老齡化趨勢下年齡依賴型要素對比較優(yōu)勢的影響
——來自中國的經(jīng)驗研究

武康平 張永亮

0 引言

人口年齡結(jié)構(gòu)的變動正成為解釋比較優(yōu)勢的新維度，對于中國而言這一因素對國際貿(mào)易的影響更加值得關(guān)注。古典貿(mào)易理論中的傳統(tǒng)要素稟賦理論認(rèn)為給定技術(shù)情況下，國家間總量上的要素稟賦豐裕度決定著產(chǎn)品的生產(chǎn)成本，進(jìn)而帶來同一產(chǎn)品的價格差異，形成比較優(yōu)勢。但是，隨著社會經(jīng)濟(jì)發(fā)展，國家間的要素稟賦差異逐漸縮小，呈現(xiàn)出一致的變化趨勢，所以總量上要素差異對具有相似國情的國家間依然存在大量貿(mào)易現(xiàn)象的解釋力度逐漸減小。細(xì)分要素結(jié)構(gòu)上的差異，逐漸成為研究比較優(yōu)勢來源的又一渠道。近三十年尤其是2001年入世以來，中國的人口結(jié)構(gòu)和貿(mào)易結(jié)構(gòu)都正在經(jīng)歷著劇烈的轉(zhuǎn)變過程。2001年入世后，中國貿(mào)易開放程度大大提高，目前已成為世界第一貿(mào)易大國。同時，2001年也是中國人口結(jié)構(gòu)轉(zhuǎn)型的重要時間點(diǎn)，此時起65歲及以上人口占比、老年撫養(yǎng)比以及年齡中位數(shù)等各方面指標(biāo)都標(biāo)志著中國正式進(jìn)入“老年型”社會。人口結(jié)構(gòu)變動改變著原有發(fā)展模式中的資源配置格局，影響著一個社會的生產(chǎn)結(jié)構(gòu)和消費(fèi)結(jié)構(gòu)，進(jìn)而對中國在國際貿(mào)易中的比較優(yōu)勢產(chǎn)生作用。然而由于傳統(tǒng)老齡化研究中，主要關(guān)注總?cè)丝谥胁粎⑴c生產(chǎn)的非勞動力老齡化問題，難以直接引入比較優(yōu)勢，造成探討老齡化與出口貿(mào)易結(jié)構(gòu)關(guān)系的研究十分稀少。因此，如何在理論和實證中識別老齡化趨勢下人口年齡結(jié)構(gòu)對中國比較優(yōu)勢的影響，正是本文關(guān)注的核心問題。

本文著重從包含勞動力老齡化的廣義人口老齡化視角提供解釋邏輯。由于一國總?cè)丝诳煞譃閯趧恿头莿趧恿Γ丝谀挲g結(jié)構(gòu)老齡化趨勢不僅包括已退休的非勞動力人口老齡化問題，理應(yīng)包括勞動力人口老齡化問題。從數(shù)據(jù)上，本文發(fā)現(xiàn)中國15～64歲的勞動力人口與總?cè)丝谙嘁恢?，同樣出現(xiàn)快速老齡化趨勢。例如，根據(jù)聯(lián)合國數(shù)據(jù)，2000—2030年，50～64歲高齡勞動者在總勞動人口中的占比持續(xù)大幅增加，平均每年增長0.549個百分點(diǎn)，比總?cè)丝诶淆g化率年均增長速度高0.198個百分點(diǎn)?？梢?，在總?cè)丝诶淆g化的同時，勞動力老齡化現(xiàn)象同樣不容忽視，是值得深入研究的重要課題。

理論上，異質(zhì)性勞動者模型為研究勞動力老齡化問題提供了重要方法論。許多關(guān)于認(rèn)知能力和老齡化的研究都發(fā)現(xiàn)，不同的認(rèn)知能力可以隨著個人年齡的增加而發(fā)生改變，并且存在不同的變化趨勢。例如，大量文獻(xiàn)研究發(fā)現(xiàn)，表達(dá)和語言能力會隨著年齡的提高而提高，而記憶能力、信息加工速度、多重任務(wù)處理能力則和體力一樣，會隨著年齡提高而下降?？梢?，這些“年齡依賴型技能”(age-dependent skill)可區(qū)分為“年齡升值型技能”(age-appreciating skill)和“年齡貶值型技能”(age-depreciating skill)；前者可包含寫作或者口頭表達(dá)能力等，后者可包含注意力，協(xié)調(diào)能力，反應(yīng)速度等(Cai and Stoyanov, 2016)。此外，行業(yè)層面上，不同行業(yè)使用的年齡依賴型要素密集度并不相同。依據(jù)群分模型(sorting model)[注]文獻(xiàn)中“sorting”指均衡結(jié)果是類型相似或相同的人聚集在一起，而不同類型的人隔離的狀態(tài)。我們主要遵從陸銘和張爽(2007)的提法，將其翻譯為“群分”，取“人以群分”之意。，均衡時行業(yè)總產(chǎn)出是行業(yè)中所有任務(wù)(task)的加總，因此若行業(yè)中包含諸多需要年齡貶值型技能完成的工作，那么此行業(yè)將密集使用年齡貶值型技能要素，而包含諸多需要年齡升值型要素來完成相應(yīng)工作的行業(yè)，則年齡升值型要素密集度更高。

基于年齡依賴型技能，人口年齡結(jié)構(gòu)老齡化對國際貿(mào)易的作用機(jī)制可從數(shù)量和質(zhì)量兩個途徑展開探討。一方面，基于赫俄理論，如果一國老齡化程度越高，那么年齡升值型技能要素則更充裕，該國密集使用年齡升值型要素的行業(yè)傾向于擴(kuò)大生產(chǎn)并出口，而進(jìn)口密集使用年齡貶值型要素的行業(yè)產(chǎn)品。另一方面，基于李嘉圖比較優(yōu)勢理論，人口老齡化程度更高的國家，多數(shù)工作要求年齡貶值型技能的產(chǎn)業(yè)會出現(xiàn)生產(chǎn)率的下降，而多數(shù)工作為年齡升值型的產(chǎn)業(yè)，其相對生產(chǎn)率則逐漸提高，在生產(chǎn)和出口貿(mào)易中顯露比較優(yōu)勢。然而從現(xiàn)有研究看，老齡化趨勢下人口年齡結(jié)構(gòu)問題在國際貿(mào)易領(lǐng)域的研究還處于起始階段，基于年齡依賴型要素角度的相關(guān)論證更是少之又少，本文研究將是對這一問題的有益補(bǔ)充。

本文余下部分安排是： 第1部分綜述相關(guān)研究；第2部分基于異型性勞動者模型與群分模型，從理論上對老齡化趨勢下年齡依賴型要素對比較優(yōu)勢的影響機(jī)制給出解釋邏輯；第3部分中，介紹了回歸模型、相關(guān)數(shù)據(jù)的來源處理以及變量的選取，進(jìn)而對中國老齡化趨勢事實和相應(yīng)的年齡依賴型要素密集度不同的行業(yè)的出口情況進(jìn)行了描述；第4部分中報告了回歸結(jié)果并進(jìn)行穩(wěn)健性檢驗；第5部分為總結(jié)與政策啟示。

1 文獻(xiàn)綜述

關(guān)于老齡化問題的研究雖已有較長時間，但整體上看研究范圍主要集中在以下四個方面：老齡化與經(jīng)濟(jì)增長的關(guān)系、老齡化與收入不平等的關(guān)系、養(yǎng)老保障制度建設(shè)方面以及老齡化與其他經(jīng)濟(jì)變量的關(guān)系方面。同時，認(rèn)知能力和勞動力老齡化問題也受到了國內(nèi)學(xué)者的關(guān)注。周洋和劉雪瑾(2017)利用中國家庭追蹤調(diào)查(CFPS)數(shù)據(jù)，以字詞識記能力和數(shù)學(xué)能力為認(rèn)知能力的代理變量，研究證實了認(rèn)知能力與創(chuàng)業(yè)意愿和創(chuàng)業(yè)收入均呈現(xiàn)正相關(guān)關(guān)系，并且這種影響雖然不存在顯著的區(qū)域差異，但是數(shù)學(xué)能力卻在不同年齡群體間存在著異質(zhì)性，再次證明了認(rèn)知能力對投資決策的影響對40歲及以上的人群影響更大(Christelis et al，2010)。孫一菡等(2017)研究發(fā)現(xiàn)，綜合考慮學(xué)歷和年齡兩方面因素時，勞動人口老齡化程度加劇并不必然阻礙經(jīng)濟(jì)持續(xù)增長。

人口結(jié)構(gòu)的老齡化趨勢給社會和經(jīng)濟(jì)發(fā)展帶來全面而深刻的變化，這些影響必然傳導(dǎo)到貿(mào)易領(lǐng)域。伴隨著出生率下降和預(yù)期壽命的提高、人口老齡化的不斷深化，人口結(jié)構(gòu)必然隨之發(fā)生變動，進(jìn)而影響一個社會的生產(chǎn)結(jié)構(gòu)和消費(fèi)結(jié)構(gòu)，改變原有發(fā)展模式中的資源配置格局，對中國經(jīng)濟(jì)造成多方位的潛在沖擊。學(xué)術(shù)界都比較關(guān)注人口結(jié)構(gòu)變動對貿(mào)易收支的影響，而忽視對貿(mào)易基礎(chǔ)和貿(mào)易模式的研究。實際上，老齡化趨勢可以改變各人群分布比重，不僅使社會消費(fèi)偏好和儲蓄習(xí)慣發(fā)生變化，而且可以改變一國資本和勞動力的相對要素稟賦結(jié)構(gòu)，進(jìn)而促進(jìn)貿(mào)易結(jié)構(gòu)和出口比較優(yōu)勢發(fā)生演變。此時，即使兩國勞動數(shù)量、技術(shù)條件相同，只要人口年齡結(jié)構(gòu)存在差異，依然會存在貿(mào)易基礎(chǔ)。所以，人口年齡結(jié)構(gòu)同樣是構(gòu)成比較優(yōu)勢、影響貿(mào)易方式的重要原因。雖然只有少數(shù)幾位學(xué)者對此進(jìn)行了理論初探，但都發(fā)現(xiàn)人口年齡結(jié)構(gòu)對國際貿(mào)易有著重要影響，尤其是人口老齡化必然會對勞動密集型商品的出口模式帶來巨大沖擊(Chinn and Prasad, 2003；Kim and Lee, 2008)。姚洋和余淼杰(2009)認(rèn)為人口特征是中國形成出口導(dǎo)向型增長模式的重要原因，并根據(jù)人口轉(zhuǎn)型和城市化發(fā)展預(yù)測得出，中國的出口導(dǎo)向型模式將持續(xù)至2025年左右。從更加細(xì)致的勞動力年齡分組上看，王有鑫和趙雅婧(2013)利用2001—2010年28個制造業(yè)行業(yè)數(shù)據(jù)，指出45～64歲大齡勞動力分布比重與行業(yè)出口貿(mào)易負(fù)相關(guān)，勞動力人口老齡化趨勢對出口貿(mào)易不利。這些研究都從實證角度證明了人口年齡結(jié)構(gòu)對國際貿(mào)易的重要影響。

傳統(tǒng)研究老齡化問題時，主要是基于總?cè)丝诶淆g化，即主要考察已退休的非勞動力人口占總?cè)丝诘谋戎?。由于非勞動力不直接參與生產(chǎn)環(huán)節(jié)，所以其影響大多經(jīng)過消費(fèi)途徑或者其他方面間接影響實體經(jīng)濟(jì)，這也大大限制了老年經(jīng)濟(jì)尤其是老齡化問題在國際貿(mào)易領(lǐng)域的研究角度。本文認(rèn)為，老齡化趨勢下的人口年齡結(jié)構(gòu)問題不僅包含已退休非勞動力的老齡化問題，而且理應(yīng)包含勞動力老齡化問題。勞動者同時具備多種技能稟賦，考慮老齡化趨勢下的勞動力多維異質(zhì)性模型，便可以拓展人口年齡結(jié)構(gòu)在國際貿(mào)易領(lǐng)域的研究。Roy(1951), Heckman and Sedlacek(1985)等研究均表明，二維異質(zhì)性對收入分布和產(chǎn)業(yè)結(jié)構(gòu)有重要影響。Ohnsorge and Trefler(2007)通過擴(kuò)展Heckman and Sedlacek(1985)的模型，證明了勞動者技能為二維異質(zhì)性時，勞動者在產(chǎn)業(yè)間的群分行為(sorting behavior)將取決于李嘉圖比較優(yōu)勢，再次證明了在多維技能稟賦條件下，技能稟賦間高階矩關(guān)系的重要性(Grossman and Maggi, 2000；Grossman, 2004)。國內(nèi)研究中，李可愛(2013)認(rèn)為勞動技能分布的差異，是解釋中國和印度、美國和日本等國家間貿(mào)易額迅速增長的重要原因，通過借鑒Chang and Huang(2010)模型，研究發(fā)現(xiàn)雖然中國和印度勞動力數(shù)量資源都較為豐富，但中國的勞動技能分布更加集中的特征使得在產(chǎn)業(yè)鏈較長、更強(qiáng)調(diào)勞動間互補(bǔ)與合作的制造業(yè)細(xì)分行業(yè)上更具有比較優(yōu)勢。不過，同多數(shù)研究勞動技能分布的文獻(xiàn)相類似，勞動技能分布通過不同受教育程度人口比重加以刻畫，實際上反映的是人力資本結(jié)構(gòu)(Castello and Domenech, 2002；Asuyama, 2012)。

細(xì)分要素結(jié)構(gòu)上的差異已日益成為解釋比較優(yōu)勢來源的重要渠道，勞動者在認(rèn)知技能上的不同便是其中的關(guān)注點(diǎn)之一。例如，Wolff(2003)利用1947—1996年美國投入產(chǎn)出表對貿(mào)易中的勞動技能進(jìn)行了測算，具體運(yùn)用了第四版《職業(yè)名稱詞典》(Dictionary of Occupational Titles, DOT)和人口普查數(shù)據(jù)，構(gòu)建了267個職業(yè)中不同的工作技能要求的衡量指標(biāo)，其研究指出美國在認(rèn)知技能和人際交往能力(interactive skill)這兩種技能密集型產(chǎn)品的出口中具有比較優(yōu)勢，雖然美國進(jìn)出口貿(mào)易中產(chǎn)品的技術(shù)含量都在提高，但是由于貿(mào)易結(jié)構(gòu)的變化，美國進(jìn)出口貿(mào)易中認(rèn)知技能和勞動技能(motor skills)的差異卻在隨時間增大，從進(jìn)口和出口對比方面闡明了研究中考慮認(rèn)知技能的重要性。其中人際交往能力是指進(jìn)行指導(dǎo)、分工、談判、說服等活動時所需要的能力。同樣基于美國的研究，Capatina(2014)在研究勞動者技能與工資回報不平等之間的關(guān)系時，進(jìn)一步指出認(rèn)知型技能和體力型技能(physical skills)的回報變動趨勢不同，并且不同水平的認(rèn)知型技能之間其回報的變動程度也存在差異，據(jù)此強(qiáng)調(diào)了認(rèn)知型技能不同水平的差異性。通過拓展Wolff(2003)的研究，Kiyota(2013)對1980—2005年日本的情況進(jìn)行了分析，結(jié)果發(fā)現(xiàn)雖然日本是技能密集型產(chǎn)品的凈出口國，但是進(jìn)出口貿(mào)易間的技能差異卻在減小，指出在出口技能密集型產(chǎn)品方面日本的比較優(yōu)勢逐漸減弱。這些研究都無一例外強(qiáng)調(diào)了考慮勞動者認(rèn)知技能的重要作用，為我們展開研究提供了重要的啟示。從具體不同類型的認(rèn)知技能的角度，Cai and Stoyanov(2016)利用2000年235個出口國家的貿(mào)易數(shù)據(jù)，集中探討了不同老齡化程度國家之間認(rèn)知技能對出口的影響，研究發(fā)現(xiàn)在老齡化程度更高的國家中，年齡貶值型要素密集度越高的行業(yè)出口份額越少，而年齡升值型要素密集度越高的行業(yè)出口越多，直接證明了年齡依賴型要素的重要作用，為本文提供了重要的文獻(xiàn)基礎(chǔ)。

總覽上述國內(nèi)外研究可以發(fā)現(xiàn)，在國際貿(mào)易領(lǐng)域，人口老齡化的影響機(jī)制和作用程度，都有待進(jìn)一步深入研究。究其原因，本文認(rèn)為主要在于兩方面：一是比較優(yōu)勢是國際貿(mào)易理論的基石，但是無論是李嘉圖比較優(yōu)勢理論、H-O理論還是新貿(mào)易理論下的壟斷競爭模型以及最近發(fā)展的EK模型(Eaton and Kortum, 2002)、Melitz模型，模型中生產(chǎn)技術(shù)都是至關(guān)重要的變量，尤其是作為國際貿(mào)易理論基石的比較優(yōu)勢更主要以勞動生產(chǎn)率做指標(biāo)。但是傳統(tǒng)意義上，老齡人口屬于非勞動力，不直接參與生產(chǎn)活動，因此通常也就無法直接與傳統(tǒng)貿(mào)易理論相聯(lián)系。二是現(xiàn)實中，發(fā)達(dá)國家的勞動人口比變動一般很小，持續(xù)幾十年的人口結(jié)構(gòu)都會相對穩(wěn)定。例如聯(lián)合國數(shù)據(jù)顯示，美國人口年齡的中位數(shù)從1980年的30歲，到2015年的38歲僅增長了8歲，而中國增長了15.3歲；同時1980年美國15～64歲人口占比為65.9%，2015年為66.3%，僅增長了0.4%，65歲以上老齡人口占比只增長了3.4%，而同時期中國則分別增長了13.9%和5.1%。所以人口年齡結(jié)構(gòu)在國外研究中相對稀少，相關(guān)的前沿理論突破十分有限。這也導(dǎo)致了雖然存在一些相關(guān)研究，但是大多數(shù)從實證角度進(jìn)行定量分析，或從儲蓄角度分析人口結(jié)構(gòu)對國際資本流動的影響。

本文的邊際貢獻(xiàn)主要包括： 第一，本研究指出研究“廣義人口老齡化”可以在一定程度上解決老齡化問題通常難以與國際貿(mào)易尤其是比較優(yōu)勢建立直接聯(lián)系的難題。傳統(tǒng)研究中人口老齡化問題主要關(guān)注作為非勞動力的老年人口“比例擴(kuò)張”問題，往往很難直接融入國際經(jīng)濟(jì)學(xué)領(lǐng)域，相關(guān)分析和研究角度也十分有限。本研究從包含人口整體“增齡過程”的廣義人口老齡化角度，強(qiáng)調(diào)了考慮勞動力老齡化的重要性。第二，對年齡依賴型要素對比較優(yōu)勢的影響，提供來自中國的經(jīng)驗證據(jù)。以往此類研究主要聚焦在美國、日本等發(fā)達(dá)國家，本文則關(guān)注中國情況，而這對于中國這樣正同時經(jīng)歷人口老齡化和貿(mào)易開放的國家而言十分重要。第三，從時間維度上，我們發(fā)現(xiàn)隨著老齡化進(jìn)程推進(jìn)，不同技能異質(zhì)性要素密集型行業(yè)的出口模式將發(fā)生轉(zhuǎn)變。在前人研究較多關(guān)注的老齡化進(jìn)程導(dǎo)致一國整體勞動力要素稟賦變動的基礎(chǔ)上，我們進(jìn)一步分析了勞動者就業(yè)時的群分型選擇，指出當(dāng)勞動者同時具備兩種不同的年齡依賴型要素時，生產(chǎn)中由于存在生產(chǎn)率效應(yīng)和技能選擇效應(yīng)之間的權(quán)衡取舍，最終將使得在一國人口老齡化的不同階段，不同年齡依賴型要素對密集度不同的行業(yè)的影響發(fā)生轉(zhuǎn)變。這些都直接肯定了人口年齡結(jié)構(gòu)同樣是構(gòu)成比較優(yōu)勢、影響貿(mào)易模式的重要因素。

2 老齡化趨勢下年齡依賴型要素對貿(mào)易模式的影響機(jī)制

年齡依賴型技能包括年齡升值型與年齡貶值型，二者是不同于人力資本的屬于認(rèn)知能力范圍的技能。人口年齡結(jié)構(gòu)老齡化可以從數(shù)量和質(zhì)量兩方面對年齡依賴型技能產(chǎn)生影響，進(jìn)而影響一國的貿(mào)易。一方面，人口老齡化程度更高的國家，年齡升值型技能要素稟賦更高，勞動力市場上年齡貶值型技能因相對稀缺而相對價格較高，從而該國傾向于密集使用年齡升值型技能。這與傳統(tǒng)H-O理論下要素稟賦理論對生產(chǎn)分工的解釋相一致。另一方面，當(dāng)各產(chǎn)業(yè)間勞動力并不能充分及時流動時，若一國老齡化程度越高，那么每個產(chǎn)業(yè)內(nèi)的年齡分布也會存在高齡人口比例不斷增加的趨勢。對多數(shù)工作要求年齡貶值型技能的產(chǎn)業(yè)，會由于出現(xiàn)老齡化趨勢而帶來生產(chǎn)率的下降，而多數(shù)工作為年齡升值型的產(chǎn)業(yè)的相對生產(chǎn)率則逐漸提高，顯露比較優(yōu)勢。所以老齡化會改變所有部門的相對勞動生產(chǎn)率。這與李嘉圖比較優(yōu)勢理論相一致。總之，老齡化趨勢使勞動力年齡結(jié)構(gòu)發(fā)生變動，進(jìn)而影響年齡依賴型技能相對供給，要素稟賦的改變進(jìn)一步對國家之間的貿(mào)易方式產(chǎn)生深遠(yuǎn)的影響(Cai and Stoyanov, 2016)。

此外，老齡化趨勢下，當(dāng)勞動者同時具備兩種不同的年齡依賴型要素時，各行業(yè)生產(chǎn)中勞動者就業(yè)時的群分型選擇，也會進(jìn)一步影響產(chǎn)業(yè)結(jié)構(gòu)。具體而言，年齡貶值型要素對密集使用年齡貶值型要素的行業(yè)生產(chǎn)的邊際影響為正，年齡升值型要素對密集使用年齡貶值型要素的行業(yè)生產(chǎn)的邊際影響為負(fù)，在人口老齡化水平較低時，密集使用年齡貶值型要素的行業(yè)，年齡貶值型要素對該行業(yè)生產(chǎn)的正向影響占主導(dǎo)，所以此時密集使用年齡貶值型要素的行業(yè)生產(chǎn)份額較高，開放條件下市場均衡，使得該行業(yè)出口份額高于密集使用年齡升值型要素的行業(yè)。但是，隨著人口老齡化水平不斷提升，年齡升值型要素密集度更高的行業(yè)越來越呈現(xiàn)比較優(yōu)勢，逐漸替代年齡貶值型要素密集度更高的行業(yè)，在總出口中所占的份額也越來越高。其背后的影響機(jī)制是：每個勞動者都同時具有年齡升值型和年齡貶值型兩種技能，基于Ohnsorge and Trefler(2007)推導(dǎo)的二維勞動力異質(zhì)性模型可知，給定兩種技能，每個勞動者選擇能帶來最高收入的行業(yè)進(jìn)行工作，假設(shè)一國兩種年齡依賴型要素稟賦符合二元正態(tài)分布(Roy, 1950,1951)，在勞動力不能充分流動的情況下，每個行業(yè)內(nèi)部的年齡依賴型要素稟賦將同樣符合該二元正態(tài)分布，同時具備的兩種技能將一起決定著勞動者的收入分布。此時，一方面存在生產(chǎn)率效應(yīng)(productivity effect)，即取決于年齡依賴型技能對工作的邊際貢獻(xiàn)[注]例如，密集使用年齡升值型技能的行業(yè)中年齡升值型要素存在正向的生產(chǎn)率效應(yīng)，密集使用年齡貶值型技能的行業(yè)中，年齡貶值型技能發(fā)揮正向的生產(chǎn)率效應(yīng)。，另一方面存在兩技能選擇效應(yīng)(two-attribute selection effect)，也就是說即使年齡升值要素稟賦較高的工人在年齡升值型要素密集度更高的行業(yè)具有更高的邊際生產(chǎn)率，但是如果勞動者同時具備的兩種年齡依賴型技能的相關(guān)系數(shù)足夠小，將導(dǎo)致年齡貶值型要素稟賦非常低，那么也會拉低預(yù)期收入水平[注]具體理論基礎(chǔ)可參考附錄1。。此時，由勞動者“自選擇”將產(chǎn)生就業(yè)行為的群分，進(jìn)而導(dǎo)致行業(yè)層面產(chǎn)出份額出現(xiàn)如上所述的相對變動。

從時間維度上看，由于勞動者同時具備兩種年齡依賴型技能，所以生產(chǎn)率效應(yīng)和技能選擇效應(yīng)間的權(quán)衡取舍使得兩種不同行業(yè)的出口呈現(xiàn)出不同的變化趨勢。例如年齡貶值型要素密集度更高的行業(yè)，年齡貶值型要素體現(xiàn)為正向的生產(chǎn)率效應(yīng)，而年齡升值型要素表現(xiàn)為負(fù)向的技能間選擇效應(yīng)。所以中國人口結(jié)構(gòu)較年輕時，雖然存在老齡化逐年遞增的趨勢，但是在年齡貶值型要素密集度更高的行業(yè)，年齡貶值型要素的正向的生產(chǎn)率效應(yīng)占主導(dǎo)，足以克服老齡化帶來的技能間選擇引起的負(fù)效應(yīng)，所以體現(xiàn)為年齡貶值型要素密集度更高的行業(yè)在總出口中占有更高份額。同時，也正是由于老齡化進(jìn)程持續(xù)推進(jìn)，給定其他條件下，人口老齡化會帶來年齡升值型要素相對稟賦增加，并且隨著醫(yī)療條件的改善、預(yù)期壽命的提高，年齡貶值型要素和年齡升值型要素的相關(guān)系數(shù)持續(xù)增加，導(dǎo)致這種生產(chǎn)效率效應(yīng)對出口額增加的相對影響持續(xù)減小，直至負(fù)向作用的技能間選擇效應(yīng)占主導(dǎo)，使得年齡貶值型要素密集度越高的行業(yè)出口越少。同樣邏輯適用于年齡要素密集度較高的行業(yè)，但該行業(yè)由于人口老齡化則呈現(xiàn)出出口越來越多的傾向，在總出口中所占份額也越來越大。

表1 年齡依賴型要素對不同行業(yè)出口貿(mào)易的影響

3 回歸模型、數(shù)據(jù)與特征性事實

3.1 回歸模型

借鑒Cai and Stoyanov(2016)的研究方法，將人口結(jié)構(gòu)與不同行業(yè)的年齡依賴型要素密集度引入回歸方程：

(1)

(2)

3.2 數(shù)據(jù)來源及說明

本文主要用到五方面數(shù)據(jù)：一是中國的出口貿(mào)易相關(guān)數(shù)據(jù)。中國1990—2010年SITC版本2下的4分位出口數(shù)據(jù)來自UN Comtrade數(shù)據(jù)庫。通過利用Feenstra et al(2002)的對應(yīng)表，匹配成NACIS4位編碼出口數(shù)據(jù)。二是中國歷年年齡結(jié)構(gòu)數(shù)據(jù)(Age)。本文分別選擇了兩個指標(biāo)，分別是來自WPP2015的年齡中位數(shù)數(shù)據(jù)以及計算的高齡人口(40～65歲)占所有15～64歲勞動力年齡人口的比例數(shù)據(jù)。由于年齡中位數(shù)每五年一報告，所以取連續(xù)五年為相同中位數(shù)。三是各行業(yè)要素密集度數(shù)據(jù)。兩種年齡依賴型要素和體能要素密集度數(shù)據(jù)來自Cai and Stoyanov(2016)。技能要素密集度數(shù)據(jù)是根據(jù)2010年US Census Bureau-Annual Survey of Manufactures (ASM)數(shù)據(jù)計算獲得，以非生產(chǎn)性工人的比例代表。資本密集度用資本存量數(shù)據(jù)與總勞動力人數(shù)的比值計算。四是中國要素稟賦數(shù)據(jù)。其中，資本要素稟賦數(shù)據(jù)來自PennWorld Table，人力資本存量數(shù)據(jù)來自李德煌和夏恩君(2013)。五是其他穩(wěn)健性檢驗相關(guān)數(shù)據(jù)。雙邊貿(mào)易成本變量則為標(biāo)準(zhǔn)引力方程中控制的變量，包括距離、是否有共同邊界、共同官方語言虛擬變量，這三個變量的數(shù)據(jù)來自CEPII-Gravity數(shù)據(jù)庫。同時，根據(jù)WTO關(guān)于區(qū)域貿(mào)易協(xié)定的數(shù)據(jù)庫，本文構(gòu)造自由貿(mào)易區(qū)和關(guān)稅同盟兩個變量。gatt_d表示對應(yīng)進(jìn)口國是否是GATT/WTO成員國。如果兩國間有區(qū)域貿(mào)易協(xié)定(Regional Trade Agreements)則fta_wto取值為1，否則為0?？倶颖玖繛?009203個[注]由于部分變量不涵蓋全部年份，因此在下一部分具體回歸中進(jìn)行相應(yīng)調(diào)整并說明，例如包含PSC、FSD、GE、RQ和RL的樣本為711246個。。

表2 變量描述性統(tǒng)計

續(xù)表

3.3 特征性事實

圖1 中國各年齡組比重、老年撫養(yǎng)比與年齡中位數(shù)注： 歷年老年撫養(yǎng)比數(shù)據(jù)來自UNPD數(shù)據(jù)庫，其他數(shù)據(jù)根據(jù)WPP2015計算獲得。三部分年齡組比重采取百分比面積堆積圖形式。2015年以后為預(yù)測值(MEDIUM VARIANT)。

按照人口學(xué)界公認(rèn)的國際通行標(biāo)準(zhǔn)衡量，一般認(rèn)為中國自2000年開始邁入老齡化社會，至今已過10余年。中國人口老齡化具有高速、高齡、老人數(shù)量大、老年撫養(yǎng)比大、地區(qū)差異大的特點(diǎn)(曾毅，2001)，呈現(xiàn)“未富先老”和“快速老齡化”的特征。根據(jù)聯(lián)合國數(shù)據(jù)顯示(圖1)，新中國成立以來，65歲及以上人口占比長期保持在4%以下，老年撫養(yǎng)比基本處于11%以下，變化幅度都較小。1970年后，生育率快速下降、人口預(yù)期壽命持續(xù)穩(wěn)定提高等因素的共同作用下，中國開始經(jīng)歷快速的人口老齡化。2001年入世后，中國貿(mào)易開放程度大大提高，至今已經(jīng)發(fā)展成為世界第一貨物貿(mào)易大國。同時，2001年也是中國人口結(jié)構(gòu)轉(zhuǎn)型的重要時間點(diǎn)：0～14歲人口占比首次小于25%，65歲及以上人口占比超過7%，老年撫養(yǎng)比超過了10%，年齡中位數(shù)達(dá)到了30歲水平，各方面都標(biāo)志著中國正式進(jìn)入“老年型”社會。至2015年末，根據(jù)《中國統(tǒng)計年鑒(2016)》數(shù)據(jù)，1996—2015年近20年65歲及以上人口數(shù)的年均增長率高達(dá)3.5%，超過總?cè)丝谠鲩L速度的5倍。根據(jù)聯(lián)合國數(shù)據(jù)預(yù)測，到2035年以后老年人口占比將超過20%，老年撫養(yǎng)比將超過30%，這意味著大約每3個勞動力供養(yǎng)1個老年人，進(jìn)入深度老齡化社會。預(yù)計2040年，中國老年撫養(yǎng)比將上升至39.6%，并將在2075年進(jìn)一步大幅度提升至60.4%。綜上可見，中國貿(mào)易水平高速發(fā)展與人口老齡化進(jìn)程可謂是同步推進(jìn)的，2000年尤其是2010年后，各項指標(biāo)都表明：中國人口結(jié)構(gòu)正經(jīng)歷劇烈轉(zhuǎn)型，人口老齡化將進(jìn)入持續(xù)半個世紀(jì)的大規(guī)?？焖偻七M(jìn)時期。

圖2 中國人口分布(分年齡組)數(shù)據(jù)來源： 作者根據(jù)United Nations-WPP2015數(shù)據(jù)整理。

根據(jù)聯(lián)合國《人口老齡化及其社會經(jīng)濟(jì)后果》中的劃分標(biāo)準(zhǔn)：一國或地區(qū)65歲以上人口數(shù)目在該國或地區(qū)的總?cè)丝谥械恼急热绻^7%，即表明進(jìn)入老齡化社會。因此，人口老齡化通常是指在全部人口中65歲及以上老年人口比例擴(kuò)張的過程，本研究認(rèn)為從更廣泛意義上看，人口老齡化也包括人口整體年齡結(jié)構(gòu)的老齡化。從人口(統(tǒng)計)學(xué)角度，羅淳(2001)對老齡化的內(nèi)涵歸納為同時包括“比例擴(kuò)張”和“增齡過程”兩個角度：前者含義是在總?cè)丝谥校夏耆丝跀?shù)目相對增多，表現(xiàn)為“比例擴(kuò)張”的過程；后者是從人口整體年齡結(jié)構(gòu)角度，即社會整體人口結(jié)構(gòu)呈現(xiàn)老年狀態(tài)或者向老齡化發(fā)展趨勢，可表現(xiàn)為“中位年齡”或“平均年齡”的提高，即所謂的“增齡過程”。一國總?cè)丝诳梢苑譃閯趧恿头莿趧恿ΑＦ渲袆趧恿χ?5～64歲的人口，而未成年人和已退休老人則為非勞動力人口。傳統(tǒng)研究老齡化問題時，主要是基于總?cè)丝诶淆g化，即主要考察已退休的非勞動力人口占總?cè)丝诘谋戎?。由于非勞動力不直接參與生產(chǎn)環(huán)節(jié)，所以其影響大多經(jīng)過消費(fèi)途徑或者其他方面間接影響實體經(jīng)濟(jì)，這也大大限制了老年經(jīng)濟(jì)的研究角度。從中國人口年齡分布圖2可以看出，中國人口在21世紀(jì)40年代以前基本呈現(xiàn)右側(cè)拖尾，其后開始逐漸呈現(xiàn)左側(cè)拖尾形式分布，這同樣是人口老齡化趨勢的直觀體現(xiàn)。同時，中國人口分布的峰值正在逐漸提高，明顯可以看出中國勞動力人口年齡分布逐漸向高齡化發(fā)展的趨勢。因此本文關(guān)注的老齡化趨勢更多是指中國人口年齡整體分布的變化，即包含“增齡過程”的廣義人口老齡化。

4 實證結(jié)果

4.1 分年基準(zhǔn)回歸

本文利用高齡勞動者占比作為人口年齡結(jié)構(gòu)的指標(biāo)，對21年數(shù)據(jù)分別進(jìn)行了回歸，結(jié)果如表3?？梢园l(fā)現(xiàn)：

表3 分年基準(zhǔn)回歸結(jié)果

續(xù)表

首先，考慮人口老齡化的影響。對于不同行業(yè)，這21年中隨著中國人口老齡化程度的加深，兩種年齡依賴型要素密集度對不同行業(yè)出口額的影響均出現(xiàn)了逆轉(zhuǎn)。具體而言，隨著我國人口老齡化程度的加深，不同行業(yè)間出口額的變化趨勢是：年齡升值型技能要素密集度對出口額的影響從顯著為負(fù)，逐漸變?yōu)闊o顯著影響，最終又變?yōu)榇嬖陲@著正影響，也就是說對于不同行業(yè)而言，由開始時隨著年齡升值型要素密集度越高則出口額越少，逐漸轉(zhuǎn)變?yōu)殡S著年齡升值型要素密集度越高則出口額越多；同樣對于不同行業(yè)而言，由開始時隨著年齡貶值型要素密集度越高則出口額越多，逐漸轉(zhuǎn)變?yōu)殡S著年齡貶值型要素密集度越高則出口額越少。如前所述，本文認(rèn)為，其中的原因主要是由于勞動者同時具備兩種年齡依賴型技能，所以生產(chǎn)率效應(yīng)和技能選擇效應(yīng)間的權(quán)衡取舍使得兩種不同行業(yè)的出口呈現(xiàn)出不同的變化趨勢。例如1995年之前，中國人口結(jié)構(gòu)較年輕，所以雖然存在老齡化逐年遞增的趨勢，但是在年齡貶值型要素密集度更高的行業(yè)，年齡貶值型要素的正向的生產(chǎn)率效應(yīng)占主導(dǎo)，足以克服老齡化帶來的技能間選擇帶來的負(fù)效應(yīng)，所以體現(xiàn)為年齡貶值型要素密集度越高的行業(yè)出口越多。但是老齡化進(jìn)程持續(xù)遞增，年齡貶值型要素和年齡升值型要素的相關(guān)系數(shù)持續(xù)增加，導(dǎo)致這種生產(chǎn)效率效應(yīng)對出口額增加的貢獻(xiàn)度持續(xù)減小，直至負(fù)向作用的技能間選擇效應(yīng)占主導(dǎo)，使得年齡貶值型要素密集度越高的行業(yè)出口越少。

其次，對于同一個行業(yè)，這21年間，密集使用年齡升值型技能要素的行業(yè)出口額越來越多，而密集使用年齡貶值型技能要素的行業(yè)出口額越來越少。具體而言，1990年給定一個年齡升值型要素密集度較高的行業(yè)，如果高齡勞動者占比增加1%，即變量OldShare增加0.01單位，那么精確計算下該行業(yè)出口額會相應(yīng)減少0.991%，而2010年，高齡勞動者占比增加1%的影響是使得這個行業(yè)出口額增加0.13%；同樣，給定一個年齡貶值型技能要素密集度較高的行業(yè)，高齡勞動者占比增加1%，在1990年該行業(yè)出口額相應(yīng)增加0.832%，而2010年，該行業(yè)出口額精確計算下則會相應(yīng)減少約1.333%。進(jìn)一步從邊際影響的趨勢上看，每增加一年，人口老齡化對年齡升值型要素密集型行業(yè)的邊際影響增加0.053，對年齡貶值型要素密集型行業(yè)的邊際影響減少0.1217。這說明中國產(chǎn)業(yè)隨著人口結(jié)構(gòu)的改變，已經(jīng)逐漸向密集使用人口年齡升級型技能要素行業(yè)轉(zhuǎn)變，這類產(chǎn)業(yè)在國民經(jīng)濟(jì)的作用越來越大。

第三，各年間，體能要素對各行業(yè)出口額的影響均為負(fù)值，各年份之間的影響變化不大，相對穩(wěn)定。對于傳統(tǒng)影響比較優(yōu)勢的技能要素密集度和資本要素密集度的影響，兩種都比較顯著。說明了以年齡依賴型要素為代表的認(rèn)知技能，也是解釋比較優(yōu)勢的另一來源。

最后，年齡貶值型要素對出口額的影響發(fā)生轉(zhuǎn)折的時間為1995—1999年，比年齡升值型技能要素影響發(fā)生轉(zhuǎn)折的時間(2004—2008年)要提前了幾乎10年。這說明中國人口老齡化的負(fù)面影響比其正面影響顯現(xiàn)得更早，中國產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變滯后于人口老齡化進(jìn)程。

圖3 人口老齡化對兩類年齡依賴型要素密集型行業(yè)的逐年邊際影響

4.2 穩(wěn)健性檢驗

第一，考慮用年齡中位數(shù)替換高齡勞動者比例，衡量人口年齡結(jié)構(gòu)。表4中列出了和年齡中位數(shù)交互作用的三項的回歸系數(shù)?？梢缘玫胶突净貧w相一致的結(jié)論。例如，同樣可以發(fā)現(xiàn)這21年中隨著中國人口老齡化程度的加深，兩種年齡依賴型要素密集度對不同行業(yè)出口額的影響均出現(xiàn)了逆轉(zhuǎn)。1990年，給定一個年齡升值型要素密集度較高的行業(yè)，年齡中位數(shù)每增加1年，那么精確計算下該行業(yè)的出口額就會相應(yīng)減少1.121%，而2010年，年齡中位數(shù)的邊際影響是使得這個行業(yè)出口額增加0.165%；同樣，給定一個年齡貶值型技能要素密集度較高的行業(yè)，年齡中位數(shù)每增加1年，在1990年時該行業(yè)出口額就會相應(yīng)增加大約1.02%，而2010年，該行業(yè)出口額則會相應(yīng)減少大約1.7%。不過考慮到年齡中位數(shù)的變異程度較小，因此本文并不以這種度量方法作為基準(zhǔn)回歸。

表4 年齡中位數(shù)衡量人口結(jié)構(gòu)的回歸結(jié)果

注： CapitalInt×lnCapital、SkillInt×lnHumCapit、R2以及adjR2等結(jié)果見附錄2。

第二，考慮運(yùn)用包含所有年份的面板數(shù)據(jù)進(jìn)行回歸。表5中第(1)(3)(5)列為用高齡勞動力占比作為年齡結(jié)構(gòu)的代理變量，第(2)(4)(6)列為使用年齡中位數(shù)作為年齡結(jié)構(gòu)的度量。第(1)(2)列顯示了面板數(shù)據(jù)的基本回歸，再次發(fā)現(xiàn)：人口老齡化會增加年齡升值型要素密集型行業(yè)的出口，不利于年齡貶值型要素密集型行業(yè)的出口。第(3)(4)列為去掉進(jìn)口國為美國的樣本后的子樣本回歸結(jié)果。由于使用的要素密集度是基于美國數(shù)據(jù)進(jìn)行計算，所以一旦美國貿(mào)易模式影響產(chǎn)業(yè)間的勞動者構(gòu)成，那么將存在反向因果問題。這兩列中，去掉美國樣本后發(fā)現(xiàn)，其回歸結(jié)果與(1)(2)列十分接近，所以本文的結(jié)果不存在聯(lián)立性偏誤(simultaneity bias)。進(jìn)一步，第(5)和(6)列中，控制兩國間的固定效應(yīng)，以此控制不隨時間變化的其他影響中國和對應(yīng)進(jìn)口國的貿(mào)易成本。此時可以看到老齡化的影響雖有所降低，但影響方向不變。同時，要素稟賦和已有代理貿(mào)易成本的變量雖然顯著，但是符號異常。因此，有理由認(rèn)為：由于本文只考慮中國出口狀況，同時根據(jù)理論模型推導(dǎo)結(jié)果，控制進(jìn)口國固定效應(yīng)已經(jīng)足夠。所以總體上，本文研究結(jié)果依然穩(wěn)健。Cai and Stoyanov(2016)同樣使用年齡中位數(shù)作為人口年齡結(jié)構(gòu)衡量指標(biāo)的研究結(jié)果進(jìn)行對比，可以發(fā)現(xiàn)，本文年齡升值型要素的邊際影響更小，而年齡貶值型要素的邊際影響普遍更大，一方面這與我國長期以勞動密集型產(chǎn)品出口為主的貿(mào)易模型相一致，說明了老齡化對我國此類產(chǎn)業(yè)的影響更大，對外貿(mào)易中傳統(tǒng)勞動密集型行業(yè)的比較優(yōu)勢在老齡化進(jìn)程中將加速減弱，另一方面也說明年齡升值型要素在生產(chǎn)中的貢獻(xiàn)度有待提高，提示我們相比于一直依靠充裕的勞動力稟賦和依靠人口數(shù)量紅利的發(fā)展模式，未來應(yīng)更加重視人口質(zhì)量紅利。

表5 面板模型回歸結(jié)果

續(xù)表

注： 部分單點(diǎn)觀測(singleton observations)在回歸時被自動刪除。R2為組內(nèi)R2。相關(guān)列的不同變量和樣本選取，見原文。

4.3 考慮比較優(yōu)勢的制度決定因素

在回歸模型中，難以觀察的殘差項中一旦包含了和解釋變量相關(guān)的因素，“因果圖”中就會存在“后門路徑”(backdoor path)，影響識別“因果路徑”(causal path)，即影響我們識別解釋變量對被解釋變量的直接影響。這里我們主要考慮兩類可能的內(nèi)生性問題：一是考慮影響一國要素稟賦的制度因素；二是考慮醫(yī)療和教育等對年齡依賴型要素起影響作用的因素[注]對于年齡依賴型要素密集度的內(nèi)生性問題，Cai and Stoyanov(2016)研究中分別利用了1980年、1990年和2000年普查數(shù)據(jù)中的各行業(yè)中職業(yè)組成作為年齡依賴型要素密集度的三個工具變量，一方面十分遺憾的是，本文樣本中1990—2010年歷年的這一數(shù)據(jù)難以獲得，另一方面Cai and Stoyanov(2016)指出當(dāng)用2000年數(shù)據(jù)做工具變量的回歸結(jié)果與基準(zhǔn)回歸結(jié)果很相近，也為基準(zhǔn)回歸的可靠性提供了佐證。感謝審稿老師提出的寶貴意見。。

最近關(guān)于比較優(yōu)勢的相關(guān)研究，識別出一些制度方面對于貿(mào)易的決定因素。這里本文考慮若干此類因素，證明存在這些因素的干擾后本文的結(jié)果依然穩(wěn)健。首先是中國金融發(fā)展水平，選取兩個代理變量：一是私營部門的國內(nèi)信貸占GDP的百分比(PSC，private sector credit)，二是金融系統(tǒng)存款占GDP的百分比(FSD，financial system deposits)，兩者均來自世界金融發(fā)展水平數(shù)據(jù)庫(the global financial development database)。其次是中國的政府效率變量GE(government effectiveness)，數(shù)據(jù)用來自the worldwide governance indicators(WGI)，該變量反映了公共服務(wù)的質(zhì)量，政策制定和實施的質(zhì)量，以及政府承諾的公信度等政府效率因素。最后，是中國法律情況，具體包括RQ(regulatory quality)和RL(rule of law)兩個變量，前者反映了監(jiān)管質(zhì)量，具體指為了保證和促進(jìn)部門發(fā)展，政府制定和實施健全的政策法規(guī)的能力，后者則反映了法律觀念，具體反映社會上的個體對社會規(guī)則的遵守程度和信心程度，包括對合同執(zhí)行、產(chǎn)權(quán)、治安以及暴力犯罪等事件可能性的認(rèn)知，數(shù)據(jù)同樣來自WGI數(shù)據(jù)庫[注]WGI數(shù)據(jù)庫：http://www.govindicators.org/。。由于后三個變量最早數(shù)據(jù)由1996年開始，共包括12個年份，所以和原始數(shù)據(jù)匹配后，共剩余711246個觀測值。同時進(jìn)一步做三方面處理：首先，由于這五個變量各年份內(nèi)數(shù)值相同，所以分年回歸時，本文分別用這五個變量與五種要素密集度和要素稟賦進(jìn)行互乘，以交互項的形式引入回歸模型，以此反映制度因素的影響；其次，由于GE、RQ和RL三個變量存在負(fù)值，所以具體回歸時利用變量的最小值進(jìn)行標(biāo)準(zhǔn)化處理，以此避免負(fù)值對交互項系數(shù)的異常影響；最后為避免共線性問題，對這五個不同變量共做五個不同的回歸，所有回歸結(jié)果見表6?？梢园l(fā)現(xiàn)，各個模型回歸中，雖然系數(shù)存在差別，但是均和基準(zhǔn)回歸呈現(xiàn)出相同的變化趨勢，兩種年齡依賴型要素密集度對不同行業(yè)出口額的影響均出現(xiàn)了逆轉(zhuǎn)，而各年間體能要素對各行業(yè)出口額的影響均為負(fù)值，各年份之間的影響相對穩(wěn)定。各模型擬合優(yōu)度位于0.3～0.4之間，且均整體顯著。綜上可見，考慮制度因素對出口額的影響之后，本文發(fā)現(xiàn)的主要結(jié)論依然穩(wěn)健。

4.4 年齡依賴型技能的其他決定因素

由于年齡依賴型技能要素稟賦難以觀測，第3部分中本文用國家人口結(jié)構(gòu)作為代理變量，此時即年齡依賴型技能要素只是高齡勞動者占比或者一國年齡中位數(shù)的線性函數(shù)。然而，年齡依賴型技能要素不僅僅取決于自然的人口老齡化進(jìn)程，還可以取決于其他因素。第一個因素是一國醫(yī)療體系的有效性。諸多文獻(xiàn)都發(fā)現(xiàn)系統(tǒng)性疾病對認(rèn)知能力有很重要的影響(Stern and Carstensen, 2000)，隨著年齡增加，這些疾病的患病率一般呈現(xiàn)遞增趨勢。因此，適當(dāng)?shù)挠行У尼t(yī)療保障體系可以在一定程度上減少由于年齡增長而帶來的年齡依賴型技能和體能的下降。所以有效的醫(yī)療保障體系可以削弱人口老齡化對認(rèn)知技能和體能稟賦的作用。第二個因素是教育。大量文獻(xiàn)同樣發(fā)現(xiàn)教育和年長者認(rèn)知能力的正相關(guān)關(guān)系，最近一些文獻(xiàn)通過利用外生的教育政策變動來識別年幼時期的教育對年老時期認(rèn)知技能(尤其是記憶力)之間的因果關(guān)系(如Glymour et al, 2008；Banks and Mazzonna, 2012)。同時，教育可以減弱年齡增加帶來的智力下降(Schaie, 2005)。因此，我們預(yù)期教育可獲得性的增加可以增加年齡依賴型認(rèn)知技能的有效存量。

基于這兩方面考慮，本文利用健康保障體系(HCS)和教育水平(Educ)，拓展一國年齡依賴型技能要素稟賦的決定因素。健康保障體系數(shù)據(jù)用公共健康保障支出占GDP的比重衡量，歷年教育水平用歷年初中以上畢業(yè)人數(shù)占勞動人的人數(shù)比重衡量，數(shù)據(jù)分別來源于WDI和歷年中國統(tǒng)計年鑒。前者數(shù)據(jù)從1995年開始，和原始數(shù)據(jù)匹配后，剩余874985個樣本。具體各年回歸中，為避免共線性問題，分別利用Health和Educ兩個變量進(jìn)行回歸。根據(jù)回歸結(jié)果表7可以發(fā)現(xiàn)，兩個模型回歸中，雖然系數(shù)存在差別，但是均和基準(zhǔn)回歸呈現(xiàn)出相同的變化趨勢，兩種年齡依賴型要素密集度對不同行業(yè)出口額的影響均出現(xiàn)了逆轉(zhuǎn)，并且發(fā)生轉(zhuǎn)折的年份依然和基準(zhǔn)回歸保持一致。各年間體能要素對各行業(yè)出口額的影響均為負(fù)值，各年份之間的影響相對穩(wěn)定。各模型擬合優(yōu)度位于0.3～0.4之間，且均整體顯著。綜上可見，考慮了其他兩種決定年齡依賴型要素稟賦的因素之后，本文發(fā)現(xiàn)的主要結(jié)論依然穩(wěn)健。

表6 考慮制度因素的回歸結(jié)果

續(xù)表

注： 限于篇幅，只列出PSC、FSD、GE、RQ和RL交互項系數(shù)。其中AAI代表變量AgeAppInt，ADI代表變量AgeDeInt，OS代表變量OldShare。其他系數(shù)回歸結(jié)果見附錄3。

表7 考慮年齡依賴型技能其他決定因素的回歸結(jié)果

注： 限于篇幅，只列出HCS和Educ交互項系數(shù)。其他系數(shù)回歸結(jié)果見附錄4。

5 主要結(jié)論與政策啟示

本文遵循Cai and Stoyanov(2016)研究方法，基于通過考慮勞動者同時具備兩種年齡依賴型技能，利用中國1990—2010年出口貿(mào)易數(shù)據(jù)，實證研究了老齡化趨勢對一國比較優(yōu)勢的影響。結(jié)果發(fā)現(xiàn)，人口年齡結(jié)構(gòu)是構(gòu)成一國比較優(yōu)勢的重要因素之一,具體體現(xiàn)在以下幾個方面。

首先，本文依據(jù)Ohnsorge and Trefler(2007)的研究，分析了老齡化趨勢下年齡依賴型要素對貿(mào)易模式的影響機(jī)制。在前人研究多關(guān)注老齡化進(jìn)程導(dǎo)致一國整體勞動力要素稟賦變動的基礎(chǔ)上，我們進(jìn)一步分析了勞動者就業(yè)時的群分型選擇，指出當(dāng)勞動者同時具備兩種不同的年齡依賴型要素時，生產(chǎn)中由于存在生產(chǎn)率效應(yīng)和技能選擇效應(yīng)之間的權(quán)衡取舍，最終將使得在一國人口老齡化的不同階段，不同年齡依賴型要素對密集度不同的行業(yè)的影響發(fā)生轉(zhuǎn)變。

其次，利用中國1990—2010年數(shù)據(jù)實證研究發(fā)現(xiàn)，隨著近20年中國老齡化進(jìn)程推進(jìn)，兩種年齡依賴型要素對出口額的影響均出現(xiàn)了逆轉(zhuǎn)。對于同一個行業(yè)，這21年間，密集使用年齡升值型技能要素的行業(yè)出口額越來越多，而密集使用年齡貶值型技能要素的行業(yè)出口額越來越少。例如，對于年齡升值型要素密集度較高的行業(yè)，1990年時高齡勞動者占比增加1%，該行業(yè)的出口額就會相應(yīng)減少0.991%，而2010年則為增加0.13%；同樣，對于年齡貶值型要素密集度較高的行業(yè)，高齡勞動者占比增加1%，在1990年時該行業(yè)出口額就會相應(yīng)增加0.832%，而2010年則為減少大約1.333%。這說明中國產(chǎn)業(yè)隨著人口結(jié)構(gòu)的改變，已經(jīng)逐漸向密集使用人口年齡升級型技能要素行業(yè)轉(zhuǎn)變，這類產(chǎn)業(yè)在國民經(jīng)濟(jì)的作用越來越大。

最后，年齡貶值型要素對出口額的影響發(fā)生轉(zhuǎn)折的時間為1995—1999年，比年齡升值型技能要素影響發(fā)生轉(zhuǎn)折的時間(2004—2008年)要提前了幾乎10年。這說明中國人口老齡化的負(fù)面影響比其正面影響顯現(xiàn)的更早，中國產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變滯后于人口老齡化進(jìn)程。

目前，我國正在經(jīng)歷由貿(mào)易大國向貿(mào)易強(qiáng)國轉(zhuǎn)型的重要階段。通過以上結(jié)論可知，從某種程度上人口老齡化或許并不絕對是一個“亟待解決的問題”，也可以是“轉(zhuǎn)型發(fā)展的契機(jī)”。本文的政策含義有：首先，未來相關(guān)產(chǎn)業(yè)政策應(yīng)注意進(jìn)一步趨利避害，努力發(fā)揮老齡化的正向外部性。不可否認(rèn)，豐富的勞動力資源使得我國形成了出口勞動密集型產(chǎn)品為主的貿(mào)易模式，但是人口年齡結(jié)構(gòu)并不是一成不變，隨著老齡化進(jìn)程的推進(jìn)，貿(mào)易轉(zhuǎn)型不可避免。為了從貿(mào)易大國發(fā)展為貿(mào)易強(qiáng)國，我國需要結(jié)合自身的資源稟賦與人口結(jié)構(gòu)探索新的貿(mào)易發(fā)展模式，抓住人口結(jié)構(gòu)轉(zhuǎn)變?yōu)橘Q(mào)易結(jié)構(gòu)調(diào)整帶來的契機(jī)。其次，人口老齡化不僅僅是老年人口比例增加，也是整體人口年齡遞增的過程，因此政策考量與制定上，不能僅僅關(guān)注已退休的老年人口，對于勞動力的老齡化問題同樣要給予充分考慮。年輕勞動力一般具有較高的創(chuàng)新能力，值得重視；而高齡勞動力具有較高的年齡升值型要素稟賦，同樣是產(chǎn)業(yè)轉(zhuǎn)型升級的關(guān)鍵力量。年輕勞動力如能提高受教育水平，增加職業(yè)培訓(xùn)將有利于其年齡依賴型要素的積累，抵消老齡化的不利影響，隨著我們產(chǎn)業(yè)轉(zhuǎn)移升級而減少結(jié)構(gòu)性失業(yè)。對于老年勞動力，“一刀切”的退休年齡制度并不盡然合理，尤其不利于受教育程度較高的勞動者為社會創(chuàng)造更多價值。最后，認(rèn)知技能是勞動力質(zhì)量的綜合體現(xiàn)，而勞動力數(shù)量與勞動力質(zhì)量都是企業(yè)效益的關(guān)鍵決定因素，相關(guān)政策必須從長遠(yuǎn)利益出發(fā)制定，要注重勞動力質(zhì)量的升級，注重開發(fā)“人口質(zhì)量紅利”，進(jìn)一步發(fā)揮中國的潛在增長力。

附錄1

本部分，遵循Ohnsorge and Trefler(2007)以及Cai and Stoyanov(2016)研究方法，為第3部分所述的影響機(jī)制提供一定數(shù)理基礎(chǔ)并獲得本文的回歸方程。

首先，消費(fèi)者層面，每個國家n=1…N有有限的離散產(chǎn)業(yè)i=0,1…I，其中0為非貿(mào)易產(chǎn)業(yè)，其余可貿(mào)易產(chǎn)業(yè)(i≥1)生產(chǎn)異質(zhì)性產(chǎn)品，每個產(chǎn)業(yè)內(nèi)的產(chǎn)品呈現(xiàn)連續(xù)分布j∈[0,1]。依據(jù)Chor(2010)，給定總收入Yn時，每種可貿(mào)易產(chǎn)品種類的最優(yōu)消費(fèi)數(shù)量及面對的產(chǎn)業(yè)i的價格指數(shù)(the ideal price index)分別為：

其次，生產(chǎn)者層面，在產(chǎn)業(yè)為離散形式下，借鑒Ohnsorge and Trefler(2007)模型，同時引入年齡升值型和年齡貶值型兩種技能，并引入隨時間變化的技能分布函數(shù)。具體而言，勞動者同時具有年齡升值型技能H和年齡貶值型技能L。兩種技能捆綁(bundling)一起(Roy, 1950,1951；Heckman and Sedlacek, 1985)，雇傭者不能分解，因此只關(guān)心任務(wù)完成情況。對于(H,L)類型的勞動者，依次設(shè)定其承擔(dān)規(guī)模報酬不變的工作任務(wù)Ti(H,L)，工資W：

其中，h≡ln(H/L)，l≡lnL，wi≡lnWi，ti(h)≡lnTi(H/L,1)，p≡lnP。給定兩種技能，每個勞動者選擇最高收入的行業(yè)進(jìn)行工作。依據(jù)群分模型(sorting model)根據(jù)δi對行業(yè)i進(jìn)行排序的通常做法，此時隨著i增大，該行業(yè)年齡升值型密集度越高，即h密集度越高。具有更高(H/L)比率的勞動者，在H密集度高的行業(yè)具有比較優(yōu)勢。所以當(dāng)hi-1

因此，給定技術(shù)參數(shù)Ai及標(biāo)準(zhǔn)正態(tài)分布的分布函數(shù)Φ(·)和概率密度函數(shù)φ(·)，t時期行業(yè)i的總產(chǎn)出可表示為：

(10)

最后，開放貿(mào)易時，考慮世界上只有兩個不同老齡化程度的國家，對應(yīng)μ1>μ2，ρ1>ρ2，產(chǎn)業(yè)i的產(chǎn)出分別為Y1i和Y2i，則產(chǎn)業(yè)i的世界總產(chǎn)出Yw i為二者之和。封閉時，根據(jù)式(1)和(14)可知，每個國家中產(chǎn)業(yè)i的總消費(fèi)Cn i為本國總產(chǎn)出的固定份額。開放時，市場出清意味著每個產(chǎn)業(yè)i的世界總產(chǎn)出Yw i等于世界總消費(fèi)Cw i，進(jìn)一步等于所有國家對產(chǎn)業(yè)i的消費(fèi)總和。由式(15)與(16)，C1i/Yw i為定值，等于其總產(chǎn)出的世界份額，而Y1i/Yw i隨著h增加而增加，即(Y1i-C1i)/Yw i隨著行業(yè)的年齡升值型要素密集度的增加而單調(diào)增加。所以，貿(mào)易均衡時，國家1將凈出口Y1i-C1i，即老齡化程度較高的國家會出口年齡依賴型要素密集度較高行業(yè)的產(chǎn)品。

附錄2

年份CapitalInt×lnCapitalSkillInt×lnHumCapit常數(shù)項R2(adj R2)F值(p值)樣本量19900.0009***0.02014.3578***0.3150124.1220(0.0002)(0.0134)(0.0987)(0.3092)(0.0000)2082119910.0007***0.0329**4.5438***0.3139121.8650(0.0002)(0.0129)(0.0953)(0.3083)(0.0000)22053

續(xù)表

附錄3

變量199619982000200220032004200520062007200820092010CI×Cpt×PSC0.0001**(0.00002)-0.0002***(0.00002)-0.0002***(0.00003)-0.0003***(0.0001)-0.0003***(0.00002)-0.0004***(0.00002)-0.0003***(0.00002)-0.0003***(0.00002)-0.0003***(0.00002)-0.0003***(0.00002)-0.0003***(0.00002)-0.0003***(0.00002)SI×HCP×PSC-0.0231***(0.0022)-0.0304***(0.0021)-0.0332***(0.0021)-0.0334***(0.0019)-0.0366***(0.0018)-0.0407***(0.0018)-0.0453***(0.0017)-0.0468***(0.0017)-0.0486***(0.0017)-0.0527***(0.0017)-0.0486***(0.0016)-0.0478***(0.0015)CI×Cpt×FSD0.0001**(0.00004)-0.0002***(0.00003)-0.0003***(0.00003)-0.0004***(0.0001)-0.0004***(0.00003)-0.0005***(0.00003)-0.0004***(0.00002)-0.0004***(0.00002)-0.0004***(0.00002)-0.0004***(0.00002)-0.0004***(0.00002)-0.0004***(0.00002)SI×HCP×FSD-0.0329***(0.0032)-0.0418***(0.0028)-0.0439***(0.0028)-0.0432***(0.0025)-0.0471***(0.0024)-0.0518***(0.0023)-0.0573***(0.0022)-0.0591***(0.0022)-0.0611***(0.0021)-0.0661***(0.0021)-0.0616***(0.002)-0.0579***(0.0019)CI×Cpt×GE0.0005**(0.0002)0.0001(0.0001)-0.0011***(0.0001)-0.0016***(0.0001)-0.0015***(0.0001)-0.0018***(0.0001)-0.0019***(0.0001)-0.0012***(0.0001)-0.0010***(0.0001)-0.0010***(0.0001)-0.0013***(0.0001)-0.0013***(0.0001)SI×HCP×GE-0.2068***(0.02)-0.1791***(0.0121)-0.1900***(0.0121)-0.1779***(0.0102)-0.1918***(0.0096)-0.1946***(0.0086)-0.2616***(0.0101)-0.1897***(0.0069)-0.1639***(0.0056)-0.1845***(0.0058)-0.1916***(0.0062)-0.1920***(0.0062)CI×Cpt×RQ0.0003**(0.0002)0.0002(0.0002)-0.0026***(0.0003)0.0234***(0.0017)-0.0043***(0.0003)-0.0040***(0.0002)-0.0021***(0.0001)-0.0022***(0.0001)-0.0020***(0.0001)-0.0018***(0.0001)-0.0026***(0.0001)-0.0029***(0.0001)SI×HCP×RQ-0.1427***(0.0138)-0.2986***(0.0203)-0.4537***(0.029)-0.3606***(0.1500)-0.5431***(0.0273)-0.4383***(0.0193)-0.2884***(0.0111)-0.3467***(0.0127)-0.3257***(0.0112)-0.3280***(0.0104)-0.3948***(0.0127)-0.4092***(0.0132)CI×Cpt×RL0.0019**(0.0008)0.0003(0.0003)-0.0265***(0.0035)-0.0084***(0.0006)-0.0214***(0.0015)-0.0134***(0.0007)-0.0538***(0.0031)-0.0133***(0.0008)-0.0139***(0.0008)-0.0039***(0.0002)-0.0044***(0.0002)-0.0047***(0.0002)SI×HCP×RL-0.7596***(0.0736)-0.4856***(0.0329)-4.5864***(0.2932)-0.9364***(0.0539)-2.6815***(0.1348)-1.4759***(0.065)-7.5124***(0.2889)-2.0917***(0.0764)-2.3206***(0.0796)-0.7311***(0.0231)-0.6582***(0.0211)-0.6760***(0.0219)R20.33050.32380.33920.3480.36050.35700.36850.37540.38120.38840.37620.3793F值148.6981221.1166261.8926323.188362.294419.809411.2028431.2761438.181468.4449560.7669542.3395樣本數(shù)344343940247977528305707560257640866719270083714157247374022

注： 其中，CI代表CapitalInt，Cpt代表lnCapital，SI代表SkillInt，HCP代表lnHumCapit。

附錄4

年份CapitalInt×lnCapital×HCSSkillInt×lnHumCapit×HCSCapitalInt×lnCapital×EducSkillInt×lnHumCapit×EducR2(adj R2)F值(p值)樣本量19950.00004-0.10224***0.00004-0.10224***0.329165.155(0.00013)(0.01012)(0.00013)(0.01012)(0.325)(0.000)3466219960.00026**-0.10410***0.00026**-0.10410***0.330148.698(0.00011)(0.01008)(0.00011)(0.01008)(0.327)(0.000)3443419970.00035***-0.11792***0.00035***-0.11792***0.331173.330(0.00011)(0.00997)(0.00011)(0.00997)(0.328)(0.000)3640219980.00009-0.14155***0.00009-0.14155***0.324221.117(0.00010)(0.00960)(0.00010)(0.00960)(0.320)(0.000)394021999-0.00010-0.13508***-0.00010-0.13508***0.337238.699(0.00010)(0.00926)(0.00010)(0.00926)(0.334)(0.000)422302000-0.00090***-0.15672***-0.00090***-0.15672***0.339261.893(0.00012)(0.01002)(0.00012)(0.01002)(0.336)(0.000)479772001-0.00126***-0.15828***-0.00126***-0.15828***0.336280.198(0.00011)(0.00973)(0.00011)(0.00973)(0.333)(0.000)504452002-0.00143***-0.15959***-0.00143***-0.15959***0.348323.188(0.00011)(0.00919)(0.00011)(0.00919)(0.345)(0.000)528302003-0.00141***-0.17715***-0.00141***-0.17715***0.360362.294(0.00010)(0.00890)(0.00010)(0.00890)(0.358)(0.000)570752004-0.00177***-0.19466***-0.00177***-0.19466***0.357419.8(0.00010)(0.00858)(0.00010)(0.00858)(0.355)(0.000)602572005-0.00153***-0.21412***-0.00153***-0.21412***0.368411.203(0.00009)(0.00823)(0.00009)(0.00823)(0.366)(0.000)640862006-0.00140***-0.22019***-0.00140***-0.22019***0.375431.276(0.00008)(0.00804)(0.00008)(0.00804)(0.373)(0.000)671922007-0.00136***-0.22682***-0.00136***-0.22682***0.381438.181(0.00008)(0.00778)(0.00008)(0.00778)(0.379)(0.000)700832008-0.00130***-0.24402***-0.00130***-0.24402***0.388468.445(0.00008)(0.00771)(0.00008)(0.00771)(0.387)(0.000)714152009-0.00156***-0.23505***-0.00156***-0.23505***0.376560.767(0.00008)(0.00754)(0.00008)(0.00754)(0.374)(0.000)724732010-0.00162***-0.23161***-0.00162***-0.23161***0.379542.340(0.00008)(0.00749)(0.00008)(0.00749)(0.377)(0.000)74022