人口結(jié)構(gòu)與城鎮(zhèn)化關(guān)聯(lián)分析

□文/ 陳 春 李 昊 張 智 許 慧

（四川師范大學(xué)商學(xué)院 四川·成都）

［提要］人口結(jié)構(gòu)與經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化密切相關(guān)，合適的人口年齡結(jié)構(gòu)更有利于經(jīng)濟發(fā)展，老齡化人口結(jié)構(gòu)將促進經(jīng)濟結(jié)構(gòu)調(diào)整。本文使用2020 年統(tǒng)計數(shù)據(jù)，采用結(jié)構(gòu)方程構(gòu)建31 個省市人口結(jié)構(gòu)、經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)模型，深入分析人口結(jié)構(gòu)包括成年人口、老年人口和兒童人口的比例，研究教育、失業(yè)人口對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的計量關(guān)系。結(jié)果表明:人口結(jié)構(gòu)對經(jīng)濟發(fā)展、產(chǎn)業(yè)轉(zhuǎn)型、城鎮(zhèn)化起重要作用，最后提出政策建議。

人口結(jié)構(gòu)與經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)構(gòu)成和城鎮(zhèn)化密切相關(guān)，合適的人口年齡結(jié)構(gòu)更有利于經(jīng)濟發(fā)展。2019 年，我國老齡人口已達2.54 億人，老齡化人口數(shù)量的迅速增加，使我國提前進入人口老齡化社會。人口老齡化結(jié)構(gòu)需要面對許多復(fù)雜經(jīng)濟問題，人口紅利逐漸消失，經(jīng)濟的持續(xù)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、新城鎮(zhèn)化布局等。目前，人口與經(jīng)濟發(fā)展等問題已經(jīng)成為重要的研究課題，寇聰姍（2013）研究了人口老齡化、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與經(jīng)濟增長關(guān)系；逯進、王曉飛等（2019）深入分析了老齡化、人口流動與產(chǎn)業(yè)結(jié)構(gòu)的系統(tǒng)協(xié)調(diào)關(guān)系；左奇（2016）針對目前人口結(jié)構(gòu)，提出了產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化建議等。但現(xiàn)有研究多立足于局部，缺少從人口結(jié)構(gòu)整體出發(fā)，全面定量研究其與經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化的關(guān)系。本文利用2020 年統(tǒng)計數(shù)據(jù)，采用結(jié)構(gòu)方程構(gòu)建人口結(jié)構(gòu)與經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)模型，研究中國人口老齡化結(jié)構(gòu)特點，全面剖析人口結(jié)構(gòu)與經(jīng)濟、產(chǎn)業(yè)結(jié)構(gòu)和城鎮(zhèn)化關(guān)聯(lián)影響的定量難題，希望以此能更好地促進未來的經(jīng)濟與社會的持續(xù)穩(wěn)定發(fā)展。

一、31 個省市人口結(jié)構(gòu)方程模型構(gòu)建

結(jié)構(gòu)方程模型（SEM）融合了多元統(tǒng)計分析中的因子分析和回歸分析的統(tǒng)計方法。主要通過引入潛在變量，研究抽象變量之間復(fù)雜的因果或相關(guān)關(guān)系，將一些無法直接觀測的研究因子作為潛變量，與直接觀測的變量建立因果關(guān)系，使用聯(lián)立方程組進行模型識別、估計和驗證。

（一）人口結(jié)構(gòu)模型的假設(shè)。人口結(jié)構(gòu)、經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)之間是一種復(fù)雜的系統(tǒng)，既相互關(guān)聯(lián)又相互限制和促進。研究設(shè)置三個潛變量：人口結(jié)構(gòu)因子、經(jīng)濟因子和產(chǎn)業(yè)結(jié)構(gòu)因子。人口結(jié)構(gòu)因子涉及年齡、受教育程度和人口增長情況；經(jīng)濟因子包括生產(chǎn)總值、勞動力狀況等；產(chǎn)業(yè)結(jié)構(gòu)因子包括第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)的企業(yè)比重、城鎮(zhèn)化比重等。三個潛變量為相互互動影響的關(guān)系，用雙向箭頭的路徑表示，箭頭來源處作為“原因”，箭頭所指處作為“結(jié)果”，我國31 個省市人口結(jié)構(gòu)模型假設(shè)如圖1 所示。（圖1）

圖1 人口結(jié)構(gòu)模型假設(shè)圖

表1 31 個省市人口結(jié)構(gòu)方程全部潛變量和觀察變量一覽表

（二）數(shù)據(jù)采集和標(biāo)準(zhǔn)化?；谌丝诮Y(jié)構(gòu)模型假設(shè)，本文數(shù)據(jù)使用2000 年中國出版社出版的《中國統(tǒng)計年鑒2000》，參考《中國統(tǒng)計年鑒2002～2019》等，將全部的潛變量和觀察變量匯總于表1。對于缺失數(shù)據(jù)通過其他途徑補全，對于個別不能補全的缺失數(shù)據(jù)采用點處的線性趨勢替換處理。然后，對原始數(shù)據(jù)自然對數(shù)化，再對其進行標(biāo)準(zhǔn)化處理。在統(tǒng)計檢驗數(shù)據(jù)篩選時，選用產(chǎn)業(yè)企業(yè)數(shù)作為相關(guān)產(chǎn)業(yè)的觀察變量，實證結(jié)果通過信度檢驗。（表1）

為方便Amos 數(shù)據(jù)處理，本文沒有使用SPSS 進行標(biāo)準(zhǔn)化處理，而是選用比重法進行標(biāo)準(zhǔn)化處理。計算公式如下：

式中，i=1、2、3…n，j=1、2、3…m，Xij表示第i 對象第j 行的指標(biāo)實際值。經(jīng)Excel 處理后，所有標(biāo)準(zhǔn)化數(shù)據(jù)轉(zhuǎn)化成無量綱數(shù)據(jù)，且取值在［0，1］之間。選用IBM SPSS Statistics 19 對數(shù)據(jù)進行嚴(yán)格的統(tǒng)計檢驗，包括缺失值、平均值、標(biāo)準(zhǔn)差、偏度和峰度的統(tǒng)計檢驗，刪除不符合標(biāo)準(zhǔn)的指標(biāo)或數(shù)據(jù)。Cronbach's Alpha 系數(shù)為0.954，表明經(jīng)篩選所采用的數(shù)據(jù)具有很好的信度。表2 為對各個潛變量相關(guān)觀察變量的Cronbach's Alpha，其中人口結(jié)構(gòu)因子和經(jīng)濟因子的Cronbach's Alpha 系數(shù)大于0.9，經(jīng)濟結(jié)構(gòu)因子Cronbach's Alpha 系數(shù)為0.781，所選潛變量均具有良好的可信度。（表2）

表2 各個潛變量相關(guān)觀察變量Cr onbach' s Al pha 一覽表

表3 人口結(jié)構(gòu)方程可靠性適配度檢驗一覽表

二、模型擬合、評價和分析

IBM SPSS Amos21 適合多種變量分析，包括潛變量、指標(biāo)和誤差變量，可創(chuàng)建人口結(jié)構(gòu)模型并對其進行試算、調(diào)整和誤差修正，最后得到模型的全部路徑系數(shù)等運算結(jié)果。

（一）模型適配性檢驗。在IBM SPSS Amos21 中，支持Bootstrapping goodness-of-fit measures，在數(shù)據(jù)為非多元常態(tài)時，可以使用Bollen-Stine Bootstrap 估計模型配適度并得到估計和分析結(jié)果，使用Bollen-Stine Bootstrap 模型適配度可以用（1）式算得：

表4 31 個省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)模型擬合結(jié)果一覽表

表5 31 個省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)潛變量因子得分權(quán)重一覽表

（二）模型擬合和分析。圖2 為31 個省市人口結(jié)構(gòu)方程的模型運算結(jié)果，圖中顯示的為擬合的全部路徑系數(shù)、變量值等，所有殘差項都為正表示模型界定是合理，圖2 下方顯示了該模型的擬合卡方值與自由度的比值、卡方值、自由度、P、CFI、NFI、IFI 和RAR 名義檢驗值。（圖2）

表4 為31 個省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的SEM模型的擬合結(jié)果，其中顯著性P 值“***”表示顯著性概率P＜0.001，大多數(shù)路徑估計值通過0.001 水平上顯著檢驗，其他有兩個標(biāo)準(zhǔn)路徑估計值顯著性P 值為0.01，而且所有殘差變量也有類似顯著檢驗結(jié)果，并均通過0.05 水平上顯著檢驗。（表4）

31 個省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的SEM 模型將觀察變量、潛變量和誤差變量以及變量之間復(fù)雜的因果或相關(guān)關(guān)系影響系數(shù)全部擬合好，經(jīng)濟因子和產(chǎn)業(yè)結(jié)構(gòu)因子的協(xié)方差系數(shù)為0.231，人口結(jié)構(gòu)因子和經(jīng)濟因子的協(xié)方差系數(shù)為0.129，人口結(jié)構(gòu)因子和經(jīng)濟因子的協(xié)方差系數(shù)為0.151，協(xié)方差系數(shù)表示各因子間相互關(guān)系。而經(jīng)濟因子、產(chǎn)業(yè)結(jié)構(gòu)因子和人口結(jié)構(gòu)因子的相關(guān)系數(shù)分別為0.993、0.898 和0.914，說明它們之間的相關(guān)度較高。

（三）模型因子得分權(quán)重和排名。表5 為31 個省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的SEM 模型的潛變量因子得分權(quán)重，因子得分權(quán)重受到假設(shè)和誤差修正影響，存在一定偏差。對產(chǎn)業(yè)結(jié)構(gòu)直接影響較大的指標(biāo)依次為第三產(chǎn)業(yè)企業(yè)數(shù)、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)和城鎮(zhèn)化比重等；對產(chǎn)業(yè)結(jié)構(gòu)間接影響較大的指標(biāo)依次為第二產(chǎn)業(yè)產(chǎn)值、第一產(chǎn)業(yè)產(chǎn)值和專利申請量等。對經(jīng)濟因子直接影響較大的指標(biāo)依次為產(chǎn)業(yè)總值、第二產(chǎn)業(yè)產(chǎn)值、勞動力人數(shù)和專利申請量等；對經(jīng)濟因子間接影響較大的指標(biāo)依次為第三產(chǎn)業(yè)企業(yè)數(shù)、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)、成人比例、老人比例和城鎮(zhèn)化比重等。對人口結(jié)構(gòu)因子直接影響較大的指標(biāo)依次為成人比例、老人比例、失業(yè)人數(shù)、兒童比例和大專人數(shù)等；對人口結(jié)構(gòu)間接影響較大的指標(biāo)依次為生產(chǎn)總值、GDP 增幅和第二產(chǎn)業(yè)總值等。（表5）

表6 31 個省市人口結(jié)構(gòu)、經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)得分和排名一覽表

根據(jù)因子得分權(quán)重可以計算得出31 個省市人口結(jié)構(gòu)、經(jīng)濟因子和產(chǎn)業(yè)結(jié)構(gòu)的分值，然后根據(jù)得分高低進行排名，表6所示為31 個省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的排名。（表6）

由表6 可知，經(jīng)濟因子得分靠前的依次為廣東、江蘇、山東、浙江、河南、四川、湖北、湖南、福建、上海等，說明這些省市地區(qū)經(jīng)濟發(fā)展較好，處于全國領(lǐng)先位置；產(chǎn)業(yè)結(jié)構(gòu)因子得分靠前的依次為廣東、江蘇、山東、浙江、河南、遼寧、河北等，說明這些地區(qū)產(chǎn)業(yè)結(jié)構(gòu)較其他地區(qū)更為合理，可以進一步鞏固產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)勢，更好地促進經(jīng)濟發(fā)展；人口結(jié)構(gòu)因子得分靠前的依次為山東、廣東、河南、四川、江蘇、河北、湖南等，說明這些地區(qū)人口結(jié)構(gòu)較其他地區(qū)更為合理，但因人口老齡化是全國性問題，所以仍需要根據(jù)人口老齡化情況進行產(chǎn)業(yè)調(diào)整，在促進經(jīng)濟發(fā)展的同時，對現(xiàn)有的產(chǎn)業(yè)進行轉(zhuǎn)型。

圖2 31 省市人口結(jié)構(gòu)對經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的SEM模型運算結(jié)果圖

（四）指標(biāo)間的相關(guān)矩陣。通過結(jié)構(gòu)方程模型還可以得到各指標(biāo)間的相關(guān)矩陣，表7 為31 個省市人口結(jié)構(gòu)、經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)的相關(guān)矩陣，深入分析這些指標(biāo)的相關(guān)性可以得到結(jié)果如表7 所示。（表7）

與老齡人口相關(guān)度高的經(jīng)濟指標(biāo)依次為生產(chǎn)總值、勞動力人數(shù)、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)企業(yè)數(shù)、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)、專利申請量等，說明老齡化人口更適宜從事技術(shù)含量較高的產(chǎn)業(yè)。城鎮(zhèn)化比重與經(jīng)濟指標(biāo)相關(guān)度高的依次為生產(chǎn)總值、第二產(chǎn)業(yè)總值、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)等，說明城鎮(zhèn)化主要與地區(qū)工業(yè)化密切相關(guān)，但工業(yè)化可能導(dǎo)致地區(qū)的環(huán)境污染，所以在推進城鎮(zhèn)化時要重視減少環(huán)境污染。第三產(chǎn)業(yè)總值指標(biāo)相關(guān)度高的依次為生產(chǎn)總值、第二產(chǎn)業(yè)總值、勞動力人數(shù)、專利申請量、成人比例、老年人口比例等，所以在城鎮(zhèn)化工業(yè)化發(fā)展的同時，需要考慮企業(yè)逐步由勞動密集型向技術(shù)密集型產(chǎn)業(yè)轉(zhuǎn)移，增加對輕工業(yè)產(chǎn)品和以服務(wù)業(yè)為主的第三產(chǎn)業(yè)的比重。

三、結(jié)論及政策建議

（一）31 個省市的人口結(jié)構(gòu)化方程模型選用潛變量人口結(jié)構(gòu)因子、經(jīng)濟因子和產(chǎn)業(yè)結(jié)構(gòu)因子，根據(jù)擬合結(jié)果，說明人口結(jié)構(gòu)因子、經(jīng)濟因子和產(chǎn)業(yè)結(jié)構(gòu)之間關(guān)聯(lián)性極高，存在緊密的互動影響關(guān)系。

（二）產(chǎn)業(yè)結(jié)構(gòu)因子排名靠前的省市為廣東、江蘇、山東、浙江、河南、遼寧、河北等，對產(chǎn)業(yè)結(jié)構(gòu)直接影響較大的指標(biāo)依次為第三產(chǎn)業(yè)企業(yè)數(shù)、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)、城鎮(zhèn)化比重等；間接影響較大的指標(biāo)依次為第二產(chǎn)業(yè)產(chǎn)值、第一產(chǎn)業(yè)產(chǎn)值、專利申請量等，因此這些地區(qū)在發(fā)展工業(yè)同時，要注意改善環(huán)境和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。

（三）城鎮(zhèn)化比重較高的省市依次為上海、北京、天津、廣東、遼寧、浙江、江蘇等，城鎮(zhèn)化比重與經(jīng)濟指標(biāo)相關(guān)度高的依次為生產(chǎn)總值、第二產(chǎn)業(yè)總值和工業(yè)產(chǎn)業(yè)企業(yè)數(shù)等，說明城鎮(zhèn)化主要與地區(qū)工業(yè)化相關(guān)，而工業(yè)化的推進可能影響地區(qū)的生態(tài)環(huán)境，需要重視環(huán)境保護，有效控制環(huán)境污染。

（四）經(jīng)濟因子排名靠前的為廣東、江蘇、山東、浙江、河南、四川、湖北、湖南、福建、上海等，對經(jīng)濟因子直接影響較大的指標(biāo)依次為產(chǎn)業(yè)總值、第二產(chǎn)業(yè)產(chǎn)值、勞動力人數(shù)、專利申請量等；間接影響較大的指標(biāo)依次為第三產(chǎn)業(yè)企業(yè)數(shù)、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)、成人比例、老人比例、城鎮(zhèn)化比重等。所以，這些地區(qū)在促進經(jīng)濟發(fā)展的同時，需要更好地調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加大第三產(chǎn)業(yè)發(fā)展力度，增加高新技術(shù)產(chǎn)業(yè)發(fā)展規(guī)模、增加科技和研究投入，更好地進行專利轉(zhuǎn)化工作，重點發(fā)展技術(shù)密集型產(chǎn)業(yè)，增強地區(qū)核心競爭力。

表7 31 個省市人口結(jié)構(gòu)、經(jīng)濟發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)相關(guān)矩陣一覽表

（五）第三產(chǎn)業(yè)總值高的依次為廣東、江蘇、山東、浙江、北京、上海、遼寧等，第三產(chǎn)業(yè)總值指標(biāo)相關(guān)度高的依次為生產(chǎn)總值、第二產(chǎn)業(yè)總值、勞動力人數(shù)、專利申請量、成人比例、老年人口比例等。因此，在城鎮(zhèn)化工業(yè)化發(fā)展同時，需要考慮逐步向技術(shù)密集型產(chǎn)業(yè)轉(zhuǎn)移，增加對輕工業(yè)產(chǎn)品和以服務(wù)業(yè)為主的第三產(chǎn)業(yè)的比重。

（六）人口結(jié)構(gòu)因子得分靠前的依次為山東、廣東、河南、四川、江蘇、河北、湖南、湖北等，對人口結(jié)構(gòu)因子直接影響較大的指標(biāo)依次為成人比例、老人比例、失業(yè)人數(shù)、兒童比例和大專人數(shù)等；間接影響較大的指標(biāo)依次為生產(chǎn)總值、GDP 增幅和第二產(chǎn)業(yè)總值等，這些地區(qū)在經(jīng)濟增長的同時，需要根據(jù)人口結(jié)構(gòu)情況進行產(chǎn)業(yè)調(diào)整，促進經(jīng)濟發(fā)展同時，重視對現(xiàn)有產(chǎn)業(yè)的轉(zhuǎn)型。

（七）老齡人口比例較高地區(qū)依次為重慶、四川、江蘇、湖南、湖北、山東、天津等，老齡人口與指標(biāo)相關(guān)度高的經(jīng)濟指標(biāo)依次為生產(chǎn)總值、勞動力人數(shù)、第二產(chǎn)業(yè)產(chǎn)值、第三產(chǎn)業(yè)企業(yè)數(shù)、工業(yè)產(chǎn)業(yè)企業(yè)數(shù)和專利申請量等，說明老齡化人口更加適宜從事對技術(shù)和智力要素要求較高的產(chǎn)業(yè)?？芍鸩綄趧用芗偷漠a(chǎn)業(yè)轉(zhuǎn)向技術(shù)密集型產(chǎn)業(yè)，適應(yīng)人口老齡化社會需求。

主要參考文獻：

［1］寇聰姍.人口老齡化、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與經(jīng)濟增長——基于中國數(shù)據(jù)的實證研究（1995-2010）［J］.經(jīng)濟縱橫，2013（05）.

［2］逮進，王曉飛，劉璐，陳陽.中國省域老齡化、人口流動與產(chǎn)業(yè)結(jié)構(gòu)的協(xié)同效應(yīng)［J］.經(jīng)濟地理，2019（09）.

［3］左奇.人口老齡化背景下我國產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整研究［J］.西部金融，2016（12）.

［4］陳春.少數(shù)民族聚居的貴州和云南城市競爭力研究［J］.貴州民族研究，2014（01）.

［5］P Markus.Technical progress，Structural change，and the Environ-mental kuznets curve ［J］.Ecological Economics，2002（42）.