人口年龄结构和中国高储蓄率

人口年龄结构和中国高储蓄率[20200428221901]
摘要:为验证生命周期理论在中国的适用性,本文利用协整理论和向量误差修正模型,对中国1978—2012年的居民储蓄率、人口年龄结构变量的时间序列数据进行实证检验,结果发现,储蓄率、幼年抚养比和老年抚养比之间存在长期均衡关系,人口年龄结构冲击会对储蓄率产生持久而显著的负影响,并且老年抚养比对储蓄率的影响更大。
 *查看完整论文请 +Q: ^351916072* 
关键字:高储蓄率;人口年龄结构;协整理论和向量误差修正模型
目录
摘要1
关键词1
Abstract1
Key words1
一、引言1
二、相关文献综述2
1、国外对于中国储蓄率的研究3
2、国内学者对于储蓄率的研究3
3、使用面板数据进行的研究4
三、人口结构与储蓄率———基于1978—2012数据的协整分析4
1、模型设定和数据说明5
2、单位根检验6
3、协整检验6
4、向量误差修正模型7
四、结论9
致谢9
参考文献9人口年龄结构与中国高储蓄率
引言
改革开放以来,我国居民储蓄率一直位居世界前列。根据国家统计局统计数据显示,
我国城镇居民储蓄率在2013年三季度达到34%,明显高于世界平均水平。长期以来的高居民储蓄率成为社会各界研究关注的热点。一方面,过高的居民储蓄率必然引致过高的投资率,而高投资不仅导致资本的边际报酬递减,许多行业也因为投资的无效率导致产能过剩的不利后果;另一方面,过高的储蓄率也抑制了消费需求,造成我国内需不足。在当前国际金融危机尚未完全化解和国内经济结构面临重大调整的情势下,分析我国高居民储蓄率的影响因素,有针对性地采取相应措施,成为拉动内需和保持我国经济长期可持续发展的关键。
大量文献力图从不同角度解释居民储蓄率变化的原因,主要有从流动性约束和预防性储蓄(宋铮,1999;万广华等人,2001;雷钦礼,2009)以及文化和传统习惯(臧旭恒,1994;孙凤,2002)、消费攀比(陈利平,2005)等角度。上述研究虽然在一定程度上解释了中国高储蓄率现象,但也有不足。金融体制改革和经济发展减弱了居民面临的流动性约束,因而从流动性约束的角度来看中国居民储蓄率应该下降而非升高,事实却恰恰相反。根据预防性储蓄理论,教育、医疗、住房等方面的改革增加了居民面临的不确定性(杨汝岱和朱诗娥,2007;杨汝岱和陈斌开,2009)。这些因素的确能够独立地影响居民储蓄行为,但是它们能否解释居民储蓄率如此高的增长值则有待进一步研究。文化和传统习惯以及消费攀比等因素在短时期内几乎不会发生变化,只能静态地解释中国高储蓄,而无法解释改革开放30年来我国居民储蓄率升高的事实(董丽霞,2011)。
在众多影响居民储蓄率因素中还有两个与我国的国情紧密相关、不可忽略的变量,那就是经济增长与人口结构变化(汪伟,2009)。从20世纪70年代末开始,中国实行改革开放政策。而几乎与此同时,中国还实行了“只生一个孩子”的严格计划生育政策,改革开放促进了经济的快速增长,而计划生育政策推动了中国人口年龄结构的迅速转型。从表一中我们可以看到,经济中的抚养系数的下降与储蓄率的上升似乎是同步的。
表一 中国人均收入增长率、 抚养系数与储蓄率变化
时间段 1960—1970 1970—1980 1980—1990 1990—2000 1960—2000 1989—2006
人均GDP增长率 2.7% 6.3% 9.4% 10.1% 7.8% 9.6%
抚养系数 79.2% 75.3% 56.9% 53.3% 65.0% 45.8%
国民储蓄率 26.8% 32.8% 34.9% 40.6% 33.9% 42.4%
资料来源:World Bank , World Bank Online Database, 2007以及《中国统计年鉴》并经作者测算。
注:按照国际惯例,抚养系数(或抚养比)通常定义为15岁以下未成年人口+65岁以上老年人口与15—64岁人口的比重
图1 中国人口结构的变迁(1960~2008)
随着经济发展和人们的收入增加,人均预期寿命不断提高。如图1所示,1969年,预期寿命超过60岁;1994年,预期寿命超过70岁。与预期寿命显著增加相伴而生的是人口出生率大幅下降,人口结构发生巨大变化。20世纪90年代以来,越来越多的学者将我国的高储蓄率与人口老龄化过程联系起来。人口因素对居民储蓄的影响其实可以从预防性储蓄中推导出来,即由于人们在少年和老年时期没有工作,因而在中年时会为教育、疾病等进行储蓄,这具有预防性质。
中国人口年龄结构的变化是否与高储蓄有关是一个值得深入探讨的具有重大现实意义的问题。从理论上来说,中国的人口转型为评估生育率的外生变化对储蓄率的冲击提供了一个有趣的自然试验,也是从另一个侧面检验生命周期理论(Modigliani and Brumberg,1954),并为我们观察中国居民的储蓄行为提供了一个新的视角。从长期来看,中国要实现由固定资产投资与出口驱动向消费驱动的经济增长方式的转变、实现可持续增长,就必须考虑对经济增长和储蓄具有长期影响的人口政策。另外,就业、养老系统的设计、医疗保险、教育等都不可避免的与人口的年龄结构相关。因此,研究中国人口结构变化对国民储蓄的影响对于今后制定长期的人口和经济政策也具有重要的实践指导意义。
二、相关文献综述
研究人口与居民储蓄之间关系的主要分析框架是生命周期假说(Life Cycle Hypothesis,简称LCH)。生命周期假说依据微观经济学中的消费者行为假设,从个人消费行为出发,认为人们会根据一生的不同阶段安排消费和储蓄,年轻时收入低倾向于负储蓄,中年时是高收入和高储蓄,年老时是低收入和负储蓄。因此,LCH的一个隐含前提是在生命周期的各个阶段,所有群组的储蓄率都相同。从个人生命周期来看,收入和储蓄的关系呈倒“U”型。因此,人口结构中少儿抚养比和老年抚养比的升高都会降低储蓄率(Coale和Hoover,1958;Leff,1969;Higgins和Williamson,1997;Deaton和Paxson,2000)。本文以生命周期理论为主线进行文献综述。
(一)国外对于中国储蓄率的研究
Kraay(2000)用中国的时间序列数据,得出了扶养率对储蓄率的影响在统计上不显著的结论,并且认为未来收入的增长对储蓄率有负向的影响,这两点都与生命周期假说相矛盾。根本原因在于,Kraay在建模中使用了居民可以自由借贷的前提假定,但是,中国的金融市场不是很完善,信贷约束非常强烈。2004年的中国城镇居民调查,中国城市居民发生借贷的比率不足10%。其结论可能存在系统性偏差。Modigliani and Cao(2004)对中国的居民总储蓄率作了OLS的回归分析,发现经济增长率是青年扶养比的倒数,以及通货膨胀率对居民储蓄率有很强的正向影响,并且在统计上显著。因此,他们的结论与Kraay完全相反。但这篇文章的漏洞很多:首先,中国总的居民储蓄率是由很多省份组成的,不同省份的经济发展水平不同,人口年龄结构不同因此需要进行细分,而不能单单从总体去研究;其次,回归方程中使用的居民储蓄率是作者自己构造的;最后,使用了青年扶养率的倒数这个变量,而没有考虑老年扶养率,在中国人口日益老龄化的今天,这个比率正越来越强地影响着储蓄率。Horinoka(2007)对中国30个省份和直辖市的城镇居民储蓄率和农村居民储蓄率做了实证研究,得出了人口年龄结构不影响储蓄率的结论,是对生命周期假说在中国适用性的极大挑战,但是他选择的样本是1995年—2005年,没有包含计划生育之前的数据,这样会影响其参数估计量的方差,从而会直接影响到参数估计值的显著性。另外,文章分析了农村居民的储蓄率,但是农村居民的储蓄很多都是以非货币形式来进行的,在度量上可能会存在偏差,影响参数估计的准确性。最后,它把青年扶养率、老年扶养率以及总扶养率放在同一个方程中进行回归分析会发生多重共线性问题,导致回归结果产生偏差。
(二)国内对于中国储蓄率的研究
臧旭恒(1994)在《中国消费函数分析》一书中通过实证分析的方法对我国改革前后的居民储蓄和收入关系进行了分析,他用凯恩斯模型拟合了1952—1978年的消费函数指出我国改革前的居民储蓄可以很好地用绝对收入理论解释,1978—1991年的居民储蓄行为则可以更好地被生命周期和持久收入理论所解释。但是其没有分析人口结构因素对中国居民储蓄率形成中的影响。
厉以宁(1992)在其主编的《中国宏观经济实证分析》中采用最小二乘法对改革后的居民储蓄进行了凯恩斯模型的拟合,结果表明:1978年以后的边际储蓄倾向大大高于1978年以前的边际储蓄倾向。但是他并没有进行不同模型的比较,尤其是与生命周期模型进行比较,这使得他的结论的可信度降低。
宋铮(1999)利用中国城镇居民收入的标准差衡量中国居民收入的不确定,得到未来收入的不确定是中国居民储蓄的原因,这与Kraay的结论正好相反,可能在于他们使用的数据不同宋使用的是时间序列数据,而Kraay使用的是省级面板数据,这样对比来看,使用微观数据的结论更加可信。因此宋的结论值得质疑;龙志和与周浩明(2000)采用Dynan的预防性储蓄模型,选取中国城镇居民1991—1998年间的消费、收入及物价数据进行估测,结果表明我国城镇居民未来收入的不确定性越大,居民的预防性储蓄也就越多,该文章同样面临着宏观数据的估计偏差问题;孟昕(2001)用1999年中国城市家庭收入、支出和就业调查的截面数据研究中国家庭的储蓄行为得到的结论是:中国城市家庭具有强烈的预防性储蓄动机,不但过去的收入不确定性增加了家庭的储蓄倾向,而且预期的下岗也使没有失业的家庭增加储蓄。这一结论比较可信,但是其使用的数据仅仅为1999年概念的调查数据,无法使得估计的参数用于未来的预测,因为我们如果想预测未来,需要在时间轴线上得到更多的样本。

版权保护: 本文由 hbsrm.com编辑,转载请保留链接: www.hbsrm.com/jmgl/jjymy/3920.html

好棒文