人口老龄化、经济增长与女性就业

周羽中

摘要：基于1990～2017年50个国家和地区世界银行相关的面板数据，实证检验了人口老龄化、经济增长与女性就业之间的关系，实证结果表明：人口老龄化可以显著的提高女性就业率，而经济增长与女性就业率呈现U型关系。研究还发现政府行为因素、社会经济因素、女性个人因素对就业率也有一定的影响。最后分别从产业结构转型、社会福利制度改革、在岗培训以及法律法规等角度提出对策建议。

关键词：人口老龄化;经济增长;女性就业;面板固定效应模型

中图分类号：F240文献标志码：A文章编号：1008-4657（2020）03-0069-07

0 引言

随着人口红利的消失，世界各国普遍进入老龄化社会，适龄劳动力（1）供给的严重下降，制约着一国经济与社会发展[1]。就業对于提高人民生活水平、维护社会稳定都具有重要的意义，而女性就业率的提高，不仅是社会民主政治的体现，也是经济可持续发展的重要源泉。日本作为世界上老龄化最为严重的国家之一，时任首相安倍晋三在2013年发表了以《释放“女性经济学”的力量》为题的文章，提到“日本经济要想保持持续增长，释放女性经济学的潜力必不可少”[1]。因此，在人口老龄化的大趋势之下，经济发展势必与女性就业之间有着密切的关系。研究世界主要人口老龄化国家经济增长与女性就业的关系也具有一定的现实意义。

1 文献综述

人口老龄化减少了劳动力供给，使经济发展缺少活力，势必会对经济增长产生负面的影响。Peterson[2]将人口老龄化带来的负面影响归结为以下几个方面：第一，人口老龄化能够引起医疗成本的快速上升;第二，社会养老费用支出会进一步加大;第三，人口老龄化导致老年人口瞻养率提高;第四，适龄劳动人口的减少;第五，人口老龄化会降低国民储蓄率;第六，人口老龄化使经济缺乏活力。Brunow[3]使用欧洲15个国家的横截面数据检验了人口老龄化对经济增长的影响，研究发现，年龄在30～44岁之间的劳动力人群对经济增长具有显著的影响，但是人口老龄化能够降低这部分人群的比例，从而抑制经济的增长。但是人口老龄化对经济增长也有积极的一面，乌仁格日乐[4]基于人力资本投资视角借助跨期迭代模型，针对代际间教育投资行为作为研究对象展开分析，研究表明，在人口老龄化背景下，人力资本投资回报率提高，有利于促进理性行为人增加人力资本投资（尤其是父代对子代的人力资本投资行为），从而促进经济增长。张季风等[5]通过构建系统高斯混合模型（Gaussian Mixed Model，GMM），分析了人口老龄化背景下技术创新对经济增长质量的影响，研究认为，人口老龄化能够倒逼技术创新，而且技术创新与人口老龄化的交互作用对经济增长存在正向关系，因此技术创新可以作为缓解人口老龄化压力的重要工具。

现有文献直接研究人口老龄化对女性就业影响的文献并不多见。肖地福等[6]基于“共同偏好”假设基础的时间配置模型，利用中国1992～2010年的时间序列数据，分析了不同劳动能力的退休人员对女性劳动力供给的影响，实证结论表明，低龄老年人（60～69岁）能够显著的提高中国女性劳动力供给，而高龄老年人（70岁以上）对女性劳动力供给的影响则是负向的。黄枫[7]使用“中国营养与健康调查”（1991～2009年）的数据，实证检验了老龄化趋势之下，老人家庭照料对城镇女性劳动力参与率的影响，分析表明女性照料老人能够显著的降低其劳动参与率。随着老龄化的进一步深入，需要照料的老年人口增多，这不仅不利于女性就业，对经济增长所需的劳动力供给也是消极的。国外对家庭照料责任与女性就业的关系也有研究，Bolin等[8]利用欧洲健康、老龄和退休调查数据检验了女性家庭照料责任与就业的关系，同样发现女性在就业与家庭照料之间存在显著的负向影响;人口老龄化势必会改变一国的人口政策，而人口政策的改变会直接影响到女性的生育行为。盛亦男[9]使用最新的调查数据分析了中国生育政策调整对女性就业质量的影响，结果发现，生育政策的改变会影响女性的生育意愿和生育子女的数量，提高了社会总的生育成本，最终导致女性就业质量的下降，其中生育子女数量可以直接影响女性的就业质量。罗俊峰等[10]的研究也证实了这一说法，他们认为，生育孩子数量对女性流动人口就业产生负效应。

经济增长与女性就业关系的研究则已相对成熟，其中最为经典的结论就是经济增长与女性就业之间存在的U型关系。所谓U型关系假说指的是在经济发展的不同阶段，由于女性受到教育程度、生育水平以及经济产业结构的影响，其就业率会出现先下降后上升的关系。Suh[11]利用韩国1980～2014年的时间序列数据验证了韩国女性劳动力参与率在经济发展的初期呈现上升趋势，而后期则随着经济的发展开始下降。Mammen等[12]构建跨国面板数据模型，对90个国家1970～1980年的数据进行实证分析，研究发现经济发展与女性劳动参与率之间同样存在U型关系，他们还发现，收入水平不同的国家，女性劳动参与率也存在不同，高收入国家女性劳动力参与率普遍较高，而中等收入国家则正好相反。但也有学者研究表明，经济增长与女性就业两者之间存在交互的正向关系。Diamond等[13]认为经济增长可以释放更多的教育机会，从而改变就业结构，促进女性就业率的提高。Chomsky[14]则认为女性就业率的提高可以改善女性的生活水平并提升社会地位，从而促进经济的增长。张乃丽等[15]梳理了日本社会发展的不同阶段经济增长与女性就业的关系，分析认为，日本经济增长与女性就业之间存在很强的相关性，提高女性就业率可以增加劳动力投入，从而促进经济增长。

对已有文献的梳理可以得出如下结论：第一，人口老龄化虽然使得劳动力供给减少，但是对经济的发展也存在积极的一面;第二，人口老龄化会带来生育政策的改变，进而影响女性的劳动力参与，而且这种影响通常是负向的;第三，经济增长与女性就业率之间既可能存在正向的相关关系，也可能存在U型关系。以上为本文的研究提供了理论参考，但其中也有不足，虽然有的学者考虑了人口老龄化的因素，但没有将衡量老龄化的变量纳入模型之中，本文将衡量人口老龄化变量老年人口抚养比作为核心解释变量，并选取了多个控制变量，而且考虑了政府行为因素，以此来检验人口老龄化、经济增长与女性就业的关系。

2 模型设立与数据说明

2.1 模型设立

通过分析人口老龄化、经济增长和女性就业之间的关系，能够为世界各国在老龄化背景之下的劳动力供给提供重要的理论依据。本文借鉴张翔[16]的做法，建立人口老龄化、经济增长与女性就业的计量模型，模型设立如下

其中，i表示国家或地区，t表示年份，被解释变量labor使用学术界通行的女性劳动参与率，gdp为解释变量，Cont为控制变量，具体包括贸易开放度、产业结构、城镇化水平、社会福利以及女性受教育程度和生育水平，β0为常数项，β1、β2、β3为各变量的系数，εit为随机误差项。

式（1）为基本模型，表示的是人口老龄化、经济增长与女性就业的线性关系。为了能够表明经济增长与女性就业之间是否存在这长期的非线性关系，本文引入了经济增长的平方项，模型如下

2.2 变量说明及数据来源

根据联合国《人口老龄化及其社会经济后果》的标准，当一个国家或地区65岁及以上老年人口数量占总人口比例超过7%时，意味着该国家或地区进入了老龄化社会。世界银行2017年数据显示，全球共有122个国家老年人口数量占总人口比例在7%以上，鉴于数据的可获得性和完整性，本文选取其中50个国家或地区1990～2017年的相关变量的面板数据。其中，被解释变量女性劳动力参与率，世界银行将其定义为女性人口占15～64岁女性人口的百分比。

本文的核心解释变量有两个，第一个是人口老龄化，本文使用各地区老年人口抚养比（2）衡量该地区的人口老龄化程度，表示因人口老龄化而给该地区带来的经济压力;另一个核心解释变量是经济增长，为了减少数据的波动，选取各地区人均GDP增长率衡量经济发展水平，同时引入人均GDP增长率的平方项来检验经济增长与女性就业之间是否存在U型关系。

本文控制变量的选取考虑了社会经济因素、女性个人因素以及政府行为三个方面。其中社会经济因素包括产业结构、城镇化水平和贸易开放度;产业结构（indus）用工业增加值表示;贸易开放度（trade）选用货物和服务的进出口额在国民生产总值中的份额来衡量;城镇化水平（urb）则用城镇人口占总人口的比重。女性个人因素则包括女性受教育程度以及生育水平;女性受教育程度（edu）用女性中学的入学率衡量;生育水平（fer）用总生育率表示;政府行为因素本文主要考虑政府的社会福利（welfare），社会福利作为公共支出的重要部分与人口结构存在密切关系。根据鲁蓓[17]的研究表明，在人口老龄化背景下提高社会全员的劳动力参与率不仅可以使社会福利制度更具可持续性，也能够在一定程度上缓解老龄化对经济发展的实际影响，而适当降低缴费率和待遇是合理的提高劳动参与率的必要措施。鉴于数据的可或得性，选取各地区补贴和其它拨款占支出比例作为代理变量来衡量地区社会福利水平。

所有数据均来自世界银行世界发展指标（World Development Indicators， WDI）数据库。各变量的描述性统计检验表如表1所示。

3 实证结果分析

3.1 基本估计结果

根据以上的数据整理和分析，对人口老龄化、经济增长和女性就业进行实证分析。在进行面板数据回归之前，首先对变量进行Hausman检验，检验结果显示采用固定效应模型更为有效，因此本文选择固定效应模型进行回归分析。基本回归结果表如表2所示。

模型（1）只包含了人口老龄化一个解释变量;模型（2）则包含了两个解释变量人口老龄化以及经济增长的一次项和二次项;模型（3）（4）（5）则依次加入了政府行为、社会经济因素以及女性个人因素的控制变量。从表2可以看出，随着变量的加入，模型的拟合优度逐步提高，说明变量的加入让模型更加稳定。

所有模型的elderly变量系数都是正值，而且均在1%水平下通过显著性检验，这说明，人口老龄化能够对女性就业率的提高产生显著的正向影响;模型（2）（3）（4）和模型（5）gdp一次项的系数均为负值，并分别在1%和5%水平下通过了显著性检验;gdp二次项的系数均为正值，其中模型（2）和（3）在5%的水平下通过了显著性检验，模型（4）在控制了社会经济因素变量后，gdp二次项没有通过显著性检验，但模型（5）在充分控制政府行为、社会经济因素和女性个人因素后，gdp的二次项在10%水平上通过了显著性检验，说明在此条件下，经济增长与女性就业之间存在U型关系。

表示政府行为的变量社会福利在模型（3）（4）（5）中均没有通过显著性检验且系数均为正值，说明在当期社会福利水平的提高会提升女性的就业率。

贸易开放度在所有模型中对女性就业率的影响均显著为正，从理论上讲，贸易开放程度越高，劳动力市场会更加灵活，经济开放程度也会进一步的提高，对于市场而言，女性劳动力成本更低，因此女性就业率得到了提高。对于一些资本比较稀缺的国家来说，贸易开放程度的提高能够增大男性劳动力密集行业的规模，使得男女工资差距缩小，进而提高女性就业率[18]。产业结构对女性就业的影响尚不明确，也没有通过显著性检验，说明产业结构仍需进一步优化;城镇化水平的系数为负但不显著，说明城镇化水平的提高不利于女性就业，这是因为在传统的性别文化的影响下，女性通常成为环境政策变迁不利后果的承担者[19]，在城镇化过程中，产生了大量的失地妇女，由于不具备最基本的工作技能，因此造成了大量的失业，降低了女性劳动力参与率。

生育水平在5%水平上显著为负，表明随着女性总生育率的提高，其劳动参与率也下降，因为此时她们需要花费更多的时间和精力抚养后代。受教育程度在1%水平上显著为正，说明随着女性受教育程度的提高，将会获得更多的就业機会，因此提高了就业率。

3.2 稳健性检验

3.2.1 被解释变量的不同度量

为了检验女性就业率度量指标的选取是否会影响人口老龄化、经济增长的正向关系，本文用女性就业人口比率，也就是采用15岁（含）以上女性就业人口比率来衡量女性就业，数据同样来自世界银行数据库。稳健性检验结果如表3中模型（6）所示。检验结果显示，人口老龄化在5%水平上通过显著性检验，依然与女性就业率存在正向关系;人均GDP增长率的二次项在1%水平上通过显著性检验，两者依然是U型关系。

3.2.2 分样本回归

本文根据2017年世界银行高收入国家的划分标准，将样本分为高收入国家和非高收入国家两部分，回归之前进行Hausman检验，检验结果显示依然采用固定效应模型更为有效，回归结果如表3中模型（7）（8）所示。人口老龄化在高收入国家显著为正，而在非高收入国家则没有通过显著性检验;说明在高收入国家，人口老龄化更为严重，劳动力更为短缺，因此能够显著的促进女性就业率的提升;人均GDP增长率无论是在高收入国家还是低收入国家都与女性就业之间存在U型关系。控制变量中，社会福利在高收入国家和非高收入国家表现相反，但是都不显著;贸易开放度在高收入国家表现为显著的正向效应，而在非高收入国家其估计系数为负且不显著，这是因为高收入国家一般都是发达国家，经济全球化更加深入，市场已经非常成熟，就业机会更多;而非高收入国家多数是发展中国家，由于劳动力自身的缺陷，在贸易过程中，求职会遇到各种瓶颈，从而降低了就业率;产业结构在高收入国家变现为显著的负向影响，在非高收入国家估计系数为正但不显著，这是因为发达的高收入国家产业结构趋向于高新技术产业和信息化产业，而女性无论是在教育还是在技术上与男性相比都不具备优势，因此造成就业率的下降;非高收入的发展中国家也多数实现了工业化，而在工业向服务业发展的过程中，衍生出的低端服务行业会增加女性的就业岗位，但是这种效果并不明显;城镇化水平在高收入国家表现为正向效应而在非高收入国家表现为负向效应，但两者均不显著;说明高收入的发达国家在城鎮化进程中伴有完善的劳动力转移措施，没有造成大量的女性失业，但是非高收入的发展中国家城镇化过程中配套措施不够健全，进而导致大量农村妇女在失去土地之后成为失业者;生育率在非高收入国家表现为明显的负向效应，在高收入国家这种负向影响则不显著，因为发达国家的女性普遍生育率不高、生育意愿不强，对失业的影响也不算大;受教育程度在分样本回归后依然是正向影响，但都没有通过显著性检验，虽然多数研究表明，女性受教育程度的提高可以明显提升其就业水平，但是这种影响取决于收入效应和替代效应两个因素，提高受教育水平不仅提高受教育成本，也失去了因为就业而带来的收入，所以，那些期望更早实现高收入的群体就不会去增加受教育年限，因此受教育程度对劳动参与率的影响并不显著。

3.2.3 内生性问题

考虑到变量之间可能存在内生性问题而导致回归结果不准确，本文使用模型中所有解释变量和控制变量的滞后一期项进行重新检验，依然采用固定效应模型，回归结果如模型（9）所示。核心解释变量人口老龄化和人均GDP增长率与基本回归结果保持一致，人口老龄化与女性就业依然是显著的正向关系，人均GDP与女性就业之间同样为U型关系;各控制变量的结果也与基本回归结果以及上文的分析基本一致。

3.2.4 GMM估计

考虑到被解释变量有可能存在滞后效应，因此选择差分GMM模型再次对原模型进行检验，回归结果如表3中模型（10）所示。差分GMM的估计结果显示AR（1）和AR（2）的残差存在一阶序列相关而不存在二阶序列相关，说明差分GMM方法是有效的;而且Sargan的值不拒绝原假设，也就是说选取的工具变量是合理的;本文的核心解释变量在差分GMM估计下与原模型基本回归结果无异;控制变量社会福利在GMM估计下表现为显著的负向关系，说明随着人口老龄化的进一步深入以及生育政策的改变，提高社会福利不利于女性就业率的提高，这也与上文分析一致，即适当的降低待遇是提高劳动就业率的有效途径[17];其他控制变量的系数方向和显著性与原模型基本保持一致。

综上所述，通过重新度量被解释变量、分样本估计、滞后项检验以及GMM估计，本文的核心解释变量的估计结果都比较稳健，即人口老龄化会提高女性就业，经济增长与女性就业之间存在U型关系。

4 结论及政策建议

本文基于世界银行1990～2017年50个国家和地区的面板数据，以女性劳动力参与率为被解释变量，人均GDP增长率、老年人口抚养比为核心解释变量，在控制了政府行为因素、社会经济因素、女性个人因素后，发现随着人口老龄化的推进，女性就业率会显著提高，而且经济增长与女性就业之间存在典型的U型关系，从而验证了前人的假说。实证结果还表明，产业结构、受教育程度、城镇化水平在人口老龄化背景之下对女性就业率的提升并不明显;而随着生育政策的改变，女性生育率将会显著的影响其就业率;社会福利在人口老龄化的初期对女性就业率的影响不太确定，但是后期将会对女性劳动力参与起到抑制作用。

我国也已经步入老龄化社会，根据世界银行最新消息，我国人口老龄化率已经达到11%，高居全球老龄化国家第十位（3），而女性劳动参与率从1990～2018年也下降了10%。经济社会的发展不能忽视女性的作用，也离不开女性的贡献，在人口老龄化背景之下，充分释放女性劳动力具有重要的意义。综合以上分析，在人口老龄化背景下，为促进和保障女性就业，本文有以下几点启示：

第一，促进产业结构转型升级。经济增长与女性就业率之间的U型关系表明，随着经济的发展，第三产业的比重越来越高，释放了更多符合女性工作的岗位，从而提高了女性就业率。人口老龄化会改变生产和消费结构，对产业结构的转型升级产生催化作用，我国政府应当抓住有利契机，大力发展服务行业，尤其是适合女性就业的行业，除了老龄化带来的老人看护行业，还有与之相对的生育政策的调整带来的保育员等相关行业，都可以大量吸收女性就业人口，政府要对这些行业给予政策倾斜。

第二，改革社会保障和福利制度。在未来30～40年，人口老龄化会对国家财政带来巨大的压力，除了延期退休年龄之外，本文分析认为，可以通过提高劳动参与率、扩大社会保险的缴费基数以及降低缴费比例等措施来应对。在国家不断的推进城镇化建设过程中，造成了大量的农村剩余女性劳动力，因此提高女性劳动参与率也是社会福利制度改革的有效举措，提高女性就业率，一方面可以实现财政向弱势群体倾斜的功能，另一方面也可以保证人口老龄化不断深入趋势下国家社会保障制度的可持续性。

第三，健全女性职工在岗培训体系。延长女性受教育年限一方面可以增加知识型劳动力，但另一方面也影响了女性的生育计划，对人口结构产生不利影响;而且受教育年限的延长会增加社会成本，减少实际工作年限。因此不能片面的认为受教育年限的延长就能够提高女性就业率。老龄化背景下，对于一些技术能力要求更高的工作岗位，尤其是女性职工应当在掌握必备的技能后更早的投入社会生产，用人单位和社会则应当健全职工在岗培训体系，以此可以保证她们掌握更娴熟的技术，降低失业和被淘汰的风险。

第四，完善女性权利保护的法律建设。最高人民法院“婚姻法司法解释三”的出台与实施毫无疑问增加了女性的劳动力参与率，但也不难看出，我国婚姻法将女性的地位弱势化。司法解释三对夫妻共同财产的产权归属与分配进行了明确的界定，尤其是婚后房屋产权的归属问题，这为司法实践提供了理论依据，但同时也是对女性的一种歧视，因为通常在婚姻中女性是财力弱势的一方。随着生育政策的改变，女性则会承担更多的生育责任，会加大自身风险，一旦出现婚变，则极有可能被净身出户[20]。因此，立法机关应当进一步完善各方面法律，不仅是在保障女性公平就业方面，对于女性人身权利、财产权利的保护也需要进一步规范。

注释：

（1） 世界银行将年龄在15岁及15岁以上的人口中从事经济活动的人口比率作为劳动参与率来衡量一国劳动力供给情况。

（2） 老年抚养比是被抚养老年人口（64 岁以上人口）与工作年龄人口（15-64 岁人口）之比。

（3） 数据来源：http：//www.shihang.org/。

參考文献：

[1] 刘晓翠.安倍晋三：提高女性就业水平释放“女性经济学”能量[N].华尔街见闻，2013-09-26（9）.

[2] Peterson，Peter G.Gray Down：How the Coming Age Wave Will Transfer America and the World[M].New York：Random House，1999：210-219.

[3] Brunow Stephan，Hirte Georg.Age Structure and Regional Economic Growth[J].Jahrbuch für Regionalwissenschaft，2006，26（1）：3-23.

[4] 乌仁格日乐.人口老龄化对经济增长的积极效应——基于人力资本投资视角[J].山东社会科学，2017（4）：90-95.

[5] 张季风，邓美薇.人口老龄化、技术创新对经济增长质量的影响——基于中日两国的比较分析[J].日本问题研究，2019，33（1）：20-31.

[6] 肖地福，王暄.人口老龄化对女性劳动力供给的影响实证研究——基于时间配置模型[J].中外企业家，2014（3）：239-240.

[7] 黄枫.人口老龄化视角下家庭照料与城镇女性就业关系研究[J].财经研究，2012，38（9）：16-26.

[8] Bolin K，Lindgren B，Lundborg P.Your Next of Kin or your Own Career？[J].Journal of Health Economics，2007，27（3）：718-738.

[9] 盛亦男.生育政策调整对女性就业质量的影响[J].人口与经济，2019（3）：62-76.

[10] 罗俊峰，苗迎春.生育孩子数对女性劳动参与率的影响——基于2014年流动人口动态监测数据[J].调研世界，2018（12）：36-43.

[11] Suh M.Determinants of Female Labor Force Participation in South Korea：Tracing out the U-shaped Curve by Economicgrowth[J].Social Indicators Research，2016，131（1）：1-15.

[12] Mammen Kristin，Paxson Christina.Womens Work and Economic Development[J].Journal of Economic Perspectives，2000，14（4）：141-164.

[13] Diamond J.Collapse：How Societies Choose to Fail or Succeed[M].CA：Penguin Books，2011：63-69.

[14] Chomsky N，Mcchesney R.Profit over People：Neolib-eralism and Global Order[M].NY：Seven Stories Press，2011：99-111.

[15] 张乃丽，刘俊丽.日本女性就业与经济增长的相关性研究[J].日本学刊，2015（3）：120-139.

[16] 张翔.经济发展与女性劳动力参与——基于跨国面板数据的实证研究[J].经济与管理评论，2017，33（6）：31-37.

[17] 鲁蓓.二孩政策、人口老龄化和财政社会福利支出预测[J].劳动经济研究，2016，4（3）：103-118.

[18] 熊永莲，谢建国.贸易开放、女性劳动收入与中国的生育率[J].财经科学，2016（4）：113-122.

[19] 张静敏.城镇化与村改居社区女性就业境遇[N].中国妇女报，2014-05-20（2）.

[20] 王靖雯，魏思琦.“婚姻法司法解释三”对女性劳动力供给的影响[J].经济学动态，2016（7）：44-50.

[责任编辑：郑笔耕]