中国的资本回报率及影响因素

李宏瑾 唐黎阳

内容提要：本文以上市公司为样本，通过与宏观方法一致并考虑资产价格因素改进的微观参数估计法，对2007—2020年中国资本回报率进行估算，并以各省份为样本对资本回报率的长期影响因素进行实证分析。估算结果显示，全球金融危机以来，尤其是2012年之后，中国资本回报率下降趋势明显。实证分析表明，投资率与资本回报率呈显著U型关系，经济发展水平、人口或劳动力增长、第三产业发育程度越高，资本回报率也越高，而房地产增加值占国内生产总值(GDP)比重则与资本回报率显著负相关。上述发现对中国今后增长方式转型和经济高质量发展具有重要启示。

一、问题提出

资本回报率是一定时期内资本收益与创造收益所用资本之间的比率关系[1]，反映了既定资本存量创造的流量资本收益，是资本投资效率重要的衡量指标，更是企业开展投资决策的重要参照，对企业微观主体经营决策和宏观经济运行都非常重要。长期以来，中国采用投资主导的经济增长模式，投资在拉动经济增长中发挥着关键性作用，20世纪70年代以来投资率(资本形成总额占支出法GDP的比重)始终保持在30%以上，由此引发了对中国投资效率低下和过度投资导致经济结构失衡等的关注。早在21世纪初，经济学界就对中国依赖投资的经济增长模式是否合理开展了大量争论，进而引发了很多有关中国资本回报率估算的研究[1-2]。全球金融危机之后，中国潜在产出增速趋势性下降，正转向以中高速增长为特征的高质量发展阶段。很多研究表明，支撑投资的全社会资本回报率也随着经济的收敛而明显下降[3-5]。

近年来也有学者指出[6-7]，由于住房支出统计偏差和遗漏高收入人群等问题，中国可能明显低估消费率，投资率也由此被高估约十百分点。同时，与发达国家相比，中国资本回报率较高，投资率相对较高也是合理性的[5]。但是，统计遗漏和偏差是各国都存在的难题，虽然包括国家统计局在内的中国各类住户收入调查都存在一定程度的人口结构偏差，但这种偏差对于收入水平和收入不均等程度的结果影响不明显[8]。尽管2011年中国投资率达到最高的47.03%之后逐步下降，但投资对经济增长的贡献率在金融危机冲击的2009年和新冠肺炎疫情冲击的2020年分别高达85.3%和94.1%。中国投资率自2007年以来始终保持在40%以上，一直位居全球前列，无论是水平还是持续时间，已远远超过日韩等经济起飞阶段的情形(1)世界银行数据库显示，2020年中国43.1%的投资率位列全球第5，即使剔除约十百分点的统计误差，仍接近于第12名的黑山(32.6%)。2000—2020年中国的年均投资率高达42.2%，而处于经济起飞高速增长阶段1960—1980年的日本和1970—1990年的韩国，年均投资率分别仅为35.0%和30.4%。。中国投资率过高且增长过于依赖投资，制约着中国经济结构优化和发展方式转型。对中国资本回报率进行估算并考察其影响因素，意义非常重要。

国内对中国资本回报率的估算已涌现大量研究成果，但大多都是利用宏观方法估算全社会资本回报率[4-5,9]，采用微观估算法并以企业数据为样本的研究相对较少且主要针对工业企业样本进行估算[1,10]。需要指出的是，中国第三产业增加值占GDP的比重从2007年开始就已超过工业，仅利用工业企业数据估算资本回报率难以全面反映社会资本整体回报情况。有关资本回报率影响因素的研究成果更少，近几年才有学者以各省份资本回报率为样本进行了实证研究[3,11-12]。本文将在资本回报率宏微观估计方法内在一致性的基础上，通过考虑价格因素的改进后的微观参数估计法，以中国沪深A股所有上市公司财务数据为样本，对中国资本回报率进行估算，通过各省份上市公司资本回报率的估算结果，对影响资本回报率的长期因素进行实证分析。

二、与宏观参数估计法一致的资本回报率微观参数估计法

(一)资本回报率估算方法及宏微观方法的理论等价关系

由于理论基础不同，样本数据各异，资本回报率估算大体可分为以企业财务数据为基础的微观估计法和以新古典宏观理论为基础的宏观方法[13-14]，这两种方法又可分为回归法和参数估计法。由于指标选取、模型设定及遗漏变量等问题，回归法可能存在严重的估计偏误，国内仅龚六堂和谢丹阳(2004)[15]、辛清泉等(2007)[16]分别利用宏微观回归方法进行过尝试，后续研究并不多见。资本回报率的宏观参数估计法根据已有文献的资本租金公式推导而得[2，17]，理论基础坚实，已成为当前资本回报率估算的最主要方法。虽然微观参数估计法理论基础较弱，但直观简洁操作方便[1]，也有研究利用这一方法估算资本回报率。

由于理论基础和数据样本不同，宏观参数估计法与微观参数估计法的估计结果往往差异较大。戈姆等(Gomme et al.，2011，2015)指出，企业是投资决策和宏观经济的微观基础，理论上宏微观法得到的资本回报率具有内在的一致性，进而分别利用微观和宏观参数估计法估算并比较了美国1954—2015年的资本回报率[13,18]。戈姆等(2017)[14]对考虑厂商和家庭分散投资决策的新古典增长模型的理论分析，阐明了资本回报率宏微观参数估计法的内在等价关系。

设定代表性家庭部门需要在一单位实物资本租金rt和家庭提供一单位可支配时间于劳动获得的工资wt为给定值的条件下，进行分散决策并最大化总效用：

(1)

代表性家庭约束条件如下：

ct+kt+1-(1-δ)kt=rtkt+wtnt

(2)

式(2)中，ct、nt和kt+1为代表性家庭部门的决策变量，分别代表t期消费、劳动供给(占总可支配时间的比例)以及(t+1)期期初或t期期末的家庭实物资本总量。代表性家庭部门分散决策时给定的rt和wt，其最优水平由代表性厂商部门每期的生产最优化问题所决定：

(3)

(4)

同理，代表性厂商需要在假定家庭除了所占厂商股份数外的其他决策变量给定的条件下，最大化其贴现厂商总红利：

(5)

式(5)中，λt为一单位t期消费品在0期的贴现价格，dt为t期厂商红利，其具体表达式为：

dt=F(kt,ztnt)-wtnt-it

(6)

式(6)中，it为t期厂商投资，即t期厂商红利等于t期厂商产出扣除对家庭的劳动报酬支付和厂商投资。同时，代表性厂商部门面临如下约束：

kt+1=(1-δ)kt+it

(7)

由于代表性厂商部门做分散投资决策时，不能把每期初始时刻家庭部门所占厂商股份数φt当作给定值，因此还需将代表性家庭部门最大化其贴现总效用的问题转变为：

(8)

此时，家庭部门以t期期末拥有的厂商股份数φt+1而不再是t期期末的家庭实物资本总量kt+1作为其决策变量。同时，代表性家庭部门面临如下现值约束：

(9)

式(9)中，pt是以t期消费品单位衡量的厂商股份每股价格。其中，左侧ct+ptφt+1为家庭t期消费加t期期末家庭部门所占厂商股份的价值，右侧wtnt+ptφt+dtφt为家庭t期获得的劳动报酬加t期期初家庭部门所占厂商股份的价值加t期厂商部门对家庭部门所占厂商股份的红利支付。家庭部门以拥有的厂商股份数而非实物资本总量作为决策变量，避免了式(2)的每期约束，只需满足式(9)体现的单个贴现约束。求解上述代表性厂商部门红利最大化问题和代表性家庭部门效用最大化问题，可以得到金融资产定价公式：

λtpt=Etλt+1(pt+1+dt+1)

(10)

根据式(4)、式(6)、式(7)和式(10)，再结合商品市场出清条件ct+it=F(kt,ztnt)和金融资产市场出清条件φt=1，可以整理得出如下关系：

(11)

(二)考虑价格因素的改进后资本回报率微观参数估计法

微观参数估计法主要依赖企业财务数据，指标口径往往差异较大，北京大学中国经济研究中心(CCER)“中国经济观察”课题组(2007)提出了九个资本回报率指标公式，在分子方面分别考虑企业净利润、直接税(所得税)、间接税(增值税、营业税等)，在分母方面分别考虑权益资本、资产、固定资产净值，九个资本回报率指标分别为权益净利润率(ROE)、权益总利润率、权益总回报率、资产净利润率(ROA)、资产总利润率、资产总回报率、固定资产净利润率(ROC)、固定资产总利润率、固定资产总回报率[1]。国内微观参数估计法资本回报率大多围绕这九个指标进行估算，其中，以固定资产净值为分母的固定资产回报率与宏观参数估计法的含义最为接近，因而本文主要对固定资产回报率进行估算。

国内很多微观参数估计法的研究[1,19]估算时都直接采用企业资产负债表的固定资产净值数据，没有考虑历年资产价格变化并进行调整，仅反映了固定资产的账面价值。为此，张勋和徐建国(2014)在永续盘存法基础上通过固定资产价格指数进行调整，从而获得考虑价格影响的固定资产净值，但是并未区分不同类型资本品来对固定资产净值进行价格调整[11]。与戈姆等(2011，2015，2017)[13-14,18]的思路类似，张勋和徐建国(2014)[11]、唐等人(Tang et al.，2017)[20]进一步校准统计口径和计算方法并对不同估算方法进行调整匹配，发现宏微观参数估计法结果大体一致。由于宏微观参数估计法的内在一致性，本文借鉴白等人(Bai et al.，2006)[2]拆分不同类型资本品的方法，考虑企业固定资产净值的价格因素，更合理地估算资本回报率。

(12)

(13)

(14)

(15)

(16)

三、中国的资本回报率及其变化趋势

(一)资本回报率的估算结果

图1 中国资本回报率及总体税负情况

由图1可见，2012年以来资本回报率总体上呈明显下降趋势，只是在供给侧结构性改革开始之后短暂提升，这与中国潜在产出增速的趋势性下降一致。在全球金融危机巨大冲击下，2009年中国资本回报率下降幅度较大，但资本回报率在大规模刺激政策下快速反弹，2011年回升到危机前水平。不过，随着中国转向以中高速增长为特征的高质量发展阶段，2012年以来，中国资本回报率下降趋势明显，净利润率在2015年降至阶段性最低的4.3%，总回报率在2016年降至阶段性最低的13.5%。为此，2015年底中国开启了供给侧结构性改革，2017年资本回报率好转明显。但是，由于供给侧结构性改革边际效果递减和内外环境持续恶化，2018年开始，中国资本回报率再次持续下降。尽管疫情对中国经济造成了重大负面冲击，但在强有力的疫情应对政策下，2020年中国资本回报率仅小幅下降，净利润率和总回报率仅分别较2019年低0.61和0.81百分点，这主要得益于“六稳”“六保”及降息降租、减税降费等政策支持，企业盈利尚未全面恢复，经济复苏基础并不牢固，当前经济尚未完全回归到潜在产出增速路径，本文基于上市企业微观数据的资本回报率估算结果是可靠的。

税负水平对企业投资回报(净利润率)和投资意愿具有较大影响。总回报率与净利润率之差可以作为衡量企业税负的指标。由图1可见，2012年以来中国税负水平总体上持续下降，特别是供给侧结构性改革以来，中国全面推行“营改增”、降低增值税税率等减税降费政策，总体税负下降速度明显加快，这对促进企业投资意愿和经济平稳运行起到了较好的积极作用。

(二)宏微观资本回报率比较

将本文微观参数法的估算结果与宏观参数估计法研究成果进行比较，进一步考察宏微观参数估计法的关系。白重恩和张琼(2014)[3]、王开科和曾五一(2020)[4]、李宏瑾和唐黎阳(2021)[5]分别报告截至2013年、2017年、2019年中国资本回报率估算结果。将本文估算的结果与这些结果进行比较，以考察宏微观资本回报率的关系。微观资本回报率以固定资产净值为分母，与宏观参数估算法不考虑存货的资本回报率更为接近，因此本文采用不考虑存货的宏观法资本回报率数据。

图2 净利润率与宏观参数估计法税后资本回报率的关系

观察净利润率及与之对应的税后资本回报率的关系。由图2可见，本文估算的净利润率与宏观参数估计法的税后资本回报率变化趋势密切相关，净利润率与李宏瑾和唐黎阳(2021)[5]、王开科和曾五一(2020)[4]、白重恩和张琼(2014)[3]宏观法估算的税后资本回报率相关系数分别为0.810、0.629、0.866，并且分别在1%、10%和1%水平下显著。以净利润率作为因变量，分别与各宏观税后资本回报率进行最小二乘回归(经检验，变量均为I(1)序列，存在协整关系，限于篇幅不报告具体结果)，为避免可能出现的自相关或异方差对显著性检验的影响，采用纽威-怀特(Newey-White)一致稳健标准差进行显著性检验。由表1可见，净利润率与各宏观税后资本回报率至少都在10%水平下显著。而且，对回归系数的沃尔德(Wald)系数检验F统计量表明，除了与白重恩和张琼(2014)[3]的回归显著拒绝了系数等于1的原假设外(这可能与样本数量较少有关)，其他两列回归结果均无法显著拒绝系数等于1的原假设。税前资本回报率的计量结果与税后资本回报率类似，限于篇幅不报告具体检验结果。由此可以说明，资本回报率微观参数估计法与宏观参数估计法具有理论上的一致关系。

表1 净利润率与宏观法税后资本回报率回归结果(净利润率为因变量)

四、资本回报率影响因素：基于各省份样本的实证结果

(一)指标变量说明

本文以上市公司财务数据为样本，通过改进的微观参数估计法得到全国资本回报率。按照上市公司注册地址以各省份上市公司为样本，可得各省份上市公司资本回报率。以31个省份(限于数据可得性，不含港澳台地区)为样本实证分析资本回报率的影响因素。目前，国内资本回报率影响因素的研究主要以定性分析为主，只是在最近几年才逐渐涌现出相关实证研究[3,11-12]。在影响因素的变量选取方面，虽然有的研究根据资本回报率估算公式或生产函数选取变量[3,11]，具有一定的理论基础，但计量分析中的具体指标变量并不完全相同，仍控制了很多其他相关变量。即使是对于同一变量与资本回报率关系的结论也不一致。例如，白重恩和张琼(2014)、赵善梅和吴士炜(2018)分别针对1978—2013年和1978—2015年样本的实证研究都发现，投资率与资本回报率呈现显著的非线性U型关系[3,12]；张勋和徐建国(2014)则认为两者存在长期稳定的正相关关系，但同时也承认这可能与其选取的1998—2010年特定样本期有关，在此期间后发优势明显，投资带来的技术进步可以抵消资本边际回报率下降的影响，投资率拉升资本回报率可能仅是一个时期的特殊现象[11]。

本文首先重点考察投资率(INV)与资本回报率的关系。全球金融危机后，特别是2012年以来，与转向中高速增长的高质量发展阶段一致，中国资本回报率也随着潜在产出增速的趋势性下降而明显下降。21世纪以来，中国投资率持续偏高，投资带动经济增长和资本回报率上升的作用明显下降，本文预期投资率与资本回报率呈显著负相关关系。作为衡量投资效率的重要指标，资本回报率不仅与增长模式和经济结构密切相关，一个地区的经济发展水平、人口或劳动力、产业结构等因素对资本回报率水平具有重要影响。为此，本文分别以各省份人均GDP(PerGDP)、人口(Popu)或劳动力(Labor)变化、第三产业增加值占比(Tertiary)等指标作为控制变量。通常来说，一个地区经济发展水平越高、人口或劳动力流入越多、第三产业经济占比越大，资本回报率也越高。另外，中国投资率较高，除了制造业、基础建设投资外，房地产也是重要的资本和投资密集型行业。已有文献表明，房地产业及其相关行业的生产率水平远远低于其他行业，房地产和房价的过快上涨不利于生产效率的提高[23-24]。为此，本文还将房地产增加值占GDP的比重(Housing)作为控制变量。

目前，中国各省份支出法GDP统计公开数据仅更新到2017年，为此本文通过各省份全社会固定资产投资增速和2017年支出法资本形成数据，估算得到2018—2020年各省份的资本形成替代指标，进而得到2007—2020年完整的投资率序列。目前，中国各省份就业数据仅更新至2019年，因而本文以2007—2020年总人口变化情况作为劳动力的替代指标，并以2007—2019年就业人数变化情况进行稳健性检验，其中西藏就业人数仅更新至2018年。具体指标变量情况参见表2。

表2 指标变量说明

(二)资本回报率影响因素实证结果

现有资本回报率影响因素研究都采用面板数据回归方法。虽然面板数据样本数量多，能够控制更多变量，但由于样本时间期限较长且变量选取并不完全相同，很多变量回归结果并不稳健且结果可能并不一致。本文主要关注影响资本回报率的长期因素。巴罗(Barro，1991)[25]在针对跨国截面数据的研究中，为考察变量间的长期关系并剔除经济周期性波动对变量关系的可能影响，将长期时序指标进行平均，从而分析自变量对经济增长的长期作用，这一方法被广泛应用于宏观经济各领域研究，例如金和莱文(King & Levine，1993)[26]有关金融发展的开创性实证研究。因而，本文借鉴巴罗(1991)[25]的做法，将2007—2020年数据平均并进行截面数据回归分析，从而更好地考察变量间的长期关系。以净利润率作因变量进行最小二乘回归，结果如表3所示。

表3 资本回报率影响因素(净利润率为因变量)

由表3可见，投资率、总人口等变量与净利润率的回归效果非常理想，在所有方程中都至少在1%水平上显著，考虑经济发展水平的方程3各变量回归也都至少在10%水平上显著。方程4进一步控制第三产业占比指标后，发现人均GDP与第三产业占比均不显著，而通常来说经济越发达，第三产业占GDP比重越高，两者可能存在共线性现象。方差膨胀因子(VIF)检验表明，两者确实存在明显共线性，PerGDP的VIF为87.0，远大于10的临界值且高于Teritary的VIF(为60.0)，剔除PerGDP后方程5经VIF检验不存在共线性问题，回归效果非常理想，各变量都至少在5%水平上显著。类似地，考虑房地产占比后所有变量的回归方程6中，PerGDP与Tertiary也存在明显的共线性，而且Tertiary的VIF高达42.3，高于PerGDP的VIF(为41.6)，因而剔除Tertiary后方程7的回归效果也比较理想，各变量都至少在10%水平上显著。所有方程中，变量回归的符号都与理论相符，说明各变量与净利润率的关系是可靠的。

以总利润率作为因变量进行回归，由表4可见，回归结果与表3类似，而且方程4和方程6的人均GDP与第三产业占比的共线性情况相同，方程4中PerGDP的VIF高达97.3，方程6中Tertiary的VIF高达80.0，而剔除这些变量后，方程5和方程7均不存在共线性问题，只是方程7中房地产占比变量仅在15%水平下显著，但符号仍为负，与理论预想相同。可见，总回报率作为因变量的回归方程中，人口、经济发展水平、第三产业占比等指标的效果非常理想，房地产增加值占GDP比重与资本回报率的负相关关系也可接受，各变量与总回报率的关系是可靠的。

表4 资本回报率影响因素(总回报率为因变量)

(三)劳动力变量的稳健性检验

由于各省份2020年就业人数数据缺失，因而本文主要以总人口数作为劳动力替代指标。这里，将各省份2007—2019年就业人数变化情况平均(西藏就业人数截至2018年)作为劳动力变化指标，进行稳健性检验。以净利润率作为因变量的回归结果参见表5，可以发现除方程3的投资率变量仅在15%水平下显著外(这很可能与2020年各省份就业人数数据缺失有关)，其他方程回归结果与表3类似，方程4中的PerGDP的VIF高达44.6，方程6中的Tertiary的VIF高达21.6，而剔除这些变量后方程5与方程7的回归效果均非常理想。各方程变量回归系数符号均与理论相符，说明其与净利润率的关系是稳健可靠的。

表5 劳动力的稳健性检验(净利润率为因变量)

类似地，表6中以总回报率作为因变量，以劳动力变量作为替代指标，回归效果与表5类似，除方程3中的INV在15%水平下显著外，方程4中的PerGDP和方程6中的Tertiary的VIF分别高达56.3和21.6，剔除这些变量后方程5与方程7的回归效果均非常理想。各方程变量回归系数符号均与理论相符，说明其与总回报率的关系是稳健可靠的。

表6 劳动力的稳健性检验(总回报率为因变量)

表6(续)

(四)投资率与资本回报率的非线性关系

由表3—表6可见，投资率与资本回报率具有显著的负相关关系，支持了已有研究[3,12]的结论。理论上，在经济起飞和高速增长的初始阶段，投资上升将推动产出更快的增加，资本的边际产出为正。不过，随着投资的持续增加，在资本边际效率递减规律的作用下，投资率上升并不一定带来资本回报率的上升，反而可能出现资本回报率下降。为此，本文进一步对投资率与资本回报率的非线性关系进行检验，以净利润率和总回报率为因变量，与投资率和投资率的平方进行回归，其中投资率的平方为各省份历年投资率平方的平均值。经VIF检验，投资率与投资率的平方存在明显的共线性问题，其中以净利润率为因变量进行回归的VIF为18.4，以总回报率为因变量进行回归的VIF为23.0，进一步引入其他变量后INV或INV的平方回归结果大多不显著，因而不再控制其他变量。由表7可见，在两个方程中INV均在1%水平下显著为负，INV的平方均在5%水平下显著为正，这表明投资率与资本回报率具有统计显著的U型关系，并位于U型曲线的左端，过高的投资率反而导致资本回报率下降，这与已有研究[3，12]的发现一致。

表7 投资率与资本回报率的关系(净利润率、总回报率为因变量)

五、结论性评述

资本回报率是衡量社会投资收益的重要指标，也是企业进行投资决策的主要依据，对宏观经济运行和微观主体经营都具有非常重要的意义。本文以上市公司为样本，通过与宏观方法一致并考虑资产价格因素改进的微观参数估计法，对2007—2020年中国资本回报率进行了估算，并以各省份为样本对影响资本回报率的长期影响因素进行了实证分析。对中国资本回报率的估算可见，全球金融危机以来，尤其是2012年之后，中国资本回报率下降趋势明显，这与转向以中高速增长为特征的高质量发展阶段相符；在强有力疫情应对政策下，2020年资本回报率仅小幅下降，但当前企业盈利恢复的基础并不稳固；减税降费降息降租等政策对稳定资本回报率、促进企业投资意愿和经济平稳运行，发挥了积极的作用。实证研究表明，在资本边际效率递减规律作用下，投资率与资本回报率呈现显著U型关系；经济发展水平、人口或劳动力增长、第三产业发育程度越高，资本回报率也越高，但房地产增加值占GDP比重的提高则不利于资本回报率的上升。

当前，中国正处于增长方式升级和结构优化转型的关键阶段，经济发展也要由投资驱动、要素驱动转向创新驱动模式，综合施策切实提升投资效率和企业盈利能力，对未来经济的长期稳定健康发展至关重要。今后，要紧紧守住供给侧结构性改革这一主线，将供给侧结构性改革与需求侧管理相结合，以深化改革开放增强发展内生动力，切实提升资本回报率水平，更好促进经济高质量发展。为此，提出如下政策建议：

一是全面客观辩证落实“三去一降一补”工作任务，补好营商环境等体制短板，切实巩固并提升微观主体投资意愿。在全球疫情持续演变、外部环境复杂严峻、国内经济恢复不稳固不均衡的当下，应保持宏观杠杆率基本稳定，为实体经济营造适宜的货币金融条件。尽管受疫情等因素影响财政空间愈发有限，但仍要坚持减税降费的大方向，将降税费成本与转变政府职能相结合，健全公共财政体制安排，优化财政支出结构，大力完善制度性减税降费政策。切实改善营商环境，加快要素市场化改革步伐，在市场准入、审批许可、经营运行、招投标等方面，营造各种所有制主体公开公平公正参与市场竞争、依法平等使用资源要素、同等受到法律保护的市场环境，提升企业盈利的内生能力。

二是积极推进增长方式转型，夯实消费在增长中的基础性引领作用。由于人口等要素禀赋变化和资本边际回报率递减，过度依赖投资的增长方式难以为继。应加大教育医疗养老等社会保障投入，降低工薪阶层税收负担，增强城市治理能力，逐步取消对部分领域消费的限制性政策，打通堵点补齐短板，进一步激发居民的消费意愿，形成需求牵引供给、供给创造需求的更高水平的动态平衡，提升国民经济体系整体效能。

三是加快制定针对性人口政策，加大人力资本投入，尽可能减缓生育率下降和人口老龄化对资本回报率和经济增长的负面影响。通过加大对托幼保育的公共补贴、降低家庭教育负担等措施，提高生育意愿。改进社保福利制度，鼓励灵活用工安排，切实提升就业意愿和劳动参与率。除延长法定退休年龄外，还要大力改革养老金体系，加强区域间养老金统筹，构建富有弹性的养老金制度，鼓励更多适龄人员(特别是老年人)以不同形式参与劳动力市场。加强劳动者保护，消除就业市场年龄、性别、学历等不合理歧视现象，打破女性产后职业发展的隐性壁垒。深化户籍制度改革，畅通劳动力流动渠道。

四是加大知识产权保护力度，促进产业升级和经济结构优化。服务业超过第二产业成为国民经济第一大产业，主要源自与工业生产密切相关的生产性服务业的发展壮大，这属于良性产业结构变迁，能够更好地促进传统消费性服务业发展和经济结构转型升级。应加快培育壮大经济新动能，完善创新支持政策体系，以新技术、新业态改造提升传统产业，推动发展动能持续转换，促进新兴生产性服务业和高技术服务业发展，更好满足多层次、高品质、多样化的市场需求。

五是坚持房住不炒，健全房地产平稳健康发展长效机制。按照因城因地原则分类开展房地产政策调控，强化宏观审慎政策手段，严格控制信贷资金过度流向房地产业，弱化房地产的投资品属性。持续深化财税体制、土地制度和税费改革，降低地方财政和经济发展对房地产行业的过度依赖。