢出效应约为总效应的55%，通过计算可知，直接效应的负面影响大概是正面溢出效应的2.8倍（1.55/0.55）。因此，从总体来看，人口老龄化对劳动参与率的影响显然具有明显的负面效应。这一发现表明，在整个人口转变过程中，人口老龄化程度的加深对劳动参与率的影响主要是由两方面因素所致：一方面，随着本地生育水平的不断下降，抚养孩子数量的减少会引致父母增加对子女的教育投资，教育规模的不断扩大导致了大量年轻劳动力推迟进入劳动力市场，从而对劳动参与率产生明显的负面作用；但是，另一方面，大量年轻劳动力从相对落后地区流入东部沿海省份，劳动力人口流失虽然间接加剧了相对落后地区的人口老龄化水平，但同时也给其他相邻地区提供了丰富的人力资源，这些年轻外来劳动力能较好地适应人口流入地的城市发展和产业转型升级，一定程度上弥补了大量因接受教育而推迟进入劳动力就业市场的当地就业人口，因此对其他相邻地区的劳动参与率带来了显著正面影响。由此可见，在进入老龄化社会以后，劳动力要素的空间转移在一定程度上有效缓解了我国人口老龄化对劳动市场的负面冲击，虽然这一作用并没有完全改变人口老龄化对就业市场的总体影响效果，但这一积极因素应引起社会各界的充分重视。

图2 直接效应与空间溢出效应的分解结果（5）

另外，考察其他满足显著性水平的控制变量，发现市场化程度（institution）对本地劳动参与率具有明显提升作用，但对其他相邻地区却带来负面影响。这一情况说明市场化程度越高的地区虽然能有效提供较多工作岗位来满足刚性劳动就业需求，但同时也对其他相邻地区产生一定“虹吸”效应，进而影响到其他地区的就业水平。此外，少年人口比重（young）对本地劳动参与率具有明显的抑制作用，但对相邻地区却有明显正面影响。笔者认为主要归因于以下两方面：一是少儿人口比重的上升降低了本地劳动参与率的增幅，即抚养孩子数量的增加的确会降低本地父母参与劳动就业的时间和机会，但由于我国经济发展存在明显的城市“集聚”现象，年轻父母跨省外出打工而子女无法在当地就读情况造成了相对落后地区普遍存在留守儿童问题，所以少儿人口比重的上升对经济相邻地区的劳动参与率存在正面影响在一定程度上印证了上述现象。

最后值得注意的是，笔者发现两个令人感到意外的结论：即人均GDP（pgdp）和服务业比重（struc）对劳动参与率的总体效应显著为负，其中两者直接效应显著为负，但空间溢出效应却显著为正。笔者认为这主要与我国特殊的区域发展模式有较大关联。在较为发达的东部沿海地区，经济发展程度越高，产业结构调整步伐就越快，由此带来的结构性失业问题也较为严重，对劳动参与率的负面冲击也较为明显；但另外一方面，本地经济发展对相邻地区的发展又具有明显的辐射效应，在产业转移过程中，落后地区通过承接相对发达地区的下游产业链，能有效地提供低廉技术的劳动就业岗位，进而能在一定程度上对其他相邻地区的劳动参与率带来正面影响。

四、结语与讨论

本文针对我国人口转变过程中所发生的一系列基本事实，从空间关联视角系统解读了当前我国人口老龄化对劳动就业市场的影响。结果发现，在整个人口转变过程中，人口跨区域流动引致了人口老龄化和劳动参与率存在明显的空间正相关特征，人口老龄化对劳动参与率的影响同时存在直接效应和空间溢出效应两方面，其中直接效应所带来的影响显著为负，而空间溢出效应影响则显著为正。比较两者大小发现，由于直接效应是空间溢出效应的2.8倍，因此人口老龄化对劳动参与率的总体影响显著为负。

通过以上分析可以看出，在人口老龄化日益加深的情况下，由于人口跨区域流动的影响，劳动力要素在空间分布上得到了有效配置，进而在一定程度上缓解了人口老龄化对劳动就业市场的负面冲击。这一发现表明，在人口转变过程中，优化劳动力要素的空间配置是有效缓解老龄化社会对就业市场负面冲击的重要途径，随着我国人口红利的逐渐式微以及“刘易斯拐点”的日益临近，这一积极作用应引起社会各界的高度重视。而针对有关结论，笔者认为当前社会政策需在以下几方面进行努力：

第一，政府应高度重视人口流动对劳动就业市场的正面作用，积极通过户籍制度改革来放宽城市人口的准入门槛，优化劳动力资源在空间分布上的有效配置。在人口老龄化程度不断加深的今天，城市人口同时面临着日益膨胀的问题，各级政府应加快完善城市基础公共设施和就业服务体系，通过建立科学合理的就业服务平台和高效的合作网络体系，进一步提升城市就业的整体吸纳能力。

第二，政府应加快完善相关社会保障制度建设，着力提升社会安全网络水平，进一步为广大外来务工人员提供合适有利的生活条件和制度保障。具体而言，各级政府应加强社会保障制度的城乡统筹能力和统筹层次，在制度设计和资金转移方面，应进一步满足外来务工人员的流动适应性需求，完善基本养老保险和医疗保险相关转移接续的规定，保证广大外来务工人员真正享受到应有的社会福利和生活保障。

第三，政府应注重区域发展过程中，劳动力人口流出对相对落后地区的负面冲击，加强中央政府在不同地区发展过程中的整体协调能力，着力缩短不同地区的经济发展差距和基本公共服务的城乡差异。一方面，政府应进一步通过政策扶持方式来积极发展符合当地特色的旅游文化产业，鼓励当地居民根据当地文化特色和资源禀赋进行自主创业，并通过电子商务等服务平台加快对接各项扶贫工作的开展，完善各项社会基础公共服务设施的建设；另一方面，政府应充分发挥区域间产业发展的协同效应，积极引导相对落后地区通过承接发达地区的下游产业链进一步激活当地潜在就业人口。

第四，社会各界应加强以市场导向的就业服务指导，通过产学研合作模式来加快提升我国高校大学生的整体就业水平，同时应加快推行延迟退休政策和针对产业调整过程中就业困难的失业工人进行职业培训，利用老龄产业快速发展这一历史机遇来引导部分劳动力资源重新进入劳动市场就业；以此提升未来我国整体劳动就业水平。

注释：

（1）世界银行官方网站：https：//datacatalog.worldbank.org

（2）一个地区的人口老龄化程度主要受两方面因素所致：一是生育水平下降和平均寿命延长所带来的本地人口老龄化现象；二是人口迁移过程中，劳动力人口的迁入与迁出均会在短期内显著影响该地区人口老龄化程度。

（3）这里采用经济加权的空间距离作为空间权重矩阵，限于篇幅没有具体列式出来，感兴趣读者欢迎向作者本人索取。

（4）虽然在控制地区效应后（Spatial-Fixed）的检验，LM-Lag和LM-Err均没有通过显著性检验，但比较显著性水平来看，LM-Lag检验的p值为0.14，而LM-Err检验的p值为0.714，相比较而言，选择LM-Lag形式较为合适。

（5）数值大于0说明是正向影响，小于0则为负面影响。