建模 关于二胎政策对人口数量的影响(2015-2050) - 图文

二孩政策下人口的预测

摘 要

中国劳动年龄人口在 2012 年出现了相当长时期以来绝对数量的第一次下降，很多专家学者将其解读为中国“人口红利”拐点出现。2013 年中共中央 18 届三中全会决定放开全国生育政策，即执行“单独二孩”生育政策。该政策被认为是推动我国经济长期持续较快发展的重要改革措施。在人口红利拐点显现和近些年最大的生育放开政策出台的背景下，研究人口政策的调整对未来经济发展的影响就显得更切合现实国情，具有很强的现实意义。

本文解决的关键问题：一通过分析历史人口与经济发展数据，洞悉人口和经济发展的内涵关系；二是结合人口政策调整，预测未来中国的人口变化，进而预测对经济增长的影响；三是结合上述两点结论，提出相应政策建议，以促进中国经济健康发展。 本文在国内外人口经济研究的基础上，详细描述了中国人口的现状和特点。概括来说包括：总人口增速持续放缓、人口老龄化趋势加剧、劳动力人口拐点出现、性别失衡加剧、城镇人口增加、教育水平不断提升等特征。本文通过调研的方法，调研育龄妇女在“单独二孩”生育政策下的生育意愿，分为高、中、低三个场景。在中场景下，预计 2014-2016 年，生育率由政策调整前的 1.26 分别增长到 1.571.45 和 1.40。本文采用 Lesiue 模型预测了各个场景下中国2015-2050 年的人口数量和年龄结构。通过对预测结果分析得出“单独二孩”政策能够显著延缓人口峰值，劳动人有所改善，但不改“人口老龄化、劳动力持续下降”的趋势。

在参考国内外研究的基础上，本文采用计量模型定量分析了人口与中国经济增长的关系，通过模型得出，经济与人力、资本投入和年龄结构之间存量长期均衡协整关系。在该均衡关系的基础上，得到“单独二孩”生育政策对中国经济的影响：在 2015-2030 年短中期内，对经济增长有负面影响，-1.0%--0.4%之间；在 2035-2050 年中长期内，对经济有显著利好影响，1.1%-0.56%之间。在上述研究结果的基础上，结合中国的实际情况，本文最后几点有针对性的政策建议。

关键词：单独二孩、人口年龄结构、劳动力供给、经济增长

1

一、问题的重述

中国共产党第十八届中央委员会第五次全体会议，于2015年10月26日至29日在北京举行。全会提出，允许普遍二孩政策。促进人口均衡发展，坚持计划生育的基本国策，完善人口发展战略，全面实施一对夫妇可生育两个孩子政策，积极开展应对人口老龄化行动。

新生育政策的实施将对未来时期我国人口数量和人口结构产生怎样的影响?这是政府部门和社会各界普遍关心的重大问题。对此进行系统分析和定量预测可以为宏观决策提供科学依据，这对于我国建设全面小康社会和实现基本现代化目标是十分必要的。

请结合我国的实际人口总量，建立合适的数学模型进行预测： 1. 未来我国的人口增长的高峰会产生在哪一年？

2. 到2050年，我国人口会是多少？通过预测结果的对比分析，说明新生育政策对我国未来人口增长、人口结构与经济发展的影响，用定量的分析结果为我国的教育、卫生、养老等社会服务事业的发展提供基础信息。

3. 根据你的预测，我国未来是否还需要出台新的计划生育政策？

二、选题意义及研究思路

近些年来，人口红利拐点、人口老龄化、“单独二孩”人口政策调整等人口经济问题成为全国甚至世界性关注的话题，也是国内外经济学研究的热点课题。本文结合近期人口政策的调整，研究其对中国经济增长的影响，具有以下重要意义：

（1）理论意义：进一步完善人口政策调整下的人口数量和结构预测方法；用计量经济学定量分析人口结构与经济之间的规律，进而建立人口政策调整和经济增长之间的关系。

（2）现实意义：在人口红利拐点显现和近些年最大的生育放开政策出台的背景下，研究人口与经济发展的关系就显得更切合现实国情，具有一定的现实意义。

本研究课题不仅对历史的总结，洞悉人口和经济发展的内涵关系，同时结合人口政策调整，预测人口政策对未来中国经济增长的影响。

研究思路和方法

人口政策对经济的影响研究涵盖经济学、人口学、社会学等多个学科。

本文拟解决的关键问题：一通过分析历史人口与经济发展数据，洞悉人口和经济发展的内涵关系；二是结合人口政策调整，预测未来中国的人口变化，进而预测对经济增长的影响；三是结合上述两点结论，提出相应政策建议，以促进中国经济健康发展。 具体研究方法包括： （1）调研总结分析

本文通过调研的方法，调研育龄妇女在“单独二孩”生育政策下的生育意愿，分为高、中、低三个场景。进而预测不同场景下的人口数量和结构变化。 （2）Leslie 人口预测方法

基于调研的数据，本文采用 Leslie 人口预测模型预测了各个场景下中国 2015-2050 年的人口数量和年龄结构。 （3）向量自回归计量模型

在参考国内外研究的基础上。本文采用计量模型定量分析了人口与中国经济增长的关系，通过模型得出，与人力、资本投入和年龄结构之间存量均衡关系。 数据来源包括：中国统计年鉴、全国人口普查数据等。

2

三、模型假设

假设1：所有数据均具有真实可靠，具有统计分析价值；

假设2：本问题所研究的是一个封闭系统，即不考虑人口迁移问题； 假设3：在预测期内，不发生战争及自然灾害等引起大规模的人口伤亡或人口迁移，即人口变化保持平稳，不出现骤减的现象；

假设4：各地各民族的人口政策相同；

假设5：假设2010年前城市夫妻双方都是独生子女只能生一胎，2011年政策开放后，允许生两胎；

假设4：15周岁到49周岁的所有女性为育龄妇女，不考虑其是否已婚、丧偶，是否具有生育能力；

假设5：不考虑生育率、死亡率和男女性别比随着区域人口流动发生变化的情况； 假设6：假设用多胞胎的数量来抵消那些不结婚的成年男女； 假设7：各年段人口死亡率不出现突变现象； 假设8：中国所能容纳的人口有限。

四、符号说明

五、模型的建立及求解

人口增长预测的主要方法有：Logistic模型、Leslie模型、分批要素推算法、灰色预测模型等。这些模型算法都是已有的经典算法，在所选论文中，有的直接应用，有的对其做了改进并应用，也有通过对影响人口增长的因素进行量化分析得到人口变化的计算公式的方法。 （1）Leslie模型

Leslie模型利用出生率、死亡率来预测人口变化趋势。该模型将人口年龄离散化，大小等间隔地分成h个年龄组，相应地，将时间离散化为时段，每五年为一个时段。具体的做法是：将某一年的各年龄组人口视为一个列向量，通过年龄段生育率、死亡率构建一个转移矩阵M，左乘前述的列向量，得到新的列向量即是预测的人口。那么n+5年

（n?5）?MP(n)。 后的人口数为P Leslie模型利用出生率、死亡率来预测人口变化趋势，矩阵简单，并且没有考虑生存空间等自然资源的限制，和意外灾难等因素对人口变化的影响，且生育率、存活率仅与年龄段有关。 （2）灰色预测模型

灰色预测是一种对含有不确定因素的系统进行预测的方法。灰色预测通过鉴别系统因素之间发展趋势的相异程度，进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。其用等时距观测到的反应预测对象特征的一系列数量值构造灰色预测模型，预测未来某一时刻的特征量，或达到某一特征量的时间。

对于影响人口系统的因素，除了出生率和死亡率外，还有净迁入量，社会经济，自然环境，科学技术等一系列方面。这些众多的因素结构关系错综复杂，对人口增长的作用无法精确计算，多数因素都在动态变化之中，其运行机制和变化规律难以完全明白。将灰色模型用到人口预测中不仅简单而且能达到比较准确的预测效果。

3

（3）Logistic模型

Logistic模型是种群生态学的核心理论之一，对Malthus模型进行了改进，将增长率r看成人口数的函数进行微分求解，认为人口增长不能超过由其他环境因素所决定的某最大容量Nm。Nm是资源和环境条件限制下的最大人口容量，它反映了资源丰富的程度，Nm越大说明该地区生存条件越好，迁出越少，迁入越多。 Logistic模型考虑的影响因素太过笼统，仅考虑了环境和资源的影响，虽然可引入迁入迁出因素进行修正，但是忽略了性别比例、出生率、死亡率、老龄化等十分重要的因素，所用的数据也较少，可用于中短期预测，但长期预测效果不佳。 （4）分批要素推算法

分批要素推算法预测模型是结合对人口系统结构进行的关联分析，以估算出的当前人口的年龄构成、生育率、死亡水平为基础，根据近年来人口动态趋势，并参照人口政策的发展，作出今后若干年人口动态变化的假设，推算这些年间人口的增长。对中短期人口数量进行预测，具体采用了年龄移算法。年龄移算法是根据一定的分年龄的人口生存率，推算出人口总体中每一年龄的原有人口由低年龄组转移到高年龄组时的存活人数。在由低年龄组转为高年龄组的过程中， （5）综合比较

综合比较各种人口预测模型，我们发现，Logistic模型因为考虑的因素较少，所用数据也较少，适用于中短期预测。由于Leslie模型将人口系统按年龄分段，具有较好的长期预测效果。但是仅考虑了出生率和死亡率，实际应用时可引入修正量。分批要素推算法模型中预测全国人数时，迁入人数与迁出人数之差忽略不计。求解过程简单明了，数据处理繁杂。建模过程虽然对影响人口发展的因素有所兼顾，但是不能定量表示它们与人口发展变化的关系。因此在预测过程中，预测精度随预测时间的延长而下降。灰色预测中的GM(1,1)模型在其使用条件上存在着一定的限制，它是描述按指数规律变化的事物的模型，因此，它使用于呈指数规律发展变化的系统进行预测。也就是说在题目中默认了人口的指数增长方式。

对人口的长期预测，可采用Leslie模型，将时间离散化，鉴于男女人口通常有一个确定的比例，模型主要考虑女性人口，由女性人口可以得知总人口数。可以5或10年对女性人口进行分组，用Leslie矩阵通过MATLAB或Excel MMULT函数即可求解。但是如此长期预测的误差较大，可将其与线性回归模型相结合。将出生率、死亡率、迁移率的变化曲线分段，再用线性回归拟合，这样可以得到更精确的估算。

人口年龄结构分类和指标

人口年龄结构（Age Structure）是指在一定时期和地域内，不同年龄组的人口数量分布情况，即各年龄组人口占总人口的比例。根据国际上公认的划分标准，人口年龄结构划分为三个年龄组，分别是少年儿童（14 岁及以下）组、劳动年龄人口（15-64 岁）

4

组和老年人口（65岁及以上）。很多研究文献都是基于上述三个组别来开展研究。不过有些研究文献中也将采用将 1 岁-100 岁等间隔的划分为若干个区间，每个区间为一个组，以此为对象来开展研究。根据上述公认的划分标准三个组的占比比例不同，我们可以给一个地区在特定时期打上“年轻型、成年型或年老型”标签。下表是联合国对人口年龄结构类型的划分标准。

人口年龄结构类型的划分标准

除了上述划分标准外，人口年龄金字塔图也广泛应用于人口年龄结果的类型划分。金字塔的由低到高分布年龄由小到大的人口数量，金字塔左边代表男性，右边代表女性。李肿生将人口年龄金字塔划分为扩张型、静止型和衰退型三种。

扩张型、静止型和衰退型人口结构解释和实例

扩张型、静止型和衰退型人口结构图表化表示

衡量人口年龄结构的常用指标包括：少儿比、老年人口比、劳动力人口比、少儿抚养比、老人抚养比、预期寿命、年龄中位数等等。Bloom and Canning认为，相比预期寿命、生育率等指标，各个年龄阶段人口比例或者劳动力抚养负担能够提供更加丰富的人口转变信息。Bloom and Canning 的这一观点得到了广范围的认可。因此在探讨人口转变对经济增长的影响时，各个年龄阶段人口数量、比例或劳动力负担是可选择的合适指标。

5

抚养比包括三个细项指标，分别为总抚养比、少儿抚养比和老年赡养比。定义如下：

抚养比主要是衡量社会劳动人口的抚养负担情况。抚养比越低，说明需要抚养的人口比例越低，劳动人口的抚养负担越小。

本文为了比较全面的说明人口因素（数量和结构）对经济结构的影响，采用各个年龄段人口数据这个变量，具体来说，采用少儿老人人口和劳动力人口分别反映被抚养人和抚养人对经济的影响。

搭建 Leslie 人口预测模型

2010年全国第六次人口普查数据显示，我们人口达到1239981250人。将人口按年龄大小以每5岁为间隔，将0～99岁等年龄的划分成20个年龄组，即0～4岁为第一个年龄组，5～9岁为第2个年龄组，10～14岁为第3个年龄组，??95～99岁为第20个年龄组，100岁以上为第21个年龄组。

设在时间段t第i年龄组的人口总数为ni(t),i=1,2,?m,，定义向量

，模型研究女性的人口分布n(t)随t的变化规律，从而进一步

研究总人口数等指标的变化规律。

设第i年龄组的生育率为bi，即bi是单位时间第i年龄组的每个女性平均生育女儿的人数；第i年龄组的死亡率为di，即di是单位时间第i年龄组女性死亡人数与总人数之比，si=1-di称为存活率。设bi、si不随时间t 变化，根据bi、si和ni(t)的定义写出ni(t)与ni(t+1)应满足关系：

6

在（1）式中我们假设bi中已扣除婴儿死亡率，即扣除在时段t以后出生而活不到t+1的那些婴儿。记矩阵

则（1）式可写作：

当L、n(0)已知时，对任意的t=1,2,?有

若（2）中的元素满足

上述矩阵L即称为Leslie矩阵。

我们将未来各年龄段的生育率预测出来，将其乘以相应年份妇女人数就可以得到相应年份的出生人数。我们将未来各年龄段的死亡率预测出来，就可以得到相应的存活率，从而得到各年龄段的人口。因此，未来人口的预测取决于未来各年龄组的生育率和死亡率的准确预测。 人口预测结果

根据《中国年鉴》中的第六次人口普查表，2010年11月1日初始状态向量n(0)、人口年死亡率向量、女性在各组人口中所占比例向量、女性年生育率向量等的具体数据如表。

各年龄组人口数据

7

编号 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 年龄组 总计 0-4岁 5-9岁 10-14岁 15-19岁 20-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50-54岁 55-59岁 60-64岁 65-69岁 70-74岁 75-79岁 80-84岁 85-89岁 90-94岁 95-99岁 100岁及以上 人口总数 1330613984 77222937 70449638 77144787 104380676 124144390 99847689 98630105 121046434 123217058 100540459 80681808 79916406 56869341 40430322 32626699 23477629 12754562 5387168 1465384 344209 36283 死亡率(?) 5.58 1.29 0.30 0.30 0.39 0.50 0.61 0.81 1.16 1.76 2.61 4.18 6.19 10.31 17.21 30.64 49.52 84.81 127.43 190.78 217.10 454.35 女性人口总数 649338380 35249395 32212645 35776344 50402629 61895667 49521328 48308387 59099136 60388699 49316318 39313630 39515288 27909051 19965830 16433425 12364501 7136613 3294251 973792 234376 27075 女性人口比重 生育率（?） 48.8% 45.6% 45.7% 46.4% 48.3% 49.9% 49.6% 49.0% 48.8% 49.0% 49.1% 48.7% 49.4% 49.1% 49.4% 50.4% 52.7% 56.0% 61.1% 66.5% 68.1% 74.6% 0.00 0.00 0.00 0.00 5.93 69.47 84.08 45.84 18.71 7.51 4.68 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00

生育率B矩阵为：

[0,0,0,0.03,0.35,0.42,0.23,0.09,0.04,0.02,0.00751,0.00468,0,0,0,0,0,0,0,0,0,0,0]

生存率S矩阵为：

8

[0.9944221,0.9987075,0.9996993,0.9997007,0.9996123,0.9994961,0.9993925, 0.9991893,0.998839,0.9982441,0.9973888,0.9958182,0.9938143,0.9896929, 0.9827936,0.9693609,0.9504765,0.9151908,0.8725746,0.8092179,0.7828964, 0.545655]

根据以上数据不难得到L矩阵。应用方程(4)不断进行迭代，就可以得到2015年、2020年、2025年、?、2050年中国人口向量n(1)、n(2)、n(3),?的预测值，再对这些预测值分类统计，就可得到中国人口年龄结构的时间序列动态数据。下表是得到的女性人口数量（单位：万人）：

各年龄组女性人口数据

年龄段 0-4岁 5-9岁 10-14岁 15-19岁 20-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50-54岁 55-59岁 60-64岁 65-69岁 70-74岁 75-79岁 80-84岁 85-89岁 90-94岁 95-99岁 100岁+ 合计 2015 2020 n(1) n(2) 6383.53* 6405.50* 3520.38 6375.28* 3220.30 3519.32 3576.56 3219.33 5038.31 3575.18 6186.45 5035.77 4949.12 6182.69 4826.92 4945.11 5903.05 4821.32 6028.27 5892.69 4918.75 6012.53 3914.92 4898.19 3927.09 3890.71 2762.14 3886.61 1962.23 2714.61 1592.99 1902.11 1175.22 1514.10 653.14 1075.55 287.45 569.91 78.80 232.61 18.35 61.69 70923.97 76730.80 2025 n(3) 5652.95* 6397.22* 6373.36* 3518.27 3218.08 3573.38 5032.71 6177.68 4939.37 4812.85 5877.30 5987.38 4867.89 3850.60 3819.73 2631.44 1807.91 1385.69 938.50 461.18 182.11 81505.60 2030 n(4) 4753.88* 5645.64* 6395.30* 6371.45* 3516.91 3216.46 3571.20 5028.63 6170.50 4930.70 4800.29 5852.72 5950.35 4817.71 3784.35 3702.70 2501.12 1654.58 1209.12 759.45 361.06 84994.12 2035 n(5) 4398.74* 4747.73* 5643.94* 6393.39* 6368.98* 3515.14 3214.51 3568.31 5022.79 6159.67 4917.82 4780.21 5816.52 5889.02 4734.82 3668.40 3519.33 2289.00 1443.75 978.44 594.57 87665.08 2040 n(6) 5282.92* 4393.06* 4746.31* 5642.25* 6390.91* 6365.77* 3513.00 3211.90 3564.17 5013.97 6143.59 4897.26 4750.64 5756.57 5787.69 4589.75 3486.73 3220.86 1997.33 1168.31 766.02 90688.97 2045 2050 n(7) n(8) 6420.16* 6775.39* 5276.09* 6411.86* 4391.74* 5274.50* 4744.89* 4390.42* 5640.06* 4743.05* 6387.69* 5637.22* 6361.90* 6383.81* 3510.15 6356.75* 3208.17 3506.08 3557.91 3202.54 5000.88 3548.62 6117.89 4979.97 4866.96 6080.05 4701.68 4816.80 5657.52 4620.78 5610.36 5484.18 4362.45 5332.51 3191.02 3992.47 2810.44 2784.40 1616.27 2274.26 914.66 1265.37 94348.89 97861.02 注：上述带*号的数据是出生的婴儿（不分性别）随着时间的推移，在各年龄阶段的人数。

根据各年龄段性别比，不难预测2015-2050年的总人口数量。

各年龄组总人口数据

年龄段 0-4岁 5-9岁 10-14岁 15-19岁 20-24岁 25-29岁 30-34岁 35-39岁 2015 2020 n(1) n(2) 6383.53 6405.50 7699.14 6375.28 6943.95 7588.75 7406.84 6667.03 10105.36 7170.75 12473.46 10153.40 10104.51 12623.05 9886.47 10128.54 2025 n(3) 5652.95 6397.22 6373.36 7286.12 6454.52 7204.84 10275.17 12653.07 2030 n(4) 4753.88 5645.64 6395.30 6371.45 7053.88 6485.21 7291.25 10299.61 2035 n(5) 4398.74 4747.73 5643.94 6393.39 6368.98 7087.41 6562.99 7308.59 2040 n(6) 5282.92 4393.06 4746.31 5642.25 6390.91 6365.77 7172.41 6578.60 2045 n(7) 6420.16 5276.09 4391.74 4744.89 5640.06 6387.69 6361.90 7189.47 2050 n(8) 6775.39 6411.86 5274.50 4390.42 4743.05 5637.22 6383.81 6356.75 9

40-44岁 45-49岁 50-54岁 55-59岁 60-64岁 65-69岁 70-74岁 75-79岁 80-84岁 85-89岁 90-94岁 95-99岁 100岁+ 合计 12044.58 12289.74 10094.56 7917.61 8002.09 5593.26 3895.78 3024.76 2100.35 1068.09 432.56 115.73 24.59 137606.97 9837.41 12013.34 12339.27 9906.17 7927.96 7870.29 5389.55 3611.71 2706.00 1758.87 857.61 341.61 82.67 141754.79 10078.29 9811.89 12061.75 12108.99 9919.13 7797.38 7583.65 4996.56 3231.10 2266.06 1412.27 677.30 244.04 144485.65 12590.29 10052.14 9851.44 11836.65 12124.82 9755.75 7513.40 7030.66 4470.01 2705.78 1819.51 1115.34 483.85 145645.84 10248.50 12557.63 10092.65 9667.58 11852.13 11925.11 9400.44 6965.53 6289.75 3743.26 2172.58 1436.96 796.78 145660.68 7272.32 10221.91 12608.24 9904.30 9680.23 11656.91 11490.79 8714.98 6231.48 5267.15 3005.62 1715.79 1026.53 145368.48 6545.95 7253.46 10263.11 12372.94 9917.25 9520.78 11232.36 10652.91 7796.57 5218.35 4229.21 2373.69 1225.73 145014.30 7153.80 6528.97 7282.69 10071.57 12389.12 9753.90 9174.03 10413.32 9530.27 6528.98 4190.03 3340.02 1695.72 144025.42 根据上表的人口预测数据，未来35年，中国人口将呈现以下几大特征： 1、在不实施“单独二孩”政策的情况下，人口在2035年左右达到峰值——14.6亿人口。

中国人口基数大，即便在不实施“单独二孩”政策的情况下，未来10-20年，总人口数量仍不断增长，在2035年左右达到14.6亿人口的峰值，之后人口总数呈现逐步下降趋势。这个预测结果与国家人口计划生育委员会在《国家人口发展战略研究报告》的“中国在2033年达到峰值15亿左右”的预测结果基本一致。下图绘制了总人口在2015-2050之间的走势图。

人口预测曲线图

2、劳动力人口不断下降，老龄化趋势不断加重。 从预测结果看，中国劳动力人口自2012年出现拐点后，持续加速走低。预计到2025年由目前的9.3亿人，下降至2025年的8.8亿人，2040年的7.2亿人，2050年的5.8亿人，占总人口的比例则从目前的70%下降到2025年的60%，2040年的50%和2050年的40%。

10

劳动力和老龄人口曲线图

与劳动力人口持续下降相反，中国老龄人口持续增长，预计到2025年，老龄人口相比目前增长一倍，达到3.8亿人，预计到2050年，老龄人口将超过劳动力人口。 “单独二胎”政策实施后的人口预测

本文通过抽样调查的方法统计出了育龄妇女对“单独二孩”政策落地后的生育意愿。最高（调研确定要生二孩和犹豫不决的）、最低（调研确定要生二孩）和中间场景下的总和生育率分别为1.377、1.337和1.297。

各年龄组生育意愿调查结果

年龄组 15-19 20-24 25-29 30-34 35-39 40-44 45-49 总人数/TFR 最高 29.65 394.65 508.83 261.99 116.91 42.19 23.40 1377.63 调整后生育率(?) 最低 29.65 368.04 475.38 250.59 110.67 39.87 23.40 1297.60 平均值 29.65 381.35 492.11 256.29 113.79 41.03 23.40 1337.61 （一）生育意愿高场景下的人口预测

在高场景下（调研确定要生二孩和犹豫不决的比例之和），生育率矩阵B为： [0,0,0,0.02965,0.394654505,0.508833202,0.261993799,0.116905166,0.042188479,0.0234,0.00468,0,0,0,0,0,0,0,0,0,0,0]，在该场景下，2015-2050年的总人口数量预测结果如下：

11

高生育意愿场景下的人口预测结果

年龄段 0-4岁 5-9岁 10-14岁 15-19岁 20-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50-54岁 55-59岁 60-64岁 65-69岁 70-74岁 75-79岁 80-84岁 85-89岁 90-94岁 95-99岁 100岁+ 合计 2015 2020 n(1) n(2) 6383.57493.33 4 7699.16375.24 8 6943.97588.75 5 7406.86667.04 3 10105.7170.736 5 12473.10153.46 40 10104.12623.51 05 9886.410128.7 54 12044.9837.458 1 12289.12013.74 34 10094.12339.56 27 7917.69906.11 7 8002.07927.99 6 5593.27870.26 9 3895.75389.58 5 3024.73611.76 1 2100.32706.05 0 1068.01758.89 7 432.56 857.61 115.73 24.59 137606.97 341.61 82.67 142842.62 2025 n(3) 6608.01 7483.66 6373.36 7286.12 6454.52 7204.84 10275.17 12653.07 10078.29 9811.89 12061.75 12108.99 9919.13 7797.38 7583.65 4996.56 3231.10 2266.06 1412.27 677.30 244.04 146527.15 2030 n(4) 5554.35 6599.47 7481.41 6371.45 7053.88 6485.21 7291.25 10299.61 12590.29 10052.14 9851.44 11836.65 12124.82 9755.75 7513.40 7030.66 4470.01 2705.78 1819.51 1115.34 483.85 148486.24 2035 n(5) 5112.73 5547.17 6597.48 7479.17 6368.98 7087.41 6562.99 7308.59 10248.50 12557.63 10092.65 9667.58 11852.13 11925.11 9400.44 6965.53 6289.75 3743.26 2172.58 1436.96 796.78 149213.42 2040 n(6) 6139.30 5106.12 5545.50 6595.51 7476.27 6365.77 7172.41 6578.60 7272.32 10221.91 12608.24 9904.30 9680.23 11656.91 11490.79 8714.98 6231.48 5267.15 3005.62 1715.79 1026.53 149775.74 2045 n(7) 7948.78 6131.36 5104.59 5543.84 6592.95 7472.50 6361.90 7189.47 6545.95 7253.46 10263.11 12372.94 9917.25 9520.78 11232.36 10652.91 7796.57 5218.35 4229.21 2373.69 1225.73 150947.70 2050 n(8) 8864.31 7938.51 6129.52 5103.06 5541.69 6589.63 7467.96 6356.75 7153.80 6528.97 7282.69 10071.57 12389.12 9753.90 9174.03 10413.32 9530.27 6528.98 4190.03 3340.02 1695.72 152043.84 （二）生育意愿中场景下的人口预测 在中场景下（高场景和低场景的均值），生育率矩阵B为：

[0,0,0,0.02965,0.381346332,0.49210524,0.256294342,0.113786901,0.041028859,0.0234,0,0,0,0,0,0,0,0,0,0,0]，在该场景下，2015-2050年的总人口数量预测结果如下：

12

中生育意愿场景下的人口预测结果

年龄段 0-4岁 5-9岁 10-14岁 15-19岁 20-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50-54岁 55-59岁 60-64岁 65-69岁 70-74岁 75-79岁 80-84岁 85-89岁 90-94岁 95-99岁 100岁+ 合计 2015 2020 n(1) n(2) 6383.57272.73 0 7699.16375.24 8 6943.97588.75 5 7406.86667.04 3 10105.7170.736 5 12473.10153.46 40 10104.12623.51 05 9886.410128.7 54 12044.9837.458 1 12289.12013.74 34 10094.12339.56 27 7917.69906.11 7 8002.07927.99 6 5593.27870.26 9 3895.75389.58 5 3024.73611.76 1 2100.32706.05 0 1068.01758.89 7 432.56 857.61 115.73 24.59 137606.97 341.61 82.67 141754.79 2025 n(3) 6419.94 7263.30 6373.36 7286.12 6454.52 7204.84 10275.17 12653.07 10078.29 9811.89 12061.75 12108.99 9919.13 7797.38 7583.65 4996.56 3231.10 2266.06 1412.27 677.30 244.04 144485.65 2030 n(4) 5398.07 6411.64 7261.12 6371.45 7053.88 6485.21 7291.25 10299.61 12590.29 10052.14 9851.44 11836.65 12124.82 9755.75 7513.40 7030.66 4470.01 2705.78 1819.51 1115.34 483.85 145645.84 2035 n(5) 4968.93 5391.09 6409.72 7258.94 6368.98 7087.41 6562.99 7308.59 10248.50 12557.63 10092.65 9667.58 11852.13 11925.11 9400.44 6965.53 6289.75 3743.26 2172.58 1436.96 796.78 145660.68 2040 n(6) 5953.93 4962.51 5389.47 6407.80 7256.13 6365.77 7172.41 6578.60 7272.32 10221.91 12608.24 9904.30 9680.23 11656.91 11490.79 8714.98 6231.48 5267.15 3005.62 1715.79 1026.53 145368.48 2045 n(7) 7619.11 5946.24 4961.02 5387.86 6405.31 7252.47 6361.90 7189.47 6545.95 7253.46 10263.11 12372.94 9917.25 9520.78 11232.36 10652.91 7796.57 5218.35 4229.21 2373.69 1225.73 145014.30 2050 n(8) 8416.18 7609.27 5944.45 4959.53 5385.77 6402.09 7248.07 6356.75 7153.80 6528.97 7282.69 10071.57 12389.12 9753.90 9174.03 10413.32 9530.27 6528.98 4190.03 3340.02 1695.72 144025.42 （三） 生育意愿低场景下的人口预测 在低场景下（调研确定要生二孩的比例），生育率矩阵B为：

[0,0,0,0.02965,0.368038159,0.475377278,0.250594885,0.110668637,0.03986924,0.0234,0,0,0,0,0,0,0,0,0,0,0]，在该场景下，2015-2050年的总人口数量预测结果如下：

13

低生育意愿场景下的人口预测结果

年龄段 0-4岁 5-9岁 10-14岁 15-19岁 20-24岁 25-29岁 30-34岁 35-39岁 40-44岁 45-49岁 50-54岁 55-59岁 60-64岁 65-69岁 70-74岁 75-79岁 80-84岁 85-89岁 90-94岁 95-99岁 100岁+ 合计 2015 2020 n(1) n(2) 6383.57052.03 6 7699.16375.24 8 6943.97588.75 5 7406.86667.04 3 10105.7170.736 5 12473.10153.46 40 10104.12623.51 05 9886.410128.7 54 12044.9837.458 1 12289.12013.74 34 10094.12339.56 27 7917.69906.11 7 8002.07927.99 6 5593.27870.26 9 3895.75389.58 5 3024.73611.76 1 2100.32706.05 0 1068.01758.89 7 432.56 857.61 115.73 24.59 137606.97 341.61 82.67 142401.34 2025 n(3) 6231.88 7042.94 6373.36 7286.12 6454.52 7204.84 10275.17 12653.07 10078.29 9811.89 12061.75 12108.99 9919.13 7797.38 7583.65 4996.56 3231.10 2266.06 1412.27 677.30 244.04 145710.30 2030 n(4) 5241.79 6223.82 7040.82 6371.45 7053.88 6485.21 7291.25 10299.61 12590.29 10052.14 9851.44 11836.65 12124.82 9755.75 7513.40 7030.66 4470.01 2705.78 1819.51 1115.34 483.85 147357.46 2035 n(5) 4825.13 5235.02 6221.95 7038.72 6368.98 7087.41 6562.99 7308.59 10248.50 12557.63 10092.65 9667.58 11852.13 11925.11 9400.44 6965.53 6289.75 3743.26 2172.58 1436.96 796.78 147797.69 2040 n(6) 5768.57 4818.90 5233.44 6220.09 7035.99 6365.77 7172.41 6578.60 7272.32 10221.91 12608.24 9904.30 9680.23 11656.91 11490.79 8714.98 6231.48 5267.15 3005.62 1715.79 1026.53 147990.03 2045 n(7) 7295.31 5761.12 4817.45 5231.88 6217.68 7032.44 6361.90 7189.47 6545.95 7253.46 10263.11 12372.94 9917.25 9520.78 11232.36 10652.91 7796.57 5218.35 4229.21 2373.69 1225.73 148509.55 2050 n(8) 7980.42 7285.88 5759.38 4816.00 5229.85 6214.54 7028.17 6356.75 7153.80 6528.97 7282.69 10071.57 12389.12 9753.90 9174.03 10413.32 9530.27 6528.98 4190.03 3340.02 1695.72 148723.41

（四）三种生育意愿低场景下的人口预测总结

根据（一）-（三）节中人口预测数据，在未来35年中国人口将呈现以下几大特征： 1、实施单独二孩政策后，人口峰值有效推迟，在预期周期内人口达不到峰值。

14

我们将不实施单独二孩政策、实施单独二孩政策的三种场景的预测数据放到一张表中，对比不难看到，实施单独二孩政策后，中国人口基数的峰值将会大幅推迟，至少在可预测的2050年前不会达到峰值。

不同场景下人口预测曲线图

2、实施单独二孩政策对劳动力的改善非常有限，劳动力人口不断下降的趋势不改。 “单独二孩”政策实施后，当期生育的二孩到2030年才能成为劳动力，因此2015-2030年这个期间，对劳动力人口不会有任何改善。在2030年以后，由于符合二孩政策的人口有限，加之生育意愿不是非常强烈，即便在最高生育意愿场景下，劳动力人口在2035年增加1100万，2040年增加2000万，2045年增加2800万，205年增加3500万。总体上仍然改变不了劳动力人口不断下降的趋势。

不同场景下劳动力人口预测曲线图

3、实施单独二孩政策在短中长期均一定程度上提升少儿数量，但中长期少儿抚养负担大。

在不实施“单独二孩”的场景下，在2035年前，少儿抚养比延续改革开放以来不断下降的趋势，2035年以后，由于劳动力人口下降速度快过少儿下降速度，少儿抚养比快速提升。在实 施“单独二孩”的场景下，由于新生婴儿增加，当期的少儿抚养比下

15

降趋势即得到改变，在2035年前，基本维持目前水平。但2035年以后，由于劳动力人口下降速度快过少儿下降速度，少儿抚养比快速提升。

不同场景下少儿抚养比变化曲线图

4、实施单独二孩政策在短期不改善老龄化趋势，但中长期略有改善。 在可预测的2050区间内，“单独二孩”政策的落地不改变老龄人口的总数，老龄人口的绝对数量和占比不断扩大的趋势不改。但是在2030年，随着劳动力的一定补充，老人抚养比在一定程度上得到减轻。如，在2040年，老人抚养比三个场景下分别减少1.4%、1.2%和0.9%，老人抚养负担略有下降。

老人抚养比预测表 场景 不实施 实施-高 实施-中 实施-低 2015 16.2% 16.2% 16.2% 16.2% 2020 22.9% 22.9% 22.9% 22.9% 2025 28.8% 28.8% 28.8% 28.8% 2030 37.1% 37.1% 37.1% 37.1% 2035 48.5% 47.9% 48.0% 48.1% 2040 60.0% 58.6% 58.8% 59.1% 2045 68.1% 65.7% 66.2% 66.7% 2050 77.0% 73.3% 74.0% 74.8% 六、总结和政府建议

（一）总结

从劳动力供给的角度看，根据测算模型估算，“单独二孩”政策对劳动力的改善非常有限，劳动力人口不断下降的趋势不改。由于“单独二孩”政策后出生的婴儿要在15年后，即2030年后才能转化为劳动力，因此在2015-2030年短中期内对劳动力没有任何影响。在2035-2050年中长期内，在最高生育意愿场景下劳动力人口在2035年增加1100万，2040年增加2000万，2045年增加2800万，2050年增加3500万，增长的比例分别为1.4%、2.8%、4.2%和6.1%，增长的比例不断提升。

从劳动力负担的角度看，随着“单独二孩”政策后出生婴儿的增加，在2015-2030 年短中期少儿抚养比会大幅增加，劳动年龄人口的负担加重。在2035-2050年中长期，劳动力相对增加，少儿老人抚养比有所减缓。但由于整体老龄化的趋势，少儿老人抚养比总体上还是呈现不断上升趋势。 （二）政策建议

16

基于“单独二孩”政策实施后，对劳动力人口、少儿人口的影响以及对经济增长的影响，提出针对性的政策建议。

1、提升未来劳动力供给。在“单独二孩”人口政策的基础上，尽快进一步调整放宽人口生育政策。虽然放开生育政策，短中期来看，对经济表现负面，但长远来看，利好经济发展，同时有力改善人口结构。中国在经济水平发展还比较低的情况下，人口发生了巨大转变，过早引来了人口老龄化，“未富先老”。由于生育政策的调控，中国在短期内，少儿人口和劳动力人口占比急剧下降，老龄人口占比急剧提高。从我们的预测看，“单独二孩”政策对“劳动力的下滑”改善非常有限，劳动力人口不断下降的趋势不改。 过去30年，我国经济主要是靠供给驱动。当前，我国宏观经济的主要目标已经由增加投资、扩大出口转向扩大消费需求。继续控制生育的政策与扩大内需的政策向左：减少出生直接意味着减少消费，人口的老龄化则会增强他们的储蓄动机。 同时，生育的控制导致“人口素质逆淘汰化”。以城市和农村对比来说，城市物质条件和教育条件好，更有利于培养优秀人才，但城市的生育率低；相反，农村物质条件和教育条件薄弱，但生育率高。因此，必须打破生育控制，才可能打破“人口素质拟淘汰化”的现象。建议国家尽快将全面放开二孩政策纳入时间表，适时推动政策落地。 2、挖潜现有劳动力供给。在劳动力人口持续下降的背景下，引导充分就业，使得更多的劳动年龄人口转化为劳动力人口。 如果认识到人口红利及其重要性，那么就要加快经济发展使其能够充分的吸收规模显著的劳动力。充分就业是实现“后人口红利”的重要战略。从统计局公布的数据看，中国的就业人数远低于劳动年龄人数，这说明劳动年龄人口并未实现充分就业，也就意味着未能把现有的人口红利加以充分利用。 鉴于中国劳动力丰富的资源禀赋，梳理就业优先原则，可以更大化的发挥资源比较优势。考虑到农民经济活动参与率仍较低，在这一块可以大力挖掘。中国还有40%的农民没有转移出来，而这些农民在严格意义上没有实现充分就业。通过劳动力流动促进充分参与经济活动成为解决人口红利丧失的重要战略。以户籍制度为核心的一系列政策的调整将打破目前城乡劳动力流动的障碍。一旦消除这些障碍，劳动人口将有效流动起来，就业将更加充分。世界银行的一项模拟表面，在今后能够把农业劳动力转移出1%、5%和10%的假设下，中国GDP将分别提高0.7、3.3和6.4个百分点。具体措施包括：进行户籍改革、农村土地改革，加快土地流动性，加快城镇建设，就近吸引农民就业，加强农民培训等。

3、促进更多老龄人补给劳动力。提高退休年龄，提高老龄人参与经济活动比例，使得老龄人口转化为劳动力人口。 既然老龄化的趋势不可避免，那么引导老龄人参与经济活动就显得格外重要。随着人口寿命的提高，越来越多老龄人有精力和能力参与经济活动。提高中国老龄人参与经济活动的空间很大。 Jackson and How的研究表明，2000年中国60~64岁及以上的老年参与率分别为60%和28%，低于同期的菲律宾的83%和55%、日本的72%和33%。中国老年市场参与率很低。未来随着劳动力的负增长和老龄化加剧，提高老年人经济活动参与率显得越来越迫切。 具体的措施包括：延迟退休年龄、树立老年人就业观念，建立“老年人再就业市场”，大力发展符合老年人就业的产业等。

4、降低少儿老人抚养负担。完善社会保障体系，降低少儿老人对社会的负担，降低其对经济的负面影响。当前“单独二孩”政策并不能改变老龄化的趋势。完善社会保障制度对于解决老龄化问题至关重要。

首先要加快建立公共财政制度，完善转移支付机制。目前我国的社会保障体系还很不完善，具体体现在经常性财政投入尚未建立起来，特别是由于缺乏立法约束，导致财政对于社会保障投入带有明显的随意性。为此，政府要进一步深化财税体制改革，加快

17

公共财政体系建设。加强财政支出结构调整的力度，提高社会保障支出在一般性转移支付中的规模和比例，提高财政对老少边穷地区社会保障的转移支付力度，为社会保障制度改革提供稳定的资金支持，防止由于地方经济发展水平不同导致改革的地区差距进一步扩大，造成新的不公平。

其次，建立弹性保障支付机制，加大社会保障再分配调节力度。我国应改变目前按人头实施保障的传统做法，建立起与经济发展和个人收入水平反向关联的弹性保障支付机制。这就要求社会保障体系逐渐向低收人人群转移，而对于自我保障能力很强的人，则应减少社会保障投入，以减少目前的倒挂现象，使社会保障资源得到充分利用。政府通过社会保障，针对不同类型的低收入者采取不同的办法增加他们的收入，保障他们的基本生活需要，帮助他们走出困境，这就在一定程度上缓解了社会成员之间因收入差距悬殊而导致的宏观层次的分配不公。

再次、完善面向弱势群体的社会保障制度。积极推进农村社会保障制度建设。对农村社会保障问题的忽视，是长期以来社会保障改革的一大失误。城乡居民差距的扩大化，既体现了农村对建设社会保障体系的客观要求，也反映了农村居民生活风险与社会风险的积累。农村社会保障制度建设，应当以农村最低生活保障制度的确立为基础，积极谋求建立城乡一体的最低生活保障制度；进一步完善新型农村合作医疗制度，加快其在全国的推广工作；积极探索符合中国国情的农村养老保险制度，可以借鉴新农合的相关经验，先以市县为试点，以中央财政和地方财政共同负担的方式，建立地方性养老保险体制，然后再逐渐向全国推广。在农村社会保障制度建设方面，我们应当对现阶段农村土地保障功能持续弱化和商业保险在农村还无法发挥很大作用具有清醒的认识，政府应当担负起建设农村社会保障体系的主要责任。

建立面向农民工的社会保障制度。农民工流动性强，非正规就业者多，根据农民工的需求和目前的条件，不能简单地用同一种社会保障来覆盖，应当按照分类、分层保障的原则来提供社会保障，或者在基础部分统一而在补充部分体现差别性。一元化的制度安排可以作为我国社会保障制度的长期发展目标，但当前仍需将多元化制度作为过渡，这既能减少改革的阻力和成本，又不会偏离一元化的目标。

5、资金要素向对经济贡献系数更大的劳动力要素转移。由于固定资产投入对经济贡献系数小于劳动力贡献系数，建议未来将更多资金投入到提高劳动参与率、贡献率和产出率、提升劳动力素质等劳动事业上。

协整方程显示，劳动力对经济的贡献高于固定资产投入。因此建议将更多资金投到提高劳动参与率、提升劳动力素质等劳动事业上。具体来说， （1）投入更多资金在鼓励劳动参与、劳动贡献和产出上。

具体措施包括鼓励更多人就业，提高社会普遍薪酬待遇，改进技术（加快科技进步，改进产品、工程的设计，更新机器、设备等），提升劳动产出等。

（2）投入更多资金在发展卫生和教育事业，提升劳动力质量，弥补其数量的下滑。 Navaneetham认为如果劳动力质量得以提高，那么人口红利所带来的经济累积将几何级扩张。如果劳动力质量提升带来生产率的提高不能及时弥补人口红利消失带来的负面影响话，可能导致中国经济过早的丧失比较优势。因此，在人口红利优势消失之前建立起中国的劳动力质量优势是经济可持续发展的重要战略。 劳动力质量优势的建立有赖于两大支撑：教育和健康。

（1）大力发展教育事业，打造高素质劳动力。我国还有相当数量的劳动者受教育水平很低，因此提高劳动力的素质对中国经济具有极其重要的意义。如果说人口红利更多的体现在劳动力数量上，并且作为增长远期终究要消失的话，人力资本存量的提高可以形成一个更具有报酬递增，更加可持续的经济增长预期。也就是说，通过对劳动者本身

18

的投资，加大人力资本的积累，用质量替代数量，是预防劳动短缺的未雨绸缪之举。具体措施包括：大力发展职业教育、缩小城乡教育差距，促进地区教育水平均衡、解决教育收费贵的难题等。

（2）大力发展卫生事业，延迟人口寿命，提升身体素质。与主要发达国家比，目前中国的人均寿命、死亡率等数据都比较差。延迟劳动人民的寿命，提升身体素质，就必须加大中国的医疗卫生水平，尤其是农村地区的医疗水平。具体措施包括：加大公共卫生投入，解决看病难问题；加大农村医疗资源投入；优化生态环境和工作环境等。

七．参考文献

[1]杨桂元，黄已立.数学建模[M] .合肥：中国科学技术大学出版社，2008，43-67。 [2]李仲生：《人口经济学》[M].北京，清华大学出版社，2006年 。 [3]刘亮：人口红利对国民经济影响的实证研究[J]，《重庆工商大学》，2011年。 [4]马尔萨斯：《人口原理》[M]，商务印书馆，1992年。 [5]彭松建：《凯恩斯的人口经济理论》[M]，《北京大学学报(哲学社会科学版)》，1986年06期。 [6]彭松建：朱利安·西蒙的人口经济理论[J]，《北京大学学报：哲学社会科学版》，1985年。

[7]杨敬年：《西方发展经济学概论》[M]，天津人民出版社，1988年，第600页。 [8]John Tornton，“Population Growth and Economic Growth：Long—Run Evidence from Latin America”．Southem Economic Journal，2001，68(2)：464 —468 [9]A．F．Darrat and Y．K．AL—Yousi，“On the Long—Run Relationship between Population and Economic Growth，Some Time Series Evidence for Developing Countries”，Eastern Economic Journal，1999，25(3)：301—313

19

本文来源：https://www.bwwdw.com/article/f8dp.html