调研报告人口流动对区域经济增长的实证分析Word文档下载推荐.docx
《调研报告人口流动对区域经济增长的实证分析Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《调研报告人口流动对区域经济增长的实证分析Word文档下载推荐.docx（11页珍藏版）》请在冰豆网上搜索。
如段平忠（2008）通过分析1978-1987年与1996-2003年人口流动的数据，认为人口流动对区域经济增长有长期的作用，且人口流动的区域差异与经济增长的区域差异是一致的，即经济发达的东南沿海接受了大量流入人群，反之中西部地区则逊色很多。
杜小敏和陈建宝（2010）分析了20世纪以来中国跨省的人口流动数据和经济发展水平，进而提出了人口流动是对中国整体经济的帕累托改进这一观点。
顾宝昌（2013）认为中国进入由人口流动主导人口态势的时期，并进一步分析第六次人口普查数据发现，四川、贵州、湖北等地人口负增长现象是由于大量人口外流所致。
薛伟玲（20XX）对中国人口流动对区域经济增长的贡献进行探究，发现跨省的人口流动对流入地区和流出地区的经济增长都具有积极影响，相对于全部就业人口，流动人口对地区经济增长的贡献度更高。
高端君等（2015）以重庆市为例，将人口流动和经济增长归入统一的逻辑框架，借助向量自回归模型（VAR）分析研究后认为人口流动与经济增长之间存在较强的相关关系，提出了VAR模型框架内提升地区经济发展的人口政策与治理路径。
多年来中国学者从许多方面解释了中国人口流动的原因，总结了中国现有人口流动的特点，同时明确了人口流动对经济增长的影响是双方面的。
这些成型的理论为解决中国流动人口问题提供了思路，对政策的制定具有一定的指导意义。
但是现有的研究仍然存在着一些不足，多数研究仅停留在理论层面上，多为定性研究，并且多以大城市及经济发达地区作为样本，而以小城市作为研究区域的比较少，缺少对地域、县域人口流动状况的定量研究和实地考察。
三、人口流动与区域经济增长关系的理论讨论
本文在对人口流动与区域经济增长关系进行考察时，主要依据劳动力供给、人力资本积累和消费需求这三个基本因素，从多个视角探讨人口流动对区域经济增长影响的几种理论机制。
基本分析框架来自于传统经济增长理论、新经济增长理论和总需求理论。
首先，对于净流入地而言，人口流入增加了该区域劳动力的供给，劳动力数量的提高使得一些企业获得了较之前更大的选择空间，因此可以通过极低的成本实现自身的生产需求，从而提高产品的竞争力，最终在市场竞争中获得较高的利润，进而为进一步扩大生产规模奠定物质基础。
而对于人口净流出地区来说，劳动力供给减少使得企业无法实现资源的有效配置，对于一些有政策支持的区域，人口流出更是会造成社会资源的浪费和损失，因此会在一定程度上阻碍区域经济的增长。
其次，流入人口中那些受过高等教育的人才在进入该区域之后，由他们带来的新知识技术工具、丰富的工作经验和先进的企业管理制度会首先在该区域的各行各业引发变革，然后由于知识技术的外溢性，因新技术而获得高额利润的企业所生产的产品会被同行业的公司效仿，直到垄断利润消失之后，市场上又会有新的产品出现。
因此，人口流入在企业生产方面提高了产品技术水平，同时提高了行业平均劳动生产率水平，进而促进区域经济的增长。
另外，高素质人才的流入带来的知识和技术，其外溢性所产生的行业技术变革实质上是人力资本的增加对经济增长的推动。
根据新经济增长理论，人力资本的积累是经济增长的真正源泉，而大量高素质人才的涌入会直接增加该区域的人力资本投入，也会通过技术溢出效应实现知识的共享，从而令普通劳动力在工作过程中不断学习和积累经验，最终转化为人力资本。
最后，通过人力资本积累而带来的企业利润和经济增长，一方面会促进企业加大高新技术的投入，努力在生产的各个方面实现创新与突破，另一方面会使政府加快推进相关政策，通过增加教育支出和建立高新技术产业园区等方式，加速人力资本的积累，促进区域内产业结构转型，并以此通过集聚效应形成良性循环，实现经济的长期增长。
然而，对人口净流出地区，高素质人才的丧失不仅会减缓当地人力资本的积累速度，从而难以实现产业升级、技术变革，而且会造成资源与人才流失之间的矛盾。
另外，经济增长的城市或地区往往也代表着更多的机遇和更好的工作待遇，人口净流出地区本身经济增长就受到阻碍，更是无力吸引劳动力和人才的流入，最终掉入人财两空的恶性循环。
从需求角度来讲，庞大的人口流入本身就构成一个庞大的消费市场，形成了巨大的购买力，流动人口的生活必需品无疑都要靠城市供给，而这些消费扩大了城市的消费需求，增加了城市居民的收入，最终则体现为该地区的经济增长。
根据宏观经济中的总需求理论，居民消费在国民经济占有重要的作用，消费需求更是影响经济增长的主要因素。
具体来看，其对经济增长的推动作用主要体现在以下两个方面：
一是消费需求型的经济可以转变以投资为导向的经济增长模式，主要依靠消费带动经济增长；
二是消费者数量的增多，有助于形成消费者主权，从而促进市场经济的良好运行。
可以看出，人口净流入恰好为以上两个方面提供了条件。
另外，通过扩大内需带动经济增长既可以解决中国目前普遍存在的产能过剩的问题，还可以促进经济结构的转型，从而提高经济效益和品质。
但是对于人口净流出地区，由于其缺少消费需求的来源，从而便无法通过以上途径来实现经济增长。
因此，基于以上理论分析，本文推导出如下假说：
假说一：
人口净流入与经济增长之间存在正相关的关系，即人口净流入能够促进经济增长。
具体而言，人口净流入通过增加劳动力供给促进产业结构转型，提高技术水平以及促进消费来影响经济增长，人口净流入越多，越有利于经济增长。
假说二：
人口净流出与经济增长之间是负相关的关系，即人口净流出会抑制经济增长。
对于流出地而言，人口大量流失，使得劳动力供给不足，可能导致流出地产业发展后劲不足。
而且流出人口大多数为青年和接受过高等教育的人才，因此会减缓人口净流出地人力资本积累和技术创新的速度。
与此同时，人口的流出意味着本地消费市场缩水。
四、模型设定及变量说明
本文选取全国278个城市建立面板数据模型，目的是为从实证角度出发，考察人口流动对一个地区经济的影响。
因此，选取各地区每年实际GDP的总量为被解释变量，核心解释变量为各城市每年人口的净流出数量与净流入数量。
另外，影响区域经济的因素很多，所以我们又选择了一些其它的控制变量。
本文的计量方程设置如下：
其中，下标i表示各个城市；
t表示时间；
λi表示不可观测的区域效应；
μi表示不可观测的时间效应，它是一个不随城市变化的变量，解释了所有没有包括在方程并与时间有关的效应。
εit为随机扰动项，它服从白噪声的假定条件。
具体来说，方程中各变量的含义如下：
LnGDPit：
表征第i个城市第t年的GDP总量，在这里做对数处理。
LnNFit：
表示地区人口净流动的变量，包括LnNFIit与LnNFOit，即i地区t年的人口净流入与i地区t年的人口净流出，均做对数处理。
因此，方程中的
。
Xit：
表示征控制变量集合，它包括：
LnKit：
固定资产投入，表示物质资本，采用的指标是全社会固定资产投资总额。
考虑到固定资产投入时间周期比较长，并且具体的测算方法各有不同，目前为止没有公认的被接受的方法，所以使用固定资产投入的流量，即全社会固定资产投资总额作为代理变量。
LnLit：
各地区每年的总人口数，作为劳动力的代理变量。
LnEit：
表示能源消耗量，采用的是煤气供应总量指标。
LnOPEN：
表示对外开放程度，考虑到FDI这一指标在经济作用上具有一定的滞后效应，所以采用FDI的存量指标。
FDI存量参照资本存量的计算方法，以20XX-20XX年为期限，20XX年第i个城市的FDI存量为：
FDI20XXi=fdi20XXi/（gi+α）
（2）
其中fdi20XXi表征20XX年第i个城市的FDI流量，按当年汇率换算，gi表征第i个城市20XX-2008年的人均GDP增长率，折旧率α为6%（HallandJones，1999），20XX年以后的FDI采用永续存盘法计算，公式如下：
FDIi（t）=FDIi（t-1）-αFDIi（t-1）+fdii（t）
（3）
LnEDU：
教育支出占财政总支出的比重，表示人力资本。
我们的分析对象是中国278个地级市在20XX-20XX年人口流动以及经济增长的状况，由于数据可得性，这里没有包含青海省、西藏自治区和新疆维吾尔自治区的各地级市。
除了对外开放程度是由实际使用外资的流量采用永续盘存法计算出FDI的存量外，其他数据均直接来自于20XX-20XX年的《中国统计年鉴》和《中国城市统计年鉴》。
有关上述变量的描述性统计见表1。
表1
各变量的描述性统计
Variable
Mean
Std.Dev.
Min
Max
lngdp
14.934
1.180
11.496
18.934
lnl
13.728
0.705
11.874
15.897
lnk
14.381
1.238
5.710
17.810
lne
9.050
1.555
2.398
12.581
lnopen
12.192
2.541
0.000
17.482
lnedu
7.166
1.143
1.371
10.966
lnnfi
5.703
4.310
14.619
lnnfo
2.666
3.891
14.919
表1展现出的变量关系，为我们在前文提出的假说提供了经验性的支持。
为使结论更可靠，接下来对影响经济增长的各种因素进行计量分析。
考虑到方程中有一些解释变量以及个别控制变量属于内生变量，因此在分析时，需要控制这些变量的内生性，在此使用GMM方法来实现对内生变量的控制。
五、计量结果及解释
表2给出了不同计量方程的固定效应模型和双向固定效应模型的估计结果，其中个体效应和时间效应都得到了控制。
豪斯曼检验的结果表示拒绝了随机效应模型的零假设，支持双向固定效应模型。
表2
固定效应模型和双向固定效应模型的估计结果
（1）
（4）
（5）
（6）
0.589***
0.577***
0.579***
0.582***
0.574***
0.571***
（0.0486）
（0.0483）
（0.0687）
（0.0691）
（0.0681）
（0.0677）
0.158***
0.159***
0.0975**
0.0967**
0.0962**
0.0971**
（0.0126）
（0.0355）
（0.0357）
（0.0358）
0.311***
0.312***
0.280***
（0.00718）
（0.0262）
0.0191***
0.0195***
0.0117
--
0.0121
（0.00556）
（0.00557）
（0.0119）
（0.0118）
0.0406***
0.0407***
0.0290***
0.0292***
0.0291***
0.0289***
（0.00594）
（0.00796）
（0.00794）
（0.00797）
（0.00799）
-0.00467**
-0.00272*
-0.00274*
（0.00153）
（0.00133）
0.00364*
0.00165
（0.00162）
（0.00147）
_cons
1.162
1.263*
2.481*
2.493*
2.587*
2.573*
（0.628）
（0.626）
（1.039）
（1.041）
（1.031）
（1.028）
N
3058
R2
0.763
0.762
0.772
adj.R2
0.738
0.771
0.770
HausmanTest（P）
0.0000
注：
1.Standarderrorsinparentheses；
2.*p＜0.05，**p＜0.01，***p＜0.001；
表2中，方程
（1）和
（2）是固定效应模型的估计结果，方程（3）-（6）则是引入时间效应后双向固定效应模型的估计结果。
根据表2的结果，我们可以看到，资本、劳动力、能源消耗量和对外开放程度的估计结果在统计上是显著的，并且符号与预期相同。
然而，引入时间效应后，人力资本虽然符号与预期相同，但估计结果在统计上不显著。
因此，方程（4）和方程（5）是剔除了人力资本之后的结果，此时各变量的估计结果仍然显著。
但是，对于核心解释变量人口净流入和人口净流出，β1和β2在所有模型中的符号都与预期相反，但在统计方法上，估计结果较为显著。
本文认为，造成上述结果的原因在于计量方法使用不当。
事实上，人口净流动与经济增长是相互影响的，一方面人口流动会促进或阻碍经济增长，另一方面经济增长的程度也会对人口流动产生一定作用。
因此，考虑到可能存在的内生性问题，表2中的各模型估计结果是有偏的。
基于上述内生性问题的考虑，决定采用系统GMM的方法。
其中，人口净流入、人口净流出与人力资本为内生变量，劳动力的代理变量与能源消耗为严格外生变量。
为检验模型稳健性，我们增减对外开放程度这一变量从而得到四个模型。
由于系统GMM法克服了变量内生性的问题，而且其估计结果不会受到弱工具变量的影响，因此我们选择系统GMM的估计结果作为最终的结论。
如表3所示，
（1）（3）是含有对外开放程度这一变量的结果，
（2）（4）是不合对外开放程度这一变量的结果，从上述估计结果来看，四个模型的结果呈现出较高的一致性，说明模型稳健。
具体而言，首先来看各核心解释变量的系数符号：
系统GMM法下人口净流入和人口净流出的估计结果显著且符号与预期一致，即人口净流入增加会促进经济增长，人口净流出增加会抑制经济增长。
对于其他解释变量的系数，即资本、劳动力、能源消耗量、对外开放程度和人力资本，它们的符号都与预期一致，并且都在至少5%的显著性下显著。
与之前结果相比不同在于，不仅固定资产投入、各地区每年的总人口数、能源消耗量和FDI存量的增加会对经济增长产生明显的促进作用，而且人力资本的估计结果在GMM方法中也在5%的显著性下显著，说明教育支出占财政总支出比重的提高也会对经济增长产生促进作用。
表3
系统GMM估计结果
L.lngdp
0.0851*
0.112**
0.0855*
0.113**
（2.21）
（3.06）
（2.25）
（3.10）
0.368***
0.406***
0.377***
0.409***
（5.96）
（6.94）
（6.36）
（7.29）
0.334***
0.485***
0.318***
0.483***
（5.79）
（14.96）
（5.33）
（14.82）
0.153***
0.143***
0.157***
0.145***
（7.53）
（6.53）
（7.50）
（6.57）
0.0688*
0.0478*
0.0685*
0.0491*
（2.53）
（2.19）
（2.47）
（2.17）
0.154***
0.163***
（3.59）
（3.88）
Lnnfi
0.00492*
（1.60）
（2.01）
-0.00537*
-0.00579*
（-2.02）
（-2.40）
0.00545
-0.973
-0.00498
-0.984
（0.01）
（-1.89）
（-0.01）
（-1.90）
2780
Sargantest
106.73
93.56
173.41
162.87
AR
（2）
1.64
1.51
2.34
2.06
1.tstatisticsinparentheses；
3.GMM法中人口净流入、人口净流出和人力资本是内生变量。
以上计量分析过程从全样本的角度为我们提供了一个整体性的经验结论，以此为依据，我们又进一步对当前各地区存在的人口流动和经济增长上的差异展开讨论，并希望借此，为区域经济增长存在的问题提出有关政策及建议。
表4反映了20XX年不同地区（东部、东北部、中部、西部）人口净流动的规模，其中东部下分为长三角、珠三角和京津冀地区。
从总流动人口指标上看，这些地区的人口总流入为7536万人，人口总流出为4305万人，从东部、东北部、中部、西部人口流动的分布来看，超过70%的人口流入东部地区，达5000万人。
四大经济区中，人口流入最少的是东北地区，仅仅为300万人，占人口总流入的比重低于5%。
而东部地区在吸引大量人口流入的同时，也伴随着大规模的人口流出，约占总流出人口的四分之一。
从人口净流出指标上看，东部地区为人口净流入，其他三大经济区均为人口净流出。
东部的珠三角、长三角的人口净流入数量均超过了1000万，京津冀地区也超过了400万，这三个地区的人口净流入数占净流入总数的比例高达90.6%，成为人口流入的主要地区。
表4
人口流动的地区规模分布
人口流入
人口流出
净流入总数（万人）
净流入率（%）
总数（万人）
占比（%）
东部
5428.2
72.03
1000.6
23.24
4427.6
15.21
长三角
1751.7
203.5
4.73
升级会员 