人口紅利、技術(shù)進(jìn)步與中等收入陷阱—來自中國經(jīng)驗(yàn)的實(shí)證

肖 營

（廣州商學(xué)院 廣州 511363）

引言

美國經(jīng)濟(jì)學(xué)家Geoffrey在2004年論證了在高收入國家技術(shù)前沿優(yōu)勢與低收入國家勞動力成本優(yōu)勢的夾縫間， 中等收入國家比較優(yōu)勢缺失會給其帶來高失業(yè)與經(jīng)濟(jì)增長緩慢的影響。Gill和Kharas在2007年的《東亞復(fù)興：關(guān)于經(jīng)濟(jì)增長的觀點(diǎn)》報告中正式提出“中等收入陷阱”概念（周建鋒，2019）。此后中等收入陷阱受到了多個國家（地區(qū)）的重視，特別是我國進(jìn)入經(jīng)濟(jì)新常態(tài)后，經(jīng)濟(jì)增長速度下滑，居民收入水平增長速度也下降，因此很多學(xué)者認(rèn)為我國進(jìn)入了中等收入陷阱（張?jiān)屏恋龋?019）。2013年我國國家統(tǒng)計(jì)局提出，我國勞動年齡人口出現(xiàn)下降，勞動年齡人口已經(jīng)遠(yuǎn)遠(yuǎn)低于2012年，但人口紅利減弱是否加快了我國進(jìn)入中等收入陷阱的速度仍需要進(jìn)一步的驗(yàn)證。而伴隨著勞動力密集型產(chǎn)業(yè)向技術(shù)密集型產(chǎn)業(yè)的轉(zhuǎn)變，我國政府?dāng)U大了在技術(shù)研發(fā)方面的投資力度，以促進(jìn)我國技術(shù)水平提升（王燕等，2019）。在此背景下，本文探究人口紅利、技術(shù)進(jìn)步與中等收入陷阱之間的關(guān)聯(lián)性，就具有一定的必要性和重要性了。本文基于我國28個省市區(qū)面板數(shù)據(jù)，構(gòu)建空間滯后模型（SAR）、空間誤差模型（SEM），探究人口紅利、技術(shù)進(jìn)步與中等收入陷阱之間的關(guān)聯(lián)性。

文獻(xiàn)綜述

已有關(guān)于人口紅利、技術(shù)進(jìn)步與中等收入陷阱的研究文獻(xiàn)并不多見。王暉等（2017）從技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)升級、人口紅利的角度探究如何跨越中等收入陷阱，他認(rèn)為人是財富積累的最終動力和源泉，所以人口規(guī)模的擴(kuò)大，帶動人口紅利增加能夠幫助我國跨越中等收入陷阱，此外他認(rèn)為技術(shù)進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)升級對提升地區(qū)居民收入水平具有顯著的作用，因而也能夠在一定程度上縮小地區(qū)間收入差距，從而幫助我國跨越中等收入陷阱。郭丹丹（2017）基于我國1997-2016年的時間序列數(shù)據(jù)，選擇技術(shù)創(chuàng)新、人口規(guī)模、居民收入水平構(gòu)建了VAR模型探究技術(shù)進(jìn)步、人口紅利對中等收入陷阱的影響，結(jié)果表明技術(shù)進(jìn)步、人口紅利擴(kuò)大能夠降低我國落于中等收入陷阱的風(fēng)險。李紅（2018）利用我國2000-2017年的時間序列數(shù)據(jù)，對人口紅利與中等收入陷阱的關(guān)聯(lián)性進(jìn)行理論與實(shí)證分析，認(rèn)為我國開放二胎政策能夠促進(jìn)人口紅利規(guī)模擴(kuò)大，進(jìn)而幫助我國走出中等收入陷阱。王燕等（2019）從人口紅利和技術(shù)進(jìn)步視角探究我國是否存在中等收入陷阱以及二者對中等收入陷阱的影響，結(jié)果表明人口紅利能夠抑制中等收入陷阱的出現(xiàn)，而技術(shù)進(jìn)步對中等收入陷阱并沒有顯著的影響。

已有研究多采用時間序列數(shù)據(jù)探究人口紅利、技術(shù)進(jìn)步對中等收入陷阱的影響，忽略了地區(qū)間的差異并且沒有考慮到居民收入的空間關(guān)聯(lián)性。基于此，本文構(gòu)建空間面板數(shù)據(jù)模型探究三者之間的關(guān)聯(lián)性。

表1 全局莫蘭指數(shù)測算結(jié)果

關(guān)聯(lián)性實(shí)證分析

（一）變量選取與數(shù)據(jù)來源

本文的研究主題是人口紅利、技術(shù)進(jìn)步與中等收入陷阱之間的關(guān)聯(lián)性。中等收入陷阱是指一個國家（地區(qū)）發(fā)展到中等收入階段（人均國內(nèi)生產(chǎn)總值3000美元左右）后，可能出現(xiàn)兩種結(jié)果：持續(xù)發(fā)展，逐漸成為發(fā)達(dá)國家；出現(xiàn)貧富懸殊、環(huán)境惡化甚至社會動蕩等問題，導(dǎo)致經(jīng)濟(jì)發(fā)展徘徊不前，后一種結(jié)果稱走入了中等收入陷阱。基尼系數(shù)是國際上最常用的衡量國家（地區(qū)）收入差距的變量，基尼系數(shù)最大為“1”，最小等于“0”，基尼系數(shù)越接近0表明收入分配越是趨向平均。國際慣例把0.2以下視為收入絕對平均，0.2-0.3視為收入比較平均；0.3-0.4視為收入相對合理；0.4-0.5視為收入差距較大，當(dāng)基尼系數(shù)達(dá)到0.5以上時，則表示收入懸殊（晏月平等，2018）?；诖?，本文使用基尼系數(shù)作為被解釋變量，1997-2017年我國28個省市（西藏、內(nèi)蒙古、青海、香港、澳門、臺灣等地除外）的基尼系數(shù)使用jn表示。人口紅利表示人口規(guī)模擴(kuò)大到一定程度，能夠帶動地區(qū)消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展，進(jìn)而促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展水平提升（鄭緒濤，2017），因此本文使用地區(qū)常住人口數(shù)量表示，用peo表示，為避免可能存在的異方差性，本文進(jìn)行了取對數(shù)處理，結(jié)果用lnpeo表示。技術(shù)進(jìn)步表示地區(qū)科技研發(fā)水平，本文使用地區(qū)研發(fā)投入（R&D經(jīng)費(fèi)投資）占地區(qū)生產(chǎn)總值的比重表示，用rd表示。此外，考慮到基尼系數(shù)可能會受到地區(qū)產(chǎn)業(yè)結(jié)構(gòu)、商貿(mào)流通產(chǎn)業(yè)發(fā)展水平、城鎮(zhèn)化水平以及教育水平（本科以上入學(xué)率）影響，分別使用cy、lnsm、cz、jy表示。以上數(shù)據(jù)均來源于國家統(tǒng)計(jì)局、wind數(shù)據(jù)庫。

（二）空間權(quán)重矩陣的構(gòu)建

1.鄰接空間權(quán)重矩陣。該矩陣的構(gòu)造原理在于區(qū)域i與區(qū)域j之間是否有公共邊界或頂點(diǎn)，若存在公共邊界或頂點(diǎn)則取值為1，無邊界或頂點(diǎn)取值為0（李豫新等，2017）?？臻g權(quán)重矩陣如下所示：

考慮到本文研究環(huán)境質(zhì)量的實(shí)際情況，本文在鄰接空間權(quán)重矩陣中將海南省設(shè)為與廣東省相鄰。

2.經(jīng)濟(jì)距離權(quán)重矩陣。本文以1997-2017年我國28個省市（西藏、內(nèi)蒙古、青海、香港、澳門、臺灣等地除外）的GDP總額，以1997年為基期進(jìn)行了平減，隨后構(gòu)建經(jīng)濟(jì)距離矩陣（王輝，2017）。構(gòu)建方法如下所示：

其中，rji為基于球面距離的地理距離矩陣，GDP為1997-2017年28個省市折算成現(xiàn)值后的平均值。

（三）空間自相關(guān)性檢驗(yàn)

空間計(jì)量模型不同于普通面板數(shù)據(jù)模型，它要求數(shù)據(jù)呈現(xiàn)出一定的空間特征，因此在進(jìn)行空間計(jì)量分析之前必須對數(shù)據(jù)的空間集聚性進(jìn)行測度，也就是說要進(jìn)行空間自相關(guān)性檢驗(yàn)（張鑫，2015）。當(dāng)前主要的空間自相關(guān)性檢驗(yàn)方法是莫蘭指數(shù)，其原理如方程（3）所示：

為了對28個省市居民收入水平的空間集聚特征進(jìn)行檢驗(yàn)，本文分別使用地理鄰接權(quán)重矩陣和經(jīng)濟(jì)距離權(quán)重矩陣進(jìn)行全局莫蘭指數(shù)測算，結(jié)果如表1所示。

如表1所示，1997-2017年的地理鄰接權(quán)重矩陣的全局莫蘭指數(shù)的P值均低于0.1，說明28個省市的基尼系數(shù)水平呈現(xiàn)出顯著的空間集聚特征；而經(jīng)濟(jì)距離權(quán)重矩陣的全局莫蘭指數(shù)的P值也均低于0.1，再次說明了28個省市的基尼系數(shù)水平呈現(xiàn)出顯著的空間集聚特征。考慮到地區(qū)基尼系數(shù)水平受到經(jīng)濟(jì)發(fā)展水平的影響，因此本文以經(jīng)濟(jì)距離權(quán)重矩陣為主，地理鄰接權(quán)重矩陣僅為對比。1997年全局莫蘭指數(shù)為0.545，1998-2010年全局莫蘭指數(shù)呈現(xiàn)波動上升趨勢，2011-2017全局莫蘭指數(shù)呈現(xiàn)穩(wěn)步上升趨勢，說明1997年以來我國28個地區(qū)基尼系數(shù)水平的空間集聚特征呈現(xiàn)明顯的增強(qiáng)趨勢。

全局莫蘭指數(shù)僅能夠說明變量存在空間自相關(guān)性，并不能明顯表示出具體地區(qū)的空間集聚特征，因此本文以經(jīng)濟(jì)距離矩陣為基礎(chǔ)測算了我國28個省市的局域莫蘭指數(shù)并制作成局域莫蘭LISA圖（圖略，可向作者索?。?/p>

局域莫蘭指數(shù)分為四種特征：其一是位于第一象限，表示高觀測值地區(qū)被高觀測值地區(qū)所包圍；其二位于第二象限，表示低觀測值地區(qū)被高觀測值地區(qū)所包圍；其三是位于第三象限，表示低觀測值地區(qū)被低觀測值地區(qū)所包圍；其四是位于第四象限，表示高觀測值地區(qū)被低觀測值地區(qū)所包圍。本文所制作的1997、2012、2017年局域莫蘭LISA圖中High-High表示高觀測值地區(qū)被高觀測值地區(qū)所包圍，而High-High（significant）表示其中顯著的地區(qū)；Low-High表示低觀測值地區(qū)被高觀測值地區(qū)所包圍，而Low-High（significant）表示其中顯著的地區(qū)；Low-Low表示低觀測值地區(qū)被低觀測值地區(qū)所包圍，Low-Low（significant）表示其中顯著的地區(qū)；High-Low表示高觀測值地區(qū)被低觀測值地區(qū)所包圍，High-Low（significant）表示其中顯著的地區(qū)。

我國的28個省市中High-High地區(qū)多位于東部地區(qū)，其中北京、天津、浙江、江蘇、廣東等地區(qū)為局域莫蘭指數(shù)顯著的地區(qū)；Low-High型地區(qū)主要為黑龍江、河北、遼寧等地區(qū)，其中河北、遼寧等地區(qū)為顯著的地區(qū)；Low-Low型地區(qū)主要為山西、河南、河北、云南等中部省市，其中山西、河南等地區(qū)為顯著地區(qū)；High-Low型地區(qū)主為四川、重慶、貴州，其中四川、貴州等地為顯著型地區(qū)。

表2 空間計(jì)量模型回歸結(jié)果

（四）空間計(jì)量模型回歸結(jié)果

空間自相關(guān)檢驗(yàn)結(jié)果表明，我國28個省市的基尼系數(shù)水平呈現(xiàn)出明顯的空間自相關(guān)性，因此本文使用空間滯后模型（SAR）、空間誤差模型（SEM）進(jìn)行回歸分析，結(jié)果如表2所示。

如表2所示，本文分別進(jìn)行了OLS回歸、SAR模型的固定和隨機(jī)效應(yīng)回歸、SEM模型的固定和隨機(jī)效應(yīng)回歸，由于被解釋變量（jn）存在空間自相關(guān)性，所以O(shè)LS回歸存在偏差，因此結(jié)果以SAR模型和SEM模型為主。SAR模型的固定效應(yīng)和隨機(jī)效應(yīng)的R2分別為0.558和0.454，并且Log-likelihood值分別為-171.331和-165.708，說明固定效應(yīng)結(jié)果優(yōu)于隨機(jī)效應(yīng)，因此結(jié)果以固定效應(yīng)為主，同理可知SEM模型的結(jié)果以固定效應(yīng)為主；隨后對比SAR模型和SEM模型的R2和Log-likelihood值可知，SEM模型的結(jié)果優(yōu)于SAR模型，因此本文的回歸結(jié)果以SEM模型的固定效應(yīng)結(jié)果為主，其它回歸結(jié)果僅為對比作用。

lnpeo的回歸系數(shù)為-0.554且在1%的水平上顯著，說明人口規(guī)模與基尼系數(shù)之間為顯著的負(fù)相關(guān)關(guān)系，由此說明人口紅利的擴(kuò)大能夠降低基尼系數(shù)，通過人口紅利的延續(xù)可以幫助國家（地區(qū)）走出中等收入陷阱。rd的回歸系數(shù)為-0.763且在5%的顯著性水平上顯著，說明技術(shù)進(jìn)步與基尼系數(shù)之間為顯著的負(fù)相關(guān)關(guān)系，技術(shù)進(jìn)步能夠縮小地區(qū)之間收入差距，進(jìn)而促進(jìn)我國各地區(qū)走出中等收入陷阱。產(chǎn)業(yè)結(jié)構(gòu)（cy）與基尼系數(shù)之間的回歸系數(shù)為-0.503且在1%的水平上顯著，說明產(chǎn)業(yè)結(jié)構(gòu)升級能夠降低基尼系數(shù)水平；商貿(mào)流通產(chǎn)業(yè)發(fā)展水平（lnsm）與基尼系數(shù)的回歸系數(shù)為-0.625但不顯著，說明商貿(mào)流通產(chǎn)業(yè)發(fā)展水平對基尼系數(shù)沒有顯著的影響；城鎮(zhèn)化水平（cz）與基尼系數(shù)之間的回歸系數(shù)為0.090且在10%的水平上顯著，說明城鎮(zhèn)化水平促進(jìn)了基尼系數(shù)擴(kuò)大；教育水平（jy）與基尼系數(shù)之間的相關(guān)系數(shù)為-0.008，說明教育水平提升能夠降低基尼系數(shù)。

結(jié)論與政策建議

（一）結(jié)論

基于上述實(shí)證分析，本文得出以下結(jié)論：1997年以來，我國28個省市基尼系數(shù)水平的空間集聚特征呈現(xiàn)明顯的增強(qiáng)趨勢。其中，High-High地區(qū)多位于東部地區(qū)，其中北京、天津、浙江、江蘇、廣東等地區(qū)為局域莫蘭指數(shù)顯著的地區(qū)；Low-High型地區(qū)主要為黑龍江、河北、遼寧等地區(qū)，其中河北、遼寧等地區(qū)為顯著的地區(qū)；Low-Low型地區(qū)主要為山西、河南、河北、云南等中部省市，其中山西、河南等地區(qū)為顯著地區(qū)；High-Low型地區(qū)主為四川、重慶、貴州，其中四川、貴州等地為顯著型地區(qū)；人口規(guī)模與基尼系數(shù)之間為顯著的負(fù)相關(guān)關(guān)系，由此說明人口紅利的擴(kuò)大能夠降低基尼系數(shù)，通過人口紅利的延續(xù)可以幫助國家（地區(qū)）走出中等收入陷阱；技術(shù)進(jìn)步與基尼系數(shù)之間為顯著的負(fù)相關(guān)關(guān)系，技術(shù)進(jìn)步能夠縮小地區(qū)之間收入差距，進(jìn)而促進(jìn)我國各地區(qū)走出中等收入陷阱；產(chǎn)業(yè)結(jié)構(gòu)升級能夠降低基尼系數(shù)水平、商貿(mào)流通產(chǎn)業(yè)發(fā)展水平對基尼系數(shù)沒有顯著的影響，城鎮(zhèn)化水平促進(jìn)了基尼系數(shù)擴(kuò)大、教育水平提升能夠降低基尼系數(shù)。

（二）建議

由此，本文提出以下幾點(diǎn)政策建議：第一，促進(jìn)人口增長，維持人口紅利。本文實(shí)證分析表明人口紅利規(guī)模擴(kuò)大能夠在一定程度上降低基尼系數(shù)水平，為此我國政府應(yīng)該實(shí)行二胎政策，促進(jìn)地區(qū)人口增長，維持地區(qū)人口紅利水平。第二，擴(kuò)大投資，促進(jìn)地區(qū)科研水平提升。本文實(shí)證分析表明技術(shù)進(jìn)步能夠顯著地降低基尼系數(shù)水平，因此我國各地區(qū)政府應(yīng)該擴(kuò)大財政收入在科研上的投入力度，進(jìn)而降低基尼系數(shù)水平（張德榮，2013）。第三，調(diào)控城鎮(zhèn)化進(jìn)程，避免過度城鎮(zhèn)化。本文實(shí)證分析表明我國城鎮(zhèn)化水平在一定程度上加劇了基尼系數(shù)水平上升，為此我國各地區(qū)政府應(yīng)該調(diào)控城鎮(zhèn)化進(jìn)程，避免過度城鎮(zhèn)化的出現(xiàn)，依靠城鎮(zhèn)化水平提升促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展，提升居民收入。