中国省域人口结构、消费与经济增长的系统耦合分析

高璐璐 赵亚楠 逯进

摘要：基于1997—2017年中国省域数据，采用系统耦合模型，讨论了人口结构、消费和经济增长三系统的协同发展特征，并利用空间重心模型进行拓展性分析。研究结果表明，中国各省份人口结构、消费和经济增长综合指数整体呈上升趋势，但东北地区人口结构指数表现较为平缓，东部消费指数最具活力，东北地区自2011年后经济增长指数呈下降趋势;考察期内全国三系统耦合水平由濒临失调阶段发展为勉强协调阶段，区域差异明显，由东向西呈现递减态势，且“消费经济增长”、“人口结构消费”和“人口结构经济增长”三类二系统对三系统耦合协调发展的促进作用依次降低。

关键词：人口结构;消费;经济增长;耦合

中图分类号：O212 文献标志码：A

文章编号：1006-1037（2021）03-0111-07

改革开放以来，随着深刻的社会变革、制度转型以及人口红利释放，中国经济总量规模不断扩大，人均GDP持续增加，在长达40年的时间里实现年均9%以上的增速，创造了世界经济增长的奇迹。然而，自2008年国际金融危机以来，中国GDP増长速度明显降低，从2007年的14.2%下降到2017年的6.9%，降幅高达51.4%。中国经济开始全面迈入结构调整阶段。全球性金融危机使得国外需求持续疲软，中国以出口导向为主要经济战略之一的经济增长模式受到前所未有的挑战，经济增长方式亟需由外需拉动型向内需拉动型转变，而内需拉动则主要依靠消费需求拉动。从消费现状看，虽然中国的消费总量及潜能巨大，但总体看消费不足，消费供需匹配并不合理。消费率偏低一直是困扰中国经济发展的结构性问题，国内的供给并未与消费需求形成有效匹配，供需错配导致了需求外溢和消费外流。回顾改革开放后中国的经济发展历程，充足的劳动力为经济增长提供了巨大的“人口红利”，但中国人口结构失衡日益显现。由此不但加重了社会抚养负担，还导致劳动力数量持续下降;同时，人口的空间集聚持续强化，加剧了人口分布的空间非均衡性，由此进一步拉大的区域之间的差距，并最终对经济的平衡增长产生抑制。从既有研究看，有关人口结构与经济增长的关系受到众多学者的重视，主要从老龄化率、人力资本和城镇化三个方面研究了人口结构与经济增长的关系。大多数学者认为老龄化趋势加深不利于经济增长[1-2];人力资本不但可作为直接投入要素作用于经济增长[3-4]，也可通过影响技术进步，而间接作用于经济增长[5-6]。多数学者从总需求释放、产业结构升级和人力资本积累等方面肯定了城镇化对经济增长的拉动作用[7-8]。有关消费与经济增长的关系研究主要有两个方面。主流观点认为，消费提高了各部门间的技术经济联系，从而提高全要素生产率和劳动生产率[9-10]，并引导产业结构优化升级[11-12]，以此促进经济增长。也有学者认为消费不利于资本积累进而阻碍了经济增长[13-14]。在人口结构对消费的影响方面，研究主要从三条路径展开：多数研究认为人口年龄结构与消费存在相关关系[15-16];城镇化通过收入、消费习惯等间接促进消费提升[17];人力资本水平的提升会有效提高消费者的知识储备和管理技能，进而促进消费和再生产的良性循环[18-19]。综合既有研究可以发现，有关人口结构、消费与经济增长三者之间的研究大都集中于两两之间关系的考察，有关三者关联性的讨论并不多见，而对此展开分析，将有助于从人口结构视角理解中国的消费与经济增长的关系。为此，借鉴系统耦合思想，本文尝试构建人口结构、消费和经济增长“三系统耦合”模型，全面解析三者内在协同发展机制。

1 数据处理与指标体系

在物理学概念中，耦合是在多种系统相互作用影响下产生的结果，此过程可以分为“协调”和“发展”两个维度[20]。其中“协调”指在一个系统的演化过程中各环节之间相互配合的程度，而“发展”则是一个系统不断更新和进步的过程。“协调”与“发展”相互交织，即为“耦合”。耦合度量了各子系统之间协同发展的水平，学界将其广泛应用于经济系统的解析，并对各系统之间的动态关联进行识别和定量化的测度[21]。

1.1 指标体系

本文构建了人口结构、消费和经济增长三个系统的量化指标集（表1），其中（-）代表负指标，其余皆为正指标。

1.2 数据来源及处理

本文的研究时序为1997—2017年，依据表1的指标体系收集整理了各省份的21年的面板数据。数据源于国家对中国人口信息的统计和分析，以及各省经济数据的报告分析，部分缺失数据运用线性拟合法估算得到。由于三系统在指标的纲要上存在较大差距，因此这里使用极值法实现对要素的量化分析。因正负指标在研究中代表的含义不同，所以需要正负标准化公式完成数据分析

其中，Nnm代表第n个省或直辖市第m年里的研究要素，N′nm代表第n个省或直辖市第m个年里数据的标准化分析，maxNnm与minNnm分别表示Nnm的峰值和最小值。

1.3 指标权重确定

使用层次分析法完成对权重的分析，结合收集数据创建研究矩阵，然后对矩陣的构造完成设计分析，客观分析矩阵中存在的问题，最后依据研究的需求对矩阵的权重展开分析。

1.4 综合指数

综合指数计算公式

其中，Wi为不同因子权重;N′inm表示标准化数据（n=1，…，31;m=1997，…，2017）;F1nm、F2nm、F3nm分别表示本次研究可以对象的要素类型，实现对其标准化分析。

1.5 三系统耦合解析

三系统耦合偏离差系数CV

其中，F1、F2、F3分别为老龄化、消费与经济增长表示不同的子系统。化简，得

因此，三系统的协调度C可以写成

依据前述原理，三系统的发展度T

其中，α、β、γ依次为F1、F2、F3的权重。本文认为老龄化、消费、经济增长三个系统在三者耦合关系的创建上起到同样重要的作用，因此令α=β=γ=1/3

1.6 耦合类型的劃分标准

耦合关系有两大类别：正向耦合就是在研究变量之间建立良好的关系，变量影响作用呈现积极的效果;反之，说明彼此之间的关系存在偏差，称作负向耦合。耦合度表示变量之间协调性，代表着彼此之间关系的融洽程度，针对系统耦合类型的研究和判定，中国已经具有相关方面的研究成果，如表2所示。

1.7 空间重心模型

空间重心模型在研究地理空间要素的分布和特征上具有很好的效果，其主要就是对空间属性阈值的研究，结合空间地理数据实现对整个区域属性值的研究整理出空间布局结构

其中，Xt和Yt是对研究对象属性值的分析，表示第t年其空间属性和地理布局，xi和yi分别代表第i个次一级区域位置经纬度数值的研究，Lit表示第i个次一级区域第t年要素的属性。这里的研究层面属于一级研究区域，将围绕31个省份各项数据实现对本次研究对象的数据采集，完成对中国经济属性值的分析

其中，Dts-k表示第t年各属性值产生的效果，分析各要素之间的协调性，C为将三维空间上的距离展现在平面空间上，设定为111.111。

2 实证分析

2.1 综合指数分析

根据式（3）、（4）、（5）可分别求得31个省份的三系统综合指数（限于篇幅，各具体数值不再列出），全国整体和四大区域人口结构、消费、经济增长综合指数的变动趋势如图1所示。

整体上看，人口结构综合指数呈现温和上升的趋势，人口结构一直保持稳定发展趋势。尽管人口老龄化程度不断加深，但人口素质的提高和新型城镇化的发展等有利因素部分抵消了人口老龄化的负向影响，人口结构最终在整体上保持温和和谐发展的态势。中国居民消费综合指数也呈现稳步上升趋势，1997—2017年由0.12增加到0.34，涨幅高达183%。市场经济的快速发展和互联网的普及营造了良好的消费社会环境，科学技术的迅猛发展提供了更加人性化的产品和更加优质的服务;不仅满足人们物质生活追求，也为人们创造更加丰富的精神世界，改变人们的消费方式，消费观念的转变增加了人们用于精神价值、服务附加价值产品类目的支出。经济增长综合指数整体呈上升趋势，但2008年后出现明显下降，这是由于世界经济动力不足，使得各国之间的贸易减少，出口受损，经济产生萎缩。2010年后，经济增长综合指数又恢复缓慢上升，说明中国经济已经复苏，各行各业开始走向发展的正轨。

从人口结构综合指数来看，东部、中部、西部总体呈增长趋势，且三大区域的综合指数依次递减。主要原因在于，经济发展水平越高，政府部门对于教育支出的强度和重视程度越高。因此，考虑到东部地区具有先发优势和区位优势，则其人口素质结构和分布结构有利影响缓解了老龄化带来的不利影响。而东北人口结构综合指数整体表现相对平缓，原因是东北地区的人口迁出数量不断增加，老龄化程度也日趋严重，伴随着逐年降低的出生率，不利于人口年龄结构优化。其次，从消费综合指数来看，除2008年外，东部、中部、西部、东北的消费综合指数表现为逐年递增，分别达242%、164%、149%、113%。可见，东部的消费最具活力，由于东部人均可支配收入相对更高，消费能力具有明显优势。其他三大区域的消费综合指数整体水平相差不多。值得注意的是，2015年后，东北、西部与中部地区差距明显增大。最后，从经济增长指数来看，四大区域总体均呈现出上升趋势，且发展状况良好，但增长速度却逐渐平缓。需要特别关注的是，东北地区的经济增速在2011年后出现了不同程度的下降，这与其生产要素供给弱化、产业结构失衡、工业发展滞后密切相关，人口净流失也对其经济增长造成了不利影响。

2.2 三系统耦合分析

利用式（10）可求得中国各省份的历年的耦合度（表3）。从全国范围内观察，首先，三系统耦合程度并不高，但却表现为逐年上升的趋势，从1997年到2017年，耦合值从0.48提升至0.55，增幅为15%，耦合等级也开始向利好的方向发展，呈现出协调的态势。其次，三系统协调度维持在0.93上下，而发展度平均水平为0.33。据此可知，耦合度程度不高主要受到了低发展度影响。将中国按照位置方向划分为四个区域，那么各区域的耦合值从最初的0.50、0.48、0.46、0.49分别提升至0.74、0.65、0.59、0.60，增长幅度依次减小，分别为48%、35%、28%、22%。东部地区耦合等级由最初的勉强协调水平上升至当前的中级协调阶段，考察期内均表现为协调发展，经济发展态势良好。而其他三大地区均实现了从失调发展到协调发展的跨越，但协调类型不尽相同，截至2017年，中部和东北的协调性还处在初级阶段，而西部更是刚刚迈入协调的范畴。结合上述的研究得出，耦合度最好的还是在东部，越靠近西部协调性越差。

从各省份看，耦合水平差距更为明显。北京和上海的三系统耦合度在全国遥遥领先，与其经济增长水平保持了一致。海南省是东部地区耦合度最低的省份，究其原因，该省经济结构单一，没有形成高附加值产业体系，经济增长主要依靠旅游业和房地产业拉动，工业占GDP比重在全国排名倒数第一。中部六省耦合水平均在0.54上下，差距相对较小，其中河南省的耦合度最高，得益于其良好的地理位置和交通条件、庞大的人口优势以及不断优化的产业结构。西部地区只有甘肃和西藏的耦合水平处于濒临失调阶段，其余10省均为勉强协调。其中，甘肃省面临的困境具有典型特征，一方面其经济发展水平低，人均GDP已多年位于全国最后一位;另一方面，就业岗位少，人口素质低，人才断层非常严重。特别是作为中国传统的重化工业基地，产业发展方向并不明确，工业结构不合理，制造业水平落后，高附加值产业明显不足。

2.3 空间重心特征

因为中国人口众多但分布不均，造成各区域之间的经济呈现较大的差异。本文从“人口结构、消费以及经济增长”三方面对中国耦合性的空间层面分析，为耦合的变化以及特征的掌握提供参考价值。根据式（11）计算全国人口结构、消费、经济增长的空间经纬度，绘制图2重心变迁轨迹。

由人口结构空间重心的动态变化轨迹可以看出，空间重心在111°23′E～112°47′E与33°18′N～33°41′N间波动变化，呈现先向东南方向后向西南方向演进的态势，总体重心南移，表明中国人口结构东南和华南地区优化转型速度发展较为迅速，且人口结构重心分布不平衡，1997—2017年呈现“迁移—折返—迁移”的特点。消费的空间重心在111°41′E～113°4′E与33°N～33°38′N间波动变化，总体上呈现逐渐向东南方位演进的趋势。经济增长的空间重心在111°56′E～112°52′E与32°43′N～33°36′N间波动变化，总体呈现向东南方向演进态势。表明中国的人口、消费与经济增长都大致呈现出南移趋势，契合了中国经济发展和要素流动的区域梯度差异特征。整体来看，中国消费、经济增长和人口结构的空间重心均呈现向东南移动的趋势，而且年均移动空间距离依次减少，空间波动程度依次递减，三系统的空间跃迁方向一致但空间移动距离有所差异，表明不同系统间协调发展程度的差别。三大系统重心的空间变动情况可以有效地说明系统间的耦合状况，图3为两两系统间的空间重心距离变动趋势图。

3 结论及建议

基于1997—2017年中国31个省的面板数据，采用系统耦合分析模型，讨论了中国人口结构、消费和经济增长的协同发展特征，并运用空间重心模型进行进一步拓展性分析。全国范围内人口结构、消费和经济增长指数都在增长，分区域看，东北地区的人口结构指数较小，消费指数东部地区相对较高，经济增长指数只有东北地区自2011年后呈下降趋势;中国三系统耦合水平由考察期始的濒临失调平衡阶段发展到考察期末的勉强协调平衡阶段，具有明显的区域差异，自东向西呈现明显的递减态势，且“消费经济增长”、“人口结构消费”和“人口结构经济增长”三类二系统对三系统耦合协调发展的促进作用依次减弱;消费、人口结构和经济增长三者的空间重心均呈现向南移动的空间变化趋势，且年均移动距离依次递减，空间波动程度依次减小。

基于当前中国的人口现状，政府应继续重视对人口数量的调控，结合实际情况有针对性的调节生育政策;注重提高人口质量，通过增加教育投资，组织在职人员参与职业技能培训，促进人力资本的积累。政府应该加快经济转型，为经济发展创造新的增长点，降低人口老龄化对中国经济造成的冲击。不断提升人民生活质量，缩小居民收入差距，提升消费能力;通过完善全国范围内社会保障体系，建立完善养老机制，保证老龄人口的生存质量，增加基础医疗、养老和教育的公共服务供给，为居民创造良好的生活环境，来促进休闲娱乐等现代消费服务业发展，最大限度激发居民消费潜力，实现消费升级，进而促进地区经济增长。

参考文献

[1]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（2）： 138-147.

[2]胡鞍钢.人口老龄化、人口增长与经济增长——来自中国省际面板数据的实证证据[J].人口研究，2012（3）：14-26.

[3]ALANI J. Role of human capital in the promotion of technological progress， economic growth and development in Africa： A case study of Kenya[J].African Evaluation Journal，2018，6（1）：a227.

[4]黃敏，穆桂斌，王选华.中国人才贡献率再测度：1978—2017[J]统计与决策，2020（20）：39-43.

[5]ANG J B. MADSEN J B， ISLAM M R. The effects of human capital composition on technological conver-gence[J]. Journal of Macroeconomics，2011，33（3）： 465-476.

[6]侯传璐，杨兴梅，逯进.区域经济增长中的人力资本外溢效应差异——基于中国省域数据的实证分析[J].青岛大学学报（自然科学版）， 2018，31（5）：68-72.

[7]SCHOONBROODT A， TERTILT M. Property rights and efficiency in OLG models with endogenous fertility[J]. Journal of Economic Theory， 2014（1）：551-582.

[8]朱越浦，樊晗露，黄新建.城镇化与老龄化对经济增长的影响研究[J].统计与决策，2017（10）：99-103.

[9]MOFRAD M A. The relationship between GDP，export and investment： Case study Iran[J].Business Intelligence Journal， 2012， 5（2）：401-405.

[10] 楚尔鸣，马永军.消费增长能否提升经济增长质量——基于全要素生产率的分析.[J].当代经济研究，2014（4）：53-59.

[11] 张翠菊，张宗益.消费结构对产业结构与经济增长的空间效应.[J]统计与信息论坛， 2016（8）：46-52.

[12] 吴瑾.居民消费结构、产业结构与经济增长[J]. 经济问题探索，2017（12）：18-22+180.

[13] APERGIS N， PAYNE J E. The causal dynamics between coal consumption and growth： Evidence from emerging market economics[J].Applied Energy，2010（6）：1972-1977.

[14] 郭晶，王涛.中国能源消费与经济增长关系的实证分析[J].统计与决策，2017（4）：138-141.

[15] ADDESSI W. Population age structure and consumption expenditure composition： Evidence from European countries[J].Economic Letters，2018，168（3）：18-20.

[16] 王歡，黄健元.中国人口年龄结构与城乡居民消费关系的实证分析[J].人口与经济，2015（02）：11-20.

[17] LUISITO B， ZOU B T. Does urbanization foster human capital accumulation[J].The Joumal of Developing Areas，2008： 171-184.

[18] TEIXEIRA A A C. QUEIRóS A S S. Economic growth， human capital and structural change： A dynamic panel data analysis[J]. Research Policy，2016，45（8）：1636-1648.

[19] 朱雅玲，沈悦，赵强.劳动力迁移视角下技能溢价对居民消费的空间效应研究[J].经济问题探索，2020（08）：180-190.

[20] 吴莹，逯进.山东省人口结构、对外贸易与经济增长的关联性分析[J].青岛大学学报（自然科学版），2018，31（4）：157-163.

[21] 张东玲，范伟丽，陈景帅.农村产业融合、绿色城镇化与城乡均衡发展的协同效应——基于线性与非线性关系的实证分析[J].重庆社会科学，2021（5）：53-70.