王浩名

摘要：通过队列模型预测中国出生人口变化及未来人口结构；并采用三角加权法处理人口结构数据，以8个不同人口结构组别作为内生变量利用VAR模型实证分析了人口结构转变对宏观经济变量的长期影响。研究发现，全面二孩政策有利于中国出生人口的提高，并且包含生育意愿的生育行为更符合当前中国家庭的生育观念。同时人口结构转变对长期宏观经济变量影响各有特点。相关研究为完善人口政策及相关政策提供翔实的佐证，并从避免出生人口堆积、为二孩生育提供相应保障措施和避免人口单一因素决定论等方面提出建议。

关键词：全面二孩政策；人口结构；宏观经济变化；VAR预测

中图分类号：C92-05文献标识码：A文章编号：1000-4149（2018）03-0025-12DOI：10.3969/j.issn.1000-4149.2018.03.003

Abstract：This paper mainly analyzes the two models of population growth under the Universal TwoChild policy. Through the forecast model of the age cohort， using the trigonometric weighted average method to deal with the lowfrequency endogenous relationship between population and long macroeconomic variables， this paper analyzed the impact of population growth on longterm macroeconomy under the Universal TwoChild policy. The results shown that the effect of population growth on real GDP growth rates， savings， investment and working time is obvious， but the effect of population growth on interest rates and inflation is very complicated. These results provide the evidence for the further policy research about the supporting policy for the Universal TwoChild policy， such as avoiding birth accumulation caused by the Universal TwoChild policy； providing welfare support the family with the second baby to avoid the negative effect on the economic to avoid the errors of demographic single factor of macroeconomic changes.

Keywords：Universal TwoChild policy； demographic structure； macroeconomic change； VAR forecast

一、引言

人口结构是影响宏观经济的重要因素。人口结构中的劳动年龄人口结构变动会对利率、储蓄、投资等重要经济变量产生影响，从而在长期内影响宏观经济增长[1-4]。劳动力是经济发展的脊梁，劳动力人口的比重在很大程度上影响了宏观经济发展趋势，并且在劳动力负增长前夕，经济就会出现增长放缓的现象。例如，20世纪90年代末日本劳动力人口达到顶峰，但在1992年出现了经济衰退；2011年欧盟劳动力人口达到顶点，但在2008年就已出现经济危机的征兆。进一步研究发现，当年轻劳动人口（20—42岁）与高年齡劳动人口（43—64岁）的比值一旦低于52%时，宏观经济增长会出现减速[5]。

对中国而言，在不调整生育政策的前提下，中国会在2017年出现年轻劳动力占高年龄劳动力比例低于52%的情况，即中国经济存在下行风险。人口中位年龄代表了体能、激励、创新力和欲望，所以人口中位年龄越大，经济活力会越发降低[6-8]。中国在1990年的出生率、死亡率和自然增长率分别为21.06‰、6.67‰和14.39‰，而到2014年分别为12.37‰、7.16‰和5.21‰

数据来源：1990—2016年《中国统计年鉴》；1990—2016年《中国人口与就业统计年鉴》。，出生人口和劳动力人口比重不断降低，老年人口比重不断上升，人口结构不断老化，进一步导致中国人口年龄结构失衡。其根本原因是由于计划生育政策导致出生率降低，使中国人口总和生育率已远低于正常的人口更替水平。目前中国政府已意识到人口结构的持续老化将对长期宏观经济带来消极影响，因此在2016年起正式实施鼓励生育的全面二孩政策。

那么全面二孩政策能否改善中国的人口结构？如果是，未来中国人口结构将发生什么样的改变？人口结构变动对宏观经济长期影响是什么？这是本文需要重点回答的问题。本文将判断：第一，在实施全面二孩政策后，中国新生儿人口数量会增加多少？第二，根据生命周期理论，少儿人口改变时，会对劳动年龄人口的长期消费、储蓄行为、效率工资、平均工作时间产生什么影响？第三，少儿人口变动所带来的人口结构改变会对长期实际GDP增长率产生什么影响？基于此本文侧重分析的重点有两个，一方面是预测在全面二孩政策下人口增长模式的变化和未来人口结构；另一方面是通过VAR模型预测人口结构对宏观经济变量的长期影响。

二、文献综述

人口结构变动通过多种渠道对宏观经济增长产生影响。首先少儿人口和劳动年龄人口的增加会直接影响家庭储蓄和投资。阿克索（Aksoy）对OECD国家1970—2012年的人口年龄结构数据分析发现，劳动年龄人口的增加会直接提高国家储蓄水平，促进投资，实现经济增长，在2007年左右OECD国家的劳动年龄人口达到顶峰，经济增速能够达到6%—7%，其后OECD国家经济增长速度放缓[9]。黄宾森（Wongboonsin）研究了45个发展中国家和发达国家发现，人口结构对经济增长产生很大影响，特别是劳动年龄人口增长对发展中国家的经济增长影响程度比发达国家更大，同时人口结构变化通过投资、金融市场和贸易渠道影响一国经济增长[10]。迪顿（Deaton）研究发现，人口结构转变对储蓄产生聚集效应和人口权重效应，少儿人口和劳动年龄人口比重的上升，对储蓄和经济增长产生积极作用[11]。芦东、赵文哲、董丽霞、陆旸和蔡昉等人分析了人口结构变化对于中国储蓄率和经济增长的影响，通过三期迭代模型、储蓄的年龄结构效应及潜在经济增长效应分析，发现转变人口结构特别是增加少儿人口和劳动年龄人口数量有利于提高储蓄率和潜在经济增长率[12-14]。

人口结构转变不但直接影响经济增长，还通过其他途径间接影响经济增长。席尔瓦（Silva）研究了斯里兰卡1991—2011年的人口结构变动，发现这段期间劳动年龄人口比例远大于受抚养人口的比例，这样的人口结构给斯里兰卡带来了更多的人口红利，促进了储蓄率、投资增长率和人力资本的提高，进而促进了经济增长[15]。阿布力格（Abrigo）分析了菲律宾人口结构转变的根源在于人口政策的转变，人口结构转变使菲律宾实现了从人口红利到政策红利的转变过程，人口结构的优化促进了人口红利的进一步提高，刺激了经济的增长[16]。也有学者分析了在人口转变过程中所带来的第二次人口红利，孟令国研究中国广州人口结构转变中发现，人口结构能够带来第二次人口红利，他利用柯布-道格拉斯生产函数证实了第二次人口红利带来储蓄率的提高[17]。甘单（Gonand）分析了由人口结构转变所带来的第二次人口红利对经济增长的影响，发现人口结构与代际再分配效应相互作用，第二次人口红利与储蓄和投资的影响高度相关，第二次人口红利也能够增加老年人口的福利，并促进了年轻人口和子孙后代的幸福[18]。费拉拉（Ferrara）、刘传江和齐明珠等学者也研究了人口结构转变对环境、教育、贸易、从业人口结构、劳动生产率和劳动利用率方面产生积极影响，从而推动经济增长[19-21]。

从人口结构与经济增长的实证方法来看，已有文献中通常把人口结构划分三个组别，即0—14岁年龄组、15—64岁年龄组和65岁及以上年龄组，进而分析这三个年龄组别的人口变化对宏观经济的影响，但从实证结果看人口结构对经济增长的回归结果却并不是特别显著。这是因为在人口结构变化对宏观经济长期趋势的影响过程中，典型的时间序列数据仅包含有限信息的长期变化，并且人口结构变化比GDP增长率、实际利率、投资、储蓄、通货膨胀、人均工作时间变化的频率更低，因此人口结构的超低频变化不能很好地检验经济因素的低频变化。琼斯（Jones）和帕克（Park）等利用OECD國家、美国和欧盟人口结构数据检验其与经济增长的关系时，发现人口结构与储蓄率、GDP增长率、投资的回归结果并不显著[22-23]。因此，本文借用了穆勒（Mueller）和瓦特森（Watson）的方法[24]，这是因为对于长期样本数据的低频变化，可以采用低频三角加权平均值的办法进行处理，这样更有利于分析数据长期变异性以及数据协变性的推断，而且低频三角加权平均值更符合大样本正态分布性，更有利于长期持续随机性的实证分析，也有利于从大样本向小样本反向推理分析。

三、理论模型构建和实证方法

1.人口结构变动对宏观经济影响的理论模型构建

不能在忽略人口结构转变的前提下分析宏观经济长期变化趋势。因为不同年龄组别人口的经济行为是不同的。特别是在当期劳动年龄人口数量依赖于未来潜在劳动年龄人口（0—14岁人口）数量时，潜在劳动年龄人口角色的转变能够缓解人口老龄化和老年抚养比，这时人口结构转变能够带来更为迅速的经济形势变化。在构建人口结构和宏观经济理论关系的分析时，本文主要选择了代表新古典主义的索罗—斯旺模型作为基础模型，并且在t时刻的人均产出可以表示为如下函数：

T代表了时间序列，At-T代表了在观测人口结构转变前稳态条件下的技术水平。在柯布-道格拉斯技术生产函数条件下，α表示物质资本的生产力弹性，β表示劳动力的生产力弹性。s代表资本投资的收益，h代表投资于人力资本的收益，τ是劳动力增长率，g是技术进步率，δ代表的是折旧率。

其中n代表了人口增长率，方程（4）可以令我们得到以下两个主要结论：第一个结论是，当τ-n=0时，劳动力增长率恒等于人口增长率；很多新古典主义研究者普遍接受第一个结论，虽然第一个结论是与长期宏观经济增长联系非常紧密的假设，但是该结论更强调宏观经济已处于稳态的增长条件下，一旦宏观经济运行并非稳态，那么第一个结论就无法反映人口结构变化与宏观经济增长变化的联系。这时第二个结论就更有意义；第二结论是，当τ-n>0时，劳动力增长率恒等于劳动适龄人口的增长率。第二个结论说明劳动力适龄人口的增长率被视为代表人口结构转型时期的劳动力市场效应。然而上述人口与宏观经济增长的模型框架仍然略显单薄，因为它没有充分反映人口结构在经济增长中的作用，所以，本文加入了更多的人口结构变量进行研究。首先对人口增长率（n）进行改造，使其成为不同年龄组别人口增长率的加权平均值。这时人口增长率表示为：

方程（6）反映了人口结构变化与经济增长之间的动态变化关系，如果把上述n的表达式替换为8个年龄组的形式，那么方程（6）也表示了人口在过渡阶段与经济增长之间的动态关系，方程（6）即为本文所构建的人口结构与宏观经济之间关系的理论模型。

2.实证方法

我们重新定义了一些变量的符号。首先将不同的年龄组别定义为Dj（j=1，2，...，8），Dj代表了（0—9，10—19，...，70+）这8个年龄组别人口数量占总人口的比重。上述理论分析仅考虑了人口结构作为经济增长的内生变量，但在实证分析中本文进一步扩展了加入6个内生变量共同作为影响经济增长的因素，它们分别是实际GDP的年增长率（g）、投资占GDP的比重（i）、个人储蓄占GDP的比重（s）、人均工作时间的对数（h）、实际利率（r）和通货膨胀率（π）。

本文定义包含这6个内生变量的矩阵形式为GDP=（g，i，s，h，r，π）′，根据施瓦茨贝叶斯信息准则表明排除财富的影响更有利于分析实际GDP的变化。这6个内生变量之间可能是非常复杂的动态关系，在理论上，可以考虑估算上述6个变量与人口结构的动态实证方程：

Φ0（θ）Yt=Φ1（θ）Et（Yt+1）+Φ2（θ）Yt-1+Γ（θ）Dt，j+εt（7）

假设方程（7）中的θ代表各变量之间的相关参数，并且用Y代表实际GDP。如果矩阵A（θ）和（I-Φ1（θ）A（θ））-1Φ1（θ）的特征值都在单位圆内，我们将得到二次矩阵方程：

Φ1（θ）A（θ）2-Φ2（θ）A（θ）+Φ2（θ）=0（8）

因此得到实际GDP的唯一均衡解：

Yt=A（θ）Yt-1+Φ-10（θ）Γ（θ）Dt，j+Φ0（θ）-1εt（9）

方程（9）也可以表示成Yt=a+AYt-1+HDt，j+μt，这样就允许我们分析人口结构动态变化对宏观经济的影响，这里人口结构动态变化是指上述各年龄组别占总人口比重的变化，而非是简单的人口增加或减少。矩阵A是上述6个宏观经济变量包括滞后项形成的一个6*6的参数矩阵，矩阵H是6个宏观经济变量和包含不同人口年龄组别在内的6*7矩阵形式。这样分析得到的结果可以更好地观测实际GDP增长变化过程中人口结构因素的贡献程度。这种估计方法中的一个重要假设条件是，人口结构是外生变量；但人口结构变化与宏观经济变化对比而言具有低频变化的性质，并且与影响宏观经济变化的其他因素高度相关，这些时序变量不能通过矩阵H进行很好的识别，因此本文尝试把H与Y一起做内生变量处理，分析人口结构变化对实际GDP增长的影响。由此建立实证矩阵方程为：

YtDt，j=a+AB2HB1Yt-1Wt-1，j+μt（11）

其中B1代表包括上述影响实际GDP变化的6个因素与人口权重的参数矩阵，B2代表人口权重滞后项的参数矩阵。这样实际GDP的长期均衡解可以表示为：

Y*=（I-A）-1a+（I-A）-1HDt，j（12）

本文假定HLR=（I-A）-1HDt，j，并且HLR能够反映人口变量与其他变量之间的直接效应和反馈结果，由此相关的时间序列数据就允许我们分析人口结构变量与其他变量之间的长期传导关系，例如人口结构变化首先影响了长期消费，进而通过消费变化影响了长期宏观经济增长。这样在所有时间序列中都可以分离人口结构因素与其他变量之间的内生关系，从而单独分析人口因素对长期宏观经济增长的影响。假定HLR矩阵中的每个元素都是矩阵A和矩阵H参数的函数，cij（A，H）。为了检验HLR矩阵中的每个元素是否显著，本文采用了怀特检验。并利用VAR模型预测了出生人口变动对长期宏观经济变量的影响。

四、人口结构变动对宏观经济长期影响的实证分析

1.全面二孩政策下人口结构预测分析

本文根据2015年《中国人口与就业统计年鉴》的相关数据，分四个步骤逐步估算在全面二孩政策下中国未来的人口增长模式。首先，预测全面二孩政策下潜在受益者人数。尽管享受到全面二孩政策的潜在受益者不一定选择生育二孩，但至少政策受益者获得了生育二孩的决定权。因此有必要计算出具体的受益人群数量，也即估算受益的潜在已婚育龄妇女人数，由此推算全面二孩政策下人口增长模式。本文估算人口结构的时间跨度为6年，假定育龄妇女以15岁为生育的最低年龄，以44岁为生育的最高年龄（虽然育龄妇女年龄通常指15—49岁，但45—49岁育龄妇女生育婴儿人数较低且数据较少，因此本文把44岁作为生育的最高年龄）。所以估算育龄妇女人数的数据应以9岁为初始年龄，逐步估算至2020年的育龄妇女人数。2015—2020年育龄妇女人数的估计方法采用队列分要素法（cohort—component method）。利用2014年分年龄别育龄妇女的“1-死亡率”乘以2014年分年龄别育龄妇女数，得到2015—2020年各年的分年龄别育龄妇女人数。由此得到2015—2020年各年龄组别育龄妇女人数。

其次，预测已婚育龄妇女人数。利用全国15岁及以上人口分年龄、性别的婚姻状况估算在分年龄别育龄妇女中的已婚妇女人数，假定只有已婚的育龄妇女才会选择是否生育，才会选择生育几个孩子。并由15—44岁各年龄组育龄妇女人数估算2015—2020年已婚育龄妇女人数。具体方法是，用15—44岁各年龄组育龄妇女人数乘以各年龄组的已婚育龄妇女比率，已婚育龄妇女比率=（初婚人数+再婚人数）/各年龄组妇女人口总数。

再次，预测全面二孩政策下潜在受益育龄妇女人数。在得到分年龄别已婚育龄妇女人数后，需要观察全面二孩政策下真正的潜在受益已婚育龄妇女人数，因为政策的真正受益者并不包括已经生育两个及以上孩子的育龄妇女，因此，需要在分年龄别已婚育龄妇女人数中剔除已经生育两个及两个以上孩子的育龄妇女人数，这时得到的分年龄别育龄妇女人数才是真正的潜在受益者人数。计算符合全面二孩政策的育龄妇女比例采用中国人口与发展研究中心课题组撰写的《2013年生育意愿调查数据报告》中的相关数据。

最后，预测全面二孩政策下人口增长模式。根据上述三个步骤就可以估算出由于全面二孩政策所帶来的新增出生人口。由于生育能力并不能完全释放，因此在估算新增出生人口时要综合考虑符合二孩政策的已婚育龄妇女人数和她们的生育意愿，由这两方面共同决定了新增出生人口数量。对于符合全面二孩政策已婚育龄妇女的生育意愿数据，本文选择了2010—2014年中国社会状况综合调查和中国家庭幸福感热点问题调查中相应生育意愿指标进行综合考量，确定2015—2020年生育意愿分布，并推算2015—2020年间新增出生人口数量。但因为二孩政策是在2016年正式开始实施，所以本文主要在表1中只汇报了2016—2020年之间的生育意愿分布概率和新增出生人口数。

在估算全面二孩政策对中国出生人口影响的基础上，结合2006—2015年的人口年龄结构数据，由于出生人口转化成劳动力至少需要16年，同时为考虑后续人口结构转变对长期宏观经济长期影响，

因此进一步预测了2016—2036年中国人口结构转变情况，分析人口结构比重的变化趋势也为后续的实证分析提供重要帮助。图1汇报了预测中国人口结构比重转变的结果，得到的重要信息是：第一，由于“全面二孩”政策激励0—9岁出生人口在2016—2020年会出现较快增长，该年龄组人口占总人口的比重较快提高，在2020年以后由于政策效应和人们生育意愿趋于平稳，出生人口增长速度有所回落，因此占总人口比重的增长速度也较2020年前有所下降，但总体出现了上升的趋势。第二，从主要的劳动年龄组人口比重看（20—29岁，30—39岁，40—49岁），这三组人口比重出现了波浪式变化，20—29岁年龄人口比重出现了波浪式的上升，这是由于出生人口增长和随着时间变化原来处于该年龄组别进入高年龄组所带来的结果；但从20年的人口预测结果来看，30—39岁和40—49岁年龄组人口比重出现了波浪式的下降（波峰的结果），说明在预测的20年间进入这两个年龄组的人口数量不足以补偿退出这两个年龄组的人口数量。第三，从高年龄人口组看（60—69岁和70+岁），60—69岁年龄人口比重出现了波浪式的上升；70+岁年龄人口比重出现了波浪式的变化。

2.人口结构转变对宏观经济长期影响的实证分析

在得到全面二孩政策下人口增长的相关数据后，就可以利用该数据分析对宏观经济的长期影响。根据实证方法分析的方程（9），首先实证了矩阵A和矩陣H（见表2和表3）。表2提供了矩阵A的结果，每一横行代表了VAR回归结果和显著水平。我们注意到，实际GDP增长率、储蓄、投资和工作时间高度显著，而实际利率和通货膨胀率适度显著。并且通过内生变量Granger因果关系检验发现，内生变量之间存在因果联系，因此表2的结果很好地反映了6个内生经济变量之间的动态影响结果。

表3介绍了不同年龄组别与其余6个变量的回归结果，也即是矩阵H的参数形式。在表3中虽然人口结构与其他变量之间存在一定的共线性，但仍能够得到一些重要结论。第一，大多劳动年龄组（包括20—29岁、30—39岁、40—49岁、50—59岁年龄组）对6个经济变量的参数结果都比较显著，并且具有积极影响。第二，0—9岁年龄组与所有内生变量都呈现了反方向变动关系。第三，10—19岁年龄组与GDP和通货膨胀率呈现同方向变动关系，但与储蓄、实际利率、投资和工作时间

呈现了反方向变动关系。第四，60—69岁年龄组与储蓄、实际利率和投资和工作时间呈现了同方向的变动关系，但与GDP和通货膨胀率呈现了反方向变动关系。第五，70岁及以上年龄组除了与通货膨胀率呈现了同方向变动关系，与其他所有内生变量都呈现了反方向变动关系。表3说明矩阵H的参数估计比较符合对宏观经济长期发展的预测。

本文主要预测了2016—2035年间0—9岁年龄组和劳动年龄组（20—29岁、30—39岁、40—49岁和50—59岁）人口结构变动对宏观经济变量的长期影响，预测的时间跨度为20年。

图2汇报了0—9岁年龄组出生人口变动对宏观经济变量的长期影响，可以得到如下主要结论：第一，0—9岁出生人口增加能够使得实际GDP在长期内具有整体提高的态势，但等待的时间比较长，需要经过大约15年左右，也即是新增出生人口转化为劳动年龄人口才能够真正带来实际GDP的提高。且在20年以后由于老年抚养比和少儿抚养比的变化，新增人口对实际GDP的促进作用消耗殆尽，若出生人口未有变化，实际GDP又出现下降的趋势。第二，0—9岁出生人口增加使得储蓄产生较大的波动。在初期家庭储蓄率下降，可能是因为家庭需要拿出存款来为新生儿提供更好的物质基础；同时一旦生育的是男婴，那么家庭有可能需要为其准备买房等一系列更多的支出压力，所以家庭在长期有增加储蓄的愿望。第三，0—9岁出生人口增加能够带来投资的快速提高，大约在2018年这种影响就能显现。这可能源于当前家庭在抚育新生儿方面愿意付出更多的成本，这就使得生产相关产品的企业增加投资。例如孕婴企业对其出售的孕婴产品有更积极的预期，从而愿意提高相关产品的产量，由此带来投资的提高。第四，0—9岁出生人口增加对个人工作时间影响也比较显著，从长期来看个人对工作有更强的欲望，希望能够获得更多工作时间以增加个人收入，为更好抚育新生儿提供基础。但随着时间推移，新生儿长大，有可能不需要更多的抚育成本，并且随着年龄增大，获得更多工作时间的机会也逐渐减少。从长期来看出生人口增加会使得工作时间出现先上升后下降的趋势。第五，0—9岁出生人口增加对利率和通货膨胀产生了更加复杂的变化。从长期来看，出生人口增加会使得利率出现上下波动的趋势。同时有可能因为全面二孩政策导致出生人口集中增加，使得某些产品供不应求，由需求拉动产品价格提高，从而使整个产品市场出现通货膨胀，但市场本身具有调节能力，最终将使整个产品市场价格回落，基本趋于原来的状态。

本文不仅预测了0—9岁人口增长对未来实际GDP、储蓄、投资、工作时间、利率和通货膨胀的影响，同时在图3中汇报了劳动年龄组（20—29岁、30—39岁、40—49岁和50—59岁）人口结构的转变对实际GDP增长率的影响。而未考虑10—19岁人口结构转变对宏观经济的影响，因为16岁是参加工作的最低年限，该组年龄人口有跨度。其中对最重要的宏观经济变量实际GDP增长率的影响看，20—29岁年龄组人口结构在全面二孩政策支持下，由于出生人口的增加在中长期对中国实际GDP增长率的影响非常显著，并促进了实际GDP增长率的提高，原因在于0—9岁和10—19岁年龄人口在中长期转化为最具活力的劳动人口；30—39岁和40—49岁年龄组人口结构对中国实际GDP增长率出现了先上升后下降的趋势，原因在于在中期由于10—19岁和20—29岁年龄人口会转化为该阶段的劳动力人口从而对实际GDP增长率的提高产生积极意义，但从长期来看当期30—39岁和40—49岁年龄组的劳动力人口将大量面临着的退休，10—19岁和20—29岁年龄人口数量能否补足当前30—39岁和40—49岁年龄组的劳动力人口数量尚未可知，也有可能在长期30—39岁和40—49岁年龄组的劳动力人口数量降低，由此对实际GDP增长率带来消极影响；50—59岁年龄组人口结构变化从长期来看对实际GDP增长率也产生了消极影响，这部分劳动力人口从长期来看将退出劳动力市场，不利于经济增长。

五、结论与启示

1.主要结论

本文分析了全面二孩政策下新增出生人口的变化，通过队列模型分四个步骤对此进行估算，预测了2016—2020年之间中国出生人口变化，发现出生人口会出现一定程度的回升。

通过矩阵估计得到了人口结构对影响长期宏观经济变量的参数结果，其结果说明本文的分析能够很好地预测宏观经济的变化趋势。0—9岁出生人口增加需要经过大约15年左右才能促进实际GDP的提高； 0—9岁出生人口增加使得储蓄产生了比较明显的波动，出现了特别明显的下降和上升并存的现象；0—9岁出生人口增加有利于促进投资快速提高；0—9岁出生人口增加改变了个人（或家庭）工作时间；0—9岁出生人口增加使得利率和通货膨胀产生了更加复杂变化。劳动年龄组的人口结构转变从整体上看能够促进实际GDP增长率的提高，但各有其不同的特点，全面二孩政策能够保证20—29岁年龄组有充足的劳动人口数量，该年龄组人口结构转变能够在长期持续促进经济增长；30—39岁、40—49岁和50—59岁年龄组的劳动人口结构转变在中期对经济增长具有促进作用，但从长期来看由于出生人口增长乏力以及现有劳动人口退出劳动力市场等因素，这三组人口的结构转变不利于经济增长。

2.启示

首先，避免由于全面二孩政策所导致的人口集中增加。虽然二孩政策在一定程度上把生育权还给家庭，但中国不能对出生人口数量放任不管，仍需一定程度的调控，以避免人口过度集中增加。中国应该避免“管控、放开；再管控、再放開”的人口政策恶性循环，避免由于人口问题导致改革空转，使经济改革遇冷。

其次，仅提出全面二孩政策能够带来出生人口增加多少，虽然本文已经预测了相应结果，但预测仅是预测，未来的实际情况到底如何仍不可估。换句话说，虽然国家已经把生育权还给家庭，但家庭真的会“买账”吗？当前生育成本仍是较高的，例如新生儿三个月的医疗保险仅能够在新生儿住院时使用，去门诊看病还不能使用，而实际大多时候新生儿多在门诊看病，这就产生了两个问题：第一，事实上家庭对新生儿支付的医疗保险金本身无用，但已成为家庭收入的压力；第二，新生儿患病在门诊治疗又对家庭产生了更大的负担。新生儿实际抚育成本依旧高居不下，已经抑制了家庭的生育决策。要想更大程度上释放生育权，笔者认为需要社会共同努力，降低生育和抚育成本。

再次，避免人口单一因素决定论。虽然人口是影响宏观经济发展的最主要因素，但宏观经济的发展也受到其他很多因素的制约，所以现在的经济问题不能够全部归因于现在出现人口增长过少，未来也不能把经济问题归因于人口过多，需要进行综合分析。

参考文献：

[1]BLOOM D， CANNING D， FINK G， FINLAY J. Does age structure forecast economic growth？[J]. International Journal of Forecasting， 2007， 23（4）： 569-585.

[2]JAIMOVICH N， SIU H. The young， the old， and the restless： demographics and business cycle volatility [J]. American Economic Review， 2009， 99（3）： 804-826.

[3]FERRERO A. A structural decomposition of the U.S. trade balance： productivity，demographics and fiscal policy [J]. Journal of Monetary Economics， 2010， 57（4）：478-490.

[4]GORDON R J. Is U.S. economic growth over？ faltering innovation confronts the six headwinds [EB/OL]. （2012-02-17）.http：//www.researchgate.net.

[5]COMIN D， GERTLER M. Mediumterm business cycles [J]. American Economic Review， 2006， 96（3）：523-551.

[6]杨华磊， 周晓波. 中日人口世代更替对宏观经济趋势性特征的影响及其启示 [J]. 社会科学研究， 2015（5）：12-22.

[7]翟振武， 郑睿臻. 人口老龄化与宏观经济关系的探讨 [J]. 人口研究， 2016（2）：1-11.

[8]王亚章. 人口老龄化对宏观经济的影响——基于隔代抚养机制的考察 [J]. 人口与发展， 2016（3）：13-24.

[9]YUNUS AKSOY Y， BASSO H S， SMITH R P. Demographic structure and macroeconomic trends [J]. Economics & Finance， 2015（10）： 37-52.

[10]WONGBOONSIN K， PIYACHART P. Searching for empirical linkages between demographic structure and economic growth [J]. Economic Modeling， 2017，60：364-379.

[11]DEATON A， PAXSON C. Growth， demographic structure， and national saving in Taiwan [J]. Population & Development Review， 2017， 26（2）：141-173.

[12]芦东. 人口结构、经济增长与中国居民储蓄率：基于迭代模型（OLG）和省级面板数据的实证研究[J]. 上海金融， 2011（1）：10-15.

[13]赵文哲，董丽霞. 人口结构、储蓄与经济增长——基于跨国面板向量自回归方法的研究[J]. 国际金融研究， 2013（9）：29-42.

[14]陸旸， 蔡昉. 人口结构变化对潜在增长率的影响：中国和日本的比较 [J]. 世界经济， 2014（1）：3-29.

[15]SILVA D. The age structure transition and the demographic dividend： an opportunity for rapid economic takeoff in Sri Lanka [J]. Sri Lanka Journal of Advanced Social Studies， 2013（2）：3-46.

[16]ABRIGO M， RACELIS H. Decomposing economic gains from population age structure transition in the Philippines [J]. The Journal of the Economics of Ageing， 2016（8）：19-27.

[17]孟令国. 二次人口红利视角下年龄结构变化对经济增长的影响 [J]. 广东社会科学， 2013（3）：36-44.

[18]GONAND J. The “second dividend” and the demographic structure [J]. Journal of Environmental Economics & Management， 2015，72：71-97.

[19]FERRARA A， SALVATI L， BECAGLI C， BERTINI G. Beyond the modernization theory： sociodemographic changes， economic structure and forest transition in a multidimensional timeseries analysis for Italy [J]. Open Journal of Social Sciences， 2014， 2（2）：183-194.

[20]刘传江， 黄伊星. 从业人口年龄结构对中国工业经济增长的贡献度研究 [J]. 中国人口科学， 2015（2）：43-52，127.

[21]齐明珠. 中国人口变动对经济增长影响的量化研究[J]. 人口与经济， 2013（6）：10-18.

[22]JONES B F. Age and great invention [J]. The Review of Economics and Statistics， 2010， 92（1）： 1-14.

[23]PARK C. How does changing age distribution impact stock prices？ a nonparametric approach [J]. Journal of Applied Econometrics， 2010， 25（7）：1155-1178.

[24]MUELLER U K， WATSON M W . Nearly optimal tests when a nuisance parameter is present under the null hypothesis [J]. Econometrica， 2015， 83（2）：771-811.

[责任编辑 武玉]