看到老年人口占比上升，很容易想到年轻劳动力变少了。但同一个占比，也会因为更多人活到老年而上升。出生减少和寿命延长都表现为老龄化，对经济的作用却未必相同。林毅夫等发表于《管理世界》的这篇研究，抓住了这个容易被一个指标掩盖的差别。
历史队列的预测
直接用各省老龄化速度解释经济增长，会遇到一个麻烦：经济发展也可能改善医疗条件、延长寿命，让老龄化和增长同时变化。
作者使用2000—2020年的省级数据，把研究期拆成四段五年变化。关键操作是份额—移动法工具变量：先取各省更早的人口年龄结构，再结合全国同一出生队列后来的存活率，预测各省的老龄化速度，用这个预测值辅助识别实际老龄化与人均GDP增长的关系。
预测值确实能解释实际变化，工具变量一阶段F统计量为20.404。表2中，工具变量估计系数为−0.409，标准误为0.498，未达到常规显著水平。准确的读法是： 在这一样本和时期内，研究没有检出老龄化对增长的显著负效应 。这既不能证明效应恰好为零，也不能直接推到未来更深度老龄化的阶段。工具变量的解释还依赖一个条件：历史年龄结构与全国队列存活率的组合，不能绕开老龄化，通过其他途径直接影响本地同期增长。
负效应没有显现，作者接着看劳动力究竟发生了什么变化。表3显示，老龄化较快的地区，劳动者平均年龄和平均受教育年限上升；劳动者总量与按教育水平加权的有效劳动数量，均未检出显著下降。这里的“有效劳动”把不同学历劳动者按收入差距赋予不同权重，比单纯数人数多了一层质量信息。
产业也在调整。作者先用2000年各行业劳动者的平均年龄和受教育年限，识别经验依赖型、人力资本密集型行业，再观察各省就业结构。表4显示，老龄化较快的地区，这两类行业的就业占比上升更明显。它提供了劳动力结构与产业结构相互适配的证据，但仅凭行业占比变化，还不能算出它抵消了多少增长压力。
健康差异的分量
把老年人口看成同质的一组，仍会漏掉健康差异。作者利用60岁以上人口的自评健康信息，把老龄人口变化分为健康与非健康两部分。表5中，健康组对应的估计系数为0.204，统计上不显著；非健康组为−0.452，显著为负。论文还做了两组系数的差异检验， p 值为0.026。因此，两组结果的区别有正式检验支持，但它仍不是“改善健康必然带来多少GDP”的直接估计。
论文随后用世代交叠模型做反事实模拟：在模型设定下，有健康改善时，人力资本提升和产业升级各自带来的总产出增量，平均分别高出12.2%和11.7%。这两个数字是 校准模型的模拟结果 ，不能写成现实中GDP分别增长了12.2%和11.7%。
这篇论文给实证研究的提醒很具体：使用老年人口占比之前，先看它由出生、存活和人口流动中的哪些变化推动；讨论经济后果时，再看健康劳动能力、教育水平和当地产业能否承接这些变化。
热门跟贴